2009—2019年安徽中秈稻米品質綜合評價及關鍵影響因子分析

阮新民, 施伏芝, 從夕漢, 杜弘楊, 占新春,王元壘, 夏加發, 羅志祥

(安徽省農業科學院水稻研究所， 合肥 230031)

隨著人們生活水平和消費水平的提高，稻米品質日益成為育種者與市場關注的焦點。稻米品質一般包括加工品質、外觀品質、蒸煮品質以及營養品質等，在發達國家還包括米粉粘度和米飯質地[1]。稻米品質與基因型、生長環境等因素密切相關[2-4]。評價標準反映了消費者對稻米品質的需求[5]，我國食用稻品質標準也進行了多次修訂?？茖W準確地對稻米品質等級進行綜合評價顯得尤為重要[6]。稻米品質等級綜合評價不僅影響稻米的市場價格，而且為品質育種、栽培管理以及氣候變化對稻米品質的影響提供參考依據[6]。

目前，農業農村部(原農業部)行業標準對稻米品質評價主要采用分級制，分為一等、二等、三等和普通4個等級[7]。評價指標有糙米率、整精米率、堊白度、透明度、感官評價、堿消值、膠稠度和直鏈淀粉含量。判定基于品質指標全部符合相應水稻等級要求的最低等級。由于綜合評價采用的是最低等級判定，沒有綜合考慮其他指標值，這為稻米品質及其影響因素分析帶來不便。關于稻米品質綜合評價已經做了很多有益探索。鮑根良[8]采用評分法對稻米品質綜合性狀進行評價。楊政水[9]采用灰色米質指數進行綜合評判。吳文珊等[10]和鄭海英等[11]用模糊數學方法進行綜合評判。傅愛軍等[12-13]利用模糊數學中隸屬函數的等差指數法和稻米綜合指數進行評定。以上方法均存在人為設定指標權重導致客觀性較差的缺點。近年來也有研究運用投影尋蹤分類(projection pursuit clustering，PPC)模型對稻米品質進行綜合評價[14-15]。投影尋蹤分類模型是一種處理多因素復雜問題的統計方法，其基本思路是將高維數據向低維空間進行投影，通過低維投影數據的散布結構來研究高維數據特征。根據樣本資料自身的特性，在整個操作過程中不受主觀因素影響，具有直觀和可操作性強的優點[16-17]。安徽地處南北氣候過渡帶，以種植秈型雜交水稻為主，過去一直以提高水稻產量為主要任務目標，但隨著社會經濟發展以及產業結構的調整，高品質稻米愈來愈受市場青睞。因此，本研究參照現行農業農村部食用稻品種品質最新標準，利用投影尋蹤法構建稻米品質綜合評價投影尋蹤函數模型，并利用該函數模型分析近10年來安徽中秈稻綜合品質變化趨勢并確定其主要影響因子，對水稻品種品質評價及高品質育種策略等具有指導意義。

1 材料與方法

1.1 數據來源

品質性狀數據來源于2009—2019參加安徽省中秈區域試驗水稻新組合。品質指標包括糙米率、整精米率、 堊白粒率、堊白度、 透明度、堿消值、糊化溫度、直鏈淀粉含量等。由于品質除受遺傳因素影響外，還受氣候與栽培因素的影響，為消除年季間環境條件對品質影響，本文采用參試組合與對照品種(Ⅱ優838)品質性狀數據的比值進行分析。

1.2 基于投影尋蹤分類模型的稻米品質綜合評價方法

1.2.1評價指標集歸一化處理為了消除品質指標之間的量綱影響，對數據進行歸一化處理。

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個品質指標的最大值與最小值。n和p分別表示參試水稻組合數和稻米品質指標數，xmax(j)和xmin(j)表示第j個品質指標的最大值與最小值。

1.2.2構造投影目標函數Q(a)將p維數據[x(i,j)|j=1,……,p]綜合為以長度向量a=[a(1),a(2),...,a(p)]為投影方向的一維投影值z(i)。

(2)

投影指標函數如下。

(3)

1.2.4建立投影尋蹤稻米品質綜合評價函數模型參考農業行業標準《食用稻品種品質NY/T593—2013》[7]將中秈型稻米劃分為5個等級(表1)，并增加對外觀品質有較大影響的堊白粒率指標。根據表1分級標準，在各等級取值范圍內均勻隨機產生各20樣本x*(i,j)，第i個樣品投影值z*與水稻樣品品質等級值的散點圖，通過一元多項式線性回歸擬合建立的相應評價函數模型。

