飼用玉米在慶陽市北部旱作區生長適應性評價

梁萬鵬， 李世恩， 高 鈺， 徐振飛， 劉雨田， 張金霞， 朱正生

(甘肅省慶陽市農業科學研究院，甘肅 慶陽 745000)

環縣位于甘肅省慶陽市北部山區，常年干旱少雨，蒸發量大，種植業主要以玉米和小雜糧為主。近年來，隨著草畜產業發展，舍施養殖對玉米飼草的需求也隨之增大。但當地玉米種植主要以普通玉米[1]為主，品種單一，為了適應畜牧業發展要求，急需糧飼兼用、專用青貯玉米品種滿足市場需求。目前，市場上糧飼兼用及專用青貯玉米種類較多，利用方式靈活多樣[2-4]，為了能篩選出適合當地種植的飼用玉米品種，引進30個飼用玉米品種進行試驗，并利用主成分分析法[5-7]進行生產性能評價，現將分析過程總結如下。

1 材料與方法

1.1 試驗地概況

試驗于2018年在慶陽市環縣洪德鎮李家塬村進行，屬黃土高原丘陵溝壑區，地處北緯36°1′～37°9′，東經106°21′～107°44′之間，土層厚度在60～240 m之間。屬溫帶大陸性季風氣候，全年干旱少雨，年平均氣溫9.2 ℃，無霜期200 d；年均降雨量300 mm左右，蒸發量2 000 mm，日照時間2 600 h。

1.2 試驗材料

從國、內外引進天農青貯99、豫青貯23號、專用青貯SN211、甘鑫青貯1號、中單青貯29、奧玉青貯5102、純青貯、九青645、銀碩3號、谷玉17、屯玉765、渝青玉3號、CP1685、CP1689、東單13號、豫禾601、金博士588、屯玉168、東單11號、豫禾516、金博士813、臨奧1號、農大372、奧玉026、樂農18號、九栗907、科河24號、均隆1217、興達101等30個玉米品種。

1.3 試驗方法

試驗采用隨機區組設計，3次重復，小區面積30 m2。試驗采用覆膜雙隴溝播技術種植，行距50 cm，株距40 cm。于4月下旬旋耕，集合整地施入羊糞2 000 kg/hm2，然后覆膜。并于2018年5月5日前后用人工點播播種，播種深度4～6 cm，播種深淺一致，拔節期追施尿素150 kg/hm2，其余管理同大田。

1.4 測定指標及方法

田間記錄株高、穗位高、葉片數、葉面積、莖粗、棒重、棒粗、棒長、黃葉片數、綠葉片數、單株重等指標。每小區隨機抽取5株測量以上指標，試驗數據用Excel軟件進行整理，SPSS 19.0軟件進行主成分分析。

2 結果與分析

2.1 主成分分析

主成分分析公因子方差分析結果見表1。從表1可知，除莖粗外，其余10個變量的公因子均大于0.70，故提取的公因子能夠很好地反映原始變量的主要信息。

表2給出了所有特征值及其占相應的特征總值的百分比(貢獻率)和累計百分比(從大到小的順序排列)。特征值的大小反映了公因子的方差貢獻。例如第1個主成分特征值為4.643，占特征值總和的42.212%，累計貢獻率為42.212%；第2個主成分特征值為1.916，占特征值總和的17.421%，累計貢獻率為59.633%；第3個主成分特征值為1.301，占特征值總和的11.826%，累計貢獻率為71.459%；第4個主成分特征值為1.037，占特征值總和的9.425%，累計貢獻率為80.884%；前4個累計貢獻率已經達到80%以上，故而提取這4個主成分就能比較好地解釋原有變量所包含的信息。

表1 公因子方差

注：提取方法為主成分分析。

表2 飼用玉米主成分相關矩陣的特征值

因子得分系數矩陣是解釋因子代表性可靠程度，利用旋轉法使大的因子更大，小的更小，這樣結果更具可解釋性。旋轉后的因子得分系數矩陣如表3所示。由表3可得最終因子得分公式：

