论文部分内容阅读
摘 要：为了对区试玉米品种进行科学的评价与筛选，通过对贵州省2012年C组11个玉米品种的产量等11个性状进行主成分分析。结果表明：GC3、GC2、GC5、GC1综合表现最好，可进入进一步的试验筛选；主成分分析法与传统分析法相比，具有较好的一致性。
关键词：玉米；区域试验；筛选；评价；贵州省
中图分类号 S513 文献标识码 A 文章编号 1007-7731（2015）17-49-03
我国玉米优异杂交种的筛选历来都是通过玉米区域试验来进行的，在玉米综合评判中，一般都以对照品种的表现（产量和生育期）作为参照的相对评价为主[1-2]。而仅以产量为品种评价的核心，容易忽视品种的其他优良特征，对挖掘品种的潜在价值存在一定的不良影响，也无法对区试品种得出一个客观、准确的评价[1]。因此，本研究利用贵州省2012年C组11个玉米品种的产量等11个性状作为研究对象，采用主成分分析法与传统分析法进行比较分析，比较二者在区试品种筛选、评价中的异同，旨在为玉米区域试验品种的筛选与评价提供参考。
1 材料与方法
1.1 供试材料 11个参试材料及其相关数据来源于2012年贵州省玉米品种区域试验结果，参试品种代号分别为：GC1、GC2、GC3、GC4、GC5、GC6、GC7、GC8、GC9、GC10和GC11，观测性状：穗长、穗粗、穗行数、行粒数、秃尖、单穗粒重、百粒重、生育期、株高、穗位高和产量。试验地点位于毕节市农业科学研究所科研基地内，海拔1 447m，采用随机区组排列，3次重复，小区面积20m2，行数5行，行长5m，密度为49 500株/hm2。施肥水平与当地生产相当。实收中间3行（面积12m2）测产。
1.2 分析方法 采用Office2007及SPSS18.0软件对数据进行处理和分析，方法采用主成分分析法，按照累计贡献率大于85%的原则提取主成分因子，并计算特征向量矩阵和因子综合得分矩阵；同时采用传统比较分析法对参试品种按照产量高低进行排序，比较2种方法的异同。
2 结果与分析
2.1 参试品种描述性统计分析 表1列出了11个参试品种11个性状的均值、标准差与变异系数，可知11个性状的变异系数在2.61%～56.49%，除穗长、秃尖、单穗粒重与穗位高的变异系数大于10%外，其余性状的变异系数均小于10%。同时，秃尖的变异系数远远高于其余性状，可见，秃尖在品种间的变异程度较大。产量的变异系数为7.51%，可见11个参试品种的产量差距不太大。由表2的多重比较分析可以看出，除了品种GC1、GC5与GC9产量差异达到极显著差异外，其余品种间产量差异均未达到极显著水平，这也验证了上述品种间产量差异较小的结论。
表1 各区试品种主要性状观测值与描述统计
[品种代号＼&穗长（cm）＼&穗粗（cm）＼&穗行数（行）＼&行粒数（粒）＼&秃尖（cm）＼&单穗粒重（g）＼&百粒重（g）＼&生育期（d）＼&株高（cm）＼&穗位高（cm）＼&产量（kg/hm2）＼&GC1＼&20.8＼&5.5＼&15＼&41＼&0.9＼&246.2＼&44＼&146＼&250.1＼&95.6＼&14310.34＼&GC2＼&19.8＼&5.9＼&18＼&39＼&0.6＼&246.1＼&34＼&143＼&245＼&105.8＼&12484.25＼&GC3＼&20.1＼&6.1＼&18＼&38＼&0.8＼&255.2＼&40＼&148＼&238.6＼&97.4＼&13289.35＼&GC4＼&17.2＼&5.6＼&15＼&38＼&0.3＼&184.7＼&40＼&141＼&250.4＼&100.4＼&11914.55＼&GC5＼&20.8＼&5.4＼&15＼&43＼&0.3＼&263.3＼&40＼&150＼&267.2＼&106.1＼&14052.47＼&GC6＼&19.8＼&5.2＼&16＼&37＼&0.1＼&221.3＼&36＼&146＼&269.2＼&110.3＼&12920.54＼&GC7＼&20.8＼&5.3