基于非線性主成分分析的綠色超級稻品種綜合評價

紀 龍 申紅芳 徐春春 陳中督 方福平

?

基于非線性主成分分析的綠色超級稻品種綜合評價

紀 龍 申紅芳 徐春春 陳中督 方福平*

中國水稻研究所, 浙江杭州 310006

應用綠色超級稻被認為是推動水稻生產可持續發展的重要途徑之一, 已成為全球水稻育種的主要目標。目前關于綠色超級稻品種綜合評價的研究鮮有報道。本文圍繞“少打農藥、少施化肥、節水抗旱、優質高產”的理念, 從技術性、經濟性、生態性和社會性4個維度構建了綠色超級稻品種綜合評價指標體系, 為水稻及其他作物品種的綜合評價、品種選育及推廣應用提供了有益的研究思路。在此基礎上引入一種非線性主成分分析法——對數主成分分析, 利用大田試驗數據及不同評價方法的對比分析表明, 對數主成分分析法符合綠色超級稻的育種理念, 具有較強的合理性, 可作為一種有效的水稻品種綜合評價方法。

綠色超級稻; 綜合評價; 指標體系; 非線性主成分分析

水稻是中國乃至世界最重要的糧食作物之一, 提供了全球近一半人口的主食[1]。中國是世界上最大的水稻生產國和稻米消費國[2], 水稻增產對于保障中國乃至世界的糧食安全具有極其重要的作用。2004年以來, 中國水稻生產進入持續增產階段, 產量從2011年起連續7年穩定在2億噸以上水平, 為確保國家口糧絕對安全作出了重要貢獻。然而, 資源趨緊、環境污染嚴重、生態系統退化等形勢日趨嚴峻, 嚴重制約了水稻生產的可持續。在此背景下, 中國科學家[3]提出“少打農藥、少施化肥、節水抗旱、優質高產”的綠色超級稻理念, 希望通過新的優良性狀的品種選育和技術推廣做到資源節約、環境友好, 從而實現水稻生產方式的根本改變, 實現農業的可持續發展, 保證國家糧食的生產安全。

綠色超級稻理念得到了國際和國內同行的廣泛認可和積極響應, 綠色超級稻已成為全球水稻育種的主要目標之一[1]。2008年, “為非洲和亞洲資源貧瘠地區培育綠色超級稻”得到了比爾和梅琳達·蓋茨基金會項目資助。2010—2018年, “綠色超級稻新品種選育”作為現代農業技術領域的重點(大)項目得到了中國科技部的連續資助。近些年, 國內外科研院所圍繞綠色超級稻的綠色基因發掘與種質創新、綠色品質選育等開展了大量研究工作, 培育了一批具備多個綠色性狀(抗2~3種主要病蟲害或節水抗旱、優質高產、氮肥高效等)的水稻新品種。這些新品種在抗病蟲性、節水抗旱等個別方面表現突出, 但在產量、品質、抗性以及資源效率等方面的綜合表現尚不清楚。科學定量的評價方法的缺失嚴重制約了綠色超級稻新品種的推廣應用以及未來水稻育種工作的推進。因此, 應用科學、合理的方法對綠色超級稻新品種的綜合表現進行評價迫在眉睫。

評價方法是綜合評價的核心問題[4]。目前國內外開發的綜合評價方法已有上百種之多[5], 大致可分為定性評價、定量評價和組合評價三大類。定性評價是指評價者(業內專家)利用其自身知識、經驗直接對評價對象作出定性結論的價值判斷[4]。常用的定性評價方法包括德爾菲法(Delphi)、專家會議法等。這類評價方法適用于戰略層次的決策分析, 以及不能或難以定量化的, 或對評價精度要求不高的對象系統[6], 其優點是操作簡單, 但評價結果具有較強的主觀性和不確定性, 容易受評價者個人的知識儲備、實踐經驗及選擇偏好等因素的影響。定量評價是指將評價對象的相關屬性特征量化, 然后處理分析量化的數據信息并獲得評價結果。常用的定量評價方法包括多元統計方法(如主成分分析、因子分析、聚類分析和判別分析)、運籌優化方法[如數據包絡分析(DEA)、層次分析法(AHP)、ELECTRE法和Topsis法]和其他方法(如模糊綜合評價、灰色關聯分析、熵權法)。這些評價方法解決問題的思路不同、適用對象也有所差異, 各有優缺點[6]。組合評價是指利用不同評價方法在指標構建、指標賦權、數據需求等方面的不同特點和優勢, 將多個不同評價方法結合, 應用于同一個評價過程, 以提高綜合評價的質量[4]。實踐表明, 應用不同評價方法評價同一對象經常出現評價結論不一致的情況, 其原因在于不同方法的評價機理不同, 側重點不同, 難以做到全面性評價[7]。因此, 為了避免單一評價方法的片面性和不穩定性, 更好地利用各種方法的優勢, 組合評價方法應運而生。研究表明, 各種方法的組合能夠形成取長補短的互補優勢, 減少隨機偏差和系統誤差發生的可能性, 有助于解決評價結論不一致問題, 增強評價結果的穩健性[7-10]。

