基于熵權的DTOPSIS法和灰色局勢決策法在宜機收玉米品種綜合評價中的應用

夏來坤 齊建雙 谷利敏 穆心愿 馬智艷 丁勇 唐保軍 張鳳啟 張君 趙發欣 張蘭薰

摘要：【目的】綜合評價玉米品種的宜機收性，篩選適宜黃淮海玉米產區的機械收粒玉米新品種，為該區域宜機收玉米品種的選育和推廣提供參考依據。【方法】采用熵值賦權的DTOPSIS法和灰色局勢決策法，對2017—2018年10個新審定和生產上的主栽玉米品種進行綜合評價。【結果】DTOPSIS法計算結果表明，按照10個玉米品種與理想解的相對接近度Ci排序為京農科728>粒收1號>豫單9953>新單68>創玉107>先玉335>迪卡517>華皖267>懷川39>鄭單958，綜合產量和宜機收性狀，京農科728和豫單9953兩個品種表現較好。灰色局勢決策法計算結果表明，各參試品種的加權綜合效果測度值排序為京農科728>粒收1號>豫單9953>先玉335>新單68>創玉107>迪卡517>懷川39>華皖267>鄭單958，結合產量和綜合優勢量化值，同樣是京農科728和豫單9953表現較好。兩種方法中，京農科728、粒收1號、豫單9953、迪卡517和鄭單958等5個品種的排序基本一致，其余5個品種的綜合評價排序稍有不同。【結論】兩種評價方法均能客觀全面評價玉米品種的宜機收性，但灰色局勢決策法分類更準確，計算過程也相對簡單。依據各品種的產量和宜機收性綜合評價10個參試玉米品種，初步篩選出適宜黃淮海玉米產區的高產宜機收品種為京農科728和豫單9953。

關鍵詞： 玉米;機械收粒;熵權;DTOPSIS法;灰色局勢決策法

中圖分類號： S513.091? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標志碼： A 文章編號：2095-1191（2019）09-1953-07

Abstract：【Objective】Comprehensive evaluation of characteristics of mechanical kernel harvest was conducted and new maize cultivar suitable for mechanical kernel harvest in the Huanghuaihai maize planting region was selected. It could provide reference for the selection and promotion of cultivars suitable for mechanical kennel harvest in the region. 【Method】Two evalua-ting methods，DTOPSIS mode and grey situation decision based on entropy were adopted in this paper to comprehensively evaluate 10 newly approved and produced main maize cultivars in 2017–2018. 【Result】DTOPSIS analysis results indicated the rank order of relative approach degree（Ci） of each cultivar was Jingnongke 728>Lishou No.1>Yudan 9953>Xindan 68>Chuangyu 107>Xianyu 335>Dika 517>Huawan 267>Huaichuan 39>Zhengdan 958. Two cultivars Jingnongke 728 and Yudan 9953 performed better in comprehensive yield and suitable traits. Analysis results of grey situation decision method indicated the rank of weighted composite effect value of each cultivars was Jingnongke 728>Lishou No.1>Yudan 9953>Xindan 68>Chuangyu 107>Xianyu 335>Dika 517>Huawan 267>Huaichuan 39>Zhengdan 958. Combined with the quantitative value of yield and comprehensive advantages， the performance of Jingnongke 728 and Yudan 9953 were fine. Among the two methods， the rankings of five cultivars including Jingnongke 728， Lishou No.1， Yudan 9953， Dika 517 and Zhengdan 958 were identical， and the rankings of the other five cultivars were slightly different. 【Conclusion】Both evaluation methods can objectively and comprehensively evaluate characters of mechanical kernel harvest of the maize cultivars， but the gray situation decision method is more accurate and the calculation process is relatively simple. According to the comprehensive evaluation of cultivar yield and suitable traits， the high-yield and suitable harvesting varieties suitable for the Huanghuaihai maize producing region from 10 tested maize cultivars are Jingnongke 728 and Yudan 9953.

