作物杂志, 2021, 37(4): 38-45 doi: 10.16035/j.issn.1001-7283.2021.04.006

遗传育种·种质资源·生物技术

黄淮南片新育成小麦品种(系)主要性状的综合性分析

杜晓宇,, 李楠楠, 邹少奎, 王丽娜, 吕永军, 张倩, 李顺成, 杨光宇, 韩玉林,

周口市农业科学院,466001,河南周口

Comprehensive Analysis of Main Traits of Newly Bred Wheat Varieties (Lines) in Southern Huang-Huai Region

Du Xiaoyu,, Li Nannan, Zou Shaokui, Wang Lina, Lü Yongjun, Zhang Qian, Li Shuncheng, Yang Guangyu, Han Yulin,

Zhoukou Academy of Agricultural Sciences, Zhoukou 466001, Henan, China

通讯作者: 韩玉林,从事作物遗传育种研究,E-mail:hanyulin2005@126.com

收稿日期: 2020-12-31   修回日期: 2021-05-25   网络出版日期: 2021-07-05

基金资助: 财政部和农业农村部:国家现代农业产业技术体系(CARS-03-02-33)
河南省现代小麦产业技术体系(Z2010-01-11)
河南省重大科技专项(181100110200)
国家重点研发计划(2017YFD0100700)
国家重点研发计划(2016YFD0101802)

Received: 2020-12-31   Revised: 2021-05-25   Online: 2021-07-05

作者简介 About authors

杜晓宇,从事作物遗传育种研究,E-mail:du6536@126.com

摘要

以2017-2018和2018-2019年度国家黄淮南片区试冬水组的39份冬小麦品种(系)为材料,通过多样性指数、聚类分析、相关性分析和主成分分析等对参试小麦的10个主要性状进行综合评价。结果表明,10个主要性状的多样性指数(H′)为1.56~2.01,平均为1.88,其中面粉吸水率H′最大,面团稳定时间H′最小。面团稳定时间的变异系数最大(71.93%)。主成分分析将10个性状归为4个主成分,可解释73.76%的性状信息。在欧式距离6.5处可将39份小麦品种(系)分为5大类群,每个类群各有侧重,优质小麦呈现聚类特征;小麦的性状综合评价值(D)越高,其综合性状越优秀,总体呈现出强筋小麦>中强筋小麦>中筋小麦的特点。黄淮区试小麦品种(系)具有较高的遗传多样性。综合性状较好的新麦45、山农116和轮选2000等品种(系)可作为小麦育种的首选杂交亲本。

关键词: 小麦性状; 聚类分析; 主成分分析; 综合评价

Abstract

A total of thirty-nine winter wheat varieties (lines) tested in the national winter water section trial in the Southern Huang-Huai region in 2017-2018 and 2018-2019 were used as materials, and ten main traits of the tested wheat varieties (lines) were comprehensively evaluated by calculating the diversity index, cluster analysis, correlation analysis, and principal component analysis. The results showed the diversity indexes (H’) of the ten main traits were 1.56-2.01 with an average of 1.88. Among them, H’ of flour water absorption was the largest and H’ of dough stabilization time was the smallest. The coefficient of variation of dough stabilization time was the highest (71.93%). Principal component analysis classified ten traits into four principal components which could explain 73.76% of the trait information. At the Euclidean distance of 6.5, the 39 wheat varieties (lines) could be divided into five groups, each group had its own emphasis and high-quality wheat presents clustering characteristics. On the whole, the higher the comprehensive evaluation value (D) of the wheat variety, the better the comprehensive traits. The score of strong gluten wheat was higher than that of medium-strong gluten wheat, and the score of medium gluten wheat was relatively low. The wheat varieties (lines) in the Southern Huang-Huai region had high genetic diversity. Varieties (lines) such as Xinmai 45, Shannong 116, and Lunxuan 2000 with better comprehensive performance can be used as the preferred parents sources for wheat breeding.

