APP下载

灰色关联度分析和DTOPSIS法在云南粳稻品种综合评价中的应用

2020-06-22刘慰华杨旭昆吴志刚

西南农业学报 2020年5期
关键词:粳稻关联度排序

蒋 聪,刘慰华,杨旭昆,吴志刚,邹 茜*

(1.云南省农业科学院生物技术与种质资源研究所,云南 昆明 650205; 2.云南省农业科学院粮食作物研究所,云南 昆明 650205;3.云南省农业科学院质量标准与检测技术研究所,云南 昆明 650205)

【研究意义】云南地貌、气候复杂,水稻是栽培历史久、地域广、耕作水平较高的一种作物。每年由云南省种子管理站认定公布的品种不占少数,要合理运用这些品种,不仅要了解各水稻品种的特性,同时又要具体分析每个地方的自然条件。水稻丰产是环境条件、生物特性和人为努力相互协调的结果,条件好,若品种选用不当,也不能增产。水稻品种的产量与品质涉及到多个数量性状,受遗传基因和栽培环境互作影响,目前传统种质综合评价方法,多是运用方差、多元回归、相关等分析方法对产量或多个相关性状进行评价,由于性状多,评价信息分散,不便于比较[1-5]。如区域试验综合评价结果有效,对推广潜力的新品种具有重要意义[6-9]。【前人研究进展】综合评价常用的方法主要有模糊数学法、隶属函数法、灰色关联度法、层次分析法、逼近理想解的排序方法(简称 DTOPSIS)。20世纪80年代,邓聚龙教授基于数学统计理论提出并创立了灰色系统这门学科,灰色关联度属于灰色系统中的一种方法,它是衡量各因素间关联程度的一种方法,能较全面且客观的对各性状间进行综合评价。DTOPSIS 法则是近年来被广泛应用的一种新的综合评价方法,该方法广泛应用在多目标决策分析中,其根据理想化目标的接近程度与评价对象的有限个数进行排序,与现有对象进行相对好坏评价[13]。【本研究切入点】实际的育种工作综合评价中,仅通过某一个性状的表现,比如产量性状,对品种进行综合评价往往会对评价结果造成误差,以致失去某些具有改良推广运用潜力的品种(系),在农作物品种综合评价中,灰色关联度分析和DTOPSIS 法被广泛应用,但应用于水稻品种的综合评价上目前尚未报道。【拟解决的关键问题】为此将灰色关联度分析融入DTOPSIS 法应用于高原粳稻品种综合性状评价中,对13个具有代表性的粳稻品种进行对比,以筛选出综合性状优良且适合在云南高海拔地区种植的粳稻种质。

1 材料与方法

1.1 供试材料

13个水稻品种为2016-2017年度参加云南省高海拔常规粳稻区域试验,云粳46、昆粳10号、云粳16K-5、云粳37号、靖稻6号、靖稻8号、凤12-17、昭粳13号、丽粳22号、丽粳23号、云资粳47号、师粳8号和凤稻23号(CK)(表1)。

1.2 试验设计与方法

试验种植于2016-2017年种植于云南省寻甸县(1874 m)、昭阳区(1900 m)、马龙区(2032 m)、会泽县(1940 m)、大理市(1984 m)、祥云县(1940 m)、剑川县(2200 m)和永胜县(2240 m)试验田选择肥力均匀一致,中等偏上的田块。采用随机区组排列,重复3次,安排在同一田上,小区面积统一为13.3 m2,播种、移栽时节及栽植密度、施肥量及田间管理要求以当地最佳节令和方式进行。试验期间防虫、不防病,各试点按照云南省水稻品种区域试验项目与标准方法及标准的要求进行观察记载。试验数据采用8个试点的各个性状的平均值考察13个品种的全生育期、基本苗、最高苗、有效穗、成穗率、株高、穗长、总粒数、实粒数、结实率、千粒重和产量(表1)。

1.3 数据统计与分析方法

首先采用SPSS数据处理系统(17.0版)进行数据标准化处理,然后利用DPS数据处理系统(V7.05版)进行灰色关联度分析,按照郭瑞林[12]介绍的灰色系统理论获取各粳稻品种与理想品种(X0)关联度,按各品种的关联度大小对各品种的综合性状进行排名。运用灰色系统分析法计算各品种的12个性状的关联系数,并依据12个性状的关联系数利用加权平均法确立各性状的权重,然后利用DPS数据处理系统(V7.05版)进行DTOPSIS法分析,获得各粳稻品种对理想值的接近度(Ci值),按各品种的Ci值大小对各品种的综合性状进行排名。

2 结果与分析

2.1 基于灰色关联度法对云南高原粳稻品种在高海拔地区的适应性评价

2.1.1 云南高原粳稻品种在高海拔地区的田间表现及各性状权重的确立 从表1可见,产量表现为丽粳23号>云粳46> 丽粳22号>师粳8号>昭粳13号>云粳16K-5>靖稻8号>昆粳10号>凤稻23号(CK)>凤12-17>云资粳47号>云粳37号>靖稻6号,超过凤稻23号(CK)共有8个,说明这8个品种在高海拔地区的适应性较好,具有较高的产量表现。

