基于灰色關聯度法的不同紫花苜蓿品種氮、磷、鉀養分重吸收評價

高晗，李麗珠，郭歡歡，秦萌，王魯北，楊燕,王振南，呂慎金

(1.臨沂大學農林科學學院，山東 臨沂 276000；2.臨沂市園林環衛保障服務中心，山東 臨沂 276000；3.臨沂市農業科學院，山東 臨沂 276012)

養分重吸收(Nutrient resorption)為植物營養保留提供了重要的策略，其將衰老葉中營養元素重新利用在成熟葉或莖稈中，減少了植物的養分損失，提高了植物的養分利用，增加了植物對環境的適應能力[1-4]。養分重吸收效率(Resorption efficiency，RE)指養分從衰老葉轉移至成熟葉中的比例[1，5-6]。植物的養分重吸收效率因植物物種[7]、年齡[8]、環境因素(溫度、水分、土壤營養狀況等)[9-12]和人為因素(火燒、施肥等)[10-11]等不同而不同，但有關不同植物品種養分重吸收效率差異的研究報道較少，而研究某一植物不同品種間的養分重吸收對不同品種間的環境適應性有一定的理論與實踐意義。

品種選擇能夠直接影響植物的產量、品質，抵抗蟲害、病害等逆境的能力，延長壽命等[13]。學者主要通過評價作物的產量、質量及農藝性狀等篩選品種[14-15]。楊曌等[15]發現在湘西南地區不適宜種植紫花苜蓿(Medicagosativa)品種阿爾岡金，但伏兵哲等[16]發現阿爾岡金在銀川地區具有較高的產量。同一品種在不同地區呈現的差異性體現了植物的環境適應性，而植物的養分重吸收特征能夠較好地反映植物對環境適應能力[1-4]。因此，監測植物的養分重吸收效率，對于品種的選擇提供了新的參考方法，為篩選環境適應性強的品種提供了理論與實踐意義。

紫花苜蓿為多年生豆科牧草，具有品質優良、環境適應性強等優點[17-19]，但不同品種的環境的適應性表現各異[20]。因此，采用灰色關聯度分析法(Grey Correlative Degree Analysis，GRDA)[21]，對不同紫花苜蓿品種氮、磷和鉀養分重吸收效率進行綜合分析，從環境適應性角度篩選紫花苜蓿品種，為選擇適宜魯南地區建植的紫花苜蓿品種提供一定的理論依據與實踐參考。

1 材料和方法

1.1 研究地概況

在山東省臨沂市蘭山區亞姆巴奶山羊場(N 35°14′2.88″，E 118°18′18.15″)建植試驗田開展研究。該地年平均降水量800 mm，年平均氣溫13.3 ℃，年無霜期202 d。土壤有機碳含量5.2 g/kg，全氮含量0.46 g/kg，速效磷含量41 mg/kg，速效鉀含量0.45 g/kg。

1.2 試驗設計及樣品處理

選取南苜601、WL343、中原804、無棣、WL319、WL525HQ、標靶7個紫花苜蓿品種為試驗對象，紫花苜蓿種子由青島農業大學草地農牧業研究中心提供。試驗采用完全隨機設計，每個品種重復3次，小區為長方形，面積15 m2(5 m×3 m)，相鄰小區設置0.6 m間隔。播種前按照N 103.5 kg/hm2(尿素，含N 46%)、P2O5198 kg/hm2(重過磷酸鈣，含P2O544%)添加基肥，之后不再進行水肥添加。

所有紫花苜蓿品種于2016年4月20日播種，于越冬前最后一茬初花期(10月2日，第2茬)對15株紫花苜蓿成熟葉和衰老葉進行采集，每株苜蓿成熟葉和衰老葉各采集10片。采集標準：衰老葉是指葉片仍保留于苜蓿植株莖稈上，但在輕輕抖動苜蓿時會自然掉落下來的葉片；成熟葉是指苜蓿葉腋處顏色深綠且成熟的三出復葉[20]。采集樣品時，用米尺在田間進行植株株高測量。

1.3 指標測定

將樣品先置于105 ℃烘箱中殺青10 min，再置于70 ℃烘箱中烘干48 h至恒重。烘干樣品用植物粉碎機粉碎，過0.5 mm篩后進行全氮(N)、全磷(P)和全鉀(K)含量測定。