Keywords: Wheat trait; Cluster analysis; Principal component analysis; Comprehensive analysis

PDF (1042KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杜晓宇, 李楠楠, 邹少奎, 王丽娜, 吕永军, 张倩, 李顺成, 杨光宇, 韩玉林. 黄淮南片新育成小麦品种(系)主要性状的综合性分析. 作物杂志, 2021, 37(4): 38-45 doi:10.16035/j.issn.1001-7283.2021.04.006

Du Xiaoyu, Li Nannan, Zou Shaokui, Wang Lina, Lü Yongjun, Zhang Qian, Li Shuncheng, Yang Guangyu, Han Yulin. Comprehensive Analysis of Main Traits of Newly Bred Wheat Varieties (Lines) in Southern Huang-Huai Region. Crops, 2021, 37(4): 38-45 doi:10.16035/j.issn.1001-7283.2021.04.006

小麦是我国主要的粮食作物,保证小麦产量和品质的稳定,并实现稳步增长,对维护我国粮食安全和社会安定具有重大意义[1]。小麦的产量和品质受多方面因素的影响,除了土壤和气候2个主要外在因素,培育良种、丰富种质资源是起关键作用的内在因素[2]。评价小麦种质资源的特性并进行有效分类,是组配亲本、增强育种目标性的前提[3,4,5]。小麦基因组庞大,多个农艺性状间存在紧密关联,给综合分析带来了不便。近年来,以主成分分析和聚类分析为主的研究统计手段将原先的多个指标整合成新的组成成分,更好地揭示性状间的关系,在农作物育种中的应用越来越多[6,7,8,9,10,11]。宋晓等[8]利用主成分分析等方法初步筛选出了西农979等氮高效品种。董攀等[12]利用聚类分析对58份波兰小麦资源进行了重新分类,发掘到一些矮秆和分蘖力强的品种。郑文寅等[13]利用对耐湿性贡献较大的3个主成分,并利用隶属函数综合评价法将小麦种质资源分为高耐湿、中度耐湿和不耐湿3类。可以看出,通过聚类分析和主成分分析等方法可以发掘新的种质资源,为品种培育提供参考,并可从多维度评价种质现状。

黄淮麦区是我国小麦的主产区,各省份有其独特的生态条件和品种类型,分析当前阶段小麦参试品种的综合特性,对促进小麦育种及品种推广有前瞻性。国家黄淮南片小麦区域试验涉及陕西、河南、安徽和江苏4省,是研究小麦综合特性的优秀样本,但目前针对小麦区试的综合分析较少。本研究对近年来黄淮南片区试的39份小麦品种(系)的主要农艺性状和品质进行综合分析,探究影响小麦产量和品质的主要性状,为筛选优质亲本资源、评价品种现状提供理论依据。

1 材料和方法

1.1 试验材料

材料为2017-2018和2018-2019年度国家冬小麦品种试验黄淮冬麦区南片水地组区域试验早播1~4组的39个小麦品种(系)(表1),对产量、有效穗、千粒重、穗粒数、株高、容重、蛋白质、湿面筋、面粉吸水率和面团稳定时间10个主要农艺和品质性状进行统计分析。

表1   参试小麦品种(系)

Table 1  Tested wheat varieties (lines)

序号
Number
品种(系)
Variety (line)
亲本组合
Parent combination
来源
Source
序号
Number
品种(系)
Variety (line)
亲本组合
Parent combination
来源
Source
1中麦578中麦255/济麦22河南21中育1428周麦22/洛麦22河南
2新麦45新麦26/济麦20河南22百农4199百农高光3709F2/矮抗58河南
3山农116W080068/石4185山东23德研0516周麦16/百农矮抗58河南
4驻麦76204中36/矮抗58河南24平安0658周麦22号/洛麦21号河南
5瑞华1568周麦16/瑞华麦523江苏25中颖8号周麦16/漯麦4号河南
6益科麦15066108(紫麦19)/淮麦25安徽26濮麦1165周麦18/郑育8号河南
7许研5号周麦22/许科1号河南27顺麦11号周麦22/周麦24河南
8赛德麦601周麦13/郑麦9023//周麦22河南28创麦58周16/郑366//新麦18安徽
9新农23(周麦16/济麦22)F1//西农979河南29LS018R泰农18/临麦6号-RIL山东
10华成865华成3366//(淮麦18/皖麦46)F5安徽30金麦1号(淮核0308/宿4002)/洛新998安徽
11丰韵麦5号百农AK58/泛麦7030河南31淮核15173冬春轮回选择群体江苏
12民丰266Mx001/05(16)-18河南32西农733西农509/漯麦7239陕西
13众麦166百农207/中麦895河南33豫农804豫农202/许农5号//豫农202河南
14顺麦10号兰(考)特早/内乡188//周麦22河南34淮麦1403淮麦28/淮麦25江苏
15豫农168(周麦16/豫麦68)//CP1106河南35轮选2000矮败西农979/豫农416//西农9718河南
16轮选6号济麦22/165-5Z北京36淮麦119604346//洛麦23/05296安徽
17苑丰8号亿麦6号//(漯麦4号/豫麦49-198)F3河南37宝亮5号豫麦52//(周麦16/cp11-06)河南
18涡麦77莱137/周麦16号//AK58安徽38郑麦22周麦22/偃展4110//矮抗58河南
19厚德麦981周麦16/才智97(5)-3河南39科大1026豫麦46×郑麦9405河南
20德研0518周麦22/洛麦21号//新麦26河南

