劉寶海 聶守軍 高世偉 劉 晴 劉宇強(qiáng) 馬 成 常匯琳 張佳檸 薛英會(huì) 白 瑞

(1.黑龍江省農(nóng)業(yè)科學(xué)院 綏化分院，黑龍江 綏化 152052；2.黑龍江八一農(nóng)墾大學(xué) 農(nóng)學(xué)院，黑龍江 大慶 163319)

黑龍江省稻作區(qū)是中國(guó)最北部的寒地稻作區(qū)，也是優(yōu)質(zhì)粳米生態(tài)區(qū)。作為黑龍江主要糧食作物的水稻，2018年種植面積約為378萬hm，約占全國(guó)粳稻總種植面積50%，約占全國(guó)種植面積3 019萬hm的12.5%，水稻總產(chǎn)量2018年達(dá)2 685.5 萬t，約占全國(guó)水稻總產(chǎn)量的12.7%，在糧食生產(chǎn)和保障國(guó)家糧食安全方面起到了舉足輕重作用。優(yōu)良新品種的選育和應(yīng)用為寒地水稻單產(chǎn)提高、總產(chǎn)持續(xù)增加、綜合生產(chǎn)能力穩(wěn)定提升做出了突出貢獻(xiàn)。

育種目標(biāo)是開展育種實(shí)踐工作的前提、依據(jù)和指南，其制定的準(zhǔn)確與否直接關(guān)系到育種工作的成敗。多目標(biāo)性狀優(yōu)化問題中，面臨多個(gè)優(yōu)化目標(biāo)性狀往往是不易兼顧的，幾乎不存在一個(gè)解能夠同時(shí)滿足優(yōu)化多個(gè)目標(biāo)的最優(yōu)函數(shù)。求解多目標(biāo)優(yōu)化問題實(shí)質(zhì)就是在滿足所有約束條件和各個(gè)目標(biāo)函數(shù)條件下的1組最優(yōu)Pareto解集，同時(shí)也需要對(duì)解進(jìn)行評(píng)價(jià)選擇，常見評(píng)價(jià)方法有基于效用函數(shù)沖突解決理論和理想點(diǎn)法等。隨著VEGA、NSGA和NSGA-Ⅱ等方法相繼提出，利用遺傳算法求解Pareto解集迅速得到廣泛應(yīng)用，但主要應(yīng)用于種植結(jié)構(gòu)調(diào)整、水資源配置、機(jī)械設(shè)備制造和調(diào)度問題等方面。

水稻育種目標(biāo)中高產(chǎn)和優(yōu)質(zhì)是永恒的主題，進(jìn)入21世紀(jì)以來, 隨著人們生活水平顯著提高，育種目標(biāo)也從單一高產(chǎn)轉(zhuǎn)向優(yōu)質(zhì)、抗病和高產(chǎn)等復(fù)合性狀目標(biāo)。然而這些目標(biāo)性狀受遺傳與環(huán)境影響，往往是互相矛盾且不易兼顧、難以量化統(tǒng)一協(xié)調(diào)的。目前，育種家設(shè)計(jì)育種目標(biāo)時(shí)，較少考慮未來5～10年生產(chǎn)對(duì)品種特征的需求，且存在著經(jīng)驗(yàn)定性較多而客觀量化較少、性狀單一局限突出而協(xié)調(diào)統(tǒng)一不足的問題。采用遺傳算法進(jìn)行多目標(biāo)優(yōu)化模型應(yīng)用，已經(jīng)被不少學(xué)者在多方面使用且效果良好，但應(yīng)用此方法于水稻育種多目標(biāo)優(yōu)化設(shè)計(jì)，并結(jié)合熵權(quán)評(píng)價(jià)法對(duì)Pareto解集進(jìn)行功效綜合評(píng)價(jià)鮮見報(bào)道。本研究參照7個(gè)黑龍江省第二積溫帶主推水稻品種的22個(gè)農(nóng)藝性狀變量指標(biāo)數(shù)據(jù)值，運(yùn)用NSGA-II遺傳算法與功效評(píng)價(jià)法，旨在優(yōu)化設(shè)計(jì)適宜黑龍江省第二積溫帶水稻生產(chǎn)需求的育種多目標(biāo)性狀參數(shù)值方案，以期為寒地不同積溫生態(tài)區(qū)水稻及大豆、玉米等作物新品種的育種多目標(biāo)優(yōu)化提供參考。

