Grey Correlation Analysis of Summer Corn Yield and Main Meteorological Factors

Yang Ning, Kong Linggang, Zhen Tiejun, Xia Zhenzhen, Yang Hui, Wang Luocai, Zheng Guoxi

PDF(1117 KB)
PDF(1117 KB)
Journal of Agriculture ›› 2020, Vol. 10 ›› Issue (11) : 37-42. DOI: 10.11923/j.issn.2095-4050.cjas20191000250

Grey Correlation Analysis of Summer Corn Yield and Main Meteorological Factors

Author information +
History +

Abstract

To better analyze the influence of main meteorological factors on summer maize yield, we used grey correlation analysis method to study their grey correlation from 2011 to 2018 in Zaozhuang City, Shandong Province. The results showed that the grey correlation between summer corn yield and major meteorological factors followed an order of September temperature (0.9562) > June to September temperature (0.9449) > June temperature (0.9312) > July temperature (0.9283) > August temperature (0.9157) > June to September light hours (0.8578) > July light hours (0.8393) > September light hours (0.8283) > June light hours (0.8212) > August light hours (0.7803) > June to September precipitation (0.7623) > September precipitation (0.6783) > August precipitation (0.6239) > June precipitation (0.5842) > July precipitation (0.5409). The temperature was the main factor, followed by light hours, and then was the precipitation. By analyzing the grey correlation degree between summer maize yield and main meteorological factors, the study could provide certain references for summer maize planting areas in huang-huai-hai region.

Key words

Zaozhuang City / Summer Corn / Yield / Meteorological Factors / Grey Relativity Analysis

Cite this article

Download Citations
Yang Ning , Kong Linggang , Zhen Tiejun , Xia Zhenzhen , Yang Hui , Wang Luocai , Zheng Guoxi. Grey Correlation Analysis of Summer Corn Yield and Main Meteorological Factors. Journal of Agriculture. 2020, 10(11): 37-42 https://doi.org/10.11923/j.issn.2095-4050.cjas20191000250

0 引言

为解决传统数据分析难题,中国著名学者邓聚龙教授于1982年提出了灰色系统理论[1,2],这是一种多因素统计分析方法,以“部分信息已知,部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象,主要通过对“部分”已知信息的生成、开发,提取有价值的信息,实现对系统运行行为、演化规律的正确描述和有效监控[3],经过三十多年的发展,广泛应用在社会、农业、生态、经济等众多领域[4,5,6,7,8,9],成功解决了生产、生活和科学研究中大量的实际问题。在农业生产中,即使播种面积、种子、化肥、农药、灌溉条件等信息完全明确,但是由于自然环境、气候条件、劳动力技术水平、市场行情、耕作模式、农业政策等信息不明确,仍然很难预计产量与产值。前人对玉米产量相关的灰色关联度分析研究较多,多数为产量与农艺性状[10,11,12,13,14,15,16,17,18]、生物产量[19]、产量构成因子[20,21,22]、育种[23,24,25,26]、光合相关性[27]、秸秆还田保护性耕作[28]、覆膜栽培[29]等方面的灰色关联度研究,对于夏玉米产量与主要气象因子的灰色关联度研究较少。枣庄市位于山东省南部,属于温带大陆性季风气候,雨热同期,水热资源充沛,土质优良,农业发展潜力大。但地区间、季节间和年度间雨水分布不均匀,造成季节间的先旱后涝、涝后又旱、年际间旱涝交替,是枣庄市长期以来粮食生产不稳定的基本原因。加之气候环境的变化,水资源缺乏,气候变化剧烈,导致夏季高温热害、雨涝等灾害频繁发生[30]。本研究为进一步明确枣庄地区气象因素与夏玉米产量之间的关联程度,开展夏玉米与主要气象因子之间灰色关联分析,进而更加科学地提出有效农业应对措施,以期为黄淮海地区夏玉米粮食安全丰产丰收提供借鉴。

