基于灰色關聯度分析和DTOPSIS法對皖北水稻品種的綜合評價

葉全洲 梁振偉 劉大存

摘要 ［目的］為篩選出適應皖北地區種植的水稻品種，同時為水稻新品種的育種、精準定位推廣提供依據。［方法］以17個水稻品種的21個性狀為試驗材料，采用基于灰色關聯度分析法和DTOPSIS法對水稻品種的適應性進行全面的綜合評價，分析比較品種間的差異。［結果］灰色關聯度分析法和DTOPSIS法都能對水稻新品種進行較全面綜合評價，準確反映品種的優劣。2種方法的綜合評價結果存在差異。在賦予相同權重的情況下，灰色關聯度分析結果顯示，參試水稻品種與理想品種之間的關聯度εt（k）值的最大差異率為26.7%；DTOPSIS法分析結果顯示，參試品種與理想解的相對接近度Gi值，其最大差異率為70.0%。最大差異率從大到小依次為 Gi值、εt（k）值、 產量差異。DTOPSIS法更能體現品種間的差異和反映品種優劣，較灰色關聯度分析法更適合用于水稻新品種的綜合評價。［結論］韻兩優絲苗、贊兩優570、悅兩優2646和韻兩優332這4個優良品種在皖北適應性、穩定性、豐產性和抗病性均較好，可進一步試驗、示范及推廣。DTOPSIS法是綜合評價皖北新水稻品種優劣的好方法。

關鍵詞 水稻；灰色關聯度分析；DTOPSIS法；綜合評價

中圖分類號 S-3 ??文獻標識碼 A

文章編號 0517-6611（2024）12-0034-08

doi：10.3969/j.issn.0517-6611.2024.12.008

Comprehensive Evaluation of Rice Varieties in Northern Anhui Based on Grey Correlation Analysis and DTOPSIS Method

YE Quan-zhou1，LIANG Zhen-wei2，LIU Da-cun2

（1.Shenzhen Wugu Network Technology Co.，Ltd.，Shenzhen，Guangdong 518055;2.Shenzhen Fengnong Digital Intelligence Agricultural Technology Co.，Ltd.，Shenzhen ，Guangdong 518055）

Abstract ［Objective］ To select rice varieties suitable for planting in northern Anhui，and? to provide a basis for breeding， precise positioning and promotion of new rice varieties.［Method］ Two methods of grey correlation analysis and DTOPSIS were applied to comprehensively evaluate the adaptability of 17 rice varieties including 21 characters.The differences among varieties were analyzed and compared.［Result］ The gray correlation analysis method and DTOPSIS method could make comprehensively and integrative evaluations of new rice varieties and accurately reflect their advantages and disadvantages of varieties.And the results of the two methods differed.Under the case of giving the same weights，the results of the gray correlation analysis showed that the correlation coefficient εt （k） differed among the participating rice varieties and the ideal variety，and its maximum difference rate was 26.7%.The results of DTOPSIS method analysis showed that the relative proximity factor Gi differed among the participating rice varieties and the ideal variety，and its maximum difference rate was 70.0%.The maximum difference rate was in the order of Gi > εt（k） > yield difference.It indicated that the DTOPSIS method could reflect the differences among varieties and reflect the advantages and disadvantages，and was more suitable for the comprehensive evaluation of new rice varieties，comparing to the gray correlation analysis.［Conclusion］The four excellent rice varieties of Yunliangyousimiao，Zanliangyou 570，Yueliangyou 2646 and Yunliangyou 332 had better adaptability，stability，yield and disease resistance in northern Anhui.And these four varieties could be considered for further test，demonstration and promotion.The DTOPSIS method was a reasonable method to comprehensively evaluate the advantages and disadvantages of new rice varieties in northern Anhui.

