长江中下游区板栗主栽品种果实表型和品质综合评价

江锡兵，滕国新，范金根，罗修宝，盛建洪，龚榜初＊

(1.中国林业科学研究院亚热带林业研究所,浙江 杭州 311400；2.浙江省兰溪市苗圃,浙江 兰溪 321100；3.浙江省遂昌县自然资源和规划局,浙江 遂昌 323300)

板栗（Castanea mollissimaBlume）属壳斗科（Fagaceae）栗属（CastaneaMill.）植物，是我国传统的特色坚果和木本粮食树种。板栗营养价值高，且适应性和抗逆性强[1-3]，分布广泛，全国26 个省（直辖市、自治区）均有分布，并被划分为华北、长江中下游、西北、东南、西南和东北6 个品种群。其中，长江中下游品种群分布于湖北、安徽、江苏、浙江诸省的长江流域地区，据统计，全区共有板栗品种和品系100 余个，约占全国品种总数的1/3[4]。

浙江省是我国板栗主要产区之一，目前全省板栗栽培面积约6 万hm2，年产量5～6 万 t，但该省板栗大面积栽培品种单一、结构不合理等问题突出，且绝大多数树龄在20 a 以上，老化现象严重[5-6]。加快优新品种选育应用、促进品种多元化是提升板栗品质和效益、恢复产业发展的关键途径之一。通过性状综合评价并筛选适于某一区域栽培的板栗优良品种或种质，前期已有大量研究。苏淑钗等[7]对华北品种群19 个板栗品种的物候期、生长结果习性和果实品质进行综合评价，从中筛选出早产性、丰产性、稳产性及抗逆性均较强的5 个优良品种，适宜在北京燕山地区推广种植。杨晴等[8]对来自燕山和山东的34 个板栗品种的营养品质进行综合评价，筛选出燕山短枝（C.mollissima ‘Yanshan Duanzhi）’等5 个优质品种，为华北地区选育优良板栗品种提供了理论依据。杜常健等[9]对燕山北部山区收集的63 个板栗农家品种和优良单株的品质进行综合评价，明确板栗优良种质的品质评价指标，从中进一步筛选出1 个早熟、最优种质和2 个晚熟种质。但关于板栗品种的综合评价多集中于北方地区，南方特别是长江中下游区的板栗品种果实性状综合评价研究相对欠缺。

目前，对板栗品种性状进行综合评价多采用因子分析法、隶属函数法、主成分分析法等[8-13]。与主成分分析等方法相比较，灰色关联度分析是根据系统内各因素之间发展趋势的相似或相异程度来衡量因素间的关联程度，从而客观反映研究对象的综合表现[14]。因此，联合运用主成分分析和灰色关联度分析方法能从多指标、多因素着手，综合分析各指标的整体效应，从而使筛选得到的结果更具有科学性。本研究以长江中下游区25 个板栗主要栽培品种以及5 个有代表性的北方板栗品种为材料，采用主成分分析和灰色关联度分析法对其果实表型和品质性状进行综合评价，以期筛选出综合表现优良且适于浙江省种植推广的板栗品种，为促进该省板栗品种多元化和产业可持续发展提供理论依据。

1 材料与方法

1.1 试验材料

供试材料为来源于浙江、江苏、安徽、湖北等长江中下游地区的25 个板栗主要栽培品种以及5 个有代表性的北方板栗品种（表1）。30 个板栗品种于2012 年种植于浙江省兰溪市省级栗类种质资源圃（兰溪市苗圃），株行距3 m × 4 m，每个品种6 株，保存率100%，每年进行精细抚育管理，目前均已进入盛果期。试验地位于浙江省兰溪市马达镇老鹰山，土壤为红黄壤，pH 值5.16，土层深厚，土壤有机质含量26.5 g·kg-1，肥力中等。

表1 板栗品种名称及其来源地Table 1 Name and source of Chinese chestnut cultivar

1.2 果实表型性状测定

2019、2020 年每年8—10 月，于板栗果实完全成熟、栗苞自然开裂时，分批采集各品种的成熟栗苞，采集方法为从各品种6 株树的树冠外围随机采集成熟度较一致、无病虫害的栗苞，每个品种采集30～50 个栗苞，装入网袋中并作好标记，带回实验室进行测定。