新窗口打开| 下载CSV


数据来源于全国农业技术推广服务中心编写的《2017-2018年度小麦国家区试品种报告》和《2018-2019年度小麦国家区试品种报告》。

1.2 统计分析

利用Microsoft Excel 2013进行数据整理,参照汤翠凤等[14]的方法进行Shannon-Wiener多样性指数(H′)评价;参照胡标林等[15]的方法计算各小麦品种(系)的综合得分;利用SPSS 25.0对小麦10个性状进行相关性分析和主成分分析;采用瓦尔德法进行聚类分析,在软件RStudio 3.6.1中绘制聚类分析图。

2 结果与分析

2.1 主要性状的多样性分析

参试的小麦品种(系)可分为强筋小麦、中强筋小麦和中筋小麦,占比依次为10.26%、5.13%和84.61%。由表2可知,面团稳定时间变异系数(CV)最大,为71.93%,其次为湿面筋(7.61%),参试小麦品质方面差异较大;产量和容重的CV最小,分别为1.05%和1.57%,其余7个主要性状的CV为3.17%~7.61%,表明除产量和容重之外,其余性状均存在明显差异。不同年份的产量有明显差异,2018-2019年度的产量(8848.5kg/hm2)高于2017-2018年度(7213.5kg/hm2),产量的年际变化与气候关系较大,2017-2018年度,越冬期温度偏低,光照不足,小麦冬前群体降低,春季低温冻害导致穗部缺粒,穗粒数下降,灌浆期雨水不足,影响千粒重;而2018-2019年度,冬春季冻害偏轻,苗势壮,穗数增加,中后期雨水充足,千粒重明显增大,小麦产量较上年度有大幅提升。

表2   黄淮南片小麦主要性状的变异系数及多样性指数

Table 2  Variable and diversity index of main traits of wheat varieties (lines) in Southern Huang-Huai region

性状Trait年度Year变异范围Range平均值Mean标准差SD变异系数CV (%)多样性指数H′
产量2017-20186936.0~7411.57213.56.821.411.84
Yield (kg/hm2)2018-20198710.5~9007.58848.55.760.97
均值7837.5~8205.08025.05.631.05
穗数2017-2018541.5~636.0583.51.594.081.95
Spike number (×104/hm2)2018-2019571.5~697.5637.52.245.27
均值556.5~663.0610.51.894.46
穗粒数2017-201827.7~35.031.21.434.581.88
Number of seeds per ear2018-201928.8~37.934.11.895.54
均值28.6~36.332.71.594.89
千粒重2017-201838.1~49.144.62.575.761.93
1000-seed weight (g)2018-201938.4~51.345.22.846.28
均值39.3~50.144.92.665.93
株高2017-201867.7~85.077.43.714.791.84
Plant height (cm)2018-201974.0~90.681.93.584.37
均值70.9~87.879.73.584.49
容重2017-2018760.0~839.0803.014.231.771.83
Bulk density (g/L)2018-2019769.0~841.0799.112.401.55
均值764.5~840.0801.112.581.57
蛋白质含量2017-201813.8~17.815.30.875.701.98
Protein content (%)2018-201912.7~16.314.20.684.77
均值13.2~16.614.70.714.83
湿面筋含量2017-201828.4~41.635.53.319.311.98
Wet gluten content (%)2018-201927.6~35.932.32.236.91
均值28.0~38.333.92.587.61
面粉吸水率2017-201856.0~63.059.01.793.032.01
Flour water absorption (%)2018-201952.0~63.057.62.283.96
均值55.0~63.058.31.843.17
面团稳定时间2017-20182.0~16.75.73.5161.681.56
Dough stability time (min)2018-20192.2~26.97.66.3183.46
均值2.4~20.06.64.7671.93

新窗口打开| 下载CSV


10个性状多样性指数(H′)为1.56~2.01,平均1.88,其中面粉吸水率最大,面团稳定时间最小,说明该性状缺少多样性。穗数、蛋白质、湿面筋和面粉吸水率4个性状的H′ 均高于平均值,说明这39个小麦品种(系)的性状遗传多样性受这4个性状遗传变异的影响较大。综合来看,除了面团稳定时间的H′ 明显偏低外,其余9个性状H′ 差别较小,接近平均值。

