16份俄罗斯冬小麦品种资源主要性状多元分析和综合评价

李晶 李鹏程 贺永斌 邢雅玲 孟凡华 周谦 南铭

（1 定西市农业科学研究院，743000，甘肃定西；2 中国农业科学院作物科学研究所，100816，北京；3 甘肃省农业科学院作物研究所，730070，甘肃兰州）

小麦（Triticum aestivumL.）是一种适应性强、分布广泛的世界性粮食作物，作为全球约40%人口的主粮作物，为人类提供约21%食物热量和20%蛋白质，其产量直接关系到人类粮食安全及社会和谐稳定[1]。我国的冬小麦种植面积和产量居世界首位，主要分布在秦岭、淮河以北和长城以南等区域，产量约占全国小麦总产量的70%[2]。甘肃省作为我国旱地冬小麦的主要种植区之一，大部分集中在水资源相对匮乏的陇中和陇东南地区，年均播种面积稳定在53.3 万hm2以上，但受干旱灾害环境影响，平均产量仅有3750kg/hm2左右，抗逆广适品种相对比较缺乏，严重制约优质小麦生产保障能力。

小麦种质资源作为品种选育的重要基础，其种内间的遗传多样性是对环境变化适应能力的体现[3-4]，对特定性状的选择显得尤为重要[5]。每一次品种的更新换代都离不开种质资源的挖掘评价和创新利用，长期对某一区域性同类种质持续定向选择和骨干亲本经过人工杂交使育成的品种间遗传多样性降低，遗传脆弱性不断加剧，稳产和增产潜力下降，这便增加了选育突破性品种的困难[6]。国外引进小麦品种资源受原产地气候环境和自身遗传特点的差异，携带有丰富的外源基因[7]，可以有效改良地方品种遗传基础窄、变异空间小、抗逆性较弱和营养性能低等特点，拓展可利用遗传资源背景[8]。育成品种由于具有较多符合生产要求的重要性状，而被作为重要的种质资源来研究其遗传变异特性，更有利于保持既定育种目标[9]。二维排序图由于简洁直观地反映供试材料分布特征，清楚揭示各品种性状表现等方面的差异及相近或相对位置，近年来已在玉米、油菜、燕麦、麻类、油料和豆类等作物品种（系）及种质资源系统鉴定与综合评价中广泛应用[10-16]，国内在普通小麦种质筛选中也利用该方法进行了初步研究[17]，获得了大量优异材料。而针对国外引进冬小麦品种的适应性评价尚未见报道，因此，本研究以16 份引进冬小麦品种为材料，通过对表型、产量和品质性状的遗传多样性和变异分析，借助主成分分析及二维排序分析的数学方法，剖析供试品种的特点，并进行综合评价，筛选优异的品种，为旱作区冬小麦种质资源的利用和遗传改良提供理论参考。

1 材料与方法

1.1 试验材料

16 份试验材料均来自俄罗斯，由甘肃省定西市农业科学研究院提供，供试材料名称见表1。

表1 16 份供试材料信息Table 1 The information of 16 test materials

1.2 试验地概况及试验设计

试验于2019-2021 年在甘肃省定西市农业科学研究院科研创新基地（104°59'E，35°56'N）进行，该地海拔1920m，无霜期110d，属中温带半干旱大陆性季风气候，多年平均气温8.3℃，≥0℃的积温2000℃～3500℃，年降水量330～400mm，年均日照时数2600h，年蒸发量1420～1500mm。春季降水少、干旱多风，7-9 月降水量约占全年50%，雨热不同期，分配不均，季节性干旱严重。

试验采用随机区组设计，均于试验当年9 月下旬播种，每个材料种植10 行，行距0.2m，行长1.5m，3 次重复，人工开沟条播，行播种量6g，试验周边设置保护行。播前基施腐熟的农家肥28 000kg/hm2、尿素225kg/hm2、磷酸二铵500kg/hm2，7 月上旬收获，前茬作物均为豌豆（Pisum sativumL.），管理措施同常规大田。

