全 文 ：浙江农业学报 Acta Agriculturae Zhejiangensis，2014，26(2):319-324 http:/ /www． zjnyxb． cn
赵天荣，蔡建岗． 主成分和聚类分析在蟹爪兰资源评价及育种中的应用［J］．浙江农业学报，2014，26(2):319-324．
DOI:10. 3969 / j． issn． 1004-1524. 2014. 02. 11
收稿日期:2013-04-21
基金项目:宁波市科技攻关项目(2006C100035，2010C10006，
2013C10006);宁波市农科教结合项目(2008NK31，2012NK39);
宁波市农科院院长基金(200911，201208)
作者简介:赵天荣(1980—)，女，河北沧州人，硕士，农艺师，主要
从事观赏植物育种研究。E-mail:rongronglily@ 163． com
主成分和聚类分析在蟹爪兰资源评价及育种中的应用
赵天荣，蔡建岗
(宁波市农业科学研究院，浙江 宁波 315040)
摘 要:应用 DPS统计软件，对 25 个蟹爪兰品种(系)资源的 16 个生物学性状进行了主成分分析和聚
类分析，按照方差累计贡献率 88. 2% 提取了 7 个主成分，通过计算各品种的主成分得分和综合得分
值，分析出综合性状优良和主要性状突出的品种，另外通过 16 个性状的相关矩阵 Ｒ 分析得出各个性状
间的相关性，以利于亲本和杂交后代的筛选。根据聚类分析结果，将 25 个供试品种(系)从株高、冠幅、
茎节长等主要生物学性状的差异聚为 3 大类，并细分为 7 小类，为蟹爪兰的分类和良种选育与利用提
供理论依据。
关键词:蟹爪兰;品种资源;主成分分析;聚类分析;生物学性状
中图分类号:S 682. 31 文献标志码:A 文章编号:1004-1524(2014)02-0319-06
Comparative study on resource evaluation and breeding of Zygocactus trurncatus using
principal component analysis and cluster analysis
ZHAO Tian-rong，CAI Jian-gang
(Ningbo Academy of Agricultural Sciences，Ningbo 315040，China)
Abstract:Principal component analysis and cluster analysis were conducted on 16 biological characters of 25
Zygocactus trurncatus by using the statistical software DPS． According to the accumulated contribution ratio to the
variance over 88. 2% from the total information reflected by original 16 indexes，7 principal components were
extracted，and based on the scores of the principal components and the general score，the varieties of good
comprehensive and main characters were analyzed and the correlation among the various characters were obtained
through the analysis of coefficient of correlation on 16 characters which benefits the selections of parents and filial
generation． The differences among the main biology characters such as plant height，crown，cauline and so on were
divided into 3 types and 7 subtypes from 25 cultivars． It provided the theoretical foundation for classifications，
