广东农业科学  2023, Vol. 50 Issue (5): 11-20   DOI: 10.16768/j.issn.1004-874X.2023.05.002.
0

文章信息

引用本文
王怡, 刘守渠, 郭峰, 任小燕, 段运平. 山西省不同生态区玉米品种数量性状多样性分析[J]. 广东农业科学, 2023, 50(5): 11-20.   DOI: 10.16768/j.issn.1004-874X.2023.05.002
WANG Yi, LIU Shouqu, GUO Feng, REN Xiaoyan,, DUAN Yunping. Diversity Analysis of Quantitative Traits of Maize Varieties in Different Ecological Regions of Shanxi Province[J]. Guangdong Agricultural Sciences, 2023, 50(5): 11-20.   DOI: 10.16768/j.issn.1004-874X.2023.05.002

基金项目

山西省农业科学院作物科学研究所青年基金项目(ZQ2004)

作者简介

王怡(1994—),女,硕士,研究实习员,研究方向为玉米育种,E-mail:857942850@qq.com.

通讯作者

段运平(1961—),男,博士,研究员,研究方向为玉米遗传育种,E-mail:duanyp61@163.com.

文章历史

收稿日期:2022-11-04
山西省不同生态区玉米品种数量性状多样性分析
王怡 , 刘守渠 , 郭峰 , 任小燕 , 段运平     
山西农业大学农学院,山西 晋中 030801
摘要:【目的】 充分挖掘并利用山西省不同生态区优质玉米品种。【方法】 对山西省4个生态区的75个玉米品种的13个数量性状进行相关性分析、主成分分析和聚类分析。【结果】 13个数量性状中出籽率和粗淀粉含量变异系数较小,分别为1.78%、1.92%,说明玉米品种的这两个性状能够稳定遗传;穗位和粗脂肪的变异系数较大,分别为15.06%、13.78%,说明玉米品种的穗位和粗脂肪具有较大的选择潜力。产量与生育期、总叶片数、株高、穗位、行粒数、百粒质量以及出籽率间均呈现极显著正相关,相关系数分别为0.591、0.520、0.630、0.57、0.315、0.461、0.380;与粗脂肪间呈现极显著负相关,相关系数为-0.438。主成分分析发现,前4个主成分累计贡献率为71.35%,其中第1主成分主要反映产量、粗脂肪、穗位、总叶片数;第2主成分主要反映生育期、行粒数、粗淀粉;第3主成分主要反映粗蛋白、粗淀粉、穗长以及行粒数;第4主成分主要反映容重。聚类分析显示,75个玉米品种的13个数量性状最终划分为3个类群,初步明确了各个类群特征,其中第Ⅰ类群适合筛选容重、粗蛋白以及粗脂肪含量较高的玉米品种,第Ⅱ类群适合筛选产量高及粗淀粉含量高的玉米品种,第Ⅲ类群适合筛选株高、穗位以及穗长数值较大的玉米品种。【结论】 75个玉米材料有着比较丰富的遗传多样性,且数量性状之间均存在不同程度的相关性。主成分分析一共提取出4个主成分,累计贡献率为71.36%,分别是产量因子、行粒数因子、粗蛋白因子、容重因子。聚类分析将75个玉米品种划分为了3个类群,这3个类群差异表现在容重、产量、株高等特征上。本研究为山西省玉米亲本的选配和性状改良奠定了研究基础。
关键词玉米品种    数量性状    主成分分析    相关性分析    聚类分析    
Diversity Analysis of Quantitative Traits of Maize Varieties in Different Ecological Regions of Shanxi Province
WANG Yi , LIU Shouqu , GUO Feng , REN Xiaoyan, , DUAN Yunping     
College of Agriculture, Shanxi Agricultural University, Jinzhong 030801, China
Abstract: 【Objective】 To fully explore and utilize high quality maize varieties in different ecological regions of Shanxi Province. 【Method】 Correlation analysis, principal component analysis and cluster analysis were performed on 13 quantitative traits of 75 maize varieties from 4 ecological regions in Shanxi Province. 【Result】 Among the 13 quantitative characters, the variation coefficients of seed yield and crude starch content were small, which were 1.78% and 1.92%, respectively, indicating that these two characters could be inherited stably. The coefficient of variation of ear position and ether extract was 15.06% and 13.78%, respectively, indicating that ear position and ether extract of maize varieties had greater potential for selection. Yield was significantly positively correlated with growth period, total leaf number, plant height, ear position, row number, 100-grain weight and seed production rate, and the correlation coefficients were 0.591, 0.520, 0.630, 0.57, 0.315, 0.461 and 0.380, respectively. The yield was significantly negatively correlated with crude fat, and the correlation coefficient was -0.438. The results of principal component analysis showed that the cumulative contribution rate of the first four principal components was 71.35%. The first principal component mainly reflected the yield, crude fat, ear position and total leaf number. The second principal component mainly reflected growth period, row number and crude starch. The third principal component mainly reflected the crude protein, crude starch, ear length and row number. The fourth principal component mainly reflects the bulk density. Cluster analysis showed that 13 quantitative characters of 75 maize varieties were divided into 3 groups, and the characteristics of each group were preliminarily defined. Group Ⅰ was suitable for screening maize varieties with higher bulk density, crude protein and crude fat content, group Ⅱ was suitable for screening maize varieties with high yield and high crude starch content. Group Ⅲ was suitable for screening maize varieties with higher plant height, ear position and ear length. 【Conclusion】 The 75 maize materials had rich genetic diversity, and the quantitative characters were correlated with each other to different degrees. A total of 4 principal components were extracted by principal component analysis, with a cumulative contribution rate of 71.36%, which were yield factor, row number factor, crude protein factor and bulk density factor. The 75 maize varieties were divided into three groups by cluster analysis. The differences of these three groups were shown in the characteristics of bulk density, yield and plant height. This study laid a foundation for the selection and character improvement of maize parents in Shanxi Province.
Key words: maize varieties    quantitative character    principal component analysis    correlation analysis    cluster analysis    

