山西北部地区引种苦荞品种的灰色关联度分析
山西省农业科学院右玉农业试验站,037200,山西右玉
Grey Correlation Analysis of Introduced Tartary Buckwheat in the Northern Shanxi
Youyu Experimental Station, Shanxi Academy of Agricultural Sciences, Youyu 037200, Shanxi, China
通讯作者:
收稿日期: 2020-06-10 修回日期: 2020-08-3 网络出版日期: 2021-03-26
基金资助: |
|
Received: 2020-06-10 Revised: 2020-08-3 Online: 2021-03-26
作者简介 About authors
靳建刚,主要从事杂粮育种与栽培研究工作,E-mail:
应用灰色关联度法对晋北地区引种的12个苦荞品种的主要农艺性状进行分析与综合评价。结果表明:引种的苦荞品种中综合生产性能表现较好的是晋荞5号、冼马选1号、KQ-1-6、西农9909和云苦5号;各农艺性状的权重顺序为生育期>主茎分枝数>株高>主茎节数>千粒重>产量,结果可为晋北地区苦荞引种和推广提供科学依据。
关键词:
The main agronomic traits of twelve tartary buckwheat varieties were analyzed by using the grey correlative system. The results showed that the tartary buckwheat varieties of Jinqiao5, Xianmaxuan 1, KQ-1-6, Xinong 9909, and Yunku 5 had better production performance compared with the other varieties. The weights of tested agronomic traits in the grey correlative analysis were ordered as growth period > primary branch number > plant height > primary stalk pitch number > 1000-seed weight > yield. The scientific evidence for introducing and developing tartary buckwheat production in Northern Shanxi was provided by these results.
Keywords:
本文引用格式
靳建刚, 田再芳.
Jin Jiangang, Tian Zaifang.
灰色系统理论是近年来发展起来的一种分析理论,已有前人运用此理论对小麦[4]、苜蓿[5]、甜玉米[6]、谷子[7]、大豆/玉米(品种组合)[8]和燕麦[9]等多种作物进行了综合评价,该理论已较为成熟。灰色关联度分析法是对一个发展变化的系统动态的比较,其基本思想是基于性状序列的几何接近程度[10],分析所得的关联度是某一事物与其相关因子内部联系程度大小的度量,关联度越大,说明某因子与该事物相互联系越密切,对其影响越大[11]。因此将苦荞品种资源的综合性状视为一个灰色系统,用灰色关联度分析法,研究苦荞品种各性状间的关系,进而综合评价品种的优劣,能克服单项比较的缺点,是一种较为全面和准确的综合评价方法,可为合理利用引进的种质资源提供科学依据。因此,本研究选择在晋北地区右玉县大田生产条件下,采用灰色关联度评价12个苦荞品种的引种适应性,以期为适宜晋北地区的苦荞品种引进与推广提供依据。
1 材料与方法
1.1 供试品种与试验设计
供试的12个苦荞种质来源如表1所示。试验于2019年在山西省农业科学院右玉农业试验站基地(40°00' N,112°27' E,海拔1345.80m)进行,供试土壤为草原风沙土,质地为砂壤土,0~20cm土壤基本理化性质为pH 8.40,有机质5.63g/kg,全氮0.027g/kg,碱解氮45.7mg/kg,速效磷2.85mg/kg,速效钾96.7mg/kg。小区面积为20m2(5m×4m),3次重复。试验采用手推条播机播种,行距25cm,播深约为3cm,播量为30kg/hm2。试验地前茬为油菜。播前施底肥硝酸二铵450kg/hm2,2019年5月20日播种,6月17日进行第一次中耕,7月10日进行第二次中耕,其他田间栽培管理按常规方法进行。
表1 供试品种及来源
Table 1
品种编号 Variety number | 品种 Variety | 来源 Source |
---|---|---|
x1 | 西农9909 | 西北农林科技大学农学院 |
x2 | 冼马选1号 | 中国农业科学院 |
x3 | 定苦荞1号 | 定西市农业科学研究院 |
x4 | 通苦1号 | 内蒙古通辽市农业科学研究院 |
x5 | KQ-1-6 | 西北农林科技大学农学院 |
x6 | 云苦5号 | 云南省农业科学院生物技术研究所 |
