55個紫花苜蓿品種農藝性狀和產量性狀分析及綜合評價

張曉娟, 陳彩錦, 張久盤, 曾燕霞, 包明芳, 張尚沛, 尚繼紅, 沙曉弟, 吳 娟, 張國輝, 高 婷*, 楊天輝, 王 川, 師尚禮

(1.寧夏大學林業與草業學院, 寧夏 銀川 756002; 2.寧夏農林科學院固原分院, 寧夏 固原 756000; 3.寧夏農林科學院動物科學研究所, 寧夏 銀川 756002; 4.甘肅農業大學草業學院, 甘肅 蘭州 730071)

紫花苜蓿(MedicagosativaL.)(以下簡稱苜蓿)是一種具有抗逆性強、產草量高、營養價值豐富、適口性良好等特點的優質牧草,被譽為“牧草之王”和“綠色黃金”[1-4],是全世界種植面積最廣的栽培牧草之一[5]。據統計,2019年我國苜蓿的種植總面積約為437.47萬hm2,商品草的生產面積約為45.17萬hm2[6],2020年商品草生產面積54.7萬hm2[7]。近幾年,隨著農業產業的政策性調整,國家“糧改飼”、“振興奶業苜蓿發展行動”等方案的落地實施,以及人們對肉蛋奶的剛性需求持續增長,苜蓿的種植面積急劇擴增。因此,自主選育出更多適應我國不同生態區種植和不同栽培方式的高產優質苜蓿品種迫在眉睫。在苜蓿育種中,品種或資源是遺傳改良和復雜性狀遺傳解析的基礎[8]。遺傳多樣性越豐富,育成的品種普適性越廣泛,因此,深入挖掘其遺傳多樣性具有重要的作用[9]。

基于農藝性狀和產量性狀的遺傳多樣性分析和綜合評價是苜蓿品種鑒定評價中最直觀、可靠和簡單有效的方法[10]。目前,有關苜蓿品種的農藝性狀和產量性狀遺傳多樣性和綜合評價研究較多,其中楊婉君等[11]對 119 個苜蓿品種的13 個產量和農藝性狀進行分析,類群1密度大,葉片較大,類群2葉片多、枝條數多、生物量較大,類群3產量大、莖葉比和密度較大,葉片較小。這些不同性狀的品種為苜蓿的育種利用提供了不同的親本。耿慧等[12]對17 個國內外苜蓿品種的生長、品質、莖葉、株型和產量5個因子的10 個主要性狀進行評價,國內品種農藝性狀表現突出。綜上所述,對苜蓿品種進行遺傳多樣性分析和綜合評價,為苜蓿親本選配、引種和品種創新利用能提供技術依據[13]。

現有研究主要集中在苜蓿品種的全年或第一茬的農藝性狀和產量性狀的遺傳多樣性分析和評價,且鑒定出的單一性狀優異的品種未在育種中進行創制利用,品種綜合鑒定評價不全面,評價結果與創制利用聯系不夠緊密,從而有礙于育種家深入了解育種材料的特征性狀,影響育種效率和優異品種培育。因此,本研究以課題組前期收集并建植于寧夏南部半干旱地區的55 個紫花苜蓿品種為材料,對其不同茬次的株高、分枝數、莖葉比、鮮干草產量、鮮干比、莖干重、葉干重等24個指標進行變異系數、多樣性、相關性、聚類分析及主成分分析,篩選出影響產量的重要指標,挖掘出優異品種材料,旨在為寧夏南部半干旱地區高產苜蓿新品種的選育提供理論依據和材料基礎。

1 材料與方法

1.1 試驗材料

供試的55個紫花苜蓿品種均由寧夏農林科學院固原分院牧草課題組提供,具體品種編號、名稱及產地見表1。

表1 苜蓿品種編號、品種名及產地Table 1 The number,name and origin of alfalfa varieties

1.2 試驗區基本概況、試驗設計及測定指標

1.2.1試驗區基本概況 試驗于2020—2021 年在寧夏農林科學院頭營試驗基地進行。位于36°45′N,106°43′E,海拔1 610 m,黃綿土,年降雨量350～430 mm,年平均氣溫6.8℃,≥0℃的積溫是3 000～4 000℃,無霜期135 d左右,屬于北溫帶半干旱氣候[14]。2020年播前土壤的基本養分是全氮581 mg·kg-1,全磷是0.114%,全鉀是1.01%,水解性氮47.5 mg·kg-1,有效磷21.0 mg·kg-1,速效鉀161 mg·kg-1。2020和2021 年的月平均氣溫和降雨量具體見圖1。

