剑麻单叶农艺性状与鲜叶产量的相关性研究

黄兴，陈涛，习金根，贺春萍，吴伟怀，梁艳琼，郑金龙，李锐，易克贤*

（1.中国热带农业科学院环境与植物保护研究所，海口571101；2.广西壮族自治区亚热带作物研究所，南宁530001）

剑麻是中国热带地区最重要的纤维作物之一，属典型的叶纤维作物［1］。剑麻纤维具有质地坚韧、强度高、耐摩擦、耐酸碱腐蚀、不易打滑等特性，广泛应用于渔业、航海、工矿、汽车、造纸等行业。近年来，随着天然纤维增强材料的快速发展，剑麻纤维复合材料以其高性能、高强度、耐腐蚀等特性引起各国学者的广泛关注和竞相研究，尤其在环保再生型建筑材料方面有着巨大的应用前景［2－5］。剑麻叶片生物量较大，作为主要收获部位，其农艺性状与剑麻产量间存在必然联系，但目前相关研究报道较少。本研究拟对剑麻单叶叶长、叶宽、叶厚等农艺性状进行测定，并将其与鲜叶重进行相关性分析，以此为基础推算剑麻农艺性状－产量相关系数，旨在为剑麻生长模型和产量预测模型的构建提供理论依据。

1 材料与方法

试验于2017年在广西壮族自治区亚热带作物研究所剑麻试验基地（108°20’E，22°54’N）进行，试验材料为剑麻H11648成熟叶片。随机选取50株可收获的剑麻，正常割叶后随机选取2片剑麻叶（共100片）进行农艺性状测定。叶长为叶基部至顶刺基部的长度，叶宽为叶片背面最宽处，叶厚为叶片中部的厚度。叶长、叶宽通过米尺测定，叶厚采用游标卡尺测定，鲜叶重则采用电子天平测定［6］。数据分析采用SPSS 19.0，图片绘制采用SigmaPlot12.3。

2 结果与分析

2.1 剑麻单叶农艺性状的基本统计分析

剑麻叶片农艺性状测定结果见表1，对其进行统计分析，结果表明不同性状的变化范围差异较大（见表2）。其中叶片长度变化范围（90.00～138.00 cm）远大于叶片宽度的（7.60～12.60 cm），但其变异系数低于叶片宽度。叶片厚度变化范围较小，仅为0.17～0.22 cm，同时其变异系数最低，仅为0.06。不同叶片间鲜重差异较大，变化范围为225.40～841.82 g，同时其变异系数最高，为0.24。针对各农艺性状分别对其不同变化范围内的叶片数进行统计，并绘制柱状图，结果显示各性状相应柱状图均呈近似正态分布（见图1），表明本研究所选取样本群体较为合理，且与样本总体偏差较小。根据各农艺性状测定结果绘制盒形图，结果显示鲜叶重测定结果中异常值数量较多，叶长和叶宽居中，叶厚则最少（见图2）。表明不同叶片间鲜叶重离散程度较大，叶长和叶宽次之，而叶厚离散程度最低，此结果与不同性状相应变异系数一致。

表1 剑麻叶片农艺性状测定结果Tab.1 Agronomic traits for sisal leaves

续表1

表2 剑麻叶片农艺性状统计分析结果Tab.2 Statistical analysis of agronomic traits for sisal leaf

图1 不同农艺性状剑麻叶片数量分布Fig.1 Leaf length，width，thickness and fresh weight distribution

图2 剑麻农艺性状盒形图Fig.2 Variability of agronomic traits for sisal leaf

2.2 剑麻单叶农艺性状间的相关性

分别对剑麻叶片4种农艺性状进行两两之间的相关性分析，结果表明，仅叶宽与叶厚间相关性不显著，其余性状间的相关性均达到显著或极显著水平，即r0.05≥0.195（见表3）。鲜叶重与叶长、叶宽、叶厚呈极显著相关，相关系数分别为0.8816、0.5446、0.3497（r0.01≥0.254）。此外，叶长与叶宽间相关系数为0.4287，达极显著水平。综上，叶长与鲜叶重相关系数最高，为0.8816。因此在剑麻生长模型和产量预测模型的构建中，叶长与鲜叶重应作为优先指标参与相应模型的构建。

