蕭自位 白學(xué)慧 馬關(guān)潤(rùn) 趙明珠 蘇琳琳 郭鐵英 李錦紅 周華

摘要：【目的】了解小粒種咖啡（Coffea arabica）農(nóng)藝性狀對(duì)單株產(chǎn)量的影響，為小粒種咖啡優(yōu)良品種選育提供科學(xué)依據(jù)?！痉椒ā炕谌瘥惪Х葒?guó)家種質(zhì)資源圃1999—2020年期間的觀測(cè)數(shù)據(jù)，采用相關(guān)性系數(shù)、灰色關(guān)聯(lián)分析及變量投影重要性準(zhǔn)則3種方法，以及運(yùn)用偏最小二乘法（PLS）建立線性回歸方程，對(duì)小粒種咖啡主要農(nóng)藝性狀與單株產(chǎn)量關(guān)聯(lián)進(jìn)行分析?！窘Y(jié)果】小粒種咖啡各農(nóng)藝性狀與單株產(chǎn)量間存在著極顯著的正相關(guān)關(guān)系（P<0.01）?；叶汝P(guān)聯(lián)分析表明，各農(nóng)藝性狀與單株產(chǎn)量有較強(qiáng)的關(guān)聯(lián)度，關(guān)聯(lián)度變化范圍在0.750～0.769。變量投影重要性分析表明，各農(nóng)藝性狀對(duì)單株產(chǎn)量均有較好的解釋能力，其中分枝對(duì)數(shù)和莖粗對(duì)單株產(chǎn)量的解釋能力最大，變量投影重要性準(zhǔn)則（VIP值）分別為1.290和1.140。株高、莖粗、分枝對(duì)數(shù)、冠幅、最長(zhǎng)一分枝長(zhǎng)和最長(zhǎng)一分枝節(jié)數(shù)6個(gè)主要農(nóng)藝性狀與單株產(chǎn)量建立的PLS線性回歸方程擬合度最優(yōu)。通徑分析結(jié)果表明，各農(nóng)藝性狀對(duì)單株產(chǎn)量間接作用的總效應(yīng)（1.472）大于直接作用（0.471）。最長(zhǎng)一分枝長(zhǎng)通過(guò)其他農(nóng)藝性狀對(duì)單株產(chǎn)量的間接作用總和最大，為0.333。其他農(nóng)藝性狀通過(guò)最長(zhǎng)一分枝長(zhǎng)對(duì)單株產(chǎn)量的間接作用總效應(yīng)最大，為0.576。另外，其他農(nóng)藝性狀通過(guò)分枝對(duì)數(shù)對(duì)單株產(chǎn)量的間接作用總效應(yīng)也較大，為0.562?！窘Y(jié)論】6個(gè)主要農(nóng)藝性狀對(duì)咖啡單株產(chǎn)量有顯著影響，在品種選育過(guò)程中是主要的觀測(cè)對(duì)象。所建立的偏最小二乘法（PLS）線性回歸方程，可作為單株產(chǎn)量預(yù)測(cè)的輔助手段。

關(guān)鍵詞： 小粒種咖啡;農(nóng)藝性狀;產(chǎn)量;偏最小二乘法

中圖分類(lèi)號(hào)： S571.2? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：2095-1191（2022）01-0166-07

Association among main agronomic traits and yield

in Coffea arabica

XIAO Zi-wei， BAI Xue-hui， MA Guan-run， ZHAO Ming-zhu， SU Lin-lin，

GUO Tie-ying， LI Jin-hong， ZHOU Hua*

（Dehong Tropical Agriculture Science Institute of Yunnan， Ruili， Yunnan? 678600， China）

Abstract：【Objective】 The aim of this study was to analyze the relationship between agronomic trait of coffee（Coffea arabica） and yield， and to provide theoretical references for breeding superior coffee varieties. 【Method】Based on the observed data of national germplasm resources garden of Ruili coffee from 1999 to 2020， used correlation（r），gray correlation（GRA） and projected importance（VIP） methods， the linear regression equation was established by partial least squares regression（PLS） method to analyze the main agronomic traits and yield per plant of coffee. 【Result】There was extremely significant correlation between agronomic traits and yield per plant（P<0.01）. Gray correlation analysis showed that there was a strong correlation between each agronomic trait and yield per plant， and the relational coefficient ranged from 0.750 to 0.769. VIP showed that all agronomic traits had good explanatory ability to yield per plant， in which number of primary branch and stem diameter had the highest explanatory ability to yield per plant， and VIP value were 1.290 and 1.140， respectively. The optimal PLS model identified six relevant traits（plant height， main stem diameter， number of primary branch， canopy diameter， length of the first primary branch and number of the first primary branch node）. Path analysis showed that cumulative indirect effects of agronomic traits on yield per plant（1.472） was greater than the cumulative direct effects（0.471）. The length of the first primary branch had the greatest indirect effect on yield per plant through other agronomic traits， and the value was 0.333. The cumulative indirect effect of other agronomic traits on yield per plant through length of the first primary branch was the greatest（0.576）. In addition， there was also a greater cumulative indirect effect of other agronomic traits on yield per plant through the number of primary branch（0.562）. 【Conclusion】Based on the analysis， all the six traits in this study significantly influence coffee yield. Thus， those agronomic traits are the main observation objects in the breeding process. PLS linear regression equation established by using six agronomic traits has the highest accuracy， which can be used as an auxiliary tool to predict the yield per plant.

