2009—2019年安徽中籼稻米品质综合评价及关键影响因子分析

2021-05-20阮新民施伏芝从夕汉杜弘杨占新春王元垒夏加发罗志祥

中国农业科技导报 2021年5期

阮新民, 施伏芝, 从夕汉, 杜弘杨, 占新春,王元垒, 夏加发, 罗志祥

(安徽省农业科学院水稻研究所，合肥 230031)

随着人们生活水平和消费水平的提高，稻米品质日益成为育种者与市场关注的焦点。稻米品质一般包括加工品质、外观品质、蒸煮品质以及营养品质等，在发达国家还包括米粉粘度和米饭质地[1]。稻米品质与基因型、生长环境等因素密切相关[2-4]。评价标准反映了消费者对稻米品质的需求[5]，我国食用稻品质标准也进行了多次修订。科学准确地对稻米品质等级进行综合评价显得尤为重要[6]。稻米品质等级综合评价不仅影响稻米的市场价格，而且为品质育种、栽培管理以及气候变化对稻米品质的影响提供参考依据[6]。

目前，农业农村部(原农业部)行业标准对稻米品质评价主要采用分级制，分为一等、二等、三等和普通4个等级[7]。评价指标有糙米率、整精米率、垩白度、透明度、感官评价、碱消值、胶稠度和直链淀粉含量。判定基于品质指标全部符合相应水稻等级要求的最低等级。由于综合评价采用的是最低等级判定，没有综合考虑其他指标值，这为稻米品质及其影响因素分析带来不便。关于稻米品质综合评价已经做了很多有益探索。鲍根良[8]采用评分法对稻米品质综合性状进行评价。杨政水[9]采用灰色米质指数进行综合评判。吴文珊等[10]和郑海英等[11]用模糊数学方法进行综合评判。傅爱军等[12-13]利用模糊数学中隶属函数的等差指数法和稻米综合指数进行评定。以上方法均存在人为设定指标权重导致客观性较差的缺点。近年来也有研究运用投影寻踪分类(projection pursuit clustering，PPC)模型对稻米品质进行综合评价[14-15]。投影寻踪分类模型是一种处理多因素复杂问题的统计方法，其基本思路是将高维数据向低维空间进行投影，通过低维投影数据的散布结构来研究高维数据特征。根据样本资料自身的特性，在整个操作过程中不受主观因素影响，具有直观和可操作性强的优点[16-17]。安徽地处南北气候过渡带，以种植籼型杂交水稻为主，过去一直以提高水稻产量为主要任务目标，但随着社会经济发展以及产业结构的调整，高品质稻米愈来愈受市场青睐。因此，本研究参照现行农业农村部食用稻品种品质最新标准，利用投影寻踪法构建稻米品质综合评价投影寻踪函数模型，并利用该函数模型分析近10年来安徽中籼稻综合品质变化趋势并确定其主要影响因子，对水稻品种品质评价及高品质育种策略等具有指导意义。

1 材料与方法

1.1 数据来源

品质性状数据来源于2009—2019参加安徽省中籼区域试验水稻新组合。品质指标包括糙米率、整精米率、垩白粒率、垩白度、透明度、碱消值、糊化温度、直链淀粉含量等。由于品质除受遗传因素影响外，还受气候与栽培因素的影响，为消除年季间环境条件对品质影响，本文采用参试组合与对照品种(Ⅱ优838)品质性状数据的比值进行分析。

1.2 基于投影寻踪分类模型的稻米品质综合评价方法

1.2.1评价指标集归一化处理为了消除品质指标之间的量纲影响，对数据进行归一化处理。

x(i,j)=[x(i,j)-xmin(j)]/[xmax(j)-xmin(j)]，i=1,...,n;j=1,...,p

(1)

式中，xmax(j)和xmin(j)第j个品质指标的最大值与最小值。n和p分别表示参试水稻组合数和稻米品质指标数，xmax(j)和xmin(j)表示第j个品质指标的最大值与最小值。

1.2.2构造投影目标函数Q(a)将p维数据[x(i,j)|j=1,……,p]综合为以长度向量a=[a(1),a(2),...,a(p)]为投影方向的一维投影值z(i)。

(2)

投影指标函数如下。

(3)

1.2.4建立投影寻踪稻米品质综合评价函数模型参考农业行业标准《食用稻品种品质NY/T593—2013》[7]将中籼型稻米划分为5个等级(表1)，并增加对外观品质有较大影响的垩白粒率指标。根据表1分级标准，在各等级取值范围内均匀随机产生各20样本x*(i,j)，第i个样品投影值z*与水稻样品品质等级值的散点图，通过一元多项式线性回归拟合建立的相应评价函数模型。

