2022—2023年南疆小麥區(qū)試品種綜合評價

關(guān)鍵詞小麥；農(nóng)藝性狀；相關(guān)性分析；主成分分析；聚類分析

中圖分類號S512.1文獻標識碼A

文章編號 0517-6611（2025）08-0024-05

doi：10.3969/j.issn.0517-6611.2025.08.006

開放科學(xué)（資源服務(wù)）標識碼（OSID）：

AbstractObetie]Todeplyxplorethgeneticdiversitycharacteristicsofeatgerplasminthewinterwheatzoneofsouth Xijang andcompreheielyssitsilapotetial.Metodssdfusdo5atvarets（s）partitigin regionaltrial.Tesevarietisweresujectedoarigorousanalysisandevauationofkeyagroomicndyieldtraits，compaingpant height，tillrount，spkegainumber，housand-grainweight，ndoverallyieldesultTefdingevealamarkableoticdiversityamongte55heatgemplasmresouces.Thecoeficientsofvationfortheseagronomicndyieldtritsspanawideangefroma minimum of 1 . 2 3 % to a maximum of 1 4 . 3 9 % ，with an average of 8 . 3 2 % . This suggests a considerable genetic variation within the studied wheatvarietis，gcpottialfdgprogCoelaioalysfurtrlirateatiosongthaist bly，asignifiatgaieeaststweddibaiatieadoust essarilytranslateintogherield.Convesely，ositivecoelatiosareedetweeeldndothgainumberpancdtou sand-grainweigt，suggstigtattheritouldseagetsfoieldimproveenttratesAditioall，raitsschsalte count，plantigt，nengthndumbeallncleitositieoelatioshield，gigioi nificancenbreedingeforts.Tfurthercondensetevastnfomationcontaiedintesetraits，principalomponentanalysis（PC）wseployed.Byseletingthfirstheepricialompoetsasedteciteroofgenvausgreaterthanumulatieotrbutioatef （20 5 9 . 7 4 % wasachieved.Thisrepresentsasignificantreductionindimensionalitywhilecapturigthemajorityofgeneticvariationpresentinthe 5germplasmresouceClusteraalysisas hencondctedtoategoreteeatvarietis（ines）intodstictroupsAtanEuclideandis tanceof3.，5atvreeegupeditoedsticustsaceqritpoilsdretyrtsus teringallowsforeioofriefrftgrosfogeedei，ryaigedingeddi versityCosilielyinidprsidsadgftiesiaestiof5t rieties（lines）nsouXijagndtlualdldutliatiootetial.Tistudesvauableisightsintodigf novelwintereatvarietisandteexpasiofgneticdivesityinisgio，erbyoibutigtosustaiablealaldee and food security.

Key words Wheat；Agronomic traits；Correlation analysis；Principal component analysis；Cluster analysis

我國作為全球最大的小麥生產(chǎn)國與消費國，在小麥產(chǎn)業(yè)的地位舉足輕重，其產(chǎn)量占據(jù)全球總產(chǎn)量的 1 7 % ，消費量占全球總量的 $1 6 ＼% ^ { [ 1 ] }$ 。小麥作為我國第三大糧食作物，大田實際產(chǎn)量中主要以冬小麥為優(yōu)勢種[2]，其中春小麥栽培面積占冬小麥總面積的1/3左右。在南疆麥區(qū)這一特殊的農(nóng)業(yè)生態(tài)區(qū)域，小麥作為最大的糧食作物，其生產(chǎn)情況對區(qū)域糧食安全具有決定性作用。2022年新疆小麥種植面積達到120萬 ，其中阿克蘇地區(qū)冬小麥種植尤為顯著，種植面積約為18.5萬 。南疆的糧食生產(chǎn)與糧食安全更是與新疆冬小麥的生產(chǎn)緊密相連，對區(qū)域經(jīng)濟的穩(wěn)定發(fā)展具有重要意義。

