摘 要：【目的】选育塔额盆地优质春油菜新品种，为塔额盆地油菜选择育种提供科学的理论依据。
【方法】以15份油菜品种（系）为参试材料，利用主成分分析、聚类分析对参试品种（系）进行综合评价。
【结果】参试品种生育期在93～100 d，油菜品种（系）11个性状对产量的有较大正相关的有单株产量、全株角果数、一级分枝数、二级分枝数、千粒重和角果粒数相关系数分别为0.44*、0.36*、0.34*、0.24、0.18和0.16，在育种中应该更加关注提高全单株产量、全株角果数和一级分枝数，降低分枝高度；前4成分累计贡献率达到78.472%；对应的方差贡献率加权求和：F=0.448 3F1+0.267 1F2+156 8F3+127 9F4。排名第1的品种为YC6（新油17号），其得分为306.63分，其表征11个性状指标综合表现最佳，在15个参试品种中YC6（新油17号）适应塔额盆地的能力相对最强；可将15个参试品种聚分为4大类群；第1类群包括YC2、YC3等4个品种，平均产量最低，为3 433.15 kg/hm2，属于低产群体；第2类群包括YC5、YC6等5个品种，平均产量最高，为3 669.22 kg/hm2，属于中高产群体；第3类群包括YC12和YC13等5个品种，产量较低，平均为3 522.60 kg/hm2，属于中低产群体；YC15为第4类，产量最高，为3 891.90 kg/hm2（高产品种）。
【结论】在春油菜育种中更加关注提高全单株产量、全株角果数和一级分枝数，降低分枝高度 ，同时综合考虑一级分枝数佳、茎粗和主序角果数。第2类群和第4类群各性状指标处于中等偏上，其中又以YC6（新油17号）、YC8（CFZqt221060）和YC15（CFZqt221067）表现最佳，是塔额盆地栽培的高产油菜品种。
关键词：油菜；相关性分析；主成分分析；聚类分析
中图分类号：S564.4 ""文献标志码：A
文章编号：1001-4330（2025）01-0118-11
收稿日期（Received）：
2024-07-14
基金项目：
国家油菜产业技术体系（CARS-12）；新疆生产建设兵团第九师科技特派员创新创业项目（特色作物高产栽培科技特派员团队创新创业）
作者简介：
王贺亚（1992-），男，河南上蔡人，助理研究员，研究方向为作物栽培、育种与水肥一体化，（E-mail）1209399827@qq.com
通信作者：
罗静静（1989-），女，河南扶沟人，副研究员，硕士，研究方向为作物栽培及病虫害防治，（E-mail）860220521@qq.com
0 引 言
【研究意义】2017 年世界油菜种植面积达4 163×104 hm2，总产量达7 624×104t，仅次于油棕、大豆［1］，2022～2023年世界油菜收获面积分别达4 164×104和4 181×104 hm2（我国油菜收获面积分别为710×104和735×104 hm2）。目前，油脂需求量快速增长［2］。我国菜籽油占油料作物植物油产量的55%以上［3］。我国新疆塔额盆地油菜种植面积常年维持在12×104 hm2（18×104亩），平均产量在2 250 kg/hm2，育有品种有塔油1号和塔油2号，我区旱地油菜种植面积居多，因此对于油菜种植资源的优质筛选与高产育种对我区油菜产业发展至关重要。农作物种质资源是品种选育的基础［4］。主成分分析和相关性分析是评价种质资源和指导遗传育种的有效手段［5-6］。选育和筛选高产稳产油菜品种对塔额盆地品种选育
