NPK Fertilization Optimized for Cultivating Chili Peppers for Processing
-
摘要:目的 研究氮、磷、钾不同施肥量配比对加工型辣椒产量和品质的影响,明确加工型辣椒高产、优质的氮、磷、钾适宜施用量配比,为加工型辣椒合理施肥提供依据。方法 采用氮、磷、钾三因素二次饱和D-最优设计,以加工型辣椒品种明椒9号为供试材料,建立氮、磷、钾施肥量编码值与产量、加工品质的效应函数。结果 氮、磷、钾肥对辣椒产量和加工品质的影响显著,均表现为钾肥>磷肥>氮肥,表明钾是影响辣椒产量和加工品质的重要因素。单因子效应分析表明,当氮、磷、钾肥的最高施用量分别为151.10、59.28、306.78 kg·hm−2时,辣椒产量达到最高;当氮、磷、钾肥的最高施用量分别为148.59、59.34、291.66 kg·hm−2时,辣椒加工品质达到最佳。互作效应中,氮磷、氮钾、磷钾互作对辣椒产量和加工品质影响显著,两者配施对辣椒产量和加工品质的提高具有较强的促进作用。模型寻优表明,辣椒产量超过29000 kg·hm−2,在95%置信区间,氮、磷、钾肥适宜施用量分别为109.24~174.43 、44.40~78.95 、213.85~287.95 kg·hm−2;辣椒品质综合评分在80分以上,在95%置信区间,氮、磷、钾肥适宜施用量分别为63.08~115.23、 42.26~72.50 、211.23~292.23 kg·hm−2。结论 辣椒产量达29000 kg·hm−2、加工品质综合评分达80分以上的施肥方案为氮肥109.24~115.23 kg·hm−2,磷肥44.40~72.50 kg·hm−2,钾肥213.85~287.95 kg·hm−2,适宜的氮、磷、钾肥施用量比例约为1.00~1.05∶0.41~0.6∶1.96~2.64。Abstract:Objective NPK fertilization to maximize the yield and quality of chili peppers for processing was formulated. 【Method】 An experiment of quadratic saturation D-optimal design with three factors of nitrogen, phosphorus, and potassium was applied to optimize the formulation targeted to maximize the yield and quality of Mingjiao 9 chili peppers for further processing.Result Significant effects on chili pepper yield and processing quality were found to be K>P>N. The optimal amount of N, P2O5, K2O was 151.10, 59.28, 306.78 kg·hm−2 to reach the greatest yield, and 148.59, 59.34, 291.66 kg·hm−2 to achieve the most desirable quality. The combinations of N and P, N and K, and P and K also exerted significant enhancing effects on the chili pepper yield and quality. The optimized fertilizations with a predicted yield exceeding 29,000 kg·hm−2 at 95% confidence level called for the application N, P2O5, and K2O at 109.24–174.43 kg·hm−2, 44.40–78.95 kg·hm−2, and 213.85–287.95 kg·hm−2, respectively, while for a score above 80 on overall chili pepper quality, the application of 63.08–115.23 kg·hm−2, 42.26–72.50 kg·hm−2, and 211.23–292.23 kg·hm−2, respectively, were determined.Conclusion Experimentally optimized NPK fertilizations for chili pepper cultivation to provide a yield of 29000 kg·hm−2 and a quality score of 80 or higher were formulated. To accomplish the goal on yield as well as quality, the formulation would include the ranges of 109.24–115.23 kg·hm−2 on N, 44.40–72.50 kg·hm−2 on P2O5, and 213.85–287.95 kg·hm−2 on K2O with a N∶P2O5∶K2O ratio of 1–1.05∶0.41–0.6∶1.96–2.64.
-
Keywords:
- Chili peppers /
- nitrogen, phosphorus, and potassium /
- yield /
- processing quality
-
大豆起源于我国,是重要的植物蛋白和食用植物油来源,也是重要的轻工业原料和饲料[1-3]。福建省春大豆栽培历史悠久,大豆种质资源丰富多样。研究大豆种质多样性对其种质的收集、保存、评价、利用具有指导意义。分析不同种质农艺性状的差异性是研究种质资源最简单直观的方法,能全面反映种质间的差异性[4]。
主成分分析的基本思想是用少数几个互不相关的综合指标来代替原本具有一定相关性的多个指标,以反映样品的基本信息,达到降维的目的,每个综合指标都是多个原始指标的线性组合[5-8]。该方法已被广泛应用于大豆种质资源的多样性分析中[9-16],如:李清华等[10]利用该方法将34份菜用大豆的16个性状归为4个主成分,分别为荚数因子、荚大小因子、出仁率因子、株型因子,其累计贡献率达81.522%,并根据前述4个主成分值计算各品种的遗传距离,将34份种质分成7个大类群;张恒斌等[14]利用该方法对26份新疆大豆资源的形态多样性进行分析,表明大豆品种的生物学性状可分为产量性状因子和粒重性状因子,并根据第一主成分值和第二主成分值将26份种质分成7个大类。
为了解2018年福建省泉州市农业科学研究所种植的春大豆种质资源的多样性,本试验采用相关性分析、主成分分析、聚类分析等方法对39份春大豆种质的7个农艺性状指标和2个品质性状指标进行分析,以期为今后利用这些种质资源配制杂交亲本提供科学依据。然而,前人的研究仅仅是利用农艺性状指标[9, 11-12, 15-16]或者主成分值[10, 14]对大豆种质资源进行聚类分析,而同时采用两种聚类方法进行分析并比较其结果的研究未见报道。本试验同时采用两种聚类方法进行聚类分析,并比较其结果,探讨其结果是否一致。
1. 材料与方法
1.1 试验材料
参试39份春大豆种质材料名称及来源见表 1。