Key words： Coffea arabica; agronomic trait; yield; partial least squares regression

Foundation items：Project of National Tropical Plants Germplasm Resource Center（NTPGRC2020-016）; International Science and Technology Cooperation Project（202003AE140002）

0 引言

【研究意義】小粒種咖啡（Coffea arabica）是四倍體植物，茜草科咖啡屬，起源于非洲熱帶地區(qū)，適宜在溫暖濕潤(rùn)全年無(wú)霜的環(huán)境中生長(zhǎng)，是世界上種植面積最廣的咖啡（Wintgens，2009;Daviset et al.，2012;Beksisa et al.，2017）。小粒種咖啡傳入我國(guó)已有100多年的歷史，主要分布在云南境內(nèi)，種植面積已發(fā)展到近10萬(wàn)ha，產(chǎn)量占全國(guó)咖啡總產(chǎn)量的95%以上（ICO，2015）。小粒種咖啡卡蒂姆品種是云南主栽品種，約占全省咖啡總面積的95%以上（張洪波等，2018）。但該品種已經(jīng)在云南各咖啡種植區(qū)出現(xiàn)不同程度的銹病（白學(xué)慧等，2017）。因此，培育出新的抗銹品種，對(duì)云南咖啡產(chǎn)業(yè)發(fā)展具有十分重要的意義。盡管小粒種咖啡樹(shù)的表型受環(huán)境因素和遺傳因素的共同影響，但各主要農(nóng)藝性狀依然能有效地反映咖啡樹(shù)自身的遺傳信息（Kitila et al.，2011a;Rodrigues et al.，2012;Beksisa and Ayano，2016;Beksisa et al.，2017）。因此，深入研究主要農(nóng)藝性狀與產(chǎn)量的關(guān)系，能更加準(zhǔn)確地估測(cè)每個(gè)新品種未來(lái)的產(chǎn)量，為進(jìn)一步的品種篩選和推廣提供科學(xué)依據(jù)?！厩叭搜芯窟M(jìn)展】目前，咖啡樹(shù)農(nóng)藝性狀與咖啡產(chǎn)量間的相關(guān)性研究在國(guó)內(nèi)尚未見(jiàn)相關(guān)報(bào)道。Dhaliwal（1968）最早研究小粒種咖啡樹(shù)農(nóng)藝性狀與鮮果產(chǎn)量的相關(guān)關(guān)系，得到莖粗、樹(shù)高、冠幅和分枝對(duì)數(shù)與鮮果產(chǎn)量有顯著正相關(guān)關(guān)系。de Carvalho等（2010）的研究結(jié)果也顯示，莖粗、樹(shù)高、最長(zhǎng)一分枝長(zhǎng)和分枝對(duì)數(shù)與產(chǎn)量間存在顯著正相關(guān)關(guān)系。Rodrigues等（2014）運(yùn)用莖粗、株高、分枝對(duì)數(shù)和產(chǎn)量對(duì)25個(gè)小粒種咖啡品系進(jìn)行分析和評(píng)價(jià)，選出了5個(gè)較好的卡杜埃品系。Wardiana等（2014）運(yùn)用通徑分析研究表明，株高和莖粗對(duì)咖啡產(chǎn)量有正向影響，冠幅對(duì)咖啡產(chǎn)量有負(fù)向影響。Weldemichael等（2016）研究了26個(gè)小粒種咖啡定量性狀間的相關(guān)性，發(fā)現(xiàn)許多性狀在很大程度上能反映基因的變異程度，在雜交育種過(guò)程中可作為主要選育對(duì)象。Pereira等（2019）進(jìn)一步研究農(nóng)藝性狀對(duì)咖啡產(chǎn)量和品質(zhì)的相關(guān)性，發(fā)現(xiàn)株高、莖粗、最長(zhǎng)一分枝長(zhǎng)和分枝對(duì)數(shù)等農(nóng)藝性狀對(duì)咖啡產(chǎn)量有顯著影響，咖啡品種農(nóng)藝性狀上的差異可作為區(qū)分不同品種的特征，且咖啡品質(zhì)與品種密切相關(guān)，因此認(rèn)為農(nóng)藝性狀能在一定程度上能反映咖啡品質(zhì)?！颈狙芯壳腥朦c(diǎn)】以往研究著重于分析各農(nóng)藝性狀對(duì)產(chǎn)量的直接影響和間接影響，尚未見(jiàn)通過(guò)模型量化分析小粒種咖啡產(chǎn)量與主要農(nóng)藝性狀間關(guān)系的相關(guān)報(bào)道。【擬解決的關(guān)鍵問(wèn)題】利用小粒種咖啡株高、莖粗、分枝對(duì)數(shù)、冠幅、最長(zhǎng)一分枝長(zhǎng)和最長(zhǎng)一分枝節(jié)數(shù)與單株產(chǎn)量的關(guān)系建立線性最優(yōu)數(shù)學(xué)模型，運(yùn)用通徑分析的方法探討各農(nóng)藝性狀對(duì)單株產(chǎn)量的影響，以期為小粒種咖啡新品種選育評(píng)價(jià)提供參考。