＼&15＼&41＼&0.6＼&248.9＼&44＼&143＼&236.5＼&87.4＼&12268.36＼&GC8＼&19＼&6＼&18＼&40＼&0.4＼&275.9＼&39＼&137＼&237.3＼&87.6＼&12160.42＼&GC9＼&14＼&5.3＼&14＼&30＼&0.2＼&175.8＼&45＼&140＼&218.7＼&61.3＼&11000＼&GC10＼&19.9＼&5.5＼&16＼&37＼&0.5＼&236.3＼&42＼&146＼&249.6＼&96.8＼&13065.96＼&GC11＼&21.4＼&5.2＼&14＼&43＼&1＼&226.5＼&38＼&143＼&240.4＼&79.6＼&12334.33＼&均值＼&19.418＼&5.545＼&15.82＼&38.82＼&0.518＼&234.564＼&40.18＼&143.91＼&245.727＼&93.482＼&12709.14＼&标准差＼&2.1236＼&0.3205＼&1.537＼&3.628＼&0.2926＼&31.0127＼&3.43＼&3.754＼&14.263＼&14.0445＼&954.78＼&变异系数（%）＼&10.94＼&5.78＼&9.72＼&9.35＼&56.49＼&13.22＼&8.54＼&2.61＼&5.8＼&15.02＼&7.51＼&]
表2 11个品种小区产量多重比较分析
[品种代号＼&均值＼&5%显著水平＼&1%极显著水平＼&GC1＼&17.17333＼&A＼&A＼&GC2＼&14.98333＼&Abc＼&AB＼&GC3＼&15.94667＼&Abc＼&AB＼&GC4＼&14.29667＼&bc＼&AB＼&GC5＼&16.86333＼&Ab＼&A＼&GC6＼&15.50333＼&Abc＼&AB＼&GC7＼&14.72＼&Abc＼&AB＼&GC8＼&14.59333＼&Abc＼&AB＼&GC9＼&13.2＼&C＼&B＼&GC10＼&15.68＼&Abc＼&AB＼&GC11＼&14.80333＼&abc＼&AB＼&] 2.2 参试品种主成分因子提取 对11个参试品种的11个性状进行主成分分析发现（表3），前4个主成分因子的累积贡献率已经达到90.56%，同时，由图1可以看出，前4个主成分的特征值较大，且在第4主成分处存在明显转折点，可用4个主成分因子替代原有的11个性状对参试品种进行评价与筛选。前4个主成分因子的贡献率分别为44.23%、20.714%、16.976%和8.64%。
表3 主成分分析
[主成分＼&特征值＼&贡献率（%）＼&累积贡献率（%）＼&1＼&4.865＼&44.23＼&44.23＼&2＼&2.279＼&20.714＼&64.944＼&3＼&1.867＼&16.976＼&81.92＼&4＼&0.95＼&8.64＼&90.56＼&5＼&0.53＼&4.817＼&95.377＼&6＼&0.269＼&2.441＼&97.818＼&7＼&0.122＼&1.107＼&98.925＼&8＼&0.103＼&0.938＼&99.863＼&9＼&0.014＼&0.129＼&99.992＼&10＼&0.001＼&0.008＼&100＼&11＼&-1.21E-17＼&-1.10E-16＼&100＼&]
[5
4
3
2
1
0][特征值][成分数][1 2 3 4 5 6 7 8 9 10 11]
图1 所有成分因子的特征值
2.3 参试品种主成分相关分析 由表4的主成分载荷矩阵可以看出，第一主成分主要解释穗长、行粒数、单穗粒重、株高、穗位高、生育期和产量等性状的相关信息；第二主成分主要解释穗粗和穗行数的相关信息；第三主成分主要解释秃尖的相关信息；第四主成分主要解释百粒重的相关信息。可见，4个主成分因子能够全面解释所有性状的相关信息，能够很好的应用于各品种的相关评价。
表4 主成分载荷矩阵