Key words Rice;Grey correlation analysis;DTOPSIS method;Comprehensive evaluation

基金項目 廣東省現代農業產業園項目（GDSCYY2022-046）；深圳市科技計劃項目（CJGJZD20210408092401004）。

作者簡介 葉全洲（1968—），男，湖北襄陽人，中級工程師，從事作物栽培學和數字農業研究。

收稿日期 2023-08-15

水稻（Oryza sativa L.）是我國的主要糧食作物之一。我國約有2/3的人口以大米為主食，常年稻谷消費總量保持在2億t左右。 水稻在保障我國糧食安全中起著至關重要的作用［1］。安徽省地處暖溫帶與亞熱帶的過渡地帶，依據地理位置、光溫水土資源、 耕作制度、品種類型及生產條件等狀況，其水稻種植區域可劃分為5個稻作區，包括沿江雙、單季稻作區，江淮丘陵單、雙季稻過渡區，沿淮淮北單季稻作區，大別山地單、雙季稻作區和皖南山地單、雙季稻作區；南北過渡地帶的地理位置和多樣性的生態條件，形成了安徽省水稻品種的多樣性 ［2］。生態環境多樣性和復雜的氣候條件增加了育種和種植的風險，因此對新品種進行綜合評價很有必要。近年來，各地審定公布的水稻品種不斷增加，為了更合理地應用新品種，達到豐產、穩產的目的，同時降低種植的風險，種植者需要全面了解品種特性、耕作環境條件及方法才能發揮種子的最大效益。水稻品種評價取決于多種性狀的表現，如何準確客觀對水稻品種進行評價就顯得尤為重要，這也是現代育種的一個重要環節［3］。國內外綜合評價方法大致可分為定性評價、定量評價和組合評價三大類，多種評價方法使用能夠取長補短，增強評價結果的穩健性［4-6］ 。品種評價應用較多的方法有隸屬函數法、主成分分析法、聚類分析法、同異分析法和相關性分析法等［7-11］，這些評價方法已應用于甜菜、小麥、大豆、棉花、水稻、花生、玉米、油菜、煙草、葡萄等作物［12-21］。DTOPSIS 法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對評價對象的有限個數進行排序，對現有對象進行相對好壞評價［22］。實際育種工作中大多數是通過基于方差分析等方法，對產量這個單一性狀進行評價，存在結果誤差大，不能公平客觀評價品種的真實情況，導致誤判，一些優良的品種得不到應用及推廣。安徽五河生態環境多樣，氣候條件復雜，生態環境差異明顯，對水稻品種適應性要求更高，規避引種風險，對品種進行全面評價很有必要。灰色關聯度分析和DTOPSIS 法雖然被廣泛應用，但實際應用于皖北水稻品種綜合評價上卻很少報道。鑒于此，筆者將灰色關聯度分析融入 DTOPSIS 法并應用于皖北水稻品種綜合評價中，對17個具有代表性的水稻品種分析對比，篩選出綜合性狀優良且適應在皖北地區種植的水稻種質資源。

1 材料與方法

1.1 試驗地概況 試驗于2022年在安徽省蚌埠市五河縣五河鎮大于村進行，試驗地地勢平坦，排灌方便，土質為壤土，肥力中等，前茬為空閑田。

1.2 試驗材料

參試水稻品種選用韻兩優128、亮兩優534等17個中稻品種，其中徽兩優898為對照品種，參試品種均購買自湖南隆平種業有限公司（表1）。

1.3 試驗方法

試材種植管理統一按照NY/T 1300—2007《農作物品種區域試驗技術規范 水稻》［23］執行。5月11日播種，薄膜濕潤育秧，6月11日移栽，每小區面積13.3 m2，四周設保護行，栽植株行距為16.6 cm×29.9 cm ，田間管理同常規大田。

水稻品種性狀調查按照韓龍植等［24］報道的方法進行，分別于苗期、分蘗期、成熟期進行田間觀察測量，記錄每個品種的基本苗數、有效穗數、生育期、株高、倒伏程度、抗病性、產量、成熟期。每小區取10株有代表性植株進行室內考種，記錄每穗粒數、結實率、穗長和千粒重，計算各小區產量，數據重復3次取平均值。

米質等級按照NY/T 83—2017《米質測定方法》執行［25］。整精米率按照NY/T 593—2013《食用稻品種測定方法》執行［26］。堊白粒率、堊白度按照NY/T 2334—2013《稻米整精米率、粒型、堊白粒率、堊白度及透明度的測定圖像法》執行［27］。膠稠度按照GB/T 22294—2008《糧油檢驗大米膠稠度測定方法》執行［28］。直鏈淀粉含量按照NY/T 2639《稻米直鏈淀粉的測定分光光度法測定》執行［29］。稻瘟病按照DB43/T 319—2006《水稻抗稻瘟病鑒定及評價方法》執行［30］。白葉枯病抗性按照DB34/T 2810—2017《水稻白葉枯病抗病性鑒定技術規程》執行［31］。稻曲病抗性按照DB34/T 2811—2017《水稻稻曲病抗病性鑒定方法》執行［32］。褐飛虱抗性按照GB/T 15794—2009《稻飛虱測報調查規范》執行［33］。倒伏程度按照DB34/T 3122—2018《水稻主要氣象災害調查技術規范》執行［34］，分別統計測定結果。