綜合評價方法不僅是經濟、管理等社會科學領域的重要分析方法, 也是理工、農業等自然科學領域主要的分析工具之一[11]。隨著綜合評價理論和方法的不斷發展, 綜合評價方法在作物育種中的應用越來越廣泛。從研究內容看, 現有研究主要集中在作物品種抗非生物逆境的評價, 如對作物品種抗旱性[12-14]、耐鹽性[15-16]、抗寒性[17-19]等抗逆性評價。少數學者對作物的產量和品質[20]、養分利用效率[21-22]進行綜合評價。目前, 應用最廣泛的綜合評價方法是隸屬函數法、主成分分析法和聚類分析法。此外, 模糊綜合評價法、DTOPSIS和灰色關聯分析等方法在作物品種選育中也有所應用?？傮w來看, 現有的研究仍存在一定的不足, 仍局限于對作物品種單屬性的評價(如抗旱性、耐鹽性評價), 相對缺乏從產量、品質、抗性等多維度、全面性的評價; 并且對評價方法的技術細節和研究進展關注不夠。隨著綜合評價理論與方法研究的不斷深入, 一些技術細節逐步得到改進和完善, 但當前不少研究并沒有及時跟進這些變化, 仍然采用已經被學界認為不太合適的技術[11]。例如, 多指標綜合評價中, 通常需要對原始數據進行無量綱化處理, 其中應用最為廣泛的正態標準化方法在消除量綱和量級影響的同時, 也消除了各指標的變異程度差異, 并不適合多指標綜合評價[23]。又如, 傳統的R型主成分分析法是一種“線性”降維技術, 只能處理線性問題, 然而研究實際問題時, 各指標間以及主成分和原始數據之間都可能存在非線性關系, 如果用傳統的R型主成分評價技術, 必然導致評價結果的偏誤[24]。

鑒于此, 本文圍繞綠色超級稻的理念, 嘗試提出一套綠色超級稻品種綜合評價指標體系, 引入一種非線性主成分分析技術——對數主成分分析, 應用于綠色超級稻候選品種的大田試驗數據案例, 旨在為包括水稻在內的作物品種綜合評價研究提供有益的思路借鑒, 為選育綜合性能優良的作物品種提供參考依據。

1 材料與方法

1.1 材料與試驗設計

本文研究重點是綠色超級稻綜合評價指標體系的設計和評價方法, 涉及的品種數據僅作案例分析, 本文分享揚州大學提供的田間試驗數據(包括田間試驗方法和產量、氮肥利用效率結果), 即分析對象僅限于江蘇地區的粳稻品種。揚州大學于2016年在江蘇里下河地區農業科學研究所試驗田對連粳7號、武運粳24、武運粳30、甬優2640、甬優1540、南粳9108、淮稻5號、淮稻13、寧粳1號、寧粳5號、揚粳4038、鎮稻10號、鎮稻16共13個綠色超級稻候選品種進行了氮素利用效率評價試驗。以施氮量為主區, 品種為裂區(小區), 小區面積為20 m2, 重復3次, 隨機區組排列。2016年5月17日播種, 6月13日移栽, 栽插密度為25 cm× 15 cm, 每穴2株苗, 其他田間管理按照常規高產栽培方式進行。全生育期施用純氮200 kg hm–2, 按基肥∶分蘗肥∶促花肥∶保花肥= 4∶2∶2∶2施用。移栽前施用過磷酸鈣(含P2O513%) 300 kg hm–2。施用氯化鉀(含K2O 63%) 195 kg hm–2, 按6∶4比例分基肥和拔節肥2次施用。在成熟期測定有效穗數、結實率、籽粒產量、氮素偏生產力、氮素籽粒生產效率等指標。由于試驗中各品種的施氮水平相同, 導致氮素偏生產力和單產完全正相關, 為體現不同水稻品種的氮素利用效率(NUE), 本文用氮素籽粒生產效率指標來表征氮素利用效率。氮素籽粒生產效率=籽粒產量(kg hm–2)/成熟期植株吸氮量(kg hm–2)。

1.2 研究方法

1.2.1 綠色超級稻綜合評價指標體系 綜合評價方法雖然多種多樣, 但遵循一個基本模式, 評價過程主要包括確定評價目的、構建評價指標體系、選擇評價方法、確定指標權重、實施綜合評價以及結果呈現與討論6個步驟[25]。其中構建評價指標體系和選擇評價方法是綜合評價的核心。評價指標的選取在很大程度上取決于綜合評價的目的。綠色超級稻的育種理念是“少打農藥、少施化肥、節水抗旱、優質高產”, 要求新培育的品種除了產量高、品質優外, 還應具有多種生物脅迫抗性(如主要病蟲害)和非生物脅迫抗性(如干旱、鹽堿、極端天氣等不利條件)[26]。為了減少施肥過量對生態環境造成的影響, 新培育的品種還應具有高效的養分利用效率(如氮、磷、鉀等)。因此, 對綠色超級稻的評價需要從產量、品質、生物脅迫與非生物脅迫抗性以及養分利用效率等多個維度綜合進行。結合文獻研究和專家咨詢(本文邀請了15位來自育種、栽培、農業經濟、農技推廣等不同領域的水稻專家通過面對面或郵件對評價指標進行討論), 本文遵循目的性、系統性、可行性等原則, 從技術性、經濟性、生態性和社會性4個維度18個指標對綠色超級稻品種綜合評價(見表1)。

表1 綠色超級稻品種綜合評價指標體系

(續表1)