1 材料与方法

1.1 数据来源

2011—2018年主要气象因子数据来源于枣庄市气象局,通过山东省枣庄市下辖的滕州市、山亭区、峄城区、台儿庄区、市中区、薛城区观测站数据汇总梳理而得,主要涉及夏玉米生育期数据,枣庄市夏玉米一般在6月上旬播种、9月底收获,制约夏玉米安全生产的主要气象因子有温度(℃)、降水量(mm)和光照时数(h),把2011—2018年夏玉米的产量(X0)作为参考序列,把6—9月气温(X1)、降水量(X2)、光照时数(X3)以及6月气温(X4)、降水量(X5)、光照时数(X6)、7月气温(X7)、降水量(X8)、光照时数(X9)、8月气温(X10)、降水量(X11)、光照时数(X12)、9月气温(X13)、降水量(X14)、光照时数(X15)作为比较序列。近些年,随着优质品种的推广种植,‘郑单958’、‘浚单20’、‘登海605’、‘隆平208’、‘中科玉505’、‘联创808’、‘裕丰303’等品种[32]不断成为枣庄市的主推品种,2011—2018年枣庄市夏玉米产量(kg/hm2)数据来源于滕州市、山亭区、市中区、薛城区、峄城区、台儿庄区和高新区农业农村部门,通过各区(市)单产按照种植面积进行加权平均而得。

1.2 数据处理

灰色关联度分析对于一个农业系统发展变化态势提供了量化的度量,非常适合动态历程分析[2]。用Microsoft Excel对夏玉米产量与主要气象因子数据进行统计汇总。采用以下计算步骤进行灰色关联模型分析。
第一步:确定比较序列与参考序列。
设n个数据序列形成如下比较序列,如公式(1)所示。
(X'1,X'2,X'n)=x'1(1)x'2(1)x'n(1)x'1(2)x'2(2)x'n(2)x'1(m)x'2(m)x'n(m)
(1)
其中m为指标的个数, X'i=(x'i(1),x'i(2),,x'i(m))T
参考数据列如公式(2)所示。
X'0=[x'0(1),x'0(2),,x'0(m)]
(2)
第二步:进行无量纲化处理。
由于系统中各因素的物理意义不同,导致数据的量纲也不一定相同,为方便分析夏玉米产量与各参数之间的关联度,对表中数据采用均值化变换进行无量纲化处理,即先分别用各参量数据去除对应各序列中的平均数据,得出相应的无量纲序列,如公式(3)所示。
xi(k)=x'i(k)1mk=1mx'i(k) (i=0,1,…,n;k=1,2,…,m)
(3)
无量纲化后的数据序列形成如公式(4)所示矩阵。
(X'1,X'2,X'n)==x0(1)x1(1)xn(1)x0(2)x1(2)xn(2)x0(m)x1(m)xn(m)
(4)
第三步:计算绝对差值。
逐个计算每个被评价对象参考序列与比较序列对应元素的绝对差值 x0(k)-xi(k)
其中,i=0,1,…,n;k=1,2,…,m,n是被评价对象个数。
第四步:计算两极最值。
按照公式(5)、(6)分别计算两级最小差和两级最大差。
mini=1nmink=1mx0(k)-xi(k)
(5)
maxi=1nmaxk=1mx0(k)-xi(k)
(6)
第五步:计算关联系数。
按照公式(7),分别计算每个比较序列与参考序列对应元素的关联系数。
ζi(k)=miniminkx0(k)-xi(k)+ρmaximaxkx0(k)-xi(k)x0(k)-xi(k)+ρmaximaxkx0(k)-x(ik)
(7)
其中,k = 1,2 ,…,m,ρ为分辨系数,0<ρ<1。若ρ越小,关联系数间差异越大,区分能力越强。通常情况下ρ取0.5。
第六步:计算关联度
按照公式(8),对各评价对象(比较序列)分别计算每个指标与参考序列对应元素的关联系数的均值,以反映各评价对象与参考序列的关联关系,并称其为关联序。
r0i=1mk=1mζi(k)
(8)

