不同绿豆品种(系)的光合特性及综合评价
筛选光合能力强、产量高的绿豆品种(系)。
在绿豆花荚期，系统研究32个品种(系)的光合性状，结合产量相关性状，分析绿豆光合性状间及光合性状与产量间的关系。
光合性状在不同绿豆品种(系)之间存在显著差异；主成分分析中，前2个主成分的累计贡献率达91.361%，第1主成分主要反映蒸腾速率(Tr)、气孔导度(Gs)、胞间CO2浓度(Ci)和水分利用率(WUE)的信息，第2主成分主要反映净光合速率(Pn)的信息；聚类分析将32个绿豆品种(系)聚为3类，第Ⅱ类群的6份材料具有较高的Pn、Gs、Ci和Tr。
绿豆品种(系)吉绿3号和冀绿2号的光合性状和产量性状表现较好，适于在生产中推广应用。
Photosynthetic Characteristics and Comprehensive Evaluation of Different Mung Bean Varieties (Lines)
To select the mung bean varieties (lines) with strong photosynthetic ability and high yield.
The photosynthetic characteristics of 32 mung bean varieties (lines) were investigated at the flowering and pod stage. The correlations among photosynthetic characteristics and between photosynthetic characteristics and yield were analyzed, combining with yield-related traits.
There were significant differences in photosynthetic characteristics among different mung bean varieties(lines). Principal component analysis showed that: the cumulative contribution rate of the first two principal components was 91.361%, the first principal component mainly reflected the information of transpiration rate (Tr), stomatal conductance (Gs), intercellular carbon dioxide concentration (Ci) and water use efficiency (WUE), and the second principal component mainly reflected the information of net photosynthetic rate (Pn). The 32 mung bean varieties (lines) were clusted into three groups by cluster analysis, six materials from group Ⅱ with higher Pn, Gs, Ci and Tr.
The mung bean varieties (lines) of Jilyu No.3 and Jilyu No.2 show better photosynthetic characteristics and yield traits, and they are suitable for popularization and application in production.
-
随着土地利用研究的深入，人们逐渐从对土地利用格局的关注转为土地利用多功能性变化及可持续性研究[1]。土地利用多功能性即不同土地类型开发利用状态下所表现出的社会、经济和生态等功能状态，关系着人类社会的发展福祉[2]。近年来，随着人类社会快速发展和城市化脚步不断加快，建设用地日益紧张，耕地不断减少，生态用地不断被压缩，土地利用矛盾日趋激烈，土地供给短缺成为可持续发展的主要障碍。土地多功能利用为区域可持续发展提供了解决之道。
21世纪以来，多功能性理念伴随着农业多功能性的提出，在林业、景观、生态、公共产品和就业等多领域得到深入研究[3]。土地利用多功能性受到国内外学者的广泛关注，其研究更强调土地利用类型的整体有机性[4]和人类福祉变化，可为土地高效利用、促进区域社会经济与生态环境协调发展提供新方向[1]。国外学者GROOT[5]对土地利用功能进行分类和计量，研究了土地冲突问题；HELMING等[6]分析了欧洲共同农业政策(common agricultural policy, CAP)驱动下土地利用多功能的变化。国内学者甄霖等[7]构建了土地多功能利用分析的概念框架，并以此界定剖析了中国土地利用的多功能性；陈睿山等[8]在分析土地功能内涵和土地利用、土地覆盖关系基础上构建了基于多功能性的土地系统可持续性评价的步骤；全排列多边形指示指标法、灰色关联投影法等方法也被引入探究不同区域尺度下的土地利用多功能性变化[9-11]；杜国明等[12]采用灰色关联度模型、障碍度模型等研究了影响土地利用多功能性的因素；孙丕苓等[13]运用空间滞后和误差模型分析了土地利用多功能性在不同时空尺度上的表现。但是，由于中国土地利用多功能研究仍处于开始阶段，仍存在不足：土地利用多功能性空间特征分析仍以描述性总结为主，欠缺对空间关联特征的探究性分析。同时针对造成土地利用多功能性的空间分异背后的驱动机理研究较少，尤其忽略空间效应对土地利用多功能影响因素的影响，缺少影响因素空间可视化的表达。
