基于灰色关联度法的不同紫花苜蓿品种氮、磷、钾养分重吸收评价

时间：2024-08-31

高晗，李丽珠，郭欢欢，秦萌，王鲁北，杨燕,王振南，吕慎金

(1.临沂大学农林科学学院，山东临沂 276000；2.临沂市园林环卫保障服务中心，山东临沂 276000；3.临沂市农业科学院，山东临沂 276012)

养分重吸收(Nutrient resorption)为植物营养保留提供了重要的策略，其将衰老叶中营养元素重新利用在成熟叶或茎秆中，减少了植物的养分损失，提高了植物的养分利用，增加了植物对环境的适应能力[1-4]。养分重吸收效率(Resorption efficiency，RE)指养分从衰老叶转移至成熟叶中的比例[1，5-6]。植物的养分重吸收效率因植物物种[7]、年龄[8]、环境因素(温度、水分、土壤营养状况等)[9-12]和人为因素(火烧、施肥等)[10-11]等不同而不同，但有关不同植物品种养分重吸收效率差异的研究报道较少，而研究某一植物不同品种间的养分重吸收对不同品种间的环境适应性有一定的理论与实践意义。

品种选择能够直接影响植物的产量、品质，抵抗虫害、病害等逆境的能力，延长寿命等[13]。学者主要通过评价作物的产量、质量及农艺性状等筛选品种[14-15]。杨曌等[15]发现在湘西南地区不适宜种植紫花苜蓿(Medicagosativa)品种阿尔冈金，但伏兵哲等[16]发现阿尔冈金在银川地区具有较高的产量。同一品种在不同地区呈现的差异性体现了植物的环境适应性，而植物的养分重吸收特征能够较好地反映植物对环境适应能力[1-4]。因此，监测植物的养分重吸收效率，对于品种的选择提供了新的参考方法，为筛选环境适应性强的品种提供了理论与实践意义。

紫花苜蓿为多年生豆科牧草，具有品质优良、环境适应性强等优点[17-19]，但不同品种的环境的适应性表现各异[20]。因此，采用灰色关联度分析法(Grey Correlative Degree Analysis，GRDA)[21]，对不同紫花苜蓿品种氮、磷和钾养分重吸收效率进行综合分析，从环境适应性角度筛选紫花苜蓿品种，为选择适宜鲁南地区建植的紫花苜蓿品种提供一定的理论依据与实践参考。

1 材料和方法

1.1 研究地概况

在山东省临沂市兰山区亚姆巴奶山羊场(N 35°14′2.88″，E 118°18′18.15″)建植试验田开展研究。该地年平均降水量800 mm，年平均气温13.3 ℃，年无霜期202 d。土壤有机碳含量5.2 g/kg，全氮含量0.46 g/kg，速效磷含量41 mg/kg，速效钾含量0.45 g/kg。

1.2 试验设计及样品处理

选取南苜601、WL343、中原804、无棣、WL319、WL525HQ、标靶7个紫花苜蓿品种为试验对象，紫花苜蓿种子由青岛农业大学草地农牧业研究中心提供。试验采用完全随机设计，每个品种重复3次，小区为长方形，面积15 m2(5 m×3 m)，相邻小区设置0.6 m间隔。播种前按照N 103.5 kg/hm2(尿素，含N 46%)、P2O5198 kg/hm2(重过磷酸钙，含P2O544%)添加基肥，之后不再进行水肥添加。

所有紫花苜蓿品种于2016年4月20日播种，于越冬前最后一茬初花期(10月2日，第2茬)对15株紫花苜蓿成熟叶和衰老叶进行采集，每株苜蓿成熟叶和衰老叶各采集10片。采集标准：衰老叶是指叶片仍保留于苜蓿植株茎秆上，但在轻轻抖动苜蓿时会自然掉落下来的叶片；成熟叶是指苜蓿叶腋处颜色深绿且成熟的三出复叶[20]。采集样品时，用米尺在田间进行植株株高测量。

1.3 指标测定

将样品先置于105 ℃烘箱中杀青10 min，再置于70 ℃烘箱中烘干48 h至恒重。烘干样品用植物粉碎机粉碎，过0.5 mm筛后进行全氮(N)、全磷(P)和全钾(K)含量测定。

