灰色關聯度分析和DTOPSIS法在云南粳稻品種綜合評價中的應用

蔣 聰，劉慰華，楊旭昆，吳志剛，鄒 茜*

(1.云南省農業科學院生物技術與種質資源研究所，云南 昆明 650205； 2.云南省農業科學院糧食作物研究所，云南 昆明 650205；3.云南省農業科學院質量標準與檢測技術研究所，云南 昆明 650205)

【研究意義】云南地貌、氣候復雜，水稻是栽培歷史久、地域廣、耕作水平較高的一種作物。每年由云南省種子管理站認定公布的品種不占少數，要合理運用這些品種，不僅要了解各水稻品種的特性，同時又要具體分析每個地方的自然條件。水稻豐產是環境條件、生物特性和人為努力相互協調的結果，條件好，若品種選用不當，也不能增產。水稻品種的產量與品質涉及到多個數量性狀，受遺傳基因和栽培環境互作影響，目前傳統種質綜合評價方法，多是運用方差、多元回歸、相關等分析方法對產量或多個相關性狀進行評價，由于性狀多，評價信息分散，不便于比較[1-5]。如區域試驗綜合評價結果有效，對推廣潛力的新品種具有重要意義[6-9]。【前人研究進展】綜合評價常用的方法主要有模糊數學法、隸屬函數法、灰色關聯度法、層次分析法、逼近理想解的排序方法(簡稱 DTOPSIS)。20世紀80年代，鄧聚龍教授基于數學統計理論提出并創立了灰色系統這門學科，灰色關聯度屬于灰色系統中的一種方法，它是衡量各因素間關聯程度的一種方法，能較全面且客觀的對各性狀間進行綜合評價。DTOPSIS 法則是近年來被廣泛應用的一種新的綜合評價方法，該方法廣泛應用在多目標決策分析中，其根據理想化目標的接近程度與評價對象的有限個數進行排序，與現有對象進行相對好壞評價[13]。【本研究切入點】實際的育種工作綜合評價中，僅通過某一個性狀的表現，比如產量性狀，對品種進行綜合評價往往會對評價結果造成誤差，以致失去某些具有改良推廣運用潛力的品種(系)，在農作物品種綜合評價中，灰色關聯度分析和DTOPSIS 法被廣泛應用，但應用于水稻品種的綜合評價上目前尚未報道。【擬解決的關鍵問題】為此將灰色關聯度分析融入DTOPSIS 法應用于高原粳稻品種綜合性狀評價中，對13個具有代表性的粳稻品種進行對比，以篩選出綜合性狀優良且適合在云南高海拔地區種植的粳稻種質。

1 材料與方法

1.1 供試材料

13個水稻品種為2016-2017年度參加云南省高海拔常規粳稻區域試驗，云粳46、昆粳10號、云粳16K-5、云粳37號、靖稻6號、靖稻8號、鳳12-17、昭粳13號、麗粳22號、麗粳23號、云資粳47號、師粳8號和鳳稻23號(CK)(表1)。

1.2 試驗設計與方法

試驗種植于2016-2017年種植于云南省尋甸縣(1874 m)、昭陽區(1900 m)、馬龍區(2032 m)、會澤縣(1940 m)、大理市(1984 m)、祥云縣(1940 m)、劍川縣(2200 m)和永勝縣(2240 m)試驗田選擇肥力均勻一致，中等偏上的田塊。采用隨機區組排列，重復3次，安排在同一田上，小區面積統一為13.3 m2，播種、移栽時節及栽植密度、施肥量及田間管理要求以當地最佳節令和方式進行。試驗期間防蟲、不防病，各試點按照云南省水稻品種區域試驗項目與標準方法及標準的要求進行觀察記載。試驗數據采用8個試點的各個性狀的平均值考察13個品種的全生育期、基本苗、最高苗、有效穗、成穗率、株高、穗長、總粒數、實粒數、結實率、千粒重和產量(表1)。

1.3 數據統計與分析方法

首先采用SPSS數據處理系統(17.0版)進行數據標準化處理，然后利用DPS數據處理系統(V7.05版)進行灰色關聯度分析，按照郭瑞林[12]介紹的灰色系統理論獲取各粳稻品種與理想品種(X0)關聯度，按各品種的關聯度大小對各品種的綜合性狀進行排名。運用灰色系統分析法計算各品種的12個性狀的關聯系數，并依據12個性狀的關聯系數利用加權平均法確立各性狀的權重，然后利用DPS數據處理系統(V7.05版)進行DTOPSIS法分析，獲得各粳稻品種對理想值的接近度(Ci值)，按各品種的Ci值大小對各品種的綜合性狀進行排名。

2 結果與分析

2.1 基于灰色關聯度法對云南高原粳稻品種在高海拔地區的適應性評價

2.1.1 云南高原粳稻品種在高海拔地區的田間表現及各性狀權重的確立 從表1可見，產量表現為麗粳23號>云粳46> 麗粳22號>師粳8號>昭粳13號>云粳16K-5>靖稻8號>昆粳10號>鳳稻23號(CK)>鳳12-17>云資粳47號>云粳37號>靖稻6號，超過鳳稻23號(CK)共有8個，說明這8個品種在高海拔地區的適應性較好，具有較高的產量表現。

