張春艷 莊克章 吳榮華 李 靜 李新新王 恒 董西辰 徐 賡 吳本華

（1臨沂市農業(yè)科學院，276012，山東臨沂；2日照市農業(yè)技術服務中心，276826，山東日照；3沂南縣畜牧發(fā)展促進中心，276300，山東臨沂）

飼用燕麥（Avena sativa L.）又稱皮燕麥、普通栽培燕麥，與裸燕麥（Avena nuda L.）同屬禾本科早熟禾亞科燕麥屬植物，是一種優(yōu)良的飼草作物。燕麥的青刈莖葉較其他麥類作物更富含營養(yǎng)[1-2]，嫩而多汁，適宜青飼或調制干草。與其他牧草相比，燕麥干草的中性洗滌纖維含量較低且更為適口[3-4]，其水溶性碳水化合物含量豐富，且鉀含量低于2%，是一類能量高、有效纖維豐富、質地柔軟、適口性好的優(yōu)質禾本科飼草[5-8]。近年來，隨著人們生活水平的提高，牛羊肉和奶制品需求量也越來越大，魯南地區(qū)牛羊飼養(yǎng)量不斷增加，飼草需求量持續(xù)擴大，亟需優(yōu)質牧草來滿足當地飼養(yǎng)業(yè)需求，飼用燕麥在魯南地區(qū)種植還存在盲目性。大量研究[9-10]顯示，不同燕麥品種因遺傳基礎不同，其適應能力和生長潛力差異較大，因此需要篩選出適合本地區(qū)生態(tài)條件的燕麥品種。

DTOPSIS法已經用于對大豆[11]、小麥[12]、水稻[13]和玉米[14]等多種作物進行評價，傳統(tǒng)的DTOPSIS法是采用等權賦值或根據經驗進行賦值，易因權重賦值不合理導致評價結果不準確。熵權法是一種客觀賦權方法，其權重計算完全按照指標間數值的離散程度來設置，對評價系統(tǒng)各指標賦予權重，可剔除指標體系中對評價結果貢獻不大的指標，規(guī)避主觀因素對結果的影響，能有效排除人為干擾因素，使研究結果更加公正有效[15-16]。已有學者在不同地區(qū)開展了關于燕麥品種的篩選評價相關研究[17-20]，但關于魯南地區(qū)飼用燕麥種植品種篩選的研究未見報道。本研究以魯南地區(qū)種植的11個燕麥品種為試驗材料，運用DTOPSIS法，并采用熵值法對各評價指標賦權，綜合評價燕麥的生長性狀、產量以及營養(yǎng)品質等，探討一種新的燕麥綜合評價方法，為篩選出適宜當地推廣種植的燕麥品種提供參考。

1 材料與方法

1.1 供試材料

供試的11個燕麥品種由山東省農業(yè)可持續(xù)發(fā)展研究所提供，具體信息見表1。

表1 燕麥品種及來源Table1 The origin of oat varieties

1.2 試驗地概況

試驗在山東省臨沂市農業(yè)科學院試驗田（35°10′83″E，118°26′92″N）進行，該地屬暖溫帶季風氣候，常年降水量約840mm，無霜期在200d以上。土壤為潮土，前茬作物為玉米，0～20cm耕層土壤基礎養(yǎng)分為全氮127.6mg/kg、全磷14.25mg/kg、速效鉀135mg/kg、有機質119mg/kg。

1.3 試驗設計

參試品種于2019年3月5日播種，采用隨機區(qū)組設計，小區(qū)面積36m2（8.0m×4.5m），采用條播，播種深度3cm，行距30cm，邊距10cm，共15行，小區(qū)播種量15g/m2，6月12日收割。

1.4 測定指標與方法

1.4.1 生長性狀 株高：每個小區(qū)抽取10株燕麥測量其絕對高度。莖葉比：每個小區(qū)在收獲前取2行0.23m樣段，齊地刈割后分成莖、葉和穗3部分稱重，分別裝入牛皮紙袋置于105℃烘箱中殺青30min后，在80℃條件下烘至恒重，稱重并計算莖葉比。