一級指標First class indicator二級指標Second class indicator指標說明Definition of the indicators 經濟性指標單產 Y (x7)每公頃產量(kg hm–2) Economic indicatorYield per hectare (kg hm–2) 成本利潤率 RPC (x8)每公頃成本利潤率(%) Rate of profit to cost per hectare (%) 整精米率 HR (x9)整精米占凈稻谷式樣或精米式樣的質量分數(%) The ratio of head rice to the overall rice sample (%) 堊白度 CD (x10)堊白米的堊白面積總和占式樣整精米粒面積總和的百分率(%) The ratio of chalkiness area of chalky rice to the total area of the head rice for the overall rice sample (%) 直鏈淀粉含量 AC (x11)試樣所含直鏈淀粉的質量占式樣總質量的百分率(%) The ratio of quality of amylose content to the total quality of the overall sample rice (%) 透明度 T (x12)整精米籽粒的透明程度, 以稻米的相對透光率大小表示 Translucency degree of the head rice, represented by the relative transmittance of rice 生態性指標氮肥利用率 NUE (x13)氮肥偏生產力(籽粒產量/施氮量, kg kg–1) Ecological indicatorNitrogen partial factor productivity (grain yield/nitrogen application level, kg kg–1) 磷肥利用率 PUE (x14)磷肥偏生產力(籽粒產量/施磷量, kg kg–1) Phosphate partial factor productivity (grain yield/phosphate application level, kg kg–1) 鉀肥利用率 PUE2 (x15)鉀肥偏生產力(籽粒產量/施鉀量, kg kg–1) Potash partial factor productivity (grain yield/potash application level, kg kg–1) 水分利用率 WUE (x16)籽粒產量/(降雨量–灌水量–排水量)(kg m–3) Grain yield/(precipitation–irrigation–drainage) (kg m–3) 社會性指標農藥殘留 PR (x17)稻米中的農藥殘留量 Social indicatorAmount of pesticide residues in rice 重金屬含量 HM (x18)稻米中的重金屬鎘含量(mg kg–1) Cadmium content in rice (mg kg–1)

EP: effective panicles; SSR: seed setting rate; LR: lodging resistance; RID: resistance to insects and diseases; AST: abiotic stress tolerance; EA: ecological adaptability; Y: yield; RPC: rate of profit to cost; HR: head rice; CD: chalkiness degree; AC: amylose content; T: translucency; NUE: nitrogen use efficiency; PUE: phosphate use efficiency; PUE2: potash use efficiency; WUE: water use efficiency; PR: pesticide residue; HM: heavy metal.

技術性指標, 大致可以分為三大類, 第一類是增產性指標, 即跟水稻產量密切相關的指標, 如有效穗、結實率等; 第二類是減損性指標, 主要是指遭遇外界不利因素影響時有助于減少產量損失的指標, 如水稻品種的生物脅迫和非生物脅迫抗性; 第三類是穩產性指標, 主要目的在于考察水稻品種在不同生長環境下的生態適應性。基于文獻研究和專家咨詢, 結合數據的可獲得性, 本文選取有效穗、結實率、抗倒伏性、抗病蟲性、抗非生物逆境性和生態適應性6個指標作為綠色超級稻品種的技術性指標。

經濟性指標, 主要體現水稻品種的經濟效益, 涉及產量、價格和利潤3個方面。在消費需求剛性增長、供給壓力日益增大的背景下, 高產依然是水稻品種應當具備的基本特征之一, 盡管高產已不再是水稻品種選育最主要的訴求。隨著社會經濟的發展和生活水平的提高, 中國的水稻生產消費已從重“量”轉向重“質”。稻米食用品質決定其市場價格, 進而影響水稻的經濟效益。稻米食用品質主要從加工、外觀、蒸煮與食味和營養4個方面衡量[27]。在食用稻品種品質標準的定級指標中, 整精米率、堊白度、透明度和直鏈淀粉含量是最重要的指標[28]。此外, 經濟利潤是提高水稻市場競爭力、促進水稻生產可持續的重要前提, 特別是在生產成本快速上漲、種稻效益持續下滑的背景下。基于此, 本文選取單產、成本利潤率、整精米率、堊白度、透明度和直鏈淀粉含量6個指標作為綠色超級稻品種的經濟性指標。

生態性指標, 主要體現水稻品種的資源利用效率。資源環境約束已成為當前中國農業生產可持續發展的重要制約因素, 其中化肥過量投入、施用不合理問題尤為突出。目前中國化肥施用量占世界化肥總用量的31%, 施肥強度是世界平均水平的3倍[29],遠超國際公認的225 kg hm–2化肥施用安全上限。與此同時, 三大糧食作物氮肥、磷肥和鉀肥的利用率分別僅有33%、24%和42%。因此, 化肥(包括氮、磷、鉀)的高效利用是水稻新品種應具備的重要特性。此外, 水稻是糧食作物中用水第一大戶, 稻田灌溉用水量約占農業用水總量的70%。全球氣候變化及環境污染的加重, 用于灌溉的水資源越來越匱乏, 嚴重威脅到水稻生產的發展。因此, 較高的水分利用效率也應當是水稻新品種必須具備的重要特性。基于此, 本文選取氮肥利用效率、磷肥利用效率、鉀肥利用效率和水分利用效率4個指標作為綠色超級稻品種的生態性指標。

社會性指標, 主要體現水稻品種的社會可接受度。近年來隨著“鎘大米”“黃金大米”等食品安全事件頻發, 消費者對食品安全問題的重視程度日益增強。品質安全是農產品被市場和消費者接受和認可的重要前提。就稻米而言, 重金屬污染程度和農藥殘留狀況是判斷稻米品質安全的重要指標[30], 因此, 本文選取稻米農藥殘留和重金屬污染程度作為綠色超級稻品種的社會性指標。

