黄土高原半干旱区饲用燕麦种质表型性状遗传多样性 分析及综合评价
2017-07-30赵桂琴柴继宽
南 铭， 赵桂琴，柴继宽
(1. 甘肃农业大学草业学院， 甘肃 兰州 730070； 2. 甘肃省定西市农业科学研究院， 甘肃 定西 743000)
饲用燕麦(AvenasativaL.)又称皮燕麦、普通栽培燕麦，与裸燕麦(AvenanudesL.)同属禾本科(Gramineae)早熟禾亚科燕麦属植物，是世界公认的优质饲草料作物。国外主要在加拿大、澳大利亚和美国等地种植，我国主要分布在青藏高原、华北及西北部分地区，大部分用于制作青、干饲草料饲养家畜，少量用作粮食[1]。上世纪初，全世界饲用燕麦种植面积仅次于水稻、小麦和玉米，位居第4，本世纪初下降到第6位[2]，而我国饲用燕麦面积仅占到燕麦种植面积的10%左右。
甘肃作为我国西北地区仅次于青海的第2大燕麦饲草生产省份，具有得天独厚的燕麦青饲草生产优势[3]。目前，仅甘肃中部旱作区饲用燕麦种植面积已经达20万亩，在饲草料合理供给和修复退化天然草场方面成效显著，有效缓解了该区苜蓿连作造成的草产量低而不稳的现状[4-5]。饲用燕麦对农业结构调整、草牧业发展和生态环境保护均具有重要意义[6-7]。然而，我国适宜于饲草种植的燕麦品种并不多，种质资源数量又少，遗传背景相对狭窄，大部分属于引进利用，自育品种更是凤毛麟角，遗传基础研究进展缓慢[8]。国内对饲用燕麦种质研究主要侧重于营养品质、生产性能和皮燕麦遗传多样的分子标记等方面[9-14]，而国外在饲用燕麦种质资源利用与分类、育种及栽培等方面研究比较深入，育成了一大批饲用燕麦品种，且遗传多样性水平高于国内[15-17]。尽管各种分子生物学及遗传学技术已经广泛应用于燕麦种质资源的遗传多样性鉴定分析和评价研究[18-19]，但是植物学性状的描述和鉴定依然是种质资源研究的重要途径和方法，更是种内或种以上分类的重要依据[20]。
合理利用饲用型燕麦种质资源，促进饲用燕麦高效选择育种，就必须分析遗传基础、种质构成及演变趋势，研究和探讨表型性状的遗传规律[21]。我国在饲用燕麦种质资源研究和评价利用方面报道较多[4,12,28-29]，但基本都集中在青藏高原及高寒冷凉地区[3,10,12,27]，而针对黄土高原中部半干旱区饲用燕麦种质资源引进及评价的研究少有报道。尤其对饲用燕麦种质在表型性状遗传上的差异缺乏系统分析和精准鉴定，影响其高效利用。因此，本研究选取45份饲用燕麦种质，针对植物学特征、生物学特性，借助多元统计分析[21]及二维排序评价方法，深入探究饲用燕麦种质表型性状遗传多样性，挖掘饲用燕麦种质基因型和拓宽饲用燕麦遗传基础，为促进饲用燕麦育种提供理论依据。
1 材料与方法
1.1 试验概况
试验地设在甘肃省定西市国家旱地作物育种创新基地(E 104°42′，N 35°32′)，属典型温带干旱大陆性季风气候，旱地雨养农业区。平均海拔1 920 m，年均气温7.6～8.2 ℃，年日照时数2 100～2 600 h，≥0℃年积温2 900℃左右，昼夜温差大，年降水量380～400 mm，年均蒸发量1 400 mm，强烈蒸发期在春秋两季，无霜期140 d。试验地为川地，土壤属黄绵土，有机质含量1.01%，全氮0.08%，速效氮56.43 mg·kg-1，速效磷35.43 mg·kg-1，速效钾195.48 mg·kg-1，pH值8.03。
1.2 试验材料
45份饲用燕麦种质均由甘肃省定西市农业科学研究院提供，见表1。
1.3 试验设计
试验用种均为精选过的优质种源，种子纯净度、发芽率均符合试验要求，完全随机区组设计，3次重复，每份燕麦种质资源种植8行，行距25 cm，行长3 m，小区面积6 m2，每个重复间隔1 m，周边设置保护行。4月10日播种，采用人工开沟条播种植，考虑到当地饲用燕麦生产实际，播种量为180 kg·hm-2，播种深度6～8 cm，前茬秋季翻耕(15～20 cm)，播种时一次性施磷肥(P2O5)525 kg·hm-2作基肥，硫酸钾(K2O)300 kg·hm-2，尿素(N)150 kg·hm-2。分蘖期和拔节期人工除草各一次，抽穗期前后防治红叶病一次，其余栽培管理措施等同大田。各小区1/6面积用于饲草产量测定，另外5/6面积用于性状测定和种子收获。
表1 材料编号与名称Table 1 The number and name of varieties
