16 份無芒雀麥種質資源生產性能與營養(yǎng)品質的綜合評價

黃 薇，常 巍，余淑艷，李小云，高雪芹，伏兵哲, 2

（1. 寧夏大學農學院，寧夏 銀川 750021；2. 寧夏草牧業(yè)工程技術研究中心，寧夏 銀川 750021）

無芒雀麥(Bromus inermis)為雀麥屬多年生牧草，具有產量高、適口性好、根系發(fā)達、耐牧、適應性強等特點[1-2]，在我國西北、東北和華北等地區(qū)均可種植，被譽為“禾草飼料之王”[3]。近年來，隨著我國農村產業(yè)結構的調整與生態(tài)環(huán)境的治理，無芒雀麥栽培面積大幅度增加，其種子的需求量也呈上升趨勢[4]。然而，目前我國大部分地區(qū)生產中利用的無芒雀麥新品種較少，飼草產量和品質不高，嚴重限制了無芒雀麥的推廣應用。為此，評價和篩選具有優(yōu)良生產性能與營養(yǎng)品質的無芒雀麥種質材料，對無芒雀麥新品種培育和生產利用具有十分重要的意義。

飼草的生產性能和營養(yǎng)品質是由多種因素共同作用的結果，故在無芒雀麥種質資源性狀鑒定中，需要對不同時期的農藝性狀、營養(yǎng)成分等指標進行綜合評價?；疑P聯(lián)度分析是分析育種目標關聯(lián)程度的一種量化方法，克服了單靠某一性狀指標評價供試材料時的偏差，具有不需要滿足某種理論分布、樣本數(shù)量少、分析方法簡單和結果準確等優(yōu)點[5]。目前，灰色關聯(lián)度分析被廣泛應用于小麥(Triticum aestivum)[6]、花生(Arachis hypogaea)[7]、玉米(Zea mays)[8]、谷子(Setaria italica)[9]、棉花(Gossypium hirsutum)[10]、苜蓿(Medicago sativa)[11]、黑麥草(Lolium perenne)[12]等作物和牧草的性狀綜合分析以及種質材料的篩選等[13-16]。有關不同種源無芒雀麥生產性能、營養(yǎng)品質的差異，以及綜合評價鮮有報道。為此，本研究以國內外16 份無芒雀麥種質資源為試驗材料，通過測定生產性能與營養(yǎng)品質的相關指標，運用灰色關聯(lián)度分析法結合聚類分析進行綜合評價，以期為無芒雀麥新品種培育和生產利用提供理論依據(jù)。

1 材料與方法

1.1 試驗地概況

試驗地位于寧夏吳忠市鹽池縣四墩子試驗基地(37°47′ N，107°25′ E，海拔1 600 m)。該地屬于典型大陸性季風氣候，年平均氣溫7.8 ℃，≥ 0 ℃年積溫3 430.3 ℃·d，無霜期162 d 左右，年均降水量289.4 mm，年均蒸發(fā)量2 131.8 mm，土壤為黃綿土，有機質含量為1.29 g·kg?1，堿解氮含量為0.5 mg·kg?1，速效磷含量為21.34 mg·kg?1，速效鉀含量為10.56 mg·kg?1。

1.2 試驗材料

供試無芒雀麥種質材料16 份(國外2 份；國內14 份，其中寧夏本地材料5 份)，試驗所用種子均由各種質材料經(jīng)過單株擴繁所得(表1)。

表1 無芒雀麥種質材料名稱及來源Table 1 Names and source of Bromus inermis

1.3 試驗設計

試驗采用隨機區(qū)組設計。2018 年4 月人工開溝條播，播種行距30 cm，播量22.5 kg·hm?2，小區(qū)面積15 m2(3 m × 5 m)，小區(qū)間隔1 m，3 次重復，共48 個小區(qū)；播種前施入復合肥(N、P2O5、K2O 含量均為15%) 750 kg·hm?2，每茬收割后結合灌水追施尿素150 kg·hm?2，正常田間管理。2019 年進行指標測量和數(shù)據(jù)采集。

