8 个水稻品种在宁夏中度盐碱地的多指标适应性综合评价

Comprehensive Evaluation of Multi-Index Adaptability of Eight Rice Varieties in Moderate Saline-Alkali Land in Ningxia

摘要

为了筛选出宁夏中轻度盐碱地最适宜种植的水稻品种，采用田间试验和多元统计分析方法，对8个水稻品种开展适应性综合评价研究。测定8份供试水稻品种的光合、品质及产量等19个指标，进行基于主成分分析及隶属函数法的聚类分析，对19个指标进行灰色关联度分析，并对2种评价方法进行比较。结果表明：①P_n与SPAD值呈极显著正相关，G_s与C_i、T_r呈极显著正相关；垩白度与垩白粒率呈极显著正相关，食味值与SPAD值呈显著正相关；产量与穗质量、单穗总粒数、叶面积指数呈极显著正相关，与穗长、株高呈显著正相关。②通过主成分分析将盐碱胁迫下的19个指标转化成4个新的综合指标，累计贡献率达89.702%；通过隶属函数计算出8个水稻品种的适应性综合得分D值，宁粳51、宁粳56的D值较对照增加8.17%和3.17%；通过聚类分析得出第Ⅱ类水稻（排名前后依次为宁粳51、宁粳56、秋优88）的综合表现最好。③通过灰色关联度分析得出的等权关联度排名和加权关联度排名一致，品种关联度高低依次为宁粳56、宁粳51、秋优88。综合考虑，采用灰色关联度排名，宁粳56和宁粳51适宜在宁夏盐碱地种植。

Abstract

This study aims to identify the most suitable rice varieties for cultivation in mild saline-alkali land in Ningxia. Field experiments and multivariate statistical analysis were employed to comprehensively evaluate the adaptability of eight rice varieties. By measuring 19 indicators， including photosynthetic performance， quality， and yield， for the eight rice varieties， a cluster analysis based on principal component analysis and the membership function method was conducted. Additionally， grey correlation analysis was performed on the 19 indicators， and the two evaluation methods were compared. The results showed that： ① P_n was significantly positively correlated with SPAD values， while G_s exhibited a significant positively correlation with C_i and T_r. Furthermore， a highly significant positive correlation was observed between chalkiness and chalkiness rate， as well as between taste value and SPAD value. Yield was positively correlated with ear weight， total number of grains per ear， and leaf area index， and it also showed a significant correlation with ear length and plant height. ② Through principal component analysis， the 19 indicators under saline-alkali stress were distilled into four new comprehensive indicators， with a cumulative contribution rate of 89.702%. The adaptability scores （D value） of the eight rice varieties， calculated using the membership function method， showed that Ningjing 51 and Ningjing 56 had D values that increased by 8.17% and 3.17%， respectively， compared to the control. Cluster analysis revealed that Class Ⅱ rice （Ningjing 51>Ningjing 56>Qiuyou 88） exhibited the best overall performance. ③ The rankings obtained from grey correlation analysis for equal-weight and weighted correlation were identical， with Ningjing 56， Ningjing 51， and Qiuyou 88 showing decreasing correlation strengths. Given these findings， it is concluded that Ningjing 56 and Ningjing 51 are the most suitable rice varieties for cultivation in saline-alkali land in Ningxia， providing a theoretical basis and technical support for biological improvement based on planting suitability.

Graphical abstract

关键词

盐碱地 / 水稻 / 主成分分析 / 隶属函数 / 聚类分析 / 灰色关联度分析 / 适应性综合评价

Key words

saline-alkali land / rice / principal component analysis / membership function / cluster analysis / grey correlation analysis / adaptive comprehensive evaluation

宁夏引黄灌区的盐碱地面积为15万hm²，约占耕地面积的34%^[1]，其生产中存在的土壤贫瘠、持水保肥能力弱、盐分表聚等问题突出，严重影响了种植作物的产量和品质。水稻种植是开发和改良盐碱地的广为接受的措施^[2]，但不同水稻品种在盐碱地的适应性差异大^[3]。2022年和2023年中央一号文件均指出，分类改造盐碱地，推动由主要治理盐碱地适应作物向更多选育耐盐碱植物适应盐碱地转变。因此，筛选适宜宁夏盐碱地种植的优质高产水稻至关重要，对促进盐碱地综合利用和贯彻落实粮食安全战略具有重要意义^[4]。

