摘 要：【目的】篩選不同選擇目標(biāo)下最適宜的谷子品種，綜合評價(jià)適宜不同選擇目標(biāo)的最佳谷子品種。

【方法】2021～2022年分析對比20份谷子新品種的25個(gè)農(nóng)藝性狀、產(chǎn)量和品質(zhì)指標(biāo)，利用熵權(quán)法對各指標(biāo)賦權(quán)，采用DTOPSIS法、灰色關(guān)聯(lián)度分析法評價(jià)對不同品種的農(nóng)藝性狀及產(chǎn)量與品質(zhì)。

【結(jié)果】除千粒重外，其余24個(gè)指標(biāo)的谷子品種間差異均達(dá)極顯著水平。2種分析方法的排序結(jié)果與產(chǎn)量排序結(jié)果的吻合程度更高，即灰色關(guān)聯(lián)度分析較DTOPSIS法更注重評價(jià)產(chǎn)量。Ci最大差異值為30.01%，ri最大差異值為7.71%，γ最大差異值為11.85%，DTOPSIS法更能體現(xiàn)出各谷子品種的差異性。

【結(jié)論】DTOPSIS法和熵權(quán)法賦權(quán)的加權(quán)灰色關(guān)聯(lián)度分析法適用于綜合評價(jià)谷子品種。半干旱生產(chǎn)區(qū)應(yīng)選擇張雜谷16號；各性狀更平衡的品種應(yīng)選擇金苗K2；兼顧產(chǎn)量和各性狀平衡的品種應(yīng)選擇濟(jì)谷22號。

關(guān)鍵詞：谷子；綜合評價(jià)；灰色關(guān)聯(lián)度；DTOPSIS法；熵值

中圖分類號：S515"" 文獻(xiàn)標(biāo)志碼：A"" 文章編號：1001-4330（2024）12-2902-11

0 引 言

【研究意義】隨著育種水平和手段的提高，玉米、小麥、水稻等主糧作物產(chǎn)量快速提升，伴隨著高產(chǎn)作物種植面積的增加，谷子（Setaria italica L.Beauv.）的種植面積有所減少^［1］。國家谷子高粱產(chǎn)業(yè)技術(shù)體系的建立，為谷子育種技術(shù)提升和產(chǎn)業(yè)發(fā)展提供了支持^［2］。隨著我國谷子新品種培育水平不斷提高，谷子品種數(shù)量隨之激增，篩選谷子新品種的綜合評價(jià)分析方法對不同選擇目標(biāo)下谷子品種的選擇有實(shí)際意義?！厩叭搜芯窟M(jìn)展】傳統(tǒng)分析方法多采用方差分析對產(chǎn)量及產(chǎn)量性狀進(jìn)行分析和評價(jià)，存在指標(biāo)量綱不一致等問題，尚缺乏對品種的全面、客觀評價(jià)方法^［3］。DTOPSIS法和灰色關(guān)聯(lián)度分析法通過統(tǒng)一各指標(biāo)為量化標(biāo)準(zhǔn)，將其與目標(biāo)的關(guān)聯(lián)程度排序，據(jù)此進(jìn)行綜合評價(jià)。該法已廣泛應(yīng)用在玉米^［4-8］、小麥^［9-11］、水稻^［12-13］、大豆^［14］等主糧作物上進(jìn)行品種篩選。【本研究切入點(diǎn)】熵權(quán)法能夠通過計(jì)算所有指標(biāo)的影響客觀賦權(quán)，降低指標(biāo)中對結(jié)果貢獻(xiàn)率低的指標(biāo)^［15］。在谷子品種篩選中采用熵權(quán)法、DTOPSIS法以及灰色關(guān)聯(lián)分析法綜合評價(jià)的研究鮮見報(bào)道。【擬解決的關(guān)鍵問題】分析對比20份谷子新品種的25個(gè)農(nóng)藝性狀、產(chǎn)量和品質(zhì)指標(biāo)，利用熵權(quán)法對各指標(biāo)賦權(quán)，采用DTOPSIS法、灰色關(guān)聯(lián)度分析法下評價(jià)不同谷子品種，篩選不同選擇目的下的最適宜品種及綜合評價(jià)不同育種目標(biāo)的谷子最佳品種。

