全 文 :第 33卷 第 6期 西北农林科技大学学报 (自然科学版 ) Vol. 33 No. 6
2005年 6月 Jour. of No rthw est Sci-Tech Univ . o f Ag ri. a nd Fo r. ( Na t. Sci. Ed. ) June 2005
6种禾本科牧草种子产量因子与产量
的岭回归模型研究
王亻全珍 1, 2 ,韩建国 1 ,周 禾 1 ,刘富渊 2 ,仲 勇2
( 1中国农业大学草地研究所 草业科学北京市重点实验室 ,北京 100094;
2成都大业国际投资股份有限公司 甘肃总部 ,甘肃酒泉 735009)
[摘 要 ] 采用多区组多因素正交试验设计 ,通过大样本岭回归分析求出 6种禾本科牧草种子产量因子与产
量的岭回归模型。结果表明 ,除蓝茎冰草的模型外 ,其他 5种禾本科牧草的模型中 ,提高任 1个种子产量因子 ,均可
不同程度提高种子产量。 6个模型中 , 5个种子产量因子每提高 1个单位对其种子产量的提高大小排序为单粒种子
重> 每小穗种子粒数> 每小穗小花数 >每生殖枝小穗数> 生殖枝数。
[关键词 ] 禾本科牧草 ;种子产量 ;产量因子 ;岭回归分析
[中图分类号 ] S543. 01 [文献标识码 ] A [文章编号 ] 1671-9387( 2005) 06-0018-05
多元线性回归是分析多个指标与某一指标相互
关系的常用方法 ,但多元线性回归的最小二乘解
( LS解 )与待分析指标自身高度相关 ,使回归系数极
敏感地随样本容量的变化或自变量数目的增减而发
生改变 ,从而使建立的模型极不稳定 ,且回归系数的
符号在专业上无法解释。但有时因某种专业上的需
要 ,在已知某些自变量有较强相关的情况下 ,仍希望
可以同时引入这些变量。例如本试验研究中 ,禾本科
牧草种子产量因子之间存在较强的相关性。在这种
情况下 ,如果用回归系数的岭估计 (即岭回归 )可以
获得较好的结果 [ 1~ 3]。岭回归模型是通过在自变量
自相关矩阵中引入 1个很小的岭参数 K 0 ( 0 < K 0 <
1) ,并将其加到主对角线元素上 ,从而降低参数的最
小二乘估计复共线特征向量的影响 ,以保证参数估
计更接近真实情况 [4~ 7 ]。
随着我国对解决牧区饲草恢复、退耕还草、种草
养畜和生态环境重建的日益重视 ,以及国家和地方
对西部开发、生态环境建设投资力度的加大 ,我国近
年来对牧草草种的需求量剧增 ,牧草种子生产国产
化形势日益迫切。但我国牧草、草坪草种子生产刚刚
起步 ,生产技术落后 ,急需提高种子质量和产量的生
产管理技术。 为此 ,农业部 948项目于 2001年从美
国引进禾本科优良牧草高羊茅、蓝茎冰草、猫尾草、
无芒雀麦、新麦草和鸭茅 ,在甘肃酒泉进行试验、研
究和推广 [8 ]。国内外对上述 6种禾本科牧草种子生
产技术方面的研究虽已有报道 [9~ 12 ] ,但多为单因素
作用研究 ,本试验从系统的、综合的角度出发 ,采用
多区组多因素正交试验设计方案 [13~ 15 ] ,通过大样本
岭回归分析 [4~ 7 ] ,研究了上述 6种牧草在不同氮、磷
肥和水分等栽培管理技术措施组合下种子产量因子
对其种子产量的效应 ,并建立岭回归模型进行比较
分析 ,以选择最优模型 ,最终为牧草种子高产及其产
量因子作用机理研究提供科学依据。
1 材料与方法
1. 1 试验地概况
试验于 2003-03~ 08在甘肃酒泉中国农业大学
甘肃草业研究实验站上坝基地大田进行 (酒泉大业
种业公司 )。试验地土壤为沙壤土 ,肥力中等。据当
地气象资料 ,该地年平均气温 7~ 8℃ ,年降雨量
50~ 100 mm ,且降雨主要集中在 7~ 9月 ,无霜期
130 d,≥ 0℃积温 3 800℃以上。日照充分 , > 10℃
期间的日照时数为 1 460~ 1 470 h。生长季 3~ 10
月 ,空气相对湿度为 25% ~ 55% ;土壤含盐量 3~ 8
g /kg。供试牧草为农业部 948项目从美国引进的 6
种优良禾本科牧草: 高羊茅 ( Festuca arundinacea
[收稿日期 ] 2004-09-09
[基金项目 ] 农业部 948项目“退化草地综合改良与草地建设配套技术研究” ( 202099)
