辽西地区酿造高粱品种产量与主要性状的灰色关联度分析

摘要：为探明辽西地区高粱主要农艺性状与产量的关联程度，为该地区高粱新品种引进与筛选提供理论依据，2017—2019年对16个酿造高粱品种8个主要农艺性状进行灰色关联度分析。结果表明，参试品种各性状与产量的关联系数依次为穗粒质量、单穗质量、穗长、生育期、株高、茎粗、千粒质量。该地区高粱新品种引进与筛选应重点选择单株生产能力较强且生育期较长的品种，兼顾其他性状选择。

关键词：辽西地区;酿造高粱;品种引进;品种筛选;产量;农艺性状;灰色关联度分析

中图分类号： S514.037文献标志码： A

文章编号：1002-1302（2020）18-0102-05

收稿日期：2019-11-21

基金项目：国家谷子高粱产业技术体系建设专项高粱朝阳综合试验站项目（编号：CARS-06-13.5-B16）。

作者简介：赵术伟（1967—），男，辽宁朝阳人，研究员，主要从事高粱栽培技术研究。Tel：（0421）2924425;E-mail：zswwj@126.com。

高粱是酿酒产业的主要原料，随着酿酒产业的发展，辽宁省酿造高粱产业得到较快发展，引进和筛选高产优质的酿造用高粱新品种显得尤为重要。众所周知，产量是由多个因素共同作用的结果，弄清各因素对产量贡献的主次关系，对于高粱品种的选育有着重要意义[1]。目前，研究作物产量与主要性状的关系多采用灰色关联度系统中的关联分析，灰色关联系统自创立以来，已在小麦[2-7]、玉米[8-13]、水稻[14-16]、大豆[17-21]和谷子[22-24]等作物品种的综合评判方面得到了广泛应用，在高粱品种综合评价方面的相关报道也较多[25-30]，然而，由于高粱某些性状在不同地区表现不一，尤其是气候因素与高粱性状相关密切[31]，因此，在某一个气候类型的地区研究得出的产量与性状关系的结论不一定适于其他地区。例如，柳青山等在湖南长沙、重庆等地用4个糯高粱品种进行试验，结果显示，主要农艺性状与产量的关联顺序依次为千粒质量、穗粒质量、生育期、株高、穗长[1];张姼等在内蒙古赤峰地区用14个品种进行试验，结果显示，主要农艺性状与产量的关联顺序依次为穗长、生育期、株高、穗粒质量、茎粗、千粒质量[32]。穗長和千粒质量在2个地区与产量关联顺序差别很大。辽宁省西部地区酿造高粱品种主要农艺性状与产量的关联顺序的相关报道目前尚未见到，为此，笔者于2017—2019年对辽宁省内外引进的16个高粱品种8个主要农艺性状进行灰色关联度分析，以期探明本地区高粱产量与主要农艺性状的关系，为今后本地区高粱品种的引进与筛选提供理论依据。

1 材料与方法

1.1 试验材料

参试品种16个，分别是吉杂124、吉杂127、吉杂136、吉杂140、吉杂145、吉杂158、白杂11、白杂13、赤杂101、龙米梁1号、济梁1号、平试13、龙杂13号、辽夏梁2号、锦杂109号、锦杂110号，具体编号和提供单位见表1。

1.2 试验方法

2017—2019年连续3年在辽宁省旱地农林研究所试验基地进行，随机区组排列，3次重复，小区面积21.6 m2，6行区，行长6 m，行距0.6 m。试验地为沙质壤土，能代表当地土壤类型。每年在5月中旬播种，9月下旬收获。每区收获20株考样，风干后按常规方法测定株高（k1）、茎粗（k2）、穗长（k3）、穗质量（k4）、单穗粒质量（k5）、千粒质量（k6）。田间调查生育期（k7），全区测产量（k8），所有性状值为2017、2018、2019年3年的平均值。

1.3 数据分析方法

灰色系统理论中的关联度分析是对一个动态系统进行动态量化比较，能较为真实全面地反映客观系统[1]。应用灰色关联度分析作物性状间的关系，能较好地反映事物的本质，比传统的相关分析更为恰当，分析的结果更接近实际[33]。按照灰色系统理论原理，将16个酿造高粱品种的产量及其他7个农艺性状视为一个整体，构建一个灰色系统。每个性状看作该系统的一个因素，根据因素数列的几何形状发展态势的接近程度来衡量其因素间关联度的大小。关联度大，说明因素变化的势态接近，其相互关系密切;反之，则说明其相互关系疏远[34]。原始数据用DPS 15.0处理，进行灰色关联度分析。

