摘 要：【目的】分析东北春大豆种质资源的表型特征并筛选优质材料。
【方法】选用209份材料，种植3年，对12个大豆性状进行描述性统计、聚类分析、分段线性回归分析和综合评价等。
【结果】表型变异系数及多样性指数范围指出节数、茎粗和百粒重变化幅度较为稳定，分枝数、虫食重比和单株荚数等9个性状变异丰富；所有性状可被主成分分析浓缩为产量、抗虫、百粒重及株型因子，其中产量因子与株型正相关，与百粒重、虫食粒数和虫食重比负相关；种质资源可划分为4个类群，I类群株型适中且荚数多，II类群植株矮小且单株产量低，III类群株型理想、产量最高，IV类群与I类群相似但抗虫性差；分段线性回归得出理想高产大豆范围在株高102.03 cm、19.93个节数、3.5个分枝、茎粗11.39 mm、豆荚99.73个和粒数286.09个左右，且尽可能不受大豆食心虫的取食；在DTOPSIS（dynamic technique for order preference by similarity to ideal solution）法下，种质资源的综合得分在0.59～0.25，平均得分为0.16。
【结论】东北春大豆资源表型多样性丰富，I类群、III类群可分别用于株型改良和高产育种。株型适中、粒数较多且抗虫是高产大豆的主要特征。Soy194、Soy052和Soy196可作为优异种质运用于大豆育种中。
关键词：大豆；农艺性状；聚类分析；分段线性回归；综合评价
中图分类号：S565.1"" 文献标志码：A"" 文章编号：1001-4330（2024）12-2921-13
0 引 言
【研究意义】大豆（Glycine max）是我国主要的粮油饲兼用作物［1］。提高大豆单产是育种者的主要目标之一［2， 3］。种质资源的收集与表型评定是挖掘优良材料、提高种质利用效率以促动大豆产量增长的关键［4， 5］。
东北地区作为大豆的主产区，评估当地种质资源的性状表现有助于发掘影响产量的重要性状因子及优异材料，对培育高产大豆具有重要意义。
【前人研究进展】赵朝森等［6］在江西省对439份大豆材料进行调查研究，在评估其19个性状多样性的同时，发现蛋白质含量、蛋脂总含量高而脂肪含量低是江西大豆种质的突出特点并筛选出3份高蛋白材料；徐泽俊等［7］基于303份黄淮海地区大豆种质资源内13个表型，认为生育日数、株高、单株粒数、单株粒重和蛋白质含量是该区域主要评价指标；聂波涛等［3］以334份北方春大豆的12个性状作为对象，不仅探讨了株型因素及品质性状对单产的影响方向，而且计算出高产高油及高产高蛋白理想株型的性状指标范围。地方大豆品种是种质创新的基础材料之一［8］，亦往往携带当地主要病虫害抗性基因及较强的适应性［9， 10］，将其纳入考察范围，即可用于高产品种的改良，也有助于突破大豆育种同质化的瓶颈［11］。此外，大豆食心虫是影响东北春大豆产区的主要害虫之一，其啃食籽粒以造成产量损失［12］。虽然在品种审定中将食心虫害作为考量标准，但在近年来鲜见其作为评价指标的报道。这削弱了东北地区种质资源评价的科学性及合理性。变异及多样性分析、相关性分析、聚类分析等方法被广泛用于大豆种质资源的评价系统中［6， 7， 13］，尤其是主成分分析和聚类分析常用于对材料的分群，以总结其类群血缘、性状特点以提供杂交组配的合理道路［13， 14］。【本研究切入点】种质的优异与否依赖对测量性状的综合评价。DTOPSIS法因其综合了性状方向选择、对性状的客观赋权及基于现有对象的相对优劣评价的优点，被陆续用于玉米［15］、谷子［16］和羊草［17］等优异育种材料的选择，为作物表型综合评价提供了科学合理的量纲方式。需综合209份东北地区春大豆的选育和地方材料，对农艺性状和抗食心虫性状进行多年鉴定，以完善大豆种质资源评价体系并筛选优异种质。【拟解决的关键问题】评估材料群体表型多样性、相关性及单株产量影响因子、筛选高产抗虫的大豆种质资源，为东北地区大豆新品种的选育提供有益资源与表型参考。
1 材料与方法
1.1 材 料
选用209份在吉林省可正常成熟的大豆种质资源，由吉林农业大学农学院经济作物改良团队提供。选育材料156份，其中154份为国内材料，2份为国外材料（以下均简称选育）；国内地方材料53份（以下简称地方）。
所有材料2021～2023年种植于吉林省长春市吉林农业大学大豆区域技术创新中心试验田（43°80′N，125°41′E）。每份材料等量点播为一行，行长4 m，行距0.6 m，株距8 cm。田间管理及农艺措施如同常规农业生产方式。依据不同种质资源的生育期特点，在其完全成熟后收获，用于后续表型考察。
1.2 方 法
1.2.1 试验设计