1.4 數據處理

采用DTOPSIS法和灰色關聯度分析法對試驗數據進行處理和分析。按照夏來坤等［35］報道的評價方法對數據進行無量綱化處理；根據劉麗娟等［36］報道的方法，將DTOPSIS法綜合評價的21個性狀指標分為3類；按照鄧聚龍［37］報道的灰色系統理論公式計算關聯系數和加權關聯度；分析軟件為 Excel 2019 和SPSS 20.0。DTOPSIS法分析詳細步驟參照文獻［36］報道的方法。

2 結果與分析

2.1 DTOPSIS法對新品種的適應性評價分析

2.1.1 新品種性狀的比較矩陣和無量綱化處理。

根據17個參試水稻品種的21個性狀指標構建評價矩陣（表2）。17個水稻品種評價性狀分別為倒伏程度、有效穗數、每穗粒數、穗長、結實率、千粒重、產量、整精米率、堊白粒率、長寬比、堊白度、膠稠度、直鏈淀粉含量、米質等級、生育期、株高、稻瘟病損失率、稻瘟病綜合指數、白葉枯抗性、稻曲病抗性、褐飛虱抗性。進一步對評價矩陣結果進行計算，得到表3。由于21個性狀各有不同的計量單位，因而原始數據存在量綱和數量級上的差異，不同的量綱和數量級不便于比較，或者比較時難以得出正確結論。因此在進行計算之前，通常對原始數據進行無量綱化處理，將用于DTOPSIS法綜合評價的21個性狀指標分為3類。正向指標14個，包括倒伏程度、有效穗數、每穗粒數、穗長、結實率、千粒重、產量、整精米率、堊白粒率、長寬比、堊白度、膠稠度、直鏈淀粉含量、米質等級，該類性狀作為育種目標，指標值越大越好；中性指標2個，包括全生育期和株高，指標值要求適中；負向指標5個，包括稻瘟病損失率、稻瘟病綜合指數、白葉枯抗性、稻曲病抗性、褐飛虱抗性，指標值要求越小越好。

2.1.2 熵權法確定各指標的權重。

在水稻品種評價中，評價指標的熵值越大，表示差異性系數越小；權重越大，則該指標提供的信息量越大，其在品種評價中的貢獻越大。由表3可知，21個性狀指標的權重從高到低依次為米質等級、白葉枯病抗性、堊白度、千粒重、直鏈淀粉含量、堊白粒率、褐飛虱抗性、稻瘟病綜合指數、每穗粒數、有效穗數、穗長、株高、稻瘟病損失率、長寬比、產量、稻曲病抗性、生育期、結實率、整精米率、倒伏程度和膠稠度。產量方面5項（每穗粒數、有效穗數、千粒重、穗長和結實率）的權重總和為0.217 3，千粒重（0.064 0）的權重在整個性狀排序中占第4位，表明該指標在綜合評價中影響較大。中性指標株高和生育期的權重分別是0.032 6和0.024 5，在21個性狀評價指標中位于第12和17位，說明這2個指標在水稻品種評價中的貢獻較小。稻米品質方面7項（整精米率、直鏈淀粉含量、膠稠度、長寬比、堊白粒率、堊白度、米質等級）的權重總和為0.406 0，米質等級（0.134 1）的權重排列最高，該性狀的權重在21個性狀中占第1位，表明米質等級這項指標在綜合評價中影響較大。抗病性5項（稻瘟病綜合指數、稻瘟病損失率、稻曲病抗性、稻飛虱抗性、白葉枯病抗性）的權重總和為0.271 6，白葉枯抗病性（0.097 3）的權重在整個性狀排序中占第2位，表明該指標在綜合評價中影響最大，膠稠度、倒伏程度權重最低。

從水稻生產實際情況看，一直把田間產量性狀指標放在非常重要的位置，采用熵權法計算出的權重僅為0.033 2 ，權重值偏低，該性狀權重在整個性狀排序中占第15位。抗病性5項（稻瘟病綜合指數、稻瘟病損失率、稻曲病抗性、稻飛虱抗性、白葉枯病抗性）也是幾個重要的指標，采用熵權法計算出的權重值和為0.271 6，白葉枯病性狀占整個性狀第2位，說明在皖北地區水稻白葉枯病表現出良好的抗性。米質相關指標7項包括（整精米率、直鏈淀粉含量、膠稠度、長寬比、堊白粒率、堊白度、米質等級）采用熵權法計算得到的總權重和為0.406 0，較抗病性5項排序略低，米質等級性狀占整個性狀的首位，在稻米品質評價中，綜合得分越高表明綜合品質越好，田間產量性狀5項排序最低，上述這些異常可能與選擇的品種、性狀指標、樣品數量、栽培措施、氣候等因素有關，需進一步驗證。

