遼西地區釀造高粱品種產量與主要性狀的灰色關聯度分析

摘要：為探明遼西地區高粱主要農藝性狀與產量的關聯程度，為該地區高粱新品種引進與篩選提供理論依據，2017—2019年對16個釀造高粱品種8個主要農藝性狀進行灰色關聯度分析。結果表明，參試品種各性狀與產量的關聯系數依次為穗粒質量、單穗質量、穗長、生育期、株高、莖粗、千粒質量。該地區高粱新品種引進與篩選應重點選擇單株生產能力較強且生育期較長的品種，兼顧其他性狀選擇。

關鍵詞：遼西地區;釀造高粱;品種引進;品種篩選;產量;農藝性狀;灰色關聯度分析

中圖分類號： S514.037文獻標志碼： A

文章編號：1002-1302（2020）18-0102-05

收稿日期：2019-11-21

基金項目：國家谷子高粱產業技術體系建設專項高粱朝陽綜合試驗站項目（編號：CARS-06-13.5-B16）。

作者簡介：趙術偉（1967—），男，遼寧朝陽人，研究員，主要從事高粱栽培技術研究。Tel：（0421）2924425;E-mail：zswwj@126.com。

高粱是釀酒產業的主要原料，隨著釀酒產業的發展，遼寧省釀造高粱產業得到較快發展，引進和篩選高產優質的釀造用高粱新品種顯得尤為重要。眾所周知，產量是由多個因素共同作用的結果，弄清各因素對產量貢獻的主次關系，對于高粱品種的選育有著重要意義[1]。目前，研究作物產量與主要性狀的關系多采用灰色關聯度系統中的關聯分析，灰色關聯系統自創立以來，已在小麥[2-7]、玉米[8-13]、水稻[14-16]、大豆[17-21]和谷子[22-24]等作物品種的綜合評判方面得到了廣泛應用，在高粱品種綜合評價方面的相關報道也較多[25-30]，然而，由于高粱某些性狀在不同地區表現不一，尤其是氣候因素與高粱性狀相關密切[31]，因此，在某一個氣候類型的地區研究得出的產量與性狀關系的結論不一定適于其他地區。例如，柳青山等在湖南長沙、重慶等地用4個糯高粱品種進行試驗，結果顯示，主要農藝性狀與產量的關聯順序依次為千粒質量、穗粒質量、生育期、株高、穗長[1];張姼等在內蒙古赤峰地區用14個品種進行試驗，結果顯示，主要農藝性狀與產量的關聯順序依次為穗長、生育期、株高、穗粒質量、莖粗、千粒質量[32]。穗長和千粒質量在2個地區與產量關聯順序差別很大。遼寧省西部地區釀造高粱品種主要農藝性狀與產量的關聯順序的相關報道目前尚未見到，為此，筆者于2017—2019年對遼寧省內外引進的16個高粱品種8個主要農藝性狀進行灰色關聯度分析，以期探明本地區高粱產量與主要農藝性狀的關系，為今后本地區高粱品種的引進與篩選提供理論依據。

1?材料與方法

1.1?試驗材料

參試品種16個，分別是吉雜124、吉雜127、吉雜136、吉雜140、吉雜145、吉雜158、白雜11、白雜13、赤雜101、龍米梁1號、濟梁1號、平試13、龍雜13號、遼夏梁2號、錦雜109號、錦雜110號，具體編號和提供單位見表1。

1.2?試驗方法

2017—2019年連續3年在遼寧省旱地農林研究所試驗基地進行，隨機區組排列，3次重復，小區面積21.6 m2，6行區，行長6 m，行距0.6 m。試驗地為沙質壤土，能代表當地土壤類型。每年在5月中旬播種，9月下旬收獲。每區收獲20株考樣，風干后按常規方法測定株高（k1）、莖粗（k2）、穗長（k3）、穗質量（k4）、單穗粒質量（k5）、千粒質量（k6）。田間調查生育期（k7），全區測產量（k8），所有性狀值為2017、2018、2019年3年的平均值。

1.3?數據分析方法

灰色系統理論中的關聯度分析是對一個動態系統進行動態量化比較，能較為真實全面地反映客觀系統[1]。應用灰色關聯度分析作物性狀間的關系，能較好地反映事物的本質，比傳統的相關分析更為恰當，分析的結果更接近實際[33]。按照灰色系統理論原理，將16個釀造高粱品種的產量及其他7個農藝性狀視為一個整體，構建一個灰色系統。每個性狀看作該系統的一個因素，根據因素數列的幾何形狀發展態勢的接近程度來衡量其因素間關聯度的大小。關聯度大，說明因素變化的勢態接近，其相互關系密切;反之，則說明其相互關系疏遠[34]。原始數據用DPS 15.0處理，進行灰色關聯度分析。