2.2 主要性状的相关性分析

10个主要性状之间均存在不同程度的相关性(表3)。其中,产量与容重呈显著正相关(P<0.05,下同),与穗数呈极显著正相关(P<0.01,下同),与湿面筋呈显著负相关;千粒重与湿面筋呈显著正相关,与穗粒数和穗数呈极显著负相关;容重与面团稳定时间呈显著正相关,与穗数呈极显著正相关,与湿面筋呈极显著负相关;穗粒数与稳定时间呈显著负相关,与穗数呈极显著负相关;穗数与面团稳定时间呈极显著正相关,与湿面筋呈极显著负相关;蛋白质与湿面筋呈极显著正相关;湿面筋与面团稳定时间呈极显著负相关;面粉吸水率与面团稳定时间呈显著正相关。鉴于小麦品种是多种性状的集合,难以用单一性状进行准确评价,因此需在综合多个性状后采用多元分析方法进一步评价。

表3   39份小麦品种(系)主要性状的相关系数

Table 3  Correlation coefficients of main traits of 39 wheat varieties (lines)

性状
Trait
产量
Yield
千粒重
1000-seed weight
容重
Bulk density
穗粒数
Number of
seeds per ear
穗数
Spike
number
株高
Plant height
蛋白质含量
Protein content
湿面筋含量
Wet gluten content
面粉吸水率
Flour water absorption
面团稳定时间Dough
stability time
产量Yield1
千粒重1000-seed weight-0.111
容重Bulk density0.39*-0.121
穗粒数Number of seeds per ear-0.13-0.51**-0.211
穗数Spike number0.47**-0.46**0.47**-0.44**1
株高Plant height0.12-0.050.010.08-0.021
蛋白质含量Protein content-0.150.11-0.27-0.08-0.06-0.091
湿面筋含量Wet gluten content-0.34*0.33*-0.46**0.09-0.56**0.060.58**1
面粉吸水率Flour water absorption-0.060.010.29-0.130.17-0.250.22-0.021
面团稳定时间Dough stability time0.11-0.120.37*-0.32*0.49**-0.220.23-0.44**0.34*1

*”和“**”分别表示在0.05和0.01水平显著相关

*”and“**”indicate significant correlation at the 0.05 and 0.01 level, respectively

新窗口打开| 下载CSV


2.3 主要性状的聚类分析

利用10个主要农艺及品质性状对参试小麦进行聚类分析,结果(图1)发现在欧氏距离6.5处可将小麦品种(系)分为5大类群,按照分类结果,将5大类群的10个性状值重新排布(表4)。

图1

图1   基于10个主要性状对黄淮南片小麦品种(系)的聚类分析

Fig.1   Cluster diagram of wheat varieties (lines) in Southern Huang-Huai region based on 10 main traits


表4   黄淮区试小麦品种(系)各类群性状的统计分析结果

Table 4  Statistical analysis of mean main traits of wheat varieties (lines) in Southern Huang-Huai region

性状
Trait
类群Group
产量Yield (kg/hm2)8001.07992.08101.58109.08053.5
穗数
Spike number (×104/hm2)
595.5591.0637.5640.5649.5
千粒重
1000-seed weight (g)
46.345.242.449.841.5
株高Plant height (cm)80.378.181.979.176.7
穗粒数
Number of seeds per ear
32.233.532.628.833.1
容重Bulk density (g/L)792.2799.1810.5824.3800.8
蛋白质含量
Protein content (%)
15.214.314.114.916.2
湿面筋含量
Wet gluten content (%)
36.633.531.332.333.3
面团稳定时间
Dough stability time (min)
4.54.87.915.812.4
面粉吸水率
Flour water absorption (%)
57.15957.460.560.7

