24份山西花生资源农艺性状的相关性和主成分分析

薛云云，白冬梅，田跃霞，权保全

（山西省农业科学院经济作物研究所，山西汾阳032200）

24份山西花生资源农艺性状的相关性和主成分分析

薛云云，白冬梅，田跃霞，权保全

（山西省农业科学院经济作物研究所，山西汾阳032200）

以24份山西地方花生资源为材料，对12个主要农艺性状进行变异系数、相关性和主成分分析。结果表明，秕果数、千克仁数、千克果数的变异系数较大，分别为74.01%，32.32%，32.07%，结果枝数变异系数最小，为13.20%；相关性分析结果表明，饱果数与单株生产力呈极显著正相关，总分枝数与单株生产力呈显著正相关；主成分分析结果表明，前4个主成分对变异的累计贡献率为81.225%。在品种选育上，应注意单株饱果数和单株生产力高的品种。

花生资源；农艺性状；相关性分析；主成分分析

1 材料和方法

1.1 试验材料

表1 24份山西花生资源名称、原产地及类型

试验材料由山西省农业科学院经济作物研究所提供，分别来自山西省临汾市、吕梁市、晋中市、晋城市、长治市、运城市6个市，共24份材料，各材料名称、原产地及类型列于表1。

1.2 试验方法

试验于2016年在山西省农业科学院经济作物研究所花生试验田进行。采用70 cm地膜覆盖，每个品种种植2行，单粒点播。行长100 cm，行距35 cm，株距12 cm，3次重复，采用完全随机区组排列。试验地肥力中等，其他栽培管理措施与大田相同。于2016年4月28日播种，9月27日收获。收获时选取具有代表性的10株进行室内考种，考种性状包括：主茎高、侧枝长、结果枝长、总分枝数、饱果数、秕果数、百果质量、百仁质量、千克果数、千克仁数、单株生产力、出米率。

1.3 数据分析

采用Excel计算各地方资源农艺性状的最大值、最小值、平均值、标准差、变异系数。并采用SPSS18.0软件进行相关性分析和主成分分析。

2 结果与分析

2.1 各农艺性状变异分析

在统计分析中，表示变量的分布有2种明显的基本特征，即集中性和离散性。集中性是变量在趋势上有着向某一中心聚集的性质，用平均数表示；而离散性是变量又有着离散变异的性质，用变异数来表示，在本试验中用变异系数来比较不同材料不同性状的变异程度。

表2 24份山西花生资源主要农艺性状的变异情况

由表2可知，千克仁数变幅最大，为1 238个，最多为2 208个，最少为970个，千克果数变幅较大，为1 030个，秕果数变异系数最大，为74.01%，千克仁数变异系数第二，为32.32%，千克果数第3，为32.07%，百仁质量、百果质量、饱果数、主茎高变异系数较大，分别达31.44%，27.41%，28.75%，20.18%。侧枝长、总分枝数、单株生产力变异系数较小，分别为14.98%，16.23%，18.97%，结果枝数变异系数最小，为13.20%。综合考虑，说明这24份山西花生资源在千克仁数、百仁质量、百果质量、饱果数、主茎高上具有丰富的遗传变异。

2.2 各农艺性状相关性分析

从表3可以看出，主茎高与侧枝长、千克仁数呈极显著正相关，与百仁质量呈显著负相关；侧枝长与千克仁数呈极显著正相关，与百仁质量呈显著负相关；总分枝数与单株生产力呈显著正相关；饱果数与千克果数、单株生产力呈极显著正相关，与百果质量呈显著负相关；百果质量与百仁质量呈极显著正相关，与千克果数、千克仁数呈极显著负相关；百仁质量与千克果数、千克仁数呈极显著负相关；千克果数与千克仁数呈极显著正相关。

表3 各农艺性状相关性分析

2.3 各农艺性状主成分分析

主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标[9-11]，即用少数的变量来解释概括所有变量需要传达的信息，也就是说可以消除各变量之间的共线性，减少变量的个数，利于后续的分析[12-14]。由于花生的产量性状属于数量性状，由多因素影响，而各因素之间又存在一定的相关性，考虑这些性状之间的关系比较复杂，分析影响花生产量的主要因素也比较困难，所以用主成分分析的方法就可以既减少了变量，又得到了影响花生产量的主要因素。

表4 主成分特征值及贡献率

在主成分分析中，各特征根的大小代表各综合指标（主成分）遗传方差的大小，各特征根的累计贡献率表示各有关综合指标（主成分）对总遗传方差贡献的百分率[15]。主成分的特征根（总方差）和贡献率是选择主成分的依据，IEZZONI等[16]研究认为，如果用主成分分析法提取出的特征值的贡献率累计达到80%以上，这几个主成分就可以对这个事物的性质进行概括性的描述，也可以得到影响这个事物性质的主要因素。由表4可知，对12个农艺性状进行主成分分析后，提取出了4个主成分，这4个主成分的累计贡献率达到了81.225%，说明这4个主成分能够代表原来12个性状的基本遗传特征。其中主成分1、主成分2、主成分3、主成分4的特征值分别为 4.553，2.575，1.428，1.191，贡献率分别为37.938%，21.462%，11.903%，9.922%。

