植物种质资源是育种和遗传改良的重要物质基础。据 FAO 统计全世界的遗传资源从1996年的610万份增加到2010年的740万份(FAO，2010; 1996)，而且数量还在不断增加。面对数量庞大的种质资源，Frankel等(1984)提出了核心种质(core collection)的概念。核心种质是用最小的种质资源样品量最大程度地代表种质资源的遗传多样性。核心种质能最大程度地去除种质资源中的遗传重复，用极少的种质数量就包含了原种质资源群体中的全部或大多数变异类型，解决了巨大的资源收集量与资源深入评价及有效利用之间的矛盾，从而推动和促进种质资源研究的进一步发展。国内外在农作物核心种质构建方面已经很成熟，而林木方面的核心种质研究起步较晚，主要涉及到茶树(Camellia sinensis)(陈亮等，2004)、梅花(Prunus mume)(明军等，2005)、石榴(Punica granatum)(沈进等，2008)、白桦(Betula platyphylla)(魏志刚等，2009)、山楂(Crataegus pinnatifida)(高书燕等，2011)、桂花(Osmanthus fragrans)(张维瑞等，2012)、核桃(Juglans regia)(袁海涛等，2012)、灰楸(Catalpa fargesii)(李秀兰等，2013)和美洲黑杨(Populus deltoides)(倪茂磊，2011)等树种。

欧洲黑杨(Populus nigra)是杨柳科(Salicaceae)杨属(Populus)黑杨派(Sect. Aigeiros)树种，广泛分布于欧洲、非洲北部、亚洲中部和西部(Vanden，2003)。黑杨派具有早期速生、材性好等特点，在世界杨树木材工业中占据着重要地位，世界上90%以上的栽培杨树都属于黑杨派。欧洲黑杨是世界主栽杨树品种的重要基因供体，在杨树遗传改良和新品种培育中具有重要作用。由于欧洲黑杨种质资源丰富、树体高大、生长周期长，导致其种质资源保存费力、费时，建立欧洲黑杨核心种质是解决上述问题的一个有效途径。因此，本研究在对欧洲黑杨种质资源生长、材性、生理特征、育种值等性状评价的基础上，开展欧洲黑杨优质核心种质库构建，以克服欧洲黑杨种质资源群体保存压力的问题，为优质欧洲黑杨种质资源的长期保存和高效利用提供理论依据，也为其他林木核心种质构建提供参考。

自 2000 年起中国林业科学研究院林业所从 16 个国家和地区收集天然欧洲黑杨资源，分别在北京、内蒙古呼和浩特、陕西杨凌、黑龙江齐齐哈尔、辽宁凌海建立 5 个欧洲黑杨基因库，每个基因库采用完全随机区组设计，3 次重复，4 株小区。本研究采用的试验材料是来源于北京和陕西杨凌的欧洲黑杨基因库共 159 个欧洲黑杨无性系(表 1)，北京基因库有 101 个无性系，陕西基因库有 93 个无性系，部分欧洲黑杨无性系栽植于多个欧洲黑杨基因库。159个无性系中罗马尼亚 1 个、塞尔维亚 2 个、西班牙 2 个、意大利 17 个、保加利亚 1 个、克罗地亚 2 个、土耳其 10 个、俄罗斯 35 个、英国 1 个、荷兰 17 个、比利时 12 个、捷克 2 个、斯洛伐克 2 个、德国 22 个、匈牙利19 个以及中国新疆 14 个。