甘肃省位于中国西北地区，东西走向超过1 600 km。甘肃省各地环境迥异，地形差别大。同时，交通区位条件、开发政策、产业结构分布、区域经济发展等有明显的空间差异。甘肃省各地市土地利用多功能性影响因素不尽相同，土地利用多功能必然产生空间差异性。因此，本研究运用空间自相关法和地理加权回归模型来分析甘肃省14个地市州的土地利用多功能性空间差异和影响因素的空间分布，以此可视化表达土地利用多功能的空间差异和其驱动因素空间变化，为土地可持续性利用和土地管理提供科学参考。
1. 材料与方法
1.1 研究区概况
甘肃省位于中国西北地区，全省面积45.37万km2，占中国国土面积的4.72%。全省总人口为2 763.65万，辖12个地级市、2个自治州。2015年，甘肃省GDP达6 790.32亿元，然而各市州GDP差距比较大，最高为兰州市2 095.9亿元，最低为甘南自治州12.7亿元。
甘肃省由于其地形狭长，东南到西北走向跨度大，导致其各市州气候差别大，从南向北涵盖了亚热带季风气候、高原高寒气候等四大气候类型。同时，甘肃省年平均降水量在40~750 mm之间，且空间分布不均，从东南向西北形成湿润、干旱等4个类型区。另外，省内地势自西南向东北倾斜，海拔相对高度差比较大，其地形复杂多样，包括高原、河谷、盆地、丘陵、沙漠和平原等。
1.2 数据来源
研究涉及大部分数据直接来自2016年《甘肃发展年鉴》，例如农村人均纯收入、人均城市道路面积等；废水排放强度和水资源总量数据来自《甘肃省水资源公报》。另外，粮食单产、经济密度等数据通过计算得到。
1.3 土地利用多功能评价指标体系
土地利用多功能是土地系统和特定景观尺度的生态系统提供的产品和服务，包括了人类居住、就业、文化和生产等需求，也涵盖了生物物理、化学过程和生态效应等[14]。本研究借鉴国内外学者的研究，结合甘肃省社会经济发展、自然生态和土地利用情况，将土地利用功能划分为经济、社会和生态功能。经济功能包括经济发展、农业生产和交通三大功能；社会功能包括社会保障、就业、居住家园和文化休闲四大功能；生态功能包括资源供给、环境净化和生态维持三大功能。由于目前土地利用各功能和指标间的关系仍不明确，本研究依据综合性、地域性、层次性、科学性和可行性的原则，充分考虑能直接反映人类福祉变化和可持续发展的要求，构建甘肃省土地利用多功能性评价指标体系(表1)。
表 1 土地利用多功能指标体系Table 1. Assessment indicator system of land use functions目标层target level 子目标层sub-target layer 准则层guidelines layer 指标层indicator layer 权重weights 土地利用总功能
total function经济功能
economic function农业生产功能 X1粮食单产(+) 0.039 X2人均粮食拥有量(+) 0.028 经济发展功能 X3经济密度(+) 0.083 X4人均GDP(+) 0.038 交通功能 X5人均城市道路面积(+) 0.02 X6公路密度(+) 0.095 社会功能
social function就业功能 X7城镇登记失业率(−) 0.024 X8城镇单位从业人员密度(+) 0.054 社会保障功能 X10城乡收入平衡指数(+) 0.063 X11千人拥有的卫生机构床位数(+) 0.024 X12农村人均居民收入(+) 0.054 居住家园功能 X13人口密度(+) 0.038 X14人口城镇化率(+) 0.062 文化休闲功能 X15城市人均绿化面积(+) 0.103 X16建成区绿化覆盖率(+) 0.021 X17人均公共图书馆藏书册数(+) 0.072 生态功能
ecological function资源供给功能 X18地均水资源(+) 0.052 X19土地垦殖率(+) 0.04 X20地均猪牛羊肉占有量(+) 0.029 环境净化功能 X21废水排放强度(−) 0.014 X22 SO2平均浓度(−) 0.013 X23工业固体废物产生强度(−) 0.009 生态维持功能 X24森林覆盖率(+) 0.025 1.4 土地利用多功能性测度
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
本文参考以往研究，将土地利用总功能和子功能划分为高、较高、中等和低水平4个等级。
1.5 土地利用多功能性分析
1.5.1 空间自相关
空间自相关是用来测验具备一定规律性的变量由于不同地理位置而产生的相关性大小，包括全局和局部空间自相关。全局空间自相关是变量值在整个评价单元的总体空间特征表达，分析属性值在空间上关联或聚集程度[15]。常用全局莫兰指数来衡量，公式如下：
$ I = \displaystyle\frac{{\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{W_{ij}} \times \left( {{X_i} - \overline X } \right)\left( {{X_j} - \overline X } \right)} } }}{{\displaystyle\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{W_{ij}} \times \frac{1}{n}\sum\limits_{i = 1}^n {{{\left( {{X_i} - \overline X } \right)}^2}} } } }} $
(1) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
然而全局空间自相关分析前提是空间具有同质性，不能准确反映相关性较大的评价单元空间位置[16]。因此，采用局部空间自相关(LISA)来度量某一单元与周边单元之间的空间差异程度，常用局部莫兰指数来测度，并用LISA聚集图显示。公式如下所示，式中参数含义同上。
