基于多種分析方法的花生農藝性狀綜合評價

鄧陳威,雷亞柯,展世杰,張建航,馬振威,楊亞洲,王偉杰,賈朝陽

基于多種分析方法的花生農藝性狀綜合評價

鄧陳威,雷亞柯,展世杰,張建航,馬振威,楊亞洲,王偉杰,賈朝陽*

周口市農業科學院, 河南 周口 466001

分析花生主要農藝性狀與產量的內在聯系，為選育高產花生品種提供理論依據。本研究以2017年河南省花生聯合體區試為試驗數據，進行關聯度分析、通徑分析、主成分分析和TOPSIS綜合評價。結果表明，單株果重的變異系數最大為18.14%，生育期的變異系數最小為0.22%。產量與飽果率呈極顯著正相關，與單株果重、百果重呈顯著正相關，但與主莖高、側枝長、結果枝數和生育期呈負相關。關聯度分析表明，飽果率、單株果重、生育期和百果重是影響產量的主要因素；通徑分析表明，單株果重是影響產量的關鍵性狀；主成分分析發現，將11個農藝性狀綜合成產量、株型和熟性3個主成分因子，可解釋花生農藝性狀原始數據信息量的81.1885%；TOPSIS分析表明，商花21號和商花23號與綜合向量距離最大。綜上，在選育高產花生品種時，應重點提高單株果重、飽果率和百果重，適當降低株高、總分枝數和結果枝數。

花生; 農藝性狀; 綜合評價

花生（L.）作為我國油、食兼用的高脂肪高蛋白作物，其總產的一半用于榨油，是我國重要的食用油來源[1]。2020年全國花生種植面積473.08萬hm2，占世界花生面積的17%以上，單產3 803.28 kg/hm2，是世界花生單產的2.3倍；總產1 799.27萬t，占油料作物總產的比例超過一半[2]。但花生生產依然不能滿足市場需求，食用油自給率僅30%，因此選育花生高產品種仍將是我國花生育種工作的首要任務。

花生產量是受多種農藝性狀影響的數量性狀，且性狀之間存在相互作用，通過灰色關聯度及通徑分析可以有效闡釋農藝性狀對作物產量構成因素的影響[3,4]。已有研究表明，單株果重、飽果率、出仁率、生育期、百果重、百仁重與花生產量關系密切，是影響產量的主導因素，其影響程度存在主次關系[4,5]。主成分分析是一種采取降維的方法，將多個變量指標簡化為幾個相互獨立的綜合因子，使其盡可能地反映原來變量的信息量，常用來綜合評價花生品種間數量性狀關系[6]。TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是衡量多個評價對象與最優方案的接近程度的一種決策分析方法，被廣泛應用于農業工程技術與經濟研究等領域，較少應用于花生品種綜合評價[7,8]。但是，前人研究各農藝性狀與產量間關系方法較單一[9,10]。因此，有必要通過多種方法對數據進行綜合分析以達到全面、準確地研判。本研究綜合利用灰色關聯度、通徑分析、主成分分析和TOPSIS等方法對13個參試花生品種（系）的農藝性狀與產量的關系進行研究，旨在解決在花生農藝性狀評價中方法簡單的問題，以期更全面地剖析各農藝性狀對產量影響的內在聯系及主次關系，明確花生高產育種主攻方向，為精準高產育種和良種推廣提供可靠理論依據。

1 材料和方法

1.1 試驗材料與設計

試驗材料和數據均來自2017年河南省花生聯合體麥套區域試驗。參試品種（系）共13個，分別為周花5號、豫花82、鄭農花18、洛花1號、濮學花0815、商花21號、商花22號、商花23號、豫花81號、開農79、開農86、開農88和豫花9326（CK）。試驗設計采取隨機區組排列，3次重復，小區面積13.34 m2，種植密度15萬穴/hm2，2粒/穴。試驗田間管理與當地大田生產水平一致。

1.2 指標測定

農藝性狀參照姜慧芳等[11]測定，包括主莖高1、側枝長2、總分枝數3、結果枝數4、百果重5、百仁重6、出仁率7、飽果率8、單株果重9、生育期10和莢果產量。

1.3 數據分析

利用Microsoft Excel整理數據，應用DPS15.1軟件[12,13]進行灰色關聯度、通徑分析和TOPSIS綜合評價，通過SPSS軟件作主成分分析，同時篩選出綜合性狀優良的品種（系）。