表1 中秈品種品質等級標準

1.3 數據統計

數據處理在WPS2019中進行，方差分析與投影尋蹤模型采用DPS18.1，作圖軟件采用sigmaplot12.5。

2 結果與分析

2.1 綜合評價函數分析

根據表1分級標準，并根據中秈型水稻品種實際檢測值將范圍取值分別設為糙米率75.0%～87.0%，整精米率40.0%～75.0%，堊白粒率0%～70%，堊白度0%～15.0%，透明度20%～90%，堿消值4.0～7.0，膠稠度40～90 mm，直鏈淀粉含量13.0%～26.0%，隨機產生樣本x*(i,j)與對應的品質等級一起組成樣本系列，得到最大投影指標函數值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)。將a*代入式(2)后即得各樣本投影值z*(i)。利用最佳投影值z*(i) 與稻米品質等級值散點圖進行回歸模型擬合(圖1)，建立投影尋蹤稻米品質綜合評價函數模型y=0.310 6x3-1.392 2x2-0.167 6x+5.162 8,R2=0.989 1**。稻米品質標準等級值y(i)與模型擬合值y*(i)平均絕對誤差為0.110 1，平均相對誤差為5.43%，模型模擬精度較高，稻米品質綜合評價函數模型可以用于稻米品質綜合評價。

注：*表示線性擬合方程在P<0.05水平差異顯著。

2.2 2009—2019年安徽省中秈稻綜合品質變化趨勢

圖2顯示，2009—2019年稻米綜合品質投影值z*(i)呈顯著上升趨勢，回歸方程為y=1.105 9+0.212 1x,R2=0.825 8*。表明安徽中秈新組合稻米綜合品質整體呈上升趨勢。從參試組合各年實際檢測的3級以上優質米所占比例來看(圖3)，與投影尋蹤模型綜合評價分析結果基本一致，稻米品質整體呈上升趨勢，但年季間變幅較大，安徽水稻育種向優質化方向發展。

注：箱式圖橫線從下至上依次為最小值、下四分位數、中位數、上四分位數和最大值,除異常值外的；“●”表示異常值。不同小寫字母表示不同年份平均值在P<0.05水平差異顯著， *表示線性擬合方程在P<0.05水平差異顯著。

圖3 參試中秈組合3級以上優質米占參試組合數比例

2.3 基于投影尋蹤模型的安徽中秈型品質影響因子分析

2.3.1加工品質變化趨勢對參試組合的加工品質的分析(圖4)表明，糙米率與精米率近10年來比值在1.0左右，說明與對照品種Ⅱ優838的糙米率與精米率相比無明顯優勢。整精米率隨時間推移呈顯著線性上升趨勢，回歸方程為y=44.30+0.022 5x,R2=0.426 9*，說明通過品種改良整精米率取得顯著進步。

注：箱式圖橫線從下至上依次為最小值、下四分位數、中位數、上四分位數和最大值,除異常值外的；“●”表示異常值。不同小寫字母表示不同年份平均值在P<0.05水平差異顯著， *表示線性擬合方程在P<0.05水平差異顯著。

2.3.2外觀品質變趨勢對參試組合外觀品質的分析(圖5)表明，堊白粒率與堊白度2009—2019年呈顯著線性減少趨勢，回歸方程分別為y=102.59-0.050 7x,R2=0.652 3*,y=96.51-0.047 7x,R2=0.703 1,且相對值均小于1.0，說明與對照品種Ⅱ優838的堊白粒率與堊白度相比優勢明顯，近10年來安徽中秈型品種在堊白粒率與堊白度的改良上取得長足進步。透明度無顯著變化，可能由于對照品種Ⅱ優838本身透明度較高，在分析的年份中II優838品質達到2級以上透明度的有8年，占88%。

注：箱式圖橫線從下至上依次為最小值、下四分位數、中位數、上四分位數和最大值,除異常值外的；“●”表示異常值。不同小寫字母表示不同年份平均值在P<0.05水平差異顯著， *表示線性擬合方程在P<0.05水平差異顯著。

2.3.3蒸煮品質變趨勢對參試組合蒸煮品質的分析(圖6)表明，蒸煮品質均無顯著變化。其中堿消值與對照品種Ⅱ優838值相近，歷年來Ⅱ優838平均堿消值為6.05，達到了1級標準，而膠稠度明顯高于對照Ⅱ優838，平均是其1.3倍左右，達到69.3 mm，達1級標準。直鏈淀粉含量較對照Ⅱ優838含量明顯低，是其0.8倍左右，平均為16.8%，達到1級標準。由此可以看出安徽中秈大多數品種在蒸煮品質上具有一定優勢。

注：箱式圖橫線從下至上依次為最小值、下四分位數、中位數、上四分位數和最大值,除異常值外的；“●”表示異常值。不同小寫字母表示不同年份平均值在P<0.05水平差異顯著。

2.3.4品質影響因子對稻米綜合評價貢獻投影尋蹤模型中, 最佳投影方向各分量反映了各評價指標對稻米品質的影響程度，值越大則對應的評價指標對品質的影響程度越大[18]。從圖7中可以看出，影響安徽中秈型水稻品種綜合品質指標主要是堊白粒率、堊白度和直鏈淀粉含量，2009—2019年平均貢獻率分別為33.8%、31.4%、26.45%。堊白粒率、堊白度兩項指標在綜合品質中占到65.2%，說明安徽中秈型水稻品種外觀品質對綜合品質具有重要影響。