高海拔地區各粳稻品種12個性狀權重的排序為千粒重>成穗率>株高>全生育期>有效穗>最高苗>基本苗>產量>結實率>實粒數>穗長>總粒數。結果顯示，評價云南高海拔地區推廣種植的高原粳稻常規品種時，其千粒重、成穗率、株高、全生育期所占權重較大，有效穗、最高苗、基本苗和產量所占權重中等，而穗部性狀總粒數、穗長、實粒數和結實率所占權重較小，表明在綜合評價云南高海拔地區推廣種植的高原粳稻常規品種時，除了產量本身，產量構成性狀關鍵是考察千粒重，其次是有效穗和實粒數，而其它性狀關鍵是考察成穗率、株高、全生育期，其次是最高苗、基本苗、總粒數、穗長和結實率等。同時產量及構成產量的千粒重、有效穗和實粒數等4個性狀所占權重為33.92 %，高原粳稻產量和產量構成要素及其它農藝性狀兼顧的同時，產量及與產量相關要素權重均顯略高，符合水稻生產中高產、穩產的實際要求，表明對各性狀權重設置合理，對品種做出的綜合評價是科學合理的。

表1 13個粳稻品種在云南高海拔地區的12個農藝性狀評價

2.1.2 云南高原粳稻品種的灰色關聯度值 從表2可見，粳稻品種按灰色關聯度值排序為云粳46號>麗粳22號>昆粳10號>麗粳23號>昭粳13號>鳳稻23號(CK)>云粳16K-5>師粳8號>靖稻8號>鳳12-17>云粳37號>云資粳47號>靖稻6號，表明評價高原粳稻常規品種在高海拔地區的適應性按灰色關聯度法進行的排序與按品種產量進行的排序既存在重合又存在差異，但整體上排序差異不大，如昭粳13號、鳳12-17和靖稻6號2種評價結果相同；云粳46、麗粳22號、昆粳10號和麗粳23號按灰色關聯度法的排序分別為第1、2、3和4位，而按產量排序分別為第2、3、8和第1位。按灰色關聯度法排序超過鳳稻23號(CK)的品種有云粳46、麗粳22號、昆粳10號、麗粳23號和昭粳13號5個品種，且產量均優于鳳稻23號(CK)。說明這5個品種在云南高海拔地區的適應性較好。

表2 各參試品種灰色關聯度值、DTOPSIS 值和產量位次

續表2 Continued table 2

品種Varieties灰色關聯度法Grey correlative degree analysisDTOPSIS法DTOPSIS田間產量表現Field yield trait關聯度Correlation位次Ranking關聯度差異(%)Difference of relevanceCi值Ci value位次RankingCi值差異(%)Difference of Ci產量(kg/hm2)Yield位次Ranking差量差異(%)Difference of yield麗粳22號(X9)0.6449 22.640.6406 10.0011 385.00 33.39麗粳23號(X10)0.6144 47.250.5439 415.1011 784.38 10.00云資粳47號(X11)0.4554 1231.250.4360 1131.949814.69 1116.71師粳8號(X12)0.5368 818.960.4990 822.1010 924.69 47.30鳳稻23號(CK, X13)0.5619 615.170.4998 621.9810 531.88 910.63

2.2 基于DTOPSIS 法對云南高原粳稻品種在高海拔地區的適應性評價

從表3可見，根據決策矩陣對應數列值，可得正理想解與負理想解，結果為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。最終獲得理想解與13個粳稻品種相對接近度Ci值大小排序見表2，Ci值越大，表明該粳稻品種越接近于理想品種，即在高海拔地區的適應性越好。高海拔地區各粳稻品種與理想品種的Ci值排序為麗粳22號>昭粳13號>云粳46>麗粳23號>靖稻8號>鳳稻23號(CK)>云粳16K-5>師粳8號>昆粳10號>鳳12-17>云資粳47號>云粳37號>靖稻6號。評價高原粳稻常規品種在高海拔地區的適應性按DTOPSIS 法進行的排序與按品種產量排序既重合又有差異，但整體上排序差異不大，如鳳12-17、云資粳47號、云粳37號和靖稻6號2種評價結果相同，均排在第10、11、12和13位；麗粳22號、昭粳13號、云粳46和麗粳23號按DTOPSIS 法排序在第1、2、3和4位，而按產量排序在第3、5、2和1位；按DTOPSIS 法排序超過鳳稻23號(CK)的 有麗粳22號、昭粳13號、云粳46、麗粳23號和靖稻8號5個品種，且產量均優于鳳稻23號(CK)。顯示這5個品種在云南高海拔地區的適應性較好。