采用百分之一天平依次称量单个栗苞总质量，而后取出坚果，记录每苞中坚果数量，并称量每苞中坚果总质量和单果质量；利用游标卡尺对坚果横径、坚果纵径进行测量。单果质量、坚果横径和坚果纵径均选取边果测量，并一一对应。果形指数为坚果横径与坚果纵径的比值；出籽率=每苞中坚果总质量/栗苞总质量×100%。

1.3 果实品质性状测定

果实表型性状测定完成后，每个品种随机选取30 个坚果，称量鲜果总质量并记录。装入托盘放置于预热好的105℃烘箱中杀青15 min，取出后剥开坚果外壳和涩皮，并将果肉、外壳和涩皮一起重新放入烘箱，温度设置为65℃，烘至完全干燥。烘干后称量总干质量，计算坚果含水率。坚果含水率=（鲜质量-干质量）/鲜质量×100%。

去除果壳和涩皮，利用磨样机将果肉磨成面粉状，放冷后装袋并作好标记，干燥保存用于测定果实品质指标。

总淀粉含量采用蒽酮比色法[15]测定，直链淀粉含量按照GB/T 15683—2008 的方法测定，支链淀粉含量=总淀粉含量-直链淀粉含量；可溶性糖含量、蛋白质含量、总氨基酸含量及脂肪含量分别按照NY/T 1278—2007、GB 5009.5—2016（第一法）、GB/T 8314—2013 及GB 5009.6—2016 的方法测定；钾含量、磷含量和硼含量按照GB 5009.268—2016（第二法）测定；总多酚含量参照张春江等[16]方法测定；总黄酮含量参照钟冬莲等[17]方法测定。

1.4 数据分析

所有数据录入Excel 2020 表格，分别采用Origin 2021b、SAS 8.2、Excel 2020 等软件对数据进行相关性、主成分和灰色关联度分析。

主成分分析：利用SAS 8.2 软件对板栗果实表型和品质共20 项指标（分别用K1，K2，···，K20表示）进行主成分分析。首先对原始数据进行标准化处理，计算特征值、方差贡献率、累计贡献率及特征向量；而后计算各品种各项指标的主成分分数，以方差贡献率为权重，得出各品种的综合得分。

灰色关联度分析：根据灰色系统理论[18]，将30 个板栗品种的果实表型和品质共20 项指标作为一个灰色系统，以各项指标最优值构成参考数列X0(j)，以不同品种各指标的测定值构成比较数列Xi(j)。

式中：j表示测定品种的第j项指标，j=1，2，···，n（n=20）；i表示第i个品种，i=1，2，···，m（m=30）。

然后对原始数据进行无量纲化处理，将其化为0～1 的标准化数据，求出关联系数（ε）和加权关联度（r）。

式中：|X0(j)-Xi(j)|为X0数列与Xi在j点的绝对差值为二级最小差|X0(j)-Xi(j)|为二级最大差；ρ为分辨系数，一般取ρ=0.5；ri为第i个品种的加权关联度；ωj为第j项指标的权重值；εi(j)为第i个品种第j项指标的关联系数。

2 结果与分析

2.1 果实表型和品质性状统计特征值分析

对30 个板栗品种果实表型和品质性状共20 项指标数据及其特征值进行统计分析（表2、3），果实表型和品质性状各项指标的变异系数存在明显差异，30 个品种20 项指标的变异系数范围为7.85%～41.20%。果实表型性状中，单果质量的变异系数最大，达28.55%，其次为栗苞总质量，为26.08%，表明栗苞和坚果质量在各品种间差异最为明显，存在广泛变异；坚果纵径变异系数最小（仅9.07%），表明其在不同品种间差异较小，性状较为稳定。果实品质指标中，脂肪含量变异系数最大，达41.20%，其次为硼含量、可溶性糖含量和总黄酮含量，均在30%以上，也表明这些性状在不同品种间存在广泛变异；钾含量、总淀粉含量和坚果含水率变异系数较小，均在10%以下。

表2 板栗各品种果实表型性状统计特征值Table 2 Statistical characteristic values of fruit phenotypic traits of Chinese chestnut cultivars

