灰色關(guān)聯(lián)度分析法在小麥品種（系）篩選試驗中的應(yīng)用

張慧敏 常鴻杰 王二偉 耿若飛 王春英 賈真真

摘要 [目的]科學(xué)合理地篩選出適宜當(dāng)?shù)胤N植的品種（系）。[方法]利用2019—2020年度國家種質(zhì)資源觀測數(shù)據(jù)，對10個品種（系）的8個性狀進行灰色關(guān)聯(lián)度分析。[結(jié)果]加權(quán)關(guān)聯(lián)系數(shù)最高的3個品種依次為平麥189、秋樂2122和平麥998，這3個品種的綜合性狀最優(yōu)，與田間表現(xiàn)一致。[結(jié)論]灰色關(guān)聯(lián)分析法可以有效地應(yīng)用于小麥品種（系）的篩選，平麥189、秋樂2122和平麥998適宜在平頂山地區(qū)種植。

關(guān)鍵詞 小麥;灰色關(guān)聯(lián)度分析;綜合性狀

中圖分類號 S 512.1? 文獻標識碼 A

文章編號 0517-6611（2021）21-0036-03

doi：10.3969/j.issn.0517-6611.2021.21.009

開放科學(xué)（資源服務(wù)）標識碼（OSID）：

Application of Gray Relational Degree Analysis in Wheat Varieties（Lines） Screening

ZHANG Hui-min，CHANG Hong-jie，WANG Er-wei et al

（Pingdingshan Academy of Agricultural Sciences，Pingdingshan，Henan 467000）

Abstract [Objective ]To scientifically and rationally screen out the varieties （lines） suitable for local planting. [Method] Using the data of national germplasm resources in 2019-2020， eight characters of ten cultivars （lines） were analyzed by grey correlation degree. [Result]Three varieties with the highest correlation coefficient were in the order of Pingmai 189， Qiule 2122 and Pingmai 998， the three varieties had the best comprehensive traits and were consistent with the field performance. [Conclusion]Grey correlation analysis could be used effectively in wheat varieties （lines） screening ，Pingmai 189， Qiule 2122 and Pingmai 998 were suitable for Pingdingshan area.

Key words Wheat;Gray relational degree analysis;Comprehensive characters

基金項目 農(nóng)業(yè)基礎(chǔ)性長期性科技工作國家作物種質(zhì)資源數(shù)據(jù)中心觀測監(jiān)測任務(wù)項目（ZX01S1714）。

作者簡介 張慧敏（1990—），女，河南上蔡人，研究實習(xí)員，碩士，從事小麥、大豆遺傳育種及分子生物學(xué)研究。* 通信作者，副研究員，碩士，從事小麥、大豆育種及栽培工作。

收稿日期 2021-04-17;修回日期 2021-05-27

小麥（Triticum aestivum L.）是我國播種面積僅次于玉米和水稻的第三大糧食作物，其產(chǎn)量和品質(zhì)對我國糧食安全有重大意義，每年新出現(xiàn)的小麥品種（系）數(shù)量也在不斷增加，如何快速、高效、全面、客觀地篩選出適宜當(dāng)?shù)胤N植的品種（系）至關(guān)重要?；疑P(guān)聯(lián)度分析法克服了單一因素評價小麥品種（系）優(yōu)劣的局限性，可以對多個性狀進行綜合評估和量化評估，并且具有樣本數(shù)量少、操作簡單、結(jié)果可靠性高等優(yōu)點，在品種評價和引種篩選過程中具有較高的應(yīng)用價值[1-3]。鑒于此，筆者對10個小麥品種（系）的8個性狀進行了關(guān)聯(lián)分析，旨在為篩選出適宜平頂山地區(qū)種植的優(yōu)良品種（系）提供理論參考。