然而，當前小麥育種工作中存在的遺傳背景狹窄、性狀差異性減弱等問題，嚴重制約了育種工作的突破。育種者往往依賴當?shù)刂饕茝V品種作為親本材料進行雜交組配，這導(dǎo)致小麥品種遺傳資源的單一化，使得無論是從產(chǎn)量還是質(zhì)量上都難以取得顯著進展[3-4]。為了克服這一困境，眾多學(xué)者對小麥品種進行了深入分析。張彬等[5通過對小麥品系的農(nóng)藝性狀進行研究，發(fā)現(xiàn)其變異范圍相對狹窄，他們利用主成分分析與聚類分析的方法，對品種的農(nóng)藝性狀進行了全面、客觀的評價和分類，為育種工作提供了重要的理論依據(jù)。姚盟等[對黃淮麥區(qū)的小麥新品種進行了變異和聚類分析，明確了其遺傳背景，為品種的合理利用提供了有力支撐。雷夢林等則通過對山西省地方種的主要農(nóng)藝性狀進行主成分及聚類分析，揭示了種質(zhì)資源遺傳多樣性在作物遺傳改良中的關(guān)鍵作用。傅曉藝等[8-9]分別從河北省和陜西省的小麥品種人手，對其農(nóng)藝性狀進行了聚類分析，發(fā)現(xiàn)了不同類型品種之間的顯著差異，為小麥品質(zhì)的篩選和改進提供了重要依據(jù)。與國外小麥品種相比，國內(nèi)小麥在遺傳背景上顯得較為單一。因此，筆者選取了55個冬小麥新品種（系），對其11個農(nóng)藝特性進行了分析，評估這些小麥品種及其農(nóng)藝特性表現(xiàn)，揭示不同品種之間的親緣關(guān)系，以期通過促進不同來源的親本進行雜交組合，增加遺傳多樣性，為提升育種工作的效率提供技術(shù)指導(dǎo)和理論支持。

1材料與方法

1.1材料數(shù)據(jù)來源以2022—2023年自治區(qū)南疆冬小麥區(qū)域試驗的55份材料為研究對象（表1），統(tǒng)計分析品種（系）的11個農(nóng)藝性狀及產(chǎn)量。

1.2 試驗方法

1.2.1試驗設(shè)計。試驗在新疆生產(chǎn)建設(shè)兵團第一師十二團（海拔 進行。試驗地為壤土，土壤肥力中上，前茬作物為棉花。參試材料隨機區(qū)組排列，重復(fù)3次，小區(qū)長 ，寬 ，小區(qū)面積 ，每小區(qū)9行，行距 ，小區(qū)間步道 ，密度為525萬 基本苗。

1.2.2栽培管理。10月6日拖拉機撒施磷酸二銨 作基肥，未施種肥。2022年10月8日人工小麥精量播種機播種，2022年10月13日滴水出苗，全生育期灌水7次：2022年11月5日冬灌，3月28日滴施尿素 、磷酸脲 ；4月11日滴施尿素 、磷酸脲 、磷酸一銨 月25日滴施尿素 、磷酸脲 月10日滴施尿素 、磷酸一銨 月27日滴施尿素 、磷酸一銨 。2023年4月7日用 3 % 雙氟·唑草酮進行化學(xué)除草1次，7月1日收獲時單收單脫，小區(qū)分別計產(chǎn)，四周設(shè)保護行，全生育期間不進行病害防治。

1.3農(nóng)藝性狀測定參照《小麥種質(zhì)資源描述規(guī)范和數(shù)據(jù)標準》[]調(diào)查生育期、基本苗、最高總莖數(shù)、有效分蘗成穗率、株高、穗長、小穗數(shù)、收獲穗數(shù)、穗粒數(shù)、千粒重、容重11個農(nóng)藝性狀及產(chǎn)量。

1.4數(shù)據(jù)分析利用Excel2010進行基礎(chǔ)數(shù)據(jù)處理，利用DPS9.01進行相關(guān)分析、主成分分析和聚類分析。

