斑茅(Erianthus arundinaceus)是“甘蔗复合体(Saccharum complex)”中重要的野生资源，具有丛生性好、萌芽力强、分蘖多、生长势强、宿根性好、适应性广、抗逆性强、抗病虫性强等优异性状，成为现代甘蔗遗 传育种和种质创新中利用较多的种质资源。国家甘蔗种质资源圃收集保存了采自全国9个省区不同生态类型的斑茅野生材料147份，如何有效保存和高效利用斑茅 野生资源，是甘蔗种质资源研究的重要任务和研究方向。核心种质(Frankel, 1984; Brown, 1989)的提出和完善为生物种质资源的有效保存和高效利用提供了解决途径。国内外已经在水稻(李志超等, 2000; 李志超等, 2003)、菜豆(Rodino et al., 2003)、大豆(赵丽梅, 2005)和小麦(董玉琛等, 2003; 郝晨阳等, 2008)等各种作物上开展了核心种质构建工作并取得良好效果。甘蔗种质资源方面，研究人员先后用数量形态学方法构建了甘蔗热带种资源核心库 (Balakrishnan et al., 2000)、野生割手密核心库(Tai et al., 2001)和甘蔗杂交品种初级核心库(刘新龙等, 2009)。本研究对斑茅核心种质资源取样策略进行了多层次的分析，探讨了不同分组原则、不同组内取样比例、不同取样方法、不同总体取样量对核心种质库构 建的影响，并利用秩数加权平均策略构建了斑茅初级核心种质库，旨在为斑茅野生资源的筛选评价和杂交利用提供科学的理论参考。

1结果与分析
1.1加权系数与主效参数确定
巢式方差分析结果见表1，表中方差贡献率数据均为百分比，取样策略的方差贡献率为取样方法、分组原则、组内取样比例三者的累计方差贡献率。巢式方差分析结果 提示不同的参数在不同的取样层次上受到的影响程度(方差贡献率)是不同的，在评价各取样策略优劣时应赋予相应的加权。因此，为放大方差贡献差异和增强可比 性，对同一取样层次不同参数的方差贡献率进行了转换，使各取样层次的5个参数相对贡献率总和均为100%(横向)，转换后的相对贡献率作为评价该层次取样 策略的加权系数(表1括号外数据)。将加权系数大于20%的参数定义为主效参数，可得以下结果：取样方法的主效参数为表型方差、多样性指数、表型频率方差 和表型保留比例；分组原则的主效参数为变异系数、表型保留比例和表型频率方差；组内取样比例的主效参数为变异系数；取样策略的主效参数为变异系数和表型方 差；总体取样量的主效参数为表型保留比例和多样性指数；重复取样误差的主效参数为表型方差、表型频率方差和变异系数。

表1 各参数在不同取样层次的加权系数 Table 1 Weighting coefficient of parameters for different sampling levels

1.2秩数加权平均值与取样策略评价
设各参数的原始秩数分别为I₀、CV₀、VPV₀、VPF₀和RPR₀， 取样方法、分组原则、组内取样比例、取样策略和总体取样量各取样层次的秩数加权平均值分别为Rm、Rg、Ri、Rs和Rt。根据表1中对应的加权系数计算 不同取样层次5个参数原始秩数的加权平均值，将秩数加权平均值作为该层次取样策略优劣的最终评价参数(计算公式见表2)。

表2 不同取样层次的秩数加权平均值计算公式 Table 2 The formula of weighted average rank in different sampling levels

1.2.1取样方法评价
取样方法评价结果见表3，计算公式见表2中公式①，表中数据括号内为原始秩数及算术平均值，括号外为加权秩数及加权平均值。取样方法的秩数加权平均值显示聚 类取样明显优于随机取样，聚类取样是先根据材料的表型遗传相似度进行归类后再从中选出代表材料，可有效清除遗传冗余，在最大限度上保留原始库的遗传结构。 考虑到取样方法对抽样结果影响显著，故其后分析分为随机和聚类两组进行。