2.1.3 參試水稻品種各性狀的正負理想解。建立加權決策矩陣（表4），21個性狀的理想解（X+）和負理想解（X-）數值如下：

X+=｛0.025 0，0.033 0，0.0170 ，0.045 0，0.053 0，0.023 0，0.065 0，0.031 0，0.034 0，0.021 0，0.032 0，0.061 0，0.085 0，0.012 0 ，0.063 0，0.135 0，0.033 0，0.054 0，0.098 0，0.029 0，0.061 0｝。

X-=｛ 0.000 0，0.000 0，0.000 0，0.000 0，0.001 0，0.000 0，0.001 0，0.000 0，0.000 0，0.000 0，0.000 0，0.001 0，0.001 0，0.000 0，0.001 0，0.001 0，0.000 0，0.001 0，0.001 0，0.000 0，0.001 0｝。

2.1.4 參試水稻品種與理想解接近度距離分析。

經計算得出（表5），Gi值越大，表示該品種越接近理想的育種目標。參試水稻品種與理想品種的接近度（Gi）值由高到低依次排序為隆兩優618、贊兩優570、冠兩優華占、韻兩優827、隆兩優2010、隆8優絲苗、隆8優534、韻兩優絲苗、韻兩優128、麟兩優華占、韻兩優1949、隆兩優608、領優華占、亮兩優534、悅兩優2646、韻兩優332和徽兩優898。17個水稻品種Gi值排序前5 位的品種依次為隆兩優618、贊兩優570、冠兩優華占、韻兩優827和隆兩優2010 。其中，隆兩優618的理想解接近度距離Gi值最高，為0.642 0，田間產量排名第5位；贊兩優570的Gi值排名第2位 ，其田間產量排名第2位 ；冠兩優華占的Gi值排名第3位，其田間產量排名第11位；韻兩優827的Gi值排名第4位，其田間產量排序第8位，韻兩優128的Gi值排名第9位 ，其田間產量排序第4位，表明第5個品種綜合性狀優良，與理想品種的接近度高，適宜在皖北地區推廣種植。但亮兩優534田間產量排序第1位，其Gi值排序第14位，悅兩優2646田間產量排序第3位，但Gi值排序第15位。可以看出，不同水稻品種基于DTOPSIS法的Gi值排序結果僅以產量作為評價指標的排序結果存在一定差異，需進一步示范驗證。領優華占、隆兩優608和麟兩優華占3個品種的Gi值和田間產量排序分別為第13、15、14位和12、16、10位，第3個品種田間產量和Gi值指標都落后，且低于對照品種徽兩優898，這3個品種不適應當地種植。

2.1.5 灰色關聯度法對新品種適應性評價分析。

首先按照水稻品種的各性狀權重系數求出不同品種的關聯系數，對關聯系數加權得到17個水稻品種灰色關聯度值及排序，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，關聯系數代表著該子序列與母序列對應維度上的關聯程度值，數字越大，代表關聯性越強，品種越接近理想品種，更能適應皖北地區的生態條件。從表5可以看出，參試水稻品種與理想品種的關聯度εt（k）值從高到低依次排序為韻兩優1949、亮兩優534、悅兩優2646、韻兩優絲苗、韻兩優332、領優華占、麟兩優華占、隆兩優608、隆兩優2010、徽兩優898、隆8優絲苗、冠兩優華占、隆8優534、贊兩優570、韻兩優827和隆兩優618。這表明評價皖北地區水稻的適應性按灰色關聯度εt（k）值進行的排序與按田間產量進行的排序既有相同又存在差異，從排序可看出，韻兩優1949、亮兩優534和悅兩優2646這3個品種按灰色關聯度分析進行排序分別位于第1、2和3位，而按產量排序時位于第7、1和3位，這3個品種的關聯度εt（k）值排序與田間產量排序幾乎相當；韻兩優絲苗、領優華占和麟兩優華占這3個品種按灰色關聯度分析排序時位于第4、6和7位，而按田間產量時位于第13、15和14位。這說明按灰色關聯度分析的結果和按田間產量分析的結果存在異同，但整體趨勢大致相似，具有較強的生態適應性，其余品種低于對照品種徽兩優898，說明這8個品種在皖北的生態適應性低。韻兩優1949、亮兩優534和悅兩優2646這3個品種均優于領優華占和麟兩優華占2個品種。

