基于主成分與灰色關聯分析的甜高粱品種綜合評價

劉翔宇，劉祖昕，加帕爾，斯拉依丁，阿依加馬力·加帕爾，郭 峰

(1新疆農科院吐魯番農業科學研究所，新疆吐魯番 838000；2 .農業部規劃設計研究院農業工程標準定額研究所，北京 100125)

基于主成分與灰色關聯分析的甜高粱品種綜合評價

劉翔宇1，劉祖昕2，加帕爾1，斯拉依丁1，阿依加馬力·加帕爾1，郭 峰1

(1新疆農科院吐魯番農業科學研究所，新疆吐魯番 838000；2 .農業部規劃設計研究院農業工程標準定額研究所，北京 100125)

【目的】利用主成分分析法和灰色關聯度分析法，對甜高粱的主要性狀進行綜合分析，為綜合評價及篩選優良甜高粱品種提供科學參考。【方法】選取10項性狀指標并運用因子分析法確定其權重系數，以新疆地區29份經過初步篩選的甜高粱品種(系)為材料，利用主成分分析法和灰色關聯分析,分別確定綜合效益值及品種間加權關聯度，分析兩套理論確定的秩相關系數顯著性，對參試甜高粱品種做出綜合評價與篩選。【結果】基于主成分分析法的綜合效益值變幅為2.4～-3.61，前五名優勢品種(系)為TTL-32(F=2.40)，TTL-29(F=2.39)，TTL-27(F=2.23)，TTL-30(F=1.95)，SW1(F=1.55)；基于加權法的關聯度變幅為0.754 4～0.372 3，前五名優勢品種為TTL-32(γ=0.754 4)，SW1(γ=0.737 9)，TTL-29(γ=0.726 9)，TTL-27(γ=0.712 6)，TTL-30(γ=0.688 1)。基于兩種評價方法下的29份甜高粱品種(系)排名差異不顯著(P<0.01)，其秩相關系數達到0.967，說明所選10項指標對評價甜高粱品種(系)綜合品質重要性相當。 【結論】雜交選育出的甜高粱新品系TTL-32、TTL-29、TTL-27和TTL-30等排名靠前，莖稈效益和籽粒效益等綜合效益值高，極具推廣潛質；甜飼1號、綠能3號、九甜雜1號、九甜雜2號、醇甜2號、綠能2號等外引品種和當地近年選育品種新高粱7號和新高粱2號等表現穩定；高粱蔗、蘇馬克、甜320、本地甜高粱和意大利等本地品種已逐漸退化。

主成分分析；灰色關聯度分析；甜高粱；綜合評價

0 引 言

【研究意義】甜高粱有兩個光合產物貯藏庫，一個是穗部的籽粒，一個是莖稈中的糖，兩者均含有多種營養物質，是一種具有莖和穗的“雙庫型”作物，具有光合速率高，生長快，產量高、耐鹽堿、耐瘠薄等生物學特性[1]。新疆擁有光照充足、積溫高、晝夜溫差大和土壤鹽堿含量高等自然特點。品種資源是育種和生產發展的物質基礎，評價、篩選現有甜高粱品種(系)在鹽堿含量高的土壤上種植的綜合效益，對于促進新疆土地整理開發和調優種植業結構，促進甜高粱作為高能飼料作物和再生性能源作物的產業化開發具有重要意義。【前人研究進展】再吐尼古麗·庫爾班[2]、高鳳菊等[3]研究表明：甜高粱對鹽堿地脫鹽效果顯著，尤其是對土壤表層鹽堿改良效果十分明顯。魏玉清等[4]研究表明：鹽堿地種小麥和玉米收益5 350元/hm2，而種甜高粱收益8 250元/hm2，增收54.2%。【本研究切入點】目前對參試品種優劣的評估大多是以產量、品質、抗病性三大性狀指標作為評判因素，這種評價方式主觀性影響較大。主成分分析在進行綜合評價上應用十分廣泛，在很多系統綜合評價中都起到重要作用。運用主成分分析，可以消除評價指標間的相關影響，減少指標選擇的工作量。將原始性狀變換為成分的同時，形成了反映成分的權數，使得綜合評價值的計算比人為給權重賦值更客觀、可信。灰色關聯度分析法在將灰色系統中不同品種不同指標下的全部數據進行綜合描述和量化時，與因子分析法確定指標權重相結合，使結果更可信。為了保證評價結果的全面性，評價指標的選取既要包含主要產量指標，又要包含主要形態指標；為了保證評價結果的客觀性，采用科學的因子分析法而不是主觀賦值法確定權重體系；為了保證評價結果的可靠性，先采用主成分分析法和灰色關聯分析兩種不同的理論方法進行評價，再對兩種評價結果進行秩相關性測定，確保方法正確，結果可靠。 【擬解決的關鍵問題】應用主成分分析方法和灰色系統理論中加權關聯度分析的方法，對甜高粱品種資源進行數量化研究，進而作出綜合評價。