1.4 观测项目
燕麦属于一年生禾本科植物，供试种质对生态环境的适应性不完全一致，为了充分归纳其表型性状的遗传多样性并合理评价，试验材料连续种植二年(2014—2015年)。燕麦进入乳熟期取样，每小区随机选取3～5株用于测定：植株高度、穗长、叶长、叶宽。调查穗型、小穗型、芒型、生育期、抗倒伏性、抗病性；各小区去除边际效应后取有代表性的1 m2齐地刈割称取饲草产量。成熟期每小区随机拔取完整的10株，考种统计：粒型、粒色、有效分蘖数、小穗数、单株粒数、单株粒重、主穗粒重、千粒重。性状的选取综合考虑了饲用燕麦种质资源特点和遗传育种研究的需要，所有指标严格依据《燕麦种质资源描述规范和数据标准》调查记录[23]。
1.5 数据分析
数据采用Microsoft Excel 2010整理和绘制二维排序散点图，SPSS 22.0软件进行相关性分析、主成分分析，在主成分因子得分基础上，构建出以主成分特征向量为系数的综合评价函数式，并用欧式距离作为种质间距离，利用Ward离差平方和法进行系统聚类。
采用Shannon-Wiener′s多样性指数(Shannon-Wiener′s diversity index，H′)进行遗传多样性评价，计算公式：H′=﹣∑PiPi，式中，Pi为某一性状在第i个级别出现的频率。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[24]，多样性指数的划级方法如下：先计算参试种质材料总体平均数(X)和标准差(d)，然后对数量性状划分为10级，即1级
2 结果与分析
2.1 遗传变异分析
如表2所示，供试种质质量性状遗传多样性指数平均为0.8891，具有丰富的变异类型和广泛的遗传基础。小穗型以纺锤型为主(频数0.711)。大部分供试种质有芒，且以黄色为主(频数0.911)。抗燕麦红叶病种质占81.2%，抗倒伏种质占64.5%，中熟种质占到51.1%。抗倒伏能力强的占供试种质的50%以上，这与饲用燕麦大部分以皮燕麦为主有关，皮燕麦抗倒伏能力比裸燕麦强，主要是因为株高对燕麦茎杆的韧性和硬度的影响大[25-26]。
表2 饲用燕麦质量性状的遗传多样性Table 2 Genetic diversity of Avena sativa qualitative traits
注：穗型1～4依次为周散、侧散、周紧、侧紧；小穗型1～3依次为鞭炮型、串铃型、纺锤型；芒1～2依次为：1.无芒，2.直芒；芒色：1.黄色，2.黑色；粒色1～3依次为黄色、白色、褐色、黑色；粒型1～4依次为卵型、长筒型、纺锤型、椭圆型；熟性1～3依次为早熟、中熟、晚熟；抗倒伏性1～3依次为抗、中抗、不抗；抗病性1～4依次为高抗、抗、中抗、感。
Note: Spike type 1～4 in regular turn around-scatter, side-scatter, around-tight, side-tight; Micro-spike type 1-3 in regular turn firecracker type, string, string-bells type; Awn 1～2 in regular turn smooth, direct awn; Awn color 1～2 in regular yellow, black; Grain color 1～4 in regular turn yellow, white, brown, black; Grain shape: 1～4 in regular turn cylinder, oblong-fusiform, spindle, ovate; Maturity 1～3 in regular turn early-maturing, medium-maturing, later-maturing; Lodging resistance 1～3 in regular resistance, moderate resistance, lodging; Disease resistance 1～5 in regular turn highly resistance, resistance, moderate resistance, susceptible.
