全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

高油大果花生新品种郑花6号产量构成因素的相关和通径分析
Correlation and Path Analysis of Yield Components of Zhenghua 6, A New Peanut Variety with High Oil and Big Pod

DOI: 10.12677/BR.2024.131009, PP. 75-85

Keywords: 花生,GGE双标图,丰产稳产性,相关分析,通径分析
Peanut
, GGE Biplot, High and Stable Yield, Correlation Analysis, Path Analysis

Full-Text   Cite this paper   Add to My Lib

Abstract:

分析影响高油大果花生品种郑花6号主要农艺性状对产量性状的直接、间接作用及其决定系数,为优化品种布局,丰富花生优质高产栽培理论提供参考。选用连续两年郑花6号参试的22个花生品种(系)为试验材料,运用基因环境互作双标图综合评价参试品种的丰产、稳产及适应性并评价18个试点的代表性和鉴别力,并利用SPSS对高油大果花生新品种郑花6号的产量及农艺性状进行相关分析和通径分析。双标图结果显示,两年产量性状的总变异值(PC1 + PC2)变异幅度为45.73~67.28%,初步明确了密云、青岛、菏泽和濮阳、潍坊、安阳试验点对产量性状具有较强辨别力和较高的代表性,郑花6号丰产稳产性均较好,适合在河南、辽宁、山东、河北、江苏、安徽等省份大面积推广。变异分析表明单株结果数、主茎高、侧枝长的变异系数较大,出米率的变异系数最小,9个性状的变异系数在3.89~21.72%;相关分析结果显示,百果重、总分枝数、百仁重、结果枝数、出仁率、单株果数与荚果产量呈正相关,但无显著相关性(p > 0.05),相关程度表现为百果重(r = 0.407) > 百仁重(r = 0.283) > 结果枝数(r = 0.244) > 出米率(r = 0.227) > 总分枝数(r = 0.189) > 单株果数(r = 0.175);主茎高(r = ?0.104)、侧枝长(r = ?0.115)与荚果产量呈负相关,但无显著相关性(p > 0.05)。通径分析结果表明,主茎高(直接通径系数 = 1.163),对产量的直接影响最大,其次为百果重(直接通径系数 = 0.945)、单株果数(直接通径系数 = 0.339)和出米率(直接通径系数 = 0.305)。株高、百果重和单株果数是影响郑花6号产量的主要参考性状,可作为郑花6号高产特征的指标参考,并协同出米率、结果枝数进行选择。在郑花6号栽培中应配合适宜播期,择适宜播种密度,建立合理群体结构,加强后期管理,控制株高,以实现优质高效栽培目标。
Analyze the direct and indirect effects and determination coefficients of the main agronomic traits on yield traits of the high oil and large pod peanut variety Zhenghua 6, in order to optimize variety layout and enrich the theory of high-quality and high-yield cultivation of peanuts.22 peanut varie-ties (lines) of Zhenghua 6 tested for two consecutive years were selected as experimental materials, and the high yield, stable yield and adaptability of the tested varieties were comprehensively eval-uated by using the gene-environment interaction biplot, and the representativeness and discrimi-nation of 18 pilot varieties were evaluated. The yield and agronomic traits of the new high-oil large-pod peanut variety Zhenghua 6 were analyzed by using SPSS. The biplot results showed that the variation range of PC1 + PC2 was 45.73~67.28%. It was preliminarily confirmed that Miyun, Qingdao, Heze, Puyang, Weifang and Anyang test sites had strong differentiation and high repre-sentativeness for yield traits, and Zhenghua 6 had good yield stability, suitable for large-scale pro-motion in Henan, Liaoning, Shandong, Hebei, Jiangsu, Anhui and other provinces. The results of var-iation analysis showed that the variation coefficients of pod number per plant, main stem height and lateral branch length were large, and the variation coefficients of rice yield were the smallest, ranging from 3.89% to 21.72%. Correlation analysis showed that pod weight, total branch number, kernel weight, pod branch number, pod number per plant were positively correlated with pod yield, but there was no significant correlation (p > 0.05).The correlation was as follows:100 pod weight (r = 0.407) > 100 kernel weight (r = 0.283) > number of pod