1 材料與方法

1.1 材 料

試驗(yàn)于2021～2022年設(shè)在吉林省白城市農(nóng)業(yè)科學(xué)院試驗(yàn)地（45°38′N，122°50′E）進(jìn)行，該地區(qū)海拔155.4 m，屬溫帶季風(fēng)氣候，年均日照時(shí)數(shù)2 814 h，年均降水量374 mm，年均有效積溫3 005℃·d。土質(zhì)為淡黑鈣土，地勢平坦，肥力中等，翻地深度30 cm，整地質(zhì)量良好。前茬作物均為花生。圖1

選用來自我國13個(gè)育種單位的20份谷子新品種（系）。表1

1.2 方 法

1.2.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)采取隨機(jī)區(qū)組排列，3次重復(fù)，6行區(qū)，行長5 m，行距0.6 m。播種量7.5 kg/hm²。在播種時(shí)機(jī)械同時(shí)施入復(fù)合肥（有效成分45%，N∶P∶K＝15∶15∶15），施肥量600 kg/hm²。中耕、除草3次，追施尿素（N：45%）150 kg/hm²，其他管理措施同大田。

1.2.2 測定指標(biāo)

拔節(jié)期、抽穗期調(diào)查莖節(jié)數(shù)、葉片數(shù)、倒二葉長、倒二葉葉寬；成熟期調(diào)查莖節(jié)數(shù)、葉片數(shù)、倒二葉長、倒二葉寬、株高、莖粗、穗長、穗粗、單穗重、單穗粒重和千粒重。方法參照《谷子種質(zhì)資源描述規(guī)范和數(shù)據(jù)標(biāo)準(zhǔn)》^［16］。

收獲時(shí)不收獲兩側(cè)邊行（兩側(cè)各1行），收獲中間4行用于測產(chǎn)（測產(chǎn)面積12 m²）。

蛋白質(zhì)含量按照GB 5009.5-2016《食品安全國家標(biāo)準(zhǔn) 食品中蛋白質(zhì)的測定》測定^［17］；脂肪含量按照GB 5009.6-2016《食品安全國家標(biāo)準(zhǔn) 食品中脂肪的測定》測定^［18］。

1.2.3 計(jì) 算

1.2.3.1 熵權(quán)法

熵值：ej=-1lnNNi=1PijlnPij.

式中，Pij為第i個(gè)品種的第j個(gè)指標(biāo)的值站全部品種第j個(gè)指標(biāo)值之和的比重。

權(quán)重：ωj=1-ejNi=1（1-ej）.

1.2.3.2 DTOPSIS法

該法可將多品種的多個(gè)質(zhì)保無量綱化，使其可以相互比較，在通關(guān)建立正、負(fù)理想解，使目標(biāo)品種的優(yōu)劣程度轉(zhuǎn)化為對理想解的相對接近度并建立序列評價(jià)品種。

對指標(biāo)進(jìn)行無量綱化處理。按照篩選方向，將指標(biāo)分為正向指標(biāo)和逆向指標(biāo)，形成比較矩陣：Y=（eij）m×n·

式中，正向指標(biāo)公式為yij=xij/xmax（j）.

負(fù)向指標(biāo)公式為yij=xmin（j）/xij.

xij為第i個(gè)品種的第j個(gè)指標(biāo)的值。

建立加權(quán)決策矩陣：Z=（yij×ωj）m×n.

式中，ωj為第j個(gè)指標(biāo)的權(quán)重。

計(jì)算各指標(biāo)的正理想解S⁺和負(fù)理想解S^-：S+={S+1，S+2，…S+n}， S-={S-1，S-2，…S-n，}.

式中，S+j=max（zj），S-j=min（zj）.

計(jì)算各品種與理想材料的接近度Ci：

Ci=D-iD+i+D-i .

式中，D+i=nj=1（zij-s+j）2 .

D-i=nj=1（zij-s-j）2.

