基于黃花菜產量與品質特征的優異種質篩選及評價

李洲, 譚方曦, 趙乙燦, 張定山, 洪建基, 吳松海*

基于黃花菜產量與品質特征的優異種質篩選及評價

李洲1, 譚方曦2, 趙乙燦2, 張定山1, 洪建基1, 吳松海1*

(1. 福建省農業科學院亞熱帶農業研究所, 福建 漳州 363005; 2. 閩南師范大學生物科學與技術學院, 福建 漳州 363000)

為篩選黃花菜()優異種質資源，采用相關分析、逐步回歸、通徑分析和基于逼近理想解排序(TOPSIS)分析等方法，對20份菜用黃花菜種質的產量形成與品質進行了綜合評價。結果表明，不同黃花菜種質的農藝、產量和品質性狀變異豐富，變異系數為1.9%～75.6%，其中以花蕾色度a值的變異系數最大，總黃酮含量、花蕾質量次之，花蕾含水量最低?；ɡ儋|量、花蕾粗和花薹數與產量均呈顯著或極顯著相關，相關系數分別為0.737、0.583和0.517。營養品質間的相關性較弱，而外觀顏色指標間及其與部分營養品質存在極顯著相關性。影響黃花菜產量的主要決定因子為花蕾質量和花薹數,其決策系數分別為0.534和0.239。營養品質和外觀顏色的權重分別為0.523和0.477，結合TOPSIS法可以對不同種質的品質進行有效區分。根據綜合得分與產量繪制二維散點分布圖可以快速篩選到產量與品質均佳的優異資源。

黃花菜；產量；品質；TOPSIS法；種質篩選

黃花菜()又名金針菜，現已列入阿?；?Asphodelaceae)萱草屬[1], 為多年生單子葉草本植物。黃花菜因其美麗的花朵、宜人的風味和富含有益健康的次生代謝物而被用作觀賞植物、蔬菜或藥用植物，因此也被視為一種功能性蔬菜作物[2]。在我國，黃花菜已有2000多年的栽培歷史，2018年全國黃花菜的種植面積約6.04×104hm2,總產量約5.848×105t，產值達到43.23億元[3]。黃花菜種植產業已成為多個地區持續助農增收和推動鄉村振興的優勢特色產業。

黃花菜可食用部分主要是未開放的花蕾，傳統以漂燙、蒸制后的干菜銷售為主。隨著近些年保鮮技術和加工工藝的發展，黃花菜冷鮮菜、黃花菜醬、黃花餅干、黃花飲料等新產品逐漸增多[4]，國內國際市場需求不斷擴大；而且人們的消費觀念也已經從溫飽型開始向品質型轉變，即在追求蔬菜的可食用性上，更加注重其色、香、味、形、營養等品質特性。因此，培育產量高、品質好的黃花菜品種成為黃花菜產業實現市場利潤最大化的基礎。作物的產量和品質是由多基因控制的復雜數量性狀，受其模塊化特性影響，實現高產和優質特性的融合至今仍是育種界的難題[5]，因而在生產上常采用的方法是從已有品種中進行大量篩選。我國豐富的黃花菜種質資源為篩選高產優質黃花菜品種奠定了物質基礎，但目前對黃花菜種質資源的評價尚無統一標準。因此，構建有效的黃花菜種質資源產量與品質性狀評價方法，對促進其品種更新和產業扶貧具有重要意義。

作物產量屬于數量指標，測定數值直接反映了產量的高低，而作物品質是由諸多品質因子相互影響、相互制約而構成的綜合性概念，所以鑒定作物種質資源產量與品質性狀的關鍵在于對其品質優劣進行科學合理評價。國內外學者針對品質指標參數多的特點，建立了主成分分析法(PCA)[6–7]、層次分析法(AHP)[8]、模糊綜合評判法(FCE)[9]、灰色關聯度分析法(GRA)[10]、逼近理想解排序法(TOPSIS)[11–12]等多種分析模型對作物品質進行了廣泛的評價。其中，評價指標的選取和合理賦值是這些方法進行綜合評價的前提。為了克服主觀賦權法人為因素對評價指標權重的影響，研究者們常運用變異系數法、熵權法等客觀賦值法確定權重[10,13–14]。然而，目前關于黃花菜種質資源品質綜合評價的相關研究鮮見報道，基于此，本研究以資源圃收集的20份菜用黃花菜種質資源為供試材料，通過測定植株農藝性狀、產量構成因子、花蕾外觀和營養品質等指標, 對主要農藝性狀與產量進行逐步回歸和通徑分析，以明確黃花菜產量形成的主要決定因子，并利用變異系數-熵權復合權重法與TOPSIS法相結合的方式構建黃花菜品質綜合評價體系，篩選出高產優質的黃花菜資源，從而為我國的黃花菜種質資源的綜合利用及開發改良提供理論參考。