1 材料和方法

1.1 試驗(yàn)材料

本試驗(yàn)在黑龍江省綏化市北林區(qū)秦家鎮(zhèn)(46°49′ N，126°57′ E)進(jìn)行。選擇2015—2019年黑龍江省第二積溫帶‘綏粳號(hào)’主推水稻品種，包括‘綏粳4號(hào)’(V)、‘綏粳15號(hào)’(V)、‘綏粳16’(V)、‘綏粳18’(V)、‘綏粳22’(V)、‘綏粳23’(V)和‘綏粳28’(V)共7 個(gè)品種，種子來源于黑龍江省農(nóng)業(yè)科學(xué)院綏化分院。V品種2018年種植2.46萬hm，占全省水稻播種面積的0.66%，V、V、V、V、V和V品種2019年分別種植14.36萬、6.32萬、68.21萬、21.92萬、0.25萬和5.38萬hm，各占全省水稻播種面積的3.77%、1.66%、17.93%、5.76%、0.93%和1.42%，7個(gè)品種累計(jì)占全省播種面積的32.13%。其中V種植面積全省第1位，V是黑龍江省首個(gè)香稻品種，其他5個(gè)品種均在不同年份被列為黑龍江省優(yōu)質(zhì)高產(chǎn)水稻品種植區(qū)劃布局主推品種。

1.2 試驗(yàn)方法

1

.

2

.

1

試驗(yàn)設(shè)計(jì)

試驗(yàn)采用田間種植品種比較試驗(yàn)設(shè)計(jì)。供試材料于2019和2020年的4月中旬苗床育秧播種，播種量為250 g/m。5月下旬栽插本田，每個(gè)品種10行，行長(zhǎng)10 m，行距30.3 cm，株距13.3 cm，每穴3株苗。3次重復(fù)。田間施尿素200 kg/hm，磷酸二銨120 kg/hm，硫酸鉀75 kg/hm。尿素使用比例為基肥∶蘗肥∶穗肥∶粒肥=5.0∶3.0∶1.5∶0.5，磷酸二銨為基肥施用，硫酸鉀施用比例為基肥∶穗肥=6∶4。生長(zhǎng)期水分管理以淺水間歇灌溉為主，8月末停水。田間不施農(nóng)藥。

1

.

2

.

2

數(shù)據(jù)采集采集指標(biāo)主要包括：株高(

x

)、劍葉長(zhǎng)(

x

)、劍葉寬(

x

)、穗長(zhǎng)(

x

)、穴穗數(shù)(

x

)、每穗粒數(shù)(

x

)、每穗實(shí)粒數(shù)(

x

)、千粒重(

x

)、著粒密度(

x

)、結(jié)實(shí)率(

x

)、實(shí)際產(chǎn)量(

x

)、谷粒長(zhǎng)(

x

)、谷粒寬(

x

)、長(zhǎng)寬比(

x

)、堊白度(

x

)、堊白米率(

x

)、出糙率(

x

)、整精米率(

x

)、直鏈淀粉含量(

x

)、膠稠度含量(

x

)、蛋白質(zhì)含量(

x

)和食味品質(zhì)分值(

x

)。

數(shù)據(jù)采集方法為：水稻成熟期，調(diào)查供試材料小區(qū)中間4行40穴穗數(shù)，計(jì)算平均穴穗數(shù)，按平均穴穗數(shù)選取有代表性10穴植株考種，采集株高、劍葉長(zhǎng)、劍葉寬、穗長(zhǎng)、每穗粒數(shù)、每穗實(shí)粒數(shù)、千粒重、著粒密度和結(jié)實(shí)率等性狀，選擇小區(qū)中間2 行去除行頭0.5 m收獲，自然風(fēng)干后脫粒測(cè)定小區(qū)實(shí)際產(chǎn)量并折算單產(chǎn)，kg/hm。稻谷收獲儲(chǔ)藏1個(gè)月后，利用萬深SC-E大米外觀品質(zhì)檢測(cè)及稻米品質(zhì)判定儀(杭州萬深檢測(cè)科技有限公司)測(cè)定谷粒長(zhǎng)、谷粒寬、長(zhǎng)寬比、堊白米率和堊白度，參照國(guó)家標(biāo)準(zhǔn)《優(yōu)質(zhì)稻谷(GB/T17891-2017)》測(cè)定出糙率、精米率、整精米率、直鏈淀粉含量、蛋白質(zhì)含量和膠稠度含量。用日本靜岡制機(jī)株式會(huì)社的QS-4000型高精度近紅外線食味分析儀測(cè)定精米食味品質(zhì)。

1

.