breeding of Zygocactus trurncatus．
Key words:Zygocactus trurncatus;variety resources;component analysis;cluster analysis;biological character
传统的花卉品种资源分类习惯以单一性状
归类如大花型、早花型等，这种分类方法便于保
存和查找品种资源。但是单一性状选择存在许
多弊端，如性状间不同程度的相关性以及某些性
状遗传力很低等，都会影响选择的效果［1］。由
于蟹爪兰是一种常见的观赏植物，且绝大多数性
状是数量性状，凭单一性状难以准确区别材料之
间的遗传差异，将不可避免地使杂交育种和杂优
利用的亲本选配工作具有盲目性。另外蟹爪兰
从杂交授粉到杂交子代开花要 3 ～ 4 年的时
间［2］，盲目选配无疑会造成人力、物力和时间的
浪费，因而人们寻求新的技术并进行多性状的综
合选择，如主成分分析法、选择指数法、典范性状
独立地方向性选择法等。主成分分析法在黄瓜、
胡麻、棉花、南瓜、番茄等作物育种中成功应
用［1，3 － 6］。主成分分析采用客观赋权法，克服了
主观赋权的随意性，使权重系数更客观合理［7］。
主成分分析是在不损失过多信息基础上的一种
降维思想，这使得人们在育种过程中可以把分散
在多个单一性状的注意力集中到少数几个主分
量性状分析上，降低了自交系选择及杂交组合评
价时的难度［1］。聚类分析是研究资源分类和亲
缘关系的常用方法之一［8 － 9］，在大豆、花椰菜、百
合等植物中均有报道［10 － 13］。该文对蟹爪兰的主
要观赏性状进行了调查研究，并分别运用主成分
分析法和系统聚类法进行分析，进一步探讨蟹爪
兰亲本及杂交后代选优的数量化方法，为蟹爪兰
的分类和良种选育与利用提供理论依据。
1 材料与方法
试验地点为宁波市高新农业实验园区智能
温室，海拔 4. 0 ～ 5. 8 m，年最低气温 － 8. 5℃，
年最高气温 39. 5℃;年平均降水 1 440. 37 mm。
宁波地区春、秋和冬季雨水充足，气候湿润，夏
季温度较高，光照较强且干旱少雨［14］。以栽培
2 年的 25 个蟹爪兰品种(系)资源为试验材料，
采用节能栽培模式，冬季不加温，温度低于 5℃
时用内保温幕保温;夏季进行适当遮光，防止其
灼伤。
各材料均考查 16 个性状:x1—株高、x2—
冠幅、x3—茎节长、x4—茎节宽、x5—茎节厚、
x6—主枝数、x7—分枝数、x8—茎节裂刻数、
x9—花长、x10—花冠宽、x11—花瓣数、x12—雌
蕊长、x13—雄蕊长、x14—雄蕊数、x15—单花
期、x16—着蕾量。以 1 号为对照种，随机区组
设计，重复 3 次。每小区随机抽样 10 株观察记
载必要的性状。
应用统计分析软件 DPS对测量的 25 个蟹爪
兰品种(系)的 16 个生物学性状进行主成分分
析，并根据计算出的各品种(系)的主成分值进行
聚类分析。
2 结果与分析
2. 1 主成分分析
2. 1. 1 主要性状的主成分贡献率和累计方差贡
献率
本文对 25 份蟹爪兰品种(系)的 16 个生物
学性状进行主成分分析，主要用于简化数据结
果，寻找综合因子。25 个蟹爪兰品种(系)生物
学性状的主成分分析结果见表 1。由蟹爪兰主要
性状相关矩阵的特征根计算其方差贡献率和累
计方差贡献率。
表 1 二十五个蟹爪兰品种(系)主要性状的主成分贡献
率和累计贡献率
Table 1 The principal components contribution and
cumulated contribution of main characters of 25 Zygocactus
trurncatus
主成分 特征根 贡献率 /% 累计贡献率 /%
1 4. 7394 29. 6213 29. 6213
2 2. 8242 17. 6510 47. 2723
3 1. 8722 11. 7013 58. 9736
4 1. 5009 9. 3807 68. 3542
5 1. 3946 8. 7160 77. 0702
6 1. 1578 7. 2365 84. 3067
7 0. 6235 3. 8968 88. 2034
在主成分分析中，选取方差累积贡献率为
88. 2034%的前 7 个主成分，这里取前 7 个主成分