1.2.2 對數主成分分析 目前應用最為廣泛的綜合評價方法包括聚類分析、主成分分析、AHP和模糊綜合評價等[11]。其中聚類分析主要是通過計算指標間距離或相似系數對評價對象進行系統分類, 其側重于“分組”, 而AHP和模糊綜合評價法都沒有從根本上解決指標賦權的主觀性問題[31]。主成分分析法是一種有效的降維方法[32], 同時在一定程度上克服了人為確定指標權重所帶來的主觀性問題[33-34]。然而傳統主成分分析法也受到“線性化”問題的困擾。對此, 部分學者提出一些非線性主成分分析方法, 如對數主成分分析法[35], 在一定程度上改進了傳統主成分分析的“線性化”約束。因此, 本文擬借鑒葉明確等[35]的研究思路, 采用對數主成分分析法對綠色超級稻品種進行綜合評價, 通過聚類分析對綠色超級稻品種進行類別劃分。

與傳統的R型主成分分析相比, 對數主成分分析的區別在于前期的數據預處理, 即除了數據的正向化和標準化處理外, 還需進行對數化處理。評價指標有正向指標(指標值越大越好)和逆向指標(指標值越小越好), 主成分分析前需要將所有指標趨同化[36], 否則得不到有效結論[37]。指標趨同化就是把所有的指標方向一致化, 要么都變成數值越大越好, 要么都變成數值越小越好, 一般情況采取指標正向化處理。其中, 強度逆向指標x(= 1, …,)的正向化公式[38]如下。

適度指標x的正向化公式如下。

綠色超級稻品種的18個評價指標中, “生態適應性”(6)、“堊白度”(10)、“直鏈淀粉含量”(11)、“農藥殘留”(17)和“重金屬含量”(18) 5個指標是逆向指標, 其他13個指標均為正向指標, 5個逆向指標按照式(1)進行正向化處理。此外, 由于各評級指標的量綱和量級不同, 如果直接使用指標原始值, 會使主成分過分偏重于具有較大方差或數量級的指標。為了消除量綱和量級的影響, 需要對原始數據進行無量綱化處理。目前最常用的無量綱化處理方法為正態標準化, 但正態標準化處理后只能反映各指標間的相互影響, 抹殺了指標間的變異程度, 并不適合多指標綜合評價[23]。葉雙峰等[24]提出的均值化處理是一種無量綱化處理方法, 不僅能夠消除各指標在量綱上的差異, 而且保留了原始數據的相對差異性。因此, 本文選擇均值化方法對原始指標進行無量綱化處理, 即用各指標的均值去除它們相應的原始數據。均值化處理后的指標為x(= 1, 2, …, 18), 在此基礎上對數據進行對數化處理, 得到lnX(= 1, 2, …, 18)。

1.3 數據處理

基于上文構建的評價指標體系, 從技術性、經濟性、生態性和社會性4個維度18個指標對候選超級稻品種綜合評價。由于部分數據在試驗中未系統記錄, 個別指標未納入此次分析, 如“抗非生物逆境性”(5)、“生態適應性”(6)、“成本利潤率”(8)、“透明度”(12)、“磷肥利用效率”(14)、“鉀肥利用效率”(15)、“水分利用效率”(16)、“農藥殘留”(17)以及“重金屬含量”(18) 9個指標。另外, 一些指標數據在大田試驗時未進行記錄或檢驗測度, 但在該品種審定時有相應的記錄數據, 因此我們將品種審定中的相應數據作為替代, 如“抗倒伏性”(3)、“抗病蟲性”(4)、“整精米率”(9)、“堊白度”(10)和“直鏈淀粉含量”(11)。盡管如此, 部分指標數據仍未如愿獲得, 這可能會影響綜合評價的全面性和準確性。根據上文所述方法對各指標預處理, 即數據的正向化、標準化和對數化處理。

2 結果與分析

2.1 對數主成分分析

應用R軟件對數據進行主成分分析。樣本(評價指標)相關系數矩陣的特征值、方差貢獻率和累積方差貢獻率見表2。根據特征值大于1的標準確定主成分個數為4, 累積方差貢獻率為82%。在實際應用中累積方差貢獻率達到75%就具有很好的效果[35], 因此本文選取的4個主成分具有較強的合理性。前4個主成分的載荷矩陣如表3所示。

表2 特征值與方差貢獻率

表3 主成分載荷矩陣

縮寫同表1。Abbreviations as in Table 1.

由表3得到4個主成分的表達式:

主成分綜合得分:

根據式(3)計算13個綠色超級稻候選品種的綜合評價得分(見表4)。

根據對數主成分綜合得分, 綜合表現最好的前3個綠色超級稻候選品種依次是武運粳30、甬優2640和寧粳5號, 鎮稻16和寧粳1號的綜合表現相對較差。作為對比, 我們應用傳統的主成分分析法對13個綠色超級稻候選品種進行綜合評價, 其綜合得分表達式為0=–0.0511–1.1482+0.1073–0.0914+ 0.1187+0.0269–0.03410+0.1411+0.09913, 評價結果見表4中的“排序2”。對比發現, 對數主成分分析和主成分分析的評價結果具有明顯的差異。其原因在于, 主成分分析僅考慮了指標之間的線性關系, 忽視了現實中指標間可能存在的非線性關系, 而對數主成分分析則將指標間的非線性關系納入考慮。對指標間關系的不同處理方式導致各指標的權重有所不同, 進而影響綜合評價結果。通過指標權重的比較可知, 對數主成分分析中權重最大的指標是氮素利用效率、整精米率, 其次是有效穗、抗病蟲性和單產。主成分分析中權重最大的指標是結實率和直鏈淀粉含量, 其次是單產、抗倒性和氮素利用效率, 但是結實率、抗病蟲性、有效穗和堊白度4個指標在綜合得分中的系數為負, 即這4個指標的值越大其綜合得分越小, 同我們的預期相反。