从表5可以看出，在第1主成分中，千克果数、千克仁数具有较高的载荷，且为正值，而百果质量和百仁质量具有较高的载荷负值，说明千克果数和千克仁数与百果质量和百仁质量是一个负相关关系。在第2主成分中，饱果数占据最高的正向载荷，其特征值为0.831，单株生产力居于第2位，其特征值为0.665，它们与产量有关系，可以称此因子为产量因子。在第3主成分中，出米率载荷最大且符号为正，其特征值为0.885。在第4主成分中，载荷较高且为正的农艺性状有主茎高、侧枝长、总分枝数、结果枝数，它们与花生的生长势和株型有关，可以称该因子为生长势因子或者株型因子。

表5 主要农艺性状主成分矩阵

3 讨论与结论

李清华等[17]对27份花生资源的10个农艺性状进行变异分析，结果表明，单株秕果数变异系数最大，其次为主茎高与单株果数，百果质量、百仁质量变异系数较小。李玉发等[18]选用11份吉林省珍珠豆型花生品种作为参试材料，得出单株结果数变异系数最大，千克果数、百仁质量、百果质量变异系数偏小。而本研究对24份山西花生资源农艺性状的变异进行分析，结果表明，秕果数变异系数最大，与李清华等[9]结果一致，其次按变异系数从大到小排序为千克仁数、千克果数、百仁质量、百果质量、饱果数，说明笔者所选用的资源具有丰富的遗传多样性，在筛选优良品种时，可以优先从这几个农艺性状入手。

花生产量的高低是由多个农艺性状相互作用的结果。本研究对参试材料的12个农艺性状进行相关性分析得出，与产量性状呈极显著相关的农艺性状为饱果数，饱果数越多，产量越高，这与农田生产相符，饱果数与主茎高、侧枝长呈负相关，结果并不显著，但是这也说明了主茎高与侧枝长过高对饱果数有抑制作用，间接对产量也有了影响，这与杨运萍等[19]的研究结果一致。花生产量性状是一个复杂的性状，在筛选高产品种时，应该多方面考虑各农艺性状的相互影响，不能单纯地考虑某一因素对产量的作用。

于伯成等[20]对林间套种下的花生经济性状进行主成分分析得出，平均单双果质量、单个双果质量、单株双果质量和单粒单果质量在第1主成分中直接正向地影响产量；单株单果数和单株单果质量在第1主成分中直接负向地影响产量。本研究将12个农艺性状进行主成分分析后，提取了4个主成分，其中，第2主成分为产量因子和第4主成分为生长势因子，产量因子中饱果数占据较高的载荷，且为正值，说明饱果数对产量有正向的促进作用，这与相关性分析结果一致。

［1］白冬梅，王国桐，薛云云，等.山西省地方花生品种农艺性状的遗传多样性分析[J].山西农业科学，2014，42（6）：542-547.

［2］郭志利，卢成达，孙长青，等.山西中部东山旱作区多作高效种植模式研究[J].山西农业科学，2012，40（6）：628-631.

［3］李锐，白建荣，张丛卓，等.山西中晚熟玉米区玉米自交系的遗传多样性及杂种优势群分析 [J].山西农业科学，2013，41（4）：311-316.

［4］韩秉进，潘相文，金剑，等.大豆农艺及产量性状的主成分分析[J].大豆科学，2008，27（1）：67-73．

［5］郭数进，杨凯敏，霍瑾，等.大豆不同性状与产量的相关性及主成分分析[J].山西农业科学，2015，43（5）：505-508.

［6］牟书靓，李玉发，牛海龙，等.基于主成分分析的花生种质资源苗期抗旱性鉴定与筛选 [J].吉林农业科学，2015，40（6）：26-30，69．

［7］王军，王溯，王军强，等.花生品种主要农艺性状的主成分分析[J].农业科技通讯，2015（4）：103-106．

［8］张晓杰，姜慧芳，任小平，等.中国花生核心种质的主成分分析及相关分析[J].中国油料作物学报，2009，31（3）：298-304.

［9］徐守俊，孙学成，胡承孝，等.不同大豆品种钼富集因素的主成分分析和聚类分析[J].华北农学报，2016，31（Z）：399-404.

［10］李向华，常汝镇.中国春大豆品种聚类分析及主成分分析[J].

作物学报，1998，24（3）：326-331.