表 1 欧洲黑杨分布情况 Tab.1 Distribution of Populus nigra

表 1 欧洲黑杨分布情况 Tab.1 Distribution of Populus nigra 序号No. 国家 Country 纬度Latitude (N) 经度Longitude (E) 序号No. 国家 Country 纬度Latitude (N) 经度Longitude (E) 1 土耳其Turkey 38°02′ 36°30′ 81 意大利Italy 45°40′ 08°09′ 2 土耳其Turkey 38°02′ 38°15′ 82 德国Germany 52°30′ 13°20′ 3 土耳其Turkey 37°40′ 38°42′ 83 德国Germany 52°30′ 13°20′ 4 土耳其Turkey 37°05′ 37°22′ 84 德国Germany 52°30′ 13°20′ 5 土耳其Turkey 37°44′ 37°35′ 85 德国Germany 52°30′ 13°20′ 6 土耳其Turkey 37°05′ 37°22′ 86 荷兰Netherlands 52°20′ 04°45′ 7 土耳其Turkey 37°37′ 36°51′ 87 匈牙利Hungary 47°30′ 19°00′ 8 土耳其Turkey 37°05′ 37°22′ 88 匈牙利Hungary 47°30′ 19°00′ 9 土耳其Turkey 37°02′ 37°30′ 89 匈牙利Hungary 47°30′ 19°00′ 10 土耳其Turkey 36°58′ 37°28′ 90 匈牙利Hungary 47°30′ 19°00′ 11 意大利Italy 45°14′ 11°39′ 91 匈牙利Hungary 47°30′ 19°00′ 12 俄罗斯Russia 52°00′ 38°00′ 92 匈牙利Hungary 47°30′ 19°00′ 13 俄罗斯Russia 52°00′ 38°00′ 93 荷兰Netherlands 52°20′ 04°45′ 14 俄罗斯Russia 52°00′ 38°00′ 94 荷兰Netherlands 52°20′ 04°45′ 15 俄罗斯Russia 55°00′ 85°00′ 95 荷兰Netherlands 52°20′ 04°45′ 16 俄罗斯Russia 55°00′ 85°00′ 96 荷兰Netherlands 52°20′ 04°45′ 17 俄罗斯Russia 55°00′ 85°00′ 97 荷兰Netherlands 52°20′ 04°45′ 18 俄罗斯Russia 55°00′ 85°00′ 98 荷兰Netherlands 52°20′ 04°45′ 19 俄罗斯Russia 55°00′ 85°00′ 99 德国Germany 52°30′ 13°20′ 20 意大利Italy 45°33′ 10°13′ 100 德国Germany 52°30′ 13°20′ 21 意大利Italy 45°43′ 10°13′ 101 德国Germany 52°30′ 13°20′ 22 保加利亚Bulgaria 42°45′ 23°20′ 102 德国Germany 52°30′ 13°20′ 23 比利时Belgium 50°40′ 04°20′ 103 俄罗斯Russia 52°00′ 38°00′ 24 英国United Kingdom 51°30′ 00°00′ 104 俄罗斯Russia 52°00′ 38°00′ 25 德国Germany 52°30′ 13°20′ 105 俄罗斯Russia 52°00′ 38°00′ 26 德国Germany 52°30′ 13°20′ 106 俄罗斯Russia 55°00′ 85°00′ 27 德国Germany 46°11′ 13°20′ 107 俄罗斯Russia 55°00′ 85°00′ 28 意大利Italy 41°45′ 12°46′ 108 荷兰Netherlands 52°20′ 04°45′ 29 意大利Italy 50°00′ 12°30′ 109 荷兰Netherlands 52°20′ 04°45′ 30 捷克Czech Republic 50°00′ 14°30′ 110 荷兰Netherlands 52°20′ 04°45′ 31 俄罗斯Russia 52°00′ 38°00′ 111 荷兰Netherlands 52°20′ 04°45′ 32 俄罗斯Russia 55°00′ 85°00′ 112 匈牙利Hungary 47°30′ 19°00′ 33 俄罗斯Russia 52°30′ 39°50′ 113 匈牙利Hungary 47°30′ 19°00′ 34 德国Germany 52°30′ 13°20′ 114 匈牙利Hungary 47°30′ 19°00′ 35 德国Germany 52°30′ 13°20′ 115 匈牙利Hungary 47°30′ 19°00′ 36 荷兰Netherlands 52°20′ 04°45′ 116 匈牙利Hungary 47°30′ 19°00′ 37 荷兰Netherlands 52°20′ 04°45′ 117 匈牙利Hungary 47°30′ 19°00′ 38 斯洛伐克Slovakia 49°00′ 20°00′ 118 