1 材料與方法

1. 1 試驗(yàn)地基本情況

云南省瑞麗市的咖啡種質(zhì)資源圃從20世紀(jì)60年代開(kāi)始收集國(guó)內(nèi)外咖啡種質(zhì)資源，每份種質(zhì)資源種植5株，按1.5 m×2 m的行間距種植，定植后每年實(shí)行統(tǒng)一的管理方式。資源圃內(nèi)的遮陰樹(shù)種為橡膠樹(shù)，橡膠樹(shù)的行間距約為3 m×12 m。從1994年開(kāi)始，對(duì)每年新引入咖啡種質(zhì)資源圃的新種質(zhì)進(jìn)行連續(xù)3年的農(nóng)藝性狀觀測(cè)和咖啡單株產(chǎn)量測(cè)量，農(nóng)藝性狀觀測(cè)時(shí)間從種植后的第2年開(kāi)始，單株產(chǎn)量測(cè)量從第1掛果年（種植第3年）開(kāi)始，連續(xù)測(cè)量3年，至2020年資源圃內(nèi)已收集700余份咖啡種質(zhì)資源。為選擇具有相同種植年齡的植株進(jìn)行分析，本研究從1999—2020年的觀測(cè)數(shù)據(jù)中篩選了400份小粒種咖啡種質(zhì)，每份種質(zhì)觀測(cè)株數(shù)為3～5株，共764個(gè)樣本。

1. 2 鮮果產(chǎn)量測(cè)量和農(nóng)藝性狀觀測(cè)

由于受咖啡果成熟不一致性的影響，每年年底從咖啡果成熟開(kāi)始，對(duì)需進(jìn)行產(chǎn)量測(cè)量的植株分批次采摘，每次采摘記錄其鮮果質(zhì)量（kg），最后將各批次采摘鮮果質(zhì)量相加，然后除以測(cè)量株數(shù)得到單株產(chǎn)量。鮮果采摘完后對(duì)植株各項(xiàng)農(nóng)藝性狀進(jìn)行測(cè)量，測(cè)量項(xiàng)目包括6項(xiàng)：株高（cm）、莖粗（cm）、分枝對(duì)數(shù)（對(duì)）、冠幅（cm）、最長(zhǎng)一分枝長(zhǎng)（cm） 和最長(zhǎng)一分枝節(jié)數(shù)（節(jié)）。

1. 3 分析方法

由于氣候因素同時(shí)對(duì)咖啡的農(nóng)藝性狀和單株產(chǎn)量起作用，因此本研究假設(shè)氣候因素對(duì)二者的作用相等。以單株產(chǎn)量為因變量Y，以株高（X1）、莖粗（X2）、分枝對(duì)數(shù)（X3）、冠幅（X4）、最長(zhǎng)一分枝長(zhǎng)（X5）和最長(zhǎng)一分枝節(jié)數(shù)（X6）為自變量進(jìn)行PLS線性回歸分析和通徑分析。運(yùn)用以下4種方法分析評(píng)價(jià)小粒種咖啡單株產(chǎn)量與各項(xiàng)農(nóng)藝性狀間的關(guān)系：

（1）相關(guān)性系數(shù)（r），反映小粒種咖啡單株產(chǎn)量與各項(xiàng)農(nóng)藝性狀間關(guān)系的密切程度，[r]越大表明咖啡單株產(chǎn)量與該項(xiàng)農(nóng)藝性狀關(guān)系越密切。

（2）灰色關(guān)聯(lián)度分析（GRA），是一個(gè)無(wú)量綱的值，反映參考數(shù)列與比較數(shù)列間關(guān)聯(lián)程度?；疑P(guān)聯(lián)度越大表示咖啡單株產(chǎn)量與該農(nóng)藝性狀間的關(guān)系越密切。參考數(shù)列與比較數(shù)列間的灰色關(guān)聯(lián)度用以下公式計(jì)算：

式中，ρ代表分辨系數(shù)，0>ρ>1，此處設(shè)定ρ=0.5，X0（k）代表為咖啡單株產(chǎn)量數(shù)列，Xi（k）代表各農(nóng)藝性狀數(shù)列（k=1，2，3，…，N，為對(duì)應(yīng)數(shù)列觀測(cè)對(duì)象數(shù);i=1，2，3，…，n為相應(yīng)農(nóng)藝性狀）。

（3）變量投影重要性準(zhǔn)則（VIP值），描述自變量對(duì)因變量的解釋能力，VIP值越大，表示農(nóng)藝性狀對(duì)單株產(chǎn)量的解釋能力越強(qiáng)。