x7 | 晋荞5号 | 山西省农业科学院高粱研究所 |
x8 | J406-1 | 山西省农业科学院右玉农业试验站 |
x9 | 广苦2号 | 山西省农业科学院高寒区作物研究所 |
x10 | 黔苦5号 | 贵州省威宁农业科学研究所 |
x11 | 昭苦4号 | 云南省昭通市农业科学研究所 |
x12 | 黑丰1号 | 山西省农业科学院品种资源研究所 |
调查项目包括生育期、株高、主茎分枝数、主茎节数、千粒重和产量。每个重复随机选取10株进行室内考种,产量为小区实收计产,收获标准为当荞麦全株有70%的籽粒成熟,呈现出原品种固有色泽时,即可收获。
1.2 分析方法
设参考数列为x0,比较数列为xi,i=1,2,3…n,ζi(k)为x0与xi在第k点的关联系数,公式如下:
式中,|x0(k)-xi(k)|表示x0数列与xi数列在第k点的绝对差,其中$\min _{i} \min _{k}\left|x_{0}(k)-x_{i}(k)\right|$为二级最小差,$\max _{i} \max _{k}\left|x_{0}(k)-x_{i}(k)\right|$为二级最大差,ρ为分辨系数,其取值范围为0~1,一般取ρ=0.5。
为了便于比较,将各荞麦品种的农艺性状与参考品种相应指标的关联系数取平均值,定义为关联度gi(即等权关联度)。
式中n为样本数。关联度越大,说明该品种或性状与参考品种或性状的相似度越高,反之则越低。
等权关联度只有在各性状同等重要的情况下,才能用于评价不同品种的优劣。然而,荞麦各农艺性状的重要性不相同,为了客观地评价各品种的优劣,需赋予各性状不同的权重系数ωi[13],计算各品种的加权关联度g′i。
2 结果与分析
2.1 构建参考品种
选择12个供试品种的6个性状最大值作为参考品种(x0)的性状指标,参考品种和供试品种的各项性状值见表2。苦荞麦主要性状的变异系数为3.7%~19.7%,其中主茎节数、千粒重和产量变异系数较大,均大于10.0%;株高和主茎分枝数次之,生育期变异系数最小。
表2 参考品种和供试品种的农艺性状
Table 2
品种编号 Variety number | 生育期 Growth period (d) | 株高 Plant height (cm) | 主茎分枝数 Primary branch number | 主茎节数 Primary stalk pitch number | 千粒重 1000-grain weight (g) | 产量 Yield (kg/hm2) |
---|---|---|---|---|---|---|
x0 | 112 | 171.5 | 14.7 | 19.9 | 23.2 | 2850 |
x1 | 103 | 167.3 | 14.2 | 19.8 | 18.4 | 1950 |
x2 | 107 | 171.5 | 13.8 | 17.9 | 23.2 | 2200 |
x3 | 102 | 142.5 | 11.4 | 17.6 | 18.6 | 2175 |
x4 | 102 | 152.5 | 13.1 | 10.4 | 19.1 | 2375 |
x5 | 105 | 156.4 | 13.2 | 16.7 | 21.4 | 2850 |
x6 | 103 | 149.2 | 14.1 | 18.2 | 19.3 | 2575 |
x7 | 112 | 131.5 | 14.7 | 19.9 | 22.7 | 2825 |
x8 | 108 | 157.2 | 12.1 | 16.9 | 18.7 | 2700 |
x9 | 105 | 149.1 | 12.2 | 18.1 | 17.1 | 1600 |
x10 | 102 | 159.7 | 11.3 | 18.7 | 18.2 | 2450 |
x11 | 109 | 151.6 | 12.6 | 17.2 | 9.3 | 1475 |
x12 | 98 | 124.7 | 13.3 | 14.5 | 20.2 | 2075 |
均值Mean | 104.7 | 151.1 | 13.0 | 17.2 | 18.9 | 2270.8 |
标准差Standard deviation | 3.8 | 13.4 | 1.1 | 2.6 | 3.5 | 447.3 |
变异系数Coefficient of variation (%) | 3.7 | 8.9 | 8.5 | 15.0 | 18.7 | 19.7 |
2.2 数据的无纲量化处理
由于各性状的量纲不同,根据灰色系统理论,需对各性状先进行无量纲化处理。采用初值化处理方法,即用各测定值除以参考品种相应的指标值,得到各项指标数值均在0~1之间的新数列(表3)。
表3 数据的无纲量化处理
Table 3
品种编号 Variety number | 生育期 Growth period | 株高 Plant height | 主茎分枝数 Primary branch number | 主茎节数 Primary stalk pitch number | 千粒重 1000-grain weight | 产量 Yield |
---|---|---|---|---|---|---|