2.2 果实表型和品质性状相关性分析

30 个板栗品种果实表型和品质性状20 项指标Pearson 相关性分析结果（图1）表明：各指标间分别有23 对和18 对相关性达到极显著（P＜ 0.01）和显著水平（P＜ 0.05），而多数指标间相关性未达到显著水平，其中，钾含量（K18）与其它19 个指标间相关均不显著，硼含量（K20）仅与总多酚含量（K16）显著相关，与其它指标相关均不显著。果实表型7 个指标间，多数指标间为正相关关系，如单果质量（K3）与其它6 个指标均为正相关关系，且与栗苞总质量（K1）、坚果横径（K4）、坚果纵径（K5）和果形指数（K6）4 个指标相关性达到极显著或显著水平，其中，单果质量与栗苞总质量正相关系数最大，达0.90。而果实品质13 个指标间，多数为负相关关系，其中坚果含水率（K8）与可溶性糖含量（K12）极显著负相关系数最大，为-0.65；坚果含水率（K8）、总淀粉含量（K9）、直链淀粉含量（K10）、支链淀粉含量（K11）、蛋白质含量（K13）与其它指标间相关性多为负相关关系；总淀粉含量与支链淀粉含量正相关系数最大，达0.93。所有品质指标间约30%相关性达到显著或极显著水平，表明13 个品质指标间关系较紧密。果实表型7 个指标与品质性状13 个指标多数未达到显著相关水平，但可溶性糖含量与单果质量、坚果横径、果形指数和出籽率（K7）4 项表型指标显著正相关，果形指数与坚果含水率、可溶性糖含量、总黄酮含量（K17）和磷含量（K19）4 项品质指标显著相关。表明板栗果实表型与品质性状间既存在一定的关联性，又相对较独立。

图1 板栗果实表型和品质性状相关性分析Fig.1 Correlation analysis of fruit phenotypic and quality traits of Chinese chestnut

表3 板栗各品种果实品质性状统计特征值Table 3 Statistical characteristic values of fruit quality traits of Chinese chestnut cultivars

2.3 果实表型和品质性状主成分分析

对30 个板栗品种果实表型和品质性状20 项指标进行主成分分析（表4），前5 个主成分的方差贡献率分别为30.80%、17.63%、13.53%、10.78%和6.51%，累计贡献率为79.25%，保留了供试板栗品种果实表型和品质性状近80% 的信息，因此，可以选取相对独立的前5 个主成分作为不同板栗品种果实表型和品质性状的综合评价指标，以达到降维的目的。第1 主成分可溶性糖（K12）和脂肪含量（K15）的特征向量值较大，分别为0.509 5和0.520 2，即第1 主成分主要代表果实的风味口感因子；第2 主成分可溶性糖含量（K12）、蛋白质含量（K13）、总氨基酸含量（K14）、总黄酮含量（K17）和磷含量（K19）的特征向量正值较大，脂肪含量（K15）的特征向量负值较大，分别为0.328 9、0.323 5、0.300 5、0.340 4、0.382 9 及-0.354 6，主要反映果实的营养和功能成分因子；第3 主成分硼含量（K20）的特征向量正值较大，栗苞总质量（K1）和单果质量（K3）的特征向量负值较大，分别为0.627 2、-0.467 1 和-0.356 6；第4 主成分硼含量（K20）和蛋白质含量（K13）的特征向量正值较大，总黄酮含量（K17）特征向量负值较大，分别为0.638 6、0.319 7 和-0.375 2；第5 主成分出籽率（K7）和每苞坚果数（K2）的特征向量正值较大，总黄酮含量（K17）的特征向量负值较大，分别为0.575 8、0.363 5 和-0.442 7。

表4 板栗果实表型和品质性状主成分分析Table 4 Principal component analysis of fruit phenotypic and quality traits of Chinese chestnut

