白智媛 陈向阳 郑阿香 张 力 邹 军 张大同 陈 阜 尹小刚

1991—2019年美国大豆区试品种(系)农艺和品质性状时空变化特征

白智媛 陈向阳 郑阿香 张 力 邹 军 张大同 陈 阜 尹小刚*

中国农业大学农学院 / 农业农村部农作制度重点实验室, 北京 100193

美国是全球重要的大豆生产国, 中美大豆生产水平差距大, 探讨美国大豆品种主要性状的时空演变规律对中国大豆生产具有重要借鉴意义。本研究基于1991—2019年美国213个大豆品种区试站点共计102,244个年点观测数据, 综合运用线性回归模型、空间分析和结构方程模型等方法, 研究了近30年来美国大豆区试品种(系)农艺和品质性状的时空变化特征。结果表明: (1) 1991—2019年美国大豆区试品种(系)数量和大豆单产均呈上升趋势, 1991—2003年大豆单产稳定在3000 kg hm–2左右, 2004年以来大豆单产以年均46.4 kg hm–2的速度显著增加, 近15年大豆平均单产为3525 kg hm–2; 西部和东部玉米带是美国大豆高产区, 2004—2019年美国有22.6%的区试站点大豆单产超过4000 kg hm–2, 且主要分布于西部玉米带和东部玉米带。(2) 近30年美国大豆区试品种(系)的百粒重呈下降趋势, 而株高和生育期无显著变化; 1991—2003年间百粒重年均下降0.12 g, 2004年以来百粒重无明显变化。(3) 近30年美国大豆区试品种(系)的蛋白质含量呈下降趋势, 平均蛋白质含量从1991—2003年间的41.3%下降到2004—2019年间的40.0%, 美国南部地区的蛋白质含量比北部地区高1.4%; 油脂呈先下降后增加趋势, 平均油脂含量从1991—2003年间的20.3%上升到2004—2019年间的21.3%; 2004—2019年美国有59.2%的区试站点大豆油脂含量超过21%。(4) 2004—2019年美国大豆区试品种(系)单产水平和油脂含量协同提高, 大豆自身农艺性状对单产的制约作用降低。本研究揭示了美国近30年来大豆品种(系)农艺和品质性状的时空变化特征, 阐明了不同时期大豆区试品种(系)单产与主要性状之间的关系, 可为中国大豆品种高产优质协同发展提供参考。

大豆; 单产; 蛋白质; 油脂; 时空变化

随着社会发展和人民生活水平提高, 我国大豆消费需求不断攀升, 近30年我国大豆进口量持续升高, 2019年大豆进口量达到8859万吨, 约是国产大豆产量的5倍, 占全球大豆贸易量的60%, 对外依存度为86.4%[1-2]。近30年来我国大豆单产的缓慢增长已经不能满足消费结构升级带来的巨大需求, 中国大豆生产供不应求的现象日趋严重[3]。大豆为优质的饲料蛋白原料, 国内畜牧业的发展促使豆粕的年消费量不断攀升, 而我国的大豆品种产量潜力低、效益差, 限制了大豆产业的发展[4]。如何使国产大豆的产量和品质协同发展是提升国产大豆竞争力、保障国家大豆粮食安全的关键, 也是社会关注的焦点。

目前, 美国约有60%的大豆出口到中国, 占我国大豆进口总量的37%[5]。近30年来, 美国大豆平均单产增速远高于中国, 美国大豆平均单产从1991年2303 kg hm–2增加到2019年的3189 kg hm–2; 中国大豆平均单产从1991年的1380 kg hm–2增加到2019年的1867 kg hm–2[6-7]。大豆品种更新是提高大豆单产与品质进而推动大豆产业发展的关键, 分析近30年来美国大豆区试品种(系)农艺和品种性状指标的演变特征对推动中国大豆生产具有重要意义。然而, 目前鲜有关于美国大豆区试品种(系)相关信息的相关报道。

因此, 本研究基于美国农业部发布的1991— 2019年美国大豆区试品种(系)数据, 系统研究近30年美国大豆区试品种(系)主要农艺和品质性状指标的时空变化特征, 分析大豆单产与主要性状指标之间的制约关系, 以期为中国大豆可持续发展提供参考。