具有重要意义。【前人研究进展】近年来，主成分分析法和聚类分析法已广泛应用于小麦［7］、玉米［8］、油菜［9］、水稻［10］、大豆［11］等育种研究中。在新疆主要以双低油菜为主，育成且推广的品种塔油2号，常年在塔城种植面积达0.13×104 hm2（2×104亩），因为旱地种植居多，因此平均产量达1 500 kg/hm2。前人［12］对引进油菜品系关于形状对产量及通径分析，明确产量性状是多个产量组成性状共同作用的结果，每个单一农艺性状不仅可以对目标性状产生直接影响，还会通过与其他农艺性状的间接作用共同影响油菜籽产量、效益和产值。【本研究切入点】 目前，关于塔额盆地油菜选育主要农艺性状的相关性、主成分分析、聚类分析相结合的研究较少，需研究油菜参试品种的综合评价。【拟解决的关键问题】以15份油菜品种（系）为参试材料，通过对11个主要性状进行相关性、主成分和聚类分析，明晰塔额盆地适应性品种选择，探明性状与油菜产量之间显著性，为塔额盆地油菜育种提供理论数据及指导。
1 材料与方法
1.1 材 料
材料均由新疆农业科学院经济作物研究所自育油菜品种（系）15份。表1
1.2 方 法
试验于2022年4～8月进行，将15份供试材料种植于塔额垦区新疆生产建设兵团第九师农（畜）科所团结农场试验地内，采用随机排列，3次重复，小区面积16.8 m2，小区长度7 m，小区宽2.4 m，行距18 cm，株距5 cm，按常规方式田间管理。于油菜成熟期，每小区取正常生长的15株油菜考种，调查各品种的株高、有效分枝高度、一级分枝、二级分枝、茎粗、主花序长）、主序角果数、角果粒数、全株角果数、千粒重及单株产量，测量方法按照《油菜种质资源描述规范和数据标准》，通过考种取得当年主要性状数据的平均值。
生产期间试验地4～8月气象数据，平均温度为20.84℃，4～8月月平均温度分别为13.7、20.5、23.8、24.2和22℃；生产期间平降雨量为10.1 mm，4～8月月平均降雨量分别0、15.6、15.3、19.62和0.4 mm。图1
1.3 数据处理
利用Excel整理数据，利用SPSS软件进行11个主要性状的变异系数分析、相关性分析、主成分分析综合评价和聚类分析，分析品种适应性和主要性状对产量影响，分析影响塔额盆地油菜产量的主要性状。
2 结果与分析
2.1 参试品种（系）生育期的变化
研究表明，参试品种（系）4月19日播种，生育期在93～100 d，生育期最长的品种为YC10，为100 d，8个品种生育期均为93 d，分别是YC2、YC3、YC4、YC6、YC7、YC8、YC9和YC13品种；参试油菜品种成熟整齐度均为整齐。表2
2.2 参试品种（系）相关性状比较
研究表明，油菜11个性状指标和产量中，产量和千粒重均以YC6（新油17号）为最高，分别为4 153 kg/hm2和5.10 g，产量与其他品种呈差异性显著（P lt;0.5）；株高平均为123.17cm，其中以YC13株高最高，为149.30 cm，且与其他品种差异显著，YC6（新油17号）株高为128.60 cm，与YC3、YC10、YC11和YC12之间差异不显著；分枝高度在25.70～77.40 cm，YC13分枝高最长，为77.40 cm，且与其他品种差异显著，YC6（新油17号）分枝高为32.10 cm，与YC1和YC7之间差异不显著，YC10品种分枝高最小，为25.70 cm；一级分枝数和二级分枝数分别以YC11和YC2为最多，数值分别为5.2个和4个，YC6（新油17号）的平均一级分枝数和二级分枝数分别为4.7个和2.8个；油菜茎粗在6.29～10.07 mm，YC6（新油17号）为7.68 mm，与YC10呈差异显著，但与其他品种均差异不显著；主化序长在50.00～63.20 cm，其中YC1最长，为63.20 cm，且显著高于其他品种，YC6（新油17号）为最低50.00 cm，与YC4、YC5、YC8、YC9和YC14之间差异不显著；主序角果数、角果粒数、全株角果数、单株产量等性状是产量高产与否的重要指标，在主序角果数以青杂12号最多，为45.5个，显著多于其他品种，YC6（新油17号）居中为31.1个，显著小于YC9、YC12、YC13和YC15，但与其他品种差异不显著；角果粒数以YC6（新油17号）为最高25.93粒，且显著高于其他品种；全株角果数以YC10最高为142.4个，且显著高于其他品种，YC6（新油17号）为122.7个，与YC5差异不显著；单株产量在6.15～9.44 g，YC10最高，与YC2、YC13和YC11差异不显著；产量高低与各经济性状的均衡有很大关系，单一性状高低对产量影响有限。在育种中应优先选择产量高且性状均衡的品种。表3