1.3 指标调查及方法

冬前苗期调查幼苗习性和颜色，灌浆期至乳熟期调查株型、穗形、芒、锈病和白粉病，统计单位面积穗数和单株分蘖数，量取株高和穗长（随机选取5 株取平均值）。成熟期调查统计粒色、壳色、粒色和粒质，并统计产量。每个小区随机选取长势均匀，株型一致的10 株带回室内考种，计算结实小穗数、穗粒数、穗粒重和千粒重，重复3 次，分别统计各指标最大值和最小值，计算出极差、平均值、标准差和变异系数，所有表型性状调查参照文献[18]。采用瑞典DA7200 型近红外分析籽粒蛋白质含量，采用瑞典波通公司面筋分析仪按照GB/T 5506-2008 测定湿面筋含量[19]。

1.4 数据处理

采用Microsoft Excel 2019 整理数据，用3 年试验的平均值进行分析。用Shannon-weaver's 进行遗传多样性指数（genetic diversity index，H'）计算，H'=-∑Pi×lnPi（i=1，2，3，...，n），式中，Pi表示某性状第i级别内材料份数占总份数的百分比[20]。为了便于数量化和统计分析，对数量性状进行分级，质量性状予以赋值，多样性指数的划级方法如下，先计算参试材料总体平均数（X）和标准差（d），然后划分为10 级，从第1 级[Xi＜（X-2d）]到第10 级[Xi＞（X+2d）]，每0.5d 为1级，每级的相对频率用于计算H'。供试材料产量性状和品质性状数据经正态标准化后，应用OriginPro 22.0 进行主成分分析，应用Graphpad Prism 9 软件绘制二维排序图，并构建综合评价函数模型。

2 结果与分析

2.1 质量性状遗传多样性

通过连续3 年的适应性和抗病性调查分析，供试的16 份冬小麦品种资源生长期内锈病和白粉病表现为高抗至免疫，均能在甘肃中部旱区完成生育期（平均277d），籽粒饱满，成熟度好（表2、表3）。10 个质量性状变异类型及其丰富，具有较广的遗传基础（表4），幼苗习性以半匍匐为主（0.4375），遗传多样性指数（1.0717）最高。壳色遗传多样性指数（0.1407）最低，10 个质量性状的遗传多样性指数依次为幼苗习性＞株型＞芒＞幼苗颜色＞粒形＞穗形＞腹沟＞粒质＞粒色＞壳色。说明种质来源地不同，对同一生态环境的适应性表现不同，质量性状表现型丰富，遗传基础较广。

表2 16 份种质资源质量性状及抗病性统计Table 2 Statistics of quality characteristics and disease resistance of 16 germplasm resources

表3 16 份种质资源数量性状及品质统计Table 3 Statistics of quantity characteristics and quality of 16 germplasm resources

表4 10 个质量性状的遗传多样性分析Table 4 Genetic diversity analysis of ten quality traits

2.2 数量性状遗传变异分析

同一地理来源的不同种质材料在数量性状上存在较大变异（表5）。其中，单株分蘖数的H'最大，为5.02。穗粒重的变异系数最大，为18.67%，变幅为0.94～1.63g，H'最小，为2.07。其次为单株分蘖数和穗粒数，其变异系数分别为16.91%和15.53%，变幅分别为1.00～2.40 和23.33～39.85。株高变异系数为11.38%，变幅为72.60～104.15cm。籽粒蛋白质含量变异系数较小，为3.60%，变幅为14.69%～16.70%。10 个数量性状的变异程度依次为穗粒重＞分蘖数＞穗粒数＞株高＞穗长＞千粒重＞湿面筋含量＞结实小穗数＞单位面积穗数＞蛋白质含量；H'依次为单株分蘖数＞千粒重＞株高＞穗长＞单位面积穗数=穗粒数＞蛋白质含量=湿面筋含量＞结实小穗数＞穗粒重，表明供试的16 份冬小麦种质资源在同一生态环境条件下表现出不同的遗传特点，差异明显，类型广泛。