2

.

3

多目標(biāo)優(yōu)化

1)確立目標(biāo)變量關(guān)系函數(shù)。構(gòu)建如公式(1)和(2)所示的以實(shí)際產(chǎn)量、食味品質(zhì)分值為因變量，其他指標(biāo)性狀值為自變量的關(guān)系函數(shù)。

Y

=

b

+

b

x

+

b

x

+…+

b

x

(1)

T

=

b

+

b

x

+

b

x

+…+

b

x

(2)

式(1)～(2)中：

Y

表示實(shí)際產(chǎn)量函數(shù)；

T

表示食味品質(zhì)函數(shù)；

x

為待優(yōu)化的自變量性狀值；

b

為常數(shù)項(xiàng)；

b

為偏回歸系數(shù)；

p

表示某個(gè)自變量性狀。

2)構(gòu)建多目標(biāo)優(yōu)化函數(shù)模型。種植水稻品種實(shí)際產(chǎn)量目標(biāo)、精米食味品質(zhì)目標(biāo)越大越好，建立的目標(biāo)優(yōu)化函數(shù)如下述公式(3)：

max=[

f

(

x

),

f

(

x

)]

(3)

式(3)中：

f

(

x

)，產(chǎn)量

Y

函數(shù)；

f

(

x

)，精米食味品質(zhì)

T

函數(shù)；

x

，待優(yōu)化的性狀變量。

根據(jù)種植、加工和消費(fèi)等主體對(duì)品種性狀要求，制定約束條件如公式(4)：

s.t.

=lb≤

x

≤ub

(4)

公式(4)中：lb和ub分別為變量

x

的下限和上限約束。

3)優(yōu)化函數(shù)模型求解。本研究采用NSGA-II遺傳算法，通過MATLAB編程，實(shí)現(xiàn)優(yōu)化函數(shù)模型的求解。運(yùn)用該算法求解步驟如下：首先，對(duì)模型構(gòu)建中決策變量作實(shí)數(shù)編碼，其中包括穗實(shí)粒數(shù)、千粒重、膠稠度含量、蛋白質(zhì)含量和整精米率等。其次，隨機(jī)產(chǎn)生N個(gè)個(gè)體初始種群，非支配排序后，通過選擇、交叉和變異得到F子群。然后，F(xiàn)開始將父代與子代結(jié)合，作快速非支配排序和擁擠度計(jì)算，再選取合適個(gè)體形成新父代種群。最后，運(yùn)用遺傳算法基本操作產(chǎn)生新1代子群，依次類推，直到滿足條件為止。

1

.

2

.

4

優(yōu)化結(jié)果評(píng)價(jià)

利用熵權(quán)綜合評(píng)價(jià)法，結(jié)合實(shí)際解決問題需要，對(duì)最優(yōu)Pareto解集進(jìn)行評(píng)價(jià)，具體步驟如下：

1)設(shè)定

m

個(gè)評(píng)價(jià)方案，

n

個(gè)評(píng)價(jià)指標(biāo)，各指標(biāo)原始數(shù)據(jù)矩陣表示為公式：

R

={

r

}×(

i

=1,2,3,…,

m

;

j

=1,2,3…,

n

)

(5)

式(5)中：

r

，第

i

個(gè)評(píng)價(jià)方案第

j

個(gè)指標(biāo)值。2)計(jì)算標(biāo)準(zhǔn)化數(shù)據(jù)如公式(6)，確定如公式(7)的標(biāo)準(zhǔn)化數(shù)據(jù)矩陣

P

：

(6)

P

={

p

}×(

i

=1,2,3,…,

m

;

j

=1,2,3,…,

n

)

(7)

式(6)和(7)中：

P

，第

i

個(gè)評(píng)價(jià)方案第

j

個(gè)指標(biāo)綜合標(biāo)準(zhǔn)化值；

m

，評(píng)價(jià)單元數(shù)量。

3)計(jì)算評(píng)價(jià)指標(biāo)信息熵，可表示為公式：

(8)

