薏苡（Coix lachryma-jobi L.）为禾本科薏苡属一年生草本C4植物，是我国传统的药食兼用杂粮作物[1]，营养丰富且含有多种益于人体健康的功能活性成分[2]，是现代人类生活重要的食品、保健品和药用原料。薏苡在我国种植历史悠久，是最早被利用的谷物之一[3]，旧石器时期已将其用作淀粉食物，但因干旱和寒冷的气候条件，直到新石器时期才得以广泛种植[4]。如今，薏苡已分布于世界的热带和亚热带地区[5]，我国除了青海、甘肃和宁夏外，其他省区均有种植[6]，全国种植面积约7.3万hm2（109.5万亩），贵州、广西、云南和福建为主要产区[7]。2022年，贵州省兴仁市薏苡种植面积为2.0万hm2（29.5万亩），占当年全国种植总面积30%以上，是薏苡生产的优势区，也是全国乃至东南亚地区的薏苡加工销售集散地[8]。
作物产量是品种（基因型）、生态环境及二者互作效应的综合结果。薏苡作为C4高光效高产作物，具有喜温喜光的特性，适宜的温度和充足的阳光有利于薏苡生长[9]。研究[10]表明，薏苡的生物学下限温度和全生育期有效积温分别为11.95±0.85 ℃和1578.78±131.82 ℃，其产量主要与温度有关，随温度升高，出叶速度加快，全生育期缩短。姚凤娟[11]发现遮光处理加快了薏苡由营养生长向生殖生长的转变，缩短了薏苡生长发育进程，且不同品种存在感光性和感光期差异。薏苡各生育期在干旱胁迫下，叶片各项生理指标均受到较大影响，籽粒变小，产量降低[12]。在贵州不同海拔地区，随着海拔升高不同薏苡品种产量均表现出先升后降的趋势，说明贵州中等海拔区域（1000~1300 m）是薏苡生长的适宜区，但并未对影响薏苡产量的生态因子进行进一步解析[13]。
本研究通过对我国8个薏苡主栽品种在3个主产区开展产量鉴定试验，深入研究环境因子对薏苡品种产量的影响，确定影响薏苡生产的环境制约因子，为优质高产薏苡生产和微气候因子栽培技术调控等提供理论依据。
1 材料与方法
1.1 试验材料
从我国已育成的薏苡品种中选出8个具有代表性且主要推广的品种开展生态鉴定试验，材料详细情况见表1。
表1 供试材料及来源
Table 1
| 序号Number | 材料名称Material name | 材料来源Material source |
|---|---|---|
| 1 | 安薏1号 | 贵州 |
| 2 | 贵薏苡1号 | 贵州 |
| 3 | 冀薏1号 | 河北 |
| 4 | 浦薏6号 | 福建 |
| 5 | 皖薏1号 | 安徽 |
| 6 | 皖薏2号 | 安徽 |
| 7 | 文薏5号 | 云南 |
| 8 | 浙薏1号 | 浙江 |
1.2 试验地概况
2021年将薏苡品种生态试验设置于贵州省兴仁市李关村（105°16′ E，25°24′ N，海拔1320 m）和安徽省岳西县田头乡（116°08′ E，30°42′ N，海拔725 m）；2022年将薏苡品种生态试验设置于贵州省兴仁市巴铃镇（105°21′ E，25°27′ N，海拔1290 m）、安徽省岳西县田头乡和云南省瑞丽市（97°51′ E，24°01′ N，海拔820 m）。2022年因受土地租赁限制，贵州兴仁李关村更换至贵州兴仁巴铃镇，李关村、巴铃镇均属兴仁市辖区，生态条件相似。试验地土壤肥力情况见表2。
表2 不同生态区土壤肥力情况
Table 2
| 编号 Number | 地点 Location | 年份 Year | 全氮 Total nitrogen (g/kg) | 全磷 Total phosphorus (g/kg) | 全钾 Total potassium (g/kg) | pH | 有机碳 Organic carbon (g/kg) | 速效钾 Available K (g/kg) | 碱解氮 Alkali-hydrolyzable nitrogen (g/kg) |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 贵州兴仁（李关） | 2021 | 1.75 | 1.19 | 13.04 | 6.23 | 18.02 | 0.17 | 0.16 |
