西北半干旱区引种燕麦品种产量与品质的关联分析及评价

南 铭， 赵桂琴， 李 晶， 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)

燕麦(AvenasativaL.)为一年生禾本科燕麦族(Aveneae)燕麦属(Avena)草本植物，是仅次于小麦、玉米和水稻的世界第4谷物，具有抗旱、耐贫瘠、耐适度盐碱等特点[1-2]。全世界五大洲40多个国家都有种植，国外主要种植皮燕麦，我国以裸燕麦为主，其次是皮燕麦，集中分布在西北、华北和东北等地区[3]。目前，我国燕麦种植面积接近80万公顷，产量90万吨以上，占世界燕麦总产量的4.1%，居世界第8位，主要产区位于吉林、内蒙、山西、河北以及甘肃等省份。

甘肃中部是我国燕麦主产区之一，随着当地种植业结构的调整和人们健康膳食习惯的改变，燕麦在发挥优质饲草料供给和功能性保健食品方面的重要作用日益凸显[4]，特别是在修复天然退化草场、构建合理轮作制度及改善生态环境方面越来越受到重视[5]。现有品种普遍存在纯度不高，抗逆性差、产量和品质低下、品种退化等现象，已无法满足当地燕麦产业发展的需求。由于我国燕麦种植区域较广、品种繁多，类型丰富，不同燕麦品种适种区域也不完全一致，生态适应性相对狭窄[6]，而且同一品种因其自身遗传特性对特定栽培环境下的农艺性状、营养品质及生产性能表现差异明显[7-8]。所以，品种与环境的相互选择是影响燕麦引种试验成功的关键[9]。然而，有效筛选和综合评价燕麦品种资源一直是燕麦引种的先决条件，评价燕麦品种适应性的因子数量较多，仅以某些局部性状来评价其生产性能的优劣及品种间的适应性差异，往往因割裂了各个性状因子对品种生产性能的综合影响而有失全面。燕麦在西北中部旱区的生产性能评价不仅要考虑产量，还要关注品质，确保充分考虑影响综合性能的主要因子全面进行评选优劣[10]。因此，以定量取代定性，在对不同来源燕麦品种挖掘生产潜力和创新利用之前对其进行科学、准确评价，充分发挥其适应性和稳定性以供持续创新利用和符合生产需求具有重要意义[11]。

目前，灰色系统理论已在燕麦研究中广泛应用并取得了较好的效果[12-23]，但基本聚焦在燕麦草产量，草品质及饲用价值等方面，且以高寒区饲用燕麦品种评价为主，针对干旱地区引种燕麦籽粒主要营养指标和产量性状的评价方面相对较少。本研究应用灰色关联度分析法，在同一种植环境中评价22个引进燕麦的主要农艺性状和籽粒营养品质，旨在筛选甘肃中部乃至西北半干旱区种植的优良燕麦品种，为燕麦新品种的培育和生产实践提供参考依据。

1 材料与方法

1.1 试验材料

供试燕麦品种22个，试验种子纯净度和发芽率等指标均符合播种质量标准(表1)。

表1 试验材料名录Table 1 List of test materials

1.2 试验地概况

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°12′，N 35°17′)，平均海拔1 920 m。地处西北黄土高原沟壑地带雨养农业区，属典型的温带干旱大陆性季风气候，气温7.6～8.2℃，年均日照时数2 100～2 600 h，≥0℃年积温2 930℃，无霜期141 d，年降水量380～420 mm，平均蒸发量1 400 mm，强烈蒸发期在春季和秋季，雨热同期，昼夜温差大。试验地土壤属黄绵土，0～20 cm土壤pH 8.03，土壤全氮 0.8 %，有机质19.1 g·kg-1，速效磷26.4 mg·kg-1，速效钾202.7 mg·kg-1。

1.3 试验设计

供试燕麦品种连续种植两年(2015-2016年)，试验采用随机区组排列，两年均于4月10日播种，小区面积10 m×5 m，3次重复，人工开沟条播，行距25 cm，播深6～8 cm，播量180 kg·hm-2，重复间和小区周边留过道80 cm。全生育期不再追肥，中耕除草，抽穗期前后防治燕麦红叶病，各小区处理均一致。

1.4 测定指标

分别在2015-2016年8月上旬燕麦进入成熟期后，田间每小品种随机选取3～5株测量株高X1，数取小穗数X2，分蘖数X3，计算生育期X4，每个品种随机选取30株长势一致的植株考种统计穗粒数X5，穗粒重X6，千粒重X7，产量X0(按小区面积实收籽粒折算计产)，以上数据均重复3次，取平均值。脱粒晾晒清选后采用凯氏定氮法[24]测定籽粒粗蛋白含量X8，索氏脂肪抽提法[25]测定粗脂肪含量X9，双波长法[26]测定淀粉含量X10，所有指标为2015-2016年测定数据的平均值。