2.2 不同評價方法對新品種適應性評價結果的差異比較

根據田間產量表現、灰色關聯度分析法和DTOPSIS法評價水稻新品種，結果見表5。2種方法雖然均是計算參試水稻品種與理想品種的關聯度和接近度，但計算方法不同，因此結果存在差異。田間產量排序結果顯示，按DTOPSIS法的排序結果較灰色關聯度分析法的排序結果更吻合。按田間產量表現評價新品種，田間產量差異率最大值是35.9%；按灰色關聯度分析法評價新品種，關聯度εt（k）差異率最大值是26.7%，按DTOPSIS法評價新品種的相對接近度Gi差異最大值是70.0%。可見，DTOPSIS法相對接近度的最大值Gi值差異大于灰色關聯度εt（k）和田間產量，說明DTOPSIS法比灰色關聯度分析法評價水稻新品種的適應性更合理、更充

分。從表5可看出，灰色關聯度分析法結果顯示，各品種間有一定差異，品種關聯度差異在0～26.7%，隆兩優618（V9）差異最大，為26.7%；亮兩優534（V3）差異最小，為5.5%，說明不同水稻品種在皖北地區的適應性有一定差異范圍。悅兩優2646（V12）、韻兩優332（V15）、韻兩優絲苗（V4）和韻兩優827（V5）離差異最小值亮兩優534（V3）最接近，即差異很小，說明這4個品種綜合性狀優良，適應皖北生態條件。DTOPSIS法分析結果還顯示，各品種間差異較大，品種相對接近度差異在0～70.0%，韻兩優332（V15）差異最大，為70.0%，贊兩優570（V16）差異最小，為3.1%，表明品種之間的差異范圍大，在皖北適應性范圍更強，選擇品種的范圍和對品種優劣評判維度更大。田間產量間的結果顯示，不同水稻品種在皖北地區的田間產量間也有差異。差異在0～35.9%，隆兩優2010（V11）的田間產量差異最大，為35.9%，田間產量為9 571.1 kg/hm2，產量最低，不適合推廣種植；贊兩優570（V16）的田間產量差異最小，為5.5%，田間產量為14 101.3 kg/hm2，產量最高，適合推廣種植。悅兩優2646（V12）、韻兩優128（V1）、隆兩優618（V9）和韻兩優332（V15）與差異最小值較接近，分別為5.6%、7.7%、8.0%和10.6%，表明這幾個品種在皖北豐產性好。

3 討論

優良的水稻品種應具有廣泛的生態適應性、穩定性、豐產性、抗病性和優質性等特點。農作物品種綜合評價方法很多，已廣泛應用于不同作物試驗中。岳海旺等［38］對2020—2021年黃淮海的22個夏玉米品種、張子豪等［39］對江漢平原的34個小麥品種、趙平等［40］對18個西瓜品種、孔凡信等［41］對遼西19個高粱品種的產量、抗病性和品質等進行評價分析，判定在本區域內的適應性、穩定性、豐產性和抗病性，為品種精準定位引進和推廣提供了科學依據。

該研究包括17個水稻品種的21個性狀，首先對這21個性狀構建比較矩陣，進行標準化處理，求出21個性狀的煽值權重并加權確立各性狀的權重，然后求出參試品種理想解的相對接近度和灰色關聯度。表3基于煽值賦權DTOPSIS法的評價結果顯示，21個性狀指標的權重從高到低依次為米質等級、白葉枯病抗性、堊白度、千粒重、直鏈淀粉含量、堊白粒率、褐飛虱抗性、稻瘟病綜合指數、每穗粒數、有效穗、穗長、株高、稻瘟病損失率、長寬比、產量、稻曲病抗性、生育期、結實率、整精米率、倒伏程度和膠稠度。王靖［42-43］等研究利用基于熵值賦權的DTOPSIS法對19個小麥品種的9個性狀進行了綜合評價，結果顯示各指標的權重從高到低依次為每穗粒數、成穗率、千粒重、基本苗、有效穗、株高、容重、產量和生育期，且有6個品種相對接近度Gi值大于0.5，與該研究結果基本一致。這表明綜合評價皖北地區水稻品種時，產量性狀關鍵要考察千粒重，其次是結實率、每穗粒數和有效穗，實際生產中需通過農藝措施來提升產量構成要素；稻米品質方面，重點考察整精米率和膠稠度，通過適期播種、合理施肥等農藝措施達到要求；抗病性方面，稻瘟病和稻曲病作為水稻穗部的主要病害，2種病害同時發生為害將直接影響水稻的產量和稻谷質量。因此，要避開稻曲病高發區，選擇稻曲病抗性強的品種 ［44］。水稻倒伏同樣造成減產減收，從合理施肥和灌溉2方面來提前預防解決，這些均符合水稻生產實際要求。

