16 份无芒雀麦种质资源生产性能与营养品质的综合评价

黄 薇，常 巍，余淑艳，李小云，高雪芹，伏兵哲, 2

（1. 宁夏大学农学院，宁夏 银川 750021；2. 宁夏草牧业工程技术研究中心，宁夏 银川 750021）

无芒雀麦(Bromus inermis)为雀麦属多年生牧草，具有产量高、适口性好、根系发达、耐牧、适应性强等特点[1-2]，在我国西北、东北和华北等地区均可种植，被誉为“禾草饲料之王”[3]。近年来，随着我国农村产业结构的调整与生态环境的治理，无芒雀麦栽培面积大幅度增加，其种子的需求量也呈上升趋势[4]。然而，目前我国大部分地区生产中利用的无芒雀麦新品种较少，饲草产量和品质不高，严重限制了无芒雀麦的推广应用。为此，评价和筛选具有优良生产性能与营养品质的无芒雀麦种质材料，对无芒雀麦新品种培育和生产利用具有十分重要的意义。

饲草的生产性能和营养品质是由多种因素共同作用的结果，故在无芒雀麦种质资源性状鉴定中，需要对不同时期的农艺性状、营养成分等指标进行综合评价。灰色关联度分析是分析育种目标关联程度的一种量化方法，克服了单靠某一性状指标评价供试材料时的偏差，具有不需要满足某种理论分布、样本数量少、分析方法简单和结果准确等优点[5]。目前，灰色关联度分析被广泛应用于小麦(Triticum aestivum)[6]、花生(Arachis hypogaea)[7]、玉米(Zea mays)[8]、谷子(Setaria italica)[9]、棉花(Gossypium hirsutum)[10]、苜蓿(Medicago sativa)[11]、黑麦草(Lolium perenne)[12]等作物和牧草的性状综合分析以及种质材料的筛选等[13-16]。有关不同种源无芒雀麦生产性能、营养品质的差异，以及综合评价鲜有报道。为此，本研究以国内外16 份无芒雀麦种质资源为试验材料，通过测定生产性能与营养品质的相关指标，运用灰色关联度分析法结合聚类分析进行综合评价，以期为无芒雀麦新品种培育和生产利用提供理论依据。

1 材料与方法

1.1 试验地概况

试验地位于宁夏吴忠市盐池县四墩子试验基地(37°47′ N，107°25′ E，海拔1 600 m)。该地属于典型大陆性季风气候，年平均气温7.8 ℃，≥ 0 ℃年积温3 430.3 ℃·d，无霜期162 d 左右，年均降水量289.4 mm，年均蒸发量2 131.8 mm，土壤为黄绵土，有机质含量为1.29 g·kg−1，碱解氮含量为0.5 mg·kg−1，速效磷含量为21.34 mg·kg−1，速效钾含量为10.56 mg·kg−1。

1.2 试验材料

供试无芒雀麦种质材料16 份(国外2 份；国内14 份，其中宁夏本地材料5 份)，试验所用种子均由各种质材料经过单株扩繁所得(表1)。

表1 无芒雀麦种质材料名称及来源Table 1 Names and source of Bromus inermis

1.3 试验设计

试验采用随机区组设计。2018 年4 月人工开沟条播，播种行距30 cm，播量22.5 kg·hm−2，小区面积15 m2(3 m × 5 m)，小区间隔1 m，3 次重复，共48 个小区；播种前施入复合肥(N、P2O5、K2O 含量均为15%) 750 kg·hm−2，每茬收割后结合灌水追施尿素150 kg·hm−2，正常田间管理。2019 年进行指标测量和数据采集。

1.4 农艺性状指标测定

在初花期测定无芒雀麦的生理指标。株高：随机在每个小区选定20 株无芒雀麦，用卷尺测定其绝对高度(cm)，取平均值；茎粗：用游标卡尺测量自地面开始第2 节的最宽处直径(mm)；鲜草产量：每小区全区收割后立即称重，一年收获两次，求两茬鲜草产量之和(t·hm−2)；干草产量：随机取300 g 鲜草，105 ℃杀青15 min，65 ℃烘干至恒重，计算鲜干比，由鲜草产量和鲜干比计算得到干草产量(t·hm−2)；叶茎比：随机在每个小区选取1 m2样方刈割，重复3 次，样品装袋编号，防止小区之间样品混淆，将样品在自然条件下风干，分离叶片与茎，称其干重，叶茎比 = 叶干重/茎干重。

