梁萬鵬, 施海娜*， 吳恩平， 楊海磊， 李世恩， 張金霞， 徐振飛

(1.慶陽市農(nóng)業(yè)科學(xué)研究院，甘肅 慶陽 745000；2.甘肅薈榮草業(yè)有限公司，甘肅 環(huán)縣 745700)

紫花苜蓿(MedicagosativaL.)是多年生豆科植物，因其適應(yīng)性強(qiáng)、產(chǎn)草量高、營(yíng)養(yǎng)豐富享有“牧草之王”的美譽(yù)。我國20世紀(jì)80年代對(duì)紫花苜蓿開展了針對(duì)性研究并取得了一定的成果[1-7]。不少學(xué)者對(duì)紫花苜蓿在隴東干旱區(qū)的適應(yīng)性也開展了不同的研究[8-14],其他學(xué)者對(duì)紫花苜蓿農(nóng)藝性狀也做了研究[15-17]。慶陽市北部山區(qū)農(nóng)業(yè)生產(chǎn)以草食畜牧業(yè)為主，飼草料主要有玉米、燕麥和紫花苜蓿。近年來，市委、市政府將草畜產(chǎn)業(yè)作為戰(zhàn)略性主導(dǎo)產(chǎn)業(yè)之一大力扶持，推廣中盛模式、發(fā)展湖羊養(yǎng)殖。隨著肉羊養(yǎng)殖規(guī)?？焖贁U(kuò)大，舍施養(yǎng)殖對(duì)飼草的需求量也隨之增大。但當(dāng)?shù)剀俎Ｖ饕噪]東紫花苜蓿為主，品種單一，為了適應(yīng)畜牧業(yè)發(fā)展要求，急需產(chǎn)量高、適應(yīng)性強(qiáng)的苜蓿品種滿足市場(chǎng)需求。目前，市場(chǎng)上紫花苜蓿種類較多，為了能篩選出適合當(dāng)?shù)胤N植的紫花苜蓿品種，引進(jìn)14個(gè)紫花苜蓿品種進(jìn)行試驗(yàn)，并利用主成分分析法[18-20]進(jìn)行生產(chǎn)性能評(píng)價(jià)，現(xiàn)將分析過程總結(jié)如下。

1 材料與方法

1.1 試驗(yàn)材料

從國內(nèi)外引進(jìn)阿爾岡金、挑戰(zhàn)者、MF4020、阿迪娜、大銀河、佰苜202、佰苜371、隴東紫花苜蓿、極光、冰馳、甘農(nóng)5號(hào)、勁能5010、拉迪諾、旱地等14個(gè)紫花苜蓿品種。

1.2 試驗(yàn)方法

試驗(yàn)采用隨機(jī)區(qū)組設(shè)計(jì)，3次重復(fù)，小區(qū)面積25 m2。試驗(yàn)采用覆膜種植，行距30 cm，株距20 cm。于2018年4月下旬，旋耕、結(jié)合整地施入羊糞2 200 kg/hm2，然后覆膜。并于2018年5月8日用人工點(diǎn)播，播種深度2～3 cm，播種深淺一致。

1.3 測(cè)定指標(biāo)及方法

第1茬數(shù)據(jù)測(cè)量時(shí)間為2019年6月3日，第2茬數(shù)據(jù)測(cè)量時(shí)間為2019年8月15日，田間測(cè)量株高、穗位高、莖粗、分枝數(shù)、葉片長(zhǎng)、葉片寬、葉面積(利用公式y(tǒng)=-1.6629+0.5527x1(葉長(zhǎng))+1.3573x2(葉寬)+0.2756x4(長(zhǎng)寬積)計(jì)算得出)[21]、主莖長(zhǎng)度、莖節(jié)數(shù)、均節(jié)長(zhǎng)度、產(chǎn)量等指標(biāo)。每小區(qū)隨機(jī)抽取3株測(cè)量以上指標(biāo)，兩茬數(shù)據(jù)對(duì)應(yīng)指標(biāo)求平均值，試驗(yàn)數(shù)據(jù)用Microsoft Excel進(jìn)行整理，SPSS 19.0進(jìn)行主成分分析。

2 結(jié)果與分析

2.1 主成分分析

表1是主成分分析公因子方差分析結(jié)果，莖粗公因子值為0.576，小于0.70，其它10個(gè)變量的公因子提取值均大于0.70，因此，提取的公因子最大限度反映原始變量的主要信息。

表2給出了所有特征值及其占相應(yīng)的特征總值的百分比(貢獻(xiàn)率)和累計(jì)百分比(從大到小的順序排列)。特征值的大小反映了公因子的方差貢獻(xiàn)。例如，第1個(gè)主成分特征值為3.396，占特征值總和的33.957%，累計(jì)貢獻(xiàn)率為33.957%；第2個(gè)主成分特征值為3.184，占特征值總和的31.843%，累計(jì)貢獻(xiàn)率為65.800%；第3個(gè)主成分特征值為1.866，占特征值總和的18.664%，累計(jì)貢獻(xiàn)率為84.464%；前3個(gè)公因子的方差累計(jì)貢獻(xiàn)率已經(jīng)達(dá)到80%以上，故而提取這3個(gè)主成分能夠很好地解釋原有變量所包含的信息了。

