论文部分内容阅读
摘要[目的]科学合理地评价小麦新品种(系)。[方法]利用2016—2017年度国家区域试验数据,应用灰色关联度分析法对17个小麦新品种(系)(含对照)的17个主要性状进行分析。 [结果]周麦36号、禾丰3号、新麦35、中育1220的加權关联度居前4位,综合性状较好,这与品种实际表现基本一致;而安科1502、圣麦101、皖宿321、创新118、天民346共5个品种的关联系数排名较低,建议淘汰。[结论]该研究为小麦品种选育和审定提供参考。
关键词小麦品种;灰色关联度;综合评估
中图分类号S512.1文献标识码A
文章编号0517-6611(2019)02-0023-03
doi:10.3969/j.issn.0517-6611.2019.02.007
小麦产量高低是多种因素共同作用的结果,而各因素对产量影响的主次关系对品种丰产性鉴定尤为重要[1]。目前,区域试验结果的分析除了采用产量进行方差分析和丰产稳产性分析外,也对生育期、株高、熟相及抗逆性等非产量性状进行了分析,但如何将这些性状综合起来评价小麦品种(系)一直是个很难量化的难题[2-5]。鉴于此,笔者应用灰色关联度分析法对小麦的产量和非产量性状进行了多性状的综合分析,以期为小麦品种审定提供参考。
1材料与方法
1.1试验材料
采用2016—2017年度国家区试早播3组区域试验1个参考品种(X0)和17个小麦新品种(系)作为参试品种(系),分别为对照周麦18(X1)、安科1502(X2)、安科157(X3)、创新118(X4)、泛育麦17(X5)、禾丰3号(X6)、徽研66(X7)、泉麦31(X8)、圣麦101(X9)、天民346(X10)、皖宿321(X11)、新麦35(X12)、郑麦103(X13)、郑麦16(X14)、郑品麦22号(X15)、中育1220(X16)、周麦36号(X17)。
1.2试验方法
该试验安排在黄淮南片22个试点,田间试验采用随机区组设计,重复3次,小区面积13.33 m2[6]。田间调查和室内考种按区试统一方案进行,各性状均为各区试点的平均值[7-9]。
应用灰色关联度分析法,将所有参试品种(系)作为1个灰色系统,每个参试品种(系)作为系统中的1个因素[10-12]。构建1个理想的“参考品种”,以参考品种的各项性状指标构成1个参考数列[13-15],以17个参试品种(系)的各项性状指标构成比较数列Xi(k)(i=1,2,3,…,n),其中n为参试品种(系)数,k为评估性状数。计算17个参试品种(系)之间的关联度,以确定各参试品种(系)的优劣次序。选择的17个测量性状分别为产量(kg/hm2)(K1)、穗粒数(粒)(K2)、千粒重(g)(K3)、容重(g)(K4)、穗数(万/hm2)(K5)、成穗率(%)(K6)、株高(cm)(K7)、最高分蘖(K8)、抽穗期(K9)、生育期(K10)、熟相(K11)、籽粒品质(K12)和叶锈病(K13)。
2结果与分析
2.1参考品种的构建
参考品种是指根据育种目标所制定的各性状理想值的集合,是多年育种目标与育种实践的结合[14-17]。产量、穗粒数、千粒重、容重、适用度、成穗率等性状越大越好,采用上限值;株高、生育期等在育种中要求适中,采用适中性测度;熟相等要求越小越好,熟相根据其评价值采用下限值。产量、穗粒数、千粒重、容重、成穗率均以略大于参试品种中最大值为宜;将成熟期最晚品种记为0,比其早熟1 d记为l,依次类推;株高以80 cm为宜、穗数以600万/hm2为宜;熟相分为1、3、5级,以1为宜。结果见表1。
2.2无量纲化处理
由于同一品种的不同性状差异很大,为方便进行灰色关联度分析,对原始数据进行无量纲化处理,即用X0分别去除Xi(k),从而得到1个数值全在[0,1]区间内的新数列(表2)。