表1 中籼品种品质等级标准

1.3 数据统计

数据处理在WPS2019中进行，方差分析与投影寻踪模型采用DPS18.1，作图软件采用sigmaplot12.5。

2 结果与分析

2.1 综合评价函数分析

根据表1分级标准，并根据中籼型水稻品种实际检测值将范围取值分别设为糙米率75.0%～87.0%，整精米率40.0%～75.0%，垩白粒率0%～70%，垩白度0%～15.0%，透明度20%～90%，碱消值4.0～7.0，胶稠度40～90 mm，直链淀粉含量13.0%～26.0%，随机产生样本x*(i,j)与对应的品质等级一起组成样本系列，得到最大投影指标函数值Q(a*)=31.432 4，最佳投影方向a*=(0.363 3，0.342 2，0.413 9，0.333 6，0.398 6，0.331 5，0.279 2，0.348 8)。将a*代入式(2)后即得各样本投影值z*(i)。利用最佳投影值z*(i) 与稻米品质等级值散点图进行回归模型拟合(图1)，建立投影寻踪稻米品质综合评价函数模型y=0.310 6x3-1.392 2x2-0.167 6x+5.162 8,R2=0.989 1**。稻米品质标准等级值y(i)与模型拟合值y*(i)平均绝对误差为0.110 1，平均相对误差为5.43%，模型模拟精度较高，稻米品质综合评价函数模型可以用于稻米品质综合评价。

注：*表示线性拟合方程在P<0.05水平差异显著。

2.2 2009—2019年安徽省中籼稻综合品质变化趋势

图2显示，2009—2019年稻米综合品质投影值z*(i)呈显著上升趋势，回归方程为y=1.105 9+0.212 1x,R2=0.825 8*。表明安徽中籼新组合稻米综合品质整体呈上升趋势。从参试组合各年实际检测的3级以上优质米所占比例来看(图3)，与投影寻踪模型综合评价分析结果基本一致，稻米品质整体呈上升趋势，但年季间变幅较大，安徽水稻育种向优质化方向发展。

注：箱式图横线从下至上依次为最小值、下四分位数、中位数、上四分位数和最大值,除异常值外的；“●”表示异常值。不同小写字母表示不同年份平均值在P<0.05水平差异显著， *表示线性拟合方程在P<0.05水平差异显著。

图3 参试中籼组合3级以上优质米占参试组合数比例

2.3 基于投影寻踪模型的安徽中籼型品质影响因子分析

2.3.1加工品质变化趋势对参试组合的加工品质的分析(图4)表明，糙米率与精米率近10年来比值在1.0左右，说明与对照品种Ⅱ优838的糙米率与精米率相比无明显优势。整精米率随时间推移呈显著线性上升趋势，回归方程为y=44.30+0.022 5x,R2=0.426 9*，说明通过品种改良整精米率取得显著进步。

2.3.2外观品质变趋势对参试组合外观品质的分析(图5)表明，垩白粒率与垩白度2009—2019年呈显著线性减少趋势，回归方程分别为y=102.59-0.050 7x,R2=0.652 3*,y=96.51-0.047 7x,R2=0.703 1,且相对值均小于1.0，说明与对照品种Ⅱ优838的垩白粒率与垩白度相比优势明显，近10年来安徽中籼型品种在垩白粒率与垩白度的改良上取得长足进步。透明度无显著变化，可能由于对照品种Ⅱ优838本身透明度较高，在分析的年份中II优838品质达到2级以上透明度的有8年，占88%。

2.3.3蒸煮品质变趋势对参试组合蒸煮品质的分析(图6)表明，蒸煮品质均无显著变化。其中碱消值与对照品种Ⅱ优838值相近，历年来Ⅱ优838平均碱消值为6.05，达到了1级标准，而胶稠度明显高于对照Ⅱ优838，平均是其1.3倍左右，达到69.3 mm，达1级标准。直链淀粉含量较对照Ⅱ优838含量明显低，是其0.8倍左右，平均为16.8%，达到1级标准。由此可以看出安徽中籼大多数品种在蒸煮品质上具有一定优势。

注：箱式图横线从下至上依次为最小值、下四分位数、中位数、上四分位数和最大值,除异常值外的；“●”表示异常值。不同小写字母表示不同年份平均值在P<0.05水平差异显著。

2.3.4品质影响因子对稻米综合评价贡献投影寻踪模型中, 最佳投影方向各分量反映了各评价指标对稻米品质的影响程度，值越大则对应的评价指标对品质的影响程度越大[18]。从图7中可以看出，影响安徽中籼型水稻品种综合品质指标主要是垩白粒率、垩白度和直链淀粉含量，2009—2019年平均贡献率分别为33.8%、31.4%、26.45%。垩白粒率、垩白度两项指标在综合品质中占到65.2%，说明安徽中籼型水稻品种外观品质对综合品质具有重要影响。

