20个芝麻品种单株产量相关性状的灰色关联分析及其综合评价

刘美茹，张仙美，张权，郑磊，吴鹤敏，戴晋，李天奇，刘立峰

（漯河市农业科学院，河南 漯河 462000）

芝麻是我国重要的油料作物之一，种植面积逐年增加。我国芝麻种植广泛，但分布极不平衡，以黄淮、江汉和长江中下游为主产区，其中河南、湖北和安徽种植面积最广［1，2］，芝麻产量占全国的75%左右［3］。2003年，河南、安徽、湖北等芝麻产区受长期降雨影响而减产，其中河南驻马店、漯河及安徽阜阳等大部分地区甚至绝收，导致当年我国芝麻产量大幅下降［1］。因此，选育综合性状良好的芝麻品种对我国芝麻产业发展具有重要意义。

灰色关联分析是基于灰色系统理论的一种重要的统计分析方法，此方法的最大特点就是将杂乱无章数据的随机过程看作是灰色过程，将整理的标准化数据看作是由众多因素共同影响和作用的结果，最后用较少的数据较直观、准确地反映问题［4，5］。目前该方法已广泛应用于多种农作物产量性状的关联分析和品种的综合评价以及区试多点、多品种结果分析等方面。杨志刚等［6］运用灰色关联分析法对小麦区试结果进行分析及综合评价，筛选出适宜本地种植的最佳小麦品种。蔡立夫等［7］用灰色关联分析法对东北地区13个试点的14个品种进行综合评价，得出单株产量也影响花生产量的结果。柳青山等［8］对全国区试的4个糯高粱品种进行综合评价，得出灰色关联度分析能够充分表示各性状对产量影响的大小。李爱国等［9］利用灰色系统理论对漯麦26的10个主要农艺性状与产量进行灰色关联分析，得出了小麦10个农艺性状与产量之间的关联度。郭建秋等［10］采用灰色关联分析方法，就15个大豆品种的主要性状对产量的影响程度进行综合评价得出，灰色关联分析能真实地反映大豆新品种的优劣表现，并能够充分利用产量以及产量相关的其它多个性状的全部信息，使参试品种排序更加客观合理。郑磊等［11］利用相关性和灰色关联分析方法，对芝麻单株产量及其构成因素与相关性状的关系进行研究认为，育种中要注重选育开花早、生育期长、果轴长、果节数多、单株蒴果多的品种。

综上看出，灰色关联分析可综合多个性状对品种进行定量评价，而非单靠产量性状评价品种优劣，因此能够更加全面、准确地评价品种的优劣［6］。目前用灰色关联分析筛选适合某一地区最佳芝麻品种的研究较少，本研究采用该方法对多个芝麻品种进行综合评价，以期筛选出适合河南地区种植的品种。

1 材料与方法

1.1 试验材料

供试芝麻品种共20个（表1），其中皖芝11号、皖芝12号和皖芝5号来自安徽省农业科学院作物研究所；项芝秸叶黄来自周口市农业科学院；郑太芝1号和郑杂芝3号来自河南省农业科学院；中芝14号、中芝23号和中芝30号来自中国农业科学院油料作物研究所；周芝11号和周芝12号来自周口市农业科学院；驻芝21号来自驻马店农业科学院，豫芝4号来自驻马店地区农科所；漯12、漯芝15号、漯芝16号、漯芝18号、漯芝19号、漯芝21号和漯芝23号来自漯河市农业科学院。

1.2 试验方法

试验于2019年在漯河市农业科学院试验基地进行。前茬作物为小麦。土壤类型为黏土，肥力中上等。随机区组排列，重复3次。小区净面积20 m2。条播，10行区，行长5 m，行距0.4 m，666.7m2种植密度为1.0万株。每个重复间留有走道，试验地周围设保护区。

成熟后每个小区随机选取10株进行田间考种，测定株高、始蒴高度、空梢尖长度和单株蒴果数。收获后室内考种测定每蒴粒数、千粒重和单株产量。

1.3 单株产量及相关性状的灰色关联分析

按照灰色系统理论［12］，将20个芝麻品种作为一个灰色系统，设单株产量为参考数列X0，株高、始蒴高度、空梢长度、果轴长、单株蒴果数、每蒴粒数、千粒重分别为比较数列Xi，即（Xi＝X1，X2，…Xi，i＝7）。首先对原始数据进行无量纲化处理，即采用均值化生成法对原始序列进行无量纲化处理得到一个新数列，然后进行标准化处理，根据标准化处理结果计算出X0与Xi差的绝对值，计算公式如下：

式中，△i（k）表示绝对差值，X0（k）表示参考数列值，Xi（k）表示比较数列标准化结果。

进一步计算出单株产量与其它性状的关联系数，计算公式如下：

式中，ξi（k）表示关联系数，△i（k）min和△i（k）max分别表示最小和最大差值，ρ表示分辨系数，取值0.5。

1.4 品种综合评价的灰色关联分析

研究品种优劣时，需根据供试品种的各项性状指标，构建一个各性状表现优良的理想品种作为参考品种［13，14］，参考品种标记为Y0。参考1.3中的方法，首先对原始数据进行标准化处理，计算供试品种与参考品种各性状的△j（k），并得到△j（k）min和△j（k）max，参考公式（2）计算供试品种与参考品种的关联系数，并计算同一品种各性状关联系数的平均值得到等权关联度，再根据各性状的权重系数计算加权关联度。

