基于灰色關聯度、DTOPSIS與灰色局勢決策法的谷子品種綜合評價

宋 慧 郭 巖 邢 璐 李 龍 臧賀藏 李國強 王素英 鄭國清*

(1.河南省農業科學院 農業經濟與信息研究所/河南省智慧農業工程技術研究中心,鄭州 450002;2.安陽市農業科學院 谷子研究所/河南省谷子育種工程技術研究中心,河南 安陽 455000;3.西北農林科技大學 農學院/旱區作物逆境生物學國家重點實驗室,陜西 楊凌 712100)

谷子(Setariaitalica(L.) Beauv.)是禾本科(Gramineae)狗尾草屬(Setaria Beauv)的一個栽培種[1],具有抗旱節水耐貧瘠特性[2]和均衡的營養保健作用,是當前我國抗旱戰略儲備作物和鄉村振興的先鋒作物[3]。華北夏谷區多屬于復播谷子區,受一年兩熟耕作制度的限制,生育期短的谷子品種才能適應生產要求。因此,篩選簡單有效的評價方法對現有品種的綜合性狀進行準確評價,并篩選出一批綜合性狀優良的谷子新品種是華北夏谷區生產上亟待解決的問題之一。

灰色關聯度分析法、DTOPSIS法與灰色局勢決策法被廣泛應用在蘋果[4]、亞麻[5]、腎茶[6]、棉花[7]、柴胡[8]、小麥[9]、番茄[10]、馬鈴薯[11]、草莓[12]等糧食和經濟作物的育種評價中,灰色關聯度分析法、DTOPSIS法與灰色局勢決策法分析較單獨用產量進行分析所得出的結果更加客觀全面。但DTOPSIS法與灰色局勢決策法分析過程中,各性狀指標的權重一般來自于專家賦值或者平均賦權,受外界影響較大[13]。熵權法是一種通過樣本數據確定評價指標權重的方法,其權重由指標間數值的離散程度來設置,能有效排除人為設置權重的干擾因素[14]。熵權法與灰色關聯度分析法、DTOPSIS法與灰色局勢決策法相結合的分析方法可以避免人為因素的干擾。孫鑫等[15]利用熵權法和DTOPSIS分析,得到滴灌施肥條件下沙土馬鈴薯高產優質和水肥高效的最佳配比。夏來坤等[16]應用基于熵權的DTOPSIS法和灰色局勢決策法分析玉米區域試驗,結果表明,2種評價方法對品種評價的排序結果差異不大,與產量相結合可以很好地滿足區域試驗的要求。吳玥等[17]認為熵值賦權法客觀評價了各指標在該評價體系中的重要程度,避免了人為主觀因素對評價結果的影響,評價結果更客觀全面。當前,在我國谷子育種中,產量是主要的評價因素,其他性狀作為輔助因素,在產量篩選后,再考慮其他性狀表現水平[18],該評價方法存在不能完全反映谷子品種優產穩產的問題。目前,綜合3種方法對谷子農藝性狀方面的研究鮮見報道。本研究綜合灰色關聯度分析法、DTOPSIS法和灰色局勢決策法將2021—2022年國家生態適應試驗中的25個谷子新品種的主要農藝性狀和產量性狀作為評價指標,同時對3種評價方法進行比較,旨在篩選適應華北夏谷區綜合性狀優良的谷子品種,以期為后續谷子新品種評價方法提供參考依據。

1 材料與方法

1.1 試驗材料

供試谷子品種共25個,主要來自2020—2021年國家生態適應性試驗中的谷子品種及大田生產上的主栽谷子品種,‘晉谷21’‘黃金苗’‘山西紅谷’‘長農35’‘大同29’‘金苗K2’‘赤優金苗1號’‘張雜谷13號’‘豫谷18’‘長農47’‘隴谷13’‘九谷23’‘嫩選18’‘嫩選15’‘冀谷39’‘龍谷25’‘龍谷38’‘公谷88’‘張雜谷16號’‘朝谷58’‘濟谷22’‘冀谷168’‘豫谷35’‘中谷9號’‘中谷2號’;其中包括山西省4份,內蒙古自治區4份,河北省4份,甘肅省1份,吉林省2份,黑龍江省4份,遼寧省1份,河南省2份,北京市2份。

