黑龙江省中东部地区主栽大豆品种产量指标筛选及评价

李灿东 郭 泰 王志新 郑 伟 赵海红 张振宇 徐杰飞 郭美玲

（黑龙江省农业科学院佳木斯分院/国家大豆区域技术创新中心/国家大豆产业技术体系佳木斯综合试验站，154007，黑龙江佳木斯）

黑龙江省是我国大豆主产区，大豆生产面积占全国大豆生产总面积的40%左右，其中2019年占45.7%，区位优势突出。目前，黑龙江省北部地区大豆种植面积较大，但由于积温不足导致整体产量水平不高，南部地区受玉米比较效益影响导致生产面积较小，中东部地区仍有较大的大豆生产面积，大豆产量有待进一步提高。由于黑龙江省不同区域之间环境差异较大，品种类型不同，本研究拟针对黑龙江省中东部区域大豆主栽品种，探索研究该区域大豆产量综合评价机制，筛选大豆产量综合评价指标。

大豆产量相关因素比较复杂，与产量最直接相关的性状为单株粒重和群体种植密度，个体和群体产量因素的结合决定了大豆单产水平[1]。与大豆产量间接相关的因子包括单株粒数、单株荚数、每荚粒数、主茎节数、每节荚数和百粒重，还包括3粒荚数和4粒荚数等促进产量形成的次级性状[2]。这些产量因子均与产量呈正相关趋势，能够在不同程度上促进大豆产量形成，但各因子之间又相互制约，在不同平衡标准中影响着大豆产量[3]。由于产量性状是复杂综合性状，在品种选育过程中很难同时兼顾所有性状，给育种中后代材料选择造成很大困难，往往出现难以取舍的情况，因此对大豆产量构成因子进行综合评价，优化产量性状指标，建立高产评价机制有利于在诸多后代品系中准确选择高产材料，提高选种的效率、准确性与针对性。

近年来，关于大豆农艺性状指标鉴定及性状评价方面的研究逐渐增多，李春红等[4]对不同基因型大豆品种的耐阴性进行了主成分分析、隶属函数分析和逐步回归分析，鉴定了大豆耐阴性指标及评价机制；田艺心等[5]基于主成分分析、隶属函数以及聚类分析对大豆耐盐性进行了综合评价分析；李笑梅等[6]基于主成分分析及聚类分析对豆浆豆的品质指标进行了综合评价分析。在水稻、高粱、花生、棉花和黄瓜等[7-12]作物也有一些主要性状指标鉴定及综合评价研究报道。到目前为止，关于大豆品种产量相关性状指标鉴定及产量综合评价的研究报道并不多见，本研究选用黑龙江省各区域主栽大豆品种为试验材料，针对促进产量形成的相关性状进行产量评价指标筛选，建立回归方程，对大豆产量进行综合评价分析，为大豆高产品系选育及资源鉴定提供理论依据。

1 材料与方法

1.1 试验材料

参试大豆品种共计28个（表1），以合丰55为对照品种。其中合丰（农）系列品种来自黑龙江省农业科学院佳木斯分院，黑农系列品种来自黑龙江省农业科学院大豆研究所，绥农系列品种来自于黑龙江省农业科学院绥化分院。

表1 参试大豆品种及区域分布Table 1 The experimental soybean varieties and their area distribution

1.2 试验设计

试验田位于黑龙江省农业科学院佳木斯分院9号试验地。田间种植密度为30万株/hm2，采取随机区组排列，3次重复。每份材料种植3行，行长3m，垄距0.68m，小区面积为6.12m2。于2019年5月3日播种，采用机械开沟，人工精量双粒点播，苗期通过间苗保证试验要求的密度，田间管理与大田一致。试验地土壤基础肥力指标为有机质85g/kg，全氮350g/kg，碱解氮0.25g/kg，速效磷0.13g/kg，速效钾0.53g/kg，全磷224g/kg，全钾165g/kg，pH 6.5。

1.3 性状指标调查

产量相关性状主要包括主茎节数、单株荚数、单株粒数、每荚粒数、单株粒重、百粒重、3粒荚数、4粒荚数、每节荚数及小区产量等。收获前在每小区中间行中间位置连续取5株，用于室内考种，具体调查标准参照《大豆种质资源描述规范和数据标准》[13]。小区产量测定方式为全小区收获称重。

