基于灰色關聯度法的黃淮南片小麥新品種綜合評判

杜曉宇 李順成 韓玉林 王麗娜 呂永軍 李楠楠 鄒少奎 張 倩 黃 峰

（河南省周口市農業科學院，周口 466001）

小麥是黃淮流域的主要糧食作物，近年來其產量和品質均得到穩步提升。小麥品質是由多重因素共同構成的，不同品種間性狀有較大差異[1]。小麥新品種試驗主要應用DPS 等統計軟件對產量進行方差分析和多重比較，對多個其他性狀評價不夠全面，分析過于直觀，缺少聯系。灰色系統理論可以充分利用全生育期、株高、容重、基本苗、產量等與品種表現有重要關系的性狀進行分析，更全面地選擇出綜合農藝性狀優良的品種，該分析方法在多種農作物和經濟作物上均有應用[2-5]。本研究應用灰色關聯度分析法，對小麥新品種的產量等多種性狀進行綜合分析，以期為品種推廣及育種改良提供參考[6-9]。

1 材料與方法

1.1 試驗材料采用2019-2020 年度國家黃淮南片水地組區試早播1 組的18 個（含2 個對照）小麥新品種（系）：漯河68、渦麥169、周麥37 號、中育1686、豐工38、富麥701、泛育麥20、阜麥13、徽研66、鄭麥162、安科1604、鄭麥158、泛麥26、隆平麥3 號、周麥18（CK1）、淮核16132、鄭大171、百農207（CK2）。

1.2 試驗方法試驗于2019-2020 年在輝縣、洛陽、漯河、商丘、濮陽、新鄉、滎陽、原陽、周口、阜陽、渦陽、新馬橋、宿州、淮安、連云港、射陽、宿遷、徐州、寶雞、富平、華陰、楊凌共22 個試點進行。前茬大部分為玉米和大豆。田間試驗采用隨機區組設計，重復3 次，小區面積13.5m2。田間調查和室內考種按照國家黃淮南片區試方案統一進行，本研究所用的各性狀數值均取22 個區試點的平均值。

采用灰色關聯度分析法，將每一組試驗作為一個灰色系統，單個品種作為系統的一個因素。構建一個理想的參考品種，以參考品種的各項性狀指標構成一個參考數列，18 個參試品種（系）構成比較數列。計算參試品種與參考品種之間的關聯度，以確定各參試品種的優劣次序。選擇的8 個測量性狀分別是：產量、全生育期、株高、成穗率、穗數、穗粒數、千粒重、容重。

2 結果與分析

2.1 不同品種灰色關聯度分析

2.1.1 參考品種的構建參考品種是根據當地育種目標確定的各性狀理想值的集合。產量、穗粒數、千粒重、容重、成穗率等性狀應取上限值；株高、全生育期等應取適中值[10]，具體數值參見表1。

表1 參考品種和參試品種（系）的各性狀平均值

2.1.2 無量綱化處理同一品種的各個性狀差異較大，為進行灰色關聯度分析，需對原始數據進行無量綱化處理，用參考品種的性狀值去除各比較序列，得到一個數值全在[0，1]之間的新數列，即是對參試品種各性狀數據進行標準化處理，結果參見表2。

2.1.3 關聯系數的計算標準化處理后，計算參考品種和比較品種的絕對差值，找出每個灰色系統的最大和最小絕對值，各性狀的關聯系數（ξi）=（最小絕對值+0.5×最大絕對值）/（各點絕對值+0.5×最大絕對值），0.5 為分辨系數，各參試品種的關聯系數見表3。

2.1.4 不同品種的加權關聯度和等權關聯度根據當地實際，結合育種家經驗，對各農藝性狀賦予不同的權重系數（Wk）。產量Wk=0.35、全生育期Wk=0.05、株高Wk=0.04、成穗率Wk=0.06、穗數Wk=0.14、穗粒數Wk=0.14、千粒重Wk=0.14、容重Wk=0.05。依據（K），求得各品種加權關聯度（表4）。等權關聯度是關聯系數的算術平均值，帶入前式計算，結果見表4。