1.2 試驗地點及試驗設計

試驗于2021—2022年在河南省安陽市農業科學院柏莊基地(114.2° E,36.6° N,海拔72.5 m)進行種植。各環境田間小區試驗均采取隨機區組試驗設計,設3次重復,每小區6行,行長5.0 m,行距0.4 cm,小區面積為10 m2(2.0 m×5.0 m)。試驗點肥力均勻,各小區環境條件一致,播種方式均為露地平作條播,田間管理參照常規農田統一管理。于5月20日播種,9月30日收獲,播種密度統一設定為60萬株/hm2。

1.3 試驗方法

依據《谷子種質資源描述規范和數據標準》[19],在谷子全生育期內調查25個供試品種的農藝性狀。每個性狀選取5株進行測量,以平均數代表本小區供試品種的性狀水平。

1.4 數據統計

灰色關聯度分析方法通過IBM SPSS Statistics 22.0對25個供試品種的8個性狀指標進行Pearson相關性分析以及主成分分析,根據軒瑞瑞等[20]的方法進行熵權計算以及灰色關聯度分析;DTOPSIS法和模糊概率法的分析分別根據齊建雙等[21]的方法進行計算得到各參試品種與理想解的接近度Ci和品種的Ki。試驗所有數據處理均采用WPS 2021進行統計分析。

2 結果與分析

2.1 基于不同分析方法的評價

2.1.1灰色關聯度分析

不同參試品種株高(H1)、生育期(H2)、單株穗數(H3)、出谷率(H4)、穗長(H5)、單穗重(H6)、單穗粒重(H7)、產量(H8)共計8個指標性狀的具體數值,將各性狀2年數據平均后帶入后續計算(表1)。對谷子各參試品種進行皮爾森(Pearson)相關性系數計算各性狀指標的相關性關系(表2),再對25個供試品種的8個性狀進行主成分分析,得出3個主成分因子(表3),結合之前相關性分析以及各供試品種性狀指標成分(表4)的結果篩選出各參試谷子品種綜合評價體系的核心性狀指標為單穗粒重(H7)、穗長(H5)、單株穗數(H3)。

表1 各參試品種主要性狀平均值

表3 各供試品種性狀指標主成分數據

表4 各供試品種性狀指標成分矩陣

根據熵權法,對25個供試品種的3個核心性狀指標的信息熵、差異性系數、權重進行計算,得出單株穗數(H3)、穗長(H5)、單穗粒重(H7)的權重分別為0.310 9、0.065 0、0.624 1。核心性狀指標的權重排序依次為:單穗粒重(H7)>穗長(H5)>單株穗數(H3)。

選取各核心性狀極大值Xj組成谷子綜合評價體系的參考序列,參考序列為;單株穗數1.56個、穗長24.87 cm、單穗粒重13.86 g,將數據進行無量綱化處理(表5),計算出構建的參考序列核心性狀無量綱化數值與供試品種核心性狀無量綱化數值的絕對值差(表6),繼而依據公式計算得到各性狀指標的關聯度系數(表7)。

表5 無量綱化結果矩陣

表6 參考序列與供試品種核心性狀無量綱化數值的絕對值差

表7 性狀指標的灰色關聯度系數

將關聯度系數與各核心性狀指標結合計算得出各參試品種的加權關聯度;25個參試品種的綜合排名為‘豫谷18’>‘長農47’>‘長農35’>‘豫谷35’>‘九谷23’>‘中谷9號’>‘冀谷39’>‘朝谷58’>‘中谷2號’>‘張雜谷13號’>‘晉谷21’>‘冀谷168’>‘張雜谷16號’>‘赤優金苗1號’>‘濟谷22’>‘金苗K2’>‘黃金苗’>‘嫩選18’>‘公谷88’>‘龍谷38’>‘大同29’>‘山西紅谷’>‘隴谷13’>‘嫩選15’>‘龍谷25’(表8)。根據計算,25個參試品種中‘豫谷18’加權關聯度最大,說明在灰色關聯度計算體系中,‘豫谷18’綜合性狀最好。排名前五的品種分別為‘豫谷18’‘豫谷35’‘九谷23’‘長農47’‘長農35’,對應的產量排名為第1、第3、第5、第10、第11。