2 結(jié)果與分析

2.1主要農(nóng)藝和產(chǎn)量性狀變異情況變異系數(shù)作為一種度量指標，能有效地揭示性狀之間的變異幅度。通過對55個小麥品種（系）的11個農(nóng)藝性狀及產(chǎn)量進行分析，由表2可知，這些性狀的變異系數(shù)分布在 1 . 2 3 % ～ 1 4 . 5 6 % ，平均值為8 . 3 2 % ，表明55個小麥品種（系）間在農(nóng)藝性狀及產(chǎn)量上呈現(xiàn)出顯著的變異特征。穗長的變異系數(shù)高達 1 4 . 5 6 % ，位列第1。這意味著在小麥品種中，穗長的差異最顯著，不同品種間的穗長差異較大，這對于小麥的育種工作具有重要的指導(dǎo)意義。此外，成穗率（ 1 4 . 3 9 % ）、小穗數(shù) （ 1 1 . 4 6 % 和穗粒數(shù)（ 9 . 7 9 % ）的變異系數(shù)也相對較高，這些性狀在小麥產(chǎn)量形成中扮演著重要角色，因此其變異性的大小對于小麥的遺傳改良具有不可忽視的作用。生育期的變異系數(shù)最小，僅 1 . 2 3 % 。這說明在所選的55個小麥品種中，生育期的差異相對較小。

2.2相關(guān)性分析對55個小麥品種（系）主要農(nóng)藝性狀間的相關(guān)性進行分析，結(jié)果表明，品種（系）的性狀間存在顯著或極顯著相關(guān)關(guān)系。在與產(chǎn)量性狀的相關(guān)性分析中，產(chǎn)量與株高、穗長呈顯著正相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.30和0.31。這表明在小麥育種實踐中，適當提高株高和穗長可能有助于增加產(chǎn)量。同時，產(chǎn)量與最高總莖數(shù)之間呈極顯著正相關(guān)關(guān)系，相關(guān)系數(shù)為0.51，表明提高最高總莖數(shù)在提升小麥產(chǎn)量上有正效應(yīng)。產(chǎn)量與有效穗數(shù)、生育期之間存在極顯著負相關(guān)關(guān)系，相關(guān)系數(shù)分別為-0.41和-0.47，這表明在追求高產(chǎn)的同時，需要關(guān)注有效穗數(shù)和生育期的協(xié)調(diào)平衡，以避免因過度追求產(chǎn)量而導(dǎo)致其他性狀下降。在產(chǎn)量3要素（有效穗數(shù)、穗粒數(shù)和千粒重）方面，有效穗數(shù)與穗粒數(shù)、千粒重均呈負相關(guān)，相關(guān)系數(shù)分別為-0.01和-0.14，而千粒重與穗粒數(shù)之間呈正相關(guān)關(guān)系，相關(guān)系數(shù)為0.09（表3）。這表明在小麥育種過程中，要權(quán)衡有效穗數(shù)與穗粒數(shù)和千粒重之間的平衡。

2.3主成分分析鑒于性狀間普遍存在的相關(guān)性對種質(zhì)評價構(gòu)成的潛在影響，進一步采用主成分分析的方法對55個小麥品種（系）進行系統(tǒng)的綜合評估，消除性狀間的相關(guān)性對種質(zhì)評價帶來的影響。從特征值與因子相互關(guān)系折線圖（圖1）可以看到，前3個主成分能夠代表供試材料12個性狀的絕大多數(shù)信息。由表4可知，特征值大于1的前3個主成分的累計貢獻率高達 5 9 . 7 4 % ，這3個主成分可以作為評價小麥品種（系）的重要指標。第1主成分的特征值為3.33，其貢獻率達到 2 7 . 7 4 % 。通過分析其對應(yīng)的特征向量可知，產(chǎn)量、最高總莖數(shù)和穗長是對該主成分影響較大的性狀。主要反映小麥品種（系）在產(chǎn)量方面的表現(xiàn)，可以將第1主成分視為產(chǎn)量因子。第2主成分的特征值為2.55，貢獻率為 2 1 . 2 2 % 。該主成分以穗粒數(shù)、株高和容重為主要特征向量。這表明第2主成分主要反映小麥品種（系）在穗粒數(shù)和株高方面的特性。

