水分胁迫条件下玉米产量影响因素灰色关联分析

张莉,李西灿,程军伟,刘彭,李钧

水分胁迫条件下玉米产量影响因素灰色关联分析

张莉,李西灿*,程军伟,刘彭,李钧

山东农业大学信息科学与工程学院, 山东 泰安 271018

为克服邓氏关联度不能反映负关联性及导致分析结果与客观实际不符的问题，采用改进的T型关联度模型分析水分胁迫条件下玉米产量的影响因素。首先，根据实验数据计算玉米产量及7个因素序列在渍水、淹水条件下相较正常水分条件下的变化值，形成差值序列并对其进行均值化处理；然后利用改进的T型关联度模型计算各因素差值序列与玉米产量差值序列的灰色关联度，并分析因素关联序的合理性。结果表明,各影响因素与玉米产量之间的灰色关联序为：雌雄间隔期>叶面积>整株干重>叶绿素含量>净光合速率>倒伏率>叶粒比。研究结果客观反映了各因素影响产量的生理机制，可以为采用农艺措施促进壮苗早发，协调雌雄穗同步发育，提升叶绿素含量和光合速率，增加干物质积累，降低倒伏率，促进玉米涝渍后生理和产量定向恢复和改善提供科学依据和技术支持。

玉米产量; 水分胁迫; 灰色关联分析

玉米产量的影响因素较多，其中水分是玉米生长的一个重要环境条件，采用合理方法分析水分胁迫条件下玉米产量的影响因素具有重要意义。灰色关联分析法是利用灰色关联度模型考察系统内各因素与主行为特征间的联系是否紧密，从而确定影响系统发展状态的主次因素[1]；关联度越大，因素对系统的贡献越大，反之贡献则越小。灰色关联度模型已由最初的基于点关联的邓氏关联度发展为多种形式，如灰色绝对关联度、基于相近视角和相似视角及整体视角的关联度、灰度关联度等[2-6]。因该方法所需样本小、计算简单和易于实现，目前在确定与产量相关的主要农艺性状分析、综合评价和优良品种筛选等农业生产领域中得到广泛应用[7-9]。邓氏关联度、绝对关联度等一些灰色关联度模型不能反映特征序列和因素序列之间的负关联性，而在农业生产领域，序列间同时呈现显著正、负相关的情形很多，这种情况下若仍然采用只能体现正关联的灰色关联模型来分析，不但不能得到真正反映实际的结果，还有可能歪曲或颠覆客观事物的本质规律[10]。因此，本研究采用能够刻画数据序列间正、负相关性且具备无量纲化后保序效应的灰色T型关联度模型[11]，对正常水分、渍水、淹水三个处理下导致产量变化的7个影响因素进行分析，确定它们作用的主次顺序，旨在为水分冗余胁迫条件下玉米的生理恢复和产量改善提供理论依据和技术支持。

1 材料与方法

1.1 试验设计

本研究的试验区选在山东省泰安市岱岳区大汶口镇小侯村。该地区属暖温带半湿润季风气候区，年降水量为720 mm，夏季多雨，年平均气温为12.9 ℃，年日照时数在2 342.3～3 413.5 h之间，无霜期为195 d。以郑单958为试验材料，在夏玉米拔节期进行水分胁迫处理，设置渍水和淹水2种处理方式，淹水和渍水时间为5 d。渍水处理为土壤相对含水量保持在90%以上且田间无明水；淹水处理为田间积水深度为5～7 cm，CK处理土壤相对含水量约70%。小区面积100 m2，每个处理6次重复，行距60 cm，株距27 cm。播种日期为2021年6月15日。

1.2 试验方法

1.2.1 叶面积测定在玉米生长的大喇叭口期、开花期、籽粒建成期、乳熟期及蜡熟期测定夏玉米叶面积。叶面积(m2/株)=叶长(cm)×叶宽(cm)×0.75。

1.2.2 叶绿素含量测定叶绿素含量采用酒精浸提分光光度法测定。

1.2.3 光合速率测定净光合速率采用LI-6800便携式光合测定仪进行测定，于上午9:00～11:00在大喇叭口期测定最顶端展开叶以及开花后夏玉米穗位叶片的净光合速率(Pn)。