【研究意义】玉米是山西省第一大粮食作物,其单产和总产量均呈逐年增长的趋势,然而山西省气候多变且地形结构复杂,为推动该省玉米产业的发展,育种专家就需要对山西省不同生态区玉米长势情况进行调研与分析,并选育出高产、优质的玉米品种[1-6]。【前人研究进展】玉米的产量性状和品质性状均属于数量性状,这些性状除了会随着环境的变化而变化,更是受到多个基因的控制。郭欢乐等[7]对139个湖南省玉米地方品种进行表型性状鉴定,通过聚类分析和主成分分析对其进行类群划分和表型综合评价,最终将所有品种划分为3个类群,并筛选出22个表现优异的地方品种,为湖南玉米种质的创新利用提供重要资源。韩学琴等[8]为了研究金沙江干热河谷区不同青贮玉米品种生物产量变化与相关农艺性状的关系,以国内收集的25个青贮玉米品种为试验材料,采用相关性分析、主成分分析及灰色关联度的方法评价了这些品种在金沙江干热河谷区的生产潜力,最终发现株高、茎粗、叶长、青叶数等主要农艺性状与生物产量的相关性达到显著或极显著水平,且选出3个农艺性状优良、抗倒伏倒折、空秆率低的优良青贮玉米品种。周长军[9]采用主成分分析法和AMMI模型对15个玉米品种的14个性状进行综合分析,最终筛选出2个适合在黑龙江省种植的高产稳产型品种。当前多数采用相关性分析、主成分分析以及聚类分析等方式来进行数量性状的遗传多样性研究,上述方法除用在玉米品种上,还被用在油菜[10]、番茄[11]、绿豆[12]、苎麻[13]、大豆[14]、谷子[15]、小麦[16]、粟米[17]等植物。【本研究切入点】近年来,虽然我国很多学者对玉米数量性状进行了详尽的研究,但由于采用了不同的种植环境以及不同的玉米品种,导致最终得出的结论也不尽相同。此外,不同区域的生态条件存在着显著差异,专家学者需要选育出适合不同区域生长的玉米品种。本文主要对山西省不同生态区玉米种质资源进行评价与筛选,积极推动山西省玉米育种工作的开展。【拟解决的关键问题】对收集到的75个山西省不同生态区玉米品种的13个数量性状(产量性状以及品质性状)进行调查,利用相关性分析、主成分分析和聚类分析方法来对山西省不同生态区玉米品种的多样性进行研究,了解这些玉米品种的变异丰富程度,为后续山西省玉米育种研究提供参考。

1 材料与方法 1.1 试验材料

选用山西省农业农村厅农作物审定公告的75个玉米品种,具体信息如表 1所示,参试品种包含:特早熟区玉米19个,早熟区15个,中晚熟区21个,复播区20个。其中,山西南部复播玉米区包括临汾盆地和运城地区,常年活动积温大于3 700℃•d,对照品种为郑单958;山西春播特早熟玉米区是全省玉米分布最少、单产最低的地区,常年活动积温2 095~2 397 ℃•d,对照品种为德美亚1号;山西春播早熟玉米区主要分布于大同盆地、桑干河流域等地区,常年活动积温2 600~ 2 867 ℃•d,对照品种为大丰30;山西春播中晚熟玉米区是山西省玉米主要产区之一,常年活动积温2 600~3 700 ℃•d,对照品种为先玉335。