选取每行中连续生长且长势良好的3株植株进行室内考种。株高（Plant height / PH）、节数（Branch node number / BNN）、分枝数（Number of branches / BN）、茎粗（Stem thickness / ST）、单株荚数（Pod number per plant / PNP）、单株粒数（Seed number per plant / SNP）、单株粒重（Seed weight per plant / SWP）和百粒重（One hundred seed weight / HSW）依据《大豆种质资源数据质量标准（GB 4404.2-2010）》鉴定，但单株荚数记录瘪荚等无效荚，单株粒重不淘汰虫食粒。大豆食心虫造成的虫食粒数（Seed damaged by insect / SDI）及虫食余粒重（Damaged seed weight by insect / SWI）在考察粒数及粒重时清点，而后用于计算虫食粒率（Percentage of damaged seeds by insect of total seed number per plant / PDS）与虫食重比（Percentage of damaged seeds weight by insect of total seed weight per plant / PWI），其计算公式为：
虫食粒率 = （虫食粒数 / 单株粒数）× 100%；
虫食重比 = ［（百粒重 / 100） × 虫食粒数 - 虫食余粒重］ / 单株粒重 × 100%。
1.2.2 表型数据统计及遗传多样性
基于R 4.3.2（https：//www.r-project.org/）利用所有种质资源的表型平均值进行描述性统计等分析。其中，方差分析使用agricolae包运算；聚类分析应用scale函数处理原始数据使之标准化，并采用欧式距离及离差平方和法进行［18， 19］，NbClust包用于确认最佳聚类簇数［20］；主成分分析则使用factoextra包和FactoMineR包对标准化后的数据进行，PCA函数下scale.unit设置成FALSE，ncp设置为10；分段线性回归分析通过SiZer包对原始数据进行，piecewise.linear函数下CI设置为TRUE，bootstrap.samples设置为1 000。其余统计则利用R自带函数及tidyverse包下的对应函数运算，所有统计结果的可视化基于ggplot2、ggtree（聚类树）和corrplot包（相关性图）绘制。此外，除上述标注的参数外，其余参数设置为默认情况。
Shannon-weaver多样性指数（H′）用于衡量表型的遗传多样性［13， 21］。简要而言，先以各表型的平均值（X-）和标准差（δ）将群体分为10个类群，第一类的数值 lt; X- - 2δ，第10类的数值 ≥ X- + 2δ，其他类群间相差0.5δ。随后，计数每个类群的分布频次。公式H′= -ΣPiLnPi被用于计算指数，Pi为第i个类群内的频次数。
1.3 数据处理
使用基于主成分分析的DTOPSIS法对种质资源进行赋分。首先，依据生产实际将12个性状分为正向、中性和逆向三个类型。其中，节数、分枝数、单株荚数、单株粒数和单株粒重有助于大豆单产的提高，归为正向类型；株高和茎粗与植株的生物产量相关，但过高可能造成产量的降低，归类成中性类型；虫食粒数、虫食粒重、虫食粒率及虫食重比反映大豆产量的损失，定义为逆向类型。针对不同类型，采用无量纲化处理［15］：正向类型Mij = Nij / Nimax，其中，i表示第i个表型，j表示第j个品种，Nij是j品种的表型值，max表示该表型的最大值；中性类型Mij = N-i / ［ N-i + ABS（N-i - Nij） ］，其中N-i表示平均值，ABS为绝对值；逆向类型为Mij = Nij / Nimin，其中，min表示最小值。其次，对无量纲化的数据进行主成分分析，选取对应性状的特征向量使之同标准化后的表型数值进行乘积和运算并获得F值［3， 13］，依照模糊隶属函数法Uij = （Fij-Fimin） / （Fimax - Fimin） 求得各种质资源下每个主成分的U值［3， 22］。最后，以主成分的贡献率作为权重（W）分别与U值相乘获得综合评价得分（D）［3］，即D = W1 × U1 + W2 × U2 + Wi × Ui。
2 结果与分析
2.1 大豆种质资源的遗传多样性