1 材料与方法

1.1 研究区域

美国是全球最重要的大豆玉米生产国, 前人研究表明美国大豆玉米主产区基本吻合, 因此本研究根据各个地区气候土壤条件特点, 参考美国玉米产区的划分方法, 将美国大豆主产划分为5个大区[8], 包括西部玉米带(WCB)、东部玉米带(ECB)、东海岸地区(EC)、中南部地区(MDS)和东南部地区(SE)。西部玉米带位于美国中部平原, 属大陆性气候区, 是美国黄金玉米带, 土壤肥力水平高, 有机质含量高达3%～5%; 东部玉米带位于密西西比河和密苏里河流域附近, 土壤湿润, 雨水充沛; 东海岸地区属于沿海温带气候区, 因受拉布拉多寒流和北方冷空气的影响, 冬季寒冷, 夏季温和多雨; 中南部地区和东南部地区属于美国南部, 为亚热带气候, 气候温暖湿润(图1)。具体来讲, 西部玉米带包括艾奥瓦州(IA)、堪萨斯州(KS)、明尼苏达州(MN)、密苏里州(MO)、内布拉斯加州(NE)、北达科他州(ND)和南达科他州(SD) 7个州; 东部玉米带包括伊利诺伊州(IL)、印第安纳州(IN)、密歇根州(MI)、俄亥俄州(OH)和威斯康星州(WI) 5个州; 东海岸地区包括特拉华州(DE)、马里兰州(MD)、新泽西州(NJ)、宾夕法尼亚州(PA)和弗吉尼亚州(VA) 5个州; 中南部地区包括阿肯色州(AR)、肯塔基州(KY)、路易斯安那州(LA)、密西西比州(MS)、俄克拉荷马州(OK)、田纳西州(TN)和得克萨斯州(TX) 7个州; 和东南部地区包括阿拉巴马州(AL)、佛罗里达州(FL)、佐治亚州(GA)、北卡罗来纳州(NC)和南卡罗来纳州(SC) 5个州。

图1 近30年美国大豆主产区和大豆品种区域试验点的空间分布

WCB: 西部玉米带; ECB: 东部玉米带; EC: 东海岸地区; MDS: 中南部地区; SE: 东南部地区。

WCB: Western Corn Belt; ECB: Eastern Corn Belt; EC: East Coast; MDS: Midsouth; SE: Southeast.

1.2 数据来源

本研究所用到的1991—2019年的美国大豆品种区域试验数据来自美国农业部(USDA, United States Department of Agriculture) (https://www.ars.usda.gov/),涵盖美国29个州的213个站点大豆品种区试数据, 涉及大豆单产、播种期、成熟期、株高、百粒重、蛋白质和油脂等观测数据, 共计102,244个年点数据。其中, 美国中南部地区和东南部地区大豆生育期数据分别从2005年和2007年开始有完整记录, 蛋白质和油脂含量以百分数形式在干重基础上报告。美国大豆区试品种(系)站点的空间分布如图1所示。

1.3 研究方法

美国农业部发布2002—2004年的综合表明从2004年开始美国南北部均将转基因大豆引入到大豆品种区域试验, 引入转基因大豆前后美国大豆区试品种(系)相关性状指标差异显著。因此, 本研究将1991—2019年分为1991—2003年(常规大豆)和2004—2019年(常规+转基因大豆) 2个时期, 对比分析2个时期美国大豆区试品种(系)农艺和品质性状的时空变化特征, 解析美国大豆单产提升的驱动因素。

1.3.1 线性回归模型 利用线性回归法[9]对1991—2003和2004—2019年美国大豆品种区试的各项指标随时间的变化趋势进行模拟, 公式如下:

式(1)中,代表大豆品种区试各项指标与时间年份的回归系数,代表年份,代表区试各项指标值,代表时间段。另外, 下文用Slope1和Slope2分别代表1991—2003和2004—2019年2个时间段内各项指标的变化程度, 利用皮尔逊线性相关法检测大豆品种区试各项指标随时间变化的显著性。利用-检验比较1991—2003和2004—2019年2个时期的美国大豆品种区试相关指标的差异。

1.3.2 空间分析 首先计算1991—2003和2004—2019年2个时期美国大豆区试品种(系)农艺和品质性状不同站点的平均值, 利用ArcGIS10.6软件进行空间可视化, 对比分析不同时期大豆品种(系)各指标的空间变化特征。

1.3.3 结构方程模型 各性状间存在复杂的关系,大豆产量和品质受多种因素综合作用影响, 百粒重、株高和生育期等因素均与大豆单产和油脂含量显著相关性, 因此本研究在相关性分析的基础上分别对1991—2003和2004—2019年2个时期美国大豆区试品种(系)相关指标进行因果关系研究, 使用R语言软件(R4.1.0)中的Lavaan包进行了结构方程模型(SEM)的建模[10], 以评估百粒重、株高、生育期、蛋白质含量、油脂含量对单产的直接和间接因果关系。在本研究中, 因为不考虑潜在变量, 只考虑内生变量的路径关系, 结构方程模型可表达为:

式(2)中,是内生变量的列向量;是外生变量的列向量;是内生变量间的关系, 由随机联系矩阵表示;是外生变量对内生变量的影响, 由直接随机效应矩阵表示;是结构方程的残差项, 反映在方程中未能解释的部分[11]。采用卡方值(CHISQ)、拟合指数(GFI)、相对拟合指数(CFI)、近似均方差根(RMSEA)来估计模型的整体拟合优度。在1991—2003年大豆百粒重、株高和油脂含量被认为是直接因素, 生育期和蛋白质含量被认为是间接因素; 在2004—2019年大豆生育期和油脂含量被认为直接因素, 株高、百粒重和蛋白质含量被认为是间接因素。其中, 直接因素作为内生变量进入结构方程模型, 间接因素作为外生变量进入结构方程模型。