采用凯氏定氮法进行N含量测定；采用钼锑抗比色法进行P含量测定；采用火焰光度计进行K含量测定[22]。

1.4 参数计算

重吸收效率(RE)计算方法为：

式中：Nugreen和Nusenesced分别代表成熟叶和衰老叶元素含量，N、P和K重吸收效率分别表示为NRE、PRE和KRE。

1.5 灰色关联度分析

将7个苜蓿品种的NRE、PRE和KRE作为一个3指标灰色系统，此时不同紫花苜蓿品种即为灰色系统的一个因素。对7种紫花苜蓿的NRE、PRE和KRE应用灰色关联度分析法进行综合分析[21]。

以各指标的最理想值构建参考数列X0(k)={X0(1)，X0(2)，…，X0(n)}(k=1，2，…，n；n=3)，各指标的测定值则构成比较数列Xi(k)={Xi(1)，Xi(2)，…，Xi(n)}(i=1，2，3，…，m；m=7)。

用Xi＇(k)=Xi(k)/X0(k)将测定数据无量纲化，转化为评价值。

求第i品种紫花苜蓿测定值Xi与最理想值X0在第k个指标上的绝对差值：△i(k)=|X0(k)-Xi(k)|。进而求得比较数列Xi与参考数列X0在第k个指标的关联系数εi(k)：

εi(k)=

式中：minmin|X0(k)-Xi(k)|为二级最小差；maxmax|X0(k)-Xi(k)|为二级最大差；ρ为分辨系数，此处为0.5。

1.6 数据分析

数据均用Microsoft Excel 2016输入、计算平均值及标准差等。用SPSS 17中One-Way ANOVA对紫花苜蓿品种间及N、P和K化学计量特征间进行单因素方差分析。用Microsoft Excel 2016进行灰色关联度数据分析并制图，误差以标准差表示。

2 结果与分析

2.1 叶N、P和K元素含量

不同苜蓿品种成熟叶和衰老叶中N、P和K含量不同，7个品种成熟叶中N、P和K含量均显著高于衰老叶中N、P和K含量(P<0.05)(图1)。成熟叶中N含量以WL319最高(50.88 g/kg)，以WL343最低(41.78 g/kg)；衰老叶中N含量以无棣最高(30.06 g/kg)(图1-A)。成熟叶中P含量在标靶(2.40 g/kg)中最高，在南苜601(1.62 g/kg)中最低；衰老叶中P含量品种间无显著差异(P>0.05)(图1-B)。成熟叶K含量以标靶(26.73 g/kg)最高，南苜(20.54 g/kg)其次，其他品种间无显著差异(P>0.05)；衰老叶中K含量以WL343(9.72 g/kg)和中原804(9.79 g/kg)最高，显著高于其他品种(P<0.05)(图 1-C)。

图1 不同品种紫花苜蓿叶中N、P和K含量

2.2 紫花苜蓿的NRE、PRE和KRE

紫花苜蓿NRE、PRE和KRE以品种无棣NRE最低，中原804 NRE最高(P<0.05)；PRE在苜蓿品种间差异不显著(P>0.05)；KRE在标靶中最高，而在无棣中最低(P<0.05)。WL319呈KRE>NRE>PRE(P<0.05)；WL343的NRE显著低于PRE(P<0.05)；标靶、南苜601和WL525HQ都呈KRE>PRE>NRE；无棣和中原804的NRE、PRE和KRE间差异不显著(P>0.05)。7种紫花苜蓿的NRE、PRE和KRE平均值分别为42.72%、42.35%和52.13%，其变异系数分别为19.49%、12.01%和25.09%(表1)。