1.2.3.3 灰色關(guān)聯(lián)度分析法

構(gòu)建由最佳指標(biāo)組成的理想品種，將理想品種與各參試品種組成關(guān)聯(lián)系數(shù)矩陣，計(jì)算各品種與理想品種的關(guān)聯(lián)系數(shù)，按照關(guān)聯(lián)系數(shù)的大小對品種進(jìn)行排序，從而評判品種的優(yōu)劣。對指標(biāo)進(jìn)行無量綱化處理。計(jì)算方法同DTOPSIS法。

以各指標(biāo)的最大值組成理想品種Ｘ0，計(jì)算參試品種各指標(biāo)與理想品種各指標(biāo)的差值。

Δi（j）=|X0（j）-Xi（j）|.

并求出各指標(biāo)的最大差值maxΔi（j）與最小差值minΔi（j）。

計(jì)算參試品種各指標(biāo)與理想品種各指標(biāo)的關(guān)聯(lián)系數(shù)。

ei（j）=minΔi（j）+ρmaxΔi（j）Δi（j）+ρmaxΔi（j）·

式中，ρ為分辨系數(shù)，取值0.5。

計(jì)算各參試品種的關(guān)聯(lián)度：

等權(quán)關(guān)聯(lián)度γi=1nΣnj=1εi（j）.

加權(quán)關(guān)聯(lián)度

γ＇i=Σnj=1ωjεi（j）.

1.3 數(shù)據(jù)處理

采用Microsoft Excel 2021和DPS 9.5軟件進(jìn)行數(shù)據(jù)處理與分析。

2 結(jié)果與分析

2.1 不同品種各指標(biāo)方差比較

研究表明，除千粒重外，其余24個(gè)指標(biāo)的品種間差異均達(dá)到極顯著水平。V2的生育期極顯著低于其他品種，表現(xiàn)為最早熟品種；V10在抽穗期的莖節(jié)數(shù)極顯著低于其他品種；V13在成熟期的莖節(jié)數(shù)、在拔節(jié)期的倒2葉長和株高均極顯著低于其他品種；V1在抽穗期的葉片數(shù)顯著高于其它品種；V6和V10在成熟期的葉片數(shù)顯著低于其他品種；V9和V19的產(chǎn)量顯著高于其他品種。在單一指標(biāo)下的方差分析可以體現(xiàn)品種兩兩之間的差異性，但難以對所有品種進(jìn)行綜合區(qū)分和評價(jià)。表2，表3

2.2 各指標(biāo)的熵權(quán)法權(quán)重對比

研究表明，各指標(biāo)權(quán)重由高到低依次為單穗粒重＞株高＞粗脂肪＞單穗重＞抽穗期莖節(jié)數(shù)＞成熟期莖粗＞穗長＞拔節(jié)期倒2葉長＞抽穗期葉片數(shù)＞成熟期莖節(jié)數(shù)＞抽穗期莖粗＞穗粗＞拔節(jié)期莖節(jié)數(shù)＞成熟期倒2葉寬＞拔節(jié)期莖粗＞粗蛋白＞成熟期葉片數(shù)＞產(chǎn)量＞抽穗期倒2葉長＞抽穗期倒2葉寬＞成熟期倒2葉長＞拔節(jié)期倒2葉寬＞千粒重＞拔節(jié)期葉片數(shù)＞生育日數(shù)。表4

2.3 各品種的DTOPSIS法對比

研究表明，Ci值排序前8位的品種依次為V7＞V4＞V12＞V5＞V9＞V17＞V10＞V3。表5

2.4 各品種的灰色關(guān)聯(lián)度排序

研究表明，等權(quán)灰色關(guān)聯(lián)系數(shù)ri排序前8位的品種依次為V13、V1、V9、V2、V3、V19、V16、V7；加權(quán)灰色關(guān)聯(lián)系數(shù)r′i排序前8位的品種依次為V1、V2、V8、V18、V3、V11、V14和V20。表6

2.5 不同分析方法比較

2.5.1 分析結(jié)果的一致性檢驗(yàn)