2 结果与分析

2.1 近30年美国大豆区试品种(系)数量和主要农艺性状的时空变化特征

1991—2019年美国大豆区试品种(系)的数量总体呈增加趋势。1991—2003年品种数量约在190～260个范围内变动, 2004年之后大豆区试品种(系)数量显著增加, 年均参试品种数量稳定在300个左右, 2007年参试品种最多达372个。西部玉米带大豆区试品种(系)数量最多, 年均占全美品种数量的30.0%以上; 东部玉米带和中南部地区大豆区试品种(系)数量稳定, 年均占比均为19.0%; 东南部地区大豆区试品种(系)数量持续增加, 占比从1991年的15.9%增加到2019年的25.8%; 东海岸地区大豆区试品种(系)数量最少且逐年递减, 占比从1991年的12.5%减少到2019年的4.2% (图1和图2)。

图2 1991–2019年美国大豆区试品种(系)数量及其在各地区的百分比

缩写同图1。Abbreviations are the same as those given in Fig. 1.

1991—2019年美国大豆区试品种(系)的单产水平总体呈增加趋势, 1991—2003年大豆单产稳定在3000 kg hm-2, 2004—2019年单产以年均46.4 kg hm-2的速度显著增加(图3-A)。2004—2019年间各大豆主产区单产均呈显著增加趋势, 中南部地区增速最快, 东南部地区增速最慢; 西部玉米带、东部玉米带、东海岸地区、中南部地区和东南部地区单产年均增速分别为54.5、29.7、57.6、72.0和20.4 kg hm–2。2004—2019年间的平均单产为3525 kg hm–2, 较1991—2003年间的平均单产高426 kg hm–2。2004—2019年西部和东部玉米带大豆平均单产最高,分别为3809 kg hm–2和3185 kg hm–2; 东南部地区大豆的平均单产最低, 为3134 kg hm–2(图3-A和表1)。近30年大豆区试高产站点越来越多, 大豆单产水平的高值区集中分布在西部玉米带。1991—2003年和2004—2019年分别有8.4%和26.6%的区试站点的单产达到4000 kg hm–2, 其中在2004年以后有5.6%的区试站点的单产已经达到5000 kg hm–2(图4-A, B)。

近30年美国大豆区试品种(系)的百粒重总体呈现下降趋势, 1991—2003年百粒重年均降低0.12 g, 2004—2019年间百粒重无明显变化(图3)。1991—2003年美国北部地区大豆百粒重呈下降趋势, 西部玉米带、东部玉米带和东海岸地区的百粒重年均降速分别为0.14、0.16和0.15 g。百粒重近30年的均值在15 g左右变动, 2004—2019年在各地区的均值排序为西部玉米带>东部玉米带>东南部地区>东海岸地区=中南部地区, 其中西部玉米带百粒重为15.2 g, 东海岸和中南部地区百粒重均为14.2 g (图3-B和表1)。近30年高百粒重站点主要出现在2003年以前, 约90%以上分布在西部玉米带, 在1991—2003年和2004—2019年分别有14.8%和3.1%的区试站点百粒重达到17 g, 均有约50%的站点百粒重在15 g以上(图4-C, D)。

1991—2019年美国大豆区试品种(系)的株高总体变化趋势不明显, 1991—2003年和2004—2019年大豆的平均株高分别为81 cm和82 cm, 株高在2个时期内分别有19.1%和30.0%的站点达到90 cm (图3-C和图4-E, F)。西部玉米带株高的变化趋势在2004年前后改变最大, 但2个时间段的平均株高均为83 cm; 东海岸地区年均升高0.63 cm, 但趋势并不显著(表1)。近30年美国北部站点的平均株高明显高于南部站点, 且1991—2003年和2004—2019年北部的东海岸地区和南部的中南部地区株高均低于80 cm (图4-E, F和表1)。

近30年美国大豆区试品种(系)的北部生育期无显著变化, 2004年前后平均生育期分别为126 d和127 d (图3-D)。东海岸地区的生育期在2004—2019年的平均生育期为134 d, 较1991—2003年增加15 d; 中南部地区在2005—2019年呈显著上升趋势, 年均增加0.82 d, 平均生育期为138 d (图4-G, H和表1)。2004年以后生育期在140 d以上的站点集中出现在东海岸和东南部地区, 生育期在125 d以下的站点在东海岸地区只有1个。2004—2019年北部地区的生育期远低于南部地区, 生育期大于140 d的站点占15.5%, 约90%在南部地区(图4-G, H)。

2.2 近30年美国大豆区试品种(系)主要品质性状的时空变化特征

近30年美国大豆区试品种(系)的蛋白质总体呈下降趋势, 1991—2003年和2004—2019年的平均蛋白质分别为41.3%和40.0% (图5-A)。1991—2003和2004—2019年在各地区的大豆蛋白质含量变化不显著, 2004—2019年各地区的均值排序为中南部地区=东南部地区>东海岸地区>西部玉米带>东部玉米带, 中南部地区的蛋白质含量为40.8%, 玉米带的蛋白质含量均低于40.0% (表1)。近30年蛋白质含量高的站点数呈减少趋势, 1991—2003年和2004—2019年蛋白质含量40%以上的站点分别有87.9%和50.5%, 其中2004年之前有15.2%的站点平均蛋白质达到42.0% (图6-A, B)。