[作者简介 ] 王亻全珍 ( 1963- ) ,男 ,内蒙古四子王旗人 ,在读博士 ,主要从事牧草种子生产及相关领域的研究 ,发表学术论著 14篇 ,参编
著作 1部。 E-mail: Wangquanzhen191@ 163. com
[通讯作者 ] 韩建国 ( 1958- ) ,男 ,河北赤城人 ,教授 ,博士 ,博士生导师 ,主要从事草地管理和牧草种子生产研究。
L. )品种 Fawn、蓝茎冰草 ( Agropyron L. )品种
Rosana、猫尾草 ( Phleum pratense L. )品种 Bariza、
无芒雀麦 (Bromus inerm is L. )品种 Carl ton、新麦草
( Psathyrostaehys juncea N evski )品种 Bozoinky和
鸭茅 (Dactylis glomerato L. )品种 Barula。 2002年
春播 , 6种牧草分别在不同地段播种 6块试验田 ,每
种牧草各播 0. 55 hm2 ,播种时 ,施基肥磷酸二铵 225
kg /hm
2和过磷酸钙 150 kg /hm2 ,条播 ,行距 0. 45~
0. 60 m (高羊茅、猫尾草和新麦草为 0. 45 m ,蓝茎冰
草、无芒雀麦和鸭茅为 0. 60 m) ,苗期锄草 1次 ,中
耕锄草 1次 ,全年灌水 5次 ;当年高羊茅和无芒雀麦
有种子收获 ,产量为 100~ 195 kg /hm2 ,其他 4种牧
草均无种子。09-11留茬 7~ 8 cm,刈割残茬并运走。
种植第 2年 ( 2003) 03-10~ 25全部返青。
1. 2 试验设计
6种牧草同时分别采用以下试验设计:①氮、磷
2因素 D-饱和最优设计 ;② 5因素二次正交旋转组
合 ( 1 /2实施 ) ;③ 2因素 5水平正交组合 ;④ 3因素 2
次正交旋转组合 [13~ 15 ] ;试验因素设施肥灌溉时期
( X 1 )、每次灌溉补水量 (X 2 )、施 N量 ( X 3 )、 施 P2O5
量 ( X 4 )、植株密度 ( X 5 )和喷施多效唑 ( pp333, X 6 )
等 ;每种牧草分别按试验设计分区组 ,区组内小区随
机排列 ,小区面积 28 m2 ( 7 m× 4 m ) , 5个区组加对
照总计 112~ 116个小区。 6种牧草共计 690个小
区 ,其中加埂控制灌溉小区 440个。在试验设计中 ,
N肥设计施用量为 66~ 480 kg /hm2 , P2O5设计施用
量为 39~ 240 kg /hm2;设计每次灌溉补水量为
75. 883~ 175 mm;各试验设计因子小区数见表 1。
表 1 试验设计因子小区数
Table 1 Experim enta l design, fac tor s and blo cks
试验设计
Experimental design
试验因子数 Factors
重复数
Repeat
试验小区数
Blocks
氮、磷 2因素 D-饱和最优设计 ( 1)
2-D-optimum orth ogonal d esig n ( 1)*
2( X 3, X 4) 3 18
氮、磷 2因素 D-饱和最优设计 ( 2)
2-D-optimum orth ogonal d esig n ( 2)*
2( X 3, X 4) 1 6
5因素二次正交旋转组合 ( 1 /2实施 )
Quinque-factor o rthogonal design
5( X 1~ X 5) 1 36
2因素 5水平正交组合
Bin-factor orth og onal cont ract blocks
2( X 2, X 3+ X 4 ) 1 22
3因素二次正交旋转组合
Tri-factor orthogonal design
3( X 5, X 3, X 6 ) 1 23
对照 CK - - 7~ 11
合计 To tal 6( X 1~ X 6) - 112~ 116
注: * 采用同一试验设计 ,施肥量不同。
Note: * Applied N and P2O5 di f feren tly betw een design ( 1) and ( 2) .