近年来，学者们对盐碱地种植水稻品种的筛选研究较多，常用的鉴定方法有以下几种。①发芽指数法，通过测定发芽率和幼芽形态指标进行筛选^[5-6]。②苗期水培筛选法，通过测定苗期秧苗生长形态指标^[7-8]、生化指标^[9-10]、光合指标^[11]等进行综合筛选。但水稻在不同生育阶段的耐盐性不同、相关性小^[12]，仅生育前期的指标不能较好地反映生产实际。③全生育期盐处理筛选法^[13-14]，该方法的难点在于水稻全生育期灌溉水层的盐浓度易受自然环境条件影响，且研究周期长^[15]。④以产量和考种指标为主、其他指标为辅的多指标综合筛选法^[16-18]，该方法更符合实际生产需求。综上所述，多指标综合筛选法是更适合品种筛选和推广、更贴近生产实际的方法；但目前多以某些产量指标和生长性状指标或品质指标进行评价，而从光合、产量及品质3 个方面进行不同水稻品种综合评价的研究较少。盐碱胁迫会抑制植物叶绿素合成和光合作用^[19-20]，并且随着盐浓度升高，耐盐碱水稻的叶绿素含量、净光合速率、气孔导度、蒸腾速率逐渐下降，但下降幅度低于盐敏感水稻^[21-22]。因此，以光合指标鉴定不同水稻品种在盐碱地种植的适宜性是可行的。此外，多指标综合筛选法往往使用主成分分析法、TOPSIS法、灰色关联度法、模糊综合评价法等单一方法，这会受指标相关性和样本量的影响，因而采用2 种以上综合评价方法进行对比筛选的研究更为准确。

盐碱地种植水稻不仅要求水稻品种有耐盐碱性，还要能够适应沙质土壤质地疏松、贫瘠、持水保肥能力弱等特点。本试验以8 个水稻品种为供试材料，其中秋优88为对照（CK），开展田间试验，测定水稻光合、产量及品质指标，进行相关性分析、灰色关联度分析，并基于主成分分析、隶属函数法进行聚类分析综合评价，旨在筛选出适宜在宁夏中轻度盐碱地种植的水稻品种。

1 材料与方法

1.1 试验区概况

试验于2023年4—10月在宁夏银川市兴庆区月牙湖乡月牙湖村二道墩队进行，地理坐标为106°34'40.48″E、38°35'21.54″N。试验期间降水量为69.6 mm，平均气温22.56 ℃，日照时间3 186.5 h，无霜期162 d，年平均风速3.2~3.3 m·s^-1，平均最大风速20 m·s^-1。试验区土壤质地为砂壤土，土壤物理特性见表1。田间持水率为20.52%（占干土质量百分比）；0~40 cm耕作层的全盐质量比为3.31 g·kg^-1，pH为8.57，属于中轻度盐碱土，土壤基本理化特性见表2。试验区地下水位播前埋深为1.10 m，5—8月灌水期埋深为0.80 m。灌溉水为黄河水，年平均含沙量为6.65 kg·m^-3，矿化度为450 mg·L^-1。水稻全生育期土壤全盐质量比详见图1。