图7 参试水稻组合品质影响指标的最优投影方向

3 讨论

基于投影寻踪法的稻米品质综合评价模型直接以原始数据为基础，不依赖于人为的等级判别标准，克服了一般评价方法中权值存在较大主观性的问题[19]。该模型将高维的指标数据转化到低维，不需要模型假定，也不需要满足正态分布，可以准确、稳定、定量解决多指标非线性问题[20]，实现了多层次、多角度的稻米品质综合评价。本研究结果表明，该模型稻米品质综合评价投影值的变化规律与实际检测到的3级以上优质米所占比例的变化趋势一致，说明利用投影值对稻米进行综合评价是可行的，利用投影寻踪中籼稻米品质综合评价函数可以更精确进行等级划分，也可以用于研究气候变化对稻米品质影响，以及品质育种材料综合品质评价。

2009—2019年安徽省中籼稻综合品质整体朝优质化方向发展，投影寻踪模型综合分析表明稻米品质逐渐提高，且年季间差异显著。参试组合各年实际检测的3级以上优质米所占比例变化趋势也反映了这一特征。另外，通过审定品种的米质也证实了这一规律，2009—2019年安徽审定中籼型水稻品种共计218个，其中1级优质米品种13个，2级优质米品种53个，3级优质米品种115个(米质以最优年份计)。根据投影寻踪模型最佳投影方向分析，影响安徽中籼型水稻品种综合品质指标主要是垩白粒率、垩白度和直链淀粉含量，这一结果与孔令娟等[21]结果相一致。本研究结果还表明，近年来，安徽中籼型水稻育种在整精米率、垩白粒率、垩白度上的显著进步，促进了综合品质的进一步提升。王守海等[22]1986年安徽省稻米品质调查中籼类型数据对比中能反映出这一特征。2019年安徽中籼参试品种整精米率平均为65.4%，垩白粒率平均为11.81%，直链淀粉含量为17.4%，胶稠度平均为76.88 mm，碱消值平均为5.6，与1986年数据相比整精米率、胶稠度、碱消值分别提高45.0%、113.6%、40.0%；垩白粒率、直链淀粉含量分别降低82.6%、34.1%。究其原因，可能与近年来亲本材料大量应用南方优质耐高温的优良亲本有关。提高整精米率，降低垩白粒率和垩白度将仍然是安徽未来品质育种的主攻方向，另外值得注意是碱消值，尽管参试组合平均值为6.05级，达1级标准，但整体呈现下降趋势，且近3年的平均值均低于6.0级。稻米品质综合评价结果表明，2009—2019年安徽省中籼稻综合品质整体朝优质化方向发展，尤其在整精米率、垩白粒率、垩白度上的显著进步，促进了综合品质的提升。影响安徽中籼型水稻品种综合品质指标主要是垩白粒率、垩白度和直链淀粉含量，贡献率分别为33.8%、31.4%、26.45%。提高整精米率，降低垩白粒率和垩白度将仍然是安徽未来品质育种的主攻方向，另外，注意碱消值性状的改良。

[1] FENG F，LI Y J，QIN X L，etal.. Changes in rice grain quality ofIndicaandJaponicatype varieties released in China from 2000 to 2014 [J/OL]. Front. Plant Sci.,2017,8: 1863 [2020-12-23]. https://doi.org/10.3389/fpls.2017.01863.

[2] XU Y J， YING Y N， OUYANG S H，etal.. Factors affecting sensory quality of cooked japonica rice [J]. Rice Sci.,2018,25(6):330-339.

[3] 从夕汉，施伏芝，阮新民，等. 氮肥水平对不同基因型水稻氮素利用率、产量和品质的影响[J].应用生态学报,2017,28(4):1219-1226.

CONG X H，SHI F Z，RUAN X M，etal.. Effects of nitrogen fertilizer application rate on nitrogen use efficiency and grain yield and quality of different rice varieties [J]. Chin. J. Appl. Ecol., 2017,28(4):1219-1226.

[4] 王在满，罗锡文，陈雄飞，等.水稻机械化穴播技术对稻米品质的影响[J].农业工程学报,2015,31(16):16-21.

WANG Z M，LUO X W，CHEN X F，etal.. Effects of precision rice hill-drop drilling on rice quality [J]. Trans. Chin. Soc. Agric. Eng., 2015,31(16):16-21.

[5] ZHOU H，XIA D，HE Y Q. Rice grain quality—traditional traits for high quality rice and health-plus substances [J/OL]. Mol. Breed., 2020,40(1): 1[2020-12-23]. https://doi.org/10.1007/s11032-019-1080-6.