是满足Σ λi /Σ λi≥0. 85的最小个数［15］，因子
负荷量反映原变量与主成分之间的关系，这里表
示各品种资源各性状所对应的综合指标贡献的
大小。由表 1 可知，前 7 个主成分代表了蟹爪兰
性状 88. 2034%的综合信息，而其他成分在蟹爪
兰性状分析中所起的作用仅为 11. 7966%。因
此，选用前 7 个主成分作为蟹爪兰综合性状的重
要主成分。
·023· 浙江农业学报 第 26 卷 第 2 期(2014 年 3 月)
表 2 二十五个蟹爪兰品种(系)主要性状的特征向量
Table 2 The feature vector of main characters of 25 Zygocactus trurncatus
性状 第 1 主成分 第 2 主成分 第 3 主成分 第 4 主成分 第 5 主成分 第 6 主成分 第 7 主成分
x1 0. 2061 0. 1934 0. 2855 0. 4283 0. 0217 0. 3071 0. 3187
x2 0. 0455 0. 2768 0. 1531 0. 5189 － 0. 3194 0. 1026 － 0. 4056
x3 0. 3575 － 0. 0779 － 0. 1966 0. 1959 0. 2424 0. 0643 － 0. 0290
x4 0. 3400 － 0. 0053 － 0. 1867 0. 2838 － 0. 1235 － 0. 0815 － 0. 4156
x5 0. 1485 － 0. 3352 0. 3217 － 0. 0215 0. 3031 0. 3363 － 0. 0018
x6 0. 0393 － 0. 1498 － 0. 1221 0. 4481 0. 3568 － 0. 5165 0. 2621
x7 － 0. 3578 0. 2986 0. 1804 0. 1158 0. 0101 － 0. 0129 0. 2205
x8 0. 1607 0. 2282 0. 3484 － 0. 1819 0. 4321 0. 1809 － 0. 2894
x9 0. 2496 0. 4002 － 0. 1374 － 0. 1487 0. 0218 － 0. 0127 0. 2122
x10 0. 0055 0. 3752 － 0. 3545 － 0. 1585 0. 2929 0. 2114 － 0. 0986
x11 0. 2090 － 0. 119 － 0. 3605 0. 0917 － 0. 1391 0. 5045 0. 4201
x12 0. 3515 0. 1707 0. 1158 － 0. 0664 0. 0079 － 0. 3386 0. 2401
x13 0. 3366 0. 2255 0. 2347 － 0. 1555 0. 0825 － 0. 2222 0. 0476
x14 0. 1673 － 0. 2702 0. 4366 － 0. 0793 － 0. 2803 － 0. 0025 0. 1540
x15 0. 2277 0. 1844 － 0. 0317 － 0. 2418 － 0. 4743 － 0. 0658 0. 0812
x16 － 0. 3345 0. 3190 0. 1207 0. 1775 0. 0391 0. 0622 0. 1945
2. 1. 2 主要性状相关矩阵的特征向量及其相关
系数
由表 2 可以看出，主成分 1 中，茎节长、茎节
宽、雄蕊长和雄蕊数具有较大的正系数，表明主
成分 1 主要反映了蟹爪兰茎节性状和雄蕊性状
的综合指标;主成分 2 中，花长、花冠宽、分枝数
和着蕾量具有较大的正系数，表明主成分 2 主要
是反映了蟹爪兰的花部性状和多花性状的综合
指标;主成分 3 中茎节厚、茎节裂刻数、雄蕊数具
有较大的正系数，表明主成分 3 主要反映了蟹爪
兰茎节性状和雄蕊性状的综合指标;主成分 4
中，株高、冠幅、和主枝数具有较大的正系数，表
明主成分 4 主要反映了蟹爪兰生长情况的综合
指标;主成分 5 中，茎节裂刻数和主枝数具有较
大的正系数，表明主成分 5 主要反映了蟹爪兰茎
节性状和生长情况的综合指标;主成分 6 中，花
瓣数、茎节厚和株高具有较大的正系数，表明主
成分 6 主要反映了蟹爪兰花瓣性状、茎节性状和
生长情况的综合指标;主成分 7 中，花瓣数和株
高具有较大的正系数，表明主成分 7 主要反映了
蟹爪兰花瓣性状和生长情况的综合指标。
根据 7 个主成分的因子负荷量的大小，筛选
