基于地統計分析方法的谷子種質資源品質與農藝相關性狀 的空間分區研究

陳彥清，曹永生，陳麗娜，方溈

?

基于地統計分析方法的谷子種質資源品質與農藝相關性狀 的空間分區研究

陳彥清，曹永生，陳麗娜，方溈

（中國農業科學院作物科學研究所，北京 100081）

【目的】分析中國谷子資源相關農藝及品質性狀的空間分布特點，掌握相關性狀在空間上的總體質量分布，提高對谷子資源的宏觀認知和有效保護及高效利用。【方法】本研究從地理空間的角度出發，利用空間插值、空間聚類等方法研究了谷子資源的相關性狀的空間分布規律。首先對谷子資源的目標性狀值進行插值，然后將全國網格化數據與插值數據進行分區統計，利用統計后的網格數據進行優化熱點分析形成目標性狀的空間分區數據，進而尋找目標性狀對應的高值、隨機值和低值區域。【結果】谷子資源在全國的分布上來說，粗蛋白含量平均值為（13.98±1.23）%，變幅在10.47%—17.33%，變異系數為8.80%；粗脂肪含量平均值為（4.01±0.38）%，變幅在3.08%—5.47%，變異系數為9.48%，單株粒重平均值為（10.39±4.13）g，變幅在1.65—29.30g，變異系數為39.75%；生育期平均值為（111.46±10.94）d，變幅在79.15—150.43 d，變異系數為9.81%。從區域聚集分布上來說，粗蛋白含量低值區、隨機值區和高值區的平均值分別為（12.80±0.70）%、（13.98±0.39）%和（15.24±0.42）%，變幅分別在10.47%—14.90%、12.72%—15.30%和13.61%—17.33%，變異系數分別為5.47%、2.79%和2.76%；粗脂肪含量低值區、隨機值區和高值區的平均值分別為（3.69±0.13）%、（3.99±0.16）%和（4.41±0.26）%，變幅分別為3.11%—4.39%、3.08%—4.48%和3.57%—5.47%，變異系數分別為3.52%、4.01%和5.89%；單株粒重低值區、隨機值區和高值區的平均值分別為（6.49±1.84）g、（10.51±1.49）g和（14.44±2.88）g，變幅分別為（1.65—13.38）、（5.42—16.54）和（7.63—29.30）g，變異系數分別為23.73%、14.18%和19.94%；生育期低值區、隨機值區和高值區的平均值分別為（99.58±6.64）d、（111.89±2.99）d和（121.17±6.04）d，變幅分別為（79.15—116.81）d、（99.53—124.44）d和（108.34—150.43）d，變異系數分別為6.67%、2.67%和4.98%。【結論】谷子資源粗蛋白含量高值區內部差異最小，主要集中在新疆和黑龍江省東北部，低值區內部差異最大，主要在中部和東部，高低值區間存在隨機值過度地帶，呈現兩側向中間越來越小的分布趨勢；粗脂肪含量高值區內部差異最大，主要集中在中部地區，低值區內部差異最小，主要分布在新疆和東北部分地區，呈現中間向兩側越來越小的趨勢分布，且分區相對不規整；單株粒重的隨機值區內部差異最小，高值區內部差異最大，寧夏、山西、陜西等地屬于單株粒重高值區，黑龍江、浙江、內蒙北部、安徽南部以及西南大部分地區，均屬單株粒重低值區；生育期的隨機值區內部差異最小，低值區內部差異最大，東北大部分地區、西北和西南部分地區生育期較長，河南、山東、河北等谷子夏播期的地區生育期較短。