1.4 数据分析

利用Excel 2016进行数据整理分析，利用SPSS 17.0进行性状主成分分析[4]。

产量指数（yield coefficient，YC）公式如下：

式中YT为参试品种各产量相关性状表型值，CK为对照品种各产量相关性状表型值。

利用隶属函数将各产量相关性状主成分得分值标准化：

i=1，2，3，…，n；式中Xmin和Xmax分别表示每个主成分指标得分最小值和最大值。

各综合指标的权重：

i=1，2，3，…，n；式中Wi表示提取第i个主成分的权重，pi表示提取主成分所对应的特征值。

大豆品种的综合产量评价值（Y）：

i=1，2，3，…，n；式中Y表示参试大豆资源材料耐密性响应因子综合值。

2 结果与分析

2.1 大豆产量相关性状相关性分析

对参试的黑龙江省大豆主栽品种及10个产量相关性状产量指数进行直接相关性分析。结果（表2）表明，与产量呈正相关且相关性最强的性状为每荚粒数，相关系数为0.523，相关性达到极显著水平，其次为主茎节数＞单株粒重＞3粒荚数＞单株荚数，相关性均达到显著水平，与产量呈负相关的性状为4粒荚数，相关性未达到显著水平。在各产量相关性状中，与主茎节数呈极显著正相关的性状有单株荚数和单株粒数，相关系数为0.519和0.541；与单株荚数呈极显著正相关的性状有单株粒数、单株粒重和3粒荚数，相关系数分别为0.791、0.597和0.543，呈显著正相关的有每节荚数和小区产量，相关系数分别为0.426和0.301，呈显著负相关的有每荚粒数和百粒重，相关系数分别为–0.383和–0.380；与单株粒数呈极显著正相关的性状有单株粒重和3粒荚数，相关系数分别为0.617和0.689，呈显著负相关的为百粒重，相关系数为–0.387；与每荚粒数呈极显著正相关的是小区产量，呈显著正相关的性状为3粒荚数和4粒荚数，相关系数分别为0.303和0.352，与单株粒重呈极显著正相关的是3粒荚数，呈显著正相关的性状为小区产量；另外3粒荚数与小区产量呈显著正相关（相关系数0.330），4粒荚数与每节荚数呈显著负相关（相关系数–0.318）。

表2 大豆产量相关性状直接相关分析Table 2 Pearson correlation of phenotypic of yield relate traits in soybean

2.2 大豆产量相关性状主成分分析

对大豆10个产量相关性状数据进行标准化处理，计算分析性状指标主成分特征向量值及指标贡献率（表3）。通过主成分特征值贡献率分析，有4个主成分对产量累计贡献率达到79.083%，具有相对较强的性状信息代表性。因此可将10个产量相关性状指标转化为4个新的独立的综合指标（comprehensive index，CI），从而对大豆产量相关性状进行综合评价。针对4个主成分按照各性状指标绝对值最大的原则判定主成分归属，与产量最为相关的性状指标在第一主成分中有主茎节数和单株粒数，相当于4.283个原始指标的作用，可反映原始数据信息量的42.830%；第二主成分有每节荚数和小区产量，相当于1.341个原始指标的作用，可反映原始数据信息量的13.408%；第三主成分有单株荚数、每荚粒数和3粒荚数，相当于1.164个原始指标的作用，可反映原始数据信息量的11.637%；第四主成分有单株粒重、百粒重和4粒荚数，相当于1.121个原始指标的作用，可反映原始数据信息量的11.207%。

表3 各性状主成分的特征向量及贡献率Table 3 Eigenvectors and percentage of accumulated contribution of principal components

2.3 大豆产量性状综合评价分析

利用公式（2）计算参试品种产量相关性状指标隶属函数值，将主成分得分值进行标准化处理，对产量相关性状进行综合评价（表4）。对于同一主成分类型，F值越高表明该主成分下品种产量越高，如合农85在CI1主成分中F值最大，为1.00，因此产量水平最高，黑农51在CI1主成分中F值最小，为0.00，产量水平最低，以此类推。根据各产量相关性状指标贡献率的大小，利用公式（3）计算各主成分权重，4个综合指标主成分权重分别为0.5416、0.1695、0.1471和0.1417。利用公式（4）计算各参试品种综合产量Y值，根据Y值对27个参试品种进行降序排序，其中产量较高的品种有合农71、合农85、绥农26、合农75和黑农61等，产量较低的品种有黑农35、绥农35、绥农14、绥农75和黑农51等。

表4 参试品种产量性状综合指标值、权重、F(Xi)、Y值及综合评价Table 4 The values of test varieties comprehensive index (CIi), index weight, F(Xi), Y-value and comprehensive evaluation

2.4 产量指数回归分析及鉴定指标筛选

通过对各产量相关性状单项指标的分解揭示其对大豆产量的作用方式，构建大豆产量评价数学模型，以产量综合评价Y值为因变量，各产量相关性状产量指数为自变量，采用逐步回归分析方法构建回归方程Y=0.122+0.736X1+0.465X2+0.168X3+2.527X4+0.326X5+0.289X6-0.313X8（F=3915.69，P=0.0000，R2=0.9980），对回归方程进行精度估计评价，结果（表5）表明，对参试品种进行产量评价，估计精度均值为92.16%，可见方程中的7个产量相关性状对大豆产量具有代表性影响，利用该方程可对黑龙江省中东部地区大豆品种进行综合评价，同时该方程也适用于品种选育过程中品系产量鉴定及筛选，辅助育种后代品系测产，提高材料选择的准确性。

