北方地區黃瓜種質資源農藝性狀的主成分和聚類分析

于婭 李艷軍 王飛 王娜 霍云龍 鳳桐

摘? ? 要：為了掌握不同類群黃瓜種質資源的商品性狀及產量，為合理利用種質資源和選配育種親本提供參考依據，選取12個農藝性狀對43份黃瓜種質資源進行主成分分析和聚類分析。結果表明，12個黃瓜性狀綜合成4個主要成分，即果實大小因子、葉片因子、顏色因子、產量因子，累計貢獻率達到81.959%，基本反映了供試種質資源的農藝性狀信息。Q型聚類將43份種質資源在歐式距離5.72處分成3個類群，類群Ⅰ為歐洲溫室型黃瓜，類群Ⅱ為華北型黃瓜，類群Ⅲ為華南型黃瓜，該類群多樣性豐富，進一步劃分為3個亞類群。綜合分析表明，單瓜質量、瓜長、瓜刺類型、瓜把長、葉片長、葉片寬、瓜皮色和產量可作為黃瓜種質資源評價的重要指標。亞類群Ⅰ和亞類群Ⅱ可為高產黃瓜品種的培育提供親本材料。

關鍵詞：黃瓜;主成分分析;聚類分析

中圖分類號：S642.2 文獻標志碼：A 文章編號：1673-2871（2020）12-029-06

Abstract： In order to understand the commercial traits and yield of different cucumber germplasm resources， and to provides reference for rational utilization and selection of breeding parents. 12 agronomic traits were selected to conduct principal component analysis and cluster analysis on 43 cucumber germplasm resources. 12 traits were combined into 4 principal components， namely， fruit size factor， leaf factor， color factor and yield factor， and the contribution rate reached? 81.959%， which basically reflected the agronomic trait information of the tested germplasm resources. The tested?resources were separated into three groups at Euclidean distance 5.72， group I was Europe type cucumber， group II was north China type cucumber， group III was south China cucumber， which was rich in diversity and could be further divided into three subgroups. Single melon weight， melon length， melon thorn type， melon handle length， leaf factor， leaf width， leaf length， melon skin color and yield could be used as important traits for the evaluation of cucumber germplasm resources. Subgroup I and subgroup II could be used as parent material for the breeding of high-yield cucumber varieties.

Key words： Cucumber; Principal component analysis; Cluster analysis

黃瓜屬于葫蘆科甜瓜屬，具有食用、保健、美容等功效，種植地域范圍廣，是我國主要栽培的蔬菜作物之一，2018年收獲面積約為104.62萬hm2，產量達5 629.35萬t[1]。種質資源是攜帶生物遺傳信息的載體，是黃瓜生產和遺傳育種研究的物質基礎[2]。我國的黃瓜種質資源以分布在長江以南地區的華南型黃瓜和黃河流域以北的華北型黃瓜為主，歐洲溫室型黃瓜在我國各地區均有少量分布，青海、西藏等地區黃瓜種質資源分布較少。近年來，聚類分析已經廣泛運用到農作物種質資源研究中[3-9]，以穩定性狀的數據統計為基礎，進行等權處理后以數據或聚類分析圖的形式反映農藝性狀間的相似性和相關度，明確種質間的親緣關系，為資源的利用提供參考依據。主成分分析能夠將大量的性狀簡化成較少且不相關的指標信息[10]，為種質資源的快速、精準評價奠定基礎。因此，筆者收集了我國北方地區的43份黃瓜種質資源，生態類型包括華南型、華北型以及歐洲溫室型黃瓜，通過對12個性狀指標進行數量分類和主成分分析，明確性狀間的相關性和種質資源間的親緣關系，為親本選配提供數據支撐，加速育種進程，提高育種水平，推動黃瓜產業的良性發展。