| 2 | 贵州兴仁（巴铃） | 2022 | 2.32 | 1.28 | 17.11 | 5.55 | 19.43 | 0.27 | 0.20 |
| 3 | 安徽岳西 | 2021 | 1.49 | 0.66 | 17.10 | 5.13 | 13.01 | 0.12 | 0.17 |
| 4 | 安徽岳西 | 2022 | 1.42 | 0.53 | 15.15 | 4.67 | 14.98 | 0.04 | 0.16 |
| 5 | 云南瑞丽 | 2022 | 1.53 | 0.85 | 10.55 | 4.46 | 16.84 | 0.18 | 0.15 |
1.3 试验设计
采用随机区组设计，3次重复。小区面积25 m2，行穴距为0.6 m×0.5 m，每小区80穴，每穴播种8~10粒，每穴留苗4株，按当地适宜播期播种。基肥施用有机复合肥（N:P:K=15:15:15）600 kg/hm2，追肥2次共施用尿素（含N 46%）225 kg/hm2，其他栽培管理按当地标准进行，植株成熟后（即80%的果实成熟）对每试验点进行收获和籽粒产量测定。贵州兴仁、安徽岳西和云南瑞丽5-10月的气象数据由当地气象部门提供。
1.4 数据分析
利用Microsoft Excel进行数据的收集及整理，利用SAS、SPSS等软件进行方差分析、相关性分析和回归分析。
2 结果与分析
2.1 不同生态区气象因子分析
2.1.1 温度
如图1所示，不同生态区月均温度、月均最高温和月均最低温存在显著差异。其中，云南瑞丽不同月份间月均温度、月均最高温和月均最低温变化较小；贵州兴仁和安徽岳西的月均温度、月均最高温和月均最低温均表现为先增后降，高温均出现在7月和8月；安徽岳西2个月的月均温度和月均最高温显著高于贵州兴仁，其中8月份的月均最高温相差3.8 ℃，而贵州兴仁年度间月平均温度、月均最低温和月均最高温表现较为稳定。
图1
图1
不同生态区温度变化特征
不同小写字母代表P < 0.05水平下差异显著，下同。
Fig.1
Temperature variation in different ecological regions
The different lowercase letters indicate significant difference at P < 0.05 level, the same below.
2.1.2 降水量
降水量作为影响作物生长发育最重要的要素之一，其变化对作物的生长发育、产量和品质有着极其重要的作用。图2结果表明，各生态区不同月份日均降水量具有显著差异，总体表现为5-7月降水量较多，8-10月降水量减少；不同生态区总降水量、同一生态区不同年度总降水量同样存在差异。其中，以2021年安徽岳西总降水量最多（1135.29 mm），其次是2022年云南瑞丽（1082.62 mm），总降水量最少的是2022年安徽岳西，仅为632.55 mm，当年9月份降水量为0 mm。
图2
图2
不同生态区降水量统计
(a) 不同月份日均降水量；(b) 5-10月总降水量。
Fig.2
Statistics of precipitation in different ecological regions
(a) Average daily precipitation in different months; (b) Total precipitation from May to October.
2.1.3 日照时数
日照时数直接影响作物的光合作用。在薏苡全生育期，统计了3个生态区不同年份5-10月的日均日照时数（图3）。结果表明，各生态区不同月份月均日照时数存在显著差异，而同一生态区在不同年度间同一月份也表现出显著差异。其中，总日照时数表现为贵州兴仁>安徽岳西>云南瑞丽。
图3
图3
不同生态区日照时数统计
(a) 不同月份日均日照时数；(b) 5-10月总日照时数。
Fig.3
Statistics of sunshine hours in different ecological regions
(a) Average daily sunshine hours in different months; (b) Total sunshine hours from May to October.
