戴麗君 周花 李永平 虎德鈺

摘要 采用隨機(jī)區(qū)組設(shè)計(jì)，對(duì)11個(gè)谷子品種進(jìn)行滲水地膜穴播種植比較試驗(yàn)，并進(jìn)行主要性狀指標(biāo)相關(guān)分析和主成分分析。結(jié)果表明，品種間產(chǎn)量差異顯著;主要性狀以穗長(zhǎng)、穗重和穗粒重變異系數(shù)較大;相關(guān)系數(shù)由大到小依次為穗重、生育期、穗粗、穗粒重及穗長(zhǎng);以主成分的方差貢獻(xiàn)率作為權(quán)重，其中第一主成分占36.988%，第二主成分占25.544%，第三主成分占14.760%，合計(jì)貢獻(xiàn)率達(dá)77.29%;主成分標(biāo)準(zhǔn)化特征值說(shuō)明，第一主成分解釋了品種的豐產(chǎn)性和穩(wěn)定性等性狀指標(biāo)信息，第二主成分反映品種的增產(chǎn)性因子信息，第三主成分反映了品種生態(tài)適應(yīng)性對(duì)株高、成熟度等因子信息。篩選出適宜在當(dāng)?shù)貧夂蚝筒煌a(chǎn)條件下種植的4個(gè)品種可大面積種植。

關(guān)鍵詞 谷子品種;地膜穴播;農(nóng)藝性狀;主成分分析

中圖分類號(hào) S 515 ?文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 0517-6611（2021）14-0043-05

Abstract A randomized block design was used to conduct a comparative experiment on 11 foxtail millet varieties by hole planting with water seepage and plastic film，and the correlation analysis and principal component analysis of main characters were conducted.The results showed that there were significant differences in yield among varieties;the variation coefficients of spike length，spike weight and grain weight per spike were larger;the correlation coefficients from large to small were spike weight，growth period，ear diameter，grain weight per spike and ear length;the variance contribution rate of principal components was taken as weight，in which the first principal component accounted for 36.988%，the second principal component accounted for 25.544%，the third principal component accounted for 14.760%，and the total contribution rate was 77.29%;the standardized eigenvalues of principal components showed that the first principal component explained the information of yield and stability，the second principal component reflected the information of yield increasing factor，and the third principal component reflected the information of ecological adaptability to plant height maturity.Four varieties suitable for planting in local climate and different production conditions were selected，which could be planted in large area.

Key words Varieties of millet;Hole sowing of plastic film;Agronomic characters;Principal component analysis

基金項(xiàng)目 “科技支寧”東西部合作產(chǎn)業(yè)扶貧“六盤(pán)山特困區(qū)小雜糧精準(zhǔn)扶貧技術(shù)集成示范”（2018BFF020）;寧夏科技成果推廣項(xiàng)目“寧夏貧困區(qū)小雜糧高效種植技術(shù)示范與推廣”。

作者簡(jiǎn)介 戴麗君（1983—），女，寧夏西吉人，農(nóng)藝師，碩士，從事農(nóng)業(yè)科技研究與示范工作。*通信作者，研究員，從事旱區(qū)節(jié)水農(nóng)業(yè)、旱區(qū)耕作制度與種植業(yè)結(jié)構(gòu)優(yōu)化及水資源高效利用研究與示范工作。