[性状＼&成分＼&1＼&2＼&3＼&4＼&穗长＼&0.89＼&-0.154＼&0.312＼&-0.208＼&穗粗＼&0.248＼&0.883＼&0.089＼&0.287＼&穗行数＼&0.416＼&0.871＼&-0.137＼&0.157＼&行粒数＼&0.775＼&-0.148＼&0.358＼&-0.389＼&秃尖＼&0.352＼&0.012＼&0.827＼&-0.09＼&单穗粒＼&0.765＼&0.319＼&0.327＼&0.082＼&百粒重＼&-0.455＼&-0.407＼&0.449＼&0.549＼&生育期＼&0.657＼&-0.466＼&-0.123＼&0.433＼&株高＼&0.72＼&-0.352＼&-0.568＼&-0.073＼&穗位高＼&0.805＼&0.051＼&-0.528＼&0.023＼&产量＼&0.851＼&-0.287＼&0.068＼&0.373＼&]
2.4 参试品种主成分评价与传统评价比较分析 由表5可知，在第一主成分因子得分中，GC5、GC1、GC3和GC2表现较好，依次排名前4位；GC3、GC2、GC5和GC1在主成分2中表现较好。由表6可知，11个品种中排名前4位的品种分别是：GC1、GC5、GC3和GC10，可见，与主成分评价相比，前4位品种中仅GC10不一致，因此，二者评价结果具有较好的一致性。
表5 因子得分矩阵
[品种代号＼&Z1＼&位序＼&Z2＼&位序＼&Z4＼&位序＼&Z＼&位序＼&GC1＼&1.44＼&2＼&-1.28＼&10＼&0.9＼&2＼&0.69＼&4＼&GC2＼&1.17＼&4＼&2.17＼&2＼&-0.69＼&10＼&0.79＼&2＼&GC3＼&1.41＼&3＼&1.65＼&3＼&1.44＼&1＼&1.22＼&1＼&GC4＼&-1.52＼&10＼&-0.08＼&4＼&-0.49＼&8＼&-0.97＼&10＼&GC5＼&2.58＼&1＼&-1.64＼&11＼&0.46＼&5＼&0.7＼&3＼&GC6＼&0.91＼&5＼&-0.86＼&8＼&-0.48＼&7＼&-0.29＼&9＼&GC7＼&-0.36＼&9＼&-0.78＼&7＼&-0.29＼&6＼&-0.11＼&8＼&GC8＼&-0.19＼&8＼&2.8＼&1＼&-0.5＼&9＼&0.54＼&5＼&GC9＼&-5.77＼&11＼&-0.39＼&5＼&0.78＼&4＼&-2.59＼&11＼&GC10＼&0.31＼&6＼&-0.42＼&6＼&0.81＼&3＼&0.09＼&6＼&GC11＼&0.03＼&7＼&-1.18＼&9＼&-1.93＼&11＼&-0.08＼&7＼&]
表6 各品种产量结果
[品种
代号＼&小区产量（kg）＼&产量
（kg/hm2）＼&位次＼&Ⅰ＼&Ⅱ＼&Ⅲ＼&合计＼&平均＼&GC1＼&16.22＼&17.74＼&17.56＼&51.52＼&17.17＼&14310.34＼&1＼&GC2＼&14.43＼&14.58＼&15.94＼&44.95＼&14.98＼&12484.25＼&6＼&GC3＼&16.79＼&14.57＼&16.48＼&47.84＼&15.95＼&13289.35＼&3＼&GC4＼&12.11＼&14.41＼&16.37＼&42.89＼&14.3＼&11914.54＼&10＼&]
（下转114页）
（上接50页）
[品种
代号＼&小区产量（kg）＼&产量
（kg/hm2）＼&位次＼&Ⅰ＼&Ⅱ＼&Ⅲ＼&合计＼&平均＼&GC5＼&17.05＼&17.06＼&16.48＼&50.59＼&16.86＼&14052.47＼&2＼&GC6＼&15.3＼&15.49＼&15.72＼&46.51＼&15.5＼&12920.54＼&5＼&GC7＼&13.76＼&15.38＼&15.02＼&44.17＼&14.72＼&12268.36＼&8＼&GC8＼&13.62＼&14.17＼&15.99＼&43.78＼&14.59＼&12160.42＼&9＼&GC9＼&11.83＼&14.02＼&13.75＼&39.6＼&13.2＼&11000＼&11＼&GC10＼&16.14＼&14.77＼&16.13＼&47.04＼&15.68＼&13065.96＼&4＼&GC11＼&13.65＼&15.85＼&14.91＼&44.4＼&14.8＼&12334.33＼&7＼&]
