花生主要农艺性状和产量性状的相关性与灰色关联度分析

王 允， 张幸果， 李贺敏， 薛 伟， 崔党群， 殷冬梅

(河南农业大学，河南 郑州 45002)

花生主要农艺性状和产量性状的相关性与灰色关联度分析

王 允， 张幸果， 李贺敏， 薛 伟， 崔党群， 殷冬梅

(河南农业大学，河南 郑州 45002)

应用DPS统计软件对19个花生新品系的主要农艺性状和产量性状进行相关性、灰色关联度等分析.结果表明,单株结果数、单株果重、总分枝数、结果枝数变异系数较大；单株荚果产量与主茎高、侧枝长、总分枝数、百果重、百仁重呈负相关，与结果枝数、单枝结果数、出仁率呈正相关；聚类分析可将19个花生品种划分为3类，第1、第3类表现良好，值得推广种植.灰色关联度分析表明,百仁重、百果重 、出仁率、单株果重、总分枝数等性状是影响花生产量的主导因素.在花生高产育种中，应以其为主攻目标，提高花生后代的有效选择，加速高产育种进程.

花生；农艺性状；产量；聚类分析；关联度分析

花生是中国五大油料作物之一，因其高产、优质、高效的经济效益，成为中国单产、总产和出口创汇最高的油料作物和经济作物.随着花生规模化和商品化的发展，中国花生种植面积、单产居世界第2位，总产居第1位[1].但是，目前花生的产量仍有较大的发掘潜力[2].在以往的育种工作中，育种工作者往往只重视影响产量的单个因素．而忽视多个因素对花生产量的影响，导致育成的花生品种在产量上没有大的突破．难以在生产上大面积推广应用[3].因此，现在越来越多的花生育种工作者将目光放在选育具有多个优良性状的花生品种上，期望能从中选育出高产、稳产、优质、高抗的花生新品种.但是花生的产量、品质等目标性状多为数量性状，遗传力较低，彼此之间又有十分复杂的关系，想要提高育种的选择效率，就要对不同性状间的相互关系及品种间的遗传多样性进行分析[4]，为花生高产育种和高产栽培提供理论依据.前人对花生农艺性状与产量相关性状做了大量的研究.很早就发现，花生产量与单株饱果数、百果重、出米率呈极显著正相关[5].黄金堂等[6]认为,百果重、百仁重对花生产量的提高起了重要作用.王晓林等[7]研究发现，百果重、百仁重、单株生产力、饱果率、出米率在影响产量诸因素中占主导地位.金建猛等[8]认为,百果重、百仁重和单株生产力是影响花生产量的主导因素.张忠信等[9]发现,提高百仁重，从而能提高单株生产力.廖福琴等[10]指出,提高出仁率，增加有效分枝数，提高双仁率，增加饱果数，并兼顾其他农艺性状是花生高产的有效途径.由于受试验群体、区域和统计方法的限制，前人的结论也差别较大.本研究先应用聚类分析法对19个品种各个农艺性状进行分析和分类.运用灰色关联度分析方法，合理地评价各性状对产量的作用大小，可以科学合理地研究各性状与产量的关系及其在产量组成中的作用，为新品种的选育提供理论依据[11，12].

1 材料与方法

1.1试验材料

供试花生新品种(系)为河南省花生品种麦套预备试验品种，共19个，编号分别为49,50,51,52,54,56,57,58,59,60,61,62,64,65,66,67,68,69,70.

1.2试验设计

试验于2013年在河南农业大学科教园区进行，试验统一采用随机区组排列，重复3次，小区面积为13.3 m2，行距40 cm，穴距16.7 cm，每穴2粒，每品种3行.土层深厚，地势平坦，肥力中等，冬季休闲.2013-05-15播种，2013-05-27补苗.生育期间共浇水3次，人工除草4次.2013-07-02追肥1次(施复合肥1 500 kg·hm-2)，未喷除草剂和任何农药.收获时每小区取5穴(10株)进行考种.测定项目有主茎高(cm)，侧枝长(cm)，总分枝数，结果数，单株结果数，单株果重(g)，百果重(g)，百仁重(g)，出仁率(%)，荚果重(kg·hm-2)，子仁重(kg·hm-2).