研究表明，各性状的变异系数为13.74%～66.65%，从大到小依次为分枝数、虫食重比、虫食粒重、虫食粒数、虫食粒率、单株荚数、单株粒数、单株粒重、株高、百粒重、节数和茎粗。可见所用种质在抗虫性及产量性状上存在较大的差异，但百粒重的变异系数较小，仅为16.25%。多样性指数的跨度为1.86～2.05，从大到小依次是茎粗、节数、虫食粒率、株高、虫食粒数、单株粒重、百粒重、单株粒数、虫食粒重、单株荚数、分枝数和虫食重比，上述性状在各区间均有分布。此外，12个性状均受年份（环境）的极显著影响，同时还具有种质与年份间的极显著互作。试验所涉种质遗传多样性丰富，适合评价种质资源。表1
2.2 大豆各性状的相关性
研究表明，株高、分枝数、节数、茎粗、单株荚数、单株粒数和单株粒重间两两呈现极显著的正相关关系，但除茎粗及单株粒重外，这些性状与百粒重为极显著的负相关。其中，单株荚数、单株粒数及单株粒重三者间相关系数均大于0.6，尤其是前两者间的系数为0.9。荚数是控制大豆单株产量的主要因素。百粒重与茎粗为显著正相关、与单株粒重为极显著正相关，与虫食粒数呈现显著正相关、与虫食粒率为极显著正相关；4个抗虫有关的性状间彼此也表现为极显著正相关；虫食粒数和虫食粒重同株高、节数、荚数、粒数和粒重间具有极显著的正向关系，但前者仅与茎粗有显著正相关性，后者同茎粗和分枝数分别为极显著和显著的正向关系；虫食粒率则与分枝数、茎粗、荚数和粒数呈负相关性，其中前2个性状关系显著，后两者关系极显著。在选育大豆品种时应考虑到荚数、株高和百粒重的平衡，以保证在增产的同时减少虫食损失。图1
2.3 聚类分析与主成分
研究表明，地方材料与选育材料被分割为两个部分，类群I和II主要由选育材料构成，类群III和IV容纳了大多数的地方材料。各类群的具体特点如下，类群I包含70个材料，主要为黑龙江省和吉林省选育的品种，其特点为株高适中、节数较多，拥有较高的荚数和百粒重、分枝跨度大，剩余性状均为中等水平；类群II有61份材料，以黑龙江省选育的品种为主。特征为植株较矮、节数和分枝数少，荚数少且单株粒重低；类群III有46份资源，地方材料与育成品种各半，来源及选育单位覆盖辽宁、吉林和黑龙江三省，因而类群内部的节数、百粒重和籽粒抗虫食性间差异较大。整体表现出高植株、单株荚数多且单株粒重大的特点；类群IV有32份种质，组成情况与类群III相似，而表现与类群I相近。该类种质的籽粒易受昆虫取食，虫食重比虽有较大的跨度但依旧高于其余类群。图2，表2
所有性状可划分为4个主成分，累积贡献率为83.47%，解释了209份大豆资源中12类表型的大部分信息。除第4主成分的特征值为0.9，其余主成分均大于1。其中，第1主成分中作用最大3个性状为单株荚数、粒数和粒重，特征值分别为0.89、0.86和0.75，反映了产量因素。同时，株高、分枝数、节数和茎粗的特征值也较高，体现了株型与产量因素的密切关系；第2主成分内虫食粒率、虫食重比、虫食粒重和虫食粒数的特征向量最大，分别为0.91、0.83、0.74和0.69，体现了植株的抗虫食因素；第3主成分下，百粒重的特征值为0.89，其远高于其他表型。也是产量因素之一，但侧重于大豆籽粒的平均重量；第4主成分主要由株高和节数控制，特征值分别是0.47和0.39，可称为株型因素。表3
2.4 分段线性回归
研究表明，单株粒重和百粒重由于在分界点前后所余数据量极少，分别无法获得有效的第2段及第1段函数；株高、节数、分枝数和茎粗均经历第1段随数量增加而促进单株粒重提高的过程，同时分别在高102.03 cm、19.93个节、3.5个分枝及11.69 mm茎粗后导致粒重的下降；单株粒数和百粒重持续保持对粒重的正向贡献。然而，单株荚数在超过99.73个后不利于粒重的增长，其可能同无效荚数的出现有关；虫食粒数和虫食粒重虽均保持与单株粒重的正向关系，但在8.88个和0.39 g后增幅放缓。虫食粒率和虫食重比则呈先增后减的趋势，转折点分别在9.95%和1.17%。使用本种质群体作为选育高产的材料时应注意株型和荚数适当，且不易受虫害为害的资源。表4，图3
2.5 种质资源综合评价
研究表明，前3个主成分的累积贡献率接近80%（79.5%），选择前3个主成分作为重要主成分。随后，株高（X1）、分枝数（X2）、节数（X3）、茎粗（X4）、单株荚数（X5）、单株粒数（X6）、单株粒重（X7）、百粒重（X8）、虫食粒数（X9）、虫食粒重（X10）、虫食粒率（X11）和虫食重比（X12）的标准化数据分别带入下述公式计算F值：
F1 = -0.024 9X1 + 0.053 5X2 + 0.192 7X3 - 0.004 0X4 + 0.146 4X5 + 0.115 7X6 + 0.086 6X7 - 0.034 8X8 - 0.046 7X9 - 0.046 0X10 + 0.019 9X11 - 0.016 3X12.