1.5 灰色关联分析

按灰色系统理论，所有供试品种或性状归纳为一个灰色系统，而每一个品种或者性状是该系统的一个因素，分析系统中各因素关联度越大，因素的相似程度越高[27]。先设一个参考品种或性状以其各项指标所构成的数列为参考数列，以供试品种或性状的各项指标所构成的数列为比较数列，计算各供试品种或性状与参考品种或性状之间的关联度。关联度越大，表明该品种或性状与标准品种或性状的相似程度越高，反之则低。根据关联度的大小，可筛选评价供试品种或性状的优劣[28-29]。

假若设参考数列为x0，比较数列为xi，且i=1，2，3，…n，且x0={x0(1)，x0(2)，x0(3)，…x0(n)}，xi={xi(1)，xi(2)，xi(3)，…xi(n)}，

(1)

式中，i(k)是x0与xi在第k点的关联度系数[30]。 表示x0数列与xi数列在k点的绝对差，minimink为二级最小差值，maximaxk为二级最大差值，为分辨系数，取值范围在0～1之间，本试验取值0.5，认为同等重要。ri为比较数列与参考数列的关联度，是具体反映x0与xi数列之间关联性的度量。

由于比较数列与参考数列各指标的关联度系数较多，信息分布较分散，不便于进行比较，为此需要将各品种或性状的关联度系数集中为1个值，称为x0与xi数列之间的关联度，记为gi，

(2)

式中n为样本数，关联度越大，表明该品种或性状与标准品种或性状的相似程度越高，反之则越低。根据关联度的大小，可筛选、评价供试品种的优劣[31]。

通过权重系数计算公式(7)来衡量不同性状对应的权重[32]。

2 结果与分析

2.1 标准品种与供试品种的各项性状统计

将22个参试燕麦品种的11个性状视为一个整体，应用灰色关联度法进行综合评价。选用株高(plant height，PH)、生育期(growth duration，GD)、小穗数(spikelet number，SN)、分蘖数(tiller number，TN)、穗粒数(grain number spike，GNS)、穗粒重(grain weight spike，GWS)、千粒重(thousand grain weight，TGW)、粗蛋白(crude protein，CP)、粗脂肪(crude fat，CF)、淀粉(starch，S)、籽粒产量(grain yield ，GY)11个指标进行权重综合评价。根据灰色系统理论和应用数列间的相似程度来判断两个系统或系统中的两个因素之间关联程度的原理，关联度大的数列与标准数列最接近[28]。

由表2，表3看出，标准品种(标准品种的产量高于参试品种中最大值的5%，其他性状稍高于参试品种中最大值)的构建符合燕麦品种选育的演变趋势以及高产育种目标最优性原则。供试燕麦品种在各性状间均存在一定的差异，变异明显，对同一生态环境的适应性不同，但均能在甘肃中部地区完成生育期，皮、裸燕麦变异最大的均为有效分蘖数(30.61%，29.65%)，不同燕麦品种单株有效分蘖受生态环境影响较大，单株分蘖数是一个多基因控制的数量性状，与燕麦品种生态适应性和产量稳定性有直接关系。其次是穗粒重(29.00%，24.61%)和穗粒数(18.47%，24.00%)，变异最小的为淀粉含量(2.07%，3.41%)。皮燕麦品种间穗粒数极差最大(114.5)有效分蘖数极差最小(1.50)；而裸燕麦品种间籽粒产量极差最大(92.70)淀粉含量极差最小(1.94)。

表2 裸燕麦供试品种和标准品种的各项性状统计Table 2 The economical characteristics of both standard and tested naked oats varieties

表3 皮燕麦供试品种和标准品种的各项性状统计Table 3 The economical characteristics of both standard and tested hulled oats varieties

注：*表示在0.05水平下显著相关；**表示在0.01水平下显著相关

Note：* indicates significant correlation at the 0.05 level；** indicates significant correlation at the 0.01 level

2.2 数据标准化处理

由于各性状计量单位和量纲不同，且差异较大，不能直接进行比较，为保证各性状因素具有等效性和同序性，需要采用初值化对各性状的原始数据按均值化变换进行均值化处理，从而所有性状具有同等性和可比性[33]。本研究采用标准品种值对原始数据值进行标准化处理，将表2，表3数据压缩到一个数值全在[0,1]内的新数列[34]。