1.2.4 夏玉米干物质积累测定在玉米生长的大喇叭口期、开花期、籽粒建成期、乳熟期、蜡熟期和完熟期，每个处理顺序选取3株，105 ℃杀青，80 ℃烘干称质量。

1.2.5 植株倒伏性状测定倒伏率（%）=倒伏株数/总株数×100%。

1.2.6 夏玉米叶粒比测定在夏玉米籽粒建成期、乳熟期和蜡熟期，测定每株的叶面积及穗粒数，每处理取3株。叶粒比(cm2/grain)=叶面积/穗粒数。

1.2.7 产量测定在夏玉米完熟期，每个处理取中间3行，每行连续取10个果穗进行测产，脱粒后风干至14%的含水量，根据田间实际穗数与收获穗数的比值计算实际产量。

1.3 数据处理与分析方法

1.3.1 玉米产量与相关因素间的T型灰色关联分析利用改进的灰色T型关联度模型计算产量与相关因素间灰关联序，具体过程如下：

Step1：按照灰色系统理论，将3种试验条件下的产量及其7个影响因素视为一个灰色系统，玉米产量作为系统特征序列，记为0()，7个影响因素作为系统相关因素序列，分别记作：1()(叶面积)，2()(叶绿素含量)，3()(净光合速率)，4()(整株干重)，5()(倒伏率)，6()(雌雄间隔期)，7()(叶粒比)。其中，当1≤≤6时，数据表示正常水分下的数据，当7≤≤12时，数据表示渍水处理下的数据，当13≤≤18时，数据表示淹水处理下的数据。

Step2：利用式(1)和式(2)计算玉米产量及其各因素序列在渍水、淹水条件下相较正常水分条件下的变化值，形成差值序列Y。即：

因产量与其相关因素的序列量纲不同，由式(3)对数据进行均值化处理(无量纲化)。

1.3.4 数据分析采用Microsoft excel 2017和SPSS 22.0软件进行试验数据的处理和分析。

2 结果与分析

2.1 不同试验条件下玉米产量与各因素序列的变化趋势分析

根据原始实验数据，利用式(1),(2)计算渍水、淹水相较正常水分(CK)下玉米产量及各因子的差值，形成差值序列Y()，=1,2,…,12；=1,2,…,7，结果见表1。由表1可见，产量、叶面积、叶绿素含量、净光合速率和整株干重受水分胁迫均降低，而倒伏率、雌雄间隔期增大，叶粒比的趋势不明显。因此，可以判定叶面积、叶绿素含量、净光合速率、整株干重与产量呈现正相关，倒伏率和雌雄间隔期与产量呈现负相关，而叶粒比与产量的关系难以确定。

表1 渍水和淹水相较正常水分下的玉米产量及各影响因素差值

2.2 玉米产量与各影响因素序列间的相关分析

利用均值化处理后的数据ʹ，计算各因子间的相关系数，结果见表2。由表2的第1列数据可知，叶面积、叶绿素含量、净光合速率、整株干重等因素与产量显著正相关，而倒伏率、雌雄间隔期与产量显著负相关，叶粒比与产量负相关但不显著。这说明该灰色系统中，系统特征序列与相关因素序列存在显著的正、负相关性。

表2 玉米产量与各影响因素间的相关系数

注：*和**分别表示0.05、0.01水平上显著和极显著。

Note:*And**are significant and extremely significant at the level of 0.05 and 0.01 respectively.

2.3 玉米产量与各影响因素序列间的灰色关联分析

根据表1，利用式(3)，(4)，(5)计算关联度。玉米产量与各影响因素的T型关联度依次为：

1=0.930，2=0.809，3=0.806，4=0.872，5=-0.669，6=-0.985，7=-0.005

根据表1，利用邓氏关联度模型，则玉米产量与各影响因素的关联度依次为：

1=0.958，2=0.867，3=0.864，4=0.916，5=0.464，6=0.437，7=0.655

根据T型关联度，7个影响因素中与玉米产量呈正关联的有叶面积、整株干重、叶绿素含量、净光合速率，负关联的有倒伏率、雌雄间隔期、叶粒比；而邓氏关联度表明，7个影响因素与玉米产量均呈正关联。根据T型关联度的绝对值，玉米产量影响因素的关联序为：雌雄间隔期>叶面积>整株干重>叶绿素含量>净光合速率>倒伏率>叶粒比。根据邓氏关联度，玉米产量影响因素的关联序为：叶面积>整株干重>叶率素含量>净光合速率>叶粒比>倒伏率>雌雄间隔期。显然，T型关联度与邓氏关联度的关联序不同，但T型关联度的排序结果更符合实际。