2 结果与分析

2.1 夏玉米产量与主要气象因子变异系数分析

在进行夏玉米与主要气象因子灰色关联度分析时,把2011—2018年夏玉米的产量(X0)作为参考序列,把6—9月气温(X1)、降水量(X2)、光照时数(X3)以及6月气温(X4)、降水量(X5)、光照时数(X6)、7月气温(X7)、降水量(X8)、光照时数(X9)、8月气温(X10)、降水量(X11)、光照时数(X12)、9月气温(X13)、降水量(X14)、光照时数(X15)作为比较序列。用每项序列的方差除以平均值计算变异系数。2011—2018年,夏玉米产量变异系数为0.0304。6—9月全生育期的气温、降水量、光照时数变异系数分别为0.0221、0.2630、0.1345,表明:变异系数降水量>光照时数>气温。6—9月降水量变异系数排序分别为:7月降水量(0.6865)>6月降水量(0.6733)>9月降水量(0.4386)>8月降水量(0.3883);6—9月光照时数变异系数排序分别为:8月光照时数(0.2673)>9月光照时数(0.1804)>6月光照时数(0.1754)>7月光照时数(0.1246);6—9月气温变异系数排序分别为:8月气温(0.0470)>9月气温(0.0418)>7月气温(0.0367)>6月气温(0.0297)。6—9月气温变异系数均小于0.1,8月气温变异系数最高为0.0470,2013年最高为28.9℃,此时多数玉米处于开花灌浆期,偏高的气温影响玉米的开花授粉,造成玉米授粉不良出现缺粒,影响产量;6—9月降水量变异系数均大于0.3,7月变异系数多达0.6865,说明7月降水量变化非常大,最多年份2017年为418.2 mm,最少年份2015年为74.4 mm,两年相差344 mm,这一点与7月常发生暴雨、干旱等异常气候天气相符;6—9月光照时数变异系数最高的是8月,变异系数为0.2673,最高年份2018年是202 h,最低年份2011年是95.6 h,8月的光照时数主要影响玉米的开花、授粉与籽粒形成。