2.3 各点性状绝对差值

根据公式△i(k)=|x0(k)-xi(k)|(3)计算对应点的绝对差值。

2.4 最大绝对差值和最小绝对差值

应用公式minimink|x0(k)-xi(k)|=a (4)，maximaxk|x0(k)-xi(k)|=b (5)，得到二级最小差值为0.0001，二级最大差值为0.9192。

2.5 各性状在各点的关联度系数

将公式(4)和(5)代入公式(1)和(2)得出公式xi(k)=(a+ρb)/[Di(k)+ρb](6)，供试品种与参考品种各指标的关联度系数较多，信息分布较分散，不便于进行比较，为此需要将各品种或性状的关联度系数集中为一个值，即关联度(表5)。各品种主要农艺性状和品质性状与籽实产量的关联系数均在0.3334～1.0000之间。根据灰色系统理论和应用数列间的相似程度来判断两个系统或系统中的两个因素之间关联程度的原理，关联度大小反映了各因子重要性的差异，关联度越大，则表示该因子的作用越大，即对燕麦籽粒产量的影响越大[13-14]。对燕麦籽粒产量影响最大的千粒重，影响最小的是有效分蘖数。燕麦籽粒产量与各性状关联度大小顺序为：千粒重>株高>生育期>粗蛋白>淀粉>小穗数>穗粒重>粗脂肪>穗粒数>分蘖数。

2.6 加权关联度

将公式(6)代入公式(2)中得到的各指标的等权关联度(gi)，但(gi)只有在各性状同等重要的情况下，才能用于评价不同品种的优劣。事实上，反映燕麦各性状特征值的重要性并不相同，应根据其重要程度给予不同的权重系数(ωi)，可根据公式(7)计算各指标对应的权值，赋予各性状不同权重。结果为ωi=0.1047，ωi=0.0998，ωi=0.0829，ωi=0.1146，ωi=0.0916，ωi=0.0990，ωi=0.1030，ωi=0.0976，ωi=0.1044，ωi=0.1024。说明各指标在评价系统中所占的权重顺序为生育期>株高>籽粒产量>粗蛋白>淀粉>小穗数>千粒重>粗脂肪>穗粒重>穗粒数>分蘖数。

通过公式(2)计算的等权关联度只有在各性状同等重要的情况下，才能用于评价不同燕麦品种的优劣[28]。根据各性状在评价系统中的权重可建立供试燕麦品种的综合模型：

Zk=0.1047x1+0.1024x2+0.0998x3+0.0829x4+0.0916x5+0.0990x6+0.1146x7+0.1030x8+0.0976x9+0.1044x10。

表5 供试燕麦品种主要性状关联系数Table 5 The relational coefficients of the main traits of oats varieties

根据加权关联度(g＇i)分析原则，加权关联度值可真实的反应供试品种与最优指标集的差异大小，关联度大表明该品种与最优指标集的相似程度高，反之则差异大[35]。由(表6，表7)可知，皮燕麦中‘定燕2号’农艺性状最优，穗粒数最多，‘白燕14号’淀粉含量高，‘坝燕4号’粗脂肪含量高，‘魁北克燕麦’千粒重和籽粒产量高。裸燕麦中‘白燕13号’籽粒产量最高，‘白燕15号’穗粒重最高，‘白燕11号’粗脂肪含量最高，‘晋燕14号’淀粉含量最高，‘远杂2号’、‘坝莜14号’和‘燕科2号’综合性能优良，综合分析认为它们与标准品种相似程度最大。实际上单项指标突出的并不意味着是评价最优的品种，只有综合性状突出的品种才是最适宜推广种植[23,36]。

表6 供试品种与标准品种间关联系数矩阵及关联度Table 6 Grey correlation co-efficient matrix and value of tested varieties with standard variety

表7 供试品种的加权关联度Table 7 Weighted relevancy values of tested varieties/g＇i

3 讨论

燕麦产量与品质不仅由其本身遗传特性决定，也受环境条件影响[22]，同一品种在不同生态环境中的表现结果不尽相同，不同品种因其遗传特性不同在同一环境条件下对某一具体性状的反应也完全相同[11]。灰色关联度法能将分散信息综合考虑，比较全面、准确可靠，分析结果与试验表现一般比较吻合，能综合判别品种的优劣，避免了传统方法中仅靠单一指标的片面判断，从而可为筛选、推广适宜本地区的优良品种提供可靠的依据[12]。采用灰色关联度法综合评价燕麦品种的关键是依据育种目标、生产实际和市场需求来进行性状的选取、各性状权重值的确定和参考品种的构建[21,36]。因此，本试验所选取的评价因子为8个主要农艺性状和3个关键营养品质性状，基本涵盖了燕麦的常规分析指标，对代表不同特征的性状进行标准化处理，最大程度地反映被评价品种的真实水平，不仅能看出品种的优良特性，还可以反映出其存在的不足，避免了只考虑片面因素而忽略其他因素的弊端，而且在考虑评价品种间差异性的基础上对各指标赋予不同的权重值，标准品种的构造综合了所有品种的全部优良信息，从而提高了品种综合评估的准确性和有效性[37-38]。

