不同小麥品種主要性狀與產量的灰色關聯度分析

戴寶生，呂銳玲，胡亞珂，黃曉莉，閆振華，張華崇，趙樹琪，張 欣，李 蔚

（1.黃岡市農業科學院，湖北 黃岡 438000；2.黃岡師范學院生物與農業資源學院，湖北 黃岡 438000）

小麥（Triticum aestivumL.）是中國第二大糧食作物，分布地域廣泛［1］。中國是世界上最大的小麥生產國和消費國，小麥生產在保障中國糧食安全、促進社會經濟發展、提高人民生活質量方面發揮著重要作用［2］。土壤、雜草、施肥不平衡、缺乏灌溉用水等多種原因會導致小麥產量下降，難以滿足快速增長人口的需求［3］。

小麥產量構成因素性狀間存在相互補償、相互制約的關系，小麥系統也是一個非常復雜的動態系統。多元統計分析方法在小麥性狀關系分析中被廣泛應用，如主成分分析、相關分析等。主成分分析法主要是利用降維思想，提取主成分，將原來的多指標轉換為數量較少的彼此獨立的新指標，以揭示出變量之間的相互關系［4］。灰色關聯度分析法是一種通過研究數據的關聯度來衡量數據間的關聯程度從而輔助決策的研究方法［5-7］。張凡等［8］利用同異分析法和主成分分析法研究了8 個小麥品種品質、產量等11 個指標間的相互關系，結果表明，濕面筋、蛋白質的含量與產量為極顯著正相關，濕面筋含量與蛋白質含量為顯著正相關。陳久月等［9］基于2010—2011 年國家小麥新品種區域試驗數據分析了影響產量的因素，結果表明影響產量的主要因素是有效穗數。本研究分析了湖北省2021—2022 年小麥區域試驗中44 個小麥品種的產量與其他主要性狀之間的關系，以期找出與產量關系最為密切的性狀。

1 材料與方法

1.1 材料

試驗材料為2021—2022 年長江中下游小麥區域試驗的44 個品種，分別為龍麥201、襄麥1816、華1802、襄麥105、鄂810148、川育31、岡麥1701、鄂麥013、鄂麥069、鄂911391、華麥212、襄麥90、鄂輻麥95、長 麥2 號、DH6039、川 育29、扶 麥1411、華 麥199、偉 隆179、“187”、鄂810145、華1912、川 麥621115、岡麥1703、華麥188、扶麥580、華1913、鄂910186、鄂911035、鄂182、尊農620、潤麥211、揚輻麥8165、鄂麥026、鄂麥172、長輻麥1108、晶麥98、珍麥168、襄麥115、DH022、福麥18、襄麥DH518、鄂810169、鄂198、鄭麥9023。

1.2 數據來源

利用《湖北省2021—2022 年度全省組小麥品種區域試驗綜合性狀匯總表》中44 個參試品種的平均單產、穗粒數、株高、容重、千粒重、全生育期等11 個農藝性狀的平均值進行灰色關聯度分析。

1.3 數據分析方法

使用Microsoft Excel、SPSS 23.0 等統計分析軟件進行數據分析。將44 個小麥品種的10 個產量因素視為1 個灰色系統，各灰色系統的每個因素為各產量的因素。設產量為參考數列，記為X0，其他各產量因素為比較數列，包括粗蛋白質含量（X1）、濕面筋含量（X2）、葉枯病發病率（X3）、穩定時間（X4）、穗粒數（X5）、千粒重（X6）、吸水率（X7）、株高（X8）、生育期（X9）、容重（X10）。關聯系數［ξi（k）］和關聯度（ri）的計算方法參考戴寶生等［6］的分析方法，計算式分別如式（1）、式（2）所示。