2.3 参试品种性状及产量差异性
研究表明，塔额盆地油菜的产量和农艺性状存在较大变异系数，其株高、分枝高度、一级分枝数、二级分枝数、茎粗、主花序长、主序角果数、全株角果数、角果长、角果粒数、千粒重、单株产量和单产平均值分别为123.17 cm、37.39 cm、4.31个、2.52个、0.78 cm、55.19 cm、33.55个、105.37粒、113.13个、4.20 g、7.53 g/株和3 572.24 kh/hm2。变异指数在7.43%～31.76%，其中分枝高变异系数最大为31.76%、二级分枝数变异指数为29.21%、茎粗度变异指数为15.06%、单株产量变异指数为14.18%、主序角果数变异指数为14.04%，5种性状遗传变异丰富，选择空间大，最大值与最小值间差异显著。表4
2.4 参试品种的相关性
研究表明，11个性状与产量的相关性从高到低依次为单株产量、全株角果数、一级分枝数、二级分枝数、千粒重、角果粒数、茎粗、主花序长、主序角果数、株高、分枝高，相关系数分别为0.44*、0.36*、0.34*、0.24、0.18、0.16、0.047、-0.15、-0.21、-0.25和-0.35*，其中单株产量、全株角果数和一级分枝数与产量呈显著正相关，单株产量、全株角果数和一级分枝数对产量的贡献大，3个性状数值增加，产量会相应增高，3个性状因子是显著影响产量的重要因素，分枝高与产量呈现显著负相关，分枝高的增加会降低产量，所以在育种选择上应注重提高单株产量、全株角果数和一级分枝数，分枝高低的品种。
株高与分枝高和主序角果数之间呈极显著正相关，相关系数分别为0.76**和0.62**，株高越高，分枝高也越高，主序角果数也越多，株高对分枝高和主序角果数的贡献大；但与二级分枝数呈极显著负相关，相关系数为-0.47**，株高增加会影响二级分枝数的增加。分枝高与主序角果数之间呈极显著正相关，但与二级分枝数呈极显著负相关，相关系数分别为0.67**和-0.53**，增加分枝高越高主序角果数越大，但二级分枝数则越小。一级分枝数与全株角果数和二级分枝数分别呈极显著正相关和显著正相关，相关系数分别为0.46**、0.32*，一级分枝数越高，全株角果数越多，二级分枝数也越多，一级分枝数对全株角果数和二级分枝数的贡献大；与主花序长呈显著负相关，相关系数为-0.30*，一级分枝数越多，主花序长越短。全株角果数与单株产量和茎粗呈显著正相关，相关系数分别为0.56**和0.44**，和主序角果数呈显著正相关，相关系数为0.31*，全株角果数也单株产量、茎粗和主序角果数关系密切，增加全株角果数也会提高单株产量、茎粗和主序角果数，且对单株产量贡献最大。图2
2.5 参试品种的主成分
研究表明，排在前4的主成分特征值均超过1，且累计贡献率达到78.472%，前4主成分分别占全部载荷量的35.178%、20.958%、12.301%和10.035%，前4主成分在油菜品种性状评价起主导作用，且能反应油菜性状综合评价的主要信息。表5
第1主成分中，株高、分枝高及主序角果数载荷较大，3个性状对第1主成分正向影响较大，随主成分的增加，3个性状也随之增加，该主成分可以表达出主序数量和高度指标，可以称为高度因子；在第2主成分中，单株产量、单产和1级分枝数载荷值较大，且对第2主成分产生正向影响，即单株产量、单产和1级分枝数会随着第2主成分的增加而增加，第2主成分可以反映了油菜品种的分枝数量和产量指标，可以称为产量因子；第3主成分中，在主花序长和角果粒数上载荷较大，该主成分可以表达出角果数量指标，可以称为角果粒数因子；在千粒重上载荷值较大，千粒重对第4主成分正向影响较大，且随着第4主成分的增加而增大，所以该主成分可以体现千粒重指标，可以称为千粒重因子。表6
