基于多种分析方法的花生农艺性状综合评价

邓陈威,雷亚柯,展世杰,张建航,马振威,杨亚洲,王伟杰,贾朝阳

基于多种分析方法的花生农艺性状综合评价

邓陈威,雷亚柯,展世杰,张建航,马振威,杨亚洲,王伟杰,贾朝阳*

周口市农业科学院, 河南 周口 466001

分析花生主要农艺性状与产量的内在联系，为选育高产花生品种提供理论依据。本研究以2017年河南省花生联合体区试为试验数据，进行关联度分析、通径分析、主成分分析和TOPSIS综合评价。结果表明，单株果重的变异系数最大为18.14%，生育期的变异系数最小为0.22%。产量与饱果率呈极显著正相关，与单株果重、百果重呈显著正相关，但与主茎高、侧枝长、结果枝数和生育期呈负相关。关联度分析表明，饱果率、单株果重、生育期和百果重是影响产量的主要因素；通径分析表明，单株果重是影响产量的关键性状；主成分分析发现，将11个农艺性状综合成产量、株型和熟性3个主成分因子，可解释花生农艺性状原始数据信息量的81.1885%；TOPSIS分析表明，商花21号和商花23号与综合向量距离最大。综上，在选育高产花生品种时，应重点提高单株果重、饱果率和百果重，适当降低株高、总分枝数和结果枝数。

花生; 农艺性状; 综合评价

花生（L.）作为我国油、食兼用的高脂肪高蛋白作物，其总产的一半用于榨油，是我国重要的食用油来源[1]。2020年全国花生种植面积473.08万hm2，占世界花生面积的17%以上，单产3 803.28 kg/hm2，是世界花生单产的2.3倍；总产1 799.27万t，占油料作物总产的比例超过一半[2]。但花生生产依然不能满足市场需求，食用油自给率仅30%，因此选育花生高产品种仍将是我国花生育种工作的首要任务。

花生产量是受多种农艺性状影响的数量性状，且性状之间存在相互作用，通过灰色关联度及通径分析可以有效阐释农艺性状对作物产量构成因素的影响[3,4]。已有研究表明，单株果重、饱果率、出仁率、生育期、百果重、百仁重与花生产量关系密切，是影响产量的主导因素，其影响程度存在主次关系[4,5]。主成分分析是一种采取降维的方法，将多个变量指标简化为几个相互独立的综合因子，使其尽可能地反映原来变量的信息量，常用来综合评价花生品种间数量性状关系[6]。TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是衡量多个评价对象与最优方案的接近程度的一种决策分析方法，被广泛应用于农业工程技术与经济研究等领域，较少应用于花生品种综合评价[7,8]。但是，前人研究各农艺性状与产量间关系方法较单一[9,10]。因此，有必要通过多种方法对数据进行综合分析以达到全面、准确地研判。本研究综合利用灰色关联度、通径分析、主成分分析和TOPSIS等方法对13个参试花生品种（系）的农艺性状与产量的关系进行研究，旨在解决在花生农艺性状评价中方法简单的问题，以期更全面地剖析各农艺性状对产量影响的内在联系及主次关系，明确花生高产育种主攻方向，为精准高产育种和良种推广提供可靠理论依据。

1 材料和方法

1.1 试验材料与设计

试验材料和数据均来自2017年河南省花生联合体麦套区域试验。参试品种（系）共13个，分别为周花5号、豫花82、郑农花18、洛花1号、濮学花0815、商花21号、商花22号、商花23号、豫花81号、开农79、开农86、开农88和豫花9326（CK）。试验设计采取随机区组排列，3次重复，小区面积13.34 m2，种植密度15万穴/hm2，2粒/穴。试验田间管理与当地大田生产水平一致。

1.2 指标测定

农艺性状参照姜慧芳等[11]测定，包括主茎高1、侧枝长2、总分枝数3、结果枝数4、百果重5、百仁重6、出仁率7、饱果率8、单株果重9、生育期10和荚果产量。

1.3 数据分析

利用Microsoft Excel整理数据，应用DPS15.1软件[12,13]进行灰色关联度、通径分析和TOPSIS综合评价，通过SPSS软件作主成分分析，同时筛选出综合性状优良的品种（系）。

