基于主成分分析的南引小麦品种综合评价

Comprehensive evaluation of wheat cultivars introduced from south China based on principal component analysis

摘要

目的 探讨不同南引小麦品种在忻定盆地春播的丰产及稳产性，为引种春麦的筛选和推广提供科学依据。 方法 以长江中下游等地区引进的14个小麦品种为材料，在忻定盆地（属冬春麦混播区）进行春播，利用主成分分析对其产量及产量构成、抗逆性（抗倒伏指数、抗穗发芽指数）和生态适应性等指标进行综合分析与评价。 结果 2018~2019 2 a南引春麦整体评价指标分别可提取为3个主成分，累计方差贡献率为89.108 6%、86.268 2%；其中第一主成分（CI₁）相当于3.528、3.366个单项指标的作用，可分别反映原始数据信息量的50.399 8%、48.085 8%，代表了品种生态适应性因子和产量因子，是南引春麦品种的主要评价指标；另2个主成分分别为抗逆性因子、产量构成因子（主要是穗粒数）。 结论 结合高稳系数法、灰色关联系数法等，据主成分得分对14个引种春麦进行综合评价，可知宁麦13、扬麦13、川麦104、渝麦9、扬麦18等5个南引品种的丰产及稳产性好，较适合忻定盆地春播及相似生态区种植。

Abstract

Objective To explore the high and stable yield characteristics of different wheat cultivars introduced from south China in Xinding Basin, so as to provide scientific basis for the screening and popularization of introduced spring wheat. Method 14 wheat cultivars introduced from the middle and lower reaches of the Yangtze river were used as materials for spring sowing in Xinding Basin (a mixed winter and spring wheat sowing area).The yield, yield composition, stress resistance (lodging resistance index, ear germination resistance index) and ecological adaptability were comprehensively analyzed and evaluated by principal component analysis. Result The overall evaluation indexes of spring wheat introduced in 2018 and 2019 could be extracted into three principal components respectively, and the cumulative variance contribution rates were 89.108 6% and 86.268 2%; In which, the first principal component (CI₁) was equivalent to 3.528 and 3.366 single indexes, which could reflect 50.399 8% and 48.085 8% of the information of the original data, representing the ecological adaptability factor and yield factor of cultivars, and was the main evaluation index of introduced spring wheat cultivars; The other two principal components were stress resistance factor and yield component factor (mainly the number grains per panicle). Conclusion Combined with the high stability coefficient method and grey correlation coefficient method, the comprehensive evaluation of 14 introduced spring wheat cultivars according to the principal component score shows that five introduced wheat, including Ningmai 13, Yangmai 13, Chuanmai 104, Yumai 9 and Yangmai 18, are high-quality cultivars suitable for spring sowing in Xinding Basin and similar ecological areas.

关键词

南引春麦 / 主成分分析 / 高稳系数法 / 灰色关联系数法 / 综合评价

Key words

winter wheat introduced from south China / principal component analysis / high stability coefficient method / grey correlation coefficient method / comprehensive evaluation

我国长江中下游麦区、西南麦区的小麦种质资源丰富，且有穗大、粒大、抗病性强等特点，将该地区的优良小麦品种引入到北方冬春麦混播区（如山西忻定盆地）进行春播，是探索小麦品种资源更新、高效利用的一种新途径^［1］。小麦是山西省主要粮食作物之一，近年来播种面积有所下降，效益降低，总产量受到了一定影响^［2-3］。忻定盆地地处山西省中部，有独特的地理优势和气候条件，是山西省农作物主产区之一，然而该地区小麦产量常年低而不稳，种植效益差，据国家统计局相关数据显示，山西春麦播种面积呈萎缩趋势^［4-5］。主要原因是春麦产量低，农民没有种植积极性，科研失去研发动力，造成可供种植的高产优质小麦品种十分匮乏。从长远来看，引进、筛选、培育、推广适合本地域种植的优质小麦种质资源迫在眉睫。为更加科学、准确、全面、合理地对引入的小麦品种进行分析、筛选、评价，本课题以前期从长江中下游、西南麦区等地引入的优质高产小麦品种为材料，采用主成分分析为主，高稳系数法产量分析和灰色关联系数法生态适应性分析为辅的综合分析方法，对14个引种小麦品种的产量及产量构成（成穗数、穗粒数和千粒质量）、抗逆性（抗倒伏指数、抗穗发芽指数）和生态适应性等指标进行综合分析与评价，以期筛选出适合忻定盆地种植、品质优良、性状稳定的南引小麦品种。为忻定盆地春麦生产提供优质高产新品种，为冬春麦混播区小麦品种更新提供新思路，为包括南引春麦在内的作物品种的综合评价提供借鉴和参考。