收稿日期 2020-09-09

谷子是我國(guó)北方主要特色雜糧作物，產(chǎn)量水平受制于遺傳特性對(duì)環(huán)境因素的適應(yīng)性和選擇性。不同谷子品種生長(zhǎng)發(fā)育對(duì)當(dāng)?shù)貧夂蛸Y源和生產(chǎn)條件選擇性較強(qiáng)。因此，研究谷子品種對(duì)水、肥和氣候資源合理利用是不斷提升作物生產(chǎn)力水平的重要措施，品種主要農(nóng)藝性狀指標(biāo)與產(chǎn)量、生育期、抗旱性和抗病性密切關(guān)聯(lián)。筆者研究引進(jìn)品種在典型半干旱區(qū)干旱氣候條件下，采用滲水地膜精量穴播種植技術(shù)，對(duì)品種生態(tài)適應(yīng)性多項(xiàng)生理生態(tài)指標(biāo)進(jìn)行測(cè)定，對(duì)主要農(nóng)藝性狀進(jìn)行相關(guān)分析、主成分分析和綜合評(píng)價(jià)，篩選出適合當(dāng)?shù)胤N植的優(yōu)良品種，對(duì)促進(jìn)谷子特色雜糧產(chǎn)業(yè)發(fā)展具有重要的科技支撐作用。

1 材料與方法

1.1 試驗(yàn)材料 2019年引進(jìn)11個(gè)谷子品種， 其品種為冀雜金谷、黃金苗、隴谷13、小紅谷、晉谷40、白良谷、九枝谷、糯谷子、金苗K1、隴2129、張雜谷13。

1.2 試驗(yàn)地概況

試驗(yàn)在寧南山區(qū)的彭陽(yáng)縣城陽(yáng)鄉(xiāng)澇池村進(jìn)行，該地點(diǎn)為我國(guó)北方半干旱區(qū)長(zhǎng)期建立的國(guó)家旱農(nóng)試驗(yàn)區(qū)。前茬作物為旱地玉米，地力中等。海拔1 670 m，≥10 ℃積溫2 500～2 800 ℃，無(wú)霜期150 d左右，年均降水量450 mm，屬典型半干旱地區(qū)。

1.3 試驗(yàn)設(shè)計(jì) 采取隨機(jī)區(qū)組設(shè)計(jì)，每個(gè)品種設(shè)大區(qū)種植和小區(qū)控制相結(jié)合方法，大區(qū)面積為480 m2，小區(qū)面積160 m2，重復(fù) 3 次，每重復(fù)取樣測(cè)定控制面積為3.75 m2，田間調(diào)查和室內(nèi)考種按統(tǒng)一方案進(jìn)行，各性狀均為均值。

參試品種全部采用滲水地膜穴播種植技術(shù)，滲水地膜規(guī)格為1 300 mm×0.008 mm，田間覆膜后寬幅為110 cm，人工覆膜方式。采用專用穴播機(jī)進(jìn)行播種，每個(gè)覆膜帶種植3行。平均行距為40 cm、株距為10 cm，20.05萬(wàn)穴/hm2，各品種田間實(shí)際植株生長(zhǎng)密度以定苗后調(diào)查數(shù)據(jù)為準(zhǔn)。試驗(yàn)于4月27日，播前整地時(shí)結(jié)合田間機(jī)耕或旋耕作業(yè)一次性基施磷酸二銨225 ?kg/hm2和尿素150 kg/hm2，抽穗期遇降水追施尿素150 kg/hm2。苗期及時(shí)放苗、補(bǔ)苗和除草等。9月27日成熟，對(duì)收獲小區(qū)植株進(jìn)行風(fēng)干脫粒折算產(chǎn)量，并取中間行15株進(jìn)行主要性狀考種。

1.4 調(diào)查項(xiàng)目與方法 田間記載品種生育期、分蘗成穗率、苗期葉片（莖）顏色和田間長(zhǎng)勢(shì)等，同時(shí)觀察后期抗旱性、抗倒伏、抗病性和成熟性等。成熟隨機(jī)取中間行2 m長(zhǎng)樣段全部植株，其中15株主莖（穗）進(jìn)行農(nóng)藝性狀考種，然后將剩余樣段內(nèi)的穗數(shù)進(jìn)行脫粒，求得單穗考種平均值。表1為每個(gè)品種15株單株主莖數(shù)據(jù)。主要指標(biāo)包括生育期、株高、穗長(zhǎng)、穗重、穗粒重、有效穗數(shù)、出谷率、千粒重和產(chǎn)量等。

