農藝性狀的多元統計分析范文

本站小編為你精心準備了農藝性狀的多元統計分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:

對81份外引亞麻種質資源主要農藝性狀的變異度進行分析，表明存在較大遺傳差異，多樣性比較豐富。在此基礎上，通過因子分析，把能代表7個性狀的前3個因子歸類為產量因子、單果種子數因子和株形因子，經相關性分析確定了各性狀之間的關系。按系統聚類，把81份材料聚成為3大類，為不同育種目標提供依據。

關鍵詞:

外引;亞麻;農藝性狀;分析

亞麻屬亞麻科(Liace-ae)亞麻屬(Linum)，栽培亞麻分為纖維用型、油用型以及油纖兼用型，是重要的纖維和油料作物。多元統計分析是運用數理統計方法來解決多指標問題的理論和方法［1－3］，在多種作物的資源研究中得到應用［2－4］。近年來，亞麻的種質資源研究有很大進展［5－7］，除深入進行農藝性狀和品質性狀的鑒定和描述外，多元分析也得到廣泛應用［8－11］。文章對收集的外引油用亞麻品種資源的7個主要農藝性狀，采用變異度分析、因子分析、相關性分析和系統聚類等多元統計分析方法對資源進行分析整理，為加快優良資源的利用和育種提供依據。

1材料與方法

1．1供試材料試驗材料選用由云南大學劉飛虎提供的外引材料中的81份種質資源，編號依次為1～81。其中1～36號從荷蘭引入，37～81號從加拿大引入。

1．2試驗方法本試驗采用隨機區組播種，不設重復，每品種視種子量的多少播種2～5行，行長1．5m，行距0．3m。試驗地四周設保護行(保護行種植其他亞麻品種)。試驗期間，詳細記載各品種的物候期，收獲時每試驗小區按不同點隨機選取10株進行考種。整個生育期進行常規管理。1．3數據統計分析采用DPS數據處理系統進行數據處理。

2結果與分析

2．1變異度分析從表1看出，各參試材料平均株高69．99cm，蒴果數44．55個/株，著粒數7．57粒/個，千粒重5．77g，單株種子重1．87g。7個主要農藝性狀平均變異系數為25．59%，其中單株種子重變異系數最大，為36．36%，變幅為0．85～3．87。其次是單株蒴果數(31．1%)、分枝數(28．96%)、千粒重(27．56%)、莖粗(22．07%)，最小的是株高(16．59%)和著粒數(16．51%)。表明81份資源農藝性狀存在較大的差異，這些材料是選育油用亞麻品種的優異資源。

2．2因子分析對81份供試材料的主要農藝性狀進行因子分析，經過KMO和Bartlett檢驗，由表2可知，KMO值為0．6344，大于0．5，表明樣本基本合適。Bartlett值為304．4524，P小于0．05，相關矩陣不是一個單位矩陣，數據適用于因子分析。利用方差極大正交旋轉得到因子特征值和因子特征向量載荷值(表3)，其中前3個因子的累積貢獻率達到81．0874%，表明這3個農藝性狀因子基本保持了7個農藝性狀的絕大部分信息。因子1的特征值為2．7711，分枝數、蒴果數、千粒重、單株種子重的載荷值較大，說明這4個性狀存在相互促進的關系，這些性狀跟產量構成有關，可稱為產量因子。因子2的特征值為1．8311，僅著粒數載荷值較大，可稱為單果種子數因子。因子3的特征值為1．0739，株高、莖粗的載荷值較大，說明這2個性狀存在相互促進的關系，這些性狀跟植株形態有關，可稱為株形因子。

2．3相關性分析供試材料7個性狀中，單株種子重與千粒重、蒴果數、分枝數、莖粗呈極顯著正相關，與株高呈負相關，與著粒數呈極顯著負相關;千粒重與單株種子重呈極顯著正相關，與莖粗、分枝數、蒴果數呈正相關，與株高、著粒數呈極顯著負相關;著粒數與株高呈極顯著正相關，與千粒重、單株種子重呈極顯著負相關，與莖粗呈顯著負相關，與分枝數、蒴果數呈負相關;蒴果數與單株種子重、莖粗和分枝數呈極顯著正相關，與千粒重呈正相關，與株高呈負相關;分枝數與莖粗呈極顯著正相關，與著粒數和株高呈負相關;莖粗與分枝數、蒴果數、單株種子重呈極顯著正相關，與千粒重和株高呈正相關，與著粒數顯著負相關。從表4還可看出，單株種子重與千粒重、蒴果數、分枝數關系更為密切，在育種中應重點考慮這些性狀。