2.2 系統聚類分析

將樣本數據進行均值標準化處理, 以Euclid (歐幾里得)距離計算各樣本點的距離, 用最長距離法對樣本進行聚類分析。結果(圖1)表明, 當臨界值>1時, 13個綠色超級稻候選品種被劃分為4類。武運粳30和南粳9108為一類(類I), 淮稻5、甬優2640、甬優1540和寧粳1為一類(類II), 揚粳4038、淮稻13、鎮稻10、寧粳5號、武運粳24和連粳7號為一類(類III), 鎮稻16為一類(類IV)。通過對這4類品種的性狀表現作進一步分析發現, 類I品種的直鏈淀粉含量顯著高于其他品種, 但堊白度偏高、氮素籽粒生產效率偏低。類II品種的抗病蟲性較強, 氮素籽粒生產效率較高, 但堊白度偏高。類III品種的堊白度較低, 整精米率較高, 但抗倒性較差。類IV品種的抗病蟲性較強, 堊白度較低, 但氮素籽粒生產效率偏低。

3 討論

3.1 評價指標篩選

選擇合理的評價指標是進行品種綜合評價的關鍵。近年來, 不少學者提出采用定量方法篩選評價指標, 如基于指標之間的相關性或指標數值的變異性進行指標篩選。但這種定量篩選方法的使用應當以不影響綜合評價指標體系的“全面性”與“代表性”為前提[11]。本文采用的是專家會議法來篩選評價指標。我們邀請了15位不同領域(包括育種、栽培、農業經濟以及農技推廣等)的水稻專家通過面對面討論或郵件交流確定評價指標。這種方法能夠充分利用各位專家的專業知識和實踐經驗, 篩選的指標具有較強的全面性和合理性。

表4 綠色超級稻品種綜合評價結果

排序1和排序2分別為對數主成分分析和主成分分析的評價結果。

Rank 1 and rank 2 represent the results of the logarithmic principal component analysis and principal component analysis respectively.

圖1 綠色超級稻候選品種的聚類分析樹狀圖

Zhendao 16: 鎮稻16; Liangeng 7: 連粳7號; Wuyungeng 24: 武運粳24; Ninggeng 5: 寧粳5號; Zhendao 10: 鎮稻10號; Huaidao 13: 淮稻13; Yanggeng 4038: 揚粳4038; Wuyungeng 30: 武運粳30; Nangeng 9108: 南粳9108; Ninggeng 1: 寧粳1號; Yongyou 1540: 甬優1540; Yongyou 2640: 甬優2640; Huaidao 5: 淮稻5號。

3.2 評價方法選擇與應用

綜合評價方法多種多樣, 每一種方法具有各自的優勢和不足。對數主成分分析法雖然相較于傳統主成分分析有一定改進, 但仍然存在不少爭議。例如, 進行綜合評價時用多個主成分加權評價是否可取, 這一問題始終未能得到解決。有部分學者指出, 應用主成分綜合評價時只能選擇第一主成分, 否則會導致評價結果的偏誤[35,39]。但也有部分學者認為, 只選取第一主成分是一種極端的做法, 其前提是第一主成分的方差貢獻率足夠大, 但這一條件往往難以滿足[40], 只要有評價指標同主成分具有顯著性統計關系, 便可選擇這一主成分進行加權綜合評價[41]。從實際應用看, 大部分文獻選擇的是多個主成分加權進行綜合評價。因此, 我們在應用主成分以及其他方法進行綜合評價時需要謹慎對待。另外, 大多數文獻在進行綜合評價分析時, 對一些技術細節注意不夠, 例如數據的正向化處理。如果指標不是正向化, 便得不到有效結論[37], 但很多文獻忽略了這一細節。因此, 我們應當及時跟進綜合評價理論和方法的發展動態, 采用更合理的方法開展綜合評價。

3.3 案例分析結果合理性探討

葉明確等[35]從理論基礎、幾何意義等方面對對數主成分分析的合理性進行了闡釋, 以2012年聯合國人類發展指數作為參考依據, 對不同評價方法進行了對比分析并驗證了對數主成分分析的合理性和有效性。本文結果發現, 對數主成分分析的綜合得分中各指標系數的符號均與預期相符, 而主成分分析綜合得分中部分指標的系數符號與預期相反。此外, 為了考察指標賦權的合理性, 我們將主觀賦權法(專家打分法)和客觀賦權法(對數主成分分析和傳統的主成分分析)的賦權結果進行比較。從賦權結果看, 對數主成分分析中權重最大的指標是氮素利用效率、整精米率, 其次是有效穗、抗病蟲性和單產。主成分分析中權重最大的指標是結實率和直鏈淀粉含量, 其次是單產、抗倒性和氮素利用效率。專家打分法中權重最大的指標是單產和氮素利用效率, 其次是抗病蟲性、抗倒性和品質。對比發現, 對數主成分分析的指標權重同專家打分法所得到的指標權重更接近, 也更符合綠色超級稻的理念, 即高產已不再是品種選育最重要的訴求, 優質、高(多)抗的重要性日益凸顯。這在一定程度上反映了對數主成分分析應用于綠色超級稻品種綜合評價的合理性。當然, 對數主成分分析的合理性還需更多的案例應用進行驗證。