2.4 讨论

玉米产量取决于单位面积穗数、穗粒数和千粒重。受涝渍胁迫后，单位面积穗数变化大，穗粒数变少，千粒重有增加的趋势，因此涝渍胁迫玉米产量的降低往往是由穗粒数变少造成的[12]。已有研究表明，涝渍胁迫后，玉米的雌雄间隔期加大，雌雄间隔期加大则降低了雄花花粉落在柱头上的概率，从而造成授粉效果不佳，穗粒数减少[13]。可见，由于雌雄间隔期加大导致的穗粒数减少是玉米受涝渍胁迫后产量降低的最直接和最根本的原因，因而，其与产量的关联度在整个关联序中最大是合理的[14]。在作物生产中，叶面积是所有光合产物来源的介质和物质基础，其在玉米生理生化活动中作用于玉米生育周期的始终，叶面积的变化势必强烈影响产量的变化[15]，这也是叶面积的关联度排在第二位的主要原因。整株干重是作物产量的基础，除开花后向籽粒的转运贮藏物质外，整株干重还为作物的生命活动提供物质和能量，考虑其来源于叶面积、光合时间、光合速率的共同作用，故认为其与产量的关联度排在第三位较为合适[16]。尽管叶绿素含量和光合速率大小密切相关，光合速率亦和叶面积、光合时间共同对整株干重和产量做出贡献，但在苗期进行淹水，仅在较短的时间内光合速率和叶绿素含量成为光合产物形成的限制因子，之后便恢复至正常水平，可见二者相较前面所述诸因素对玉米产量的影响相对较小[17]。已有研究表明，倒伏率的增加会降低作物的单位面积穗数，单位面积穗数是影响产量的最关键构成因素，而光合速率和叶绿素不是产量降低的最关键因子也被证明[17]，这充分说明倒伏率的关联序排在剩余其他因素之前的合理性。叶粒比与玉米产量的关联度仅为-0.005，在所有影响因子中最低，且其对产量的影响具有正负两个方向的摇摆性，这决定了其与玉米产量的关联度在关联序中居于最后位置。

在邓氏关联序中，雌雄间隔期的关联度排在最后一位，这与多数农学专家的研究结果相悖，不能反映生产实际，且邓氏关联度模型存在不能直观反映影响因素与玉米产量正、负相关性。改进的T型灰关联度模型可以直接区分因素与玉米产量的正、负相关性，不仅能把7个影响因素综合排序，而且可以客观反映了生产中的实际规律。因此，改进的T型关联度模型在计算涉及负相关的影响因素时显著优于邓氏关联度模型。

3 结 论

利用改进的T型关联度模型计算的各因素与玉米产量的关联序为：雌雄间隔期>叶面积>整株干重>叶绿素含量>净光合速率>倒伏率>叶粒比，相较利用邓氏关联度模型分析的结果，更能客观反映生产中的实际规律。研究结果可以为采用有效农艺措施促进壮苗早发，协调雌雄穗同步发育，提升叶绿素含量和光合速率，增加干物质积累，降低倒伏率，促进玉米涝渍后生理和产量定向恢复和改善提供科学依据和技术支持。