新窗口打开| 下载CSV


类群Ⅰ包含郑麦22、厚德麦981等12份小麦种(系)(占比30.7%),该类群的稳定时间和吸水率均是最低的,蛋白质(15.2%)和湿面筋(36.6%)偏上水平,产量(8001.0kg/hm2)和穗数(595.5万/hm2)均较低,株高(80.4cm)偏高。类群Ⅱ包含顺麦11号、中颖8号等13个品种(系)(占比33.3%),穗粒数(33.5)为5类中最高的,产量(7992.0kg/hm2)和穗数(591.0万/hm2)均偏低,该组中科大1026达到中强筋水平。类群Ⅲ包含山农116、瑞华1568等9个小麦品种(系)(占比23.1%),该类群中的蛋白质(14.1%)和湿面筋(31.3%)均偏低,该类群中的山农116达到了中强筋小麦标准,类群Ⅲ相比类群Ⅱ的面团稳定时间有所提升,但蛋白质和湿面筋弱于类群Ⅱ。类群Ⅳ仅包含2个小麦品种(系)(占比5.1%),分别是中麦578和轮选2000,都为强筋小麦,该类群的面团稳定时间(15.8min)、容重(824.3g/L)和千粒重(49.8g)均是5大类群中最高的。类群Ⅴ包含3个小麦品种(系)(占比7.7%),其中新麦45和德研0518均达到了强筋水平。从图1可以看出,强筋小麦有明显的聚集效应,并且类群Ⅳ的小麦品种(系)产量居第1位,该类群将高产和优质性状结合地较好。总体而言,参试品种(系)里,强筋和中强筋品种(系)占比(15.4%)少,没有弱筋品种(系)。

2.4 主要性状的主成分分析和综合评价

2.4.1 主成分分析 主成分分析法可将众多具有相关性的性状重新组合,形成少数综合指标,有效反映小麦品种(系)的大部分信息。对黄淮区试小麦品种(系)的10个主要性状进行主成分分析,结果(表5)显示,前4个主成分(PC1~PC4)的贡献率分别为30.34%、19.01%、13.66%和10.75%,累积贡献率为73.76%,能反映黄淮区试小麦品种(系)10个性状的大部分信息。

表5   4个主成分的特征值和得分系数矩阵

Table 5  The trait values and matrix of four main components

项目
Item
性状
Trait
第1
主成分
PC1
第2
主成分
PC2
第3
主成分
PC3
第4
主成分
PC4
特征向量产量0.55-0.22-0.300.36
Eigenvector穗数-0.09-0.42-0.330.59
千粒重0.860.050.040.29
株高-0.35-0.600.62-0.03
穗粒数-0.360.51-0.70-0.23
容重0.730.01-0.11-0.09
蛋白质含量-0.290.650.310.56
湿面筋含量-0.790.330.010.32
面团稳定时间0.280.560.36-0.14
面粉吸水率0.640.470.240.04
特征值Eigenvalue3.031.901.371.08
方差百分率Variance percentage (%)30.3419.0113.6610.75
累计贡献率
Accumulative contribution rate (%)
30.3449.3563.0173.76
权重系数Weight coefficient (%)41.1325.7718.5214.57

新窗口打开| 下载CSV


表5可知,第1主成分特征值3.03,贡献率为30.34%。在其特征向量中,为正值且数值较大的性状有千粒重和容重,为负值且绝对值较大的是湿面筋,穗数增加有助于产量的提高,容重是同千粒重呈负相关的性状,也能看出穗数的增加对湿面筋有降低作用。

第2主成分特征值1.90,贡献率为19.01%,在其特征向量中,为正值且较大的有蛋白质、面团稳定时间和面粉吸水率,该主成分主要反应品质性状,特征向量为负值且绝对值较大的是穗粒数和株高,小麦品质的提高稍微制约株高的提升,这一特征从强筋小麦新麦45、山农116等可以看出。

第3主成分特征值1.37,贡献率为13.66%,特征向量为正值且较大的有株高、蛋白质含量和面团稳定时间,为负值且绝对值较大的是穗粒数,穗粒数增多会影响千粒重。

第4主成分特征值为1.08,贡献率为10.75%,特征向量较大的为穗数和蛋白质,特征向量为负值的是穗粒数和面团稳定时间,其绝对值较小,对穗数和蛋白质的制约作用一致。

2.4.2 综合评价 参照胡标林等[15]的方法,分别计算39份小麦品种(系)的综合评价值(D)。利用10个性状的标准化值,代入表5的4个主成分中,求得各品种(系)的4个主成分得分(y),其中第1主成分线性方程为:y1j=0.55x1j-0.091x2j+0.86x3j-0.35x4j-0.36x5j+0.73x6j-0.29x7j-0.79x8j+0.28x9j+0.64x10j,x1表示产量,x2表示穗数,x3表示千粒重,x4表示株高,x5表示穗粒数,x6表示容重,x7表示蛋白质,x8表示湿面筋,x9表示面团稳定时间,x10表示面粉吸水率,j表示39份小麦品种(系)。