1 材料與方法

1.1 材料

供試黃瓜資源名稱、來源及生態類型見表1。

1.2 方法

1.2.1 試驗設計 試驗在吉林省農業科學院經濟植物研究所范家屯試驗基地進行，2018年4月12日于日光溫室采用32孔穴盤育苗，5月22日定植于露地。43份黃瓜種質資源采用隨機區組排列，3次重復，每小區定植30株，株行距30 cm×60 cm，試驗小區采取統一的栽培管理和病蟲害防控。

1.2.2 指標測定方法 本研究調查黃瓜農藝性狀指標12個。葉片長、葉片寬、葉柄長、葉柄粗在結果盛期進行調查，選取植株主蔓中部最大葉片測量。瓜長、瓜橫徑、瓜把長、單瓜質量、瓜形、瓜皮色、瓜刺類型、瓜把形狀在結果盛期選取達到商品瓜成熟度的正常瓜進行調查。質量性狀進行目測賦值[11]，瓜皮色分7級（乳白=1，黃白=2，白綠=3，淺綠=4，綠=5，深綠=6，墨綠=7），瓜刺類型分3級（尖角硬刺=1，軟毛刺=2，粒刺=3），瓜把形狀分3級（瓶頸形=1，溜肩形=2，鈍圓形=3）。單產記錄從商品瓜收獲始期到末期的總產量，根據測產株數的占地面積折算，最終計算每hm2的產量。

1.3 數據處理

將調查的數據進行性狀相關性分析、主成分分析和聚類分析，調查指標的結果錄入Excel，獲得原始矩陣，以5.0/95工作簿的文件格式保存。將數據導入NTSYS-pc2.10e軟件的數據編輯器中，為消除各性狀不同量綱分析結果的影響，先將原始矩陣進行Standardization處理，利用SIMINT程序計算各分類運算單位之間歐氏距離，最后通過SHAN程序UPGMA法進行聚類分析，并導出樹狀聚類圖。主成分分析以標準化矩陣為基礎在SPSS 17.0軟件上進行分析，獲得主成分，計算各主成分的特征值、貢獻率和每個性狀在主成分中的特征向量。

2 結果與分析

2.1 農藝性狀分析

由表2可知，不同種質資源間存在差異，遺傳性狀比較豐富。瓜長分布在15.0～39.1 cm，瓜橫徑在3.3～6.2 cm，瓜把長在2.2～9.2 cm，產量在24 932.1～99 564.6 kg·hm-2，H10、H18的瓜皮黃白色，顏色較淺，而H17、H24、H35的墨綠色，顏色較深。瓜刺多為軟毛刺和粒刺，僅H42為尖角硬刺。根據差異系數可以判斷出不同性狀變異度大小，其中瓜把長和瓜把形狀的變異度較大，變異系數分別為35%和33.2%，葉片長的變異度最小，變異系數僅為8.1%，其余性狀介于10.4%～26.3%之間。

2.2 性狀相關性分析

不同性狀間的相關性分析如表3所示，單瓜質量與瓜橫徑呈極顯著正相關，與瓜長、產量呈顯著正相關。瓜橫徑與瓜把形狀呈極顯著正相關，與瓜長、瓜把長呈極顯著負相關，與瓜皮色呈顯著負相關。瓜長與瓜把長、瓜皮色呈極顯著正相關，與瓜刺類型和瓜把形狀呈極顯著負相關。瓜把形狀與瓜刺類型呈極顯著正相關，與瓜把長和瓜皮色呈極顯著負相關。葉片長與葉片寬、葉柄長、葉柄粗呈極顯著正相關，與瓜刺類型呈顯著正相關，與瓜皮色呈顯著負相關。性狀相關性結果說明瓜橫徑越大，單瓜質量越大，產量越高，同時瓜長和瓜把長越短，瓜皮色越淺。由此可知，12個性狀間存在顯著相關性，并且部分相關性達到極顯著水平，存在信息相疊，適宜進行主成分分析。