1 材料與方法

1.1 試驗材料 試驗于2019—2020年在平頂山市農(nóng)業(yè)科學(xué)院農(nóng)業(yè)研究中心進行，參試材料有10個，分別為中育1326、百農(nóng)12-116、秋樂2122、周麥18、平麥189、平麥998、平麥02-16、祥瑞339、瑞華1426和西農(nóng)165。

1.2 試驗設(shè)計

試驗田為砂壤土，肥力中等，前茬為玉米，田間試驗采用小區(qū)種植模式，隨機區(qū)組排列，3組重復(fù)。小區(qū)面積3.6 m 行距30 cm等行距播種，每小區(qū)6行，行長2 m，田間管理同常規(guī)田間試驗。

1.3 性狀調(diào)查 試驗選取株高、最高分蘗數(shù)、有效穗、全生育期、穗長、穗粒質(zhì)量、千粒質(zhì)量、產(chǎn)量8個主要性狀作為指標對參試品種進行綜合評價分析，調(diào)查標準根據(jù)“國家農(nóng)作物種質(zhì)資源平臺”“國家作物科學(xué)數(shù)據(jù)中心”發(fā)布的“小麥種質(zhì)資源數(shù)據(jù)質(zhì)量控制規(guī)范”進行調(diào)查記載。

1.4 數(shù)據(jù)分析與統(tǒng)計

數(shù)據(jù)采用Excel 2016進行統(tǒng)計分析。

2 結(jié)果與分析

2.1 確定“參考品種”

“參考品種”是根據(jù)當(dāng)年生產(chǎn)的實際情況而確定的，是各項性狀的理想值，這些指標構(gòu)成參考序列X0，參試品種的各項指標構(gòu)成被比較序列Xi（i=? 3…8），計算參試品種和“參考品種”之間的關(guān)聯(lián)度，關(guān)聯(lián)度越高，品種綜合性狀越接近理想值，是較理想的品種（系），反之亦然。原始數(shù)據(jù)如表1所示。

2.2 無量綱化處理

由于各性狀量綱不一致，需對原始數(shù)據(jù)進行無量綱化處理，使數(shù)據(jù)具有可比較性。以“參考品種”作為參考數(shù)列X0（k），參試品種為參試數(shù)列，記為Xi（k），i為參試品種，共10個，k為某個性狀，共8個。該研究利用參試品種（系）數(shù)列Xi（k）分別除以參考品種數(shù)列X0（k），株高的設(shè)定是一個范圍（75～80 cm），是根據(jù)近年來育種目標確定的，在此范圍內(nèi)的均記為 低于設(shè)定最小值（75），計算為75/Xi（k），高于設(shè)定最大值（80）計算為Xi（k）/80，無量綱化結(jié)果如表2所示，參考品種的無量綱化值全部為1。

2.3 灰色關(guān)聯(lián)系數(shù)的計算

將各性狀數(shù)列進行無量綱化處理后，先求出參試品種（系）xi（k）與參考品種數(shù)列x0（k）的差異絕對值△i（k），△i（k）=∣Xi（k）- X0（k）∣，結(jié)果見表3。由表3可知，整個系統(tǒng)的2級最小差值min△i（k）=0，2級最大差值max△i（k）=0.413 2。 根據(jù)公式：ξi（k）=min△i（k）+ρmax△i（k）△i（k）+ρmax△i（k）計算關(guān)聯(lián)系數(shù)，其中ρ為分辨系數(shù)，該研究中ρ為0.5，灰色關(guān)聯(lián)系數(shù)結(jié)果如表4所示。

2.4 關(guān)聯(lián)度的計算

等權(quán)關(guān)聯(lián)度ri=1nξi（k）（n=10），由于育種目標不同，各性狀在育種過程中的所占比重不同，引入加權(quán)關(guān)聯(lián)度的概念，加權(quán)關(guān)聯(lián)度r′i=wk×ξi（k） ，wk為不同性狀的權(quán)重值，權(quán)重值根據(jù)當(dāng)?shù)赜N需求的實際情況確定（權(quán)重值總和為1）。在該研究中各性狀的權(quán)重值分配如下：株高0.06，最高分蘗數(shù)0.06，有效穗0.1 全生育期0.06，穗長0.06，穗粒重0. 千粒重0.1 產(chǎn)量0.42（表4）。等權(quán)關(guān)聯(lián)度及排序、加權(quán)關(guān)聯(lián)度及排序結(jié)果如表5所示。