1.2 试验设计及实施过程

试验采用随机区组设计，供试材料：P1（宁粳51）、P2（富源4号）、P3（宁粳56）、P4（宁粳65）、P5（宁粳57）、P6（中科804）、P7（宁大16）、CK（秋优88）。试验小区面积为144 m²（12 m×12 m），3 个重复，小区间隔50 cm为隔离带。5月13日采用手推式播种机进行人工旱播，行距25 cm，播种量为375 kg·hm^-2。5月16日开始灌水，至9月1日停水晒田，其间采用浅湿交替的水平畦灌灌水，共灌水19次，平均每次灌水量为1 006.6 m³·hm^-2，总灌水量约为19 125 m³·hm^-2。5月9日施牛粪15 000 kg·hm^-2、磷酸二铵（N-P₂O₅-K₂O=18-46-0）300 kg·hm^-2、帝益肥（N-P₂O₅-K₂O=25-15-5）150 kg·hm^-2，7月1日追施磷酸二铵75 kg·hm^-2、尿素（N≥46%）150 kg·hm^-2、硅基复合肥（N-P₂O₅-K₂O=28-6-6）75 kg·hm^-2，8月9日追施尿素150 kg·hm^-2。其他田间管理措施与当地生产一致。

1.3 测定项目和方法

1.3.1 生理指标测定

水稻抽穗期时，于09：00—11：00选取长势均匀的植株进行标记，使用SPAD-502型便携式叶绿素仪测定植株剑叶中部的SPAD值，每个处理重复3 次；使用LI-6400型光合仪测定水稻剑叶的净光合速率（P_n）、胞间CO₂浓度（C_i）、气孔导度（G_s）和蒸腾速率（T_r），每个处理重复3 次；使用LAI-2200C型冠层分析仪测量水稻叶面积指数（LAI），每个处理选3 个样方进行测量。

1.3.2 产量及产量构成测定

在成熟期测定水稻株高，并在各处理区非边行选取3个2 m²的样方，测定稻谷产量；每个样方选取3穴进行考种，测定穗长、穗质量、有效穗数、每穗总粒数、结实率及千粒质量。

1.3.3 品质指标测定

选择饱满的水稻样品，经3个月风干之后，参照中华人民共和国农业部标准NY 147—88《米质测定方法》测定稻米品质。稻米品质的测定项目：垩白粒率、垩白度、蛋白质含量、直链淀粉含量、食味值。

1.4 数据处理和统计分析

采用IBM SPSS Statistics 27软件对试验指标进行显著性分析、LSD事后检验、Pearson相关性分析、主成分分析，采用Origin 2022软件绘制相关性热图，Excel 2021软件进行隶属函数计算和灰色关联度分析。

1.4.1 隶属函数方法

将主成分分析得到的得分系数用隶属函数方法计算各品种的综合得分，计算步骤及公式如下。

1）隶属函数值计算公式：

\begin{array}{l}\mu \left(X_j\right)=\left(X_j-X_{\mathrm{m}\mathrm{a}\mathrm{x}}\right)/\left(X_{\mathrm{m}\mathrm{a}\mathrm{x}}-X_{\mathrm{m}\mathrm{i}\mathrm{n}}\right),\\ j=\mathrm{1,2},...,n,\end{array}（1）

式中：\mu \left(X_j\right)表示第j个综合指标的隶属函数值；X_j表示第j个综合指标值；X_{\mathrm{m}\mathrm{a}\mathrm{x}}、X_{\mathrm{m}\mathrm{i}\mathrm{n}}分别表示第j个综合指标的最大值、最小值。

2）综合指标权重计算公式：

W_j=P_j/{\displaystyle \sum _{j=\mathrm{1}}^n}{P}_j,j=\mathrm{1,2},\dots ,n，（2）

式中：W_j是各品种第j个综合指标的权重；P_j是各品种第j个综合指标的贡献率。按照（2）式计算各主成分的权重。

3）综合得分D值计算公式：

D={\displaystyle \sum _{j=\mathrm{1}}^n}\left[\mu \left(X_j\right)\times W_j\right],j=\mathrm{1,2},\dots ,n，（3）

式中：D值为各品种的综合评价得分。按照（3）式计算各品种综合D值。

1.4.2 灰色关联度分析

1）选取参考数列。各观测指标的测定值为比较数列X_i （k）={X_i （1），X_i （2），X_i （3），...，X_i （n）}，以各指标的最优值构成参考数列X₀（k）={X₀（1），X₀（2），X₀（3），...，X₀（n）}，其中k=1，2，...，n，n为观测指标数，i=1，2，3，...，m，m为水稻品种数。

