CN113537817A - 巴戟天种苗分级指标的筛选及分级方法 - Google Patents
巴戟天种苗分级指标的筛选及分级方法 Download PDFInfo
- Publication number
- CN113537817A CN113537817A CN202110863069.7A CN202110863069A CN113537817A CN 113537817 A CN113537817 A CN 113537817A CN 202110863069 A CN202110863069 A CN 202110863069A CN 113537817 A CN113537817 A CN 113537817A
- Authority
- CN
- China
- Prior art keywords
- seedling
- morinda officinalis
- indexes
- seedlings
- grading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 241000096284 Gynochthodes officinalis Species 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012216 screening Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 241000196324 Embryophyta Species 0.000 claims description 20
- 238000010219 correlation analysis Methods 0.000 claims description 12
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 4
- 235000017524 noni Nutrition 0.000 claims description 4
- 244000131360 Morinda citrifolia Species 0.000 claims description 3
- 235000008898 Morinda citrifolia Nutrition 0.000 claims description 3
- 241000221079 Euphorbia <genus> Species 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 11
- 238000003908 quality control method Methods 0.000 abstract description 4
- 238000007619 statistical method Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012795 verification Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 22
- 239000000463 material Substances 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 10
- 238000005520 cutting process Methods 0.000 description 9
- 239000003814 drug Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 241000382455 Angelica sinensis Species 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000035784 germination Effects 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000157491 Morinda Species 0.000 description 1
- 241000238413 Octopus Species 0.000 description 1
- 244000236658 Paeonia lactiflora Species 0.000 description 1
- 235000008598 Paeonia lactiflora Nutrition 0.000 description 1