1.3聚类分析

数据处理在DPS软件上进行.聚类时将原始数据先进行标准化变换，然后在欧氏距离水平上采用离差平方和法进行系统聚类分析[13].

1.4灰色关联度分析

灰色关联分析是对于一个发展变化系统发展态势的量化比较，其基本思想是根据曲线几何形状的相似程度来判断关联程度，关联度反映密切程度大小，关联度大说明因素间变化的势态越接近，其相互关系越密切.按照灰色关联理论[14]，将参加河南省花生品种麦套预备试验品种和品系的产量及其9个农艺性状因素视为一个灰色系统，将参比数列产量定义为Y(母序列)，各性状指标定义为Xi={[xi(1)，xi(2)，xi(3)…xi(9)]}={[主茎高，侧枝长，总分枝，结果数，单株结果数，单株果重，百果重，百仁重，出仁率}，数据经标准化后，设定分辨系数为0.5，计算关联度，根据关联度排序位次确定花生各农艺性状对产量影响的主次关系.依上述编号为准，采用DPS软件分析各农艺性状之间的相关性.

2 结果与分析

2.1主要农艺性状的变异性分析

19个供试品种的主要农艺性状为10组考种数据的平均值，其平均值及变异情况见表1，表1结果表明,单株结果数、单株果重、总分枝数、结果枝数变异系数分别为25.73%，21.51%，15.09%，16.17%，变异明显；主茎高、侧枝长、百果重、百仁重变异系数分别为13.31%，14.37%，13.66%，14.28%，变异较明显；出仁率变异系数最小为7.23%.表明19个品系各具特点，差距明显，类型广泛.

2.2花生主要农艺性状间的相关性分析

对不同花生品系产量及农艺性状进行了相关性分析(表2)，结果表明,主茎高与侧枝长、总分枝数与结果枝数、结果枝数与单株结果数、百果重与百仁重之间均呈极显著正相关；而结果枝数与百仁重、结果枝数与百果重、单株结果数与百仁重之间呈极显著负相关；总分枝数与百仁重、百果重呈显著性负相关.单株荚果产量与主茎高、侧枝长、总分枝数、百果重、百仁重呈负相关，与结果枝数、单株结果数、出仁率呈正相关.从参试花生单株荚果产量与其他农艺性状的相关性可以看出，多个农艺性状都会影响单株荚果产量，通过对这些性状的直接选择，对单株荚果产量将有所改变.

在各农艺性状与产量之间，荚果产量与百果重、百仁重呈正相关，与主茎高、侧枝长、总分枝数、结果枝数、单株结果数、单株果重、出仁率呈负相关；子仁产量与出仁率呈极显著正相关，与百果重、百仁重呈正相关，与主茎高、侧枝长、总分枝数、结果枝数、单株结果数、单株果重呈负相关.

表1 花生参试品系主要农艺性状的变异情况Table 1 Variation of principal agronomic traits of peanut varieties

表2 花生农艺性状与产量性状的相关性分析Table 2 Correlation analysis of agronomic traits and yield traits of peanut

注:*表示差异在0.05水平上显著，**表示差异在0.01水平上显著.

Note:*correlation is significant at the 0.05 level, **correlation is significant at the 0.01 level.

2.3不同花生参试材料综合性状的聚类分析

如图1所示，根据同一类群内花生品系类间距离接近且综合性状值差异较小的原则，可以将参试的19个品系划分为3大类群(表3).第1类包括66，58，54，51，61，59，50号7个品系，除单株结果数、单株果重差异较大外，其他性状均比较一致，该类群属于分枝多、结果多、出仁率较高的类型；第2类分2个亚类，第1类包括68，67号，第2亚类包括70，64，62号，这2个亚类无论从类间距离还是从类群平均值上都比较相近，仅结果枝数有差别.该类群属于分枝较多，结果少，出仁率较低的类型；第3类包括69，56，52，57，65，60，49号7个品系，除结果枝数、单株结果数差异较大外，其他性状均比较一致，属于分枝少，结果较多，出仁率高的类型.