研究表明，產(chǎn)量排序趨勢線與r＇i值排序趨勢線的吻合度較高。產(chǎn)量排序與r＇i值排序結(jié)果呈極顯著正相關(guān)（0.89^**）一致。Ci值排序、ri值排序結(jié)果與產(chǎn)量排序結(jié)果的相關(guān)性均不顯著，是由于DTOPSIS法確定各指標(biāo)權(quán)重時(shí)，產(chǎn)量的權(quán)重占比較低（3.10%），而與加權(quán)灰色關(guān)聯(lián)度分析相比，等權(quán)灰色關(guān)聯(lián)分析未考慮權(quán)重對結(jié)果的影響。除產(chǎn)量排序結(jié)果與r＇i值排序結(jié)果極顯著相關(guān)外，4種分析方法兩兩相關(guān)性均不顯著，各指標(biāo)的權(quán)重及分析方法均對排序結(jié)果造成影響?；疑P(guān)聯(lián)分析2種分析方法的排序結(jié)果與產(chǎn)量排序結(jié)果的吻合程度更高，在谷子品種的綜合評價(jià)中，灰色關(guān)聯(lián)分析比DTOPSIS法分析更注重對產(chǎn)量的評價(jià)。表7，圖2

2.5.2 灰色關(guān)聯(lián)度法的優(yōu)勢

研究表明，產(chǎn)量排序前5位的各品種間產(chǎn)量差異不顯著，排序第1位的V1與第6位以后的品種表現(xiàn)出顯著或極顯著差異。各品種之間彼此區(qū)分的程度，差異值越大，相應(yīng)的分析方法更能體現(xiàn)出不同品種的差異性?；疑P(guān)聯(lián)分析下，ri的最大差異值為7.71%，r＇i的最大差異值為11.85%，基于熵權(quán)的加權(quán)法比等權(quán)法更能表達(dá)出各品種的差異性。Ci的最大差異值為30.01%，DTOPSIS法更能表現(xiàn)出各品種的差異性，由于該法與產(chǎn)量分析法的相關(guān)性不顯著，相對于灰色關(guān)聯(lián)度法，該法更注重平衡各指標(biāo)的綜合評價(jià)。表8

2.5.3 不同分析方法下的綜合評價(jià)

研究表明，產(chǎn)量排序第1位的V9品種，除等權(quán)灰色關(guān)聯(lián)度排序靠后（第18位），DTOPSIS法和加權(quán)灰色分析法排序均位于前5位。r＇i值排序第1位的V4品種，且位于綜合評價(jià)分析方法Ci值排序（第2位）、ri值排序（第4位）前列，但產(chǎn)量排序中僅為第8位。V17的產(chǎn)量排序、Ci值排序、ri值排序、r＇i值排序均位于前列，分別為第5位、第6位、第6位和第2位。表8

3 討 論3.1

綜合評價(jià)新品種的產(chǎn)量和生態(tài)區(qū)適應(yīng)性等是新品種推廣的基礎(chǔ)。對品種產(chǎn)量的單獨(dú)考量易受到樣本大小、測量誤差等因素干擾^［3］。張曉申等^［19］采集了11個(gè)谷子品種的9個(gè)農(nóng)藝性狀，開展了針對區(qū)域試驗(yàn)的綜合評價(jià)。呂建珍等^［20］對23個(gè)谷子新品種的6個(gè)產(chǎn)量相關(guān)性狀開展評價(jià)，根據(jù)不同方向篩選出了相應(yīng)品種。試驗(yàn)選擇了不同生育期內(nèi)的谷子莖、葉性狀、產(chǎn)量性狀和品質(zhì)指標(biāo)，通過對25個(gè)指標(biāo)的綜合分析，確定的適宜不同篩選方向的評價(jià)方法具有較強(qiáng)代表性。3.2

與試驗(yàn)研究類似，張曉申等^［19］同樣利用DTOPSIS法和灰色關(guān)聯(lián)度分析法綜合評價(jià)谷子的研究。在灰色關(guān)聯(lián)度分析部分，采用了等權(quán)分析，未根據(jù)不同性狀賦予權(quán)重。賈小平等^［21］對71個(gè)谷子種子資源的灰色關(guān)聯(lián)度分析中采用了與試驗(yàn)不同的賦權(quán)方法。相對于其他方法，熵權(quán)法能夠客觀地根據(jù)各指標(biāo)的離散程度計(jì)算權(quán)重。