1 材料與方法

1.1 材 料

試驗于2012～2013年在新疆農科院吐魯番農業科學研究所試驗基地進行，試驗地位于吐魯番市原種場，屬于典型的大陸性干旱荒漠氣候，干燥少雨，年平均降水量16.4 mm，蒸發量3 000 mm以上，日照充足，晝夜溫差大，年有效活動積溫5 300℃以上，無霜期270 d。表1

表1 供試甜高粱品種評價指標原始值

Table 1 The original value of the evaluation index of the tested sweet sorghum varieties

品種(系)Varieties株高Plantheight(m)莖粗Stemdiameter(cm)穗粒重Grainweightperspike(g)千粒重Thousandseedweight(g)籽粒產量Kernelyield(t/hm2)單株重Plantweight(kg/株)莖稈產量Stemyield(t/hm2)錘度Brix(°)產糖量Sugaryield(t/hm2)生育期Growthperiod(d)TTL-253 412 1187 426 78 6181 2679 3513 57 50121TTL-263 702 1685 224 48 3251 5093 4516 911 06130TTL-274 432 1677 424 17 6711 76113 1016 212 83141TTL-283 562 1174 723 87 1761 3887 3017 310 57125TTL-294 262 3270 523 86 7141 73112 8018 014 21133TTL-304 062 3267 723 16 4851 72112 5016 312 84130TTL-312 842 1767 323 56 0811 0076 2016 28 64124九甜雜1號JTZ-13 862 1066 723 06 0031 60100 8016 911 92125TTL-324 732 2463 222 05 8441 91115 0517 714 25138甜飼1號TS-14 602 1060 021 05 4451 80113 4015 212 07130綠能2號LN-23 532 0058 420 05 3551 3585 0518 010 72126醇甜2號CT-23 522 2057 621 05 2501 2679 3819 911 06144九甜雜2號JTZ-23 792 3057 121 05 2051 5295 7613 99 32129綠能3號LN-33 962 2056 824 05 1451 70107 1014 811 10130TTL-333 622 0355 321 84 8031 4693 0016 410 68121魯克沁LKQ2 732 2056 424 04 7700 9157 3319 07 62115TTL-343 051 9656 018 04 5711 1778 0018 310 00127新高粱2號XGL-23 102 1050 023 03 9751 2578 7514 58 00154早熟1號ZS-12 901 9048 420 03 9001 0364 8921 59 77118SW13 822 4047 019 03 8701 60100 8023 016 2393新高粱7號XGL-73 692 3045 019 63 8551 4893 2418 612 14120高粱蔗GLZ2 792 3038 019 03 6000 8151 0320 07 1490本地甜BDT3 022 0036 027 03 0451 1270 5618 08 90120意大利Italy2 211 8035 018 03 0000 6540 9519 05 45104蘇馬克SMK2 802 2033 016 02 8350 8553 5519 07 12131九甜梁1號JTL-12 181 8030 619 52 4000 6440 3213 53 81102吐甜3號TT-33 942 1026 017 02 3101 66104 5812 69 22102本地甜高粱BDTGL2 751 8023 412 51 5390 8654 1819 17 24102甜320T3203 051 8019 219 51 4401 0968 6716 17 73102