圖1 試驗地月均溫及降雨量Fig.1 month average temperature and precipitation in the test field

1.2.2試驗設計及測定指標 試驗采用隨機區組設計,3次重復(18 穴),1行為1個重復(6穴)。材料分別于2020 年5月10日按行穴播,每穴播種5粒種子,出苗后人工間苗,每穴定苗生長健壯植株1株,穴播株行距為80 cm。播種第2年(2021 年)記載不同茬次的株高、分枝數、莖葉比、鮮草產量、干草產量、鮮干比、莖干重、葉干重,其中鮮草總產量、干草總產量、莖總干重、葉總干重都是指第一二茬草的總和,平均分枝數、平均莖葉比、平均鮮干比都是指一二茬草的平均值。具體數據記載方法參照于《苜蓿種質資源描述規范和數據標準》[15]。

1.3 數據分析

H′=-∑Pi×lnPi

式中的Pi為某性狀第i級中包含的材料份數所占材料總分數的百分比;采用Origin2021軟件進行品種的相關性分析和聚類分析;采用SPSS 19.0進行品種的主成分分析。

2 結果與分析

2.1 不同苜蓿品種數量性狀遺傳多樣性

由表2可知,55個苜蓿品種的24個數量性狀指標CR平均值是15.31%,其中CR較大的性狀指標是第一茬分枝數、第一茬葉干重、第二茬鮮草產量、第一茬莖干重,分別是23.42%,20.92%,20.85%,20.60%,表明這4個性狀指標的變異幅度較大。CR最小的是一二茬株高和和第一茬株高,分別是6.89%和8.07%,表明這2個性狀的變異幅度較小,遺傳性狀較穩定,其余各性狀指標的CR介于9.52%～19.95%的范圍內。24個性狀指標的H′介于0.714 3～0.884 5之間,平均值是0.802 0,其中大于0.800 0的性狀指標有13個,分別是葉總干重、第二茬葉干重、第一茬莖葉比、第一茬葉干重、鮮草總產量、第二茬干草產量、莖總干重、一二茬株高和、平均莖葉比、第二茬株高、第二茬分枝數、干草總產量、第一茬莖干重,分別是0.884 5,0.875 0,0.849 8,0.849 8,0.834 1,0.834 1,0.834 1,0.824 6,0.823 3,0.808 9,0.808 9,0.808 9,0.808 9,表明以上性狀的多樣性比較豐富,最低的是第二茬鮮干比和第二茬莖葉比,都為0.714 3,表明這2個性狀指標的多樣性較差。

表2 55 個苜蓿品種的性狀參數表Table 2 Table of trait parameters of 55 Alfalfa varieties

2.2 相關性分析

通過對一二茬株高和(x1)、平均分枝數(x2)、平均莖葉比(x3)、鮮草總產量(x4)、干草總產量(x5)、平均鮮干比(x6)、莖總干重(x7)、葉總干重(x8)8個性狀指標進行相關性分析(圖2),得出鮮草總產量與干草總產量、平均鮮干比、莖總干重、葉總干重呈極顯著正相關關系(P<0.01),相關系數分別是0.75,0.41,0.73,0.66,干草總產量與莖總干重、葉總干重呈極顯著正相關關系(P<0.01),相關系數分別是0.94,0.92,莖總干重與葉總干重呈極顯著正相關關系(P<0.01),相關系數是0.74,平均分枝數與葉總干重呈顯著正相關關系(P<0.05),相關系數是0.30,平均莖葉比與莖總干重呈顯著正相關關系(P<0.05),相關系數是0.33,平均莖葉比與葉總干重呈顯著負相關關系(P<0.05),相關系數是-0.33。通過以上性狀相關性的分析發現,分枝數、鮮干比、莖與葉重量變化是影響苜蓿草產量的重要因素。

圖2 性狀之間的Spearman相關性分析Fig.2 Spearman′s correlation analysis among traits注:圖中x代表不同的性狀指標,其中x1～x7分別是一二茬株高和、平均分枝數、平均莖葉比、鮮草總產量、干草總產量、平均鮮干比、莖總干重、葉總干重。*和**表示性狀之間相關性顯著(P < 0.05)和相關性極顯著(P < 0.01)Note:x represented different trait indicators in the figure,where x1 to x7 were the sum of plant height in the first and second harvests,average number of branches,average stem-to-leaf ratio,total fresh forage yield,total dry hay yield,average fresh-to-dry ratio,total stem dry weight and total leaf dry weigh,respectively. * and ** indicated that there was a significant correlation at the 0.05 level or a remarkably significant correlation at the 0.01 between traits