表 1 参试39份春大豆种质材料名称及来源Table 1. Name and sources of 39 soybean germplasms序号 名称 来源 1 中黄302 中国农科院作物所 2 中黄306 中国农科院作物所 3 中黄320 中国农科院作物所 4 中黄325 中国农科院作物所 5 冀豆23 河北农林科学院粮油作物所 6 冀1514 河北农林科学院粮油作物所 7 郑1307 河南省农科院经作所 8 苏豆28号 江苏省农科院作物所 9 苏豆29号 江苏省农科院作物所 10 成豆17 四川省农科院作物所 11 成豆18 四川省农科院作物所 12 贡1245 四川省自贡市农科所 13 贡7183 四川省自贡市农科所 14 南春豆31 四川省南充市农科院 15 赣豆10号 江西省农科院作物所 16 福豆12号 福建省农科院作物所 17 福豆13号 福建省农科院作物所 18 福豆14号 福建省农科院作物所 19 福豆234 福建省农科院作物所 20 莆豆610 福建省莆田市农科所 21 莆豆704 福建省莆田市农科所 22 泉豆17 福建省泉州市农科所 23 泉豆20 福建省泉州市农科所 24 泉豆22 福建省泉州市农科所 25 泉豆23 福建省泉州市农科所 26 泉豆24 福建省泉州市农科所 27 泉豆25 福建省泉州市农科所 28 桂春豆121 广西农科院经作所 29 桂春1016 广西农科院经作所 30 桂春1602 广西农科院经作所 31 桂春1603 广西农科院经作所 32 桂春1805 广西农科院经作所 33 桂春1806 广西农科院经作所 34 华春2号 华南农业大学农学院 35 华春7号 华南农业大学农学院 36 华春11号 华南农业大学农学院 37 粤春2016-1 华南农业大学农学院 38 粤春2016-2 华南农业大学农学院 39 粤春2017-1 华南农业大学农学院 1.2 试验方法
1.2.1 材料的种植
试验于2018年3月在福建省泉州市农业科学研究所的晋江紫帽基地进行。参试材料为39份春大豆种质资源,采取随机区组设计,3次重复,试验地四周设有保护行,每小区4行,行长6 m,行距0.50 m,株距0.185 m,双行穴播,穴播3粒种子,每穴留苗2株,治虫不治病,田间管理同大田。
1.2.2 采样与考种
成熟时每个小区随机选取10株连根拔起,进行室内考种,以每个性状10次考种数据的平均值作为该性状指标值,并选取其中7个主要农艺性状指标进行分析,性状代号及名称见表 2。
表 2 7个农艺性状指标代号及名称Table 2. Number and name of 7 agronomic traits indicator代号 性状名称 x1 株高/cm x2 底荚高度/cm x3 主茎节数/节 x4 有效分枝数/个 x5 单株粒数/粒 x6 单株粒重/g x7 百粒重/g 1.2.3 粗蛋白与粗脂肪含量测定
挑选饱满、无虫食的大豆籽粒,采用近红外谷物分析仪(InfratecTM 1241)进行粗蛋白和粗脂肪含量测定,每个性状测定3次,以3次测定值的平均值作为该性状指标值,将这两个性状指标分别编号为x8、x9。
1.3 数据处理与分析
上述7个农艺性状指标和2个品质性状指标数据用Excel 2010软件进行处理,用SPSS 22.0软件分别基于综合主成分值和基于农艺性状标准化数据作系统聚类分析,并对两种聚类分析方法的结果进行比较。
2. 结果与分析
2.1 9个主要性状的统计分析
39份春大豆种质材料9个主要性状的室内考种数据及其统计分析结果列于表 3。由表 3可知,参试大豆种质材料之间的农艺性状差异很大,其中:株高、底荚高、主茎节数是决定植株株型的主要因素,变异系数分别为18.62%、23.79%、15.55%;有效分枝数、单株粒数、单株粒重、百粒重是构成产量的重要因素,变异系数分别为22.12%、27.63%、22.15%、11.49%;而粗蛋白含量和粗脂肪含量是影响大豆品质的重要因素,变异系数分别为4.36%和4.51%。大豆行业中,粗蛋白含量≥45%的被称为高蛋白型大豆,粗脂肪含量≥21.5%的被称为高油型大豆。本试验中,粗蛋白含量赣豆10号最小、华春11号最大,高蛋白型大豆种质有15份,占比为38.46%;粗脂肪含量福豆234最小、冀豆1514最大,高油型大豆种质有16份,占比为41.03%;高蛋白高油型大豆种质有1份(中黄306),占比为2.56%。试验结果表明,参试春大豆种质资源材料在株型性状因素、产量构成因素、品质因素上可供选择的育种材料均较丰富。
表 3 9个主要性状的统计分析结果Table 3. Statistical analysis table of 9 agronomic traits of 39 soybean germplasm materials(单位/%) 性状 平均值 标准偏差 变异系数 株高x1 49.53 9.22 18.62 底荚高度x2 9.58 2.28 23.79 主茎节数x3 11.14 1.73 15.55 有效分枝数x4 3.31 0.73 22.12 单株粒数x5 54.46 15.05 27.63 单株粒重x6 10.35 2.29 22.15 百粒重x7 21.06 2.42 11.49 粗蛋白含量x8 44.50 1.94 4.36 粗脂肪含量x9 21.56 0.97 4.51 2.2 基于株型与产量性状的主成分分析
对39份春大豆种质株型和产量性状因子进行主成分分析,由表 4和表 5可知,7个性状指标间存在着相关性,且某些性状间的相关性达到极显著水平,存在信息重叠,适宜作因子分析。
表 4 KMO和Bartlett的球形度检验Table 4. KMO and Bartlett's sphericity testKMO取样适切性量数 0.527 Bartlett的球形度检验 上次读取的卡方 110.094 自由度 21 显著性 0.000 表 5 7个农艺性状间的相关系数矩阵Table 5. Correlation coefficient matrix of 7 agronomic traits性状
代号x1 x2 x3 x4 x5 x6 x2 0.556** x3 0.515** 0.565** x4 0.239 0.017 0.601** x5 0.332* -0.038 -0.046 -0.014 x6 0.124 -0.172 -0.194 -0.101 0.736** x7 -0.348* -0.135 -0.098 0.008 -0.522** -0.174 由表 6可知,在所有的主成分构成中,信息主要都集中在前三个主成分中,得到三个特征值大于1的主成分因子,分别命名为MF1、MF2、MF3,其累计总方差贡献率达到79.433%,MF1方差贡献率最大,为34.499%,MF2、MF3方差贡献率分别为29.747%和15.187%。由表 7可知,株高、主茎节数、底荚高度在MF1上有较高的载荷,这说明MF1主要反映了这3个性状的信息,可称为株型性状因子,且MF1与这3个性状均呈正相关;单株粒数、单株粒重、百粒重、有效分枝数在MF2中有较高的载荷,这说明MF2主要反映了这4个性状的信息,可称为产量性状因子,且MF2与单株粒数、单株粒重均呈正相关,与百粒重、有效分枝数均呈负相关;MF3中除了有效分枝数和底荚高度有较高的载荷外,其余的性状载荷都比较低,而前两个主成分因子(MF1、MF2)已经能说明所考察的7个性状的信息,因此只选取前两个主成分因子进行分析。