1. 3 产量和产量因素测定
2003年从返青到种子收获 ,中耕锄草 2次 ;按
照试验设计 ,不同时期人工开沟施肥 ,水表控制不同
时期的灌溉量。 在本试验进行期间 ( 2003-03~ 08) ,
试验地设置的固定雨量器实测总降雨量为 12. 6
mm。 6种牧草分别在其盛花期人工拉绳辅助授粉 2
次 ; 06-28~ 07-25, 6种牧草按成熟时间依次分小区
收获测产 , 3次重复 ,种子产量 Z ( kg /hm2 )取平均
值。分别在 6种牧草开花期到种子成熟测产收获前 ,
田间测定各小区各产量因子。
田间产量因子测定方法是在顺序取样的基础上
随机取样:每小区共 12~ 16行 (高羊茅、猫尾草和新
麦草为 16行 ,蓝茎冰草、无芒雀麦和鸭茅为 12行 ) ,
每行长 4 m,高羊茅、猫尾草和新麦草除去第 1~ 3
行和倒数第 1~ 3行 ,蓝茎冰草、无芒雀麦和鸭茅除
去第 1、 2行和倒数第 1、 2行 ,每行 4 m除第 1 m和
第 4 m外 ,以 1 m行长为 1个取样单位 ,每小区共有
16~ 20个取样单位 ( 8~ 10行× 2 m) ;所有测定均
在这 16~ 20个取样单位内进行 (包括种子产量测
定 )。在 16~ 20个取样单位内 ,无重复随机取 10~
12个取样单位 ( 6种牧草略有不同 ) ,测定生殖枝数 ,
折算产量因子 Y 1 (枝 /m2 ) ;无重复或有重复顺序取
15~ 18个取样单位 ,在每个取样单位内随机取 3个
生殖枝 ,测小穗数得产量因子 Y 2 (小穗数 /生殖枝 ,
样本容量为 45~ 54株 ) ;无重复顺序取 14~ 16个取
样单位 ,在每个取样单位内随机取 3个小穗 ,得每小
穗小花数产量因子 Y3 (样本容量 42~ 48) ;无重复顺
序取 10~ 13个取样单位 ,在每个取样单位内随机取
3个小穗 ,测每小穗籽粒数 (产量因子 Y 4 ,样本容量
30~ 39) ;测产收获的各小区种子自然风干到含水量
19
第 6期 王亻全珍等: 6种禾本科牧草种子产量因子与产量的岭回归模型研究
为 7%~ 10%时 ,以 100粒种子为 1个样本 ,样本容
量取 10,千分之一天平对各样本称重 ,计算各小区
产量因子 Y5 (单粒种子重 , mg )。建立数据库 ,分别对
以上测定数据分牧草品种按小区进行统计 ,取平均
值 Y 1 , Y2 , Y3 ,Y 4 , Y5和 Z。因为猫尾草每小穗小花数
为 1,故猫尾草 Y3未参与分析。对 6种牧草 112~
116个小区 (样本数 112~ 116) Y 1 , Y 2 , Y 3 , Y 4 , Y 5和
Z的简单统计结果见表 2。
表 2 6种禾本科牧草种子产量因子和种子产量统计
Table 2 Simple statistics o f seed yield components and seed yield of six g rass species
牧草种类
Gras ses
产量因子
Var.
小区数
N
平均值
Mean
标准差
Std dev.
标准误
Std error
最小值
Minimum
最大值
Maxim um
t值
t value
P值
Pr> |t|
高羊茅
Festuca
arund inacea L.
Y1 116 402. 659 121. 690 11. 876 117. 780 745. 180 33. 91 < 0. 000 1
Y2 116 60. 834 4. 651 0. 454 48. 430 71. 570 134. 04 < 0. 000 1
Y3 116 7. 238 1. 675 0. 163 0. 730 11. 010 44. 28 < 0. 000 1
Y4 116 4. 190 0. 490 0. 048 2. 958 5. 708 87. 68 < 0. 000 1
Y5 116 3. 048 0. 153 0. 015 2. 560 3. 330 204. 54 < 0. 000 1
Z 116 2 030. 239 530. 092 51. 732 1 139. 780 3461. 970 39. 25 < 0. 000 1
蓝茎冰草
A gropyron L.
