天祝县高寒阴湿区35 份燕麦主要性状的遗传多样性分析及生产性能综合评价

李德明，张 榕，武慧娟，耿小丽，刘 乾

（甘肃省草原技术推广总站, 甘肃 兰州 730010）

燕麦(Avena sativa)又称雀麦、莜麦或铃铛麦，禾本科燕麦属，是重要的粮草兼用植物[1-3]，具有耐寒、抗旱、耐盐碱、耐贫瘠等优良性状，根据有无稃可分为皮燕麦和裸燕麦两大类[4-5]。国外以种植饲用的皮燕麦为主，我国主要以食用燕麦种植为主，主要种植区集中在内蒙古、河北、山西、甘肃以及西南高寒、干旱及高海拔地区[6]。近年来，在快速发展的畜牧业和人们对饲草品质认知提高的环境下，饲用皮燕麦和粮饲兼用优质高产燕麦品种的需求量急剧增加。因此，筛选和评价适于我国燕麦种植区的燕麦品种，符合我国畜牧业饲草供给安全战略需求，也为加速我国高品质燕麦育种提供一定的理论支持。

我国在培育抗性燕麦品种方面取得了一定的成绩。张浩楠等[7]通过种间杂交，采用系谱法培育中晚熟品种‘晋燕21 号’，该品种适于山西地区种植，高产、适应性好、抗逆性强。张春林等[8]通过种间杂交、系谱法选育而成的短生育期的早熟燕麦饲草新品种‘蒙饲5 号’，具有抗性强、产量及营养价值高、适宜种植范围广的特点。但相较于国外研究者应用分子标记、燕麦图谱构建等技术在燕麦育种方面取得的成就，我国相关技术应用和研究相对滞后[9]。如我国燕麦育种工作主要采用了传统的人工杂交、选择和后代鉴定等方法，这种方法在效率和准确性上都存在一定的不足，并且燕麦的遗传基础较为单一；缺乏高效的分子标记，与其他作物相比，燕麦的分子标记技术在我国开展得相对较晚，导致育种进展缓慢；缺乏良好的品种评价体系，在燕麦育种过程中，缺乏针对长势、品质、抗逆性等多方面的评价指标，导致燕麦品种的优化和筛选面临一定的困难；区域差异化研究不足，燕麦在不同种植区域的生长环境和产量表现存在较大的差异，但我国在燕麦育种方面的研究很少展开针对不同区域的专门研究。因此，通过加速国内外燕麦种质资源的收集、品比、引种和使用，提高国内已登记燕麦品种的开发与研究，最大限度地拓宽现有燕麦资源的遗传背景，准确把握现有品种的遗传多样性，才能为选育适应不同生长环境的燕麦新品种提供材料基础。

2021 年我国进口燕麦干草累计21.22 × 104t，燕麦种子进口数量从2018 年的4 036 t 上升至2020 年8 171 t，反映出我国对优质燕麦饲草需求旺盛。在积极增加高品质燕麦种植面积的同时，提高我国燕麦自育品种是改变过度依赖进口、保证畜牧业饲草供给安全的根本解决之道。甘肃是我国第三大燕麦饲草生产省份，2019 年生产面积达到8.36 ×104hm2，占全国种植面积的21.9%，但均为引进品种，自育品种寥寥无几。因此，开展针对地区特点的燕麦选择育种，是推动甘肃省燕麦产业快速发展的基础。天祝是传统的畜牧业区，燕麦是高寒地区冬春枯草季节牲畜补饲牧草的重要来源，因此加速栽培草地和半栽培草地的建设是解决天祝县冷季缺草、保证畜牧业生产稳定持续增长的关键措施。

目前，甘肃省高寒地区种植的燕麦品种良莠不齐，国内外品种种植表现参差不一。为丰富甘肃省高寒地区的燕麦种质资源，本研究通过观察35 份燕麦材料数量性状和质量性状，对其表型性状进行遗传多样性分析、聚类分析及主成分分析，研究燕麦种质资源亲缘关系及变异的特性，开发燕麦种质基因型和明确饲用燕麦遗传基础，对燕麦种质资源的合理使用、现有燕麦种质资源优良基因筛选等具有深远意义，为促进我国西北高寒地区燕麦育种和种植选择提供理论支撑。

1 材料与方法

1.1 试验地概况

试验于2020 年在甘肃省草品种区域试验站天祝站进行，该试验站地处天祝县抓西秀龙乡岔西滩村，地理位置102°51′11″ E，37°09′11″ N，海拔2 953 m，该区域气候潮湿寒冷，年降水量423 mm，主要集中在7 月—9 月，年均温-1 ℃，最冷月(1 月)平均气温-18 ℃，最热月(7 月) 12.5 ℃，≥ 0 ℃年积温1 380 ℃·d 左右，年日照时数2 663 h，无绝对无霜期。土壤为高山草甸土，土层厚度0.7～1.1 m，有机质含量22.44 g·kg-1，全氮含量2.37 g·kg-1，速效氮含量15.4 mg·kg-1，速效磷含量15.4 mg·kg-1，速效钾含量147.17 mg·kg-1，pH 7.81。