F2 = -0.018 1X1 + 0.013 5X2 + 0.021 8X3 - 0.002 3X4 + 0.014 3X5 + 0.007 1X6 -0.027 0X7 - 0.034 9X8 + 0.098 7X9 + 0.085 8X10 + 0.162 8X11 + 0.115 8X12.
F3 = 0.043 3X1 + 0.023 0X2 - 0.100 4X3 + 0.011 2X4 + 0.040 1X5 + 0.058 8X6 + 0.076 7X7 + 0.012 9X8 - 0.009 9X9 - 0.000 8X10 + 0.014 7X11 + 0.024 7X12.
依照U值及DTOPSIS法计算公式对F值进行处理。已知F1至F3的贡献率分别为40.73%、27.5%和11.27%，换算成权重为0.51、0.35和0.14。F2的主要部分是虫食性状，因此为权重添加方向。故综合评分分值D = 0.51U1 - 0.35U2 + 0.14U3。209份大豆种质资源的综合分数，范围从0.59～-0.25，平均得分为0.16。其中，排名前50份种质资源几乎全来自于III类，并且前10个有7份为地方材料。Soy194的综合分数最高，表现为株型因素水平中等但分枝数多、有较多的荚数和粒数，单株粒重高（40.64 g，第7）且籽粒不易受昆虫取食（虫食粒率1.78%，虫食重比0.58%）。综合分数最高的选育材料是Soy052，其D值为0.5，排名第4。该种质为吉林省选育的品种，主要表现为极多的粒数（319.17个）、极小的百粒重（6.65 g）和好的抗虫性（虫食粒率1.70%，虫食重比0.96%），其余性状水平中等。排名第7的Soy196，是综合分数第2的选育材料。作为吉林省选育品种，其特点是株型较大（株高、节数和茎粗均约为平均值的1.2倍），较多的荚数和粒数，单株粒重极高（42.56克，排名第2），但其抗虫性一般（虫食粒率5.24%，虫食重比1.37%）。表5，表6
3 讨 论
3.1
种质资源的性状分析及表型评定是种质创新、品种改良的基础［7］。对209份大豆种质的12个性状分析的结果表明，目标群体内部具有较高的遗传多样性，适宜择优作为育种材料并加以利用。同时，除节数、茎粗和百粒重外的性状具有较高的变异系数，与前人对北方春大豆及东北种质群体的研究结果相符［3， 23］。分枝数的变异系数远高于聂波涛等［3］的结果，可能是地方材料较多的缘故。对地方种质的表型调查可拓宽育种视野及可用资源［9］。虫食粒数、虫食粒重、虫食粒率和虫食重比在种质资源的变异系数均高于40%则显示出东北春大豆在抗食心虫上的能力差异，在其中挑选抗性品种将有助于减少田间损失及提高大豆产品品质，以利于产能的稳定增长。此外，上述4个性状与其余性状的相关性及分段线性回归分析的结果显示，虫食粒数、虫食粒重与单株荚数、粒数和粒重显著正相关，虫食粒率及虫食重比与产量构成因素成反比或无显著相关性。前2个指标易成为综合评定中的干扰项目，而后2个指标适合作为评价抗虫能力的标准。但是虫食粒率常用于衡量大豆抗食心虫能力［24， 25］，而虫食重比鲜见于相关研究。在今后的综合评价体系及抗食心虫研究中应将虫食重比作为考察的指标之一。
3.2
前人对大豆性状的相关性分析指出株型因子与产量因子常呈现正相关的特性［7， 13， 19］，研究也发现株高、茎粗、分枝数和节数与单株荚数、粒数及粒重间具有极显著的正相关性。然而，分段线性回归分析的结果显示出合理的株型及产量因子范围更有益于单株粒重的提高。在研究所涉种质内，高产大豆理想数值为株高102.03 cm、19.93节、分枝3.5个、茎粗11.39 mm、豆荚99.73个、粒数286.09个，尽可能不受食心虫的侵害。其结果与北方春大豆的研究结果相近［3］。此外，百粒重虽然正向调控单株粒重，但是其与株高、荚数和粒数等因子极显著负相关。主成分分析将12个性状浓缩为4个累积贡献率大于80%的因素，其分别为产量、抗虫、百粒重及株型因子，4个主成分可决定东北春大豆的多样性。同时，在各主成分的特征向量中，百粒重也表现出与产量因子负相关，与抗虫因子正相关的特点。因而，百粒重只需在适当范围，可不作为高产大豆的主要选择性状。东北高产春大豆选育应优先选择有效荚数和粒数较多、高抗食心虫的中等株型材料。