1.4 農藝性狀指標測定

在初花期測定無芒雀麥的生理指標。株高：隨機在每個小區(qū)選定20 株無芒雀麥，用卷尺測定其絕對高度(cm)，取平均值；莖粗：用游標卡尺測量自地面開始第2 節(jié)的最寬處直徑(mm)；鮮草產量：每小區(qū)全區(qū)收割后立即稱重，一年收獲兩次，求兩茬鮮草產量之和(t·hm?2)；干草產量：隨機取300 g 鮮草，105 ℃殺青15 min，65 ℃烘干至恒重，計算鮮干比，由鮮草產量和鮮干比計算得到干草產量(t·hm?2)；葉莖比：隨機在每個小區(qū)選取1 m2樣方刈割，重復3 次，樣品裝袋編號，防止小區(qū)之間樣品混淆，將樣品在自然條件下風干，分離葉片與莖，稱其干重，葉莖比 = 葉干重/莖干重。

1.5 營養(yǎng)指標測定

參照張麗英[17]的方法對粗蛋白(crude protein,CP)、粗脂肪(ether extract, EE)、中性洗滌纖維(neutral detergent fiber, NDF)、酸性洗滌纖維(acid detergent fiber, ADF)、粗灰分(crude ash, Ash)進行測定。根據(jù)NDF 和ADF 含量，計算飼草相對飼喂價值(relative feed value, RFV)[18]：

1.6 灰色關聯(lián)分析

根據(jù)郭瑞林[19]介紹的灰色系統(tǒng)理論，把16 份無芒雀麥種質材料看作一個灰色系統(tǒng)，每份種質材料為該系統(tǒng)中的一個因素，分析系統(tǒng)中各因素關聯(lián)度越大，因素的相似程度越高。根據(jù)實際生產需要將所測指標的最優(yōu)值設為參考序列X0，并將株高、莖粗、葉莖比、鮮草產量、干草產量、粗蛋白、粗脂肪、中性洗滌纖維、酸性洗滌纖維、粗灰分、相對飼喂價值共11 項指標分別設定為比較數(shù)列X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11。為了確保數(shù)據(jù)的等效性與同序性，采用均值法對所測數(shù)據(jù)進行無綱量化處理，并根據(jù)處理后的數(shù)據(jù)計算各性狀與標準性狀的絕對值差，通過各個比較數(shù)列(Xi)與參考數(shù)列(X0)的相似程度來判斷關聯(lián)系數(shù)和關聯(lián)度。關聯(lián)系數(shù)和關聯(lián)度的計算公式為：

式中：ξi(k)為X0和Xi關聯(lián)系數(shù)。|X0(k) ?Xi(k)|表示X0數(shù)列與Xi數(shù)列在k點的絕對差，minimink|X0(k) ?Xi(k)|為2 級最小差，maximiaxk|X0(k) ?Xi(k)|為2 級最大差；ρ為分辨系數(shù)，取值范圍在0～1，本研究中取0.5，認為同等重要；n代表樣品個數(shù)。ri為比較數(shù)列與參考數(shù)列的關聯(lián)度，是具體反映X0與Xi數(shù)列之間關聯(lián)性的度量。

1.7 數(shù)據(jù)分析

本研究鮮草產量、干草產量數(shù)據(jù)為兩茬測定值之和，其他數(shù)據(jù)為兩茬測定值均值。利用Excel 2010、MATLAB 軟件進行數(shù)據(jù)整理與關聯(lián)度分析，SPSS 22.0 軟件進行統(tǒng)計方差分析、顯著性分析、Duncan 多重比較和聚類分析，用Origin 2018 軟件繪圖。

2 結果

2.1 不同無芒雀麥株高和莖粗比較

不同無芒雀麥種質材料間株高和莖粗差異明顯(圖1)，其中Q7 株高最高，為82.94 cm，顯著高于Q2、Q3、Q5、Q12、Q13、Q14、Q16 (P< 0.05)；Q16 株高最低，僅為67.62 cm，Q7 株高較Q16 高出15.32 cm。Q9 莖粗最大，為2.51 mm，顯著高于Q3、Q4、Q7、Q11、Q14、Q15、Q16 (P< 0.05)；Q16 莖粗最小，僅為1.86 mm，Q9 莖粗較Q16 高出0.65 mm。