1.4.2 營養(yǎng)成分 利用凱氏定氮法測定粗蛋白（crude protein，CP）含量；利用范氏洗滌法測定中性洗滌纖維（neutral detergent fiber，NDF）和酸性洗滌纖維（acid detergent fiber，ADF）含量；用索氏浸提法測定粗脂肪（crude fat，EE）含量；樣品經600℃高溫灼燒氧化后稱重測定粗灰分（ash，ASH）。

1.4.3 相對飼草品質（relative forage quality，RFQ）根據以下公式[21]計算相關指標：DMI（%BW）=120/NDF（%DM）；DDM（%DM）=88.9-0.779×ADF（%DM）；RFV=DMI×DDM/1.29；RFQ=1.9499RFV-67.038（R2=0.7552）。

式中，DMI（dry matter intake）為干物質采食量（%BW）；DDM為可消化性干物質(%DM)；DM為干物質；%BW為占動物代謝體重的百分比；RFV為相對飼喂價值。

1.5 數據處理

1.5.1 DTOPSIS法 對11個燕麥品種及其性狀指標進行平均值（3次小區(qū)重復）處理，構建比較矩陣，設有i個品種，j個性狀指標，建立評價矩陣P：

式中，Ej為第j個指標的熵值，其中Ej不能大于1，lnN必須大于0。

各項指標的權重W：

采用Excel 2003和SPSS 16.0軟件進行計算、作圖和方差分析。

2 結果與分析

2.1 構建比較矩陣

將11個燕麥品種及其10個性狀指標構成比較矩陣（表2），株高、鮮重、干草產量、莖葉比、NDF、ADF、EE、CP、ASH和RFQ作為評價性狀。

表2 11個燕麥品種的性狀及產量Table 2 The quality properties and yields of 11 oat varieties

2.2 無量綱化處理

將11個燕麥品種的比較矩陣進行無量綱化處理。燕麥在生產上作為飼料，除高產外，還要求低纖維、高脂肪和高蛋白等，因此將株高、鮮重、干草產量、EE、CP、ASH和RFQ作為正向指標，莖葉比、NDF和ADF作為負向指標。由正向指標公式（1）和負向指標公式（2）計算得到無量綱化矩陣Z（表3）。

表3 11個燕麥品種的無量綱化矩陣Table 3 Dimensionless matrix of 11 oat varieties

2.3 確定各指標權重

根據表2計算出各性狀指標比重矩陣P（表4）。由公式（9）和（10）計算品種對性狀的貢獻量矩陣X（表5），由此計算各指標的熵權及權重（表6）。

表4 11個燕麥品種的性狀指標的比重矩陣Table 4 Specific gravity matrix of 11 oat varieties

表5 11個燕麥品種對性狀的貢獻量Table 5 Contribution of 11 oat varieties to characters

表6 燕麥各性狀的熵權及權重Table 6 Entropy weights and weights of different oat indicators

2.4 建立決策矩陣

各性狀指標權重（ai）乘以矩陣Z的第j列得到決策矩陣R（表7）。

根據公式（3）（4）和表7，得到正理想解和負理想解序列。

表7 11個燕麥品種的決策矩陣Table 7 Dcision matrix of 11 oat varieties

正理想解序列為：

負理想解序列為：

2.5 關聯(lián)度計算

根據公式（5）（6）（7）計算出Ci，并按照Ci及產量排序。由表8可知，Ci值最大的是燕王（0.8007），其產量排在第4位，說明燕王不但產量高，其他各性狀綜合表現(xiàn)也比較優(yōu)異。排在第2位的是牧王，其產量最高，魄力Ci值排第3位，產量排第5位；貝勒排第4位，產量排第2位。青海444和林納的Ci值為最后2位。