1.5 营养指标测定

参照张丽英[17]的方法对粗蛋白(crude protein,CP)、粗脂肪(ether extract, EE)、中性洗涤纤维(neutral detergent fiber, NDF)、酸性洗涤纤维(acid detergent fiber, ADF)、粗灰分(crude ash, Ash)进行测定。根据NDF 和ADF 含量，计算饲草相对饲喂价值(relative feed value, RFV)[18]：

1.6 灰色关联分析

根据郭瑞林[19]介绍的灰色系统理论，把16 份无芒雀麦种质材料看作一个灰色系统，每份种质材料为该系统中的一个因素，分析系统中各因素关联度越大，因素的相似程度越高。根据实际生产需要将所测指标的最优值设为参考序列X0，并将株高、茎粗、叶茎比、鲜草产量、干草产量、粗蛋白、粗脂肪、中性洗涤纤维、酸性洗涤纤维、粗灰分、相对饲喂价值共11 项指标分别设定为比较数列X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11。为了确保数据的等效性与同序性，采用均值法对所测数据进行无纲量化处理，并根据处理后的数据计算各性状与标准性状的绝对值差，通过各个比较数列(Xi)与参考数列(X0)的相似程度来判断关联系数和关联度。关联系数和关联度的计算公式为：

式中：ξi(k)为X0和Xi关联系数。|X0(k) −Xi(k)|表示X0数列与Xi数列在k点的绝对差，minimink|X0(k) −Xi(k)|为2 级最小差，maximiaxk|X0(k) −Xi(k)|为2 级最大差；ρ为分辨系数，取值范围在0～1，本研究中取0.5，认为同等重要；n代表样品个数。ri为比较数列与参考数列的关联度，是具体反映X0与Xi数列之间关联性的度量。

1.7 数据分析

本研究鲜草产量、干草产量数据为两茬测定值之和，其他数据为两茬测定值均值。利用Excel 2010、MATLAB 软件进行数据整理与关联度分析，SPSS 22.0 软件进行统计方差分析、显著性分析、Duncan 多重比较和聚类分析，用Origin 2018 软件绘图。

2 结果

2.1 不同无芒雀麦株高和茎粗比较

不同无芒雀麦种质材料间株高和茎粗差异明显(图1)，其中Q7 株高最高，为82.94 cm，显著高于Q2、Q3、Q5、Q12、Q13、Q14、Q16 (P< 0.05)；Q16 株高最低，仅为67.62 cm，Q7 株高较Q16 高出15.32 cm。Q9 茎粗最大，为2.51 mm，显著高于Q3、Q4、Q7、Q11、Q14、Q15、Q16 (P< 0.05)；Q16 茎粗最小，仅为1.86 mm，Q9 茎粗较Q16 高出0.65 mm。

图1 不同无芒雀麦株高和茎粗比较Figure 1 Comparison of plant height and stem diameter of different Bromus inermis materials

2.2 不同无芒雀麦鲜草产量和干草产量比较

16 份无芒雀麦种质材料间鲜草产量和干草产量差异明显(图2)，其中鲜草产量最大的是Q6，为66.47 t·hm−2；其次是Q8、Q2，分别为64.24 和64.23 t·hm−2，显著高于除Q3、Q15 和Q16 外的其他种质材料(P< 0.05)。鲜草产量最小的是Q5，仅为46.98 t·hm−2，Q6 鲜草产量较Q5 高出19.49 t·hm−2。干草产量Q16 最大，为23.71 t·hm−2，其次为Q4，为23.63 t·hm−2，二者显著高于其他种质材料(P< 0.05)；Q5干草产量最小，仅为16.19 t·hm−2，Q16、Q4 干草产量较Q5 分别高出7.52 和7.44 t·hm−2。

图2 不同无芒雀麦鲜草产量和干草产量比较Figure 2 Comparison of fresh yield and hay yield of different Bromus inermis materials

2.3 不同无芒雀麦叶茎比比较

叶茎比是评估牧草生产性能重要的指标之一(图3)。不同无芒雀麦种质材料间叶茎比差异显著(P< 0.05)，其中Q2、Q4 叶茎比最大，均为1.53；Q10、Q14 次之，均为1.50，显著高于其他种质材料(P<0.05)；叶茎比最小的是Q6，仅为1.20。

图3 不同无芒雀麦叶茎比比较Figure 3 Comparison of the leaf to stem ratios of different Bromus inermis materials