3.4 本研究的局限性

本文基于綠色超級稻理念構建了一套綠色超級稻綜合評價指標體系, 并應用對數主成分分析法對綠色超級稻品種進行綜合評價, 不僅為綠色超級稻的新品種選育及推廣應用提供了有益參考, 而且為其他作物品種的綜合評價提供了有益的研究思路。但是本研究仍然存在一定的不足。第一, 評價指標在科學性、全面性等方面可能存在有待改進和完善之處。第二, 部分指標的數據獲取具有一定難度, 例如生態適應性指標, 需要同一品種在不同區域、不同年際進行收集; 又如經濟性指標中的整精米率、堊白度和社會性指標中的農藥殘留、重金屬殘留等需要專業機構或專業設備進行檢測, 數據獲取成本較高。第三, 評價方法雖然在個別方面有所改進, 但其應用中存在的一些爭議問題仍未得到有效解決, 如主成分分析法能否用多個主成分進行綜合評價尚需進一步討論。第四, 本研究案例分析應用的數據來源于大田試驗點, 具有一定的區域局限性, 且樣本量相對較少, 品種也僅限于粳稻品種, 因此存在樣本代表性不強等問題。此外, 由于數據獲取問題, 部分指標未納入分析框架, 且個別指標的數據來源于品種審定而非全部來自大田試驗, 存在數據源不完全統一而導致結果偏誤等問題。因此, 在今后的研究中需要在對評價指標體系完善的基礎上, 加強評價方法的改進和創新, 同時保證樣本數據的可靠性和代表性。

4 結論

圍繞“少打農藥、少施化肥、節水抗旱、優質高產”的理念, 從技術性、經濟性、生態性和社會性4個維度共18個指標構建了綠色超級稻品種綜合評價指標體系, 為綠色超級稻或其他作物的品種選育及推廣應用提供了一種有益的研究思路。對數主成分分析可作為一種有效的水稻品種綜合評價方法。

[1] 余四斌, 熊銀, 肖景華, 羅利軍, 張啟發. 雜交稻與綠色超級稻. 科學通報, 2016, 61: 3797–3803. Yu S B, Xiong Y, Xiao J H, Luo L J, Zhang Q F. Hybrid rice and green super rice., 2016, 61: 3797–3803 (in Chinese with English abstract).

[2] Elert E. Rice by the numbers: a good grain., 2014, 514: S50–S51.

[3] Zhang Q F. Strategies for developing green super rice., 2007, 104: 16402–16409.

[4] 彭張林, 張強, 楊善林. 綜合評價理論與方法研究綜述. 中國管理科學, 2015, 23(增刊1): 245–256. Peng Z L, Zhang Q, Yang S L. Overview of comprehensive evaluation theory and methhodology., 2015, 23(Suppl 1): 245–256 (in Chinese with English abstract).

[5] 邱東, 湯光華. 對綜合評價幾個階段的再思考. 統計教育, 1997, (4): 25–27. Qiu D, Tang G H. Rethink of stages of comprehensive evaluation., 1997, (4): 25–27 (in Chinese).

[6] 陳衍泰, 陳國宏, 李美娟. 綜合評價方法分類及研究進展. 管理科學學報, 2004, 7(2): 69–79. Chen Y T, Chen G H, Li M J. Classification and research advancement of comprehensive evaluation methods., 2004, 7(2): 69–79 (in Chinese with English abstract).

[7] 陳國宏, 李美娟. 基于方法集的綜合評價方法集化研究. 中國管理科學, 2004, 12(1): 102–106. Chen G H, Li M J. The research on the comprehensive evaluation methodintegration based on method set., 2004, 12(1): 102–106 (in Chinese with English abstract).

[8] 陳國宏, 李美娟. 組合評價收斂性驗證的計算機模擬實驗. 系統工程理論與實踐, 2005, 25(5): 74–82. Chen G H, Li M J. The simulation experiment on verifying the convergence of combination evaluation., 2005, 25(5): 74–82 (in Chinese with English abstract).

[9] 郭亞軍, 易平濤. 一種基于整體差異的客觀組合評價法. 中國管理科學, 2006, 14(3): 60–64. Guo Y J, Yi P T. Whole diversity-based reasoning for objective combined evaluation., 2006, 14(3): 60–64 (in Chinese with English abstract).

[10] 徐強. 組合評價法研究. 江蘇統計, 2002, (10): 10–12. Xu Q. Research on combined evaluation., 2002, (10): 10–12 (in Chinese).

[11] 蘇為華. 我國多指標綜合評價技術與應用研究的回顧與認識. 統計研究, 2012, 29(8): 98–107. Su W H. Review and recognition on the research of multi-indi-cators comprehensive evaluation in China., 2012, 29(8): 98–107 (in Chinese with English abstract).

[12] 楊瑰麗, 楊美娜, 李帥良, 曲志恒, 黃明, 陳志強, 王慧. 水稻萌芽期抗旱指標篩選與抗旱性綜合評價. 華南農業大學學報, 2015, 36(2): 1–5. Yang G L, Yang M N, Li S L, Qu Z H, Huang M, Chen Z Q, Wang H. Screening and comprehensive evaluation of drought resistance indices of rice at germination stage., 2015, 36(2): 1–5 (in Chinese with English abstract).

[13] 程建峰, 潘曉云, 劉宜柏, 戴廷波, 曹衛星. 水稻抗旱性鑒定的形態指標. 生態學報, 2005, 25: 3117–3125. Cheng J F, Pan X Y, Liu Y B, Dai T B, Cao W X. Morphological indexes of drought resistance identification in rice., 2005, 25: 3117–3125 (in Chinese with English abstract).

[14] 蔡建國, 章毅, 孫歐文, 楊倩倩. 繡球抗旱性綜合評價及指標體系構建. 應用生態學報, 2018, 29: 3175–3182. Cai J G, Zhang Y, Sun O W, Yang Q Q. Comprehensive evaluation and construction of drought resistance index system in., 2018, 29: 3175–3182 (in Chinese with English abstract).