$ I = \displaystyle\frac{{\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{W_{ij}} \times \left( {{X_i} - \overline X } \right)\left( {{X_j} - \overline X } \right)} } }}{{\frac{1}{n}\displaystyle\sum\limits_{i = 1}^n {{{\left( {{X_i} - \overline X } \right)}^2}} }} $
(2) 1.5.2 地理加权模型
地理加权回归模型是将评价单元的地理信息考虑到回归参数中，利用邻近观测值的数据进行局部回归估计，其回归参数因不同地理位置而变化[17]。其模型为
$ y_i = \beta _0 \left( { u_i , v_i } \right) + \displaystyle\sum\limits_k { \beta _k } \left( { u_i , v_i } \right) X_{ik} + \varepsilon _i $
(3) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
$ {W_{ij}} = \left\{ {\begin{array}{*{20}{l}} {{{\exp }^{ - \textstyle\frac{1}{2}\left( {\textstyle\frac{{{d_{ij}}}}{b}} \right)}},\;{d_{ij}}< b}\\ {0,\;{d_{ij}}< b} \end{array}} \right. $
(4) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
1.5.3 影响因素选取
2015年甘肃省土地利用多功能性空间差异特征显著，其影响因素空间分布必然具有差异性。分析影响因素的空间分布可更全面深入剖析土地利用多功能性的驱动机制，为因地制宜的土地多功能利用提供科学的参考。已有研究表明：影响土地利用多功能性变化的因素包括人类利用和自然资源因素等，其中人类利用因素分为社会经济和政策两方面。自然资源因素是引起区域土地利用变化的内生驱动因素，它不会直接引起土地利用变化，主要引起土地覆被的变化。社会经济因素是引起土地多功能利用比较有活力的因素，其会影响土地利用类型变化，使得土地利用结构和方向变化，最终表现为土地利用多功能的变化[18]。政策因素是直接、强制地影响土地利用，有效影响土地利用多功能变化。从属性来看，在一定时期内，引起土地利用多功能性变化的自然因素具有稳定性，而社会经济和政策因素具有变动性[19]。然而政策因素并不适合定量分析，因此本研究选择自然和社会经济因素来作为土地利用多功能主要驱动因素。参考以往研究和甘肃省社会经济、生态发展情况，并对影响因素进行容差(tolerance)和方差膨胀因子(variance inflation factor, VIF)的多重共线性诊断，剔除VIF值大于10的因素，最终选择森林覆盖率和土地垦殖率作为自然影响因素，人均粮食拥有量、人均GDP、人均道路面积等7个因素作为社会经济影响因素(表2)。
表 2 土地利用多功能影响因素Table 2. Multi-functional factors of land use影响因素influence factors 解释变量explanatory variables 自然因素
natural factors森林覆盖率、土地垦殖率 社会经济因素
socio-economic factors人均粮食拥有量、人均GDP、人均城市道路面积、城乡收入平衡指数、人口密度、农村人均居民收入、城镇登记失业率 2. 结果与分析
2.1 甘肃省土地利用多功能性空间分布特征
由图1可知：2015年甘肃省土地利用多功能性水平空间差异特征显著，土地利用各功能总体为“点—片”结构特征。土地利用总功能水平(0.163~0.536)整体为西北高、东南低的空间格局。土地利用总功能高水平的是嘉峪关市(0.536)和兰州市(0.517)，形成独立的“点”。土地利用总功能较高水平(>0.283~0.418)的集中分布于甘肃省西北部，包括酒泉市、张掖市、金昌市；中等水平(>0.221~0.283)的主要分布于中部地区，包括武威市、白银市、庆阳市、平凉市等；低水平(0.163~0.221)的分布于南部地区，包括定西市、陇南市、甘南州，构成总功能不同水平的“片”。
土地经济功能高水平的是兰州市(0.227)、嘉峪关市(0.181)，形成独立的“点”。较高水平(>0.074~0.124)的集中于张掖市、金昌市；中等水平(>0.042~0.074)的包括酒泉市、武威市、白银市、平凉市等；低水平(0.023~0.042)的分布于定西市、陇南市、甘南州，构成经济功能的“片”。土地社会功能整体为西北高、东南低的空间分布，高水平的是嘉峪关市(0.439)，形成独立的“点”。较高水平(>0.143~0.339)的分布于西北部城市和兰州市；中等水平(>0.054~0.143)的集中于中部地区；低水平(0.043~0.054)的位于南部地区，构成社会功能的“片”。生态功能与其他功能呈相反趋势，为东南高、西北低的格局，高水平的是平凉市(0.132)；较高水平(>0.077~0.115)的分布于南部地区；中等水平(>0.049~0.077)的主要分布于中部地区；低水平(0.018~0.049)的包括酒泉市、嘉峪关市和金昌市，构成生态功能的“片”。
2.2 甘肃省土地利用多功能性空间差异分析