（4）偏最小二乘法（PLS），是建立一種多因變量對(duì)多自變量的回歸建模方法，其優(yōu)點(diǎn)是可消除數(shù)據(jù)分布非正態(tài)性和自變量多重共線性對(duì)回歸模型的影響。

1. 4 模型精度驗(yàn)證

為得到最優(yōu)的偏最小二乘法（PLS）線性回歸模型，采用赤池信息量準(zhǔn)則（Akaike’s information criterion，AIC）、決定系數(shù)（R2）和均方根誤差（[RMSE]）3個(gè)指標(biāo)評(píng)價(jià)模型精度。其中，AIC值（[VAIC]）越小模型精度越高;R2表示模型的擬合值與實(shí)測(cè)值的變異程度，模型精度越高，該值越接近于1;[RMSE]反映模擬值與實(shí)測(cè)值間的偏差，模型精度越高偏差越小。指標(biāo)計(jì)算公式為：

VAIC=N·ln [S2pN]+2（n+1）

式中，N為樣本個(gè)數(shù)，S[2p]為單株產(chǎn)量模型殘差值，n為農(nóng)藝性狀個(gè)數(shù)。

R2=1-[Yi-Yi2Yi-Y2]

RMSE=[i=1NYi-Yi2N]

式中，Yi為實(shí)測(cè)值，[Yi]為預(yù)測(cè)值，Y為實(shí)測(cè)平均值。

1. 5 統(tǒng)計(jì)分析

使用Excel 2007進(jìn)行數(shù)據(jù)整理，IBM SPSS 24.0進(jìn)行數(shù)據(jù)分析。

2 結(jié)果與分析

2. 1 主要農(nóng)藝性狀與單株產(chǎn)量的相關(guān)分析

對(duì)1999—2020年小粒種咖啡單株產(chǎn)量與主要農(nóng)藝性狀（表1）進(jìn)行相關(guān)分析，結(jié)果（表2）顯示，小粒種咖啡單株產(chǎn)量與主要農(nóng)藝性狀間均存在著極顯著的相關(guān)關(guān)系（P<0.01）。其中，與單株產(chǎn)量相關(guān)性最強(qiáng)的是分枝對(duì)數(shù)（X3），相關(guān)系數(shù)為0.302，其次是最長(zhǎng)一分枝節(jié)數(shù)（X6）和莖粗（X2），分別為0.281和0.279;最長(zhǎng)一分枝長(zhǎng)（X5）、冠幅（X4）和株高（X1）與單株產(chǎn)量的相關(guān)系數(shù)分別為0.211、0.209和0.170。主要農(nóng)藝性狀與單株產(chǎn)量相關(guān)分析結(jié)果（表3）表明，分枝對(duì)數(shù)是影響單株產(chǎn)量的主要因素，分枝對(duì)數(shù)越多單株產(chǎn)量則越高;最長(zhǎng)一分枝節(jié)數(shù)、莖粗、最長(zhǎng)一分枝長(zhǎng)和冠幅也是反映單株產(chǎn)量和植株生長(zhǎng)狀況的重要指標(biāo)，其與單株產(chǎn)量的相關(guān)性均大于0.200。由此可知，小粒種咖啡單株產(chǎn)量不僅與結(jié)果枝密切相關(guān)，還與植株的生長(zhǎng)狀況密切相關(guān)。

2. 2 主要農(nóng)藝性狀與單株產(chǎn)量的灰色關(guān)聯(lián)度比較

灰色關(guān)聯(lián)度分析的結(jié)果（表3）表明，主要農(nóng)藝性狀與單株產(chǎn)量的灰色關(guān)聯(lián)度（GRA值）差異不大，均在0.700以上，其中與單株產(chǎn)量關(guān)聯(lián)度最大的是分枝對(duì)數(shù)，為0.769，最小的是株高，為0.750，小粒種咖啡主要農(nóng)藝性狀與單株產(chǎn)量的GRA值由大到小依次為分枝對(duì)數(shù)、莖粗、最長(zhǎng)一分枝節(jié)數(shù)、冠幅、最長(zhǎng)一分枝長(zhǎng)、株高。在6個(gè)主要農(nóng)藝性狀中，分枝對(duì)數(shù)反映單株結(jié)果枝條的多少，而莖粗則反映植株生長(zhǎng)的健壯程度。因此，灰色關(guān)聯(lián)度分析表明，結(jié)果枝越多植株產(chǎn)量越高，植株生長(zhǎng)越健壯越有利于提高植株產(chǎn)量。

