最優分辨系數和主成分分析在烤煙品種綜合評價中的應用

李 偉，王 超，周紹松，張 靜*

?

最優分辨系數和主成分分析在烤煙品種綜合評價中的應用

李 偉1，王 超1，周紹松2，張 靜1*

[1.紅云紅河煙草（集團）有限責任公司，昆明 650231；2.云南省農業科學院農業環境資源研究所，昆明 650205]

為快速找出最適宜昆明生態條件的烤煙新品種，根據灰色系統理論，選擇10個烤煙品種的10個性狀作為評價因子，采用最優分辨系數確定了關聯系數，采用主成分分析確定了性狀的權重，建立了綜合評價體系。結果表明，外觀質量得分是所有烤煙品系中最重要的影響因子，權重達0.405。各品種綜合得分依次為云煙100>云煙105>PVH2254>云煙116>NCT6> NC196>K326>GL338>NC71>云煙87。聚類分析表明，替代昆明地區云煙87和K326的最佳品種為云煙105，其次為PVH2254。云煙100的綜合評價得分最高，是特色化生產的最佳選擇。

最優分辨系數；主成分分析；烤煙；品種綜合評價

在影響烤煙產質量的眾多因素中，品種是關鍵影響因子[1]。當前，我國烤煙品種種植單一的情況比較突出[2]，主栽品種K326、紅大、云煙87和云煙97等占種植面積的65%以上[3]，同時品種退化問題嚴重，抗逆性降低，病害頻發，造成煙葉品質下降，煙農收入降低[4]。開展品種比較試驗和區域試驗，篩選出適宜當地種植的烤煙品種，滿足卷煙工業企業對原料的需求，一直都是煙草育種工作者不斷追求的目標[5-7]。

在對所育煙草品種進行綜合評判時，往往需要大量的數據研究各性狀的相互關系，且數據要求比較嚴格[8-9]。簡單的選取某些指標評估烤煙品種，不能代表該品種全部的生態適應性，實際意義不顯著[10]。由于煙草的某些生物學性狀如抗病性和豐產性具有灰信息的特征，灰色關聯分析利用灰色理論，能克服上述缺點，已經廣泛應用于煙草、水稻[11]、燕麥[12]、小麥[13]、多頭小菊[14]等作物的品種綜合評價方面。

在進行灰色關聯分析時，分辨系數通常取0.5[15]。研究發現，固定的分辨系數取值方式并不一定符合實際情況，有可能改變關聯系數和關聯序，造成分析結果出現較大偏差[16-17]。本文將選擇的烤煙品種性狀作為一個灰色系統，確定系統最優分辨系數，得出烤煙品種綜合評價得分并進行排序，以期找出最適宜當地生態條件的烤煙新品種。

1 材料與方法

1.1 材料

供試品種為NCT6、云煙100、云煙105、云煙116、PVH2254、NC71、NC196、GL338，K326和云煙87，由云南省煙草農業科學研究院提供。

1.2 方法

本試驗于2013年在昆明市石林縣板橋鎮板橋村進行，試驗田土壤類型為水稻土，土壤質地為砂壤，肥力中等，土壤pH值7.64，有機質2.73%，速效氮、磷、鉀含量分別為126.36、26.39、242.89 mg/kg。試驗設3次重復，共計30個小區，每個小區60株煙，株行距0.5 m×1.2 m。其他大田栽培措施按昆明市優質煙葉栽培管理進行。

1.3 測定項目

根據YC/T 142—1998 煙草農藝性狀調查方法，每個處理隨機選取有代表性的15株煙測量株高和葉片數等農藝性狀，取平均值；按GB 2635—1992 烤煙進行逐葉分級，統計產量、上等煙比例和單葉重。按GB/T 23224—2008 煙草品種抗病性鑒定統計黑脛病和煙草普通花葉病（TMV）病情指數。化學成分按王瑞新等[18]的方法測定，由《中國煙草種植區劃》[19]進行賦值。外觀得分和評吸得分按程昌新等[20]和顏克亮等[21]的方法進行。