2 結果與分析

2.1 花生品種間農藝性狀的變異性分析

由表1可知，各農藝性狀變異范圍在0.22%～18.14%。其中，單株果重的變異系數最大為18.14%，說明品種間單株果重變異明顯；其次為總分枝數>結果枝數>主莖高>側枝長>百果重>莢果產量>百仁重>飽果率>出仁率，生育期的變異系數最小為0.22%，說明其在品種間的差異較小。以上結果表明，13個參試品種的農藝性狀差異明顯，遺傳變異豐富，單株果重的增產潛力最大，可通過配套良種良法提高單株果重，出仁率、生育期在品種間無明顯差異，通過常規育種手段改良較困難。

表 1 參試品種的主要農藝性狀變異性分析

2.2 花生品種間主要農藝性狀的相關性分析

由表2可知，飽果率與產量呈極顯著正相關；單株果重、百果重與產量呈顯著正相關；總分枝數、百仁重、出仁率與產量呈正相關，而主莖高、側枝長、結果枝數、生育期與產量呈負相關。各農藝性狀間也存在一定的相關性，主莖高與側枝長，結果枝數、生育期與總分枝數，百仁重、飽果率與百果重均呈極顯著正相關；總分枝數、結果枝數、飽果率與單株果重，百仁重與飽果率均呈顯著正相關；而結果枝數、單株果重與生育期分別呈極顯著和顯著負相關。

表 2 參試品種各農藝性狀與莢果產量的相關性分析

注：*、**分別表示在0.05和0.01水平上顯著，極顯著。

Note :*、** indicate significant and extremely significant at 0.05 and 0.01 level, respectively.

2.3 不同花生品種產量與其它農藝性狀間的灰色關聯度分析

由表3可知，各農藝性狀對花生產量的重要性依次為飽果率>單株果重>生育期>百果重>出仁率>百仁重>總分枝數>側枝長>結果枝數>主莖高，表明飽果率、單株果重、生育期、百果重與產量的關聯度較大，是影響花生產量的主導因素，而側枝長、結果枝數、主莖高與產量的關聯度較小，是影響花生產量的次要因素。

表 3 參試品種各農藝性狀與產量之間的關聯度及次序

2.4 不同花生品種產量與主要農藝性狀間的通徑分析

通徑分析將相關系數分解為直接通徑系數（直接效應）和間接通徑系數（間接效應），以揭示各性狀指標對產量的相對重要性。由表4可知，入選性狀指標對產量的直接通徑系數大小依次為單株果重9>總分枝數3>生育期10>結果枝數4。單株果重對產量起的直接效應最大為1.1349，其通過結果枝數、生育期對產量產生負向間接效應，但是總的直接效應大于間接效應，表明單株果重對產量的影響最大且與產量呈顯著正相關。結果枝數對產量產生的負向直接效應削弱了其通過總分枝數、生育期對產量產生的正向間接效應，最終與產量呈負相關。生育期通過總分枝數、單株果重對產量產生的負向間接效應大于正向直接效應，最終與產量呈負相關。

決策系數的大小可以衡量性狀指標對產量產生的綜合作用。總分枝數3、結果枝數4、生育期10的決策系數為負值，表明其對產量的綜合作用為反向，應適當限制；單株果重的決策系數為正值，對產量的綜合作用為正向，為主要決策變量。因此，在選育高產花生品種時應提高單株果重，適當限制總分枝數、結果枝數和生育期。

表 4 參試品種主要入選性狀與產量的通徑分析

注：決定系數=0.79204；剩余通徑系數=0.45602。

Note: the determination coefficient is 0.79204; residual path coefficient is 0.45602.

2.5 花生品種間農藝性狀的主成分分析

對11個花生農藝性狀的主成分分析（表5）表明，前3個主成分方差累計貢獻率達81.188 5%且特征值均大于1，說明前3個主成分能夠代表11個農藝性狀原始數據81.188 5%的信息量，可以用前3個主成分進行花生農藝性狀的評價。第一主成分中單株果重的特征向量值最大，其次是百果重，說明單株果重對第一主成分影響最大，其貢獻率為42.823 5%，因與產量形成有關，稱為產量因子。決定第二主成分的主要是側枝長，其次是主莖高，其貢獻率為21.182 4%，因與花生生長勢和株型有關，稱為株型因子，提高側枝和主莖長度能夠降低總分枝數、結果枝數和單株果重。決定第3主成分的主要是生育期，其貢獻率為17.182 6%，因與花生熟性相關，稱為熟性因子，延長生育期可以提高莢果產量和出仁率。