F1=0.306Zx1+0.224Zx2-0.130Zx3…+0.068Zx10+0.152Zx11

F2=0.065Zx1-0.185Zx2-0.021Zx3…-0.131Zx10+0.039Zx11

F3=-0.063Zx1-0.046Zx2-0.040Zx3…+0.474Zx10+0.033Zx11

F4=-0.282Zx1+0.148Zx2+0.672Zx3…-0.001Zx10+0.170Zx11

式中：Zx1，Zx2，Zx3，…，Zx10，Zx11分別為株高、葉片數、葉面積、…、保綠度、單株重量經過標準化處理的值，數據標準化是指Z標準化。

從表3可以看出，第1個公因子主要反映了株高、葉片數、穗位高上有較大載荷，說明第1個公因子主要是決定高度方面的因子；第2個公因子在棒重、棒長、棒粗上有較大載荷，說明第2個公因子主要是決定玉米籽粒產量方面的因子；第3個公因子在保綠度上有較大載荷，說明第3個公因子主要是決定玉米含水量方面的因子；第4個公因子在葉面積、莖粗上有較大載荷，說明第4個公因子主要是決定玉米秸稈產量方面的因子。

2.2 綜合得分評價

經過公因子分析,將30個飼用玉米品種的4個公因子另存為變量FAC1、FAC2、FAC3、FAC4，具體結果如表4所示。

表3 30個飼用玉米主成份得分系數矩陣

注：提取方法為主成分。旋轉法，具有Kaiser標準化的四分旋轉法構成得分。

表430個玉米品種4個公因子值

牧草名稱FAC1FAC2FAC3FAC4天農青貯0.643-0.4151.515-0.040豫青貯231.9570.6070.2950.230專用青貯0.8780.871-1.2080.577甘鑫青貯-0.2281.1740.8890.413中單青貯0.5530.044-0.2670.449奧玉青貯1.471-3.4060.5151.892純青貯-0.3710.864-0.8481.108九青6450.943-0.3831.0080.684銀碩3號-1.077-0.129-3.345-0.345谷玉17-1.007-0.923-1.202-0.315屯玉765-0.916-0.2020.975-0.886渝青玉32.871-0.097-1.300-3.373CP1685-0.643-0.2840.976-1.062CP1689-0.972-0.2080.918-1.086屯玉765-0.6990.5690.658-0.104東單13號0.0271.1180.2770.877豫禾601-1.404-1.1330.539-1.075金博士58-0.0971.437-0.044-0.063屯玉1680.4680.4750.618-0.255東單11號0.7580.133-0.258-0.247豫禾5160.2190.6780.938-0.608金博士81-1.3080.1730.371-0.225臨奧1號-0.072-1.652-1.1780.750農大372-0.486-0.8110.206-0.272奧玉0260.4350.097-0.4651.624樂農18號-0.9290.622-0.2370.907九栗907-1.025-1.310.133-0.930科河24號-0.280.701-0.8130.160均隆1217-0.2630.407-0.3440.792興達1010.5550.9840.6760.425

通過對30個飼用玉米品種進行綜合評價，對4個公因子FAC1、FAC2、FAC3、FAC4、得分進行加權求和，權數取表2中飼用玉米主成分相關矩陣的特征值中“旋轉平方和方差的百分比”的貢獻值。

綜合得分=FAC1×33.885+FAC2×18.505+FAC3×14.285+FAC4×14.209。綜合得分及結果排名如表5所示。

從表5得知，豫青貯23號綜合得分85.042，排名第1；興達101綜合得分52.720，排名第2；九青645綜合得分48.980，排名第3，以上3個品種可作為進一步示范推廣品種。

表5 公因子因子得分矩陣及其綜合排名

3 結論與討論

(1)采用因子分析法，就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子，以較少的幾個因子反映原資料的大部分信息。運用這種分析方法，可以方便地找出影響玉米產的主要因素以及它們的影響力。

(2)對30個玉米品種的株高、穗位高、葉片數、葉面積、莖粗、棒重、棒粗、棒長、黃葉片數、綠葉片數、單株重11個因子進行分析，前4個因子累計方差貢獻率已經達到80.884%，可以概括不同玉米品種主要特征特性的11個性狀的絕大部分信息。因此，根據各玉米品種在公因子上的得分值，對30個品種綜合評價，綜合得分按照分值大小排序。預青貯23號、興達101、九青645這3種綜合得分排名為前3，可作為進一步示范推廣的品種。

(3)2018年1～9月份，環縣降雨量明顯多于往年，截止9月28日降雨量為626.6 mm，而連續30年的年平均降雨量為409.5 mm(慶陽市氣象局提供)，對于開花期早的玉米品種，特別在玉米授粉期、灌漿期產生負面影響，產量有所下降；對開花期較晚的玉米品種，有利于產量增加，因此，經初步篩選出的玉米品種，建議今后進一步試驗種植，以準確判斷各品種的豐產性和適應性。