2.3 聚類分析

利用Origin對55 份品種材料的24 個指標進行系統聚類分析(UPGMA法),并構建出了圓形聚類圖(圖3)。在歐氏距離為0.125時,55 份品種被聚為3個類群(Ⅰ,Ⅱ,Ⅲ)(表3),且3個類群的聚類與地理來源沒有明顯的一致性,其中第Ⅰ類群中有35 個品種,來源于美國、加拿大、中國、德國、法國,占總品種的63.64%,這一類群第二茬分枝數、平均分枝數、第二茬莖葉比、不同茬次的鮮草產量、鮮草總產量、第二茬干草產量、第二茬鮮干比、第二茬莖干重較高,但不同茬次的株高、一二茬株高和、第一茬莖葉比較低,其特征是分枝數多、株高較低,鮮草產量較高,且鮮草產量高的貢獻主要來自于第二茬分枝數及第二茬的莖干重。第Ⅱ類群中有18 個品種,來源于美國、中國、加拿大、荷蘭,占總品種的32.73%,這一類群不同茬次的株高、一二茬株高和、第一茬莖葉比、平均莖葉比、第一茬鮮干比、平均鮮干比較高,第一茬分枝數、平均分枝數、第二茬鮮草產量、鮮草總產量、不同茬次的干草產量、干草總產量、第二茬鮮干比、不同茬次的莖干重、莖總干重、不同茬次的葉干重、葉總干重較低,其特征是株高、鮮干比及莖葉比較高,且平均鮮干比、莖葉比高的貢獻主要來自于第一茬草的鮮干比和莖葉比;在第Ⅲ類群中有2個品種,來源于美國,占總品種的3.64%,這一類群第一茬分枝數、第一茬干草產量、干草總產量、第一茬莖干重、莖總干重、不同茬次的葉干重、葉總干重較高,其特征是干草產量高,且干草產量高的貢獻主要來自于第一茬分枝數、莖干重和葉干重。

圖3 苜蓿品種聚類分析Fig.3 Cluster analysis of 55 Alfalfa varieties

表3 3類群24 個指標均值Table 3 Average value of 24 indicators in 3 groups

2.4 主成分分析

基于特征值大于1的標準來提取主成分,結果發現24個性狀指標中,前6個主成分的方差累積貢獻率是87.83%(表4),其中第一主成分特征值是8.56,方差貢獻率是35.68%,這一主成分中作用較大(特征向量值較大,且為正值)的指標分別是干草總產量、莖總干重、葉總干重、第一茬干草產量、鮮草總產量、第一茬莖干重、第一茬葉干重。第二主成分特征值是3.89,方差貢獻率是16.22%,這一主成分中作用較大的性狀指標分別是平均莖葉比、第一茬莖葉比、一二茬株高和、第二茬莖葉比、平均鮮干比、第二茬鮮干比、第一茬株高、第二茬株高。第三主成分特征值是3.03,方差貢獻率是12.62%,這一主成分中作用較大的指標分別是第一茬鮮干比、平均鮮干比、第一茬鮮草產量、第二茬分枝數。第四主成分特征值是2.29,方差貢獻率是9.56%,這一主成分中作用較大的指標是第二茬莖葉比、平均分枝數、第二茬鮮草產量。第五主成分特征值是1.73,方差貢獻率是7.19%,這一主成分中作用較大的指標是第二茬株高、一二茬株高和、第二茬葉干重、第二茬干草產量。第六主成分特征值是1.58,方差貢獻率是6.57%,這一主成分中作用較大的指標是平均分枝數、第一茬分枝數、第一茬莖葉比。

3 討論

3.1 表型遺傳多樣性分析

品種或種質資源是農業科技原始創新、作物育種及其生物技術產業的物質基礎[16]。其表型的遺傳多樣性是群體多樣性豐富程度的反映[17]。植物的表型性狀是由環境和遺傳物質共同作用之后呈現的,因此,只有當材料在同質環境下,表型性狀的變異才可以為材料的遺傳變異提供重要線索[18-19]。在本研究中,引進的材料以品種為單位集中統一種植在同一大田,同一環境之下,并且為了減少誤差,在大田中設置了3次重復,從而進行表型指標的調查,這種調查方法與花生、鷹嘴豆等作物資源[20-21]的調查方法基本一致。作物表型性狀的變異系數越大,其遺傳多樣性越豐富,選擇優良個體的可能性就越大[20]。在本研究中,通過對55 份品種的24 個性狀指標的變異系數進行研究,發現第一茬分枝數、第一茬葉干重、第二茬鮮草產量、第一茬莖干重、第一茬鮮草產量、第一茬干草產量的變異系數均超過19%,變異范圍較大,離散程度較高,這與楊婉君等[11,13,22]的研究結果基本一致。這6個指標也是高產苜蓿品種選育所需要考量的重點指標。因此,在高產苜蓿品種培育中,可通過對這些茬次的以上性狀進行重點選擇。