谷子；種質資源；目標性狀；空間插值；空間分布

0 引言

【研究意義】谷子起源于中國，是傳統的優勢作物、主食作物和抗旱耐瘠作物[1]，距今已有8 700多年的栽培歷史[2]。谷子具有抗旱耐瘠、水分利用效率高、適應性廣、營養豐富、各種成分平衡、飼草蛋白含量高等突出特點，被認為是應對未來水資源短缺的戰略貯備作物，建設可持續農業的生態作物以及人們膳食結構調整、平衡營養的特色作物[3-5]。中國既是栽培谷子的起源地，也是擁有谷子種質資源最多、研究利用最充分的國家。全世界谷子總產中，中國占80%[6]，主要種植區分布在北方干旱、半干旱地區。在“全國種植業結構調整規劃（2016—2020）”[7]中指出：適當調減“鐮刀彎”地區玉米面積，改種耐旱耐瘠薄的薯類、雜糧雜豆，滿足市場需求，保護生態環境。可見谷子等耐旱耐貧瘠雜糧類資源越來越受到重視，而掌握谷子資源在空間上的總體質量分布概況，對于有效利用和開發谷子資源、尋找優異谷子種質具有重要意義。【前人研究進展】近年對谷子資源的品質及農藝性狀的研究也越來越多。李慶春等[8]從各生態區的角度對于谷子的蛋白含量進行和普查與評價，從統計學的角度分析了各生態區內谷子資源粗蛋白含量的極值、平均值和標準差等；那海智等[9]通過研究谷子粗蛋白、粗脂肪含量與物候期的關系得出，生育期越短，粗蛋白含量越高，反之越低，而生育期對粗脂肪的影響并不顯著；王海崗等[10]利用聚類分析、相關分析和主成分分析等方法對谷子核心種質的莖粗、穗重、粒色等15個表型性狀進行了分析和綜合評價。劉三才等[11]測量和評價了谷子品種資源內微量元素硒和蛋白質的含量；劉敏軒等[12]利用統計分析和相關性分析等方法研究了谷子育成品種維生素E含量分布規律及其與主要農藝性狀和類胡蘿卜素的相關性分析。以上研究的共同點在于，在研究某一性狀的分布特點或地區差異時，均采用數理統計、相關性分析等數學方法得到一個或幾個數值，根據數值差異定量的評價該性狀，均利用省份或生態區作為分區研究區域差異。【本研究切入點】這種方法雖然能夠從定量角度充分說明資源性狀的特性，但不能直觀的反映出某一性狀在地理空間上的分布特性，可視化效果差；并且以行政區劃為單元對谷子資源性狀的地區差異進行分析打破了原有的自然區劃關聯。【擬解決的關鍵問題】本研究從地理空間的角度出發，利用空間插值、空間聚類等方法研究谷子資源的農藝及品質性狀的空間分布規律，為解決傳統分析方法中可視化差及行政界線的限制等問題提出依據。

1 材料與方法

1.1 材料

20世紀50年代以來，中國先后組織了兩次全國規模的農作物種質資源調查，在資源調查和信息共享方面取得了重大進展和顯著成效，積累了大量的種質資源數據[13-15]。同時，近十年來，中國先后在云南、貴州、西南干旱地區、東部沿海等地區開展了多次種質資源調查工作，豐富了國家農作物種質資源數據庫。對于國家農作物種質資源數據庫中的谷子資源數據，共整理出27 000余條谷子資源數據記錄，這些數據中，初步完成了形態學特征和農藝性狀鑒定半數種質進行了抗病蟲、抗逆、營養品質的特性鑒定[16]。根據其經緯度屬性信息轉換為地理空間數據（圖1）。

1.2 方法

由于谷子種質資源數據在空間上為點數據，不利于進行空間分析等操作。而針對點數據，在空間上可利用地統計分析方法通過插值得到面上的數據，從而進一步進行空間分析。基于該點考慮，首先對谷子種質資源待分析的屬性值進行插值，估測全國各地對應的屬性值情況，然后將全國網格化數據與插值數據進行分區統計，將屬性值賦給每個網格，并利用賦值的網格數據進行優化熱點分析，實現網格的聚類，最后將聚類結果進一步處理，對全國進行分區，找到目標屬性對應的高值、隨機值和低值區域。

圖1 谷子資源分布圖

1.2.1 農藝及品質性狀數據空間插值 地統計分析方法可用于估計尚未進行任何采樣的位置的值以及評估這些估計的不確定性。地統計分析方法主要用來研究那些在空間上既有隨機性又有結構性的自然現象[17]。由南非礦山工程師Krige等[18]在金礦儲量估計上提出了該方法的雛形，其應用領域從地質、礦業逐漸拓展到土壤[19]、水資源[20]、農業[21-23]、氣象[24]、海洋[25]等領域。地統計中最常用的空間插值方法為克里金插值法，該方法是建立在變異函數理論及結構分析基礎之上的，在插值時需要選擇一種適宜的半變異函數模型，并且待插值的數據需要服從或近似服從正態分布。所以在選擇使用克里金插值方法時，首選需進行數據分布檢驗，確定該數據是否適合插值，然后利用交叉檢驗法對插值結果的精度進行評價，從而選擇最適宜的半變異函數模型進行插值。