Y1 116 674. 478 178. 281 17. 398 192. 380 1153. 330 38. 77 < 0. 000 1
Y2 116 17. 608 0. 991 0. 097 15. 210 20. 210 182. 11 < 0. 000 1
Y3 116 12. 699 1. 674 0. 163 8. 840 17. 120 77. 72 < 0. 000 1
Y4 116 5. 818 0. 457 0. 045 4. 390 6. 640 130. 39 < 0. 000 1
Y5 116 4. 864 0. 282 0. 028 4. 336 5. 802 176. 58 < 0. 000 1
Z 116 856. 121 241. 024 23. 522 371. 690 1 525. 070 36. 40 < 0. 000 1
猫尾草
Phleum
p ratense L.
Y1 112 639. 223 121. 428 12. 204 252. 360 840. 490 52. 38 < 0. 000 1
Y2 112 1 237. 375 149. 069 14. 982 904. 920 1 517. 620 82. 59 < 0. 000 1
Y3 112 1. 000 0. 000 0. 000 1. 000 1. 000 - -
Y4 112 0. 703 0. 166 0. 017 0. 312 0. 937 42. 25 < 0. 000 1
Y5 112 0. 368 0. 024 0. 002 0. 312 0. 430 153. 98 < 0. 000 1
Z 112 771. 471 233. 701 23. 488 259. 670 1 345. 660 32. 85 < 0. 000 1
无芒雀麦
Bromus
inermis L.
Y1 116 507. 388 114. 509 11. 175 171. 900 743. 750 45. 40 < 0. 000 1
Y2 116 66. 368 4. 698 0. 458 56. 120 76. 810 144. 76 < 0. 000 1
Y3 116 8. 644 1. 822 0. 178 5. 180 12. 200 48. 63 < 0. 000 1
Y4 116 4. 322 0. 407 0. 040 3. 537 5. 519 108. 85 < 0. 000 1
Y5 116 3. 838 0. 196 0. 019 3. 454 4. 291 200. 20 < 0. 000 1
Z 116 1 963. 287 442. 999 43. 232 1 094. 400 3 066. 700 45. 41 < 0. 000 1
新麦草
Psathyros-
taehys
juncea
Nev ski
Y1 116 205. 673 70. 739 6. 903 76. 110 415. 180 29. 79 < 0. 000 1
Y2 116 90. 217 2. 715 0. 265 79. 730 96. 960 340. 45 < 0. 000 1
Y3 116 4. 590 0. 754 0. 074 3. 010 6. 250 62. 36 < 0. 000 1
Y4 116 2. 141 0. 334 0. 033 1. 500 3. 056 65. 62 < 0. 000 1
Y5 116 3. 461 0. 184 0. 018 2. 933 3. 834 192. 83 < 0. 000 1
Z 116 964. 427 336. 873 32. 875 358. 410 1 969. 650 29. 34 < 0. 000 1
鸭茅
Dactyl is
glomerato L.
Y1 114 153. 568 40. 731 3. 975 71. 670 261. 110 38. 63 < 0. 000 1
Y2 114 209. 878 16. 269 1. 588 172. 330 254. 700 132. 19 < 0. 000 1
Y3 114 5. 882 0. 629 0. 061 4. 270 7. 870 95. 86 < 0. 000 1
Y4 114 2. 629 0. 515 0. 050 1. 396 3. 944 52. 30 < 0. 000 1
Y5 114 1. 390 0. 066 0. 006 1. 218 1. 527 215. 84 < 0. 000 1
Z 114 454. 437 142. 449 13. 902 149. 830 884. 370 32. 69 < 0. 000 1
注: Y1为生殖枝数 ; Y2为每生殖枝小穗数 ; Y3为每小穗小花数 ; Y4为每小穗种子粒数 ; Y5为单粒种子重 , mg; Z为种子产量 , kg /hm2。
Note: Y1 means shoots; Y2 means spikelets per shoot; Y3 m eans f lorets per spik elet; Y4 m eans seed numbers per spikelet; Y5 means w eight
per s eed, mg; Z means s eed yield, kg /hm2.