评价方法的应用是品种综合评价的关键。目前，主成分分析法是应用最广泛的综合评价方法之一，它是将多个指标转化为少数几个综合指标的一种统计分析方法。通过找出几个综合因子（主成分）来代表原来众多的变量，使这些综合因子尽可能地反映原来变量的信息量，而且彼此之间互不相关，即采用降维方法，从而达到简化的目的来进行统计学分析^［6-7］。20世纪80、90年代起，主成分分析已广泛应用于土壤、水质、食品、作物等各类性状的综合评价，如农作物品种筛选中应用于小麦^［8］ 、芸豆^［9］等等。基于本课题前期对南引小麦品种在忻定盆地的高产栽培、逆境生理及产量形成机制等方面的探究^{［1，5，10-11］}，本文首次将主成分分析应用于南引春麦品种的评价。高稳系数法（HSC）仅用单一指标就能准确综合地反映出农作物品种的稳产高产性，并且这一方法在小麦^［12］、水稻^［13］、苦荞^［14］ 、小豆^［15］等作物中也已得到运用，本文采用高稳系数法探讨不同南引小麦品种在忻定盆地种植的丰产、稳产性，为引种春麦的筛选和推广提供科学依据。生态适应性强弱是小麦品种优劣的重要指标之一，影响因素往往错综复杂，除去产量因素外还有株高、亩穗数、穗粒数、抗倒性等性状^［15-17］。本文应用灰色关联系数法，可有效提高小麦品种生态适应性评价的综合性和准确性。

1 材料与方法

1.1 试验材料

以长江中下游麦区、西南麦区等地的14个优良小麦品种为试验材料（由国家小麦产业技术体系各试验站无偿提供），引自江苏的春性品种：扬麦13、宁麦13、扬麦21、扬麦16、扬麦18；引自四川的春性品种：川麦42、川麦104、川麦61，和重庆的春性品种：渝麦9、渝麦12；引自云南的弱春性品种：云麦42、云麦53；前期引自宁夏的春性品种：宁2038、宁春4号（均在忻定盆地表现不错），以山西春麦品种晋春15为对照（CK）。

1.2 试验地概况

试验地位于山西省忻州市忻府区小檀村（N 38°11′，E 112°7′），海拔840 m，年均降水量400 mm，年均温度10 ℃，高于0 ℃积温3 900 ℃，高于10 ℃积温3 465 ℃，无霜期177 d。试验田土壤类型为浅褐土，灌溉便利。2018年播前试验田0~20 cm土层含有机质7.60 g/kg、速效氮40.23 mg/kg、速效钾100.8 mg/kg、速效磷10.2 mg/kg，土壤pH 7.62；2019年播前试验田0~20 cm土层含有机质8.10 g/kg、速效氮42 mg/kg、速效钾126.6 mg/kg、速效磷11.0 mg/kg、土壤pH 7.80。

1.3 试验设计

采取随机区组设计，设置3次重复，小区面积为9.6 m²（6 m×1.6 m），行距20 cm，分别于2018年3月20日、2019年3月14日人工条播。本次试验共选用了15个品种进行播种，试验前施用复合肥史丹利600 kg/hm²，之后进行整地。基本苗450×10⁴株/hm²，其他管理措施同一般大田。

1.4 试验数据测定及计算方法

成熟期每小区取20株，常规考种（折算成穗数、穗粒数、千粒质量）分析。各处理小区实测产，风干后籽粒称质量（含水量为12.5%），计算平均值即籽粒产量。

1.4.1 高稳系数计算方法

小麦品种的丰产性、稳产性以变异系数（CV）、高稳系数（HCS）来度量^{［12，15］}。变异系数（CV）的公式为：

CV_i （%）= S_i /\stackrel{—}{X}_i × 100%（1）

式中：CV_i 项为第i个参试品种的变异系数，\stackrel{—}{X}_i 为第i个参试品种在所有参试点的平均产量，S_i 为第i个参试品种的标准差。变异系数值越小，表明该品种在不同环境中变化小，静态稳定性好；变异系数值越大，表明该品种在不同环境中的变化大，静态稳定性差。