由表6數據可知，開農79的單株果重得分最高，豫花82號的單株果重得分最低；豫花81號的側枝長和主莖高得分最高，開農86的側枝長和主莖高得分最低；商花21號的生育期得分最高，豫花82號的生育期得分最低。從綜合農藝性狀上看，綜合主成分得分越高，綜合農藝性狀表現就越好。開農79、豫花81號和商花21號的綜合主成分得分居前3名，說明這3個品種綜合農藝性狀表現最好；開農86、周花5號和豫花82號的綜合主成分得分居最后3名，說明這3個品種綜合農藝性狀表現最差。

表 5 不同花生品種農藝性狀的主成分分析

表 6 花生主成分得分及排名

2.6 花生品種間農藝性狀的TOPSIS分析

對11個花生農藝性狀進行topsis分析（表7），結果表明總分枝數、結果枝數、生育期和百果重權重指標較大，其次為百仁重、莢果產量和主莖高，最低為出仁率。與最優向量（D）距離較近的有周花5號、洛花1號、豫花81號；與最劣向量（D）距離較近的有商花21號；與綜合向量（C）距離較大的有商花21號，商花23號、濮學花0815和開農79，即此4個品種綜合性狀表現較好。

表 7 不同花生品種農藝性狀的TOPSIS綜合評價

注：D表示最優向量距離；D表示最劣向量距離；C表示綜合向量距離。

Note:Drepresents optimal vector distance;Drepresents worst vector distance.;Crepresents integrated vector distance.

3 討 論

3.1 花生品種間農藝性狀的差異

在農業統計分析中，變異系數是一個衡量樣本數據離散程度的重要統計指標，變異系數越大則穩定性越差[14]。郭峰等[15]研究表明，利用變異系數評價花生各品質性狀的遺傳穩定性，各品質指標變異系數越大對環境變化越敏感。梁森苗等[16]研究發現，變異系數大，遺傳變異越豐富，越有利于優良品種的選育。本研究結果發現，單株果重的變異系數最大，表明其易受環境影響，可通過優化栽培措施提高產量，生育期在品種間差異不明顯，這與郭敏杰等[17]研究結果一致。

花生產量與各主要農藝性狀關系密切。苗建利等[18]研究發現，飽果數、百果重、百仁重與莢果產量呈正相關。王慧敏等[19]研究表明，百果重、百仁重與莢果產量呈極顯著正相關，與單株分枝數呈顯著相關。本研究表明，莢果產量與飽果率呈極顯著相關，與單株果重、百果重呈顯著相關，與主莖高、結果枝數呈負相關，與上述苗建利、王慧敏等研究結果略有差異，可能因品種不同和環境差異所致。

3.2 花生品種間農藝性狀的綜合評價

灰色關聯度分析可以定量描述和比較一個系統的動態變化趨勢，根據比較數列關聯度大，則與參考數列關系密切，否則關系疏遠的灰色關聯度分析原理[20]，在本研究中飽果率、單株果重、生育期和百果重與產量的關聯度較大，是影響產量的主導因素，間接驗證了相關性分析結果，與李新娜等[21]、王芳等[22]研究結果一致。相關性和灰色關聯度分析只能突出各主要性狀對產量的相對重要程度，但是無法顯示貢獻作用方向，而通徑分析能夠闡釋各農藝性狀是如何通過自身直接或通過其他性狀間接影響產量[23]。通徑分析結果表明，單株果重對莢果產量的正向直接效應最大且相關性達到顯著水平，是主要決策變量；總分枝數和生育期對產量產生正向直接效應，但是總分枝數與產量的相關系數和關聯度均較小且對產量的綜合作用為反向，生育期對產量產生的間接效應及綜合作用均為反向，兩者不宜作為影響產量的主導因素。灰色關聯度及通徑分析結果一致表明，單株果重對產量的直接效應和綜合作用最大，是影響產量的關鍵性狀，其次是飽果率和百果重，這與已有研究結果趨同[24-26]。