灰色關(guān)聯(lián)分析法認為參試品種（系）與參考品種關(guān)聯(lián)系數(shù)越大，其性狀指標就越接近理想值，更符合試驗生產(chǎn)預(yù)期[4]。由表5可知，無論等權(quán)關(guān)聯(lián)度還是加權(quán)關(guān)聯(lián)度，關(guān)聯(lián)系數(shù)最高的前3位品種（系）相同，分別為秋樂2122、平麥998、平麥189;在實際生產(chǎn)實踐中這3個品種也具有較好的綜合表現(xiàn)。應(yīng)用灰色關(guān)聯(lián)分析法得出的結(jié)論與大田生產(chǎn)實際相符合，說明灰色關(guān)聯(lián)分析法在小麥品種（系）篩選試驗中具有較大應(yīng)用價值，能盡快篩選出適宜當(dāng)?shù)胤N植的品種（系），但受到氣候、土壤等多種因素的影響，僅依靠1年的數(shù)據(jù)可能具有一定的局限性。

3 結(jié)論與討論

灰色關(guān)聯(lián)分析法對小麥新品種（ 系） 進行綜合評估既簡便又有效，是一種較好的統(tǒng)計分析方法[5]。以前對小麥品種的評價多采用單一因素，特別是產(chǎn)量作為唯一的評價標準，這具有非常嚴重的片面性[6]，隨著農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的不斷調(diào)整，育種者開始更多的將抗病性、抗逆性等品質(zhì)性狀作為綜合評價的重要組成部分，但如何將這些性狀綜合到一起一直是一個難題。灰色關(guān)聯(lián)分析法克服了這一難題，實現(xiàn)了各品質(zhì)指標的量化處理，將這些不同性狀統(tǒng)一起來[7-8]。灰色關(guān)聯(lián)度分析法已經(jīng)在花生、大豆、綠豆、草莓、牡丹等多種作物中證實了它在品種（系）引種、篩選方面的可行性和利用價值[9-13]。該試驗利用灰色關(guān)聯(lián)分析法對10個品種8個性狀進行了關(guān)聯(lián)性分析，結(jié)果表明關(guān)聯(lián)性最高的前3位品種（系）為平麥189、秋樂2122和平麥189，綜合表現(xiàn)較優(yōu)，與它們在實際生產(chǎn)試驗中的表現(xiàn)相一致，這進一步證實了灰色關(guān)聯(lián)分析法在小麥品種（系）篩選過程中的應(yīng)用價值。

灰色關(guān)聯(lián)分析法的基礎(chǔ)是理想品種的構(gòu)建，應(yīng)注重參考品種構(gòu)建的合理性，這需要育種者準確把握育種目標，并將盡可能多的目標性狀綜合，賦予其合理的權(quán)重系數(shù)，這樣才能更全面客觀地對一個品種（系）的優(yōu)劣性進行評價[14-15]。該研究共對8個目標性狀進行了關(guān)聯(lián)分析，忽視了品種耐旱性、抗病性、籽率品質(zhì)等性狀，將在以后試驗中擴大調(diào)查范圍，對品種（系）做出更加客觀公正的評價。在該試驗中，等權(quán)關(guān)聯(lián)度與加權(quán)關(guān)聯(lián)度結(jié)果不盡相同，說明育種家對育種目標的把控不同，各個性狀的權(quán)重系數(shù)不同，會對結(jié)果產(chǎn)生一定的影響，如何分配權(quán)重系數(shù)，與品種審定標準需要相一致，同時各育種者可以根據(jù)實際需求對權(quán)重系數(shù)進行合理的調(diào)整，在以后的研究中應(yīng)綜合考慮更多的性狀，同時對權(quán)重系數(shù)的合理分配進行探究。

參考文獻

[1]

丁明亮，趙紅，浦秋紅，等.應(yīng)用灰色關(guān)聯(lián)度分析法對遠緣雜交選育的小麥新品系評價[J].西南農(nóng)業(yè)學(xué)報，2018，31（2）：217-222.