由表3看出供试种质数量性状间差异均达显著水平。尤其在单株粒数、单株粒重及主穗粒重方面差异较大，变异系数分别为36.98%、36.05%、33.33%。数量性状遗传多样性指数单株粒重最高(3.86)，11个数量性状多样性指数平均为3.16，变异系数平均为21.31%。单株粒数的最大极差(227.60%)最大，叶宽的最大极差(0.90%)最小。表明45份材料数量性状之间存在着显著的遗传差异，同时各性状在不同材料间也表现出一定程度的多样性。单株粒数变异最大，对饲用燕麦生长发育和提高生产性能具有重要作用，单株粒数的多少从一定程度上决定其生产性能和抗逆性的高低[27]。不同种质之间除主穗轮层数和叶宽为变异较小外，对产量起关键作用的小穗数、粒重和有效分蘖数变异明显。变异系数与遗传多样性指数在同一种质不同性状及不同种质间均不一致，因此，将两个指标结合起来，既能反映变异范围的大小，又能反映出基因型频率的分布。
注：*表示差异显著(P<0.05)，**表示差异极显著(P<0.01)，下同。
Note：* and ** indicate significant difference at the 0.05 and 0.01 level, respectively, the same as below.
2.2 相关性分析
相关性检验结果表明供试种质9个产量性状间存在不同程度的相关性如表4所示。饲草产量与株高、单株有效分蘖数呈极显著正相关，饲草产量与单株粒重和籽粒产量间也存在显著相关性。说明株高、叶长等指标的增加有利于饲草高产，但有减小籽粒大小及重量的趋势。单株有效分蘖数与单株粒数和籽粒产量呈显著正相关，而单株粒重与单株粒数和千粒重显著正相关，说明花期生物量积累一定程度上决定了收获期籽粒的单株粒重、籽粒大小和重量。成熟期籽粒产量与株高有相关性但不显著，与单株粒重呈显著正相关，说明供试饲用燕麦种质的产量同籽粒大小、重量及单株粒重的变化趋势相一致。
表4 饲用燕麦种质资源产量性状相关性Table 4 Correlation analysis of quantitative yield traits of Avena sativa germplasm resources
FY：Forage yield；PH：Plant height；LL：Leaf length；NTP：Number of Tillers per plant；GWP：Grain weight per plant；NS：Number of main spikelet；GWS：Grain weight of main spike；TGW：Thousand grain weight；GY：Grain yield．
2.3 主成分分析
供试种质10个数量性状标准化后进行主成分分析，得到的前4个主成分反应总信息量的83.735%，近似代表原始性状中变异的绝大部分信息(表5)。对其影响较大的分别是单株粒重因子、主穗小穗数因子、株高因子和单株有效分蘖因子。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，不同种质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34.392%，特征值2.508，主要代表主穗粒重、单株粒重、千粒重。向量间关系为主穗粒重越高，千粒重越大；第2主成分贡献率19.903%，特征值1.616，主要代表小穗数、主穗轮层数和千粒重，向量间关系为主穗轮层数越多，小穗数越多；第3主成分贡献率15.369%，特征值1.291，主要代表叶长和株高；第4主成分贡献率14.071%，特征值1.096，主要代表单株有效分蘖数。
表5 主成分分析的特征值、贡献率Table 5 The characteristic value and contribution rate of principle component analysis
根据主成分分析结果得出相应的因子关系式如下：
F1=0.463 X1+0.609 X2+0.495 X3+0.687 X4+0.269 X5+0.071 X6+0.543 X7+0.760 X8+0.852 X9+0.679 X10；
F2=0.037 X1-0.124 X2-0.388 X3+0.720 X4+0.434 X5+0.419 X6+0.541 X7-0.087 X8-0.107 X9-0.505 X10；
F3=-0.586 X1-0.232 X2+0.309 X3-0.239 X4+0.608X5+0.149 X6-0.234 X7+0.241 X8+0.325 X9-0.0.056 X10；