表3 取样方法的秩数加权平均值 Table 3 Weighted average rank for sampling method

1.2.2分组原则评价
分组原则评价结果见表4，参数缩写和数据格式同表3，计算公式见表2中公式②。各分组原则秩数加权平均值大小为：随机取样下，总体聚类分组<采集地分 组<叶型分组<不分组<海拔分组<气候区域分组；聚类取样下，叶型分组<海拔分组<总体聚类分组<不分组 <采集地分组<气候区域分组。表明在随机取样下，总体聚类分组、采集地分组和叶型分组是较合理的分组原则；在聚类取样下，叶型分组、海拔分组 和总体聚类分组是较合理的分组原则。

表4 分组原则的秩数加权平均值 Table 4 Weighted average rank for grouping principle

1.2.3组内取样比例评价
组内取样比例评价结果见表5，参数缩写和数据格式同表3，计算公式见表2中公式③。组内取样比例秩数加权平均值大小为：在随机取样下，平方根比例＝对数比例 ＝多样性比例<简单比例；在聚类取样下，对数比例<多样性比例<平方根比例<简单比例。表明在随机取样下，平方根比例、对数比例 和多样性比例都能较好保留群体内的遗传变异，取样效果明显优于简单比例，且三种比例间无显著差异；在聚类取样下，对数比例取样效果最好，多样性比例其次， 平方根比例稍差，但同样明显优于简单比例。

表5 组内取样比例的秩数加权平均值 Table 5 Weighted average rank for sampling ratio within group

1.2.4取样策略组合评价
根据表2中公式④对取样方法、分组原则、组内取样比例3个层次组合形成的42种取样策略的优劣进行综合评价，秩数加权平均值越小表明策略越优。原始库的秩数 加权平均值相当于算术平均值，即5个参数的加权系数均为20%。从表6的秩数加权平均值可以看出，有2种取样策略组合明显优于原始库，其中叶型分组按对数 比例聚类取样(LLC)的策略组合为最佳，叶型分组按多样性比例聚类取样(LGC)的策略组合其次，其他的取样策略的加秩数加权平均值均高于原始库。因 此，根据秩数加权平均值的比较分析，最终确定叶型分组按对数比例聚类取样(LLC)为最佳取样策略。

表6 取样策略组合的秩数加权平均值 Table 6 Weighted average rank for different sampling strategy

1.2.5总体取样量的确定
最佳总体取样量通过比较最优取样策略的5个参数在不同总体取样量梯度下的秩数加权平均值来确定，计算公式见表2中公式⑤，结果见表7。由表7可知，最佳取样 策略LLC在不同总体取样量梯度下，其变异系数、表型方差和表型频率方差均优于原始库，区别在于表型保留比例和多样性指数两个主效参数。单从多样性指数上 看，总体取样量在25%以上较好。单从表型保留比例上看，总体取样量50%最好，至少不应低于30%。综合来看，总体取样量在40%以上较好，至少不应低 于35%。根据核心种质应以尽可能小的资源份数代表尽可能大的遗传变异的原则，选择35%为最佳总体取样量，该取样量下多样性指数达0.6718，表型保 留比例达94.72%。

表7 最优取样策略在不同总体取样量下的参数比较 Table 7 Comparison of parameters for different sampling ratio in best sampling strategy

通过对最优核心种质库LLC 35％丢失表型性状的分析(见表8)，发现在核心库构建过程中，有5个稀有表型性状极易丢失，为确保核心库具有最大的表型保留比例，将分别含有这5个稀有 表型性状的代表材料各取1份纳入核心库，最终形成的斑茅初级核心库材料总份数为58份，多样性指数提高到0.683 4，表型保留比例提高到100％。

表8 最优核心库LLC35％的表型性状丢失情况 Table 8 Phenotypic trait lost in the best pre-core collection LLC35％