［11］申慧芳，李国柱.红小豆主要数量性状的主成分与聚类分析[J].山西农业科学，2012，40（4）：310-313，385．

［12］何晓群.多元统计分析[M].2版.北京：中国人民大学出版社，2008：153-173.

［13］肖连冬，李慧星，臧晋，等.基于主成分分析法研究麦芽蛋白水解度与功能特性的关系 [J].中国农学通报，2010，26（6）：64-67.

［14］张瑞莲，尹军峰，袁海波，等.基于主成分分析法研究茶叶加工工艺对茶饮料汤色稳定性的影响[J].食品科学，2010，31（13）：82-87.

［15］陈四龙，李玉荣，程增书，等.花生品种（系）生物学性状的主成分分析和聚类分析[J].花生学报，2007，36（2）：28-34.

［16］IEZZONI A，PRITTSM.Applications of principal component analysis to horticultural research[J].Hortscience，1991，26：334-338.

［17］李清华，黄金堂，陈海玲，等.27份花生种质资源的主成分分析及遗传距离测定 [J].植物遗传资源学报，2011，12（4）：519-524.

［18］李玉发，窦忠玉，梁军，等.花生主要农艺性状的遗传变异及相关性和主成分分析[J].辽宁农业科学，2013（3）：11-14.

［19］杨运萍，郭荣发.施磷施钙处理下花生农艺性状的相关分析及主成分分析[J].广东农业科学，2014（5）：119-122，133.

［20］于伯成，张智猛，刘恒德，等.林间套播条件下花生品种经济性状的相关分析和主成分分析 [J].新疆农业科学，2013，50（8）：1400-1405.

Analysis on Correlation and Principal Component of Agronomic Traits of 24 Peanut Resources in Shanxi Province

XUE Yunyun，BAI Dongmei，TIANYuexia，QUANBaoquan
（Institute of Economic Crops，Shanxi Academy of Agricultural Sciences，Fenyang 032200，China）

The genetic variation,correlation and principal component of 12 agronomic characters of 24 peanut resources of Shanxi province were analyzed.The results showed that the coefficient of variations of the abortive pod number per plant,the kilograms kernel－number and the kilograms－pod－number were larger,which were 74.01%,32.32%and 32.07%,respectively,and valid branch number was the least,with a value of 13.20%.Correlation analysis indicated that there were significantly positive correlation between pod number per plant and single plant productivity,the total branch number was significantly positively correlated with the single plant productivity.Principal component analysis showed that the front four principal components accounted for 81.225%of total variation.In varieties breeding,the pod number per plant and single plant productivity all high level should be selected．

peanut resources;agronomic traint;correlation analysis;principal component analysis

S565.2

A

1002-2481（2017）10-1587-05

10.3969/j.issn.1002-2481.2017.10.02

山西是典型的为黄土广泛覆盖的山地高原，地势东北高西南低，南北狭长，地貌复杂多变，境内大部分地区海拔在1 500 m以上，外缘有山脉环绕，气候受海风的影响较小，同时，又由于受内蒙古冬季冷气团的袭击，北部比较寒冷，由此形成了比较强烈的大陆性气候[1-3]。在如此复杂的气候条件下，渐渐驯化出了一批具有丰富遗传变异和较强抗逆性的地方花生资源，本研究所选用的材料就从中产生。在拥有了丰富遗传多样性材料的前提下，为了提高花生育种的选择效率，对这些材料进行准确的评价是当务之急。而花生的产量性状或者其他性状都是一个复杂的数量遗传性状，它是由多种农艺性状共同作用的结果，育种家需要分析的指标过多，增加了育种的复杂程度，为了简化分析的复杂度，运用相关性分析和主成分分析可将多种指标简化为少数指标。相关性分析法可以通过显著相关的一对农艺性状中的一个来描述另一个性状，主成分分析利用降维的思想把多指标转化为少数几个综合指标，减少了工作量[4-6]。王军等[7]通过主成分分析方法比较了14个当地推广的花生品种，筛选出5个综合主成分值比较高的品种。张晓杰等[8]以576份中国花生全套核心种质为材料，对26个表型性状进行了主成分和相关性分析，结果表明，叶片宽、种子宽、百果质量和百果仁质量占有重要地位。

本研究选用24份山西地方花生资源，通过相关性和主成分分析的方法对12个农艺性状进行分析，旨在找出与产量性状相关的农艺性状，并明确各农艺性状之间的关系，为高产稳产花生育种提供理论依据。

2017-07-26

国家现代农业花生产业技术体系建设专项（CARS－14-山西花生综合试验站）；山西省农业科学院生物育种工程项目（17yzgc051）；山西省农业科学院自主创新工程项目（2017zzcx-07）；山西省农业科学院特色农业技术攻关项目（YGG7048）

薛云云（1987-），女，山西孝义人，研究实习员，硕士，主要从事花生种质创新、遗传育种与栽培研究工作。白冬梅为通信作者。