2.2 夏玉米产量与主要气象因子灰色关联度分析

通过公式(1)~(8),分别对原始数据进行无量钢化处理、计算绝对差值、两级极差、关联系数等,结果表明,夏玉米产量与主要气象因子灰色关联度排序分别为:9月气温(0.9562)、6—9月气温(0.9449)、6月气温(0.9312)、7月气温(0.9283)、8月气温(0.9157)、6—9月光照时数(0.8578)、7月光照时数(0.8393)、9月光照时数(0.8283)、6月光照时数(0.8212)、8月光照时数(0.7803)、6—9月降水量(0.7623)、9月降水量(0.6783)、8月降水量(0.6239)、6月降水量(0.5842)、7月降水量(0.5409)。
表1 夏玉米产量与主要气象因子变异系数表
夏玉米产量X0 气温X1 降水量X2 光照时数X3 6月气温X4 7月气温X5 8月气温X6 9月气温X7 6月降水量X8 7月降水量X9 8月降水量X10 9月降水量X11 6月光照时数X12 7月光照时数X13 8月光照时数X14 9月光照时数X15
2011 7879.5 24.9 486.5 498.7 26.0 27.2 25.5 20.7 55.7 98.6 269.9 62.3 150.3 138.9 95.6 113.9
2012 7746 25.6 415.6 689.4 26.0 28.6 26.4 21.3 12.7 178.2 140.1 84.6 166.6 190.3 151.6 180.9
2013 7726.5 26.2 620.2 743.1 24.8 28.6 28.9 22.4 25.0 389.2 138.3 67.7 179.0 145.4 262.1 156.6
2014 7825.5 24.8 405.8 583.3 24.5 27.6 25.6 21.3 82.0 106.3 84.9 132.6 132.7 181.7 162.3 106.6
2015 8197.5 25.2 419.5 672.0 25.1 26.7 26.4 22.4 141.4 74.4 125.7 78.0 155.9 165.7 193.0 157.4
2016 8404.5 26.0 554.0 732.5 25.1 27.6 27.7 23.5 148.1 239.5 144.2 22.2 190.6 174.0 201.1 166.8
2017 8124 26.1 818.3 730.0 25.5 28.9 27.0 22.8 77.2 418.4 245.6 77.1 199.3 195.8 170.8 164.1
2018 7875 25.9 505.3 760.1 26.8 26.0 28.5 22.4 48.1 93.7 234.5 129.0 229.3 153.3 202.0 175.5
平均值 7848.3 25.6 528.2 676.1 25.5 27.7 27.0 22.1 73.8 199.8 172.9 81.7 175.5 168.1 179.8 152.7
变异
系数
0.0304 0.0221 0.2630 0.1345 0.0297 0.0367 0.0470 0.0418 0.6733 0.6865 0.3883 0.4386 0.1754 0.1246 0.2673 0.1804
气温是影响玉米产量的主要因子,2013年夏玉米产量为7726.5 kg/hm2,在8年中产量最低,较平均产量7848.3 kg/hm2低121.8 kg/hm2,全生育平均气温26.2℃,在8年当中最高,当年出现≥35℃高温天气16天[33],比其余的年份均多,高温天气不利于玉米籽粒授粉结实,致使玉米穗分化受到影响,营养代谢失调,果穗发育、授粉不良,出现空杆、苞叶过短、缺粒、秃尖、半边脸等现象,最终影响玉米的产量。9月气温主要影响夏玉米灌浆速率,气温适宜夏玉米灌浆时间长,气温偏低或是偏高均不利于夏玉米的灌浆,影响产量;6月气温主要影响夏玉米苗期生长发育;对于6月上旬播种的田块将在7月下旬进入开花授粉期,此时间段常出现高温天气,影响玉米授粉结实,同时7月气温偏高不利于雌雄穗的分化发育;8月大多数玉米处于开花、授粉、灌浆期,温度不仅影响授粉结实,也影响籽粒灌浆初期进程。
光照长短影响玉米的光合作用,7月夏玉米多数处于穗分化时期,夏玉米经过小喇叭口期、大喇叭口期、抽雄期、吐丝期,是营养生长与生殖生长并进的时期,充足的光照为玉米丰产奠定坚实基础;9月是夏玉米灌浆时期,此时期光照充足能提高夏玉米光合作用速率,积累更多的营养物质,提高夏玉米的产量;6月夏玉米正处于幼苗期,如果这个时期光照时数不足,幼苗光合作用较差,容易形成弱小苗或者导致幼苗徒长,玉米茎秆表皮细胞壁变薄,茎秆抵御冰雹、大风等灾害性天气的能力降低,容易造成夏玉米倒伏;8月枣庄市夏玉米处于开花授粉期、籽粒形成期,此时间段阴雨天气较多,光照时数出现不足。
降水量是制约玉米产量一个重要的因素,9月是夏玉米灌浆期,此时期常出现干旱降水不足的问题,缩短灌浆时间;8月已经进入汛期,常发生洪涝天气、洪涝—高温并存天气、洪涝—大风并存天气,降水量普遍较大,对夏玉米的授粉、结实、灌浆均是不利的;6月是播种、幼苗期,常出现干旱天气,通常在播种后及时进行浇灌,确保出苗与苗期生长;7月常发生高温、干旱、洪涝等灾害,容易导致夏玉米倒伏、植株偏矮、雌雄穗分化不同步。