1.4 數據處理

采用EXCEL2010進行數據處理，用SPSS16.0進行主成分分析，用DPS7.05最短距離法進行聚類分析。

2 結 果

2.1 數據的無量綱化處理

根據田間調查統計結果，選育烤煙品種的主要農藝性狀、經濟性狀和病情指數的平均值如表1所示。由于數據量級差別較大，建模時必須進行無量綱化處理，使因素序列規劃化，才能進行計算[22]。初值化算法適用于處理穩定的經濟學現象，均值化常用于處理無明顯趨勢的數據序列，因此本文對原始數據進行均值化處理，得到（0，1）范圍內的數值。對于病情指數等指標越小、性狀越好的因子，先求倒數再進行均值化處理（表2），得到各煙草品種性狀的差值。

2.2 最優分辨系數的計算

將所有烤煙品種的性狀作為一個灰色系統，參照呂鋒的方法，計算最優分辨系數[23]。

其中，0()、x()是指標0、x的初值化序列，=1，2，…，n，表示第個指標；=1，2，…，m；表示第個品種；是所有差值絕對值的均值；Dmax為最大差值的絕對值；是最優分辨系數。

表1 參試烤煙品種的主要性狀平均值

表2 標準化處理結果

由表2可知，D=0.1824，Dmax=1.7082，得出最優分辨系數為0.1602。通常在進行灰色關聯分析時，取值為0.5，使分辨系數能夠涵蓋大部分的自變量變化情況，增強系統的關聯性。此時<0.5，能夠削弱離散度較大的自變量帶來的模型不穩定問題。

2.3 關聯系數的計算

根據上述公式，得到不同品種烤煙各性狀的關聯系數：

其中，ξ(k)是第個品種第個指標的關聯系數。

根據灰色關聯理論，關聯系數越大，表示所育烤煙品種的性狀越好。由表3可知，云煙105的株高，NC196的留葉數和中上等煙比例，云煙100的畝產值和單葉重，NCT6的黑脛病病情指數、外觀總分，PVH2254的TMV病情指數，云煙87的化學成分和K326的評吸得分表現最好。

2.4 烤煙品種評價因子權重的確定

在確定品種評價因子的權重時，一般研究者用加權關聯度確定性狀的權重[24-26]，具有一定的主觀性。選擇主成分分析法對烤煙品種進行因子分析，確定評價因子的權重，能克服某些認知差異，定量計算烤煙綜合得分。

2.4.1 提取主成分 對均值化后的數據進行主成分分析，得出解釋的總方差表（表4），分析特征根>1的主成分，發現成分1、2、3、4的特征根分別是3.399、2.628和1.658和1.017，且4個公因子能夠解釋87.029%的累計方差貢獻率，因此確定主成分為1、2、3和4。

表3 各參試品種性狀的關聯系數

表4 解釋的總方差

2.4.2 得到主成分線性組合 主成分1中，株高和單葉重的載荷數較高，可以代表烤煙品種的生物學性狀；主成分2中，TMV病情指數和中上等煙比例的載荷數較大，可以代表烤煙品種的經濟性狀；主成分3中，外觀得分和黑脛病病情指數的載荷數較大，可以代表烤煙品種的外觀質量；主成分4中，產量和單葉重的載荷數較大，可以代表烤煙品種的產量性狀。用因子載荷除以主成分特征根的開方，得到各指標在主成分線性組合中的系數（表5），得出4個主成分1、2、3和4關于各評價因子的線性組合：

1=-0.5398+0.5271+0.4675-0.1677+0.1313+0.0610+0.279-0.2346+0.1012+0.1664；

2=0.0398+0.1011-0.2335+0.6597+0.5733+0.3210+0.1679-0.0146+0.1772-0.0964；

3=0.0718-0.0611-0.0195+0.0127-0.1383-0.60410+0.5479+0.5426-0.0612-0.1014；

4=0.048-0.0161+0.345-0.1427-0.2363+0.1210+0.2219-0.0656-0.6482+0.5654。

2.4.3 計算權重 主成分越重要，方差貢獻率越大，因此方差貢獻率可作為主成分的權重[27]。本灰色系統中，對4個主成分的系數和方差貢獻率做加權平均[28]，可以得到系統模型為：