高海拔地区各粳稻品种12个性状权重的排序为千粒重>成穗率>株高>全生育期>有效穗>最高苗>基本苗>产量>结实率>实粒数>穗长>总粒数。结果显示,评价云南高海拔地区推广种植的高原粳稻常规品种时,其千粒重、成穗率、株高、全生育期所占权重较大,有效穗、最高苗、基本苗和产量所占权重中等,而穗部性状总粒数、穗长、实粒数和结实率所占权重较小,表明在综合评价云南高海拔地区推广种植的高原粳稻常规品种时,除了产量本身,产量构成性状关键是考察千粒重,其次是有效穗和实粒数,而其它性状关键是考察成穗率、株高、全生育期,其次是最高苗、基本苗、总粒数、穗长和结实率等。同时产量及构成产量的千粒重、有效穗和实粒数等4个性状所占权重为33.92 %,高原粳稻产量和产量构成要素及其它农艺性状兼顾的同时,产量及与产量相关要素权重均显略高,符合水稻生产中高产、稳产的实际要求,表明对各性状权重设置合理,对品种做出的综合评价是科学合理的。

表1 13个粳稻品种在云南高海拔地区的12个农艺性状评价

2.1.2 云南高原粳稻品种的灰色关联度值 从表2可见,粳稻品种按灰色关联度值排序为云粳46号>丽粳22号>昆粳10号>丽粳23号>昭粳13号>凤稻23号(CK)>云粳16K-5>师粳8号>靖稻8号>凤12-17>云粳37号>云资粳47号>靖稻6号,表明评价高原粳稻常规品种在高海拔地区的适应性按灰色关联度法进行的排序与按品种产量进行的排序既存在重合又存在差异,但整体上排序差异不大,如昭粳13号、凤12-17和靖稻6号2种评价结果相同;云粳46、丽粳22号、昆粳10号和丽粳23号按灰色关联度法的排序分别为第1、2、3和4位,而按产量排序分别为第2、3、8和第1位。按灰色关联度法排序超过凤稻23号(CK)的品种有云粳46、丽粳22号、昆粳10号、丽粳23号和昭粳13号5个品种,且产量均优于凤稻23号(CK)。说明这5个品种在云南高海拔地区的适应性较好。

表2 各参试品种灰色关联度值、DTOPSIS 值和产量位次

续表2 Continued table 2

品种Varieties灰色关联度法Grey correlative degree analysisDTOPSIS法DTOPSIS田间产量表现Field yield trait关联度Correlation位次Ranking关联度差异(%)Difference of relevanceCi值Ci value位次RankingCi值差异(%)Difference of Ci产量(kg/hm2)Yield位次Ranking差量差异(%)Difference of yield丽粳22号(X9)0.6449 22.640.6406 10.0011 385.00 33.39丽粳23号(X10)0.6144 47.250.5439 415.1011 784.38 10.00云资粳47号(X11)0.4554 1231.250.4360 1131.949814.69 1116.71师粳8号(X12)0.5368 818.960.4990 822.1010 924.69 47.30凤稻23号(CK, X13)0.5619 615.170.4998 621.9810 531.88 910.63

2.2 基于DTOPSIS 法对云南高原粳稻品种在高海拔地区的适应性评价

从表3可见,根据决策矩阵对应数列值,可得正理想解与负理想解,结果为X+i=0.0103、0.0116、0.0096、0.0128、0.0149、0.0089、0.0104、0.0077、0.0066、0.0094、0.0105、0.0091和0.0119;X-i=0.0128、0.0109、0.0095、0.0068、0.0054、0.0102、0.0094、0.012、0.0118、0.0112、0.0081、0.0091和0.0119。最终获得理想解与13个粳稻品种相对接近度Ci值大小排序见表2,Ci值越大,表明该粳稻品种越接近于理想品种,即在高海拔地区的适应性越好。高海拔地区各粳稻品种与理想品种的Ci值排序为丽粳22号>昭粳13号>云粳46>丽粳23号>靖稻8号>凤稻23号(CK)>云粳16K-5>师粳8号>昆粳10号>凤12-17>云资粳47号>云粳37号>靖稻6号。评价高原粳稻常规品种在高海拔地区的适应性按DTOPSIS 法进行的排序与按品种产量排序既重合又有差异,但整体上排序差异不大,如凤12-17、云资粳47号、云粳37号和靖稻6号2种评价结果相同,均排在第10、11、12和13位;丽粳22号、昭粳13号、云粳46和丽粳23号按DTOPSIS 法排序在第1、2、3和4位,而按产量排序在第3、5、2和1位;按DTOPSIS 法排序超过凤稻23号(CK)的 有丽粳22号、昭粳13号、云粳46、丽粳23号和靖稻8号5个品种,且产量均优于凤稻23号(CK)。显示这5个品种在云南高海拔地区的适应性较好。

表3 DTOPSIS 法决策矩阵R

图1 云南高原粳稻13个品种按不同方法排名分布情况Fig.1 Distribution of 13 varieties of japonica rice in Yunnan plateau by different methods