匈牙利Hungary 47°30′ 19°00′ 39 罗马尼亚Romania 44°30′ 26°10′ 119 比利时Belgium 50°40′ 04°20′ 40 德国Germany 52°30′ 13°20′ 120 比利时Belgium 50°40′ 04°20′ 41 斯洛伐克Slovakia 49°00′ 20°00′ 121 比利时Belgium 50°40′ 04°20′ 42 意大利Italy 45°47′ 09°49′ 122 比利时Belgium 50°40′ 04°20′ 43 塞尔维亚Serbia 40°00′ 20°30′ 123 比利时Belgium 50°40′ 04°20′ 44 意大利Italy 46°10′ 12°14′ 124 匈牙利Hungary 47°30′ 19°00′ 45 克罗地亚Croatia 45°45′ 16°00′ 125 匈牙利Hungary 47°30′ 19°00′ 46 荷兰Netherlands 52°20′ 04°45′ 126 匈牙利Hungary 47°30′ 19°00′ 47 荷兰Netherlands 52°20′ 04°45′ 127 匈牙利Hungary 47°30′ 19°00′ 48 克罗地亚Croatia 45°45′ 16°00′ 128 匈牙利Hungary 47°30′ 19°00′ 49 比利时Belgium 50°40′ 04°20′ 129 中国China 48°00′ 87°48′ 50 意大利Italy 44°41′ 10°06′ 130 中国China 48°00′ 87°48′ 51 塞尔维亚Serbia 40°00′ 20°30′ 131 中国China 48°00′ 87°48′ 52 德国Germany 52°30′ 13°20′ 132 中国China 47°00′ 88°00′ 53 德国Germany 52°30′ 13°20′ 133 中国China 47°00′ 88°00′ 54 荷兰Netherlands 52°20′ 04°45′ 134 中国China 47°00′ 88°00′ 55 荷兰Netherlands 52°20′ 04°45′ 135 中国China 47°00′ 88°00′ 56 荷兰Netherlands 52°20′ 04°45′ 136 中国China 47°00′ 88°00′ 57 德国Germany 52°30′ 13°20′ 137 中国China 47°00′ 88°00′ 58 西班牙Spain 40°30′ 03°40′ 138 中国China 47°00′ 88°00′ 59 匈牙利Hungary 47°30′ 19°00′ 139 中国China 48°00′ 87°48′ 60 比利时Belgium 50°40′ 04°20′ 140 中国China 48°00′ 87°48′ 61 德国Germany 52°30′ 13°20′ 141 中国China 47°00′ 88°00′ 62 捷克Czech Republic 50°00′ 14°30′ 142 中国China 47°00′ 88°00′ 63 西班牙Spain 40°30′ 03°40′ 143 俄罗斯Russia 52°00′ 38°00′ 64 德国Germany 52°30′ 13°20′ 144 俄罗斯Russia 52°00′ 38°00′ 65 意大利Italy 45°45′ 11°52′ 145 俄罗斯Russia 52°00′ 38°00′ 66 俄罗斯Russia 55°00′ 85°00′ 146 俄罗斯Russia 52°00′ 38°00′ 67 意大利Italy 41°45′ 13°16′ 147 俄罗斯Russia 52°00′ 38°00′ 68 意大利Italy 44°46′ 08°21′ 148 俄罗斯Russia 55°00′ 85°00′ 69 意大利Italy 45°33′ 11°09′ 149 比利时Belgium 50°40′ 04°20′ 70 意大利Italy 45°05′ 11°36′ 150 俄罗斯Russia 55°00′ 85°00′ 71 比利时Belgium 50°40′ 04°20′ 151 俄罗斯Russia 55°00′ 85°00′ 72 比利时Belgium 50°40′ 04°20′ 152 俄罗斯Russia 55°00′ 85°00′ 73 比利时Belgium 50°40′ 04°20′ 153 俄罗斯Russia 55°00′ 85°00′ 74 意大利Italy 41°45′ 12°30′ 154 俄罗斯Russia 55°00′ 85°00′ 75 德国Germany 52°30′ 13°20′ 155 俄罗斯Russia 55°00′ 85°00′ 76 德国Germany 52°30′ 13°20′ 156 俄罗斯Russia 55°00′ 85°00′ 77 德国Germany 52°30′ 13°20′ 157 俄罗斯Russia 55°00′ 85°00′ 78 俄罗斯Russia 55°00′ 85°00′ 158 俄罗斯Russia 55°00′ 85°00′ 79 意大利Italy 45°24′ 11°53′ 159 俄罗斯Russia 55°00′ 85°00′ 80 意大利Italy 45°45′ l1°25′