第3主成分的特征值為1.29，貢獻率為 1 0 . 7 8 % 。其主要影響因素為小穗數(shù)和有效穗數(shù)，進一步表明第3主成分與產(chǎn)量相關(guān)因子密切相關(guān)。

2.4聚類分析對55個小麥品種（系）的農(nóng)藝性狀數(shù)據(jù)進行標準化處理，采用歐氏距離最長距離法進行系統(tǒng)聚類分析，構(gòu)建樹狀圖。聚類結(jié)果顯示（圖2），在歐氏距離5.0處，46個品種共分為3類：第I類有14個品種，平均生育期為250.07d，變異范圍 。該類群的小穗數(shù)（17.99）、穗粒數(shù)（42.31）千粒重 、容重（ ）和基本苗（512.91萬 ）均值在3個類群中中等；產(chǎn)量0 ）、穗長（ 、株高（ ）最高總莖數(shù)（1302.59萬 ）均值最低；有效穗數(shù)（560.14萬 ）成穗率（ 4 3 . 1 9 % ）均值最高。第Ⅱ類有34個品種，平均生育期為244.91d，變異范圍 。該類群的千粒重（ ）和容重（ ）均值最低；基本苗（514.19萬/ ）、株高（ 最高總莖數(shù)（1443.42萬/ ）、有效穗數(shù)（497.62萬） ）成穗率（ 3 4 . 6 6 % 、穗長 ）、穗粒數(shù)（42.31）小穗數(shù)（17.86）產(chǎn)量 ）均值在3個類群中中等。第Ⅲ類有7個品種，平均生育期為 ，變異范圍 該類群最高總莖數(shù)（ 萬 ）、株高L 穗長（ ）小穗數(shù)（19.86）穗粒數(shù)（49.22）千粒重 容重（ ）產(chǎn)量（ ）均值最高；基本苗（490.93萬 ）、有效穗數(shù)（481.91萬 ）、成穗率（ 3 3 . 1 1 % ）均值在3個類群中最低（表5）。綜上所述，第Ⅲ類具有較高產(chǎn)量潛力。

3討論

遺傳多樣性的種質(zhì)資源是小麥新品種研發(fā)的關(guān)鍵[]近年來國內(nèi)育種進程加快，但利用的種質(zhì)資源集中在少數(shù)骨干親本上，導(dǎo)致遺傳多樣性降低。小麥遺傳多樣性的改良應(yīng)通過染色體組加倍化及物種間異源遠緣雜交等技術(shù)，以達到種質(zhì)資源創(chuàng)新的目的[12]。李愛國等[13]對2001—2020年河南省審定小麥品種7個農(nóng)藝性狀進行分析，發(fā)現(xiàn)生育期變異系數(shù)最小。任欣欣等[14-16]對小麥品種主要農(nóng)藝性狀的變異分析結(jié)果表明，穗粒數(shù)的變異系數(shù)較大。筆者通過分析55個冬小麥新品種（系）的變異情況，發(fā)現(xiàn)農(nóng)藝性狀變異系數(shù)在1 . 2 3 % ～ 1 4 . 5 6 % ，平均為 8 . 3 2 % ，其中生育期變異系數(shù)最低，穗長變異系數(shù)最高，這與前人研究基本相符，表明品種的生育期已趨于穩(wěn)定，受生態(tài)環(huán)境和氣候影響較小。然而，南疆冬麥區(qū)新品系主要依賴于品種間雜交，且種質(zhì)資源集中于少數(shù)關(guān)鍵親本如新冬系列，導(dǎo)致遺傳多樣性下降。因此，未來育種應(yīng)拓寬種質(zhì)資源的創(chuàng)新和利用范圍，要著重注意異源、遠緣基因位點片段的引進和利用。