表 1 山西省4个生态区的75个玉米品种 Table 1 75 maize varieties from 4 ecological regions in Shanxi Province

1.2 试验设计

试验于2021年5—10月在山西省的4个生态区试验点进行,其中特早熟区试验地位于岢岚县三井镇三井村,早熟区试验地位于五台县阳白乡智家庄村,复播区试验地为侯马高村乡西台神村,中晚熟区试验地位于定襄县智村。试验采用随机区组设计,3次重复,每小区5行,行长6.67 m,行距0.6 m,小区面积20 m2,种植密度67 500株/hm2

1.3 测定指标及方法

10月4日玉米乳熟期采收后每个品种取6株测量生育期X1(d)、总叶片数X2(片)、株高X3(cm)、穗位X4(cm)。连续取6株室内考种,测量玉米穗长X5(cm)、行粒数X6(粒)、百粒质量X7(g)、出籽率X8(%),运用容重器测定玉米容重X9(g/L),凯氏定氮仪测定粗蛋白X10(%),近红外法测定粗脂肪X11(%),旋光仪测定粗淀粉X12(%),最终称重计算产量X13(kg/hm2)。试验数据使用SPSS软件进行统计分析[18]

2 结果与分析 2.1 山西省不同生态区玉米品种的数量性状

表 2表 3可以发现,75个不同生态区玉米品种的变异幅度较大,介于1.78%~15.06% 之间,平均变异系数为7.77%,其中变异幅度最大的是穗位,表明4个生态区中玉米穗位的遗传多样性较丰富,变异幅度最小的是粗淀粉。在产量性状中,生育期、总叶片数、株高、穗位、穗长、行粒数、百粒质量、出籽率、产量的平均值分别为119.77、19.92、276.72、100.91、19.41、37.69、35.26、86.00、750.88,其中变异系数最大的是穗位、为15.06%,变异系数最小的是出籽率、为1.78%。穗位最高的玉米品种为早熟区的辉玉7733,最短为早熟区的并单61。在品质性状中,容重、粗蛋白、粗脂肪、粗淀粉的平均值分别为769.61、9.99、3.85、74.83,其中变异系数最大的是粗脂肪、为13.78%,粗蛋白、容重和粗淀粉的变异系数分别为10.22%、2.63% 和1.92%。粗脂肪含量最高的玉米品种为特早熟区的赛德6号,粗脂肪含量最低的玉米品种为中晚熟区的鸿谷1701。

表 2 75个玉米品种13个数量性状的测定结果 Table 2 Results of 13 quantitative traits in 75 maize varieties

表 3 75个玉米品种数量性状的多样性分析 Table 3 Diversity analysis of quantitative traits in 75 maize varieties

2.2 不同生态区玉米品种数量性状的相关性分析

对75个山西省不同生态区玉米资源的13个数量性状进行相关性分析,结果如表 4所示,呈极显著相关的性状有29对,其中正相关22对、负相关7对;呈显著相关的性状有7对,其中正相关5对、负相关2对。产量与生育期、总叶片数、株高、穗位、行粒数、百粒质量以及出籽率间均呈极显著正相关。粗脂肪与总叶片数、株高、穗位以及百粒质量间呈极显著负相关,与出籽率间呈显著负相关。

表 4 不同生态区玉米品种数量性状的相关性分析 Table 4 Correlation analysis of quantitative traits in maize varieties in different ecological zones

2.3 不同生态区玉米品种数量性状的主成分分析

对75个山西省不同生态区玉米资源的13个数量性状进行主成分分析,结果(表 5~ 表 6)发现,以特征值大于1为标准提取主成分,前4个主成分累计贡献率为71.35%。其中,第1主成分(产量因子)的特征值为4.33、贡献率为33.33%,主要反映产量(X13)、粗脂肪(X11)、穗位(X4)、总叶片数(X2);第2主成分(行粒数因子)的特征值为1.97、贡献率为15.16%,主要反映生育期(X1)、行粒数(X6)、粗淀粉(X12);第3主成分(粗蛋白因子)的特征值为1.87、贡献率为14.38%,主要反映粗蛋白(X10)、粗淀粉(X12)、穗长(X5)以及行粒数(X6);第4主成分(容重因子)的特征值为1.10、贡献率为8.47%,主要反映容重(X9)。

表 5 玉米品种数量性状中主成分方差因子的贡献率 Table 5 Contribution rate of principal component variance factors of quantitative traits in maize varieties