研究性状主要包括生长性状(树高、胸径)、生长性状育种值、材性性状(基本密度、纤维长度、纤维宽度、微纤丝角、综纤维素、α 纤维素、木质素)、养分利用率、水分利用率和分子遗传多样性等。其中，生长和材性性状的测定与评价(丁明明等，2008)用陕西基因库4年生欧洲黑杨材料；养分利用率和水分利用率的测定与评价(刘希华等，2010；丁明明等，2006)用北京苗圃1年生欧洲黑杨材料。

育种值测定与评价用北京基因库材料。2011 年以 3 个美洲黑杨雌株(丹红杨、中石 8 号、南林 895)为母本，利用巢式交配设计开展该基因库内欧洲黑杨雄株杂交试验，杂交子代采用完全随机区组设计，6 株小区，3 次重复定植于苗圃。用 ASReml 软件处理全同胞子代的生长数据，计算欧洲黑杨雄株育种值。2012 年采集北京基因库内天然授粉种子播种温室育苗，随后采用完全随机区组设计，40 株小区，3 次重复，定植于苗圃。用 ASReml 软件处理半同胞子代的生长数据，计算欧洲黑杨雌株育种值。

在对生长、育种值、材性、养分利用率和水分利用率评价的基础上，分别取各性状前 3，4，5，6，7，8，9，10，11，12，13，14，15 名最优个体组成 13 个抽样群体。其中胸径、株高、育种值、水分利用率、养分利用率、综纤维素含量、α 纤维素含量、基本密度、纤维长度为正向选择，纤维宽度、木素含量和微纤丝角为负向选择。最后对 13 个抽样群体进行重复个体扣除，各群体欧洲黑杨无性系个体数分别为 26，34，37，40，45，48，52，56，60，63，66，68和73。

采用的优质核心种质评价参数分别是均值差异百分率(mean difference percentage，MD)、方差差异百分率(variance difference percentage，VD)、极差符合率(coincidence rate of range，CR)和变异系数变化率(changeable rate of coefficient of variation，VR)。构建核心种质的最低标准是均值差异百分率不高于20%，极差符合率不低于80%(Hu et al.，2000)。

利用13对SSR引物对欧洲黑杨原群体进行分子遗传多样性测定，共检测出171个等位基因位点(张香华等，2006)。用 PopGene32(vesion1.32)软件分析不同抽样群体的有效等位基因数、Nei’s 基因多样性系数和Shannon’s 信息指数，之后用 SPSS19.0 软件进行 t 检验分析。

欧洲黑杨原始群体的13个性状描述性统计分析表明，各性状间的变异较大，变异系数在 -3.5%～5 603.9%(表 2)。其中育种值和养分利用效率的变异系数都超过了100%，主要原因在于它们的原始数据有正有负，平均值趋近于0。胸径、木质素含量、纤维长度、微纤丝角和株高的变异系数都在10%以上，这说明种质资源在这些方面的遗传变异较大，选择空间也相对较大，需要较多种质数量来保存这些性状的遗传变异类型；综纤维素、α 纤维素、水分利用效率和木材基本密度这4个性状的遗传稳定性较强，变异系数均小于6%。

表 2 欧洲黑杨原始群体各性状描述性统计分析 Tab.2 The descriptive analysis of traits of P.nigra original groups