2讨论
2.1秩数加权平均值与加权系数
李自超(2003)、张洪亮(2003)、刘新龙(2009)等先后采用计算秩数算术平均值的方法来评价核心种质取样策略的优劣，构建了水稻、甘蔗等作物的 品种初级核心库，表明秩数分析是评价核心种质取样策略的有效方法。但秩数算术平均值评价方法的缺陷在于没有考虑到不同取样层次下不同参数产生的影响可能不 尽相同。或者说，这种评价方法是在假设各参数同等重要的前提下进行的，其评价结果可能掩盖某些取样策略之间细微的差异。针对上述情况，本研究在前人研究基 础上，引入了加权(权重)的概念，对不同取样层次的不同参数赋予不同的加权系数，采用秩数加权平均值作为最终的评价参数。如何计算加权系数才能体现不同参 数在不同取样层次的影响大小，巢式方差分析无疑是一种较好的方法。首先利用巢式方差分析计算各参数的总体方差贡献率；再对各取样层次的贡献率重新进行横向 评估，得到各参数对于同一取样层次的相对贡献率作为加权系数；最后根据原始秩数和加权系数计算秩数加权平均值。通过比较原始秩数的算术平均值和加权平均 值，发现加权平均值的优点是可以消除或减弱次要因素影响，突出主效因子，对局部细微的差异进行放大，使评价结果更为客观和科学。在权重相同的情况下，加权 平均值就等于算数平均值，故加权平均值更具普遍性，适用范围更广。

2.2取样策略评价与分析
取样方法、分组原则和组内取样比例单独评价的结果表明，斑茅核心种质较好的取样方法是聚类取样，较好的分组原则是叶型分组、海拔分组和总体聚类分组，较好的 组内取样比例为对数比例和多样性比例。但方差分析结果表明，取样方法、分组原则、组内取样比例等因素之间存在互作关系，因此最好的取样方法、最好的分组原 则和最好的组内取样比例不一定能组合出最好的取样策略。鉴于此，本研究在确定最佳取样策略时，采用了综合分析的方法，即先分析42种取样策略组合的秩数加 权平均值，寻找实际效果最佳的组合，再结合方差分析中的主效参数确定最佳组合下的最佳总体取样量，从而得到最优的取样结果。

2.3结论
本文研究结果表明，在斑茅初级核心种质构建中，聚类取样优于随机取样。聚类取样中，叶型分组按对数比例聚类取样(LLC)是分组原则、组内取样比例和取样方 法的最佳组合。在最佳总体取样量35%的基础上，将未入选的极值表型、丢失表型和特殊性状(如抗病性)个体加入核心库，最终形成含58份材料的初级核心 库，占总资源的39.46%，香农多样性指数0.6834，变异系数37.577 4，表型方差0.494 8，表型频率方差0.107 9，表型保留比例100%，效率明显优于原始库。

3材料与方法
3.1实验材料与数据标准
 以国家甘蔗种质资源圃保存的147份斑茅为原始材料，根据资源圃数据库系统中每份资源的基本情况(如种质类型、采集地、海拔)、形态特征(如根、茎、叶)和农艺性状(如田间锤度、株高、茎径)等原始数据，数据规范和标准化整理参照《甘蔗种质资源描述规范和数据标准》(蔡青和范源洪, 2006)和《农作物种质资源鉴定技术规程-甘蔗》(蔡青和范源洪, 2008)，选取性状包括21个质量性状(叶姿、叶色、脱叶性、叶鞘毛群、内叶耳、外叶耳、生长势、茎形、节间形状、曝光前节间颜色、曝光后节间颜色、节 间长度、蜡粉带颜色、木栓、生长裂缝、生长带形状、气根、根点排列、芽形、芽位、芽沟)和5个数量性状(株高、茎径、叶长、叶宽、锤度)。对数量性状进行 质量标准化处理，以平均值为基准，±0.5个标准差为间距分为10组。