1 材料和方法

1.1 材料

供試的菜用黃花菜來自湖南、江蘇、山東、河北、福建、四川、臺灣等7個省份共20份，種質名稱及產地來源見表1，由本單位承建的國家閩臺特色作物種質資源圃(24°32′ N，117°43′ E)收集保存。該圃所在地屬于南亞熱帶季風性濕潤氣候，年平均氣溫21.4 ℃，年日照時數1 800 h，年均降雨量1500 mm。所選材料均為2018年春季采用分株移栽，按小區南北雙行種植，株行距為40 cm×30 cm,株齡已達4 a，為黃花菜的成齡豐產階段。

1.2 測定指標與方法

表1 供試黃花菜種質資源信息

1.3 品質指標的綜合評價

1.3.1 變異系數法-熵權法確定復合權重

1.3.2 TOPSIS法評價

采用TOPSIS法對20個黃花菜種質的10項品質指標進行綜合評價，先將復合權重應用到歸一化矩陣中構建加權矩陣[10]:Y=(y)10×20，Y=w×A。

定義Y矩陣中的各項品質指標最大值為正理想解Z，最小值為負理想解–，即

1.4 數據處理與分析

采用Microsoft Excel 2016軟件對數據進行整理和計算，運用SPSS 19.0統計軟件和Microsoft Excel 2016軟件做方差分析(LSD)、逐步回歸和通徑分析及參數換算，Origin 2021b軟件繪制相關性熱圖和散點圖。決策系數[2()]作為通徑分析中的決策指標[22]，可以將各個自變量對因變量的綜合作用大小進行排序，以確定主要決定性變量和限制性變量,2()=2br-b2。其中，b是自變量x對因變量的直接作用(即直接通徑系數)，r表示自變量x與因變量的相關系數(可看作是x對的直接通徑系數和它通過其它變量產生的間接通徑系數之和)；若2()>0時，則表明x對有增進作用，當2()<0時, 則表明x對有限制性作用。

2 結果和分析

2.1 產量與農藝性狀差異及相關性分析

從表2可見，各項性狀指標的變異系數為1.9%～ 41.0%，平均為22.3%。其中，以單個花蕾質量的變異系數最大，變異幅度為1.93～7.53 g，產量的變異系數次之，1 m2可收獲鮮蕾649.1～2637.2 g；而花蕾含水量的變異系數最小，變異幅度為83.8%～91.5%,其次為花蕾長，為7.6～13.0 cm，其他性狀指標變異系數為18.5%～27.1%?？梢?，供試材料的產量和農藝性狀變異較為豐富，可為選育高產品種提供良好的種質基礎。

對20個黃花菜種質的產量與農藝性狀進行相關性分析，結果表明13個性狀間均存在極顯著或顯著的正相關或負相關關系，彼此影響密切(圖1)。其中，以葉寬與各性狀間的關系最為緊密, 其與花薹粗呈極顯著正相關，與株幅、花蕾粗和花薹數呈顯著正相關，而與花蕾長和單花薹蕾數呈顯著負相關的關系；農藝性狀指標間則有株高與花薹長和花蕾長、株幅與葉長、花薹粗與花蕾粗、花蕾長與花薹長的相關性達到了極顯著水平；產量構成因子中的花蕾質量和產量與花蕾粗、單花薹蕾數與株高和花薹長也分別存在著極顯著或顯著的正相關關系，產量構成因子間則以花薹數和花蕾質量與產量的關系最密切。

表2 黃花菜種質的產量與主要農藝性狀

Table 2 Yield and main agronomic traits of Hemerocallis citrina germplasms

PH: 株高; PW: 株幅; LL: 葉長; LW: 葉寬; SL: 花薹長; SD: 花薹粗; FBL: 花蕾長; FBD: 花蕾粗; SN: 花薹數; FBN: 單花薹蕾數; FBW: 花蕾質量; WC: 花蕾含水量; Y: 產量; CV: 變異系數; 1～20見表1; 同列數據后不同字母表示差異顯著(<0.05)。下同

PH: Plant height; PW: Plant width; LL: Leaf length; LW: Leaf width; SL: Scape length; SD: Scape diameter; FBL: Flower bud length; FBD: Flower bud diameter; SN: Scape number; FBN: Flower bud number per scape; FBW: Flower bud weight; WC: Water content of flower bud; Y: Yield; CV: Variation coefficient. 1-20 see Table 1. Data followed different letters within column indicate significant differences at 0.05 level. The same below