由于小麥產(chǎn)量構(gòu)成要素間的相互關(guān)系較復(fù)雜，不同生態(tài)環(huán)境和栽培條件下取得高產(chǎn)的性狀結(jié)構(gòu)差異較大，因此各生態(tài)區(qū)小麥品種的發(fā)展進程也不盡相同[17]。該研究顯示，2022—2023年南疆冬小麥區(qū)域試驗中的55個品種（系）在新疆第一師十二團種植的產(chǎn)量平均為 ，生育期平均為246.36d，基本苗為511.15萬株 ，株高為 ，有效穗數(shù)達511.53萬 ，穗粒數(shù)43.19粒，千粒重 。近年來，南疆冬麥區(qū)高產(chǎn)示范種植田的產(chǎn)量構(gòu)成3因素中，穗粒數(shù)和千粒重均為增加，有效穗數(shù)相對穩(wěn)定。這與郭瑞等[18-19]對冬小麥品種主要農(nóng)藝性狀綜合分析研究結(jié)果基本一致，表明近年來新疆冬小麥育種者在穩(wěn)定小麥單位面積有效穗數(shù)的基礎(chǔ)上，對小麥新品種（系）的穗粒數(shù)和千粒重進行了有效改良和提高，南疆地區(qū)及同一生態(tài)區(qū)小麥新品種（系）正由多穗型主導(dǎo)向大穗大粒型轉(zhuǎn)變，這種轉(zhuǎn)變有利于提升農(nóng)業(yè)生產(chǎn)效益，順應(yīng)實際需求。

目前已廣泛開展的針對小麥關(guān)鍵農(nóng)藝特性多維度探究，涵蓋相關(guān)性、主成分和聚類等多種統(tǒng)計分析手段，這些研究結(jié)果的發(fā)現(xiàn)有助于育種者開展符合當?shù)貙嶋H生產(chǎn)需要的實質(zhì)性工作。該研究通過相關(guān)性分析發(fā)現(xiàn)，基本苗、最高總莖數(shù)、有效穗數(shù)與成穗率與小麥產(chǎn)量呈負相關(guān)，這可能源于播種量大、品種分蘗成穗能力較弱的原因。國家試驗標準要求基本苗225萬 ～ 3 0 0 萬株 ，南疆實際播種量普遍超過 導(dǎo)致苗量過多，反映出新品種成穗效率偏低。因此，當前試驗中品種選擇應(yīng)傾向于單穗型，225萬株 的苗量已足夠，無需增加播種成本。綜合分析建議，南疆及其類似生態(tài)區(qū)的小麥育種和生產(chǎn)應(yīng)側(cè)重于發(fā)掘多粒種質(zhì)資源潛力，以提升穗粒數(shù)，從而優(yōu)化產(chǎn)量。

主成分分析能夠?qū)⒋罅康男誀钸M行簡化，在農(nóng)作物資源評價中被廣泛應(yīng)用[20-23]，能夠較為科學(xué)地評估性狀的貢獻，從而客觀地對種質(zhì)資源進行評價。該研究將12個性狀簡化成特征值大于1的3個主成分，其累計貢獻率達 5 9 . 7 4 % ，能夠反映大部分性狀信息，表明產(chǎn)量、最高總莖數(shù)、穗長等可作為小麥評價的綜合指標，在資源的選擇利用時，可以根據(jù)需求按照主成分的特點進行篩選。通過主成分分析，可以觀察到影響小麥品種（系）評價的關(guān)鍵因子，并量化了它們對整體評價的貢獻程度，不僅有助于更深入地理解小麥種質(zhì)資源的遺傳特性，還為今后的小麥育種工作提供了重要的理論依據(jù)和實踐指導(dǎo)。