2.6 15个油菜品种（系）的综合评价
研究表明，结合所提取的前4为累计贡献率78.472%的4个主成分，构建油菜主要性状指标的分析评估模型。通过对应特征值及载荷值来获得相关的特征向量。
F1=0.265X1+0.237X2+0.015X3-0.211X4+0.19X5+0.011X6+0.224X7-0.117X8+0.08X9+0.095X10+0.01X11+0.006X12；
F2=0.1X1+0.013X2+0.213X3+0.118X4-0.028X5+0.083X6+0.1X7-0.008X8+0.339X9+0.013X10+0.348X11+0.255X12；
F3=-0.015X1-0.03X2-0.401X3+0.211X4+0.017X5+0.547X6+0.056X7+0.376X8-0.052X9-0.089X10+0.238X11-0.102X12；
F4=0.116X1+0.116X2-0.068X3-0.139X4-0.094X5-0.138X6-0.057X7+0.281X8-0.085X9+0.652X10+0.034X11+0.380X12.
X1代表株高、X2代表分枝高、X3代表一级分枝数、X4代表二级分枝数、X5代表茎粗、X6代表主花序长、X7代表主序角果数、X8代表角果粒数、X9代表全株角果数、X10代表千粒重、X11代表单株产量、X12代表单产；综合4个主成分对应的方差贡献率加权求和：
F=0.448 3F1+0.267 1F2+156 8F3+127 9F4.
F值分数越高，该油菜品种综合性状越优，其中，株高因子得分最高的YC13，产量因子最高的为YC6，角果粒数因子最高得分为YC7，千粒重因子最高为YC6，综合得分最高的品系为YC6（新油17号），其得分为306.63，其次为YC8、YC15、YC5，分别位列2至4位；YC7、YC4、及YC93个品种F值较低，3个品系的12个指标综合表现较差。表7
2.7 不用油菜品种（系）的聚类
研究表明，在欧式距离为5时，可将15个参试品种聚分为4大类群；第1类群包括YC2、YC3、YC4、YC1共计4个品种，该类群二级分枝数和角果粒数最多但平均产量最低，为3 433.15kg/hm2，属于低产群体；第2类群包括YC5、YC6、YC7等共计5个品种，该类群平均产量最高，为3 669.22 kg/hm2，属于中高产群体；第3大类群包括YC12和YC13、YC11等共计5个品种，该类群株高、分枝高、一级分枝数、茎粗和单株产量平均值在4个类群中最大，但产量较低，平均为3 522.60 kg/hm2，属于中低产群体；YC15为第四类，其中主序花长、主序角果数、全株角果数、千粒重均为4个类群中最大，且产量较高，为3 891.90 kg/hm2，为高产品种。
第2类群和第4类群各性状指标处于中等偏上，其中又以YC6、YC8和YC15表现最佳，适合在塔额盆地栽培。图3
3 讨 论3.1
甘蓝型油菜是中国三大主栽的油菜类型之一，是重要的油用作物［1］。种质资源多样化是种质基础，是用于油菜杂种优势利用及品种改良［12-13］，试验中，11个性状指标和产量中，YC6（新油17号）产量最高，且产量构成要素千粒重、和角果粒数最高，全株角果数较高，主序角果数、一级分枝数及二级分枝数均处于中等地，无明显的优劣势。王璐璐等［5，14］研究表明，油菜产量构成三要素（全株角果数、角果粒数、千粒重）大小直接影响产量的高低，与试验研究结果一致。