1.2.2 農藝及品質性狀數據網格化處理 網格是對

地理空間的劃分[26]。網格化數據不僅能夠實現不同尺度、不同類型數據的統一和融合，而且能夠打破行政單元約束，提高信息檢索與更新效率[27-28]。與柵格數據相比，便于空間統計和分析，選擇將插值得到的柵格數據轉換成統一大小的網格數據。首先根據全國的范圍，選擇適宜的網格大小，創建全國范圍內的網格數據，并利用空間分析中的分區統計方法，將對應的插值后的農藝或品質性狀數據統計到每個網格上，得到帶有目標屬性值的網格數據。

1.2.3 農藝及品質性狀數據空間聚類及區域劃分 通過空間聚類，將空間上相鄰、數值上相近的網格數據聚集成一類，根據聚類結果進行區域劃分。空間聚類的方法很多，熱點分析方法就是其中一種，它的特點是能夠識別具有統計顯著性的高值（熱點）和低值（冷點）的空間聚類。利用該方法，不僅能夠實現聚類，而且能夠根據聚類結果區分出哪些地區對應的值比較高，哪些地區對應的值比較低，比較符合本研究的需求。故在空間聚類方面，選擇利用ARCGIS的優化熱點分析工具，對網格數據進行高低值聚類。根據聚類結果，將網格數據分為高值、隨機值和低值三類，融合空間相鄰、類別相同的網格，并進行平滑處理，劃分農藝或品質性狀的空間分布區域。

具體流程如下：

圖2 方法流程圖

2 結果

根據谷子種質資源的數據和地統計中的探索性分析，最終選擇粗蛋白含量和粗脂肪含量2個品質性狀與生育期和單株粒重2個農藝性狀為空間分區要素，對以上方法進行實例化分析。在27 000余份資源數據中，分別具有粗脂肪值、粗蛋白值、單株粒重值、生育期值的資源有20 451份、20 477份、25 807份和26 420份，這4項屬性數據的缺失較少，并且經過數據分布檢驗后表明，這4項數據的分布均接近于正態分布（圖3），適合利用克里金法進行空間插值。

圖3 4種目標屬性的直方圖分布情況

對以上4項屬性數據進行空間插值，選擇球面函數、高斯函數和四球3種半變異函數模型進行插值，利用平均值預測誤差、平均標準誤差、均方根預測誤差、均方根標準化誤差進行交叉檢驗，檢驗結果如表1所示。在交叉檢驗中，如果預測誤差具有無偏性，平均值預測誤差應接近于0；如果正確估計了預測中的變異性，平均標準誤差與均方根預測誤差應接近，并且均方根標準化誤差應接近于1。經過綜合分析發現，這4類性狀均在利用高斯函數模型時預測效果最優。

對經過插值后的數據進行網格化處理、空間聚類分析、網格融合和平滑處理，最終得到4項要素的空間分區分布圖（圖3—圖6）。

蛋白質含量是谷子營養品質的主要構成成分之一[29-30]，在谷子品質育種中應重點提高蛋白質含量[31]。谷子資源粗蛋白含量高的地區主要集中在中國的西部地區和黑龍江省東北部，低值地區主要在中國的中部和東部，在高低值之間存在隨機值過度地帶，呈現兩側向中間越來越小的分布趨勢，不是隨意穿插分布的，并且各分區的多邊形相對面積較大，不存在零星分布的小多邊形，說明中國谷子的粗蛋白含量地域連續性較強（圖3）。從均值上看，根據表2數據，粗蛋白含量的全國平均值為（13.98±1.23）%，低值區平均值為（12.80±0.70）%，占41.89%；隨機區平均值為（13.98±0.39）%，占18.69%；高值區平均值為（15.24±0.42）%，占全國總面積39.42%。由于高值地區主要分布在西部高原地區，大部分地區不適宜種植，而谷子主要種植區均屬于粗蛋白含量低值區，表明中國谷子資源的粗蛋白含量高且聚集分布的區域較小，大部分谷子的粗蛋白含量水平處于低值聚集區的水平上。從變幅上看，全國粗蛋白含量變幅在10.47%—17.33%，低值區、隨機值區、高值區的變幅分別在10.47%—14.90%、12.72%—15.30%和13.61%—17.33%，低值區的跨度最大，并且三者的變幅值有重復部分，這是因為空間聚類時不僅需要考慮數值的近似性，還要考慮空間上的相鄰性，所以不會嚴格按照數據標準進行聚類。從聚類效果看，粗蛋白含量的全國變異系數為8.80%，低值區、隨機值區和高值區的變異系數分別為5.47%、2.79%和2.76%。變異系數越小，證明聚類的效果最好，經過聚類后的3個分區的變異系數都小于國家級變異系數，高值區聚類效果最佳，低值區聚類效果最弱。