燕麦作为一种粮饲兼用作物，在引进品种筛选和综合评价方面所选取的指标性状很多[9,14]。其中粗蛋白含量是反映燕麦籽粒营养品质最重要、最具代表性的指标，与燕麦关键农艺性状既有联系又有区别[21]。在同一生态环境条件下表现差异主要是不同品种燕麦自身遗传特性造成的，其中株高是一个重要评价指标，在一定程度上能反映产生产性能的高低[23]。本研究发现，22个燕麦品种株高差异明显，皮燕麦显著高于裸燕麦。根据权重比较可知，株高和生育期的权重较大，说明本区域生产中气候因子是影响燕麦生长的重要因素。粗蛋白含量的权重位居第4，这也响应了当地燕麦产业发展中急缺优质饲草料资源的问题。因此，本区域今后在燕麦引种工作中，应把生育期、株高和粗蛋白含量作为重要指标加以考虑，使其更好地与燕麦产业发展实际紧密相联。

本研究中燕麦品种的籽粒产量与株高、生育期与千粒重之间的关联性较大，是影响燕麦产量的关键农艺性状。籽粒产量和粗脂肪含量关联度最大，这与[13,17-19,21]的研究结果相类似，与[16,22]的研究结果略有不同，这可能因为在进行评价时本研究选用的农艺性状和品质指标与其存在较大的差异，也可能是同一性状对不同生态环境条件的响应差异所致。因此在以籽粒为主要目标的燕麦品种资源筛选和评价中应将株高、千粒重、生育期和粗脂肪含量作为重要指标加以考虑。加权关联分析表明，裸燕麦表现比较好的品种有‘远杂2号’、‘坝莜14号’、‘燕科2号’、‘白燕15号’和‘晋燕14号’，皮燕麦表现较好的为‘定燕2号’、‘坝燕4号’、‘冀张燕4号’，由于其农艺性状和营养品质都表现较好，综合排名靠前，生产实践中创新利用潜力较大，适宜在该地区大面积推广，排名靠后的因其加权关联度较低，产量性状和品质表现一般，实际生产应用率也大大降低，这与大田试验观察结果相一致，综合评价结果与郑曦[7]，赵宁[8]，王桃等[16-18]的研究结果相类似。

有效筛选和综合评价引进燕麦品种资源，是燕麦引种比较研究的重要内容，评价不仅要看农艺性状和籽粒品质，更要关注其抗逆性和饲用价值，不同来源的品种一般经过2～3年以上便可适应当地的生态条件，发挥其优异特性。本试验中引进的燕麦品种仅在同一生态环境中连续种植2年尚有欠缺之处，且选取了其生长过程中的一个时期的主要农艺性状和籽粒营养品质方面进行评价，未将各燕麦品种在试验地区的抗逆性和饲用性能等影响燕麦关键特性的因子未能考虑纳入评价[7,16,18,22]，对此将在后续试验中加强对燕麦品种进行多年定量分析与观察，进行深入研究并给予灰色关联度分析，以期为甘肃中部干旱区引种优良燕麦品种提供指导。

4 结论

应用灰色关联度分析法对22个引种燕麦品种的11个性状进行综合评价，产量性状和品质性状间相关性显著，11个性状的权重大小顺序为：生育期>株高>籽粒产量>粗蛋白>淀粉>小穗数>千粒重>粗脂肪>穗粒重>穗粒数>分蘖数。通过加权关联度最优评价得出综合性状优良的皮燕麦为‘定燕2号’、‘坝燕4号’、‘冀张燕4号’，说明这3个皮燕麦品种在甘肃中部地区的生产性能及综合表现较好。而‘白燕14号’与‘冀张燕5号’与标准品种的相似度较小，加权关联度最小，生产性能综合表现较差。裸燕麦中‘远杂2号’、‘白燕15号’、‘晋燕14号’、‘燕科2号’和‘坝莜14号’的加权关联度较大，是甘肃中部地区引种中产量、品质和利用潜力较大的品种，适宜在该地区大面积推广。