2）无量纲化处理。计算公式如下：

x_i(k)=X_i(k)/X_{\mathrm{0}}(k)。（4）

3）计算关联系数，公式如下：

{\epsilon }_i(k)=\frac{\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{\Delta }i\left(k\right)+\rho \mathrm{m}\mathrm{a}\mathrm{x}\mathrm{m}\mathrm{a}\mathrm{x}\mathrm{\Delta }i\left(k\right)}{\mathrm{\Delta }i\left(k\right)+\rho \mathrm{m}\mathrm{a}\mathrm{x}\mathrm{m}\mathrm{a}\mathrm{x}\mathrm{\Delta }i\left(k\right)}，（5）

式中：{\epsilon }_i(k)表示第i个品种第k个指标的关联系数；\mathrm{\Delta }i\left(k\right)=\left|x_{\mathrm{0}}(k)-x_i(k)\right|，表示X_{\mathrm{0}}数列与X_i数列在第k点的绝对差值；\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{\Delta }i\left(k\right)表示二级最小差；\mathrm{m}\mathrm{a}\mathrm{x}\mathrm{m}\mathrm{a}\mathrm{x}\mathrm{\Delta }i\left(k\right)表示二级最大差；\rho为分辨系数，取值范围[0，1]，本试验取值0.5。

4）灰色关联度。计算公式如下：

{\gamma }_i=\frac{\mathrm{1}}{n}{\displaystyle \sum _{k=\mathrm{1}}^n}{\epsilon }_i(k)，（6）

{\omega }_i\left(k\right)=\frac{{\gamma }_i}{\sum {\gamma }_i}，（7）

{\gamma }_i^{\mathrm{\text{'}}}={\displaystyle \sum _{k=\mathrm{1}}^n}{\epsilon }_i(k)W_i(k)，（8）

式中：{\gamma }_i为第i个品种的等权关联度；{\omega }_i\left(k\right)为第k个指标的权重系数；{\gamma }_i^{\mathrm{\text{'}}}为第i个品种的加权关联度。关联度越大说明相似程度越高。

2 结果与分析

2.1 不同处理的光合指标分析

水稻抽穗期时，部分处理间光合指标的差异存在统计学意义。由表3可知，P3的LAI最大，较CK增大6.78%；P7的LAI最小，较CK减小8.64%；P3的LAI与除P1、P5外的其他处理间的差异具有统计学意义。P1的SPAD值最大，较CK增大5.80%；P2的SPAD值最小，较CK减小2.78%；P1的SPAD值与除P5、P6外的其他处理间的差异具有统计学意义。P1的P_n最大，较CK增大22.80%；P7的P_n 最小，较CK减小5.79%；P1的P_n显著大于其他处理。P3的G_s最大，较CK增大21.21%；P2的G_s最小，较CK减小45.69%，P3的G_s显著大于除P7外的其他处理。P7的C_i最大，较CK增大2.50%；P4的C_i最小，较CK减小16.86%，P7的C_i与除P3、CK外的其他处理间的差异具有统计学意义。P1的T_r最大，较CK增大36.10%；P2的T_r最小，较CK减小23.53%，P1的T_r与除P3、P7外的其他处理间的差异具有统计学意义。各光合指标的变异系数范围为3.38%~28.81%，其中G_s和T_r的变异系数大于10%。

2.2 不同处理的品质指标分析

如表4所示，部分处理间品质指标的差异存在统计学意义。垩白度、垩白粒率、蛋白质质量分数的变异系数大于10%，总体差异较大。CK的垩白度最低，为5.4%；P2的最高，较CK增大44.44%；CK的垩白度与除P6、P7外其他处理间的差异具有统计学意义，且达到3级优质米标准。P7的垩白粒率最低，较CK降低2.61%；P2的垩白粒率最高，较CK增大30.43%；P2的垩白粒率与除P3、P5外的其他处理间的差异具有统计学意义。P7的直链淀粉质量分数最高，较CK增大6.65%，且显著高于其他处理；各处理的该项指标均达到优质米标准；P2的直链淀粉质量分数最低，较CK降低3.61%。P5的蛋白质质量分数最高，较CK增大18.63%，且显著高于其他处理；而P7的蛋白质质量分数最低，较CK降低23.55%，且显著低于其他处理。P6的食味值最高，较CK增长1.76%，P1、P6、CK三者的食味值显著高于其他处理，均达到3级优质米标准，但三者之间的差异不具有统计学意义；处理P3和P7的食味值最低，均较CK降低10.45%。