通过聚类分析209份种质资源被分割为4个类群，与SSR标记聚类结果一致的是［26］，4个类群中的依照选育品种及地方材料被分为2个大类。但具有绝大多数地方材料的类群，内部表现为地方材料和选育品种混合的特征，与北方春大豆的结果不符［3］。这些结果反映出所用种质不一而造成的特征，也可能是由于表型受遗传及环境因素的共同调控致使结果不一的情况［7］。从类群的种质特点及性状的平均表现上而言，第I类有中等株型及较多的荚数但单株产量不高，可与优异资源杂交以综合株型及产量的优势；第II类群体无株型和产量优势，其原因可能为多隶属黑龙江的早熟品种，在吉林省地区无法发挥其优势，故不建议作为吉林省育种的主要材料；第III类群体具有高产特性，荚数和粒重高于其他类群。平均株高在103.22 cm，属于理想类型。应结合抗虫特点挑选优异种质作为主要的育种亲本；第IV类的表现与第I类相似但抗虫性不佳，可择优选择改造其抗虫或产量特性。
DTOPSIS法被认为能够较强地分辨种质资源的优劣而被用于大豆品种的表型综合评价中［3， 27， 28］。研究利用携带性状选育方向的无量纲方式及主成分赋权法计算了209份材料的D值。其中，排名第1的Soy194兼具株型和荚数的优势且有较好的抗食心虫特征，可作为骨干亲本参与品种选育工作；排名第1的选育品种Soy052是多粒、高抗食心虫的小粒品种，即可用于粒数和抗虫的改良材料，也可作为特用纳豆或芽豆的育种资源；排名第2的选育品种Soy196植株高大，单株产量排名第2但抗虫性较差，若改善其株型及提高食心虫抗性可获得高产的大豆品种。另一方面，综合评价排名靠前的材料均在III和I类群中，与高产类群重叠的情况证明了DTPOSIS法的合理性。同时，D值与株型因子和除百粒重外的产量因子极显著正相关、与虫食指数极显著负相关的结果也进一步证实了DTOPSIS法可容纳研究对象的重要指标以用于分辨材料间的优劣程度。此外，综合评价指数前5%的材料中（共11份），有8份属于地方材料，而3份选育材料中有2份为吉林省的品种，在大豆品种选育中要注意结合地方材料及种质区域的优良材料以针对性地培育高产稳产的优异品种。
4 结 论
209份东北春大豆连续3年的12个性状中除节数、茎粗和百粒重外的性状变异系数较高，可结合育种目标择优利用；产量、抗虫、百粒重及株型因子可用于概括东北春大豆的表型特点，其中产量因子与株型正相关，与百粒重、虫食粒数和虫食重比负相关；以单株粒重为因变量的分段线性回归指出略高于群体平均值的株型水平、多粒数及优异的大豆食心虫抗性是高产大豆的主要特征；聚类分析显示I类群、III类群可分别用于株型优化、高产育种中，IV类群在使用时需要考虑其对食心虫的抗性问题，II类群不适宜作为吉林省中部产区的育种资源；DTPOSIS法对大豆种质资源的综合评价具有较好的效果，其排名突出的Soy194、Soy052和Soy196可分别作为骨干亲本、粒数改良和粒重改良材料。
参考文献（References）
［1］查霆， 钟宣伯， 周启政， 等. 我国大豆产业发展现状及振兴策略［J］. 大豆科学， 2018， 37（3）： 458-463.
ZHA Ting， ZHONG Xuanbo， ZHOU Qizheng， et al. Development status of Chinas soybean industry and strategies of revitalizing［J］. Soybean Science， 2018， 37（3）： 458-463.
［2］ 徐瑶， 冷苏凤， 张玉明， 等. 1982-2021年江苏省审定大豆品种主要农艺性状、产量、品质及抗性演变分析［J］. 中国油料作物学报， 2022， 44（4）： 780-789.
XU Yao， LENG Sufeng， ZHANG Yuming， et al. Evolution analysis of main agronomic traits， yield， quality and resistance of soybean varieties released in Jiangsu Province from 1982 to 2021［J］. Chinese Journal of Oil Crop Sciences， 2022， 44（4）： 780-789.
［3］ 聂波涛， 刘德泉， 陈健， 等. 北方春大豆品种农艺和品质性状分析与综合评价［J］. 作物学报， 2024， 50（9）： 2248-2266.
NIE Botao， LIU Dequan， CHEN Jian， et al. Analysis and comprehensive evaluation of agronomic and quality traits of spring soybean varieties in Northern China［J］. Acta Agronomica Sinica， 2024， 50（9）： 2248-2266.