利用隶属函数将4个主成分得分(u)归一化处理,结合表5计算出的4个主成分权重系数(41.13%、25.77%、18.52%、14.57%),计算各材料的综合得分:D=0.4113u1+0.2577u2+0.1852u3+0.1457u4,D值越高,则该品种(系)的综合表现越好。

表6可知,综合得分前5位分别是新麦45、轮选2000、山农116、华成865和德研0518。其中新麦45和轮选2000为强筋小麦,山农116为中强筋小麦。另外2个强筋小麦德研0518和中麦578分别排在第5和第6位;中强筋小麦科大1026排在第10位,D值排名前10的品种(系)囊括了参加2年区试的所有中强筋和强筋小麦品种,说明现阶段培育的优质小麦,不仅在品质方面突出,在综合表现上也很优秀,同时也能看出优质小麦和中筋小麦间的差距正在变大。

表6   39份小麦品种(系)的主成分得分(y)、归一化值(u)和综合评价值(D

Table 6  The main component score (y), normalized values (u) and comprehensive quality evaluation values (D-value) of 39 wheat varieties (lines)

品种(系)Variety (line)y1y2y3y4u1u2u3u4DD-value排名Ranking
中麦578 Zhongmai 5781.151.41-0.470.830.740.930.060.460.626
新麦45 Xinmai 451.231.560.851.020.771.001.000.640.851
山农116 Shannong 1161.760.580.270.730.980.510.590.360.693
驻麦762 Zhumai 7620.540.060.760.570.500.240.940.220.4712
瑞华1568 Ruihua 15681.10-0.31-0.320.950.720.060.170.570.4218
益科麦1506 Yikemai 15060.61-0.430.101.060.530.000.460.680.4019
许研5号 Xuyan 5-0.080.75-0.160.860.260.590.280.480.3822
赛德麦601 Saidemai 601-0.250.62-0.251.050.190.530.220.670.3524
新农23 Xinnong 23-0.630.76-0.120.910.040.600.310.540.3134
华成865 Huacheng 8651.170.560.241.220.740.500.570.830.664
丰韵麦5号 Fengyunmai 51.470.00-0.260.990.860.220.210.610.548
民丰266 Minfeng 266-0.610.86-0.050.860.050.650.360.480.3329
众麦166 Zhongmai 166-0.220.54-0.160.850.200.490.280.480.3327
顺麦10号 Shunmai 100.010.47-0.370.840.290.450.130.470.3328
豫农168 Yunong 168-0.740.690.100.920.000.560.460.540.3133
轮选6号 Lunxuan 60.110.75-0.360.340.330.590.140.000.3231
苑丰8号 Yuanfeng 8-0.390.37-0.181.030.140.400.260.650.3035
涡麦77 Guomai 770.52-0.200.161.410.490.110.511.000.4714
厚德麦981 Houdemai 981-0.500.52-0.310.980.100.480.170.600.2836
德研0518 Deyan 05180.700.690.641.220.560.560.850.820.655
中育1428 Zhongyu 1428-0.180.51-0.271.040.220.470.200.650.3425
百农4199 Bainong 41990.920.38-0.030.570.650.410.370.210.4713
德研0516 Deyan 05160.020.54-0.221.060.300.490.240.680.3921
平安0658 Ping’an 06580.080.53-0.110.480.320.480.310.130.3326
中颖8号 Zhongying 8-0.470.160.130.590.100.290.490.230.2437
濮麦1165 Pumai 1165-0.50-0.010.000.710.100.210.400.340.2239
顺麦11号 Shunmai 11-0.290.14-0.200.630.180.290.250.270.2338
创麦58 Chuangmai 58-0.070.63-0.131.030.260.530.300.650.4020
LS018R1.210.06-0.090.630.760.250.330.270.4811
金麦1号 Jinmai 10.810.02-0.220.990.610.230.240.610.4415
淮核15173 Huaihe 151730.250.310.041.080.390.370.430.690.4317
西农733 Xinong 7330.400.200.190.460.440.310.530.110.3823
豫农804 Yunong 8040.240.30-0.280.560.380.370.190.210.3230
淮麦1403 Huaimai 14031.380.54-0.340.890.830.490.150.520.577
轮选2000 Lunxuan 20001.821.32-0.550.861.000.880.000.480.712
淮麦1196 Huaimai 11961.170.070.010.940.750.250.400.560.539
宝亮5号 Baoliang 5-0.260.560.010.580.190.500.400.230.3132
郑麦22 Zhengmai 22-0.100.91-0.221.210.250.680.240.820.4416
科大1026 Keda 10260.251.000.410.600.390.720.690.250.5110