1.5 數(shù)據(jù)分析 試驗(yàn)數(shù)據(jù)采用SPSS 25軟件和Excel 2010統(tǒng)計(jì)完成品種的主要性狀變異系數(shù)和主成分分析[1-2]。

2 結(jié)果與分析

2.1 主要性狀變異系數(shù) 由表1可知，11個(gè)谷子品種主要經(jīng)濟(jì)性狀由于受遺傳基因的控制，表現(xiàn)在相同的氣候資源和生產(chǎn)條件下，其主要經(jīng)濟(jì)性狀差異顯著，變異系數(shù)為8.0%～20.8%，變異系數(shù)較高的依次為穗長(zhǎng)（21.9%）、產(chǎn)量（20.8%）、穗粒重（14.3%）、穗重（13.7%）和株高（12.4%），變異系數(shù)較小的為千粒重、穗粗、出谷率和生育期。

2.2 主要性狀相關(guān)性

由表2可知，生育期、有效穗數(shù)、穗粗與產(chǎn)量呈極顯著正相關(guān)（ P<0.01），R2 =0.842～0.591;穗重與穗粒重，穗重與出谷率，穗粒重與出谷率達(dá)極相關(guān)顯著（ P<0.01），R2 =0.566～0.993，而穗長(zhǎng)與穗粗、出谷率及產(chǎn)量呈負(fù)相關(guān)顯著（ P<0.05），R2 =-0.438～-0.634。說(shuō)明谷子品種在適宜生育期范圍內(nèi)，不同品種在地力水平和生產(chǎn)條件基本一致的情況下其生產(chǎn)能力相差懸殊，決定品種產(chǎn)量水平的主要性狀取決于穗重、穗粒重、穗粗和穗數(shù)指標(biāo)的變化。同時(shí)產(chǎn)量水平亦與品種后期抗旱性、抗病性和抗倒伏密切相關(guān)。

2.3 主成分分析

主成分分析（principal components analysis，PCA）是利用因子降維的思維，以SPSS軟件對(duì)因子分析組件進(jìn)行主成分分析，在損失較少信息的前提下將多個(gè)指標(biāo)集中轉(zhuǎn)化為綜合指標(biāo)的多元方法[3-5]，其核心是通過(guò)主成分分析，提取若干個(gè)主分量，并基于主分量的方差貢獻(xiàn)率構(gòu)建權(quán)重，從而建立綜合評(píng)價(jià)函數(shù)模型[1-2]。計(jì)算得到某個(gè)主成分的得分和綜合得分，按照得分高低進(jìn)行排序以評(píng)價(jià)各品種的綜合性狀指標(biāo)。

2.3.1 原始數(shù)據(jù)標(biāo)準(zhǔn)化。原始數(shù)據(jù)標(biāo)準(zhǔn)化：

2.3.2 提取主成分特征值。主成分提取特征值和貢獻(xiàn)率[1，5，7]。

Wi=λini=1λ1（2）

其中，Wi表示貢獻(xiàn)率，λi表示非負(fù)特征向量，i=（1，2，…，p），p表示非 負(fù)特征根數(shù)。由此提取出性狀各成分的特征值和因子載荷貢獻(xiàn)率和總貢獻(xiàn)率。

從主成分分析的特征值（表 4）可以看出，根據(jù)提取主成分特征值大于1的原則，以主成分的方差貢獻(xiàn)率 ?ak 作為權(quán)重，其中第一主成分占36.988%，第二主成分占25.544%，第三主成分占14.760%，累計(jì)貢獻(xiàn)率為 77.293%，其特征值具有較高的載荷量。因此，提取的3個(gè)主成分可以概括谷子品種主要經(jīng)濟(jì)性狀的絕大部分信息。