3.2研究方法
根据前人研究结果(张洪量等, 2003)，本研究选用变异系数(coefficient of variation, CV) 、香农多样性指数(Shannon diversity index, I)、表型方差(variance of phenotypic value, VPV)、表型频率方差(variance of phenotypic frequency, VPF)和表型保留比例(ratio of phenotype retained, RPR)5个参数作为斑茅初级核心库的评价指标。从分组原则、组内取样比例、组内取样方法3个层次探讨构建斑茅初级核心种质的最佳取样策略。各参数值进行 分组打分，所得秩数平均值越小的取样策略越好。分组原则有采集地分组(O, 9组)、叶型分组(L, 10组)、海拔分组(H, 10组)、气候区域分组(Z, 5组)、总体聚类分组(C, 3组)及不分组随机(N)；组内取样比例有简单比例(P)、对数比例(L)、平方根比例(S)和多样性比例(G)；组内取样方法分为聚类取样(C)和随机 取样(R)。以上3个取样层次组合为42种取样策略。为探讨合适的初级核心库取样量，设9个总体取样梯度(10%、15%、20%、25%、30%、 35%、40%、45%和50%)进行分析比较，每梯度设3次重复。

斑茅初级核心种质的抽样及5个参数计算在Foxpro系统下编程实 现，聚类分析和Duncan多重检验在SPSS 15.0下进行，Nested巢式方差分析在SAS 8.1系统下进行。取样策略的比较分析采用秩数加权平均的方法，即先对原始参数进行Nested巢式方差，分析各参数在取样方法、分组原则、组内取样比 例、总体取样量等水平上各自的总体方差贡献率，根据总体方差贡献率的大小计算相应的加权系数(相对方差贡献率)；再通过Duncan多重检验方差分析检测 不同取样策略下各参数的差异，秩数值相同表示差异不显著，秩数值不同表示有显著差异；最后根据原始秩数和加权系数计算各参数的秩数加权平均值，秩数加权平 均值由小到大排列表示不同取样策略的优劣，值越小表明该策略越优。

作者贡献
毛钧、刘新龙、苏火生和应雄美是本研究的实验设计和实验研究的执行人；毛钧、刘新龙及苏火生完成数据分析，论文初稿的写作；应雄美、陆鑫及马丽提供实验材料 和原始数据；范源洪和蔡青是项目的构思者及负责人，指导实验设计，数据分析，论文写作与修改。全体作者都阅读并同意最终的文本。

致谢
本研究由云南省应用基础研究计划重点项目(2006C0013Z)、农业部作物种质资源保护项目(NB2010-2130135-17)、国家人事部留学人员科技活动优秀项目共同资助。作者感谢中国农业大学李志超、张洪亮老师在实验数据分析过程中提供帮助。

参考文献
Balakrishnan R., Nair N.V., and Sreenivasan T.V., 2000, A method for establishing a core collection of Saccharum officinarum germplasm based on quantitative morphological data. Genet Resour Crop Evol, 47: 1-9 doi:10.1023/A:1008780526154

Brown A.H.D., 1989, Core collections: A practical approach to genetic resources management. Genome, 31: 818-824

Cai Q., Fan Y.H., eds., 2006, Descriptors and Data Standard for Sugarcane (Saccharum officinarum L.), Agriculture Press, Beijing, China, 2006 (蔡青, 范源洪, 编著, 2006, 甘蔗种质资源描述规范和数据标准, 中国农业出版社, 中国, 北京, pp. 7-31)

Cai Q., Fan Y.H., eds., 2008, Technical Code for Evaluating Germ Plasm Resources-Sugarcane (Saccharum L.) Agriculture Press, Beijing, China, pp.1-9 (蔡青, 范源洪, 编著, 2008, 农作物种质资源鉴定技术规程-甘蔗, 中国农业出版社, 中国, 北京, pp. 1-9)