=0.1931-0.0662+0.0993+0.1274+0.1765+0.026+0.0647-0.1598+0.2989-0.01610

對各系數進行歸一化處理，得出各指標的權重。可以看出（表6），外觀得分的權重最大，為0.405，其余評價因子權重分別為株高>單葉重>產量>中上等煙比例>TMV病情指數>黑脛病病情指數，化學成分得分、留葉數和評吸得分權重為負，說明對評價系統起反作用。

2.4.4 計算烤煙品種綜合得分并排序 根據得到的關聯系數和權重，得出綜合得分計算公式：

D=ξ(1)×Q+ξ(2)×Q+ …+ξ()×Q

表5 各指標在主成分組合中的系數

表6 各性狀的權重

對烤煙品種綜合得分進行排序可以看出（表7），云煙100綜合得分最高為0.971，其他各品種的表現依次為云煙105>PVH2254>云煙116>NCT6> NC196>K326>GL338>NC71>云煙87。說明云煙100的大田長勢、經濟性狀、抗病性、外觀質量、內在化學成分和評吸質量表現較好。

表7 參試烤煙品種的綜合得分和排名

2.5 參試烤煙品種的聚類分析

把10個烤煙品種的所有性狀指標作為自變量進行系統聚類發現（圖1），當分類系數為0.52時，能將所有烤煙品系分為3個類別：Ⅰ類由NCT6品種組成；Ⅱ類由云煙105、云煙116、PVH2254、NC71、GL338、K326、云煙87和NC196品種組成；Ⅲ類由云煙100品種組成。目前，云南烤煙主栽品種為云煙87和K326，均屬第Ⅱ類，其各項指標比較類似，因此同屬第Ⅱ類的云煙105是最佳替代品種，其次為PVH2254。如果不考慮性狀指標相似的問題，云煙100的綜合評價得分最高，是特色化生產的最佳選擇。NCT6屬于美國引進品種，其單獨成類且綜合得分中等，故不作為云煙煙區的栽培品種。

3 討 論

本研究采取灰色系統理論對10個烤煙品種的10個性狀進行了分析，在進行烤煙品種綜合評價時，選擇的評價因子和參考性狀對結果影響很大[29-30]。本文得出最優分辨系數為0.1602，遠小于通常灰色關聯分析選擇的值，說明在本灰色系統中，選擇的10個性狀離散度較小。如果選擇的考察因子離散程度較大，最優分辨系數則會相應變大，甚至大于通常的取值（0.5），以涵蓋大部分自變量的變化程度。

本文選擇的主要農藝性狀、經濟性狀、病情指數、化學成分得分、外觀得分和評吸得分具有普遍性，和前人的研究對象基本一致[31-32]。如果要更加準確、全面的判斷烤煙品種特性，應根據育種目標合理增加評價因子。

基于最優分辨系數的綜合評價方法，能準確得到各烤煙品種的關聯系數，解決關聯序大小順序的問題[33]；用主成分分析確定權重，能客觀、定量的得出烤煙品種綜合得分，能為快速選擇烤煙新品種提供依據。關于烤煙品種的煙葉品質能否滿足卷煙工業需求，還需結合煙葉可用性等因素進一步討論。

4 結 論

在本研究中，外觀質量得分是所有烤煙品系中最重要的影響因子，權重達0.405。各烤煙品種綜合得分依次為云煙100>云煙105>PVH2254>云煙116>NCT6>NC196>K326>GL338>NC71>云煙87。聚類分析表明，替代昆明地區云煙87和K326的最佳品種為云煙105，其次為PVH2254。云煙100的綜合評價得分最高，是特色化生產的最佳選擇。

[1] 陳榮平，楊鐵釗. 我國煙草品種工作的分析與思考[J]. 中國煙草學報，2007，13（6）：47-50.