2.3 夏玉米生育期主要农业应对措施分析

(1)进行夏玉米全生育期智能监测预警平台创建。加强农业农村与气象、水利、应急等部门的沟通协作,促进气象数据共享,枣庄市在全国率先建设市级现代农业智能监测平台[33],实现对农作物的虫情、土壤墒情、气象、苗情、灾情等远程视频监控,提高了灾情预防、灾后补救等方面的效率。
(2)推广应用质优丰产抗逆品种。优良品种是玉米获得丰产稳产的内在遗传基础,结合处于黄淮海区域的枣庄气候特征,继续推广应用抗旱、抗涝、抗花期高温、抗倒伏、抗病等抗逆性较强、结实率高、耐密、穗位适中、增产潜力大的优良品种,例如‘郑单958’、‘浚单20’、‘登海605’、‘隆平208’、‘中科玉505’、‘联创808’、‘裕丰303’、‘登海618’等品种[32],注重良种与良法的有机配套融合。
(3)应用玉米全程机械化。根据夏玉米品种特性,确定合适的播种量与种肥量,保证单位株数符合有关农艺要求。宜选择可一次性完成破茬开沟、施肥、单粒播种、覆土、镇压等作业工序的复式机具,以节约成本。利用玉米联合收获技术,在收获玉米果穗或籽粒的同时实现秸秆粉碎还田[34],推动农机农艺不断融合。
(4)集成推广应用绿色丰产种植管理技术。在配方施肥的基础上,实施有机肥替代化肥和增施微生物菌肥,改善土壤的理化性质,提高玉米的抗病、抗旱、抗倒伏能力;在病虫害防治方面,选用生物源农药与矿物源农药,采用行走式喷药机或无人机等现代植保机械进行综合绿色防控;在水肥管理方面,推广应用节水微喷灌技术和水肥一体化技术[35],以提高水资源、化肥资源等投入品的利用效率,此举符合国家化肥使用量零增长行动计划,有利于实现资源节约型、绿色可持续型农业。
(5)鼓励发展适度规模经营。为充分发挥劳动、土地、资本、技术、管理等生产要素的作用,发展适度规模经营,积极扶持农业龙头企业、种植大户、家庭农场、专业合作社,实行标准化经营管理,提高土地的利用效率。调动农户的种粮积极性,发挥规模经营的示范带动作用,增加农民种粮收益。
表2 夏玉米产量与主要气象因子灰色关联度排序表
比较序列 气温
X1
降水量X2 光照时数X3 6月气温X4 7月气温X5 8月气温X6 9月气温X7 6月降水量X8 7月降水量X9 8月降水量X10 9月降水量X11 6月光照时数X12 7月光照时数X13 8月光照时数X14 9月光照时数X15
关联度 0.9449 0.7623 0.8578 0.9312 0.9283 0.9157 0.9562 0.5842 0.5409 0.6239 0.6783 0.8212 0.8393 0.7803 0.8283
排序 X7>X1>X4>X5>X6>X3>X13>X15>X12>X14>X2>X11>X10>X8>X9
(6)人工辅助授粉。当气温达到35℃以上,局部容易出现高温热害天气,造成玉米授粉不良,秃尖、缺粒,产量降低。可在高温干旱期间,一般在上午8—10时,用竹竿来回扫雄穗,进行人工辅助授粉,可以减轻高温对玉米授粉受精过程的影响,提高结实率。同时,合理运筹肥水,以水调肥,加速肥料发挥,改善植株的营养状况,增强玉米的抗高温、抗旱能力。

3 结论与讨论

(1)通过夏玉米产量与15个气象因素进行灰色关联度分析,灰色关联度分析排序为:9月气温(0.9562)、6—9月气温(0.9449)、6月气温(0.9312)、7月气温(0.9283)、8月气温(0.9157)、6—9月光照时数(0.8578)、7月光照时数(0.8393)、9月光照时数(0.8283)、6月光照时数(0.8212)、8月光照时数(0.7803)、6—9月降水量(0.7623)、9月降水量(0.6783)、8月降水量(0.6239)、6月降水量(0.5842)、7月降水量(0.5409)。影响鲁南地区夏玉米产量主要气象因子是气温,其次是光照时数,最后是降水量。与王二虎等[36]开展的开封市夏玉米产量与气象因素的灰色关联度分析结果不完全一致,主要与当地种植的玉米品种、异常气候灾害发生情况、病虫害发生情况、栽培技术措施、年份选择数量等方面有很大关系。
(2)通过气温、降水量、光照时数等数据的变异系数显示,年度间呈现很大的波动性,针对鲁南地区常发生的高温、干旱、洪涝等异常气候灾害,可以通过开展夏玉米全生育期监测预警、选择优良的抗性品种、增施功能性有机肥、水肥一体化技术、机械化耕种收、疏通沟渠、人工辅助授粉等技术措施,在异常灾害发生前未雨绸缪,灾害发生后科学应对,减轻异常气候灾害对夏玉米产量的影响,实现粮食减损增效,多项技术措施亦可在相同生态区域推广应用。
(3)灰色关联度分析亦具有自身的局限性,在数据的选择中具有一定的主观性,在一定程度上制约数据分析的客观性,故在以后的数据分析中增加数据分析的年份、因素的数量等因量,以提高数据分析的准确性与科学性。