供試甜高粱品種(系)29個，其中魯克沁、新高粱2號、新高粱7號、高粱蔗、本地甜、SW1、意大利、蘇馬克、吐甜3號、本地甜高粱、甜320是吐魯番本地品種(系)；早熟1號、九甜梁1號、九甜雜1號、九甜雜2號、綠能2號、綠能3號、醇甜2號、甜飼1號是外引品種，經過幾輪品種區域試驗篩選，證明是適合新疆生境條件種植的優良甜高粱品種；TTL-25、TTL-26、TTL-27、TTL-28、TTL-29、TTL-30、TTL-31、TTL-32、TTL-33和TTL-34是由外引品種與當地甜高粱品種雜交選育出的新品系。

觀測記載各品種株高、莖粗、穗粒重、千粒重、籽粒產量、單株重、莖稈產量、錘度、產糖量和生育期等10項農藝性狀，將其作為綜合評價指標。列出田間試驗結果。表1

隨機區組設計，重復3次，每小區3行，7.5 m2，株行距(20×50) cm。5月上旬開溝點播，按新疆品種比較試驗要求進行田間管理。

應用統計分析軟件 IBM SPSS Statistics對原始數據進行主成分分析；應用Excel進行灰色關聯度分析。

1.2 方 法

1.2.1 主成分分析

主成分分析是將相關性較強的的原始變量，重新組合成互無關聯的綜合變量并代替原變量。方法是是將原來變量做線性組合，作為新的綜合變量，用F1(第一個線性組合)的方差來表達，Var(F1)越大，表明F1包含的原始變量信息越多。在所有的線性組合中選取的F1是方差最大的，稱F1為第一主成分。依次可構造出第二、第三，……，第n(n

主成分分析數學模型見公式(1)：

其中a1i，a2i，……，api(i=1，……，n)為協方差陣的特征值對應的特征向量，ZX1，ZX2，……，ZXp是原始變量的標準化值。A=(aij)p×n=(a1，a2，……an)，Rbi=λiai，R是相關系數矩陣，λi、ai是對應的特征值和特征向量，λ1≥λ2≥ …≥λp≥0。

1.2.2 灰色關聯度分析[6]

灰色關聯度分析法是先設定參考數列作為母因素，再計算系統中各子因素與母因素間的關聯度，以關聯度來描述母子因素關系的強弱，已在多個學科領域內得以應用，其科學性與實用性得到充分肯定。其分析方法如下：

首先，采用直線型極值化方法[7]，將每一變量值與變量最小值之差除以該變量取值的全距，對表1中各變量進行無量綱化處理。參考數列為各性狀變量的最大值。

再次，將無量綱化后的數據，利用公式(2)分別計算出各參試品種與參考數列間的關聯系數。

ξ(k)=

(2)

式中ρ為分辨系數，是一個介于0～1之間的確定數值，ξi(k)為第i個品種第k個指標的關聯系數；

最后，用加權平均法計算參試品種的加權關聯度，如公式(3)所示。通過比較參試品種的加權關聯度的大小，完成參試甜高粱品種的綜合評價。

(3)

式中γ 表示加權關聯度，wk為第k個指標的權重，n為評價指標的個數。

2 結果與分析

2.1 主成分分析

2.1.1 判斷主成分分析的適用性

先對數據進行Kaiser-Meyer-Olkin檢驗統計量和Bartlett球形檢驗。經檢驗：KMO值=0.724>0.7，p值接近0，說明10個性狀變量之間具有相關性，且差異達到極顯著水平，可以進一步做主成分分析。