由计算可知：2015年甘肃省土地利用总功能、社会功能和生态功能莫兰指数分别为0.305 8、0.443 4和0.462 8，并且均通过显著性检验。表明土地利用总功能、社会功能、生态功能在甘肃省区域分布有较大的空间正相关性，即14个市州的土地利用功能空间分布并非随机性，而为空间集聚状态，功能值高的趋向于和功能值高的相邻，功能值低的趋向于和功能值低的相邻，而土地利用多功能的“点—片”结构也验证了空间集聚性。但是土地经济功能的莫兰指数为−0.009 6，表现为极弱的负相关，并且没有通过显著性检验，因此土地经济功能为空间离散状态。
为了更直观地描述甘肃省土地利用多功能空间分布，利用Moran散点图生成LISA聚集图(图2)，可知甘肃省土地利用多功能性表现出明显的分异格局，主要为3种类型：高高(HH)区，即自身功能水平和周围功能水平均比较高，空间差异小；低低(LL)区，即自身功能水平和周围功能水平均比较低，空间差异小；低高(LH)区，即自身功能水平低，而周围功能水平高，空间差异大。土地利用总功能HH区主要分布于张掖市，LL区分布于陇南市和甘南州。经济功能只有LL区，为天水市、陇南市和甘南州。社会功能HH区包括酒泉市、张掖市，LL区分布于天水市、甘南州和陇南市。生态功能HH区为张掖市，LL区为定西市、天水市和陇南市，同时生态功能出现了LH区，为庆阳市。
2.3 影响因素分析
2.3.1 影响因素回归系数空间分布
由图3可知：甘肃省自然因素回归系数为正值，即与土地利用总功能呈正相关关系。自然因素回归系数由西北向东南部逐渐递增，并且呈现明显的空间集聚性。回归系数最大的区域(>0.162 904~0.162 924)包括陇南市、天水市等，而最小的区域(0.162 800~0.162 817)包括嘉峪关市和酒泉市。说明与陕西、四川接壤的甘肃省东南部土地利用总功能受自然因素影响比西北部更大。自然因素回归系数从西北向东南方向逐渐增大的趋势和甘肃省复杂地貌形态密切相关，甘肃省由西北向东南方向总体分为六大地形区域，河西走廊北带、祁连山地、河西走廊、陇中黄土高原、甘南高原和陇南山地，其植被覆盖、水土条件、气候条件等迥然不同，森林覆盖率和土地垦殖率从西北向东南方向逐渐增大，自然因素对土地利用总功能的影响逐渐增大。
![]()
图 3 土地利用多功能影响因素回归系数图Figure 3. Multi-functional factors of land use regression coefficient chart由图3还可知：甘肃省社会经济因素与土地利用总功能亦呈正相关关系，而与自然因素回归系数相反，由西北向东南部逐渐递减，并且呈现明显的空间集聚性。回归系数最大的区域(>0.485 165~0.485 267)位于西北部，包括酒泉市、嘉峪关市等，而系数最小的区域(>0.485 062~0.485 083)位于东南部，包括陇南市、天水市等。甘肃省西北部所受社会经济因素影响比东南部更大。社会经济因素主要取决于人类主观投入，所以社会经济因素回归系数和自然因素空间分布截然相反的趋势与人类对区域土地要素投入偏好密切相关。甘肃省西北部多是以钢铁、石油为主的工业城市，经济基础好，带动城市道路修建，企业数量多，促进就业；而东南部以农业为主，缺乏工业支撑，经济落后，吸引社会经济要素的投入难度稍大。
综上可知，自然和社会经济因素由于受到地理位置和空间效应的影响，对各地土地利用总功能的影响程度不尽相同。自然因素的回归系数(0.162 800~0.162 924)比社会经济因素的回归系数(0.485 062~0.485 267)小，社会经济因素对土地利用总功能影响更大，并且一定时期内自然因素具有稳定性，因此土地利用总功能水平主要受到社会经济因素影响，人类主观要素投入决定土地利用总功能水平。
2.3.2 影响因素数量投入分析
由影响因素回归系数空间分布可知：土地利用总功能在一定时期内主要受到社会经济因素影响，然而由于各地社会经济因素回归系数(0.485 062~0.485 267)差异较小，因此土地利用总功能水平空间分布更多取决于要素投入的数量。通过各地影响因素标准化值相加可得社会经济和自然因素投入数量，由图4可知：甘肃省土地利用总功能影响要素投入水平从西北向东南方向呈现明显的阶梯分布。社会经济要素投入从嘉峪关市、酒泉市向平凉市、天水市逐渐减少，而自然因素投入呈现相反趋势。综合影响因素回归系数空间分布可知：甘肃省土地利用多功能水平空间分布主要由社会经济因素投入水平分布决定。
3. 讨论
土地利用多功能是在历史进程中人类行为和自然条件相互作用于土地利用效果的累积表现，不同地域自然资源、人类发展程度、利用手段等差异必然带来其空间分异性。本研究采用空间自相关法和地理加权回归模型分析了2015年甘肃省14个市州土地利用多功能性空间差异及影响因素空间分布情况，结果表明：甘肃省土地利用多功能性空间差异特征显著，全局自相关指数显示为明显的空间集聚。这与王枫等[11]的研究结果相似，地理学第一定律表明相近空间单元信息具有相似性，而相近市州自然资源禀赋、人类社会发展需求等具有的相似性使土地利用多功能表现出空间集聚性。但是以往研究对空间特征的分析更多是基于各评价单元土地利用多功能数值的描述性总结，而本研究利用全局、局部自相关指数直观显示了土地利用多功能空间关联特征，从而更科学地衡量其空间差异性。
其次，土地利用多功能影响因素分析表明：社会经济因素相比自然因素对土地利用多功能性影响更大。这与杜国明等[12]和贾科利等[20]的研究结果相似，社会经济因素作为影响土地利用的直接因素，能快速引起土地利用规模和强度的变化，因此，短期社会需求下的土地利用行为更能引起土地利用多功能强度及方向的变化。本研究从空间角度遴选影响因子，充分考虑空间效应，并将其可视化表达，从而突破以往研究难以显示影响因素空间差异的局限。同时，本研究从因素投入水平和回归系数两个角度分析影响因素的作用机理，结果表明甘肃省土地利用多功能水平空间分布更多取决于各地因素投入水平，改变了以往研究只关注因素回归系数的短板，从而更全面、深入挖掘了土地利用多功能的驱动机理。