表 6 主成分因子的方差贡献率Table 6. Variance contribution rate of principal component factors主成分 初始特征值 提取载荷平方和 特征值 方差百分比/% 累积总方差贡献率/% 特征值 方差百分比/% 累积总方差贡献率/% 1(MF1) 2.415 34.499 34.499 2.415 34.499 34.499 2(MF2) 2.082 29.747 64.246 2.082 29.747 64.247 3(MF3) 1.063 15.187 79.433 1.063 15.187 79.434 4 0.735 10.501 89.935 5 0.356 5.086 95.022 6 0.182 2.595 97.617 表 7 初始因子载荷矩阵Table 7. Matrix of initial factor load性状因子 主成分 MF1 MF2 MF3 株高x1 0.851 0.068 -0.161 主茎节数x3 0.785 -0.454 0.198 底荚高度x2 0.675 -0.308 -0.539 单株粒数x5 0.389 0.857 0.125 单株粒重x6 0.113 0.830 0.221 百粒重x7 -0.483 -0.492 0.195 有效分枝数x4 0.471 -0.334 0.778 用表 7中的数据除以相对应的主成分的特征值(2.415和2.082)的平方根,得到2个主成分中每个因子所对应的特征向量MF11和MF22[5],如表 8所示。
表 8 因子特征向量矩阵Table 8. Matrix of factor eigenvector性状因子 主成分特征向量 MF11 MF22 株高x1 0.548 0.047 主茎节数x3 0.505 -0.315 底荚高度x2 0.434 -0.213 单株粒数x5 0.250 0.594 单株粒重x6 0.073 0.575 百粒重x7 -0.311 -0.341 有效分枝数x4 0.303 -0.231 将7个性状的原始数据进行标准化处理,获得7组新的标准化数据zx1至zx7。将7个性状的特征向量与相对应的标准化数据相乘,分别得到第一主成分总特征值(F1)和第二主成分总特征值(F2),结果列于表 9。
F1=0.548zx1+0.434zx2+0.505zx3+0.303zx4+0.250zx5+0.073zx6−0.311zx7 F2=0.047zx1−0.213zx2−0.315zx3−0.231zx4+0.594zx5+0.575zx6−0.341zx7 表 9 39份大豆种质各主成分值及其排名Table 9. The main component values and ranking of 39 soybean germplasms种质材料 第一主成分(F1) 排名 第二主成分(F2) 排名 综合主成分(F) 排名 中黄302 -1.269 31 -0.508 28 -0.917 35 中黄306 -1.694 36 0.256 16 -0.791 34 中黄320 -0.616 28 1.507 2 0.365 12 中黄325 -1.361 33 0.954 6 -0.291 27 冀豆23 -3.427 39 -0.279 25 -1.969 39 冀1514 -1.418 35 0.255 17 -0.644 32 郑1307 0.650 12 -0.141 23 0.283 13 苏豆28号 0.424 16 0.306 13 0.369 11 苏豆29号 -0.428 23 -0.675 32 -0.542 31 成豆17 -1.354 32 -2.151 39 -1.720 38 成豆18 -1.841 37 -1.350 38 -1.613 37 贡1245 -0.140 21 1.496 3 0.615 9 贡7183 0.377 17 0.079 18 0.239 15 南春豆31 -2.242 38 -0.192 24 -1.292 36 赣豆10号 -1.390 34 0.816 8 -0.370 30 福豆12号 0.709 11 -0.514 29 0.144 19 福豆13号 -0.485 26 0.626 9 0.029 23 福豆14号 1.353 6 -1.103 36 0.217 17 福豆234 1.477 4 -0.138 22 0.730 7 莆豆610 0.339 18 -0.326 26 0.032 22 莆豆704 -0.108 20 -1.312 37 -0.664 33 泉豆17 0.760 10 -0.957 35 -0.034 24 泉豆20 1.358 5 0.524 10 0.971 4 泉豆22 1.975 3 0.268 14 1.185 2 泉豆23 2.060 2 -0.802 33 0.735 6 泉豆24 0.486 15 0.025 20 0.272 14 泉豆25 -0.484 25 -0.111 21 -0.312 28 桂春豆121 4.027 1 -0.436 27 1.961 1 桂春1016 0.596 14 -0.816 34 -0.057 26 桂春1602 0.608 13 -0.528 30 0.082 21 桂春1603 0.233 19 1.189 4 0.675 8 桂春1805 1.193 8 0.257 15 0.759 5 桂春1806 1.308 7 0.819 7 1.081 3 华春2号 -0.646 29 1.584 1 0.386 10 华春7号 0.951 9 -0.624 31 0.222 16 华春11号 -0.689 30 0.053 19 -0.346 29 粤春2016-1 -0.473 24 0.443 12 -0.049 25 粤春2016-2 -0.552 27 1.014 5 0.173 18 粤春2017-1 -0.266 22 0.492 11 0.084 20 再以每个主成分的特征值占所提取的所有主成分的特征值总和的比例作为权重计算每个参试样品的综合主成分值(F),结果列于表 9。
F=0.316zx1+0.134zx2+0.125zx3+0.056zx4+0.409zx5+0.305zx6−0.325zx7 2.3 基于综合主成分值的聚类分析
用39份大豆的7个农艺性状的主成分综合得分数据,选用欧氏距离,Ward(离差平方和)法进行系统聚类分析,构建树状图(图 1)。由图 1可见,可将39份大豆种质分为3个大类2个亚类。第1大类包含2个亚类,第1个亚类共25份种质,第2个亚类共9份种质;第2大类共4份种质;第3大类仅有1份种质,即桂春豆121。说明桂春豆121与其他38份大豆种质资源间的遗传距离最大,即亲缘关系最远。
2.4 基于性状数据的聚类分析
本试验中所考察的数量性状包括株高、底荚高度、主茎节数、有效分枝数、单株粒数、单株粒重、百粒重、粗蛋白质含量、粗脂肪含量。将39份大豆种质资源的9个性状原始数据作标准化处理,选用欧氏距离,Ward(离差平方和)法进行系统聚类分析,构建树状图(图 2)。由图 2可见,可将39份大豆种质资源分为3个大类4个亚类,第1大类包含2个亚类,第1个亚类共24份种质,第2个亚类共4份种质;第2大类包含2个亚类,第1个亚类共3份种质,第2个亚类共7份种质;第3大类仅有1份种质,即桂春豆121。说明桂春豆121与其余种质间遗传距离最大,亲缘关系最远。
3. 讨论与结论
3.1 主成分分析
经主成分分析,可用2个主成分因子代替原本的7个株型和产量性状因子来对参试大豆种质进行说明。第一主成分(MF1)主要是与株型性状相关的因子,且与株高、底荚高度、主茎节数这3个性状都呈正相关,说明MF1值越大,植株越高、底荚高度越高、主茎节数越多;第二主成分(MF2)主要是与产量性状相关的因子,且与单株粒数、单株粒重呈正相关,与百粒重、有效分枝数呈负相关,说明MF2值越大,单株粒数越多、单株粒重越大、百粒重越小、有效分枝数越少。
3.2 两种聚类结果的比较
分别进行了基于主成分值的聚类分析(第一种聚类方法)和基于9个农艺性状标准化数据的系统聚类分析(第二种聚类方法),以下简要总结一下两种聚类方法聚类结果的异同点。