2 岭回归分析
对上述 6种牧草 112~ 116个小区 (样本数 112
~ 116)的数据 Y1 , Y2 , Y3 , Y 4 , Y 5和 Z ,采用 SAS
( V 8. 1)
[16 ]分别作岭回归分析 ,以岭值 K为横轴 ,各
指标的回归系数估计值为纵轴 ,分别获得 6种牧草
种子产量因子与产量的岭迹图 (图 1)。
20
西北农林科技大学学报 (自然科学版 ) 第 33卷
图 1 6种禾本科牧草种子产量因子与产量的岭迹图
Fig. 1 Ridge plot o f seed yield components and seed yield of 6 g r ass species
由图 1可见 ,各回归系数均随岭参数的增大而
趋于平稳。 岭回归分析中 ,岭参数 K值的确定是关
键。对于岭参数 K的取值方法 ,本研究参考文献 [4
~ 7, 17]并结合实际试验 ,认为本试验采用岭迹法确
定 K值较为适宜 ,即从岭迹图直接观察随着岭参数
K的变化 ,各自变量的稳定趋势 ,选取趋于稳定态
势时的岭参数对应的各自变量的回归系数作为最后
结果。从 6种牧草的岭迹图 (图 1)可以依次看出 ,高
羊茅、蓝茎冰草、猫尾草、无芒雀麦、新麦草和鸭茅 6
种牧草 ,分别于岭参数 K大于 0. 3, 0. 1, 0, 0, 0. 5和
0. 5时 ,自变量的回归系数趋于平稳 (以水平直线为
渐进线 ) ,故依次选岭参数 K为 0. 4, 0. 2, 0. 1, 0. 1,
0. 6和 0. 6,可得 6种牧草的标准化回归模型 ,将标
准化后的变量表示为原变量 ,回归模型依次为:
Z高羊茅 = - 1 236. 64+ 1. 183 31Y 1+ 4. 132 3Y2+
44. 959 4Y3+ 189. 047Y 4+ 466. 325Y5
( F= 8. 44, Pr < 0. 000 1) ( 1)
Z蓝茎冰草 = 304. 416+ 0. 561 28Y1+ 18. 503 8Y2+
35. 789 1Y 3- 107. 049Y 4+ 3. 214 2Y5
( F= 12. 69, Pr < 0. 000 1) ( 2)
Z猫尾草 = - 452. 894+ 0. 367 53Y 1+ 0. 451 00Y2+
42. 245 4Y4+ 1 092. 85Y5
( F= 5. 56, Pr= 0. 000 5) ( 3)
Z无芒雀麦 = - 70. 862+ 1. 329 17Y 1 - 5. 928 69Y2+
22. 938 9Y 3+ 207. 549Y 4+ 171. 430Y5
( F= 5. 26, Pr= 0. 000 3) ( 4)
21
第 6期 王亻全珍等: 6种禾本科牧草种子产量因子与产量的岭回归模型研究
Z新麦草 = - 892. 634+ 2. 187 62Y1+ 4. 606 80Y 2+
15. 461 2Y 3+ 3. 201Y 4+ 263. 961Y5
(F= 33. 11, Pr < 0. 000 1) ( 5)
Z鸭茅 = - 357. 520+ 0. 621 04Y 1+ 0. 448 83Y2+
11. 232 8Y3+ 58. 177Y 4+ 290. 096Y5
(F= 9. 19, Pr < 0. 000 1) ( 6)
3 结果与讨论
1) 本研究针对 6种禾本科牧草种子产量因子
之间存在的复共线性 ,采用岭回归估计法建立了种
子产量与产量因子的岭回归模型。从模型 ( 1)~ ( 6)
来看 ,除模型 ( 2)外 , 6种禾本科牧草提高任 1个种
子产量因子 ,均可不同程度地提高种子产量。根据模
型 ( 1)~ ( 6) , 6种牧草产量因子生殖枝数 ( Y1 )每提
高 1个单位 ,种子产量提高 0. 36~ 2. 19 kg /hm2;每
生殖枝小穗数 ( Y2 )每提高 1个单位 ,种子产量提高
0. 45~ 18. 5 kg /hm2;每小穗小花数 ( Y3 )每提高 1个
单位 ,种子产量提高 11. 23~ 44. 96 kg /hm2 ;每小穗
种子粒数 (Y 4 )每提高 1个单位 ,种子产量提高 58. 18
~ 207. 5 kg /hm2;单粒种子重 ( Y5 )每提高 1个单位 ,
种子产量提高 171. 4~ 1 092. 8 kg /hm2。本试验 6种
禾本科牧草种子产量因子每提高 1个单位对其种子
产量提高的大小顺序为: 单粒种子重 ( Y 5 ) > 每小穗
种子粒数 ( Y4 )> 每小穗小花数 ( Y3 )> 每生殖枝小穗
数 (Y 2 )> 生殖枝数 (Y 1 )。