圖7 參試水稻組合品質影響指標的最優投影方向

3 討論

基于投影尋蹤法的稻米品質綜合評價模型直接以原始數據為基礎，不依賴于人為的等級判別標準，克服了一般評價方法中權值存在較大主觀性的問題[19]。該模型將高維的指標數據轉化到低維，不需要模型假定，也不需要滿足正態分布，可以準確、穩定、定量解決多指標非線性問題[20]，實現了多層次、多角度的稻米品質綜合評價。本研究結果表明，該模型稻米品質綜合評價投影值的變化規律與實際檢測到的3級以上優質米所占比例的變化趨勢一致，說明利用投影值對稻米進行綜合評價是可行的，利用投影尋蹤中秈稻米品質綜合評價函數可以更精確進行等級劃分，也可以用于研究氣候變化對稻米品質影響，以及品質育種材料綜合品質評價。

2009—2019年安徽省中秈稻綜合品質整體朝優質化方向發展，投影尋蹤模型綜合分析表明稻米品質逐漸提高，且年季間差異顯著。參試組合各年實際檢測的3級以上優質米所占比例變化趨勢也反映了這一特征。另外，通過審定品種的米質也證實了這一規律，2009—2019年安徽審定中秈型水稻品種共計218個，其中1級優質米品種13個，2級優質米品種53個，3級優質米品種115個(米質以最優年份計)。根據投影尋蹤模型最佳投影方向分析，影響安徽中秈型水稻品種綜合品質指標主要是堊白粒率、堊白度和直鏈淀粉含量，這一結果與孔令娟等[21]結果相一致。本研究結果還表明，近年來，安徽中秈型水稻育種在整精米率、堊白粒率、堊白度上的顯著進步，促進了綜合品質的進一步提升。王守海等[22]1986年安徽省稻米品質調查中秈類型數據對比中能反映出這一特征。2019年安徽中秈參試品種整精米率平均為65.4%，堊白粒率平均為11.81%，直鏈淀粉含量為17.4%，膠稠度平均為76.88 mm，堿消值平均為5.6，與1986年數據相比整精米率、膠稠度、堿消值分別提高45.0%、113.6%、40.0%；堊白粒率、直鏈淀粉含量分別降低82.6%、34.1%。究其原因，可能與近年來親本材料大量應用南方優質耐高溫的優良親本有關。提高整精米率，降低堊白粒率和堊白度將仍然是安徽未來品質育種的主攻方向，另外值得注意是堿消值，盡管參試組合平均值為6.05級，達1級標準，但整體呈現下降趨勢，且近3年的平均值均低于6.0級。稻米品質綜合評價結果表明，2009—2019年安徽省中秈稻綜合品質整體朝優質化方向發展，尤其在整精米率、堊白粒率、堊白度上的顯著進步，促進了綜合品質的提升。影響安徽中秈型水稻品種綜合品質指標主要是堊白粒率、堊白度和直鏈淀粉含量，貢獻率分別為33.8%、31.4%、26.45%。提高整精米率，降低堊白粒率和堊白度將仍然是安徽未來品質育種的主攻方向，另外，注意堿消值性狀的改良。

[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] 從夕漢，施伏芝，阮新民，等. 氮肥水平對不同基因型水稻氮素利用率、產量和品質的影響[J].應用生態學報,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] 王在滿，羅錫文，陳雄飛，等.水稻機械化穴播技術對稻米品質的影響[J].農業工程學報,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,陳能,朱智偉,等. 食用稻品種品質：NY/T593—2013[S].北京：中國農業出版社，2013.

[8] 鮑根良. 采用評分法對粳稻品種(品系)綜合性狀評價的探討[J].浙江農業學報,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] 楊政水.灰色米質指數及其在稻米質量評判中的應用[J].農業工程學報,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] 吳文珊，伊麗萍，鄭海英，等.秈稻品質的模糊綜合評判[J].江西農業學報,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] 鄭海英，劉亮，上官從輝，等.運用模糊數學方法對粳稻品質進行綜合評判[J].福建熱作科技,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] 傅愛軍.稻米品質的模糊模型綜合評定[J].湖南農業科學,1988(1):18-21.

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

[13] 傅愛軍，王暉，陳躍進.關于綜合米質指數的研究[J].中國農業科學,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] 紀澍琴，李亞軍，關法春，等.基于遺傳算法的稻米品質質量等級評價[J].數學的實踐與認識,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] 王業成，雷溥，權龍哲，等.基于投影尋蹤法的稻米品質綜合評價[J].東北農業大學學報,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] 顧志榮，張亞亞，王亞麗，等.基于投影尋蹤模型評價當歸藥材質量[J].中成藥,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.基于投影尋蹤模型的甘藍型油菜產量因素評價[J].中國生態農業學報,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，汪新國，楊惠成.安徽省稻米品質現狀與發展技術策略[J].中國稻米,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，李澤宮，吳李君.安徽省稻米品質調查[J].安徽農業科學,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.