表 6 不同生态区玉米品种数量性状的主成分分析 Table 6 Principal component analysis of quantitative traits in maize varieties in different ecological zones

2.4 不同生态区玉米品种数量性状的聚类分析

不同生态区玉米品种数量性状的聚类分析如图 2所示,在距离为0.010时,可以将75个玉米品种分为三大类群,且这三大类群间存在一定差异。由表 7可知,第Ⅰ类群包括6个玉米品种,占总种质资源的8.00%,主要特征是容重、粗蛋白以及粗脂肪含量较高,平均值分别达到779.50、10.30、4.71;第Ⅱ类群包括12个玉米品种,占总种质资源的16%,主要特征是产量及粗淀粉含量高,平均值分别为892.98、74.94;第Ⅲ类群包括57个玉米品种,占总种质资源的76.00%,主要特征是株高、穗位以及穗长的数值较大,平均值分别为283.32、109.34、20.30。

图 2 不同生态区玉米品种数量性状的聚类分析 Fig. 2 Cluster analysis of quantitative traits in maize varieties in different ecological zones

表 7 不同类群玉米数量性状的平均值和变异系数 Table 7 Average value and coefficient of variation of quantitative traits in different groups of maize

3 讨论

在开展育种工作的过程中,只有了解不同玉米品种的多样性情况,才能够为后续的新品种选育提供理论指导。本研究通过对山西不同生态区的75个玉米品种进行多样性研究,相关性分析最终发现,13个数量性状(包括产量性状及品质性状)中变异系数最大达15.06%,最小为1.78%,平均变异系数为7.77%,表明75个玉米品种的数量性状间存在着较为明显的差异,其遗传多样性也较为丰富。玉米品种的出籽率和粗淀粉含量变异系数较小,说明玉米品种的这两个性状能够稳定遗传,该结论与罗黎明等[19]的研究结果基本一致。穗位和粗脂肪这两个性状的变异系数较大,说明玉米品种的穗位和粗脂肪具有较大的选择潜力。

13个数量性状间相关性分析结果显示,各数量性状至少与1个其他性状间呈显著或极显著相关。产量与生育期、总叶片数、株高、穗位、行粒数、百粒质量以及出籽率间均呈现极显著正相关,其与粗脂肪间呈现极显著负相关。上述结果表明日后在选育玉米品种时可以通过生育期、株高、总叶片数等数值来初步判断产量大小,这与李影正等[20]的研究结果一致。

主成分分析能够对不同数量性状的相关性进行深度分析,目前该方法已经运用在燕麦[21]、小麦[22]、桃[23]、葡萄[24]等种质资源评价上。主成分分析结果显示,前4个主成分累计贡献率为71.35%。其中,第1主成分的特征值为4.33、贡献率为33.33%,主要反映产量、粗脂肪、穗位、总叶片数;第2主成分的特征值为1.97、贡献率为15.16%,主要反映生育期、行粒数、粗淀粉;第3主成分的特征值为1.87、贡献率为14.38%,主要反映粗蛋白、粗淀粉、穗长以及行粒数;第4主成分的特征值为1.10、贡献率为8.47%,主要反映容重。因此,在对山西省玉米品种进行选育时,可以根据育种目标由主成分分析的因子排序,全面评价各个品种的优劣,从而促进玉米育种的开展。

聚类分析能够进一步了解到不同玉米品种与目标性状间存在的关联,进而挖掘玉米资源间的亲缘特性,为后续精细化育种方案的制定提供依据。当前很多学者均使用聚类分析来进行亲本选择,如在猕猴桃[25]、水稻[26]、小麦[27]等作物上已见报道。本研究对75个玉米品种的13个数量性状进行聚类分析,最终划分为3个类群,初步明确了各个类群之间的特征,其中第Ⅰ类群适合筛选容重、粗蛋白以及粗脂肪含量较高的玉米品种,第Ⅱ类群适合筛选产量高及粗淀粉含量高的玉米品种,第Ⅲ类群适合筛选株高、穗位以及穗长数值较大的玉米品种。由于玉米数量性状的调查容易受到外界因素的影响,因此在后续品种选育过程中我们还需运用多年试点以及DNA分子鉴定的方式来进行深度研究,进而构建更加全面的玉米品种评价体系[28-29]

4 结论

本研究主要对山西省不同生态区的75个玉米品种的13个数量性状进行了多样性、相关性、主成分和聚类分析,最终发现75个材料有着比较丰富的遗传多样性,且数量性状之间均存在不同程度的相关性。主成分分析共提取出4个主成分,累计贡献率为71.35%,分别是产量因子、行粒数因子、粗蛋白因子、容重因子。聚类分析将75个玉米品种划分为3个类群,这3个类群差异表现在容重、产量、株高等特征上。以上结果为日后山西省玉米亲本的选配和性状改良奠定基础。