表1 不同變異函數模型的插值誤差值對比

圖4 谷子資源粗蛋白含量的區域劃分結果

谷子資源粗脂肪含量高的地區主要集中在中部地區，低值地區為西部和部分東北地區，與粗蛋白情況相反，呈現中間向兩側越來越小的趨勢分布，并且相對于粗蛋白含量的分區結果來說，出現多個面積較小的分區多邊形，分區相對不規整（圖4）。從均值上看，根據表2數據，粗脂肪含量的全國平均值為（4.01±0.38）%，低值區平均值為（3.69±0.13）%，占44.36%；隨機值區平均值為（3.99±0.16）%，占18.67%；高值區平均值為（4.41±0.26）%，占全國總面積36.97%。雖然低值區域占地面積最大，但由于西部地區存在大面積不適宜種植的區域，所以，從整體上來看，中國谷子資源的粗脂肪含量高且呈現聚集的區域面積廣闊。從變幅上看，全國谷子資源粗脂肪含量變幅在3.08%—5.47%，低值區、隨機值區、高值區的變幅分別在3.11%—4.39%、3.08%—4.48%和3.57%—5.47%，3個區間均有重疊部分，其中，隨機值區域跨度最大。從聚類效果看，粗脂肪含量的全國變異系數為9.48%，高于粗蛋白含量的變異系數，說明粗脂肪含量的聚類效果不如粗蛋白含量的顯著。低值區、隨機值區和高值區的變異系數分別為3.52%、4.01%和5.89%。低值區聚類效果最佳，高值區聚類效果最弱。

單株粒重直接影響谷子的產量，當種植密度相同時，單株粒重越大，產量越高。從地理分布上分析（圖6），寧夏、山西、陜西，以及甘肅、內蒙、湖北和新疆大部分地區、河北北部和山東中部均屬于高值區，而黑龍江、浙江、內蒙北部、安徽南部以及中國的大部分西南地區，均屬于單株粒重低值區；其他地區屬于高值區與低值區的過度地帶的隨機值區。從均值（表2）上看，單株粒重的全國平均值為（10.39±4.13）g，低值區平均值為（6.49±1.84）g，占39.45%；隨機值區平均值為（10.51±1.49）g，占22.80%；高值區平均值為（14.44±2.88）g，占全國總面積37.75%。正如上文所說，雖然低值區域占地面積大，但由于這些地區不屬于谷子的主要種植區，所以，從整體上來看，中國谷子主要集中在單株粒重高的高值區域內。從變幅上看，全國谷子單株粒重變幅在（1.65—29.30）g，低值區、隨機值區、高值區的變幅分別在（1.65—13.38）、（5.42—16.54）和（7.63—29.30）g，3個區間均有重疊部分，其中高值區域跨度最大。從聚類效果看，單株粒重的全國變異系數為39.75%，屬于這4項性狀中變異系數最高的1項，說明單株粒重在這4項性狀中聚類效果最弱，全國范圍內差異最明顯；低值區、隨機值區和高值區的變異系數分別為23.73%、14.18%和19.94%。隨機值區聚類效果最佳，低值區聚類效果最弱。

從生育期的地理分布分析來看（圖7），東北大部分地區、西北和西南部分地區屬于生育期較長的地區，生育期較短區域主要包括了河南、山東、河北等谷子夏播期的地區。從數值上分析（表2），生育期的全國平均值為（111.46±10.94）d，低值區平均值為（99.58±6.64）d，占34.28%；隨機值區平均值為（111.89±2.99）d，占24.30%；高值區平均值為（121.17±6.04）d，占全國總面積41.42%。從變幅上看，全國生育期變幅在（79.15—150.43） d，高值區、隨機值區、低值區的變幅分別在（108.34—150.43）、（99.53—124.44）、（79.15—116.81） d，3個區間均有重疊部分，其中高值區域跨度最大。從聚類效果看，全國變異系數為9.81%，高值區、隨機值區和低值區的變異系數分別為4.98%、2.67%和6.67%。隨機值區聚類效果最佳，低值區聚類效果最弱。