高稳系数（HSC）值采用由温振民提出的高稳系数法，公式为^［15］：

HSC_i （%） =［〔G_a－G_i 〕／G_a ］×100%（2）

式中：中HSC_i 为第i个参试品种的高稳系数，G_a 为比目标品种的稳定产量CK增产10%，G_i 为参试品种的稳定产量即遗传产量，G_i=\stackrel{—}{X}_i－S_i，即由表现产量的平均值\stackrel{—}{X}与环境变异产量S_i 之差组成，（2）可以简化为：

HSC_i （%）＝［1－〔\stackrel{—}{X}_i－S_i 〕／〔1.10×\stackrel{—}{X}_CK〕］×100%（3）

由于采用百分数比较，故（3）可以表示为：

HSC_i （%）＝〔\stackrel{—}{X}_i－S_i 〕／〔1.10×\stackrel{—}{X}_CK〕×100%（4）

式中：中\stackrel{—}{X}_i为第i个参试品种的平均产量，S_i 为第i个参试品种标准差，\stackrel{—}{X}_CK为对照品种的平均产量。本论文采用（4）式计算算高稳系数（HSC_i ），高稳系数越大表示品种的高产稳产性越高。

1.4.2 抗倒伏指数计算方法

抗倒伏是小麦高产稳产的重要组成部分，小麦倒伏可分为茎倒伏和根倒伏，本文针对较为普遍发生的茎倒伏进行研究。相关文献证实，茎秆基部第二茎节短粗、株高较低的品种抗倒伏性较强^［20］。本文使用小麦植株主茎基部茎粗与株高的比值作为抗倒伏指数，茎粗越粗、株高越低的品种其比值越大，抗倒伏能力越强，即表现为抗倒伏指数越大。

抗倒伏指数=主茎基部茎粗（cm） /株高（cm）（5）

1.4.3 抗穗发芽指数计算方法

忻定盆地春麦收获期一般为1 a中降水最为集中的7 月中上旬，雨热同季，收获前后极容易出现穗发芽现象，严重影响小麦产量和品质。品种抗穗发芽特性采用成熟收获期的田间穗发芽率来表征，穗发芽率越高，表明该小麦品种抗穗发芽能力越差，反之，则表明抗穗发芽能力较强。本文抗穗发芽指数采用公式为：

抗穗发芽指数=1-平均穗发芽率（6）

1.2.4 灰色关联系数计算方法

生态适应性数据分析利用灰色关联度分析法进行^［18］，即将15个参试小麦品种看作一个灰色系统，每个小麦品种看作系统的一个因素。对照选用株高最低值、亩穗数最高值、穗粒数最高值、千粒质量最高值、抗倒伏指数最高值、产量最高值、变异系数最低值、高稳系数（HSC）最大值组成的的理想品种。设定理想品种构成参考数列（X₀ ），其余各品种为比较数列（X_i ），即参考数列为X₀ （k）= ［ X₀ （1），X₀ （2），…，X₀ （n）］和比较数列为X_i （k）= ［ X_i （1），X_i （2），…，X_i （N）］。其中，其中n为评估性状数，N为小麦品种数。2组数据列作比较，并利用公式7分别计算出关联系数，其中公式7中的ρ为分辨系数（ρ≤0.543 6时分辨力最好，本文采用0.5。关联系数所采用公式如下：

ξ_i（k）=（minΔ_ik+ρmaxΔ_ik）/（Δ_ik+ρmaxΔ_ik）（7）

1.4.5 主成分分析计算方法

将小麦成穗数、穗粒数、千粒质量、抗倒伏指数、抗穗发芽指数、生态适应性关联系数、产量等数据导入DPS 7.05后进行标准化处理，计算相关系数矩阵、特征值、单位特征向量以及主成分的方差贡献率和累积方差贡献率^{［11，17］}，得出主成分数学模型和综合得分，并按得分高低对不同小麦品种进行排序和综合分析。