［4］ 邱丽娟， 李英慧， 关荣霞， 等. 大豆核心种质和微核心种质的构建、验证与研究进展［J］. 作物学报， 2009， 35（4）： 571-579.
QIU Lijuan， LI Yinghui， GUAN Rongxia， et al. Establishment， representative testing and research progress of soybean core collection and mini core collection［J］. Acta Agronomica Sinica， 2009， 35（4）： 571-579.
［5］ 常汝镇， 孙建英， 陈一舞. 中国大豆种质创新的内容与方法［J］. 作物品种资源， 1995， （1）： 2-4.
CHANG Ruzhen， SUN Jianying， CHEN Yiwu. Content and Methods of Soybean Germplasm Innovation in China［J］. China Seed Industry， 1995， （1）： 2-4.
［6］ 赵朝森， 王瑞珍， 李英慧， 等. 江西大豆种质资源表型及品质性状综合分析与评价［J］. 大豆科学， 2019， 38（5）： 686-693.
ZHAO Chaosen， WANG Ruizhen， LI Yinghui， et al. Comprehensive analysis and evaluation of the phenotype and quality traits of Jiangxi soybean germplasm resources［J］. Soybean Science， 2019， 38（5）： 686-693.
［7］ 徐泽俊， 齐玉军， 邢兴华， 等. 黄淮海大豆种质农艺与品质性状分析及综合评价［J］. 植物遗传资源学报， 2022，23（2）： 468-480.
XU Zejun， QI Yujun， XING Xinghua， et al. Analysis and evaluation of agronomic and quality traits in soybean germplasms from Huang-Huai-Hai Region［J］. Journal of Plant Genetic Resources， 2022，23（2）： 468-480.
［8］ 曾维英， 赖振光， 谭玉荣， 等. 广西地方大豆种质资源的收集与评价鉴定筛选［J］. 大豆科学， 2021， 40（3）： 354-361.
ZENG Weiying， LAI Zhenguang， TAN Yurong， et al. Collection， evaluation and screening of local soybean germplasm in Guangxi［J］. Soybean Science， 2021， 40（3）： 354-361.
［9］ 盖钧镒， 崔章林. 我国南方大豆地方品种群体特点和特异种质的发掘与遗传基础研究［J］. 中国农学通报， 1993， 9（2）： 1-5.
GAI Junyi， CUI Zhanglin. Studies on the properties of soybean Landrace population from Southern China and on the germpiasm with specific target traits and their genetic background［J］. Chinese Agricultural Science Bulletin， 1993， 9（2）： 1-5.
［10］ 常汝镇， 孙建英， 邱丽娟. 中国大豆种质资源研究进展［J］. 作物杂志， 1998， （3）： 7-9.
CHANG Ruzhen， SUN Jianying， QIU Lijuan. Research progress on soybean germplasm resources in China［J］. Crops， 1998，（3）： 7-9.
［11］ 王继亮， 宗春美， 王德亮， 等. 东北大豆种质群体在佳木斯的表型鉴定及利用探析［J］. 中国油料作物学报， 2021， 43（6）： 996-1005.
WANG Jiliang， ZONG Chunmei， WANG Deliang， et al. Identification， evaluation and improvement utilization of Northeast China Soybean Germplasm Population in Jiamusi［J］. Chinese Journal of Oil Crop Sciences， 2021， 43（6）： 996-1005.
［12］ Zhao G Y， Jiang Z F， Li D M， et al. Molecular loci associated with seed isoflavone content may underlie resistance to soybean pod borer （Leguminivora glycinivorella）［J］. Plant Breeding， 2015， 134（1）： 78-84.
［13］ 孟珊， 徐婷婷， 朱小品， 等. 江苏大豆地方种质资源表型多样性分析［J］. 植物遗传资源学报， 2023，24（2）： 419-436.
MENG Shan， XU Tingting， ZHU Xiaopin， et al. Diversity analysis of soybean landraces collected from Jiangsu Province using phenotypic traits［J］. Journal of Plant Genetic Resources， 2023，24（2）： 419-436.
［14］ 李艳花， 杜成章， 陈红， 等. 重庆大豆地方资源多样性评价及群体表型特点研究［J］. 植物遗传资源学报， 2013， 14（6）： 1025-1030.
LI Yanhua， DU Chengzhang， CHEN Hong， et al. Study of genetic diversity and population morphological characteristics of soybean landraces in Chongqing［J］. Journal of Plant Genetic Resources， 2013， 14（6）： 1025-1030.
［15］ 齐建双， 夏来坤， 黄保， 等. 基于熵权的DTOPSIS法和灰色局势决策法在玉米品种区域试验中的应用探讨［J］. 作物杂志， 2021， （1）： 60-67.