2.3 不同处理产量及产量构成因素分析

产量及其构成因素分析如表5所示。各个指标的变异系数范围为1.55%~11.79%，其中穗质量和单穗总粒数的变异系数大于10%，总体差异略大。P3的穗质量和穗长均最大，分别较CK增大26.84%、8.09%，且与其他处理间的差异具有统计学意义。P7的有效穗数最多，较CK增长0.63%，P7的有效穗数与除CK外的其他处理间的差异具有统计学意义；P3的有效穗数最少，较CK低16.70%。P3的单穗总粒数最多，较CK增长18.88%，且与除P1外的其他处理间的差异具有统计学意义。P5的结实率最大，较CK增长1.71%，且与其他处理间的差异具有统计学意义。P4的千粒质量最大，较CK增大16.81%，且与其他处理间的差异具有统计学意义。P3的植株最高，较CK高3.47%；P4的植株最矮，较CK低6.63%，且二者间的差异具有统计学意义。P3的产量最大，较CK增长5.88%；P7的产量最低，较CK减小10.25%，且二者间的差异具有统计学意义。

2.4 相关性分析

供试材料的生长、光合、产量等19个指标间的相关性分析如图2所示。其中P_n与SPAD值呈极显著正相关，G_s与C_i、T_r呈极显著正相关。垩白度与垩白粒率呈极显著正相关，食味值与SPAD呈显著正相关。产量与穗质量、单穗总粒数、叶面积指数呈极显著正相关，与穗长、株高呈显著正相关；有效穗数与穗质量呈极显著负相关，与穗长显著负相关。其他指标之间的相关性未达到显著水平。通过相关性分析可知，多个观测指标之间存在较强的相关性，所以有必要通过主成分分析将多个相关的指标转换成几个独立的指标。

2.5 基于主成分分析和隶属函数法的聚类分析综合评价

如表6所示，通过主成分分析提取了4 个主成分，累计贡献率为89.702%，代表了19个性状89.702%的变异信息，所以可以将19 个性状指标转换为4 个新的相互独立的综合指标。主成分1的方差贡献率为32.676%，该主成分以水稻产量、单穗总粒数、叶面积指数、穗质量、穗长的载荷较高，主要代表了水稻的产量因素。主成分2的方差贡献率为25.889%，该主成分以胞间二氧化碳浓度、气孔导度、蒸腾速率、垩白粒率（取倒数）的载荷较高，主要代表叶片气孔特性和稻米外观品质。主成分3的方差贡献率为16.186%，该主成分的叶绿素SPAD值、净光合速率、食味值的载荷较高，主要代表了叶片的光合色素及稻米食味品质。主成分4的方差贡献率为14.951%，该主成分以千粒质量的载荷较高，主要代表了水稻的粒质量。

如表7所示，供试材料基于主成分分析的隶属函数方法综合得分D值范围在0.203~0.649，平均D值为0.454。CK的D值为0.600，排名第3，P1（宁粳51）、P3（宁粳56）的D值较CK（秋优88）高8.17%和3.17%。故宁粳51、宁粳56可以作为宁夏中轻度盐碱地种植的耐盐碱水稻品种。

对8 个供试水稻品种的D值进行系统聚类分析，得到D值的聚类分析图（图3），当欧式距离为5时，可将8 个供试水稻品种分为3类，其中第Ⅰ类占比为25%，分别为P2、P4；第Ⅱ类占比为37.5%，分别为P1、P3、CK；第Ⅲ类占比为37.5%，分别为P5、P6、P7。