2 结果与分析

2.1 花生品种间农艺性状的变异性分析

由表1可知，各农艺性状变异范围在0.22%～18.14%。其中，单株果重的变异系数最大为18.14%，说明品种间单株果重变异明显；其次为总分枝数>结果枝数>主茎高>侧枝长>百果重>荚果产量>百仁重>饱果率>出仁率，生育期的变异系数最小为0.22%，说明其在品种间的差异较小。以上结果表明，13个参试品种的农艺性状差异明显，遗传变异丰富，单株果重的增产潜力最大，可通过配套良种良法提高单株果重，出仁率、生育期在品种间无明显差异，通过常规育种手段改良较困难。

表 1 参试品种的主要农艺性状变异性分析

2.2 花生品种间主要农艺性状的相关性分析

由表2可知，饱果率与产量呈极显著正相关；单株果重、百果重与产量呈显著正相关；总分枝数、百仁重、出仁率与产量呈正相关，而主茎高、侧枝长、结果枝数、生育期与产量呈负相关。各农艺性状间也存在一定的相关性，主茎高与侧枝长，结果枝数、生育期与总分枝数，百仁重、饱果率与百果重均呈极显著正相关；总分枝数、结果枝数、饱果率与单株果重，百仁重与饱果率均呈显著正相关；而结果枝数、单株果重与生育期分别呈极显著和显著负相关。

表 2 参试品种各农艺性状与荚果产量的相关性分析

注：*、**分别表示在0.05和0.01水平上显著，极显著。

Note :*、** indicate significant and extremely significant at 0.05 and 0.01 level, respectively.

2.3 不同花生品种产量与其它农艺性状间的灰色关联度分析

由表3可知，各农艺性状对花生产量的重要性依次为饱果率>单株果重>生育期>百果重>出仁率>百仁重>总分枝数>侧枝长>结果枝数>主茎高，表明饱果率、单株果重、生育期、百果重与产量的关联度较大，是影响花生产量的主导因素，而侧枝长、结果枝数、主茎高与产量的关联度较小，是影响花生产量的次要因素。

表 3 参试品种各农艺性状与产量之间的关联度及次序

2.4 不同花生品种产量与主要农艺性状间的通径分析

通径分析将相关系数分解为直接通径系数（直接效应）和间接通径系数（间接效应），以揭示各性状指标对产量的相对重要性。由表4可知，入选性状指标对产量的直接通径系数大小依次为单株果重9>总分枝数3>生育期10>结果枝数4。单株果重对产量起的直接效应最大为1.1349，其通过结果枝数、生育期对产量产生负向间接效应，但是总的直接效应大于间接效应，表明单株果重对产量的影响最大且与产量呈显著正相关。结果枝数对产量产生的负向直接效应削弱了其通过总分枝数、生育期对产量产生的正向间接效应，最终与产量呈负相关。生育期通过总分枝数、单株果重对产量产生的负向间接效应大于正向直接效应，最终与产量呈负相关。

决策系数的大小可以衡量性状指标对产量产生的综合作用。总分枝数3、结果枝数4、生育期10的决策系数为负值，表明其对产量的综合作用为反向，应适当限制；单株果重的决策系数为正值，对产量的综合作用为正向，为主要决策变量。因此，在选育高产花生品种时应提高单株果重，适当限制总分枝数、结果枝数和生育期。

表 4 参试品种主要入选性状与产量的通径分析

注：决定系数=0.79204；剩余通径系数=0.45602。

Note: the determination coefficient is 0.79204; residual path coefficient is 0.45602.

2.5 花生品种间农艺性状的主成分分析

对11个花生农艺性状的主成分分析（表5）表明，前3个主成分方差累计贡献率达81.188 5%且特征值均大于1，说明前3个主成分能够代表11个农艺性状原始数据81.188 5%的信息量，可以用前3个主成分进行花生农艺性状的评价。第一主成分中单株果重的特征向量值最大，其次是百果重，说明单株果重对第一主成分影响最大，其贡献率为42.823 5%，因与产量形成有关，称为产量因子。决定第二主成分的主要是侧枝长，其次是主茎高，其贡献率为21.182 4%，因与花生生长势和株型有关，称为株型因子，提高侧枝和主茎长度能够降低总分枝数、结果枝数和单株果重。决定第3主成分的主要是生育期，其贡献率为17.182 6%，因与花生熟性相关，称为熟性因子，延长生育期可以提高荚果产量和出仁率。