2.1.2 計算各指標的相關系數矩陣

10個變量之間，有10對變量相關關系達到極顯著水平，10對變量相關關系達到顯著水平，這進一步驗證了性狀變量之間直接的相關性比較強，存在信息上的重疊。在品種間作比較時，可以對這些性狀變量進行降維處理，縮減衡量指標個數。表2

表2 指標間的相關系數矩陣

Table 2 The correlation coefficient matrix of the indexes

性狀Traits株高Plantheight莖粗Stemdiameter穗粒重Grainweightperspike千粒重Thousandseedweight籽粒產量Kernelyield單株重Plantweight莖稈產量Stemyield錘度Brix產糖量Sugaryield莖粗Stemdiameter0 569?穗粒重Grainweightperspike0 527?0 459千粒重Thousandseedweight0 330 3270 708??籽粒產量Kernelyield0 547?0 4710 992??0 709??單株重Plantweight0 980??0 557?0 526?0 3680 536?莖稈產量Stemyield0 966??0 572?0 556?0 3870 563?0 992??錘度Brix-0 1960 118-0 144-0 285-0 177-0 239-0 25產糖量Sugaryield0 849??0 624??0 4890 2620 4760 859??0 862??0 258生育期Growthperiod0 4620 2830 590?0 4710 5620 4610 473-0 2330 345

注：*表示在P<0.05水平達到顯著差異；**表示在P<0.01水平達到顯著差異

Note: * means the coefficient is significantly correlation atP< 0.05; ** means the coefficient is extremely significantly correlation atP< 0.01

表3 主成分分析

Table 3 Principal component analysis

性狀TraitsF1F2F3株高Plantheight0 90 305-0 251莖粗Stemdiameter0 6690 2660 307穗粒重Grainweightperspike0 807-0 4250 309千粒重Thousandseedweight0 618-0 5790 17籽粒產量Kernelyield0 81-0 4250 28單株重Plantweight0 9080 286-0 287莖稈產量Stemyield0 920 26-0 27錘度Brix-0 1940 5260 786產糖量Sugaryield0 8180 5140 143生育期Growthperiod0 636-0 352-0 024初始特征值InitialEigenvalues5 731 6741 154貢獻率Contributionrate(%)57 29616 74511 545累積貢獻率Cumulativecontributionrate(%)57 29674 04185 586

2.1.3 提取主成分

經Spss統計分析，根據特征值大于1的原則提取了3個主成分。各主成分的方差貢獻率分別為57.296%、16.745%、11.545%，累積貢獻率達85.586%，說明提取的3個主成分代表了各參試品種性狀的絕大部分信息。表3

表4 旋轉后因子載荷矩陣

Table 4 The factor loading matrix after rotation

性狀TraitsF1F2F3株高Plantheight0 950 215-0 134莖粗Stemdiameter0 620 310 365穗粒重Grainweightperspike0 3540 8920 07千粒重Thousandseedweight0 1480 843-0 113籽粒產量Kernelyield0 3640 8840 044單株重Plantweight0 9540 221-0 174莖稈產量Stemyield0 9450 253-0 17錘度Brix-0 043-0 2110 941產糖量Sugaryield0 910 1580 315生育期Growthperiod0 3290 619-0 194

2.1.4 主成分命名

為更好地看出因子載荷矩陣的各系數與變量之間的關系：將初始因子矩陣作最大方差法旋轉，得到旋轉后的因子載荷矩陣,結果表明，株高、莖粗、單株重、莖稈產量、產糖量在第1主成分上有較高載荷，說明第1主成分基本反映了這些指標的信息，可命名為莖稈效益值；穗粒重、千粒重、籽粒產量和生育期在第2主成分上有較高載荷，說明第2主成分基本反映了這些指標的信息，可命名為籽粒效益值；錘度在第3主成分上有較高載荷，說明第3主成分基本反映了錘度的信息，可命名為錘度值。表4