2.6 灰色关联度分析

根据各指标的绝对差值，利用公式计算得出关联系数（表8），再用权重系数计算得出加权关联度。如表9所示，等权关联度和加权关联度排名一致，P1（宁粳51）和P3（宁粳56）均优于CK。灰色关联度方法是以供试品种的各指标最优值构建一个参考数列（代表盐碱地适应性最好的理想品种），由此计算得出8个水稻品种的实测数列与参考数列的关联度，关联度越大，该品种越接近理想品种。宁粳51和宁粳56的比较数列更接近构建的参考数列，与理想的耐盐碱水稻品种更相似，说明二者在宁夏盐碱地的适应性更强。

3 讨论

3.1 生理指标分析

叶绿素对水稻光合作用至关重要，叶绿素含量高、光合作用的气孔限制向非气孔限制转化慢说明水稻耐逆境能力较强^[23]。本试验发现水稻光合作用主要受叶绿素含量高低的影响，而部分品种的P_n与G_s变化规律不一致，可能是光合作用受到非气孔因素的限制^[24-25]。宁粳51（P1）和宁粳56（P3）2 个耐盐性较高的品种可以通过维持较高的G_s和T_r减轻光合抑制，从而减少产量损失；宁粳56通过调节G_s 可以在一定程度上弥补叶绿素含量较低带来的影响，这与刘晓龙等^[26]的研究结果相符。本试验得出，宁粳51的叶绿素SPAD值最高，显著高于CK，能保持较好的净光合速率，且气孔导度较大，光合能力表现优异，为品种高产高质奠定了基础，其余品种光合能力的下降导致了产量的降低。而宁粳56的叶绿素SPAD值低，但是气孔导度最大，可以弥补叶绿素SPAD值较低的缺陷，维持光合作用系统稳定，也使品种具有高产的可能。

3.2 产量构成因素分析

试验表明，8 个供试品种的产量均达到耐盐碱水稻标准^[27]，说明均具有一定的耐盐碱性。主成分分析发现，以产量为主的第1主成分贡献率最大，即以产量相关指标作为重点评价依据，这与顾兴友等^[28]和Richards^[29]的观点一致。水稻产量构成的4个因素之间是相互制约和补偿的^[30]，但试验发现盐碱胁迫下水稻的单穗总粒数与产量的相关性达极显著，这与李旭等^[31]的研究结果相符。因此，宁粳51、宁粳56的单穗总粒数显著高于其他品种，是导致品种高产的主要原因，二者产量较CK分别增长4.04%、5.88%，而其余品种的产量随着单穗总粒数的降低而减小。

3.3 品质指标分析

盐胁迫会影响稻米的品质性状，耐盐品种的品质往往更好^[32]。试验发现，宁粳51的食味值和蛋白质质量分数高于CK，但外观品质较CK差一些；宁粳56的直链淀粉质量分数高于CK，但其他外观品质和食味品质较CK差一些。CK和P6属于长粒米品种，所以其外观品质和食味品质较好，P2属于短粒粳稻品种，其外观品质和食味品质较差。大部分短粒粳稻品种较长粒米品种在外观品质或食味品质上存在劣势，导致宁粳51和宁粳56等水稻品种难以在多个品质指标上优于秋优88。

3.4 基于主成分分析和隶属函数法的聚类分析与灰色关联度分析2 种方法综合评价对比

基于主成分分析、隶属函数法、聚类分析进行品种多指标综合评价是当前研究的热门方法。主成分分析能将多个冗杂指标转化为几个独立的综合指标来解释原有指标里所包含的信息^[33]，借此全面客观地评价8 个水稻品种在宁夏盐碱地的适应性。试验通过降维将19个性状转换成4 个新的综合指标，代表了原来信息的89.702%。进一步使用隶属函数方法计算8个供试品种的得分并排名，综合得分排名前二的品种分别为宁粳51和宁粳56，分别较秋优88的得分高8.17%和3.17%。最后对综合得分进行聚类分析，当欧式距离大于5时供试水稻品种被分成3类。