2 )模型 ( 2)蓝茎冰草在籽粒灌浆期 ( 06-19)由
于大风原因 ,有 69小区突然不同程度倒伏 (占总数
59. 5% ) ,使其产量因子每小穗种子粒数 ( Y4 )的回归
系数为 - 107. 5,单粒种子重 ( Y5 )为 3. 2;模型 ( 4)中
无芒雀麦每生殖枝小穗数 ( Y 2 )的回归系数为
- 5. 93,本试验 116小区无芒雀麦每生殖枝小穗数
总平均为 66. 37,与文献 [18~ 20 ]相比较 ,可能是在
本试验条件下 ,无芒雀麦每生殖枝小穗数 ( Y2 )进入
过饱和状态 ,对其种子产量有负作用。张希山等 [18 ]
研究表明 ,在新疆无芒雀麦每生殖枝小穗数为 20~
36;从加拿大引进的无芒雀麦 Carl ton品种种植第 2
年 ,分别在辽宁大连普兰店和河北承德鱼儿山牧场
测得其每生殖枝小穗数分别为 53. 6~ 60. 2和 27. 5
~ 34. 5[19, 20 ]。 而本试验发现 ,无芒雀麦每生殖枝小
穗数为 56. 12~ 76. 81, 116,小区总平均为 66. 37,与
文献 [21]结果相近 ,与文献 [18, 20 ]相差较大 ,其原
因尚待进一步研究。
[参考文献 ]
[1 ] Draper N R, Smi th H. Applied Reg ression Analysis [M ]. New Yo rk: John Wiley & Sons, 1981.
[2 ] Weth eril l G B. Regression Analysi s wi th Application [M ]. London: Chapman& Hell, 1986.
[3 ] Myers R H. Classical& Modern Reg ression wi th Application [M ]. Bos ton: Dux bury Pres s, 1986.
[4 ] Hoerl A E, Kennard R W. Ridg e regression: Bias ed es timation for non-o rthogonal problems [ J]. Tech no M et rics , 1970, 12: 55- 68.
[5 ] Hoerl A E, Kennard R W. Ridg e regression: application for non-orth ogonal problems [ J] . Techno Met rics, 1970, 12: 69- 72.
[6 ] Law less J F, Wang P A. Simulation of ridg e and oth er regres sion es timators [ J] . Common Stati sti c, 1976, 5: 307- 323.
[7 ] Modonakl G C, Galarneau D I. A mon tecarlo evaluation of s ome ridge-type es timations [ J] . J Amer Stati s t Ass oc, 1975, 70: 407- 416.
[8 ] 马春晖 ,韩建国 ,张 玲 ,等 .施氮肥对高羊茅种子质量和产量组成的影响 [ J ].草业学报 , 2003, 12( 6): 74- 78.
[9 ] Bark er R E, Pend er W F, Welty R E. Selection for stem rust resis tance in tal l f escu e and it s correlated response wi th s eed yield [ J ]. Crop
Science, 2003, 43( 1): 75- 80.
[10 ] Jerem y W S. Fresh versus field-cu red g rass qualit y, mineral, and ni trate concent ration at di ff erent ni t rog en rates [ J] . Crop Science, 2002,
42( 5): 1656- 1661.
[11] Young W C, Chilcote D O. Ch emical dw arf ing and th e response of cool-s eason g ras s s eed crops to spring-applied ni trogen [ J] . Ag ron
Journal, 1999, 91( 2): 344- 350.