1.5 统计分析

运用Microsoft Excel 2010和DPS 7.05软件，进行数据处理与统计分析。

2 结果与分析

2.1 引种小麦产量分析

产量是衡量小麦品种优劣的重要经济指标，利用高稳系数法对产量进行分析：2018年（表1）15个小麦品种中产量最高的是杨麦21，为5 974.05 kg/hm²，产量最低的是宁2038，为3 222 kg/hm²；产量均未超过6 000 kg/hm²，产量超过5 250 kg/hm²的有3个：杨麦21、宁麦13、杨麦13，有5个品种产量介于5 250~4 500 kg/hm²之间。用变异系数法和高稳系数法对15个小麦品种进行综合分析，变异系数值越小，表明该品种在不同环境中变化小，静态稳定性好。用高稳系数法分析，HSC值越大，表明该品种的高产稳产性越好。由表1知，高稳系数位次与产量一致，杨麦21、宁麦13、杨麦13的平均产量、高稳系数分别位于1、2、3位，15个品种的变异系数相差甚微（四舍五入后均为4.07），这些南引春麦在2018年表现较为稳定。宁2038、晋春15平均产量、高稳系数分别位于14、15位，这2个品种的产量表现较差。

2019年产量数据（表1）表明，云麦53的产量最高：6 422.85 kg/hm²，产量最低的是宁2038，为3 843.60 kg/hm²，产量超过6 000 kg/hm²的有6个品种：云麦53、扬麦21、川麦104、宁麦13、渝麦9、宁春4号。高稳系数位次与产量位次基本一致。产量超过6 000 kg/hm²的云麦53、扬麦21、川麦104、宁麦13、渝麦9、宁春4号、扬麦13、扬麦18的平均产量、高稳系数分别位于前八名，而杨麦21，宁春4号变异系数较大，表明2019年云麦53、川麦104、宁麦13、渝麦9、扬麦13、扬麦18等6个品种表现更优，而宁2038、川麦61、晋春15平均产量、高稳系数分别位于倒数1、3、4位，变异系数也较小。

2 a数据综合分析，杨麦21、宁麦13、杨麦13的平均产量、高稳系数位次居前，其中宁麦13、杨麦13的变异系数亦较小，即后2个品种在2 a的种植中均表现良好。而宁2038、晋春15在平均产量、高稳系数方面均表现较差。云麦42、杨麦21、云麦53在2 a 间变化幅度较大，且后两者（杨麦21、云麦53）在引种试验中表现出较大增产潜力，对其最适栽培条件仍需继续研究。

2.2 生态适应性分析

采用灰色关联系数法对数据进行处理，关联系数越大，与理想品种关联度越大，该品种的生态适应性较强。综合分析15个小麦品种2 a生态适应性关联系数（表2）：扬麦13、扬麦21、宁麦13、扬麦18、川麦104、宁春4号、渝麦9、渝麦12等8个品种生态适应性较强。其中，宁麦13、扬麦18、川麦104、宁春4号这4个品种在两年种植中，生态适应性强且表现稳定。扬麦13、扬麦21、渝麦9、渝麦12这4个品种在两年生态适应性表现良好，但是在2 a之中略有波动。关联系数小，生态适应性表现较弱的有：川麦42、晋春15、扬麦16、川麦61、宁2038等5个品种。云麦42、云麦53等2个品种在2 a中生态适应性表现差异较大，原因仍需继续研究。

2.3 主成分分析

参试品种在2018~2019 2 a的性状表现见表3，基于主成分分析，将表中成穗数（X₁）、穗粒数（X_2）、千粒质量（X₃）、抗倒伏指数（X₄）、抗穗发芽指数（X₅）、生态适应性（X₆）、产量（X₇）等7个指标，利用DPS 7.05软件分别对2 a的数据进行主成分分析，经分析计算可得特征向量值等（表4）。

综合2 a数据（表4），根据主成分分析中累计贡献率大于85%的标准^［26］选取出3个主成分，主成分两年累计贡献率分别为89.108 6%~86.268 2%（2018~2019），其余可忽略不计。将原来的7项单项指标转换为3个新的综合指标CI₁、CI₂、CI₃，其中CI₁中决定指标主要是生态适应性关联系数和产量，即主成分1相当于3.528 0~3.366个单项指标的作用，可反映原始数据信息量的50.399 8%~48.085 8%，代表了“生态适应性因子和产量因子”（2018~2019）；CI₂指标系数较高的是抗倒伏指数、抗穗发芽指数，即主成分2相当于1.531 3~1.709 3个单项指标的作用，可单独说明原始数据标准差异的21.875 3%~24.418 7%，代表了“抗逆性因子”（2018~2019）；决定CI₃的指标是“产量构成因子（主要是穗粒数）”，可反映原始数据信息量的16.833 4%~13.763 7%（2018~2019）。