3 讨论与结论
本文提取4个主成分因子的累积贡献率已经达到90.56%，完全可用4个主成分因子替代原有的11个性状对参试品种进行评价与筛选。前4个主成分因子的贡献率分别为44.23%、20.714%、16.976%和8.64%。第一主成分主要解释穗长、行粒数、单穗粒重、株高、穗位高、生育期和产量等性状的相关信息；第二主成分主要解释穗粗和穗行数的相关信息；第三主成分主要解释秃尖的相关信息；第四主成分主要解释百粒重的相关信息。可见，4个主成分因子能够全面解释所有性状的相关信息，能够很好的应用于各品种的相关评价。
主成分评价与传统分析法相比，在第一主成分因子得分中，GC5、GC1、GC3和GC2表现较好，依次排名前4位；GC3、GC2、GC5和GC1在主成分2中表现较好。传统分析中排名前4位的品种分别是：GC1、GC5、GC3和GC10。可见，2种方法前4位品种中仅GC10不一致，因此，二者评价结果具有较好的一致性。
主成分分析法对区域试验中参试品种进行整体的评价分析，全面、深入的将各参试品种的原有信息直观展现出来，克服了传统评价方法中仅考虑产量的片面性。综上，主成分分析法可以很好的应用于玉米区域试验品种的筛选与评价，并取得了较为可靠、全面的结果。
参考文献
[1]Toyer A F.Phenotypic selection and evaluation of maize inbreds for adaptedness[M].Plant Breeding Reviews，John Wiley and Sons，Inc，2007，28：101-123.
[2]Kempton R A，Fox P N，Cerezo M.Statistical methods for plant variety evaluation[M].Chapman and Hal，UK，1997.
（责编：张宏民）
关键词：玉米；区域试验；筛选；评价；贵州省
中图分类号 S513 文献标识码 A 文章编号 1007-7731（2015）17-49-03
我国玉米优异杂交种的筛选历来都是通过玉米区域试验来进行的，在玉米综合评判中，一般都以对照品种的表现（产量和生育期）作为参照的相对评价为主[1-2]。而仅以产量为品种评价的核心，容易忽视品种的其他优良特征，对挖掘品种的潜在价值存在一定的不良影响，也无法对区试品种得出一个客观、准确的评价[1]。因此，本研究利用贵州省2012年C组11个玉米品种的产量等11个性状作为研究对象，采用主成分分析法与传统分析法进行比较分析，比较二者在区试品种筛选、评价中的异同，旨在为玉米区域试验品种的筛选与评价提供参考。
1 材料与方法
1.1 供试材料 11个参试材料及其相关数据来源于2012年贵州省玉米品种区域试验结果，参试品种代号分别为：GC1、GC2、GC3、GC4、GC5、GC6、GC7、GC8、GC9、GC10和GC11，观测性状：穗长、穗粗、穗行数、行粒数、秃尖、单穗粒重、百粒重、生育期、株高、穗位高和产量。试验地点位于毕节市农业科学研究所科研基地内，海拔1 447m，采用随机区组排列，3次重复，小区面积20m2，行数5行，行长5m，密度为49 500株/hm2。施肥水平与当地生产相当。实收中间3行（面积12m2）测产。
1.2 分析方法 采用Office2007及SPSS18.0软件对数据进行处理和分析，方法采用主成分分析法，按照累计贡献率大于85%的原则提取主成分因子，并计算特征向量矩阵和因子综合得分矩阵；同时采用传统比较分析法对参试品种按照产量高低进行排序，比较2种方法的异同。
2 结果与分析