3.2 相關性分析

數量性狀之間的相關性分析不僅能評價次要性狀對主要性狀的遺傳增益效應,還對2種以上性狀聯合選擇的可行性及主要性狀的表觀選擇和遺傳改良間接改良次要性狀都具有重要的意義[23-24]。本研究對8個性狀的相關性分析發現,鮮草總產量與干草總產量、平均鮮干比、莖總干重、葉總干重呈極顯著正相關關系,干草總產量與莖總干重、葉總干重呈極顯著正相關關系,莖總干重與葉總干重呈極顯著正相關關系,平均分枝數與葉總干重,平均莖葉比與莖總干重呈顯著正相關,以上的相關性說明苜蓿草產量的增加,莖與葉的增加同等重要,這與楊婉君等[11,25-27]研究結果相同。平均莖葉比與葉總干重呈顯著負相關,這說明苜蓿莖的過度生長,影響葉的增大與增多,與楊婉君等[11]的結果基本一致。一二茬株高和與產量之間無顯著相關關系與胡莎莎[28]的株高越高,產量越高的結果不同,可能與試驗的地理位置、測定時間、栽培措施及氣候環境等條件有關。

3.3 綜合評價

在苜蓿定向選育中,對材料進行相似分類,可以實現不同類型種質在遺傳改良中的優勢互補,從而有效指導遺傳育種[29]。在進行相似材料的分類分析研究中,聚類分析是一種常用的數學分析方法,分析結果科學客觀[30]。張錦豪等[31]將60份藜麥種質資源聚成了3大類群,篩選出了株高高、莖稈粗壯、有效分枝多等綜合性狀好的材料。康澤然等[32]將20份綠豆種質資源聚成了5大類群,篩選出了單株產量、單株莢數表現最佳的材料。耿小麗等[33]將130份燕麥種質聚成了5個類群,篩選出了籽粒型燕麥優良親本材料和綜合性狀優,可直接引種或篩選高產飼用型燕麥,以及選育多目標性狀的優良親本。在本研究中,采用聚類的方法將55 個品種聚成了3個類群,其中每一類群都有獨特的特征特性,尤其表現在分枝數、鮮草產量、株高、鮮干比、莖葉比、干草產量的差異性和互補性方面,第Ⅰ類群的品種分枝多,植株低矮,鮮草產量高,第Ⅱ類群的品種植株高大,鮮干比和莖葉比高,第Ⅲ類群的品種干草產量高。為選育高產的苜蓿新品種,可在類群Ⅰ、類群Ⅱ中選擇性狀優良品種進行進一步的挖掘和互補雜交利用,第Ⅲ類群的品種可直接在生產中應用,也可作為高產、優質品種選育中的親本材料進行遺傳改良。主成分分析是利用降維的方式將原始指標簡化成較少的幾個主成分,且這幾個主成分能清楚明顯的反映出原始性狀指標的重要程度和大部分信息[34-35],目前在作物育種上被廣泛應用。本研究將24 個性狀指標簡化成6個主成分,且這6個主成分反映了原有變量信息的88.41%,其中第一主成分和第五主成分可稱為產量構成因子,在產量構成因子中,莖干重、葉干重和株高的特征向量大于其他表型性狀,這與前面性狀之間相關性研究結果基本一致,與吳欣明等[13]的研究一致。

4 結論

本研究對55 個苜蓿品種表型性狀進行鑒定評價,發現品種性狀之間存在著較為豐富的變異。通過相關性和主成分分析可知,苜蓿的分枝數、鮮干比、莖與葉重量、株高是影響產量的重要因素,其可作為寧夏南部半干旱區高產苜蓿育種的重要指標。聚類分析劃分出的3類材料特征特性明顯,其中Ⅰ,Ⅱ類中的品種可作為高產苜蓿育種的材料進行進一步挖掘和互補利用,Ⅲ類材料可直接應用于生產或進行高產、優質品種遺傳改良的親本材料,以上的聚類結果能為后續苜蓿品種創新利用、品種選育及引種奠定基礎。