不同油菜品种的性状指标存在显著差异，变异系数越大，差异性越大，具有一定的广泛性和代表性［15］。其中分枝高和二级分枝数差异较大，变异系数分别为31.76%和29.21%，2个性状指标变异丰富，选择空间大且存在较大的遗传差异。株高和主序花长性状变异系数较小，分别为7.43%和8.58%，2个性状变异不丰富且差异较小，选择空间小。
塔额盆地油菜的11个性状对产量的有较大正相关的有单株产量、全株角果数、一级分枝数、二级分枝数、千粒重、角果粒数相关系数分别为0.44*、0.36*、0.34*、0.24、0.18和0.16，单株产量、全株角果数、一级分枝数、二级分枝数、千粒重、角果粒数是提高产量的主要性状指标。其中单株产量、全株角果数和一级分枝数与产量呈显著正相关，与倪正斌等［16］研究结果一致。试验相关分析结果可得，在育种中应该更加关注提高全单株产量、全株角果数和一级分枝数，降低分枝高度，同时对一级分枝数好、茎粗和主序角果数进行综合考虑。
3.2
主成分分析是指将有联系的众多指标运用综合的变量进行概括，以达到降维的多元统计方法［17］。近年来，主成分分析广泛用于许多作物，包括金柑［18］、玉米［19］、沙棘［20］、花生［21］等。试验通过主成分分析可知，排在前4的主成分特征值均超过1，累计贡献率达到78.472%；通过综合评分值结合聚类分析将品种进行了排名和分类：综合4个主成分对应的方差贡献率加权求和：F=0.448 3F1+0.267 1F2+156 8F3+127 9F4。综合得分排名第1的品种为YC6（新油17号），其得分为306.63分，表征其11个性状指标综合表现最佳，在15个参试品种中YC6（新油17号）适应塔额盆地的能力相对最强。得分位列2至4位依次为YC8、YC15、YC5，YC8、YC15、YC5在适应额盆地的能力相对较强；品种YC9的综合评价得分为243.90，是15个参试品种中的最低值，表征其11个性状指标综合表现最差，品种YC9适应塔额盆地的能力相对最差。在欧式距离为5时，可将15个参试品种聚分为4大类群；第1类群包括YC2、YC3、YC4、YC1共计4个品种，平均产量最低，为3 433.15 kg/hm2，属于低产群体；第2类群包括YC5、YC6、YC7等共计5个品种，平均产量最高，为3 669.22 kg/hm2，属于中高产群体；第3类群包括YC12和YC13、YC11等共计5个品种，产量较低，平均为3 522.60 kg/hm2，属于中低产群体；YC15为第4类，产量较高，为3 891.90 kg/hm2，为高产品种。
4 结 论
在育种中应关注提高全单株产量、全株角果数和一级分枝数，降低分枝高度，同时对一级分枝数好、茎粗和主序角果数进行综合考虑。第2类群和第4类群各性状指标处于中等偏上，其中又以YC6（新油17号）、YC8（CFZqt221060）和YC15（CFZqt221067）表现最佳，产量分别为4 153.75、4 035.48和3 891.90 kg/hm2，是适合在塔额盆地栽培的高产油菜品种。
参考文献（References）
［1］刘成， 冯中朝， 肖唐华， 等. 我国油菜产业发展现状、潜力及对策［J］. 中国油料作物学报， 2019， 41（4）： 485-489.
LIU Cheng， FENG Zhongchao， XIAO Tanghua， et al. Development， potential and adaptation of Chinese rapeseed industry［J］. Chinese Journal of Oil Crop Sciences， 2019， 41（4）： 485-489.
［2］ 王佳友， 何秀荣， 王茵. 中国油脂油料进口替代关系的计量经济研究［J］. 统计与信息论坛， 2017， 32（5）： 69-75.