式(8)中：

e

，第

j

個(gè)指標(biāo)的信息熵。

4)計(jì)算各指標(biāo)權(quán)重，即熵權(quán)，可表示為公式：

(9)

式(9)中：

ω

，第

j

個(gè)指標(biāo)的權(quán)重(熵權(quán))。5)計(jì)算各指標(biāo)隸屬函數(shù)價(jià)值系數(shù)值

b

，如公式(10)(指標(biāo)均為正效益)、(11)(指標(biāo)均為負(fù)效益)所示，從而確定功效矩陣

B

。

(10)

(11)

B

={

b

}×(

i

=1,2,3,…,

m

;

j

=1,2,3,…,

n

)式(10)和(11)中：

b

，第

i

個(gè)評(píng)價(jià)方案第

j

個(gè)指標(biāo)的價(jià)值系數(shù)值。

6)對(duì)Pareto解集方案綜合評(píng)價(jià)，計(jì)算如公式(12)所示：

(12)

式(12)中：CI，第

i

個(gè)方案第

j

個(gè)指標(biāo)評(píng)價(jià)下的綜合評(píng)價(jià)指數(shù)值。

1.3 統(tǒng)計(jì)分析

利用IBM SPSS Statistics 25.0軟件，對(duì)采集的22 個(gè)性狀指標(biāo)變量平均值數(shù)據(jù)進(jìn)行回歸線性分析，確立目標(biāo)變量關(guān)系函數(shù)。利用MATLAB(R2017a)軟件編輯源代碼，對(duì)篩選出的Pareto解集指標(biāo)數(shù)據(jù)進(jìn)行評(píng)價(jià)獲取綜合評(píng)價(jià)指數(shù)值(CI)。2019和2020年7 個(gè)品種22個(gè)農(nóng)藝性狀的指標(biāo)值重復(fù)性好且變化趨較一致，故本研究主要利用2020年數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

2 結(jié)果與分析

2.1 育種多目標(biāo)變量函數(shù)模型構(gòu)建

由表1可知，7個(gè)品種間谷粒長(zhǎng)(

x

)和谷粒寬(

x

)2 個(gè)性狀指標(biāo)差異均達(dá)顯著水平(

P

<0.05)，其他20個(gè)性狀間差異均達(dá)極顯著水平(

P

<0.01)。其中株高(

x

)、劍葉長(zhǎng)(

x

)、著粒密度(

x

)、結(jié)實(shí)率(

x

)、堊白度(

x

)、堊白米率(

x

)和出糙率(

x

)在7個(gè)品種間的遺傳變異多樣性較豐富，劍葉寬(

x

)、千粒重(

x

)、谷粒長(zhǎng)(

x

)、谷粒寬(

x

)、谷粒長(zhǎng)寬比(

x

)、蛋白質(zhì)含量(

x

)和食味品質(zhì)性狀(

x

)在品種間遺傳變異多樣性較小。各性狀指標(biāo)值在品種間表現(xiàn)的較大差異性和相對(duì)穩(wěn)定性，既利于供試品種特性參數(shù)指標(biāo)充分表達(dá)，也能夠保證目標(biāo)變量函數(shù)模型構(gòu)建可靠性。