[2] 常愛霞，賈興華，馮全福，等. 我國主要烤煙品種的親源系譜分析及育種工作建議[J]. 中國煙草科學，2013，34（1）：1-6.

[3] 徐安傳，胡巍耀，李佛琳，等. 中國烤煙種植品種現狀分析與展望[J]. 云南農業大學學報（自然科學版），2011，26（S2）：104-109.

[4] 薛慶梅，王彥玲，許廣愷，等. 影響烤煙良種培育與推廣的原因及對策[J]. 中國煙草科學，2001，22（2）：28-29.

[5] 張新要，易建華，蒲文宣，等. 烤煙新品種（系）試驗初報[J]. 中國煙草科學，2006，27（4）：38-41.

[6] 廖曉萍，徐辰生，肖鵬. 清香型烤煙新品種（系）生產試驗[J]. 湖南農業大學學報（自然科學版），2009，35（S1）：11-14.

[7] 盧秀萍，李永平. 烤煙新品種云煙201的選育及其特征特性[J]. 中國煙草科學，2006，32（4）：378-381.

[8] 唐海濤，張彪，林勇，等. 玉米雜交種主要農藝性狀的灰色關聯度分析[J]. 湖南農業大學學報（自然科學版）， 2007，20（S1）：912-916.

[9] 尹鵬達，趙麗娜，朱文旭，等. 氮磷鉀配施對烤煙農藝性狀和主要化學成分的影響[J]. 核農學報，2012，26（2）：375-379.

[10] 謝小丹，陳順輝，巫升鑫，等. 烤煙新引品種的模糊綜合評判和灰色關聯度分析[J]. 福建農林大學學報（自然科學版），2002，31（2）：160-163.

[11] 吳朝暉，袁隆平，青先國，等. 栽培方式對超級雜交稻生理特性和產量的影響及其灰色關聯度分析[J]. 湖南農業大學學報（自然科學版），2007，33（4）：379-385.

[12] 劉剛，趙桂琴，魏黎明. 基于熵權賦權法的灰色系統理論在燕麥品種綜合評價中的應用[J]. 中國草地學報，2007，29（3）：84-89.

[13] 王軍衛，張改生，劉宏偉，等. 應用灰色系統理論選育優良雜種小麥品種[J]. 西北農林科技大學學報（自然科學版），2004，32（1）：23-26.

[14] 王青，戴思蘭，何晶，等. 灰色關聯法和層次分析法在盆栽多頭小菊株系選擇中的應用[J]. 中國農業科學，2012，45（17）：3653-3660.

[15] 鄧聚龍. 灰色系統基本方法[M]. 武漢：華中科技大學出版社，2005：74-106.

[16] 東亞斌，段志善. 灰色關聯度分辨系數的一種新的確定方法[J]. 西安建筑科技大學學報（自然科學版）， 2008，40（4）：589-592.

[17] 范凱，吳皓瑩. 灰色系統關聯度中一種新的分辨系數確定方法[J]. 武漢理工大學學報，2002，24（7）：86-88.

[18] 王瑞新. 煙草化學[M]. 北京：中國農業出版社，2003：170-174.

[19] 王彥亭，謝劍平，李志宏. 中國煙草種植區劃[M]. 北京：科學出版社，2009：3-4.

[20] 程昌新，王超，楊應明，等. 儲藏醇化措施對烤煙煙包內溫濕度及煙葉品質的影響[J]. 煙草科技，2015，48（2）：16-20.

[21] 顏克亮，武怡，曾曉鷹，等. “三段式”分切煙葉醇化品質差異性比較與分析[J]. 中國煙草科學，2011，32（4）：23-27.

[22] 張志剛，官春云，周世象，等. 幾種分析方法對雜種棉后代綜合評價的比較研究[J]. 湖南農業大學學報（自然科學版），2005，31（1）：7-10.

[23] 呂鋒. 灰色系統關聯度之分辨系數的研究[J]. 系統工程理論與實踐，1997，17（6）：49-54.

