基于主成分分析油用牡丹‘凤丹’主要性状评价及选优

张伟龙，杨静慧，通信作者，宋科，蒋鑫，郜伟，张超，冯国华

基于主成分分析油用牡丹‘凤丹’主要性状评价及选优

张伟龙1，杨静慧1，通信作者，宋科1，蒋鑫1，郜伟1，张超2，冯国华3

（1. 天津农学院 园艺园林学院，天津 300392；2. 天狮学院，天津 301700；3. 天津市公路局直属处，天津 300384）

为建立高产油用牡丹评价模型及选择优良高产单株，以85株油用牡丹‘凤丹’为研究材料，采用主成分分析方法，对‘凤丹’的10个主要性状进行分析。结果表明：总籽粒重与总籽粒数呈极显著正相关，与聚合蓇葖果数、有效果荚数呈显著性正相关，相关系数分别为0.87、0.51、0.51。通过主成分分析将10个主要性状降维为4个主成分，分别为籽粒因子、生长因子、败育因子、果形因子，累计贡献率达84.52%，并以4个主成分贡献率为权重，建立了油用牡丹高产评价模型。综合评价得分将85株油用牡丹分为5个等级，并选出极高产株系A66，高产株系A23、A44。

主成分分析；油用牡丹；综合评价；相关性分析

油用牡丹（）是指结实能力强、种子可加工成食用油的牡丹，是在传统药用牡丹和观赏牡丹基础上选育的木本油料作物[1-3]。目前我国油用牡丹处于快速发展阶段，仅天津蓟州区已发展近1 333.3 hm2，主要品种为‘凤丹’（）和‘紫斑’（）[4]。然而，近年栽培中发现，即使同一品种，单株产量仍差异较大，因此建立油用牡丹综合评价体系对品种更新及新品种培育至关重要。李林昊等[5]证明‘凤丹’株形在居群间与居群内均存在变异；林萍等[6]认为以单株产量为选育目标可提高单位面积产油量；祝亚云等[7]指出果荚数可作为‘凤丹’产量的预测指标并制定了选择标准；崔虎亮等[8]确定牡丹产量构成因素。目前评价体系多集中在比较某一性状上，不能全部反映性状间的差异[9-10]。主成分分析可用较少指标反映较多指标，已广泛用于多种园艺作物评价中[11-21]。因此，本试验以天津市蓟州区85株油用牡丹‘凤丹’为试材，对其10个主要性状进行评价，以期为油用牡丹综合评价及选优提供依据。

1 材料与方法

供试的85株油用牡丹‘凤丹’为4年生实生苗（2016年11月引自山东菏泽2年生实生苗，于天津市蓟州区杨津庄镇大堼上村林下种植2年），株行距为0.5 m×1.0 m。

2018年8月上旬选择结果产量较高的植株，进行标记挂牌，编号为A1～A85。并对油用牡丹10个性状进行测定。其中，株高为卷尺测量植株根颈到主茎顶部之间的距离；冠幅以卷尺测量东西、南北方向冠幅所覆盖到的最大值；枝条数为植株根茎上所有分枝，聚合蓇葖果数为单株总果数，总籽粒数为单株总籽粒数，果荚败育即单株未形成正常种子的果荚，有效果荚数为单株聚合蓇葖果种子均正常，以上指标均采用实地观察法；总籽粒重为单株籽粒重量和，果实重为单株所有聚合蓇葖果重量和，均采用万分之一电子天平进行称量[22]。果形指数采用游标卡尺进行测量。

果形指数＝纵径/横径[23]

对10个测定指标采用PEARSON相关分析法进行分析。采用主成分分析法进行降维处理，以特征值大于1，累计贡献率＞80%为标准[13]，入选4个主成分，累计贡献率84.52%。采用最大方差旋转，以各主分及其贡献率构建出油用牡丹高产综合评价模型，对各株系进行综合评价得分，再排序、分类。