甘肃省不同地区的自然背景、发展阶段、潜力空间等区域特性决定了土地利用多功能分布的空间差异性，各地应采取差异化措施提高土地利用多功能。河西地区经济和社会功能普遍较高，应立足于现有社会经济基础，提高土地的生态、环境效应，改善自然基础，促进社会经济与生态协调发展；陇中、陇南、甘南等地区自然基础好，其生态功能较高，但经济发展水平低、社会保障等不完善，应充分发挥土地资源优势，加大对该地区的投入，发展新产业，缩小与西北部地区的发展差距。
此外，政策因素对土地利用多功能有重要的影响，但由于政策因素难以定量化，本研究未对政策因素进行分析。同时，土地利用多功能具有时间差异性，从时空角度分析土地利用多功能变化更能反映土地多功能利用情况。因此，如何更全面的选取驱动因素及从时空角度来分析土地利用多功能性变化是未来的研究方向。
4. 结论
(1)甘肃省土地利用多功能性水平空间特征显著，呈现空间集聚状态。土地利用各功能总体均为“点—片”结构特征，土地利用总功能整体为西北高、东南低的空间格局。全局自相关莫兰指数表明：除经济功能外，其余功能均表现为较大空间正相关性。局部自相关莫兰指数和LISA图显示：甘肃省土地利用多功能HH区和LL区整体为对称分布。
(2)甘肃省土地利用多功能性影响因素具有明显空间集聚性。GWR模型结果显示：自然和社会经济因素均与土地利用总功能呈正相关关系。自然因素分布与甘肃省复杂的地貌形态密切相关，而社会经济因素分布与人类要素投入偏好密切相关。
(3)甘肃省土地利用总功能水平空间分布主要取决于社会经济要素投入的数量，甘肃省各市州应充分认识影响本地土地利用多功能性的不同要素，识别不同要素对土地利用总功能的作用强度，因地制宜地加大各要素投入，从而有效地提高土地利用多功能性。
-
![]()
图 1 基于综合评价值的32个绿豆品种(系)聚类图
Figure 1. Cluster diagram of 32 mung bean varieties (lines) based on comprehensive evaluation value
表 1 参试绿豆品种(系)
Table 1 Mung bean varieties (lines) for test
编号
number种质名称
germplasm name编号
number种质名称
germplasm name编号
number种质名称
germplasm name编号
number种质名称
germplasm nameLD-01 潍绿4号
Weilyu No.4LD-09 白绿6号
Bailyu No.6LD-17 吉绿6号
Jilyu No.6LD-25 保绿942
Baolyu 942LD-02 潍绿5号
Weilyu No.5LD-10 白绿8号
Bailyu No.8LD-18 苏绿08-7
Sulyu 08-7LD-26 辽绿8号
Liaolyu No.8LD-03 潍绿7号
Weilyu No.7LD-11 白绿9号
Bailyu No.9LD-19 苏绿04-23
Sulyu 04-23LD-27 南阳绿豆
Nanyang mung beanLD-04 潍绿8号
Weilyu No.8LD-12 白绿10号
Bailyu No.10LD-20 绿珍珠2号
Lyuzhenzhu No.2LD-28 安黄绿1号
Anhuanglyu No.1LD-05 潍绿9号
Weilyu No.9LD-13 白绿11号
Bailyu No.11LD-21 鄂绿4号
Elyu No.4LD-29 湘绿1号
Xianglyu No.1LD-06 中绿5号
Zhonglyu No.5LD-14 白绿522
Bailyu 522LD-22 冀绿2号
Jilyu No.2LD-30 浏阳河1号
Liuyanghe No.1LD-07 中绿8号
Zhonglyu No.8LD-15 吉绿3号
Jilyu No.3LD-23 张家口鹦哥绿
Zhangjiakou YinggelyuLD-31 冀绿7号
Jilyu No.7LD-08 中绿11号
Zhonglyu No.11LD-16 吉绿4号
Jilyu No.4LD-24 榆林绿豆
Yulin mung beanLD-32 苏绿09-8
Sulyu 09-8
下载: 导出CSV
表 2 32个绿豆品种(系)的光合性状
Table 2 Photosynthetic characteristics of 32 mung bean varieties (lines)
编号
number净光合速率/
(μmol·m−2·s−1) Pn气孔导度/
(mol·m−2·s−1) Gs胞间CO2浓度/
(μmol·mol−1) Ci蒸腾速率/
(mmol·m−2·s−1) Tr水分利用率/
(μmol·mmol−2) WUELD-01 31.46±2.22 ab 0.44±0.09 ab 220.79±15.14 ab 5.95±0.71 bc 5.32±0.29 b LD-02 25.68±1.25 c 0.22±0.02 c 158.16±14.78 c 3.91±0.28 d 6.59±0.38 a LD-03 27.35±0.79 bc 0.37±0.05 bc 223.01±10.99 ab 5.94±0.64 bc 4.65±0.38 cd LD-04 27.68±2.84 bc 0.30±0.06 bc 191.84±9.59 b 5.42±0.79 c 5.14±0.24 bc LD-05 32.78±1.31 ab 0.41±0.04 ab 205.24±14.21 b 6.80±0.30 b 4.83±0.30 bc LD-06 31.26±1.29 ab 0.48±0.03 ab 231.35±2.81 ab 7.41±0.22 ab 4.22±0.06 cd LD-07 31.47±0.69 ab 0.41±0.03 ab 211.29±8.23 b 6.63±0.46 bc 4.76±0.27 bc LD-08 29.92±0.81 b 0.36±0.02 bc 206.68±6.14 b 5.81±0.23 bc 5.16±0.19 bc LD-09 