出贡献率较大的 7 组性状因子即
{x3，x4，x12，x13}，{x7，x9，x10，x16}，{x5，
x8，x14}，{x1，x2，x6}，{x5，x6，x8}，{x1，x5，
x11}，{x1，x11}。
2. 1. 3 十六个性状的相关矩阵 Ｒ
由表 3 可以得出:株高与冠幅、雄蕊长、雌蕊
长具有较强的相关性，相关系数分别为0. 502 7，
0. 427 2，0. 350 5;冠幅除了与株高紧密相关外还
与茎节宽、着蕾量、分枝数具有一定的相关性，相
关系数分别为 0. 334 2，0. 278 4，0. 236 1;茎节长
和茎节宽、花瓣数、雌蕊长、雄蕊长、花长具有较
强的相关性，相关系数分别为 0. 575 1，0. 481 5，
0. 474 7，0. 358 5，0. 338 9;茎节宽除了与茎节长
紧密相关外还与雌蕊长、花瓣数、雄蕊长具有一
定的相关性，相关系数分别为 0. 457 1，0. 400 0，
0. 386 2;茎节厚与雄蕊数、裂刻数具有较强的相
关性，相关系数分别为 0. 574 2，0. 312 0;主枝数
与其他性状均无较强的相关性;分枝数与着蕾量
有较强的相关性，相关系数高达 0. 938 4;裂刻数
除与茎节厚具有一定的相关性外，还与雄蕊长、
雌蕊长、花长具有一定的相关性，相关系数分别
为 0. 567 9，0. 366 4，0. 303 5;花长除了与茎节
厚、分枝数具有一定相关外还与雌蕊长、雄蕊长、
花冠宽、单花期具有较强的相关性，相关系数分
别为 0. 623 0，0. 607 3，0. 587 9，0. 420 8;花冠宽
除了与花长紧密相关外还与着蕾量有一定的相
·123·赵天荣，等．主成分和聚类分析在蟹爪兰资源评价及育种中的应用
关性，相关系数为 0. 281 9;花瓣数仅与茎节宽具
有较强的相关性;雄蕊长与雌蕊长具有较强的相
关性，相关系数高达 0. 771 6，另外两性状还同时
和株高、茎节宽、裂刻数、花长、单花期等性状具
有一定的相关性;雄蕊数仅与茎节厚具有较强的
相关性;单花期与雄蕊长、雌蕊长、花长具有较强
的相关性;着蕾量与分枝数的相关性最强，另外
还与冠幅、花冠宽具有一定的相关性。
表 3 十六个性状的相关矩阵 Ｒ
Table 3 Coefficient of correlation on 16 characters
性
状
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16
x1 1
x2 0. 5027* 1
x3 0. 3554 0. 0465 1
x4 0. 2917 0. 3342 0. 5751 1
x5 0. 2000 －0. 2332 0. 2730 0. 0965 1
x6 0. 0319 －0. 0890 0. 3150 0. 2628 0. 0882 1
x7 0. 0004 0. 2361 －0. 7127 －0. 6310 －0. 4181 －0. 1093 1
x8 0. 3774 0. 0348 0. 2169 0. 0553 0. 3120 －0. 1956 －0. 0158 1
x9 0. 2989 0. 1969 0. 3389 0. 3076 －0. 2555 －0. 1513 －0. 1397 0. 3035 1
x10 －0. 0670 0. 0233 0. 075 0. 0557 －0. 2547 －0. 1269 0. 1374 0. 2233 0. 5879 1
x11 0. 2322 －0. 0640 0. 4815 0. 4000 0. 1658 －0. 0586 －0. 4895 －0. 1854 0. 1903 0. 1146 1
x12 0. 3505 0. 1143 0. 4747 0. 4571 0. 0122 0. 1163 －0. 3579 0. 3664 0. 6230 0. 0301 0. 0929 1
x13 0. 4272 0. 1162 0. 3585 0. 3862 0. 1244 －0. 0006 －0. 3262 0. 5679 0. 6073 0. 0980 －0. 0334 0. 7716 1
x14 0. 1438 0. 0293 0. 0437 0. 1127 0. 5742 －0. 0841 －0. 3688 0. 0088 －0. 0909 －0. 5516 0. 0256 0. 2784 0. 2323 1