采用Excel 2003和SPSS20.0软件分析数据。

2 结果与分析

2.1 ‘凤丹’各性状间相关性分析

由表1可知，枝条数与聚合蓇葖果数呈极显著正相关，相关系数为0.83，与有效果荚数呈显著正相关，相关系数为0.78。聚合蓇葖果数与总籽粒数、总籽粒重、果实重呈显著正相关，相关系数分别为0.53、0.51、0.59，与有效果荚数呈极显著正相关，相关系数为0.89。总籽粒数与有效果荚数呈显著正相关，相关系数为0.57，与总籽粒重、果实重呈极显著正相关，相关系数分别为0.87、0.84。有效果荚数与总籽粒重、果实重呈正相关，相关系数分别为0.51、0.59，说明有效果荚数越多，果实重及籽粒重会越大。总籽粒重与果实重呈极显著正相关，相关系数为0.97。

表1 ‘凤丹’各性状间的相关系数

注：*代表显著相关（＜0.05），**代表极显著相关（＜0.01）

2.2 ‘凤丹’各性状间的主成分分析

由表2可知，第一主成分的贡献率为44.60%，特征向量值较大的有枝条数、聚合蓇葖果数、总籽粒数、有效果荚数、总籽粒重、果实重共6个指标，因此因子1可命名为籽粒因子。第二主成分的贡献率为17.41%，主要包括株高、冠幅，因此因子2可命名为生长因子。第三主成分的贡献率为12.41%，主要包括果荚败育，因此因子3可命名为败育因子。第四主成分的贡献率为10.09%，贡献率较大的是果形指数，因此因子4可命名为果形因子。根据前4主成分与各性状间的关系，可得出以下线性关系。

1＝0.011＋0.222＋0.803＋0.874＋0.845－0.446＋0.877＋0.818＋0.859－0.0410；

2＝0.581＋0.772＋0.273＋0.234－0.285－0.326＋0.267－0.468－0.439－0.2110；

3＝0.691＋0.352－0.333－0.194＋0.215＋0.436－0.107＋0.328＋0.239＋0.3410；

4＝-0.191＋0.152＋0.023－0.024＋0.035－0.426－0.097－0.088－0.089＋0.8710。

根据4个主成分及其贡献率构建出油用牡丹‘凤丹’高产综合评价模型为＝0.451＋0.172＋0.123＋0.104。

表2 ‘凤丹’主要性状间的载荷矩阵

2.3 ‘凤丹’不同株系综合评价得分

由表3可知，依据综合得分的高低可将85株油用牡丹分为5个等级。第一类为＞1.5，包括1株，即A66，此株张势中庸，分枝数一般，但果形指数较高，总籽粒数最多，总籽粒重最重，因此可作为极高产株系。第二类为1.0＜＜1.5，包括2株，为A23和A44，此类株型较小，但分枝数较多，果荚败育现象较低，果形指数较高，果实重及总籽粒重较大，因此可作为高产株系。第三类为0.5＜＜1.0，包括12株，依次为A56、A40、A5、A65、A16、A54、A22、A17、A71、A19、A60、A21，此类株系大小不一致，但枝条数较多，有效果荚数较高，果实重较大。第四类为0＜＜0.5，有21株，依次为A14、A2、A77、A9、A53、A4、A1、A71、A48、A70、A50、A57、A51、A18、A11、A15、A18、A24、A3、A64、A20，此类枝条数较多，有效果荚数较少。第五类为＜0，共有49株，依次为A52、A46、A63、A38、A13、A59、A45、A31、A47、A7、A76、A6、A10、A69、A28、A43、A39、A41、A35、A12、A33、A49、A79、A55、A42、A29、A36、A32、A25、A81、A75、A83、A80、A76、A34、A58、A37、A85、A68、A82、A27、A62、A67、A74、A84、A61、A72、A26、A30，此类株系植株大小差异较大，果荚败育较明显，有效果荚数较少，总籽粒重较小。

表3 85株‘凤丹’综合评价得分及排序

续表

续表

3 讨论

我国油用牡丹种质资源丰富、含油率高、适种范围广，但是通过实生繁殖的苗木在栽培中普遍存在产量不一、性状变异大的现象[5,24]。天津蓟州区有56万多株‘凤丹’，数量庞大的实生苗为优选提供了可能。植株引种后表现可能与原产地有关，所选植株原产地均为山东菏泽，因此今后可进一步扩大选优面积及引入其他产地油用牡丹，如河南洛阳、甘肃兰州等地，来筛选产量更高植株。