- 241001107098 Rubiaceae Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940088679 drug related substance Drugs 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000010413 gardening Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 239000000955 prescription drug Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000007226 seed germination Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000002435 tendon Anatomy 0.000 description 1
- ANRHNWWPFJCPAZ-UHFFFAOYSA-M thionine Chemical compound [Cl-].C1=CC(N)=CC2=[S+]C3=CC(N)=CC=C3N=C21 ANRHNWWPFJCPAZ-UHFFFAOYSA-M 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Marine Sciences & Fisheries (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明提供一种巴戟天种苗分级指标的筛选及分级方法。与现有技术相比,本发明具备如下的有益效果:发明人结合对巴戟天的研究,针对巴戟天种苗相关指标的检测数据,结合应用多种统计分析方法,最终筛选出第一主成分项下特征向量值大于0.6的种苗指标作为分级指标。经验证,这些分级指标对应的检测数据,能够很好反映巴戟天种苗移栽后的生长状况,为巴戟天种苗质量把控提供依据。
Description
技术领域
本发明涉及中药材质量控制技术领域,特别是涉及一种巴戟天种苗分级指标的筛选方法及分级方法。
背景技术
巴戟天(Morinda officinalis How)为茜草科巴戟天属多年生藤本植物(中国科学院中国植物志编辑委员会.中国植物志[M].北京:科学出版社,1999, 71(2):199),其干燥根具有补肾阳、强筋骨、祛风湿之功效(国家药典委员会.中华人民共和国药典一部2020年版[M].北京:中国医药科技出版社,2020:83),具有极高的药用价值,为滋肾育胎丸、妇宁康片、固本统血颗粒等多种中成药的组方原料药。巴戟天是广东道地药材,也是我国著名的四大南药之一,其野生资源已濒临灭绝,目前巴戟天商品药材99%以上来源于栽培,且栽培主要集中于广东,分布在德庆、郁南、高要等县(章润菁,李倩,屈敏红等.巴戟天种质资源调查研究[J].中国现代中药,2016,18(04):482-487;刘瑾,丁平,詹若挺等.广东省和福建省巴戟天药用植物资源调查研究[J].广州中医药大学学报,2009,26(05):485-487)。
巴戟天生产中主要通过扦插苗进行繁殖,药农自产自销,各地区种苗大小形态不一,价格相差数倍,种苗市场混乱,一定程度上制约了巴戟天规范化生产,严重影响了巴戟天药材的产量和质量。因此,迫切需要筛选适用于巴戟天种苗的分级指标,实现对巴戟天种苗质量把控。
发明内容
鉴于以上背景技术,本发明的目的之一在于提供一种巴戟天种苗分级指标的筛选方法,通过该方法能够筛选出适用于巴戟天种苗的分级指标。
本发明的目的可以通过以下技术方案实现:
一种巴戟天种苗分级指标的筛选方法,所述筛选方法包括如下步骤:
取多个巴戟天种苗样本,分别检测种苗指标,所得检测数据记作原始数据 M0,对所述原始数据M0进行标准化处理,所得数据记作标准化数据N0,所述种苗指标包含根长、根数、梢长、梢粗、梢数、叶片数、干粗和株高;
对所述原始数据M0进行描述性统计,并筛选出所得统计数据存在差异性的种苗指标,所述统计数据存在差异性的种苗指标的原始数据及相应标准化数据分别记作原始数据M1和标准化数据N1;
对所述原始数据M1进行相关性分析,并筛选出存在相关性的种苗指标,所述存在相关性的种苗指标的原始数据及相应标准化数据分别记作原始数据M2 和标准化数据N2;
对所述标准化数据N2进行主成分分析,并筛选出第一主成分项下特征向量值大于0.6的种苗指标。
在其中一个实施例中,所述的筛选方法还包括:
将所述第一主成分项下特征向量值大于0.6的种苗指标的原始数据记作原始数据M3,对原始数据M3进行聚类分析,参考所得K-均值确定划分所得分级指标的水平的阈值。
在其中一个实施例中,所述第一主成分项下特征向量值大于0.6的种苗指标包含叶片数、根长和梢长。
在其中一个实施例中,所述叶片数的K-均值包含4、6和8,所述根长的K-均值包含2.8、3.9和5,所述梢长的K-均值1.9、3和11.3。
在其中一个实施例中,聚类分析所采用的软件为SPSS。
在其中一个实施例中,标准化处理所采用的软件为SPSS。
在其中一个实施例中,描述性统计所采用的软件为SPSS。
在其中一个实施例中,相关性分析所采用的软件为SPSS。
在其中一个实施例中,主成分分析所采用的软件为SPSS。
在其中一个实施例中,描述性统计包括统计所述种苗指标的平均数、最小值、最大值、标准差和变异系数。
一种巴戟天种苗的分级方法,所述分级方法包括:测量巴戟天种苗的种苗指标并根据所得测量结果进行分级,所述种苗指标通过如上所述方法筛选得到。
在其中一个实施例中,分级依据包括:
叶片数大于等于8,根长大于等于5,梢长大于等于11.3,则为一级种苗;
叶片数大于等于4且小于8,根长大于等于2.8且小于5,梢长大于等于1.9 且小于11.3,则为二级种苗;
叶片数小于4,根长小于2.8,梢长小于1.9,则为三级种苗;
叶片数、根长和梢长中的任一个种苗指标不满足上一级水平,则降为下一级水平。
与现有技术相比,本发明具备如下的有益效果:
发明人结合对巴戟天的研究,针对巴戟天种苗相关指标的检测数据,结合应用多种统计分析方法,最终筛选出第一主成分项下特征向量值大于0.6的种苗指标作为分级指标。经验证,这些分级指标对应的检测数据,能够很好反映巴戟天种苗移栽后的生长状况,为巴戟天种苗质量把控提供依据。
具体实施方式
为了便于理解本发明,下面将对本发明进行更详细的描述。但是,应当理解,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施方式或实施例。相反地,提供这些实施方式或实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式或实施例的目的,不是旨在于限制本发明。本文所使用的术语“和/或”的可选范围包括两个或两个以上相关所列项目中任一个,也包括相关所列项目的任意的和所有的组合,所述任意的和所有的组合包括任意的两个相关所列项目、任意的更多个相关所列项目、或者全部相关所列项目的组合。
优质的种苗是优良药材生产的源头,是提高药材产量、质量和用药安全性的根本保障(马满驰,张教洪,单成钢等.中药种苗质量标准研究进展[J].山东农业科学,2015,47(04):139-142),开展中药材种苗质量标准相关研究势在必行,目前学者们已经在当归(贺子腾,蔡有华,贺连珍等.种苗质量对当归生长和产质量的影响[J].种子,2020,39(11):103-106)、天麻(梁彤,廉冬,马珍璐等.天麻种苗质量分级标准研究[J].种子,2020,39(05):135-140)、广藿香(李嘉惠,胡贞贞,张宏意等.广藿香种苗质量分级标准研究[J].种子, 2018,37(11):124-128)、白芍种苗(申请号为202110070863.6中国发明专利申请)等药材品种上取得了一定的成果。
目前,对于巴戟天的研究主要集中在栽培种植、质量评价和化学成分等方面(赖仁龙,林立,罗万业等.巴戟天栽培技术[J].现代园艺,2018(10):36;吕建伟,潘革卉.巴戟天质量标准的研究[J].淮海医药,2009,27(06):573-574;冯冲,孙恬,刘凤松等.不同商品规格巴戟天质量评价[J].中药材,2019,42(05): 1090-1095;陈红,陈敏,黄泽豪等.巴戟天的化学成分研究[J].中国实验方剂学杂志,2013,19(21):69-71;李竣,张华林,蒋林等.南药巴戟天化学成分[J].中南民族大学学报(自然科学版),2010,29(04):53-56.王德立,甘炳春.巴戟天插穗质量与扦插繁殖关键技术研究[J].海南师范大学学报(自然科学版),2016,29(02):169-172.罗进辉,苏健芬,丁平等.野生巴戟天种子萌发特性的研究[J].广州中医药大学学报,2010,27(03):288-290),关于巴戟天种苗质量标准的研究,仍属于空白。
不同药材的产地分布、药用部位、繁育方式等可能存在较大差异,相应种苗质量分级的指标的筛选方法不同,最终确定的指标差异很大,因此,针对不同药材种苗质量标准研究方案相互借鉴的意义不大。
鉴于此,本发明针对巴戟天种苗,开展针对性方案,在巴戟天道地产区广东肇庆市、云浮市收集了5个批次的巴戟天种苗,测量了8个相关性状指标,用统计学方法并结合生产实际,制定了巴戟天种苗质量标准,旨在为巴戟天规范化种植提供一定的依据。
一方面,本发明提供一种巴戟天种苗分级指标的筛选方法,所述筛选方法包括如下步骤:
取多个巴戟天种苗样本,分别检测种苗指标,所得检测数据记作原始数据 M0,对所述原始数据M0进行标准化处理,所得数据记作标准化数据N0,所述种苗指标包含根长、根数、梢长、梢粗、梢数、叶片数、干粗和株高;
对所述原始数据M0进行描述性统计,并筛选出所得统计数据存在差异性的种苗指标,所述统计数据存在差异性的种苗指标的原始数据及相应标准化数据分别记作原始数据M1和标准化数据N1;
对所述原始数据M1进行相关性分析,并筛选出存在相关性的种苗指标,所述存在相关性的种苗指标的原始数据及相应标准化数据分别记作原始数据M2 和标准化数据N2;
对所述标准化数据N2进行主成分分析,并筛选出第一主成分项下特征向量值大于0.6的种苗指标。
发明人结合对巴戟天这一中药材的研究(例如巴戟天的产区分布、巴戟天种苗的性状特征等),采用本发明筛选方法筛选适用于巴戟天种苗分级指标的过程中,无需耗费过多数量的样本量,基于小样本量(例如本发明的250个样本) 就能筛选出适合巴戟天种苗的分级指标,并且所得分级指标能很好地反映巴戟天种苗的活力/生长状况。在满足具有统计学意义的前提下,本发明对“多个巴戟天种苗样本”中“多个”所指代的具体数量不做特别限定,为筛选到适合巴戟天种苗的分级指标,该处的“多个”可以是300个以下,例如150个、200个、 250个。并且,采用本发明筛选方法获得的分级指标,在用于反映巴戟天种苗的活力/生长状况的过程中,具有普遍适用性,能够适用于不同产地、不同批次巴戟天种苗分级并准确、稳定地反映巴戟天种苗的活力/生长状况。本发明超越了产地和批次对巴戟天种苗的影响,提供了一种相对统一的分级方案。另外,通过本发明筛选到的分级指标,其数据的获取方式(例如数叶片数、用量尺测量,无需游标卡尺)简单快速,技术难度小,非常适用于生产一线。