[24] 宋志美，劉乃雁，王元英，等. 灰色關聯度法在烤煙品種重要性狀綜合評價中的運用[J]. 中國煙草科學， 2011，32（2）：17-19.

[25] 鄭敏娜，李蔭藩，梁秀芝，等. 晉北地區引種苜蓿品種的灰色關聯度分析與綜合評價[J]. 草地學報，2014，22（3）：631-637.

[26] 劉洪華，龔加利，李發平，等. 灰色關聯度分析在施甸烤煙品種綜合評價中的運用[J]. 江西農業學報， 2013，25（8）：101-103.

[27] 沈笑天，介曉磊，劉國順，等. 河南南陽煙區土壤生態指標的主成分分析[J]. 土壤通報，2008，39（2）：275-281.

[28] 韓小孩，張耀輝，孫福軍，等. 基于主成分分析的指標權重確定方法[J]. 四川兵工學報，2012，33（10）：124-126.

[29] 盧秀萍. 灰色關聯度分析和DTOPSIS法對烤煙新品種評價效果比較[J]. 西南農業學報，2006，19（6）：1014-1018.

[30] 李彥平，李淑君，吳娟霞，等. DTOPSIS法和灰色關聯度法在新引烤煙新品種綜合評價中的應用比較[J]. 中國煙草學報，2012，18（4）：35-40.

[31] 孟祥東，張學杰，趙銘欽，等. 灰色局勢決策在烤煙品種綜合評價中的應用[J]. 中國農業大學學報，2010，15（1）：95-98.

[32] 焦芳嬋，肖炳光，于海芹，等. 烤煙主要農藝性狀與產量的灰色關聯度分析[J]. 湖南農業大學學報（自然科學版），2007，33（5）：564-567.

[33] 鄒學校，戴雄澤，馬艷青，等. 湖南辣椒地方品種資源與湘研辣椒品種選育的灰色關聯分析[J]. 植物遺傳資源學報，2004，5（3）：233-238.

Application of Optimal Resolution Coefficient and Principal Component Analysis in Comprehensive Evaluation of Flue-cured Tobacco Varieties

LI Wei1, WANG Chao1, ZHOU Shaosong2, ZHANG Jing1*

（1. Hongyunhonghe Tobacco(Group) Co., Ltd., Kunming 650231, China; 2. Institute of Agricultural Environment and Resources, Yunnan Academy of Agricultural Sciences, Kunming 650205, China)

To quickly identify the most suitable tobacco varieties in Kunming, 10 characters of 10 flue-cured tobacco varieties were selected as evaluation factors. Optimal resolution coefficients of correlation coefficients were determined and principal component analysis was performed to identify trait weights to establish a comprehensive evaluation system according to the gray system theory. The results showed that the appearance quality score was the most important influence factor in all varieties and the weight was 0.405. The performance of all varieties were in the order of Yunyan100> Yunyan105> PVH2254> Yunyan 116>NCT6>NC196>K326>GL338>NC71>Yunyan 87. Cluster analysis showed that the best alternative varieties of flue-cured tobacco was Yunyan 105, and PVH2254 followed. Yunyan 100 had the highest score of comprehensive evaluation and was the best choice for production characteristics.

the optimal resolution coefficient; principal component analysis; flue-cured tobacco; comprehensive evaluation

S572.03

1007-5119（2017）02-0045-06

10.13496/j.issn.1007-5119.2017.02.008

云南中煙工業有限責任公司科技項目“云煙品牌特色優質原料烤煙新品種篩選及應用研究”（2013YL02），“原料基地煙葉質量維護及提高技術研究”（2016YL05）；紅云紅河煙草（集團）有限責任公司科技項目“提高保山基地煙葉品質的關鍵技術研究及應用”（HYHH2016YL02）

李 偉（1982-），男，農藝師，主要從事煙草生產及煙葉質量評價。E-mail：liweitobacco@126.com。

，E-mail：zhangjing1849@126.com

2016-08-22

2016-12-08