2.3 主成分分析

黃瓜種質資源12個性狀主成分的特征值及貢獻率結果如表4所示，經分析共獲得主成分12個。主成分的選擇原則即為特征值大于等于1的主成分累計貢獻率大于80%，本研究中前4個主成分累計貢獻率達到81.959%，且各主成分的特征值均大于1，其中第1主成分的提取特征值為4.531，貢獻率37.755%，第2主成分的提取特征值為2.779，貢獻率23.162%，累計貢獻率60.916%，第3主成分的提取特征值為1.520，貢獻率12.665%，累計貢獻率73.582%，第4主成分的提取特征值是1.005，貢獻率為8.377%，累計貢獻率81.959%。前4個主成分對原始變量信息的描述作用顯著，基本反映了供試黃瓜種質資源的12個農藝性狀信息。

如表5所示，每個農藝性狀在4個主成分中對應不同特征向量，根據同一主成分中各性狀特征向量絕對值的大小確定在種質資源評價中的地位。第1主成分中，單瓜質量、瓜長、瓜刺類型的特征向量絕對值較大，均在0.7以上，主要反映黃瓜果實的大小，因此第1主成分可稱為果實大小因子，且貢獻率最大;第2主成分根據特征向量絕對值大小選出的性狀是葉片寬和葉片長，分別為0.606和0.596，主要反映與葉片相關的信息，稱為葉片因子;第3主成分中，瓜皮色的特征向量絕對值最大為0.636，反映的是種質資源的果實顏色性狀，故稱為果實顏色因子;第4主成分中產量的特征向量絕對值最大，稱之為產量因子。綜上所述，單瓜質量、瓜長、瓜刺類型、葉片長、葉片寬、瓜皮色、產量可作為黃瓜種質資源評價的重要指標。

2.4 聚類分析

根據圖1所示，供試的43份黃瓜種質資源在歐式距離5.72處可分3類，類群Ⅰ、類群Ⅱ、類群Ⅲ。類群Ⅰ有3份材料，分別是H38、H28、H17，該類群特征為瓜大小中等，葉面積小，葉柄短而細，瓜皮色為綠色或墨綠色，瓜把短，產量低或者中等。類群Ⅱ有8份材料，分別為H2、H12、H15、H22、H24、H35、H40、H43，該類群的特征為瓜細長、葉面積小，葉柄中等偏短，瓜皮顏色深，軟毛瓜刺，瓜把較長且為瓶頸形，產量有的高產、有的中產、有的低產。類群Ⅲ囊括其余的32份材料，多樣性豐富，可在歐式距離4.36處進一步分為3個亞類群。亞類群Ⅰ中包括H31、H42等2份材料，主要特征為高產，瓜中等，葉面積小，瓜皮顏色深，瓜把溜肩形;亞類群Ⅱ中包括H19、H21、H33、H34、H37、H39等6份材料，主要特征為中高產，瓜短粗，單瓜質量較大，葉片面積大，葉柄長而粗，瓜皮色為綠色或淺綠色，瓜把較短;亞類群Ⅲ包括24份材料，產量多為中低產，瓜大小中等，葉面積中等，瓜皮顏色較淺。

3 討論與結論

通過對43份黃瓜種質資源的12個主要農藝性狀的相關性分析，發現瓜長與瓜橫徑呈極顯著負相關，與鐘金仙等[12]得出的結果一致，與王成等[11]研究瓜長和瓜橫徑呈顯著正相關的研究結果相反，這可能與選擇供試群體的不同有關。單瓜質量與瓜長、產量呈顯著正相關，單瓜質量與瓜橫徑呈極顯著正相關，這與蔣舉衛等[13]和史建磊等[14]的研究結果一致。在不同的環境條件下，不同的供試黃瓜材料所表現出類似的相關性，說明單瓜質量、瓜長、瓜橫徑等性狀可作為選育高產黃瓜新品種的重要參考指標。

主成分分析可以在體現絕大部分信息量的基礎上將多個性狀進行簡化，本研究將12個黃瓜性狀簡化成4個主要成分，即果實大小因子、葉片因子、顏色因子、產量因子，累計貢獻率達到81.959%，同一性狀在不同的主成分中荷載值不同，說明分析結果與供試群體和參試性狀的選擇有關。本研究的前4個主成分反映了供試材料的絕大部分遺傳信息，可以為種質資源的綜合評價提供有效方法。