2 结果与分析

2.1 参试高粱不同品种性状值

表2为原始数据，由于各个性状值量纲不同，难以直观表达性状之间的关联度，所以须要将原始数据做无量纲化处理。

2.2 无量纲化处理

为使各性状具有同序性和等效性[1]，根据公式xi（kj）=[xi ′（kj）-xi]/si，对原始数据进行标准化处理，使各数据同一量纲。其中xi （kj）为数据标准化后的结果，xi′（kj）为表2中的原始数据，xi为同一性状平均值，si为同一性状标准差，具体结果见表3。

2.3 性状指标绝对离差

计算参试品种主要性状指标绝对离差得到表4[1]。依公式Δi（kj）=xi（kj）-x0（kj）（j=1，2，3，…，7;i=1，2，3，…，16）进行计算， 其中Δi（k）为第i个参试品种xi与目标品种x0在第k个性状上的绝对差，所得结果列于表4。

2.4 参试品种主要性状指标关联矩阵

表4表明，二级最小差minmin |x0′（kj）-xi′（kj）| 为0.038 7，二级最大差maxmax |x0′（kj）-xi′（kj）| 为2.807 6，分辩系数取ρ=0.5，计算关联系数，得到系数矩阵（ξ）表5。由表5可见，其他主要农艺性状与产量（k8）的关联度大小顺序为穗粒质量（0.751 2）、单穗质量（0.732 0）、穗长（0.690 3）、生育期（0.671 7）、株高（0.655 1）、茎粗（0.631 2）、千粒质量（0.621 0）。

3 结论与讨论

参试品种各性状与产量的关联系数依次为穗粒质量、单穗质量、穗长、生育期、株高、茎粗、千粒质量。在辽西地区，建议高粱新品种引进与筛选重点选择单株生产能力较强且生育期较长的品种，兼顾其他性状选择。

气候因素与高粱性状相关密切[31]。本研究结果与张姼等在内蒙古赤峰地区的分析结果[32]比较，除了穗粒质量关联度排序存在较大变化外，穗长、生育期、株高、茎粗、千粒质量排序几乎是一样的，可能是由于辽西地区与内蒙古赤峰地区接壤，气候类型接近，故结果相似性较大;与柳青山等在长沙、重庆等地分析千粒质量关联度排序为第一结果[1]差异较大，可能是由于南北方气候类型相差悬殊，故关联度排序存在较大差异。关于此点，希望同行专家继续探讨研究，今后在研究高粱产量与其他性状关联度分析时，前面应该加上地域的限制条件，也就是说，各地区气候类型不同，高粱产量与其他性状关联度排序是不一样的，如同作物品种的生育期一样，在各地表现不同。

同样，在玉米研究上，倪正斌等在江苏盐城进行的试验中发现，玉米新品种的农艺性状与产量的关联度从大到小依次为千粒质量、出籽率、行粒数、轴粗、穗粗、穗位高、穗行数、株高、秃尖长、全生育期、穗长，其中千粒质量是影响玉米杂交种产量的主要因素，穗长对产量的影响较小[35]。而汪燕芬等在云南省中北部进行的试验中发现，为玉米杂交种产量与产量构成因素的关联度大小顺序为穗粗、穗行数、单株有效穗数、株高、千粒质量、穗位高、空秆率、出籽率、穗长、行粒数、生育期[36]。在水稻方面也有类似结果[37-38]。由此可见，农作物品种的农艺性状与产量的关联度因地区不同而有差异。

参考文献：

[1]柳青山，周福平，梁 笃，等. 糯高梁品种主要农艺性状与产量的灰色关联分析[J]. 中国农学通报，2008，24（7）：478-481.

[2]黄 峰，郑天存，殷贵鸿，等. 冬小麦杂优组合主要农艺性状的灰色关联度分析[J]. 种子，2004，23（7）：65-66.

[3]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]. 麥类作物学报，2005，25（1）：139-141.

[4]赵 倩，刘兆晔，刘春蕾，等. 小麦新品种（系）的灰色关联度分析[J]. 中国农学通报，2007，23（9）：259-262.

[5]赖运平，李 俊，张泽全，等. 小麦苗期抗旱相关形态指标的灰色关联度分析[J]. 麦类作物学报，2009，29（6）：1055-1059.

[6]周凤云，余国东，李伯群，等. 杂交小麦产量和产量构成因素的灰色关联度分析[J]. 南方农业，2007，1（3）：27-29.

[7]陈 慧，王冀川. 基于灰色关联度及DTOPSIS法的南疆冬小麦品种的综合评判[J]. 江苏农业科学，2019，47（10）：102-108.

[8]孙海潮，万金红，郭安斌，等. 灰色关联度分析在玉米组合鉴定试验中的应用[J]. 玉米科学，2006，14（2）：47-49.

[9]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.

[10]卫勇强，赵保献，雷晓兵，等. 灰色关联度分析和DTOPSIS法综合评价玉米新品种[J]. 江西农业学报，2009，21（6）：11-14.