x15 0. 1486 0. 1161 0. 1405 0. 3776 －0. 1957 －0. 2864 －0. 2764 0. 0883 0. 4208 0. 0698 0. 2202 0. 4330 0. 4910 0. 1776 1
x16 0. 0531 0. 2784 －0. 6304 －0. 5234 －0. 3709 －0. 0330 0. 9384 －0. 0032 －0. 1050 0. 2819 －0. 4095 －0. 4140 －0. 3365 －0. 3859 －0. 1963 1
注:P ＜ 0. 05
2. 1. 4 主要性状的主成分值与综合评价指数
经过对计算结果标准化转换，得到每个品种
(系)资源的重要主成分值(表 4)，可根据其主成
分值选择符合育种目标的优良母本。从表 4 看
出，N20，N22，N7 茎节性状和雄蕊性状的综合指
标较高，可作大茎节良种选育;N12，N11，N14 花
部性状和多花性状的综合指标较高，可作为大
花、多花型良种选育;N16，N25 生长情况的综合
指标较高，可作长势强生长量大的良种选育。从
综合评价指数来看 N14，N16，N3，N22，N20，N7
综合指数较高，是综合性状优良的母本材料，同
时可用于大规模蟹爪兰商品生产。
表 4 二十五个蟹爪兰品种(系)主要性状的主成分值与综合评价指数
Table 4 Principal component and general evaluation index of main characters of 25 Zygocactus trurncatus
编号 第 1 主成分 第 2 主成分 第 3 主成分 第 4 主成分 第 5 主成分 第 6 主成分 第 7 主成分 综合评价指数
N1 － 4. 5658 － 1. 3890 － 0. 6446 0. 0715 0. 5956 1. 7468 － 0. 6442 － 4. 8297
N2 － 1. 7577 － 2. 4849 － 1. 8162 － 1. 9587 0. 8818 1. 5561 0. 4962 － 5. 0834
N3 1. 0019 0. 2331 1. 8401 － 1. 6717 2. 9804 0. 8733 － 0. 2021 5. 055
N4 － 0. 0459 1. 5971 1. 4342 － 1. 6190 － 0. 2684 － 0. 6631 0. 8977 1. 3326
N5 － 3. 7868 1. 4672 0. 0517 0. 2790 － 0. 1333 0. 6206 － 0. 0487 － 1. 5503
N6 － 5. 6501 － 0. 7009 2. 0439 0. 7096 － 0. 9484 0. 0736 － 0. 1909 － 4. 6632
N7 2. 3870 1. 3703 － 0. 4943 － 0. 0512 － 0. 7891 0. 2638 0. 0329 2. 7194
N8 1. 5372 － 0. 3664 0. 8964 － 1. 4681 － 0. 1493 0. 4746 － 0. 7154 0. 2090
N9 0. 9870 － 0. 8718 － 0. 4058 － 1. 1218 0. 1338 － 1. 2543 － 1. 6279 － 4. 1608
·223· 浙江农业学报 第 26 卷 第 2 期(2014 年 3 月)
续表 4
编号 第 1 主成分 第 2 主成分 第 3 主成分 第 4 主成分 第 5 主成分 第 6 主成分 第 7 主成分 综合评价指数
N10 0. 6352 － 1. 1617 － 1. 6339 － 0. 3662 － 0. 4626 － 1. 1962 1. 0832 － 3. 1022
N11 － 0. 9402 2. 5050 － 2. 6200 － 1. 7273 － 2. 1683 － 0. 6442 － 0. 0109 － 5. 6059
N12 － 2. 9965 4. 3022 － 0. 5573 0. 1192 1. 2778 － 1. 3517 0. 8692 1. 6629
N13 0. 0079 － 0. 3915 1. 3561 － 0. 4924 － 0. 6186 － 1. 9202 － 1. 5843 － 3. 6430