Key words： maize; mechanical kernel harvest; entropy; DTOPSIS; grey situation decision

0 引言

【研究意義】隨著我國城市化進程的加快和土地流轉集約化經營的需求，全程機械化是玉米生產發展的必然趨勢。在玉米生產全程機械化過程中，黃淮海玉米主產區由于受小麥/玉米一年兩熟耕作制度的限制，為保證小麥播種時間，玉米從成熟到收獲的時間非常有限，目前生產上許多品種仍達不到機械化粒收的要求。因此，選擇合適的評價指標，采用簡單有效的方法對現有品種的宜機收性狀進行準確評價，并篩選出一批宜機收玉米新品種是當前黃淮海玉米生產的迫切需求。【前人研究進展】玉米品種的宜機收性狀是一個綜合性狀，需要對品種的抗倒性、籽粒脫水速率、機收籽粒破碎率等多個指標進行綜合評價。在不同作物品種的綜合評價中，DTOPSIS法和灰色局勢決策法均是對各性狀指標進行無量綱化處理后再統一度量，能有效克服綜合評價的片面性，全面客觀地評價目標效果，已被廣泛應用于小麥（吳志會等，2005）、玉米（郭永忠等，2007;邵美紅等，2017）、煙草（李彥平等，2012）、水稻（黃秋要等，2017）、甘蔗（楊昆等，2015）、棉花（馬輝等，2015）、大豆（余文遠和李霖超，2015;昝凱等，2018）、番茄（楊禹偉等，2017）、馬鈴薯（宋潔等，2017）、草莓（李文硯等，2018）等各類作物的評價型研究。綜合分析前人的研究結果，發現DTOPSIS法和灰色局勢決策法對品種進行綜合評價較單用產量進行分析更合理。郭永忠等（2007）采用灰色局勢決策方法對16個玉米品種的生物學性狀進行綜合評價，認為灰色局勢決策方法應用于玉米品種綜合評價具有可行性，可多層次地綜合多個目標性狀、客觀、全面地反映每個品種的性狀特征;馬輝等（2015）采用灰色關聯度法和DTOPSIS法綜合分析了4個機采棉品種的10個性狀，結果表明，灰色關聯度法和DTOPSIS法綜合評價結果完全一致，但DTOPSIS法優于灰色關聯度法;昝凱等（2018）采灰色關聯度和DTOPSIS法綜合分析河南區域試驗中大豆新品種（系）的農藝性狀表現，認為DTOPSIS法中品種間綜合性狀的差異表現充分，具有相對更好的評價效果。同時，有學者關注到DTOPSIS法和灰色局勢決策法對品種進行綜合評價時，調查性狀的權重賦值至關重要（李彥平等，2012）。【本研究切入點】傳統的DTOPSIS法和灰色局勢決策法在計算不同指標對目標效果的貢獻時一般是采用等權賦值或根據經驗進行賦值，易因權重賦值不合理導致評價結果不準確。熵權法是一種客觀賦權方法，熵權法的權重計算完全按照指標間數值的離散程度來設置，能有效排除人為干擾因素，使研究結果更加公正有效，但目前利用該方法對玉米品種的宜機收性進行綜合評價的研究較少。【擬解決的關鍵問題】將熵權法引入到傳統的DTOPSIS模型和灰色局勢決策評價體系中，綜合評價黃淮海玉米產區10個玉米品種的宜機收性，同時對兩種評價方法進行比較，篩選適宜該產區種植的宜機收玉米新品種，為黃淮海玉米產區宜機收玉米品種的選育和推廣提供參考依據。

1 材料與方法

1. 1 試驗材料

供試玉米品種共10個（表1），均為2017—2018年國家審定或河南省新審定的玉米品種及生產上的主栽玉米品種。

1. 2 試驗方法

試驗于2018年在河南省原陽現代農業研究示范基地進行。試驗地土壤類型為潮土，地勢平整，排灌設施完善，地力均勻。前茬作物為小麥，小麥收獲后秸稈全部粉碎還田，玉米貼茬播種。隨機區組設計，3次重復，10行區，行長6.67 m，行距0.60 m，小區面積40.00 m2，播種密度75000株/ha， 6月13日播種，10月13日收獲，生產管理同大田。收獲機具為奧地利溫特斯泰格（Wintersteiger）DELTA型號和配套HM800測產系統（Juniper System，inc），割幅為3行。

1. 3 測定項目及方法

各參試品種的性狀指標取3個重復的平均值，測量和調查株高、穗位高、生育期、子粒破碎率、腐粒率、雜質率、生理成熟期水含量、生理成熟后10 d的脫水速率和產量，收獲前取莖稈地上第2～4節，測定第3節的莖粗、莖稈穿刺力、折斷力和壓碎力。收獲時每小區收獲中間6行進行測產和雜質率、破碎率及腐粒率等指標的測定。