1.2 试验材料

供试材料为35 个燕麦品种，包括30 份皮燕麦和5 份裸燕麦(表1)。

1.3 试验设计

试验采用随机区组设计，小区面积15 m2(3 m ×5 m)，重复3 次，于2020 年5 月15 日播种，播量为180 kg·hm-2，条播，行距15 cm，每小区20 行，播种深度3～5 cm。试验区四周设置1 m 的保护行。在分蘖期施1 次氮肥，并在需要时进行病、虫和杂草防除工作，在旱情严重影响试验结果时适量浇水。

1.4 性状调查

燕麦进入乳熟期取样，每个小区随机抽取10 株用于测定叶片数(number of leaf)、轮层数(number of ear laye)、旗叶长(length of leaf)、叶宽(width of leaf)、穗长(length of spikelet)、株高(plant height)、茎粗(stem thick)、根长(length of root)、分蘖数(number of tiller)、有效分蘖数(effective number of tiller)；成熟期每个小区拔取10 株，调查芒色(awn color)、粒形(grain type)、粒色(grain color)、皮/裸(husk/naked)，指标测定严格按照《燕麦种质资源描述规范和数据标准》执行[7]。

1.5 数据分析

用Excel 软件计算整理和分析各形态学指标数据。采用Shannon-weaver 信息指数计算遗传多样性指数(H')，其划级方法如下，先计算供试材料的总体平均值(X)和标准差(δ)，从第一级[Xi＜X- 2δ]到第十级[Xi＞X+ 2δ]，每0.5δ 为一级，每一级的相对频率用于计算多样性指数，计算公式如下：

式中：Pi为某一性状在第i个级别出现的频率[8]。

种质间性状值的离散性特征用变异系数(coefficient of variation，CV)表示，计算公式如下：

式中：s表示标准差，x表示平均数。

用SPSS 19.0 软件进行表型性状的差异显著性分析和主成分分析，聚类分析采用离差平方和法进行聚类，种质间遗传距离为欧氏距离(Euclidean distance)。

2 结果

2.1 遗传多样性分析

2.1.1 质量性状遗传多样性分析

对35 份燕麦品种4 个质量性状进行遗传多样性分析表明(表2)，芒色以白色为主，频数为0.455；粒形以纺锤形为主，频数为0.548；粒色以黄色为主，频数为0.516，白色次之(频数0.435)；且以皮燕麦为主，频数为0.645，裸燕麦频数为0.354。在4 个质量性状中，粒色的遗传多样性指数最高，为1.342，粒色在种质间的遗传差异较大，材料遗传基础较广。遗传多样性指数大小排序：粒色 ＞ 芒色 ＞粒型 ＞ 皮裸性。

表2 4 个质量性状的遗传多样性Table 2 Genetic diversity of four quality characteristics

2.1.2 燕麦数量性状遗传多样性分析

对供试35 份燕麦品种10 个数量性状的遗传多样性分析结果表明(表3)：株高变化范围98.66～183.28 cm，轮层数、叶片数变化范围分别为2.40～4.40 层、3.40～5.40 片，叶长、叶宽分别为21.16～51.42 cm、8.29～25.24 mm，穗长最长41.82 cm，茎粗最粗7.67 mm，根长变化范围6.68～19.32 cm。叶长的遗传多样性指数最高，为1.87，其余依次为株高 ＞茎粗 ＞ 叶宽 ＞ 轮层数 = 叶片数 ＞ 穗长 ＞ 有效分蘖数 ＞根长 ＞ 分蘖数，Shannon-weaver 多样性指数平均值为1.70，表明数量性状遗传在各品种间差异较大。不同燕麦品种变异系数差异很大，均值为16.66%，其中有效分蘖数的变异系数最大，达到25.12%，分蘖数次之，叶片数的变异系数最小，为8.01%，其次为轮层数和株高，说明这些品种间叶片、轮层数和株高等性状的遗传变异不明显，遗传基础较窄，以后在新品种选育方面可以通过引入多叶或高杆基因来获得高品质或高产燕麦新品种。