[2] 楊志剛，田杰英，賽都拉.灰色關(guān)聯(lián)度分析法在小麥區(qū)域試驗中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2013，41（34）：13153-13155.

[3] 王俊花，邵林生，閆建賓，等.甜玉米主要農(nóng)藝性狀與產(chǎn)量和食用品質(zhì)的灰色關(guān)聯(lián)度分析[J].河北農(nóng)業(yè)科學(xué)，2016，20（5）：78-81.

[4] 牛海龍，劉紅欣，李偉堂，等.灰色關(guān)聯(lián)度分析法在花生品種綜合評價上的應(yīng)用[J].東北農(nóng)業(yè)科學(xué)，2017，42（5）：20-24.

[5] 趙元增，牟琪，裴玉榮，等.甜玉米主要農(nóng)藝性狀的灰色關(guān)聯(lián)度分析[J].吉林農(nóng)業(yè)大學(xué)學(xué)報，1999，21（4）：12-15，25.

[6] 張凡，薛鑫，劉國濤，等.基于灰色關(guān)聯(lián)度分析法和聚類分析法篩選小麥高產(chǎn)優(yōu)質(zhì)新品種（系）的研究[J].中國農(nóng)學(xué)通報，2020，36（27）：6-13.

[7] 王彬龍，魏艷麗，李瑞國，等.灰色關(guān)聯(lián)度分析法在陜西省旱地小麥區(qū)域試驗中的應(yīng)用初探[J].陜西農(nóng)業(yè)科學(xué)，2020，66（12）：25-27.

[8] 付亮，范永勝，李洋，等.黃淮麥區(qū)小麥新品種（系）灰色關(guān)聯(lián)度分析[J].安徽農(nóng)業(yè)科學(xué)，2019，47（2）：23-25，56.

[9] 苗昊翠，李利民，張金波，等.基于灰色關(guān)聯(lián)度分析評價新疆引種花生花育系列品種[J].新疆農(nóng)業(yè)科學(xué)，2013，50（1）：22-26.

[10] 汪嬡嬡，鄧軍波，楊芳，等.黃淮海大豆新品種（系）在江漢平原的引種表現(xiàn)[J].湖北農(nóng)業(yè)科學(xué)，2019，58（24）：43-48.

[11] 陳燕華，李經(jīng)成，李榮丹，等.基于灰色關(guān)聯(lián)度分析法綜合評價24個綠豆新品種（系）在桂南地區(qū)的田間性狀表現(xiàn)[J].南方農(nóng)業(yè)學(xué)報，2020，51（11）：2644-2652.

[12] 楊雷，李莉，董輝，等.應(yīng)用灰色關(guān)聯(lián)分析法篩選優(yōu)良草莓新品種（系）[J].江西農(nóng)業(yè)學(xué)報，2018，30（12）：47-50.

[13] 劉紅凡，王曉暉，邵安領(lǐng)，等.灰色關(guān)聯(lián)度分析法在切花牡丹品種篩選中的應(yīng)用[J].江西農(nóng)業(yè)學(xué)報，2017，29（6）：49-53.

[14] 鄒軍，章潔瓊，龍英，等.20個鮮食玉米品種產(chǎn)量與主要性狀的灰色關(guān)聯(lián)度分析[J].種子，2019，38（11）：138-142.

[15] 李曉花.灰色關(guān)聯(lián)度分析在“早秋麥”品種篩選試驗中的應(yīng)用[J].云南農(nóng)業(yè)科技，2017（3）：18-21.