采用凱氏定氮法進行N含量測定；采用鉬銻抗比色法進行P含量測定；采用火焰光度計進行K含量測定[22]。

1.4 參數計算

重吸收效率(RE)計算方法為：

式中：Nugreen和Nusenesced分別代表成熟葉和衰老葉元素含量，N、P和K重吸收效率分別表示為NRE、PRE和KRE。

1.5 灰色關聯度分析

將7個苜蓿品種的NRE、PRE和KRE作為一個3指標灰色系統，此時不同紫花苜蓿品種即為灰色系統的一個因素。對7種紫花苜蓿的NRE、PRE和KRE應用灰色關聯度分析法進行綜合分析[21]。

以各指標的最理想值構建參考數列X0(k)={X0(1)，X0(2)，…，X0(n)}(k=1，2，…，n；n=3)，各指標的測定值則構成比較數列Xi(k)={Xi(1)，Xi(2)，…，Xi(n)}(i=1，2，3，…，m；m=7)。

用Xi＇(k)=Xi(k)/X0(k)將測定數據無量綱化，轉化為評價值。

求第i品種紫花苜蓿測定值Xi與最理想值X0在第k個指標上的絕對差值：△i(k)=|X0(k)-Xi(k)|。進而求得比較數列Xi與參考數列X0在第k個指標的關聯系數εi(k)：

εi(k)=

式中：minmin|X0(k)-Xi(k)|為二級最小差；maxmax|X0(k)-Xi(k)|為二級最大差；ρ為分辨系數，此處為0.5。

1.6 數據分析

數據均用Microsoft Excel 2016輸入、計算平均值及標準差等。用SPSS 17中One-Way ANOVA對紫花苜蓿品種間及N、P和K化學計量特征間進行單因素方差分析。用Microsoft Excel 2016進行灰色關聯度數據分析并制圖，誤差以標準差表示。

2 結果與分析

2.1 葉N、P和K元素含量

不同苜蓿品種成熟葉和衰老葉中N、P和K含量不同，7個品種成熟葉中N、P和K含量均顯著高于衰老葉中N、P和K含量(P<0.05)(圖1)。成熟葉中N含量以WL319最高(50.88 g/kg)，以WL343最低(41.78 g/kg)；衰老葉中N含量以無棣最高(30.06 g/kg)(圖1-A)。成熟葉中P含量在標靶(2.40 g/kg)中最高，在南苜601(1.62 g/kg)中最低；衰老葉中P含量品種間無顯著差異(P>0.05)(圖1-B)。成熟葉K含量以標靶(26.73 g/kg)最高，南苜(20.54 g/kg)其次，其他品種間無顯著差異(P>0.05)；衰老葉中K含量以WL343(9.72 g/kg)和中原804(9.79 g/kg)最高，顯著高于其他品種(P<0.05)(圖 1-C)。

圖1 不同品種紫花苜蓿葉中N、P和K含量

2.2 紫花苜蓿的NRE、PRE和KRE

紫花苜蓿NRE、PRE和KRE以品種無棣NRE最低，中原804 NRE最高(P<0.05)；PRE在苜蓿品種間差異不顯著(P>0.05)；KRE在標靶中最高，而在無棣中最低(P<0.05)。WL319呈KRE>NRE>PRE(P<0.05)；WL343的NRE顯著低于PRE(P<0.05)；標靶、南苜601和WL525HQ都呈KRE>PRE>NRE；無棣和中原804的NRE、PRE和KRE間差異不顯著(P>0.05)。7種紫花苜蓿的NRE、PRE和KRE平均值分別為42.72%、42.35%和52.13%，其變異系數分別為19.49%、12.01%和25.09%(表1)。

表1 紫花苜蓿NRE、PRE和KRE

2.3 灰色關聯度綜合分析

2.3.1 指標無量綱化處理及關聯系數計算 不同紫花苜蓿品種NRE、PRE和KRE進行無量綱化處理(表2)。NRE、PRE和KRE的關聯系數見表3。

表2 不同紫花苜蓿品種NRE、PRE和KRE無量綱化處理

表3 NRE、PRE和KRE的關聯系數

2.3.2 苜蓿NRE、PRE和KRE綜合分析 不同紫花苜蓿品種養分重吸收效率的灰色關聯度分析表明。7個紫花苜蓿品種的養分重吸收效率等權關聯度和加權關聯度排序一致，依次為標靶、中原804、南苜601、WL525HQ、WL319、WL343和無棣。7個紫花苜蓿品種的養分重吸收效率等權關聯度和加權關聯度的決定系數R2=0.997 7，達到極顯著水平(P<0.001)(圖2)。