表1 供試品種農(nóng)藝性狀指標(biāo)試驗(yàn)結(jié)果

Table 1 Test results of agronomic characters of tested varieties

品種Varietyx1x2x3x4x5x6x7x8x9x10x11 V186.0f24.0c1.3bc14.6e19.0d104.8c97.0cd26.3b7.2a92.6d9970.2b V289.7e21.0e1.5ab17.6d21.7b113.8b98.0c25.7c6.5b85.2f9019.0c V393.4d27.0a1.5ab17.0d18.3e118.4a96.9cd26.6b7.0a81.9g8333.3d V487.4f22.0d1.4b16.5d20.0c102.8c109.0a26.0b6.2c94.4b10375.0a V5101.9b23.6c1.2c18.9b16.0f100.9d94.1d26.6b5.3e96.1a8217.3de V6108.1a25.2b1.6a21.4a19.0d111.6b102.0b26.8b5.2f86.9e7917.3e V798.5c18.2f1.2c18.0c24.3a103.9c94.0d27.8a5.8d93.4c9989.3b均值A(chǔ)verag95.023.01.417.719.8108.098.726.56.290.19117.3 F364.46??331.77??6.50??131.96??163.35??38.37??52.98??5.23??107.75??1009.83??145.17??品種Varietyx12x13x14x15x16x17x18x19x20x21x22 V15.4b2.7a2.0b0.1g1.0e80.1e71.7b17.5d73.6c6.5b83.0b V25.4b2.6ab2.1b1.2b5.5b81.9d68.4c18.7a71.0e6.6b80.0c V35.2b2.6ab2.0b0.6e4.0c82.4c67.3d17.8bc73.3c6.5b81.0c V45.4b2.6ab2.1b1.0c0.2f84.6a72.8a17.6c74.6b6.7ab80.0c V55.3b2.6ab2.0b0.3f2.5d82.0c71.9b17.9bc74.0bc6.5b84.0a V66.0a2.4b2.4a2.6a6.0a79.2f64.5e18.1b76.5a6.8ab84.0a V75.7ab2.4b2.4a0.8d2.5d83.4b72.3ab17.5d72.0d6.9a85.0a均值A(chǔ)verag5.52.62.10.93.181.969.817.973.66.682.4 F4.01?3.86?23.00??475.67??356.50??158.02??94.75??11.61??53.99??5.50??18.00??

注：V，‘綏粳4號(hào)’；V，‘綏粳15號(hào)’；V，綏粳16；V，綏粳18；V，綏粳22；V，綏粳23，V，綏粳28。，株高，cm；，劍葉長(zhǎng)，cm；，劍葉寬，cm；，穗長(zhǎng),cm；，穴穗數(shù)；，每穗總粒數(shù)；，每穗實(shí)粒數(shù)；，千粒重，g；，著粒密度，粒/cm；，結(jié)實(shí)率，%；，實(shí)際產(chǎn)量，kg/hm；，谷粒長(zhǎng)，mm；，谷粒寬，mm；，長(zhǎng)寬比；，堊白度，%；，堊白米率，%；，出糙率，%；，整精米率，%；，直鏈淀粉含量，%；，膠稠度,mm；，蛋白質(zhì)含量，%；，食味品質(zhì)。*和**表示5%和1%水平差異顯著。同列不同小寫字母表示不同品種處理在5%水平差異顯著。下同。

Note: V，‘Suijing 4’；V，‘Suijing 15’；V，‘Suijing 16’；V，‘Suijing 18’；V，‘Suijing 22’；V，‘Suijing 23’，V，‘Suijing 28’., plant height，cm; , flag leaf length, cm; , flag leaf width, cm; , panicle length, cm; , panicles per clump; , grain number per panicle; , filled grain number per panicle; , thousand grain mass, g; , grain density, grain/cm; , seed setting rate,%; , actual yield, kg/hm; , grain length, mm; , grain width, mm; , ratio of length to width; , chalkiness, %; , chalky rice rate, %; , percentage of brown rice, %; , head rice rate, %; , amylose content, %; , gel consistency, mm; , protein content, %t; , taste quality.* and ** indicate significant difference at 0.05 and 0.01 levels.Different lowercase letters in the same line mean significant differences among varieties at 0.05 levels.The same below.

利用表1性狀指標(biāo)均值數(shù)據(jù)，分別以產(chǎn)量(

Y

)和食味品質(zhì)(

T

)為因變量，其他20個(gè)性狀值為自變量，構(gòu)建多元回歸模型線性方程，見公式(13)和(14)，并對(duì)

f

(

x

)和

f

(

x

)回歸模型方程擬合度分析，其相關(guān)系數(shù)值均為

R

=1.00，說明模型與實(shí)際擬合度極好，試驗(yàn)誤差極小，可解釋全部響應(yīng)變量的變化。

f

(

x

)=

(13)

f

(

x

)=

(14)