[12 ] Young W C. Spring-applied nit rogen and productivity of cool-s eason grass seed crops [ J] . Ag ron Jou rnal , 1999, 91( 2): 339- 343.
[13 ] 王兴仁 .现代肥料试验设计 [M ] .北京:农业出版社 , 1996. 164- 190.
[14 ] 丁希泉 .农业应用回归设计 [M ] .长春:吉林科学技术出版社 , 1986. 101- 151.
[15 ] 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.
[16 ] SAS Ins ti tu te Inc. SAS /ST AT Users Guid e[M ] . Nor th Carolina: SAS Ins ti tu te Inc, 1988. 941- 947.
[17 ] 曾 庆 ,周燕荣 .岭回归分析及其在大气环境因素对人群健康影响分析中的应用 [ J] .中国卫生统计 , 1997, 14( 4): 25- 28.
[18 ] 张希山 ,代连义 ,王志杰 ,等 .禾草饲料之王—— 无芒雀麦 [ J].新疆畜牧业 , 2002, ( 4): 28- 29.
[19 ] 毛培胜 ,韩建国 ,王 培 ,等 .施肥对无芒雀麦和老芒麦种子产量的影响 [ J ].草地学报 , 2000, 8( 4): 273- 278.
[20 ] 房丽宁 ,韩建国 ,王 培 ,等 .氮肥、植物生长调节剂和环境因素对无芒雀麦种子生产的影响 [ J] .中国草地 , 2001, 23( 4): 31- 37.
(下转第 26页 )
22
西北农林科技大学学报 (自然科学版 ) 第 33卷
Studies on aroma components o f aromatic tobacco condensate
ZHAO Ming-qin,HAN Fu-gen, SHAO Hui-f ang, WANG Bao-xiang
( The Tobacco Department of Henan Agricultural University , Zhengzhou, Henan 450002,China )
Abstract: A study w as carried out on aroma components o f a romatic tobacco condensate wi th GC /M S.
The results show ed that there w ere 8 kinds o f aliphatic, 5 kinds of esters, 2 kinds o f aldehydes, 2 kinds of
ni t rog en sulfur heterocyclic ring s and one kind of h ydro carbon, alcoholics, ketone, lactones respectiv ely in
the analyzed 21 kinds of a roma components, and the content of furfural ,β -methyl v aleric acid, palmi tic acid,
nico tine, neohy tadiene were higher, nex t w ere acetyl ethyl propiona te, caleric acid, pheny l ethy l acetate, hy-
droxylic diethy l succinate. At the same time, the contents of a roma components w ere tested w ith 3 ex trac-
tion methods of Aromatic tobacco condensa te. The results show ed tha t the quali ty of ex t ract primary dis-
ti lled by w ater w as best and the contents of it s aroma components w ere higher. Nex t w as the twile disti lla-
tion as ex tractant of equal w ater and ethyl alcohol. While the quality of ex t ract made by the twi le disti lla-
tion a s ex tracrant ethyl alcohol w as w o rst , a nd the contents o f it s most aroma components w ere a lso the
low est.
Key words: aroma tic tobacco condensate; aroma consti tuent; relativ e content
(上接第 22页 )
Abstract ID: 1671-9387( 2005) 06-0018-EA
Ridge reg ression analy sis of seed yield components of six g rass species
WANG Quan-zhen
1, 2 ,HAN Jian-guo
1 , ZHOU He
1 , LIU Fu-yuan
2 , ZHONG Yong
2
( 1 Instituteof Grassland Science ,China Agri cultural Universit y ,Key Laboratory of Grassland Science in Beijing,Beijing 100094,Chian;
2 Gansu Branch of Chengdu Daye Internat ional Interest Co. Ltd , Ji uquan, Gansu 735009,China)
Abstract: Based on multi-factor o rthogonal designed field experiment , the ridge reg ression models of
seed yield components and seed yield of the 6 grass species are founded through ridge reg ression analy sis
w ith big samples. Except the model of Agropy ron L. , increasing any seed yield component can increase seed
yield. The o rder of the seed yield components to it s yield is weight per seed> seed numbers per spikelet>
f lo rets per spikelet> spikelets per shoo t> shoots.
Key words: six g rass species; seed yield; seed yield components; ridg e reg ression analy sis
26
西北农林科技大学学报 (自然科学版 ) 第 33卷