表1 公因子方差

注：提取方法為主成分分析。下同。

表2 紫花苜蓿主成分相關(guān)矩陣的特征值

因子得分系數(shù)矩陣是解釋因子代表性可靠程度的大小，然后利用旋轉(zhuǎn)法使因子取值差異更加明顯，大的因子取值更大，小的因子取值的更小，這樣結(jié)果更具可解釋性。旋轉(zhuǎn)后的因子得分系數(shù)矩陣如表3所示。

由表3可得最終因子得分公式：

F1=0.956Zx1+0.709Zx2+0.026Zx3…+0.644Zx9+0.591Zx10

(1)

F2=-0.052Zx1+0.268Zx2+0.970 Zx3…-0.734Zx9-0.297Zx10

(2)

F3=-0.053Zx1-0.036Zx2+0.133 Zx3…-0.107Zx9+0.376Zx10

(3)

式中：Zx1、Zx2、Zx3、…、Zx9、Zx10分別為株高、莖粗、分枝數(shù)、…、莖節(jié)長(zhǎng)度、產(chǎn)草量經(jīng)過標(biāo)準(zhǔn)化處理的數(shù)值。

由表3得出：第1個(gè)公因子主要反映了株高、莖粗、主莖長(zhǎng)度、莖節(jié)長(zhǎng)度上有較大比重，說明第1個(gè)公因子主要是決定高度方面的因子；第2個(gè)公因子在分枝數(shù)、莖節(jié)數(shù)上有較大比重，說明第2個(gè)公因子主要是決定苜蓿分枝能力方面的因子；第3個(gè)公因子在葉片長(zhǎng)、葉片寬、葉面積上有較大比重，說明第3個(gè)公因子主要是決定苜蓿葉片方面的因子。

表3 旋轉(zhuǎn)成分矩陣a

注：旋轉(zhuǎn)法——具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法；a——旋轉(zhuǎn)在5次迭代后收斂。

2.2 綜合得分評(píng)價(jià)

將14個(gè)紫花苜蓿品種的3個(gè)公因子另存為變量FAC1、FAC2、FAC3，具體結(jié)果如表4所示。對(duì)3個(gè)公因子FAC1、FAC2、FAC3得分進(jìn)行加權(quán)求和，權(quán)數(shù)取“表2紫花苜蓿主成分相關(guān)矩陣的特征值”中“旋轉(zhuǎn)平方和方差的%”的貢獻(xiàn)值。

綜合得分=FAC1×29.986+FAC2×27.893+FAC3×26.585。綜合得分及結(jié)果排名如表5所示。從表5得知，阿爾岡金綜合得分76.499，排名第1；甘農(nóng)5號(hào)綜合得分54.904，排名第2，以上2個(gè)品種可作為進(jìn)一步示范推廣品種。

表4 14個(gè)紫花苜蓿品種3個(gè)公因子值

表5 公因子因子得分矩陣及其綜合排名

3 結(jié)論與討論

(1)對(duì)14個(gè)紫花苜蓿品種的穗位高、莖粗、分枝數(shù)、葉片長(zhǎng)、葉片寬、葉面積、主莖長(zhǎng)度、莖節(jié)數(shù)、均節(jié)長(zhǎng)度、產(chǎn)量等10個(gè)因子進(jìn)行分析，前3個(gè)因子累計(jì)方差貢獻(xiàn)率已經(jīng)達(dá)到84.464%，可以概括不同紫花苜蓿品種主要特征特性的10個(gè)性狀的絕大部分信息。因此，根據(jù)各紫花苜蓿品種在公因子上的得分值，對(duì)14個(gè)品種綜合評(píng)價(jià)，綜合得分按照分值大小排序。阿爾岡、甘農(nóng)5號(hào)2個(gè)品種綜合得分排名為前二位，可作為進(jìn)一步示范推廣的品種。

(2)2019年后季降雨量較大，對(duì)于開花期早的苜蓿品種，特別對(duì)苜蓿葉片脫落產(chǎn)生負(fù)面影響，產(chǎn)量有所下降；對(duì)開花期較晚的苜蓿品種，有利于產(chǎn)量的增加，因此，經(jīng)第1茬測(cè)量的苜蓿品種各指標(biāo)數(shù)據(jù)，對(duì)第2茬對(duì)應(yīng)指標(biāo)繼續(xù)跟蹤測(cè)量并加以分析，以準(zhǔn)確判斷各品種的豐產(chǎn)性和適應(yīng)性。