WANG Jiayou， HE Xiurong， WANG Yin. Econometric research on import substitution relationship between oils and oilseeds in China［J］. Statistics amp; Information Forum， 2017， 32（5）： 69-75.
［3］ 王康春. 推广双低油菜 促进产业化发展［J］. 中国食品， 2020，（15）： 120.
WANG Kangchun. Popularizing double-low rapeseed and promoting industrialization development［J］. China Food， 2020，（15）： 120.
［4］ 田朋佳， 廖文华， 高小丽， 等. 140份西藏大麦种质资源遗传多样性分析［J］. 西南农业学报， 2022， 35（1）： 16-26.
TIAN Pengjia， LIAO Wenhua， GAO Xiaoli， et al. Genetic diversity analysis of 140 barley germplasm resources in Tibet［J］. Southwest China Journal of Agricultural Sciences， 2022， 35（1）： 16-26.
［5］ 姜凯旋， 赵乐杰， 李江丽， 等. 春甘蓝育种材料主要农艺性状主成分分析与聚类分析［J］. 中国农学通报， 2020， 36（4）： 50-55.
JIANG Kaixuan， ZHAO Lejie， LI Jiangli， et al. Main agronomic traits of spring cabbage breeding materials： principal component analysis and cluster analysis［J］. Chinese Agricultural Science Bulletin， 2020， 36（4）： 50-55.
［6］ 庄萍萍， 李伟， 魏育明， 等. 波斯小麦农艺性状相关性及主成分分析［J］. 麦类作物学报， 2006， 26（4）： 11-14.
ZHUANG Pingping， LI Wei， WEI Yuming， et al. Correlation and principle component analysis in agronomic traits of Triticum carthlicum nevski［J］. Journal of Triticeae Crops， 2006， 26（4）： 11-14.
［7］ 李楠楠， 杜晓宇， 韩玉林， 等. 中国四大冬小麦主产区品种农艺性状的综合性分析［J］. 种子， 2021， 40（12）： 94-101.
LI Nannan， DU Xiaoyu， HAN Yulin， et al. Comprehensive analysis of agronomic traits of four main winter wheat producing areas in China［J］. Seed， 2021， 40（12）： 94-101.
［8］ 魏常敏， 宋万友， 周文伟， 等. 基于主成分分析的甜玉米品质综合评价［J］. 浙江农业科学， 2020， 61（10）： 1967-1969， 2042.
WEI Changmin， SONG Wanyou， ZHOU Wenwei， et al. Comprehensive evaluation of sweet maize quality based on principal component analysis［J］. Journal of Zhejiang Agricultural Sciences， 2020， 61（10）： 1967-1969， 2042.
［9］ 尚丽平， 赵卫国， 郭凯红， 等. 甘蓝型油菜主要农艺性状的主成分分析［J］. 中国农学通报， 2021， 37（28）： 9-13.
SHANG Liping， ZHAO Weiguo， GUO Kaihong， et al. Principal component analysis of main agronomic traits in Brassica napus population［J］. Chinese Agricultural Science Bulletin， 2021， 37（28）： 9-13.
［10］ 荆瑞勇， 卫佳琪， 王丽艳， 等. 基于主成分分析的不同水稻品种品质综合评价［J］. 食品科学， 2020， 41（24）： 179-184.
JING Ruiyong， WEI Jiaqi， WANG Liyan， et al. Comprehensive quality evaluation of different rice varieties based on principal component analysis［J］. Food Science， 2020， 41（24）： 179-184.
［11］ 常世豪， 杨青春， 舒文涛， 等. 黄淮海夏大豆品种（系）主要农艺性状的综合性分析［J］. 作物杂志， 2020，（3）： 66-72.
CHANG Shihao， YANG Qingchun， SHU Wentao， et al. Comprehensive analysis of main agronomic traits of summer sowing soybean varieties（lines） in Huang-Huai-Hai Region［J］. Crops， 2020，（3）： 66-72.