相同点:两种聚类分析结果都首先将桂春豆121归为单独的一个大类,这说明桂春豆121与其余的38份大豆种质资源的遗传距离是最远的;两种聚类分析都将粤春2016-1、粤春2016-2、粤春2017-1、桂春1016、桂春1602、桂春1603、桂春1805、桂春1806、福豆13、中黄320、苏豆28号、贡1245、贡7183、泉豆20、泉豆23、泉豆24、华春2号、华春7号、郑1307归在同一个大类中,这说明这19份大豆种质具有某种程度上的相似性,遗传距离比较近;两种聚类方法均将泉豆25、中黄302、中黄306、中黄325、赣豆10号、华春11号、冀1514、苏豆29归到同一个大类中,这说明这8份大豆种质遗传距离比较近。
不同点:虽然两种聚类分析方法都将莆豆610、泉豆17、泉豆22、福豆12号、福豆14号、福豆234归在同一个大类里,但是第一种聚类方法将这6个样品归到与泉豆20同一个大类中,而第二种聚类分析方法将这6个样品与莆豆704一起单独归为一个大类;虽然两种聚类方法均将成豆17、成豆18、南春豆31归到同一个大类中,但是第一种聚类方法将冀豆23也归到这个大类中,而第二种方法则将这3份种质归到与泉豆25同一个大类中。
综上所述,两种聚类方法的聚类结果虽然有一定的差异,但是总体上都能将遗传距离比较近的大豆种质都归到同一个大类中,结果基本上是一致的。为更确切地了解这39份大豆种质信息,有待于后续进一步进行基于分子水平的遗传多样性分析。
由本试验结果可见,不同春大豆种质资源在株型、产量、品质性状上均存在较大的差异,这为培育高产优质的大豆新品种提供了较丰富的选择机会。在后续的育种生产上,结合39份春大豆种质的聚类分析结果,以及对粗蛋白含量、粗脂肪含量数据的分析结果,将聚类分析中归为不同类的高蛋白型或高油型或双高型的大豆种质配制杂交组合,以期培育出高产、高蛋白、高油型的大豆新品种。
-
表 1 辣椒各处理编码值及施用量
Table 1 Codes and NPK applications
处理
TreatmentX1(N) X2(P2O5) X3(K2O) 编码
Code用量
Dosage/(kg·hm−2)编码
Code用量
Dosage/(kg·hm−2)编码
Code用量
Dosage/(kg·hm−2)1 −1 0 −1 0 −1 0 2 1 250 −1 0 −1 0 3 −1 0 1 150 −1 0 4 −1 0 −1 0 1 350 5 −1 0 0.1925 89.44 0.1925 208.69 6 0.1925 149.06 −1 0 0.1925 208.69 7 0.1925 149.06 0.1925 89.44 −1 0 8 −0.2912 88.60 1 150 1 350 9 1 250 −0.2912 53.16 1 350 10 1 250 1 150 −0.2912 124.04 表 2 各处理对辣椒产量和加工品质的影响
Table 2 Effects of treatments on chili pepper yield and quality
处理
Treatment产量
Yield/
(kg·hm−2)二氢辣椒素
Dihydrocapsaicin /
(g·hg−1)辣椒素
Capsaicin /
(g·hg−1)辣椒素总量
Total capsaicin/
(g·hg−1)色价
Color valence脂肪含量
Fat content /
(g·hg−1)含水量
Water
content/%综合评分
Comprehensive score1 20123.50±820.47 0.19±0.01 0.22±0.02 0.45±0.02 3.77±0.09 6.15±0.11 70.22±1.86 39.75±0.61 2 25902.30±1055.86 0.39±0.02 0.61±0.01 1.11±0.04 5.91±0.11 6.53±0.15 75.51±1.92 61.53±0.75 3 21987.05±601.29 0.30±0.01 0.41±0.02 0.79±0.03 4.84±0.06 7.62±0.15 72.48±1.93 52.59±0.17 4 27822.00±837.93 0.46±0.01 0.88±0.02 1.50±0.02 4.65±0.07 6.72±0.11 73.66±1.80 67.55±0.88 5 29013.90±810.04 0.67±0.01 0.93±0.04 1.78±0.06 6.41±0.09 7.31±0.11 73.26±1.76 81.43±1.19 6 29899.60±1067.01 0.73±0.01 1.19±0.02 2.13±0.04 6.09±0.10 7.54±0.14 72.73±1.54 89.35±0.93 7 27110.70±883.39 0.52±0.02 0.74±0.02 1.40±0.03 6.41±0.10 7.26±0.12 71.64±1.67 71.91±0.60 8 26808.10±1330.56 0.56±0.01 0.89±0.02 1.60±0.04 4.64±0.09 6.67±0.15 74.34±1.83 70.94±1.03 9 30569.60±1119.88 0.80±0.02 1.30±0.04 2.34±0.05 7.17±0.14 6.88±0.20 73.84±1.30 96.34±1.44 10 23929.000±981.05 0.36±0.01 0.46±0.02 0.91±0.03 4.37±0.13 7.04±0.18 73.25±1.76 53.47±0.15 表 3 产量和加工品质方程偏回归系数检验
Table 3 Partial regression coefficients of yield and quality equations
参数
Parameter偏回归系数
Partial regression coefficientt值
t value显著性水平
Significance方差膨胀因子
VIF产量
Yield加工品质
Processing quality产量
Yield加工品质
Processing quality产量
Yield加工品质
Processing quality截距 Intercept 30822.017 93.483 59.047 199.983 0.000 0.000 − X1 655.440 3.672 2.927 18.308 0.008 0.000 1.131 X2 −1265.803 −6.386 −5.652 −31.842 0.000 0.000 1.131 X3 2215.376 11.588 9.892 57.678 0.000 0.000 1.131 X12 −1569.477 −9.730 −3.634 −25.157 0.002 0.000 1.121 X22 −3020.269 −15.294 −6.993 −39.542 0.000 0.000 1.121 X32 −1471.052 −8.677 −3.406 −22.433 0.003 0.000 1.121 X1X2 −1398.832 −8.847 −5.251 −37.083 0.000 0.000 1.186 X1X3 −835.128 1.627 −3.135 6.821 0.005 0.000 1.186 X2X3 −798.746 −3.963 −2.998 −16.609 0.007 0.000 1.186 表 4 辣椒产量超过29000 kg·hm2的因素取值频率分布
Table 4 Frequency distribution of factors for chili pepper yield higher than 29000 kg·hm-2
变量因子
Variable factorX1 X2 X3 次数
Count频率
Frequency次数
Count频率
Frequency次数
Count频率
Frequency编码值