F4=0.381X1+0.433 X2+0.480 X3-0.284 X4+0.311 X5+0.272 X6-0.368 X7-0.324 X8-0.159 X9+0.124 X10。
综合评价函数F=(λ1/λ1+λ2+λ3+λ4)F1+(λ2/λ1+λ2+λ3+λ4)F2+(λ3/λ1+λ2+λ3+λ4)F3+(λ4/λ1+λ2+λ3+λ4)=0.3852F1+0.2482F2+0.1983F3+0.1683F4。其中，λ1、λ2、λ3和λ4分别为各主成分对应的特征值，根据综合评价函数，计算各种质材料的综合得分(表6)，给予供试种质材料定量化的描述，综合得分越大，表明综合表现越好。由表6可知，Z6、Z5号种质材料的综合得分最高，其次是Z32、Z22、Z4 、Z21和Z12，Z23 、Z25、Z39的综合得分最低。
表6 45份饲用燕麦种质的综合得分Table 6 Factor scores of 45 Avena sativa germplasm resources
2.4 二维排序
以第1主成分(单株粒重)为横坐标，分别以第2主成分(小穗数)、第3主成分(株高)、第4主成分(单株有效分蘖)为纵坐标做成二维散点图(图1、图2、图3)，直观揭示饲用燕麦种质资源间基因型差异及各品种自然分类的特点。
图1 第1、2主成分二维排序图Fig.1 Scatter plot based on the first and second PC
结合表4可知，单株粒重与小穗数极显著正相关，而与株高呈正相关，种质的横坐标值与纵坐标值越大，小穗数越多，则单株粒重越高。图1、2看出，Z6(定燕2号)、Z17(坝燕4号)、Z32(Loevile)和Z7(定引1号)第2主成分值比其他种质大，是小穗数较多的优良种质。Z21(Marion)和Z2(索里多尔)的第1主成分值较大，是单株粒重较高的品种。Z5(Bauntebue)的第1、2、3主成分结合最好，Z12(Jerry)第1和第2主成分结合最好，Z22(Trophy)是第1和第3主成分均结合最好的种质。图3中，Z32(Loevile)、Z7(定引1号)的第3主成分值比其他品种大，是植株较高的优良种质。Z4(青引1号)和Z21(Marion)第1主成分值较大，是单株粒重较高的种质。Z5(Bauntebue)、Z22(Trophy)和Z6(定燕2号)是第1和第3主成分均结合较好的种质。
2.5 系统聚类
为深入了解45份旱地饲用型燕麦种质的亲缘关系，针对11个田间表型性状按照系统聚类Ward法在Euclidean距离9.5时划分为3大类群(图4)，同一生态环境下不同来源种质因适应性差异并为聚类在一起，这符合供试种质自身遗传特点。第Ⅰ类群占供试种质的13.3%，属于中秆中熟种质，分蘖力较强，产量较高；第Ⅱ类群占供试种质的71.1%，涵盖了所有地理来源供试种质材料，表型性状丰富，晚熟种质居多，生长旺盛，植株高大，茎秆粗壮，分蘖力强，饲草产量较高，抗燕麦红叶病，但较易倒伏，可作为选育多目标性状的优良亲本；第Ⅲ类群属于中早熟中秆种质，植株分蘖力中等，但耐倒伏，千粒重和籽粒产量较高，可作为选育高产抗倒品种的优良亲本。
图2 第1、3主成分二维排序图Fig.2 Scatter plot based on the first and third PC
图3 第1、4主成分二维排序图Fig.3 Scatter plot based on the first and fourth PC
图4 45份供试种质11个表型性状聚类分析Fig.4 Cluster analysis of 11 phenotypic characters of 45 germplasm
3 讨论与结论
3.1 45份旱地饲用型燕麦种质资源表型性状遗传多样性
种质资源的遗传多样性是育种工作的基础，在饲用燕麦新品种选育过程中，亲本的选择存在着不同程度的盲目性和随意性，影响了育种效率的提高和杂种优势的利用，每次突破均依赖于优良基因的发现和特异单株的改良利用[7]。甘肃中部是我国旱地燕麦的主要种植区和主产区之一，本地优良燕麦品种无法满足饲用生产和草牧业发展需求，对引进新种质的筛选和利用是选育饲用型燕麦新品种的关键。表型性状遗传多样性研究和综合评价既可以为饲用燕麦种质科学分类提供理论参考，又为饲用燕麦育种合理选择亲本提供科学依据，对充分了解国内外饲用燕麦种质资源的亲缘关系具有借鉴意义[27]。