表3 剑麻叶片农艺性状间的相关系数Tab.3 Correlations between each pair of agronomic traits for sisal leaf

2.3 剑麻叶长－鲜叶重线性回归模型

根据所有剑麻叶片叶长和鲜叶重测定值绘制散点图（图3）并进行相关系数分析，得到线性回归方程y＝12．213x－928．18，R＝0．8816。此回归方程呈高度线性相关，表明其可初步用于剑麻生长模型构建和产量预测。

图3 剑麻叶长－鲜叶重线性回归散点图Fig.3 Scatter plot and the linear regression equation of leaf length and fresh weight in sisal

3 讨论

本研究对剑麻叶片4种主要农艺性状进行了统计分析，并探讨了各性状间的相关性。结果表明，叶长、叶宽、叶厚3种农艺性状均与鲜叶重呈正相关，而叶长与鲜叶重相关系数最高，可优先应用于生长模型构建和产量预测。目前水稻、玉米等作物中均有相关报道，并成功将与产量直接相关的农艺性状应用于生长和产量模型［7－8］。麻类作物中的苎麻、黄麻、亚麻中也均已开展相关研究，然而剑麻中尚无相关报道［9－11］。与水稻、玉米等粮食作物相比，剑麻产量由叶片构成，因此构建其生长或产量预测模型复杂程度较低。

此外，叶长这一农艺性状可在非离体条件下进行测定，且简便易行。在麻片未收割前以非离体测定的叶长数据为依据，并采用本研究获得的回归方程进行产量预测，可有效掌握麻株生长状况，同时根据实际情况进行追肥，可有效实现麻田的稳产甚至增产。目前在水稻、玉米、小麦、棉花、马铃薯等作物中均已构建出可应用于生产实践的作物生长模型，对作物种植管理决策具有重要意义［12－14］。剑麻中尚缺乏相关研究报道，本研究结果将为剑麻生长模型和产量预测模型的构建提供基础，同时为麻田高效合理地施肥、追肥提供理论依据。

参考文献：

［1］陈叶海，蔡泽祺.中国剑麻发展概况与展望［J］.中国热带农业，2005（3）：19－21.

［2］杨芳，于淑娟，朱永飞，等.剑麻纤维／聚合物复合材料研究进展［J］.化工技术与开发，2015，44（4）：28－31.

［3］董健苗，聂浩，燕元晶，等.剑麻纤维增强自密实轻骨料混凝土力学性能的研究［J］.新型建筑材料，2016，43（8）：89－91.

［4］郑科，段盛文，成莉凤，等.麻纤维增强热塑性复合材料的研究与应用［J］.中国麻业科学，2017，39（6）：312－320.

［5］陈士伟，李栋宇.我国剑麻产业发展现状及展望［J］.中国热带农业，2016（3）：10－12.

［6］张燕梅，石胜友，李俊峰，等.剑麻种质资源表型多样性分析与倍性鉴定［J］.热带作物学报，2017，38（5）：783－791.

［7］聂守军.黑龙江省水稻主栽品种农艺性状与产量的相关性研究［J］.中国农学通报，2005，21（12）：147－150.

［8］刘卫星，闫向泉，朱伟，等.玉米自交系植株性状与单株产量相关性研究［J］.中国农学通报，2014，30（15）：216－219.

［9］白玉超，黄敏升，李林林，等.94份苎麻种质资源主要农艺性状关联分析与综合评价［J］.中国麻业科学，2017，39（4）：161－171.

［10］陶爱芬，林培清，蔡梦容，等.32份黄麻品种主要农艺性状相关性分析及差异性评价［J］.中国麻业科学，2017，39（6）：298－305.

［11］曹洪勋，夏尊民，宋鑫玲，等.纤用亚麻主要农艺性状的相关性和主成分分析［J］.中国麻业科学，2016，38（2）：75－78.

［12］林忠辉，莫兴国，项月琴.作物生长模型研究综述［J］.作物学报，2003，29（5）：750－758.

［13］陈劲松，黄健熙，林珲，等.基于遥感信息和作物生长模型同化的水稻估产方法研究［J］.中国科学：信息科学，2010，40（s1）：173－183.

［14］Jones J，Hoogenboom G，Porter C，etal.The DSSAT cropping system model［J］.European Journalof Agronomy，2003，18（3－4）：235－265.