魏偉平,高小菊,吳亮

（河南科技學(xué)院數(shù)學(xué)科學(xué)學(xué)院,河南新鄉(xiāng)453003）

2020 年突如其來的“新冠”肺炎疫情讓我們真切的認(rèn)識(shí)到,一個(gè)國家的糧食生產(chǎn)能力,在一定程度上決定了國家應(yīng)對(duì)災(zāi)害的實(shí)力.提高糧食生產(chǎn)的質(zhì)量與數(shù)量,應(yīng)該是我們一直追求和探索的目標(biāo).近十年來,受科學(xué)技術(shù)水平提高以及托市收購政策推動(dòng),我國粳稻播種面積和單產(chǎn)均有明顯提高[1-2].影響水稻產(chǎn)量的因素很多,如外界因素（溫濕度）、人為因素（灌溉、施肥）和自身遺傳因素（不排除有變異的影響）等,然而不同因素之間可能存在一定的相關(guān)性.為求水稻高產(chǎn)必須從主要因素著手,對(duì)其進(jìn)行有針對(duì)性的改良從而達(dá)到高產(chǎn)的目的[3-4].刁立平等[5]認(rèn)為超高產(chǎn)品種必須有較高的穗重和適宜的穗數(shù)基礎(chǔ).楊惠杰等[6]認(rèn)為超高產(chǎn)水稻的產(chǎn)量構(gòu)成特征是在適應(yīng)當(dāng)?shù)厣鷳B(tài)條件的足穗基礎(chǔ)上培育更大的穗子.鄒江石等[7]認(rèn)為超高產(chǎn)育種的主要途徑應(yīng)是利用雜種優(yōu)勢(shì)與良好株型及強(qiáng)生理功能相結(jié)合.然而,上述研究多是對(duì)影響水稻的因子進(jìn)行分析, 對(duì)于如何篩選影響水稻產(chǎn)量的目標(biāo)性狀以及協(xié)調(diào)各性狀之間的相互關(guān)系涉足較少.該研究以2016-2017 年河南省粳稻區(qū)域?qū)嶒?yàn)共24 個(gè)新品種的資料作為數(shù)據(jù)支撐,對(duì)包括公頃產(chǎn)量在內(nèi)的19 個(gè)指標(biāo)進(jìn)行分析,主要分析18 個(gè)指標(biāo)與公頃產(chǎn)量之間的相關(guān)性,進(jìn)而得出影響產(chǎn)量的主要指標(biāo),以期為育種工作者選育水稻新品種提供科學(xué)的依據(jù)與參考.

1 材料與方法

1.1 供試材料

材料選自2016—2017 年河南省粳稻區(qū)域?qū)嶒?yàn)共24 個(gè)新品種的資料,其中米質(zhì)分析結(jié)果匯總中的稻1333、徐32646、墾育808、賽粳16、苑豐136、W023、宏稻59、隆粳99、皖墾粳2181、中作1401、泗稻14-260、淮268、SH1427、中作13264 為兩年試驗(yàn)的平均值,其余均為2017 年的資料.24 個(gè)新品種依次為稻1333、墾育808、宏稻59、皖墾粳2181、徐32646、苑豐136、泗稻14-260、賽粳16、賽粳988、中作1401、W023、隆粳99、津粳優(yōu)2186、科粳稻1 號(hào)*、SH1427、信粳1787、淮268、稻15198、W037、圣012、中作13264、焦粳6010、播樂1 號(hào)*、揚(yáng)粳508.

1.2 調(diào)查項(xiàng)目

調(diào)查項(xiàng)目主要有出糙率（%）、精米率（%）、整精米率（%）、粒長（mm）、粒型（長/ 寬）、堊白粒率（%）、堊白度（%）、直鏈淀粉（%）、膠稠度（mm）、堿消值（級(jí)）、公頃產(chǎn)量（kg/hm2）、全生育期（d）、日產(chǎn)量（kg/d）、有效穗（萬/hm2）、株高（cm）、穗長（cm）、每穗總粒數(shù)（粒）、結(jié)實(shí)率（%）、千粒質(zhì)量（g）共19 個(gè)指標(biāo).