对15个小麦品种（2018~2019）的性状经标准化处理后，将不同小麦品种各主成分得分分别于其所对应的贡献率相乘，最终求出综合得分，以此来对品

种进行综合评价，得分情况如表5所示。通过主成分分析可知，前3个主成分可有效表现不同小麦品种的生长情况，因此，用前3个主成分得分分别于其所对应的贡献率相乘，即可得出最终的品种综合得分。

由主成分综合得分高低对不同试验品种性状优劣进行系统直观的判断，较为科学地权衡某个性状在某个品种中所处的位置和分量，对育种工作和品种评价提供参考依据。品种主成分综合得分越高，表明其综合品质性状表现越好，比较适合在该地区进行推广种植，而综合得分低的品种可以选择性淘汰。

表5所示为15个小麦品种在2018~2019年2 a中主成分分析综合得分情况，可见宁麦13、扬麦13、川麦104、渝麦9、扬麦18等5个品种，在2 a的种植中得分排名均位于前列，且在实际种植中亦表现良好。晋春15、川麦42、扬麦16、川麦61、宁2038等5个品种综合得分较低，且在实际生产中产量、植株性状和抗逆性也表现较差，宁2038在2 a的种植中，最终综合得分均为最低。杨麦21、云麦42、宁春4号、云麦53、渝麦12等5个品种年际间综合得分变化较大，具体原因仍需探究。

总之，宁麦13、扬麦13、川麦104、渝麦9、扬麦18这5个品种在种植测试中的综合得分较高，且表现较为稳定。

3 讨论

对小麦品种进行综合分析，在小麦生产实践中有着十分重要的指导意义，传统的小麦品种评价多采用单个指标进行逐一比较，不能综合把握小麦品种的优劣，而通过主成分分析^{［8，17，19-20］}，可以比较全面地综合了解小麦品质性状的主成分构成及其特征和生物学意义，为选育优质新品种和品种评价提供较为科学的参考。忻定盆地属我国冬春麦混播区，该地域由于优质品种匮乏等多种原因，造成小麦生产现状不容乐观，新品种的引进、筛选、研究及评价便显得尤为重要，以期对忻定盆地相似生态区的春麦生产有一定的参考作用，对山西小麦行业的良性发展亦有积极意义。

从长江中下游、西南麦区等地引入优质高产的小麦品种，在忻定盆地进行春播，在产量^{［1，5，10］}、品种光合荧光特性^［3］、抗逆性^［11］等方面的研究已经取得一定成果，对众多表现良好的南引品种进行综合评价显得很有必要。据文献知，采用主成分分析对小麦品种进行综合性评价的方法在河南、山东省等地已经广泛应用，并取得了一定研究成果^［16-17］，对当地小麦种植与生产亦产生了积极影响。本文采用主成分分析为主的综合评价方法，对于引种春麦科学评价体系的构建进行了有益的探讨。结合笔者多年大田引种试验结果，筛选出适合忻定盆地及相似生态区种植的小麦品种，为冬春混播区等地域的小麦生产提供理论指导和新品种参考。

本研究首次表明，南引春麦品种综合评价可分为3个维度，生态适应性是引种成功与否的首要考虑因素；其次是产量构成要素，以促进穗分化，增加有效穗数和穗粒数为主，是引种春麦获得高产的突破口；第三是品种的抗逆性。

4 结论

基于两年试验数据分析，宁麦13、扬麦13、川麦104、渝麦9、扬麦18等5个南引品种比较适合在忻定盆地种植，其主成分综合得分情况和田间实际表现基本一致。该5个品种表现出一定高产性：2018年产量均超过了4 500 kg/hm²，2019年产量均超过了5 250 kg/hm²，且呈现增产的趋势，生态适应性关联系数也高于其它品种，较适合忻定盆地（冬春麦混播区）的地理、气候条件。杨麦21（5 974.00 kg/hm²，2018年）、云麦53（6 422.85 kg/hm²，2019年）在不同的田间试验中表现出较大的增产空间，今后需要继续研究其配套栽培技术以期获得更高产量。晋春15、川麦42、扬麦16、川麦61、宁2038等5个品种综合得分较低，且产量、生态适应性均较差，相较之下，缺乏在该区域种植推广的优势。

参考文献

[1] 徐澜.冬麦春播条件下小麦生育特性及其产量形成的生理机制［D］.太谷：山西农业大学，2015.