2. 3 主要農(nóng)藝性狀與單株產(chǎn)量的變量投影重要性準(zhǔn)則比較

小粒種咖啡主要農(nóng)藝性狀對(duì)單株產(chǎn)量的變量投影重要性（VIP值）如表3所示。主要農(nóng)藝性狀對(duì)單株產(chǎn)量的VIP值最大的是分枝對(duì)數(shù)，其次是莖粗，分別為1.290和1.140，最小為冠幅，VIP值為0.849，因此需保留所有農(nóng)藝性狀。小粒種咖啡主要農(nóng)藝性狀對(duì)單株產(chǎn)量的VIP值由大到小依次為分枝對(duì)數(shù)、莖粗、最長(zhǎng)一分枝節(jié)數(shù)、最長(zhǎng)一分枝長(zhǎng)、株高、冠幅?？梢?jiàn)，VIP值比較結(jié)果與GRA方法所得結(jié)果相似，分枝對(duì)數(shù)和莖粗分別反映植株結(jié)果枝的數(shù)量和植株的生長(zhǎng)狀況。

2. 4 主要農(nóng)藝性狀與單株產(chǎn)量最優(yōu)PLS方程

根據(jù)相關(guān)性系數(shù)（r）、灰色關(guān)聯(lián)度分析（GRA）、變量投影重要性準(zhǔn)則（VIP值）3種方法各自數(shù)值大小順序依次增加自變量個(gè)數(shù)建立PLS方程，結(jié)果見(jiàn)表4。3種方法中，R2均隨自變量的增加而增加，RMSE隨自變量的增加而降低，2個(gè)指標(biāo)的變化規(guī)律反映出隨自變量的增加，擬合模型的精度也逐漸增加。采用相關(guān)性系數(shù)和灰色關(guān)聯(lián)度分析方法時(shí)，隨自變量增加AIC值逐漸降低，當(dāng)6個(gè)主要農(nóng)藝性狀都均作為自變量建立PLS方程時(shí)，AIC值最小，為-101.310，同時(shí)，2種方法中[R2]和RMSE的變化表明，含有6個(gè)主要農(nóng)藝性狀的PLS方程精度最高。采用變量投影重要性準(zhǔn)則方法時(shí)，AIC值最低的是含有5個(gè)主要農(nóng)藝性狀時(shí)的PLS方程，AIC值為-102.325;在該方法中，雖然含有5個(gè)主要農(nóng)藝性狀的PLS方程AIC值最低，但從5個(gè)主要農(nóng)藝性狀增加到6個(gè)主要農(nóng)藝性狀時(shí)，PLS方程的AIC值變化較?。ㄐ∮?%），而[R2]和RMSE的變化表明，含有6個(gè)主要農(nóng)藝性狀的PLS方程要比含有5個(gè)主要農(nóng)藝性狀PLS方程精度高，因此在變量投影重要性準(zhǔn)則方法中也是包含6個(gè)主要農(nóng)藝性狀的PLS方程擬合度最佳。

2. 5 主要農(nóng)藝性狀與產(chǎn)量的通徑分析

根據(jù)最優(yōu)PLS擬合方程決定系數(shù)R2=0.142可知，剩余因子e=[1-R2]=0.926，該值與R2相比較大，表明除上述6個(gè)主要農(nóng)藝性狀外還有其他一些因素也對(duì)單株產(chǎn)量有著較大影響。由表2可知，不僅單株產(chǎn)量與6個(gè)主要農(nóng)藝性狀間存在著極顯著的相關(guān)性，各農(nóng)藝性狀間也存在著十分顯著的相關(guān)性，因此需進(jìn)一步對(duì)各主要農(nóng)藝性狀與單株產(chǎn)量進(jìn)行通徑分析，以了解各農(nóng)藝性狀對(duì)單株產(chǎn)量的間接作用。如表5所示，6個(gè)主要農(nóng)藝性狀對(duì)單株產(chǎn)量的間接作用總效應(yīng)達(dá)1.472，該值遠(yuǎn)大于各農(nóng)藝性狀對(duì)單株產(chǎn)量的直接作用總效應(yīng)值（0.471）。進(jìn)一步分析表明，各農(nóng)藝性狀通過(guò)其他性狀對(duì)單株產(chǎn)量的變量間接作用中，最長(zhǎng)一分枝長(zhǎng)（X5）通過(guò)其他性狀對(duì)單株產(chǎn)量的間接作用總效應(yīng)最大，為0.333，冠幅（X4）、莖粗（X2）和株高（X1）的間接作用總效應(yīng)均大于0.200，分別為0.273、0.262和0.229。分析其他農(nóng)藝性狀通過(guò)某一個(gè)農(nóng)藝性狀對(duì)單株產(chǎn)量的間接作用總效應(yīng)，結(jié)果表明，通過(guò)最長(zhǎng)一分枝長(zhǎng)（X5）對(duì)單株產(chǎn)量的間接作用總效應(yīng)最大，為0.576，通過(guò)分枝對(duì)數(shù)（X3）對(duì)單株產(chǎn)量的間接作用總效應(yīng)次之，為0.562，通過(guò)莖粗（X2）對(duì)單株產(chǎn)量的間接作用總效應(yīng)略小，為0.346，與之相近的，通過(guò)冠幅（X4）對(duì)單株產(chǎn)量的間接作用總效應(yīng)為0.336，而其他農(nóng)藝性狀通過(guò)株高（X1）和最長(zhǎng)一分枝節(jié)數(shù)（X6）對(duì)單株產(chǎn)量的間接作用總效應(yīng)為負(fù)向，分別為-0.224和-0.120。上述分析表明，各農(nóng)藝性狀不僅直接影響單株產(chǎn)量，且各農(nóng)藝性狀間極顯著的相關(guān)性也是間接影響單株產(chǎn)量的重要因素。