f

(

x

)回歸方程中自變量有劍葉寬(

x

)、穗長(zhǎng)(

x

)、穴穗數(shù)(

x

)、穗實(shí)粒數(shù)(

x

)、千粒重(

x

)、結(jié)實(shí)率(

x

)、出糙率(

x

)、膠稠度含量(

x

)和蛋白質(zhì)含量(

x

)。

f

(

x

)回歸方程中自變量有株高(

x

)、穗實(shí)粒數(shù)(

x

)、結(jié)實(shí)率(

x

)、谷粒寬(

x

)、長(zhǎng)寬比(

x

)、出糙率(

x

)、整精米率(

x

)、直鏈淀粉含量(

x

)、膠稠度含量(

x

)和蛋白質(zhì)含量(

x

)。同時(shí)，根據(jù)種植、加工和消費(fèi)等經(jīng)濟(jì)主體對(duì)品種性狀的要求，建立制定約束條件如公式(15)，公式中

x

、

x

、

x

、

x

、

x

、

x

和

x

變量性狀能夠滿足種植者對(duì)高產(chǎn)穩(wěn)產(chǎn)“好種”的要求，

x

變量性狀能夠滿足加工企業(yè)要求整精米率高降低生產(chǎn)成本“好加工”的要求，

x

、

x

、

x

、

x

、

x

和

x

變量性狀能夠滿足消費(fèi)者對(duì)稻谷外觀和理化指標(biāo)食味優(yōu)良“好吃”的要求。

(15)

2.2 育種多目標(biāo)優(yōu)化結(jié)果

據(jù)公式(13)～(15)，運(yùn)用NSGA-II遺傳算法尋優(yōu)求解，并結(jié)合育種實(shí)踐，篩選出某次運(yùn)行得到的第1前端個(gè)體前沿分布(圖1)；獲得Pareto解集

x

及與方案對(duì)應(yīng)的目標(biāo)函數(shù)值

f

(

x

)、

f

(

x

)(表2)。在Pareto前沿面上，隨產(chǎn)量指標(biāo)值增大，食味品質(zhì)指標(biāo)值減少，呈向上凸起趨勢(shì)，同實(shí)踐中產(chǎn)量與品質(zhì)相互負(fù)向影響情況相符合(圖1)。50個(gè)方案中產(chǎn)量指標(biāo)值在7 843.35～12 660.1 kg/hm，食味品質(zhì)指標(biāo)在85.15～95.98分，見表2。可篩選出相互干擾而達(dá)較高水平優(yōu)化平衡的育種方案。

圖1 某次運(yùn)行第1前端個(gè)體Pareto分布圖

2.3 優(yōu)化方案評(píng)價(jià)

由表3可知，確定育種多目標(biāo)優(yōu)化方案綜合評(píng)價(jià)指數(shù)(CI)排序前10 位代號(hào)方案由高到低為20、24、34、35、3、44、10、37、32和4。這10個(gè)方案食味品質(zhì)指標(biāo)在90.85～93.54分(表2)，均達(dá)國(guó)家1級(jí)米標(biāo)準(zhǔn)，且均大于表1中供試品種食味品質(zhì)分值，但均不是食味品質(zhì)分值最高的方案。同時(shí)，產(chǎn)量指標(biāo)在9 916.28～10 959.79 kg/hm，均大于供試品種產(chǎn)量平均值(表1)，但也均不是產(chǎn)量最高方案。說明這10 個(gè)優(yōu)先方案，達(dá)到食味品質(zhì)分值與產(chǎn)量及其構(gòu)成因素較高水平優(yōu)化目標(biāo)。

表3 基于Pareto最優(yōu)解的綜合評(píng)價(jià)指數(shù)值及排序

Table 3 Index value and order of comprehensive evaluation based on Pareto optimal solution

排序Order綜合指數(shù)CI方案Program排序Order綜合指數(shù)CI方案Program排序Order綜合指數(shù)CI方案Program排序Order綜合指數(shù)CI方案Program10.727920140.628246270.526445400.4192120.725624150.628012280.511141410.4127730.720134160.627718290.509017420.3980840.719535170.590025300.462439430.38952350.71463180.588913310.455511440.38941560.713644190.587827320.45439450.37343070.661210200.554340330.453038460.36983180.659937210.553626340.452948470.36374790.656432220.546614350.448950480.363433100.65444230.543049360.448536490.357343110.645022240.54286370.43965500.35462120.643428250.536716380.437721130.635542260.533719390.430529

2.4 育種目標(biāo)設(shè)計(jì)