由表6数据可知，开农79的单株果重得分最高，豫花82号的单株果重得分最低；豫花81号的侧枝长和主茎高得分最高，开农86的侧枝长和主茎高得分最低；商花21号的生育期得分最高，豫花82号的生育期得分最低。从综合农艺性状上看，综合主成分得分越高，综合农艺性状表现就越好。开农79、豫花81号和商花21号的综合主成分得分居前3名，说明这3个品种综合农艺性状表现最好；开农86、周花5号和豫花82号的综合主成分得分居最后3名，说明这3个品种综合农艺性状表现最差。

表 5 不同花生品种农艺性状的主成分分析

表 6 花生主成分得分及排名

2.6 花生品种间农艺性状的TOPSIS分析

对11个花生农艺性状进行topsis分析（表7），结果表明总分枝数、结果枝数、生育期和百果重权重指标较大，其次为百仁重、荚果产量和主茎高，最低为出仁率。与最优向量（D）距离较近的有周花5号、洛花1号、豫花81号；与最劣向量（D）距离较近的有商花21号；与综合向量（C）距离较大的有商花21号，商花23号、濮学花0815和开农79，即此4个品种综合性状表现较好。

表 7 不同花生品种农艺性状的TOPSIS综合评价

注：D表示最优向量距离；D表示最劣向量距离；C表示综合向量距离。

Note:Drepresents optimal vector distance;Drepresents worst vector distance.;Crepresents integrated vector distance.

3 讨 论

3.1 花生品种间农艺性状的差异

在农业统计分析中，变异系数是一个衡量样本数据离散程度的重要统计指标，变异系数越大则稳定性越差[14]。郭峰等[15]研究表明，利用变异系数评价花生各品质性状的遗传稳定性，各品质指标变异系数越大对环境变化越敏感。梁森苗等[16]研究发现，变异系数大，遗传变异越丰富，越有利于优良品种的选育。本研究结果发现，单株果重的变异系数最大，表明其易受环境影响，可通过优化栽培措施提高产量，生育期在品种间差异不明显，这与郭敏杰等[17]研究结果一致。

花生产量与各主要农艺性状关系密切。苗建利等[18]研究发现，饱果数、百果重、百仁重与荚果产量呈正相关。王慧敏等[19]研究表明，百果重、百仁重与荚果产量呈极显著正相关，与单株分枝数呈显著相关。本研究表明，荚果产量与饱果率呈极显著相关，与单株果重、百果重呈显著相关，与主茎高、结果枝数呈负相关，与上述苗建利、王慧敏等研究结果略有差异，可能因品种不同和环境差异所致。

3.2 花生品种间农艺性状的综合评价

灰色关联度分析可以定量描述和比较一个系统的动态变化趋势，根据比较数列关联度大，则与参考数列关系密切，否则关系疏远的灰色关联度分析原理[20]，在本研究中饱果率、单株果重、生育期和百果重与产量的关联度较大，是影响产量的主导因素，间接验证了相关性分析结果，与李新娜等[21]、王芳等[22]研究结果一致。相关性和灰色关联度分析只能突出各主要性状对产量的相对重要程度，但是无法显示贡献作用方向，而通径分析能够阐释各农艺性状是如何通过自身直接或通过其他性状间接影响产量[23]。通径分析结果表明，单株果重对荚果产量的正向直接效应最大且相关性达到显著水平，是主要决策变量；总分枝数和生育期对产量产生正向直接效应，但是总分枝数与产量的相关系数和关联度均较小且对产量的综合作用为反向，生育期对产量产生的间接效应及综合作用均为反向，两者不宜作为影响产量的主导因素。灰色关联度及通径分析结果一致表明，单株果重对产量的直接效应和综合作用最大，是影响产量的关键性状，其次是饱果率和百果重，这与已有研究结果趋同[24-26]。