在其中一个示例中,所述的筛选方法还包括:
将所述第一主成分项下特征向量值大于0.6的种苗指标的原始数据记作原始数据M3,对原始数据M3进行聚类分析,参考所得K-均值确定划分所得分级指标的水平的阈值。
在其中一个示例中,所述第一主成分项下特征向量值大于0.6的种苗指标包含叶片数、根长和梢长。例如本发明中第一主成分项下叶片数的特征向量为 0.676、根长的根长为0.654、梢长的特征向量为0.634。
在其中一个示例中,所述叶片数的K-均值包含4、6和8,所述根长的K- 均值包含2.8、3.9和5,所述梢长的K-均值1.9、3和11.3。
在其中一个示例中,聚类分析所采用的软件为SPSS。
在其中一个示例中,标准化处理所采用的软件为SPSS。
在其中一个示例中,描述性统计所采用的软件为SPSS。
在其中一个示例中,相关性分析所采用的软件为SPSS。
在其中一个示例中,主成分分析所采用的软件为SPSS。
在其中一个示例中,描述性统计包括统计所述种苗指标的平均数、最小值、最大值、标准差和变异系数。
可以理解的是,在分级指标的筛选过程中,还包括删除所述原始数据M0 和所述标准化数据N0中的异常数据的步骤。这些异常数据可以包括分布在三个标准差之外的数据。
另一方面,本发明提供一种巴戟天种苗的分级方法,所述分级方法包括:测量巴戟天种苗的种苗指标并根据所得测量结果进行分级,所述种苗指标通过如上所述方法筛选得到。
在其中一个示例中,分级依据包括:
叶片数大于等于8,根长大于等于5,梢长大于等于11.3,则为一级种苗;
叶片数大于等于4且小于8,根长大于等于2.8且小于5,梢长大于等于1.9 且小于11.3,则为二级种苗;
叶片数小于4,根长小于2.8,梢长小于1.9,则为三级种苗;
叶片数、根长和梢长中的任一种苗指标不满足上一级水平,则降为下一级水平。
实施例
1材料
巴戟天种苗材料主要分为两个时间段进行收集:
2019年3月采集于巴戟天道地产区广东肇庆市和云浮市不同乡镇;
2020年3月采集于肇庆市高要区、德庆县、云浮市郁南县不同产地。
2方法
2.1巴戟天种苗的选取及指标测定
2019年3月采集于广东肇庆市和云浮市不同乡镇,共5个批次,每个批次随机抽取50株巴戟天种苗,共计250株。分别测量根长、根数、梢长、梢粗、梢数、叶片数、干粗和株高8个指标。其中:
株高是指苗株的高度;
干粗是指苗株茎干中部的粗度;
梢数是苗株抽生的枝梢数量;
梢长是指苗株抽生枝梢的最长的长度;
梢粗是指枝梢基部的枝梢粗度;
叶片数是指枝梢上的总叶片数;
根数是指茎干上在扦插时第1次分生的不定根数量;
根长是指茎干上第1次分生的最长的不定根的长度。
梢数、叶片数和根条数用目测法获得数据,株高、梢长及根长用直尺测量获得数据,精确到0.1cm,干粗及梢粗用游标卡尺测量获得数据,精确到0.01cm。
测量结果记作原始数据。
2.2巴戟天种苗质量分级方法
运用SPSS22.0统计分析软件,对测定的巴戟天种苗的根长、根数、梢长、梢粗、梢数、叶片数、干粗和株高8个指标的测试数据进行统计描述(也即描述性统计)、相关性分析和聚类分析,得到最后根据聚类分析结果和生产实际按照最低定级原则制定的巴戟天种苗质量分级标准,即同一等级种苗的任一指标若达不到标准则降为下一级。
3数据分析和结果
3.1分级指标的确定
3.1.1数据极端值处理
根据各个指标数据符合正态分布的特征,其值的分布应该在正负三个标准差内,因此去除落在三个标准差外的极端值,以保证数据的可靠性。该部分得到巴戟天种苗去除极端值后数据,记作标准化数据。
3.1.2相关系数显著性检验
(1)对巴戟天种苗各性状指标分别进行统计描述,操作步骤包括:
SPSS程序【分析】→【描述统计】→【描述】,出现【描述性】窗口,变量中选择8个指标的原始数据,点击【选项】出现【描述:选项】窗口,勾选平均值、标准偏差、最大值、最小值和变异系数,点击【确定】,即得到巴戟天 8个质量指标描述性统计数据,如表1所示。根据表1数据可知种苗各个指标最小值、最大值、平均数、标准差、变异系数等的基本信息。变异系数用来比较两组数据离散程度的大小,可以消除单位和平均数不同对两个或多个资料变异程度比较的影响,应用非常广泛。从变异系数的大小可以看出,株高和干粗变异系数最小,分别为16.3%和27.24%,均在30%以下,表明这两个指标在个体间的差异太小,不适于做分级标准。梢长、根长和根数变异系数均在60%以上,反应了巴戟天种苗个体间存在着较大差异,可考虑作为巴戟天种苗分级的选用指标。
表1、巴戟天种苗质量指标的描述性统计数据
指标 | 最小值 | 最大值 | 平均值 | 标准差 | 变异系数/% |
叶片数/片 | 0 | 14 | 5.58 | 2.72 | 48.75 |
梢数/个 | 1 | 5 | 1.73 | 0.78 | 45.09 |