参考文献(References):
[1]
李新凤, 尉天春, 王雪梅, 姜晓东, 杨俊伟, 冯铸, 王建明. 山西玉米丝黑穗病菌SSR遗传多样性与群体结构分析[J]. 植物病理学报, 2021, 51(6): 921-933. DOI:10.13926/j.cnki.apps.000749
LI X F, YU T C, WANG X M, JIANG X D, YANG J W, FENG Z, WANG J M. Assessment of genetic diversity and population structure of sporisorium reilianum causing corn head smut using SSR markers in Shanxi[J]. Acta Phytopathologica Sinica, 2021, 51(6): 921-933. DOI:10.13926/j.cnki.apps.000749
[2]
李阳, 张杰, 白炬, 徐芳蕾, 薄其飞, 岳善超. 山西高产氮高效玉米品种的筛选及其干物质氮素累积与分配[J]. 玉米科学, 2021, 29(1): 154-161. DOI:10.13597/j.cnki.maize.science.20210122
LI Y, ZHANG J, BAI J, XU F L, BO Q F, YUE S C. Screening of High-Yield and high nitrogen use efficiency varieties in Shanxi and their accumulation and distribution of dry matter and nitrogen[J]. Journal of Maize Sciences, 2021, 29(1): 154-161. DOI:10.13597/j.cnki.maize.science.20210122
[3]
刘守渠, 段运平, 郭峰, 任小燕, 王怡. 影响山西春播中晚熟玉米产量的主要因素与应对措施[J]. 农业科技通讯, 2020(10): 271-274. DOI:10.3969/j.issn.1000-6400.2020.10.085
LIU S Q, DUAN Y P, GUO F, REN X Y, WANG Y. The main factors affecting the yield of spring sowing middle and late maturing maize in Shanxi and the countermeasures[J]. Bulletin of Agricultural Science and Technology, 2020(10): 271-274. DOI:10.3969/j.issn.1000-6400.2020.10.085
[4]
杨睿, 张正, 常建忠, 董春林. 2018年山西省特早熟区组玉米品种比较试验[J]. 山西农业科学, 2020, 48(9): 1393-1397, 1486. DOI:10.3969/j.issn.1002-2481.2020.09.07
YANG R, ZHANG Z, CHANG J Z, DONG C L. Comparative test of maize varieties in super early maturing district of shanxi province in 2018[J]. Journal of Shanxi Agricultural Sciences, 2020, 48(9): 1393-1397, 1486. DOI:10.3969/j.issn.1002-2481.2020.09.07
[5]
吉佩. 山西玉米大斑病菌生理小种鉴定及苗期抗性评价体系建立[D]. 太谷: 山西农业大学, 2020. DOI: 10.27285/d.cnki.gsxnu.2020.000481.
JI P. Identification of physiological races of Setosphaeria turcica in Shanxi and establishment of seedling resistance evaluation system[D]. Taigu: Shanxi Agricultural University, 2020. DOI: 10.27285/d.cnki.gsxnu.2020.000481.
[6]
李阳. 高产氮高效春玉米品种筛选及干物质和氮素的累积与分配[D]. 杨凌: 西北农林科技大学, 2020. DOI: 10.27409/d.cnki.gxbnu.2020.001017.
LI Y. Screening of high-yield and high-efficiency spring maize varieties and accumulation and distribution of dry matter and nitrogen[D]. Yangling: Northwest A & F University, 2020. DOI: 10.27409/d.cnki.gxbnu.2020.001017.
[7]
郭欢乐, 汤彬, 李涵, 曹钟洋, 曾强, 刘良武, 陈志辉. 湖南省玉米地方品种表型性状综合评价及类群划分[J]. 作物杂志, 2022(6): 33-41. DOI:10.16035/j.issn.1001-7283.2022.06.005
GUO H L, TANG B, LI H, CAO Z Y, ZENG Q, LIU L W, CHEN Z H. Comprehensive evaluation of phenotypic traits and classification of maize landraces in Hunan Province[J]. Crops, 2022(6): 33-41. DOI:10.16035/j.issn.1001-7283.2022.06.005
[8]
韩学琴, 邓红山, 普天磊, 罗会英, 赵琼玲, 廖承飞, 薛世明, 范建成, 金杰. 金沙江干热河谷区青贮玉米品种农艺性状分析[J]. 草地学报, 2021, 29(6): 1327-1335. DOI:10.11733/j.issn.1007-0435.2021.06.024