x0 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
x1 | 0.9196 | 0.9755 | 0.9660 | 0.9950 | 0.7931 | 0.6842 |
x2 | 0.9554 | 1.0000 | 0.9388 | 0.8995 | 1.0000 | 0.7719 |
x3 | 0.9107 | 0.8309 | 0.7755 | 0.8844 | 0.8017 | 0.7632 |
x4 | 0.9107 | 0.8892 | 0.8912 | 0.5226 | 0.8233 | 0.8333 |
x5 | 0.9375 | 0.9120 | 0.8980 | 0.8392 | 0.9224 | 1.0000 |
x6 | 0.9196 | 0.8700 | 0.9592 | 0.9146 | 0.8319 | 0.9035 |
x7 | 1.0000 | 0.7668 | 1.0000 | 1.0000 | 0.9784 | 0.9912 |
x8 | 0.9643 | 0.9166 | 0.8231 | 0.8492 | 0.8060 | 0.9474 |
x9 | 0.9375 | 0.8694 | 0.8299 | 0.9095 | 0.7371 | 0.5614 |
x10 | 0.9107 | 0.9312 | 0.7687 | 0.9397 | 0.7845 | 0.8596 |
x11 | 0.9732 | 0.8840 | 0.8571 | 0.8643 | 0.4009 | 0.5175 |
x12 | 0.8750 | 0.7271 | 0.9048 | 0.7286 | 0.8707 | 0.7281 |
2.3 计算绝对差值
根据公式$D_{i}(k)=|x_{0}(k)-x_{i}(k)|$,计算各点的绝对差,其中最小绝对差值$\min _{i} \min _{k}\left|x_{0}(k)-x_{i}(k)\right|$=0,最大绝对差值$\max _{i} \max _{k}\left|x_{0}(k)-x_{i}(k)\right|$=0.5991。
2.4 供试品种的关联系数
将各点绝对差值、最小绝对差值和最大绝对差值带入公式(1),得出相应的关联系数(表4)。
表4 供试品种的关联系数
Table 4
关联系数 Correlation coefficient | 生育期 Growth period | 株高 Plant height | 主茎分枝数 Primary branch number | 主茎节数 Primary stalk pitch number | 千粒重 1000-grain weight | 产量 Yield |
---|---|---|---|---|---|---|
ξ1 | 0.7885 | 0.9244 | 0.8980 | 0.9835 | 0.5915 | 0.4868 |
ξ2 | 0.8703 | 1.0000 | 0.8303 | 0.7488 | 1.0000 | 0.5678 |
ξ3 | 0.7704 | 0.6392 | 0.5716 | 0.7216 | 0.6017 | 0.5585 |
ξ4 | 0.7704 | 0.7300 | 0.7335 | 0.3856 | 0.6290 | 0.6425 |
ξ5 | 0.8274 | 0.7729 | 0.7459 | 0.6507 | 0.7943 | 1.0000 |
ξ6 | 0.7885 | 0.6973 | 0.8801 | 0.7781 | 0.6406 | 0.7564 |
ξ7 | 1.0000 | 0.5622 | 1.0000 | 1.0000 | 0.9329 | 0.9716 |
ξ8 | 0.8935 | 0.7823 | 0.6288 | 0.6652 | 0.6070 | 0.8506 |
ξ9 | 0.8274 | 0.6964 | 0.6379 | 0.7681 | 0.5326 | 0.4058 |
ξ10 | 0.7704 | 0.8132 | 0.5643 | 0.8324 | 0.5816 | 0.6810 |
ξ11 | 0.9179 | 0.7208 | 0.6771 | 0.6883 | 0.3333 | 0.3831 |
ξ12 | 0.7056 | 0.5233 | 0.7588 | 0.5247 | 0.6985 | 0.5242 |
2.5 供试品种的加权关联度
表5 供试品种农艺性状的关联度和权重值
Table 5
参数 Parameter | 生育期 Growth period | 株高 Plant height | 主茎分枝数 Primary branch number | 主茎节数 Primary stalk pitch number | 千粒重 1000-grain weight | 产量 Yield |
---|---|---|---|---|---|---|
gi | 0.8275 | 0.7385 | 0.7439 | 0.7289 | 0.6619 | 0.6523 |