图3 1991–2019年美国大豆区试品种(系)单产、百粒重、株高和生育期的时间演变

图4 1991–2003和2004–2019年美国大豆区试品种(系)单产、百粒重、株高和生育期的空间分布

(图5)

近30年美国大豆区试品种(系)的油脂含量总体呈增加趋势, 1991—2003年油脂含量以年均0.07%的速度降低, 2004—2019年油脂含量以年均0.19%的速度显著增加(图5-B)。2004—2019年间各大豆主产区油脂含量均呈显著增加趋势, 西部玉米带、东部玉米带、东海岸地区、中南部地区和东南部地区油脂含量年均增速分别为0.15%、0.23%、0.22%、0.21%和0.20%,其中东海岸地区的油脂含量在1991—2003年的平均降速为0.17%, 在各地区2个时期内变化程度最大。1991—2003年和2004—2019年大豆油脂平均含量分别为20.3%和21.3%, 其中2004—2019年西部玉米带、东部玉米带、东海岸地区、中南部地区和东南部地区的油脂含量分别为21.1%、21.5%、20.7%、21.6%和21.3% (图5-B和表1)。近30年油脂含量高的站点也幅度增加, 1991—2003和2004—2019年分别有12.1%和59.2%的站点油脂含量达到21.0% (图6-C, D)。

1991—2003年美国大豆区试品种(系)的蛋脂含量总体呈降低趋势, 2004—2019年蛋脂含量以年均0.2%的速度显著增加(图5-C)。2004—2019年各大豆生产区的蛋脂含量均呈显著增加趋势, 其中美国南部地区增速最快, 中南部和东南部地区年均增速分别为0.23%和0.22% (表1)。2004—2019年南部地区的蛋脂含量高于北部地区, 南部和北部地区的蛋脂含量分别为62.2%和60.8%。1991—2003和2004— 2019年均有0.7%的站点蛋脂含量高达63%, 且这些站点在2个时间段内均有90%位于南部地区(图6-E, F; 表1)。

2.3 近30年美国大豆单产变化的驱动因素分析

结构方程模型结果表明1991—2003年和2004—2019年百粒重、株高和生育期对大豆单产和油脂含量的影响差异较大, 百粒重、株高和生育期对大豆单产水平的影响大于油脂含量。2004—2019年与比1991—2003年相比, 株高和生育期对单产的影响降低, 百粒重对单产的作用基本一致; 蛋白质含量对单产从无显著影响到产生负效应, 油脂含量对单产的正效应增大。在1991—2003年生育期对油脂含量具有负向影响, 2004—2019年百粒重和株高对油脂含量有一定影响。美国大豆区试品种没有实现蛋白质含量和油脂含量的协同提升。

3 讨论

3.1 美国大豆区试品种(系)主要性状的时空演变特征及其驱动因素

大豆单产是由单位面积株数、单株粒数和百粒重共同决定的, 近30年美国大豆区试品种(系)单产持续增加的同时百粒重下降, 株高和生育期无显著变化, 说明美国大豆单产提升的原因可能是单位面积株数和单株粒数的增加。即使大量研究表明, 大豆产量与单株粒数呈强线性关系[12-13], 但种植密度的增加会导致单株粒数和百粒重显著下降[14]。美国大豆品种区试报告指出, 从1991年开始美国大豆区试就已经采用窄行密植技术, 种植行距在78～102 cm,到2003年美国大豆区试行距变为36～102 cm, 但大多种植行距为78 cm, 说明美国大豆品种区试增密带来的产量效益可以弥补高密度导致单株粒数和百粒重下降所造成产量降低的影响[15], 因此, 美国大豆高产群体构建是影响单产水平的关键因素。耐密植株型是大豆高产的关键, 研究表明美国大豆品种株型紧凑, 叶片小, 分枝少, 有利于光能集约利用[16-18]。美国大豆生产实践证明将行距从78 cm降低到38 cm或17 cm, 大豆单产提高10%～15%[19-20]。此外, 美国大豆配套栽培技术规范和到位率很高, 栽培技术优化与集成应用在大豆单产提升中贡献巨大[21-22], 比如被普遍采用的大豆窄行密植技术。综上可知, 良种良法配套是美国大豆高产的关键。

图6 1991–2003和2004–2019年美国大豆区试品种(系)蛋白质、油脂和蛋脂含量的空间分布

表1 1991–2003和2004–2019年美国各主产区大豆区试相关指标的变化

*、**和***分别表示0.05、0.01和0.001的显著水平。缩写同图1。

*,**, and***indicate significant difference at the 0.05, 0.01, and 0.001 probability levels, respectively. Abbreviations are the same as those given in Fig. 1.