1. 3. 1 株高、穗位高、生育期及產量測定 按照NY/T 1290—2006《農作物品種試驗規程》，在玉米乳熟期調查株高和穗位高;臘熟完熟期調查玉米成熟期，計算玉米生育期;產量按照標準水份（14%）折算。

1. 3. 2 脫水速率測定 測定生理成熟后10 d的脫水速率，分別調查每個品種的成熟期，在該品種生理成熟期當天測定一次子粒水含率，第11 d同一時間再測定一次子粒水含率，計算生理成熟后10 d的脫水速率。脫水速率（%/d）=（生理成熟時子粒水含率-第11 d的子粒水含率）/10 d×100

具體子粒水含率的測定方法：每品種每次取3穗，選取每個果穗中部子粒100粒，稱鮮重（W鮮）后放入80 ℃烘箱烘干至恒重，稱干重（W干）。子粒水含率（%）=（W鮮-W干）/W鮮×100。

1. 3. 3 莖粗、莖稈穿刺力、折斷力和壓碎力測定 收獲前1 d每組合的第1行從第3株開始連續取3株莖稈，取第3節間，去除葉鞘后用塑料薄膜包裹好，1 d內測量莖粗并用YYD-1型莖稈強度測定儀測第3節間莖稈穿刺力、折斷力和壓碎力。每個樣品測3次，取其平均值。

1. 3. 4 雜質率、破碎率和腐粒率測定 在收獲時，每個品種均隨機取出子粒樣品約2 kg，稱重（W），手工分揀將其分為子粒和非子粒兩部分，分別稱重子粒（W1）和非子粒（ZW）;再將子粒部分根據子粒的完整性和腐爛與否，將其分為完整非腐子粒、破碎子粒和腐病子粒，分別稱重，破碎子粒計為PW，腐病子粒計為FW。雜質率（%）=ZW/W×100;破碎率（%）=PW/W1×100;腐粒率（%）=FW/W1×100。

1. 4 數據處理與統計分析

采用Excel 2013進行試驗數據的整理和統計分析。各性狀權重計算方法參照任亮等（2019）的評價模型，參試品種數目計為m，性狀指標數目計為n。

（1）原始數據歸一化處理：

（2）各項指標的熵值計算：

ej即為第個j指標的熵值，其中ej不能大于1，lnm必須大于0。

（3）各項指標的權重計算：

αj為第j個指標的權重，gj為第j個指標的差異性系數。

2 結果與分析

2. 1 DTOPSIS法評價結果

2. 1. 1 構建評價矩陣及無量綱化處理 表2為10個參試玉米品種13個指標性狀表現的平均值。 將13個指標分為兩類：（1）逆向指標，包括株高（I1）、穗位高（I2）、生育期（I3）、籽粒破碎率（I4）、腐粒率（I5）、雜質率（I6）和生理成熟期水含量（I7），以10個樣本中最小值為分子，分別除以各樣本該指標的數值;（2）正向指標，包括莖粗（I8）、穿刺力（I9）、折斷力（I10）、壓碎力（I11）、生理成熟后10 d的脫水速率（I12）和產量（I13），以10個樣本中最大值作為分母，分別除以各樣本該指標的數值。無量綱化結果（矩陣Z）見表3。

2. 1. 2 建立決策矩陣R 按照公式（1）～（3）計算各指標的熵值和權重（表4）。指標的熵值越大，表示差異性系數越小;權重越大，在綜合評價中所承載的信息越多。各性狀指標權重（αj）乘以矩陣Z的第j列得到決策矩陣R（表5）。

2. 1. 3 各品種性狀指標的理想解和負理想解 根據決策矩陣R得到13個性狀的正理想解與負理想解，按照表5順序分別為：

2. 1. 4 10個品種理想解的相對接近度 根據公式Ci=S?/（S++S?），計算出10個玉米品種與理想解的相對接近度Ci（表6），Ci越大，表示品種的宜機收性越接近理想目標，其中S+為各品種與理想解的距離，S?為各品種與負理想解的距離。

10個參試玉米品種的Ci排序依次為：京農科728>粒收1號>豫單9953>新單68>創玉107>先玉335>迪卡517>華皖267>懷川39>鄭單958。Ci最大的品種是京農科728，其產量排名第4，表明該品種的宜機收性很好，產量也在中上等水平;Ci排第2名的品種是粒收1號，但其產量排名第9，說明該品種的宜機收性較好，但產量偏低;Ci排第3名的品種是豫單9953，產量排名第1，表明該品種的宜機收性較好，產量也較高。綜合產量和宜機收性性狀，京農科728和豫單9953兩個品種是最適宜黃淮海玉米產區機械收粒的高產玉米品種。

