楊 程,李向東,張德奇,王漢芳,邵運輝,方保停,岳俊芹,馬富舉,秦 峰

(河南省農業(yè)科學院 小麥研究所/小麥國家工程實驗室/農業(yè)部黃淮中部小麥生物學與遺傳育種重點實驗室/河南省小麥生物學重點實驗室,河南 鄭州 450002)

小麥產量三要素與產量的通徑和灰色關聯(lián)度分析

楊 程,李向東*,張德奇,王漢芳,邵運輝,方保停,岳俊芹,馬富舉,秦 峰

(河南省農業(yè)科學院 小麥研究所/小麥國家工程實驗室/農業(yè)部黃淮中部小麥生物學與遺傳育種重點實驗室/河南省小麥生物學重點實驗室,河南 鄭州 450002)

選用2008—2014年河南省生產上種植面積前15位的小麥品種和部分區(qū)域試驗或生產示范表現(xiàn)較好的品系,分別采用灰色關聯(lián)度分析和通徑分析2種方法對小麥穗數(shù)、穗粒數(shù)、千粒質量與產量的相互關系進行分析,并比較了2種分析方法的差異,以期為今后相關研究分析方法的選擇提供參考。結果表明,對產量三要素數(shù)據(jù)分別進行初值化、區(qū)間化、均值化處理后,產量三要素與產量的關聯(lián)度大小順序各不相同,分別表現(xiàn)為千粒質量>穗粒數(shù)>穗數(shù)、穗粒數(shù)>穗數(shù)>千粒質量、穗粒數(shù)>千粒質量>穗數(shù);而通徑分析結果和前人的研究結果更加一致,產量三要素與產量的相關性表現(xiàn)為穗數(shù)>穗粒數(shù)>千粒質量。綜上,灰色關聯(lián)度分析由于受數(shù)據(jù)轉換方法的影響,試驗結果波動較大,而通徑分析所得結果更加穩(wěn)定,因此,在進行試驗因素相關程度分析時應優(yōu)先選擇通徑分析方法。

通徑分析； 灰色關聯(lián)度分析； 產量； 產量構成因素； 小麥

在農業(yè)研究中,經(jīng)常需要分析多個因素的關聯(lián)程度,或者各因素對某種農學性狀的影響程度。目前,相關分析方法主要有2種,即灰色關聯(lián)度分析和通徑分析。通徑分析可以通過對自變量與因變量之間表面直接相關性的分解來研究自變量對因變量的直接重要性和間接重要性,從而為統(tǒng)計決策提供可靠的依據(jù),在經(jīng)濟[1-3]、農業(yè)[4-5]、生態(tài)[6]等眾多領域中廣泛應用?；疑P聯(lián)度分析是一種定量化比較分析方法,是根據(jù)數(shù)列的可比性和相似性,分析系統(tǒng)內部主要因素之間的相關程度,確定相關程度最大的因素,在農業(yè)[7]、經(jīng)濟[1-3]、社會[8-9]等領域中應用較多。雖然這2種方法在農業(yè)方面都有較多的應用,但是,對于相同的或者相似的問題,通過2種方法得出的結論卻經(jīng)常截然不同。如蔡樹美等[10]在研究西瓜各器官養(yǎng)分含量對產量的貢獻率時,采用通徑分析得出的結論是莖K>葉P>瓜N>葉K>瓜K>葉N>莖N>莖P>瓜P,但是采用灰色關聯(lián)度分析所得到的結論卻是莖K>瓜K>葉N>瓜N>莖P>莖N>葉K>瓜P>葉P。在研究小麥產量三要素與籽粒產量的相關性時,通過通徑分析得到的結論是穗數(shù)>穗粒數(shù)>千粒質量[11-13],而通過灰色關聯(lián)度分析卻得到3種不同的結論,分別是穗粒數(shù)>千粒質量>穗數(shù)[14]、穗數(shù)>穗粒數(shù)>千粒質量[15]、穗粒數(shù)>穗數(shù)>千粒質量[16]。對于相似的問題,2種方法得出不同的結論,甚至相同的方法在不同科研人員的試驗中結果也不相同,目前對于這個問題產生的原因,及2種方法的取舍依據(jù)研究還未見報道。為此,采用通徑分析和灰色關聯(lián)度分析2種分析方法同時分析不同小麥品種(系)產量三要素與產量的相關性,比較兩者分析結果的差異,為以后類似的研究提供參考。

