小麦产量三要素与产量的通径和灰色关联度分析

杨 程,李向东,张德奇,王汉芳,邵运辉,方保停,岳俊芹,马富举,秦 峰

(河南省农业科学院 小麦研究所/小麦国家工程实验室/农业部黄淮中部小麦生物学与遗传育种重点实验室/河南省小麦生物学重点实验室,河南 郑州 450002)

小麦产量三要素与产量的通径和灰色关联度分析

杨 程,李向东*,张德奇,王汉芳,邵运辉,方保停,岳俊芹,马富举,秦 峰

(河南省农业科学院 小麦研究所/小麦国家工程实验室/农业部黄淮中部小麦生物学与遗传育种重点实验室/河南省小麦生物学重点实验室,河南 郑州 450002)

选用2008—2014年河南省生产上种植面积前15位的小麦品种和部分区域试验或生产示范表现较好的品系,分别采用灰色关联度分析和通径分析2种方法对小麦穗数、穗粒数、千粒质量与产量的相互关系进行分析,并比较了2种分析方法的差异,以期为今后相关研究分析方法的选择提供参考。结果表明,对产量三要素数据分别进行初值化、区间化、均值化处理后,产量三要素与产量的关联度大小顺序各不相同,分别表现为千粒质量>穗粒数>穗数、穗粒数>穗数>千粒质量、穗粒数>千粒质量>穗数;而通径分析结果和前人的研究结果更加一致,产量三要素与产量的相关性表现为穗数>穗粒数>千粒质量。综上,灰色关联度分析由于受数据转换方法的影响,试验结果波动较大,而通径分析所得结果更加稳定,因此,在进行试验因素相关程度分析时应优先选择通径分析方法。

通径分析； 灰色关联度分析； 产量； 产量构成因素； 小麦

在农业研究中,经常需要分析多个因素的关联程度,或者各因素对某种农学性状的影响程度。目前,相关分析方法主要有2种,即灰色关联度分析和通径分析。通径分析可以通过对自变量与因变量之间表面直接相关性的分解来研究自变量对因变量的直接重要性和间接重要性,从而为统计决策提供可靠的依据,在经济[1-3]、农业[4-5]、生态[6]等众多领域中广泛应用。灰色关联度分析是一种定量化比较分析方法,是根据数列的可比性和相似性,分析系统内部主要因素之间的相关程度,确定相关程度最大的因素,在农业[7]、经济[1-3]、社会[8-9]等领域中应用较多。虽然这2种方法在农业方面都有较多的应用,但是,对于相同的或者相似的问题,通过2种方法得出的结论却经常截然不同。如蔡树美等[10]在研究西瓜各器官养分含量对产量的贡献率时,采用通径分析得出的结论是茎K>叶P>瓜N>叶K>瓜K>叶N>茎N>茎P>瓜P,但是采用灰色关联度分析所得到的结论却是茎K>瓜K>叶N>瓜N>茎P>茎N>叶K>瓜P>叶P。在研究小麦产量三要素与籽粒产量的相关性时,通过通径分析得到的结论是穗数>穗粒数>千粒质量[11-13],而通过灰色关联度分析却得到3种不同的结论,分别是穗粒数>千粒质量>穗数[14]、穗数>穗粒数>千粒质量[15]、穗粒数>穗数>千粒质量[16]。对于相似的问题,2种方法得出不同的结论,甚至相同的方法在不同科研人员的试验中结果也不相同,目前对于这个问题产生的原因,及2种方法的取舍依据研究还未见报道。为此,采用通径分析和灰色关联度分析2种分析方法同时分析不同小麦品种(系)产量三要素与产量的相关性,比较两者分析结果的差异,为以后类似的研究提供参考。

1 材料和方法

1.1 试验材料及试验地概况

试验于2008—2014年在河南现代农业研究开发基地(新乡市原阳县)进行,选择河南省生产上种植面积前15位的小麦品种和部分区域试验或生产示范表现较好的品系,每年选15～34个品种(系),每个品种(系)种植一个小区,小区面积78 m2,重复3次。各试验田块,地力均匀度较好,按照大田生产高标准整地,统一播期、密度、肥水管理措施,适时化学除草和人工中耕除草,及时防治病虫害等管理,并于完熟初期用奥地利winter小区收割机分品种(系)收获。