表5 供试材料数量性状的遗传变异分析Table 5 Analysis of genetic variation of main characteristics of tested materials

2.3 产量与数量、品质性状相关性分析

对11 个数量和品质性状进行相关分析（表6），可以看出，有7 对指标间呈极显著正相关（P＜0.01），1 对指标间显著负相关（P＜0.05），5 对指标间显著正相关（P＜0.05），6 对指标间相关性系数小于0.1。其中，单位面积穗数和穗粒数呈极显著正相关（r=0.804，P＜0.01），穗粒数、穗粒重和千粒重之间呈极显著正相关（r=0.829，r=0.795，r=0.986，P＜0.01），单株分蘖数与蛋白质含量呈显著负相关（r=-0.653，P＜0.01），单位面积穗数与穗粒数、千粒重呈显著正相关（r=0.685，r=0.691，P＜0.05），蛋白质含量与湿面筋含量呈显著正相关（r=0.623，P＜0.05），湿面筋与结实小穗数呈显著负相关（r=-0.605，P＜0.05），说明单株结实小穗数、单位面积穗数、穗粒数、穗粒重、千粒重对冬小麦产量和品质有直接贡献，而株高、穗长、单株分蘖数也有一定的影响，产量与品质性状间既相互联系又相互制约。

表6 供试材料各指标相关性分析Table 6 Correlation analysis of various indicators of tested materials

2.4 主成分分析

主成分分析得到代表全部信息量88.4239%的4 个特征值大于1 的因子（表7），可以近似代表原始性状中绝大部分的变异。数量性状大多由微效多基因控制，容易受环境条件的影响，因此，不同品种的同一性状在相同环境下具有不同的表型数值。其中第1 主成分贡献率达39.7446%，其特征向量主要是千粒重和穗粒重，向量关系表明，穗粒重越大，则千粒重较高；第2 主成分贡献率为23.9016%，其性状特征根穗粒数、单位面积穗数和结实小穗数贡献值较大，说明在第2 主成分的各因子中，单位面积穗数与结实小穗数关系最为重要，直接影响穗粒数；第3 主成分贡献率为13.8196%，特征向量中穗长和株高贡献较大；第4 主成分贡献率10.9580%，特征向量中单位面积穗数和蛋白质含量贡献较大。

表7 供试材料各性状主成分得分系数矩阵Table 7 Score coefficient matrix of principal components of each trait of tested materials

为给予供试材料定量化的描述，根据10 个性状4 个主成分因子得分结果，构建主成分PC1～PC4的因子关系式和综合评价函数模型F。

F1=0.0773X1+0.0688X2+0.1658X3-0.3845X4+0.0706X5+0.4271X6+0.4476X7+0.4588X8-0.0932X9-0.0582X10；

F2=0.3267X1+0.3209X2+0.3902X3+0.0149X4+0.3826X5+0.4635X6-0.1628X7-0.1420X8-0.4573X9-0.0013X10；

F3=0.4878X1+0.5823X2+0.1218X3-0.1849X4-0.4601X5-0.2266X6+0.0419X7+0.0324X8+0.3278X9+0.2305X10；

F4=-0.4617X1+0.1243X2+0.5441X3+0.2936X4-0.3462X5+0.1639X6-0.0577X7-0.0067X8+0.3391X9-0.3379X10。

F={λ1/(λ1+λ2+λ3+λ4)}F1+{λ2/(λ1+λ2+λ3+λ4)}F2+{λ3/(λ1+λ2+λ3+λ4)}F3+{λ4/(λ1+λ2+λ3+λ4)}F4，得到评价函数式F=0.4494F1+0.2703F2+0.1562F3+0.1239F4。其中，λ1、λ2、λ3和λ4分别为PC1～PC4 对应的特征值，综合得分见表8，可知D4、D6、D13 综合得分较高，D7、D8、D9 综合得分最低。