圖1 黃花菜種質產量與主要農藝性狀間的相關性分析

2.2 主要農藝性狀對產量的逐步回歸和通徑分析

為揭示主要農藝性狀與產量構成因子對黃花菜產量的影響及其相互依賴關系，以20種黃花菜種質資源的產量數據為因變量Y，將株高(X1)、株幅(X2)、葉長(X3)、葉寬(X4)、花薹長(X5)、花薹粗(X6)、花蕾長(X7)、花蕾粗(X8)、花薹數(X9)、單花薹蕾數(X10)、花蕾質量(X11)及含水量(X12)作為自變量，通過逐步回歸分析得到最優回歸方程：= –2470.636+29.9957+37.3759+83.65210+349.86611。方程式的相關系數和判定系數R分別為0.993和0.986，值為258.237，Durbin-Watson統計量= 1.759，回歸方程達到極顯著水平(=0.000 1)。結果表明X7、X9、X10和X11是綜合影響產量(Y)的主導因子。進一步將進入多元回歸方程中的這4個性狀指標對產量的影響進行通徑分析，結果表明(表3)，X11對產量的直接作用最大，其直接通徑系數為0.833，由于它與X7存在正相關關系(相關系數為0.218)，而X7對Y起直接正效應，所以X11通過X7對Y的間接效應為0.022；X10對Y的直接影響為0.500，但它與X9和X11均呈負相關(相關系數分別為–0.370和–0.309),二者都對產量起直接正向作用，從而使得X10與Y的相關性低。農藝性狀與產量構成因子對黃花菜產量的決策系數排序為：2(11)>2(9)>2(7)>2(10)，且2(10)<0, 說明X11是產量的最主要決策因素，其次為X9，而X10是產量的限制因素。因此，篩選蕾質量大薹多的黃花菜種質資源有助于實現黃花菜的高產。

2.3 品質差異及其相關性分析

于收獲盛期對黃花菜鮮蕾的營養品質和外觀顏色指標進行了測定和分析，結果表明(表4)，花蕾的營養品質指標中以可溶性糖含量最高，為21.73～ 51.78 mg/g，平均為40.85 mg/g，其次為總黃酮含量，為0.72～5.94 mg/g，平均為2.50 mg/g；營養品質指標的變異系數為14.1%～67.9%，平均為31.9%，其中以總黃酮含量的變異系數最大，其次分別為維生素C和可溶性蛋白含量，總酸含量的最小。外觀顏色指標的變異系數為21.3%～75.6%，平均為37.3%, 依次為色度a值>色度b值>明度L值>彩度C值。

表3 黃花菜種質主要農藝性狀對產量的通徑系數及決策系數

X7: 花蕾長; X9: 花薹數; X10: 單花薹蕾數; X11: 花蕾質量。

X7: Flower bud length; X9: Scape number; X10: Flower bud number per scape; X11: Flower bud weight.

對黃花菜各品質指標的測定結果進行相關性分析(圖2)。6個營養品質指標間僅有可溶性糖含量與糖酸比存在極顯著的正相關關系，其余均未達到顯著水平；4個外觀顏色指標間明度L值與色度a值呈極顯著負相關，它與色度b值和彩度C值則分別存在極顯著和顯著的正相關關系，色度b值和彩度C值的相關系數高達0.901，亦達極顯著水平。維生素C的含量與明度L值和色度b值均呈顯著負相關，而總黃酮含量與明度L值和色度a值分別存在極顯著的正相關和負相關關系，可溶性蛋白含量與色度a值的負相關關系也達到極顯著水平。

表4 黃花菜種質的品質性狀

VC: 維生素C; TF: 總黃酮; TA: 總酸; SS: 可溶性糖; SP: 可溶性蛋白; SAR: 糖酸比;L: 明度值;a: 紅度;b: 黃度;C: 彩度。下同

VC: Vitamin C; TF: Total flavonoids; TA: Total acid; SS: Soluble sugar; SP: Soluble protein; SAR: Sugar acid ratio.L: Lightness;a: Redness;b: Yellowness;C: Chroma. The same below

2.4 TOPSIS法對品質指標的綜合分析

由表5可見，變異系數法與熵權法所得指標權重呈現相同趨勢，其中以色度a值的權重值為最高，其次是總黃酮的權重值；變異系數法所得6個營養品質指標與4個外觀顏色指標的權重之和分別為0.562、0.438；熵權法所得二者權重之和分別為0.478、0.522。通過2種方法所計算的復合權重中，同樣以色度a值和總黃酮的權重值較高，營養品質和外觀顏色指標的權重之和則分別為0.523、0.477。相比而言，基于變異系數法和熵權法確定的復合權重更能準確反映被評價指標的權重對于評價值的影響程度。