1.3 統(tǒng)計(jì)分析方法

使用統(tǒng)計(jì)軟件IBM SPSS Statistics 22.0 版本[8]、SAS9.4 版本[9]和R 語言對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行差異性分析,分析不同品種間的差異性,然后對(duì)19 個(gè)指標(biāo)進(jìn)行相關(guān)性分析,得出各指標(biāo)間相關(guān)性的大小.根據(jù)各指標(biāo)間的相關(guān)性結(jié)果進(jìn)行逐步回歸,篩選出影響產(chǎn)量的主要指標(biāo),并建立回歸模型,更直觀看出主要指標(biāo)對(duì)產(chǎn)量影響的好壞.然后對(duì)除公頃產(chǎn)量之外的18 個(gè)指標(biāo)進(jìn)行KMO 檢驗(yàn)和Bartlett 球形度檢驗(yàn),從而對(duì)適合的指標(biāo)進(jìn)行因子分析.最后,根據(jù)因子分析的結(jié)果進(jìn)行聚類分析,將24 個(gè)品種歸類,對(duì)需要改良的品種提出改良方法.

2 結(jié)果與分析

2.1 粳稻品質(zhì)指標(biāo)差異性分析

對(duì)24 種粳稻樣品的19 項(xiàng)指標(biāo)的均值、標(biāo)準(zhǔn)差及變異系數(shù)進(jìn)行差異性分析,結(jié)果見表1.由表1 可知,19 項(xiàng)指標(biāo)在品種間存在不同程度的差異,其中堊白度的變異系數(shù)為69.77%、堊白粒率的變異系數(shù)為47.31%、直鏈淀粉的變異系數(shù)為10.27%、膠稠度的變異系數(shù)為11.01%、每穗總粒數(shù)的變異系數(shù)為11.76%,五項(xiàng)均為變異系數(shù)超過10%的指標(biāo),以堊白度的差異性最高,其他指標(biāo)變異系數(shù)均在10%以下.說明不同品種在外觀品質(zhì)（堊白度、堊白粒率）間的差異極為明顯,在理化品質(zhì)（直鏈淀粉、膠稠度）間的差異比較明顯.而在產(chǎn)量及產(chǎn)量主要影響因素中公頃產(chǎn)量（3.43%）、日產(chǎn)量（3.39%）、結(jié)實(shí)率（3.22%）、千粒質(zhì)量（5.45%）這四項(xiàng)變異系數(shù)比較小,表明這4 個(gè)性狀比較穩(wěn)定,受外界因素較小,可能受品種的遺傳基因控制,而其余4 個(gè)指標(biāo)變異系數(shù)相對(duì)來說較高,說明不僅容易受到遺產(chǎn)因素的影響,還易受環(huán)境因素的影響.

表1 差異性結(jié)果Tab. 1 Differential results

2.2 相關(guān)性分析

各指標(biāo)間的相關(guān)性分析見表2.

表2 各指標(biāo)間的相關(guān)性Tab. 2 Correlation results among indicators

（續(xù)表2）

表2 相關(guān)分析結(jié)果顯示：其中有23 個(gè)在0.01 水平下極顯著,有18 個(gè)在0.05 水平下顯著,其他均不相關(guān).這19 個(gè)指標(biāo)之間存在獨(dú)立的線性相關(guān)性.其中日產(chǎn)量與公頃產(chǎn)量（相關(guān)系數(shù)0.579）、株高與公頃產(chǎn)量（0.608）、整精米率與公頃產(chǎn)量（0.562）、株高與日產(chǎn)量（0.573）、穗長與日產(chǎn)量（0.677）、每穗總粒數(shù)與穗長（0.612）、粒長與穗長（0.587）、整精米率與精米率（0.721）、穗長與株高（0.713）、粒型與株高（0.591）、精米率與出糙率（0.657）、粒型與粒長（0.779）、堊白度與堊白粒率（0.937）均呈極顯著正相關(guān)；日產(chǎn)量與全生育期（-0.547）、堊白粒率與全生育期（-0.736）、堊白度與全生育期（-0.729）、每穗總粒數(shù)與有效穗（-0.803）、粒型與出糙率（-0.642）均呈極顯著正相關(guān)；堊白粒率與整精米率（-0.587）、堊白度與整精米率（-0.628）、堊白粒率與粒長（-0.605）、堊白粒率與粒型（-0.547）、直鏈淀粉與堊白粒率（-0.538）、膠稠度與直鏈淀粉（-0.768）均呈極顯著負(fù)相關(guān).以上各相關(guān)指標(biāo)都反映了某一特性的同一方面,可用一個(gè)代表性指標(biāo)代替,從而簡化樣品指標(biāo).