灰色关联度分析法能够结合多个指标的权重并分析多因素的关联程度，是有效评价品种优劣的方法^[34]。它能够反映各比较对象与理想对象（参考对象）的接近次序，关联度最大的比较对象为最佳^[35]。灰色关联度分析计算得出的等权关联度排名和加权关联度排名一致，品种关联度高低依次是P3、P1、CK，说明P3（宁粳56）和P1（宁粳51）的适应性强于CK（秋优88）。2 种分析方法的结果均表明，宁粳56和宁粳51在宁夏盐碱地的适应性优于秋优88，但宁粳56和宁粳51的排名次序不同。由于灰色关联度分析更适合小样本多指标研究，且结果与产量排名相似，因此本试验采用灰色关联度排名，即排序为P3（宁粳56）、P1（宁粳51）、CK（秋优88）。

4 结论

基于主成分分析的隶属函数法得出的宁粳51、宁粳56的综合评价得分D值较对照秋优88分别高8.17%和3.17%；聚类分析得出第Ⅱ类水稻（排名前后依次为宁粳51、宁粳56、秋优88）的综合表现最好。灰色关联度分析得出适宜性高低排名依次为宁粳56、宁粳51、秋优88。综合考虑，采用灰色关联度分析排序结果，即排序为宁粳56、宁粳51、秋优88。宁粳56和宁粳51更适宜在宁夏盐碱地种植，较对照增产5.88%和4.04%，可为宁夏盐碱地综合利用和以种适地的盐碱地生物改良提供理论依据和技术支撑。

参考文献

[1] 贾壮壮，谭亚男，管孝艳，等.宁夏盐碱地成因及分区治理措施综述[J].灌溉排水学报，2023，42（5）：122-134.

[2] FU J H， LIU Y W， LIU X C， et al. Screening of saline-alkali tolerant microorganisms and their promoting effects on rice growth under saline-alkali stress[J]. Journal of Cleaner Production，2024，481：144176.

[3] 赵海新，黄晓群，陈书强，等.碱胁迫下不同水稻品种微观结构响应解析[J].东北农业大学学报，2020，51（11）：11-22.

[4] 胡远艺，谭炎宁，刘小林，等.中国耐盐碱水稻产业化发展面临的问题与建议[J].杂交水稻，2023，38（5）：1-5.

[5] ZHANG R， HUSSAIN S， WANG Y， et al. Comprehensive evaluation of salt tolerance in rice （Oryza sativa L.） germplasm at the germination stage[J]. Agronomy， 2021，11（8）：1569.

[6] 贺奇，王昕，马洪文，等.盐胁迫下粳稻种子发芽特性及耐盐性评价[J].中国稻米，2018，24（1）：28-32.

[7] PRANAYA J， ROJA V， VENKATA RAMANA RAO P， et al. Evaluation of germplasm for seedling stage salinity tolerance in rice （Oryza sativa L.）[J]. International Journal of Plant & Soil Science，2024，36（5）：73-81.

[8] 栾金华，宋欣阳，汪磊，等.辽宁省水稻新品系苗期耐盐性差异研究[J].作物杂志，2023（3）：20-26.

[9] 周毅，崔丰磊，杨萍，等.水稻不同品种幼苗期耐盐性评价[J].江西农业大学学报，2015，37（5）：781-787.

[10] 刘梦红，李逸，李红宇，等.基于非线性主成分分析的北方粳稻苗期耐盐碱性综合评价[J].南方农业学报，2022，53（12）：3380-3388.

[11] 顾骁，吴孚桂，刘慧芳，等.30份水稻材料的耐盐性鉴定与评价[J].热带生物学报，2020，11（3）：314-323.

[12] 吴家富，杨博文，向珣朝，等.不同水稻种质在不同生育期耐盐鉴定的差异[J].植物学报，2017，52（1）：77-88.

[13] 周玉杰，贺治洲，林秋云，等.热带水稻种质资源全生育期耐盐性鉴定与评价[J].南方农业学报，2023，54（7）：1944-1952.

[14] 耿雷跃，马小定，崔迪，等.水稻全生育期耐盐性鉴定评价方法研究[J].植物遗传资源学报，2019，20（2）：267-275.