表 2 欧洲黑杨原始群体各性状描述性统计分析 Tab.2 The descriptive analysis of traits of P.nigra original groups 性状 Traits 均值 Mean 方差 Variance 极大值 Maximum 极小值 Minimum 变异系数 CV(%) 株高Height/m 4.80 0.241 5.87 3.65 10.2 胸径DBH/cm 4.02 0.418 5.55 2.3 16.1 高生长育种值Height breeding value 0.372 101.805 27.8 -33.98 2 706.2 径生长育种值Diameter breeding value 0.015 0.754 2.444 -2.659 5 603.9 综纤维素含量Holocellulose (%) 78.61 3.358 85.28 72.00 2.3 α纤维素含量α-cellulose(%) 52.78 1.346 55.59 49.14 2.2 木质素含量Lignin(%) 20.96 5.888 30.20 17.53 11.6 基本密度Basic density/(g·cm-3) 0.356 3 0.000 0.391 9 0.309 6 5.2 纤维长度Fiber length/μm 650.7 5 336.602 820.0 426.5 11.2 纤维宽度Fiber width/μm 23.12 1.118 25.71 20.53 4.6 微纤丝角Microfibril angle/(゜) 26.10 7.933 31.05 18.71 10.8 δ13C(‰) -28.40 0.962 -25.99 -30.15 -3.5 养分利用效率Nutrient use efficiency/ (volume difference·cm-3) 0.085 0.026 0.781 -0.228 187.7

利用表型值选优方法构建的13个抽样群体与原群体比较结果(表 3)表明： 13个抽样群体的极差符合率(CR)均大于80%，满足构建核心群体的要求；而除群体1外，其他12个抽样群体均值差异百分率(MD)均小于20%。说明用表型值构建的除群体1外的12个群体均符合核心种质的构建要求，能够代表原群体的遗传多样性。从表型值分析可以看出，当抽样比例达到16.4%以上时，极差符合率能够达到80%以上；当抽样比例达到21.4%以上时，就能够达到构建核心种质的要求。随着抽样比例增大，极差符合率呈现增大的总体趋势，但在一定抽样比例范围内，极差符合率保持不变。这是因为在一定范围内，抽样比例虽然增大，但样本的增加并未改变抽样群体的极值大小。而变异系数变化率是随着抽样比例的增大而减小。

表 3 抽样群体表型值评价^① Tab.3 Evaluation of phenotypic values of sample populations

表 3 抽样群体表型值评价① Tab.3 Evaluation of phenotypic values of sample populations 抽样群体 Sample population 样本数 Number of samples 抽样比例 Sampling percentage(%) 均值差异 百分率MD (%) 方差差异 百分率VD (%) 极差符合率 CR(%) 变异系数变化率 VR(%) 群体1 Group 1 26 16.4 23.08 7.69 80.68 89.23 群体2 Group 2 34 21.4 0 0 93.90 93.89 群体3 Group 3 37 23.3 0 7.69 93.90 93.29 群体4 Group 4 40 25.2 0 7.69 96.69 92.70 群体5 Group 5 45 28.3 0 0 97.07 90.55 群体6 Group 6 48 30.2 0 0 97.07 89.72 群体7 Group 7 52 32.7 0 0 97.29 88.97 群体8 Group 8 56 35.2 0 0 97.29 88.28 群体9 Group 9 60 37.7 0 0 97.29 88.08 群体10 Group 10 63 39.6 0 0 97.29 88.70 群体11 Group 11 66 41.5 0 0 98.27 88.98 群体12 Group 12 68 42.8 0 0 98.27 88.71 群体13 Group 13 73 45.9 0 0 98.27 89.39 ①MD: 均值差异百分率 Mean difference percentage; VD: 方差差异百分率 Variance difference percentage; CR: 极差符合率 Coincidence rate of range; VR: 变异系数变化率 Changeable rate of coefficient of variation.

常用的核心种质遗传多样性评价参数有等位基因数、Shannon’s 信息指数和Nei’s 基因多样性指数等(Thachuk et al.，2009)。有效等位基因数是结合每个位点上等位基因的平均数目及其等位基因的频率，反映每个等位基因在遗传结构中的重要性(Kimura et al.，1964)，被认为是分子遗传多样性评价的最优参数(El Mousadik et al.，1996; Petit et al.，1998)，一般而言，核心群体和原始群体有效等位基因数的t检验不能出现显著性差异。研究结果(表 4)表明： 当抽样比例达到30.2%时，核心种质与原始群体没有达到显著性差异，并且其保留比例达到96.4%，此时能够满足抽样群体代表原群体的遗传多样性的要求。

