不同小麦品种主要性状与产量的灰色关联度分析

戴宝生，吕锐玲，胡亚珂，黄晓莉，闫振华，张华崇，赵树琪，张 欣，李 蔚

（1.黄冈市农业科学院，湖北 黄冈 438000；2.黄冈师范学院生物与农业资源学院，湖北 黄冈 438000）

小麦（Triticum aestivumL.）是中国第二大粮食作物，分布地域广泛［1］。中国是世界上最大的小麦生产国和消费国，小麦生产在保障中国粮食安全、促进社会经济发展、提高人民生活质量方面发挥着重要作用［2］。土壤、杂草、施肥不平衡、缺乏灌溉用水等多种原因会导致小麦产量下降，难以满足快速增长人口的需求［3］。

小麦产量构成因素性状间存在相互补偿、相互制约的关系，小麦系统也是一个非常复杂的动态系统。多元统计分析方法在小麦性状关系分析中被广泛应用，如主成分分析、相关分析等。主成分分析法主要是利用降维思想，提取主成分，将原来的多指标转换为数量较少的彼此独立的新指标，以揭示出变量之间的相互关系［4］。灰色关联度分析法是一种通过研究数据的关联度来衡量数据间的关联程度从而辅助决策的研究方法［5-7］。张凡等［8］利用同异分析法和主成分分析法研究了8 个小麦品种品质、产量等11 个指标间的相互关系，结果表明，湿面筋、蛋白质的含量与产量为极显著正相关，湿面筋含量与蛋白质含量为显著正相关。陈久月等［9］基于2010—2011 年国家小麦新品种区域试验数据分析了影响产量的因素，结果表明影响产量的主要因素是有效穗数。本研究分析了湖北省2021—2022 年小麦区域试验中44 个小麦品种的产量与其他主要性状之间的关系，以期找出与产量关系最为密切的性状。

1 材料与方法

1.1 材料

试验材料为2021—2022 年长江中下游小麦区域试验的44 个品种，分别为龙麦201、襄麦1816、华1802、襄麦105、鄂810148、川育31、冈麦1701、鄂麦013、鄂麦069、鄂911391、华麦212、襄麦90、鄂辐麦95、长 麦2 号、DH6039、川 育29、扶 麦1411、华 麦199、伟 隆179、“187”、鄂810145、华1912、川 麦621115、冈麦1703、华麦188、扶麦580、华1913、鄂910186、鄂911035、鄂182、尊农620、润麦211、扬辐麦8165、鄂麦026、鄂麦172、长辐麦1108、晶麦98、珍麦168、襄麦115、DH022、福麦18、襄麦DH518、鄂810169、鄂198、郑麦9023。

1.2 数据来源

利用《湖北省2021—2022 年度全省组小麦品种区域试验综合性状汇总表》中44 个参试品种的平均单产、穗粒数、株高、容重、千粒重、全生育期等11 个农艺性状的平均值进行灰色关联度分析。

1.3 数据分析方法

使用Microsoft Excel、SPSS 23.0 等统计分析软件进行数据分析。将44 个小麦品种的10 个产量因素视为1 个灰色系统，各灰色系统的每个因素为各产量的因素。设产量为参考数列，记为X0，其他各产量因素为比较数列，包括粗蛋白质含量（X1）、湿面筋含量（X2）、叶枯病发病率（X3）、稳定时间（X4）、穗粒数（X5）、千粒重（X6）、吸水率（X7）、株高（X8）、生育期（X9）、容重（X10）。关联系数［ξi（k）］和关联度（ri）的计算方法参考戴宝生等［6］的分析方法，计算式分别如式（1）、式（2）所示。

式中，ζ为分辨系数，0＜ζ＜1。

试验数据用Excel 软件进行统计分析，关联系数和关联度采用DPS 数据处理系统分析处理。

2 结果与分析

2.1 原始数据无量纲化

由于系统中数量性状的衡量单位不一致，需要对原始数据进行无量纲处理，转换为可以比较的数据序列。对采集的数据先求出各序列的平均值，再用平均值除对应序列中的原始数据来进行均值化变换，得出新的数据序列，即为无量纲化处理，结果见表1。

表1 原始数据无量纲化处理

2.2 产量与产量性状的绝对差值

根据表1 求出X0与Xi差值的绝对值［Δoi（k）］，结果见表2。

表2 产量与其他各性状的绝对差值

2.3 计算关联系数

利用表2 数据和式（l）求取关联系数（ξi），分辨系数取0.1，从各个数据序列各个时刻绝对差值的比较参数来确定ΔmaxX（最大值）、ΔminX（最小值）的取值，关联系数分析结果见表3。

表3 产量与各性状的关联系数

2.4 计算关联度

利用表3 比较数列的关联系数计算小麦主要性状与产量（X0）的关联度，并按关联度大小进行排序，结果见表4。

表4 产量与各因素的关联度及排序

依据灰色关联分析方法，用关联度表示各性状的重要性，参与指标越重要，关联度越大。小麦产量与各性状的关联度由大到小依次为生育期（r=0.914 7）、容重（r=0.899 0）、株高（r=0.873 0）、千粒重（r=0.852 0）、穗粒数（r=0.827 2）、吸水率（r=0.821 8）、粗蛋白质含量（r=0.814 8）、湿面筋含量（r=0.768 3）、叶枯病发病率（r=0.522 2）、稳定时间（r=0.425 6），表明在小麦产量构成中，生育期的影响最大，稳定时间的影响最小。

3 小结与讨论

影响小麦产量的因素较复杂，采用常规的数理统计方法需要大量原始数据，且数据要满足特定的统计学假设，应用起来比较困难［4-7］。

利用灰色关联度分析法研究各性状对产量的影响 已 在 小 麦［7-13］、大 豆［5，14］、谷 子［15］、观 光 瓜 果 蔬菜［16］、苎麻［17］、棉花［6］和水稻［18，19］等作物中得到了广泛的应用。杨红燕等［10］采用灰色关联度分析法对参加江苏省联合体区域试验的9 个长江中下游小麦的12 个农艺性状与产量数据进行分析，根据关联度大小认为在江苏省盐城市小麦育种中，应加强对千粒质量、结实小穗、穗粒数等几个性状的选育力度。张华崇等［11］以湖北省近20 年通过审定的小麦品种为材料，对其产量、品质性状和抗病性进行了分析，结果表明品种产量逐年增加，产量构成因素中有效穗数呈升高趋势，穗粒数和千粒重随年份呈缓慢下降趋势。张泰武等［12］利用灰色关联度分析法对35个小麦组合产量与9 个主要农艺性状的关联度进行统计分析，结果表明与产量的关联度由大到小依次为穗粒数、有效分蘖率、株高、千粒重、有效穗、基本苗、生育期、锈病普遍率、赤霉病发病率。王靖等［13］以2019—2020 年国家冬麦区黄淮北片水地组区域试验小麦品种为材料，对14 个小麦品种的主要农艺性状与产量进行灰色关联度分析，结果表明小麦主要农艺性状与产量的关联度由大到小依次为生育期、基本苗、株高、穗数、成穗率、千粒重、容重、穗粒数，认为在山东省小麦育种中应注重对生育期、基本苗、株高及穗数等性状的选择。

本研究采用灰色关联度分析法分析小麦产量与农艺性状之间的关联度，结果表明对产量影响最大的因素为生育期，其次为容重、株高；影响较小的因素为稳定时间和叶枯病发病率。在小麦新品种的选育和高产栽培实践时，主攻方向为容重高、生育期适中的品种，同时注重加强对株高的选择。