2.4花生产量性状与农艺性状间的灰色关联度分析

花生主要农艺性状与产量的灰色关联度分析(表4)表明，各农艺性状与荚果产量之间的关联度依次为百仁重>出仁率>百果重>单株果重>总分枝数>主茎高>单株结果数>侧枝长>结果枝数 .其中百仁重、出仁率、百果重 、单株果重、总分枝数 对荚果产量的关联度较高.

各农艺性状与子仁产量之间的关联度依次为出仁率>百仁重>单株果重>百果重>总分枝数>主茎高>侧枝长>单株结果数>结果枝数.其中出仁率、百果重、单株果重、百果重、总分枝数对子仁产量的关联度较高.根据关联度大的数列与参考数列关系密切，关联度小的与参考数列关系疏远的原理，花生百仁重和出仁率对花生荚果产量和子仁产量的影响最大，其次为百果重 、单株果重、总分枝数；而结果枝数与花生荚果产量及子仁产量的关联度最小，因此对花生产量的影响最小.

图1 综合性状的聚类分析图Fig.1 Dendrogram of cluster analysis

表3 各类群主要农艺性状平均值Table 3 Means of agronomic traits among groups

表4 花生农艺性状与产量性状的灰色关联度分析Table 4 Grey correlation analysis of agronomic traits and yield traits

3 讨论与结论

通过聚类分析将19个花生新品种(系)分为3类，第3类群的株型和结果性状最好，产量高；第1类群除产量较低外，其他性状均表现良好；而第2类的株型较差，结果少，产量低.李清华等[15]认为,在选择育种目标时，应该考虑到各个性状之间的相关性和协调性，必须要目标明确，重点突出，在注重某一性状的同时，兼顾其他农艺性状.李新国等[16]的研究发现，花生的理想株型为株高适中、结果枝多、结荚集中、单株产量高、出仁率高、品质优良等.由此可见，第1类群属于分枝多，结果多，出仁率较高的类型、第3类属于分枝少，结果较多，出仁率高的类型，都是值得推广的优良品系.

在花生新品种选育中，对影响花生产量的各农艺性状的选择应有所侧重.在后代选择中要着重对主要性状进行选择，对次要性状综合分析利用，以便提高有效选择范围，增强新品种选育有效性.劳方业等[17]，高翔等[18]，徐宜民等[19]分别用不同的材料进行分析，结果表明，花生品种的农艺性状和产量因素之间是相互制约、相互促进、协调发展的，各个性状之间存在着不同程度的相关关系.

本研究应用灰色关联分析方法,结果表明，百仁重、出仁率、百果重、单株产量、总分枝数、较为密切,是制约产量的主导因素,这与刘振兴等[20]的结论不太一致，其原因可能与取材不同有关，但都表明百果重和百仁重对花生产量影响最大.根据灰色关联度分析结果，由于百仁重、百果重 、单株果重3个主要农艺性状对花生产量的影响最大.因此，应选择百仁重、百果重、单株果重大的优良单株和株系进行花生高产育种.

通过聚类分析，将19个品系分成3类，并运用灰色关联度分析法明确了各农艺性状间及对花生产量的影响主次关系，为花生高产栽培和育种提供一定的理论依据，但本试验测定的农艺性状较少，没有考虑品种生育期以及气候对产量的影响，这需要在将来的工作中进一步完善.

[1] 赵 婷，王俊宏，徐国忠，等. 花生高产优质育种与生物技术应用的研究进展[J].热带作物学报,2011,32(11): 2187-2195.

[2] 李新国, 郭 峰, 万书波. 高产花生理想株型的研究[J]. 花生学报,2013，42(3)：23-26.

[3] 金建猛, 谷建中, 刘向阳, 等.花生农艺性状与产量的灰色关联度分析[J].种子科技, 2009,27(2):31-33.

[4] 殷冬梅, 李拴柱, 崔党群. 花生主要农艺性状的相关性及聚类分析[J].中国油料作物学报,2010，32(2):212-216.

