20個芝麻品種單株產量相關性狀的灰色關聯分析及其綜合評價

劉美茹，張仙美，張權，鄭磊，吳鶴敏，戴晉，李天奇，劉立峰

（漯河市農業科學院，河南 漯河 462000）

芝麻是我國重要的油料作物之一，種植面積逐年增加。我國芝麻種植廣泛，但分布極不平衡，以黃淮、江漢和長江中下游為主產區，其中河南、湖北和安徽種植面積最廣［1，2］，芝麻產量占全國的75%左右［3］。2003年，河南、安徽、湖北等芝麻產區受長期降雨影響而減產，其中河南駐馬店、漯河及安徽阜陽等大部分地區甚至絕收，導致當年我國芝麻產量大幅下降［1］。因此，選育綜合性狀良好的芝麻品種對我國芝麻產業發展具有重要意義。

灰色關聯分析是基于灰色系統理論的一種重要的統計分析方法，此方法的最大特點就是將雜亂無章數據的隨機過程看作是灰色過程，將整理的標準化數據看作是由眾多因素共同影響和作用的結果，最后用較少的數據較直觀、準確地反映問題［4，5］。目前該方法已廣泛應用于多種農作物產量性狀的關聯分析和品種的綜合評價以及區試多點、多品種結果分析等方面。楊志剛等［6］運用灰色關聯分析法對小麥區試結果進行分析及綜合評價，篩選出適宜本地種植的最佳小麥品種。蔡立夫等［7］用灰色關聯分析法對東北地區13個試點的14個品種進行綜合評價，得出單株產量也影響花生產量的結果。柳青山等［8］對全國區試的4個糯高粱品種進行綜合評價，得出灰色關聯度分析能夠充分表示各性狀對產量影響的大小。李愛國等［9］利用灰色系統理論對漯麥26的10個主要農藝性狀與產量進行灰色關聯分析，得出了小麥10個農藝性狀與產量之間的關聯度。郭建秋等［10］采用灰色關聯分析方法，就15個大豆品種的主要性狀對產量的影響程度進行綜合評價得出，灰色關聯分析能真實地反映大豆新品種的優劣表現，并能夠充分利用產量以及產量相關的其它多個性狀的全部信息，使參試品種排序更加客觀合理。鄭磊等［11］利用相關性和灰色關聯分析方法，對芝麻單株產量及其構成因素與相關性狀的關系進行研究認為，育種中要注重選育開花早、生育期長、果軸長、果節數多、單株蒴果多的品種。

綜上看出，灰色關聯分析可綜合多個性狀對品種進行定量評價，而非單靠產量性狀評價品種優劣，因此能夠更加全面、準確地評價品種的優劣［6］。目前用灰色關聯分析篩選適合某一地區最佳芝麻品種的研究較少，本研究采用該方法對多個芝麻品種進行綜合評價，以期篩選出適合河南地區種植的品種。

1 材料與方法

1.1 試驗材料

供試芝麻品種共20個（表1），其中皖芝11號、皖芝12號和皖芝5號來自安徽省農業科學院作物研究所；項芝秸葉黃來自周口市農業科學院；鄭太芝1號和鄭雜芝3號來自河南省農業科學院；中芝14號、中芝23號和中芝30號來自中國農業科學院油料作物研究所；周芝11號和周芝12號來自周口市農業科學院；駐芝21號來自駐馬店農業科學院，豫芝4號來自駐馬店地區農科所；漯12、漯芝15號、漯芝16號、漯芝18號、漯芝19號、漯芝21號和漯芝23號來自漯河市農業科學院。

1.2 試驗方法

試驗于2019年在漯河市農業科學院試驗基地進行。前茬作物為小麥。土壤類型為黏土，肥力中上等。隨機區組排列，重復3次。小區凈面積20 m2。條播，10行區，行長5 m，行距0.4 m，666.7m2種植密度為1.0萬株。每個重復間留有走道，試驗地周圍設保護區。

成熟后每個小區隨機選取10株進行田間考種，測定株高、始蒴高度、空梢尖長度和單株蒴果數。收獲后室內考種測定每蒴粒數、千粒重和單株產量。

1.3 單株產量及相關性狀的灰色關聯分析

按照灰色系統理論［12］，將20個芝麻品種作為一個灰色系統，設單株產量為參考數列X0，株高、始蒴高度、空梢長度、果軸長、單株蒴果數、每蒴粒數、千粒重分別為比較數列Xi，即（Xi＝X1，X2，…Xi，i＝7）。首先對原始數據進行無量綱化處理，即采用均值化生成法對原始序列進行無量綱化處理得到一個新數列，然后進行標準化處理，根據標準化處理結果計算出X0與Xi差的絕對值，計算公式如下：

式中，△i（k）表示絕對差值，X0（k）表示參考數列值，Xi（k）表示比較數列標準化結果。

進一步計算出單株產量與其它性狀的關聯系數，計算公式如下：

式中，ξi（k）表示關聯系數，△i（k）min和△i（k）max分別表示最小和最大差值，ρ表示分辨系數，取值0.5。

1.4 品種綜合評價的灰色關聯分析

研究品種優劣時，需根據供試品種的各項性狀指標，構建一個各性狀表現優良的理想品種作為參考品種［13，14］，參考品種標記為Y0。參考1.3中的方法，首先對原始數據進行標準化處理，計算供試品種與參考品種各性狀的△j（k），并得到△j（k）min和△j（k）max，參考公式（2）計算供試品種與參考品種的關聯系數，并計算同一品種各性狀關聯系數的平均值得到等權關聯度，再根據各性狀的權重系數計算加權關聯度。