2.3 考察性狀對(duì)產(chǎn)量的逐步回歸分析

由相關(guān)分析結(jié)果可知不同指標(biāo)之間存在不同程度的相關(guān)性,為了篩選出18 個(gè)指標(biāo)中對(duì)公頃產(chǎn)量影響較大的因素[11-12],同時(shí)減少各指標(biāo)間的相關(guān)信息,采用逐步回歸方法選擇對(duì)公頃產(chǎn)量（y）的主要影響指標(biāo),并建立回歸模型.引入自變量的顯著性水平α進(jìn)=0.05,剔除自變量的顯著性水平α出=0.1,經(jīng)6 步運(yùn)算后,所得回歸系數(shù)及顯著性和回歸模型的方差分析結(jié)果分別如表3 和表4 所示.

表3 逐步回歸系數(shù)及顯著性Tab. 3 Stepwise regression coefficient and significance

表4 回歸模型的方差分析Tab. 4 Variance analysis of regression model

由表4 可以看出,回歸模型的F=143.13,顯著性P 值為0.000,表明回歸方程極顯著,模型擬合效果較好,可以用該模型作進(jìn)一步分析.由表3 各回歸系數(shù)的顯著性可知,除了x6（出糙率%）顯著性為0.033 外,其他系數(shù)顯著性均小于0.1,顯著性水平較高,公頃產(chǎn)量關(guān)于這些性狀的回歸方程為：

從回歸方程可以看出,6 個(gè)指標(biāo)中除了出糙率參數(shù)估計(jì)（-1.801）表明對(duì)公頃產(chǎn)量有抑制作用外,其余5 個(gè)指標(biāo)均對(duì)公頃產(chǎn)量有促進(jìn)作用.當(dāng)其他因素固定時(shí),日產(chǎn)量每增減1 kg,公頃產(chǎn)量增減162.663 kg/hm2；全生育期每增減1 d,公頃產(chǎn)量增減4.372 kg/hm2；整精米率每增減1 個(gè)百分點(diǎn),公頃產(chǎn)量增減1.212 kg/hm2；膠稠度每增減1 mm,公頃產(chǎn)量增減0.433 kg/hm2；千粒質(zhì)量每增減1 g,公頃產(chǎn)量增減1.732 kg/hm2；出糙率每增減1 個(gè)百分點(diǎn),公頃產(chǎn)量減增1.801 kg/hm2.由此可見,在合理種植粳稻的前提下,優(yōu)化田間管理,提高日產(chǎn)量和全生育期同時(shí)降低出糙率、提高整精米率從而達(dá)到育出高產(chǎn)高品質(zhì)粳稻的目的.表3 還可得出標(biāo)準(zhǔn)回歸方程為：

依據(jù)表1,在其他因素固定的情況下,日產(chǎn)量每增減1 個(gè)標(biāo)準(zhǔn)單位（0.14 kg）,公頃產(chǎn)量增減1.019 kg/hm2；全生育期每增減1 個(gè)標(biāo)準(zhǔn)單位（3.97 d）,公頃產(chǎn)量增減0.799 kg/hm2；整精米率每增減1 個(gè)標(biāo)準(zhǔn)單位（2.9%）,公頃產(chǎn)量增減0.161 kg/hm2；膠稠度每增減1 個(gè)標(biāo)準(zhǔn)單位（7.41mm）；公頃產(chǎn)量增減0.148 kg/hm2；千粒質(zhì)每增減1 個(gè)標(biāo)準(zhǔn)單位（1.41 g）,公頃產(chǎn)量增減0.112 kg/hm2；出糙率每增減1 個(gè)標(biāo)準(zhǔn)單位（1.09%）,公頃產(chǎn)量減增0.091 kg/hm2.