27.69±2.63 bc 0.39±0.10 b 223.07±18.90 ab 5.98±1.03 bc 4.71±0.45 bc LD-10 24.31±1.41 c 0.25±0.01 c 194.82±14.64 b 4.65±0.14 cd 5.24±0.37 bc LD-11 30.73±2.69 ab 0.39±0.08 b 208.44±9.05 b 6.10±0.78 bc 5.06±0.20 bc LD-12 29.00±3.70 bc 0.42±0.14 ab 217.66±29.12 ab 6.20±1.56 bc 4.87±0.77 bc LD-13 29.10±0.83 bc 0.44±0.06 ab 231.27±10.58 ab 6.64±0.50 bc 4.40±0.23 cd LD-14 29.64±2.79 bc 0.42±0.06 ab 226.80±8.50 ab 6.08±0.55 bc 4.88±0.25 bc LD-15 30.29±1.22 ab 0.50±0.07 ab 239.38±8.96 ab 7.02±0.16 ab 4.31±0.09 cd LD-16 32.58±0.55 ab 0.46±0.03 ab 221.24±4.26 ab 6.99±0.28 ab 4.66±0.12 c LD-17 27.94±1.02 bc 0.41±0.07 ab 230.94±17.04 ab 6.21±0.68 bc 4.55±0.48 cd LD-18 32.21±0.71 ab 0.44±0.05 ab 217.88±9.62 ab 6.19±0.43 bc 5.22±0.25 bc LD-19 30.63±1.68 ab 0.45±0.04 ab 229.01±4.62 ab 6.90±0.30 b 4.44±0.06 cd LD-20 28.46±1.16 bc 0.45±0.06 ab 237.99±8.81 ab 7.14±0.53 ab 4.00±0.21 d LD-21 29.30±2.64 bc 0.40±0.11 ab 214.77±21.08 b 7.11±1.39 ab 4.23±0.55 cd LD-22 31.05±1.64 ab 0.52±0.04 a 241.52±1.42 a 7.81±0.36 ab 3.97±0.03 d LD-23 29.99±0.14 b 0.43±0.04 ab 223.18±12.51 ab 7.18±0.32 ab 4.19±0.18 cd LD-24 25.23±1.13 c 0.27±0.02 bc 195.24±5.96 b 5.46±0.28 c 4.63±0.08 cd LD-25 32.40±0.86 ab 0.47±0.03 ab 222.89±4.70 ab 8.07±0.55 ab 4.03±0.21 d LD-26 27.71±1.18 bc 0.37±0.02 bc 220.54±10.46 ab 6.82±0.30 b 4.07±0.29 cd LD-27 25.77±1.96 c 0.37±0.02 bc 231.51±17.46 ab 6.88±0.30 b 3.76±0.43 d LD-28 30.99±1.41 ab 0.49±0.03 ab 235.44±2.19 ab 8.21±0.17 a 3.77±0.09 d LD-29 26.00±4.42 c 0.33±0.06 bc 216.02±14.73 b 6.44±0.79 bc 4.03±0.36 d LD-30 33.98±2.35 a 0.36±0.13 bc 203.92±13.79 b 7.77±0.96 ab 4.41±0.29 cd LD-31 29.64±2.34 bc 0.47±0.06 ab 236.09±6.02 ab 7.77±0.47 ab 3.82±0.18 d LD-32 27.67±1.78 bc 0.34±0.07 bc 207.77±19.41 b 6.47±0.90 bc 4.32±0.39 cd 平均值 mean 29.37 0.40 217.99 6.56 4.57 F值 F-value 3.19 2.53 3.67 4.35 7.02 变异系数/%
coefficient of variation8.26 17.94 7.87 14.41 12.87 注：同列不同字母表示在0.05水平上差异显著；下同
Note: Pn. net photosynthetic rate, Gs. stomatal conductance, Ci. intercellular carbon dioxide concentration, Tr. transpiration rate, WUE. water use efficiency; different letters in the same column indicate significant differences at 0.05 level; the same as below.
下载: 导出CSV
表 3 绿豆品种(系)光合性状的相关性
Table 3 Correlation of photosynthetic characteristics of mung bean varieties (lines)
净光合速率 Pn 气孔导度 Gs 胞间CO2浓度 Ci 蒸腾速率 Tr 气孔导度 Gs 0.700** 胞间CO2浓度 Ci 0.321 0.857** 蒸腾速率 Tr 0.620** 0.793** 0.731** 水分利用率 WUE −0.136 −0.552** −0.765** −0.841** 注：“**”表示极显著相关 (P＜0.01)。
Note: “**” indicates extremely significant correlation (P＜0.01).