QI Jianshuang， XIA Laikun， HUANG Bao， et al. Discussion on the application in the regional experiment of maize varieties by entropy DTOPSIS mode and grey situation decision methods［J］. Crops， 2021， （1）： 60-67.
［16］ 宋慧， 郭岩， 邢璐， 等. 基于灰色关联度、DTOPSIS与灰色局势决策法的谷子品种综合评价［J］. 中国农业大学学报， 2023，28（11）： 42-56.
SONG Hui， GUO Yan， XING Lu， et al. Comprehensive evaluation of foxtail millet varieties based on grey correlation degree， DTOPSIS and situational decision-making method［J］. Journal of China Agricultural University， 2023，28（11）： 42-56.
［17］ 高山， 闫程铭， 万畅， 等. 基于灰色关联度法和DTOPSIS法对羊草种质资源综合评价［J］. 草地学报， 2024， 32（2）： 599-609.
GAO Shan， YAN Chengming， WAN Chang， et al. Comprehensive evaluation of germplasm resources of Leymus chinensis based on grey correlation method and DTOPSIS method［J］. Acta Agrestia Sinica， 2024， 32（2）： 599-609.
［18］ 段会军， 张彩英， 王省芬， 等. 河北省大豆品种主要农艺性状及聚类分析［J］. 河北农业大学学报， 2003，26（2）： 5-9.
DUAN Huijun， ZHANG Caiying， WANG Xingfen， et al. The main agronomic traits and cluster analysis of soybean varieties in Hebei［J］. Journal of Agricultural University of Hebei， 2003，26（2）： 5-9.
［19］ 黎松松， 赖建军， 张红梅， 等. 江苏鲜食春大豆种质资源表型鉴定及综合评价［J］. 大豆科学， 2022， 41（4）： 385-396.
LI Songsong， LAI Jianjun， ZHANG Hongmei， et al. Phenotyping identification and comprehensive evaluation of fresh spring soybean germplasms in Jiangsu Province［J］. Soybean Science， 2022， 41（4）： 385-396.
［20］ Charrad M， Ghazzali N， Boiteau V， et al. NbClust： AnRPackage for determining the relevant number of clusters in a data set［J］. Journal of Statistical Software， 2014， 61（6）： 1-36.
［21］ Shannon C E， Weaver W. The mathematical theory of communication［M］. Champaign， IL， US： University of Illinois Press， 1949： 117.
［22］ 孙东雷， 卞能飞， 陈志德， 等. 花生种质资源表型性状的综合评价及指标筛选［J］. 植物遗传资源学报， 2018， 19（5）： 865-874.
SUN Donglei， BIAN Nengfei， CHEN Zhide， et al. Comprehensive evaluation and index screening of phenotypic traits in peanut germplasm resources［J］. Journal of Plant Genetic Resources， 2018， 19（5）： 865-874.
［23］ 苏江顺， 齐玉鑫， 杨君， 等. 东北大豆种质群体在吉林省白城市的表现及其潜在的育种意义［J］. 土壤与作物， 2019， 8（1）： 1-10.
SU Jiangshun， QI Yuxin， YANG Jun， et al. Performance and genetic potential of Northeast China soybean germplasm population in Baicheng City of Jilin Province［J］. Soils and Crops， 2019， 8（1）： 1-10.
［24］ 张君， 蔡立楠， 姚丹， 等. 大豆抗食心虫主基因+多基因遗传效应分析［J］. 中国农学通报， 2012，28（36）： 227-230.
ZHANG Jun， CAI Linan， YAO Dan， et al. Analysis of major gene plus polygene inheritance effects on soybean pod borer resistance［J］. Chinese Agricultural Science Bulletin， 2012，28（36）： 227-230.
［25］ 崔娟， 乔方， 秦贝华， 等. 大豆食心虫成虫对大豆品种的产卵选择性和幼虫适生性分析［J］. 中国油料作物学报， 2023， 45（3）： 592-599.
CUI Juan， QIAO Fang， QIN Beihua， et al. Oviposition selectivity and larval fitness of soybean pod borer， Leguminivora glycinivorella（Lepidoptera： Olethreutidae）to different soybean varieties［J］. Chinese Journal of Oil Crop Sciences， 2023， 45（3）： 592-599.
［26］ 林凡云， 邱丽娟， 常汝镇， 等. 山西省大豆地方品种与选育品种农艺性状及SSR标记遗传多样性比较分析［J］. 中国油料作物学报， 2003，25（3）： 26-31.
LIN Fanyun， QIU Lijuan， CHANG Ruzhen， et al. Genetic diversity of Landrace and bred varieties of soybean in Shanxi［J］. Chinese Journal of Oil Crop Scieves， 2003，25（3）： 26-31.