[11]郑跃进，王翠玲，郑和平，等. 玉米区域试验新品种的灰色关联度综合评判[J]. 河南科技大学学报（自然科学版），2009，30（4）：68-71.

[12]李春霞，苏 俊，钟占贵，等. 玉米杂交种的产量与相关因素的灰色关联度分析[J]. 玉米科学，1996，4（1）：35-38.

[13]孙志超，荆绍凌，郭 昕，等. 吉林省中晚熟玉米杂交种产量与各性状间灰色关联度分析[J]. 吉林农业科学，2006，31（1）：25-26，40.

[14]吴建明，谢正荣，沈小妹.灰色关联度分析法应用于水稻品种综合评判的探索[J]. 种子，1990（03）：33-35.

[15]陈 晖，周佳民，黄 敏，等. 中籼迟熟水稻农艺性状与产量的灰色关联度分析[J]. 种子，2008，27（11）：105-107.

[16]何水元，陈顺佳.试用灰色关联度分析水稻品种主要性状对产量的影响[J]. 广东农业科学，1992（1）：4-6.

[17]卫 玲，樊云茜，肖俊红，等. 应用灰色关联度综合评价大豆新品系[J]. 陕西农业科学，2005（3）：12-14.

[18]汪宝卿，张礼凤，慈敦伟，等. 黄淮海地区夏大豆农艺性状与产量的相关性及灰色关联度分析[J]. 山东农业科学，2010（3）：20-25.

[19]屈 洋，王可珍，刘 洋，等. 大豆产量与主要农艺性状的灰色关联度分析[J]. 陕西农业科学，2019，65（2）：39-41，67.

[20]刘许辉，孙玉勇，何雪丹，等. 大豆品种（系）在桂北地区适应性鉴定的产量与性状灰色关联度分析[J]. 现代农业科技，2017（10）：47-48，50.

[21]何志华，夏 燕，李清超，等. 大豆产量及主要农艺性状的相关性及灰色关联度分析[J]. 江苏农业科学，2016，44（11）：99-102，103.

[22]陈国秋.灰色关联度分析法在谷子综合评价上的应用[J]. 杂粮作物，2001，21（2）：16-17.

[23]栾素荣，王占廷，李青松.谷子產量与主要农艺性状的灰色关联度分析[J]. 河北农业科学，2010，14（11）：115-116，118.

[24]刘正理，程汝宏，张凤莲，等. 不同密度条件下3种类型谷子品种产量及其构成要素变化特征研究[J]. 中国生态农业学报，2007，15（5）：135-138.

[25]张 欣，王忠宇.灰色关联度分析在高梁杂交种区域试验中的应用[J]. 国外农学（杂粮作物），1996（4）：17-20.

[26]梁万鹏，崔兴莉，高 钰，等. 饲用高粱新品种主要农艺性状与产量灰色关联度分析[J]. 畜牧兽医杂志，2017，36（5）：39-42.

[27]高 进，施庆华，蔡立旺，等. 甜高粱新品种（系）主要农艺性状与产量的灰色关联度分析[J]. 福建农业学报，2018，33（6）：581-586.

[28]孔凡信，刘 志，肖继兵.辽西地区适宜机械化生产酿造高粱品种综合评价[J]. 农学学报，2019，9（6）：4-11.

[29]冯海生，李春喜.应用灰色关联度综合评价甜高粱的生产性能[J]. 草地学报，2013，21（3）：622-625.

[30]丁 品，张建军，杨兰廷，等. 灰色关联度在甜高粱材料筛选中的应用[J]. 甘肃科学学报，2017，29（2）：35-39.

[31]高士杰，王 方.气候因素与高粱主要性状的相关分析[J]. 中国农业气象，1991（2）：19-22.

[32]张 姼，隋虹杰，葛占宇，等. 高粱主要农艺性状与产量的灰色关联度分析[J]. 贵州农业科学，2016，44（5）：20-22.

[33]岳含云.灰色关联度分析在作物性状分析上的应用[J]. 农业系统科学与综合研究，2000，16（4）：296-298，302.

[34]唐启义，冯明光.实用统计分析及其DPS数据处理系统[M]. 北京：科学出版社，2002.

[35]倪正斌，孙扣忠，孙红芹，等. 玉米杂交种产量与主要农艺性状的灰色关联度分析[J]. 金陵科技学院学报，2017，33（2）：65-69.

[36]汪燕芬，田俊明，詹各明，等. 云南省玉米杂交种产量和产量构成因素的灰色关联度分析[J]. 西南农业学报，2008，21（4）：925-928.

[37]杨婷婷，崔金凤，吴文革，等. 21个杂交水稻品种主要农艺性状与产量的灰色关联度分析[J]. 安徽科技学院学报，2015，29（3）：1-5.

[38]谭可菲. 黑龙江水稻主要农艺性状与产量的灰色关联度分析[J]. 北方水稻，2016，46（1）：19-21.