[15] 孙现军，姜奇彦，胡正，等.水稻资源全生育期耐盐性鉴定筛选[J].作物学报，2019，45（11）：1656-1663.

[16] 李红宇，李逸，司洋，等.北方粳稻耐盐碱相关性状主成分分析及综合评价[J].核农学报，2020，34（8）：1862-1871.

[17] 唐玙璠，张恩，康淑铭，等.宁夏银北地区耐盐碱水稻适应性研究[J].福建农业学报，2022，37（6）：691-701.

[18] 王金鹏，田军仓.沙质盐碱地不同品种水稻生长、光合、产量及品质的差异性分析[J].西北工程技术学报，2024，23（3）：219-225.

[19] 张瑞坤，李卓成，祝德玉，等.盐胁迫下不同耐盐性水稻品种苗期光合特性的响应规律[J].青岛农业大学学报（自然科学版），2020， 7（4）：250-257.

[20] ZUO G Q， ZHANG R， FENG N J， et al. Photosynthetic responses to salt stress in two rice （Oryza sativa L.） varieties[J]. Agronomy，2024，14（9）：2134.

[21] 徐晨，凌风楼，徐克章，等.盐胁迫对不同水稻品种光合特性和生理生化特性的影响[J].中国水稻科学，2013，27（3）：280-286.

[22] ZAHRA N， HINAI M S AL， HAFEEZ M B， et al. Regulation of photosynthesis under salt stress and associated tolerance mechanisms[J]. Plant Physiology and Biochemistry，2022，178：55-69.

[23] 荆培培，任红茹，杨洪建，等.盐胁迫对2个不同盐敏感性水稻品种（系）叶片光合特性与产量的影响[J].作物杂志，2020（1）：67-75.

[24] 王晓蕾，张云鹤，牟金猛，等.苏打盐碱胁迫对水稻光合特性及产量的影响[J].作物杂志，2024（1）：193-203.

[25] 王旭明，赵夏夏，周鸿凯，等.NaCl胁迫对不同耐盐性水稻某些生理特性和光合特性的影响[J].热带作物学报，2019，40（5）：882-890.

[26] 刘晓龙，徐晨，徐克章，等.盐胁迫对水稻叶片光合作用和叶绿素荧光特性的影响[J].作物杂志，2014（2）：88-92.

[27] 王才林，张亚东，赵凌，等.耐盐碱水稻研究现状、问题与建议[J].中国稻米，2019，25（1）：1-6.

[28] 顾兴友，梅曼彤，严小龙，等.水稻耐盐性数量性状位点的初步检测[J].中国水稻科学，2000，14（2）：65-70.

[29] RICHARDS R A. Improving crop production on salt-affected soils： By breeding or management？[J]. Experimental Agriculture，1995，31（4）：395-408.

[30] 杨文钰，屠乃美.作物栽培学各论：南方本[M].2版.北京：中国农业出版社，2011：21-40.

[31] 李旭，付立东，王宇，等.辽宁滨海稻区粳稻种质耐盐性筛选与评价[J].种子，2022，41（1）：89-93.

[32] 王洋，张瑞，刘永昊，等.水稻对盐胁迫的响应及耐盐机理研究进展[J].中国水稻科学，2022，36（2）：105-117.

[33] 邹德堂，郭微，孙健，等.水稻不同基因型耐盐相关性状主成分分析及综合评价[J].东北农业大学学报，2018，49（8）：1-9.

[34] 张进红，王国良，吴波，等.黄河三角洲盐碱地不同柳枝稷品种生长特性比较[J].中国农业大学学报，2018，23（12）：158-165.

[35] 赵志强，朱凌云，唐福森，等.利用灰色关联度分析法评价新疆水稻农艺性状、品质与产量间的关系[J].山东农业大学学报（自然科学版），2025，56（1）：167-173.

基金资助

国家重点研发计划项目课题五专题四(2021YFD1900605-04)

宁夏高等学校一流学科建设项目(NXYLXK2021A03)