根據上述復合權重大小，采用TOPSIS法得到正理想解和負理想解分別為：Z+=[0.026, 0.107, 0.007, 0.017, 0.029, 0.018, 0.018, 0.127, 0.019, 0.014]; Z–=[0.007, 0.013, 0.004, 0.006, 0.008, 0.006, 0.008, 0.006, 0.007, 0.005]。20個黃花菜種質資源品質指標距離正理想解和負理想解的加權距離D、D–和相對接近度C及其排序見表6。18號種質與理想樣本的相對接近度最高，達到0.827，其次為8號、19號、11號和13號種質，9號種質的相對接近度最低。由種質資源的來源來看，綜合得分排序前1、2位的種質分別來自四川、河北，第3～11位的種質則全部來自福建和臺灣，第12～18位的種質則全部來自湖南和江蘇，排序最后2位的種質均來自山東?？梢?，TOPSIS法對黃花菜品質指標的綜合分析結果具有重要的參考性。

圖2 黃花菜種質品質性狀間的相關性分析

表5 黃花菜品質性狀權重的確定

表6 黃花菜種質品質的排序

D: 正理想解的加權距離；D–: 負理想解的加權距離；C: 相對接近度。

D: Euclidean distances of positive ideal solution;D–: Euclidean distances of negative ideal solution;C: Relative closeness.

圖3 黃花菜產量(Y)和綜合品質得分(Cj)二維散點分布圖。水平虛線和垂直虛線分別表示產量和綜合品質得分的平均值。

2.5 綜合評價

將相對接近度C值作為黃花菜種質資源的綜合品質得分，與其產量繪制二維散點分布圖(圖3)。不同區域的種質資源數量分布相對均勻。Ⅰ區內圓點代表產量與綜合品質均高于平均水平的種質，共納入4個，其中以8號的雙優勢最為明顯；Ⅱ區內圓點代表產量高于平均水平而綜合品質偏低的種質，共納入5個，其中4號有明顯產量優勢；Ⅲ區內圓點代表產量與綜合品質均低于平均水平的種質，共納入6個，其中以5號呈現最差，而20號的產量和綜合品質最接近平均水平；Ⅳ區內圓點代表綜合品質高于平均水平而產量較低的種質，共納入5個，其中以11號和19號的綜合品質較好，而16號的產量最接近平均值。因此，8號(邢臺2號)、13號(明溪花)和18號(達州野花)可以作為菜用黃花菜優異種質資源進行深度挖掘和創新利用。

3 結論和討論

3.1 黃花菜高產種質的產量形成特征

作物產量的形成錯綜復雜，是作物群體物質生產過程中的最終結果[23]，前人就作物產量形成的內在規律、高產的限制因素等進行了大量研究[24–27]。黃花菜的產量按照產量構成理論可以分解為單位面積內的花薹數、單個花薹上的花蕾數和單個花蕾質量3個構成因子，通過這些因子的變化可以直觀、準確地了解不同黃花菜種質資源的生長發育過程和分析產量結果。農藝性狀與產量之間有著密切的關系，但決定不同作物產量高低的關鍵農藝性狀存在較大差異[28]。本研究中20份菜用黃花菜種質間的13個農藝性狀及產量構成因子除花蕾含水量外均存在豐富變異，其變異系數達15.8%～41.0%，與周玲玲等[29]的研究結果相似，這有利于挖掘不同性狀的優異基因，為高產品種選育提供目標親本。宋希明等[30]分析了不同黃花菜品種的產量差異，認為較高的花蕾質量、單花薹蕾數和葉面積以及適宜的花薹高度、花序緊湊度是黃花菜高產品種的重要特征。劉志敏等[31]對黃花菜產量構成的6個性狀進行主成分分析，結果認為花蕾質量、單花薹蕾數和花薹粗是構成產量的主要因素。本研究通過逐步回歸和通徑分析表明，黃花菜的花蕾質量對產量的直接正向作用最大，是產量的最主要決策因素，其次為花薹數，而單花薹蕾數與花薹數和花蕾質量均存在負相關關系，從而導致其與產量的相關性很低，對產量有限制性作用。因此，黃花菜的花蕾質量可以作為高產品種遺傳改良和種質利用的重點考慮性狀，并對單花薹蕾數進行適當的控制。

3.2 黃花菜種質資源的品質評價策略

品質評價是作物種質資源研究的重要內容之一，也是優異資源篩選和合理利用的基礎，對加快推進育種工作和農產品加工均起到積極作用[32]。果實的品質包括內在品質和外觀品質，內在品質(肉質、糖、酸和其他營養)與口感和風味有關，外觀品質(尺寸、形狀、顏色)則容易被消費者所感知[33], 是影響商品價值的重要經濟性狀。本研究對不同黃花菜種質資源的外觀顏色和可溶性糖、總酸以及3個重要營養成分進行了鑒定，結果表明，變異系數最大的是色度a值，其次為總黃酮，總酸的變異系數最小，表現出較好的變異性，這與前人[20,29,31]研究的結果類似。相關性分析結果表明，營養品質性狀間的相關性較弱，而外觀顏色指標間及其與部分營養品質存在顯著或極顯著相關關系，黨換梅[34]的研究結果相似，可見，黃花菜各個品質指標間覆蓋的信息存在較大差異，選擇準確、可靠的方法對黃花菜的品質進行評價至關重要。TOPSIS法可以通過歐氏距離反映多個指標和指標間相互作用的評價對象與理想目標的接近程度來描述相對優劣情況[11,35]。陸曉燕等[14]采用基于熵權的TOPSIS法對18種芽苗菜感官品質、生物產量和食用品質進行了評價，以獲得綜合品質最好的芽苗菜品種。本研究為減少客觀權重的自身缺陷，將變異系數法和熵權法進行復合的權重首次應用于黃花菜品質評價，其營養品質和外觀顏色所占權重分別為0.523、0.477，符合大眾消費的實際偏好，所得結果更具有參考價值。