2.1.5 計算主成分得分

根據主成分數學分析模型，主成分其實是原P個性狀指標的線性組合，各性狀指標的權數為上一步算得的特征向量，它刻劃了各單項指標對于主成分的重要程度并決定了該主成分的實際意義。特征向量(a)的計算方法是初始因子載荷矩陣中的數據除以主成分相對應的特征值(b)開平方根。其中：a1=b1/SQR(5.73)；a2=b2/SQR(1.674)；a3=b3/SQR(1.154)。表明了10個性狀的特征向量。表5

表5 各線性指標對應的特征向量

Table 5 Feature vectors corresponding to the linear index

性狀Traitsa1a2a3株高Plantheight0 380 24-0 23莖粗Stemdiameter0 280 210 29穗粒重Grainweightperspike0 34-0 330 29千粒重Thousandseedweight0 26-0 450 16籽粒產量Kernelyield0 34-0 330 26單株重Plantweight0 380 22-0 27莖稈產量Stemyield0 380 2-0 25錘度Brix-0 080 410 73產糖量Sugaryield0 340 40 13生育期Growthperiod0 27-0 27-0 02

由此，根據主成分分析數學模型，可得到3個主成分與原10項性狀指標的線性組合公式：

F1=0.38zx1+0.28zx2+0.34zx3+0.26zx4+0.34zx5+0.38zx6+0.38zx7-0.08zx8+0.34zx9+0.27zx10.

F2=0.24zx1+0.21zx2-0.33zx3-0.45zx4-0.33zx5+0.22zx6+0.2zx7+0.41zx8+0.4zx9-0.27zx10.

F3=-0.23zx1+0.29zx2+0.29zx3+0.16zx4+0.26zx5-0.27zx6-0.25zx7+0.73zx8+0.13zx9-0.02zx10.

將標準化數據分別代入公式，便可得到29個甜高粱品種在三個主成分上的得分。

以n個主成分各自的方差貢獻率為權數，將n個主成分進行加權平均，即可得到主成分綜合得分模型:

F=(0.572 96F1+0.167 45F2+0.115 45F3)÷0.855 86。

根據主成分綜合得分模型即可計算所有參試甜高粱品種綜合主成分值，并將其按綜合主成分值進行排序，即可對所有參試甜高粱品種進行綜合評價比較，表6表明了所有參試甜高粱品種的綜合效益值和排序。表6

2.2 灰色關聯度

采用因子分析法[8]確定不同變量指標的權重，Wk=(株高0.126、莖粗0.125、穗粒重0.094、千粒重0.05、籽粒產量0.093、單株重0.122、莖稈產量0.121、錘度0.058、產糖量0.151、生育期0.059)；ρ取值0.5。根據灰色系統理論中關聯度分析原則，由于“參考數列”的質量是系統中質量最高的，如果被評價指標的關聯度越大，與“參考數列”越接近，表明其質量越高，反之則低。依次將各評價指標按照加權關聯度的大小進行排序。

綜合效益值最好的是TTL-32、TTL-29和TTL-27，其次是TTL-30、SW1和甜飼1號，而本地甜高粱、意大利和九甜梁1號表現最差。由加權關聯度的綜合排序結果可以看出TTL-32、SW1、TTL-29的綜合表現最好，其次為TTL-27、TTL-30和甜飼1號；而本地甜高粱、意大利和九甜梁1號同樣表現最差。表7

綜合效益值與加權關聯度兩種序列分析結論基本一致，秩相關顯著(r1,2=0.967，P<0.01)。在兩種排序方式中，僅有少數品種的名次變動較大，如，TTL-29在綜合效益值排序中為第2名，而在加權關聯度排序中為第3名；TTL-25在綜合效益值排序中為第14名，而在加權關聯度排序中為第9名。這可能是個別指標的權重在兩種方法中有差異等原因造成的。