表8 各供試品種性狀指標的加權關聯度及綜合排名

2.1.2DTOPSIS法分析

表10 決策矩陣R

表11 各供試品種整體性狀指標正、負理想解

表12 DTOPSIS法評價結果

2.1.3灰色局勢決策法分析

灰色局勢決策法指標分類方式以及計算方式與上述DTOPSIS法一致,灰色關聯分析法計算矩陣與無量綱化矩陣Z相同(表8),將計算矩陣與各性狀指標權重帶入公式計算谷子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Kij(表13)。25個參試品種的加權綜合效果測度值排序為:‘豫谷18’>‘冀谷39’>‘豫谷35’>‘朝谷58’>‘九谷23’>‘張雜谷16號’>‘中谷2號’>‘冀谷168’>‘中谷9號’>‘長農47’>‘長農35’>‘張雜谷13號’>‘濟谷22’>‘晉谷21’>‘赤優金苗1號’>‘嫩選18’>‘金苗K2’>‘公谷88’>‘大同29’>‘龍谷38’>‘黃金苗’>‘隴谷13’>‘嫩選15’>‘山西紅谷’>‘龍谷25’。加權綜合效果測度值排名前五的品種產量排名分別為:第2、第1、第3、第4、第7。

表13 灰色局勢決策法評價結果

2.2 基于不同分析方法的評價結果對比

通過主成分分析,選取3個核心指標進行灰色關聯度分析;同時采用熵權法計算出8個測試性狀的權重系數,分別代入DTOPSIS法和灰色局勢決策法2種評價模型(表14)。3種方法的評價結果排名存在差別,其中灰色關聯度分析排名前五的品種為‘豫谷18’‘長農47’‘長農35’‘豫谷35’‘九谷23’;DTOPSIS法排名前五的品種為‘豫谷18’‘冀谷39’‘豫谷35’‘朝谷58’‘九谷23’;灰色局勢決策法排名前五的品種為‘豫谷18’‘冀谷39’‘豫谷35’‘朝谷58’‘九谷23’。其中3種決策方法相重合的優良品種為‘豫谷18’‘豫谷35’‘九谷23’,其產量排名分別為第2、第3、第7。從3種決策方法的評價結果以及產量排名來看,‘豫谷18’和‘豫谷35’為本次區域試驗中綜合性狀優良的品種。

表14 各參試品種灰色關聯度、DTOPSIS、局勢決策和產量排序分析

3 討 論

3.1 灰色關聯度分析各參試谷子品種性狀

皮爾森(Pearson)相關性系數是一種計算各性狀指標相關性程度的統計量,它為灰色關聯度分析中減少性狀指標以及篩選綜合評價核心性狀提供支撐[23]。本研究通過對參試品種各性狀指標相關性的分析發現,谷子產量與出谷率、單穗重、單穗粒重均呈極顯著正相關;參試品種具有良好的穩產與豐產特性,同時生育期長的品種較生育期短的品種產量及產量構成要素表現更加優異。信息熵、差異性系數以及權重是灰色關聯度分析的重要參數[24-25]。信息熵主要用于解決信息的量化問題,將原本模糊的信息概念進行計算得出精確的信息熵值。信息熵越低,不確定性越低,越容易得到確定的信息。權重主要用于量化綜合評定中各參試因子能夠提供的有效信息,指標信息熵值越小,所富含的信息量越小,差異性系數越大,權重也越大。熵權法是一種客觀賦權的方法,本研究中將其引入參試谷子品種比較,可最大限度消除計算權重時人為主觀因素的影響,使性狀指標評價結果與實際結果更一致。根據熵權法進行計算,得出谷子單株穗數(H3)、穗長(H5)、單穗粒重(H7)的權重分別為0.310 9、0.065 0、0.624 1。核心性狀指標的權重排序依次為:單穗粒重(H7)>穗長(H5)>單株穗數(H3)。在谷子綜合評價體系中,單穗粒重(H7)的大小對評價結果影響最大,單株穗數(H3)的多少主要代表著品種的分蘗情況,其對評價結果的影響僅次于單穗粒重(H7)。

灰色關聯度法計算后得到的排名與產量排名并不相同,產量排名第2的‘豫谷18’在灰色關聯分析方法中排名為第1(表15),說明其核心性狀表現優異。部分產量排名靠前的參試品種在灰色關聯度分析方法中排名有較大幅度波動,說明有些參試品種具有高產潛力,但是可能存在產量變異系數大的問題。故在實際應用中,應將產量排名與灰色關聯度法計算結果綜合分析,篩選出最佳品種。