2.2 薏苡产量的差异分析
2.2.1 方差分析
8个薏苡品种在不同生态区的产量方差分析结果（表3）表明，不同生态区、不同薏苡品种以及两者间互作效应的薏苡产量差异均达到了极显著水平，说明薏苡品种产量间存在着真实的遗传差异，且受品种遗传特性和生态条件因素的影响。
表3 不同生态区薏苡品种产量的方差分析
Table 3
| 变异来源Source of variation | 自由度df | F | P |
|---|---|---|---|
| 环境Environment | 4 | 178.345 | 0.000 |
| 品种Variety | 7 | 32.277 | 0.000 |
| 环境×品种Environment×variety | 28 | 14.870 | 0.000 |
| 误差Error | 80 | － | － |
| 总计Total | 120 | － | － |
2.2.2 多重比较分析
多重比较分析结果（表4）表明，不同薏苡品种在各生态区间平均产量存在显著差异，不同生态区间品种总平均产量也存在显著差异。各生态区的总平均产量表现为贵薏苡1号>安薏1号>文薏5号>皖薏2号>浙薏1号>皖薏1号>浦薏6号>冀薏1号，其中浦薏6号、皖薏1号、浙薏1号产量差异不显著，其余品种间产量差异均达到显著水平；各生态区薏苡平均产量表现为2022年贵州兴仁>2021年贵州兴仁>云南瑞丽>2022安徽岳西>2021年安徽岳西，其中2022与2021年贵州兴仁各品种平均产量差异不显著，但均显著高于其他生态区，其余各生态区间平均产量差异均达到显著水平。
表4 不同生态区薏苡品种产量多重比较分析
Table 4
| 序号 Number | 品种 Variety | 安徽岳西Yuexi, Anhui | 贵州兴仁Xingren, Guizhou | 云南瑞丽 Ruili, Yunnan | 总平均产量 Total mean yield | |||
|---|---|---|---|---|---|---|---|---|
| 2021 | 2022 | 2021 | 2022 | |||||
| 1 | 安薏1号 | 2268.95a | 2678.25b | 3145.39d | 4900.51a | 2200.01d | 3038.62b | |
| 2 | 贵薏苡1号 | 624.10b | 3496.55a | 4448.40a | 5411.76a | 3066.68b | 3409.50a | |
| 3 | 冀薏1号 | 963.40b | 1194.25cd | 2468.99e | 1869.17c | 2200.01d | 1739.17e | |
| 4 | 浦薏6号 | 未成熟 | 2049.30bc | 3812.29bc | 2545.75c | 2666.68c | 2214.80d | |
| 5 | 皖薏1号 | 1961.20a | 1642.35c | 3123.63d | 3265.27bc | 1666.68e | 2331.82d | |
| 6 | 皖薏2号 | 1934.90a | 662.75d | 3562.29c | 3381.44b | 3466.68a | 2601.61c | |
| 7 | 文薏5号 | 1588.25ab | 3505.60a | 4038.91b | 3214.65bc | 2000.01de | 2869.48b | |
| 8 | 浙薏1号 | 未成熟 | 2500.95b | 3180.11d | 3589.60b | 2466.68cd | 2347.47d | |
| 平均值Mean value | 1556.80d | 2216.25c | 3472.50a | 3522.27a | 2466.68b | |||
不同小写字母代表P < 0.05水平下显著差异。
Difference lowercase letters indicate significance different at P < 0.05 level.