1.2 测定项目及方法

穗数：三叶期,确定每小区有代表性的1 m双行样段,成熟前调查1 m双行样段有效穗数,换算为每公顷穗数。

穗粒数：成熟期,在确定的1 m双行样段内调查,从基部握取30～50个茎,调查穗粒数。

千粒质量：每小区随机测量 3个重复,误差不超过0.5 g,以3次平均值作为千粒质量。

实收产量：每个小区用小区收割机全部收获,然后折合成产量。

1.3 统计分析

试验选取各小麦品种(系)的穗数、穗粒数、千粒质量作为影响产量的主要因子,各单项指标对产量的单相关系数、直接通径系数和间接通径系数的计算通过Sigma Stat软件实现。

用灰色关联度分析时需要先进行数据变换,消除量纲,将数据变换为可比较数列。本研究采用的数据变换方法分别为初值化、区间化、均值化。灰色关联度分析通过DPS实现。

2 结果与分析

2.1 小麦产量三要素与产量的灰色关联度分析

对表1中产量三要素数据分别进行初值化、区间化、均值化处理后,产量三要素与产量的关联度大小顺序各不相同(表2—4)。其中,初值化处理后,产量三要素与产量的关联度总体表现为千粒质量>穗粒数>穗数；而通过区间化、均值化处理后,产量三要素与产量的关联度总体上分别表现为穗粒数>穗数>千粒质量、穗粒数>千粒质量>穗数。综上,数据变换方法对灰色关联度分析结果造成很大影响,而这也可能是导致不同学者相同或类似试验[12,15-16]的结果差异较大的重要原因,然而目前对于不同试验材料、试验处理及生产条件下进行灰色关联度分析时,数据变换方法的选择还没有明确的依据。

表1 2008—2014年小麦产量三要素与产量

续表1 2008—2014年小麦产量三要素与产量

表2 小麦产量三要素初值化处理后与产量的灰色关联度

表3 小麦产量三要素区间化处理后与产量的灰色关联度

表4 小麦产量三要素均值化处理后与产量的灰色关联度

2.2 小麦产量三要素与产量的通径分析

通径分析结果(表5)表明,产量三要素与产量的相关程度为穗数>穗粒数>千粒质量,均为正相关,其中,穗数、穗粒数分别达到极显著、显著水平,与关联度分析结果不同,说明在目前的产量水平下,保持足够的穗数是实现高产的基础。由表6可知,穗数、穗粒数、千粒质量与产量的直接通径系数分别为0.753、0.574、0.393,说明产量三要素对产量的贡献为穗数>穗粒数>千粒质量；间接通径系数分别为-0.283、-0.369、-0.266,均为负值,说明每个因素都不能通过其他2个因素的增加来增加产量。

表5 小麦产量三要素与产量的相关系数

注：*、**分别表示相关性显著(P<0.05)、极显著(P<0.01)。

表6 小麦产量三要素与产量的通径系数

3 结论与讨论

初值化处理后,产量三要素与产量的关联度总体表现为千粒质量>穗粒数>穗数；而通过区间化、均值化处理后,产量三要素与产量的关联度总体上分别表现为穗粒数>穗数>千粒质量、穗粒数>千粒质量>穗数,对于同一组试验数据,3种不同的数值转换方法得到3个不同的结论。产量三要素与产量的通径分析结果为穗数>穗粒数>千粒质量,与前人通径分析的研究结果相同[11-13],但与本试验灰色关联度分析的3种结果均不相同,仅与裘敏等[15]通过灰色关联度分析所得结论相同。这表明灰色关联度分析由于数据转换方法的多样性,使试验结果具有一定的不确定性,而且目前对于数据转换方法的选择也缺乏统一的标准。通径分析方法所得的结论更加稳定,而且应用也更加广泛。

综上,在农学相关试验中进行不同因素之间相关程度分析时,特别是产量构成因素分析时应优先选择通径分析方法。

[1] 马恒运.经济研究中的通径分析[J].统计研究,1995(2):52-54.

[2] 付莲莲,邓群钊,翁异静.国际原油价格波动对国内农产品价格的传导作用量化分析——基于通径分析[J].资源科学,2014,36(7):1418-1424.

[3] 朱家彪,杨伟平,粟卫民.基于多元逐步回归与通径分析的临澧县建设用地驱动力研究[J].经济地理,2008,28(3):488-491,507.

[4] 王敏,徐萍,刘新江,等.黄淮海地区夏玉米农艺性状与产量的通径分析[J].中国生态农业学报,2011,19(5):1229-1236.