主成分分析在大豆[27]、小麦[28]和谷子[29]等作物综合性状评价中已得到广泛应用。本研究利用主成分分析法提取出产量、株型和熟性3个主成分因子，能够代表11个性状指标81.1885%原始信息量，这与牟书靓等[30]研究结果基本一致。从产量上看，第一主成分值越大，单株果重、百果重、百仁重和饱果率越大，主茎越低。从株型上看，第二主成分值越大，侧枝和主茎越长，结果枝数、总分枝数和单株果重越低。综合第一、二主成分，可知单株果重和主茎高有很大的负相关性，进一步验证了相关性分析结果。从熟性上看，第三主成分值越大，生育期延长，荚果产量增加。根据贡献率由大到小排序依次为产量，株型和熟性且三者性状间既相互促进，又互相制约，因此在花生高产育种中应根据主成分的排序，协调此三者主成分之间的关系，选育出综合性状优良的花生新品种。在主成分综合评价排名中位于前四名的品种有开农79、豫花81号、商花21号和濮学花0815，Topsis综合评价中商花21号，商花23号、濮学花0815和开农79的综合性状表现较好。由此可看出，仅利用主成分或Topsis分析其中的一种得出的结论具有片面性，两者综合分析，着重突出单株果重对产量的影响，其中商花21号、商花23号、开农79单株果重分别位居第1、3、4位，加之综合性状优良可将其给予推广利用。本研究中关联度分析、通径分析、主成分分析和Topsis评价四种分析方法相互印证，将其分析结果综合考虑可使结论更加全面、可靠，然而同时利用此四种分析方法在其他研究中尚未报导。

4 结 论

本研究综合利用灰色关联度分析，通径分析，主成分分析和topsis评价等方法对13个花生品种产量与农艺性状间的关系进行分析，结果表明，产量与饱果率呈极显著正相关，与单株果重、百果重呈显著正相关，但与主茎高、侧枝长、结果枝数和生育期呈负相关。饱果率、单株果重、生育期和百果重是影响产量的主导因素。11个农艺性状分别隶属于3个主成分，代表全部信息的81.188 5%信息量。商花21号，商花23号和开农79综合性状优良应给与重点推广利用。因此，在以花生高产为育种目标时，应考虑主成分的互补以及重点提高单株果重、饱果率和百果重，适当降低株高、总分枝数和结果枝数。