2.3求差序列、两级最大差和两级最小差
首先根据曹廷杰等[18]的计算方法,进行计算,所得结果列于表3;再根据表3求得两级最大差、两级最小差。
2.4关联系数的求取根据关联系数公式[17、19],得到X0对X1各性状的关联系数(表4)。K为加权关联系数,根据小麦各性状重要程度不同及育种目标与实践,按各性状的相对重要程度分别赋予不同权重系数。最后,求得各比较数列(参试品种)对参考数列(参考品种)的加权关联度(表5)。
由表5可知,17个品种产量表现中,有13个品种产量超过对照,前5名分别为新麦35,郑麦103,周麦36号,郑麦16和禾丰3号。品种(系)的综合评价还要看加权关联度。灰色系统理论认为,品种(系)的关联度越大说明该品种(系)与对照品种越接近、综合表现越好。从表5可以看出,周麦36号、禾丰3号、新麦35、中育1220的加权关联度位居前四,说明这4个品种(系)与对照品种最接近,性状的综合性状最好。这与品种的实际表现基本一致,周麦18作为国家冬水组区试对照品种,是综合性状很好的品种;而郑麦103、泛育麦17、郑麦16、泉麦31、郑品麦22共5个品种(系)实际产量也达标,甚至较高,但抗逆性、综合性状等的综合表现中等;徽研66、创新118、天民346、皖宿321共4个品种实际表现一般,实际增产率不达标;安科157虽然减产,但是因优质强筋品种保留下来继续下一年度试验,而品种安科1502、圣麦101实际产量减产,关联度也最小,说明该品种(系)与对照品种较远,综合表现较差。因此,安科1502、圣麦101、皖宿321、创新118、天民346共5个品种建议淘汰。
3结论与讨论
周麦36号、禾丰3号、新麦35、中育1220的加权关联度居前4位,综合性状较好,这与品种实际表现基本一致;而安科1502、圣麦101、皖宿321、创新118、天民346共5个品种的关联系数排名靠后,建议淘汰。 该试验方法对小麦新品种(系)进行综合评估既简便又有效,是一种较好的统计分析方法[20]。以往评价小麦品种时,除产量性状外也综合考虑了抗逆性和品质性状,但如何将这些性状综合到一起一直是个难题。灰色关联度分析可克服这一弊端,将各个性状对作物重要程度赋予权重系数,最后将各性状关联度相加得出加权关联度作为1个量化指标,关联度越接近越理想[18,21]。
灰色关联度分析小麦新品种(系)具有一定的科学性和实际意义。就灰色系统与农业生产上的应用而言,由于农业生产受自然环境、气候因素、土壤类型及土壤肥力等因素的影响,因此要十分科学、合理、正确地评价小麦新品系并非易事[18,21]。运用灰色系统评价小麦新品系除产量因素外,要尽量多的包括抗病、抗寒性、抗倒、熟期等非产量因素。
参考文献
[1] 王映红,董昀,程兰兰,等.新麦系列新品种(系)灰色关联度分析[J].山东农业科学,2014,46(2):32-35.
[2] 李平路,孙合军,张志军,等.应用灰色关联度分析综合评价优质小麦新品种[J].种子科技,2001(2):98-99.
[3] 张薇,曹连甫,吕新,等.用灰色关联度分析评价大麦区试品种[J].种子,2000,19(1):21-25.
[4] 赵倩,刘兆晔,刘春蕾,等.小麦新品种(系)的灰色关联度分析[J].中国农学通报,2007,23(9):259-262.
[5] 郭瑞林.作物灰色育种学[M].北京:中国农业出版社,1995.
[6] 赵虹,胡卫国.2016-2017年度国家黄淮冬小麦品种试验总结[M].北京:中国广播电视出版社,2017:2-136.
[7] 刘录祥,孙其信,王士芸.灰色系统理论应用于作物新品种综合评估初探[J].中国农业科学,1989,22(3):22-27.