1.5 数据分析

用Microsoft Excel 2007和SPSS 19.0软件进行试验数据处理和灰色关联分析。

2 结果与分析

2.1 不同芝麻品种主要性状表现

由表1可知，20个芝麻品种株高为163.6～176.5 cm，平均为170.38 cm。始蒴高度为40.2～56.9 cm，平均为50.81 cm。空梢长度为3.9～6.6 cm，平均为5.06 cm。果轴长为106.6～131.3 cm，平均为114.5 cm。单株蒴果数为80.8～105.6个，平均为94.01个。每蒴粒数为61.8～70.9个，平均为66.77个。千粒重为2.69～3.20 g，平均为2.97 g。单株产量为10.3～17.2 g，平均为14.27 g。

表1 不同芝麻品种主要性状表现

2.2 不同芝麻品种主要性状的相关分析

由表2可知，果轴长、单株蒴果数、千粒重、单株产量与株高、单株蒴果数与果轴长呈极显著正相关（P＜0.01）；每蒴粒数与单株蒴果数显著正相关；千粒重与单株蒴果数极显著正相关，与果轴长、每蒴粒数显著正相关（P＜0.05）；单株产量与果轴长、单株蒴果数、每蒴粒数、千粒重极显著正相关。由此看出，单株蒴果数、每蒴粒数、千粒重与芝麻单株产量有直接关系，株高、果轴长对单株蒴果数有直接影响，从而间接影响单株产量。

表2 不同芝麻品种主要性状间的相关系数

2.3 不同芝麻品种单株产量及其相关性状的灰色关联分析

对不同芝麻品种各性状测定值进行无量纲化处理，结果见表3。对表3数据进行标准化，结果见表4。根据表4数据计算每个性状的绝对差值，结果见表5。根据表5结果可知，△i（k）min为0.0005，△i（k）max为0.9153，进一步计算得出各性状与单株产量的关联系数，见表6。根据灰色关联度分析原理，关联度可代表系统中各性状的重要性，其中关联度越大，则表示该性状的重要性越高，同时可表示与参考数列的关系越密切，反之关系则越远［15］。由表6可知，各性状与单株产量的关联系数排序为：单株蒴果数、果轴长、千粒重、每蒴粒数、株高、始蒴高度和空梢长度。由此可知，单株蒴果数与芝麻单株产量关联度最大，其次是果轴长和千粒重。

表3 不同芝麻品种产量及其构成因素数据无量纲化处理

表4 不同芝麻品种单株产量及其构成因素灰色关联分析的标准化结果

表5 不同芝麻品种单株产量及其构成因素灰色关联分析的△i（k）

表6 不同芝麻品种单株产量与其相关性状的关联系数

2.4 不同芝麻品种综合评价

参照杨志刚［6］和阚跃峰［14］等的方法选取参考品种即理想品种各性状的平均表型值，然后对20个芝麻品种各性状测定值进行标准化处理并计算△j（k），见表7，可知，△j（k）min为0，△j（k）max为0.6923，进而得到不同芝麻品种与参考品种的关联系数，见表8。

表7 基于灰色关联分析的不同芝麻品种综合评价的△j（k）

表8 不同芝麻品种与参考品种的关联系数

据表8中关联系数进一步计算可得到不同芝麻品种与理想品种的等权关联度，等权关联度越高，越接近理想品种，其综合评价越高。由表9可知，郑杂芝3号综合评价最接近理想品种，等权关联度为0.8789；其次是皖芝5号，等权关联度为0.8334；第3位是漯芝16号，等权关联度为0.8091。

实际生产中，各性状指标的重要性不同，因此要结合实际对不同性状指标赋予不同的权重系数，进而计算加权关联度。由表9可知，皖芝5号综合评价最接近理想品种，加权关联度最大，为0.9118；其次是郑杂芝3号，加权关联度为0.8711；第3位是项芝秸叶黄，加权关联度为0.8415。

表9 不同芝麻品种与参考品种的关联度及排序

对等权关联度和加权关联度进行比较看出，二者最终结果相差不大，等权关联度前5位分别为郑杂芝3号、皖芝5号、漯芝16号、项芝秸叶黄和皖芝11号，加权关联度前5位为皖芝5号、郑杂芝3号、项芝秸叶黄、漯芝16号和驻芝21号。加权处理后，由于产量方面优势更加突出，因此产量较高的皖芝5号、项芝秸叶黄和驻芝21号位次提前，这一结果与孙建等［16］的研究结果相一致。

3 讨论与结论

本研究就20个芝麻品种相关农艺性状对单株产量的影响进行灰色关联分析发现，单株蒴果数、果轴长、千粒重、每蒴粒数、株高对产量影响较大，并且与单株产量呈极显著正相关，单株产量与其相关性状的关联系数依次是单株蒴果数＞果轴长＞千粒重＞每蒴粒数＞株高＞始蒴高度＞空梢长度。因此，实际育种中应把单株蒴果数、果轴长、千粒重、每蒴粒数等性状作为重要性状进行选择。本研究采用灰色关联分析法对20个芝麻品种进行综合评价得出，皖芝5号、郑杂芝3号、漯芝16号和项芝秸叶黄综合评价较好，更适宜河南地区芝麻大规模种植。

灰色关联分析法已经应用在农业科研的多个领域［17－19］，是一个以发展变化系统进行发展动态量化比较的分析方法，不同时间、地点、品种及气候条件均能影响产量性状，因此育种中应用该方法时应对不同环境、不同品种做具体分析，才能选育出适宜当地种植的优良品种。