[1] 刘思峰.灰色系统理论及其应用[M].北京:科学出版社,2021

[2] 黄浩,王浩华.灰色Ｔ型关联度的改进与实证[J].数学的实践与认识,2016,46(1):131-139

[3] 党耀国,刘思峰,刘斌,等.灰色斜率关联度的改进[J].中国工程科学,2004,6(3):41-44

[4] 冯鹤林,陈勇明,杨淼.关于T型关联度正负性的探讨[J].统计与决策,2012(19):15-17

[5] 冯鹤林,陈勇明.一种改进的T型灰色关联度及应用研究[J].统计与决策,2011(5):160-163

[6] Li L, Li XC. Analysis on the related factors of china's technological innovation ability using greyness relational degree [J]. Grey System Theory and Application, 2022,12(3):651-671

[7] 刘美茹,张仙美,张权,等.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[J].山东农业科学,2021,53(7):19-26

[8] 沈甜,牛锐敏,黄小晶,等.基于层次关联度和主成分分析的无核鲜食葡萄品质评价[J].食品工业科技,2021,42(3):53-67

[9] 税红霞,何丹,王秀全,等.11个春玉米新品种主要农艺性状与产量的灰色关联度分析[J].耕作与栽培,2020,40(1):20-23

[10] 任文静,李西灿,刘杰亚,等.正反向灰色关联度的土壤有机质高光谱估测[J].山东农业大学学报,2021,52(5):840-844

[11] 孙玉刚,党耀国.灰色T型关联度的改进[J].系统工程理论与实践,2008(4):135-139

[12] 王成雨,慕丽,李森郁,等.拔节期水分冗余胁迫对淮北平原夏玉米产量形成机制的影响[J].农业工程学报,2022,38(2):87-94

[13] 莫薇,邹丹丹,刘佳倩,等.玉米抗渍生化制剂筛选研究[J].山东农业科学,2015,47(8):74-77

[14] 王成雨,宋贺,胡玲惠,等.玉米品种耐淹形态指标筛选及其耐淹光合生理特性研究[J].安徽农业大学学报,2014,41(4):533-539

[15] 于宁宁,张吉旺,任佰朝,等.综合农艺管理对夏玉米叶片生长发育及内源激素含量的影响[J].作物学报,2020,46(6):960-967

[16] 陈杨,王磊,白由路,等.有效积温与不同氮磷钾处理夏玉米株高和叶面积指数定量化关系[J].中国农业科学,2021,54(22):4761-4777

[17] 王成雨,张丽琼,宋贺,等.宽行垄作增强苗期淹水夏玉米光合和抗倒性提高产量[J].农业工程学报,2015,31(18):129-135

Grey Relational Analysis of Influencing Factors of Maize Yield under Water Redundancy Stress

ZHANG Li, LI Xi-can*, CHENG Jun-wei, LIU Peng, LI Jun

271018,

In order to overcome the disadvantages that the Deng's relational degree model can not reflect the negative correlation and the obtained result is inconsistent with the objective reality, this study uses the improved T-type relational degree model to analyze the influencing factors on the change of maize yield. Firstly, according to the experimental data, the change values of the maize yield and its 7 factors sequence under waterlogging and flooding condition compared with normal water condition are calculated to form the difference sequence, and its average value processing is carried. Then the grey relational degree between the difference sequence of each factor and the difference sequence of maize yield are calculated by using the improved T-type relational degree model, and the rationality of the relational order is analyzed. The results show that the grey relational order between the influencing factors and yield is as follows: male female interval > leaf area > whole plant dry weight > chlorophyll content > net photosynthetic rate > lodging rate > leaf grain ratio.The analysis results can objectively reflected the physiological mechanism of each influencing factor affecting yield, and it can provide scientific basis and technical support for using agronomic measures to promote early growth of strong seedlings, coordinate the synchronous development of male and female panicles, improve chlorophyll content and photosynthetic rate, increase dry matter accumulation and reduce lodging rate and promote the directional recovery and improvement of physiology and yield of maize after waterlogging.

Maizeyield; water redundancy stress; grey relational analysis

N941.5/S513

A

1000-2324(2022)04-0526-05

10.3969/j.issn.1000-2324.2022.04.004

2022-02-25

2022-04-26

山东省自然科学基金项目(ZR2016DM03)

张莉(1981-),女,硕士,讲师,主要研究方向为灰色系统理论. E-mail:zhangli@sdau.edu.cn

Author for correspondence. E-mail:lxc@sdau.edu.cn