[8] 吴建明,谢正荣,沈小妹.灰色关联度分析法应用于水稻品种综合评判的探索[J].种子,1990(3):33-35.
[9] 孙海潮,万金红,郭安斌,等.灰色关联度分析在玉米组合鉴定试验中的应用[J].玉米科学,2006,14(2):47-49.
[10] 汪宝卿,张礼凤,慈敦伟,等.黄淮海地区夏大豆农艺性状与产量的相关性及灰色关联度分析[J].山东农业科学,2010(3):20-25.
[11] 赵世春,姚曲峋,李先兵,等.应用灰色关联度综合评价杂交棉新组合[J].中国棉花,2004,31(1):12-14.
[12] 杜淑辉,臧德奎,孙居文.木瓜属观赏品种的灰色关联度综合评价[J].山东农业科学,2011(1):12-15.
[13] 王英杰,庄艳,刘树才.辽春系列小麦主要产量相关性状的灰色关联分析[J].辽宁农业科学,2013(1):13-16.
[14] 胡凤灵.灰色关联度分析法在小麦产量相关因素分析中的应用[J].安徽农学通报,2008,14(11):116.
[15] 许海霞,周扬,詹克慧,等.应用灰色关联度分析法对小麦新品系的综合评价[J].安阳工学院学报,2008(6):94-96.
[16] 王永士,郭瑞林,贺德先,等.灰色关联度分析法在安阳市强筋小麦适宜品种筛选中的应用[J].麦类作物学报,2009,29(2):271-274.
[17] 曲祥春,何中国,郝文媛,等.灰色关联度分析在小麦品种综合评价上的应用[J].辽宁农业科学,2004(6):6-9.
[18] 曹廷杰,李伟,闫素红,等.河南小麦新品种(系)灰色关联度分析[J].安徽农业科学,2010,38(25):13640-13642,13647.
[19] 蘇天增,裴冬丽,侯乐新.小麦新品种的灰色关联度分析[J].河南师范大学学报(自然科学版),2000,28(4):76-80.
[20] 赵元增,牟琪,裴玉荣,等 甜玉米主要农艺性状的灰色关联度分析[J].吉林农业大学学报,1999,21(4):12-15,25.
[21] 陈国秋.灰色关联度分析法在谷子综合评判上的应用[J].杂粮作物,2001,21(2):16-17.
关键词小麦品种;灰色关联度;综合评估
中图分类号S512.1文献标识码A
文章编号0517-6611(2019)02-0023-03
doi:10.3969/j.issn.0517-6611.2019.02.007
小麦产量高低是多种因素共同作用的结果,而各因素对产量影响的主次关系对品种丰产性鉴定尤为重要[1]。目前,区域试验结果的分析除了采用产量进行方差分析和丰产稳产性分析外,也对生育期、株高、熟相及抗逆性等非产量性状进行了分析,但如何将这些性状综合起来评价小麦品种(系)一直是个很难量化的难题[2-5]。鉴于此,笔者应用灰色关联度分析法对小麦的产量和非产量性状进行了多性状的综合分析,以期为小麦品种审定提供参考。
1材料与方法
1.1试验材料
采用2016—2017年度国家区试早播3组区域试验1个参考品种(X0)和17个小麦新品种(系)作为参试品种(系),分别为对照周麦18(X1)、安科1502(X2)、安科157(X3)、创新118(X4)、泛育麦17(X5)、禾丰3号(X6)、徽研66(X7)、泉麦31(X8)、圣麦101(X9)、天民346(X10)、皖宿321(X11)、新麦35(X12)、郑麦103(X13)、郑麦16(X14)、郑品麦22号(X15)、中育1220(X16)、周麦36号(X17)。
1.2试验方法
该试验安排在黄淮南片22个试点,田间试验采用随机区组设计,重复3次,小区面积13.33 m2[6]。田间调查和室内考种按区试统一方案进行,各性状均为各区试点的平均值[7-9]。
