灰色關聯度分析法在小麥品種（系）篩選試驗中的應用

張慧敏 常鴻杰 王二偉 耿若飛 王春英 賈真真

摘要 [目的]科學合理地篩選出適宜當地種植的品種（系）。[方法]利用2019—2020年度國家種質資源觀測數據，對10個品種（系）的8個性狀進行灰色關聯度分析。[結果]加權關聯系數最高的3個品種依次為平麥189、秋樂2122和平麥998，這3個品種的綜合性狀最優，與田間表現一致。[結論]灰色關聯分析法可以有效地應用于小麥品種（系）的篩選，平麥189、秋樂2122和平麥998適宜在平頂山地區種植。

關鍵詞 小麥;灰色關聯度分析;綜合性狀

中圖分類號 S 512.1? 文獻標識碼 A

文章編號 0517-6611（2021）21-0036-03

doi：10.3969/j.issn.0517-6611.2021.21.009

開放科學（資源服務）標識碼（OSID）：

Application of Gray Relational Degree Analysis in Wheat Varieties（Lines） Screening

ZHANG Hui-min，CHANG Hong-jie，WANG Er-wei et al

（Pingdingshan Academy of Agricultural Sciences，Pingdingshan，Henan 467000）

Abstract [Objective ]To scientifically and rationally screen out the varieties （lines） suitable for local planting. [Method] Using the data of national germplasm resources in 2019-2020， eight characters of ten cultivars （lines） were analyzed by grey correlation degree. [Result]Three varieties with the highest correlation coefficient were in the order of Pingmai 189， Qiule 2122 and Pingmai 998， the three varieties had the best comprehensive traits and were consistent with the field performance. [Conclusion]Grey correlation analysis could be used effectively in wheat varieties （lines） screening ，Pingmai 189， Qiule 2122 and Pingmai 998 were suitable for Pingdingshan area.

Key words Wheat;Gray relational degree analysis;Comprehensive characters

基金項目 農業基礎性長期性科技工作國家作物種質資源數據中心觀測監測任務項目（ZX01S1714）。

作者簡介 張慧敏（1990—），女，河南上蔡人，研究實習員，碩士，從事小麥、大豆遺傳育種及分子生物學研究。* 通信作者，副研究員，碩士，從事小麥、大豆育種及栽培工作。

收稿日期 2021-04-17;修回日期 2021-05-27

小麥（Triticum aestivum L.）是我國播種面積僅次于玉米和水稻的第三大糧食作物，其產量和品質對我國糧食安全有重大意義，每年新出現的小麥品種（系）數量也在不斷增加，如何快速、高效、全面、客觀地篩選出適宜當地種植的品種（系）至關重要。灰色關聯度分析法克服了單一因素評價小麥品種（系）優劣的局限性，可以對多個性狀進行綜合評估和量化評估，并且具有樣本數量少、操作簡單、結果可靠性高等優點，在品種評價和引種篩選過程中具有較高的應用價值[1-3]。鑒于此，筆者對10個小麥品種（系）的8個性狀進行了關聯分析，旨在為篩選出適宜平頂山地區種植的優良品種（系）提供理論參考。

1 材料與方法

1.1 試驗材料 試驗于2019—2020年在平頂山市農業科學院農業研究中心進行，參試材料有10個，分別為中育1326、百農12-116、秋樂2122、周麥18、平麥189、平麥998、平麥02-16、祥瑞339、瑞華1426和西農165。

1.2 試驗設計

試驗田為砂壤土，肥力中等，前茬為玉米，田間試驗采用小區種植模式，隨機區組排列，3組重復。小區面積3.6 m 行距30 cm等行距播種，每小區6行，行長2 m，田間管理同常規田間試驗。

1.3 性狀調查 試驗選取株高、最高分蘗數、有效穗、全生育期、穗長、穗粒質量、千粒質量、產量8個主要性狀作為指標對參試品種進行綜合評價分析，調查標準根據“國家農作物種質資源平臺”“國家作物科學數據中心”發布的“小麥種質資源數據質量控制規范”進行調查記載。