表8 供试材料的综合得分Table 8 Comprehensive scores of tested materials

2.5 二维排序分析

在主成分分析基础上，以第1 主成分（千粒重）为横坐标，分别以第2 主成分（穗粒数）、第3 主成分（穗长）、第4 主成分（单位面积穗数）为纵坐标绘制二维图（图1～图3），直观揭示供试品种间基因型差异及各品种自然分类的特点。结合相关性分析可知，千粒重和穗粒数呈极显著正相关，与单位面积穗数呈显著正相关，而与穗长呈正相关但不显著。因此，供试材料的横坐标值与纵坐标值越大，单位面积穗数越高、穗粒数越多，则千粒重越高。

图1 第1、2 主成分二维排序图Fig.1 Scatter plot based on the first and second principal component

由图1 和图2 可看出，D1（喀山7）、D4（喀山16）、D6（喀山21）和D9（喀山27）的第2主成分值比其他品种大，是穗粒数较多的优良品种。D3（喀山13）、D5（喀山18-2）、D13（喀山43）、D14（喀山560）和D16（喀山16210）第1 主成分值较大，围绕在纵坐标右侧和横坐标周围，属于千粒重较高的品种。D13（喀山43）第1、2 主成分结合最好，D2（喀山8）、D14（喀山560）第1 和第3 主成分结合最好，是同时兼具穗粒数、千粒重和穗长的优良品种。图3 中D4（喀山16）和D10（喀山29）的第3 主成分值比其他品种大，是单位面积穗数表现突出的优良品种。结合综合评价得分和图1～图3 分析可知，在供试材料中，同时兼顾第1、第2、第3 和第4 主成分的品种主要有D4（喀山16）、D6（喀山21）、D13（喀山43）和D16（喀山16210）。

图2 第1、3 主成分二维排序图Fig.2 Scatter plot based on the first and third principal component

图3 第1、4 主成分二维排序图Fig.3 Scatter plot based on the first and forth principal component

3 讨论

3.1 供试材料主要性状的遗传多样性

种质资源遗传多样性的研究是育种工作的基础[21]，特别是国际性种质资源的交换在推动小麦育种进步方面一直发挥着重要作用[22]。西北地区冬小麦品种普遍具有早熟、粒重高和植株偏矮等特点，可以利用引进种质耐寒抗病的优势改良结实小穗数和千粒重，提高抗病能力和加工品质[23]。传统小麦育种中对亲本的选择存在着不同程度的盲目性和随意性，影响了选择育种的效率[24]。作物表型性状不同于抗逆与品质性状，具有易识别和好选择等特点，且与生产实践紧密相连，因此在常规杂交育种目标制定中被作为改良品种的攻关方向[25]。同一系列育种品种（系）在表型性状方面也会存在差异，这由内在遗传因素和外界栽培因素共同决定，也是遗传性状的具体体现[26]。本研究在同一生态环境条件下，对同一地理来源的16 份冬小麦品种资源进行了连续3 年的系统评价和分类鉴定，其中所选的10 个表型性状遗传多样性指数相差较大，变异类型比较丰富。穗形和株型类型基本涵盖了80%的种质分类标准，壳色、腹沟、粒质和粒色相对比较稳定，遗传多样性指数较小。10 个数量性状中有5 个变异系数超过了10%，穗粒重变异丰富，系数达到18.67%，这些引进品种资源产量和品质性状均具有相对独特的遗传特点和丰富的遗传多样性，这与柴永峰等[7]、程加省等[27]和赵明辉等[28]的研究结果相似。产量构成要素中单位面积穗数、穗粒数和千粒重差异较大，极差分别达60.62、16.52 和10.46，其中喀山560 和喀山16210 千粒重最大，分别为44.09 和45.27g。蛋白质和湿面筋含量变异系数相对较小，其中喀山27 分别为16.7%和45.2%，比甘肃省主栽的陇育和陇鉴等品种平均高出2%和5%以上[29-30]，较该地区生产主推品种陇中5 号和6 号分别高出2.2%、13.6%和8.4%、22.0%，喀山560、喀山16210 和喀山27 属于千粒重、蛋白质和湿面筋含量较高的优势种质，可为地方冬小麦品质育种及遗传改良提供新材料。前人[31-34]对不同国家、不同区域小麦种质性状的遗传变异分析认为，蛋白质和湿面筋是载荷较大的品质性状，且与产量和农艺性状间有一定的关联。本研究中对10 个数量性状的相关性分析发现，蛋白质和湿面筋呈显著正相关，9 个产量性状中有7 对之间是极显著（P＜0.01）正相关，3 对产量与品质性状间是显著负相关，这种制约和协调关系能让育种者寻求与育种目标相一致的指标。