4 結(jié) 論

DTOPSIS法和經(jīng)熵權(quán)法賦權(quán)的加權(quán)灰色關(guān)聯(lián)度分析法適用于對谷子品種開展綜合評價(jià)。在與半干旱生產(chǎn)區(qū)按照不同篩選方向，需要產(chǎn)量更高的品種，應(yīng)選擇V9（張雜谷16號）；需要各性狀更平衡的品種，應(yīng)選擇V4（金苗K2）；需要兼顧產(chǎn)量和各性狀平衡的品種，應(yīng)選擇V17（濟(jì)谷22號）。

參考文獻(xiàn)（References）

［1］陳衛(wèi)軍， 魏益民， 張國權(quán)， 等. 國內(nèi)外谷子的研究現(xiàn)狀［J］. 雜糧作物， 2000， （3）： 27-29.

CHEN Weijun， WEI Yimin， ZHANG Guoquan， et al. Current research status of domestic and foreign foxtail millet［J］. Journal of Coarse Cereal Crops， 2000， （3）： 27-29.

［2］ 刁現(xiàn)民. 中國谷子產(chǎn)業(yè)與產(chǎn)業(yè)技術(shù)體系［M］. 北京： 中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2011.

DIAO Xianmin. nbsp;Chinese foxtail millet industry and industry technology system［M］. Beijing： China Agricultural Science and Technology Press， 2011.

［3］ 趙平， 李學(xué)濤， 康振友， 等. 基于熵權(quán)的DTOPSIS法和灰色關(guān)聯(lián)度分析法在西瓜品種綜合評價(jià)中的應(yīng)用［J］. 黑龍江農(nóng)業(yè)科學(xué)， 2021，（1）： 79-87.

ZHAO Ping， LI Xuetao， KANG Zhenyou， et al. Application of DTOPSIS method and grey relational analysis based on entropy weight in comprehensive evaluation of watermelon varieties［J］. Heilongjiang Agricultural Sciences， 2021，（1）： 79-87.

［4］ 洪德峰， 馬俊峰， 衛(wèi)曉軼， 等. 基于熵值賦權(quán)的DTOPSIS法與灰色關(guān)聯(lián)度法綜合評價(jià)黃淮海區(qū)夏玉米新品種［J］. 耕作與栽培， 2022， 42（5）： 82-86.

HONG Defeng， MA Junfeng， WEI Xiaoyi， et al. Comprehensive evaluation of new summer maize varieties in Huanghuaihai Region based on entropy weighting DTOPSIS method and grey relational degree method［J］. Tillage and Cultivation， 2022， 42（5）： 82-86.

［5］ 黃婷， 張思親， 王治中， 等. 基于灰色關(guān)聯(lián)度、DTOPSIS與模糊概率法的玉米姊妹系綜合評價(jià)［J］. 分子植物育種， 2023， 21（15）： 5199-5212.

HUANG Ting， ZHANG Siqin， WANG Zhizhong， et al. Comprehensive evaluation of maize sister lines based on grey relational degree， DTOPSIS and fuzzy probability method［J］. Molecular Plant Breeding， 2023， 21（15）： 5199-5212.

［6］ 張春艷， 吳榮華， 莊克章， 等. 基于熵值賦權(quán)的DTOPSIS法對不同玉米品種在魯南地區(qū)的綜合評價(jià)研究［J］. 中國農(nóng)學(xué)通報(bào)， 2021， 37（23）： 8-14.

ZHANG Chunyan， WU Ronghua， ZHUANG Kezhang， et al. Comprehensive evaluation of maize varieties in southern Shandong Province by DTOPSIS method based on entropy weight［J］. Chinese Agricultural Science Bulletin， 2021， 37（23）： 8-14.

［7］ 齊建雙， 夏來坤， 黃保， 等. 基于熵權(quán)的DTOPSIS法和灰色局勢決策法在玉米品種區(qū)域試驗(yàn)中的應(yīng)用探討［J］. 作物雜志， 2021，（1）： 60-67.

QI Jianshuang， XIA Laikun， HUANG Bao， et al. Discussion on the application in the regional experiment of maize varieties by entropy DTOPSIS mode and grey situation decision methods［J］. Crops， 2021，（1）： 60-67.