Dong Y.S., Cao Y.S., Zhang X.Y.; Liu S.C., Wang L.F., You G.X., Pang B.S., Li L.H., and Jia J.Z., 2003, Establishment of candidate core collections in Chinese common wheat germplasm, Journal of Plant Genetic Resources, 4(1):1-8 (董玉琛, 曹永生, 张学勇, 刘三才, 王兰芬, 游光霞, 庞斌双, 李立会, 贾继增, 2003, 中国普通小麦初选核心种质的产生, 植物遗传资源学报,4(1):1-8)

Frankel O.H., 1984, Genetic perspectives of germplasm conser- vation. In: Arber W., Llimensee K., Peacock W.J., Starlinger P. eds. Symposium on Genetic Manipulation: Impact on Man and Society, Cambridge, UK, Cambridge University Press, pp.161-170

Hao C.Y., Dong Y.C., Wang L.F., You G.X., Zhang H.N., Ge H.M., Jia J.Z., and Zhang X.Y., 2008, Genetic diversity and construction of core collection in Chinese wheat genetic resources. Chin Sci Bull, 53(8): 908-915 (郝晨阳, 董玉琛, 王兰芬, 游光霞, 张洪娜, 盖红梅, 贾继增, 张学勇, 2008, 我国普通小麦核心种质的构建及遗传多样性分析, 科学通报, 53(8): 908-915)

Li Z.C., Zhang H.L., Zeng Y.W., Yang Z.Y., Shen S.Q., Sun C.Q., and Wang X.K., 2000, Study on sampling schemes of core collection of local varieties of rice in Yunnan, Sci Agric Sin, 33(5): 1-7 (李自超, 张洪亮, 曾亚文, 杨忠义, 申时全, 孙传清, 王象坤, 2000, 云南地方稻种资源核心种质取样方案研究, 中国农业科学, 33(5): 1-7)

Li Z.C., Zhang H.L., Cao Y.S., Qiu Z.E., Wei X.H., Tang S.X., Yu P., and Wang X.K., 2003, Studies on the sampling strategy for primary core collection of Chinese ingenious rice. Acta Agron Sin, 29(1): 20-24 (李自超, 张洪亮, 曹永生, 裘宗恩, 魏兴华, 汤圣祥，余萍, 王象坤, 2003, 中国地方稻种资源初级核心种质取样策略研究, 作物学报, 29(1): 20-24)

Liu X.L., Cai Q, Ma L., Wu C.W., Lu X., Ying X.M., Fan Y.H., 2009, Strategy of Sampling for Pre-Core Collection of Sugarcane Hybrid, Acta Agronomica Sinica, 35(7): 1209- 1216 (刘新龙, 蔡青, 马丽, 吴才文, 陆鑫, 应雄美, 范源洪, 2009, 甘蔗杂交品种初级核心种质取样策略, 作物学报, 35(7): 1209-1216)

Rodino A.P., Santalla M., and Ron A.M.D., 2003, Singh S.P. A core collection of common bean from the Iberian peninsula. Euphytica, 131:165-175 doi:10.1023/A:1023973309788

Tai P.Y.P., and Miller J.D., 2001, A core collection for Saccharum spontaneum L. from the world collection of sugarcane. Crop Sci, 41: 879-885 doi:10.2135/cropsci2001.413879x

Zhang H.L., Li Z.C., Cao Y.S., Qiu Z.E., Yu P., and Wang X.K., 2003, Comparison of parameters for testing the rice core collection in phenotype. Acta Agron Sin, 29(2): 252-257 (张洪亮, 李自超, 曹永生, 裘宗恩, 余萍, 王象坤, 2003, 表型水平上检验水稻核心种质的参数比较, 作物学报, 29(2): 252-257)

Zhao L.M., Dong Y.S., Liu B., Hao S., Wang K.J., and Li X.H., 2005, Establishment of a core collection for the Chinese annual wild soybean (Glycine soja). Chin Sci Bull, 50(10): 989- 996 (赵丽梅, 董英山, 刘宝, 郝水, 王克晶, 李向华, 2005, 中国一年生野生大豆核心种质的构建, 科学通报(英文版), 50(10): 989-996)