3 討論

本方法主要根據插值后的結果進行聚類分區，尚未考慮其他因素對谷子種植的影響，所以未區分哪些地區是谷子的適宜和非適宜種植區，而因為海拔、氣候等原因，使得一些地區無法進行農作物的種植。根據圖1谷子資源樣點的分布，絕大部分分布在海拔3 000 m以下的地區，若將海拔3 000 m以上的區域作為谷子不適宜種植區域并進行扣除，各性狀的高低值區域比例則會發生較大的變動，如圖8所示。粗蛋白含量被扣除的主要是高值區域，其余3個性狀被扣除的主要是低值區域。所以，在考慮海拔限制的前提下，粗蛋白含量的高值區主要集中在新疆和黑龍江省東北部，低值區主要在中部和東部；粗脂肪含量的高值區主要集中在中部地區，低值地區為新疆和東北的部分地區；單株粒重的高值區主要集中在寧夏、山西、陜西，以及甘肅、內蒙、湖北和新疆大部分地區、河北北部和山東中部等谷子主要種植區，低值區主要集中在東北和西南地區；生育期的高值區為東北大部分地區、西北和西南部分地區，低值區為東南沿海地區。再加入其它限制因素時，可進一步縮小資源的分布區域，進一步細化資源各性狀的高低值分區布局。

圖5 谷子資源粗脂肪含量區域劃分結果

圖6 谷子資源單株粒重區域劃分結果

圖7 谷子資源生育期區域劃分結果

表2 4項性狀聚類后的相關統計數值表

對于每項性狀的聚類，其高低值類型區的劃分是一個相對概念，與聚類時對應的空間尺度關系密切，在另外一個尺度下，如生態類型區尺度下再進行聚類，會出現不同的聚類結果，所以本研究的聚類僅針對國家尺度上的分析。另外，克里金插值是一種光滑的內插方法，在數據點多時，其內插的結果可信度較高，而數據點少的地區其插值結果的偏差則會較大。中國西部和東南部地區的樣點數量較少，并且存在大面積地區無樣點的情況，這些地區的插值結果的可信度會明顯低于中部和東北地區（圖1）。

圖8 海拔限制下的四性狀空間分布

4 結論

4.1 谷子資源的粗蛋白含量、粗脂肪含量、單株粒重、生育期4種性狀數據的分布均接近于正態分布，適合利用克里金法進行空間插值；對比球面函數、高斯函數和四球3種半變異函數模型插值效果，這4種性狀數據均選擇高斯函數模型時預測效果最優。

4.2 谷子資源粗蛋白含量的高值區、隨機值區和低值區的變異系數分別為2.76%、2.79%和5.47%，高值區聚類效果最佳（類內相似性最大，下同），低值區聚類效果最弱（類內相似性最小，下同）。粗脂肪含量的高值區、隨機值區和低值區的變異系數分別為3.52%、4.01%和5.89%，低值區聚類效果最佳，高值區聚類效果最弱。單株粒重的高值區、隨機值區和低值區的變異系數分別為23.73%、14.18%和19.94%，隨機值區聚類效果最佳，低值區聚類效果最弱。生育期的高值區、隨機值區和低值區的變異系數分別為6.67%、2.67%和4.98%，隨機值區聚類效果最佳，低值區聚類效果最弱。

4.3 谷子資源粗蛋白含量的高值區集中在新疆和黑龍江省東北部，低值區主要在中部和東部，呈現兩側向中間越來越小的分布趨勢，地域連續性較強；粗脂肪含量的高值區主要集中在中部地區，低值地區為新疆和東北的部分地區，呈現中間向兩側越來越小的趨勢分布，并且相對于粗蛋白含量的分區結果來說，出現多個面積較小的分區多邊形，分區相對不規整；單株粒重的高值區主要集中在寧夏、山西、陜西，以及甘肅、內蒙、湖北和新疆大部分地區、河北北部和山東中部，低值區主要集中在東北和西南地區；生育期的高值區為東北大部分地區、西北和西南部分地區，低值區主要集中在河南、山東、河北等谷子夏播期的地區。

References

[1] 刁現民. 中國谷子生產與產業發展方向//柴巖, 萬世富. 中國小雜糧產業發展報告. 北京: 中國農業科學技術出版社, 2007: 32-43.

Diao X M. Developing direction of the Chinese foxtail millet production and industry//Chai Y, Wan S F.Beijing: Chinese Agricultural Science and Technology Press, 2007: 32-43. (in Chinese)

[2] Lu H Y, Zhang J P, Liu K B, Wu N Q, Li Y M, Zhou K S. Earliest domestication of common millet（）in East Asia Extended to 10000 Years Ago., 2009, 106(18): 7367-7372.