供試的43份材料分成3大類，類群Ⅰ為瓜個中等、葉片小、瓜色深、瓜把短、中低產類群，包括的3份材料均為歐洲溫室型黃瓜;類群Ⅱ為瓜細長、葉片小、瓜色深、瓜把長、瓜把瓶頸形、軟毛瓜刺類群，包括的材料大多為華北型黃瓜，僅H35為華南型;類群Ⅲ為華南型黃瓜，多樣性豐富，又可分為3個亞類群，亞類群Ⅰ為瓜個中等、葉片小、瓜皮顏色深、瓜把溜肩形的高產類群，亞類群Ⅱ為瓜短粗、單瓜質量較大、葉片大、葉柄長而粗、瓜皮色較淺、瓜把短的中高產類群，亞類群Ⅲ為瓜個中等、葉片中等、瓜皮顏色較淺的中低產類群。根據聚類分析結果可以基本將同一生態類型的種質資源聚為一類，這與傳統的地理分布分類相吻合，說明同一生態類型的種質資源具有相似的遺傳背景，其性狀的表型基本一致。類群Ⅱ只有H35為華南型，這可能是多年來各地區間的引種交流或人工選擇育種造成的。亞類群Ⅰ和亞類群Ⅱ可為高產黃瓜品種的培育提供親本材料。

掌握不同類群黃瓜種質的商品性狀及產量，有利于種質資源有效合理的利用，可針對不同環境、季節安排適宜的品種，提高生產效益，也可根據育種目標選擇性狀互補且遺傳距離較大的親本雜交，培育優良的黃瓜新品種。

參考文獻

[1] http：//www.fao.org/faostat/en/#data，2020.

[2] 于婭.榆耳種質形質評價體系建立與有性繁殖系統解析及雜交育種的研究[D].長春：吉林農業大學，2016.

[3] 趙樂杰，王超，姜凱旋，等.秋甘藍種質資源農藝性狀主成分和聚類分析[J].北方園藝，2019（9）：7-13.

[4] 李林林，黃敏升，崔國賢，等.苧麻種質資源農藝性狀主成分及聚類分析[J].中國農業科技導報，2019，21（3）：34-41.

[5] 蔡曉洋，張思荻，曾俊，等.基于主成分分析和聚類分析的梔子種質資源評價[J].中國實驗方劑學雜志，2017，23（14）：30-37.

[6] 王志強，郭松，劉聲鋒，等.西瓜種質資源果實主要數量性狀的主成分分析[J].東北農業大學學報，2014，45（3）：59-64.

[7] 陳書霞，周靜，申曉青，等.大蒜種質產量和品質性狀主成分聚類分析與綜合評價[J].植物遺傳資源學報，2012，13（3）：429-434.

[8] 苗錦山，劉彩霞，戴振建，等.蔥種質資源數量性狀的聚類分析、相關性和主成分分析[J].中國農業大學學報，2010，15（3）：41-49.

[9] 李清華，黃金堂，陳海玲，等.27份花生種質資源的主成分分析及遺傳距離測定[J].植物遺傳資源學報，2011，12（4）：519-524.

[10] 唐啟明，馮明光.DPS 數據處理系統[M].北京：科學出版社，2007：727-734.

[11] 王成.黃瓜果實長度遺傳分析及分子標記[D].哈爾濱：東北農業大學，2010.

[12] 鐘金仙，羅英，曾仁杰，等.黃瓜種質資源果實性狀的主成分分析與綜合評價[J].中國農學通報，2017，33（16）：46-52.

[13] 蔣舉衛，薛紅霞，宋曉飛，等.109份黃瓜種質資源主要農藝性狀分析[J].河北農業大學學報，2018，41（1）：38-43.

[14] 史建磊，陳先知，黃宗安，等.華南型黃瓜主要農藝性狀遺傳多樣性評價[J].核農學報，2016，30（10）：1914-1924.