[2] 刘虎林，刘志玲 ．山西省小麦生产现状及建议［J］.现代农业科技，2016（23）：57，59．

[3] 徐澜，高志强，安伟，等 ．冬麦春播条件下旗叶光合特性、叶绿素荧光参数变化及其与产量的关系［J］．应用生态学报，2016，27（1）：133-142.

[4] 贾苏卿，高志强，李彦良，等 ．忻定盆地冬小麦引种试验［J］.山西农业科学，2016，44（4）：456-458，466．

[5] 徐澜，原亚琦，高志强 ．施氮量对春播冬麦生长发育及产量的影响［J］.分子植物育种，2017，15（6）：2457-2464．

[6] 马国江，马靖福，张沛沛，等 ．128份抗旱冬小麦新品系农艺性状遗传多样性分析［J］.甘肃农业大学学报，2021，56（3）：1-4.

[7] 唐启义 ．DPS数据处理系统统：实验设计，统计分析及数据挖掘［M］.北京：科学出版社，2010．

[8] 宋晓，张珂珂，黄晨晨，等.基于主成分分析的氮高效小麦品种的筛选［J］.河南农业科学，2020，49（12）：10-16.

[9] 余莉，张时龙，李清超，等 ．主成分分析在芸豆品种筛选中的应用［J］.东北农业科学，2016，41（2）：91-96．

[10] 徐澜，高志强，安伟，等 ．冬麦春播小麦发育进程中主茎叶片内源激素的变化［J］.核农学报，2016，30（2）：355-363．

[11] 徐澜，高志强，安伟，等 ．冬麦春播小麦穗分化阶段对低温胁迫的响应及耐寒性［J］.应用生态学报，2015，26（6）：1679-1686．

[12] 张海燕，夏国军，杨春慧，等 ．利用高稳系数法分析六个小麦新品系的高产稳产性［J］.农业科技通讯，2019，（10）：81-84．

[13] 倪正斌，孙红芹，万林生，等 ．14个耐盐水稻品种在江苏沿海滩涂地区丰产稳产性比较［J］.大麦与谷类科学，2019，36（6）：22-25，33．

[14] 边巴卓玛，金涛，杨素涛，等 ．西藏引种苦荞产量稳定性分析［J］.中国农学通报，2018，34（33）：25-31.

[15] 周桂梅，刘振兴，陈健，等.利用高稳系数法分析国家区域试验小豆品种的高产稳产性［J］.河北农业科学，2012，16（2）：20-21，27.

[16] 常白楠，陈树林，程西永，等.稀植和密植下小麦主要农艺性状的遗传差异及关系分析［J］.河南农业大学学报，2018，52（4）：497-505．

[17] 孙彩玲，曲辉英，吕建华，等.基于主成分和聚类分析的山东省区试小麦品种（系）品质的综合评价［J］.山东农业大学学报（自然科学版），2014，45（4）：545-551，558．

[18] 丁明亮，赵红，浦秋红，等 ．应用灰色关联度分析法对远缘杂交选育的小麦新品系评价［J］.西南农业学报，2018，31（2）：217-222．

[19] 王化俊.春小麦新品种“甘春18号”的丰产性稳产性及适应性分析［J］.甘肃农业大学学报，1997，32（2）：154-158.

[20] 李桂平，张根生，巴青松，等.杂种小麦品质性状的性状相关和主成分分析［J］.浙江农业学报，2016，28（9）：1447-1453.

基金资助

国家现代农业产业技术体系重大专项(CARS-03-01-24)

忻州市科技计划（专项）项目

忻州师范学院学术带头人经费

黄土高原特色优质高效生产省部共建协同创新中心(SBGJXTZX-46)