果荚败育是产量降低的重要原因之一。试验发现花期未正常授粉、植株生长不良均会造成果荚败育。因此选择花期人工授粉或放蜂授粉，合理施肥，均可降低牡丹果荚败育、提高产量[25-26]。试验发现枝条数与果荚败育呈负相关，与总籽粒重成正相关，即枝条数越多，果荚败育越少，总籽粒越重。主要是分枝数越多，光合作用越强，光合产物越多。本试验中株高、冠幅与总籽粒重呈负相关，与前人研究增加油用牡丹株高、冠幅可以提高产量的结果不一致[26]。可能是本试验中的‘凤丹’为4年生苗，营养生长优于生殖生长，因此今后可合理施用氮肥，控制营养生长，提高修剪方式，增加枝条数，提高产量。

本试验以选择优良高产油用牡丹为中心，因此籽粒因子为第一主成分，综合评分后发现产量由高到低与综合排名一致，证明主成分分析在油用牡丹高产选优中的可行性。

4 结论

试验结果显示：通过主成分分析将‘凤丹’原有的10个主要性状株高、冠幅、枝条数、聚合蓇葖果数、总籽粒数、果荚败育、有效果荚数、总籽粒重、果实重、果形指数降维为籽粒因子、生长因子、败育因子、果形因子4个主成分，以4个主成分与其方差贡献率构建评价高产油用牡丹数学模型，求出各株系综合得分，分为为5个等级，并筛选出极高产株系A66，高产株系A23、A44，可作进一步研究及用于杂交育种亲本。

[1] 李育才. 中国油用牡丹工程的战略思考[J]. 中国工程科学，2014，16（10）：58-63.

[2] 熊凯，韩懂博，李丹丹，等. 油用牡丹丰产栽培技术研究进展[J]. 陕西林业科技，2017（6）：90-94.

[3] 陈法志，陈镇，戢小梅，等. 油用牡丹种质资源及育种研究进展[J]. 江汉大学学报（自然科学版），2019，47（2）：181-185.

[4] 韩继刚，李晓青，刘炤，等. 牡丹油用价值及其应用前景[J]. 粮食与油脂，2014（5）：21-25.

[5] 李林昊，张延龙，牛立新，等. 秦岭地区‘凤丹’牡丹居群果期相关性状的表型多样性研究[J]. 西北林学院学报，2015，30（4）：127-131.

[6] 林萍，姚小华，曹永庆，等. 油用牡丹‘凤丹’果实性状及其脂肪酸组分的变异分析[J]. 经济林研究，2015（1）：67-72.

[7] 祝亚云，孙海楠，蒋泽平，等. ‘凤丹’单株间生长及结实性状的变异分析[J]. 江苏林业科技，2017，44（6）：14-16，20.

[8] 崔虎亮，黄弄璋，闫海川，等. 油用牡丹单株产量和主要表型性状的相关性[J]. 华南农业大学学报，2017，38（2）：86-91.

[9] 吴晓星，刘凤栾，房义福，等. 36个欧美观赏海棠品种应用价值的综合评价[J]. 南京林业大学学报，2015，39（1）：93-98.

[10] 夏冰，司志国，周垂帆. 基于层次分析法的木瓜属海棠植物景观价值评价[J]. 北方园艺，2017（17）：115-119.

[11] 郭英姿，贾文庆，刘会超，等. 三十二个品种芍药观赏性状的主成分分析[J]. 北方园艺，2018（4）：110-116.

[12] MISHRA P，HERRER O A，BARREIRO P，et al. Detection and quantification of peanut traces in wheat flour by near infrared hyper spectral imaging spectroscopy using principal-component analysis[J]. Journal of Near Infrared Spectroscopy，2015，23（1）：15-22.

[13] 包东娥，刘遵春，刘克帅，等. 观赏海棠主要性状的主成分分析及良种选择[J]. 北方园艺，2018（22）：117-123.

[14] 陈琳琳，吴瑞姣，李光伟，等. 苹果属植物不同居群分类性状的变异性分析[J]. 北方园艺，2014（13）：6-10.

[15] 赵滢，杨义明，范书田，等. 基于主成分分析的山葡萄果实品质评价研究[J]. 吉林农业大学学报，2014，36（5）：575-581.