1 材料和方法

1.1 試驗材料及試驗地概況

試驗于2008—2014年在河南現(xiàn)代農業(yè)研究開發(fā)基地(新鄉(xiāng)市原陽縣)進行,選擇河南省生產上種植面積前15位的小麥品種和部分區(qū)域試驗或生產示范表現(xiàn)較好的品系,每年選15～34個品種(系),每個品種(系)種植一個小區(qū),小區(qū)面積78 m2,重復3次。各試驗田塊,地力均勻度較好,按照大田生產高標準整地,統(tǒng)一播期、密度、肥水管理措施,適時化學除草和人工中耕除草,及時防治病蟲害等管理,并于完熟初期用奧地利winter小區(qū)收割機分品種(系)收獲。

1.2 測定項目及方法

穗數(shù)：三葉期,確定每小區(qū)有代表性的1 m雙行樣段,成熟前調查1 m雙行樣段有效穗數(shù),換算為每公頃穗數(shù)。

穗粒數(shù)：成熟期,在確定的1 m雙行樣段內調查,從基部握取30～50個莖,調查穗粒數(shù)。

千粒質量：每小區(qū)隨機測量 3個重復,誤差不超過0.5 g,以3次平均值作為千粒質量。

實收產量：每個小區(qū)用小區(qū)收割機全部收獲,然后折合成產量。

1.3 統(tǒng)計分析

試驗選取各小麥品種(系)的穗數(shù)、穗粒數(shù)、千粒質量作為影響產量的主要因子,各單項指標對產量的單相關系數(shù)、直接通徑系數(shù)和間接通徑系數(shù)的計算通過Sigma Stat軟件實現(xiàn)。

用灰色關聯(lián)度分析時需要先進行數(shù)據(jù)變換,消除量綱,將數(shù)據(jù)變換為可比較數(shù)列。本研究采用的數(shù)據(jù)變換方法分別為初值化、區(qū)間化、均值化?；疑P聯(lián)度分析通過DPS實現(xiàn)。

2 結果與分析

2.1 小麥產量三要素與產量的灰色關聯(lián)度分析

對表1中產量三要素數(shù)據(jù)分別進行初值化、區(qū)間化、均值化處理后,產量三要素與產量的關聯(lián)度大小順序各不相同(表2—4)。其中,初值化處理后,產量三要素與產量的關聯(lián)度總體表現(xiàn)為千粒質量>穗粒數(shù)>穗數(shù)；而通過區(qū)間化、均值化處理后,產量三要素與產量的關聯(lián)度總體上分別表現(xiàn)為穗粒數(shù)>穗數(shù)>千粒質量、穗粒數(shù)>千粒質量>穗數(shù)。綜上,數(shù)據(jù)變換方法對灰色關聯(lián)度分析結果造成很大影響,而這也可能是導致不同學者相同或類似試驗[12,15-16]的結果差異較大的重要原因,然而目前對于不同試驗材料、試驗處理及生產條件下進行灰色關聯(lián)度分析時,數(shù)據(jù)變換方法的選擇還沒有明確的依據(jù)。