HAN X Q, DENG H S, PU T L, LUO H Y, ZHAO Q L, LIAO C F, XUE S M, FAN J C, JIN J. The study on agronomic characters of silage maize varieties in dry-hot valley region of Jinsha River[J]. Acta Agrestia Sinica, 2021, 29(6): 1327-1335. DOI:10.11733/j.issn.1007-0435.2021.06.024
[9]
周长军. 黑龙江省联合体试验玉米新品种综合性状评价及与环境互作的分析[J]. 黑龙江农业科学, 2021(11): 1-7. DOI:10.11942/j.issn1002-2767.2021.11.0001
ZHOU C J. Comprehensive traits evaluation and analysis of interaction with environment of the new maize varieties consortium test in Heilongjiang Province[J]. Heilongjiang Agricultural Sciences, 2021(11): 1-7. DOI:10.11942/j.issn1002-2767.2021.11.0001
[10]
刘娜, 李华健, 黄乔芬, 文和明, 邓国军, 罗贞媛. 甘蓝型油菜主要农艺性状相关及聚类分析[J]. 中国种业, 2022(4): 90-93. DOI:10.19462/j.cnki.1671-895x.2022.04.052
LIU N, LI H J, HUANG Q F, WEN H M, DENG G J, LUO Z Y. Correlation and cluster analysis of main agronomic traits of Brassica napus[J]. China Seed Industry, 2022(4): 90-93. DOI:10.19462/j.cnki.1671-895x.2022.04.052
[11]
娄茜棋, 梁燕. 五类不同果色番茄种质资源品质分析[J]. 浙江农业学报, 2023, 35(3): 582-589. DOI:10.3969/j.issn.1004-1524.2023.03.11
LOU Q Q, LIANG Y. Qua lity analysis of five kinds of tomatog ermplasm resources with different fruit colors[J]. Acta Agriculturae Zhejiangensis, 2023, 35(3): 582-589. DOI:10.3969/j.issn.1004-1524.2023.03.11
[12]
侯小峰, 王彩萍, 刘静, 宋瑞军, 成玉红, 李婷. 绿豆种质资源主要农艺性状相关及聚类分析[J]. 农业科技通讯, 2021(2): 134-140. DOI:10.3969/j.issn.1000-6400.2020.02.047
HOU X F, WANG C P, LIU J, SONG R J, CHENG Y H, LI T. Correlation and cluster analysis of main agronomic traits of mung bean germplasm resources[J]. Bulletin of Agricultural Science and Technology, 2021(2): 134-140. DOI:10.3969/j.issn.1000-6400.2020.02.047
[13]
周倩文, 王昕慧, 刘纯, 全芮萍, 刘皖慧, 刘婕仪, 赵亮, 付虹雨, 崔国贤, 杨瑞芳. 饲用苎麻种质资源农艺性状相关及聚类分析[J]. 作物研究, 2021, 35(6): 621-625. DOI:10.16848/j.cnki.issn.1001-5280.2021.06.15
ZHOU Q W, WANG X H, LIU C, QUAN R P, LIU W H, LIU J Y, ZHAO L, FU H Y, CUI G X, YANG R F. Correlation and cluster analysis of agronomic characters of forage ramie germplasm resources[J]. Crop Research, 2021, 35(6): 621-625. DOI:10.16848/j.cnki.issn.1001-5280.2021.06.15
[14]
杜世坤, 赵宝勰, 赵振宁, 高玉芳, 李雨阳, 陈彩霞, 强旭阳. 间作用大豆亲本的相关性、主成分及聚类分析[J]. 分子植物育种, 2022, 20(1): 266-275. DOI:10.13271/j.mpb.020.000266
DU S K, ZHAO B X, ZHAO Z N, GAO Y F, LI Y Y, CHEN C X, QIANG X Y. Correlation analysis, principal component analysis and cluster analysis in parent selection of intercropping soybean[J]. Molecular Plant Breeding, 2022, 20(1): 266-275. DOI:10.13271/j.mpb.020.000266
[15]
赵芳, 魏玮, 张晓磊, 宋国亮, 王晓明, 赵治海, 赵春慧. 224个谷子品种农艺性状聚类和相关性分析[J]. 种子, 2022, 41(1): 74-83. DOI:10.16590/j.cnki.1001-4705.2022.01.074
ZHAO F, WEI W, ZHANG X L, SONG G L, WANG X M, ZHAO Z H, ZHAO C H. Clustering and correlation analysis of agronomic traits of 224 millet varieties[J]. Seed, 2022, 41(1): 74-83. DOI:10.16590/j.cnki.1001-4705.2022.01.074