Code−1 3 0.12 5 0.20 0 0.00 −0.2912 7 0.28 10 0.40 5 0.20 0.1925 8 0.32 10 0.40 9 0.36 1 7 0.28 0 0.00 11 0.44 加权平均值 Weighted average 0.1401 −0.2395 0.4511 标准差 Standard deviation 0.6456 0.4400 0.5241 95%置信区间 95% confidence interval −0.1261~0.3954 −0.4080~0.0526 0.2220~0.6454 施肥方案 Fertilization scheme/(kg·hm−2) 109.24~174.43 44.40~78.95 213.85~287.95 表 5 辣椒加工品质综合评分超过80分的因素取值频率分布
Table 5 Frequency distribution of factors for chili pepper quality score above 80
变量因子
Variable factorX1 X2 X3 次数
Count频率
Frequency次数
Count频率
Frequency次数
Count频率
Frequency编码值
Code−1 3 0.13 5 0.22 0 0 −0.2912 8 0.35 8 0.35 5 0.22 0.1925 9 0.39 10 0.43 8 0.35 1 3 0.13 0 0 10 0.43 加权平均值 Weighted average 0.3083 0.3565 0.3565 标准差 Standard deviation 0.4824 0.0972 0.1116 95%置信区间 95% confidence interval −0.4954~−0.0782 −0.4365~−0.0334 0.2070~0.6698 施肥方案 Fertilization scheme/(kg·hm−2) 63.08~115.23 42.26~72.50 211.23~292.23 -
[1] 刘林娅, 黄亚成, 杨那, 等. 81份辣椒种质资源表型性状的遗传多样性分析 [J]. 热带作物学报, 2023, 44(4):706−715. DOI: 10.3969/j.issn.1000-2561.2023.04.006 LIU L Y, HUANG Y C, YANG N, et al. Genetic Diversity of Phenotypic Traits in 81 Capsicum annuum Germplasms [J]. Chinese Journal of Tropical Crops, 2023, 44(4): 706−715. (in Chinese) DOI: 10.3969/j.issn.1000-2561.2023.04.006
[2] 李红, 巩雪峰, 陈鑫, 等. 加工辣椒避雨栽培优势及水肥一体化施肥方案初探 [J]. 中国土壤与肥料, 2023, (1):155−162. DOI: 10.11838/sfsc.1673-6257.21666 LI H, GONG X F, CHEN X, et al. Advantages of rain-shelter cultivation of processed pepper and its integrated fertilization scheme with water and fertilizer [J]. Soil and Fertilizer Sciences in China, 2023(1): 155−162. (in Chinese) DOI: 10.11838/sfsc.1673-6257.21666
[3] 吴立东, 刘亚婷, 林淑婷, 等. 生物炭与化肥配施对辣椒产量、品质及肥料利用率的影响 [J]. 中国土壤与肥料, 2023, (8):144−151. DOI: 10.11838/sfsc.1673-6257.22396 WU L D, LIU Y T, LIN S T, et al. Effects of combined application of biochar and chemical fertilizer on yield, quality and fertilizer utilization of pepper [J]. Soil and Fertilizer Sciences in China, 2023(8): 144−151. (in Chinese) DOI: 10.11838/sfsc.1673-6257.22396
[4] 张俊峰, 蒯佳琳, 王晓巍, 等. 氮磷钾配施对戈壁日光温室基质槽培番茄产量和品质的影响 [J]. 西北农林科技大学学报(自然科学版), 2022, 50(8):94−102. ZHANG J F, KUAI J L, WANG X W, et al. Effects of combined application of nitrogen, phosphorus and potassium on yield and quality of tomato cultured with organic substrate in greenhouse [J]. Journal of Northwest A & F University (Natural Science Edition), 2022, 50(8): 94−102. (in Chinese)
[5] 李春辉, 赵秀芳, 邵红雨, 等. 氮磷钾配施对藤稔葡萄产量和品质的影响 [J]. 安徽农业科学, 2020, 48(5):168−171,196. DOI: 10.3969/j.issn.0517-6611.2020.05.047 LI C H, ZHAO X F, SHAO H Y, et al. Effects of N, P, K on the yield and quality of the grap [J]. Journal of Anhui Agricultural Sciences, 2020, 48(5): 168−171,196. (in Chinese) DOI: 10.3969/j.issn.0517-6611.2020.05.047
[6] 何立楠, 张荣全, 李文志, 等. 施肥量对“红阳” 猕猴桃产量、品质及氮磷钾含量的影响 [J]. 中国土壤与肥料, 2022, (11):56−62. DOI: 10.11838/sfsc.1673-6257.21570 HE L N, ZHANG R Q, LI W Z, et al. Effect of fertilization amount on yield, quality and NPK of “Hongyang” kiwifruit [J]. Soil and Fertilizer Sciences in China, 2022(11): 56−62. (in Chinese) DOI: 10.11838/sfsc.1673-6257.21570
[7] 孟亮, 张文明, 邱晓丽, 等. 水肥一体化技术对辣椒干物质积累及养分吸收规律的影响 [J]. 水土保持通报, 2017, 37(5):290−296. MENG L, ZHANG W M, QIU X L, et al. Effect of fertigation technology on dry matter accumulation and nutrient absorption in pepper [J]. Bulletin of Soil and Water Conservation, 2017, 37(5): 290−296. (in Chinese)