表1 2008—2014年小麥產量三要素與產量

續(xù)表1 2008—2014年小麥產量三要素與產量

表2 小麥產量三要素初值化處理后與產量的灰色關聯(lián)度

表3 小麥產量三要素區(qū)間化處理后與產量的灰色關聯(lián)度

表4 小麥產量三要素均值化處理后與產量的灰色關聯(lián)度

2.2 小麥產量三要素與產量的通徑分析

通徑分析結果(表5)表明,產量三要素與產量的相關程度為穗數(shù)>穗粒數(shù)>千粒質量,均為正相關,其中,穗數(shù)、穗粒數(shù)分別達到極顯著、顯著水平,與關聯(lián)度分析結果不同,說明在目前的產量水平下,保持足夠的穗數(shù)是實現(xiàn)高產的基礎。由表6可知,穗數(shù)、穗粒數(shù)、千粒質量與產量的直接通徑系數(shù)分別為0.753、0.574、0.393,說明產量三要素對產量的貢獻為穗數(shù)>穗粒數(shù)>千粒質量；間接通徑系數(shù)分別為-0.283、-0.369、-0.266,均為負值,說明每個因素都不能通過其他2個因素的增加來增加產量。

表5 小麥產量三要素與產量的相關系數(shù)

注：*、**分別表示相關性顯著(P<0.05)、極顯著(P<0.01)。

表6 小麥產量三要素與產量的通徑系數(shù)

3 結論與討論

初值化處理后,產量三要素與產量的關聯(lián)度總體表現(xiàn)為千粒質量>穗粒數(shù)>穗數(shù)；而通過區(qū)間化、均值化處理后,產量三要素與產量的關聯(lián)度總體上分別表現(xiàn)為穗粒數(shù)>穗數(shù)>千粒質量、穗粒數(shù)>千粒質量>穗數(shù),對于同一組試驗數(shù)據(jù),3種不同的數(shù)值轉換方法得到3個不同的結論。產量三要素與產量的通徑分析結果為穗數(shù)>穗粒數(shù)>千粒質量,與前人通徑分析的研究結果相同[11-13],但與本試驗灰色關聯(lián)度分析的3種結果均不相同,僅與裘敏等[15]通過灰色關聯(lián)度分析所得結論相同。這表明灰色關聯(lián)度分析由于數(shù)據(jù)轉換方法的多樣性,使試驗結果具有一定的不確定性,而且目前對于數(shù)據(jù)轉換方法的選擇也缺乏統(tǒng)一的標準。通徑分析方法所得的結論更加穩(wěn)定,而且應用也更加廣泛。

綜上,在農學相關試驗中進行不同因素之間相關程度分析時,特別是產量構成因素分析時應優(yōu)先選擇通徑分析方法。

[1] 馬恒運.經(jīng)濟研究中的通徑分析[J].統(tǒng)計研究,1995(2):52-54.

[2] 付蓮蓮,鄧群釗,翁異靜.國際原油價格波動對國內農產品價格的傳導作用量化分析——基于通徑分析[J].資源科學,2014,36(7):1418-1424.

[3] 朱家彪,楊偉平,粟衛(wèi)民.基于多元逐步回歸與通徑分析的臨澧縣建設用地驅動力研究[J].經(jīng)濟地理,2008,28(3):488-491,507.

[4] 王敏,徐萍,劉新江,等.黃淮海地區(qū)夏玉米農藝性狀與產量的通徑分析[J].中國生態(tài)農業(yè)學報,2011,19(5):1229-1236.

[5] 豐光,景希強,李妍妍,等.玉米莖稈性狀與倒伏性的相關和通徑分析[J].華北農學報,2010,25(S1):72-74.

[6] 馬姜明,劉世榮,史作民,等.川西亞高山暗針葉林恢復過程中岷江冷杉天然更新狀況及其影響因子[J].植物生態(tài)學報,2009,33(4):646-657.

[7] 白偉,孫占祥,鄭家明,等.基于灰色關聯(lián)度分析的遼寧阜新地區(qū)玉米品種評價[J].沈陽農業(yè)大學學報,2010,41(6):649-653.

[8] Deng J L.The control problem of grey systems[J].Systems and Control Letters,1982,11(5):285-294.