2.4 KMO 檢驗(yàn)和Bartlett 球形度檢驗(yàn)

使用IBM SPSS statistics 19 軟件對(duì)24 個(gè)品種的19 項(xiàng)指標(biāo)進(jìn)行KMO 檢驗(yàn)和Bartlett 球形度檢驗(yàn),結(jié)果顯示KMO 檢驗(yàn)系數(shù)為0.24,小于0.5,不適合進(jìn)行降維分析.接著對(duì)前9 個(gè)指標(biāo)即農(nóng)藝性狀（公頃產(chǎn)量、全生育期、日產(chǎn)量、有效穗、株高、穗長、每穗總粒數(shù)、結(jié)實(shí)率、千粒質(zhì)量）進(jìn)行KMO 檢驗(yàn)和Bartlett 球形度檢驗(yàn)結(jié)果顯示KMO 檢驗(yàn)系數(shù)為0.492,小于0.5,不適合進(jìn)行降維分析.最后對(duì)后10 個(gè)指標(biāo)即米質(zhì)因子（出糙率、精米率、整精米率、粒長、粒型、堊白粒率、堊白度、直鏈淀粉、膠稠度、堿消值）進(jìn)行KMO檢驗(yàn)和Bartlett 球形度檢驗(yàn)結(jié)果顯示KMO 檢驗(yàn)系數(shù)為0.612,大于0.5,Bartlett 球形度檢驗(yàn)Sig.=0,小于0.05,說明數(shù)據(jù)呈球形分布可以進(jìn)行因子分析.

2.5 參試品種的因子分析

根據(jù)KMO 檢驗(yàn)和Bartlett 球形度檢驗(yàn)結(jié)果對(duì)24 個(gè)參試品種的10 個(gè)指標(biāo)進(jìn)行因子分析[13],由表5可以看出,試驗(yàn)涉及的10 個(gè)指標(biāo)都能被很好的提取,提取量較低的是直鏈淀粉含量指標(biāo).

表5 主成分分析的公因子方差Tab. 5 Principal component analysis of common factor variance

主成分及方差貢獻(xiàn)率如表6 所示.由表6 可知前3 個(gè)主成分的特征值均大于或接近1.0,累計(jì)方差貢獻(xiàn)率達(dá)81.63%,表明此3 個(gè)主成分能解釋所考察10 個(gè)指標(biāo)的81.63%,較好地代表了這些指標(biāo).從而可以替代這10 個(gè)指標(biāo)進(jìn)行分析.

表6 因子載荷矩陣及方差貢獻(xiàn)率Tab. 6 Factor load matrix and variance contribution rate

第一個(gè)主成分的貢獻(xiàn)率為40.47%,該主成分中以堊白粒率（-0.919）和堊白度（-0.923）的載荷比較大,故稱為堊白因子,與粒長（0.764）、粒型（0.650）均呈負(fù)相關(guān),而堊白度和堊白粒率越大說明水稻品質(zhì)越差,第一主成分大的品種堊白度和堊白粒率有偏高的趨勢(shì)；第二主成分的貢獻(xiàn)率為26.12%,該主成分中以精米率（0.923）和整精米率（0.754）的載荷比較大,故稱為精米因子,與出糙率（0.781）均呈正相關(guān),籽粒成熟、飽滿、殼薄的稻谷出糙率高,第二主成分大的品種稻米品質(zhì)優(yōu)良；第三主成分的貢獻(xiàn)率為15.03%,該主成分中以堿消值（-0.674）和膠稠度（0.642）的載荷比較大,表現(xiàn)為稻米蒸煮食味品質(zhì),堿消值與膠稠度沒有顯著的相關(guān)性,膠稠度是評(píng)價(jià)稻米食用品質(zhì)和儲(chǔ)藏品質(zhì)的一項(xiàng)重要指標(biāo),堿消值越大,則糊化溫度越低,其食用品質(zhì)越好,第三主成分大的品種蒸煮品質(zhì)優(yōu)良.不難看出,若將主成分信息用于育種實(shí)踐,應(yīng)選擇第二、三主成分占比大的品種,這樣可以大大降低水稻的堊白率,提高水稻的精米率即外觀品質(zhì)和水稻的堿消值、膠稠度即蒸煮品質(zhì),從而培育出高品質(zhì)水稻.

2.6 參試品種的聚類分析

根據(jù)因子分析得出各品種主成分得分如表7 所示,在因子分析的基礎(chǔ)上運(yùn)用系統(tǒng)聚類（離差平方和法,平方歐氏距離）的方法對(duì)24 個(gè)參試品種進(jìn)行聚類分析[14-15],聚類結(jié)果見圖1.