表 4 优质核心种质与原群体有效等位基因的 t 检验^① Tab.4 t-test on effective number of alleles between the original group and the high-quality core collection

表 4 优质核心种质与原群体有效等位基因的 t 检验① Tab.4 t-test on effective number of alleles between the original group and the high-quality core collection 群体 Population 均值 Mean 保留比例 Retention ratio(%) 标准差 Standard deviation 差值均值 Difference between mean 差值标准差 Difference between standard deviation t 原始群体 Total 6.633 0 3.300 6 群体2 Group 2 5.717 2 86.19 2.792 5 0.915 8 0.830 4 3.976 4** 群体3 Group 3 5.714 3 86.15 2.769 3 0.918 7 0.819 9 4.040 0** 群体4 Group 4 5.897 7 88.91 2.814 8 0.735 3 0.714 8 3.708 8** 群体5 Group 5 6.204 4 93.54 2.936 1 0.428 6 0.676 4 2.285 0* 群体6 Group 6 6.394 5 96.40 3.061 1 0.238 6 0.570 8 1.506 9 群体7 Group 7 6.464 1 97.45 3.075 9 0.169 0 0.461 7 1.319 5 群体8 Group 8 6.360 6 95.89 3.059 2 0.272 4 0.538 1 1.825 1 群体9 Group 9 6.282 6 94.72 3.032 5 0.350 4 0.501 3 2.520 3* 群体10 Group10 6.268 4 94.50 3.000 2 0.364 6 0.455 2 2.887 8* 群体11 Group11 6.309 9 95.13 2.991 7 0.323 1 0.472 6 2.465 1* 群体12 Group12 6.380 4 96.19 3.071 1 0.252 6 0.410 3 2.220 1* 群体13 Group13 6.516 0 98.24 3.121 4 0.117 0 0.281 6 1.498 4 ①**和*分别表示在 0.01 和 0.05 水平上差异显著。下同。 ** and * indicate significant differences at the 0.01 and 0.05 levels, respectively. The same below.

由Shannon’s 信息指数的 t 检验(表 5)可以看出当抽样比例达到30.2% 时，优质核心种质与原始群体没有显著差异，并且其保留比例达到99%，说明抽样群体达到30.2%时能保持原群体的遗传多样性。之后再提高抽样比例，保留比例略有变化。但相比之下，抽样比例从16.4%增大到30.2%，其保留比例增加幅度较大，说明抽样比例增加到30.2%之后，抽样比例和Shannon’s信息指数二者间相关性降低。

表 5 优质核心种质与原始群体 Shannon’s 信息指数的 t 检验 Tab.5 t-test on Shannon’s information index between the original group and the high-quality core collection

表 5 优质核心种质与原始群体 Shannon’s 信息指数的 t 检验 Tab.5 t-test on Shannon’s information index between the original group and the high-quality core collection 群体 Population 均值 Mean 保留比例 Retention ratio(%) 标准差 Standard deviation 差值均值 Difference between mean 差值标准差 Difference between standard deviation t 原始群体 Total 1.947 9 0.605 5 群体2 Group 2 1.806 9 92.76 0.585 2 0.141 0 0.078 1 6.509 1** 群体3 Group 3 1.813 4 93.10 0.593 6 0.134 5 0.074 6 6.502 0** 群体4 Group 4 1.840 6 94.49 0.584 4 0.107 3 0.073 5 5.265 4** 群体5 Group 5 1.897 6 97.42 0.561 7 0.050 3 0.081 6 2.221 9* 群体6 Group 6 1.928 5 99.00 0.572 8 0.019 4 0.066 7 1.048 0 群体7 Group 7 1.940 6 99.63 0.564 3 0.007 3 0.060 9 0.431 0 群体8 Group 8 1.929 6 99.06 0.564 4 0.018 3 0.064 5 1.020 8 群体9 Group 9 1.919 3 98.53 0.568 1 0.028 6 0.057 5 1.796 8 群体10 Group10 1.917 5 98.44 0.574 5 0.030 4 0.051 5 2.128 3 群体11 Group11 1.927 5 98.95 0.575 6 0.020 4 0.047 7 1.540 1 群体12 Group12 1.931 1 99.14 0.584 5 0.016 8 0.039 5 1.531 3 群体13 Group13 1.943 8 99.79 0.588 7 0.004 1 0.032 3 0.459 1