2.3 基于灰色关联度分析与DTOPSIS 法评价结果比较

从图1可见,对云南高原粳稻进行综合评价时DTOPSIS法和灰色关联度法都需通过计算和种与理想品种的接近度,2种方法结果差异只因因计算方法不同导致。

从表2可见,不同粳稻品种在高海拔地区的产量差异较小,其变异系数为7.26 %,最大值与最小值的差为21.04 %,说明不同粳稻品种在高海拔地区的适应性差异较小;灰色关联度法粳稻品种间的关联度值差异较大,其变异系数为14.06 %,最大值与最小值差为40.14 %,说明不同粳稻品种在高海拔地区的适应性差异较大;而DTOPSIS法粳稻品种间的Ci值差异最大,其变异系数为20.34 %,最大值与最小值的差为58.45 %,说明不同粳稻品种在高海拔地区的适应性差异最大。从产量数据可以看出,丽粳23号和云粳46号产量分别排名第1和2位是,其小区产量分别为11 784.3和11 648.44 kg/hm2,即差异不大,但灰色关联度法和DTOPSIS 法的排名云粳46号均优于丽粳23号,表明仅以产量表现来评价丽粳23号和云粳46号在高海拔地区的适应性不够科学,由此可以看出针对不同粳稻品种的综合评价,使用DTOPSIS 法结合灰色关联度法评价比直接依据产量表现综合评价效果较好,尤其是DTOPSIS 法综合评价效果最好,相比仅以产量进行品种适应性评价可靠性更强。

3 讨 论

陈越等[13]认为,目前国内报道关于稻种资源的评价,多是通过表型多样性指数对农艺性状进行的水平分析,而基于农艺性状表型数据进行综合评价的研究报道少见。而魏兴华等[14]认为,在稻种栽培、推广的过程中,对稻种进行科学合理的综合评价是一个必不可少的环节。可是进行综合评价涉及过参数过多,如果采用方差、新复极差等分析方法对一个或多个经济性状进行评判,那么在分析结果不显著的情况下,很难获得有效结果,导致良种得不到高效利用。稻种种质综合评价包括全生育期、基本苗、最高苗、有效穗、成穗率、株高、穗长、总粒数、实粒数、结实率、千粒重和产量,共计12个性状。利用这12个性状的关联系数采用加权平均法确立各性状的权重。显示在评价在云南高海拔地区推广种植的高原粳稻常规品种时,其千粒重、成穗率、株高、全生育期所占权重较大,而穗部性状总粒数、穗长、实粒数和结实率的所占权重较小,表明综合评价云南高海拔地区推广种植的高原粳稻常规品种,除了产量本身,产量构成性状关键要考察千粒重,其次是有效穗和实粒数,而其它性状关键要考察成穗率、株高、全生育期,其次是最高苗、基本苗、总粒数、穗长和结实率等。产量及产量构成因素如千粒重、有效穗和实粒数等4个性状的所占权重为33.92 %,故而高原粳稻产量及产量构成相关要素权重较高,这些均符合水稻生产实际要求。

用灰色关联分析法进行种质综合评价,首先按照稻种的各性状权重系数得出不同品种的关联系数,进而获得与参考品种接近的加权关联度,最终从中选出最佳品种的,此法操作简单易行,去除了只用一种或几种相关性状高低进行评价的不科学性,将定性描述转为定量分析,结果表明依据更强,对种质资源进行综合、全面的评价,最终确定品种优劣,准确地给品种(系)一个合适的定位, 加快了新品种选育的步伐,与丁明亮等[15]、孙宪印等[16]研究结果一致。

采用灰色关联法联合DTOPSIS法,对高原粳稻种质综合性状进行分析,是将各性状的相关数据进行无量纲化处理,进一步构建理想品种、设置各性状的权重,采用不同的计算方法累加各性状与理想解(理想品种) 的差距,将品种按照该值大小进行排序。用于排序的这个值是将多个信息指标集中为一个,与以往评价方法相比减少了人为的设定因素,使新品种的评价、选育更加客观和科学,也符合实际生产需要。

4 结 论

根据上述灰色关联度权重计算结果,利用DTOPSIS 法分析和灰色关联度进行稻种农艺性状的综合评价,在参评的 13 份种质中排序前3 位的种质是丽粳23号、云粳46和丽粳22号,在各性状上均表现较好,为优良品种选育提供了材料,同时为水稻育种工作者提供更直观的数据参考。对不同粳稻品种在高海拔地区的综合评价,使用DTOPSIS 法结合灰色关联度法评价比直接依据产量表现综合评价效果较好,尤其是DTOPSIS 法综合评价效果最好,也为品种选育评价方法提供了新的途径。

猜你喜欢

粳稻关联度排序
基于熵值法与灰色关联度分析法的羽毛球技战术综合评价分析
基于熵权法改进的TOPSIS法和灰色关联度分析的压榨脱水过程优化研究
近10 年云南省育成的粳稻品种性状分析
我国双季早粳稻实现“零的突破”
作者简介
解读粳稻品种南方种植播期
恐怖排序
中国制造业产业关联度分析
中国制造业产业关联度分析
节日排序