3.3 黃花菜優異種質的篩選和利用

種子是農業的“芯片”，優異資源是創制“芯片”的基石[36]，通過篩選和利用現有黃花菜的種質資源，培育高產、優質的黃花菜品種對滿足市場需求和增加農民收入有重要意義。本研究以黃花菜綜合品質得分和產量做二維散點分布圖，可以直觀了解不同種質資源的產量和品質水平，從而篩選到產量與品質均佳的優異資源。我國的黃花菜栽培范圍廣闊，在長期的人工馴化過程中，形成了大量適應當地自然或栽培條件的優異地方品種，本研究選取的20份黃花菜供試材料來自國內多個產區，TOPSIS法品質評價結果顯示相同來源地的種質資源排序更接近，這可能與品質性狀/基因的長期定向選擇有關，筆者課題組前期利用形態學和SCoT標記技術對不同來源地的黃花菜遺傳多樣性分析亦有相似結果[37]?？梢?，本研究對黃花菜種質資源產量和品質的綜合評價，有助于地方品種的引種馴化和優異資源的挖掘與利用。但由于供試材料數量偏少，且并未對其抗病蟲、耐寒性等進行鑒定分析，今后應從國內外引進更多資源，全面分析其表型性狀的變異特性及規律，篩選出綜合性狀優異的種質資源，為黃花菜產業健康可持續發展提供理論和材料基礎。

綜上，中國不同菜用黃花菜種質的農藝、產量和品質性狀的變異十分豐富，花蕾質量和花薹數是產量形成的主要決定因子，基于變異系數-熵權復合權重法和TOPSIS分析得出黃花菜品質優劣情況與其來源地存在一定關系，產量和綜合品質得分構建的二維散點分布圖能夠直觀展示總體評價結果，本研究為篩選黃花菜優異種質資源提供了新的方法和參考。

[1] RODRIGUEZ-ENRIQUEZ M J, GRANT-DOWNTON R T. A new day dawning:(daylily) as a future model organism [J]. AoB Plants, 2013, 5: pls055. doi: 10.1093/aobpla/pls055.

[2] HOU F F, LI S, WANG J Y, et al. Identification and validation of reference genes for quantitative real-time PCR studies in long yellow daylily,Borani [J]. PLoS One, 2017, 12(3): e0174933. doi: 10.1371/journal.pone.0174933.

[3] LI S, JI F F, HOU F F, et al. Morphological, palynological and mole- cular assessment ofcore collection [J]. Sci Hort, 2021, 285: 110181. doi: 10.1016/j.scienta.2021.110181.

[4] CAI J Q, TU X N, YIN L Q. Countermeasures and suggestions for high-quality development of day lily industry in the Yellow River Basin [J]. Soil Water Cons China, 2022(1): 5–7. [蔡建勤, 土小寧, 殷麗強. 黃河流域黃花菜產業高質量發展的對策及建議 [J]. 中國水土保持, 2022(1): 5–7. doi: 10.3969/j.issn.1000-0941.2022.01.004.]

[5] XIAO N, PAN C H, LI Y H, et al. Genomic insight into balancing high yield, good quality, and blast resistance ofrice [J]. Genome Biol, 2021, 22(1): 283. doi: 10.1186/s13059-021-02488-8.

[6] WANG X K, GUO T, WANG Y, et al. Exploring the optimization of water and fertilizer management practices for potato production in the sandy loam soils of northwest China based on PCA [J]. Agric Water Manage, 2020, 237: 106180. doi: 10.1016/j.agwat.2020.106180.

[7] XU Z J, QI Y J, XING X H, et al. Analysis and evaluation of agrono- mic and quality traits in soybean germplasms from Huang-Huai-Hai Region [J]. J Plant Gene Resour, 2022, 23(2): 468–479. [徐澤俊, 齊玉軍, 邢興華, 等. 黃淮海大豆種質農藝與品質性狀分析及綜合評價 [J]. 植物遺傳資源學報, 2022, 23(2): 468–479. doi: 10.13430/j.cnki.jpgr.20210915001.]