[6] NORAZIAH C ，NOORAINI Y，NORHAYATI A. Determinants for grading Malaysian rice [C]// Proceedings of The International Conference on Applied Science and Technology 2016. AIP Publishing LLC, 2016.

[7] 胡培松,陈能,朱智伟,等. 食用稻品种品质：NY/T593—2013[S].北京：中国农业出版社，2013.

[8] 鲍根良. 采用评分法对粳稻品种(品系)综合性状评价的探讨[J].浙江农业学报,1997,9(6):44-46.

BAO G L . Application on methods of agg regate evalution of the various characters in japonica varieties (lines)[J]. Acta Agric. Zhejiangensis, 1997,9(6):44-46.

[9] 杨政水.灰色米质指数及其在稻米质量评判中的应用[J].农业工程学报,2005,21(10):190-191.

YANG Z S. Grey rice quality index and its application in the evaluation of rice quality [J]. Trans. the Chin. Soc. Agric. Eng., 2005,21(10):190-191.

[10] 吴文珊，伊丽萍，郑海英，等.籼稻品质的模糊综合评判[J].江西农业学报,2008,20(10):20-21,24.

WU W S，YI L P，ZHENG H Y，etal.. Fuzzy comprehensive evaluationon quality of indica rice [J]. Acta Agric. Jiangxi, 2008,20(10):20-21,24.

[11] 郑海英，刘亮，上官从辉，等.运用模糊数学方法对粳稻品质进行综合评判[J].福建热作科技,2008,33(4):9-10.

ZHENG H Y，LIU L，SHANGGUAN C H，etal.. Comprehensive evaluation ofJaponicarice quality using fuzzy mathematics method [J]. Fujian Sci. Technol. Tropical Crops, 2008,33(4):9-10.

[12] 傅爱军.稻米品质的模糊模型综合评定[J].湖南农业科学,1988(1):18-21.

FU A J. Comprehensive evaluation of rice quality by fuzzy model [J]. Hunan Agric. Sci., 1988(1):18-21.

[13] 傅爱军，王晖，陈跃进.关于综合米质指数的研究[J].中国农业科学,1989,22(2):50-55.

FU A J，WANG H，CHEN Y J . Studies on the synthetic index of rice grain quality [J]. Sci. Agric. Sin., 1989,22(2):50-55.

[14] 纪澍琴，李亚军，关法春，等.基于遗传算法的稻米品质质量等级评价[J].数学的实践与认识,2015,45(23):1-9.

JI S Q，LI Y J，GUAN F C，etal.. The application of real coding based accelerating genetic algorithm in evaluting rice quality [J]. J. Mathematics Practice Theory, 2015,45(23):1-9.

[15] 王业成，雷溥，权龙哲，等.基于投影寻踪法的稻米品质综合评价[J].东北农业大学学报,2006,37(2):211-214.

WANG Y C，LEI P，QUAN L Z，etal.. Evaluating the quality of rice based on the PPC model [J]. J. Northeast Agric. Univ., 2006,37(2):211-214.

[16] TANG Q Y，ZHANG C X. Data processing system (DPS) software with experimental design, statistical analysis and data mining developed for use in entomological research [J]. Insect Sci.,2013,020(002):254-260.

[17] FRIEDMAN J H，TUKFY J W. A projection pursuit algorithm ror exploratory data analysis [J]. IEEE Trans. Comput.,1974,23(9):881-889.

[18] HUBER P J. Projection pursuit [J]. Ann. Statis., 1985, 13: 435-475.

[19] 顾志荣，张亚亚，王亚丽，等.基于投影寻踪模型评价当归药材质量[J].中成药,2015,37(5):1025-1031.

GU Z R，ZHANG Y Y ，WANG Y L，etal.. Quality evaluation of Angelica sinensis based on projection pursuit model [J]. Chin. Traditional Patent Med., 2015,37(05):1025-1031.

[20] 田效琴，李卓，李浩杰，等.基于投影寻踪模型的甘蓝型油菜产量因素评价[J].中国生态农业学报,2019,27(3):462-473.

TIAN X Q，LI Z，LI H J，etal.. Evaluation of factors affecting rape (swede type) yield using the projection pursuit model [J]. Chin. J. Eco-Agric., 2019,27(3):462-473.

[21] 孔令娟，汪新国，杨惠成.安徽省稻米品质现状与发展技术策略[J].中国稻米,2008(6):24-27.

KONG L J，WANG X G，YANG H C . Status quo and development strategy of rice quality in Anhui Province [J]. China Rice, 2008(6):24-27.

[22] 王守海，李泽宫，吴李君.安徽省稻米品质调查[J].安徽农业科学,1988(3):54-60.

WANG S H， LI Z G，WU L J. Rice quality survey in Anhui Province[J]. J. Anhui Agric. Sci., 1988(3):54-60.