表6 綜合效益值

Table 6 The comprehensive benefit value

品種VarietiesF1F2F3F排名RankingTTL-321 43-3 10 212 41TTL-292 38-1 330 842 392TTL-273 51-0 49-0 182 233TTL-301 36-1 010 711 954SW13 290 60 541 555甜飼1號TS-12 840 28-0 071 496TTL-26-0 12-1 590 761 457綠能3號LN-31 72-0 07-0 111 138九甜雜1號JTZ-13 311 2-0 351 129TTL-282 340 57-1 430 8110新高粱7號XGL-70 170 070 090 6811九甜雜2號JTZ-20 640 161 150 6212醇甜2號CT-21 21-0 3-10 6113TTL-251 94-0 17-1 020 3814TTL-330 48-0 01-0 560 2415綠能2號LN-2-1 32-0 971 610 1416TTL-31-0 910 070 22-0 2917新高粱2號XGL-2-0 02-1 57-0 82-0 4318吐甜3號TT-3-1 820 381 25-0 5219TTL-340 873 791 68-0 5720魯克沁LKQ0 511 620 17-0 8621本地甜BDT-2 80 831 5-0 9122早熟1號ZS-1-1 2-0 690 19-0 9823高粱蔗GLZ-4 47-0 540 5-1 5124蘇馬克SMK-2 60 50 57-1 5725甜320T320-4 63-1 71-1 27-2 2526本地甜高粱BDTGL-0 621 55-3 06-2 7727意大利Italy-4 461 46-0 52-3 0328九甜梁1號JTL-1-3 190 51-1 56-3 6129

3 討 論

甜高粱的綜合效益是由多個性狀變量指標綜合作用表征的，各指標的權重大小不同，對不同甜高粱品種進行綜合評價的關鍵是尋找主導變量：主成分分析可以將眾多彼此相關的變量通過去除相關關系縮減為少數幾個彼此無關的主成分；加權關聯分析能夠從多個變量指標中找出主要決定指標，并全面、科學地評價不同品種的綜合性能。

研究表明，盡管錘度與其他性狀變量間的相關強度很弱，甚至是負相關，但是在甜高粱制糖、釀酒和作為生物質能源原料等產業中是品種優劣的重要衡量指標[1]，所以在品種篩選過程中仍要將其作為重要參考性狀變量。剩余9項指標變量的相關性顯著或極顯著，且與其加權關聯度較大，表明這些指標能代表甜高粱的綜合效益。試驗表明，根據各性狀變量與甜高粱綜合效益和加權關聯度的結果，在綜合評價篩選甜高粱品種時，應首先根據第一主成分莖稈效益值進行篩選，剔除莖稈效益值低下的品種，再根據第二主成分籽粒效益值篩選，最終參考錘度值確定有推廣潛勢的優良品種(系)。

研究發現，在對甜高粱品種評價過程中，主成分分析法和加權關聯度分析法這兩種不同評價方法的結果極顯著相關(r1,2=0.967，P<0.01)，這表明：(1)9項評價指標可以較全面反映地甜高粱的綜合性質；(2)主成分分析法與加權關聯度分析法排序顯著相關的結果說明兩者分析結果吻合、方法可靠；(3)主成分分析法和加權關聯分析都具有可靠的統計學基礎，都充分運用了各性狀指標的絕大部分信息，這既體現了優良甜高粱品種所應具備的綜合性能，又從參試品種的實際情況出發，因而優先度排序更客觀、合理。

研究將主成分分析與灰色系統理論應用于甜高粱品種評價中，通過賦予不同指標不同的權重，實現了對29份材料綜合效應值的量化分析及排序，與過去傳統的評價方法相比避免了人為因素的影響，評價指標全面、方法客觀科學、結果互證可靠。

表7 各品種綜合效益值與加權關聯度排名

Table 7 The ranking of the comprehensive benefit value and the weighted correlation