2.3.3 初始因子荷載矩陣。

主成分初始因子荷載成分矩陣[1]，其中載荷系數(shù)認(rèn)為是原始指標(biāo)與各主成分之間的相關(guān)系數(shù)。由主成分的碎石圖，結(jié)合特征根曲線的拐點(diǎn)及特征值，前3個(gè)主成分的折線坡度趨勢(shì)由陡度逐漸趨于平緩變化過(guò)程，說(shuō)明提取3個(gè)主成分為宜，即得初始因子載荷成分矩陣（表5）。

2.3.4 確定主成分各性狀標(biāo)準(zhǔn)化特征向量。

表5為旋轉(zhuǎn)前初始因子載荷成分矩陣，并不是主成分標(biāo)準(zhǔn)系數(shù)向量，需進(jìn)一步對(duì)旋轉(zhuǎn)前初始因子載荷矩陣轉(zhuǎn)換為主成分標(biāo)準(zhǔn)化特征向量矩陣。方法以因子載荷矩陣中各分量的系數(shù)為單位特征向量乘以相應(yīng)特征值平方根的結(jié)果[1]。主成分標(biāo)準(zhǔn)化特征系數(shù)向量[1]公式：

tij=aij/λi （3）

其中，aij表示單位向量分量（表3）。λi為各成分提取因子特征值，λ1=3.699，λ2=2.554，λ3=1.476 ，利用因子分析的結(jié)果進(jìn)行主成分分析。

對(duì)表5用公式（3）分別計(jì)算主成分性狀特征值對(duì)應(yīng)的系數(shù)矩 陣t1、t2、t3 （表6）。其轉(zhuǎn)換方法：將 Z1、Z2和Z3 值輸入SPSS數(shù)據(jù)編輯窗口中，步驟：打開(kāi)“轉(zhuǎn)換→計(jì)算變量”，3個(gè)變量依次命名為 t1、t2和t3， 并分別輸入提取3個(gè)主成分因子載荷特征值3.699、2.554和1.476，得主成分各性狀特征值對(duì)應(yīng)的系數(shù)矩陣（表6）。

由表6可知，第一主成分標(biāo)準(zhǔn)化特征主要反映品種的豐產(chǎn)性和穩(wěn)定性。其有效穗數(shù)、穗粗和產(chǎn)量的因子信息，其中產(chǎn)量、穗數(shù)和穗粗特征值向量分別為0.471、0.468、0.466，說(shuō)明有效穗數(shù)和穗粗與產(chǎn)量呈正顯著相關(guān);第二主成分主要反映品種的增產(chǎn)性對(duì)穗重、穗粒重和出谷率等因子信息。其中穗粒重、穗重和出谷率特征向量值分別為0.603、0.591和0.451，反映穗重、穗粒重和出谷率與產(chǎn)量呈正相關(guān);第三主成分反映谷子品種適應(yīng)性對(duì)株高和成熟性影響因子信息。其中千粒重和株高特征向量值分別為0.710和0.618。說(shuō)明作物品種生態(tài)適應(yīng)性是決定能否在該地區(qū)推廣應(yīng)用至關(guān)重要，作物株高在一定程度上可反映品種的抗旱性和抗逆性，進(jìn)而灌漿速度和成熟度決定千粒重對(duì)產(chǎn)量的貢獻(xiàn)程度。

2.3.5 主成分分析及綜合評(píng)價(jià)。

將主成分性狀標(biāo)準(zhǔn)化特征向量（表6） t1、t2和t3值 分別與主要性狀原始數(shù)據(jù)標(biāo)準(zhǔn)化矩陣Zx值的乘積[1，8-10]，即可得到3個(gè)主成分的得分。