3 討論

通過(guò)運(yùn)用根據(jù)相關(guān)性系數(shù)、灰色關(guān)聯(lián)度分析、變量投影重要性準(zhǔn)則3種方法分析小粒種咖啡主要農(nóng)藝性狀與單株產(chǎn)量間的關(guān)系，結(jié)果發(fā)現(xiàn)6個(gè)主要農(nóng)藝性狀對(duì)小粒種咖啡單株產(chǎn)量既有直接影響也有間接影響，該結(jié)論與Marandu等（2004）、Kitila等（2011b）及Pereira等（2019）的研究結(jié)果一致。但運(yùn)用這些農(nóng)藝性狀來(lái)擬合小粒種咖啡單株產(chǎn)量的一元回歸方程時(shí)，可能會(huì)存在著信息重疊，導(dǎo)致過(guò)度擬合問(wèn)題。偏最小二乘回歸（PLS）被稱(chēng)為第二代回歸分析方法，能解決以往普通多元回歸方法所無(wú)法解決的一些問(wèn)題，如數(shù)據(jù)共線性、非正態(tài)性和樣本偏小等（張政和馮國(guó)雙，2012;王國(guó)華等，2017）。另外，PLS算法在迭代過(guò)程中保持了自變量所提取數(shù)據(jù)與因變量間的最大相關(guān)性，所建模型具有較高的精度和穩(wěn)定性（王冬等，2016）。本研究結(jié)果表明，6個(gè)主要農(nóng)藝性狀建立的PLS線性方程精度最高，由此可知，在新品種選育和田間農(nóng)藝性狀觀測(cè)過(guò)程中，該6種農(nóng)藝性狀是主要觀測(cè)指標(biāo)。

本研究根據(jù)相關(guān)性系數(shù)、灰色關(guān)聯(lián)度分析、變量投影重要性準(zhǔn)則3種方法分析表明，分枝對(duì)數(shù)是影響單株產(chǎn)量的一個(gè)重要因素，由于分枝對(duì)數(shù)直接決定了結(jié)果枝的數(shù)量，因此其主要通過(guò)直接作用影響單株產(chǎn)量，與Marandu等（2004）得出分枝對(duì)數(shù)與單株產(chǎn)量的相關(guān)性最高的研究結(jié)果具有相似性，也與生產(chǎn)實(shí)踐一致。本研究中通徑分析結(jié)果表明，各農(nóng)藝性狀對(duì)單株產(chǎn)量的間接作用總效應(yīng)較大，該結(jié)果與前人的研究（Marandu et al.，2004;Wardiana et al.，2014;Beksisa et al.，2017）相一致。本研究中，最長(zhǎng)一分枝長(zhǎng)通過(guò)其他性狀對(duì)單株產(chǎn)量的間接作用總效應(yīng)最大，而其他農(nóng)藝性狀通過(guò)最長(zhǎng)一分枝長(zhǎng)和分枝對(duì)數(shù)對(duì)單株產(chǎn)量的間接作用總效應(yīng)也較大，與Beksisa等（2017）的研究得出冠幅對(duì)植株產(chǎn)量的間接作用較大的結(jié)果并不相同，造成這種差異的原因可能是所選農(nóng)藝性狀的不同所致。由于有的農(nóng)藝性狀受多基因控制（Nikhila et al.，2010;Rodrigues et al.，2014），這使得分析農(nóng)藝性狀與產(chǎn)量間的關(guān)系變得更加復(fù)雜。另外，農(nóng)藝性狀的變化雖然能夠較好地反映咖啡樹(shù)的遺傳特征（Singh and Seifu，2003;DaMatta et al.，2007;Bellachew，2010），但與植株生長(zhǎng)狀況和單株產(chǎn)量相關(guān)的農(nóng)藝性狀較多，很難進(jìn)行全面觀測(cè)。同時(shí)，小粒種咖啡表型變化在一定程度上還受到環(huán)境因素的影響（Kitila et al.，2011a;Beksisa and Ayano，2016;Cheng et al.，2016）。因此，選擇不同的農(nóng)藝性狀來(lái)反映單株產(chǎn)量，其結(jié)果可能會(huì)存在一定的差異。本研究?jī)H分析了6個(gè)主要農(nóng)藝性狀與單株產(chǎn)量的關(guān)系，除此之外還有其他農(nóng)藝性狀，如節(jié)、節(jié)間距、葉長(zhǎng)、葉寬、果實(shí)形狀和顏色、花朵數(shù)量及結(jié)果枝上的單節(jié)果實(shí)數(shù)等也與植株的產(chǎn)量密切相關(guān)（Gichimu and Omondi，2010;Nikhila et al.，2010;Beksisa et al.，2017）。在品種選育過(guò)程中，應(yīng)適當(dāng)增加一些與植株產(chǎn)量關(guān)系較為密切的農(nóng)藝性狀，如結(jié)果枝上的單節(jié)果實(shí)數(shù)、節(jié)和節(jié)間距等，以期更準(zhǔn)確地預(yù)測(cè)植株未來(lái)的產(chǎn)量。