2.1.5 關聯度分析灰色系統理論認為：品種（系）的關聯度越大，說明該品種（系）與參考品種越接近，綜合表現較好。漯河68、渦麥169、周麥37 號、中育1686、豐工38、富麥701 等品種加權關聯度較高，性狀的綜合表現突出，與實際是基本一致的。整體來看，產量排序與加權關聯度排序有一些出入，但漯河68、渦麥169 和周麥37 號一直處于前3 位，說明這3個品種的產量和綜合表現均比較突出。個別品種，如徽研66，產量排序靠前，而加權關聯度排名靠后，通過參看關聯系數可知，該品種株高偏離參考值過大，導致其關聯度降低；另外，阜麥13 產量排序中等，加權關聯度和等權關聯度排序居前，說明其除產量外的7 個性狀表現較好；而鄭麥162 和周麥18 產量排序和加權關聯度排序完全一致，雖然不突出，但各性狀表現均衡，需要指出的是，周麥18 是作為對照品種存在的，該品種的綜合表現值得繼續跟蹤。應用關聯度分析，可以更加全面衡量品種的表現，對比品種特點和不足，為后續育種目標和實際推廣指明方向。

表2 參考品種和參試品種（系）主要性狀的無綱量化值

表3 參試品種（系）的關聯系數

表4 參試品種（系）的加權關聯度和等權關聯度

2.2 產量與其他性狀的灰色關聯度分析

2.2.1 產量與其他性狀的關聯系數及關聯度利用已得出的無綱量化值，求出以產量作為參考數列與其他性狀的絕對差值，然后依據產量與其他相關性狀的關聯系數（ξi）=（最小絕對值+0.5×最大絕對值）/（各點絕對值+0.5×最大絕對值），0.5 為分辨系數，求出產量與不同性狀的關聯系數。等權關聯度是關聯系數的算術平均值，將表中各因素的關聯系數代入上述公式，求出各性狀與產量的關聯度（表5）。

2.2.2 產量與其他性狀的關聯度分析由表6 可知，各農藝性狀對產量的貢獻度大小依次為：容重＞千粒重＞株高＞全生育期＞穗粒數＞穗數＞成穗率。本組試驗結果中，對產量貢獻最大的3 個性狀依次是容重、千粒重和株高，同理想值相比，存在一定差距，而另外幾個性狀的關聯度明顯偏低，可能與年份有關。具體來看：全生育期的平均值與理想值一致，說明各品種表現差別不大；生產上要求適宜的株高，株高的理想值是低于平均值的；而其他5 個性狀平均值也均低于理想值，各品種之間表現是有差異的，性狀之間互有優劣。

3 討論

目前對于小麥區試結果的分析，除了常見的產量分析，如豐產穩產性分析之外[11]，灰色關聯度分析逐年增多，其可容納數據量大，相比主成分分析或者聚類分析，更加容易掌握，操作簡便[12]。方法原理易懂，理論明確，可作為經常性工具，輔助育種和結果判定，這些方法的運用，旨在更好地評價品種表現。

培育的新品種，主要依托當地氣候、土壤等情況做出優選，運用多點試驗結果進行分析，其實也考察了品種的適應性。通過理想品種不同性狀的權重分配，依據試驗結果，不斷接近育種目標。在小麥實際生產中，理想性狀的取值應適中，如株高、產量三要素等，不能一味追求過高值。產量過高，要考慮莖稈彈性和株高，否則有倒伏風險；千粒重過高，要考慮穗粒數；成穗率過高，前期營養浪費嚴重。而對于一些負向性狀，如黑胚率、赤霉病、條銹病等，在實際試驗中受主觀性和觀察時間影響較大，保守起見，本研究沒有采用，在以后的分析中要設法加以補足。

表5 參試品種（系）產量與各農藝性狀的關聯系數

表6 產量與性狀間的等權關聯度

關于各性狀權重系數，有多種確定方法，可以分為主觀賦權法和客觀賦權法，包括德爾菲法、專家打分法、AHP 法、主成分分析法、因子分析法等，這些方法需要大樣本量且要符合統計標準，不利于推廣。本研究對有代表性的8 個主要農藝性狀，結合育種經驗進行權重賦值，降低了產量比重，各育種家可按照自己的選育目標選取，沒有具體限制。