ωi | 0.1901 | 0.1697 | 0.1709 | 0.1674 | 0.1521 | 0.1499 |
表6 供试品种的加权关联度(g′i)
Table 6
品种编号 Variety number | 品种 Variety | 加权关联度 Weighted relevancy value | 排名 Rank |
---|---|---|---|
x1 | 西农9909 | 0.7878 | 4 |
x2 | 冼马选1号 | 0.8395 | 2 |
x3 | 定苦荞1号 | 0.6486 | 10 |
x4 | 通苦1号 | 0.6521 | 9 |
x5 | KQ-1-6 | 0.7955 | 3 |
x6 | 云苦5号 | 0.7596 | 5 |
x7 | 晋荞5号 | 0.9113 | 1 |
x8 | J406-1 | 0.7412 | 6 |
x9 | 广苦2号 | 0.6548 | 8 |
x10 | 黔苦5号 | 0.7107 | 7 |
x11 | 昭苦4号 | 0.6358 | 11 |
x12 | 黑丰1号 | 0.6252 | 12 |
根据加权关联度分析原则,理论上参考品种是最好的,供试样品与参考样品的关联度越大,其综合生产性能越佳。由表6可以看出,综合生产性能较好的品种有晋荞5号、冼马选1号、KQ-1-6、西农9909和云苦5号,其次是J406-1、黔苦5号、广苦2号、通苦1号和定苦荞1号,昭苦4号和黑丰1号的加权关联度最小,综合生产性能最差。而在产量方面,前5位由大到小排序为KQ-1-6、晋荞5号、J406-1、云苦5号和黔苦5号。
3 讨论
引进高产品种是解决当地品种资源有限的有效方法。选用一定的分析评价方法对作物数量性状进行分析,可以简便高效地筛选出高产品种或高产品种应具备的特质,为品种选择及大田生产提供依据。灰色关联度分析法是建立在多个性状定量分析的基础上,有较强的可比性和可靠性[14],能够较为全面地反映品种综合生产性能的优劣。
目前学者主要针对苦荞的农艺性状和产量进行了相关分析、聚类分析、主成分分析及通径分析等,但由于参试的品种和种植环境不同及选用分析方法不同,所得出的结论有所差异。潘凡等[15]对180份苦荞种质资源的8个主要农艺性状进行了相关分析和通径分析,优异资源的特征表现为主茎分枝能力强、单株粒数多和单株粒重高。本试验中,主茎分枝数所占的权重较大,为第2位,表明主茎分枝数是影响品种适应性的重要指标,主茎分枝数多,分枝能力强,植株生长繁茂,表明该品种在当地的适应性较强。李春花等[16]对48份云南苦荞种质的11个性状进行主成分分析和通径分析,表明适合用于筛选高产品种的农艺性状表现为株高中等、株粒数和株粒重大。邓琳琼等[17]对贵州省毕节市不同县乡镇32份苦荞资源的单株粒重与主要农艺性状进行相关和通径分析,发现筛选高产苦荞品种时,应考虑千粒重和单株粒数,并适当控制株高。而汪灿等[18]对我国不同地区80份苦荞品种的农艺性状及产量进行了相关性分析、通径分析、主成分分析及多元线性回归分析,认为高产型苦荞品种的主要特征为植株高大、千粒重大且分枝较少。本研究中,6个农艺性状相比,株高的权重为第3位,表明晋北地区引种苦荞品种时应选择植株高大的品种。这与汪灿等[18]的研究结果相同,而与邓琳琼等[17]和李春花等[16]的结果“适当控制株高”不同,造成这一差异的原因可能与分析方法不同以及与所考察苦荞的性状、品种和栽培的自然条件差异较大有关。
另有学者采用灰色关联度分析法针对苦荞主要农艺性状及其与产量之间的相关性及影响程度做了深入分析。徐芦等[19]对苦荞区域试验15个品种按照地域划分为南方组和北方组,结果表明,北方组苦荞产量与性状关联度大小前3位为生育日数、单株粒重和千粒重,南方组为主茎分枝数、千粒重和单株粒重。本试验中,各指标在评价系统中所占的权重顺序为生育期>主茎分枝数>株高>主茎节数>千粒重>产量。6个农艺性状中生育期所占权重最大。生育期是评价品种适应性的一个重要指标[20],这与徐芦等[19]的研究结果一致,说明生育期是影响荞麦种植的重要因素。通常生育期长利于植株产量的提高,然而全生育期过长的植株可能会因遭受晚霜而影响产量,所以生育期应当适中,不宜过长或过短[21]。陈稳良等[22]运用灰色系统理论的关联度分析法,对苦荞区试品种的产量相关性状进行关联度分析,认为苦荞品种与产量相关各性状的灰色关联度依次为株高>单株粒重>主茎分枝数>主茎节数>千粒重。本研究中,株高所占权重仅次于生育期和主茎分枝数,而千粒重占权重较小,这与陈稳良等[22]的结果较为一致。总之,评价品种在当地的适应性,应将分析方法与品种在实践中的生产情况相结合,以确保品种在生产上的应用推广,实现农民增产增收。
4 结论
以性状灰色关联度所占比重为权重,对晋北地区引种的12个苦荞品种做加权关联度分析,晋荞5号、冼马选1号、KQ-1-6、西农9909和云苦5号5个品种的综合评价较高,生产性能好,可在晋北地区进行推广种植。
参考文献
谷子品种农艺性状的灰色关联度分析及综合评价
. [
Study on germplasm resources of tartary buckwheat (Fagopyrum tataricum) in Shanxi province
,
/
〈 | 〉 |