[3] 李順國, 劉猛, 趙宇, 劉斐, 王慧軍. 河北省谷子產業現狀和技術需求及發展對策. 農業現代化研究, 2012, 33(3): 286-289.

Li S G, Liu M, Zhao Y, Liu F, Wang H J. Industry situation, technology need and development suggestion of foxtail millet in Hebei province., 2012, 33(3): 286-289. (in Chinese)

[4] 張海金. 谷子在旱作農業中的地位和作用. 安徽農學通報, 2007, 13(10): 169-170.

Zhang H J. Status and effect of foxtail millet in dry-land agriculture., 2007, 13(10): 169-170. (in Chinese)

[5] 柴巖, 萬福世. 中國小雜糧產業發展報告. 北京: 中國農業出版社, 2007: 32-43.

Chai Y, Wan F S.. Beijing: China Agriculture Press, 2007: 32-43. (in Chinese)

[6] 刁現民. 中國谷子產業與產業技術體系. 北京: 中國農業科學與技術出版社, 2011: 20-30.

Diao X M.. Beijing: China Agricultural Sciences and Technology Press, 2011: 20-30. (in Chinese)

[7] 中華人民共和國農業部.《全國種植業結構調整規劃（2016-2020年）》農農發〔2016〕3號.

Ministry of Agriculture of the People's Republic of China, < National crop structure adjustment plan (2016-2020)>, 〔2016〕NO. 3 (in Chinese)

[8] 李慶春, 吳舒致. 不同品種小米中粗蛋白含量的普查與評價. 中國糧油學報, 1993, 8(增刊): 8-13.

Li Q C, Wu S Z. Survey and evaluation of crude protein content in different varieties of foxtail millet., 1993, 8(Suppl.): 8-13. (in Chinese)

[9] 那海智, 吳秀蘭, 趙鐵男. 試論谷子粗蛋白質、粗脂肪含量與物候期的相關關系. 黑龍江農業科學, 1982(4). 14-16.

Na H Z, Wu X L, Zhao T N. Study on the relationship between the contents of crude protein and crude fat and the phenological phase., 1982(4): 14-16. (in Chinese)

[10] 王海崗, 賈冠清, 智慧, 溫琪汾, 董俊麗, 陳凌, 王君杰, 曹曉寧, 劉思辰, 王綸, 喬治軍, 刁現民. 谷子核心種質表型遺傳多樣性分析及綜合評價. 作物學報, 2016, 42(1): 19-30.

Wang H G, Jia G Q, Zhi H, Wen Q F, Dong J L, Chen L, Wang J J, Cao X N, Liu S C, Wang L, Qiao Z J, Diao X M. Phenotypic diversity evaluations of foxtail millet core collections., 2016, 42(1): 19-30. (in Chinese)

[11] 劉三才, 朱志華, 李為喜, 劉方, 李燕, 黃蓉. 谷子品種資源微量元素硒和蛋白質含量的測定與評價. 中國農業科學, 2009,42(11): 3812-3818.

Liu S C, Zhu Z H, Li W X, Liu F, Li Y, Huang R. Evaluation of selenium and protein content of foxtail millet landraces originated from different ecological regions of China., 2009, 42(11): 3812-3818. (in Chinese)

[12] 劉敏軒, 陸平. 中國谷子育成品種維生素Ｅ含量分布規律及其與主要農藝性狀和類胡蘿卜素的相關性分析. 作物學報, 2013, 39(3): 398-408.

Liu M X, Lu P. Distribution of vitamin E content and its correlation with agronomic trait sand carotenoids content in foxtail millet varieties in china. China., 2013, 39(3): 398-408. (in Chinese)

[13] 曹永生, 方溈. 國家農作物種質資源平臺的建立和應用. 生物多樣性, 2010, 18(5): 454-460.

Cao Y S, Fang W. Establishment and application of national crop germplasm resources infrastructure in China.2010, 18(5): 454-460. (in Chinese)

[14] 王述民, 張宗文. 世界糧食和農業植物遺傳資源保護與利用現狀. 植物遺傳資源學報, 2011, 12(3): 325-338.

Wang S M, Zhang Z W. The state of the world's plant genetic resources for food and agriculture., 2011, 12(3): 325-338. (in Chinese)

[15] 司海平, 方溈, 唐鵬, 曹永生. 基于SOA的農作物種質資源調查信息系統研究. 植物遺傳資源學報, 2010, 11(5): 517-521.