3.2 供试材料的二维排序与综合评价

本研究中对产量贡献的主成分顺序为千粒重＞穗粒数＞穗长＞单位面积穗数，分别为第1、2、3、4 主成分中贡献率（0.4588、0.4635、0.5323、0.5441）较大的因子。单位面积穗数在穗粒数的构成因素中起主要作用，通过增加结实小穗数来提高单位面积穗数比单纯依靠增加小穗数来提高穗粒数的效果明显，所以单位面积穗数和穗粒数在高产育种中具有一定的潜力[35]。在第3 主成分中对品质特性贡献为蛋白质＞湿面筋，贡献率分别为0.3278和0.2305，这与前人[7,17]研究结果存在差异，可能是引进的同一系列育成品种（系）在品质性状上遗传差异性较小，也与同一来源不同基因型种质对栽培区气温、降水量和光照及土壤的适应性有关。16份冬小麦品种通过二维排序分析发现有4 个品种资源符合协调性较高的特点。同时兼顾第1、第2 和第3 主成分，这些材料具有目标性状的育种价值，可以作为优良亲本在地方现有品种改良中长期利用。结合16 份资源在甘肃中部旱区的田间长势及表型观测，从基于4 个主成分因子构建的定量函数模型结果发现，D4（喀山16）、D6（喀山21）、D13（喀山43）和D16（喀山16210）这4 份冬小麦资源产量构成三要素（穗粒数、穗粒重、千粒重）较大，蛋白含量高，综合得分排名靠前，在产量和品质性状改良方面具有利用潜力。D2（喀山8）、D3（喀山13）、D5（喀山26）、D12（喀山37）、D14（喀山569）、D15（喀山5378）综合评分中等，田间表型、产量、抗性和品质性状比较突出，适宜作为甘肃中部地区冬小麦抗寒性、抗病性和高蛋白等优异性状的改良亲本。通过比较主成分分析基础上的函数模型评价和主成分基础上的二维排序分析，发现2 种方法在判别品种资源差异上既有共同的特点又有各自的优势，二维排序图仅能比较直观清楚地区分供试品种性状优劣，区分供试材料优劣仅依靠筛选出的主成分因子，而综合评价函数模型涵盖了供试材料的所有性状，具有全面性和整体性。因此，若将2 种方法综合应用，一般主成分因子的累积贡献率达到85%以上，准确性相对较高[36]。但无论是二维排序分析，还是结合基于主成分的统计模型，都不能作为决定某一品种和性状取舍的唯一参考依据，必须要结合材料的实际表现型和稳定性进行筛选。

4 结论

对引进的16 份冬小麦品种资源基于21 个性状进行多元统计和评价筛选，发现2 个表型性状和5个产量性状在同一环境下遗传特征明显，变异类型丰富。通过主成分分析得到了4 个主要代表性因子（千粒重、穗粒数、穗长、单位面积穗数），在相关性分析基础上，依此绘制二维排序图，构建供试品种综合函数定量评价模型，判别出D4（喀山16）、D6（喀山21）、D13（喀山43）和D16（喀山16210）综合性状突出，各因子协调程度好，可用于地方品种产量和品质性状的遗传改良。