表1 紫花苜蓿NRE、PRE和KRE

2.3 灰色关联度综合分析

2.3.1 指标无量纲化处理及关联系数计算不同紫花苜蓿品种NRE、PRE和KRE进行无量纲化处理(表2)。NRE、PRE和KRE的关联系数见表3。

表2 不同紫花苜蓿品种NRE、PRE和KRE无量纲化处理

表3 NRE、PRE和KRE的关联系数

2.3.2 苜蓿NRE、PRE和KRE综合分析不同紫花苜蓿品种养分重吸收效率的灰色关联度分析表明。7个紫花苜蓿品种的养分重吸收效率等权关联度和加权关联度排序一致，依次为标靶、中原804、南苜601、WL525HQ、WL319、WL343和无棣。7个紫花苜蓿品种的养分重吸收效率等权关联度和加权关联度的决定系数R2=0.997 7，达到极显著水平(P<0.001)(图2)。

图2 加权关联度与等权关联度的相关性

2.4 紫花苜蓿株高

7个紫花苜蓿品种株高排序依次为：中原804、标靶、南苜601、WL319、WL525HQ、无棣、WL343，但排名前四位的紫花苜蓿品种间无显著差异(P>0.05)(图3-A)。株高与加权关联度排序间存在显著性关系(P<0.05)(图3-B)。

表4 7个品种紫花苜蓿养分重吸收效率的灰色关联度分析

图3 紫花苜蓿株高(A)及与加权关联度排序间的相关性(B)

3 讨论

随着植物的生长发育，不同品种紫花苜蓿叶片N、P和K含量呈现不同，这可能与植物自身吸收、利用环境资源能力和元素在体内的代谢有关，体现了不同品种紫花苜蓿自身的表达性和环境的适应性[23]。植物主要从两个途径获取元素、保持体内元素含量：环境获取和养分重吸收[24]。植物通过养分重吸收减少自身营养元素的损失，降低植物从外界吸收营养元素的量，从而提高自身的环境适应性[1-4]。本研究中，7个苜蓿品种的平均NRE(42.72%)、PRE(42.35%)和KRE(52.13%)均低于全球陆生植物均值NRE(62%)、PRE(65%)和KRE(70%)[25]，这可能是因研究的植物类型不同及区域尺度而产生差异。不仅如此，不同品种苜蓿的NRE、PRE和KRE三者间也表现高低不一，说明不同品种紫花苜蓿对环境提供N、P和K元素的依赖性不同，对N和K元素的依赖性变异性较强，而对P元素的依赖较平稳。

牧草品种选择是人工草地成功建植的关键因素之一，能够直接影响植物的产量、品质、抵抗病虫害等逆境的能力[13]。前期的研究主要通过牧草产量、品质、抗病虫性、农艺性状等对品种进行筛选[14-15,26]，其都呈现了环境的适应性。植物的养分重吸收能够较好地反映植物对环境的适应能力，本研究评价了不同品种苜蓿的养分重吸收效率：中原804对N元素的保持能力最强，对环境N元素的依赖性最弱；标靶和南苜601对K元素的保持能力最强，对环境K元素的依赖性最弱；不同品种的苜蓿对环境P元素的依赖性基本相似。

本研究中，苜蓿草地的NRE、PRE和KRE因品种表现不一，因此仅分析单一元素的养分重吸收效率，不易筛选出环境适应性最强的紫花苜蓿品种。灰色关联度分析法克服了单一因素不能准确评价不同品种综合养分重吸收效率的问题，能客观的反映出养分重吸收效率最佳的苜蓿品种，避免了通过单一元素养分重吸收效率判断某一品种苜蓿具有最佳的环境适应性的问题。目前，灰色关联度分析方法已从苜蓿产量、品质、生长性状等角度评价筛选最佳利用的苜蓿品种[15,27]。本研究采用灰色关联度分析法综合评价了不同品种苜蓿的养分重吸收效率，进而筛选具有最佳环境适应性的苜蓿品种，避免了因单一因素评价可能造成的偏差。对不同品种苜蓿养分重吸收效率的等权关联度和加权关联度排序分析，标靶具有最高的综合养分重吸收效率，其对N、P和K元素的综合保持能力最强，在7个紫花苜蓿品种中环境适应力最强。这与7个品种紫花苜蓿株高的变化基本一致，即苜蓿综合养分重吸收效率与紫花苜蓿植株株高呈显著正相关关系，促进了紫花苜蓿的生长。