2?結果與分析

2.1?參試高粱不同品種性狀值

表2為原始數據，由于各個性狀值量綱不同，難以直觀表達性狀之間的關聯度，所以須要將原始數據做無量綱化處理。

2.2?無量綱化處理

為使各性狀具有同序性和等效性[1]，根據公式xi（kj）=[xi ′（kj）-xi]/si，對原始數據進行標準化處理，使各數據同一量綱。其中xi （kj）為數據標準化后的結果，xi′（kj）為表2中的原始數據，xi為同一性狀平均值，si為同一性狀標準差，具體結果見表3。

2.3?性狀指標絕對離差

計算參試品種主要性狀指標絕對離差得到表4[1]。依公式Δi（kj）=xi（kj）-x0（kj）（j=1，2，3，…，7;i=1，2，3，…，16）進行計算， 其中Δi（k）為第i個參試品種xi與目標品種x0在第k個性狀上的絕對差，所得結果列于表4。

2.4?參試品種主要性狀指標關聯矩陣

表4表明，二級最小差minmin |x0′（kj）-xi′（kj）| 為0.038 7，二級最大差maxmax |x0′（kj）-xi′（kj）| 為2.807 6，分辯系數取ρ=0.5，計算關聯系數，得到系數矩陣（ξ）表5。由表5可見，其他主要農藝性狀與產量（k8）的關聯度大小順序為穗粒質量（0.751 2）、單穗質量（0.732 0）、穗長（0.690 3）、生育期（0.671 7）、株高（0.655 1）、莖粗（0.631 2）、千粒質量（0.621 0）。

3?結論與討論

參試品種各性狀與產量的關聯系數依次為穗粒質量、單穗質量、穗長、生育期、株高、莖粗、千粒質量。在遼西地區，建議高粱新品種引進與篩選重點選擇單株生產能力較強且生育期較長的品種，兼顧其他性狀選擇。

氣候因素與高粱性狀相關密切[31]。本研究結果與張姼等在內蒙古赤峰地區的分析結果[32]比較，除了穗粒質量關聯度排序存在較大變化外，穗長、生育期、株高、莖粗、千粒質量排序幾乎是一樣的，可能是由于遼西地區與內蒙古赤峰地區接壤，氣候類型接近，故結果相似性較大;與柳青山等在長沙、重慶等地分析千粒質量關聯度排序為第一結果[1]差異較大，可能是由于南北方氣候類型相差懸殊，故關聯度排序存在較大差異。關于此點，希望同行專家繼續探討研究，今后在研究高粱產量與其他性狀關聯度分析時，前面應該加上地域的限制條件，也就是說，各地區氣候類型不同，高粱產量與其他性狀關聯度排序是不一樣的，如同作物品種的生育期一樣，在各地表現不同。

同樣，在玉米研究上，倪正斌等在江蘇鹽城進行的試驗中發現，玉米新品種的農藝性狀與產量的關聯度從大到小依次為千粒質量、出籽率、行粒數、軸粗、穗粗、穗位高、穗行數、株高、禿尖長、全生育期、穗長，其中千粒質量是影響玉米雜交種產量的主要因素，穗長對產量的影響較小[35]。而汪燕芬等在云南省中北部進行的試驗中發現，為玉米雜交種產量與產量構成因素的關聯度大小順序為穗粗、穗行數、單株有效穗數、株高、千粒質量、穗位高、空稈率、出籽率、穗長、行粒數、生育期[36]。在水稻方面也有類似結果[37-38]。由此可見，農作物品種的農藝性狀與產量的關聯度因地區不同而有差異。

參考文獻：

[1]柳青山，周福平，梁?篤，等. 糯高梁品種主要農藝性狀與產量的灰色關聯分析[J]. 中國農學通報，2008，24（7）：478-481.

[2]黃?峰，鄭天存，殷貴鴻，等. 冬小麥雜優組合主要農藝性狀的灰色關聯度分析[J]. 種子，2004，23（7）：65-66.

[3]李玉發，何中國，李淑芳，等. 東北地區春小麥主要性狀與產量間的灰色關聯分析[J]. 麥類作物學報，2005，25（1）：139-141.

[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]賴運平，李?俊，張澤全，等. 小麥苗期抗旱相關形態指標的灰色關聯度分析[J]. 麥類作物學報，2009，29（6）：1055-1059.

[6]周鳳云，余國東，李伯群，等. 雜交小麥產量和產量構成因素的灰色關聯度分析[J]. 南方農業，2007，1（3）：27-29.

[7]陳?慧，王冀川. 基于灰色關聯度及DTOPSIS法的南疆冬小麥品種的綜合評判[J]. 江蘇農業科學，2019，47（10）：102-108.

[8]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.

[9]白?偉，孫占祥，鄭家明，等. 基于灰色關聯度分析的遼寧阜新地區玉米品種評價[J]. 沈陽農業大學學報，2010，41（6）：649-653.