[8] 陈芬, 余高, 陈容, 等. 减磷配施有机肥对辣椒生长及光合荧光特性的影响 [J]. 西北农林科技大学学报(自然科学版), 2021, 49(7):114−125. CHEN F, YU G, CHEN R, et al. Effects of reduced application of chemical phosphorus combined with organic fertilizer on growth and photosynthetic fluorescence characteristics of Capsicums annuum L. [J]. Journal of Northwest A & F University (Natural Science Edition), 2021, 49(7): 114−125. (in Chinese)
[9] 孙权, 郭鑫年, 李建设, 等. 宁夏引黄灌区日光温室辣椒高产施肥量及配比研究 [J]. 西北农业学报, 2010, 19(4):110−114. DOI: 10.3969/j.issn.1004-1389.2010.04.025 SUN Q, GUO X N, LI J S, et al. Optimum application amount and ratio of fertilizers for high yield of hot pepper in greenhouse of Ningxia [J]. Acta Agriculturae Boreali-occidentalis Sinica, 2010, 19(4): 110−114. (in Chinese) DOI: 10.3969/j.issn.1004-1389.2010.04.025
[10] 尹胜鑫, 周祺, 濮永赛, 等. 保山市冬早大棚辣椒氮磷钾肥料优化施用 [J]. 中国土壤与肥料, 2017, (3):36−43. YIN S X, ZHOU Q, PU Y S, et al. Optimizing fertilization of NPK on early winter pepper under greenhouse in Baoshan [J]. Soil and Fertilizer Sciences in China, 2017(3): 36−43. (in Chinese)
[11] 蒯佳琳, 张俊峰, 张玉鑫, 等. 西北戈壁滩日光温室基质栽培辣椒氮磷钾优化施肥组合研究 [J]. 中国土壤与肥料, 2023, (7):15−22. DOI: 10.11838/sfsc.1673-6257.22350 KUAI J L, ZHANG J F, ZHANG Y X, et al. Study on the optimal fertilization combination of N, P and K for substrate-cultivated pepper in solar greenhouse in the northwest Gobi Desert [J]. Soil and Fertilizer Sciences in China, 2023(7): 15−22. (in Chinese) DOI: 10.11838/sfsc.1673-6257.22350
[12] 白厚义, 肖俊璋. 试验研究及统计分析[M]. 西安: 世界图书出版公司, 1998:274-275. [13] 杜少平, 马忠明, 薛亮. 氮磷钾配施对砂田西瓜产量和品质的影响 [J]. 植物营养与肥料学报, 2016, 22(2):468−475. DOI: 10.11674/zwyf.14320 DU S P, MA Z M, XUE L. Effects of combined application of N, P and K on yield and quality of watermelon in gravel-mulched fields [J]. Journal of Plant Nutrition and Fertilizer, 2016, 22(2): 468−475. (in Chinese) DOI: 10.11674/zwyf.14320
[14] 聂金, 谭芷, 王军伟, 等. 氮磷钾配施对辣椒产量、品质的影响 [J]. 中国瓜菜, 2021, 34(10):80−87. DOI: 10.3969/j.issn.1673-2871.2021.10.014 NIE J, TAN Z, WANG J W, et al. Effects of combined application of N, P and K on yield and quality of pepper [J]. China Cucurbits and Vegetables, 2021, 34(10): 80−87. (in Chinese) DOI: 10.3969/j.issn.1673-2871.2021.10.014
[15] 韦伟, 高雪, 陈海燕, 等. 氮磷钾配施对贵椒4号产量及品质的影响 [J]. 贵州农业科学, 2010, 38(7):31−34. DOI: 10.3969/j.issn.1001-3601.2010.07.010 WEI W, GAO X, CHEN H Y, et al. Effects of combined application of N, P and K on yield and quality of Guijiao 4, a pepper variety [J]. Guizhou Agricultural Sciences, 2010, 38(7): 31−34. (in Chinese) DOI: 10.3969/j.issn.1001-3601.2010.07.010
[16] 田浩, 王国书, 耿广东, 等. 定植密度与施肥量对遵辣8号果实辣椒素及粗脂肪含量的影响 [J]. 贵州农业科学, 2017, 45(3):53−57. DOI: 10.3969/j.issn.1001-3601.2017.03.013 TIAN H, WANG G S, GENG G D, et al. Effects of planting density and N, P and K level on capsicin and crude fat content of zunla 8 [J]. Guizhou Agricultural Sciences, 2017, 45(3): 53−57. (in Chinese) DOI: 10.3969/j.issn.1001-3601.2017.03.013
[17] 安凡, 赵淼华, 常云妮, 等. 氮磷钾添加对无患子叶片性状和果实产量的影响 [J]. 福建师范大学学报(自然科学版), 2023, 39(1):111−117. AN F, ZHAO M H, CHANG Y N, et al. Effects of nitrogen, phosphorus and potassium addition on leaf traits and fruit yield of Sapindus mukorossi [J]. Journal of Fujian Normal University (Natural Science Edition), 2023, 39(1): 111−117. (in Chinese)
[18] LI Z G, ZHANG R H, XIA S J, et al. Interactions between N, P and K fertilizers affect the environment and the yield and quality of satsumas [J]. Global Ecology and Conservation, 2019, 19: e00663. DOI: 10.1016/j.gecco.2019.e00663