应用灰色关联度分析法,将所有参试品种(系)作为1个灰色系统,每个参试品种(系)作为系统中的1个因素[10-12]。构建1个理想的“参考品种”,以参考品种的各项性状指标构成1个参考数列[13-15],以17个参试品种(系)的各项性状指标构成比较数列Xi(k)(i=1,2,3,…,n),其中n为参试品种(系)数,k为评估性状数。计算17个参试品种(系)之间的关联度,以确定各参试品种(系)的优劣次序。选择的17个测量性状分别为产量(kg/hm2)(K1)、穗粒数(粒)(K2)、千粒重(g)(K3)、容重(g)(K4)、穗数(万/hm2)(K5)、成穗率(%)(K6)、株高(cm)(K7)、最高分蘖(K8)、抽穗期(K9)、生育期(K10)、熟相(K11)、籽粒品质(K12)和叶锈病(K13)。
2结果与分析
2.1参考品种的构建
参考品种是指根据育种目标所制定的各性状理想值的集合,是多年育种目标与育种实践的结合[14-17]。产量、穗粒数、千粒重、容重、适用度、成穗率等性状越大越好,采用上限值;株高、生育期等在育种中要求适中,采用适中性测度;熟相等要求越小越好,熟相根据其评价值采用下限值。产量、穗粒数、千粒重、容重、成穗率均以略大于参试品种中最大值为宜;将成熟期最晚品种记为0,比其早熟1 d记为l,依次类推;株高以80 cm为宜、穗数以600万/hm2为宜;熟相分为1、3、5级,以1为宜。结果见表1。
2.2无量纲化处理
由于同一品种的不同性状差异很大,为方便进行灰色关联度分析,对原始数据进行无量纲化处理,即用X0分别去除Xi(k),从而得到1个数值全在[0,1]区间内的新数列(表2)。
2.3求差序列、两级最大差和两级最小差
首先根据曹廷杰等[18]的计算方法,进行计算,所得结果列于表3;再根据表3求得两级最大差、两级最小差。
2.4关联系数的求取根据关联系数公式[17、19],得到X0对X1各性状的关联系数(表4)。K为加权关联系数,根据小麦各性状重要程度不同及育种目标与实践,按各性状的相对重要程度分别赋予不同权重系数。最后,求得各比较数列(参试品种)对参考数列(参考品种)的加权关联度(表5)。
由表5可知,17个品种产量表现中,有13个品种产量超过对照,前5名分别为新麦35,郑麦103,周麦36号,郑麦16和禾丰3号。品种(系)的综合评价还要看加权关联度。灰色系统理论认为,品种(系)的关联度越大说明该品种(系)与对照品种越接近、综合表现越好。从表5可以看出,周麦36号、禾丰3号、新麦35、中育1220的加权关联度位居前四,说明这4个品种(系)与对照品种最接近,性状的综合性状最好。这与品种的实际表现基本一致,周麦18作为国家冬水组区试对照品种,是综合性状很好的品种;而郑麦103、泛育麦17、郑麦16、泉麦31、郑品麦22共5个品种(系)实际产量也达标,甚至较高,但抗逆性、综合性状等的综合表现中等;徽研66、创新118、天民346、皖宿321共4个品种实际表现一般,实际增产率不达标;安科157虽然减产,但是因优质强筋品种保留下来继续下一年度试验,而品种安科1502、圣麦101实际产量减产,关联度也最小,说明该品种(系)与对照品种较远,综合表现较差。因此,安科1502、圣麦101、皖宿321、创新118、天民346共5个品种建议淘汰。
3结论与讨论
周麦36号、禾丰3号、新麦35、中育1220的加权关联度居前4位,综合性状较好,这与品种实际表现基本一致;而安科1502、圣麦101、皖宿321、创新118、天民346共5个品种的关联系数排名靠后,建议淘汰。 该试验方法对小麦新品种(系)进行综合评估既简便又有效,是一种较好的统计分析方法[20]。以往评价小麦品种时,除产量性状外也综合考虑了抗逆性和品质性状,但如何将这些性状综合到一起一直是个难题。灰色关联度分析可克服这一弊端,将各个性状对作物重要程度赋予权重系数,最后将各性状关联度相加得出加权关联度作为1个量化指标,关联度越接近越理想[18,21]。
灰色关联度分析小麦新品种(系)具有一定的科学性和实际意义。就灰色系统与农业生产上的应用而言,由于农业生产受自然环境、气候因素、土壤类型及土壤肥力等因素的影响,因此要十分科学、合理、正确地评价小麦新品系并非易事[18,21]。运用灰色系统评价小麦新品系除产量因素外,要尽量多的包括抗病、抗寒性、抗倒、熟期等非产量因素。
参考文献
[1] 王映红,董昀,程兰兰,等.新麦系列新品种(系)灰色关联度分析[J].山东农业科学,2014,46(2):32-35.