［12］ 胡丹丹. 新型甘蓝型油菜的群体改良和杂种优势分析［D］. 武汉： 华中农业大学， 2019.
HU Dandan. Population improvement and heterosis analysis of new Brassica napus L［D］. Wuhan： Huazhong Agricultural University， 2019.
［13］ 张毅， 伍向苹， 张芳， 等. 基于基因组数据解析中国油菜品种演化历程及方向［J］. 中国油料作物学报， 2020， 42（3）： 325-333.
ZHANG Yi， WU Xiangping， ZHANG Fang， et al. Analysis of evolutionary history and future development of Chinese rapeseed varieties based on genomic data［J］. Chinese Journal of Oil Crop Sciences， 2020， 42（3）： 325-333.
［14］ 王璐璐， 张超， 黄莎， 等. 贵州芥菜型油菜主要性状与产量的相关性及通径分析［J］. 西南农业学报， 2022， 35（3）： 526-529.
WANG Lulu， ZHANG Chao， HUANG Sha， et al. Correlation and path analysis on main characters and yield of Brassica juncea in Guizhou［J］. Southwest China Journal of Agricultural Sciences， 2022， 35（3）： 526-529.
［15］ Kurtanjek ， Horvat D， Magdic D， et al. Factor analysis and modelling for rapid quality assessment of Croatian wheat cultivars with different gluten characteristics［J］. Food Technology and Biotechnology， 2008
［16］ 倪正斌， 王陈燕， 孙雪辉， 等. 甘蓝型油菜主要农艺性状相关性及主成分分析［J］. 江西农业学报， 2018， 30（3）： 7-10.
NI Zhengbin， WANG Chenyan， SUN Xuehui， et al. Correlation and principal component analyses of main agronomic traits in Brassica napus［J］. Acta Agriculturae Jiangxi， 2018， 30（3）： 7-10.
［17］ 李小胜， 陈珍珍. 如何正确应用SPSS软件做主成分分析［J］. 统计研究， 2010， 27（8）： 105-108.
LI Xiaosheng， CHEN Zhenzhen. Correctly using SPSS software for principal components analysis［J］. Statistical Research， 2010， 27（8）： 105-108.
［18］ 杨柳， 黎曼缇， 易自力， 等. 21份金柑种质的果实品质分析与综合评价［J］. 中国果树， 2023，（5）： 56-62， 69.
YANG Liu， LI Manti， YI Zili， et al. Analysis and comprehensive evaluation of fruit quality of 21 kumquat germplasms［J］. China Fruits， 2023，（5）： 56-62， 69.
［19］ 蒋皖倩， 李友心， 洪自强， 等. 基于相关性、主成分、聚类、灰色关联度对甜玉米品种的农艺性状综合评价［J］. 安徽科技学院学报， 2023， 37（2）： 39-45.
JIANG Wanqian， LI Youxin， HONG Ziqiang， et al. Comprehensive evaluation of agronomic traits of sweet corn varieties based on correlation， principal component analysis， clustering， and gray correlation degree［J］. Journal of Anhui Science and Technology University， 2023， 37（2）： 39-45.
［20］ 马旭， 赵英， 韩炜， 等. 14种沙棘果实中氨基酸组成的主成分分析与综合评价［J］. 新疆农业科学， 2023， 60（2）： 378-388.
MA Xu， ZHAO Ying， HAN Wei， et al. Principal component analysis and cluster analysis of amino acids in seabuckthorn fruit［J］. Xinjiang Agricultural Sciences， 2023， 60（2）： 378-388.
［21］ 董红业， 徐婷， 刘文豪， 等. 新疆塔里木盆地东南缘花生主要农艺性状的分析与综合评价［J］. 中国农学通报， 2022， 38（6）： 26-30.
DONG Hongye， XU Ting， LIU Wenhao， et al. Peanut in the southeastern margin of Tarim Basin of Xinjiang： analysis and comprehensive evaluation of main agronomic traits［J］. Chinese Agricultural Science Bulletin， 2022， 38（6）： 26-30.