References

[1]  廖伯寿. 我国花生生产发展现状与潜力分析[J]. 中国油料作物学报, 2020, 42(2): 161-166.
[2]  严威凯. 双标图分析在农作物品种多点试验中的应用[J]. 作物学报, 2010, 36(11): 1805-1819.
[3]  Yan, W.K. and Tinker, N.A. (2006) Biplot Analysis of Multi-Environment Trial Data: Principles and Applications. Canadian Journal of Plant Sci-ence, 86, 623-645.
https://doi.org/10.4141/P05-169
[4]  Yan, W.K., Kang, M.S., Ma, B.L., et al. (2007) GGE Biplot vs. AMMI Analysis of Genotype by Environment Data. Crop Science, 47, 641-653.
https://doi.org/10.2135/cropsci2006.06.0374
[5]  谢文锦, 李宁, 杨海龙, 等. 辽宁省玉米区试品种丰产稳产性比较[J]. 作物研究, 2019, 33(6): 528-530.
[6]  毛文博, 苏成付, 毛瑞喜, 等. 应用GGE双标图分析山东省玉米区域试验品种基因型与环境互作效应[J]. 山东农业科学, 2020, 52(12): 7-13.
[7]  王磊, 程本义, 鄂志国, 等. 基于GGE双标图的水稻区试品种丰产性、稳产性和适应性评价[J]. 中国水稻科学, 2015, 29(4): 408.
[8]  柳娜, 曹东, 王世红, 等. 基于GGE双标图的甘肃春小麦区试品系稳产性和试点代表性分析[J]. 西北农林科技大学学报(自然科学版), 2018, 46(4): 39-48.
[9]  李建武, 李高峰, 文国宏, 等. 基于Genstat GGE双标图评价甘肃省马铃薯区域试验的参试品种和试点[J]. 西北农业学报, 2018, 27(8): 1146-1151.
[10]  李建武, 李高峰, 文国宏, 等. 甘肃省多点联合试验马铃薯产量要素稳定性及试点鉴别力分析[J]. 西北农业学报, 2022, 31(11): 1422-1434.
[11]  周长军, 田中艳, 李建英, 等. 双标图法分析大豆多点试验中品系产量稳定性及试点代表性[J]. 大豆科学, 2011, 30(2): 318-321.
[12]  张志芬, 付晓峰, 刘俊青, 等. 用GGE双标图分析燕麦区域试验品系产量稳定性及试点代表性[J]. 作物学报, 2010, 36(8): 1377-1385.
[13]  唐淑荣, 许乃银, 杨伟华, 等. 基于GGE分析的西北内陆棉区纤维品质生态区划分[J]. 中国生态农业学报, 2016, 24(12): 1674-1682.
[14]  朱亚娟, 甄志高, 赵金环, 等. 河南省小粒花生品种主要农艺性状与产量的相关及通径分析[J]. 湖南农业科学, 2016(4): 34-36+39.
[15]  冯亚平, 韩燕, 江金春, 等. 北方大花生品种主要农艺性状的相关性分析[J]. 山东农业科学, 2019, 51(9): 97-101.
[16]  苗建利, 邓丽, 郭敏杰, 等. 开农82花生主要性状与产量的相关性和通径分析[J]. 湖南农业科学, 2021(9): 8-11.
[17]  邓丽, 郭敏杰, 苗建利, 等. 基于通径系数和GGE双标图的大粒花生综合分析[J]. 江苏农业科学, 2021, 49(19): 129-133.
[18]  邓丽, 郭敏杰, 谷建中, 等. 大果花生品种产量及其构成的可视化分析[J]. 分子植物育种, 2021, 19(18): 6258-6264.
[19]  姚金保, 姚国才, 杨学明, 等. 长江中下游麦区小麦品种的产量分析[J]. 江苏农业科学, 2006(2): 52-53.
[20]  刘朝辉, 李江伟, 蒋志凯, 等. 河南省小麦区试品种(系)产量与产量构成因素的相关和通径分析[J]. 山东农业科学, 2013, 45(9): 26-28.
[21]  田纪春, 邓志英, 胡瑞波, 等. 不同类型超级小麦产量构成因素及籽粒产量的通径分析[J]. 作物学报, 2006, 32(11): 1699-1705.
[22]  李向东, 张德奇, 等. 小麦产量三要素与产量的通径和灰色关联度分析[J]. 河南农业科学2016, 45(10): 19-23.
[23]  李巧云, 李磊, 周苏梅, 等. 河南省小麦产量及其构成因素变化规律分析[J]. 河南农业科学, 2011, 40(4): 38-40.
[24]  张莹莹, 卢道文, 孙海潮, 等. 黄淮海区域玉米收获期籽粒含水量与主要农艺性状的相关分析和通径分析[J]. 江苏农业科学, 2022, 50(13): 119-123.
[25]  王贺亚, 孟玲, 李怀胜, 等. 塔额垦区甘蓝型油菜主要性状与产量的相关性及通径分析[J]. 种子, 2023, 42(4): 127-132.
[26]  叶凌凤, 周鑫, 徐年龙, 等. 江苏省淮北地区近3年主栽小麦品种产量性状及其稳定性分析[J]. 江苏农业科学, 2020, 48(22): 56-61.
[27]  王璐璐, 张超, 黄莎, 等. 贵州芥菜型油菜主要性状与产量的相关性及通径分析[J]. 西南农业学报, 2022, 35(3): 526-529.

Full-Text

comments powered by Disqus

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133

WeChat 1538708413