聚類分析已廣泛應(yīng)用于小麥種質(zhì)資源的遺傳多樣性分析，是評價小麥育種材料的有效方法[24]。該研究基于12個農(nóng)藝性狀對55個小麥品種進行聚類分析，結(jié)果顯示，參試材料分為3大類群：第1類群小麥品種共14個，占試材總數(shù)的2 5 . 4 5 % ，其平均有效穗數(shù)和成穗率最高，平均穗粒數(shù)也較高，可以作為提高小麥群體數(shù)量的育種材料；第2類群小麥品種共34個，占試材總數(shù)的 6 1 . 8 2 % ，除其平均千粒重、容重最低外，其他性狀均有利于小麥生產(chǎn)，是農(nóng)藝性狀最優(yōu)的一組類群；第3類群小麥品種共7個，占試材總數(shù)的 1 2 . 7 3 % ，其平均基本苗、有效穗數(shù)和成穗率最小，在小麥育種或栽培選擇時應(yīng)注意進行有效規(guī)避。

參考文獻

[1]何中虎，莊巧生，程順和，等.中國小麥產(chǎn)業(yè)發(fā)展與科技進步[J].農(nóng)學(xué)學(xué)報，2018，8（1） ：99-106.

[2]趙廣才.中國小麥種植區(qū)域的生態(tài)特點[J].麥類作物學(xué)報，2010，30（4）：684-686.

[3]何中虎，夏先春，陳新民，等.中國小麥育種進展與展望[J].作物學(xué)報，2011，37（2）：202-215.

[4]李振聲.我國小麥育種的回顧與展望[J].中國農(nóng)業(yè)科技導(dǎo)報，2010，12（2） ：1-4.

[5]張彬，李金秀，王震，等.小麥主要農(nóng)藝性狀的相關(guān)性及聚類分析[J].作物雜志，2018（3）：57-60.

[6]姚盟，張玲麗，馮毅，等.黃淮麥區(qū)小麥新品系主要農(nóng)藝性狀變異分析[J].種子，2015，34（9）：66-70.

[7]雷夢林，劉霞，馮瑞云，等.山西省冬小麥地方品種形態(tài)特征和生物學(xué)特性的遺傳多樣性分析[J].分子植物育種，2020，18（2）：638-649.

[8]傅曉藝，史占良，趙彥坤，等.2009一2015年河北省審定小麥品種的聚類及產(chǎn)量分析[J].山東農(nóng)業(yè)科學(xué)，2016，48（9）：23-26.

[9]趙鵬濤，趙衛(wèi)國，羅紅煉，等.小麥主要品質(zhì)性狀相關(guān)性及主成分分析[J].中國農(nóng)學(xué)通報，2019，35（21）：7-13.

[10]孫剛，陳佳靜，姚明明，等.寧夏春麥區(qū)小麥資源株高、籽粒性狀及抗病性分析[J].植物遺傳資源學(xué)報，2023，24（4）：954-971.

[11]高睦槍，劉冬成，郭小麗，等.我國部分冬小麥新品種（系）SSR標記遺傳差異的研究[J].農(nóng)業(yè)生物技術(shù)學(xué)報，2001，9（1）：49-54.

[12]黃群策，黃雅琴.普通小麥遺傳改良的潛在價值[J].河南農(nóng)業(yè)科學(xué)，2009，38（11）：22-27.

[13]李愛國，宋曉霞，張文斐，等.2001一2020年河南省審定小麥品種育種特點及表型性狀演變分析[J].麥類作物學(xué)報，2021，41（8）：947-959.

[14］任欣欣，姚占軍，岳艷麗，等.黃淮海麥區(qū)四省份小麥品種的農(nóng)藝性狀及遺傳多樣性分析[J].華北農(nóng)學(xué)報，2010，25（1）：94-98.

[15]張婷，逯臘虎，楊斌，等.黃淮麥區(qū)4省小麥種質(zhì)農(nóng)藝性狀的比較分析[J].作物雜志，2019（6）：20-26.

[16]杜曉宇，李楠楠，鄒少奎，等.黃淮南片新育成小麥品種（系）主要性狀的綜合性分析[J].作物雜志，2021（4）：38-45.

[17]王金艷，李金峰，李林峰，等.2017一2022年焦作小麥區(qū)域試驗品種主要農(nóng)藝性狀及產(chǎn)量分析[J].南方農(nóng)業(yè)學(xué)報，2023，54（4）：1038-1044.