主成分分析在大豆[27]、小麥[28]和谷子[29]等作物綜合性狀評價中已得到廣泛應用。本研究利用主成分分析法提取出產量、株型和熟性3個主成分因子，能夠代表11個性狀指標81.1885%原始信息量，這與牟書靚等[30]研究結果基本一致。從產量上看，第一主成分值越大，單株果重、百果重、百仁重和飽果率越大，主莖越低。從株型上看，第二主成分值越大，側枝和主莖越長，結果枝數、總分枝數和單株果重越低。綜合第一、二主成分，可知單株果重和主莖高有很大的負相關性，進一步驗證了相關性分析結果。從熟性上看，第三主成分值越大，生育期延長，莢果產量增加。根據貢獻率由大到小排序依次為產量，株型和熟性且三者性狀間既相互促進，又互相制約，因此在花生高產育種中應根據主成分的排序，協調此三者主成分之間的關系，選育出綜合性狀優良的花生新品種。在主成分綜合評價排名中位于前四名的品種有開農79、豫花81號、商花21號和濮學花0815，Topsis綜合評價中商花21號，商花23號、濮學花0815和開農79的綜合性狀表現較好。由此可看出，僅利用主成分或Topsis分析其中的一種得出的結論具有片面性，兩者綜合分析，著重突出單株果重對產量的影響，其中商花21號、商花23號、開農79單株果重分別位居第1、3、4位，加之綜合性狀優良可將其給予推廣利用。本研究中關聯度分析、通徑分析、主成分分析和Topsis評價四種分析方法相互印證，將其分析結果綜合考慮可使結論更加全面、可靠，然而同時利用此四種分析方法在其他研究中尚未報導。

4 結 論

本研究綜合利用灰色關聯度分析，通徑分析，主成分分析和topsis評價等方法對13個花生品種產量與農藝性狀間的關系進行分析，結果表明，產量與飽果率呈極顯著正相關，與單株果重、百果重呈顯著正相關，但與主莖高、側枝長、結果枝數和生育期呈負相關。飽果率、單株果重、生育期和百果重是影響產量的主導因素。11個農藝性狀分別隸屬于3個主成分，代表全部信息的81.188 5%信息量。商花21號，商花23號和開農79綜合性狀優良應給與重點推廣利用。因此，在以花生高產為育種目標時，應考慮主成分的互補以及重點提高單株果重、飽果率和百果重，適當降低株高、總分枝數和結果枝數。