Si H P, Fang W, Tang P, Cao Y S. Research of crop germplasm resources investigation information system based on SOA., 2010, 11(5): 517-521. (in Chinese)

[16] 陸平. 谷子種質資源描述規范和數據標準. 北京: 中國農業出版社, 2006: 3.

Lu P.. Beijing: China Agriculture Press, 2006: 3. (in Chinese)

[17] 侯景儒, 黃競先.地質統計學及其在礦產儲量計算中的應用. 北京: 地質出版社, 1982.

Hou J R, Huang J X.. Beijing: Geological Press, 1982. (in Chinese)

[18] Krige D G. A statistical analysis of some of the borehole values in the Orange Free St ate gold field., 1952, 53: 47-64.

[19] Bor?vka L, Mládková L, Pení?ek V, Drábek O, Va?át R. Forest soil acidification assessment using principal component analysis and geostatistics., 2007, 140(4): 374-382.

[20] Goovaerts P. Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall., 2000, 228(1/2): 113-129.

[21] Oliver M A. Precision agriculture and geostatistics: how to manage agriculture more exactly., 2013, 10(2): 17-22.

[22] Castrignanò A, Landrum C, Benedetto D D, Poljak M. Delineation of management zones in precision agriculture by integration of proximal sensing with multivariate geostatistics., 2015, 80(1): 39-45.

[23] 王虎, 許哲, 郭靜, 劉哲, 李紹明, 張曉東, 朱德海. 玉米品種多環境測試數據的空間插值分析. 玉米科學, 2012, 20(6): 43-148.

Wang H, Xu Z, Guo J, Liu Z, Li S M, Zhang X D, Zhu D H. Spatial interpolation research of multi-environment trials data for maize., 2012, 20(6): 143-148. (in Chinese)

[24] Künzli N, Jerrett M, Mack W J, Beckerman B, Labree L, Gilliland F. Ambient air pollution and atherosclerosis in los angeles., 2005, 113(2): 201-206.

[25] Jonathan P, Ewans K. Statistical modelling of extreme ocean environments for marine design: A review., 2013, 62(2): 91-109.

[26] 沈立宏, 張超, 桑玲玲, 陳亞婷, 張曉東, 楊建宇, 朱德海, 鄖文聚. 利用網格法確定縣域農田整治優先度. 農業工程學報, 2012, 28(18): 241-247.

Shen L H, Zhang C, Sang L L, Chen Y T, Zhang X D, Yang J Y, Zhu D H, Yun W J. Determination of consolidation priority for farmland at county level using grid method., 2012, 28(18): 241-247. (in Chinese)

[27] 李德仁, 賓洪超, 邵振峰. 國土資源網格化管理與服務系統的設計與實現. 武漢大學學報(信息科學版), 2008, 33(1): 1-6.

Li D R, Bin H C, Shao Z F. Design and Implementation of Land and Resources Grid Management and Service System., 2008, 33(1): 1-6. (in Chinese)

[28] 陳述彭, 陳星. 地球信息科學的理解與實踐. 地球信息科學, 2004, 6(1): 4-10.

Chen S P, Chen X. The cognition and practice of geo-information science., 2004, 6(1): 4-10. (in Chinese)

[29] 李東輝, 王堯琴. 粟的品質改良. 作物雜志, 1986, 1(3): 4-6.

Li D H, Wang Y Q. Quality improvement of foxtail millet., 1986, 1(3): 4-6. (in Chinese)

[30] 王玉文, 李會霞, 田崗, 王高鴻. 我國小米品質研究進展及其改良設想. 中國農學通報, 2001, 17(5): 49-51.

Wang Y W, Li H X, Tian G, Wang G H. Research progress and improvement assumption of quality of foxtail millet in China., 2001, 17(5): 49-51. (in Chinese)

[31] 楊春, 田志芳, 盧健鳴, 楊秀麗, 丁衛英. 小米蛋白質研究進展. 中國糧油學報, 2010, 25(8): 123-128.