2. 2 灰色局勢決策法評價結果

2. 2. 1 效果測度矩陣的構建 與DTOPSIS法不同，灰色局勢決策法將用于綜合評價的13個指標分為三類：（1）上限效果測度，包括莖粗（I8）、穿刺力（I9）、折斷力（I10）、壓碎力（I11）、生理成熟后10 d的脫水速率（I12）和產量（I13）;（2）下限效果測度，包括株高（I1）、穗位高（I2）、生育期（I3）、籽粒破碎率（I4）、腐粒率（I5）、雜質率（I6）和生理成熟期水含量（I7）;（3）適中效果測度，包括株高（I1）、穗位高（I2）和生育期（I3）。參照郭永忠等（2007）的方法得到效果測度矩陣L（表7）。

2. 2. 2 參試品種綜合優勢值的計算 根據各性狀指標的權重值（表4），帶入公式rij= [j=1nαjLij]（郭永忠等，2007），計算出各參試品種的加權綜合效果測度值，即為各品種的綜合優勢量化值rij（表8）。結果表明：各參試品種的加權綜合效果測度值排序為京農科728>粒收1號>豫單9953>先玉335>新單68>創玉107>迪卡517>懷川39>華皖267>鄭單958。結合產量和綜合優勢量化值，在10個參試品種中篩選出最適宜黃淮海玉米產區的高產宜機收籽粒品種同樣是京農科728和豫單9953。

3 討論

本研究采用熵權法計算出13個測試性狀對目標性狀的貢獻權重系數，分別代入DTOPSIS法和灰色局勢決策法兩種評價模型中，結果表明：兩種方法的評價結果排名不完全一致，其中京農科728、粒收1號、豫單9953、迪卡517和鄭單958等5個品種的排序基本一致，其余5個品種的排序存在差異，但兩種評價方法在10個參試品種中篩選出的最適宜機收品種均為京農科728和豫單9953，綜合評價結果基本一致。DTOPSIS法和灰色局勢決策法的共同點在于均是對各性狀指標進行無量鋼化處理后再統一度量，不同點是DTOPSIS法對評價指標的分類只有正向和逆向兩類，而灰色局勢決策法則分為上限、下限和適中三類效果指標，分類相對更準確。對比兩種評價方法，發現綜合評價值（Ci和rij）分散程度相差不明顯，品種評價排序差異也較小，但灰色局勢決策法的計算過程更簡單，與左安建等（2014）在卷煙質量綜合評價中的研究結果一致。

按照GB/T 21962—2008《玉米收獲機械技術條件》規定，機收玉米應達到子粒破碎率≤5%、雜質率≤3%。本研究的10個參試品種中，僅鄭單958的子粒破碎率大于5%，其余9個品種均小于5%，平均破碎率2.7%;子粒雜質率均遠小于3%，低于GB/T 21962—2008的相關規定，也低于李少昆（2017）關于我國玉米機械粒收質量的研究結果，其原因可能與試驗材料收獲時間及收獲機械性能有關。本研究中各品種均在生理成熟后10 d左右收獲，即比正常收獲時間晚10 d左右，籽粒水含率較低，因此，破碎率較低，與柳楓賀等（2013）、謝瑞芝等（2014）和李少昆（2017）的研究結果一致;同時，本研究使用的收獲機具為奧地利溫特斯泰格（Wintersteiger）DELTA型號和配套HM800測產系統，機械性能較好，而李少昆（2017）的研究中使用的是多種國產福田雷沃谷神GE60系列、花田玉溪、博遠等機型和進口機械（凱斯CASS-6088、John Deere系列JD-3518與JD-3316）。本課題組在其他試驗中也發現，同時播種、同時收獲的同一個玉米品種，采用不同的收獲機械進行收粒時，子粒的破碎率和雜質率差異明顯。因此，在評價玉米品種的宜機收性時也應充分考慮收獲機械的性能水平。