[1] 廖伯壽.我國花生生產發展現狀與潛力分析[J].中國油料作物學報,2020,42(2):161-166

[2] 國家統計局.中國統計年鑒[M].北京:中國統計出版社,2021

[3] 王漢霞,馬巧云,田立平,等.小麥新品種京花12號產量構成因素的相關分析與通徑分析[J].種子,2020,39(5):124-126

[4] 邢曉寧,王芳,王艷,等.花生產量與主要農藝性狀的灰色關聯度分析[J].中國種業,2019(2):62-64

[5] 王允,張幸果,李賀敏,等.花生主要農藝性狀和產量性狀的相關性與灰色關聯度分析[J].河南農業大學學報,2014,48(6):680-683,705

[6] 殷冬梅,張幸果,王允,等.花生主要品質性狀的主成分分析與綜合評價[J].植物遺傳資源學報,2011,12(4):507-512,518

[7] 李燦,張鳳榮,朱泰峰,等.基于熵權TOPSIS模型的土地利用績效評價及關聯分析[J].農業工程學報,2013,29(5):217-227

[8] 劉云菲,李紅梅,馬宏陽.中國農墾農業現代化水平評價研究——基于熵值法與TOPSIS方法[J].農業經濟問題,2021(2):107-116

[9] 王海莉,魏萌涵,李建華,等.河南省花生產量與主要性狀之間的灰色關聯度分析[J].農業科技通訊,2017(5):163-166

[10] 朱亞娟,王曉林,甄志高,等.花生品種駐花2號主要農藝性狀與產量的灰色關聯度分析[J].農業科技通訊,2015(7):99-103

[11] 姜慧芳,段乃雄.花生種質資源描述規范和數據標準3-9[M].北京:中國農業出版社,2006:28-40

[12] 唐啟義,唐睿.DPS數據處理系統.第2冊現代統計及數據挖掘[M].北京:科學出版社,2016:1413-1422

[13] 唐啟義.DPS數據處理系統.第3冊,專業統計及其他[M].北京:科學出版社,2016:533-539

[14] 王文森.變異系數——一個衡量離散程度簡單而有用的統計指標[J].中國統計,2007(6):41-42

[15] 郭峰,阮建,王瑩瑩,等.利用變異系數分析花生品質性狀應對環境變化的遺傳穩定性研究[J].山東農業科學,2017,49(9):25-31

[16] 梁森苗,張淑文,鄭錫良,等.楊梅生長指標與果實品質間的相關性分析[J].核農學報,2019,33(4):751-758

[17] 郭敏杰,鄧麗,苗建利,等.基于BLUP值的大粒花生農藝性狀與產量的相關和通徑分析[J].河北農業大學學報,2021,44(5):36-41

[18] 苗建利,鄧麗,郭敏杰,等.開農82花生主要性狀與產量的相關性和通徑分析[J].湖南農業科學,2021(9):8-11

[19] 王慧敏,彭振英,李新國,等.67個花生品種主要農藝性狀的變異及相關性分析[J].山東農業科學,2019,51(9):91-96

[20] 李紹偉,李軍華,任麗,等.花生產量與主要農藝性狀的灰色關聯度分析[J].陜西農業科學,2007(1):37-38,52

[21] 李新娜,齊麗雅,何孟霞,等.花生單株產量與主要農藝性狀的灰色關聯度分析[J].花生學報,2017,46(3):1-5

[22] 王芳,王帥兵,王艷,等.花生新品種安花3號莢果產量與主要農藝性狀的灰色關聯度分析[J].農業科技通訊,2019(3):98-102

[23] 袁志發,周靜芋,郭滿才,等.決策系數——通徑分析中的決策指標[J].西北農林科技大學學報(自然科學版),2001(5):131-133

[24] 李新娜,劉紅,何孟霞,等.利用2種方法分析花生主要農藝性狀與單株產量之間的關系[J].江蘇農業科學,2019,47(10):122-126

[25] 鄧麗,郭敏杰,苗建利,等.基于通徑系數和GGE雙標圖的大粒花生綜合分析[J].江蘇農業科學,2021,49(19):129-133

[26] 陳湘瑜,徐日榮,陳昊,等.花生品系主要農藝性狀的分析與綜合評價[J].種子,2020,39(9):84-88

[27] 余飛,王友華,許海濤,等黃淮海大豆區試品種主要農藝性狀的多元相關分析[J].河南農業科學,2008(10):41-44

[28] 白志英,李存東,孫紅春,等.小麥代換系抗旱生理指標的主成分分析及綜合評價[J].中國農業科學,2008,41(12):4264-4272

[29] 孟慶立,關周博,馮佰利,等.谷子抗旱相關性狀的主成分與模糊聚類分析[J].中國農業科學,2009,42(8):2667-2675

[30] 牟書靚,牛海龍,李偉堂,等.花生種質資源農藝性狀主成分及聚類分析[J].遼寧農業科學,2019(6):1-5

Comprehensive Evaluation of Peanut Agronomic Traits Based on Multiple Methods

DENG Chen-wei, Lei ya-ke, ZHAN Shi-jie, ZHANG Jian-hang, MA Zhen-wei, YANG Ya-zhou, WANG Wei-jie, JIA Chao-yang*

466001,

To provide a theoretical basis for high-yield breeding, the inner relationship between the main agronomic traits and the yield of peanut cultivars analyzed by gray correlation analysis, path analysis, principal component analysis, and TOPSIS analysis in Henan Province in 2017. The results showed that the maximum variable coefficient of pod weight per plant was 18.14%, while the variable coefficient of the growth period was the lowest to 0.22%. The pod yield had a significant positive correlation with three characteristics, including full pod rate, pod weight per plant, and 100-pod weight, but a negative correlation with plant height, branch length, effective branches, and growth period. Gray correlation analysis showed that full pod rate and pod weight per plant, growth period, and 100-pod weight were primary factors affecting pod yield. Path analysis indicated that pod weight per plant () was the key trait affecting pod weight. The principal component analysis found that the 11 traits were consolidated into 3 principal component factors, including yield, plant type, and maturity, which accounted for 81.1885% of the total variation. TOPSIS analysis showed that the distance between Shanghua 21, and Shanghua 23 and the integrated vectorwas the largest. In summary, for breeding high-yielding peanut varieties, attention should be paid to improving pod weight per plant, full pod rate, and 100-pod weight, but plant height, branch plant, and effective branches should reduce appropriately.

Peanut; agronomic characters; comprehensive evaluation

S565.2

A

1000-2324(2023)02-0194-07

10.3969/j.issn.1000-2324.2023.02.006

2022-11-13

2022-12-21

周口市科技局院士工作站后補資金項目(20203637)

鄧陳威(1992-),男,碩士研究生,助理研究員,主要從事花生遺傳育種及栽培技術研究. E-mail:18236979418@163.com

Author for correspondence. E-mail:jcy2309@163.com