[16] 陈守智，李正丽，龙月娟，等. 桃树主要性状指标的主成分分析及与产量关系的研究[J]. 云南农业大学学报，2005，20（4）：544-547.

[17] 赵晓梅，张谦，过利敏，等. 新疆主栽杏品种经济性状主成分分析及优良品种的选择[J]. 新疆农业科学，2010，47（12）：2426-2430.

[18] 秦红艳，许培磊，艾军，等. 软枣猕猴桃种质资源果实品质、表型性状多样性及主成分分析[J]. 中国农学通报，2015，31（1）：160-165.

[19] 乔宇，廖李，刘璐，等. 桑椹品质评价指标的主成分分析及12个桑品种的桑椹品质综合评价[J]. 蚕业科学，2014，40（5）：851-856.

[20] 杨建华，李淑芳，范志远，等. 美国山核桃主要经济性状的主成分分析及良种选择[J]. 浙江农林大学学报，2011，28（6）：907-910.

[21] 李恒，唐平，刀丽平，等. 攀枝花9个核桃优良单株主要经济性状的主成分分析及良种筛选[J]. 四川林业科技，2015，36（4）：33-36.

[22] 翟大才，姚琦，潘健，等. 皖南山核桃果实表型性状和种仁主要养分含量的比较及相关性分析[J]. 植物资源与环境学报，2019，28（2）：10-17.

[23] 庄娣，张晓东，宋尚文，等. 微量元素叶面肥对甜樱桃果实品质影响[J]. 中国果菜，2019，39（6）：32-34.

[24] 王怡晨，孙海燕，李永荣，等. 油用牡丹‘凤丹’单株结实量及产油品质分析[J]. 南京林业大学学报（自然科学版），2019，43（4）：15.

[25] 姜天华，单佩佩，黄在范，等. 施用氮肥对油用牡丹叶片氮素吸收积累与籽粒品质的影响[J]. 应用生态学报，2016，27（10）：3257-3263.

[26] 孙小花，谢亚萍，牛俊义，等. 不同供钾水平对胡麻花后干物质转运分配及钾肥利用效率的影响[J]. 核农学报，2015，29（1）：192-201.

Evaluation and selection of main characters of oil peony ‘Feng Dan’ based on principal component analysis

Zhang Weilong1, Yang Jinghui1,Corresponding Author, Song Ke1, Jiang Xin1, Gao Wei1, Zhang Chao2, Feng Guohua3

（1. College of Horticulture and Landscape, Tianjin Agricultural University, Tianjin 300392, China; 2. Tianshi College, Tianjin 301700, China; 3. Tianjin Municipal Highway Bureau, Tianjin 300384, China）

In order to establish a high-yield evaluation model of oil peony and select the high-yield single plant, the 10 main characters of 85 oil peony ‘Feng Dan’ were analyzed with the principal component analysis method. The results showed that the total kernel weight was extremely significantly positively related to the total kernel number (0.87), and significantly positively related to the number of aggregated capsules (0.51) and effective pods (0.51). The 10 ornamental characteristics indicated that the accumulative contribution rate of 4 principle components including kernel factor, growth factor, abortion factor, and fruit shape factor reached 84.52%. Based on the model of high-yield established with the contribution proportion of 4 principal components as the weight coefficient, 85 oil peony could be classified into 5 grades, and extremely high-yield A66, high-yield A23, A44 were selected.

principal component analysis; oil peony; comprehensive evaluation; correlation analysis.

S565.9

A

1008-5394（2021）02-0012-06

10.19640/j.cnki.jtau.2021.02.003

2019-10-15

天津市科技特派员项目（17ZXBFNC00310）；天津市林果现代农业产业技术体系创新团队项目（ITTFPRS2018002）；天津市科技计划项目（18JCTPJC68000，18ZXBFNC00370）；邯郸市科学技术研究与发展计划项目（1812106033）；天津市企业科技特派员项目（19JCTPJC59400）

张伟龙（1993—），男，硕士在读，主要从事园艺植物栽培生理研究。E-mail：18322711826@163.com。

杨静慧（1961—），女，教授，博士，主要从事园艺植物栽培和生理生化研究。E-mail：jinghuiyang2@aliyun.com。

责任编辑：杨霞