新窗口打开| 下载CSV


3 讨论

3.1 黄淮麦区小麦种质资源丰富

小麦育种的进展和突破依赖于种质资源的发现和高效利用,由于近年来国内育种进程的加快,所用种质资源集中在少数骨干亲本上,导致遗传多样性降低,已有很多育种者意识到了想要提高小麦育种水平,必须扩大种质资源多样性。研究人员对国内外不同地区的小麦多样性进行了深入分析,柴永峰等[16]分析了国外146份小麦种质的遗传多样性,18个农艺性状的平均CV为10.9%,平均H′为1.4;丁明亮等[17]分析了云南省近10年育成的小麦品种,平均H′为1.916,籽粒粗蛋白的多样性最高;曾潮武等[18]对新疆210份春小麦品种的分析,平均H′ 为1.993,千粒重的遗传多样性最高。本研究得出,面团稳定时间的CV最大,说明黄淮流域小麦品种的面团稳定时间遗传基础最丰富,改良空间大。育种者应合理筹划,扩大亲本选择范围,将多种材料通过杂交、回交和复交等方式,选育出高产优质的小麦品种。在后续的研究工作中,将考虑采用SSR标记等手段对品种进行重新分类,期望从遗传角度考察小麦种质资源特性。

3.2 黄淮麦区小麦品种现状及改良策略

彭邵峰等[19]对黄淮北片小麦研究表明,中强筋小麦产量高于强筋小麦,强筋小麦的穗数和千粒重都偏低,有高产潜力,而本研究发现,参试的品种(系)中,出现了一些高产的强筋和中强筋品种,如新麦45和轮选2000,优质不高产的现象正在逐步得到解决。

聚类分析结果表明,小麦品种的集合呈现品质化,强筋品种和中强筋品种聚类在一起,中筋品种聚在一组;同时发现,来自不同省份的小麦品种(系)聚在一组,如对黄淮和长江中下游冬麦区小麦品种(系)的聚类分析中,发现不同麦区的小麦品种(系)聚类在一组,地区气候差异性的缩小促进了小麦种质资源的跨省份交流,以后在配制亲本组合时,注意考虑在不同类群中选择,不必在意区域位置[20,21]。刘易科等[22]通过SNP分析发现,部分区域麦种遗传相似性较高,需引入新的种质资源,拓宽遗传基础。区试数据的分析结果精度受限于各试点统计结果的差异性以及试验环境的稳定性,且小麦表型性状受多基因和环境共同控制,将来的研究中若结合分子标记等技术[23],可大大提高研究准确性,缩短育种年限。

小麦育种工作应紧跟实际生产需求,现阶段及未来一段时间的育种目标应是优质、高产、专用。本文的39份黄淮区试小麦品种(系),优质强筋小麦占比少(10.26%),绝大多数为中筋小麦,朱保磊等[24]认为河南小麦优质品种的种质来源狭窄,优质品种多为小偃号(小偃6号及其娣妹系)的后代。曹颖妮等[25]对河南省近10年区试品种分析,认为当前蛋白质质量的改良是重点,且各品种性状要平衡发展。在稳定提高产量的前提下,注重引入优质小麦品种(例如中麦255的亲本之一为澳洲优质麦)逐步改善各农艺及品质性状(特别是面团稳定时间),通过诱变等手段改良本地品种,培育和壮大本区域优质高产小麦品种,同时也要结合时代发展需求,弥补弱筋小麦品种的短板。

4 结论

黄淮南片麦区新育成的39份小麦品种(系)具有较高的遗传多样性,多样性指数均值为1.88。参试品种(系)中强筋优质品种占比少,面团稳定时间变异系数最大(71.93%),品质性状需进一步提升。主成分分析将10个性状归为4个主成分,共可解释73.76%的性状信息。新麦45、轮选2000、山农116、华成865和德研0518综合评价值较高,可考虑作为小麦育种的首选亲本资源。

参考文献

何中虎, 庄巧生, 程顺和, .

中国小麦产业发展与科技进步

农学学报, 2018,8(1):99-106.

[本文引用: 1]

孙宪印, 米勇, 王超, .

基因型和环境及其互作效应对旱肥地小麦产量性状的影响

分子植物育种: 1-18[2021-4-13]. http://kns.cnki.net/kcms/detail/46.1068.S.20200925.1723.010.html.