[15] 韓飛, 諸葛玉平, 婁燕宏, 王會, 張乃丹, 何偉, 晁贏. 63份谷子種質的耐鹽綜合評價及耐鹽品種篩選. 植物遺傳資源學報, 2018, 19: 685–693. Han F, Zhu-Ge Y P, Lou Y H, Wang H, Zhang N D, He W, Chao Y. Evaluation of salt tolerance and screening for salt tolerant accessions of 63 foxtail millet germplasm., 2018, 19: 685–693 (in Chinese with English abstract).

[16] 張海艷, 趙海軍. 不同品種玉米萌發期和苗期耐鹽性綜合評價. 玉米科學, 2016, 24(5): 61–67. Zhang H Y, Zhao H J. Comprehensive evaluation of salt tolerance of different corn varieties at the germination and seedling stages., 2016, 24(5): 61–67 (in Chinese with English abstract).

[17] 蘇李維, 李勝, 馬紹英, 戴彩虹, 時振振, 唐斌, 趙生琴, 蒲彥濤. 葡萄抗寒性綜合評價方法的建立. 草業學報, 2015, 24(3): 70–79. Su L W, Li S, Ma S Y, Dai C H, Shi Z Z, Tang B, Zhao S Q, Pu Y T. A comprehensive assessment method for cold resistance of grape vines., 2015, 24(3): 70–79 (in Chinese with English abstract).

[18] 劉海卿, 孫萬倉, 劉自剛, 武軍艷, 錢武, 王志江, 郭仁迪, 馬驪, 侯獻飛, 劉林波. 北方寒旱區白菜型冬油菜抗寒性與抗旱性評價及其關系. 中國農業科學, 2015, 48: 3743–3756. Liu H Q, Sun W C, Liu Z G, Wu J Y, Qian W, Wang Z J, Guo R D, Ma L, Hou X F, Liu L B. Evaluation of drought resistance and cold resistance and research of their relationship at seedling stage of winter rapeseed (L.) in cold and arid regions in North China., 2015, 48: 3743–3756 (in Chinese with English abstract).

[19] 王樹剛, 王振林, 王平, 王海偉, 李府, 黃瑋, 武玉國, 尹燕枰. 不同小麥品種對低溫脅迫的反應及抗凍性評價. 生態學報, 2011, 31: 1064–1072. Wang S G, Wang Z L, Wang P, Wang H W, Li F, Huang W, Wu Y G, Yin Y P. Evaluation of wheat freezing resistance based on the responses of the physiological indices to low temperature stress., 2011, 31: 1064–1072 (in Chinese with English abstract).

[20] 于秋竹, 孔宇, 陳東升, 解保勝, 徐正進. 基于主成分及聚類分析的黑龍江省水稻產量與品質的綜合評價. 沈陽農業大學學報, 2015, 46: 219–224. Yu Q Z, Kong Y, Chen D S, Xie B S, Xu Z J. Comprehensive evaluation of yield and quality of rice based on principal component and cluster analysis in Heilongjiang province., 2015, 46: 219–224 (in Chinese with English abstract).

[21] 陳晨, 龔海青, 張敬智, 徐寓軍, 郜紅建. 不同基因型水稻苗期氮營養特性差異及綜合評價. 中國生態農業學報, 2016, 24: 1347–1355. Chen C, Gong H Q, Zhang J Z, Xu Y J, Gao H J. Evaluation of nitrogen nutrition characteristics of different rice cultivars at seedling stage., 2016, 24: 1347–1355 (in Chinese with English abstract).

[22] 王雪, 崔少雄, 孫志梅, 穆國俊, 崔順立, 王鵬超, 劉立峰. 基于生物量和養分累積量的花生品種生態適應性評價. 應用生態學報, 2015, 26: 2023–2029. Wang X, Cui S X, Sun Z M, Mu G J, Cui S L, Wang P C, Liu L F. Ecological adaptability evaluation of peanut cultivars based on biomass and nutrient accumulatio., 2015, 26: 2023–2029 (in Chinese with English abstract).

[23] 鈔小靜, 任保平. 中國經濟增長質量的時序變化與地區差異分析. 經濟研究, 2011, 46(4): 26–40. Chao X J, Ren B P. The fluctuation and regional difference of quality of economic growth in China., 2011, 46(4): 26–40 (in Chinese with English abstract).

[24] 葉雙峰. 關于主成分分析做綜合評價的改進. 數理統計與管理, 2001, 20(2): 52–55. Ye S F. The application and consideration about principal component analysis., 2001, 20(2): 52–55 (in Chinese with English abstract).

[25] 邱東. 多指標綜合評價:方法論反思. 經濟統計學(季刊), 2013, (1): 39–47. Qiu D. Multi-index comprehensive evaluation: A methodological reflection., 2013, (1): 39–47 (in Chinese with English abstract).

[26] 張啟發. 未來作物育種對綠色技術的需求. 華中農業大學學報(社會科學版), 2014, 33(6): 10–15. Zhang Q F. Demands for green technologies in future plant breeding., 2014, 33(6): 10–15 (in Chinese with English abstract).

[27] 中華人民共和國農業部. 農業行業標準: NY/T 83-2017. 北京: 中國農業出版社, 2017. Ministry of Agriculture and Rural Affairs of the People’s Republic of China. Agricultural standard: NY/T 83-2017. Beijing: China Agriculture Press, 2017 (in Chinese).