图7 1991–2003和2004–2019年单产的结构方程模型

实线: 变量之间存在显著相关性; 虚线: 变量之间无显著相关性; 红线: 负相关; 黑线: 正相关。Y: 单产; P: 蛋白质含量; O: 油脂含量; G: 生育期; H: 株高; W: 百粒重。

Solid line: there is significant correlation between variables; dotted line: no significant correlation between variables; red line: negative correlation; black line: positive correlation. Y: yield; P: protein content; O: oil content; G: growth period; H: plant height; W: 100-grain weight.

近15年美国大豆高产高油协同发展, 是提升美国大豆出口竞争力的关键。2004年以来美国大豆区试品种(系)的单产和油脂含量显著上升, 美国大豆的出口量从2004年的2560万吨稳定增加到2019年的5239万吨[23], 表明大豆品种改良对美国大豆出口贸易具有重大贡献。此外, 美国大豆区试品种(系)的农艺和品质性状具有明显的区域特性, 比如南部地区大豆蛋白含量显著高于北部地区、高产大豆主要集中在美国西部玉米带和东部玉米带, 与美国大豆实际生产结果一致[24-25]。美国玉米带是大豆高产优质代表性区域, 西部玉米带是大豆高产站点聚集区, 其位于黑土带, 土壤肥力高; 东部玉米带是大豆高产区, 在密西西比河流域附近, 水资源丰富。而东海岸地区单产及各性状指标极不稳定, 其位于沿海地区, 易受寒流影响, 气候变化多样[26-28]。表明土壤和气候是影响大豆单产和品质的重要因素。

3.2 中美大豆区试品质相关性状指标对比分析及启示

我国大豆消费主要包括压榨消费和食用消费等两个方面。随着中国油料和饲料消费市场的扩大, 大量进口美国大豆弥补中国豆油豆粕供应不足的空缺[29], 国内食用大豆需求量稳步增加, 高蛋白大豆是我国目前育种的主要方向[30]。研究结果表明油脂含量与单产呈正相关关系, 蛋白质含量与单产呈负相关关系, 如何实现国产大豆高蛋白、高油脂和高产协同发展是社会关注的焦点[31-32]。加强高效优质品种的选育和筛选是实现国产大豆可持续发展的关键, 合理的配套栽培技术是重要的调控途径。除了品种产量潜力的差距, 如何构建大豆高产群体是目前我国大豆生产面临的核心挑战。国内大豆生产行距为40～50 cm, 行距较美国低约20 cm, 但国产大豆绝大多数为有限结荚习性, 茎秆粗壮, 分枝多而发达, 上部叶片大且繁茂, 花序长[33], 此株型不宜截获光能与积累干物质, 不耐密植。因此, 培育和筛选密植大豆品种是未来我国大豆高产的关键。

富有成效的政策支持在推动美国大豆产业发展中具有关键作用。1933年罗斯福新政之后, 美国政府《农业调整法》奠定了美国在农业补贴方面的基石[34]; 美国的《1996年农业法》规定了大豆的市场营销贷款和贷款差价补贴两种政策; 《2002年农业法》在2004年生效后, 大豆补贴迅速增加[35], 使得2004年大豆生产平均单产相比于2003年突然升高564 kg hm–2, 同年大豆区试平均单产也提高至4126 kg hm–2, 美国大豆的出口量相比2003年增加了438万吨[36]。2020年, 美国政府向农民支付240亿美元, 以补偿因对华贸易战和新冠疫情造成的损失, 使得美国大豆出口额达到256.8亿美元, 比受中美贸易战影响的2018年高出大约60亿美元[37-38]。综合对比中美大豆相关政策, 美国大豆政策支持力度大于我国。2008年中国出台大豆临时收储政策, 有力推动粮食增产和农民增收; 2014年《中央一号文件》启动东北地区大豆价格的试点工作, 实施大豆目标价格补贴[39]; 2017年和2018年先后发布了《关于调整完善玉米和大豆补贴政策》[40]和《财政重点强农惠农政策》[41]显著增加了大豆播种面积, 推动了大豆相关产业发展。因此可见, 加强大豆相关的政策支持是推动大豆产业发展的关键。

4 结论

近30年美国大豆区试品种(系)单产呈上升趋势, 2004年以来大豆单产迅速增加; 近30年来美国大豆区试品种(系)的百粒重总体呈下降趋势, 但2004年以后百粒重无明显变化; 近30年大豆株高和生育期无明显变化。西部玉米带和东部玉米带大豆单产、百粒重和株高明显高于其他地区。近30年美国大豆区试品种(系)蛋白质含量总体呈下降趋势, 油脂和蛋脂含量呈先下降后增加趋势, 2004—2019年间油脂含量迅速增加, 2004年以后大豆蛋白含量下降的同时蛋脂含量显著增加。2004年以来美国大豆品种(系)高产高油协同发展, 是提升美国大豆出口竞争力的关键; 然而百粒重等核心产量构成因素指标对单产影响的显著下降, 表明较高的群体质量是美国大豆实现高产的重要途径。研究结果对中国大豆高产优质协同发展具有重要借鉴意义。

[1] 盖钧镒. 中国大豆产业、科技、种业和转基因育种的思考(I). 大豆科技, 2011, (3): 1–2.