[8] DU Q J, LI J M, PAN T H, et al. The compound effects of water and fertilizer on yield and quality of tomato under drip irrigation [J]. Agric Res Arid Areas, 2015, 33(3): 10–17. [杜清潔, 李建明, 潘銅華, 等. 滴灌條件下水肥耦合對番茄產量及綜合品質的影響 [J]. 干旱地區農業研究, 2015, 33(3): 10–17. doi: 10.7606/j.issn.1000-7601.2015.03.02.]

[9] HE Z H, LI M N, CAI Z L, et al. Optimal irrigation and fertilizer amounts based on multi-level fuzzy comprehensive evaluation of yield, growth and fruit quality on cherry tomato [J]. Agric Water Manage, 2021, 243: 106360. doi: 10.1016/j.agwat.2020.106360.

[10] LI H Z, CAO H X, GUO L J, et al. Effect of furrow irrigation pattern and irrigation amount on comprehensive quality and yield of green- house tomato [J]. Sci Agric Sin, 2016, 49(21): 4179–4191. [李紅崢, 曹紅霞, 郭莉杰, 等. 溝灌方式和灌水量對溫室番茄綜合品質與產量的影響 [J]. 中國農業科學, 2016, 49(21): 4179–4191. doi: 10.3864/j.issn.0578-1752.2016.21.012.]

[11] HAO K, FEI L J, LIU L H, et al. Comprehensive evaluation on the yield, quality, and water-nitrogen use efficiency of mountain apple under surge-root irrigation in the Loess Plateau based on the improved TOPSIS method [J]. Front Plant Sci, 2022, 13: 853546. doi: 10.3389/fpls.2022.853546.

[12] HU X H, GAO Z X, MA Y B, et al. Coupling scheme of water and fertilizer based on yield, quality, use efficiency of water and fertilizer in bag pepper growing [J]. Trans CSAE, 2020, 36(17): 81–89. [胡曉輝, 高子星, 馬永博, 等. 基于產量品質及水肥利用率的袋培辣椒水肥耦合方案 [J]. 農業工程學報, 2020, 36(17): 81–89. doi: 10.11975/j. issn.1002-6819.2020.17.010.]

[13] WU Z N, Lü H, MENG Y, et al. The determination of flood damage curve in areas lacking disaster data based on the optimization principle of variation coefficient and beta distribution [J]. Sci Total Environ, 2021, 750: 142277. doi: 10.1016/j.scitotenv.2020.142277.

[14] LU X Y, HU H X, YUAN G, et al. Application of TOPSIS method based on coefficient of entropy to evaluation of sprouts [J]. Chin Cucurbits Veg, 2022, 35(4): 87–91. [陸曉燕, 胡漢錫, 袁庚, 等. 基于熵權的TOPSIS法在芽苗菜品質綜合評價中的應用 [J]. 中國瓜菜, 2022, 35(4): 87–91. doi: 10.16861/j.cnki.zggc.2022.0095.]

[15] XIANG C P, LI X X. Descriptors and Data Standard for Daylily (Baroni) [M]. Beijing: China Agricultural Science and Technology Press, 2014: 9–13. [向長萍, 李錫香. 黃花菜種質資源描述規范和數據標準 [M]. 北京: 中國農業科學技術出版社, 2014: 9–13.]

[16] LI H S. Principle and Technology of Plant Physiological Biochemical Experiment [M]. Beijing: Higher Education Press, 2000. [李合生. 植物生理生化實驗原理和技術 [M]. 北京: 高等教育出版社, 2000.]

[17] WANG M L, Lü J G, ZHOU Z C. Determination vitamma C in fruits and vegetables by spectrophometric of phosphomolybdic heterpolyacids [J]. Food Sci, 2003, 24(8): 129–131. [王美蘭, 呂建剛, 周志才. 磷鉬雜多酸光度法測定水果、蔬菜VC [J]. 食品科學, 2003, 24(8): 129–131.]

[18] Shenzhen Municipal Commission of Market and Quality Supervision and Administration. SZDB/Z 349—2019 Determination of total flavo- noids in foods spectrophotometry [S]. Shenzhen: Shenzhen Municipal Commission of Market and Quality Supervision and Administration, 2019. [深圳市市場和質量監督管理委員會. SZDB/Z 349—2019 食品中總黃酮的測定分光光度法[S]. 深圳: 深圳市市場和質量監督管理委員會, 2019.]

[19] National Health Commission, State Administration for Market Regulation. GB/T 12456—2021 National Standard for Food Safety: Determination of Total Acids in Foods [S]. Beijing: Standards Press of China, 2021. [國家衛生健康委員會, 國家市場監督管理總局. GB/T 12456—2021 食品安全國家標準食品中總酸的測定 [S]. 北京: 中國標準出版社, 2021.]