1.4 數據分析與統計

數據采用Excel 2016進行統計分析。

2 結果與分析

2.1 確定“參考品種”

“參考品種”是根據當年生產的實際情況而確定的，是各項性狀的理想值，這些指標構成參考序列X0，參試品種的各項指標構成被比較序列Xi（i=? 3…8），計算參試品種和“參考品種”之間的關聯度，關聯度越高，品種綜合性狀越接近理想值，是較理想的品種（系），反之亦然。原始數據如表1所示。

2.2 無量綱化處理

由于各性狀量綱不一致，需對原始數據進行無量綱化處理，使數據具有可比較性。以“參考品種”作為參考數列X0（k），參試品種為參試數列，記為Xi（k），i為參試品種，共10個，k為某個性狀，共8個。該研究利用參試品種（系）數列Xi（k）分別除以參考品種數列X0（k），株高的設定是一個范圍（75～80 cm），是根據近年來育種目標確定的，在此范圍內的均記為 低于設定最小值（75），計算為75/Xi（k），高于設定最大值（80）計算為Xi（k）/80，無量綱化結果如表2所示，參考品種的無量綱化值全部為1。

2.3 灰色關聯系數的計算

將各性狀數列進行無量綱化處理后，先求出參試品種（系）xi（k）與參考品種數列x0（k）的差異絕對值△i（k），△i（k）=∣Xi（k）- X0（k）∣，結果見表3。由表3可知，整個系統的2級最小差值min△i（k）=0，2級最大差值max△i（k）=0.413 2。 根據公式：ξi（k）=min△i（k）+ρmax△i（k）△i（k）+ρmax△i（k）計算關聯系數，其中ρ為分辨系數，該研究中ρ為0.5，灰色關聯系數結果如表4所示。

2.4 關聯度的計算

等權關聯度ri=1nξi（k）（n=10），由于育種目標不同，各性狀在育種過程中的所占比重不同，引入加權關聯度的概念，加權關聯度r′i=wk×ξi（k） ，wk為不同性狀的權重值，權重值根據當地育種需求的實際情況確定（權重值總和為1）。在該研究中各性狀的權重值分配如下：株高0.06，最高分蘗數0.06，有效穗0.1 全生育期0.06，穗長0.06，穗粒重0. 千粒重0.1 產量0.42（表4）。等權關聯度及排序、加權關聯度及排序結果如表5所示。

灰色關聯分析法認為參試品種（系）與參考品種關聯系數越大，其性狀指標就越接近理想值，更符合試驗生產預期[4]。由表5可知，無論等權關聯度還是加權關聯度，關聯系數最高的前3位品種（系）相同，分別為秋樂2122、平麥998、平麥189;在實際生產實踐中這3個品種也具有較好的綜合表現。應用灰色關聯分析法得出的結論與大田生產實際相符合，說明灰色關聯分析法在小麥品種（系）篩選試驗中具有較大應用價值，能盡快篩選出適宜當地種植的品種（系），但受到氣候、土壤等多種因素的影響，僅依靠1年的數據可能具有一定的局限性。

3 結論與討論

灰色關聯分析法對小麥新品種（ 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[5]。以前對小麥品種的評價多采用單一因素，特別是產量作為唯一的評價標準，這具有非常嚴重的片面性[6]，隨著農業產業結構的不斷調整，育種者開始更多的將抗病性、抗逆性等品質性狀作為綜合評價的重要組成部分，但如何將這些性狀綜合到一起一直是一個難題。灰色關聯分析法克服了這一難題，實現了各品質指標的量化處理，將這些不同性狀統一起來[7-8]。灰色關聯度分析法已經在花生、大豆、綠豆、草莓、牡丹等多種作物中證實了它在品種（系）引種、篩選方面的可行性和利用價值[9-13]。該試驗利用灰色關聯分析法對10個品種8個性狀進行了關聯性分析，結果表明關聯性最高的前3位品種（系）為平麥189、秋樂2122和平麥189，綜合表現較優，與它們在實際生產試驗中的表現相一致，這進一步證實了灰色關聯分析法在小麥品種（系）篩選過程中的應用價值。