式中，ζ為分辨系數，0＜ζ＜1。

試驗數據用Excel 軟件進行統計分析，關聯系數和關聯度采用DPS 數據處理系統分析處理。

2 結果與分析

2.1 原始數據無量綱化

由于系統中數量性狀的衡量單位不一致，需要對原始數據進行無量綱處理，轉換為可以比較的數據序列。對采集的數據先求出各序列的平均值，再用平均值除對應序列中的原始數據來進行均值化變換，得出新的數據序列，即為無量綱化處理，結果見表1。

表1 原始數據無量綱化處理

2.2 產量與產量性狀的絕對差值

根據表1 求出X0與Xi差值的絕對值［Δoi（k）］，結果見表2。

表2 產量與其他各性狀的絕對差值

2.3 計算關聯系數

利用表2 數據和式（l）求取關聯系數（ξi），分辨系數取0.1，從各個數據序列各個時刻絕對差值的比較參數來確定ΔmaxX（最大值）、ΔminX（最小值）的取值，關聯系數分析結果見表3。

表3 產量與各性狀的關聯系數

2.4 計算關聯度

利用表3 比較數列的關聯系數計算小麥主要性狀與產量（X0）的關聯度，并按關聯度大小進行排序，結果見表4。

表4 產量與各因素的關聯度及排序

依據灰色關聯分析方法，用關聯度表示各性狀的重要性，參與指標越重要，關聯度越大。小麥產量與各性狀的關聯度由大到小依次為生育期（r=0.914 7）、容重（r=0.899 0）、株高（r=0.873 0）、千粒重（r=0.852 0）、穗粒數（r=0.827 2）、吸水率（r=0.821 8）、粗蛋白質含量（r=0.814 8）、濕面筋含量（r=0.768 3）、葉枯病發病率（r=0.522 2）、穩定時間（r=0.425 6），表明在小麥產量構成中，生育期的影響最大，穩定時間的影響最小。

3 小結與討論

影響小麥產量的因素較復雜，采用常規的數理統計方法需要大量原始數據，且數據要滿足特定的統計學假設，應用起來比較困難［4-7］。

利用灰色關聯度分析法研究各性狀對產量的影響 已 在 小 麥［7-13］、大 豆［5，14］、谷 子［15］、觀 光 瓜 果 蔬菜［16］、苧麻［17］、棉花［6］和水稻［18，19］等作物中得到了廣泛的應用。楊紅燕等［10］采用灰色關聯度分析法對參加江蘇省聯合體區域試驗的9 個長江中下游小麥的12 個農藝性狀與產量數據進行分析，根據關聯度大小認為在江蘇省鹽城市小麥育種中，應加強對千粒質量、結實小穗、穗粒數等幾個性狀的選育力度。張華崇等［11］以湖北省近20 年通過審定的小麥品種為材料，對其產量、品質性狀和抗病性進行了分析，結果表明品種產量逐年增加，產量構成因素中有效穗數呈升高趨勢，穗粒數和千粒重隨年份呈緩慢下降趨勢。張泰武等［12］利用灰色關聯度分析法對35個小麥組合產量與9 個主要農藝性狀的關聯度進行統計分析，結果表明與產量的關聯度由大到小依次為穗粒數、有效分蘗率、株高、千粒重、有效穗、基本苗、生育期、銹病普遍率、赤霉病發病率。王靖等［13］以2019—2020 年國家冬麥區黃淮北片水地組區域試驗小麥品種為材料，對14 個小麥品種的主要農藝性狀與產量進行灰色關聯度分析，結果表明小麥主要農藝性狀與產量的關聯度由大到小依次為生育期、基本苗、株高、穗數、成穗率、千粒重、容重、穗粒數，認為在山東省小麥育種中應注重對生育期、基本苗、株高及穗數等性狀的選擇。

本研究采用灰色關聯度分析法分析小麥產量與農藝性狀之間的關聯度，結果表明對產量影響最大的因素為生育期，其次為容重、株高；影響較小的因素為穩定時間和葉枯病發病率。在小麥新品種的選育和高產栽培實踐時，主攻方向為容重高、生育期適中的品種，同時注重加強對株高的選擇。