Yi=Zx×t（4）

式中，Zx為各性狀原始數(shù)據(jù)標(biāo)準(zhǔn)化后矩陣（表3），t為主成分特征值 對(duì)應(yīng)的系數(shù)矩陣（表6）。利用Excel統(tǒng)計(jì)完成3個(gè)主成分的得分線性組合：

y1=0.356X1-0.167X2-0.358X3+0.466X4+0.035X5+0.044X6+0.468X7+0.221X8+0.080X9+0.471X10

y2=-0.265X1+0.063X2-0.024X3-0.056X4+0.591X5+0.603X6-0.072X7+0.451X8+0.028X9+0.016X10

y3=-0.154X+0.618X2+0.120X3+0.072X4-0.004X5-0.027X6+0.141X7-0.147X8+0.710X9+0.167X10

由線性組合得 第一主成分（y1）、第二主成分（y2）和第三主成分（y3）。 同時(shí)以每個(gè)主成分的方差貢獻(xiàn)率 ak 作為權(quán)重，完成主成分得分和綜合因子得分及排序（表7），綜合因子得分： Y=0.369 9y1+0.255 4y2+0.147 6y3 。

根據(jù)函數(shù)值大小進(jìn)行依次排序的原則，對(duì)11個(gè)谷子品種主成分得分 y1、y2、y3和y綜 合得分及排序。表7表明，經(jīng)過(guò)對(duì)11個(gè)谷子品種農(nóng)藝性狀進(jìn)行主成分分析和綜合得分及綜合評(píng)價(jià)，篩選出適宜在半干旱區(qū)可進(jìn)行大面積示范和推廣的4個(gè)品種，依次為晉谷40（1.131）、張雜谷13（0.896）、白良谷（0.761）和隴谷13（0.528），排列最后一位為隴2129（-1.688），其余品種均不適應(yīng)在該地區(qū)推廣應(yīng)用。

3 結(jié)論與討論

3.1 滲水膜穴播種植模式增產(chǎn)潛力顯著 該試驗(yàn)結(jié)果表明，晉谷40產(chǎn)量為7 954.5 kg/hm2，張雜谷13對(duì)照（CK）產(chǎn)量為 6 679.5 kg/hm2，白良谷為5 376.0 kg/hm2和隴谷13為5 286.0 kg/hm2，晉谷40較對(duì)照品種增產(chǎn)19.1%，白良谷和隴谷13較對(duì)照品種減產(chǎn)20.6%，品種間產(chǎn)量差異顯著。主要性狀變異系數(shù)分析表明，谷子品種穗長(zhǎng)、穗重和穗粒重變異系數(shù)較大。除品種遺傳特性對(duì)性狀參數(shù)影響外，谷子品種可通過(guò)采用現(xiàn)代節(jié)水高效種植技術(shù)，改善栽培措施等方法使性狀值得到較大幅度的提高，從而提升作物生產(chǎn)能力和收益率。

3.2 主成分分析及綜合評(píng)價(jià)方法科學(xué)

第一主成分標(biāo)準(zhǔn)化特征主要反映品種的豐產(chǎn)性和穩(wěn)定性。其有效穗數(shù)、穗粗和產(chǎn)量的因子信息，其中產(chǎn)量、穗數(shù)和穗粗特征值向量分別為0.471、0.468、0.466，說(shuō)明有效穗數(shù)和穗粗與產(chǎn)量呈顯著正相關(guān);第二主成分主要反映品種的增產(chǎn)性對(duì)穗重、穗粒重和出谷率等因子信息，其中穗粒重、穗重和出谷率特征向量值分別為0.603、0.591和0.451，說(shuō)明穗重、穗粒重和出谷率與產(chǎn)量呈正相關(guān);第三主成分反映谷子品種適應(yīng)性對(duì)株高和成熟性影響因子信息，其中千粒重和株高特征向量值分別為0.710和0.618。說(shuō)明作物品種生態(tài)適應(yīng)性決定能否在該地區(qū)推廣應(yīng)用，作物株高在一定程度上可反映品種的抗旱性和抗逆性，進(jìn)而灌漿速度和成熟度決定千粒重對(duì)產(chǎn)量的貢獻(xiàn)程度。