[9] 姜慶華,米傳民.我國科技投入與經(jīng)濟增長關系的灰色關聯(lián)度分析[J].技術經(jīng)濟與管理研究,2006(4):24-26.

[10] 蔡樹美,諸海燾,余廷園,等.西瓜產量與養(yǎng)分含量的灰色關聯(lián)度和通徑分析[J].土壤,2014,46(4): 651-655.

[11] 趙倩,姜鴻明,孫美芝,等.山東省區(qū)試小麥產量與產量構成因素的相關和通徑分析[J].中國農學通報,2011,27(7):42-45.

[12] 劉朝輝,李江偉,蔣志凱,等.河南省小麥區(qū)試品種(系)產量與產量構成因素的相關和通徑分析[J].山東農業(yè)科學,2013,45(9):26-28.

[13] 田紀春,鄧志英,胡瑞波,等.不同類型超級小麥產量構成因素及籽粒產量的通徑分析[J].作物學報,2006,32(11):1699-1705.

[14] 張明輝,許陽,徐青,等.灰色關聯(lián)度分析法在小麥產量相關因素分析中的應用[J].安徽農業(yè)科學,2004,32(3):419.

[15] 裘敏,魏亦勤,劉旺清,等.小麥5個產量性狀與產量的灰色關聯(lián)度分析[J].安徽農業(yè)科學,2007,35(2):390.

[16] 李玉發(fā),何中國,李淑芳,等.東北地區(qū)春小麥主要性狀與產量間的灰色關聯(lián)分析[J].麥類作物學報,2005,25(1):139-141.

Grey Relational Analysis and Path Analysis on Wheat Yield and Its Three Key Factors

YANG Cheng,LI Xiangdong*,ZHANG Deqi,WANG Hanfang,SHAO Yunhui, FANG Baoting,YUE Junqin,MA Fuju,QIN Feng

(Wheat Research Institute,Henan Academy of Agricultural Sciences/National Laboratory of Wheat Engineering/ Key Laboratory of Wheat Biology and Genetic Breeding in Central Huang-Huai Region, Ministry of Agriculture/Henan Provincial Key Laboratory of Wheat Biology,Zhengzhou 450002,China)

Wheat cultivated varieties which plant area were in top 15 in Henan province or performed better in regional and productive experiments from 2008 to 2014 were chosed for this experiment.The relationship between wheat spikes,grain numbers per spike,thousand-grain weight and yield were analyzed by grey relational analysis and path analysis,and the difference between two analysis methods were compared for providing reference for method choosing in related studies in the future.The results showed that the correlation degree between yield and its three key factors were different when the primary data was processed through initialization,interval and equalization,the correlation degree orders were thousand-grain weight>grain numbers per spike>spikes number,grain numbers per spike>spikes number>thousand-grain weight,grain numbers per spike>thousand-grain weight>spikes number,respectively.While the result obtained through path analysis were more similar with former studies,the relationship between yield and its key factors was spikes number>grain numbers per spike>thousand-grain weight.The result indicated that experimental result obtained from grey relational analysis was much more variable than that from path analysis due to the influence of different primary data processing methods.In conclusion,the path analysis should be chosen as the main method for analyzing the correlation among different experimental factors.

path analysis; grey relational analysis; yield; yield components； wheat

2016-04-16

“十二五”國家公益性行業(yè)(農業(yè))科研專項(201203033)；“十二五”國家科技支撐計劃項目(2012BAD04B07，2012BAD14B08,2012BAD20B01,2013BAD07B07)

楊 程(1987-)，男，河南鞏義人，助理研究員，博士，主要從事小麥栽培生理方面的研究。 E-mail:luckytiger.com@163.com

*通訊作者：李向東(1967-)，男，河南遂平人，研究員，博士，主要從事小麥栽培與耕作、農業(yè)生態(tài)等方面的研究。 E-mail:hnlxd@126.com

S512

A

1004-3268(2016)10-0019-05