圖1 不同無芒雀麥株高和莖粗比較Figure 1 Comparison of plant height and stem diameter of different Bromus inermis materials

2.2 不同無芒雀麥鮮草產量和干草產量比較

16 份無芒雀麥種質材料間鮮草產量和干草產量差異明顯(圖2)，其中鮮草產量最大的是Q6，為66.47 t·hm?2；其次是Q8、Q2，分別為64.24 和64.23 t·hm?2，顯著高于除Q3、Q15 和Q16 外的其他種質材料(P< 0.05)。鮮草產量最小的是Q5，僅為46.98 t·hm?2，Q6 鮮草產量較Q5 高出19.49 t·hm?2。干草產量Q16 最大，為23.71 t·hm?2，其次為Q4，為23.63 t·hm?2，二者顯著高于其他種質材料(P< 0.05)；Q5干草產量最小，僅為16.19 t·hm?2，Q16、Q4 干草產量較Q5 分別高出7.52 和7.44 t·hm?2。

圖2 不同無芒雀麥鮮草產量和干草產量比較Figure 2 Comparison of fresh yield and hay yield of different Bromus inermis materials

2.3 不同無芒雀麥葉莖比比較

葉莖比是評估牧草生產性能重要的指標之一(圖3)。不同無芒雀麥種質材料間葉莖比差異顯著(P< 0.05)，其中Q2、Q4 葉莖比最大，均為1.53；Q10、Q14 次之，均為1.50，顯著高于其他種質材料(P<0.05)；葉莖比最小的是Q6，僅為1.20。

圖3 不同無芒雀麥葉莖比比較Figure 3 Comparison of the leaf to stem ratios of different Bromus inermis materials

2.4 不同無芒雀麥營養(yǎng)成分比較

不同無芒雀麥種質材料營養(yǎng)成分差異明顯(表2)。其中，粗蛋白含量最高的是Q16，為17.70%，顯著高于其他種質材料(P< 0.05)。粗脂肪含量最高的是Q14，為1.90%，顯著高于Q1、Q2、Q4、Q7、Q8、Q9 和Q15 (P< 0.05)。NDF 含量最高的是Q12，為53.71%；其次是Q5 和Q7，分別為52.89%和52.88%，顯著高于Q1、Q2、Q3、Q13、Q14、Q15 和Q16 (P< 0.05)；Q16 的NDF 含量最低，僅為50.72%。ADF 含量最高是Q1，為34.14%，其次是Q12、Q11，分別為33.54%和33.39%，顯著高于Q3、Q4、Q7、Q8、Q10、Q13 和Q16 (P< 0.05)；Q7 的ADF 含量最低，僅為30.68%。Q14、Q16 的粗灰分含量最高，分別為10.48%和9.92%，顯著高于其他種質材料(P< 0.05)；Q6 的粗灰分含量最低，僅為7.52%，顯著低于其他種質材料(P< 0.05)。Q16的相對飼喂價值最高，為117.48，顯著高于Q1、Q5、Q6、Q7、Q9、Q11、Q12、Q14 (P< 0.05)；Q12 的相對飼喂價值最低，僅為108.73。

表2 不同無芒雀麥營養(yǎng)成分比較Table 2 Comparison of nutritional components of different Bromus inermis materials

2.5 聚類分析

基于生產指標與營養(yǎng)成分的平均值，對16 份無芒雀麥種質材料進行系統(tǒng)聚類分析得到樹狀圖(圖4)，以歐式距離5.5 為分界線可將這16 份材料分為4 類。第Ⅰ類群由Q4、Q10、Q8、Q15、Q11、Q6、Q7、Q3、Q13、Q9、Q2 共11 份材料組成，第Ⅱ類群由Q1、Q12、Q14 共3 份材料組成，而第Ⅲ、Ⅳ類群分別由Q16、Q5 自成體系。從結果看，這16 份種質材料間關系較為復雜，所有材料并沒有嚴格按照原產地聚在一起。

圖4 無芒雀麥種質材料系統(tǒng)聚類分析Figure 4 Hierarchical cluster analysis of Bromus inermis germplasm materials