Gai J Y. Thoughts on soybean industry, science and technology, seed industry and transgenic breeding in China (I)., 2011, (3): 1–2 (in Chinese).

[2] 杨皓森, 王禹. 中国大豆供需形势中长期展望研究. 农业经济, 2020, (12): 114–117.

Yang H S, Wang Y. Study on medium- and long-term prospect of soybean supply and demand in China., 2020, (12): 114–117 (in Chinese).

[3] 胡忆雨, 邹军, 吴尧, 王小慧, 杨雨豪, 陈阜, 尹小刚. 全球禾-豆生产系统作物多样性变化特征及其影响. 中国农业大学学报, 2021, 26(8): 9–22.

Hu Y Y, Zou J, Wu Y, Wang X H, Yang Y H, Chen F, Yin X G. Changes and impacts of crop diversity in global cereal-legume production systems., 2021, 26(8): 9–22 (in Chinese with English abstract).

[4] 曹宝明, 赵霞. 基于局部均衡理论的中国大豆及其制品供需变化预测. 中国农村经济, 2011, (9): 23–36.

Cao B M, Zhao X. Prediction of supply and demand changes of soybean and its products in China based on local equilibrium theory., 2011, (9): 23–36 (in Chinese).

[5] 陈伟, 朱俊峰, 田国强. 中美贸易摩擦对中国大豆的影响及对策分析. 大豆科学, 2019, 38: 118–123.

Chen W, Zhu J F, Tian G Q. The impact and countermeasures analysis of Sino-US trade friction on China’s soybean., 2019, 38: 118–123 (in Chinese with English abstract).

[6] USDA. Uniform Soybean Test Sites. https://www.nass.usda.gov/.

[7] 尹小刚, 陈阜. 1961–2017年全球大豆生产时空变化. 世界农业, 2019, 487(11): 65–71.

Yin X G, Chen F. Spatial-temporal changes of global soybean production during 1961 and 2017., 2019, 487(11): 65–71 (in Chinese with English abstract).

[8] Hurburgh C R, Brumm T J, Guinn J M, Hartwig R A. Protein and oil patterns in U.S. and world soybean markets., 1990, 67: 966–973.

[9] 胡忆雨, 朱颖璇, 杨雨豪, 邹军, 陈阜, 尹小刚. 1951–2015年中国主要粮食与油料作物种植结构变化分析. 中国农业大学学报, 2019, 24(11): 183–196.

Hu Y Y, Zhu Y X, Yang Y H, Zou J, Chen F, Yin X G. Changes of planting structure of major food and oil crops in China from 1951 to 2015., 2019, 24(11): 183–196 (in Chinese with English abstract).

[10] Li C, Wang X S, Guo Z K, Huang N, Hou S B, He G, Batchelor W D, Siddique K H M, Wang Z H, Zhang D. Optimizing nitrogen fertilizer inputs and plant populations for greener wheat production with high yields and high efficiency in dryland areas., 2022, 276: 108374.

[11] 敖荣军, 常亮. 基于结构方程模型的中国县域人口老龄化影响机制. 地理学报, 2020, 75: 1572–1584.

Ao R J, Chang L. Influencing mechanism of regional ageing in China based on the structural equation model., 2020, 75: 1572–1584 (in Chinese with English abstract).

[12] Board J E. Yield components related to seed yield in determinate soybean., 1987, 27: 1296–1297.

[13] Wei M C F, Molin J P. Soybean yield estimation and its components: a linear regression approach., 2020, 10: 348.

[14] Suhre J J, Weidenbenner N H, Rowntree S C, Wilson E W, Naeve S L, Conley S P, Casteel S N, Diers B W, Esker P D, Specht J E, Davis V M. Soybean yield partitioning changes revealed by genetic gain and seeding rate interactions., 2014, 106: 1631–1642.

[15] 尹阳阳, 徐彩龙, 宋雯雯, 胡水秀, 吴存祥. 密植是挖掘大豆产量潜力的重要栽培途径. 土壤与作物, 2019, 8: 361–367.

Yin Y Y, Xu C L, Song W W, Hu S X, Wu C X. Increasing planting density is an important approach to achieve the potential of soybean yield., 2019, 8: 361–367 (in Chinese with English abstract).

[16] 赵团结, 盖钧镒, 李海旺, 邢邯, 邱家驯. 超高产大豆育种研究的进展与讨论. 中国农业科学, 2006, 39: 29–37.

Zhao T J, Gai J Y, Li H W, Xing H, Qiu J X. Advances in breeding for super high-yielding soybean cultivars., 2006, 39: 29–37 (in Chinese with English abstract).

[17] 杜维广, 张桂茹, 满为群, 陈怡, 栾晓燕, 郝乃斌, 戈巧英, 谷秀芝. 大豆高光效品种(种质)选育及高光效育种再探讨. 大豆科学, 2001, 20: 110–115.

Du W G, Zhang G R, Man W Q, Chen Y, Luan X Y, Hao N B, Ge Q Y, Gu X Z. Development of soybean cultivars (germplasm) with high photosynthetic efficiency (HPE) and rediscussion of breeding for HPE., 2001, 20: 110–115 (in Chinese with English abstract).