Nei’s 基因多样性指数主要是对群体多样性丰度和均度进行综合评价，当其越大时说明群体变异的丰度和均度越大。Nei’s 遗传多样性指数的 t 检验(表 6)说明当抽样比例达到25.2%时，优质核心种质与原群体间没有显著差异，其保留比例达到98.19%，完全能保证抽样群体的遗传多样性。此后，随抽样比例增加，抽样群体的 Nei’s 遗传多样性指数并未出现显著性差异，且保留比例与抽样比例无相关性。

表 6 核心种质与原始群体 Nei’s 遗传多样性指数的 t 检验 Tab.6 t-test on Nei’s genetic diversity between the original group and the high-quality core collection

表 6 核心种质与原始群体 Nei’s 遗传多样性指数的 t 检验 Tab.6 t-test on Nei’s genetic diversity between the original group and the high-quality core collection 群体 Population 均值 Mean 保留比例 Retention ratio(%) 标准差 Standard deviation 差值均值 Difference between mean 差值标准差 Difference between standard deviation t 原始群体 Total 0.780 8 0.168 9 群体2 Group2 0.759 3 97.25 0.167 7 0.021 5 0.023 4 3.315 1** 群体3 Group3 0.757 9 97.07 0.172 4 0.022 9 0.023 9 3.465 9** 群体4 Group4 0.766 7 98.19 0.166 3 0.014 1 0.023 6 2.150 4 群体5 Group5 0.781 0 100.03 0.151 1 -0.000 2 0.023 5 -0.036 6 群体6 Group6 0.784 3 100.45 0.152 3 -0.003 5 0.021 4 -0.586 6 群体7 Group7 0.788 0 100.92 0.147 8 -0.007 2 0.025 7 -1.004 7 群体8 Group8 0.784 4 100.46 0.148 7 -0.003 6 0.025 4 -0.517 2 群体9 Group9 0.780 9 100.01 0.151 7 -0.000 1 0.021 1 -0.018 4 群体10 Group10 0.779 5 99.83 0.155 6 0.001 3 0.016 2 0.278 4 群体11 Group11 0.781 7 100.12 0.154 5 -0.000 9 0.016 6 -0.203 7 群体12 Group12 0.781 5 100.09 0.157 7 -0.000 7 0.013 5 -0.180 1 群体13 Group13 0.784 2 100.44 0.158 9 -0.003 4 0.011 9 -1.031 6

有效等位基因、Nei’s 遗传多样性指数和Shannon’s 信息指数的 t 检验，可以看出： 核心群体中 9，10，11，12 虽然在 Nei’s 遗传多样性指数和Shannon’s 信息指数的 t 检验中与原群体并无显著差异，但是在有效等位基因方面，却与原始群体存在显著差异，因此不能有效地代表原始群体的遗传多样性；核心群体 6，7，8，13 与原群体在3个方面都不存在显著差异，能较好地代表原始群体的遗传多样性。当抽样比例达到30.2%时，3种分子遗传多样性参数均没有达到显著差异，优质核心种质能够代表原始群体。

构建优质核心种质库时从表型值评价可以看出，13 个抽样群体中除群体 1 外，都符合核心种质的基本要求。但 SSR 分子遗传多样性评价可以看出，核心群体 6，7，8，13都保持了原群体的遗传结构和遗传多样性。结合核心种质库最小化原则，最终确定核心群体 6(13 个性状各选前 8 名的优良无性系，扣除重复号共计 48 个无性系)作为欧洲黑杨优质核心种质库，入选比例为30.2%。