灰色關聯分析法的基礎是理想品種的構建，應注重參考品種構建的合理性，這需要育種者準確把握育種目標，并將盡可能多的目標性狀綜合，賦予其合理的權重系數，這樣才能更全面客觀地對一個品種（系）的優劣性進行評價[14-15]。該研究共對8個目標性狀進行了關聯分析，忽視了品種耐旱性、抗病性、籽率品質等性狀，將在以后試驗中擴大調查范圍，對品種（系）做出更加客觀公正的評價。在該試驗中，等權關聯度與加權關聯度結果不盡相同，說明育種家對育種目標的把控不同，各個性狀的權重系數不同，會對結果產生一定的影響，如何分配權重系數，與品種審定標準需要相一致，同時各育種者可以根據實際需求對權重系數進行合理的調整，在以后的研究中應綜合考慮更多的性狀，同時對權重系數的合理分配進行探究。

參考文獻

[1]

丁明亮，趙紅，浦秋紅，等.應用灰色關聯度分析法對遠緣雜交選育的小麥新品系評價[J].西南農業學報，2018，31（2）：217-222.

[2] 楊志剛，田杰英，賽都拉.灰色關聯度分析法在小麥區域試驗中的應用[J].安徽農業科學，2013，41（34）：13153-13155.

[3] 王俊花，邵林生，閆建賓，等.甜玉米主要農藝性狀與產量和食用品質的灰色關聯度分析[J].河北農業科學，2016，20（5）：78-81.

[4] 牛海龍，劉紅欣，李偉堂，等.灰色關聯度分析法在花生品種綜合評價上的應用[J].東北農業科學，2017，42（5）：20-24.

[5] 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.

[6] 張凡，薛鑫，劉國濤，等.基于灰色關聯度分析法和聚類分析法篩選小麥高產優質新品種（系）的研究[J].中國農學通報，2020，36（27）：6-13.

[7] 王彬龍，魏艷麗，李瑞國，等.灰色關聯度分析法在陜西省旱地小麥區域試驗中的應用初探[J].陜西農業科學，2020，66（12）：25-27.

[8] 付亮，范永勝，李洋，等.黃淮麥區小麥新品種（系）灰色關聯度分析[J].安徽農業科學，2019，47（2）：23-25，56.

[9] 苗昊翠，李利民，張金波，等.基于灰色關聯度分析評價新疆引種花生花育系列品種[J].新疆農業科學，2013，50（1）：22-26.

[10] 汪嬡嬡，鄧軍波，楊芳，等.黃淮海大豆新品種（系）在江漢平原的引種表現[J].湖北農業科學，2019，58（24）：43-48.

[11] 陳燕華，李經成，李榮丹，等.基于灰色關聯度分析法綜合評價24個綠豆新品種（系）在桂南地區的田間性狀表現[J].南方農業學報，2020，51（11）：2644-2652.

[12] 楊雷，李莉，董輝，等.應用灰色關聯分析法篩選優良草莓新品種（系）[J].江西農業學報，2018，30（12）：47-50.

[13] 劉紅凡，王曉暉，邵安領，等.灰色關聯度分析法在切花牡丹品種篩選中的應用[J].江西農業學報，2017，29（6）：49-53.

[14] 鄒軍，章潔瓊，龍英，等.20個鮮食玉米品種產量與主要性狀的灰色關聯度分析[J].種子，2019，38（11）：138-142.

[15] 李曉花.灰色關聯度分析在“早秋麥”品種篩選試驗中的應用[J].云南農業科技，2017（3）：18-21.