品種Varieties主成分綜合得分Theprincipalcomponenttotalscores排名Ranking加權關聯度Weightedincidencedegree排名RankingTTL-322 403510 75441TTL-292 392720 72693TTL-272 229630 71264TTL-301 946640 68815SW11 550650 73792甜飼1號TS-11 485160 66546TTL-261 446470 63647綠能3號LN-31 127980 60868九甜雜1號JTZ-11 122990 595510TTL-280 8086100 569612新高粱7號XGL-70 6813110 571811九甜雜2號JTZ-20 6165120 565613醇甜2號CT-20 6149130 52816TTL-250 3791140 59599TTL-330 2438150 528815綠能2號LN-20 1396160 512717TTL-31-0 2889170 518新高粱2號XGL-2-0 4312180 463223吐甜3號TT-3-0 5246190 543814TTL-34-0 5658200 470321魯克沁LKQ-0 8563210 477620本地甜BDT-0 9127220 470222早熟1號ZS-1-0 9754230 461424高粱蔗GLZ-1 5097240 49119蘇馬克SMK-1 5659250 428125甜320T320-2 2462260 421826本地甜高粱BDTGL-2 7703270 401427意大利Italy-3 0307280 390128九甜梁1號JTL-1-3 6055290 372329

4 結 論

雜交選育出的甜高粱新品系TTL-32、TTL-29、TTL-27和TTL-30等排名靠前，莖稈效益和籽粒效益等綜合效益值高，極具推廣潛質；甜飼1號、綠能3號、九甜雜1號、九甜雜2號、醇甜2號、綠能2號等外引品種和當地近年選育品種新高粱7號和新高粱2號等表現穩定；高粱蔗、蘇馬克、甜320、本地甜高粱和意大利等本地品種已逐漸退化。

References)

[1] 盧慶善．甜高粱[M]．北京：中國農業科學技術出版社，2008：1-24．

LU Qing-shan．( 2008)．SweetSorghum[M]．Beijing． Chinese Agricultural Science and technology Press：1-24．(in chinese)

[2]再吐尼古麗·庫爾班，吐爾遜·吐爾洪，阿扎提·阿不都古力，等．甜高粱對鹽堿地改良效果的研究初報[J]．新疆農業科學，2011，48(8)：1 418-1 421．

Zaituniguli Kuerban，Tuerxun Tuerhong，Azati Abuduguli，et al．(2011)．Improvement of Salt-affected Soils with Sweet Sorghum [J]．XinjiangAgriculturalSciences，48(8)：1，418-1，421． (in Chinese)

[3]高風菊，朱元剛．鹽脅迫對不同類型甜高粱品種產量形成的相關性分析[J]．江西農業學報，2013，25(6)：1-6．

GAO Feng-ju，ZHU Yuan-gang．(2013)．Analysis of Correlation between Salt Stress and Yield Formation of Different Types of Sweet Sorghum Varieties [J]．ActaAgricultureJiangxi，25(6)：1-6．(in Chinese)

[4]魏玉清，任賢，貝盞臨．利用鹽堿地種植甜高粱生產燃料乙醇的產業化前景分析[J]．安徽農業科學，2010，38(21)：11 279-11 282．

WEI Yu-qing, REN Xian，BEI Zhan-lin．(2010)．Commercialization Analysis of Sweet Sorghum Based Bio-ethanol on Salt Farmland in China [J]．JournalofAnhuiAgriculturalSciences，38(21)：11，279-11，282．(in Chinese)

[5]于秀林，任雪松．多元統計分析[M]．北京：中國統計出版社，1999： 154．

YU Xiu-lin，REN Xue-song．(1999)．MultivariateStatisticalAnalysis[M]．Beijing： China Statistics Press：154．(in Chinese)

[6]薛帥，秦爍，王繼師，等．灰色系統理論在非糧柴油植物評價與篩選中的應用[J]．中國農業大學學報，2012，17(6)：225-230．(in chinese)

XUE Shuai，QIN Shuo，WANG Ji-shi，et al．(2012)．Application of Grey System Theory in Evaluation and Screening of No-food Biodiesel Plant Resources[J]．JournalofChinaAgriculturalUniversity，17(6)：225-230．(in Chinese)