[28] 程式華. 2017年中國水稻產業發展報告. 北京: 中國農業科學技術出版社, 2017. pp 169–176. Cheng S H. Development Report of China’s Rice Industry in 2017. Beijing: China Agricultural Science and Technology Press, 2017. pp 169–176 (in Chinese).

[29] FAOSTAT. Fertilizer by Nutrient. (2018-08-28)[2018-03-27]. http://www.fao.org/faostat/en/#data/RFN.

[30] 王忠, 顧蘊潔, 陳剛, 熊飛, 李運祥. 稻米的品質和影響因素. 分子植物育種, 2003, 1: 231–241. Wang Z, Gu Y J, Chen G, Xiong F, Li Y X. Rice quality and its affecting factors., 2003, 1: 231–241 (in Chinese with English abstract).

[31] Gungor Z, Serhadlioglu G, Kesen S E. A fuzzy AHP approach to personnel selection problem., 2009, 9: 641–646.

[32] Rao C R. The use and interpretation of principal component analysis in applied research.,(1961–2002), 1964, 26: 329–358.

[33] 蔡藝. 主成分方法在綜合評價中的應用. 中國統計, 2005, (2): 24–26. Cai Y. Application of principal component analysis in comprehensive evaluation., 2005, (2): 24–26 (in Chinese).

[34] 邱東. 多指標綜合評價方法. 統計研究, 1990, 7(6): 43–51. Qiu D. Multi-index comprehensive evaluation methods., 1990, 7(6): 43–51 (in Chinese).

[35] 葉明確, 楊亞娟. 主成分綜合評價法的誤區識別及其改進. 數量經濟技術經濟研究, 2016, 33(10): 142–153. Ye M Q, Yang Y J. Erroneous zone identification and improvement of synthesis evaluation based on principal component analysis., 2016, 33(10): 142–153 (in Chinese with English abstract).

[36] 陳軍才. 主成分與因子分析中指標同趨勢化方法探討. 統計與信息論壇, 2005, 20(2): 19–23. Chen J C. Discussion of the same trending methods of indices in principal component analysis and factor analysis., 2005, 20(2): 19–23 (in Chinese with English abstract).

[37] 林海明. 對主成分分析法運用中十個問題的解析. 統計與決策, 2007, (16): 16–18. Lin H M. Ten questions in application of principal component analysis., 2007, (16): 16–18 (in Chinese).

[38] 葉宗裕. 關于多指標綜合評價中指標正向化和無量綱化方法的選擇. 浙江統計, 2003, (4): 24–25. Ye Z Y. Methods for handling the indexes positively and non-dimensionally in comprehensive evaluations., 2003, (4): 24–25 (in Chinese).

[39] 胡永宏. 對統計綜合評價中幾個問題的認識與探討. 統計研究, 2012, 29(1): 26–30. Hu Y H. Understanding and discussion of some problems in statistical synthesis evaluation., 2012, 29(1): 26–30 (in Chinese with English abstract).

[40] 李靖華, 郭耀煌. 主成分分析用于多指標評價的方法研究: 主成分評價. 管理工程學報, 2002, 16(1): 39–43. Li J H, Guo Y H. Principal component evaluation: a multivariate evaluate method expand from principal component analysis., 2002, 16(1): 39–43 (in Chinese with English abstract).

[41] 林海明, 杜子芳. 主成分分析綜合評價應該注意的問題. 統計研究, 2013, 30(8): 25–31. Lin H M, Du Z F. Some problems in comprehensive evaluation in the principal component analysis., 2013, 30(8): 25–31 (in Chinese with English abstract).

Comprehensive evaluation of green super rice varieties based on nonlinear principal component analysis

JI Long, SHEN Hong-Fang, XU Chun-Chun, CHEN Zhong-Du, and FANG Fu-Ping*

China National Rice Research Institute, Hangzhou 310006, Zhejiang, China

Application of green super rice (GSR) is regarded as one of the important ways to realize sustainable development of rice production, and has become a major goal of the rice breeding around the world. However, there are few literatures on comprehensive evaluation of GSR varieties. The GSR concept is the development of varieties with insect and disease resistance, high N- and P-use efficiency, drought resistance, high grain yield and superior quality. Based on the GSR concept, we establish a comprehensive evaluation index system of GSR varieties in four dimensions, including technical indicators, economic indicators, ecological indicators and social indicators. This index system should shed light on a new perspective for evaluation of crop varieties, variety breeding as well as the application and extension of new crop varieties. Further, a nonlinear principal component analysis, namely logarithmic principal component analysis, was introduced into the comprehensive evaluation of GSR varieties. Based on field experimental data with a comparative analysis by different methods, we revealed that the logarithmic principal component analysis is feasible and reasonable for comprehensive evaluation of GSR varieties.

green super rice; comprehensive evaluation; index system; nonlinear principal component analysis

2018-11-22;

2019-04-15;

2019-04-23.

10.3724/SP.J.1006.2019.82057

方福平, E-mail: fangfuping@caas.cn, Tel: 0571-63100133

E-mail: jilong@caas.cn, Tel: 0571-63370395

本研究由國家高技術研究發展計劃項目(2014AA10A605), 浙江省自然科學基金青年基金項目(LQ18G030013)和財政部-農業部基本科研業務費項目(2017RG007)資助。

This study was supported by the National High Technology Research and Development Program of China (2014AA10A605), the Natural Science Foundation of Zhejiang Province of China (LQ18G030013), and the Fundamental Research Funds of Ministry of Finance and Ministry of Agriculture and Rural Affairs of China (2017RG007).

URL: http://kns.cnki.net/kcms/detail/11.1809.S.20190423.1100.002.html