Yang C, Tian Z F, Lu J M, Yang X L, Ding W Y. Research progress on millet protein., 2010, 25(8): 123-128. (in Chinese)

（責任編輯 李莉）

A Spatial partition Statistical Analysis for quality and agronomic traits of foxtail millet germplasm resources

CHEN Yanqing, CAO Yongsheng, CHEN Lina, FANG Wei

(Institute of Crop Science, Chinese Academy of Agricultural Sciences, Beijing 100081)

【Objective】 The objective of this paper is to analyze the spatial distribution characteristics of related agronomic traits and quality of millet germplasm resources in China, grasp the overall quality in spatial distribution, improve the macro cognition of millet resources and effective protection and utilization. 【Method】 From the point of view of geographical space, the methods of spatial interpolation and spatial clustering were used to study the spatial distribution rules of the related traits of foxtail millet resources. Firstly, spatial interpolation was made for target traits of foxtail millet resources, partition statistics method was used to analyze national grid and interpolation data and the optimized hot spot analysis method was used to get the spatial partition data. Finally, the high value, random value and low value spatial distribution of foxtail millet related traits were found. 【Result】 The results of the distribution of the foxtail millet resources in the country show that the average of crude protein content of foxtail millet resources is (13.98±1.23)%, the range is 10.47%-17.33%, the coefficient of variation is 8.80%. The average of crude fat content is (4.01±0.38)%, the range is 3.08%-5.47%, the coefficient of variation is 9.48%. The average of grain weight per plant is (10.39±4.13) g, the range is 1.65-29.30 g, the coefficient of variation is 39.75%. The average of growth period is (111.46±10.94) d, the range is 79.15-150.43 d, the coefficient of variation is 9.81%. From the aspect of the cluster distribution areas, the average values of crude protein content in low value area, random value area and high value area are (12.80±0.70) %, (13.98±0.39)% and (15.24±0.42)%, respectively, the amplitude of variations of the three areas, respectively, are 10.47%-14.90%, 12.72%-15.30% and 13.61%-17.33%, the variation coefficients of the three areas, respectively, are 5.47%, 2.79% and 2.76%. The average values of crude fat content in low value area, random value area and high value area are (3.69±0.13) %, (3.99±0.16) % and (4.41±0.26)%, respectively, the amplitude of variations of the three areas, respectively, are 3.11%-4.39%, 3.08%-4.48% and 3.57%-5.47%, the variation coefficients of the three areas, respectively, are 3.52%, 4.01% and 5.89%. The average values of grain weight per plant in low value area, random value area and high value area are (6.49±1.84) g, (10.51±1.49)g and (14.44±2.88)g, respectively, the amplitude of variations of the three areas, respectively, are 1.65-13.38 g, 5.42-16.54 g and 7.63-29.30 g, the variation coefficients of the three areas respectively are 23.73%, 14.18% and 19.94%. The average values of growth period in low value area, random value area and high value area are (99.58±6.64)d, (111.89±2.99)d and (121.17±6.04)d, respectively, the amplitude of variations of the three areas, respectively, are 79.15-116.81d, 99.53-124.44 d and 108.34-150.43 d, the variation coefficients of the three areas respectively are6.67%, 2.67% and 4.98%. 【Conclusion】The internal differences in the high value regions of crude protein content are the minimum and these regions are mainly concentrated in Xinjiang and the northeast of Heilongjiang province. The internal differences of the low value regions are the maximum and they are mainly distributed in the central and Eastern zones. Random value regions are mainly distributed in the areas which located between high value and low value regions. The distribution of crude protein content shows an increasing trend in the two sides. On the contrary, the high value regions of crude fat content own the maximum internal differences, which are mainly concentrated in central zones of China, the low value regions’ internal differences are the minimum, which are mainly distributed in Xinjiang and the northeast of China. The distribution of crude fat content shows a decreasing trend in the two sides and the regions are relatively not regular. The internal differences in random value areas of grain weight per plant are the minimum, and the high value areas are the maximum. Ningxia, Shanxi, Shaanxi and other places belong to the high value areas of grain weight per plant, Heilongjiang, Zhejiang, northern Inner Mongolia, southern Anhui and southwestern parts belong to the low value areas. The internal differences in random value areas of growth period are the minimum, and the low value areas are the maximum. The growth period of foxtail millet in Northeast China, northwest and southwest Henan is relatively long, and Shandong, Hebei and other areas where summer foxtail millet is planted, belong to the short growth period regions.

foxtail millet; germplasm resources; target traits; spatial interpolation; spatial distribution

2016-12-23；接受日期：2017-04-21

國家農作物種質資源平臺（NICGR2016）、農作物種質資源保護與利用專項（2016NWB036-10）

陳彥清，Tel：010-62186693；E-mail：chenyanqing@caas.cn。通信作者方溈，Tel：010-62186693；E-mail：fangwei@caas.cn