梢长/cm | 0 | 16.0 | 3.56 | 3.63 | 101.67 |
梢粗/mm | 0 | 2.81 | 1.40 | 0.46 | 32.86 |
株高/cm | 4.9 | 22.3 | 15.03 | 2.45 | 16.30 |
干粗/mm | 0.9 | 8.67 | 2.68 | 0.73 | 27.24 |
根数/根 | 0 | 28 | 7.72 | 5.32 | 68.92 |
根长/cm | 0 | 10.1 | 3.45 | 2.11 | 61.16 |
(2)再进行相关性分析,操作步骤包括:
SPSS程序【分析】→【相关】→【双变量】,得到【双变量相关性】窗口,选择8个指标的原始数据,勾选皮尔逊系数,双尾检验,标记显著性相关,【选项】按钮中,选择平均值和标准差,按列表排除个案。确定后,得到显著相关性数据,见表2。
表2、巴戟天种苗各指标间的相关性分析数据
注:**P<0.01。
巴戟天的药用部位为根,前期种苗根质量的差异直接影响到药材的产量以及质量的优劣,根相关指标(根数、根长)应重点关注。由表2可以看出株高、干粗和梢数与根长、根数均没有相关性,说明其与根部性状关系不大,叶片数、梢长、梢粗与根部指标(根数、根长)均呈极显著正相关关系。
综上分析表明,株高、干粗和梢数在巴戟天种苗个体间的差异较小,(变异系数较小),且这3个指标对植株根部性状没有显著影响,说明除株高、干粗和梢数外,其余质量指标(叶片数、稍长、稍粗、根数、根长)在一定程度上均可以作为分级指标。
3.1.3主成分分析
主成分分析是一种常用的降维统计方法,主要目的是希望用较少的变量去解释原来资料中的大部分变异,将许多相关性很高的多个变量转化成彼此相互独立或不相关的少数几个变量,即所谓主成分。主成分按方差贡献率大小进行排序,方差贡献率越高越可以更好的代表整体信息。
本实施例中,利用方差贡献率最高的第一主成分代表整体信息,而后求出各个指标在第一主成分下的特征向量,以特征向量的数值大小为依据,选择分级指标,特征向量的数值越大,表明该指标表达的信息与第一主成分为代表的整体信息更接近。具体操作流程包括:
【分析】→【降维】→【因子分析】,变量中选择8个指标的标准化数据,【描述】按钮选择原始分析结果,得到的特征根、累积方差贡献率、特征向量三项数据,见表3。
表3、巴戟天种苗主成分分析得到的特征根、累计方差贡献率及其特征向量
项目 | 1 | 2 | 3 | ||
特征根 | 2.449 | 1.707 | 1.081 | ||
累计方差贡献率(%) | 30.611 | 51.948 | 65.464 | ||
特征向量 | 0.676 | 0.424 | -0.206 | X1 | 叶片数 |
0.467 | 0.740 | -0.114 | X2 | 梢数 | |
0.634 | -0.482 | -0.266 | X3 | 梢长 | |
0.589 | -0.397 | -0.171 | X4 | 梢粗 | |
-0.275 | 0.478 | 0.530 | X5 | 株高 | |
0.414 | 0.559 | -0.188 | X6 | 干粗 | |
0.593 | -0.163 | 0.582 | X7 | 根数 | |
0.654 | -0.149 | 0.520 | X8 | 根长 |
由表3可知:前3个特征值累计贡献率达65.464%,说明前3个主成分基本包含了全部的指标信息,其中第一主成分贡献率最大为30.611%,所以第一主成分具备综合评价能力,即可以用第一成分所含的信息代表整体的水平。特征向量的大小揭示该指标在整体信息表达中的权重水平,特征向量越大,则该指标对整体的代表性更加可靠。
从表3中可以看出,第一主成分中对应的特征向量中以叶片数、根数、根长、梢长和梢粗5项主要质量指标系数最大,说明这5个指标起主要作用,基本上可以较好得代表整体的信息,这和前面相关性分析结果相一致,相关性分析结果表明梢长和梢粗、根长和根数相关系数较大,可分别择其一作为主要指标,为了简化分级流程,便于生产实施,建议采用根长、梢长和叶片数3个指标用作巴戟天种苗质量分级的指标,同时此3个质量指标系数均大于0.6,进一步说明这3个指标具有足够的合理性。
3.2巴戟天种苗质量分级标准的制定
3.2.1聚类分析
采用K类中心聚类分析方法,操作步骤:SPSS软件【分析】→【分类】→【K平均值聚类分析】,选择叶片数、根长和梢长3个指标的原始数据,聚类数选择3,【选项】选择ANOVA表,按列表排除个案。确定后得到最终聚类中心表,见表4。
表4、巴戟天种苗K-均值聚类中心表
3.2.2巴戟天种苗质量分级
以叶片数、根长和梢长3个主要的质量指标进行聚类,得到3个最终的聚类结果,见表4。
而后本发明实施例根据种植生产中的实际情况中简便可操作性的原则,一类中心与二类中心合并成一个等级,得到巴戟天种苗等级的初步划分,见表5。具体如下:
Ⅰ级苗:叶片数≥8,根长≥5.0cm,梢长≥11.3cm;
Ⅱ级苗:叶片数≥4,根长≥2.8cm,梢长≥1.9cm;
Ⅲ级苗:叶片数<4,根长<2.8cm,梢长<1.9cm。
表5、巴戟天种苗质量分级标准