2.4 果实表型和品质性状灰色关联度分析

根据灰色系统理论，并参照前人研究[19-20]，以所有参试品种各指标的最大值作为最优值，构成最优样本，即参考数列。对30 个板栗品种果实表型和品质性状20 项指标进行无量纲化处理，计算绝对差值。进一步根据关联度系数公式分别计算各品种各项指标的关联度系数，结果见表5。由于板栗果实表型和品质各性状特征的重要性不同，因此，需要根据其不同指标的重要程度确定不同的权重系数。利用各性状的关联系数占关联系数总和的比值来确定各性状的权重值，各性状权重值排序为：钾含量 ＞ 坚果纵径 ＞ 坚果含水率 ＞ 每苞坚果数 ＞ 总淀粉含量 ＞ 磷含量 ＞ 支链淀粉含量 ＞ 出籽率 ＞ 坚果横径 ＞ 总氨基酸含量 ＞ 果形指数 ＞ 蛋白质含量 ＞直链淀粉含量 ＞ 可溶性糖含量 ＞ 栗苞总质量 ＞ 硼含量 ＞ 总多酚含量 ＞ 单果质量 ＞ 脂肪含量 ＞ 总黄酮含量（表5）。

表5 板栗各品种果实表型和品质性状的关联度系数Table 5 Correlation coefficient of fruit phenotypic and quality traits of Chinese chestnut cultivars

2.5 板栗品种综合评价

根据主成分模型公式和加权关联度计算方法得到板栗品种综合评价结果（表6）。从表6 可知：采用2 种方法得出的30 个板栗品种果实表型和品质性状综合评价排序结果有一定的出入，但总体趋势较一致，乌壳栗、浅刺大板栗、玫瑰红、八月红、处暑红、九月寒等6 个长江中下游区板栗品种均排在前列。将2 种评价方法的品种综合得分值进行相关性分析，其相关系数为0.762 1，具有极显著（P＜ 0.01）的正相关性。因此，这2 种方法的评价结果具有较好的一致性，且能够相互验证。采用主成分分析法得出的30 个品种综合得分值范围为-0.246 74～0.234 00，差值为0.480 74；采用灰色关联度分析法得出的30 个品种关联度值范围为0.604 6～0.754 2，差值为0.149 6。说明主成分综合评价结果变异较大，灰色关联度评价结果相对稳定。

表6 基于2 种分析方法的板栗各品种果实表型和品质性状的综合得分值及排序Table 6 Comprehensive score and ranking of fruit phenotypic and quality traits of Chinese chestnut cultivars based on two analysis methods

3 讨论

果实表型和品质性状是板栗最重要的经济性状，受自身遗传因素和外部环境的影响，不同板栗品种果实表型和品质性状差异较大，对其进行科学评价是有效利用和选择优良品种并推广栽培的基础和前提[12]。本研究中，30 个板栗品种果实表型和品质性状20 项指标存在不同程度的变异，变异系数范围为7.85%～41.20%，其中，果实表型7 项指标平均变异系数为16.05%，果实品质13 项指标的平均变异系数为20.98%，且可溶性糖含量、脂肪含量、总黄酮含量和硼含量的变异系数均在30%以上，脂肪含量变异系数高达41.20%，而果实表型中单果质量变异系数最大，为28.55%，表明板栗果实品质性状较表型性状变异更广泛。一般研究

认为，果实形态性状是相对稳定的植物学性状。刘国彬等[21-22]研究发现，板栗农家品种、杂交后代的坚果高度、宽度、厚度等形态指标变异系数均在15.0%以内，而单粒质量变异系数较大，最高达26.6%。江锡兵等[23]对我国板栗地方品种表型多样性进行研究，发现其坚果品质性状的平均变异系数大于坚果表型性状的平均变异系数。本研究结果与上述研究结果具有一致性。