通過審定的玉米品種，均有其優勢存在，對玉米品種的評價僅是針對品種在不同生態區的適應性、品質或宜機收性等某一特性進行。因此，對品種的評價準確與否，前提是能否準確選擇評價指標，在此基礎上選擇合適有效的評價方法才能準確篩選出最符合目標的品種。本研究中選擇的性狀指標，主要從玉米的抗倒伏能力、機收質量、產量和脫水性等方面考慮，這些指標是黃淮海夏玉米籽粒機收的主要性狀指標，具有較強代表性，采用熵值賦權的DTOPSIS法和灰色局勢決策法也能較全面客觀地對玉米品種的宜機收性進行綜合評價。因此，本研究初步篩選出的宜機收玉米品種對黃淮海玉米產區生產上選擇、種植推廣該類品種具有一定參考價值，但其結果尚需進行多年多點重復試驗予以驗證。

4 結論

DTOPSIS法和灰色局勢決策法兩種評價方法均能客觀全面評價玉米品種的宜機收性，但灰色局勢決策法分類更準確，計算過程也相對簡單。依據品種產量和宜機收性綜合評價，從10個參試玉米品種中初步篩選出適宜黃淮海玉米產區的高產宜機收品種為京農科728和豫單9953，可進入下一年的多點篩選試驗。

參考文獻：

郭永忠，楊彩霞，鄒軍，劉華. 2007. 灰色局勢決策在玉米品種綜合評價中的應用[J]. 西北農業學報，16（4）：92-95. [Guo Y Z，Yang C X，Zou J，Liu H. 2007. The application of gray situation decision method in comprehensive evaluation of corn varieties[J]. Acta Agriculturae Boreali-Occidentalis Sinica，16（4）：92-95.]

黃秋要，羅芳媚，梁忠明. 2017. DTOPSIS法綜合評價水稻新品種[J]. 現代農業科技，（3）：39-41. [Huang Q Y，Luo F M，Liang Z M. 2017. Comprehensive evaluation of new rice varieties by DTOPSIS method[J]. Modern Agricultural Science and Technology，（3）：39-41.]

李少昆. 2017. 我國玉米機械粒收質量影響因素及粒收技術的發展方向[J]. 石河子大學學報（自然科學版），35（3）：265-272. [Li S K. 2017. Factors affecting the quality of maize grain mechanical harvest and the development trend of grain harvest technology[J]. Journal of Shihezi University（Natural Science），35（3）：265-272.]

李文硯，韋優，孔方南，羅培四，趙靜，黃麗君，蔣娟娟，卓福昌，周婧. 2018. DTOPSIS法在草莓品種綜合評價中的應用研究[J]. 植物生理學報，54（5）：925-930. [Li W Y，Wei Y，Kong F N，Luo P S，Zhao J，Huang L J，Jiang J J，Zhuo F C，Zhou J. 2018. Study on comprehensive evaluation of strawberry varieties by DTOPSIS method[J]. Plant Physiology Journal，54（5）：925-930.]

李彥平，李淑君，吳娟霞，孟智勇，郭芳陽. 2012. 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，18（4）：35-40. [Li Y P，Li S J，Wu J X，Meng Z Y，Guo F Y. 2012. Application of DTOPSIS and grey relational analysis in evaluating newly introduced flue-cured tobacco varieties[J]. Acta Tabacaria Sinica，18（4）：35-40.]

柳楓賀，王克如，李健，王喜梅，孫亞玲，陳永生，王玉華，韓冬生，李少昆. 2013. 影響玉米機械收粒質量因素的分析[J]. 作物雜志，（4）：116-119. [Liu F H，Wang K R，Li J，Wang X M，Sun Y L，Chen Y S，Wang Y H，Han D S，Li S K. 2013. Analyses effected factors on quality of harvesting maize grain with combine machine[J]. Crops，（4）：116-119.]

馬輝，戴路，劉燕. 2015. 灰色關聯度法和DTOPSIS法在機采棉品種綜合評價中的應用[J]. 中國棉花，42（6）：27-29. [Ma H，Dai L，Liu Y. 2015. Application and comparison of gray relational analysis and DTOPSIS method in the comprehensive evaluation of machine picking-up cotton varieties[J]. China Cotton，42（6）：27-29.]

任亮，張海濤，魏明珠，李題印. 2019. 基于熵權 TOPSIS 模型的智慧城市發展水平評價研究[J]. 情報理論與實踐.doi：10.16353/j.cnki.1000-7490.2019.07.020. [Ren L，Zhang H T，Wei M Z，Li T Y. 2019. Research on the evaluation of development level of smart city based on entropy TOPSIS Model[J]. Information Studies：Theory & Application.doi：10.16353/j.cnki.1000-7490.2019.07. 020.]