2．4聚類分析采用系統聚類中的最長距離法，數據經標準化處理，以歐氏距離為遺傳距離進行聚內分析，可得到3個品種群，結果見圖1。根據品種群中各品種性狀表現，各品種群有如下特征(表5)。品種群Ⅰ:這一類有51個品種，表現株高較高(平均73．45cm)，著粒數(平均8．09粒/個)較多，千粒重(平均5．14g)和單株種子重(平均1．52g)較低。這類品種可作為油纖兩用類型加以利用。品種群Ⅱ:這一類有4個品種，表現株高較低(平均43．33cm)，千粒重(平均9．53g)較高。這類品種可作為油用亞麻矮桿基因的來源和大粒型品種選育的親本材料加以利用。品種群Ⅲ:這一類有26個品種，表現株高適中(平均67．31cm)，莖粗(平均5．83cm)最粗，分枝數(平均17．62個)和蒴果數(平均58．88個)最多，單株種子重(平均2．59g)較高。這類品種可作為油用亞麻的育種資源加以利用，部分品種經品種比較試驗和多點試驗可直接應用。

3討論

種質資源的多樣性是育種的基礎，農藝性狀的鑒定和描述依然是種質資源研究最基本的方法和途徑。對81份外引亞麻種質資源主要農藝性狀的變異度分析，表明81份種質資源存在較大遺傳差異，多樣性比較豐富。在此基礎上，通過因子分析，把能代表7個性狀的前3個因子歸類為產量因子、單果種子數因子和株型因子。雖然每個因子都對幾個性狀起控制作用，但因子的載荷量不同，其作用程度也不同，表明單個因子對性狀起直接作用或間接作用。相關性分析確定的各性狀之間的關系表明，單株種子重與千粒重、蒴果數、分枝數關系更為密切，在育種中應重點考慮利用這些性狀。通過系統聚類，把81份材料劃分為3大類，其中品種群Ⅰ可作為油用亞麻矮桿基因的來源和大粒型品種選育的親本材料加以利用，品種群Ⅱ可作為油用亞麻矮桿基因的來源和大粒型品種選育的親本材料加以利用，品種群Ⅲ可作為油用亞麻的育種資源加以利用，部分品種經品種比較試驗和多點試驗可直接應用。文章僅對81份資源的部分農藝性狀進行了多元統計分析，為資源的進一步利用和品種選育提供了依據，而對纖維含量、纖維品質、種子含油量、脂肪酸構成等品質性狀未列入考察對象，值得進一步研究。

參考文獻:

［1］袁志發，劉元祖，林家寶，等．多個數量性狀的因子分析［J］．陜西農業科學，1998(1):24－26．

［2］林范學，林范學，程水明．香茹數量性狀的因子分析［J］．菌物學報，2004，23(4):502－507．

［3］楊為海，王維，鄒明宏，等．澳洲堅果果實數量性狀的因子分析［J］．熱帶作物學報，2011，32(9):1600－1604．

［4］桂敏，龍洪進，鐘秋月，等．引進辣椒種質資源果實性狀的多元統計分析［J］．西南農業學報，2014，27(2):772－776．

［5］路穎．亞麻種質資源的研究與利用［J］．黑龍江農業科學，2006(1):13－15．

［6］亢魯毅，張輝，賈霄云，等．我國亞麻種質資源研究進展［J］．內蒙古農業科技，2009(2):77－78．

［7］周亞東，李明．世界油用亞麻生產發展與展望［J］．中國農學通報，2010，26(9):151－155．

［8］王玉富，賈婉琪，薛召東，等．國外引進亞麻種質資源的聚類分析及評價［J］．植物遺傳資源學報，2010，11(5):548－554．

［9］張建平，黨占海．亞麻品種資源的聚類分析及評價［J］．中國油料作物學報，2004，26(3):24－28．

［10］周亞東，李明，蘇鈺，等．亞麻種質資源脂肪酸組分含量與品質性狀的相關分析［J］．東北農業大學學報，2010，41(9):21－26．

［11］趙利，黨占海，張建平．甘肅胡麻地方品種種質資源品質分析［J］．中國油料作物學報，2006，28(3):282－286．

［12］王洋，張明生，李祥棟，等．不同高粱種質資源形態多樣性及其形態標記聚類分析［J］．貴州農業科學，2014(6):1－5．

［13］唐啟義，馮光明．實用統計分析及其DPS數據處理系統［M］．北京:科學技術出版社．

作者：杜剛 王家銀 楊若菡 孫玲 吳學英 劉飛虎 劉其寧 單位：云南省農業科學院農業經濟與信息研究所 云南省農業科學院經濟作物研究所 云南大學