N14 2. 0000 2. 9329 1. 1554 1. 8958 － 1. 6353 2. 3704 － 1. 1514 7. 5678
N15 1. 4922 － 1. 3275 0. 5484 － 0. 2291 － 1. 3707 0. 9991 1. 2252 1. 3376
N16 0. 2942 1. 1398 1. 0277 2. 4479 1. 7865 － 0. 5503 0. 8090 6. 9548
N17 － 0. 0788 － 0. 0295 － 1. 9621 0. 6239 1. 3397 0. 5333 － 0. 6312 － 0. 2047
N18 1. 3583 － 1. 1273 0. 2344 0. 3657 1. 1315 － 0. 6979 0. 3753 1. 6400
N19 1. 2782 － 2. 1773 － 0. 2880 1. 2998 － 0. 4022 0. 4971 0. 3353 0. 5429
N20 2. 5783 0. 3222 － 0. 4796 0. 7510 1. 6654 － 0. 7204 － 0. 6508 3. 4661
N21 1. 8583 0. 7432 － 0. 8227 － 0. 6374 － 0. 5132 0. 3171 － 0. 3412 0. 6041
N22 2. 7021 0. 6186 － 0. 9169 0. 4401 0. 0351 1. 2402 0. 8881 5. 0073
N23 0. 1107 － 1. 714 1. 5245 － 0. 4741 － 0. 4954 － 0. 6943 0. 1827 － 1. 5599
N24 0. 3813 － 1. 2697 2. 4644 0. 0474 － 1. 2875 － 0. 5374 0. 9190 0. 7175
N25 － 0. 7879 － 2. 2201 － 1. 9357 2. 7661 － 0. 5854 － 1. 3360 － 0. 3148 － 4. 4138
2. 2 聚类分析
Q型聚类又称样品聚类，是对分类运算单位
进行的分析运算，反映不同分类单位之间的相似
性和亲缘关系远近［16］。本研究对原始数据进行标
准化处理后，采用卡方距离法，以离差平方和法对
图 1 根据 16 个性状对 25 个品种( 系) 聚类的结果
Fig． 1 Clustering analysis of 25 cultivars based on 16
traits
25个品种(系)的 16 个性状进行聚类(图 1)。结
果如下:25 个品种(系)根据 16 个性状进行品种
间聚类，探讨其品种相似性及其亲缘关系的远
近，结果显示可分为 3 类;A 类包括 N1 等 6 个品
种，B类包括 N3 等 12 个品种，C类包括 N10 等 7
个品种。聚入 A类的 6 个品种又可分为两类，第
一类有 4 个品种分别为 N1，N5，N2，N6;第二类
有 2 个分别为 N11 和 N12。聚入 B 类的 12 个
品种又分为三类，第一类有 2 个品种分别为 N3
和 N4;第二类有 6 个品种分别为 N7，N21，N22，
N14，N8 和 N9;第三类有 4 个品种分别为 N16，
N17，N18 和 N20。聚入 C 类的 7 个品种又分为
两类:第一类有 4 个品种分别为 N10，N15，
N19，N25;第二类有 3 个品种分别为 N13，N23
和 N24。
3 讨论
通过对蟹爪兰品种资源进行主成分分析，
将其主要生物学性状指标归结于前 7 个主成
分。这前 7 个主成分值的贡献率达到 88. 2%，
其所表达的综合信息可以用来表达全部性状的
信息。通过计算各品种的主成分得分和综合得
分值，可分析出综合性状优良和主要性状突出
的品种，对于商品种的选择和特异性状的有效
·323·赵天荣，等．主成分和聚类分析在蟹爪兰资源评价及育种中的应用
利用具有重要的指导意义。通过分析 16 个性
状的相关矩阵 Ｒ 可以得出各性状间的关联性，
在杂交亲本的选择中对特异性状进行选择的同
时还要考虑其他相关性状对杂交后代带来的影
响，进行综合考虑。Q 型聚类是在对 25 个蟹爪
兰品种(系)的 16 个性状综合定量分析的基础
上揭示其品种间的亲缘关系，根据数量分类的
原理［16］得知，亲缘关系越近，就越早地聚合为
一类。采用卡方距离离差平方和法对 25 个蟹
爪兰品种(系)的 16 个性状进行聚类，通过分