對(duì)11個(gè)谷子品種農(nóng)藝性狀進(jìn)行主成分分析和綜合得分及綜合評(píng)價(jià)，篩選出適宜在半干旱區(qū)可進(jìn)行大面積示范和推廣的4個(gè)品種，依次為張雜谷13、白良谷、隴谷13和晉谷40（適合在中部干旱帶有補(bǔ)充灌溉區(qū)種植）。主成分分析方法能較全面地評(píng)價(jià)谷子品種的優(yōu)劣，對(duì)在生產(chǎn)中綜合判斷和選擇優(yōu)良品種具有重要科技支撐作用。

3.3 建議

評(píng)價(jià)一個(gè)品種不僅要看產(chǎn)量水平，更要全面考察品種的豐產(chǎn)性、增產(chǎn)性、穩(wěn)定性、抗逆性和生態(tài)適應(yīng)性等多項(xiàng)指標(biāo)，要經(jīng)受多種干旱氣候年份的考驗(yàn)才能科學(xué)評(píng)價(jià)品種的優(yōu)劣。由于2019年為豐水年份早霜來(lái)臨較遲，冀雜金谷、晉谷40和金苗K1等晚熟品種基本正常成熟，但在生產(chǎn)中仍有一定的風(fēng)險(xiǎn)性。如晉谷40屬晚熟品種，生育期達(dá)142 d左右，在半干旱區(qū)旱地種植風(fēng)險(xiǎn)性較大，建議在寧夏中部干旱半干旱區(qū)的引黃灌溉區(qū)推廣種植。張雜谷13、白良谷和隴谷13屬中早熟品種，在半干旱區(qū)可進(jìn)行大面積種植推廣。

參考文獻(xiàn)

[1] 鄧維斌，周玉敏，劉進(jìn)，等.SPSS 23統(tǒng)計(jì)分析實(shí)用教程[M].2版.北京：電子工業(yè)出版社，2018.

[2] 趙朋飛，劉俊，胡少敏.基于SPSS軟件的主成分分析法在水質(zhì)評(píng)價(jià)中的應(yīng)用[J].科技創(chuàng)業(yè)，2016，29（10）：119-121，125.

[3] 李健，張媛媛，張敏，等.基于主成分分析方法的藍(lán)莓礦質(zhì)營(yíng)養(yǎng)吸收綜合評(píng)價(jià)[J].江蘇農(nóng)業(yè)科學(xué)，2020，48（1）：139-142.

[4] 劉敏，史戰(zhàn)紅.基于主成分分析法的甘南經(jīng)濟(jì)發(fā)展水平評(píng)價(jià)[J].甘肅科技，2018，34（23）：61-63.

[5] 張子龍，王文全，繆作清，等.主成分分析在三七連作土壤質(zhì)量綜合評(píng)價(jià)中的應(yīng)用[J].生態(tài)學(xué)雜志，2013，32（6）：1636-1644.

[6] 苗澤志，韓浩坤，杜偉建，等.雜交谷子產(chǎn)量及品質(zhì)相關(guān)性狀的主成分分析[J].山西農(nóng)業(yè)科學(xué)，2013，41（8）：785-788，812.

[7] 方路斌，羅河月，陳潔，等.谷子主要農(nóng)藝性狀的相關(guān)和主成分分析[J].天津農(nóng)業(yè)科學(xué)，2018，24（11）：62-65.

[8] 鮑學(xué)英，李海連，王起才.基于灰色關(guān)聯(lián)分析和主成分分析組合權(quán)重的確定方法研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2016，46（9）：129-134.

[9] 張玉.SPSS軟件和主成分分析法在牧草營(yíng)養(yǎng)價(jià)值評(píng)價(jià)中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2012，40（12）：7186-7188.

[10] 陳龍，陳婷，袁瑩靜，等.基于SPSS的我國(guó)各省市自治區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r分析[J].軟件，2019，40（2）：121-128.