[16]
史晓芳, 逯腊虎, 张伟, 张婷, 袁凯, 杨斌, 张建诚. K型小麦恢复系主要农艺性状的相关性及聚类分析[J]. 陕西农业科学, 2022, 68(2): 6-11. DOI:10.3969/j.issn.0488-5368.2022.02.002
SHI X F, LU L H, ZHANG W, ZHANG T, YUAN K, YANG B, ZHANG J C. Correlation and cluster analysis of main agronomic characters of restoration line of K-type in wheat[J]. Shaanxi Journal of Agricultural Sciences, 2022, 68(2): 6-11. DOI:10.3969/j.issn.0488-5368.2022.02.002
[17]
石丽敏, 吕学高, 朱正梅, 宋费玲, 许巧贤, 陈一波, 卢华兵. 21个粟米品种经济性状的相关性及聚类分析[J]. 浙江农业科学, 2022, 63(4): 692-694, 707. DOI:10.16178/j.issn.0528-9017.20212545
SHI L M, LYU X G, ZHU Z M, SONG F L, XU Q X, CHEN Y B, LU H B. Correlation and cluster analysis of agronomic traits among 21 millet varieties[J]. Journal of Zhejiang Agricultural Sciences, 2022, 63(4): 692-694, 707. DOI:10.16178/j.issn.0528-9017.20212545
[18]
廖学圆, 李永梅, 陈佳钰, 范茂攀, 赵吉霞. 缓释氮肥对饲用玉米氮素吸收及产量品质的影响[J]. 广东农业科学, 2022, 49(5): 53-64. DOI:10.16768/j.issn.1004-874X.2022.05.007
LIAO X Y, LI Y M, CHEN J Y, FAN M P, ZHAO J X. Effects of slowreleasen nitrogen fertilizers on nitrogen uptake, yield and quality of forage maize[J]. Guangdong Agricultural Sciences, 2022, 49(5): 53-64. DOI:10.16768/j.issn.1004-874X.2022.05.007
[19]
罗黎明, 包改丽, 姚文华, 徐春霞, 王晶, 陈洪梅, 蒋辅燕, 高连彰, 和永昌, 汪燕芬, 吴海兰, 毕亚琪, 尹兴福, 何永健. 20个新选玉米自交系产量和穗部性状配合力及其相关性研究[J]. 西南农业学报, 2021, 34(10): 2084-2092. DOI:10.16213/j.cnki.scjas.2021.10.004
LUO L M, BAO G L, YAO W H, XU C X, WANG J, CHEN H M, JIANG F Y, GAO L Z, HE Y C, WANG Y F, WU H L, BI Y Q, YIN X F, HE Y J. Combining ability of yield and ear characters and their correlation about twenty new bred maize inbred lines[J]. Southwest China Journal of Agricultural Sciences, 2021, 34(10): 2084-2092. DOI:10.16213/j.cnki.scjas.2021.10.004
[20]
李影正, 严旭, 吴子周, 杨春燕, 李晓锋, 何如钰, 张萍. 饲草玉米不同生育期的产量、品质和青贮利用研究[J]. 草业学报, 2019, 28(7): 82-91. DOI:10.11686/cyxb2019070
LI Y Z, YAN X, WU Z Z, YANG C Y, LI X F, HE R Y, ZHANG P. Forage maize type and growth stage effects on biomass yield and silage quality[J]. Acta Prataculturae Sinica, 2019, 28(7): 82-91. DOI:10.11686/cyxb2019070
[21]
吴海艳, 曲珍, 刘昭明, 拉巴顿珠, 同桑措姆, 曲尼, 尼玛卓嘎, 马玉寿. 基于主成分分析的燕麦品种生产性能的比较研究[J]. 草地学报, 2021, 29(9): 1967-1973. DOI:10.11733/j.issn.1007-0435.2021.09.013
WU H Y, QU Z, LIU Z M, LABA D Z, TONGSANG C M, QU N, NIMA Z G, MA Y S. Comparative study on production performance of oat varieties based on principa lcomp onent analysis[J]. Acta Agrestia Sinica, 2021, 29(9): 1967-1973. DOI:10.11733/j.issn.1007-0435.2021.09.013
[22]
郝建宇, 郭利磊, 王敏, 曹勇, 马小飞, 张定一, 姬虎太. 近10年黄淮冬麦区北片水地区试小麦品种(系) 品质的主成分分析[J]. 山西农业科学, 2021, 49(10): 1143-1147. DOI:10.3969/j.issn.1002-2481.2021.10.01
HAO J Y, GUO L L, WANG M, CAO Y, MA X F, ZHANG D Y, JI H T. Principal component analysis of winter wheat varieties(lines) quality in the north Huanghe-Huaihe irrigated region in recent ten years[J]. Journal of Shanxi Agricultural Sciences, 2021, 49(10): 1143-1147. DOI:10.3969/j.issn.1002-2481.2021.10.01