3.2 DTOPSIS及灰色局勢決策法分析各參試谷子品種性狀

DTOPSIS法評價方法通過評價性狀指標與理想化目標的接近度進行排序,參評品種性狀與性狀理想解越近,得分就越高[26]。由于本試驗已將逆向指標正向化,所以正理想解為各評價指標的最優值,負理想解為各評價指標的最劣值。

權重方面,核心性狀指標的權重排序依次為:產量(H8)>單穗粒重(H7)>單穗重(H6)>單株穗數(H3)>穗長(H5)>出谷率(H4)>株高(H1)>生育期(H2)。產量的權重最高為0.297 3,產量等構成因素權重占比僅次于產量,其中單穗粒重、單穗重占比分別為0.282 4、0.216 4,說明產量對于綜合評價體系影響最大,這與傳統區域試驗評價方法相呼應。DTOPSIS法評價方法所得結果與產量排名相似,在DTOPSIS計算體系中,‘豫谷18’綜合性狀最好(表15)。排名前五的品種為‘豫谷18’‘冀谷39’‘豫谷35’‘朝谷58’‘九谷23’,其產量排名分別為:第2、第1、第3、第4、第7,其結果與產量吻合度好,評價效果突出。

灰色局勢決策法在熵權法的基礎上進行計算分析,其信息熵、差異性系數以及權重與DTOPSIS法評價方法的相關參數相同,排名前五的品種為‘豫谷18’‘冀谷39’‘豫谷35’‘朝谷58’‘九谷23’,其產量排名分別為:第2、第1、第3、第4、第7,這與DTOPSIS法所得結果相同,且較依據單一性狀指標進行排序更加合理。

3.3 綜合分析灰色關聯度、DTOPSIS及灰色局勢決策法在區域試驗中的應用

灰色關聯度分析方法通過Pearson相關性分析以及主成分分析,對數量繁多的性狀進行簡化,篩選出信息承載量最大的核心指標進行計算,適用于參評性狀較多的區域試驗評比,能夠起到簡化計算,突出重點性狀的作用,但是由于在簡化過程中,刪除性狀會造成信息損失,會對區域試驗評比結果造成影響,因此在使用中需要與其他重要性狀配合決策[27]。DTOPSIS法和灰色局勢決策法在計算過程中,將全部性狀帶入進行計算,能夠做到信息數據無損化,適用于更高精度的試驗評比。DTOPSIS評價方法通過評價性狀指標與理想化目標的接近度進行排序,參評品種性狀與性狀理想解越近,得分就越高,其結果在3種分析方法中最為精確,但計算非常繁瑣,灰色局勢決策法在熵權法的基礎上,簡化了DTOPSIS法的評分計算方式。本研究,DTOPSIS法對于性狀指標的分類分為正向、逆向以及中性三類,與灰色局勢決策法上限、下限和適中3類性狀指標相呼應,對比2種方法,發現綜合評價品種排名一致,但灰色局勢決策法計算更為簡單,故在谷子評價體系中,灰色局勢決策法較好。

4 結 論

采用灰色關聯度分析、基于熵權法的DTOPSIS法和灰色局勢決策法對2021—2022年國家生態適應性鑒定試驗(河南省安陽市)的25個谷子品種進行綜合評價,結果表明,灰色關聯度分析排名前五的品種為‘豫谷18’‘長農47’‘長農35’‘豫谷35’‘九谷23’;DTOPSIS法排名前五的谷子品種為‘豫谷18’‘冀谷39’‘豫谷35’‘朝谷58’‘九谷23’;灰色局勢決策法排名前五的品種為‘豫谷18’‘冀谷39’‘豫谷35’‘朝谷58’‘九谷23’。結合3種決策方法以及產量排名來看,‘豫谷18’和‘豫谷35’為綜合評價優良的品種?；疑謩輿Q策法在區域試驗評比中計算過程簡單,能夠綜合利用所有性狀,同時結果與DTOPSIS法差異較小,在3種決策方法中表現最好。綜上,在谷子區域試驗中,可以根據谷子育種目標,確定供試谷子品種潛在目標性狀排序,再采用基于熵權的灰色決策法進行綜合評價,將綜合評價結果與潛在目標性狀排序結合分析,使得目標性狀與其他性狀達到平衡,就可以盡量篩選出目標性狀優異且綜合評價優良的谷子品種。