[19] GAO J, THELEN K D, MIN D H, et al. Effects of manure and fertilizer applications on canola oil content and fatty acid composition [J]. Agronomy Journal, 2010, 102(2): 790−797. DOI: 10.2134/agronj2009.0368
[20] 吴红艳, 于淼, 冯健, 等. 解磷生物肥对温室土壤磷有效性及辣椒产量的影响 [J]. 中国农业科技导报, 2023, 25(10):189−197. WU H Y, YU M, FENG J, et al. Effect of phosphorus solubilizing bio-fertilizer on soil phosphorus availability and pepper yield in greenhouse [J]. Journal of Agricultural Science and Technology, 2023, 25(10): 189−197. (in Chinese)
[21] 黄科, 刘明月, 吴秋云, 等. 氮磷钾施用量与辣椒产量的相关性研究 [J]. 江西农业大学学报(自然科学), 2002, 24(6):772−776. HUANG K, LIU M Y, WU Q Y, et al. A study on the correlation between combined application of N P K and the yield of hot pepper [J]. Acta Agriculturae Universitis Jiangxiensis, 2002, 24(6): 772−776. (in Chinese)
[22] 杜淼鑫, 颉建明, 曹永康, 等. 磷肥对秋冬季节设施辣椒生长及光合特性的影响 [J]. 甘肃农业大学学报, 2019, 54(3):47−53. DU M X, XIE J M, CAO Y K, et al. Effect of phosphate fertilizer on growth and photosynthetic characteristics of pepper in autumn and winter [J]. Journal of Gansu Agricultural University, 2019, 54(3): 47−53. (in Chinese)
[23] 张育文, 范子晗, 李顺晋, 等. 基于辣椒产量、磷素累积及土壤磷环境风险的磷肥用量研究 [J]. 中国土壤与肥料, 2022, (5):34−42. DOI: 10.11838/sfsc.1673-6257.20762 ZHANG Y W, FAN Z H, LI S J, et al. Study on the amount of phosphorus fertilizer based on pepper yield, phosphorus accumulation and soil phosphorus environmental risk [J]. Soil and Fertilizer Sciences in China, 2022(5): 34−42. (in Chinese) DOI: 10.11838/sfsc.1673-6257.20762
[24] 马宗桓, 陈佰鸿, 毛娟, 等. 施氮时期对酿酒葡萄叶片氮代谢酶及相关基因表达的影响 [J]. 西北植物学报, 2018, 38(2):298−306. DOI: 10.7606/j.issn.1000-4025.2018.02.0298 MA Z H, CHEN B H, MAO J, et al. Effects of nitrogen metabolism enzymes and related gene expression in leaves of Vitis vinifera during nitrogen application period [J]. Acta Botanica Boreali-Occidentalia Sinica, 2018, 38(2): 298−306. (in Chinese) DOI: 10.7606/j.issn.1000-4025.2018.02.0298
[25] 张帆, 崔云浩, 秦志翔, 等. 减氮和氮硅配施对辣椒产量、营养品质及养分吸收利用的影响 [J]. 西北植物学报, 2023, 43(9):1518−1527. ZHANG F, CUI Y H, QIN Z X, et al. Effect of nitrogen reduction and nitrogen-silica application on yield, nutritional quality and nutrient uptake and utilization of pepper [J]. Acta Botanica Boreali-Occidentalia Sinica, 2023, 43(9): 1518−1527. (in Chinese)
[26] ZHU X M, HAN B J. Root water uptake and root nitrogen mass distributions of soybean under different nitrogen and water supply [J]. Interaction Journal of Agriculture and Biology, 2018, 20(1): 52−56.
[27] 陈海燕, 高雪, 祝元波, 等. 辣椒氮磷钾肥配施试验 [J]. 贵州农业科学, 2009, 37(7):166−167. DOI: 10.3969/j.issn.1001-3601.2009.07.056 CHEN H Y, GAO X, ZHU Y B, et al. The effect of different combinations of nitrogen, phosphorus and potassium fertilizer on yield of pepper [J]. Guizhou Agricultural Sciences, 2009, 37(7): 166−167. (in Chinese) DOI: 10.3969/j.issn.1001-3601.2009.07.056
[28] 邢素芝, 汪建飞, 姚春芬. 辣椒NPK肥料配施数学模型的研究 [J]. 土壤通报, 2003, 34(3):238−240. DOI: 10.3321/j.issn:0564-3945.2003.03.020 XING S Z, WANG J F, YAO C F. Mathematics model on fertilizing N, P and K for pepper [J]. Chinese Journal of Soil Science, 2003, 34(3): 238−240. (in Chinese) DOI: 10.3321/j.issn:0564-3945.2003.03.020
[29] 李子双, 王薇, 张世文, 等. 氮磷与硅钙肥配施对辣椒产量和品质的影响 [J]. 植物营养与肥料学报, 2015, 21(2):458−466. DOI: 10.11674/zwyf.2015.0221 LI Z S, WANG W, ZHANG S W, et al. Effect of nitrogen, phosphorus and silicon calcium fertilizer on yield and quality of pepper [J]. Journal of Plant Nutrition and Fertilizer, 2015, 21(2): 458−466. (in Chinese) DOI: 10.11674/zwyf.2015.0221