[18] 刘章雄, 邱丽娟, 关荣霞, 常汝镇. 美国大豆育种研究进展. 大豆科学, 2004, 23: 123–129.

Liu Z X, Qiu L J, Guan R X, Chang R Z. New advances in the study soybean breeding of U.S.A., 2004, 23: 123–129 (in Chinese with English abstract).

[19] Cooper R L. A delayed flowering barrier to higher soybean yields., 2003, 82: 27–35.

[20] Carciochi W D, Schwalbert R, Andrade F H, Corassa G M, Carter P, Gaspar A P, Schmidt J, Ciampitti I A. Soybean seed yield response to plant density by yield environment in north America., 2019, 111: 1923–1932.

[21] Pedersen P, Lauer J G. Corn and soybean response to rotation sequence, row spacing, and tillage system., 2003, 95: 965–971.

[22] 张伟, 张惠君, 王海英, 谢甫绨, 陈振武. 株行距和种植密度对高油大豆农艺性状及产量的影响. 大豆科学, 2006, 25: 283–287.

Zhang W, Zhang H J, Wang H Y, Xie F T, Chen Z W. Effects of spacings and planting densities on agronomic traits and yield in high-oil soybean., 2006, 25: 283–287 (in Chinese with English abstract).

[23] USDA. https://www.usda.gov/topics/trade, 2021.

[24] Rotundo J L, Westgate M E. Meta-analysis of environmental effects on soybean seed composition., 2009, 110: 147–156.

[25] Yaklich R W, Vinyard B, Camp M, Douglass S. Analysis of seed protein and oil from soybean Northern and Southern Region uniform tests., 2002, 42: 1504–1515.

[26] Wu D, Qu J J, Hao X. Agricultural drought monitoring using MODIS-based drought indices over the America Corn Belt., 2015, 36: 5403–5425.

[27] Ren C, Bilyeu K D, Beuselinck P R. Composition, vigor, and proteome of mature soybean seeds developed under high temperature., 2009, 49: 1010–1022.

[28] Liu Y, Dai L. Modelling the impacts of climate change and crop management measures on soybean phenology in China., 2020, 262.

[29] 肖琴, 李建平, 刘冬梅. 转基因大豆冲击下的中国大豆产业发展对策. 中国科技论坛, 2015, (6): 137–141.

Xiao Q, Li J P, Liu D M. Development countermeasures of China’s soybean industry under the impact of genetically modified soybean., 2015, (6): 137–141 (in Chinese with English abstract).

[30] 杨树果, 何秀荣. 中国大豆产业状况和观点思考. 中国农村经济, 2014, (4): 32–41.

Yang S G, He X R. Situation and viewpoint of China’s soybean industry., 2014, (4): 32–41 (in Chinese).

[31] 宋启建, 盖钧镒, 马育华. 长江中游夏大豆地方品种品质及产量等性状的典型相关与通径分析. 大豆科学, 1996, 15: 11–16.

Song Q J, Gai J Y, Ma Y H. Canonical correlation and path analysis of quality and yield of summer soybean landraces in the middle reaches of the Yangtze River., 1996, 15: 11–16 (in Chinese with English abstract).

[32] 何鑫, 马文娅, 付汝洪, 张琪, 闫向前. 2006–2017年国家黄淮海夏大豆品种区域试验参试品种(系)分析. 中国油料作物学报, 2019, 41: 537–549.

He X, Ma W Y, Fu R H, Zhang Q, Yan X Q. Analysis of national summer soybean regional trials in Huang-Huai-Hai region during 2006–2017.2019, 41: 537–549 (in Chinese with English abstract).

[33] 刘军, 徐瑞新, 石垒, 王孟, 徐印印, 姜汉峰, 姜硕琛, 邢丹英.中国国审大豆品种(2003–2016年)主要性状变化趋势分析. 安徽农学通报, 2017, 23(11): 60–66.

Liu J, Xu R X, Shi L, Wang M, Xu Y Y, Jiang H F, Jiang S C, Xing D Y. Variation trend of major traits of national authorized soybean cultivars from 2003 to 2016., 2017, 23(11): 60–66 (in Chinese with English abstract).

[34] 刘绪贻. 罗斯福“新政”的农业政策. 史学月刊, 2001, (3): 103–109.

Liu X Y. Roosevelt’s agricultural policy in his “New Deal”., 2001, (3): 103–109 (in Chinese with English abstract).

[35] 王玉飞. 美国大豆补贴政策对我国的借鉴和启示. 农业经济问题, 2011, 32(1): 100–105.

Wang Y F. Reference and enlightenment of American soybean subsidy policy to China., 2011, 32(1): 100–105 (in Chinese).

[36] 苗水清, 程国强. 美国大豆补贴政策及其影响. 中国农村经济, 2006, (5): 72–80.

Miao S Q, Cheng G Q. American soybean subsidy policy and its impact., 2006, (5): 72–80 (in Chinese).