表8 DTOPSIS法計算結果Table 8 Calculation results of DTOPSIS method

3 討論

3.1 不同燕麥品種生產性能及品質

燕麥生產性能包括產量、植株高度及生長情況等。在本研究中，品種間各指標差異顯著。株高最高的為青海444（122.3cm），燕王株高最低（88.0cm）。飼草產量反映了飼草的生產性能，本研究中，11個供試燕麥品種鮮草產量為29.83～66.70t/hm2，干草產量為9.63～16.12t/hm2，其中林納鮮草產量最低，燕王最高。莖葉比影響牧草的適口性及青干草品質[22-23]，牧王和燕王的莖葉比較低，說明其適口性好，青干草品質高；NDF含量影響動物采食率，ADF含量影響飼草消化率[24-25]，本研究中飼用燕麥NDF含量在46.28%～63.18%，青引1號最低，燕王最高，ADF含量在33.11%～42.63%，加燕2號最低，牧王最高。ASH代表牧草中礦物質，含量越高，品質越好，本研究中飼用燕麥ASH含量8.38%～11.76%，貝勒最低，燕王最高。CP能滿足動物對蛋白質需求，含量越高，營養(yǎng)品質越好，本研究中飼用燕麥CP含量為7.61%～12.33%，其中加燕2號最低，青引1號最高。EE提供動物生長發(fā)育必需脂肪酸和提供動物生命活動所需熱能[26-27]，11個飼用燕麥品種EE含量在7.62%～12.57%，其中牧王最低，魄力最高。RFQ用來評價燕麥牧草質量，其值越高，飼料價值越高[28]，本研究中飼用燕麥的RFQ都在160以上，青引1號、貝勒、青海444、加燕2號和貝勒的RFQ均在200以上。本研究燕麥產量與已有研究[19,29-32]的結果差異較大，可能與品種特性、種植密度、生育期、海拔高度、生態(tài)環(huán)境、栽培方式和收獲期不同等有關。

3.2 基于熵權賦值的DTOPSIS法的結果

前人[1,24,30-31,33-37]對于燕麥品種的評價多用灰色關聯(lián)度法，其優(yōu)點是不需要滿足概率論分布，對樣本容量沒有要求，且方法簡單、工作量少等，但是其缺點在于需要對各項指標的最優(yōu)值進行現(xiàn)行確定，主觀性過強，同時部分指標最優(yōu)值難以確定，例如，一般來說燕麥株高越高其產量越高，但是植株過高往往會帶來倒伏的風險，所以最佳株高不好確定。而一個品種往往包括多個性狀指標，各個性狀指標無統(tǒng)一度量，而且許多性狀指標之間呈負相關關系，因而灰色關聯(lián)度法難以找到各性狀都達到理想目標的品種[38]。利用DTOPSIS法來對作物進行評價已有研究[39]。DTOPSIS法更側重于品種的綜合性狀[40]，符合本研究的試驗目的。前人[40-45]在多種作物上的研究認為，DTOPSIS法比灰色關聯(lián)度法更適用于較多品種的歸類淘汰，在客觀評價作物方面分辨力更強結果更準確。運用DTOPSIS法評價作物品種的關鍵在于參考性狀的選擇和權重大小的確定，而熵權賦值有效解決了經驗賦權等主觀因素的干擾，其結果更客觀。本研究利用熵權賦值的DTOPSIS法對11個燕麥品種的生產性能及飼用品質進行評價，發(fā)現(xiàn)性狀指標權重大小直接決定了燕麥品種的綜合評價，這與前人[46-47]研究結果一致，性狀指標中權重最大的是莖葉比（0.2583），其余依次是鮮重、EE含量、RFQ、干草產量、CP含量、株高、NDF含量、ASH含量和ADF含量，符合對燕麥飼料的要求。

4 結論

利用基于熵值賦權的DTOPSIS法對魯南地區(qū)11個燕麥品種進行評價，性狀指標中權重由大到小依次是莖葉比、鮮草產量、EE含量、RFQ、干草產量、CP含量、株高、NDF含量、ASH含量和ADF含量，符合對燕麥飼料的要求。其中燕王、牧王、魄力、貝勒和甜燕麥不僅產量較高，綜合品質表現(xiàn)也較優(yōu)異，適宜在魯南地區(qū)種植推廣。