表3 DTOPSIS 法決策矩陣R

圖1 云南高原粳稻13個品種按不同方法排名分布情況Fig.1 Distribution of 13 varieties of japonica rice in Yunnan plateau by different methods

2.3 基于灰色關聯度分析與DTOPSIS 法評價結果比較

從圖1可見，對云南高原粳稻進行綜合評價時DTOPSIS法和灰色關聯度法都需通過計算和種與理想品種的接近度，2種方法結果差異只因因計算方法不同導致。

從表2可見，不同粳稻品種在高海拔地區的產量差異較小，其變異系數為7.26 %，最大值與最小值的差為21.04 %，說明不同粳稻品種在高海拔地區的適應性差異較小；灰色關聯度法粳稻品種間的關聯度值差異較大，其變異系數為14.06 %，最大值與最小值差為40.14 %，說明不同粳稻品種在高海拔地區的適應性差異較大；而DTOPSIS法粳稻品種間的Ci值差異最大，其變異系數為20.34 %，最大值與最小值的差為58.45 %，說明不同粳稻品種在高海拔地區的適應性差異最大。從產量數據可以看出，麗粳23號和云粳46號產量分別排名第1和2位是，其小區產量分別為11 784.3和11 648.44 kg/hm2，即差異不大，但灰色關聯度法和DTOPSIS 法的排名云粳46號均優于麗粳23號，表明僅以產量表現來評價麗粳23號和云粳46號在高海拔地區的適應性不夠科學，由此可以看出針對不同粳稻品種的綜合評價，使用DTOPSIS 法結合灰色關聯度法評價比直接依據產量表現綜合評價效果較好，尤其是DTOPSIS 法綜合評價效果最好，相比僅以產量進行品種適應性評價可靠性更強。

3 討 論

陳越等[13]認為，目前國內報道關于稻種資源的評價，多是通過表型多樣性指數對農藝性狀進行的水平分析，而基于農藝性狀表型數據進行綜合評價的研究報道少見。而魏興華等[14]認為，在稻種栽培、推廣的過程中，對稻種進行科學合理的綜合評價是一個必不可少的環節。可是進行綜合評價涉及過參數過多，如果采用方差、新復極差等分析方法對一個或多個經濟性狀進行評判，那么在分析結果不顯著的情況下，很難獲得有效結果，導致良種得不到高效利用。稻種種質綜合評價包括全生育期、基本苗、最高苗、有效穗、成穗率、株高、穗長、總粒數、實粒數、結實率、千粒重和產量，共計12個性狀。利用這12個性狀的關聯系數采用加權平均法確立各性狀的權重。顯示在評價在云南高海拔地區推廣種植的高原粳稻常規品種時，其千粒重、成穗率、株高、全生育期所占權重較大，而穗部性狀總粒數、穗長、實粒數和結實率的所占權重較小，表明綜合評價云南高海拔地區推廣種植的高原粳稻常規品種，除了產量本身，產量構成性狀關鍵要考察千粒重，其次是有效穗和實粒數，而其它性狀關鍵要考察成穗率、株高、全生育期，其次是最高苗、基本苗、總粒數、穗長和結實率等。產量及產量構成因素如千粒重、有效穗和實粒數等4個性狀的所占權重為33.92 %，故而高原粳稻產量及產量構成相關要素權重較高，這些均符合水稻生產實際要求。

用灰色關聯分析法進行種質綜合評價，首先按照稻種的各性狀權重系數得出不同品種的關聯系數，進而獲得與參考品種接近的加權關聯度，最終從中選出最佳品種的，此法操作簡單易行，去除了只用一種或幾種相關性狀高低進行評價的不科學性，將定性描述轉為定量分析，結果表明依據更強，對種質資源進行綜合、全面的評價，最終確定品種優劣，準確地給品種(系)一個合適的定位, 加快了新品種選育的步伐，與丁明亮等[15]、孫憲印等[16]研究結果一致。

采用灰色關聯法聯合DTOPSIS法，對高原粳稻種質綜合性狀進行分析，是將各性狀的相關數據進行無量綱化處理，進一步構建理想品種、設置各性狀的權重，采用不同的計算方法累加各性狀與理想解(理想品種) 的差距，將品種按照該值大小進行排序。用于排序的這個值是將多個信息指標集中為一個，與以往評價方法相比減少了人為的設定因素，使新品種的評價、選育更加客觀和科學，也符合實際生產需要。

4 結 論

根據上述灰色關聯度權重計算結果，利用DTOPSIS 法分析和灰色關聯度進行稻種農藝性狀的綜合評價，在參評的 13 份種質中排序前3 位的種質是麗粳23號、云粳46和麗粳22號，在各性狀上均表現較好，為優良品種選育提供了材料，同時為水稻育種工作者提供更直觀的數據參考。對不同粳稻品種在高海拔地區的綜合評價，使用DTOPSIS 法結合灰色關聯度法評價比直接依據產量表現綜合評價效果較好，尤其是DTOPSIS 法綜合評價效果最好，也為品種選育評價方法提供了新的途徑。