[23]
戴瀚铖, 成纪予. 不同品种鲜切桃贮藏期品质变化与主成分分析[J]. 包装工程, 2021, 42(19): 85-92. DOI:10.19554/j.cnki.1001-3563.2021.19.012
DAI H C, CHENG J Y. Quality changes and principal component analysis in fresh-cut peach of different varieties during storage[J]. Packaging Engineering, 2021, 42(19): 85-92. DOI:10.19554/j.cnki.1001-3563.2021.19.012
[24]
李凯, 商佳胤, 张鹤, 王丹, 苏宏. 基于主成分分析的葡萄延迟栽培品种综合评价[J]. 中外葡萄与葡萄酒, 2021(4): 20-25. DOI:10.13414/j.cnki.zwpp.2021.04.005
LI K, SHANG J Y, ZHANG H, WANG D, SU H. Evaluation of grape varieties for facility delayed cultivation based on principal component analysis[J]. Sino-Overseas Grapevine & Wine, 2021(4): 20-25. DOI:10.13414/j.cnki.zwpp.2021.04.005
[25]
王丹, 梁锦, 黄天姿, 张璐, 李锐, 李瑞娟, 杨淑霞, 罗安伟. 基于主成分和聚类分析的不同品种猕猴桃鲜食品质评价[J]. 食品工业科技, 2021, 42(7): 1-8. DOI:10.13386/j.issn1002-0306.2020050240
WANG D, LIANG J, HUANG T Z, ZHANG L, LI R, LI R J, YANG S X, LUO A W. Fresh food quality evaluation of Kiwifruit based on principal component analysis and cluster analysis[J]. Science and Technology of Food Industry, 2021, 42(7): 1-8. DOI:10.13386/j.issn1002-0306.2020050240
[26]
徐清宇, 余静, 朱大伟, 郑小龙, 孟令启, 朱智伟, 邵雅芳. 基于主成分分析和聚类分析的不同水稻品种营养品质评价研究[J]. 中国稻米, 2022, 28(6): 1-8. DOI:10.3969/j.issn.1006-8082.2022.06.001
XU Q Y, YU J, ZHU D W, ZHENG X L, MENG L Q, ZHU Z W, SHAO Y F. Nutritional quality evaluation of different rice varieties based on principal component analysis and cluster analysis[J]. China Rice, 2022, 28(6): 1-8. DOI:10.3969/j.issn.1006-8082.2022.06.001
[27]
张子豪, 李想成, 吴昊天, 付鹏浩, 高春保, 张运波, 邹娟. 基于灰色关联度分析和聚类分析的丰产高效小麦品种综合评价与筛选[J]. 江苏农业科学, 2022, 50(10): 194-200. DOI:10.15889/j.issn.1002-1302.2022.10.031
ZHANG Z H, LI X C, WU H T, FU P H, GAO C B, ZHANG Y B, ZOU J. Comprehensive evaluation and selection of high-yield and highefficiency wheat varieties(lines) based on grey correlation analysis and cluster analysis[J]. Jiangsu Agricultural Sciences, 2022, 50(10): 194-200. DOI:10.15889/j.issn.1002-1302.2022.10.031
[28]
张楠, 陈婷, 李小凤, 李武, 肖汉祥, 李高科. 54份鲜食玉米品种草地贪夜蛾抗虫性鉴定与评价[J]. 广东农业科学, 2021, 48(12): 25-32. DOI:10.16768/j.issn.1004-874X.2021.12.004
ZHANG N, CHEN T, LI X F, LI W, XIAO H X, LI G K. Identification and evaluation of resistance of 54 fresh corn hybrids to fall Armyworm, Spodoptera frugiperda[J]. Guangdong Agricultural Sciences, 2021, 48(12): 25-32. DOI:10.16768/j.issn.1004-874X.2021.12.004
[29]
田耀加, 王秋燕, 吴蓓, 叶伟忠, 陈红弟. 鲜食玉米抗南方锈病种质资源鉴定筛选[J]. 广东农业科学, 2021, 48(7): 111-117. DOI:10.16768/j.issn.1004-874X.2021.07.014
TIAN Y J, WANG Q Y, WU B, YE W Z, CHEN H D. Identification and selection of fresh corn germplasm resources with resistance to southern cornrust[J]. Guangdong Agricultural Sciences, 2021, 48(7): 111-117. DOI:10.16768/j.issn.1004-874X.2021.07.014

(责任编辑     马春敏)