[1] 廖伯寿.我国花生生产发展现状与潜力分析[J].中国油料作物学报,2020,42(2):161-166

[2] 国家统计局.中国统计年鉴[M].北京:中国统计出版社,2021

[3] 王汉霞,马巧云,田立平,等.小麦新品种京花12号产量构成因素的相关分析与通径分析[J].种子,2020,39(5):124-126

[4] 邢晓宁,王芳,王艳,等.花生产量与主要农艺性状的灰色关联度分析[J].中国种业,2019(2):62-64

[5] 王允,张幸果,李贺敏,等.花生主要农艺性状和产量性状的相关性与灰色关联度分析[J].河南农业大学学报,2014,48(6):680-683,705

[6] 殷冬梅,张幸果,王允,等.花生主要品质性状的主成分分析与综合评价[J].植物遗传资源学报,2011,12(4):507-512,518

[7] 李灿,张凤荣,朱泰峰,等.基于熵权TOPSIS模型的土地利用绩效评价及关联分析[J].农业工程学报,2013,29(5):217-227

[8] 刘云菲,李红梅,马宏阳.中国农垦农业现代化水平评价研究——基于熵值法与TOPSIS方法[J].农业经济问题,2021(2):107-116

[9] 王海莉,魏萌涵,李建华,等.河南省花生产量与主要性状之间的灰色关联度分析[J].农业科技通讯,2017(5):163-166

[10] 朱亚娟,王晓林,甄志高,等.花生品种驻花2号主要农艺性状与产量的灰色关联度分析[J].农业科技通讯,2015(7):99-103

[11] 姜慧芳,段乃雄.花生种质资源描述规范和数据标准3-9[M].北京:中国农业出版社,2006:28-40

[12] 唐启义,唐睿.DPS数据处理系统.第2册现代统计及数据挖掘[M].北京:科学出版社,2016:1413-1422

[13] 唐启义.DPS数据处理系统.第3册,专业统计及其他[M].北京:科学出版社,2016:533-539

[14] 王文森.变异系数——一个衡量离散程度简单而有用的统计指标[J].中国统计,2007(6):41-42

[15] 郭峰,阮建,王莹莹,等.利用变异系数分析花生品质性状应对环境变化的遗传稳定性研究[J].山东农业科学,2017,49(9):25-31

[16] 梁森苗,张淑文,郑锡良,等.杨梅生长指标与果实品质间的相关性分析[J].核农学报,2019,33(4):751-758

[17] 郭敏杰,邓丽,苗建利,等.基于BLUP值的大粒花生农艺性状与产量的相关和通径分析[J].河北农业大学学报,2021,44(5):36-41

[18] 苗建利,邓丽,郭敏杰,等.开农82花生主要性状与产量的相关性和通径分析[J].湖南农业科学,2021(9):8-11

[19] 王慧敏,彭振英,李新国,等.67个花生品种主要农艺性状的变异及相关性分析[J].山东农业科学,2019,51(9):91-96

[20] 李绍伟,李军华,任丽,等.花生产量与主要农艺性状的灰色关联度分析[J].陕西农业科学,2007(1):37-38,52

[21] 李新娜,齐丽雅,何孟霞,等.花生单株产量与主要农艺性状的灰色关联度分析[J].花生学报,2017,46(3):1-5

[22] 王芳,王帅兵,王艳,等.花生新品种安花3号荚果产量与主要农艺性状的灰色关联度分析[J].农业科技通讯,2019(3):98-102

[23] 袁志发,周静芋,郭满才,等.决策系数——通径分析中的决策指标[J].西北农林科技大学学报(自然科学版),2001(5):131-133

[24] 李新娜,刘红,何孟霞,等.利用2种方法分析花生主要农艺性状与单株产量之间的关系[J].江苏农业科学,2019,47(10):122-126

[25] 邓丽,郭敏杰,苗建利,等.基于通径系数和GGE双标图的大粒花生综合分析[J].江苏农业科学,2021,49(19):129-133

[26] 陈湘瑜,徐日荣,陈昊,等.花生品系主要农艺性状的分析与综合评价[J].种子,2020,39(9):84-88

[27] 余飞,王友华,许海涛,等黄淮海大豆区试品种主要农艺性状的多元相关分析[J].河南农业科学,2008(10):41-44

[28] 白志英,李存东,孙红春,等.小麦代换系抗旱生理指标的主成分分析及综合评价[J].中国农业科学,2008,41(12):4264-4272

[29] 孟庆立,关周博,冯佰利,等.谷子抗旱相关性状的主成分与模糊聚类分析[J].中国农业科学,2009,42(8):2667-2675

[30] 牟书靓,牛海龙,李伟堂,等.花生种质资源农艺性状主成分及聚类分析[J].辽宁农业科学,2019(6):1-5

Comprehensive Evaluation of Peanut Agronomic Traits Based on Multiple Methods

DENG Chen-wei, Lei ya-ke, ZHAN Shi-jie, ZHANG Jian-hang, MA Zhen-wei, YANG Ya-zhou, WANG Wei-jie, JIA Chao-yang*

466001,

To provide a theoretical basis for high-yield breeding, the inner relationship between the main agronomic traits and the yield of peanut cultivars analyzed by gray correlation analysis, path analysis, principal component analysis, and TOPSIS analysis in Henan Province in 2017. The results showed that the maximum variable coefficient of pod weight per plant was 18.14%, while the variable coefficient of the growth period was the lowest to 0.22%. The pod yield had a significant positive correlation with three characteristics, including full pod rate, pod weight per plant, and 100-pod weight, but a negative correlation with plant height, branch length, effective branches, and growth period. Gray correlation analysis showed that full pod rate and pod weight per plant, growth period, and 100-pod weight were primary factors affecting pod yield. Path analysis indicated that pod weight per plant () was the key trait affecting pod weight. The principal component analysis found that the 11 traits were consolidated into 3 principal component factors, including yield, plant type, and maturity, which accounted for 81.1885% of the total variation. TOPSIS analysis showed that the distance between Shanghua 21, and Shanghua 23 and the integrated vectorwas the largest. In summary, for breeding high-yielding peanut varieties, attention should be paid to improving pod weight per plant, full pod rate, and 100-pod weight, but plant height, branch plant, and effective branches should reduce appropriately.

Peanut; agronomic characters; comprehensive evaluation

S565.2

A

1000-2324(2023)02-0194-07

10.3969/j.issn.1000-2324.2023.02.006

2022-11-13

2022-12-21

周口市科技局院士工作站后补资金项目(20203637)

邓陈威(1992-),男,硕士研究生,助理研究员,主要从事花生遗传育种及栽培技术研究. E-mail:18236979418@163.com

Author for correspondence. E-mail:jcy2309@163.com