植物的许多性状之间存在着一定的相关性，而进行相关性分析可以直观地发现各性状间的内在联系。本研究中，板栗果实表型和品质性状各项指标间分别有23 对和18 对相关性达到极显著（P＜0.01）和显著水平（P＜ 0.05），其中，总淀粉含量与支链淀粉含量正相关系数最大，达0.93，二者高度相关，说明支链淀粉既是板栗果实淀粉的主要组成部分，同时支链淀粉含量的高低又直接影响总淀粉含量的高低，二者变化趋势具有高度一致性。淀粉是板栗坚果的主要成分，是影响坚果口感和加工品质的主要因素之一。而淀粉由支链淀粉和直链淀粉两部分组成，诸多研究表明，板栗支链淀粉含量越高则糯性越强，支链淀粉含量是反映板栗糯性的重要指标[24-25]。同时，研究发现，果实品质13 项指标间约30% 达到显著或极显著相关水平，表明这些品质指标间关系较为紧密，某一指标含量的高低可能受到其它指标的影响。此外，果实表型7 项指标与品质性状13 项指标多数未达到显著相关水平，表明板栗果实表型与品质性状间既存在一定的关联性，又相对较独立，与江锡兵等[13]前期研究结果相类似。

主成分分析和灰色关联度分析均是目前常用的多元统计方法，二者分析原理不同，但均可以较为全面、客观地对表型、品质等性状进行综合评价。主成分分析是将多个相关变量转化为少数相关性较小的综合指标，通过计算主成分综合得分，使得不同品种的性状具有可比性。谭秋锦等[26]采用主成分分析法对12 份澳洲坚果优良种质果仁的主要营养成分进行分析和评价，将10 项营养成分指标简化为相互独立的4 个主成分，累计贡献率87.91%，4 个代表因子可作为澳洲坚果种质鉴定评价果实品质的重要性状。本研究中，通过主成分分析，将20 项板栗果实表型和品质性状指标转化为5 项综合因子，其累计方差贡献率达79.25%，反映了果实表型和品质性状的大部分信息，其中，第1 主成分主要反映果实的风味口感因子，第2 主成分代表果实的营养和功能成分因子，第3 和第4 主成分分别代表果实质量和元素含量因子，第5 主成分反映出籽率、出籽比例。各主成分间相对较独立，可避免重复信息的干扰并简化选择程序，便于综合评价候选品种，评价结果具有准确性和科学性。

灰色关联度分析法是以矩阵的形式将所有性状两两间的关联度直观呈现出来，通过加权关联度判断与理想品种的差距。采用灰色关联度分析法对板栗果实表型和品质性状进行分析，可以摆脱指标多、难以选择的困境，达到全方位评价的标准。本研究根据灰色系统理论，将30 个板栗品种的果实表型和品质性状共20 项指标作为一个灰色系统，以所有参试品种各指标的最大值作为最优值，并利用各性状的关联系数占关联系数总和的比值来确定各性状的权重值，即客观权重系数法。结果显示20 个指标中钾含量权重系数最大，为0.060 5，其次为坚果纵径、坚果含水率、每苞坚果数、总淀粉含量等，而总黄酮含量权重系数最小，为0.035 1。客观权重系数是根据每个指标的变异程度及其在所有指标中的比重自动确定，主要依据数据的测定结果，得出的结论较客观和真实。而主观权重系数易受个人偏好影响，主观随意性较大，所得结论与真实结果往往有一定的偏差。本研究的目的在于对长江中下游区板栗主栽品种果实表型和品质性状进行客观、科学的综合评价，宜采用客观权重系数法。

本研究中，主成分分析和灰色关联度分析结果具有较好的一致性，2 种分析方法得出各品种综合得分值的相关系数达到极显著相关水平。同时，由于2 种评价方法的原理不同，导致二者结果有一定的偏差，但总体趋势较一致。2 种方法兼顾了评价性状权重的客观性，且能相互佐证，在综合评价中具有较强的可行性和科学性。

4 结论

30 个供试板栗品种果实表型和品质性状20 项指标存在不同程度的变异，变异系数范围为7.85%～41.20%；各指标间分别有23 对和18 对相关性达到极显著（P＜ 0.01）和显著水平（P＜0.05），而多数指标间相关性未达到显著水平；果实表型与品质性状间既存在一定的关联性，又相对较独立；主成分分析法和灰色关联度分析法得出的30 个板栗品种果实性状综合表现排序总体趋势较为一致，乌壳栗、浅刺大板栗、玫瑰红、八月红、处暑红、九月寒6 个长江中下游区板栗品种均排在前列，且2 种方法得出的品种综合得分值相关系数为0.762 1，达极显著水平，相互验证。研究结果为筛选适宜浙江省种植推广的板栗品种提供了理论依据。