1.5 數據分析

用Microsoft Excel 2007和SPSS 19.0軟件進行試驗數據處理和灰色關聯分析。

2 結果與分析

2.1 不同芝麻品種主要性狀表現

由表1可知，20個芝麻品種株高為163.6～176.5 cm，平均為170.38 cm。始蒴高度為40.2～56.9 cm，平均為50.81 cm。空梢長度為3.9～6.6 cm，平均為5.06 cm。果軸長為106.6～131.3 cm，平均為114.5 cm。單株蒴果數為80.8～105.6個，平均為94.01個。每蒴粒數為61.8～70.9個，平均為66.77個。千粒重為2.69～3.20 g，平均為2.97 g。單株產量為10.3～17.2 g，平均為14.27 g。

表1 不同芝麻品種主要性狀表現

2.2 不同芝麻品種主要性狀的相關分析

由表2可知，果軸長、單株蒴果數、千粒重、單株產量與株高、單株蒴果數與果軸長呈極顯著正相關（P＜0.01）；每蒴粒數與單株蒴果數顯著正相關；千粒重與單株蒴果數極顯著正相關，與果軸長、每蒴粒數顯著正相關（P＜0.05）；單株產量與果軸長、單株蒴果數、每蒴粒數、千粒重極顯著正相關。由此看出，單株蒴果數、每蒴粒數、千粒重與芝麻單株產量有直接關系，株高、果軸長對單株蒴果數有直接影響，從而間接影響單株產量。

表2 不同芝麻品種主要性狀間的相關系數

2.3 不同芝麻品種單株產量及其相關性狀的灰色關聯分析

對不同芝麻品種各性狀測定值進行無量綱化處理，結果見表3。對表3數據進行標準化，結果見表4。根據表4數據計算每個性狀的絕對差值，結果見表5。根據表5結果可知，△i（k）min為0.0005，△i（k）max為0.9153，進一步計算得出各性狀與單株產量的關聯系數，見表6。根據灰色關聯度分析原理，關聯度可代表系統中各性狀的重要性，其中關聯度越大，則表示該性狀的重要性越高，同時可表示與參考數列的關系越密切，反之關系則越遠［15］。由表6可知，各性狀與單株產量的關聯系數排序為：單株蒴果數、果軸長、千粒重、每蒴粒數、株高、始蒴高度和空梢長度。由此可知，單株蒴果數與芝麻單株產量關聯度最大，其次是果軸長和千粒重。

表3 不同芝麻品種產量及其構成因素數據無量綱化處理

表4 不同芝麻品種單株產量及其構成因素灰色關聯分析的標準化結果

表5 不同芝麻品種單株產量及其構成因素灰色關聯分析的△i（k）

表6 不同芝麻品種單株產量與其相關性狀的關聯系數

2.4 不同芝麻品種綜合評價

參照楊志剛［6］和闞躍峰［14］等的方法選取參考品種即理想品種各性狀的平均表型值，然后對20個芝麻品種各性狀測定值進行標準化處理并計算△j（k），見表7，可知，△j（k）min為0，△j（k）max為0.6923，進而得到不同芝麻品種與參考品種的關聯系數，見表8。

表7 基于灰色關聯分析的不同芝麻品種綜合評價的△j（k）

表8 不同芝麻品種與參考品種的關聯系數

據表8中關聯系數進一步計算可得到不同芝麻品種與理想品種的等權關聯度，等權關聯度越高，越接近理想品種，其綜合評價越高。由表9可知，鄭雜芝3號綜合評價最接近理想品種，等權關聯度為0.8789；其次是皖芝5號，等權關聯度為0.8334；第3位是漯芝16號，等權關聯度為0.8091。

實際生產中，各性狀指標的重要性不同，因此要結合實際對不同性狀指標賦予不同的權重系數，進而計算加權關聯度。由表9可知，皖芝5號綜合評價最接近理想品種，加權關聯度最大，為0.9118；其次是鄭雜芝3號，加權關聯度為0.8711；第3位是項芝秸葉黃，加權關聯度為0.8415。

表9 不同芝麻品種與參考品種的關聯度及排序

對等權關聯度和加權關聯度進行比較看出，二者最終結果相差不大，等權關聯度前5位分別為鄭雜芝3號、皖芝5號、漯芝16號、項芝秸葉黃和皖芝11號，加權關聯度前5位為皖芝5號、鄭雜芝3號、項芝秸葉黃、漯芝16號和駐芝21號。加權處理后，由于產量方面優勢更加突出，因此產量較高的皖芝5號、項芝秸葉黃和駐芝21號位次提前，這一結果與孫建等［16］的研究結果相一致。

3 討論與結論

本研究就20個芝麻品種相關農藝性狀對單株產量的影響進行灰色關聯分析發現，單株蒴果數、果軸長、千粒重、每蒴粒數、株高對產量影響較大，并且與單株產量呈極顯著正相關，單株產量與其相關性狀的關聯系數依次是單株蒴果數＞果軸長＞千粒重＞每蒴粒數＞株高＞始蒴高度＞空梢長度。因此，實際育種中應把單株蒴果數、果軸長、千粒重、每蒴粒數等性狀作為重要性狀進行選擇。本研究采用灰色關聯分析法對20個芝麻品種進行綜合評價得出，皖芝5號、鄭雜芝3號、漯芝16號和項芝秸葉黃綜合評價較好，更適宜河南地區芝麻大規模種植。

灰色關聯分析法已經應用在農業科研的多個領域［17－19］，是一個以發展變化系統進行發展動態量化比較的分析方法，不同時間、地點、品種及氣候條件均能影響產量性狀，因此育種中應用該方法時應對不同環境、不同品種做具體分析，才能選育出適宜當地種植的優良品種。