邵美紅，程楚，程思明，韓海亮，黃惠芳，趙福成. 2017. 運用DTOPSIS法對鮮食甜玉米新品種在浙西北地區適應性的綜合評價[J]. 江西農業學報，29（6）：25-28. [Shao M H，Cheng C，Cheng S M，Han H L，Huang H F，Zhao F C. 2017. Comprehensive evaluation of adaptability of fresh sweet maize varieties in northwest Zhejiang Province by DTOPSIS method[J]. Journal of Jiangxi Agriculture，29（6）：25-28.]

宋潔，李婉琳，郭華春. 2017. DTOPSIS法評價44份CIP引進馬鈴薯新品系的適應性[J]. 中國馬鈴薯，31（4）：193-200. [Song J，Li W L，Guo H C. 2017. Evaluation of adaptabi-lity of 44 new potato varieties introduced by CIP by DTOPSIS method[J]. Chinese Potato，31（4）：193-200.]

吳志會，白玉龍，董玉武，王淑芳. 2005. DTOPSIS法綜合評價冀中北冬小麥新品種的初步研究[J]. 麥類作物學報，（6）：108-111. [Wu Z H，Bai Y L，Dong Y W，Wang S F. 2005. Preliminary study on comprehensive evaluation of new winter wheat varieties in central and northern Hebei by DTOPSIS method[J]. Journal of Wheat Crops，（6）：108-111.]

謝瑞芝，王克如，郭銀巧，柴宗文，侯鵬，李少昆. 2014. 黃淮海夏玉米子粒機械收獲研究初報[J]. 作物雜志，159（2）：76-79. [Xie R Z，Wang K R，Guo Y Q，Chai Z W，Hou P，Li S K. 2014. Research on corn mechanically harves-ting grain quality in Huanghuaihai Plain[J]. Crops，159（2）：76-79.]

楊昆，吳才文，覃偉，趙培方，劉家勇，蔡青. 2015. DTOPSIS 法和灰色關聯度法在甘蔗新品種綜合評價中的應用比較[J]. 西南農業學報，28（4）：1542-1547. [Yang K，Wu C W，Qin W，Zhao P F，Liu J Y，Cai Q. 2015. Comparison of comprehensive evaluation sugarcane new varieties with DTOPSIS and grey related degree[J]. Southwest China Journal of Agricultural Sciences，28（4）：1542-1547.]

楊禹偉，陳華，姜波，左惠文. 2017. 一種加工番茄品質的多性狀評價方法[J]. 中國農業大學學報，22（3）：131-137. [Yang Y W，Chen H，Jiang B，Zuo H W. 2017. A multi-character evaluation method for processing tomato quality[J]. Journal of China Agricultural University，22（3）：131-137.]

余文遠，李霖超. 2015. 運用灰色局勢決策法綜合評價鮮食大豆新品系[J]. 湖南農業科學，（10）：26-28. [Yu W Y，Li L C. 2015. Evaluation of new vegetable soybean varieties with gray situation decision method[J]. Journal of Hunan Agricultural Science，（10）：26-28.]

昝凱，周青，張志民，鄭麗敏，王鳳菊，陳亞光，李明軍，徐淑霞. 2018. 灰色關聯度和DTOPSIS法綜合分析河南區域試驗中大豆新品種（系）的農藝性狀表現[J]. 大豆科學，37（5）：664-671. [Zan K，Zhou Q，Zhang Z M，Zheng L M，Wang F J，Chen Y G，Li M J，Xu S X. 2018. Grey correlation degree and DTOPSIS method comprehensive analysis of soybean varieties（or lines） in Henan Province regional test of agronomic traits performance[J]. Journal of Soybean Science，37 （5）：664-671.]

左安建，王玉勝，李旭華，金保鋒，葉為民，扈強，梁榮. 2014. DTOPSIS法和灰色局勢決策在卷煙質量綜合評價中的應用[J]. 安徽農業科學，42（19）：6385-6386. [Zuo A J，Wang Y S，Li X H，Jin B F，Ye W M，Hu Q，Liang R. 2014. Application of the DTOPSIS and grey situation decision in comprehensive evaluation of cigarette quality[J]. Journal of Anhui Agricultural Sciences，42（19）：6385-6386.]

（責任編輯 王 暉）