[20] JI H, WANG L, JIA L H, et al. Effects of different treatment methods on the edible quality ofbuds [J]. J Food Saf Qual, 2020, 11(18): 6557–6561. [及華, 王琳, 賈立海, 等. 不同處理方法對萱草花蕾食用品質的影響 [J]. 食品安全質量檢測學報, 2020, 11(18): 6557–6561. doi: 10.19812/j.cnki.jfsq11-5956/ts.2020.18.054.]

[21] CHEN H G, LI X N, LI C Y. Resilience evaluation of water resource system based on coefficient of variation-entropy weight method: A case study of water resources in Heilongjiang Province from 2007 to 2016 [J]. Ecol Econ, 2021, 37(1): 179–184. [陳紅光, 李曉寧, 李晨洋. 基于變異系數熵權法的水資源系統恢復力評價——以黑龍江省2007—2016年水資源情況為例 [J]. 生態經濟, 2021, 37(1): 179–184.]

[22] YUAN Z F, ZHOU J Y, GUO M C, et al. Decision coefficient: The decision index of path analysis [J]. J NW Agric For Univ (Nat Sci), 2001, 29(5): 131–133. [袁志發, 周靜芋, 郭滿才, 等. 決策系數——通徑分析中的決策指標 [J]. 西北農林科技大學學報(自然科學版), 2001, 29(5): 131–133. doi: 10.13207/j.cnki.jnwafu.2001.05.035.]

[23] ZHAO M, ZHOU B Y, MA W, et al. Theoretical and technical models of quantitative regulation in food crop production system [J]. Acta Agron Sin, 2019, 45(4): 485–498. [趙明, 周寶元, 馬瑋, 等. 糧食作物生產系統定量調控理論與技術模式 [J]. 作物學報, 2019, 45(4): 485–498. doi: 10.3724/SP.J.1006.2019.83051.]

[24] YE Y L, WANG G L, HUANG Y F, et al. Understanding physiological processes associated with yield-trait relationships in modern wheat varieties [J]. Field Crop Res, 2011, 124(3): 316-322. doi: 10.1016/j.fcr. 2011.06.023.

[25] PIAO L, QI H, LI C F, et al. Optimized tillage practices and row spacing to improve grain yield and matter transport efficiency in intensive spring maize [J]. Field Crop Res, 2016, 198: 258–268. doi: 10.1016/j.fcr.2016.08.012.

[26] GAO F, LIU Z X, ZHAO J H, et al. Source-sink characteristics and classification of peanut major cultivars in North China [J]. Acta Agron Sin, 2021, 47(9): 1712–1723. [高芳, 劉兆新, 趙繼浩, 等. 北方主栽花生品種的源庫特征及其分類 [J]. 作物學報, 2021, 47(9): 1712– 1723. doi: 10.3724/SP.J.1006.2021.04164.]

[27] XU L N, TAO H B, HUANG S B, et al. Analysis on the limiting factors to further improve yield of summer maize in Heilonggang River Valley [J]. Acta Ecol Sin, 2013, 33(1): 222–228. [徐麗娜, 陶洪斌, 黃收兵, 等. 黑龍港流域夏玉米產量提升限制因素 [J]. 生態學報, 2013, 33(1): 222–228. doi: 10.5846/stxb201111051676.]

[28] KONG S P, SUN J Q, WU X, et al. Analysis of relationship between variations of main agronomic traits and yield in garlic [J]. Sci Agric Sin, 2015, 48(6): 1240–1248. [孔素萍, 孫敬強, 吳雄, 等. 大蒜主要農藝性狀變異特征及其與產量相關構成分析 [J]. 中國農業科學, 2015, 48(6): 1240–1248. doi: 10.3864/j.issn.0578-1752.2015.06.19.]

[29] ZHOU L L, ZHANG L J, YU X, et al. Comparison of ecological adaptability and nutritional quality of daylily in northern Jiangsu Province [J]. J N Agric, 2020, 48(5): 109–114. [周玲玲, 張黎杰, 余翔, 等. 蘇北地區黃花菜生態適應性及營養品質比較 [J]. 北方農業學報, 2020, 48(5): 109–114. doi: 10.12190/j.issn.2096-1197.2020. 05.19.]

[30] SONG X M, WANG J F, LIU J, et al. Study on artificial cultivation and high yield techniques ofspp. [J]. S Chin Agric, 2018, 12(3): 24–26. [宋希明, 王嘉夫, 劉君, 等. 黃花菜人工栽培及豐產技術探究 [J]. 南方農業, 2018, 12(3): 24–26. doi: 10.19415/j.cnki. 1673-890x.2018.03.012.]

[31] LIU Z M, SHEN M J. Studies on product characters of seven day lily varieties [J]. J Hunan Agric Coll, 1990(2): 181–185. [劉志敏, 沈美娟. 黃花菜不同品種產量構成性狀的研究 [J]. 湖南農學院學報, 1990(2): 181–185. doi: 10.13331/j.cnki.jhau.1990.02.013.]