[5] 张保亮, 何延成, 李伟锋,等.河南花生主要产量构成因素及高产育种分析[J].花生学报,2003,32(增刊):243-244.

[6] 黄金堂，陈海玲, 郑国栋, 等.福建花生品种系谱及其性状演变分析[J].中国农学通报, 2012, 28(27):31-36.

[7] 王晓林, 甄志高, 段 莹. 运用灰色系统理论对花生农艺性状重要性的评价[J].中国农学通报, 2005,21(3):316-318.

[8] 金建猛, 谷建中, 刘向阳,等.花生农艺性状与产量的灰色关联度分析[J].种子科技, 2009,27(2):31-33.

[9] 张忠信, 汤丰收, 张新友, 等.河南省夏播花生主要农艺性状与单株生产力的遗传相关及通径分析[J].安徽农业科学, 2010,38(30)：16817-16819.

[10] 廖福琴, 卢春生, 黄萍萍, 等.加工型春花生主要农艺性状与产量的相关和通径分析[J].安徽农业科学,2003, 31(6)：938-939.

[11] 刘乾开,朱国念．新编农药使用手册[M]．上海：上海科学技术出版社, 1999.

[12] 李香菊，等．玉米及杂粮田杂草化学防除[M]．北京：化学工业出版社, 2003.

[13] 王林辉．基于主成分分析的棉花品种综合评价及聚类分析[J]．广东农业科学, 2009(1):29-32．

[14] 邓聚龙．农业系统灰色理论与方法[M]．济南：山东科学技术出版社, 1988.

[15] 李清华, 黄金堂, 陈海玲等．花生主要农艺性状协调关系的研究[J]．花生学报, 2008，37(4):40-44．

[16] 李新国, 郭 峰, 万书波.高产花生理想株型的研究[J].花生学报, 2013, 42(3)：23-26.

[17] 劳方业, 罗葆兴, 黎杰强等．高产花生的性状相关与通径分析[J]．花生科技, 1992(4): 1-5．

[18] 高 翔, 张启华．几个花生农艺性状的数量遗传及通径分析[J]．花生科技, 1988(4): 16-18．

[19] 徐宜民, 甘信民, 顾淑媛，等．花生主要农艺性状和产量的相关与通径分析[J]．花生科技, 1992(2):24-28．

[20] 刘振兴, 周桂梅, 刘自华，等．花生产量与农艺性状的灰关联度分析[J]．中国油料作物学报, 2006,28(1):25-28．

(责任编辑：常思敏)

Relativityandgraycorrelationanalysismajoroftheagronomiccharactersandyieldofpeanut

WANG Yun， ZHANG Xing-guo， LI He-min， XUE Wei， CUI Dang-qun， YIN Dong-mei
(Henan Agricultural University， Zhengzhou 450002， China)

About 19 peanut varieties were analysed using a statistical software DPS． The results showed that large aberrance coefficient existed among the pod number per plant,pod weight per plant,branches per plant and effective branches. The pod yield per plant had a negative correlation with five characteristics including plant height， branch length， branches per plant， 100-pod weight and 100-kernel weight， but a positive correlation with effective branches，pod number per plant， and shelling percentage. The nineteen peanut varieties can be divided into three categories with cluster analysis．Group 1 and group 3 had excellent agronomic traits and were recommended for expansion. Gray correlation analysis showed that 100-pod weight and 100-kernel weight， shelling percentage， pod yield per plant， branches per plant and other traits are the dominant factors affecting peanut production. In the future, they should be the main target to improve the effective choice of peanut plants and to accelerate the breeding process.

peanut; agronomic character; yield; cluster analysis; relational analysis

1000-2340(2014)06-0680-04

S 565.2

：A

2014-07-05

国家自然科学基金项目(U1204317);河南省现代农业产业技术体系(S2014-05-G03)

王 允，1988年生，女，河南驻马店人，博士研究生,主要从事花生遗传育种研究工作.

殷冬梅，1972年生，女，河南方城人，教授，博士.