2.6 灰色關聯(lián)度分析

關聯(lián)系數(shù)可以了解比較數(shù)列與參考數(shù)列各指標之間的關聯(lián)程度。根據(jù)各指標的絕對差值，利用公式計算得出關聯(lián)系數(shù)ξi。各種質材料性狀之間的關聯(lián)系數(shù)范圍為0.3334～1.0001(表3)。由于無芒雀麥各性狀特征值的重要性不同，需要根據(jù)權重公式計算各指標對應的權值，賦予各性狀不同權重。根據(jù)計算結果可知，各指標在生產性能與營養(yǎng)成分的評價系統(tǒng)中所占權重表現(xiàn)為葉莖比 > 干草產量 > 粗灰分 > 粗蛋白 > 鮮草產量 > 莖粗 > 粗脂肪 > 株高 >酸性洗滌纖維 > 相對飼喂價值 > 中性洗滌纖維。根據(jù)權重建立綜合模型Zk= 0.075 1X1+ 0.105 1X2+0.144 0X3+ 0.109 3X4+ 0.142 9X5+ 0.128 5X6+ 0.101 2X7+ 0.009 3X8+ 0.039 5X9+ 0.128 7X10+ 0.016 4X11。

表3 參試品種與理想?yún)⒖计贩N的關聯(lián)系數(shù)Table 3 Correlation coefficient of experimental varieties and reference variety

將關聯(lián)系數(shù)ξi代入關聯(lián)度公式，計算結果如表4所列。按照灰色關聯(lián)度分析法原則，加權關聯(lián)度能夠全面地體現(xiàn)出對比品種的綜合性優(yōu)劣，即加權關聯(lián)度越大，綜合性狀越好，加權關聯(lián)度最大的品種也最接近理想品系。16 份無芒雀麥種質材料的加權關聯(lián)度表現(xiàn)為Q6 > Q4 > Q10 > Q16 > Q2 > Q8 >Q9 > Q13 > Q15 > Q14 > Q11 > Q12 > Q7 > Q3 > Q1 >Q5；綜合分析種質材料Q6、Q4、Q10、Q16、Q2、Q8 與理想?yún)⒖计贩N相似程度最大。

表4 參試品種加權關聯(lián)度與排序Table 4 Weight association and rank of experimental varieties

3 討論

灰色關聯(lián)度分析可以定量了解因素之間的強弱、序位，聚類分析可根據(jù)種質材料遺傳距離的大小判斷種質之間的遺傳相似性，這兩種方法廣泛運用于種質材料的評價篩選工作。本研究中，聚類分析將16 份種質材料分為4 類，聚類結果表明所有種質材料沒有按照原產地進行分類，且沒有明顯的地域特征，說明種質材料之間的遺傳相似性與原產地聯(lián)系不大。葉莖比、鮮草產量、干草產量是生產性能的評估指標，粗蛋白、纖維是營養(yǎng)品質的評估指標[20-23]。本研究通過灰色關聯(lián)度分析與聚類分析篩選出Q6、Q4、Q10、Q16、Q2、Q8 共6 份綜合性狀優(yōu)良、高產、優(yōu)質的無芒雀麥種質材料。其中Q4、Q16是寧夏本地種，各項性狀表現(xiàn)較好，綜合排名靠前，接近于理想品種。Q6、Q8、Q2 的鮮草產量以及Q16、Q4 的干草產量較大，顯著高于其他種質材料(P< 0.05)，說明Q6、Q8、Q2、Q16、Q4 產量性狀優(yōu)良，可作為追求產草量的基礎材料利用。Q16 粗蛋白含量高，中性洗滌纖維含量低，綜合排名第4，從營養(yǎng)價值看，粗蛋白是牧草中的主要營養(yǎng)物質，也是家畜必不可少的營養(yǎng)，其含量高則品質優(yōu)[24]，而中性洗滌纖維是家畜對牧草消化率的影響因素之一，其含量低則養(yǎng)分消化率高[25]，表明Q16 有利于提高牧草養(yǎng)分消化率、營養(yǎng)品質較好。Q2、Q4、Q10、Q14 葉莖比較大，顯著高于其他種質材料(P<0.05)。葉莖比是葉與莖的比值，比值越大，說明葉量越大，品質越好，故Q2、Q4、Q10、Q14 可用來提高無芒雀麥的適口性，進而提高其品質。綜合排名結果與田間鑒評結果基本一致。從整體來看，采用灰色系統(tǒng)理論對無芒雀麥種質資源進行綜合評估，其結果較為合理可信，能夠較全面地反映一個品種生產性能與營養(yǎng)品質的優(yōu)劣。