由表4可知，10 個(gè)優(yōu)化方案各性狀變異系數(shù)值在0.01%～3.17%，說明這些參數(shù)值變化既有穩(wěn)定性，也有差異性。育種實(shí)踐過程中，應(yīng)立足未來5～10年優(yōu)質(zhì)、高產(chǎn)和多抗水稻新品種需求，針對(duì)產(chǎn)量和品質(zhì)等性狀指標(biāo)不易兼顧、難以量化統(tǒng)一協(xié)調(diào)的瓶頸問題，設(shè)計(jì)黑龍江省第二積溫帶水稻育種目標(biāo)方案模型，即選育目標(biāo)新品種性狀參數(shù)值為：食味品質(zhì)分值≥90.0分，產(chǎn)量9 916.28～10 959.79 kg/hm，株高94.0～96.0 cm，劍葉寬1.4～1.5 cm，穗長(zhǎng)16.0～16.1 cm，穴穗數(shù)24.3～24.5穗，穗實(shí)粒數(shù)97.0～102.0 粒，千粒重24.5～24.9 g，結(jié)實(shí)率≥96%，谷粒長(zhǎng)寬比2.4～2.5，出糙率≥81.4%，整精米率≥71.5%，直鏈淀粉含量15%～18%，膠稠度含量76.7～78.7 mm，蛋白質(zhì)含量6.3%～6.6%。同時(shí),育種實(shí)踐中也要兼顧抗倒伏、抗病性指標(biāo)要求，即水稻倒伏面積≤20%、倒伏傾斜角度≤30°，穗頸瘟病發(fā)病面積≤5%。

3 討 論

3.1 育種目標(biāo)對(duì)育種效果的影響

作物育種目標(biāo)貫穿著整個(gè)育種過程,只有確定了準(zhǔn)確合理的育種目標(biāo), 才能減少育種工作的盲目性, 增強(qiáng)主動(dòng)性, 最大限度地利用現(xiàn)有種質(zhì)資源, 提高育種效率。育種目標(biāo)既需要科學(xué)的前瞻性, 又要有與當(dāng)下生產(chǎn)需要緊密結(jié)合的實(shí)用性。就水稻常規(guī)有性雜交育種而言，當(dāng)下實(shí)施的育種目標(biāo)一般需要10年才能穩(wěn)定下來，其呈現(xiàn)效果也將直接影響品種應(yīng)用前景。據(jù)統(tǒng)計(jì)，2015—2019年黑龍江省優(yōu)質(zhì)高產(chǎn)水稻品種種植布局主推品種共69個(gè)，其中2013—2019年黑龍江省審定品種有40 個(gè)，約占全部主推品種的58%，占這期間全省206個(gè)審定品種的19%，剩余81%的品種極有可能因其性狀指標(biāo)不能滿足生產(chǎn)需要而不能大面積推廣。因此，只有以當(dāng)下優(yōu)良品種為基礎(chǔ)，面對(duì)未來市場(chǎng)產(chǎn)業(yè)化生產(chǎn)需求，制定明確、合理的育種目標(biāo)，適時(shí)推動(dòng)育種實(shí)踐，才能減少育種工作的盲目性和失效性，有利于集聚有限的資源，提高育種工作效率。

3.2 優(yōu)化方法對(duì)育種目標(biāo)設(shè)計(jì)的影響

遺傳算法是一種模擬生物進(jìn)化和遺傳變異機(jī)制的概率優(yōu)化方法，目前不少學(xué)者已經(jīng)將智能算法與多目標(biāo)優(yōu)化相結(jié)合進(jìn)行模型應(yīng)用。遺傳算法中有主要目標(biāo)法、理想點(diǎn)法、線性加權(quán)法、最大最小法及目標(biāo)達(dá)到法等多目標(biāo)優(yōu)化方法，這些方法各有優(yōu)劣。使用多目標(biāo)遺傳算法可以獲得無窮多個(gè)非劣解，如何從中選擇出最符合實(shí)際需求的方案需要進(jìn)行系統(tǒng)客觀的評(píng)價(jià)。本研究提出一種將智能遺傳算法與功效評(píng)價(jià)相結(jié)合的寒地水稻育種多目標(biāo)優(yōu)化評(píng)價(jià)方法，采用NSGA-II遺傳算法對(duì)主要目標(biāo)函數(shù)進(jìn)行優(yōu)化模型求解，根據(jù)實(shí)踐需要選擇某次Pareto解集后，利用熵權(quán)功效評(píng)價(jià)法對(duì)Pareto解集進(jìn)行評(píng)價(jià)，能夠獲得符合優(yōu)化問題實(shí)際需要的育種目標(biāo)優(yōu)化方案，完善了寒地水稻育種目標(biāo)設(shè)計(jì)理論與方法。也可用于寒地不同積溫生態(tài)區(qū)水稻新品種的育種多目標(biāo)優(yōu)化設(shè)計(jì)。