2.1 参试品种描述性统计分析 表1列出了11个参试品种11个性状的均值、标准差与变异系数，可知11个性状的变异系数在2.61%～56.49%，除穗长、秃尖、单穗粒重与穗位高的变异系数大于10%外，其余性状的变异系数均小于10%。同时，秃尖的变异系数远远高于其余性状，可见，秃尖在品种间的变异程度较大。产量的变异系数为7.51%，可见11个参试品种的产量差距不太大。由表2的多重比较分析可以看出，除了品种GC1、GC5与GC9产量差异达到极显著差异外，其余品种间产量差异均未达到极显著水平，这也验证了上述品种间产量差异较小的结论。
表1 各区试品种主要性状观测值与描述统计
[品种代号＼&穗长（cm）＼&穗粗（cm）＼&穗行数（行）＼&行粒数（粒）＼&秃尖（cm）＼&单穗粒重（g）＼&百粒重（g）＼&生育期（d）＼&株高（cm）＼&穗位高（cm）＼&产量（kg/hm2）＼&GC1＼&20.8＼&5.5＼&15＼&41＼&0.9＼&246.2＼&44＼&146＼&250.1＼&95.6＼&14310.34＼&GC2＼&19.8＼&5.9＼&18＼&39＼&0.6＼&246.1＼&34＼&143＼&245＼&105.8＼&12484.25＼&GC3＼&20.1＼&6.1＼&18＼&38＼&0.8＼&255.2＼&40＼&148＼&238.6＼&97.4＼&13289.35＼&GC4＼&17.2＼&5.6＼&15＼&38＼&0.3＼&184.7＼&40＼&141＼&250.4＼&100.4＼&11914.55＼&GC5＼&20.8＼&5.4＼&15＼&43＼&0.3＼&263.3＼&40＼&150＼&267.2＼&106.1＼&14052.47＼&GC6＼&19.8＼&5.2＼&16＼&37＼&0.1＼&221.3＼&36＼&146＼&269.2＼&110.3＼&12920.54＼&GC7＼&20.8＼&5.3＼&15＼&41＼&0.6＼&248.9＼&44＼&143＼&236.5＼&87.4＼&12268.36＼&GC8＼&19＼&6＼&18＼&40＼&0.4＼&275.9＼&39＼&137＼&237.3＼&87.6＼&12160.42＼&GC9＼&14＼&5.3＼&14＼&30＼&0.2＼&175.8＼&45＼&140＼&218.7＼&61.3＼&11000＼&GC10＼&19.9＼&5.5＼&16＼&37＼&0.5＼&236.3＼&42＼&146＼&249.6＼&96.8＼&13065.96＼&GC11＼&21.4＼&5.2＼&14＼&43＼&1＼&226.5＼&38＼&143＼&240.4＼&79.6＼&12334.33＼&均值＼&19.418＼&5.545＼&15.82＼&38.82＼&0.518＼&234.564＼&40.18＼&143.91＼&245.727＼&93.482＼&12709.14＼&标准差＼&2.1236＼&0.3205＼&1.537＼&3.628＼&0.2926＼&31.0127＼&3.43＼&3.754＼&14.263＼&14.0445＼&954.78＼&变异系数（%）＼&10.94＼&5.78＼&9.72＼&9.35＼&56.49＼&13.22＼&8.54＼&2.61＼&5.8＼&15.02＼&7.51＼&]
表2 11个品种小区产量多重比较分析
[品种代号＼&均值＼&5%显著水平＼&1%极显著水平＼&GC1＼&17.17333＼&A＼&A＼&GC2＼&14.98333＼&Abc＼&AB＼&GC3＼&15.94667＼&Abc＼&AB＼&GC4＼&14.29667＼&bc＼&AB＼&GC5＼&16.86333＼&Ab＼&A＼&GC6＼&15.50333＼&Abc＼&AB＼&GC7＼&14.72＼&Abc＼&AB＼&GC8＼&14.59333＼&Abc＼&AB＼&GC9＼&13.2＼&C＼&B＼&GC10＼&15.68＼&Abc＼&AB＼&GC11＼&14.80333＼&abc＼&AB＼&] 2.2 参试品种主成分因子提取 对11个参试品种的11个性状进行主成分分析发现（表3），前4个主成分因子的累积贡献率已经达到90.56%，同时，由图1可以看出，前4个主成分的特征值较大，且在第4主成分处存在明显转折点，可用4个主成分因子替代原有的11个性状对参试品种进行评价与筛选。前4个主成分因子的贡献率分别为44.23%、20.714%、16.976%和8.64%。