[32] LIU H, ZHOU X R, YU X N, et al. Current situation and prospect of identification and evaluation of quality traits in crop germplasm resources [J]. J Plant Gene Resour, 2014, 15(1): 215–221. [劉浩, 周閑容, 于曉娜, 等. 作物種質資源品質性狀鑒定評價現狀與展望 [J]. 植物遺傳資源學報, 2014, 15(1): 215–221. doi: 10.13430/j.cnki.jpgr.2014.01.033.]

[33] ZHENG P F, ZHANG M, WANG Z X, et al. Comprehensive evalua- tion of the fruit quality of the main cultivars of pear (spp.) in North China [J]. Erwerbs-Obstbau, 2022, 64(2): 219–227. doi: 10.1007/s10341-021-00609-y.

[34] DANG H M. The evaluation of nutrient and functional substance for the flower buds ofspp. [D]. Jinzhong: Shanxi Agricul- tural University, 2016: 27–30. [黨換梅. 萱草屬植物花蕾的營養及功能性物質評價 [D]. 晉中: 山西農業大學, 2016: 27–30.]

[35] NILSSON H, NORDSTR?M E M, ?HMAN K. Decision support for participatory forest planning using AHP and TOPSIS [J]. Forests, 2016, 7(5): 100. doi: 10.3390/f7050100.

[36] DENG Z Y, QU L Q, WU Y R, et al. Current progress and prospect of crop quality research [J]. Sci Sin Vitae, 2021, 51(10): 1405–1414. [鄧祝云, 曲樂慶, 巫永睿, 等. 作物品質研究現狀與展望 [J]. 中國科學: 生命科學, 2021, 51(10): 1405–1414. doi: 10.1360/SSV-2021-0223.]

[37] ZHENG J Z, LI H P, LAI Z F, et al. Genetic diversity of vegetable daylily germplasms in China [J]. Fujian J Agric Sci, 2018, 33(10): 1030–1038. [鄭家禎, 李和平, 賴正鋒, 等. 國內菜用黃花菜種質資源遺傳多樣性分析 [J]. 福建農業學報, 2018, 33(10): 1030–1038. doi: 10.19303/j.issn.1008-0384.2018.10.004.]

Screening and Evaluation of Superior Germplasm Based on Yield and Quality Characteristics of

LI Zhou1, TAN Fangxi2, ZHAO Yican2, ZHANG Dingshan1, HONG Jianji1, WU Songhai1*

(1. Institute of Subtropical Agriculture, Fujian Academy of Agricultural Sciences, Zhangzhou 363005, Fujian, China; 2. Department of Biological Science and Technology, Minnan Normal University, Zhangzhou 363000, Fujian, China)

The aim was to screen the superior germplasm resources of. The yield formation and quality of 20germplasms were evaluated by using correlation analysis, stepwise regression, path analysis and TOPSIS analysis. The results showed that variations in agronomic, yield and quality traits among differentgermplasms were rich with coefficient of variation (CV) from 1.9% to 75.6%. The CV of bud chromaa(redness) was the highest (75.6%), followed by total flavone content (67.9%) and bud weight (41.0%), and water content of bud was the lowest (1.9%). Bud weight, bud diameter and flower moss number were significantly correlated with yield with CV of 0.737, 0.583 and 0.517, respectively. The correlation among nutrient quality traits was weak, while the correlation between appearance color index and some nutritional quality was extremely significant. The results of stepwise regression and path analysis suggested that floral bud weight and scape number were the main determinant of yield formation across all investigated germplasms, with decision coefficients of 0.534 and 0.239, respectively. The combination weights of nutritional quality and color parameters, calculated by using the method of coefficient of variation-entropy weight, were 0.523 and 0.477, respectively, and the results could effectively distinguish the best quality rank of different germplasm resources with application of combined the TOPSIS analysis method. Two-dimensional scatter distribution diagrams, a visualized overall assessment result simultaneously considering yield and quality, could be derived for use in the high yield and bud quality quickly screening of

; Yield; Quality; TOPSIS method; Germplasm screening

10.11926/jtsb.4701

2022-07-11

2022-10-09

福建省公益類科研院所基本科研專項(2020R1030006, 2021R1030002); 福建省農業科學院科技創新團隊建設項目(CXTD2021006-3)資助

This work was supported by the Project for Basis Scientific Research of Public Welfare Scientific Research Institutes in Fujian (Grant No. 2020R1030006, 2021R1030002), and the Project for Science and Technology Innovation Team of Fujian Academy of Agricultural Sciences (Grant No. CXTD2021006-3).

李洲(1989年生)，男，助理研究員，研究方向為特色蔬菜遺傳育種與高產高效栽培。E-mail: chqhlj@163.com

* 通訊作者 Corresponding author. E-mail: 77894467@qq.com