3.3 尋優(yōu)方案對(duì)育種實(shí)踐的影響

優(yōu)選方案結(jié)果的實(shí)用性和可行性，關(guān)系到尋優(yōu)結(jié)果是否具有實(shí)際推廣價(jià)值。同時(shí)也需要對(duì)多個(gè)目標(biāo)性狀進(jìn)行權(quán)衡利弊綜合評(píng)價(jià)。本研究獲得的黑龍江省第二積溫帶水稻育種目標(biāo)方案模型，尤其是設(shè)計(jì)的10 個(gè)優(yōu)化方案16 個(gè)目標(biāo)性狀參數(shù)值范圍，與2018年黑龍江省種植推廣面積最大的‘綏粳18’性狀參數(shù)均值對(duì)照，株高增加6.6～8.6 cm，穗長(zhǎng)減少0.4～0.5 cm，穴穗數(shù)約增加4穗，穗實(shí)粒數(shù)減少7～12粒，千粒重減少1.1～1.5 g，結(jié)實(shí)率增加1.6%以上，谷粒長(zhǎng)寬比增加0.3～0.4，出糙率約減少3%，整精米率約減少1%，直鏈淀粉含量約減少2%，膠稠度含量增加2.1～4.1 mm，蛋白質(zhì)含量減少0.1%～0.4%，產(chǎn)量變化范圍-459～585 kg/hm，食味品質(zhì)分值增加10 分以上。10 個(gè)尋優(yōu)方案，較采用傳統(tǒng)經(jīng)驗(yàn)定性和單一量化育種目標(biāo)方案，可避免主觀評(píng)價(jià)誤差，實(shí)現(xiàn)不易兼顧的多目標(biāo)性狀統(tǒng)籌設(shè)計(jì)，對(duì)于長(zhǎng)周期水稻育種實(shí)踐具有較強(qiáng)科學(xué)性、普遍性和實(shí)用性。本研究在建模過程中沒有考慮抗病和抗倒伏等目標(biāo)性狀，存在一定局限性，同時(shí)也沒有利用目前生產(chǎn)上大面積推廣或潛在具有生產(chǎn)推廣可能性的品種，進(jìn)行模型驗(yàn)證，今后還有待對(duì)此做進(jìn)一步分析。

4 結(jié) 論

本研究面向未來5～10年寒地水稻育種需求，針對(duì)目前寒地水稻育種多目標(biāo)優(yōu)化設(shè)計(jì)方法較少，尤其是產(chǎn)量、品質(zhì)等性狀指標(biāo)互相矛盾且不易兼顧、難以量化統(tǒng)一協(xié)調(diào)的問題，以黑龍江省第二積溫帶7個(gè)主推水稻品種22個(gè)農(nóng)藝性狀值為參照，運(yùn)用NSGA-II遺傳算法與和熵權(quán)綜合評(píng)價(jià)法，優(yōu)化設(shè)計(jì)出適宜黑龍江省第二積溫帶水稻生產(chǎn)需求的育種目標(biāo)性狀參數(shù)值方案共10個(gè)。優(yōu)化方案顯示，水稻的食味品質(zhì)分值達(dá)90.9～94.5分，較供試品種均值增加8.5～13.0分，產(chǎn)量9 916.3～10 959.8 kg/hm，較供試品種產(chǎn)量均值增加799.0～1 842.5 kg/hm，其他16個(gè)性狀參數(shù)值均有相應(yīng)量化調(diào)整，可以獲得更加合理的育種方案。綜上，遺傳算法和熵權(quán)評(píng)價(jià)法結(jié)合可用于不同寒地生態(tài)區(qū)水稻新品種多目標(biāo)科學(xué)量化設(shè)計(jì)并提高育種效率。