表3 主成分分析
[主成分＼&特征值＼&贡献率（%）＼&累积贡献率（%）＼&1＼&4.865＼&44.23＼&44.23＼&2＼&2.279＼&20.714＼&64.944＼&3＼&1.867＼&16.976＼&81.92＼&4＼&0.95＼&8.64＼&90.56＼&5＼&0.53＼&4.817＼&95.377＼&6＼&0.269＼&2.441＼&97.818＼&7＼&0.122＼&1.107＼&98.925＼&8＼&0.103＼&0.938＼&99.863＼&9＼&0.014＼&0.129＼&99.992＼&10＼&0.001＼&0.008＼&100＼&11＼&-1.21E-17＼&-1.10E-16＼&100＼&]
4
3
2
1
0][特征值][成分数][1 2 3 4 5 6 7 8 9 10 11]
图1 所有成分因子的特征值
2.3 参试品种主成分相关分析 由表4的主成分载荷矩阵可以看出，第一主成分主要解释穗长、行粒数、单穗粒重、株高、穗位高、生育期和产量等性状的相关信息；第二主成分主要解释穗粗和穗行数的相关信息；第三主成分主要解释秃尖的相关信息；第四主成分主要解释百粒重的相关信息。可见，4个主成分因子能够全面解释所有性状的相关信息，能够很好的应用于各品种的相关评价。
表4 主成分载荷矩阵
[性状＼&成分＼&1＼&2＼&3＼&4＼&穗长＼&0.89＼&-0.154＼&0.312＼&-0.208＼&穗粗＼&0.248＼&0.883＼&0.089＼&0.287＼&穗行数＼&0.416＼&0.871＼&-0.137＼&0.157＼&行粒数＼&0.775＼&-0.148＼&0.358＼&-0.389＼&秃尖＼&0.352＼&0.012＼&0.827＼&-0.09＼&单穗粒＼&0.765＼&0.319＼&0.327＼&0.082＼&百粒重＼&-0.455＼&-0.407＼&0.449＼&0.549＼&生育期＼&0.657＼&-0.466＼&-0.123＼&0.433＼&株高＼&0.72＼&-0.352＼&-0.568＼&-0.073＼&穗位高＼&0.805＼&0.051＼&-0.528＼&0.023＼&产量＼&0.851＼&-0.287＼&0.068＼&0.373＼&]
2.4 参试品种主成分评价与传统评价比较分析 由表5可知，在第一主成分因子得分中，GC5、GC1、GC3和GC2表现较好，依次排名前4位；GC3、GC2、GC5和GC1在主成分2中表现较好。由表6可知，11个品种中排名前4位的品种分别是：GC1、GC5、GC3和GC10，可见，与主成分评价相比，前4位品种中仅GC10不一致，因此，二者评价结果具有较好的一致性。
表5 因子得分矩阵
[品种代号＼&Z1＼&位序＼&Z2＼&位序＼&Z4＼&位序＼&Z＼&位序＼&GC1＼&1.44＼&2＼&-1.28＼&10＼&0.9＼&2＼&0.69＼&4＼&GC2＼&1.17＼&4＼&2.17＼&2＼&-0.69＼&10＼&0.79＼&2＼&GC3＼&1.41＼&3＼&1.65＼&3＼&1.44＼&1＼&1.22＼&1＼&GC4＼&-1.52＼&10＼&-0.08＼&4＼&-0.49＼&8＼&-0.97＼&10＼&GC5＼&2.58＼&1＼&-1.64＼&11＼&0.46＼&5＼&0.7＼&3＼&GC6＼&0.91＼&5＼&-0.86＼&8＼&-0.48＼&7＼&-0.29＼&9＼&GC7＼&-0.36＼&9＼&-0.78＼&7＼&-0.29＼&6＼&-0.11＼&8＼&GC8＼&-0.19＼&8＼&2.8＼&1＼&-0.5＼&9＼&0.54＼&5＼&GC9＼&-5.77＼&11＼&-0.39＼&5＼&0.78＼&4＼&-2.59＼&11＼&GC10＼&0.31＼&6＼&-0.42＼&6＼&0.81＼&3＼&0.09＼&6＼&GC11＼&0.03＼&7＼&-1.18＼&9＼&-1.93＼&11＼&-0.08＼&7＼&]
