摘要：　采用多区组多因素正交试验设计,通过大样本岭回归分析求出6种禾本科牧草种子产量因子与产量的岭回归模型。结果表明,除蓝茎冰草的模型外,其他5种禾本科牧草的模型中,提高任1个种子产量因子,均可不同程度提高种子产量。6个模型中,5个种子产量因子每提高1个单位对其种子产量的提高大小排序为单粒种子重>每小穗种子粒数>每小穗小花数>每生殖枝小穗数>生殖枝数。

摘要：采用二因素D-饱和最优设计,蓝茎冰草拔节～抽穗期的根氮、磷、钾、茎叶氮、磷和钾的含量对其种子产量和产量因子的灰关联熵分析后表明,在蓝茎冰草拔节～抽穗期植株氮磷钾含量对蓝茎冰草种子产量的影响顺序为:磷>钾>氮;根含氮量对产量因子小花数/小穗、种子粒数/小穗和单粒种子重影响最大;茎叶含磷量和根含磷量对产量因子小穗数/生殖枝影响大;根含钾量对产量因子生殖枝数/m2影响最大。

摘要：采用多因素正交试验设计,通过大样本相关、通径和逐步回归分析后表明,高羊茅5个种子产量因子对种子产量的直接贡献大小排序为:生植枝数/m2>小花数/小穗>种子粒数/小穗>单粒种子重>小穗数/生植枝;提高小花数/小穗和种子粒数/小穗可最有效提高高羊茅的种子产量,其次是提高生植枝数/m2。

摘要：采用二因素五水平正交组合设计方案,建立回归模型并进行效应解析后表明,肥对新麦草种子产量的效应大于水;水对新麦草种子产量作用为负效应;但是水肥耦合对新麦草种子产量的效应为协同效应.按照新麦草种子生产水肥因子的等效点方程可调整水肥因子.新麦草种子最高产量的施肥量为179.93 kg/hm2 (其中N:105.84 kg/hm2;P2O5:74.09 kg/hm2)～195.89 kg/hm2 (其中N:115.23 kg/hm2;P2O5:80.66 kg/hm2), 灌溉量为60.52～131.81 mm.

摘要：采用二因素D-饱和最优设计,通过猫尾草拔节-抽穗期的根氮、磷、钾和茎叶氮、磷、钾的含量对其种子产量和产量因子进行灰关联熵分析。结果表明,在猫尾草拔节-抽穗期,植株氮磷钾含量对猫尾草种子产量的影响顺序为钾>磷>氮;茎叶含钾量和根含钾量对产量因子小穗数/生植枝影响最大;根含氮量对产量因子种子粒数/小穗和单粒种子重影响最大;根含氮量和茎叶含钾量对产量因子生植枝数/m2影响最大。

摘要：采用多因素正交试验设计 ,通过大样本相关、通径和逐步回归分析后表明 ,无芒雀麦 5个种子产量因子对种子产量的直接贡献大小排序为 :生殖枝数 /m2 >种子粒数 /小穗 >小花数 /小穗 >单粒种子重 >小穗数 /生殖枝 ;提高小花数 /小穗和种子粒数 /小穗可最有效提高无芒雀麦的种子产量 ,其次是提高生殖枝数 /m2 。

摘要：采用二因素D-饱和最优设计方案,建立回归模型并进行效应解析后表明,磷对猫尾草种子产量的影响大于氮;氮磷肥互作对猫尾草种子产量有协同效应;猫尾草种子最高产量氮磷比为N∶P2O5=1∶0.54。

摘要：通过三因素五水平二次通用正交旋转组合设计方案,建立回归模型及对其进行解析、寻优和频数分析,所设各试验因素对鸭茅Dactylis glomerato种子产量影响的大小顺序为施氮量(X2)>植株密度(X1)> 喷施PP333 (X3).氮和植株密度、植株密度和PP333 的互作效应对鸭茅种子产量为拮抗作用,氮和PP333为协同作用;同时得出了三因素对鸭茅种子产量的最优配比方案:植株密度355.3万～430.9万株/hm2,施氮量159.8～164 kg/hm2 ,喷施PP333量0.21～0.22 a.i., kg/hm2.

摘要：通过三因素五水平二次通用正交旋转组合设计方案,建立回归模型及对其进行解析、寻优和频数分析,所设各试验因素对蓝茎冰草种子产量影响的大小顺序为施氮量(X2)>植株密度(X1)>喷施PP333(X3)。施氮量、植株密度和喷施PP333三因素两两之间的互作效应对蓝茎冰草种子产量的作用均为协同效应;同时得出了三因素对蓝茎冰草种子产量的最优配比方案;植株密度429.4万株/hm2～450万株/hm2,施N量160kg/hm2～164.9kg/hm2,喷施PP333量0.197a.i.,kg/hm2～0.233a.i.,kg/hm2。

摘要：通过3因素5水平二次通用正交旋转组合设计方案,建立回归模型,进行解析、寻优和频数分析.结果表明：各试验因素对蓝茎冰草（Pascopyrum smithii）种子产量影响的大小顺序为施氮量（X2）＞植株密度（X1）＞喷施PP333（X3）;施氮量与植株密度的互作效应对种子产量的作用为协同效应;同时得出了3因素对种子产量的优化配比方案：植株密度429.4～450×104株/hm2,施氮量1 60～164.9 kg/hm2,喷施PP333量0.197～0.233 ***/hm2.