由圖1 可知,取定閾值為10 時(shí),可將24 個(gè)品種分為4 類.第一類有賽粳16、稻15198、W037、圣012、宏稻59、SH1427、稻1333、中作13264、墾育808、淮268、苑豐136 共11 個(gè)品種；第二類有W023、信粳1787、科粳稻1 號(hào)* 共3 個(gè)品種；第三類有賽粳988、隆粳99、皖墾粳2181、播樂1 號(hào)*、泗稻14-260、中作1401、徐32646 共7 個(gè)品種；第四類有津粳優(yōu)2186、焦粳6010、揚(yáng)粳508 共3 個(gè)品種.由此可見,參試品種的品質(zhì)呈現(xiàn)多樣性.

表7 參試品種主成分得分Tab. 7 Principal component scores of participating varieties

圖1 參試品種聚類圖Fig. 1 Cluster diagram of tested varieties

由表8 可知,第一類出糙率、精米率、整精米率較高,堊白粒率、堊白度較低,直鏈淀粉、膠稠度、堿消值較高,可得第一類粳稻應(yīng)是米質(zhì)較好的一類；第二類出糙率、精米率、整精米率偏中等,堊白粒率、堊白度偏高,直鏈淀粉、堿消值偏高,膠稠度較低,屬于米質(zhì)一般的一類,可通過施肥來降低堊白率提高精米率從而提高米質(zhì)；第三類出糙率較低,精米率、整精米率中等,堊白粒率、堊白度偏低,直鏈淀粉、膠稠度、堿消值偏低,米質(zhì)一般,同樣采取第二類應(yīng)對(duì)措施提高米質(zhì)；第四類出糙率、精米率、整精米率較高,堊白粒率、堊白度較高,直鏈淀粉、堿消值較低,膠稠度較高,應(yīng)對(duì)措施同第二類.

表8 不同類品種的主要米質(zhì)指標(biāo)Tab. 8 Main rice quality indexes of different varieties

3 結(jié)論與討論

在探討19 個(gè)指標(biāo)變異系數(shù)中發(fā)現(xiàn)堊白度、堊白粒率、直鏈淀粉、膠稠度、每穗總粒數(shù)最易受外界因素影響.在相關(guān)分析中發(fā)現(xiàn)19 個(gè)指標(biāo)之間存在不同程度的相關(guān)性,為降低指標(biāo)之間的相關(guān)性,篩選出影響公頃產(chǎn)量的主要因素,故進(jìn)行逐步回歸分析.結(jié)果表明,影響公頃產(chǎn)量的主要因素有日產(chǎn)量、全生育期、出糙率、整精米率、膠稠度、千粒質(zhì)量6 個(gè)影響因素,其中出糙率對(duì)產(chǎn)量具有抑制作用,其余均為促進(jìn)作用,說明全生育期長、整精米率高、膠稠度高、千粒質(zhì)量大的品種產(chǎn)量較高,應(yīng)在合理密植的基礎(chǔ)上,施化優(yōu)肥與化控管理才能達(dá)到高產(chǎn)的目的.

對(duì)19 個(gè)指標(biāo)進(jìn)行KMO 檢驗(yàn)和Bartlett 球形度檢驗(yàn)發(fā)現(xiàn)不適合進(jìn)行降維分析, 說明這19 個(gè)指標(biāo)之間沒有太多的相關(guān)性. 對(duì)后10 個(gè)米質(zhì)指標(biāo)進(jìn)行KMO 檢驗(yàn)和Bartlett 球形度檢驗(yàn), 發(fā)現(xiàn)KMO 系數(shù)大于0.5 適合進(jìn)行降維分析.進(jìn)而對(duì)24 個(gè)品種的米質(zhì)指標(biāo)進(jìn)行因子分析,得出3 個(gè)主成分,即堊白因子、精米因子、蒸煮因子,它們解釋所考察10 個(gè)指標(biāo)總變異的81.63%.在各品種主成分得分的基礎(chǔ)上,將24 個(gè)參試品種劃為4 類,其中第一類（賽粳16、稻15198、W037、圣012、宏稻59、SH1427、稻1333、中作13264、墾育808、淮268、苑豐136）米質(zhì)較好,二、三、四類次之,針對(duì)二、三、四類米質(zhì)的情況,通常調(diào)節(jié)合適的氮肥水平來降低堊白度；另外,水稻堊白度還與灌漿時(shí)的溫度、土壤水分、胚乳細(xì)胞的分裂能力、酶活性等有密切關(guān)系.