馬嘯等[26]對87 份扁穗雀麥(Bromus catharticus)材料的表型性狀數(shù)值進行相關性分析與主成分分析，表明評價和篩選扁穗雀麥優(yōu)良種質材料時應該著重考察干重、株高、莖粗；馬銘等[27]采用相關性分析認為，扁穗雀麥品種選育時應該重點考慮植株高度、葉片寬度、分蘗數(shù)、莖粗。楊成前等[28]利用相關性與聚類分析表明，白術(Atractylodes macrocephala)種質資源收集和品種選育時可將株高、葉型、莖粗、根莖鮮重篩選為關鍵性狀指標。本研究應用灰色關聯(lián)度理論結果表明，葉莖比、干草產量、粗灰分、粗蛋白在無芒雀麥生產性能與營養(yǎng)品質的綜合評價系統(tǒng)中權重最大，可初步作為無芒雀麥品種評價和篩選時的關鍵性狀，這與前者研究結果不同，可見基于不同草種利用不同數(shù)據(jù)分析方法進行品種篩選時，理想指標也不同。因此，在無芒雀麥品種選育中，應重點考慮葉莖比、干草產量、粗灰分、粗蛋白4 項重要指標，使其更好地與生產實際緊密相聯(lián)。同時，還應進行大量考察充分了解不同無芒雀麥種質材料的優(yōu)異特性，從而選育出適合不同生產需求的無芒雀麥優(yōu)良品種。

采用灰色關聯(lián)度分析法綜合評價牧草品種的關鍵是依據(jù)當?shù)厣a實際和生產需要來進行性狀的選取、各性狀權重值的確定和參考品種的構建?？紤]到無芒雀麥屬多年生優(yōu)質禾本科牧草，不同來源的品種需經(jīng)過多年適應性試驗，才能充分發(fā)揮其獨特優(yōu)勢，因此，要選取適應某個地區(qū)氣候特征和生產實際狀況的代表性性狀作為綜合評價的因子，并結合積累的生產經(jīng)驗，參照相關科技文獻來賦予參評性狀合理、科學的權重。本研究中無芒雀麥參考材料的選取具有一定人為因素，評價指標也不夠豐富，在今后的研究中需綜合牧草更多的生產性能、抗逆性及其他營養(yǎng)指標進行全面、合理地評價。

4 結論

不同無芒雀麥種質資源之間生產性能與營養(yǎng)品質差異較大，其中Q6、Q8、Q2 的鮮草產量以及Q16、Q4 的干草產量較大，可作為追求產草量的基礎材料利用；Q16 粗蛋白含量高，中性洗滌纖維含量低，有利于提高牧草養(yǎng)分消化率、營養(yǎng)品質好；Q2、Q4、Q10、Q14 葉莖比較大，可用來提高無芒雀麥的適口性，進而提高其品質。聚類分析將16 份種質材料分為4 類，分類結果與種質材料原產地關聯(lián)較小。通過灰色關聯(lián)度分析，參試無芒雀麥種質材料各項指標在生產性能和營養(yǎng)成分的綜合評價系統(tǒng)中所占權重表現(xiàn)為葉莖比 > 干草產量 > 粗灰分 >粗蛋白 > 鮮草產量 > 莖粗 > 粗脂肪 > 株高 > 酸性洗滌纖維 > 相對飼喂價值 > 中性洗滌纖維；綜合表現(xiàn)較好的種質材料為源自我國白旗的Q6、寧夏原州區(qū)的Q4、寧夏彭陽縣的Q16、新疆的Q2 以及來自美國的Q10、Q8，而源自我國錫林郭勒的Q1 和甘肅的Q5 加權關聯(lián)度最小，綜合表現(xiàn)最差。