[2] 李平路,孙合军,张志军,等.应用灰色关联度分析综合评价优质小麦新品种[J].种子科技,2001(2):98-99.
[3] 张薇,曹连甫,吕新,等.用灰色关联度分析评价大麦区试品种[J].种子,2000,19(1):21-25.
[4] 赵倩,刘兆晔,刘春蕾,等.小麦新品种(系)的灰色关联度分析[J].中国农学通报,2007,23(9):259-262.
[5] 郭瑞林.作物灰色育种学[M].北京:中国农业出版社,1995.
[6] 赵虹,胡卫国.2016-2017年度国家黄淮冬小麦品种试验总结[M].北京:中国广播电视出版社,2017:2-136.
[7] 刘录祥,孙其信,王士芸.灰色系统理论应用于作物新品种综合评估初探[J].中国农业科学,1989,22(3):22-27.
[8] 吴建明,谢正荣,沈小妹.灰色关联度分析法应用于水稻品种综合评判的探索[J].种子,1990(3):33-35.
[9] 孙海潮,万金红,郭安斌,等.灰色关联度分析在玉米组合鉴定试验中的应用[J].玉米科学,2006,14(2):47-49.
[10] 汪宝卿,张礼凤,慈敦伟,等.黄淮海地区夏大豆农艺性状与产量的相关性及灰色关联度分析[J].山东农业科学,2010(3):20-25.
[11] 赵世春,姚曲峋,李先兵,等.应用灰色关联度综合评价杂交棉新组合[J].中国棉花,2004,31(1):12-14.
[12] 杜淑辉,臧德奎,孙居文.木瓜属观赏品种的灰色关联度综合评价[J].山东农业科学,2011(1):12-15.
[13] 王英杰,庄艳,刘树才.辽春系列小麦主要产量相关性状的灰色关联分析[J].辽宁农业科学,2013(1):13-16.
[14] 胡凤灵.灰色关联度分析法在小麦产量相关因素分析中的应用[J].安徽农学通报,2008,14(11):116.
[15] 许海霞,周扬,詹克慧,等.应用灰色关联度分析法对小麦新品系的综合评价[J].安阳工学院学报,2008(6):94-96.
[16] 王永士,郭瑞林,贺德先,等.灰色关联度分析法在安阳市强筋小麦适宜品种筛选中的应用[J].麦类作物学报,2009,29(2):271-274.
[17] 曲祥春,何中国,郝文媛,等.灰色关联度分析在小麦品种综合评价上的应用[J].辽宁农业科学,2004(6):6-9.
[18] 曹廷杰,李伟,闫素红,等.河南小麦新品种(系)灰色关联度分析[J].安徽农业科学,2010,38(25):13640-13642,13647.
[19] 蘇天增,裴冬丽,侯乐新.小麦新品种的灰色关联度分析[J].河南师范大学学报(自然科学版),2000,28(4):76-80.
[20] 赵元增,牟琪,裴玉荣,等 甜玉米主要农艺性状的灰色关联度分析[J].吉林农业大学学报,1999,21(4):12-15,25.
[21] 陈国秋.灰色关联度分析法在谷子综合评判上的应用[J].杂粮作物,2001,21(2):16-17.