[18]郭瑞，李正玲，張煜，等.30a來河南省不同類型小麥品種產(chǎn)量和農(nóng)藝性狀演變規(guī)律[J].河南農(nóng)業(yè)科學(xué)，2018，47（4）：15-20.

[19]齊雙麗，李偉，魏雅紅，等.黃淮南片冬小麥品種（系）主要農(nóng)藝性狀和品質(zhì)性狀綜合分析[J].天津農(nóng)業(yè)科學(xué)，2022，28（6）：27-34.

[20]宋全昊，金艷，宋佳靜，等.35份人工合成六倍體小麥的綜合評價[J].作物雜志，2022（4）：69-76.

[21]胡標林，萬勇，李霞，等.水稻核心種質(zhì)表型性狀遺傳多樣性分析及綜合評價[J].作物學(xué)報，2012，38（5）：829-839.

[22]魏曉羽，劉紅，瞿輝，等.158份春蘭種質(zhì)資源的表型多樣性分析[J].植物遺傳資源學(xué)報，2022，23（2）：398-411.

[23]于躍，孫健，張靜，等.198份大麻種質(zhì)資源農(nóng)藝及品質(zhì)性狀綜合評價[J].植物遺傳資源學(xué)報，2021，22（4）：1021-1030.

[24]要燕杰，高翔，吳丹，等.小麥農(nóng)藝性狀與品質(zhì)特性的多元分析與評價[J].植物遺傳資源學(xué)報，2014，15（1）：38-47.

[2]DARYANTO S，WANGL X，JACINTHEP A.Global synthesis of droughteffects on maize and wheat production[J].PLoS One，2016，11（5） ：1-15.

[3]ANJUM S A，TANVEER M，ASHRAF U，et al.Effect of progressive droughtstress on growth ，leaf gas exchange，and antioxidant production in two maizecultivars[J].Environmental science and pollution research，2O16，23（17） ：17132-17141.

[4]李壯，許文娟，薛兵東，等.玉米苗期抗旱性評定方法探討[J].玉米科學(xué)，2004，12（2）：73-75，88.

[5]霍士平，張興端，向振凡，等.玉米種子萌發(fā)階段的吸水率研究[J].玉米科學(xué)，2004，12（4） ：54-56，59.

[6]王德信，楊曉瑩.玉米幼苗對干旱脅迫的生理響應(yīng)[J].貴州農(nóng)業(yè)科學(xué)，2018，46（4） ：26-29.

[7]喻方圓，徐錫增.植物逆境生理研究進展[J].世界林業(yè)研究，2003，16（5） ：6-11.

[8]張艷馥，沙偉，徐忠文.干旱脅迫對玉米幼苗生理特性的影響[J].種子，2007，26（6） ：38-40.

[9]郭效龍，宋希云，裴玉賀，等.玉米自交系萌發(fā)期和苗期抗旱性指標的篩選[J].植物生理學(xué)報，2018，54（11）：1719-1726.

[10]孫靜，沙偉，張梅娟，等.轉(zhuǎn)砂蘚RcMYB基因煙草的抗旱生理指標測定[J].江蘇農(nóng)業(yè)科學(xué)，2017，45（12）：62-63，76.

[11]李燕.水分脅迫對三種地被植物生理生化特性的影響[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2009：12-18.

[12]徐立明，張振葆，梁曉玲，等.植物抗旱基因工程研究進展[J].草業(yè)學(xué)報，2014，23（6）：293-303.

[13]高杰，張仁和，王文斌，等.干旱脅迫對玉米苗期葉片光系統(tǒng)I性能的影響[J].應(yīng)用生態(tài)學(xué)報，2015，26（5）：1391-1396.

[14]于文穎，紀瑞鵬，馮銳，等.不同生育期玉米葉片光合特性及水分利用效率對水分脅迫的響應(yīng)[J].生態(tài)學(xué)報，2015，35（9）：2902-2909.