4 結(jié)論

小粒種咖啡的株高、莖粗、分枝對(duì)數(shù)、冠幅、最長(zhǎng)一分枝長(zhǎng)和最長(zhǎng)一分枝節(jié)數(shù)6個(gè)主要農(nóng)藝性狀對(duì)咖啡單株產(chǎn)量有顯著影響，在品種選育過(guò)程中是主要的觀測(cè)對(duì)象。所建立的偏最小二乘法（PLS）線性回歸方程，可作為單株產(chǎn)量預(yù)測(cè)的輔助手段。

參考文獻(xiàn)：

白學(xué)慧，郭鐵英，周華，蕭自位，馬關(guān)潤(rùn)，李錦紅. 2017. 侵染卡蒂姆7963的咖啡銹菌生理小種鑒定[J]. 中國(guó)熱帶農(nóng)業(yè)，（4）：41-43. [Bai X H，Guo T Y，Zhou H，Xiao Z W，Ma G R，Li J H. 2017. Infect Catimor 7963 identification of small physiological species of coffee rust[J]. China Tro-pical Agriculture，（4）：41-43.] doi：10.3969/j.issn.1673-0658.2017.04.012.

劉思峰，蔡華，楊英杰，曹穎. 2013. 灰色關(guān)聯(lián)分析模型研究進(jìn)展[J]. 系統(tǒng)工程理論與實(shí)踐，33（8）：2041-2046. [Liu S F，Cai H，Yang Y J，Cao Y. 2013. Advance in grey incidence analysis modelling[J]. Systems Engineering-Theory & Practice，33（8）：2041-2046.] doi：10.3969/j.issn.1000-6788.2013.08.018.

王冬，王紀(jì)華，馬智宏，李安，靳欣欣，潘立剛，侯金健，萬(wàn)賜暉. 2016. 偏最小二乘—判別分析模型影響因素初步研究[J]. 食品安全質(zhì)量檢測(cè)學(xué)報(bào)，7（2）：445-452. [Wang D，Wang J H，Ma Z H，Li A，Jin X X，Pan L G，Hou J J ，Wan C H. 2016. Elementary research on the influence factors of the partial least square-discriminant analysis models[J]. Journal of Food Safety and Quality，7（2）：445-452.]

王國(guó)華，張虎，魏岳嵩. 2017. 偏最小二乘回歸在SPSS軟件中的實(shí)現(xiàn)[J]. 統(tǒng)計(jì)與決策，（7）：67-71. [Wang G H，Zhang H，Wei Y S. 2017. Implementation of partial least squares regression in SPSS software[J]. Statistics and Decision，（7）：67-71.] doi：10.13546/j.cnki.tjyjc.2017.07.017.

張洪波，郭鐵英，匡鈺，李錦紅，白學(xué)慧，肖兵，夏紅云，周華，林興文，蕭自位. 2018. 影響云南卡蒂姆咖啡杯品質(zhì)量的因素及對(duì)策[J]. 熱帶農(nóng)業(yè)科技，41（1）：36-42. [Zhang H B，Guo T Y，Kuang Y，Li J H，Bai X H，Xiao B，Xia H Y，Zhou H，Lin X W，Xiao Z W. 2018. The influence factors on Catimor cupping quality and its promotion measures[J]. Tropical Agricultural Science & Technology，41（1）：36-42.] doi：10.16005/j.cnki.tast.2018.01.009.

張政，馮國(guó)雙. 2012. 變量投影重要性分析在自變量篩選中的應(yīng)用[J]. 現(xiàn)代預(yù)防醫(yī)學(xué)，39（22）：5813-5815. [Zhang Z，F(xiàn)eng G S. 2012. Application of variable importance for projection in the variables selection[J]. Modern Preventive Medicine，39（22）：5813-5815.]

Beksisa L，Ayano A. 2016. Genetic variability，heritability and genetic advance for yield and yield components of Limmu coffee（Coffea arabica L.）accessions in South Western Ethiopia[J]. Middle-East Journal of Scientific Research，24（6）：1913-1919. doi：10.5829/idosi.mejsr.2016.24.06. 23518.

Beksisa L，Ayano A，Benti T. 2017. Correlation and path coefficient analysis for yield and yield components in some Ethiopian accessions of Arabica coffee[J]. International Journal of Plant Breeding and Crop Science，4（2）：178-186.

Bellachew B. 2010. Arabica coffee breeding for yield and resistance to coffee berry disease（Colletotrichum kahawae sp.nov.）[D]. London：University of London.