蔣聰等［45］運用灰色關聯度分析和DTOPSIS法對云南粳稻新品種適應性進行了田間試驗，楊昆等［46-47］ 運用DTOPSIS法和灰色關聯度法對甘蔗新品種進行了田間試驗。該研究的DTOPSIS 法和灰色關聯度法評價中， 17個水稻品種的相對接近度 Gi值與關聯度εt（k）最高值均高于已報道的研究結果，說明運用DTOPSIS法和灰色關聯度法可供選擇的變異范圍更廣，可以體現品種間的差異并反映品種優劣。葉開梅等［48］采用灰色關聯度分析法和DTOPSIS法，對引進的11個馬鈴薯品種的13個性狀進行綜合評價，得出品種加權關聯度間差異值為0～35.34％，DTOPSIS法得出參試品種與理想解的相對接近度值差異為0～56.79％。該研究采用灰色關聯度分析法和DTOPSIS法也得到相似結果，即麟兩優華占關聯度εt（k）排序第7位，田間產量排序第14位；領優華占田間產量排序第15位，但灰色關聯度εt（k）排序6位；隆8優534田間產量排序第9位，相對接近度Gi值排序第7位，但關聯度εt（k）排序第13位，隆兩優2010，關聯度εt（k）排序第9位，相對接近度Gi值排序第5位，但田間產量排序第17位，這與姚宗澤［49］的報道一致。因此，在生產應用上，謹慎選擇上述2個新品種，降低育種與種植風險，選擇綜合性狀好的新品種進行示范和推廣。

諸多研究報道表明，采用灰色關聯分析法進行種質綜合評價，該法直接將數據導入軟件計算，減去了多種相關性狀不均衡導致評價的不科學性，將客觀的定性描述轉為定量分析，得到的結果有據可依，克服了人為干涉等因素帶來的結果不準確，加快了新品種選育的步伐［50-51］ 。采用DTOPSIS法對皖北新水稻品種綜合性狀進行分析，將眾多信息指標融合為1個，與以往評價方法相比減少了人為干擾因素，使新品種的評價、選育更加客觀和科學。DTOPSIS法較灰色關聯度分析法可供選擇的變異范圍更廣，更能體現品種間的差異、反映品種優和劣，更適合用于水稻品種的綜合評價。采用DTOPSIS法和灰色關聯度分析法篩選出韻兩優絲苗（V4）、贊兩優570（V16）、悅兩優2646（V12）和韻兩優332（V15）這4個品種相繼通過國家農作物品種審定委員會審定［52］，適宜在安徽推廣種植。

4 結論

采用灰色關聯度分析法和DTOPSIS法對17個水稻品種的21個性狀進行綜合評價，2種綜合評價結果均優秀的品種有韻兩優絲苗（V4）、 悅兩優2646（V12）、贊兩優570（V16）和韻兩優332這4個品種，可作為當地推廣品種。灰色關聯度分析法計算得出的灰色關聯度差異值范圍在0～26.7％，而DTOPSIS法得出新品種與理想解品種的相對接近度值差異值范圍在0～70.0％，表明用DTOPSIS法分析的結果提供對品種選擇的變異范圍更廣，能明顯表現品種間真實差異，更好地反映出品種的優劣，比灰色關聯度分析法更加適合用于水稻品種的綜合評價。同時灰色關聯度分析和DTOPSIS法在作物品種綜合評價的應用，有利于對新品種的優劣進行科學評價，為建立科學客觀的對其他作物品種綜合評價與良種推薦及生產決策提供理論支持。

參考文獻

［1］ 劉麗娟.淮北部分水稻品種（系）品質綜合評價［J］.北方水稻，2022，52（3）：23-27.