圖2 加權關聯度與等權關聯度的相關性

2.4 紫花苜蓿株高

7個紫花苜蓿品種株高排序依次為：中原804、標靶、南苜601、WL319、WL525HQ、無棣、WL343，但排名前四位的紫花苜蓿品種間無顯著差異(P>0.05)(圖3-A)。株高與加權關聯度排序間存在顯著性關系(P<0.05)(圖3-B)。

表4 7個品種紫花苜蓿養分重吸收效率的灰色關聯度分析

圖3 紫花苜蓿株高(A)及與加權關聯度排序間的相關性(B)

3 討論

隨著植物的生長發育，不同品種紫花苜蓿葉片N、P和K含量呈現不同，這可能與植物自身吸收、利用環境資源能力和元素在體內的代謝有關，體現了不同品種紫花苜蓿自身的表達性和環境的適應性[23]。植物主要從兩個途徑獲取元素、保持體內元素含量：環境獲取和養分重吸收[24]。植物通過養分重吸收減少自身營養元素的損失，降低植物從外界吸收營養元素的量，從而提高自身的環境適應性[1-4]。本研究中，7個苜蓿品種的平均NRE(42.72%)、PRE(42.35%)和KRE(52.13%)均低于全球陸生植物均值NRE(62%)、PRE(65%)和KRE(70%)[25]，這可能是因研究的植物類型不同及區域尺度而產生差異。不僅如此，不同品種苜蓿的NRE、PRE和KRE三者間也表現高低不一，說明不同品種紫花苜蓿對環境提供N、P和K元素的依賴性不同，對N和K元素的依賴性變異性較強，而對P元素的依賴較平穩。

牧草品種選擇是人工草地成功建植的關鍵因素之一，能夠直接影響植物的產量、品質、抵抗病蟲害等逆境的能力[13]。前期的研究主要通過牧草產量、品質、抗病蟲性、農藝性狀等對品種進行篩選[14-15,26]，其都呈現了環境的適應性。植物的養分重吸收能夠較好地反映植物對環境的適應能力，本研究評價了不同品種苜蓿的養分重吸收效率：中原804對N元素的保持能力最強，對環境N元素的依賴性最弱；標靶和南苜601對K元素的保持能力最強，對環境K元素的依賴性最弱；不同品種的苜蓿對環境P元素的依賴性基本相似。

本研究中，苜蓿草地的NRE、PRE和KRE因品種表現不一，因此僅分析單一元素的養分重吸收效率，不易篩選出環境適應性最強的紫花苜蓿品種。灰色關聯度分析法克服了單一因素不能準確評價不同品種綜合養分重吸收效率的問題，能客觀的反映出養分重吸收效率最佳的苜蓿品種，避免了通過單一元素養分重吸收效率判斷某一品種苜蓿具有最佳的環境適應性的問題。目前，灰色關聯度分析方法已從苜蓿產量、品質、生長性狀等角度評價篩選最佳利用的苜蓿品種[15,27]。本研究采用灰色關聯度分析法綜合評價了不同品種苜蓿的養分重吸收效率，進而篩選具有最佳環境適應性的苜蓿品種，避免了因單一因素評價可能造成的偏差。對不同品種苜蓿養分重吸收效率的等權關聯度和加權關聯度排序分析，標靶具有最高的綜合養分重吸收效率，其對N、P和K元素的綜合保持能力最強，在7個紫花苜蓿品種中環境適應力最強。這與7個品種紫花苜蓿株高的變化基本一致，即苜蓿綜合養分重吸收效率與紫花苜蓿植株株高呈顯著正相關關系，促進了紫花苜蓿的生長。

4 結論

不同紫花苜蓿品種的NRE、PRE和KRE表現不一，利用灰色關聯度法綜合評價，在7個紫花苜蓿品種中，標靶對N、P和K的綜合養分重吸收效率最高。7個品種紫花苜蓿株高與綜合養分重吸收效率變化基本一致。因此，從耐瘠性及環境適應性角度選擇，在魯南地區較為適合種植的品種為標靶和中原804。