[37] Glauber J, Smith V. Trends in US agricultural policy since 2000 and implications for the next twenty years., 2021, 20: 58–63.

[38] 程敏. 从粮食视角分析中美农产品贸易互利互赢——依据美国农业部数据. 黑龙江粮食, 2021, (6): 33–35.

Cheng M. Analysis on the mutual benefit and win-win of Sino US agricultural trade from the perspective of grain—according to the data of the U.S. Department of Agriculture., 2021, (6): 33–35 (in Chinese with English abstract).

[39] 徐雪高, 吴比, 张振. 大豆目标价格补贴的政策演进与效果评价. 经济纵横, 2016, (10): 81–87.

Xu X G, Wu B, Zhang Z. Policy evolution and effect evaluation of soybean target price subsidy., 2016, (10): 81–87 (in Chinese).

[40] 王新刚, 司伟. 大豆补贴政策改革实现大豆扩种了吗?——基于大豆主产区124个地级市的实证. 中国农村经济, 2021, (12): 44–65.

Wang X G, Si W. Does the reform of subsidy policy realize the expansion of soybean production? An empirical analysis based on 124 prefecture-level cites in soybean main producing areas., 2021, (12): 44–65 (in Chinese with English abstract).

[41] 知谷客. 农业农村部、财政部发布2018年财政重点强农惠农政策. 农业机械, 2018, (4): 45–48.

Zhi G K. Ministry of Agriculture and Rural Affairs, Ministry of Finance issued the policy of strengthening agriculture and benefiting agriculture in 2018., 2018, (4): 45–48 (in Chinese).

Spatial-temporal variations for agronomic and quality characters of soybeans varieties (strains) tested in America from 1991 to 2019

BAI Zhi-Yuan, CHEN Xiang-Yang, ZHENG A-Xiang, ZHANG Li, ZOU Jun, ZHANG Da-Tong, CHEN Fu, and YIN Xiao-Gang*

College of Agronomy and Biotechnology, China Agricultural University / Key Laboratory of Farming System, Ministry of Agriculture and Rural Affairs, Beijing 100193, China

America is an important soybean producer in the world, and there is a large gap in terms of soybean production level between China and America. It is of great significance to explore the spatial-temporal evolution patterns of the main characters of American soybean varieties in China’s soybean production. This study was based on the observation data of 102,244 variety-site-year observations from 213 soybean regional test sites in America from 1991 to 2019, which explored the spatial-temporal variations of agronomic and quality traits of American soybean regional trial varieties (strains) during the recent 30 years by using linear regression model, spatial analysis and structural equation model. The results showed that: (1) The number of soybean regional test varieties (strains) and soybean yield in America had an upward trend from 1991 to 2019, soybean yield was stable with the mean value of 3000 kg hm–2from 1991 to 2003, which increased significantly with an average annual rate of 46.4 kg hm–2since 2004, and the average soybean yield was 3525 kg hm–2during the recent 15 years; the western-corn belt and eastern-corn belt were the high soybean yield regions in America, the yield level higher than 4000 kg hm–2accounting for 22.6% of the regional test sites from 2004 to 2019, which was mainly distributed in the western-corn belt and eastern-corn belt. (2) The 100-grain weight of American soybean varieties (strains) had a downward trend during the recent 30 years, but there were no significant changes in plant height and growth period; specifically, the 100-grain weight decreased by 0.12 g per year from 1991 to 2003, while it kept stable since 2004. (3) In the recent 30 years, the protein content of American soybean regional test varieties (strains) experienced decreasing trend, and the average protein content decreased from 41.3% in 1991–2003 to 40.0% in 2004–2019, the protein content in the southern America was 1.4% higher than the northern parts; the oil content indicated decreasing trend while showed increasing trend afterwards, the average oil content increased from 20.3% in the 1991–2003 period to 21.3% in the 2004–2019 period; 59.2% of the regional test sites in America had soybean oil content higher than 21% from 2004 to 2019. (4) The yield level and oil content of American soybean regional test varieties (strains) increased synergistically from 2004 to 2019, while the restrictive effects of soybean agronomic traits on yield decreased. This study revealed the spatial-temporal variations of agronomic and quality traits of soybean varieties (strains) during the recent 30 years, and determined the constraint relationship between yield and various traits of regional trial varieties (strains) of American soybean in different periods, which could provide references for the coordinated development of high-yield and high-quality of soybean in China.

soybean; yield; protein; oil; spatial-temporal variations

10.3724/SP.J.1006.2023.24026

本研究由中国科协青年人才托举工程项目(2019QNRC001)和国家自然科学基金项目(32071979)资助。

This study was supported by the Young Talent Promotion Project of China Association for Science and Technology (2019QNRC001) and the National Natural Science Foundation of China (32071979).

通信作者(Corresponding author):尹小刚, E-mail: xiaogangyin@cau.edu.cn

E-mail: zyuanbai@163.com

2022-01-21;

2022-05-05;

2022-05-19.

URL: https://kns.cnki.net/kcms/detail/11.1809.S.20220519.1118.004.html

This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).