2.3 不同生态气象因子与产量的关系分析
2.3.1 不同薏苡品种在各生态区的气象因子统计分析
根据8个薏苡品种在贵州、云南、安徽的出苗期、抽穗期、成熟期调查数据，对每个薏苡品种全生育期的积温、全生育期光照、全生育期降水量、花后积温、花后日均温度、花后光照、花后日均光照和花后日均降水量共8个气象因子进行统计分析。结果（表5）显示，不同薏苡品种在不同生态区8个影响因子的变异系数范围在8.02%~ 28.05%，花后日均降水量的变异系数最高，说明不同薏苡品种全生育期积温、全生育期光照、全生育期降水量、花后积温、花后日均温度、花后光照、花后日均光照、花后日均降水量等气象因子间存在明显差异。
表5 不同薏苡品种在各生态区的气象因子描述统计
Table 5
| 气象因子Meteorological factor | 平均值Mean value | 最大值Maximum | 最小值Minimum | 标准差SD | 变异系数CV (%) |
|---|---|---|---|---|---|
| X1 (℃) | 3580.99±48.22 | 4305.90 | 2888.00 | 304.94 | 8.52 |
| X2 (℃) | 1633.53±35.55 | 2136.50 | 1261.00 | 224.84 | 13.76 |
| X3 (℃) | 23.50±0.47 | 30.43 | 18.64 | 2.96 | 12.62 |
| X4 (h) | 839.20±24.33 | 1064.70 | 535.10 | 153.86 | 18.33 |
| X5 (h) | 417.22±8.64 | 578.00 | 331.50 | 54.65 | 13.10 |
| X6 (h) | 5.98±0.08 | 7.19 | 5.41 | 0.48 | 8.02 |
| X7 (mm) | 779.20±22.18 | 1008.20 | 605.10 | 140.30 | 18.01 |
| X8 (mm) | 2.79±0.12 | 4.49 | 0.92 | 0.78 | 28.05 |
X1：全生育期积温；X2：花后积温；X3：花后日均温度；X4：全生育期光照；X5：花后光照；X6：花后日均光照；X7：全生育期降水量；X8：花后日均降水量；下同。
X1: accumulated temperature during the whole growth period; X2: accumulated temperature after flowering; X3: average daily temperature after flowering; X4: sunshine duration during the whole growth period; X5: sunshine duration after flowering; X6: average daily sunshine duration after flowering; X7: precipitation during the whole growth period; X8: average daily precipitation after flowering; the same below.
2.3.2 不同生态区气象因子与产量的相关性分析
由表6相关性分析结果可以看出，薏苡籽粒产量与全生育期光照、花后光照、花后日均光照和花后日均降水量呈极显著或显著正相关，与全生育期降水量为正相关，未达到显著水平；与花后日均温度呈极显著负相关，与全生育期积温和花后积温呈负相关关系，未达到显著水平。该结果表明，光照是影响薏苡产量形成的重要因素，其次是花后降水量，但花后日均温度过高会造成减产。因此，薏苡产量的形成并不受单一生态因子的影响，而是多个生态因子综合作用的结果。
表6 不同生态区气象因子与产量的相关系数
Table 6
| 性状Trait | X1 | X2 | X3 | X4 | X5 | X6 | X7 | X8 | X9 |
|---|---|---|---|---|---|---|---|---|---|
| X1 | 1.000 | -0.153 | 0.151 | 0.078 | -0.247 | 0.002 | 0.238 | -0.753** | -0.305 |
| X2 | 1.000 | 0.514** | -0.650** | 0.462** | -0.193 | 0.418** | 0.468** | -0.106 | |
| X3 | 1.000 | -0.875** | -0.312* | 0.162 | 0.047 | 0.105 | -0.521** | ||
| X4 | 1.000 | 0.259 | 0.142 | -0.001 | -0.232 | 0.513** | |||
| X5 | 1.000 | 0.269 | 0.605** | 0.479** | 0.399** | ||||
| X6 | 1.000 | 0.169 | 0.176 | 0.039* | |||||
| X7 | 1.000 | 0.164 | 0.070 | ||||||
| X8 | 1.000 | 0.315* | |||||||
| X9 | 1.000 |
“*”和“**”分别表示在P < 0.05和P < 0.01水平上差异显著或极显著，X9：籽粒产量，下同。
“*”and“**”indicate significant or extremely significant difference at the P < 0.05 and P < 0.01 levels, respectively. X9: grain yield, the same below.