下载: 导出CSV
表 4 主成分分析的特征向量和特征值
Table 4 Eigenvectors and eigen values of principal component analysis
参数
parameter主成分 principal component PC1 PC2 净光合速率 Pn 0.630 0.758 气孔导度 Gs 0.926 0.219 胞间CO2浓度 Ci 0.890 −0.259 蒸腾速率 Tr 0.947 −0.018 水分利用率 WUE −0.802 0.540 特征值 eigen value 3.587 0.981 贡献率/%
contribution rate71.746 19.614 累计贡献率/%
cumulative contribution rate71.746 91.361
下载: 导出CSV
表 5 32个绿豆品种(系)主成分得分及综合排序
Table 5 Principal component score and comprehensive ranking of 32 mung bean varieties (lines)
编号
number主成分得分
principal component score综合得分
comprehensive
score综合排名
comprehensive
rankingPC1 PC2 LD-01 −0.22 1.47 0.15 17 LD-02 −6.23 1.12 −4.65 32 LD-03 −0.75 −0.73 −0.74 25 LD-04 −2.65 0.10 −2.05 29 LD-05 0.13 1.55 0.43 13 LD-06 1.84 0.29 1.51 5 LD-07 0.03 0.96 0.23 16 LD-08 −1.31 0.79 −0.86 27 LD-09 −0.57 −0.50 −0.55 24 LD-10 −3.82 −1.04 −3.22 31 LD-11 −0.76 1.00 −0.38 23 LD-12 −0.35 0.22 −0.23 22 LD-13 0.72 −0.35 0.49 12 LD-14 −0.06 0.32 0.02 18 LD-15 1.80 0.01 1.42 6 LD-16 1.10 1.24 1.13 7 LD-17 0.05 −0.63 −0.10 19 LD-18 −0.02 1.64 0.34 14 LD-19 1.10 0.26 0.92 9 LD-20 1.48 −0.98 0.95 8 LD-21 0.43 −0.31 0.27 15 LD-22 2.80 −0.03 2.19 1 LD-23 0.99 −0.18 0.74 11 LD-24 −2.71 −1.30 −2.40 30 LD-25 2.20 0.56 1.85 3 LD-26 0.12 −1.13 −0.15 21 LD-27 0.41 −2.21 −0.15 20 LD-28 2.77 −0.25 2.12 2 LD-29 −0.68 −1.76 −0.91 28 LD-30 0.74 1.39 0.88 10 LD-31 2.16 −0.71 1.54 4 LD-32 −0.77 −0.79 −0.78 26
下载: 导出CSV
表 6 32个绿豆品种(系)产量构成因素
Table 6 Yield components of 32 mung bean varieties (lines)
编号
number单株荚数
pod number of per plant单荚粒数
seed number of per pod荚长/cm
pod length单株粒质量/g
seed weight of per plant百粒质量/g
100-seed weightLD-01 36.40 b 12.80 ab 9.84 bc 11.88 bc 5.15 g LD-02 36.00 b 11.80 bc 9.64 c 11.15 bc 5.40 f LD-03 35.40 b 13.20 ab 9.60 c 12.56 bc 5.60 e LD-04 35.20 b 13.80 ab 11.24 ab 11.78 bc 5.71 e LD-05 25.60 bc 9.80 c 8.60 cd 8.73 c 5.95 d LD-06 31.40 bc 13.20 ab 10.48 bc 13.26 bc 6.52 b LD-07 25.20 bc 13.00 ab 10.52 bc 9.76 bc 6.19 c LD-08 40.20 bc 12.00 bc 10.48 bc 13.01 bc 5.87 de LD-09 33.80 bc 12.20 b 10.08 bc 13.70 b 5.41 f LD-10 18.60 c 14.00 ab 11.88 ab 8.50 c 6.71 a LD-11 32.80 bc 13.80 ab 9.84 bc 14.16 ab 5.38 f LD-12 29.40 bc 11.00 bc 11.08 b 11.18 bc 5.60 e LD-13 42.40 ab 13.00 ab 7.92 d 11.14 bc 3.89 j LD-14 33.00 bc 12.20 b 10.55 bc 11.47 bc 5.78 de LD-15 43.00 ab 12.60 ab 10.92 bc 18.96 a 5.53 ef LD-16 21.60 bc 12.20 b 11.56 ab 9.14 bc 6.05 cd LD-17 30.60 bc 14.00 ab 9.60 c 12.60 bc 5.16 g LD-18 52.60 a 12.40 ab 9.40 c 18.76 a 4.52 i LD-19 41.60 ab 12.00 bc 9.92 bc 12.76 bc 4.90 h LD-20 27.20 bc 13.50 ab 9.42 c 9.05 bc 5.60 e LD-21 25.20 bc 10.20 c 9.96 bc 9.74 bc 5.36 f LD-22 51.00 ab 13.40 ab 9.60 c 15.10 ab 4.33 i LD-23 39.40 ab 13.20 ab 8.88 cd 11.07 bc 4.71 h LD-24 20.00 c 12.40 ab 12.64 a 8.54 c 6.48 b LD-25 14.40 c 10.80 bc 9.56 c 5.78 c 6.04 cd LD-26 26.80 bc 12.20 b 9.88 bc 10.58 bc 5.26 fg LD-27 34.60 bc 14.20 a 10.52 bc 11.12 bc 4.89 h LD-28 34.60 bc 11.00 bc 9.72 bc 12.00 bc 5.60 e LD-29 32.60 bc 13.40 ab 10.96 bc 11.19 bc 6.03 cd LD-30 38.20 ab 13.00 ab 10.40 bc 14.68 ab 6.39 b LD-31 23.80 bc 12.40 ab 10.40 bc 10.02 bc 5.85 de LD-32 27.60 bc 12.00 bc 8.64 cd 7.67 c 5.15 g