核心种质构建指导思想是以极少的种质数量包含原种质资源群体中的全部或大多数变异类型，构建核心种质一般采用的抽样方法是随机抽样和聚类抽样，如在中国地方稻(Oryza)种资源核心种质构建中随机抽样取得良好效果(李自超等，2003)，也有研究表明，在大豆(Glycine max)、野生稻(Oryza rufipogon)、苜蓿(Medicago)中用聚类抽样方法效果更好(邱丽娟等，2004；余萍等，2003；Diwan et al.，1995)。无论随机抽样还是聚类抽样，其结果不仅保存了该种质的优良性状类型也包含低劣类型。而本研究构建优质核心种质的最终目的是为了保存优良的欧洲黑杨种质资源，为此后的育种提供材料基础。因此本研究选定的抽样方法为表型选优，这样能够保证各个表型优良的种质被保存下来。性状评价中的育种值反映加性遗传效应，育种值大小反映了亲本对子代性状的贡献能力，并且可排除环境对试验材料造成的干扰。本研究中利用高生长和径生长育种值，有效选择出67，83，118 这 3 个亲本生长表现一般但子代生长优异的欧洲黑杨无性系。

构建核心种质时确定抽样比例是抽样策略的一个重要方面，但是针对不同的物种，抽样比例不同，总体来看抽样比例保持在5%～30%(Brown，1989；Yonezawa et al.，1995；崔艳华等，2004；李自超等，1999)。核心种质抽样比例由原群体的遗传多样性丰度和群体大小决定，遗传多样性丰度越高，抽样比列越大；而原群体越大，抽样比例越小，反之亦然。如135份中国石榴的抽样比例为30.4%(沈进等，2008)，1 048份茶树的抽样比例为20%(王新超等，2004)。当原始群体资源数量超过2 000以后，抽样比例基本保持在10%左右，如2 000份西班牙大麦(Hordeum vulgare)资源的核心种质抽样比例为8%(Igartua et al.，1998)，3 159 份苜蓿种质资源抽取211份(6.7%)(Diwan et al.，1995)，4 457份野核桃种质资源的抽样比例是9.6%(袁海涛等，2012)，6 172 份野生大豆种质资源的抽样比例为10.65%(董英山，2000)，16 991 份鹰嘴豆(Cicer arietinum)资源的抽样比例10%(Upadhyaya et al.，2001)，23 587份中国大豆的抽样比例为9%(邱丽娟等，2004)。本研究的抽样比例确定为30.2%，与其他农作物构建核心种质时相比偏高，主要可能是欧洲黑杨来自于16个国家，其遗传多样性丰度较高，同时试验材料相对较小造成的。

核心种质群体代表性的评价和有效性检验是核心种质研究中的重点和难点。目前，国内外研究大都根据所利用的不同性状数据，提出不同的核心种质检验参数。表型数据评价和检验多用平均数、标准差、变异系数、方差、极差和表型保留比例等参数(李自超等，2000；张洪亮等，2003；徐海明等，2005)，而在分子遗传多样性研究方面运用的评价参数是多态性位点数、等位基因数、基因型数、平均基因多样性、Simpson 指数和平均 Shannon’s 多样性信息指数等(孙传清等，2001；明军等，2005)。本研究中采用表型值方面的方差 F 测验、均值 t 测验、极差符合率、变异系数变化率以及分子标记的有效等位基因数、Nei’s 遗传多样性指数和Shannon’s 信息指数等多个参数，对欧洲黑杨优质核心种质进行遗传多样性检验。表型值方面的评价是构建优质核心种质库的最基本的要求标准，在此基础上进行分子遗传多样性评价时发现，构建优质核心种质库的抽样比例必须提高，才能够保证整个资源的多样性被保存下来。因此在构建欧洲黑杨核心种质的过程中，只需要进行分子遗传多样评价，就能同时满足表型方面的遗传多样性。在分子遗传多样性评价时，3 个参数的保留比例出现了先上升后下降再上升的一个过程，这个上升的高峰点出现在群体7时而这个下降的最低点出现在群体10时。出现这个现象是因为当抽样群体达到一定的程度，会出现冗度，降低群体遗传变异的丰度和均度。这个整体趋势变化可以看出，如果三者存在着一定的联系，在实际的工作中可以只用有效等位基因和Shannon’s 信息指数2个参数评价群体的遗传多样性。