References

[1]
邓聚龙. 灰色系统理论教程[M]. 武汉: 华中理工大学出版社, 1990: 38-84.
[2]
邓聚龙. 灰色理论基础[M]. 武汉: 华中科技大学出版社, 2002: 140-143.
[3]
刘思峰. 灰色系统理论的产生与发展[J]. 南京航空航天大学学报, 2004,36(2):267-272.
[4]
邓聚龙, 灰色系统与农业[J]. 山西农业科学, 1985(5):34-37.
[5]
邓聚龙, 灰色系统与农业[J]. 山西农业科学, 1985(6):29-33.
[6]
贾志宽. 灰色系统理论在农业上的应用[J]. 新疆农业科学, 1988(6):27-30.
[7]
罗庆成, 徐国新. 灰色关联分析与应用[M]. 南京: 江苏科学技术出版社, 1989.
[8]
苗丽安, 刘金国. 灰色系统模型在山东农业经济发展中的应用[J]. 济南大学学报, 2002,16(4):380-383.
[9]
刘思峰, 党耀国, 方志耕, 等. 灰色系统理论及其应用[M]. 北京: 科学出版社, 2004: 42-46.
[10]
黄小兰, 陆虎华, 胡加如, 等. 糯玉米鲜穗产量与主要农艺性状的灰色关联分析[J]. 农业科技通讯, 2005(12):14-16.
应用灰色系统理论,分析了16个糯玉米新品种的11个主要农艺性状与鲜穗产量的关联度,结果表明,各性状与鲜穗产量的关联度排序依次为穗长>穗粗>鲜百粒重>株高>行粒数>出苗至采收天数>穗行数>轴粗>秃尖长>鲜出籽率>穗位高.因而,糯玉米的鲜穗产量与穗长、穗粗、鲜百粒重关系最为密切,与鲜出籽率、穗位高的关系最为疏远,与其他农艺性状的关系一般.
[11]
张守兵, 谢春华. 中高密植条件下春玉米主要农艺性状与单株平均产量的灰色关联分析[J]. 河北北方学院学报, 2006,22(1):38-41.
[12]
李永洪, 杨跃华, 唐春, 等. 超甜玉米鲜穗产量与主要农艺性状灰色关联分析[J]. 种子世界, 2006(11):22-24.
[13]
李爱军, 李占录, 史红梅, 等. 玉米品种主要农艺性状与产量的灰色关联分析[J]. 山西农业科学, 2008,36(8):23-25.
[14]
纪武鹏, 于琳, 戴志铖, 等. 玉米品种主要农艺性状与产量的灰色关联分析[J]. 2009(9):14-15.
[15]
冯伟, 李卫东. 特早熟玉米主要农艺性状与产量灰色关联分析[J]. 山西农业科学, 2010,38(11):13-16,25.
[16]
姚希勤, 李伟忠. 玉米品种农艺性状与产量的相关性及灰色关联分析[J]. 黑龙江农业科学, 2013,41(30):11989-11990,12056.
[17]
闵丽, 李伟忠, 许崇香, 等. 黑龙江省自育中晚熟玉米品种主要农艺性状与产量的灰色关联分析[J]. 黑龙江农业科学, 2013(4):4-6.
[18]
周玉堂. 中早熟玉米主要农艺性状与产量的灰色关联分析[J]. 黑龙江农垦科技, 2014(7):3-5.
[19]
马国胜, 薛吉全, 陆海东. 饲用玉米生物产量和籽粒产量与相关因素的灰色关联分析[J]. 中国农学通报, 2005,21(1):309-311.
运用灰色关联分析方法对13个饲用玉米品种生物学产量和籽粒产量与相关因素关系的研究分析,结果表明,饲用玉米生物学产量与主要性状间的关联度顺序为:株高>穗位高>成熟期保绿度>穗行数>行粒数>结实长>吐丝期>穗长>穗粗>籽粒产量>千粒重;籽粒产量与主要性状间的关联度顺序为:千粒重>穗长>结实长>行粒数>穗粗>行数>生物产量>株高>穗位高>成熟期保绿度>吐丝期。
[20]
成雪峰, 李建奇, 张凤云. 夏玉米产量与产量性状的灰色关联分析[J]. 种子, 2007(12):60-62.