下载: 导出CSV
-
[1] 刘勇, 叶鹏盛, 韦树谷, 等. 中国绿豆生产现状[J]. 四川农业科技, 2022(12): 89. DOI: 10.3969/j.issn.1004-1028.2022.12.026. [2] 田静, 程须珍, 范保杰, 等. 我国绿豆品种现状及发展趋势[J]. 作物杂志, 2021(6): 15. DOI: 10.16035/j.issn.1001- 7283.2021.06.003. [3] 陈林, 王芬. 水稻光合特性研究综述[J]. 高原山地气象研究, 2010, 30(4): 89. DOI: 10.3969/j.issp.1674-2184· 2010.04.016. [4] 童平, 杨世民, 马均, 等. 不同水稻品种在不同光照条件下的光合特性及干物质积累[J]. 应用生态学报, 2008, 19(3): 505. DOI: 10.13287/j.1001-9332.2008.0133. [5] 宁堂原, 焦念元, 赵春, 等. 不同品种春夏玉米套作模式中夏玉米光合特性与产量的关系[J]. 中国生态农业学报, 2009, 17(3): 459. DOI: 10.3724/SP.J.1011.2009.00459. [6] 姜丽娜, 王珍珠, 张凯, 等. 不同品种小麦光合和产量性状的比较研究[J]. 中国农学通报, 2012, 28(36): 171. DOI: 10.3969/j.issn.1000-6850.2012.36.029. [7] 张玲丽, 王辉, 孙道杰, 等. 不同类型高产小麦品种的光合特性研究[J]. 西北农林科技大学学报(自然科学版), 2005, 33(3): 53. DOI: 10.13207/j.cnki.jnwafu.2005.03. 012. [8] 张伟, 宋显军, 谢甫绨, 等. 不同大豆品种光合特性的比较[J]. 大豆科学, 2008, 27(3): 391. DOI: 10.11861/j.issn.1000-9841.2008.03.0391. [9] 张瑞鹏, 杨德忠, 傅连舜, 等. 不同来源大豆品种光合速率日变化及其影响因子的研究[J]. 大豆科学, 2007, 26(4): 490. DOI: 10.3969/j.issn.1000-9841.2007.04.008. [10] 张贵合, 郭华春. 马铃薯不同品种(系)的光合特性比较与聚类分析[J]. 作物学报, 2017, 43(7): 1067. DOI: 10.3724/SP.J.1006.2017.01067. [11] 高小丽, 孙建敏, 高金峰, 等. 不同基因型绿豆叶片光合性能研究[J]. 作物学报, 2007, 33(7): 1154. DOI: 10.3321/j.issn:0496-3490.2007.07.017. [12] 程须珍, 王素华, 王丽侠. 绿豆种质资源描述规范和数据标准[M]. 北京: 中国农业出版社, 2006. [13] 刘怀年, 李平, 邓晓建. 水稻种质资源单叶光合速率研究[J]. 作物学报, 2006, 32(8): 1252. DOI: 10.3321/j.issn:0496-3490.2006.08.025. [14] 赵鹏涛, 苟升学, 赵小光, 等. 不同小麦进化材料生育后期的光合特性及其对环境因子响应的比较[J]. 麦类作物学报, 2019, 39(3): 299. DOI: 10.7606/j.issn.1009-1041.2019.03.07. [15] 苏春桃, 杨浩, 高秀梅, 等. 高光效甘薯种质筛选及光合特性分析[J]. 热带作物学报, 2020, 41(12): 2462. DOI: 10. 3969/j.issn.1000-2561.2020.12.013. [16] 牛宁, 李振侠, 金素娟, 等. 黄淮海地区大豆光合特性及高光效种质筛选[J]. 中国油料作物学报, 2018, 40(4): 524. DOI: 10.7505/j.issn.1007-9.84.2018.04.009. [17] 张一中, 周福平, 张晓娟, 等. 高粱种质材料光合特性和水分利用效率鉴定及聚类分析[J]. 作物杂志, 2018(5): 45. DOI: 10.16035/j.issn.1001-7283.2018.05.008. [18] 申慧芳, 郭峰. 不同基因型绿豆光合特性分析[J]. 山西农业科学, 2021, 49(11): 1274. DOI: 10.3969/j.issn.1002- 2481.2021.11.05. [19] 郭欢乐, 汤彬, 李涵, 等. 湖南省玉米地方品种表型性状综合评价及类群划分[J]. 作物杂志, 2022(6): 33. DOI: 10.16035/j.issn.1001-7283.2022.06.005. [20] 王营营, 封朝晖, 曹卫东, 等. 粮肥兼用绿豆不同品种光合特性比较及其聚类分析[J]. 中国土壤与肥料, 2011(6): 58. DOI: 10.3969/j.issn.1673-6257.2011.06.011. [21] 唐玉劼, 郭荣秋, 王鼐, 等. 高粱光合特性、水分利用效率鉴定及产量综合性分析[J]. 分子植物育种, 2023, 21(13): 4486. DOI: 10.13271/j.mpb.021.004486. [22] 刘庆芳, 李小康, 刘保华, 等. 冬小麦籽粒灌浆特性和旗叶光合特性对产量的影响[J]. 江苏农业科学, 2022, 50(19): 61. DOI: 10.15889/j.issn.1002-1302.2022.19.009. -
期刊类型引用(2)
1. 李寄凡，程一鸣，于添，魏振宇，张龙，彭升龙，潘冬梅，舒常庆，程军勇. 授粉组合对油茶籽油脂肪酸含量的影响. 西南林业大学学报(自然科学). 2025(01): 205-212 . 
百度学术
2. 孙悦华，陈月珍，陈晨，危咏菊，孟歌，孙旭，李亚鹏，刘佩卓，张旭，苏小俊，王广龙，熊爱生. 大棚秋冬茬紫芽青萝卜农艺性状、光合参数及可溶性糖比较分析. 江西农业学报. 2024(06): 21-26 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 976
- PDF下载量: 38
- 被引次数: 4