[30] 田艺心, 高凤菊, 曹鹏鹏. 饱和D-最优设计在高蛋白大豆施肥优化中的应用 [J]. 植物营养与肥料学报, 2019, 25(2):343−350. DOI: 10.11674/zwyf.18063 TIAN Y X, GAO F J, CAO P P. Application of saturated D-optimal design for optimum fertilization in the production of high protein soybean [J]. Journal of Plant Nutrition and Fertilizers, 2019, 25(2): 343−350. (in Chinese) DOI: 10.11674/zwyf.18063
[31] 邬刚, 袁嫚嫚, 王家宝, 等. 包膜磷肥对设施辣椒产量、干物质累积和磷肥利用率的影响 [J]. 中国土壤与肥料, 2021, (6):206−211. DOI: 10.11838/sfsc.1673-6257.20489 WU G, YUAN M M, WANG J B, et al. Effects of coated phosphate fertilizer on yield, dry matter accumulation and phosphate fertilizer utilization efficiency of pepper in greenhouse [J]. Soil and Fertilizer Sciences in China, 2021(6): 206−211. (in Chinese) DOI: 10.11838/sfsc.1673-6257.20489
[32] 史建硕, 郭丽, 王丽英, 等. 优化配方施肥对华北地区露地辣椒产量、品质和养分吸收利用的影响 [J]. 中国土壤与肥料, 2022, (2):86−92. DOI: 10.11838/sfsc.1673-6257.20608 SHI J S, GUO L, WANG L Y, et al. Effects of optimized fertilization on yield, quality, nutrient absorption and utilization of open-field pepper in North China [J]. Soil and Fertilizer Sciences in China, 2022(2): 86−92. (in Chinese) DOI: 10.11838/sfsc.1673-6257.20608
-
期刊类型引用(23)
1. 林文磊,吕美琴,李明松,施迎迎,康蓉蓉,曾红英. 47份福建省鲜食春大豆种质资源的遗传分析及综合评价. 福建农业学报. 2024(03): 276-289 . 本站查看
2. 韩岱,时晓磊,丁孙磊,张金波,严勇亮. 60份大豆种质资源苗期耐盐性鉴定评价. 大豆科学. 2023(04): 494-505 . 百度学术
3. 隋翔鹏,周永刚,孙鹏宇,李森权,叶开烨,王栋灵,井妍,李海燕. 中国热区适应性高产大豆种质的评价与筛选. 分子植物育种. 2023(21): 7292-7299 . 百度学术
4. 杨芳,梁海燕,宋晓强,邓亚蕊,李海. 晋北地区15个苜蓿品种产量及品质分析. 饲料研究. 2023(18): 119-123 . 百度学术
5. 李妍颖,李梅梅,杨琪,陈丽慧,李伯辽,房爱省,何柯杭,董继广,赵玉婉,于志浩,郝引川,仵均祥. 亚洲玉米螟为害对玉米产量的影响与防治指标研究. 植物保护. 2022(01): 82-89 . 百度学术
6. 李炜,毕影东,刘建新,王玲,刘淼,邸树峰,樊超,杨光,谢婷婷,来永才. 寒地野生大豆资源农艺性状的相关性和主成分分析. 土壤与作物. 2022(01): 10-17 . 百度学术
7. 陈观杰,郑殿峰,冯乃杰,沈雪峰,母德伟,刘玲,李甜子,周行,齐德强,谢平. 雷州半岛地区大豆农艺性状因子和聚类分析. 浙江农业科学. 2022(03): 485-491+523 . 百度学术
8. 王玲燕,黄金华,张素平,黄中文,董彦琪,朱红彩,唐振海. 夏大豆种质资源农艺性状与产量的多样性分析. 湖北农业科学. 2022(10): 15-19+47 . 百度学术
9. 黎松松,赖建军,张红梅,崔晓艳,刘晓庆,陈新,朱月林,陈华涛. 江苏鲜食春大豆种质资源表型鉴定及综合评价. 大豆科学. 2022(04): 385-396 . 百度学术
10. 杨芳,梁海燕,林凤仙,宋晓强,邓亚蕊,李海. 24份黍子材料农艺性状主成分和聚类分析. 农学学报. 2022(08): 27-34 . 百度学术
11. 郭敏杰,邓丽,李玉荣,王瑾,任丽. 基于主成分和聚类分析的冀花高油酸花生品种综合评价. 中国油料作物学报. 2022(06): 1210-1217 . 百度学术
12. 王玲燕,刘贺娟,任福森,唐振海,董彦琪,刘震宇. 98份大葱种质资源农艺性状相关性及主成分分析. 中国瓜菜. 2021(08): 38-43 . 百度学术
13. 李艳红,聂俊,郑锦荣,谭德龙,张长远,史亮亮,谢玉明. 华南地区樱桃番茄表型性状遗传多样性分析及综合评价. 园艺学报. 2021(09): 1717-1730 . 百度学术
14. 李琼,常世豪,舒文涛,杨青春,李金花,张东辉,张保亮,张来成,耿臻. 黄淮海地区夏大豆(南片)46份大豆品种(系)农艺性状综合分析. 新疆农业科学. 2021(10): 1765-1774 . 百度学术
15. 范继征,石达金,吕巨智,唐国荣,程伟东. 基于关联度、主成分和聚类分析的西南区玉米新组合评价. 种子. 2020(01): 102-110 . 百度学术
16. 郑淑琳,石玉涛,王飞权,张渤,王涵,林立,石元值,叶乃兴. 乌龙茶种质资源矿质元素含量特征分析与评价. 福建农业学报. 2020(02): 150-160 . 本站查看
17. 石玉涛,郑淑琳,王飞权,陈荣冰,李远华,张渤,王涵,林立. 武夷名丛茶树种质资源矿质元素含量特征分析. 中国农业科技导报. 2020(07): 37-50 . 百度学术
18. 刘珮君,王晓敏,李国花,郑福顺,赵宇飞,胡新华,付金军,高艳明,李建设. 166份番茄种质资源的综合评价. 云南大学学报(自然科学版). 2020(04): 792-803 . 百度学术
19. 刘杰,张春宵,李淑芳,曹铁华,梁烜赫,刘学岩,马永鑫,郑大浩,李晓辉. 81份玉米杂交种萌发期耐冷性的鉴定和评价. 玉米科学. 2020(05): 20-26+31 . 百度学术
20. 吕丹,黎瑞源,郑冉,郑俊青,朱丽伟,石桃雄,陈庆富. 213份苦荞种质资源主要农艺性状分析及高产种质筛选. 南方农业学报. 2020(10): 2429-2439 . 百度学术
21. 李方舟,张海生,王军,杨婷婷,古晓红,李广信,刘晋联. 山西省大豆多点试验品系农艺性状分析. 山西农业科学. 2019(06): 931-934+1010 . 百度学术
22. 王婷婷,韦小丽,张兰. 贵州不同种源棕榈苗期生长性状比较及评价. 经济林研究. 2019(03): 146-152 . 百度学术
23. 牟书靓,牛海龙,李伟堂,杨翔宇,王曙文,刘红欣,何中国. 花生种质资源农艺性状主成分及聚类分析. 辽宁农业科学. 2019(06): 1-5 . 百度学术
其他类型引用(3)