［2］ 周坤能，夏加發，張彩娟，等.安徽省水稻地方品種資源鑒定評價［J］.植物遺傳資源學報，2023，24（1）：137-148.

［3］ 龍騰芳，郭克婷.DTOPSIS法的程序設計及其在作物品種評價中的應用［J］.中國農學通報，2004，20（3）：252-254.

［4］ 陳國宏，李美娟.基于方法集的綜合評價方法集化研究［J］.中國管理科學，2004，12（1）：101-105.

［5］ 郭亞軍，易平濤.一種基于整體差異的客觀組合評價法［J］.中國管理科學，2006，14（3）：60-64.

［6］ 張群遠，孔繁玲，廖琴，等.作物品種區域試驗的評價體系及評價方法［J］.農業系統科學與綜合研究，2000，16（2）：81-86.

［7］ 張會麗，許興，朱林.利用隸屬函數值法對玉米成熟期抗旱性的綜合評價［J］.玉米科學，2017，25（4）：32-39.

［8］ 徐清宇，余靜，朱大偉，等.基于主成分分析和聚類分析的不同水稻品種營養品質評價研究［J］.中國稻米，2022，28（6）：1-8.

［9］ 吳玥，李威，馬德志，等.基于熵值賦權的DTOPSIS法對不同玉米品種綜合評價研究［J］.玉米科學， 2019，27（4）：32-41.

［10］ 王士梅，樸鐘澤，朱啟升，等.水稻新品種（系）農藝性狀及品質的綜合評價分析［J］.安徽農業科學，2008，36（11）：4467-4469.

［11］ 任邵琦，徐智慧，高作利.東北地區部分彩色稻主要農藝性狀相關性、主成分及聚類分析［J］.分子植物育種，2022，20（17）：5779-5787.

［12］ 蘇欣欣，肖洋，胡曉航，等.基于灰色關聯度分析和主成分分析法評估糖用甜菜品種的適應性［J］.中國農學通報，2021，37（30）：39-46.

［13］ 杜曉宇，李楠楠，鄒少奎，等.黃淮南片新育成小麥品種（系）主要性狀的綜合性分析［J］.作物雜志，2021（4）：38-45.

［14］ 于華榮，郭園，曹帥，等.7個大豆品種在科爾沁地區的抗旱性綜合評價［J］.種子，2021，40（12）：68-74.

［15］ 李興河，王海濤，劉存敬，等.80份棉花種質資源的育種應用價值評價［J］.農學學報，2021，11（11）：11-18.

［16］ 黃秋要，羅芳媚，梁忠明.DTOPSIS法綜合評價水稻新品種［J］.現代農業科技，2017（3）：39-41.

［17］ 饒慶琳，姜敏，胡廷會，等.花生種質資源品質性狀的分析與評價［J］.貴州農業科學，2021，49（11）：16-22.

［18］ 魏常敏，宋萬友，周文偉，等.基于主成分分析的甜玉米品質綜合評價［J］.浙江農業科學，2020，61（10）：1967-1969，2042.

［19］ 余澤恩，羅莉霞，張芳，等.基于GEE的2018年我國冬油菜長江下游區域試驗試點與品種評價［J］.種子，2020，39（1）：122-131.

［20］ 李洪臣，常劍波，彭潤潤，等.三門峽市靈寶煙區烤煙適宜品種評價與篩選［J］.湖北農業科學，2022，61（13）：82-86.

［21］ 李凱，商佳胤，張鶴，等.基于主成分分析的葡萄延遲栽培品種綜合評價［J］.中外葡萄與葡萄酒，2021（4）：20-25.

［22］ 姚興濤，朱永達，張平善.農村經濟多指標評判方法及應用研究［J］.農業系統科學與綜合研究，1994，10（1）：23-26.

［23］ 中華人民共和國農業部.農作物品種區域試驗技術規范 水稻：NY/T 1300—2007［S］.北京：中國農業出版社，2007.

［24］ 韓龍植，魏興華.水稻種質資源描述規范和數據標準［M］.北京：中國農業出版社，2006.

［25］ 中華人民共和國農業部.米質測定方法：NY/T 83—2017［S］.北京：中國農業出版社，2017.

［26］ 中華人民共和國農業部.食用稻品種品質：NY/T 593—2013［S］.北京：中國農業出版社，2013.

［27］ 中華人民共和國農業部.稻米整精米率、粒型、堊白粒率、堊白度及透明度的測定 圖像法：NY/T 2334—2013［S］.北京：中國農業出版社，2013.