[5] 丰光,景希强,李妍妍,等.玉米茎秆性状与倒伏性的相关和通径分析[J].华北农学报,2010,25(S1):72-74.

[6] 马姜明,刘世荣,史作民,等.川西亚高山暗针叶林恢复过程中岷江冷杉天然更新状况及其影响因子[J].植物生态学报,2009,33(4):646-657.

[7] 白伟,孙占祥,郑家明,等.基于灰色关联度分析的辽宁阜新地区玉米品种评价[J].沈阳农业大学学报,2010,41(6):649-653.

[8] Deng J L.The control problem of grey systems[J].Systems and Control Letters,1982,11(5):285-294.

[9] 姜庆华,米传民.我国科技投入与经济增长关系的灰色关联度分析[J].技术经济与管理研究,2006(4):24-26.

[10] 蔡树美,诸海焘,余廷园,等.西瓜产量与养分含量的灰色关联度和通径分析[J].土壤,2014,46(4): 651-655.

[11] 赵倩,姜鸿明,孙美芝,等.山东省区试小麦产量与产量构成因素的相关和通径分析[J].中国农学通报,2011,27(7):42-45.

[12] 刘朝辉,李江伟,蒋志凯,等.河南省小麦区试品种(系)产量与产量构成因素的相关和通径分析[J].山东农业科学,2013,45(9):26-28.

[13] 田纪春,邓志英,胡瑞波,等.不同类型超级小麦产量构成因素及籽粒产量的通径分析[J].作物学报,2006,32(11):1699-1705.

[14] 张明辉,许阳,徐青,等.灰色关联度分析法在小麦产量相关因素分析中的应用[J].安徽农业科学,2004,32(3):419.

[15] 裘敏,魏亦勤,刘旺清,等.小麦5个产量性状与产量的灰色关联度分析[J].安徽农业科学,2007,35(2):390.

[16] 李玉发,何中国,李淑芳,等.东北地区春小麦主要性状与产量间的灰色关联分析[J].麦类作物学报,2005,25(1):139-141.

Grey Relational Analysis and Path Analysis on Wheat Yield and Its Three Key Factors

YANG Cheng,LI Xiangdong*,ZHANG Deqi,WANG Hanfang,SHAO Yunhui, FANG Baoting,YUE Junqin,MA Fuju,QIN Feng

(Wheat Research Institute,Henan Academy of Agricultural Sciences/National Laboratory of Wheat Engineering/ Key Laboratory of Wheat Biology and Genetic Breeding in Central Huang-Huai Region, Ministry of Agriculture/Henan Provincial Key Laboratory of Wheat Biology,Zhengzhou 450002,China)

Wheat cultivated varieties which plant area were in top 15 in Henan province or performed better in regional and productive experiments from 2008 to 2014 were chosed for this experiment.The relationship between wheat spikes,grain numbers per spike,thousand-grain weight and yield were analyzed by grey relational analysis and path analysis,and the difference between two analysis methods were compared for providing reference for method choosing in related studies in the future.The results showed that the correlation degree between yield and its three key factors were different when the primary data was processed through initialization,interval and equalization,the correlation degree orders were thousand-grain weight>grain numbers per spike>spikes number,grain numbers per spike>spikes number>thousand-grain weight,grain numbers per spike>thousand-grain weight>spikes number,respectively.While the result obtained through path analysis were more similar with former studies,the relationship between yield and its key factors was spikes number>grain numbers per spike>thousand-grain weight.The result indicated that experimental result obtained from grey relational analysis was much more variable than that from path analysis due to the influence of different primary data processing methods.In conclusion,the path analysis should be chosen as the main method for analyzing the correlation among different experimental factors.

path analysis; grey relational analysis; yield; yield components； wheat

2016-04-16

“十二五”国家公益性行业(农业)科研专项(201203033)；“十二五”国家科技支撑计划项目(2012BAD04B07，2012BAD14B08,2012BAD20B01,2013BAD07B07)

杨 程(1987-)，男，河南巩义人，助理研究员，博士，主要从事小麦栽培生理方面的研究。 E-mail:luckytiger.com@163.com

*通讯作者：李向东(1967-)，男，河南遂平人，研究员，博士，主要从事小麦栽培与耕作、农业生态等方面的研究。 E-mail:hnlxd@126.com

S512

A

1004-3268(2016)10-0019-05