2.3.3 不同生态区气象因子与产量的回归分析
将8个气象因子与产量进行线性回归分析。结果如表7所示，模型通过F检验达到极显著水平（F=4.017，P=0.002<0.01），且光照对产量具有显著的正向影响，其他因子对产量的影响未达到显著水平，产量= -6646.627 -0.236X1 + 8.024X2 - 390.04X3 + 7.712X4 - 28.205X5 + 1505.817X6 + 0.98X7 + 594.196X8（R2=0.509）， 表明8个气象因子可以解释产量50.9%的变化。 但是， 生态气象因子间存在着共线性问题，需要通过逐步回归解析。
表7 不同生态区气象因子与产量的线性回归分析
Table 7
| 模型 Model | 非标准化系数Unstandardized coefficient | 标准化回归系数 Beta | t | p | 共线性诊断Colinearity diagnosis | ||
|---|---|---|---|---|---|---|---|
| B | 标准误Standard error | VIF | 容忍度Tolerance | ||||
| 常数Constant | -6646.627 | 5720.407 | － | -1.162 | 0.254 | － | － |
| X1 | -0.236 | 1.081 | -0.060 | -0.219 | 0.828 | 4.757 | 0.210 |
| X2 | 8.024 | 6.668 | 1.503 | 1.203 | 0.238 | 98.436 | 0.010 |
| X3 | -390.040 | 433.780 | -0.963 | -0.899 | 0.375 | 72.423 | 0.014 |
| X4 | 7.712 | 3.380 | 0.988 | 2.282 | 0.030 | 11.842 | 0.084 |
| X5 | -28.205 | 26.104 | -1.284 | -1.080 | 0.288 | 89.147 | 0.011 |
| X6 | 1505.817 | 1762.357 | 0.602 | 0.854 | 0.399 | 31.337 | 0.032 |
| X7 | 0.980 | 2.043 | 0.115 | 0.480 | 0.635 | 3.599 | 0.278 |
| X8 | 594.196 | 413.457 | 0.388 | 1.437 | 0.161 | 4.597 | 0.218 |
| R2 | 0.509 | ||||||
| F | F(8,31)=4.017，P=0.002 | ||||||
| D-W值D-W value | 2.245 | ||||||
逐步回归分析结果（表8）表明，模型通过F检验达到极显著水平（F=12.838，P=0.000<0.01），VIF值均小于5，D-W值在数字2附近，说明花后日均温度和花后日均降水量间不存在共线性和自相关性问题，模型较好。产量=6316.484-226.955X3+ 572.847X8（R2=0.41），表明花后日均温度和花后日均降水量可以解释产量41.0%的变化，且花后日均降水量会对产量产生极显著的正向影响，花后日均温度会对产量产生极显著的负向影响。
表8 不同生态区气象因子与产量的逐步回归分析
Table 8
| 模型 Model | 非标准化系数Unstandardized coefficient | 标准化回归系数 Beta | t | P | 共线性诊断Colinearity diagnosis | ||
|---|---|---|---|---|---|---|---|
| B | 标准误Standard error | VIF | 容忍度Tolerance | ||||
| 常数Constant | 6316.484 | 1280.958 | － | 4.931 | 0.000 | － | － |
| X3 | -226.955 | 51.445 | -0.560 | -4.412 | 0.000 | 1.011 | 0.989 |
| X8 | 572.847 | 194.630 | 0.374 | 2.943 | 0.006 | 1.011 | 0.989 |
| R2 | 0.410 | ||||||
| F | F(2,37)=12.838，P=0.000 | ||||||
| D-W值D-W value | 2.216 | ||||||
3 讨论
光照、温度和降水量等气象因子是作物生长发育和产量形成的重要因素，同一品种在不同区域的产量和品质存在差异[14
环境条件影响作物的产量表现，是决定品种在生产上布局的主要因素[29-
4 结论
对不同产地的8个薏苡品种在不同生态区进行产量与环境气象因子联合分析，结果表明同一薏苡品种在不同生态区和同一生态区年度间的产量具有显著差异，产量形成受环境因素、品种遗传特性及两者互相作用共同决定。其中，全生育期光照、全生育期降水量、全生育期积温等8个环境因子是影响薏苡产量形成的主要因素，可以解释产量50.9%的变化，全生育期充足的光照条件和花后日均降水量增加有利于提升薏苡籽粒产量，而花后日均温度过高是薏苡产量形成的负向影响因子。花后日均温度和花后日均降水量解释了薏苡田间籽粒产量41.0%的变化，可作为薏苡生产过程中品种区域布局和高产栽培的重要参考指标。
参考文献
Coix: chemical composition and health effects
Harvesting and processing wild cereals in the Upper Palaeolithic Yellow River valley,China
Exploitation of Jobʼs tears in paleolithic and neolithic China: methodological problems and solutions
DOI:10.1016/j.quaint.2018.11.019
[本文引用: 1]
Job's tears (Coix lacryma-jobi) is believed to be native to tropical and subtropical regions of Asia, and has been used as food widely throughout Asia since prehistory. In China, this cereal is frequently mentioned in ancient texts as being used in food, medicine, and alcoholic beverages. It also assumed significance in dynastic legends. However, unlike other cereals, Job's tears' dispersal and domestication process remain unclear. The macrofossil remains of this plant have only been found sporadically at about seven sites from the Neolithic to the Han dynasty (ca. 7000-1800 cal BP); but its microfossil remains have been recovered from more than 30 sites across China, ranging from tropical to temperate zones, and dating to as early as 28,000 