表型数据的完整是种质资源精准鉴定的基础。2014和2015两年在甘肃省定西市国家旱地作物育种创新试验基地对45份旱地饲用燕麦资源种植，这些材料尽管来自于国外或我国的各个生态环境，但均能够在半干旱区正常成熟，没有发现极端不抽穗或者不能成熟的材料，这说明半干旱区气候条件适宜饲用燕麦种植，也说明在这个生态环境下能够获得较全面且稳定的表型数据。种质资源表型性状遗传多样性研究及其评价主要对生物学性状通过主成分分析、判别分析和相关性分析等多元统计，可通过肉眼可以观测的外部表型特征开展的遗传分析，其差异主要表现环境和基因型相互影响的结果，不同来源的材料可能在同一种植环境下表现出形态学上的表型相似性[28-29]。本试验选择半干旱地区种植的45份饲用型燕麦种质资源进行表型遗传多样性研究，综合考虑了变异系数和多样性指数的结合应用，归类划分的质量性状和数量性状有效区分了种质间差异，克服了经验性的直观分类。质量性状和数量性状的遗传多样性指数平均值分别为0.8891和3.16，均表现出丰富的变异。尤其是抗病性、单株粒重、小穗数和千粒重的遗传多样性指数较高，遗传差异大、遗传基础广、多样性丰富，利用现有种质提高燕麦饲用产量潜力较大，以便对种质拓展和长期创新提供保证。因地理来源不同，在同一地区栽培表现出明显差异，不同种质在表型特征方面有丰富的遗传多样性。针对主要表型性状将45份饲用型燕麦种质按来源系统聚类，划分成3大类群可以创制利用的不同亲本材料，不同地理来源种质间差异较大，并没有完全归为一类，这可能与燕麦表型性状受生境条件影响有关，说明各种质之间遗传差异性和地理来源有一定的联系，这是燕麦种质其内部遗传因子和外部环境因子相互作用的结果，从而可以筛选优势燕麦材料[4,21]。这与张坤[4]，张向前等[21,30]的研究结果相类似。
利用表型性状变异系数和遗传多样性指数评估相结合的方法，得出45份黄土高原半干旱区旱地饲用燕麦种质资源20个表型性状的遗传多样性指数变幅为0.29～3.86，揭示了不同来源种质适应同一种植环境的基因型差异和自然分类特点。
3.2 45份旱地饲用型燕麦种质资源二维排序和综合评价
种质资源评价关系到遗传育种的直接利用。目前，对作物种质资源表型性状综合评价已有多个报道[31-32]，本研究的性状相关分析建立在大样本和连续两年数据的基础上，根据统计学原理，有的相关系数较小，但相关性仍显著或者极显著(表4)，说明通过数量性状的选择可以有效提高育种的盲目性。尽管与产量关联的数量性状间也存在显著相关，但相关系数均较小，株高和饲草产量之间的相关系数最高达0.8780，是所有相关中最高的，说明了这些性状紧密的关联性，遗传的复杂性和育种选择的困难性。
主成分分析将多个数量性状转化为能代表83.735%以上信息的4个主成分。表明10个数量性状均为饲用燕麦种质资源特征分化的主要性状，各主成分载荷值反映了主要数量性状的育种选择潜力。分蘖因子、株高因子、主穗因子和粒重因子是造成饲用燕麦种质形态变异的主要因素，根据4个主成分因子构建出了以单株有效分蘖、株高、小穗数和单株粒重4个主成分因子为参数的综合评价函数模型，从定性遗传变异分析上升到定量化评价筛选。10个由微效基因控制的数量性状受种质基因型和种植环境的影响，在同一环境条件下表现并不相同，在相关性分析基础上通过二维排序筛选出了表现优异的种质，将不同地理来源种质基于Ward法系统聚类成3大类可以互补选择优势并创新利用的不同性状亲本材料，具有较好的利用价值，可以提高优异基因的叠加和新品种培育效率，其结果首先对半干旱区利用种质开展饲用燕麦资源深入研究和育种实践有直接指导意义，其次对其他同类生态区利用饲用燕麦种质也提供了表型多样性参数，对促进饲用燕麦遗传育种研究起重要作用。主成分基础上结合相关性的二维排序分析，既能对供试种质的相对遗传距离有一定的参考价值，又能区分供试种质性状优劣，两者在种质评价结果上高度一致，用于燕麦生物学性状的评价相对直观、具有科学性和代表性[29]。筛选出的优异资源可以作为亲本用于杂交育种，或可以通过进一步的单株选育形成新品种，具有很高的利用价值。但是从单个性状上看，这些材料仍然处于不稳定状态，这可能是因为种质资源搜集没能完整涵盖表型性状基因型，也有遗传因素、环境因素与管理措施共同作用的影响[6]。表型数据的完整是种质资源精准鉴定的基础[31]，45份饲用燕麦种质资源尽管来自不同的生态环境，但均能够在西北旱地条件下正常生长和成熟，没有发现极端特殊材料，这表明旱地生态环境在饲用燕麦资源繁种方面是适合的，也表明在这个生态环境下能够获得较全面且稳定的表型性状数据。
本研究仅对饲用燕麦种质资源表型性状的遗传多样性做了初步探讨和评价，且在同一地点进行，需要通过多年多点试验进行进一步的试验。表型观测鉴定和选择受环境及栽培因素影响较大，具有一定的局限性，应结合实际生产需要，针对现有种质资源极丰富的表型多态性，对其在饲用性能和营养水平方面的遗传多样性研究都有待更进一步的工作，建立一个在生物学和统计学上都有效的饲用燕麦种质资源评价体系。