[7]馬立平.統計數據標準化-無量綱化方法[J]．北京統計 2000，(121)：34-35．

MA Li-ping．(2000)．Statistical Data Standardization-The Dimensionless Method [J]．BeijingStatistics，(121)：34-35．(in Chinese)

[8]劉自遠，劉成福．綜合評價中指標權重系數確定方法探討[J]．中國衛生質量管理，2006，13 (2)：44-46．

LIU Zi-yuan，LIU Cheng-fu．(2006)．Study Methods of Determining Weight Coefficient of Index in Comprehensive Evaluation [J]．ChineseHealthQualityManagement．13 (2)：44-46．(in Chinese)

Fund project:Supported by the Training Program of Grassroots Youth Science and Technology Talent of Xinjiang Uygur Autonomous Region (2013741076), Youth Foundation Project of Xinjiang Academy of Agricultural Sciences "the New germplasm resources of Salt Tolerance Sweet Sorghum Contrived by EMS Chemical Mutagenesis Technology" (xjnkq-2015012) and the Special Fund for the Commercialization of Research Findings (201154104)

Comprehensive Evaluation of Sweet Sorghum Varieties Based on Principal Component Silabi Analysis and Gray Relational Grade Analysis

LIU Xiang-yu1, LIU Zu-xin2, Japar1, Siladi1, Ayijiamali Japar1, GUO Feng1

(1.TurpanresearchInstituteofAgriculturalsciences，XinjiangAcademyofAgriculturalsciences,TurpanXinjiang838000,China; 2.InstituteofAgriculturalEngineeringStandardQuota,ChineseAcademyofAgriculturalEngineering,Beijing100125,China)

【Objective】 In order to evaluate and screen elite sweet sorghum varieties, ten characteristics of 29 sweet sorghum varieties were evaluated comprehensively using the principal component analysis and the gray relational grade analysis. 【Method】 The comprehensive benefit value (F) was evaluated by the principal component analysis and the weighting coefficients by the gray relational grade analysis. 【Result】 The result showed that F varied from 2.4 to 3.61, the top 5 superior varieties were TTL-32(F=2.40)，TTL-29(F=2.39)，TTL-27(F=2.23)，TTL-30(F=1.95)and SW1(F=1.55)respectively. Comparatively, the weighting coefficients varied from 0.754，4 to 0.372，3 and the top 5 superior varieties were TTL-32(γ=0.754，4)，SW1(γ=0.737，9)，TTL-29(γ=0.726，9)，TTL-27(γ=0.712，6)and TTL-30(γ=0.688，1)respectively. For the 29 sweet sorghum varieties,the results of the two ranking methods were highly significantly (P<0.01) correlated with a correlation coefficient of 0.967. our results also demonstrated that the 10 evaluation indicators for comprehensive quality evaluation of sweet sorghum varieties have the same importance. 【Conclusion】 The top four varieties were TTL-32, TTL-29, TTL-27 and TTL-30. Because comprehensive benefit value of their stems and grain benefits etc. is high，so they have the very broad promotion potential. The varieties performance, such as TS-1, LN-3, JTZ-1, JTZ-2, CT-2, LN-2, XGL-2 and XGL-7 is stable; Other varieties such as GLZ, SMK, T-320,BDTGL and YDL etc. had gradually degraded.

the principal component analysis；the gray relational grade analysis；sweet sorghum；comprehensive evaluation

10.6048/j.issn.1001-4330.2016.01.013

2015-05-13

新疆維吾爾自治區基層青年科技人才培養項目(2013741076)；新疆農科院青年基金項目“EMS化學誘變技術創制耐鹽堿甜高粱新種質資源”(xjnkq-2015012)；新疆維吾爾自治區科技成果轉化專項資金項目(201154104)

劉翔宇(1979-)，男，高級農藝師，碩士，研究方向為甜高粱育種和高產栽培，(E-mail)lxy791021@sina.com

郭峰(1964-)，男，研究員，研究方向為作物育種及栽培，(E-mail)guofeng501@163.com

S514.032

A

1001-4330(2016)01-0099-09