等级 | 叶片数/片 | 根长/cm | 梢长/cm |
Ⅰ | ≥8 | ≥5.0 | ≥11.3 |
Ⅱ | ≥4 | ≥2.8 | ≥1.9 |
Ⅲ | <4 | <2.8 | <1.9 |
3.2.3定级原则
实际生产中,巴戟天种苗分级标准按照最低定级原则执行,只有3个分级指标同时达到该级次临界值时,才计入该级次;凡其中有1项分级指标未达到该级次的,自动降入下一级进行评价和判定。
3.3不同等级巴戟天种苗长势分析
2020年3月采集巴戟天种苗,来源于肇庆市、云浮市不同产地,共5个批次,按照制定的质量分级标准,各自分为3个等级,分别移栽到韶关市翁源县巴戟天种植基地中,4个月后每个等级随机抽取30株,分别测量叶片数,梢长和梢粗,观察长势差异,如表6所示。
表6、不同级别种苗长势情况
注:同一列数值后字母标注表示处理在5%水平上的差异,不同字母表示差异显著。长势用“+”表示,+越多表示长势越好。
从表6可以看出各级苗地上部分长势有不同,梢粗没有显著性差异,但叶片数和梢长均有显著性差异,不同产地不同批次巴戟天种苗长势规律趋于一致,表现为长势一级苗>二级苗>三级苗,其中一级苗和二级苗长势显著优于三级苗。
4讨论
本发明实施例将巴戟天种苗的根长、梢长和叶片数作为巴戟天种苗质量分级的主要指标,既反映了种苗大小、形态和储存生物量,又直观容易测量,在生产中具有一定的可操作性。同时,也与本发明实施例指标数据在主成分分析和相关性分析结果相一致。不同级别种苗地上部分性状检测表明梢粗没有显著性差异,但叶片数和梢长有显著性差异,进一步说明该分级指标的合理性。
通过K-均值聚类分析方法,结合生产实际,将巴戟天种苗分为3个等级,Ⅰ级苗:叶片数≥8,根长≥5.0cm,梢长≥11.3cm;Ⅱ级苗:叶片数≥4,根长≥2.8cm,梢长≥1.9cm;Ⅲ级苗:叶片数<4,根长<2.8cm,梢长<1.9cm。叶片数、根长、梢长是反映巴戟天种苗质量的最直观指标,在实际生产中,还应考虑其它综合控制指标,如是否健康完好,有无机械性损伤,有无虫蛀、霉变、病虫害感染等因素。根据巴戟天种苗长势情况,建议选择一级苗或二级苗作为移栽的种苗,三级苗可以留圃继续育苗,等指标达到二级苗标准时,再进行移栽。巴戟天种苗生长情况与生态环境、插条选择和育苗技术等多种因素有关,王德立等对巴戟天插穗质量与扦插繁殖关键技术进行了研究,阐述了插条质量、生长年限、浸润方式及基质等对发芽率的影响。建议巴戟天种苗生产过程中应当选择符合要求的插穗,采用合适的基质和技术进行育苗,适时采收,方能保证种苗质量。
巴戟天从种植到采收,仅有开花,很少有果实形成,且种子萌发率极低,因此生产上主要采用藤蔓扦插繁殖,本发明实施例以巴戟天道地产区广东肇庆市和云浮市的多批扦插苗作为研究材料具备一定的代表性,适用于巴戟天规范化生产。广东作为巴戟天的道地产区,已经形成相当规模规范的种植基地,并向全国提供巴戟天药材,因此从源头上把控种苗质量至关重要。本发明实施例为各级种苗提供了各性状的具体指标,为巴戟天生产经营者判断种苗素质提供了理论依据,也是巴戟天种植过程中质量和产量的基本保证。
以上所述实施例仅表达了本发明的几种实施方式,便于具体和详细地理解本发明的技术方案,但并不能因此而理解为对发明专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。应当理解,本领域技术人员在本发明提供的技术方案的基础上,通过合乎逻辑的分析、推理或者有限的试验得到的技术方案,均在本发明所述附权利要求的保护范围内。因此,本发明专利的保护范围应以所附权利要求的内容为准,说明书可以用于解释权利要求的内容。
Claims (10)
1.一种巴戟天种苗分级指标的筛选方法,其特征在于,所述筛选方法包括如下步骤:
取多个巴戟天种苗样本,分别检测种苗指标,所得检测数据记作原始数据M0,对所述原始数据M0进行标准化处理,所得数据记作标准化数据N0,所述种苗指标包含根长、根数、梢长、梢粗、梢数、叶片数、干粗和株高;
对所述原始数据M0进行描述性统计,并筛选出所得统计数据存在差异性的种苗指标,所述统计数据存在差异性的种苗指标的原始数据及相应标准化数据分别记作原始数据M1和标准化数据N1;
对所述原始数据M1进行相关性分析,并筛选出存在相关性的种苗指标,所述存在相关性的种苗指标的原始数据及相应标准化数据分别记作原始数据M2和标准化数据N2;
对所述标准化数据N2进行主成分分析,并筛选出第一主成分项下特征向量值大于0.6的种苗指标。
2.根据权利要求1所述的巴戟天种苗分级指标的筛选方法,其特征在于,所述的筛选方法还包括:
将所述第一主成分项下特征向量值大于0.6的种苗指标的原始数据记作原始数据M3,对原始数据M3进行聚类分析,参考所得K-均值确定划分所得分级指标的水平的阈值。
3.根据权利要求2所述的巴戟天种苗分级指标的筛选方法,其特征在于,所述第一主成分项下特征向量值大于0.6的种苗指标包含叶片数、根长和梢长。
4.根据权利要求3所述的巴戟天种苗分级指标的筛选方法,其特征在于,所述叶片数的K-均值包含4、6和8,所述根长的K-均值包含2.8、3.9和5,所述梢长的K-均值1.9、3和11.3。
5.根据权利要求2至4任一项所述的分级指标的筛选方法,其特征在于,聚类分析所采用的软件为SPSS。