析，将其划分为 3 大类，又依据各品种的相似性
状，细分为 7 小类。在蟹爪兰育种和生产需求
中，根据各类的特点可以对品种进行相关选择，
以减少育种和生产的盲目性和工作量。在遗传
距离比较大的组间，结合农艺学性状和亲缘关
系，选择两个亲本进行有性杂交配出高优势组
合或育成突破性品种的机率较高。蟹爪兰的生
物学性状较多，通过性状的相关矩阵(表 3)可
看出其相互间的关系非常复杂，单纯从生物学
性状数据的表象难以得出规律。致使生产中良
种选择、杂交配组时母本的选择和子代选优利
用都存在工作量较大、带有一定的主观因素和
盲目性等问题。该文采用主成分和聚类分析法
进行资源评价，找准主要因素简化评价指标，从
而减少了蟹爪兰亲本和杂种选择的盲目性和主
观性，能够较清晰、准确地对现有资源进行筛选
评价。该方法在蟹爪兰生产中，可以较准确地
确定综合性状优良的品种作为主要商业推广销
售品种;在蟹爪兰的育种中，可以针对每个特定
的育种目标筛选目标性状突出的亲本;在蟹爪
兰的杂优利用及新品种筛选中，可以较准确地
筛选符合育种目标的杂种材料，进一步强化单
一目标性状。该文是对蟹爪兰亲本及杂交后代
选优的数量化方法研究的总结，希望能为今后
蟹爪兰的生产、分类和良种选育与利用提供
参考。
参考文献:
［1］ 齐永涛，崔鸿文． 主成分分析在黄瓜早熟育种上的应用
［J］．西北农业大学学报，1989，17(2):74-78．
［2］ 赵天荣，蔡建岗，施永泰，等． 蟹爪兰的繁殖及栽培养护技
术研究［J］．北方园艺，2009，(10) :233-234．
［3］ 关友峰，安维太，岳国强．主成分分析在胡麻育种中的应用
［J］．西北农业学报，1992，1(2):82-85．
［4］ 孙长法，赵晖，陈荣江．棉花新品种产量品质性状的聚类分
析与综合评价［J］．西北农业学报，2010，19(4):57-61．
［5］ 杜晓华，李新睁，刘海妮，等． 南瓜前期农艺性状的主成分
分析［J］．西北农业学报，2010，19(2)168-171．
［6］ 王晓静，粱燕，徐加新，等． 番茄品质性状的多元统计分析
［J］．西北农业学报，2010，19(9):103-108．
［7］ 虞晓芬，傅玳．多指标综合评价方法综述［J］．统计与决策，
2004，(11) :119-121．
［8］ Martynov SP，DohrotvorskayaTV． Genealogical analysis of
diversity of Ｒussian winter wheat cultivars(Triticum aestivum
L．) ［J］． Genetic Ｒesources and Crop Evolution，2006，53:
379-386．
［9］ Masumbuko LI，Bryngelsson T． Inter simple sequence repeat
(ISSＲ)analysis of diploid coffee species and cultivated Coffea
species and cultivated Coffea arabica L． from Tanzania［J］．
Genetic Ｒesources and Crop Evolution，2006，53:357-366．
［10］ 赵银月，耿智德，保丽萍，等．云南省大豆地方品种资源的
主成分分析及聚类分析［J］． 湖南农业大学学报，2007，
33(S1):120-122．
［11］ 罗珊，康玉凡，濮绍京，等． 黑河地区 55 份大豆品种资源
农艺性状和营养成分的聚类分析［J］． 大豆科学，2009，
28(3):421-425．
［12］ 朱世杨，张小玲，刘庆，等．花椰菜自交系主要形态性状的
主成分分析和聚类分析［J］． 植物遗传资源学报，2012，
13(1):77-82．
［13］ 荣立苹，雷家军．东北地区野生百合数量分类研究［J］．植
物遗传资源学报，2010，11(1):99-102．
［14］ 赵天荣，蔡建刚，施永泰，等．大花萱草‘金娃娃’的花器结
构和繁育系统观察［J］．草业科学，2013，30(1):52-57．
［15］ 张尧庭，方开泰．多元统计分析引论［M］．北京:科学出版
社，1987．
［16］ 徐克学．数量分类学［M］．北京:科学出版社，1994．
(责任编辑 张 韵)
·423· 浙江农业学报 第 26 卷 第 2 期(2014 年 3 月)