表5 回归方程的估计精度分析Table 5 Analysis of evaluation accuracy of regression equation

3 讨论

与大豆产量相关的性状很多，不同性状的最优组合决定了大豆高产潜力。其中有正相关性状和负相关性状，正相关性状包括单株粒数、单株荚数、每节荚数、主茎节数、每荚粒数和百粒重等促进大豆产量形成的性状，这些性状指标越高则产量越高，但很难同时兼具较高的各性状指标，这些性状是相互制约的，在最大程度上的优化组合可以尽可能提高产量。不同品种类型中各指标优势表现也不同，有些品种以单株粒数多获得高产，有些以百粒重大获得高产，因此很难建立统一的产量评价体系。大豆产量还受一些与产量负相关的性状影响，如株高、重心高度和倒伏性等，植株倒伏对大豆产量有很大影响，影响程度甚至超过了其他产量相关性状。本研究则是针对黑龙江省大豆主栽品种，在品种适宜区域正常栽培条件及不倒伏情况下，通过分析大豆产量相关性状之间的关系，筛选对大豆产量具有关键决定作用的性状指标，从而建立黑龙江省大豆品种产量性状鉴定指标及评价标准。

大豆产量评价一方面可以直接进行田间测产，另一方面可以根据产量相关性状进行鉴定与预测。在育种过程中，有大量的育种品系需要进行产量预测，除了小区测产之外，产量相关性状指标鉴定是重要的选种依据。在育种目标确定及组合配制过程中，一些关键产量性状指标也是重要的育种目标和依据。因此筛选适宜区域内大豆品种产量关键鉴定指标对育种具有积极指导作用。

近年来关于作物特性指标鉴定及评价的研究逐渐增多。孙艳等[14]采用逐步回归法对菊花近缘种属植物幼苗的耐阴性进分析，建立了性状评价模型并筛选了鉴定指标。武辉等[11]通过主成分分析、隶属函数分析及逐步回归分析对棉花幼苗进行了耐寒性鉴定及指标筛选，构建了棉花幼苗耐寒性鉴定回归方程，明确了鉴定指标。郑云霄等[15]对玉米种质资源进行了抗倒伏性综合评价，并筛选了鉴定指标；王秋兰等[16]对玉米苗期抗旱性开展了指标鉴定及综合评价分析；王玉斌等[17]对不同高粱种质抗旱性进行了鉴定筛选及指标评价；李春红等[4]对不同大豆品种进行了耐阴性综合评价分析，建立了耐阴性评价回归方程，确定了大豆耐阴性关键鉴定性状。以上研究内容为本研究提供了方法指导和理论依据。

本研究通过对大豆10个产量相关性状进行主成分分析及隶属函数分析，获得了能够代表10个性状的4个独立综合主成分，累计贡献率达到79.083%。由于大豆产量相关性状较多，每个性状都对产量具有一定影响，没有制约大豆产量的绝对性状。另外本研究通过逐步回归分析建立了大豆产量评价数学模型，涉及7个大豆产量相关性状，其中具有正向作用的性状有6个，包括主茎节数、单株荚数、单株粒数、每荚粒数、单株粒重和百粒重。对产量作用较大的性状为主茎节数、单株荚数及每荚粒数，说明在黑龙江省主茎节数对大豆产量影响较大，主茎节数多的品种所需活动积温一般较多，产量也较高；单株荚数、单株粒数及每荚粒数与产量最直接相关，在产量构成中发挥重要作用；百粒重对产量的作用较小，原因在于高产大豆品种不完全依赖于籽粒重，较多的单株粒数也是高产的另一关键因子；另外，回归方程中4粒荚数对产量具有负向作用，表明4粒荚数对大豆产量并不具有增效作用，原因可能在于4粒荚数与单株荚数及百粒重均呈负相关，因此4粒荚数多的品种单株荚数较少且籽粒较小，因而造成减产。本研究通过主成分及隶属函数分析，对黑龙江省大豆主栽品种进行了产量相关性状指标筛选与鉴定。通过构建大豆产量数学评价模型，为育种材料选择与品种资源产量评价提供理论依据。

4 结论

对黑龙江省中东部地区大豆主栽品种10个产量性状进行主成分分析及隶属函数分析，获得4个能够代表10个性状的综合主成分，对27个参试主栽品种进行产量综合评价，筛选了产量较高的大豆品种合农71、合农85、绥农26、合农75、黑农61及合农76等；利用逐步回归分析构建了大豆产量评价数学模型，筛选了7个产量鉴定指标，分别为主茎节数、单株荚数、单株粒数、每荚粒数、单株粒重、百粒重及4粒荚数，这些指标可作为该地区大豆育种材料产量评价及品种产量鉴定的理论依据。