cal. BP. This discrepancy between macrofossil and microfossil findings poses a challenge to archaeobotanists. This paper presents a multi-disciplinary approach to investigate the depositional processes of Job's tears in archaeological contexts, including ethnographic observation, starch and phytolith analyses, use-wear analysis of stone tools, and experimental charring. We propose methods for identifying its microfossil remains, which may help to explore the possible pathways of its domestication in the future. Based on current archaeological data, Job's tears was already collected as a starchy food source by Upper Paleolithic populations in China by 28,000 cal BP, but it may have largely disappeared during the cold and dry episode of Younger Dryas in a large part of north China. While this plant appears to have been exploited during the early Holocene in the Huai and Yangzi river regions, no evidence indicates its presence in the temperate zones north of the Yellow river until after 8000 cal. BP. The reasons for such changes still need to be investigated. However, it is noted that Job's tears became widespread in the Neolithic period, coinciding in time and space with the development of millet domestication over a broad region in the Yellow River and Liao River valleys. This plant may have been a component of farming practices during the mid-Holocene climatic maximum in China, but more comprehensive analyses need to be done to investigate its domestication process.
Production and genetic improvement of minor cereals in China
Inbred and hybrid sweet corn genotype performance in diverse organic environments
The value of selection in conventional breeding trials of cultivars destined for organic systems depends on the correlation between systems and relative heritability of key traits. Genotype x environment interaction is a common phenomenon in plant breeding trials. Thus, multiple-environment testing to identify stable genotypes is a high priority for organic systems. In addition, because organic systems have limited inputs to buffer the environment, they may have greater spatial heterogeneity, which may be better accounted for by additional spatial blocking terms beyond traditional randomized complete-block design. Over 2 yr, we evaluated 100 hybrid and 40 inbred sweet corn (Zea mays L.) genotypes in 11 trials in organic systems across six locations and evaluated the addition of augmented incomplete block and row-column design to estimate the performance of sweet corn genotypes. Hybrids differed in their performance for all tested traits. Inbred parents differed in per se performance and general combining ability for all traits. For the hybrid entries, modeling spatial factors beyond the replicated complete blocks improved the model fit for days to anthesis, plant height, ear height, husk protection, ear width, and ear length. For inbred entries, modeling spatial factors beyond the replicated complete blocks improved set minus model fit for plant height, ear height, tenderness, and ear width. Wricke's ecovalence (W-i(2)) was a useful measure of stability, correlating reasonably well with two of the three stability statistics considered in this analysis. Based on Wricke's ecovalence, some inbred parents were more stable than others across tested environments in their combining ability for all traits.
Mesophyll conductance variability of rice aquaporin knockout lines at different growth- stages and growing environments
Effects of drought stress on the morphology and physiological indices coix new varieties in Yunnan
海拔高度对薏苡产量构成因素的影响
区域气候变化对华东地区水稻产量的影响
生态环境与种植密度对河南省夏玉米产量的影响
薏苡品种(系)的产量稳定性及地点鉴别力分析
DOI:10.11924/j.issn.1000-6850.casb15060049
[本文引用: 1]
旨在准确、合理的评价基因型与基因型?环境互作效应(G?E)对薏苡产量稳定性及地点鉴别力的影响，为优良品种的鉴定、推荐和登记提供科学依据。采用AMMI模型结合双标图及稳定性参数Dg(e)对第二轮（2012-2014年）国家薏苡区域试验的产量数据进行了分析。结果表明，G1~G6在不同试点的产量变异范围分别：2380.0~6061.0 kg/hm2、1933.3~5790.0 kg/hm2、2192.0~5632.3 kg/hm2、905.3~5485.7 kg/hm2、978.3~4680.0 kg/hm2、991.0~5340.0 kg/hm2；基因型效应、环境效应和基因型×环境交互效应(G×E)均达到极显著或显著水平，环境效应占总变异的55.10%，G×E 交互效应占14.03%，基因型效应占8.41%，IPCA1、IPCA2 和IPCA3 分别解释了交互作用(G?E)的60.97%、18.97%和3.07%，三者加起来解释了全部交互作用的83.01%，而且第一主成分(IPCA1)达到差异极显著水平。AMMI双标图及稳定性参数显示，‘黔薏鉴2 号’、‘安紫薏苡’和‘文薏2 号’属于高产稳定型品种（系），可作为推荐品种，‘莆薏6 号’产量中等、稳定性最差，‘文薏3 号’、‘金沙1 号’的丰产性较差，综合稳定性一般；此外，云南昆明、福建莆田、贵州兴义和贵州安顺的试点代表性较强；云南文山、贵州凯里、广西百色和福建福州的地点鉴别力相对较弱。
Untangling crop management and environmental influences on wheat yield variability in Bangladesh: an application of non-parametric approaches
薏苡生育期中叶片光合性能的研究
以田间栽培的薏苡[Coix lacryma-jobi(L.)var. frumentacea Makino]为材料,对薏苡生长发育过程中叶片的光合速率等光合性能进行了研究｡结果表明:薏苡全生育期中叶片的光合色素含量在苗期较低,营养生长旺盛期含量提高,分蘖末期到穗花期初期达到最高值后又逐渐降低｡生育期中叶片净光合速率(Pn)､蒸腾速率 (E)和水分利用效率(WUE)都呈单峰曲线变化,其中Pn 和E 的高峰较明显,WUE 在全生育期中起伏变化较小｡晴天条件下,Pn､E 和气孔导度(gs)从早晨开始随光合有效辐射(PAR)和气温同步升高,Pn 和gs 在11:30 左右达到高峰值后即呈下降趋势,E则在下午出现另一峰值｡由叶片可溶性糖与游离氨基酸含量的比值计算的 C/N比在成熟期最高,穗花期其次,苗期和分蘖期较低,这可能是有利于穗发育和开花的碳氮代谢特性｡
授粉期高温胁迫下雄穗大小对玉米干物质积累及产量的影响
DOI:10.3864/j.issn.0578-1752.2023.15.004
[本文引用: 1]
【目的】 高温是制约夏玉米高产稳产的重要气象因子之一，通过设置授粉期高温胁迫和雄穗变小处理，探明高温胁迫下雄穗大小对玉米产量形成的影响，为玉米抗逆栽培及耐高温育种提供参考。【方法】 以2个玉米品种浚单20（XD20）和农华101（NH101）为试材，于2020—2021年玉米抽雄至散粉结束的10 d内采用人工模拟增温试验，同时，设置抽雄期雄穗变小处理（剪除60%雄穗分枝数），探究授粉期高温胁迫下雄穗大小对玉米干物质积累分配和产量形成的影响。【结果】 2年结果表明，授粉期高温胁迫对玉米雄穗长度、分枝数、小穗数和雌雄开花动态影响较小，但导致玉米干物质积累能力及向穗部分配比例下降，影响雌穗生长发育，造成穗轴长度和穗轴粗显著降低，穗粒数显著减少，花后物质积累量及向籽粒分配比例下降，进而产量显著降低。高温胁迫后，NH101穗长的下降幅度小于XD20，但行粒数、穗粒数及花后物质积累向籽粒分配比例的下降幅度高于XD20，导致NH101产量降幅超过XD20，XD20和NH101产量降幅分别为12.32%和25.00%，可见XD20比NH101更耐高温。雄穗变小处理使XD20和NH101的雄穗分枝数和小穗数分别显著降低58.57%、42.91%和57.30%、41.34%，但对雌雄开花动态无显著影响。2个温度条件下，雄穗变小处理均能促进雌穗生长，增加穗粒数，促进花后物质向籽粒积累，进而提高产量，其中，高温条件下的XD20增产幅度最大。在常温条件下，与正常雄穗处理相比，雄穗变小处理下，XD20和NH101的产量分别平均增加2.76%和4.37%，而在高温条件下，分别增加12.47%和5.75%。【结论】 授粉期高温胁迫对雄穗生长发育影响较小，但导致雌穗生长发育受到不可逆损伤，穗粒数减少，制约了花后光合同化物向籽粒分配，产量显著下降。高温条件下，适当减少雄穗分枝数可促进雌穗生长发育，增加穗粒数，促进花后物质向籽粒积累，提高产量，且大雄穗型品种浚单20增产幅度高于小雄穗型品种农华101。
大气CO2与温度升高对北方冬小麦旗叶光合特性、碳氮代谢及产量的影响
DOI:10.3864/j.issn.0578-1752.2021.23.005
[本文引用: 1]
【目的】探讨大气CO<sub>2</sub>浓度升高与增温影响下北方冬小麦叶片光合特征、碳氮代谢物、生物量和产量形成的调节适应规律,为未来气候变化下小麦生产提供理论依据。【方法】以冬小麦品种“中科2011”为材料,利用封闭式人工气候室,设置对照CK（CO<sub>2</sub>浓度和气温与大田一致）、EC（CO<sub>2</sub>浓度为大田浓度+200 μmol·mol<sup>-1</sup>,气温与大田相同）、ET（CO<sub>2</sub>浓度与大田一致,气温为大田温度+2℃）、ECT（CO<sub>2</sub>浓度为大田浓度+200 μmol·mol<sup>-1</sup>,气温为大田温度+2℃）共4个处理。测定CO<sub>2</sub>浓度升高200 μmol·mol<sup>-1</sup>和气温升高2℃变化条件下冬小麦生长发育、叶片的光合特性、碳氮代谢、生物量和产量指标。【结果】气温升高2℃会缩短小麦全生育期及开花到成熟时间,使孕穗期净光合速率显著增加24.7%,而对拔节期与灌浆期净光合速率无显著影响,同时,使灌浆期叶片纤维素含量、可溶性蛋白含量和硝酸还原酶活性下降,穗粒数和千粒重下降,进而使产量与生物量分别显著降低23.0%和19.7%;CO<sub>2</sub>浓度升高200 μmol·mol<sup>-1</sup>使拔节期与孕穗期小麦净光合速率分别提高32.8%和40.7%,增加灌浆期叶片碳水化合物含量,虽然生长后期出现光适应,但仍可通过增加单位面积穗数使小麦产量增加26.1%。在增温条件下,CO<sub>2</sub>浓度升高可通过使开花到成熟的时间延长2 d、叶片净光合速率提高约25.54%、增加可溶性总糖、纤维素与淀粉含量等弥补升温对小麦生物量和产量的负效应。【结论】CO<sub>2</sub>浓度升高可通过延长开花到成熟时间、提高小麦净光合速率、增加光合代谢物等弥补升温对小麦生物量和产量的负效应。