6.根据权利要求1至4任一项所述的巴戟天种苗分级指标的筛选方法,其特征在于,标准化处理所采用的软件为SPSS;或/和描述性统计所采用的软件为SPSS。
7.根据权利要求1至4任一项所述的巴戟天种苗分级指标的筛选方法,其特征在于,相关性分析所采用的软件为SPSS;或/和,主成分分析所采用的软件为SPSS。
8.根据权利要求1至7任一项所述的巴戟天种苗分级指标的筛选方法,其特征在于,描述性统计包括统计所述种苗指标的平均数、最小值、最大值、标准差和变异系数。
9.一种巴戟天种苗的分级方法,其特征在于,所述分级方法包括:测量巴戟天种苗的种苗指标并根据所得测量结果进行分级,所述种苗指标通过权利要求1至8任一项所述方法筛选得到。
10.根据权利要求9所述的戟天种苗的分级方法,其特征在于,分级依据包括:
叶片数大于等于8,根长大于等于5,梢长大于等于11.3,则为一级种苗;
叶片数大于等于4且小于8,根长大于等于2.8且小于5,梢长大于等于1.9且小于11.3,则为二级种苗;
叶片数小于4,根长小于2.8,梢长小于1.9,则为三级种苗;
叶片数、根长和梢长中的任一个种苗指标不满足上一级水平,则降为下一级水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110863069.7A CN113537817A (zh) | 2021-07-29 | 2021-07-29 | 巴戟天种苗分级指标的筛选及分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110863069.7A CN113537817A (zh) | 2021-07-29 | 2021-07-29 | 巴戟天种苗分级指标的筛选及分级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113537817A true CN113537817A (zh) | 2021-10-22 |
Family
ID=78121403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110863069.7A Pending CN113537817A (zh) | 2021-07-29 | 2021-07-29 | 巴戟天种苗分级指标的筛选及分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537817A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108849334A (zh) * | 2018-06-29 | 2018-11-23 | 四川省农业科学院植物保护研究所 | 一种基于分级系数的水稻芽期抗旱性综合评价方法 |
CN111257509A (zh) * | 2020-01-18 | 2020-06-09 | 吉林省农业科学院 | 一种用于玉米萌发期耐旱鉴定的方法 |
CN111784200A (zh) * | 2020-07-24 | 2020-10-16 | 河北农业大学 | 一种草莓种苗壮苗指数及其构建方法 |
CN112712296A (zh) * | 2021-01-19 | 2021-04-27 | 广州白云山中一药业有限公司 | 白芍种苗质量评价指标的筛选方法及质量评价方法 |
-
2021
- 2021-07-29 CN CN202110863069.7A patent/CN113537817A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108849334A (zh) * | 2018-06-29 | 2018-11-23 | 四川省农业科学院植物保护研究所 | 一种基于分级系数的水稻芽期抗旱性综合评价方法 |
CN111257509A (zh) * | 2020-01-18 | 2020-06-09 | 吉林省农业科学院 | 一种用于玉米萌发期耐旱鉴定的方法 |
CN111784200A (zh) * | 2020-07-24 | 2020-10-16 | 河北农业大学 | 一种草莓种苗壮苗指数及其构建方法 |
CN112712296A (zh) * | 2021-01-19 | 2021-04-27 | 广州白云山中一药业有限公司 | 白芍种苗质量评价指标的筛选方法及质量评价方法 |
Non-Patent Citations (3)
Title |
---|
卫锡锦, 庞富强, 何茂金, 胡廷松: "巴戟天的育苗试验研究", 中国中药杂志, no. 10, pages 588 - 591 * |
李云静;张建逵;何婉婉;王冰;: "基于多元统计分析的黄芩种苗分级方法研究", 种子, no. 03, pages 118 - 121 * |