[10]衛勇強，趙保獻，雷曉兵，等. 灰色關聯度分析和DTOPSIS法綜合評價玉米新品種[J]. 江西農業學報，2009，21（6）：11-14.

[11]鄭躍進，王翠玲，鄭和平，等. 玉米區域試驗新品種的灰色關聯度綜合評判[J]. 河南科技大學學報（自然科學版），2009，30（4）：68-71.

[12]李春霞，蘇?俊，鐘占貴，等. 玉米雜交種的產量與相關因素的灰色關聯度分析[J]. 玉米科學，1996，4（1）：35-38.

[13]孫志超，荊紹凌，郭?昕，等. 吉林省中晚熟玉米雜交種產量與各性狀間灰色關聯度分析[J]. 吉林農業科學，2006，31（1）：25-26，40.

[14]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（03）：33-35.

[15]陳?暉，周佳民，黃?敏，等. 中秈遲熟水稻農藝性狀與產量的灰色關聯度分析[J]. 種子，2008，27（11）：105-107.

[16]何水元，陳順佳.試用灰色關聯度分析水稻品種主要性狀對產量的影響[J]. 廣東農業科學，1992（1）：4-6.

[17]衛?玲，樊云茜，肖俊紅，等. 應用灰色關聯度綜合評價大豆新品系[J]. 陜西農業科學，2005（3）：12-14.

[18]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.

[19]屈?洋，王可珍，劉?洋，等. 大豆產量與主要農藝性狀的灰色關聯度分析[J]. 陜西農業科學，2019，65（2）：39-41，67.

[20]劉許輝，孫玉勇，何雪丹，等. 大豆品種（系）在桂北地區適應性鑒定的產量與性狀灰色關聯度分析[J]. 現代農業科技，2017（10）：47-48，50.

[21]何志華，夏?燕，李清超，等. 大豆產量及主要農藝性狀的相關性及灰色關聯度分析[J]. 江蘇農業科學，2016，44（11）：99-102，103.

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

[23]欒素榮，王占廷，李青松.谷子產量與主要農藝性狀的灰色關聯度分析[J]. 河北農業科學，2010，14（11）：115-116，118.

[24]劉正理，程汝宏，張鳳蓮，等. 不同密度條件下3種類型谷子品種產量及其構成要素變化特征研究[J]. 中國生態農業學報，2007，15（5）：135-138.

[25]張?欣，王忠宇.灰色關聯度分析在高梁雜交種區域試驗中的應用[J]. 國外農學（雜糧作物），1996（4）：17-20.

[26]梁萬鵬，崔興莉，高?鈺，等. 飼用高粱新品種主要農藝性狀與產量灰色關聯度分析[J]. 畜牧獸醫雜志，2017，36（5）：39-42.

[27]高?進，施慶華，蔡立旺，等. 甜高粱新品種（系）主要農藝性狀與產量的灰色關聯度分析[J]. 福建農業學報，2018，33（6）：581-586.

[28]孔凡信，劉?志，肖繼兵.遼西地區適宜機械化生產釀造高粱品種綜合評價[J]. 農學學報，2019，9（6）：4-11.

[29]馮海生，李春喜.應用灰色關聯度綜合評價甜高粱的生產性能[J]. 草地學報，2013，21（3）：622-625.

[30]丁?品，張建軍，楊蘭廷，等. 灰色關聯度在甜高粱材料篩選中的應用[J]. 甘肅科學學報，2017，29（2）：35-39.

[31]高士杰，王?方.氣候因素與高粱主要性狀的相關分析[J]. 中國農業氣象，1991（2）：19-22.

[32]張?姼，隋虹杰，葛占宇，等. 高粱主要農藝性狀與產量的灰色關聯度分析[J]. 貴州農業科學，2016，44（5）：20-22.

[33]岳含云.灰色關聯度分析在作物性狀分析上的應用[J]. 農業系統科學與綜合研究，2000，16（4）：296-298，302.

[34]唐啟義，馮明光.實用統計分析及其DPS數據處理系統[M]. 北京：科學出版社，2002.

[35]倪正斌，孫扣忠，孫紅芹，等. 玉米雜交種產量與主要農藝性狀的灰色關聯度分析[J]. 金陵科技學院學報，2017，33（2）：65-69.

[36]汪燕芬，田俊明，詹各明，等. 云南省玉米雜交種產量和產量構成因素的灰色關聯度分析[J]. 西南農業學報，2008，21（4）：925-928.

[37]楊婷婷，崔金鳳，吳文革，等. 21個雜交水稻品種主要農藝性狀與產量的灰色關聯度分析[J]. 安徽科技學院學報，2015，29（3）：1-5.

[38]譚可菲. 黑龍江水稻主要農藝性狀與產量的灰色關聯度分析[J]. 北方水稻，2016，46（1）：19-21.