［27］ 昝凯， 陈亚光， 申为民， 等. 黄淮海夏大豆（南片）品种（系）农艺性状的综合分析及评价模型构建［J］. 大豆科学， 2023， 42（2）： 129-137.
ZAN Kai， CHEN Yaguang， SHEN Weimin， et al. Comprehensive analysis of agronomic characters of summer sowing soybean varieties（lines） in Huang-Huai-Hai Region（south） and constructing A comprehensive evaluation model［J］. Soybean Science， 2023， 42（2）： 129-137.
［28］ 昝凯， 周青， 张志民， 等. 灰色关联度和DTOPSIS法综合分析河南区域试验中大豆新品种（系）的农艺性状表现［J］. 大豆科学， 2018， 37（5）： 664-671.
ZAN Kai， ZHOU Qing， ZHANG Zhimin， et al. Gray correlation analysis and DTOPSIS method for comprehensive agronomic performance analysis of new soybean varieties（lines） in Henan regional test［J］. Soybean Science， 2018， 37（5）： 664-671.
Phenotype analysis and comprehensive evaluation of spring soybean germplasm resources from northeast China
YANG Xiangbo1， CHEN Liangyu2， YANG Songnan2， CHEN Xifeng2， XING Weiming3， LI Xueying2， CONG Weixuan2， ZANG Zhenyuan2， ZANG Yuanbo4， ZHANG Jun2
（1. College of Agriculture， Jilin Agricultural Science and Technology University， Jilin Jilin 132101， China; 2. College of Agronomy， Jilin Agricultural University， Changchun 130118， China; 3. Agricultural and Technology Extension Station of Jilin Province， Changchun 130033， China; 4. Comprehensive Office of Yongping Township Government in Jilin Province， Fuyu Jilin 131200， China）
Abstract：【Objective】 To enhance the utilization efficiency of spring soybean germplasm resources in northeast China and identify high-quality materials.
【Methods】 A total of 209 cultivars and landraces underwent a series of statistical analyses， including descriptive statistics， cluster analysis， segmented linear regression analysis， and a comprehensive evaluation of 12 traits over a three-year period.
【Results】 The range of phenotypic coefficients of variation and diversity indices indicated that branch node number， stem thickness， and one hundred seed weight showed a relatively stable pattern.In contrast， nine traits， including number of branches， percentage of damaged seeds weight by insect of total seed weight per plant， and pod number per plant， exhibited a high degree of variability.Principal component analysis revealed that all traits could be condensed into yield， insect resistance， one hundred seed weight， and plant architecture factors.The yield factor was positively correlated with plant architecture factor and negatively correlated with one hundred seed weight， percentage of damaged seeds by insect of total seed number per plant， and percentage of damaged seeds weight by insect of total seed weight per plant.Germplasm resources could be classified into four categories.Class I was characterized by moderate plant architecture and high pod number.Class II was distinguished by short plants and low yield per plant.Class III was defined by ideal plant architecture and the highest yield.Class IV was similar to Group I but exhibited poor insect resistance.The results of piecewise linear regression analysis indicated that the optimal high-yielding soybean characteristics exhibited a plant height of approximately 102.03 cm， 19.93 nodes， 3.5 branches， 11.39 mm stem thickness， 99.73 pods， and 286.09 seeds， with minimal feeding by soybean pod borer.The DTOPSIS （dynamic technique for order preference by similarity to ideal solution） method calculated D scores of the germplasm ranging" from 0.59 to -0.25， with a mean of 0.16.
【Conclusion】 The phenotypic diversity of spring soybeans in northeast China is considerable， with Class I and Class III representing promising sources for plant architecture improvement and high-yield breeding， respectively.High-yielding soybeans are distinguished by their moderate plant architecture， high seed number， and insect resistance.The three resources Soy194， Soy052， and Soy196， which have achieved excellent D scores， are exemplary germplasm for soybean breeding.
Key words：soybean; agronomic traits; cluster analysis; piecewise liner regression; comprehensive evaluation
Fund projects：Jilin Science and Technology Development Program Project \"Breeding of High-yielding and High-quality New Cultivar of Soybean and Application of Gene Editing Technology to Germplasm Creation\" （20240303009NC）
Correspondence author：ZHANG Jun （1968 -）， male， from Shuangliao，Jilin，professor， doctor，research direction： crop genetics and breeding， （E-mail） zhangjun@jlau.edu.cn
基金项目：吉林省科技发展计划项目“大豆高产、优质新品种选育及基因编辑技术应用于种质创制研究”（20240303009NC）
作者简介：杨祥波（1980-），男，吉林人，副教授，博士，研究方向为作物遗传育种，（E-mail）yangxiangbo1980@163.com
通讯作者：张君（1968-），男，吉林双辽人，教授，博士，研究方向为作物遗传育种，（E-mail）zhangjun@jlau.edu.cn