应用灰色关联度分析法对15个夏玉米品种的产量、千粒重等9个性状的相关性进行了分析.结果表明:在研究的9个性状中,玉米产量与农艺性状关联度由大到小排序依次为:千粒重(0.745 06)》穗行数(0.716 81)》稳住高(0.715 80)》株高(0.715 35)》穗粗(0.706 81)》行粒数(0.675 46)》穗长(0.66408)》秃顶长(0.661 03).因此,在黄淮海地区夏玉米的高产育种中,要选择千粒重大、穗行数多的品种,同时加强穗位高的选择,而对穗长、秃顶长等性状的选择应适当放宽.该结果对夏玉米育种目标的制定,品种改良具有实际意义.
[21]
孙林华. 对我省中北部和南部玉米产量构成因子的灰色关联分析[J]. 种子世界, 2000(7):17-19.
[22]
尹会园, 张远想, 李英俊, 等,. 玉米果穗主要性状与产量的灰色关联分析[J]. 中国种业, 2012(12):46-47.
[23]
张文忠, 宋殿忠, 栗红生, 等. 灰色关联分析在玉米杂交种产量性状上的应用[J]. 内蒙古农业科技, 2008,( 5):25-27.
[24]
刘晶, 李非, 李月明, 等. 辽宁中熟玉米杂交种产量相关性状的灰色关联分析[J]. 辽宁农业科学, 2011(4):27-30.
应用灰色关联度分析方法,对2010年参加辽宁省中熟玉米区域试验的10个玉米杂交组合的8个主要农艺性状进行分析.结果表明:各性状与产量的关联度大小排序为:百粒重、行粒数、出籽率、空秆率、穗长、秃尖长、穗粗和倒折率.百粒重、行粒数、出籽率、空秆率、穗长等因素与产量的关联度较高,对产量影响较大.百粒重和行粒数是辽宁省中熟玉米杂交种选育的主要影响因素.在选育中熟玉米品种时,应在保证适当百粒重和果穗长度的前提下,注重选育出籽率高,空秆率低的品种.
[25]
李伟忠, 安英辉, 许崇香, 等. 玉米自交系表型性状与产量的灰色关联分析[J]. 作物杂志, 2012,( 5):105-108.
[26]
李光发, 李忠南, 王越人, 等. 玉米PH6WC组合与产量相关性状的灰色关联分析[J]. 玉米科学, 2013,21(6):45-48.
[27]
姚希勤, 李伟忠, 许崇香. 玉米自交系产量与光合相关性及灰色关联分析[J]. 黑龙江农业科学, 2014(3):7-9.
[28]
赵凡, 何秀云, 沈玉梅, 等. 玉米秸秆还田保护性耕作对产量及土壤理化性状影响的灰色关联分析[J]. 干旱地区农业研究, 2011,29(4):208-213,218.
[29]
陈思宇, 孙玉莲, 费延洲, 等. 基于灰色关联分析的全膜双垄沟播玉米产量气象影响因素研究[J]. 现代农业科技, 2015,( 24):219-221.
[30]
王龙俊, 陈震, 蒋小忠. 黄淮海地区农事旬历指导手册[M]. 南京: 江苏凤凰科学技术出版社, 2015: 4.
[31]
刘燕, 卜晓娜, 赵武, 等. 安阳夏玉米生长期气候要素与产量的灰色关联分析[J]. 气象与环境科学, 2007,30(9):70-72.
[32]
枣庄市农业农机技术推广中心. 关于印发《2019年枣庄市夏玉米生产技术意见》的通知[Z]. 2019-06-06.
[33]
杨宁, 王洛彩, 慈航, 等. 枣庄市夏玉米异常灾害发生规及应对措施调查研究[J]. 科学种养, 2017(4):8-10.
[34]
张双双, 王洛彩, 孙竹梅, 等. 枣庄市夏玉米异常灾害预警应对减灾稳产技术规程[J]. 中国农业信息. 2017(2):43-45.
[35]
孙竹梅, 王洛彩, 杨宁, 等. 枣庄市夏玉米生产中存在的主要问题及应对措施调查研究[J]. 科学种养. 2017(7):15-16.
[36]
王二虎, 孙欣. 开封市夏玉米产量与气象因素的灰色关联度分析[J]. 陕西农业科学. 2012(6):37-40.

RIGHTS & PERMISSIONS

Copyright reserved © 2020.
Share on Mendeley
PDF(1117 KB)

56

Accesses

0

Citation

Detail

Sections
Recommended

/