表3 10 个数量性状遗传多样性Table 3 Genetic diversity of ten quantitative characteristics

2.2 数量性状主成分分析

对10 个数量性状进行主成分分析，其Kaiser-Meyer-Olkin 检验值为0.615，Bartlett 球形度检验的概率为0，表明变量间具有极显著相关性(表4)。主成分分析结果表明，前4 个主成分包含了绝大部分信息，累计贡献率达到了86.35% (表5)，第1 主成分占比最大，为47.89%；第2、3、4 主成分分别为18.94%、10.17%和9.34%。在其各特征向量中，载荷较高且作为正值的有株高、轮层数、叶片数、叶长、叶宽、穗长、茎粗、根长，其向量值分别为0.336 1、0.359 3、0.360 1、0.332 6、0.382 7、0.283 2、0.354 7 和0.177 7；符号为负的指标为分蘖数和有效分蘖数，其特征向量值为-0.207 1 和-0.301 0，这说明株高、茎粗、叶长、叶宽等与分蘖数有负相关关系，当燕麦在垂直方向上生长旺盛时，在水平方向上分蘖数就会减少，因此在培育饲草型燕麦品种时应协调好这两类指标间的关系。第2 主成分特征值为1.894，贡献率为18.94%。特征向量中有正有负，主要反映单株的分蘖数，其向量值为0.477 1，由载荷数值可以看出有效分蘖数、叶长、穗长均可以作为产量构成因子，同时对轮层数、叶片数起到了制约作用；第3 主成分特征值为1.017，贡献率为10.17%，特征向量中，轮层数、叶片数、根长、分蘖数和有效分蘖数为正，其余5 个性状指标为负，其中载荷最高的数量性状是根长，其次为分蘖数和轮层数，随着根长的增长会影响叶长和穗长，因此，在育种的过程中，应适度把握。第4 主成分特征值为0.934，贡献率为9.34%，特征向量中，主要反映叶宽，其向量值为0.432 2，说明第4 成分分值越高，燕麦粗蛋白含量越高，越适合作为优质饲草。

表4 KMO 和Bartlett 的检验Table 4 Inspection by KMO and Bartlett tests

对35 份燕麦种质的10 个数量性状进行主成分分析，计算5 得到各主成分与10 个数量性状标准化数据的线性组合表达式为：

F1= 0.336 1X1+ 0.359 3X2+ 0.360 1X3+ 0.332 6X4+0.382 7X5+ 0.283 2X6+ 0.354 7X7+ 0.177 7X8- 0.207 1X9-0.301 0X10；

F2= 0.023 4X1- 0.277 7X2- 0.274 2X3+ 0.380 7X4+0.122 3X5+ 0.355 4X6+ 0.277 5X7+ 0.263 1X8+ 0.477 1X9+0.432 4X10；

F3= - 0.100 1X1+ 0.436 7X2+ 0.428 4X3- 0.231 2X4-0.040 1X5- 0.259 7X6- 0.075 0X7+ 0.470 6X8+ 0.451 1X9+0.250 2X10；

F4= - 0.439 3X1+ 0.078 5X2+ 0.093 2X3+ 0.144 6X4+0.432 2X5- 0.390 4X6+ 0.376 4X7- 0.505 0X8+ 0.166 7X9+0.087 2X10。

以每个主成分对应的特征值占所提取主成分总的特征值之和的比例作为权重，计算得到主成分的综合线性模型：F= 0.554 6F1+ 0.219 4F2+ 0.117 8F3+0.108 2F4。计算35 份燕麦种质的主成分得分，并根据分值高低进行排序发现，在35 个燕麦品种中，材料20 和34 综合得分较高，是综合性状较好的材料(表6)。

表6 35 份燕麦种质综合得分Table 6 Principal component score and general score of the assessed characteristics of 35 oat germplasms

在各主成分因子得分中，在第1 主成分叶片数因子上，材料20、34、11 和5 表现较好；在第2 主成分单株分蘖数因子上，材料14 和17 表现较好； 在第3 主成分根长因子上， 材料28、19、9 和5 表现较好；在第4 主成分叶宽因子上，材料28、22、18、32 和13 表现较好。

2.3 燕麦品质类群划分与特征

利用DPS7.05 数据统计软件，对不同燕麦品种的10 个数量性状进行聚类(图1)。

图1 基于10 个数量性状的燕麦品种聚类分析Figure 1 Cluster analyses based on the ten quantitative traits of oat cultivars