［28］ 中華人民共和國國家質量監督檢驗檢疫總局，中國國家標準化管理委員會.糧油檢驗 大米膠稠度的測定：GB/T 22294—2008［S］.北京：中國標準出版社，2008.

［29］ 中華人民共和國農業部.稻米直鏈淀粉的測定 分光光度法：NY/T 2639—2014［S］.北京：中國農業出版社，2015.

［30］ 湖南省質量技術監督局.水稻抗稻瘟病鑒定及評價方法：DB43/T 319—2006［S］.湖南省質量技術監督局，2006.

［31］ 安徽省質量技術監督局.水稻白葉枯病抗病性鑒定技術規程：DB34/T 2810—2017［S］.安徽省質量技術監督局，2017.

［32］ 安徽省質量技術監督局.水稻稻曲病抗病性鑒定方法：DB34/T 2811—2017［S］.安徽省質量技術監督局，2017.

［33］ 中華人民共和國國家質量監督檢驗檢疫總局，中國國家標準化管理委員會.稻飛虱測報調查規范：GB/T 15794—2009［S］.北京：中國標準出版社，2009.

［34］ 安徽省質量技術監督局.水稻主要氣象災害調查技術規范：DB34/T 3122—2018［S］.安徽省質量技術監督局，2018.

［35］ 夏來坤，齊建雙，谷利敏，等.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［J］.南方農業學報，2019，50（9）：1953-1959.

［36］ 劉麗娟，劉延剛，金桂秀.用基于熵值賦權的DTOPSIS法綜合評價水稻品種［J］.山東農業科學，2022，54（7）：39-45.

［37］ 鄧聚龍.社會經濟灰色系統的理論與方法［J］.中國社會科學，1984（6）：47-60.

［38］ 岳海旺，韓軒，魏建偉，等.基于GYT雙標圖分析對黃淮海夏玉米區域試驗品種綜合評價［J］.作物學報，2023，49（5）：1231-1248.

［39］ 張子豪，李想成，吳昊天，等.基于灰色關聯度分析和聚類分析的豐產高效小麥品種綜合評價與篩選［J］.江蘇農業科學，2022，50（10）：194-200.

［40］ 趙平，李學濤，康振友，等.基于熵權的DTOPSIS法和灰色關聯度分析法在西瓜品種綜合評價中的應用［J］.黑龍江農業科學，2021（1）：79-87.

［41］ 孔凡信，劉志，肖繼兵.遼西地區適宜機械化生產釀造高粱品種綜合評價［J］.農學學報，2019，9（6）：4-11.

［42］ 王靖，孔令國，李寶強，等.基于熵值賦權的DTOPSIS法對小麥品種的綜合評價研究［J］.中國農學通報，2023，39（12）：1-7.

［43］ 邵美紅，程楚，程思明，等.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，2017，29（6）：25-28.

［44］ 陳晴晴，楊雪，張愛芳.長江中下游區試水稻品種稻瘟病抗性評價及抗性基因檢測［J］.南方農業學報，2022，53（1）：21-28.

［45］ 蔣聰，劉慰華，楊旭昆，等.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［J］.西南農業學報，2020，33（5）：907-912.

［46］ 楊昆，吳才文，覃偉，等.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，2015，28（4）：1542-1547.

［47］ 金輕，趙紅，林麗萍，等.基于灰色關聯度分析和DTOPSIS法綜合評價小麥新品系在云南省的適應性［J］.南方農業學報，2020，51（10）：2440-2446.

［48］ 葉開梅，牛力立，樊祖立，等.灰色關聯度法與 DTOPSIS法在馬鈴薯品種綜合評價中的應用比較［J］.貴州農業科學，2023，51（3）：10-18.

［49］ 姚宗澤，伊應良，楊肖艷，等.基于熵權的DTOPSIS法和灰色局勢決策法對云南雜交玉米新組合的評價分析［J］.江蘇農業科學，2023，51（6）：86-93.

［50］ 丁明亮，趙紅，浦秋紅，等.應用灰色關聯度分析法對遠緣雜交選育的小麥新品系評價［J］.西南農業學報，2018，31（2）：217-222.

［51］ 孫憲印，吳科，錢兆國，等.灰色關聯度在小麥品種（系）綜合評價中的應用［J］.內蒙古農業科技，2001，29（4）：10-11.

［52］ 國家水稻數據中心［DB/OL］.［2023-03-17］.https：∥www.ricedata.cn/variety/varis/620780.htm.