URL     [本文引用: 1]

张帅, 庞玉辉, 王征宏, .

小麦种质资源农艺性状变异及其遗传多样性分析

作物杂志, 2018(2):44-51.

[本文引用: 1]

周丽艳, 郭振清, 马玉玲, .

春小麦品种农艺性状的主成分分析与聚类分析

麦类作物学报, 2011,31(6):1057-1062.

[本文引用: 1]

张学智, 魏芝, 杨珍.

春性硬粒小麦品种农艺性状的聚类分析

作物品种资源, 1998(4):15-16,19.

[本文引用: 1]

魏亦农, 曹连莆.

二棱啤酒大麦品种资源农艺性状的聚类分析和主成分分析

种子, 2003(3):69-70.

[本文引用: 1]

程晓明, 程婧晔, 胡文静, .

23个小麦品种春化特性主成分分析及聚类分析

江苏农业科学, 2019,47(8):64-68.

[本文引用: 1]

宋晓, 张珂珂, 黄晨晨, .

基于主成分分析的氮高效小麦品种的筛选

河南农业科学, 2020,49(12):10-16.

[本文引用: 2]

张志伟.

基于主成分分析法的5种棕榈科苗木抗寒性评价

种子, 2019,38(12):72-76.

[本文引用: 1]

孟丽梅, 杨子光, 孙军伟, .

53份小麦品种农艺性状的聚类分析

山西农业科学, 2018,46(7):1085-1088.

[本文引用: 1]

常世豪, 杨青春, 舒文涛, .

黄淮海夏大豆品种(系)主要农艺性状的综合性分析

作物杂志, 2020(3):66-72.

[本文引用: 1]

董攀, 李伟, 郑有良.

波兰小麦主要农艺性状分析

麦类作物学报, 2007,27(2):216-222.

[本文引用: 1]

郑文寅, 黄园园, 胡泽林, .

小麦种质资源萌发吸胀期耐湿性评价及筛选

麦类作物学报, 2021(6):1-9[2021-04-14]. http://kns.cnki.net/kcms/detail/61.1359.S.20210304.1112.018.html.

URL     [本文引用: 1]

汤翠凤, 张恩来, 董超, .

云南新收集水稻地方品种的表型多样性分析

植物遗传资源学报, 2018,19(6):1106-1116.

[本文引用: 1]

胡标林, 万勇, 李霞, .

水稻核心种质表型性状遗传多样性分析及综合评价

作物学报, 2012,38(5):829-839.

[本文引用: 2]

柴永峰, 李秀绒, 赵智勇, .

国外小麦种质资源农艺性状及品质性状的多样性分析

农学学报, 2013,3(9):1-8.

[本文引用: 1]

丁明亮, 林丽萍, 李明菊, .

云南育成小麦品种(系)品质性状遗传多样性分析及综合评价

南方农业学报, 2020,51(2):255-266.

[本文引用: 1]

曾潮武, 梁晓东, 李建疆.

新疆春小麦种质资源主要农艺性状的遗传多样性分析

分子植物育种, 2017,15(9):3740-3750.

[本文引用: 1]

彭绍峰, 张媛菲, 吕树作, .

黄淮北部不同蛋白质含量类型小麦产量结构分析

作物研究, 2020,34(2):124-127.

[本文引用: 1]

王亚飞, 李世景, 徐萍, .

黄淮和长江中下游冬麦区小麦品种(系)农艺性状及其聚类分析

中国生态农业学报, 2020,28(3):395-404.

[本文引用: 1]

Sun Q H, Miao C Y, Martin H, et al.

Global heat stress on health,wildfires,and agricultural crops under different levels of climate warming

Environment International, 2019,128:125-136.

[本文引用: 1]

刘易科, 朱展望, 陈泠, .

基于SNP标记揭示我国小麦品种(系)的遗传多样性

作物学报, 2020,46(2):307-314.

[本文引用: 1]

张东, 张政, 史雨刚, .

小麦产量相关性状的全基因组关联分析

麦类作物学报, 2020,40(4):434-443.

[本文引用: 1]

朱保磊, 谢科军, 薛辉, .

河南省小麦品种(系)的品质状况及演变规律

麦类作物学报, 2017,37(5):623-631.

[本文引用: 1]

曹颖妮, 余大杰, 赵光华, .

2006-2016年河南省小麦区域试验品种(系)的品质性状分析

麦类作物学报, 2018,38(8):893-899.

[本文引用: 1]

/