在欧氏距离系数为2.98 时，35 份材料共分为4 个类群。各类群典型质量性状特征及数量性状特征如表7 所列。

表7 各类群的生物学性状Table 7 Characteristics of biological character traits

类群Ⅰ包括9 份材料，编号分别是1、3、8、9、10、13、18、21、33。这一类群株高、轮层数、叶片数、叶长、叶宽、穗长、茎粗、根长、分蘖数、有效分蘖数均处于中等水平，表型性状没有突出特点，皮燕麦居多。类群Ⅱ包括12 份材料，编号分别是4、6、7、12、17、19、24、25、26、29、30、31。这一类群株高、轮层数、叶片数、叶长、叶宽、穗长、茎粗、根长平均值均大于第Ⅰ类群，分蘖数、有效分蘖数则在4 大类群中最小，分蘖数平均值为4.15，变异系数为17.72%，有效分蘖数平均值为2.87。类群Ⅲ包括4 份材料，编号分别是22、27、28、32。这一类群主要是以皮燕麦为主，株高、轮层数、叶片数、叶长、叶宽、穗长、茎粗、根长均处于最低水平，株高平均值为112.79 cm，分蘖数、有效分蘖数处于最高水平，平均值分别为5.00 和3.63，变异系数分别为15.31%和18.80%，可作为矮秆或籽粒高产型燕麦品种选育的优良亲本。类群Ⅳ包括10 份材料，编号分别是2、5、11、14、15、16、20、23、34、35。这一类群株高、轮层数、叶片数、叶长、叶宽、穗长、茎粗均处于较高水平，株高平均值达到149.51 cm，该类群株高变异系数也为最高的7.45%；叶长、叶宽和穗长平均值分别为41.95 cm、19.84 mm 和28.20 cm，分蘖数、有效分蘖数处于中等水平，可作为优良亲本材料选育高秆、长穗燕麦品种。

3 讨论与结论

种质资源的遗传多样性是育种的重要前提和基础。只有准确把握现有品种的遗传多样性，才能有效避免新品种选育过程中亲本的盲目选择，有效利用优良基因的叠加效应，提高育种效率[10-12]。

本研究通过对35 份参试燕麦品种的14 个性状的遗传多样性分析，结合应用变异系数和遗传多样性指数，归类划分质量性状和数量性状，有效区分了品种之间差异，克服了经验性的直观分类。结果显示，4 个质量性状的遗传多样性指数粒色 ＞ 粒型 ＞皮裸性，而10 个数量性状指标中除叶片数外，其余9 个数量性状在种质个体间差异较大，多样性指数：叶长 ＞ 变异系数株高 ＞ 茎粗 ＞ 叶宽 ＞ 轮层数 = 叶片数 ＞ 穗长 ＞ 有效分蘖数 ＞ 根长 ＞ 分蘖数，说明不同品种间的遗传变异程度存在差异，可作为优良的亲本对燕麦品种改良提供丰富的材料，同时增加了选育燕麦新品种的空间和方向。

主成分分析法是通过线性变换将多个性状指标转化为若干个主成分，在保证这些主成分能反映85%以上性状信息的前提下，既可综合评价又能简化选择程序，使燕麦种质资源评价和筛选更具科学性[13-15]。本研究通过主成分分析将累计贡献率达到了86.35%的4 个综合指标代替原来的10 个数量性状，第1 主成分贡献率为47.89%，主要反映单株叶片数、轮层数和茎粗，说明燕麦选育工作中这3 项指标可独立进行，但它们与分蘖数有负相关关系，同时说明当燕麦在垂直方向上生长旺盛时，在水平方向上分蘖数就会减少，因此在培育饲草型燕麦品种时应协调好这两类指标间的关系；第2 主成分主要反映单株的分蘖数，贡献率为18.94%，分蘖数是影响燕麦草及种子产量的直接因素，在高产燕麦品种选育时可以考虑通过增加分蘖来达到增产；第3 主成分主要反映根长，根系作为植株矿物质营养来源的主要通道，直接影响地上植株对营养的吸收，从而影响产量，因此在育种过程中不能忽略此性状。第4 主成分主要反映叶宽，贡献率为9.34%，这说明第4 成分分值越高，燕麦粗蛋白含量越高，越适合作为优质饲草。

通过聚类分析的方法，更加明晰了35 份燕麦种质资源的10 个数量性状特点，可以更科学、合理地选配亲本，避免盲目性和随意性[9,16]。在欧式距离为2.98 时将它们分为4 类，但结果发现，来自同一区域的材料并没有聚为一类，这与前人们的研究结果一致[17-18]，说明材料之间的遗传差异不一定与地理来源有关。种质类群Ⅰ和类群Ⅱ未发现突出特点，以矮秆或分蘖多为育种目标的可选择类群Ⅲ的材料作为亲本材料，以高秆和长穗为育种目标的可选择类群Ⅳ的材料作为亲本材料。

综上所述，在甘肃省高寒阴湿区进行燕麦新品种选育，可以参考本研究中主成分分析结果，全面评价每份种质的优势性状，从而根据育种目标来选择适合的亲本材料，结合聚类分析，合理选配组合，从而加快新品种选育进程。同时，本研究也有一定的局限性，燕麦表型性状受环境因素和栽培措施的影响较大，但本研究选择地点单一，下一步应该结合燕麦的生产性能和营养品质进行多年多点试验的综合评价，为更加合理利用现有燕麦资源和下一步新品种选育工作提供更加全面、科学、合理的理论依据。