2.4 不同无芒雀麦营养成分比较

不同无芒雀麦种质材料营养成分差异明显(表2)。其中，粗蛋白含量最高的是Q16，为17.70%，显著高于其他种质材料(P< 0.05)。粗脂肪含量最高的是Q14，为1.90%，显著高于Q1、Q2、Q4、Q7、Q8、Q9 和Q15 (P< 0.05)。NDF 含量最高的是Q12，为53.71%；其次是Q5 和Q7，分别为52.89%和52.88%，显著高于Q1、Q2、Q3、Q13、Q14、Q15 和Q16 (P< 0.05)；Q16 的NDF 含量最低，仅为50.72%。ADF 含量最高是Q1，为34.14%，其次是Q12、Q11，分别为33.54%和33.39%，显著高于Q3、Q4、Q7、Q8、Q10、Q13 和Q16 (P< 0.05)；Q7 的ADF 含量最低，仅为30.68%。Q14、Q16 的粗灰分含量最高，分别为10.48%和9.92%，显著高于其他种质材料(P< 0.05)；Q6 的粗灰分含量最低，仅为7.52%，显著低于其他种质材料(P< 0.05)。Q16的相对饲喂价值最高，为117.48，显著高于Q1、Q5、Q6、Q7、Q9、Q11、Q12、Q14 (P< 0.05)；Q12 的相对饲喂价值最低，仅为108.73。

表2 不同无芒雀麦营养成分比较Table 2 Comparison of nutritional components of different Bromus inermis materials

2.5 聚类分析

基于生产指标与营养成分的平均值，对16 份无芒雀麦种质材料进行系统聚类分析得到树状图(图4)，以欧式距离5.5 为分界线可将这16 份材料分为4 类。第Ⅰ类群由Q4、Q10、Q8、Q15、Q11、Q6、Q7、Q3、Q13、Q9、Q2 共11 份材料组成，第Ⅱ类群由Q1、Q12、Q14 共3 份材料组成，而第Ⅲ、Ⅳ类群分别由Q16、Q5 自成体系。从结果看，这16 份种质材料间关系较为复杂，所有材料并没有严格按照原产地聚在一起。

图4 无芒雀麦种质材料系统聚类分析Figure 4 Hierarchical cluster analysis of Bromus inermis germplasm materials

2.6 灰色关联度分析

关联系数可以了解比较数列与参考数列各指标之间的关联程度。根据各指标的绝对差值，利用公式计算得出关联系数ξi。各种质材料性状之间的关联系数范围为0.3334～1.0001(表3)。由于无芒雀麦各性状特征值的重要性不同，需要根据权重公式计算各指标对应的权值，赋予各性状不同权重。根据计算结果可知，各指标在生产性能与营养成分的评价系统中所占权重表现为叶茎比 > 干草产量 > 粗灰分 > 粗蛋白 > 鲜草产量 > 茎粗 > 粗脂肪 > 株高 >酸性洗涤纤维 > 相对饲喂价值 > 中性洗涤纤维。根据权重建立综合模型Zk= 0.075 1X1+ 0.105 1X2+0.144 0X3+ 0.109 3X4+ 0.142 9X5+ 0.128 5X6+ 0.101 2X7+ 0.009 3X8+ 0.039 5X9+ 0.128 7X10+ 0.016 4X11。

表3 参试品种与理想参考品种的关联系数Table 3 Correlation coefficient of experimental varieties and reference variety

将关联系数ξi代入关联度公式，计算结果如表4所列。按照灰色关联度分析法原则，加权关联度能够全面地体现出对比品种的综合性优劣，即加权关联度越大，综合性状越好，加权关联度最大的品种也最接近理想品系。16 份无芒雀麦种质材料的加权关联度表现为Q6 > Q4 > Q10 > Q16 > Q2 > Q8 >Q9 > Q13 > Q15 > Q14 > Q11 > Q12 > Q7 > Q3 > Q1 >Q5；综合分析种质材料Q6、Q4、Q10、Q16、Q2、Q8 与理想参考品种相似程度最大。

