利用主成分分析法評價6個燕麥品種

趙曉軍

青海省海北州草原工作站，青海海北810299

燕麥（Arena sativaL.）屬禾本科早熟禾亞科燕麥屬植物，具有鮮草產量高、營養價值高和適應性強的生物學特點[1]，在青海全省范圍內被廣泛種植和利用。近年來，飼草種植技術推廣部門不斷推廣以燕麥為主的各種飼草種植，各級農牧業主管部門推進以“糧改飼”、飼草料基地建設等飼草種植補貼項目，特別是在2019年初青海省青南地區發生特大雪災之后，以燕麥為主的青干草、青貯飼草在抗災保畜工作中作用巨大，極大地保護了廣大農牧民的牲畜財產和生態畜牧業生產少受損失，廣大農牧民逐漸意識到飼草種植的重要性和迫切性：平時補飼、災時抗災。在這種情況下，如何因地制宜地選擇燕麥等飼草品種，顯得尤為重要。本文根據筆者2019年田間試驗數據，利用主成分分析（principai component analysis）對6 個燕麥品種的葉長、葉寬、莖粗度、株高4 個單株經濟性狀進行研究，以期對6個燕麥品種的優劣進行評價。

本研究種植燕麥試驗地位于青海省海北州牧科所（原二分廠），地理位置為100°59′E、北緯36°54′E，屬高原大陸性氣候[2]。2019年全年降水量405.4 mm，年平均氣溫8.6 ℃，最熱月均溫17.6 ℃，最冷月均溫-9.7 ℃，極端最高溫度24.7 ℃，極端最低溫度-25.4 ℃，無霜期95 d，初霜期9月11日，終霜期5月29日，年積溫（≥0 ℃）1 882 ℃，年有效積溫（≥10 ℃）1 285 ℃（2019年氣象資料由海北州氣象站提供）。試驗地土壤類型為黑鈣土，土壤有機質、堿解氮、速效磷、速效鉀含量分別為：38.35 g/kg、2.58 mg/kg、1.36 mg/kg、21.69 mg/kg，土壤pH 為8.21。

1 材料與方法

1.1 研究材料

試驗選用青引2 號、青引3 號、林納、青海444、加燕2 號和白燕11 號6 個燕麥品種，燕麥種子由青海省畜牧獸醫科學院提供。

1.2 研究方法

1）研究數據采集。2019年4月下旬在試驗地播種，每個試驗品種種植面積25 m2（長5 m×寬5 m），播種方式為人工條播，行距30 cm，播種深度2～3 cm，播種量為10 kg/666.67 m2，播種前施底肥64%磷酸二銨10 kg/666.67 m2，拔節期追施46%尿素5 kg/666.67 m2。初花期對6 個試驗品種隨機選取10個植株測定葉長、葉寬、莖粗度、株高4 個單株經濟性狀數據，取平均數備用。

2）研究數據分析。主成分分析是指利用降維的思想將多個原始變量通過線性組合提煉出少數彼此獨立的新變量（主成分）的多元統計分析方法[3]。在研究中，主成分分析將復雜的具有關聯性的多維數據通過降維簡化成幾個彼此之間互不關聯而又能充分反映原有信息量的少數綜合因子，從而使研究過程和結果變得簡單化。本研究采用IBM SPSS Statistics 22 進行主成分分析的相關運算，得出計算結果并進行分析。

2 結果與分析

2019年7月下旬，6 個燕麥試驗品種生育期進入初花期，對葉長、葉寬、莖粗度、株高4 個單株經濟性狀數據進行測定，并計算平均值，如表1所示。利用IBM SPSS Statistics 22 軟件對6 個燕麥試驗品種的4 個經濟性狀數據進行標準化值(Z)計算，并進行主成分分析，主要結果見表2～表4。表3中根據主成分特征值大于0.5 的原則進行主成分的抽取，共抽取了2 個主成分，第1 個主成分對總方差的貢獻率為71.641%，第2 個主成分對總方差的貢獻率為21.319%，2 個主成分累計貢獻率達92.960%，這說明抽取的2 個主成分基本上可以反映出原始試驗數據中92.960%的數據信息，符合主成分分析用于屬于數據降維分析的基本思路。

從2 個主成分的載荷矩陣可以看出（表4），葉寬、莖粗度、株高在第1 個主成分上有較高的載荷，這說明第1 個主成分主要反映了葉寬、莖粗度、株高3 個生產性狀指標的信息；同理，第2 個主成分主要反映了葉長1 個生產性狀指標的信息。

利用表3、表4中2 個主成分的基礎特征值和載荷數值，計算得出2 個主成分的特征向量，如表4所示。根據2 個主成分的特征向量和4 個經濟性狀數據值，分別計算6 個燕麥試驗品種在每個主成分上的賦值F1、F2，進而根據表3中2 個主成分的特征值所占主成分特征值之和的比例為權重F，計算主成分綜合賦值并排序，如表5所示。

表1 6 個燕麥試驗品種主要生產性狀

表2 6 個燕麥試驗品種主要生產性狀數據相關系數矩陣

表3 6 個燕麥試驗品種主要生產性狀數據解釋的總方差

表4 6 個燕麥試驗品種主要生產性狀數據主成分載荷矩陣及特征向量

表5 6 個燕麥試驗品種主要生產性狀數據主成分賦值及排序

3 討 論

本研究利用IBM SPSS Statistics 22 軟件對6個燕麥試驗品種的經濟性狀數據進行標準化值和主成分分析，并對主成分賦值進行排序，青引2 號燕麥表現最好，加燕2 號燕麥次之，林納燕麥最差，這與試驗實際情況基本符合。利用主成分分析法評價燕麥品種，對不同經濟性狀的數據進行無綱化處理后利用標準化值進行計算，摒棄了不同經濟性狀之間量綱不同帶來的差異，可以有效減少系統誤差，提高試驗的準確性。