Cheng B，F(xiàn)urtado A，Smyth H E，Henry R J. 2016. Influence of genotype and environment on coffee quality[J]. Trends in Food Science & Technology，57（Part A）：20-30. doi：10.1016/j.tifs.2016.09.003.

de Carvalho A M，Mendes A N G，Carvalho G R，Botelho C E，Gon?alves F M A，F(xiàn)erreira A D. 2010. Correla??o entre crescimento e produtividade de cultivares de café em diferentes regi?es de Minas Gerais，Brasil Correlation between growth and yield of coffee cultivars in different regions of the state of Minas Gerais，Brazil[J]. Pesquisa agropecuária brasileira. 45（3）：269-275. doi：10.1590/S0100-204X2010000300006.

DaMatta F M，Ronchi C P，Maestri M，Barros R S. 2007. Ecophysiology of coffee growth and production[J]. Brazilian Journal of Plant Physiology，19（4）：485-510. doi：10.1590/ s1677-04202007000400014.

Davis A P，Golo T W，Baena S，Moat J. 2012. The impact of climate change on Indigenous Arabica coffee（Coffea arabica）：Predicting future trends and identifying priorities[J]. PloS One，7（11）：e47981. doi：10.1371/journal.pone. 0047981.

Dhaliwal T S. 1968. Correlations between yield and morphological characters in Puerto Rican and columnaris varie-ties of Coffea arabica L.[J]. The Journal of Agriculture of the University of Puerto Rico. 52（1）：29-37.

Gichimu B M，Omondi C O. 2010. Morphological characte-rization of five newly developed lines of Arabica coffee as compared to commercial cultivars in Kenya[J]. International Journal of Plant Breeding & Genetics，4（4）：238-246. doi：10.3923/ijpbg.2010.238.246.

International Coffee Organization（ICO）. 2015. Coffee in China[M]. Milan：International Coffee Organization：5-6.

Kitila O，Alamerew S，Kufa T，Garedew W. 2011a. Organoleptic characterization of some Limu coffee（Coffea arabica L.） germplasm at Agaro，Southwestern Ethiopia[J]. International Journal of Agricultural Research，6（7）：537-549. doi：10.3923/ijar.2011.537.549.

Kitila O，Alamerew S T，Kufa T，Garedew W. 2011b. Variability of quantitative traits in Limmu coffee（Coffea arabica L.） in Ethiopia[J]. International Journal of Agricultural Research，6（6）：482-493. doi：10.3923/ijar.2011.482.493.

Marandu E F T，Reuben S O W N，Misangu R N. 2004. Genotypic correlations and paths of influence among components of yield in selected robusta coffee（Coffea canephora L.） clones[J]. West African Journal of Applied Ecology，5（1）：11-20. doi：10.4314/wajae.v5i1.45596.

Nikhila K R，Sureshkumar V B，Mohanan K V，Santaram A. 2010. Association of agronomic characters in Robusta coffee（Coffea canephora Pierre ex Froehner）[J]. International Journal of Plant Breeding and Genetics，2（1）：47-50. doi：10.3923/ijpbg.2008.47.50.

Pereira D R，Aguiar J A R，Nadaleti D H S，F(xiàn)assio L，Carvalho J P F，De Carvalho S P，Rodrigues G R. 2019. Morphoagronomic and sensory performance of coffee cultivars in initial stage of development in Cerrado Mineiro[J]. Coffee Science，14（2）：193. doi：10.25186/cs.v14i2. 1570.

Rodrigues W P，Vieira H D，Barbosa D H S G，Vittorazzi C. 2012. Growth and yield of Coffea arabica L. in Northwest Fluminense：2nd harvest[J]. Revista Ceres，59（6）：809-815. doi：10.1590/s0034-737x2012000600011.

Rodrigues W P，Vieira H D，Barbosa D H S G，Sousa Filho G R ，Partelli F L. 2014. Agronomic performance of Arabica coffee genotypes in northwest Rio de Janeiro State[J]. Genetics & Molecular Research，13（3）：5664-5673. doi：10.4238/2014.July.25.22.

Singh H，Seifu S. 2003. Genetic divergence for seedling parameters and association among agronomic traits in the Ethiopian coffee（Coffea arabica L.） germplasm[D]. Alemaya：Alemaya University：310-315.

Wardiana E，Pranowo D，Penelitian B，Industri T，Penyegar D，Raya J，Km P，Parungkuda，Sukabumi. 2014. Selection of vegetative and generative characters of Arabica coffee by using sequential path analysis and structural equation models[J]. Jurnal Penelitian Tanaman Industri，20（2）：77-86. doi：10.21082/jlittri.v20n2.2014.77-86.

Weldemichael G，Alamerew S，Kufa T，Benti T. 2016. Genetic diversity analysis of some Ethiopian specialty coffee（Co-ffea arabica L.） germplasm accessions based on morphological traits[J]. Time Journals of Agriculture and Veterinary Sciences，1（4）：47-54.

Wintgens J N. 2009. Coffee：Growing，processing，sustainable production. A guidebook for growers，processors，traders and researchers[M]. Weinheim：Germany Wiley-VCH Verlag GmbH & Co.

（責(zé)任編輯 鄧慧靈）