表6 各品种产量结果
[品种
代号＼&小区产量（kg）＼&产量
（kg/hm2）＼&位次＼&Ⅰ＼&Ⅱ＼&Ⅲ＼&合计＼&平均＼&GC1＼&16.22＼&17.74＼&17.56＼&51.52＼&17.17＼&14310.34＼&1＼&GC2＼&14.43＼&14.58＼&15.94＼&44.95＼&14.98＼&12484.25＼&6＼&GC3＼&16.79＼&14.57＼&16.48＼&47.84＼&15.95＼&13289.35＼&3＼&GC4＼&12.11＼&14.41＼&16.37＼&42.89＼&14.3＼&11914.54＼&10＼&]
（下转114页）
（上接50页）
[品种
代号＼&小区产量（kg）＼&产量
（kg/hm2）＼&位次＼&Ⅰ＼&Ⅱ＼&Ⅲ＼&合计＼&平均＼&GC5＼&17.05＼&17.06＼&16.48＼&50.59＼&16.86＼&14052.47＼&2＼&GC6＼&15.3＼&15.49＼&15.72＼&46.51＼&15.5＼&12920.54＼&5＼&GC7＼&13.76＼&15.38＼&15.02＼&44.17＼&14.72＼&12268.36＼&8＼&GC8＼&13.62＼&14.17＼&15.99＼&43.78＼&14.59＼&12160.42＼&9＼&GC9＼&11.83＼&14.02＼&13.75＼&39.6＼&13.2＼&11000＼&11＼&GC10＼&16.14＼&14.77＼&16.13＼&47.04＼&15.68＼&13065.96＼&4＼&GC11＼&13.65＼&15.85＼&14.91＼&44.4＼&14.8＼&12334.33＼&7＼&]
3 讨论与结论
本文提取4个主成分因子的累积贡献率已经达到90.56%，完全可用4个主成分因子替代原有的11个性状对参试品种进行评价与筛选。前4个主成分因子的贡献率分别为44.23%、20.714%、16.976%和8.64%。第一主成分主要解释穗长、行粒数、单穗粒重、株高、穗位高、生育期和产量等性状的相关信息；第二主成分主要解释穗粗和穗行数的相关信息；第三主成分主要解释秃尖的相关信息；第四主成分主要解释百粒重的相关信息。可见，4个主成分因子能够全面解释所有性状的相关信息，能够很好的应用于各品种的相关评价。
主成分评价与传统分析法相比，在第一主成分因子得分中，GC5、GC1、GC3和GC2表现较好，依次排名前4位；GC3、GC2、GC5和GC1在主成分2中表现较好。传统分析中排名前4位的品种分别是：GC1、GC5、GC3和GC10。可见，2种方法前4位品种中仅GC10不一致，因此，二者评价结果具有较好的一致性。
主成分分析法对区域试验中参试品种进行整体的评价分析，全面、深入的将各参试品种的原有信息直观展现出来，克服了传统评价方法中仅考虑产量的片面性。综上，主成分分析法可以很好的应用于玉米区域试验品种的筛选与评价，并取得了较为可靠、全面的结果。
参考文献
[1]Toyer A F.Phenotypic selection and evaluation of maize inbreds for adaptedness[M].Plant Breeding Reviews，John Wiley and Sons，Inc，2007，28：101-123.
[2]Kempton R A，Fox P N，Cerezo M.Statistical methods for plant variety evaluation[M].Chapman and Hal，UK，1997.
（责编：张宏民）