章润菁;李倩;屈敏红;高俊丽;马务迢;刘伟贤;孙恬;丁平;: "巴戟天种质资源调查研究", 中国现代中药, no. 04, pages 482 - 487 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Giraldo et al. | Selection of the most discriminating morphological qualitative variables for characterization of fig germplasm | |
CN106547948A (zh) | 用于引种的园林绿化小乔木生长适应性的综合评价方法 | |
CN112215090A (zh) | 融合物候知识的遥感水稻制图方法及其应用 | |
CN104897849B (zh) | 一种鉴定判别白肋烟品种特异性、一致性和稳定性的方法 | |
Wang et al. | Strategy for the construction of a core collection for Pinus yunnanensis Franch. to optimize timber based on combined phenotype and molecular marker data | |
Gichimu et al. | Morphological characterization of five newly developed lines of Arabica coffee as compared to commercial cultivars in Kenya | |
CN109190088A (zh) | 一种森林群落演替树种顶级适应值的统计方法 | |
CN113537817A (zh) | 巴戟天种苗分级指标的筛选及分级方法 | |
CN110249836A (zh) | 一种甜瓜苗期耐冷性鉴定的方法 | |
CN112700174A (zh) | 白芍种芽质量评价指标的筛选方法及质量评价方法 | |
Herlina et al. | Genetic diversity of Indonesian shallots based on bulb-tunic patterns and morphological characters | |
CN112712296A (zh) | 白芍种苗质量评价指标的筛选方法及质量评价方法 | |
CN109118488B (zh) | 一种红掌新种质耐寒性的鉴定方法 | |
Stenger et al. | Complex Plant Process Trait Evaluation Through Decomposition of Higher-order Interaction: A Case Study in Acclimation Responses of Cold-climate Hybrid Grapevine Through Bilinear and Multiway Methods | |
CN103125371B (zh) | 一种作物抗旱突变体田间快速辅助筛选的方法 | |
Ares et al. | Selection of poplar clones for the Lower Valley of the Colorado River, Argentina | |
Gutiérrez-Rodríguez et al. | Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains | |
Prastowo et al. | Morphological variations of robusta coffee as a response to different altitude in Lampung | |
Campbell | Green/red and white ashes (Fraxinus sect. Melioides) of east-central North America: taxonomic concepts and polyploidy | |
Qian et al. | Morphological and cytological characterization of five porterweed (Stachytarpheta) selections | |
Alometri et al. | Relationships between crown size and aboveground biomass of oil palms: An evaluation of allometric models | |
CN110057403B (zh) | 一种2年生甜樱桃苗木质量的评价方法 | |
Rae et al. | Impact of stool architecture on ratooning ability: Final report 2015/004 | |
CN102982228B (zh) | 一种建立核心种质研究群体的计算机模拟方法 | |
CN114781812A (zh) | 一种基于考种数据的水稻抗旱性评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |