黃淮麥區小麥新品種（系）灰色關聯度分析

付亮 范永勝 李洋 夏彥麗 蔣志凱 周德慧 路永才

摘要[目的]科學合理地評價小麥新品種（系）。[方法]利用2016—2017年度國家區域試驗數據，應用灰色關聯度分析法對17個小麥新品種（系）（含對照）的17個主要性狀進行分析。 [結果]周麥36號、禾豐3號、新麥35、中育1220的加權關聯度居前4位，綜合性狀較好，這與品種實際表現基本一致;而安科1502、圣麥101、皖宿321、創新118、天民346共5個品種的關聯系數排名較低，建議淘汰。[結論]該研究為小麥品種選育和審定提供參考。

關鍵詞小麥品種;灰色關聯度;綜合評估

中圖分類號S512.1文獻標識碼A

文章編號0517-6611（2019）02-0023-03

doi：10.3969/j.issn.0517-6611.2019.02.007

小麥產量高低是多種因素共同作用的結果，而各因素對產量影響的主次關系對品種豐產性鑒定尤為重要[1]。目前，區域試驗結果的分析除了采用產量進行方差分析和豐產穩產性分析外，也對生育期、株高、熟相及抗逆性等非產量性狀進行了分析，但如何將這些性狀綜合起來評價小麥品種（系）一直是個很難量化的難題[2-5]。鑒于此，筆者應用灰色關聯度分析法對小麥的產量和非產量性狀進行了多性狀的綜合分析，以期為小麥品種審定提供參考。

1材料與方法

1.1試驗材料

采用2016—2017年度國家區試早播3組區域試驗1個參考品種（X0）和17個小麥新品種（系）作為參試品種（系），分別為對照周麥18（X1）、安科1502（X2）、安科157（X3）、創新118（X4）、泛育麥17（X5）、禾豐3號（X6）、徽研66（X7）、泉麥31（X8）、圣麥101（X9）、天民346（X10）、皖宿321（X11）、新麥35（X12）、鄭麥103（X13）、鄭麥16（X14）、鄭品麥22號（X15）、中育1220（X16）、周麥36號（X17）。

1.2試驗方法

該試驗安排在黃淮南片22個試點，田間試驗采用隨機區組設計，重復3次，小區面積13.33 m2[6]。田間調查和室內考種按區試統一方案進行，各性狀均為各區試點的平均值[7-9]。

應用灰色關聯度分析法，將所有參試品種（系）作為1個灰色系統，每個參試品種（系）作為系統中的1個因素[10-12]。構建1個理想的“參考品種”，以參考品種的各項性狀指標構成1個參考數列[13-15]，以17個參試品種（系）的各項性狀指標構成比較數列Xi（k）（i=1，2，3，…，n），其中n為參試品種（系）數，k為評估性狀數。計算17個參試品種（系）之間的關聯度，以確定各參試品種（系）的優劣次序。選擇的17個測量性狀分別為產量（kg/hm2）（K1）、穗粒數（粒）（K2）、千粒重（g）（K3）、容重（g）（K4）、穗數（萬/hm2）（K5）、成穗率（%）（K6）、株高（cm）（K7）、最高分蘗（K8）、抽穗期（K9）、生育期（K10）、熟相（K11）、籽粒品質（K12）和葉銹病（K13）。

2結果與分析

2.1參考品種的構建

參考品種是指根據育種目標所制定的各性狀理想值的集合，是多年育種目標與育種實踐的結合[14-17]。產量、穗粒數、千粒重、容重、適用度、成穗率等性狀越大越好，采用上限值;株高、生育期等在育種中要求適中，采用適中性測度;熟相等要求越小越好，熟相根據其評價值采用下限值。產量、穗粒數、千粒重、容重、成穗率均以略大于參試品種中最大值為宜;將成熟期最晚品種記為0，比其早熟1 d記為l，依次類推;株高以80 cm為宜、穗數以600萬/hm2為宜;熟相分為1、3、5級，以1為宜。結果見表1。

2.2無量綱化處理

由于同一品種的不同性狀差異很大，為方便進行灰色關聯度分析，對原始數據進行無量綱化處理，即用X0分別去除Xi（k），從而得到1個數值全在[0，1]區間內的新數列（表2）。

2.3求差序列、兩級最大差和兩級最小差

首先根據曹廷杰等[18]的計算方法，進行計算，所得結果列于表3;再根據表3求得兩級最大差、兩級最小差。

2.4關聯系數的求取根據關聯系數公式[17、19]，得到X0對X1各性狀的關聯系數（表4）。K為加權關聯系數，根據小麥各性狀重要程度不同及育種目標與實踐，按各性狀的相對重要程度分別賦予不同權重系數。最后，求得各比較數列（參試品種）對參考數列（參考品種）的加權關聯度（表5）。

由表5可知，17個品種產量表現中，有13個品種產量超過對照，前5名分別為新麥35，鄭麥103，周麥36號，鄭麥16和禾豐3號。品種（系）的綜合評價還要看加權關聯度。灰色系統理論認為，品種（系）的關聯度越大說明該品種（系）與對照品種越接近、綜合表現越好。從表5可以看出，周麥36號、禾豐3號、新麥35、中育1220的加權關聯度位居前四，說明這4個品種（系）與對照品種最接近，性狀的綜合性狀最好。這與品種的實際表現基本一致，周麥18作為國家冬水組區試對照品種，是綜合性狀很好的品種;而鄭麥103、泛育麥17、鄭麥16、泉麥31、鄭品麥22共5個品種（系）實際產量也達標，甚至較高，但抗逆性、綜合性狀等的綜合表現中等;徽研66、創新118、天民346、皖宿321共4個品種實際表現一般，實際增產率不達標;安科157雖然減產，但是因優質強筋品種保留下來繼續下一年度試驗，而品種安科1502、圣麥101實際產量減產，關聯度也最小，說明該品種（系）與對照品種較遠，綜合表現較差。因此，安科1502、圣麥101、皖宿321、創新118、天民346共5個品種建議淘汰。

3結論與討論

周麥36號、禾豐3號、新麥35、中育1220的加權關聯度居前4位，綜合性狀較好，這與品種實際表現基本一致;而安科1502、圣麥101、皖宿321、創新118、天民346共5個品種的關聯系數排名靠后，建議淘汰。

該試驗方法對小麥新品種（系）進行綜合評估既簡便又有效，是一種較好的統計分析方法[20]。以往評價小麥品種時，除產量性狀外也綜合考慮了抗逆性和品質性狀，但如何將這些性狀綜合到一起一直是個難題。灰色關聯度分析可克服這一弊端，將各個性狀對作物重要程度賦予權重系數，最后將各性狀關聯度相加得出加權關聯度作為1個量化指標，關聯度越接近越理想[18，21]。

灰色關聯度分析小麥新品種（系）具有一定的科學性和實際意義。就灰色系統與農業生產上的應用而言，由于農業生產受自然環境、氣候因素、土壤類型及土壤肥力等因素的影響，因此要十分科學、合理、正確地評價小麥新品系并非易事[18，21]。運用灰色系統評價小麥新品系除產量因素外，要盡量多的包括抗病、抗寒性、抗倒、熟期等非產量因素。

參考文獻

[1] 王映紅，董昀，程蘭蘭，等.新麥系列新品種（系）灰色關聯度分析[J].山東農業科學，2014，46（2）：32-35.

[2] 李平路，孫合軍，張志軍，等.應用灰色關聯度分析綜合評價優質小麥新品種[J].種子科技，2001（2）：98-99.

[3] 張薇，曹連甫，呂新，等.用灰色關聯度分析評價大麥區試品種[J].種子，2000，19（1）：21-25.

[4] 趙倩，劉兆曄，劉春蕾，等.小麥新品種（系）的灰色關聯度分析[J].中國農學通報，2007，23（9）：259-262.

[5] 郭瑞林.作物灰色育種學[M].北京：中國農業出版社，1995.

[6] 趙虹，胡衛國.2016-2017年度國家黃淮冬小麥品種試驗總結[M].北京：中國廣播電視出版社，2017：2-136.

[7] 劉錄祥，孫其信，王士蕓.灰色系統理論應用于作物新品種綜合評估初探[J].中國農業科學，1989，22（3）：22-27.

[8] 吳建明，謝正榮，沈小妹.灰色關聯度分析法應用于水稻品種綜合評判的探索[J].種子，1990（3）：33-35.

[9] 孫海潮，萬金紅，郭安斌，等.灰色關聯度分析在玉米組合鑒定試驗中的應用[J].玉米科學，2006，14（2）：47-49.

[10] 汪寶卿，張禮鳳，慈敦偉，等.黃淮海地區夏大豆農藝性狀與產量的相關性及灰色關聯度分析[J].山東農業科學，2010（3）：20-25.

[11] 趙世春，姚曲峋，李先兵，等.應用灰色關聯度綜合評價雜交棉新組合[J].中國棉花，2004，31（1）：12-14.

[12] 杜淑輝，臧德奎，孫居文.木瓜屬觀賞品種的灰色關聯度綜合評價[J].山東農業科學，2011（1）：12-15.

[13] 王英杰，莊艷，劉樹才.遼春系列小麥主要產量相關性狀的灰色關聯分析[J].遼寧農業科學，2013（1）：13-16.

[14] 胡鳳靈.灰色關聯度分析法在小麥產量相關因素分析中的應用[J].安徽農學通報，2008，14（11）：116.

[15] 許海霞，周揚，詹克慧，等.應用灰色關聯度分析法對小麥新品系的綜合評價[J].安陽工學院學報，2008（6）：94-96.

[16] 王永士，郭瑞林，賀德先，等.灰色關聯度分析法在安陽市強筋小麥適宜品種篩選中的應用[J].麥類作物學報，2009，29（2）：271-274.

[17] 曲祥春，何中國，郝文媛，等.灰色關聯度分析在小麥品種綜合評價上的應用[J].遼寧農業科學，2004（6）：6-9.

[18] 曹廷杰，李偉，閆素紅，等.河南小麥新品種（系）灰色關聯度分析[J].安徽農業科學，2010，38（25）：13640-13642，13647.

[19] 蘇天增，裴冬麗，侯樂新.小麥新品種的灰色關聯度分析[J].河南師范大學學報（自然科學版），2000，28（4）：76-80.

[20] 趙元增，牟琪，裴玉榮，等 甜玉米主要農藝性狀的灰色關聯度分析[J].吉林農業大學學報，1999，21（4）：12-15，25.

[21] 陳國秋.灰色關聯度分析法在谷子綜合評判上的應用[J].雜糧作物，2001，21（2）：16-17.