表4 参试品种加权关联度与排序Table 4 Weight association and rank of experimental varieties

3 讨论

灰色关联度分析可以定量了解因素之间的强弱、序位，聚类分析可根据种质材料遗传距离的大小判断种质之间的遗传相似性，这两种方法广泛运用于种质材料的评价筛选工作。本研究中，聚类分析将16 份种质材料分为4 类，聚类结果表明所有种质材料没有按照原产地进行分类，且没有明显的地域特征，说明种质材料之间的遗传相似性与原产地联系不大。叶茎比、鲜草产量、干草产量是生产性能的评估指标，粗蛋白、纤维是营养品质的评估指标[20-23]。本研究通过灰色关联度分析与聚类分析筛选出Q6、Q4、Q10、Q16、Q2、Q8 共6 份综合性状优良、高产、优质的无芒雀麦种质材料。其中Q4、Q16是宁夏本地种，各项性状表现较好，综合排名靠前，接近于理想品种。Q6、Q8、Q2 的鲜草产量以及Q16、Q4 的干草产量较大，显著高于其他种质材料(P< 0.05)，说明Q6、Q8、Q2、Q16、Q4 产量性状优良，可作为追求产草量的基础材料利用。Q16 粗蛋白含量高，中性洗涤纤维含量低，综合排名第4，从营养价值看，粗蛋白是牧草中的主要营养物质，也是家畜必不可少的营养，其含量高则品质优[24]，而中性洗涤纤维是家畜对牧草消化率的影响因素之一，其含量低则养分消化率高[25]，表明Q16 有利于提高牧草养分消化率、营养品质较好。Q2、Q4、Q10、Q14 叶茎比较大，显著高于其他种质材料(P<0.05)。叶茎比是叶与茎的比值，比值越大，说明叶量越大，品质越好，故Q2、Q4、Q10、Q14 可用来提高无芒雀麦的适口性，进而提高其品质。综合排名结果与田间鉴评结果基本一致。从整体来看，采用灰色系统理论对无芒雀麦种质资源进行综合评估，其结果较为合理可信，能够较全面地反映一个品种生产性能与营养品质的优劣。

马啸等[26]对87 份扁穗雀麦(Bromus catharticus)材料的表型性状数值进行相关性分析与主成分分析，表明评价和筛选扁穗雀麦优良种质材料时应该着重考察干重、株高、茎粗；马铭等[27]采用相关性分析认为，扁穗雀麦品种选育时应该重点考虑植株高度、叶片宽度、分蘖数、茎粗。杨成前等[28]利用相关性与聚类分析表明，白术(Atractylodes macrocephala)种质资源收集和品种选育时可将株高、叶型、茎粗、根茎鲜重筛选为关键性状指标。本研究应用灰色关联度理论结果表明，叶茎比、干草产量、粗灰分、粗蛋白在无芒雀麦生产性能与营养品质的综合评价系统中权重最大，可初步作为无芒雀麦品种评价和筛选时的关键性状，这与前者研究结果不同，可见基于不同草种利用不同数据分析方法进行品种筛选时，理想指标也不同。因此，在无芒雀麦品种选育中，应重点考虑叶茎比、干草产量、粗灰分、粗蛋白4 项重要指标，使其更好地与生产实际紧密相联。同时，还应进行大量考察充分了解不同无芒雀麦种质材料的优异特性，从而选育出适合不同生产需求的无芒雀麦优良品种。

采用灰色关联度分析法综合评价牧草品种的关键是依据当地生产实际和生产需要来进行性状的选取、各性状权重值的确定和参考品种的构建。考虑到无芒雀麦属多年生优质禾本科牧草，不同来源的品种需经过多年适应性试验，才能充分发挥其独特优势，因此，要选取适应某个地区气候特征和生产实际状况的代表性性状作为综合评价的因子，并结合积累的生产经验，参照相关科技文献来赋予参评性状合理、科学的权重。本研究中无芒雀麦参考材料的选取具有一定人为因素，评价指标也不够丰富，在今后的研究中需综合牧草更多的生产性能、抗逆性及其他营养指标进行全面、合理地评价。

4 结论

不同无芒雀麦种质资源之间生产性能与营养品质差异较大，其中Q6、Q8、Q2 的鲜草产量以及Q16、Q4 的干草产量较大，可作为追求产草量的基础材料利用；Q16 粗蛋白含量高，中性洗涤纤维含量低，有利于提高牧草养分消化率、营养品质好；Q2、Q4、Q10、Q14 叶茎比较大，可用来提高无芒雀麦的适口性，进而提高其品质。聚类分析将16 份种质材料分为4 类，分类结果与种质材料原产地关联较小。通过灰色关联度分析，参试无芒雀麦种质材料各项指标在生产性能和营养成分的综合评价系统中所占权重表现为叶茎比 > 干草产量 > 粗灰分 >粗蛋白 > 鲜草产量 > 茎粗 > 粗脂肪 > 株高 > 酸性洗涤纤维 > 相对饲喂价值 > 中性洗涤纤维；综合表现较好的种质材料为源自我国白旗的Q6、宁夏原州区的Q4、宁夏彭阳县的Q16、新疆的Q2 以及来自美国的Q10、Q8，而源自我国锡林郭勒的Q1 和甘肃的Q5 加权关联度最小，综合表现最差。