Comprehensive evaluation of new variety（strain） in Taer Basin
based on principal component analysis and cluster analysis
WANG Heya1，LUO Jingjing1， MENG Ling1， LI Huaisheng1， AI Haifeng1， JIA Donghai2
（1." Institute of Agricultural Sciences （Institute of Animal Science） of the Ninth Division of the Xinjiang Production and Construction Corps， Tacheng Xinjiang 834600， China; 2." Institute of Economic Crops，Xinjiang Academy of Agricultural Sciences， Urumqi 830091，China）
Abstract：【Objective】 This project aims to provide scientific theoretical basis for the selection and breeding of rapeseed in Taer Basin and promotes the breeding of high quality spring rapeseed varieties in the area.
【Methods】" The comprehensive evaluation of rapeseed varieties was studied by prioritization， principal component analysis and cluster analysis of 11 main traits by taking 15 rapeseed varieties as the test material.
【Results】" There were significant differences in the trait indexes of different rapeseed cultivars， the coefficient of variation was between 7.43%-29.21%， the greater the coefficient of variation， the greater the difference， and it had a certain degree of breadth and representativeness. The correlation coefficients of rapeseed variety 11 traits on yield were 0.44*， 0.36*， 0.34*， 0.24， 0.18 and 0.16， respectively， indicating that more attention should be paid to increasing the yield of the whole single plant， the number of horn fruits of the whole plant and the number of primary branches， and reducing the height of branches. Principal component analysis showed that the principal component characteristic values of the top 4 exceeded 1， and the cumulative contribution rate reached 78.472%. The varieties were ranked and classified by comprehensive scoring values combined with cluster analysis： the weighted sum of variance contribution rates corresponding to the four principal components was synthesized： F=0.448，3F1+0.267，1F2+1，568F3+1，279F4. The variety with the No. 1 comprehensive score was YC6 （Xinyou No. 17）， with a score of 306.63 points， indicating that its 11 personality traits index had the best comprehensive performance， indicating that among the 15 varieties tested， YC6 （Xinyou No. 17） had the strongest ability to adapt to the Taer Basin; when the European distance was 5， the 15 varieties could be clustered into 4 major groups; the first group included 4 varieties such as YC2 and YC3， with the lowest average yield of 3，433.15 kg/hm2， belonging to the low-yield group; The second group included five varieties， including YC5 and YC6， with the highest average yield， 3，669.22 kg/hm2， belonging to the medium and high-yield group; The third group included five varieties， such as YC12 and YC13， with low yields， with an average of 3，522.60 kg/hm2， belonging to the low- and medium-yield group. YC15was the fourth category， with a higher yield， 3，891.90 kg/hm2， （which was a high-yielding variety）.
【Conclusion】"" Comprehensive principal component analysis and cluster analysis， more attention should be paid to increasing the yield of the whole single plant， the number of horn fruits and the number of primary branches， reducing the branch height， and comprehensively considering the good number of primary branches， stem thickness and main order angle fruits. Combined with the comprehensive evaluation value of principal components and cluster analysis， the trait indicators of group 2 and group 4 are above the middle level， among which YC6 （Xinyou No. 17）， YC8 （CFZqt221060） and YC15（CFZqt221067） perform the best， which are high-yield rapeseed varieties suitable for cultivation in the Taer Basin.
Key words：rape; correlation analysis; principal component analysis; cluster analysis
Fund projects：National Rapeseed Industry System Number （CARS-12）； Innovation and entrepreneurship project of the ninth divivsion of the Xinjiang production and Construction Corps Science and Technlogy Special Commissioner （Innovation and Entrepreneurship of Science and Technology Commissioners Team for High-yield Cultivation of Specialty Crops）
Correspondence author：LUO Jingjing （1989-）， female， from Fugou， Henan， associate researcher， master candidate， research direction： crop cultivation and pest control， （E-mail）860220521@qq.com