［8］ 宋秀麗， 吳玥， 楊錫朗， 等. 基于熵值賦權(quán)的DTOPSIS法與灰色關(guān)聯(lián)度分析在玉米品種綜合評價(jià)中的比較［J］. 玉米科學(xué)， 2020， 28（2）： 41-46.

SONG Xiuli， WU Yue， YANG Xilang， et al. Comparison of entropy weighted DTOPSIS method and grey relational degree analysis in comprehensive evaluation of maize varieties［J］. Journal of Maize Sciences， 2020， 28（2）： 41-46.

［9］ 孫剛， 陳佳靜， 姚明明， 等. 寧夏春麥區(qū)小麥資源株高、籽粒性狀及抗病性分析［J］. 植物遺傳資源學(xué)報(bào)， 2023， 24（4）： 954-971.

SUN Gang， CHEN Jiajing， YAO Mingming， et al. Analysis of wheat resources for plant height， grain traits， and diseases resistance cultivated in Ningxia spring wheat region［J］. Journal of Plant Genetic Resources， 2023， 24（4）： 954-971.

［10］ 金輕， 趙紅， 林麗萍， 等. 基于灰色關(guān)聯(lián)度分析和DTOPSIS法綜合評價(jià)小麥新品系在云南省的適應(yīng)性［J］. 南方農(nóng)業(yè)學(xué)報(bào)， 2020， 51（10）： 2440-2446.

JIN Qing， ZHAO Hong， LIN Liping， et al. Comprehensive evaluation of adaptability of new wheat lines in Yunnan based on grey relevance analysis and DTOPSIS method［J］. Journal of Southern Agriculture， 2020， 51（10）： 2440-2446.

［11］ 王春平， 張偉， 張改生， 等. 三種分析方法對小麥新品種的綜合評判［J］. 麥類作物學(xué)報(bào)， 2006， 26（5）： 45-48.

WANG Chunping， ZHANG Wei， ZHANG Gaisheng， et al. Comprehensive evaluation of new wheat varieties by using three different analysis methods［J］. Journal of Triticeae Crops， 2006， 26（5）： 45-48.

［12］ 劉麗娟， 劉延剛， 金桂秀. 用基于熵值賦權(quán)的DTOPSIS法綜合評價(jià)水稻品種［J］. 山東農(nóng)業(yè)科學(xué)， 2022， 54（7）： 39-45.

LIU Lijuan， LIU Yangang， JIN Guixiu. Comprehensive evaluation of rice varieties by DTOPSIS method based on entropy weight［J］. Shandong Agricultural Sciences， 2022， 54（7）： 39-45.

［13］ 胡其明， 鄧偉， 黨筱蘭. 用DTOPSIS法綜合評價(jià)雜交水稻新品種在黔西南州的適應(yīng)性［J］. 種子， 2013， 32（12）： 95-97.

HU Qiming， DENG Wei， DANG Xiaolan. Comprehensive evaluation of adaptability of new hybrid rice varieties in QianXiNan autonomous prefecture by DTOPSIS［J］. Seed， 2013， 32（12）： 95-97.

［14］ 昝凱， 周青， 張志民， 等. 灰色關(guān)聯(lián)度和DTOPSIS法綜合分析河南區(qū)域試驗(yàn)中大豆新品種（系）的農(nóng)藝性狀表現(xiàn)［J］. 大豆科學(xué)， 2018， 37（5）： 664-671.

ZAN Kai， ZHOU Qing， ZHANG Zhimin， et al. Gray correlation analysis and DTOPSIS method for comprehensive agronomic performance analysis of new soybean varieties（lines） in Henan regional test［J］. Soybean Science， 2018， 37（5）： 664-671.

［15］ 劉瑞顯， 張國偉， 楊長琴. 基于熵權(quán)理論的灰色關(guān)聯(lián)度法在棉花耐鹽性評價(jià)中的應(yīng)用［J］. 核農(nóng)學(xué)報(bào)， 2017， 31（2）： 402-409.

LIU Ruixian， ZHANG Guowei， YANG Changqin. Using gray related degree method based on entropy weight theory to evaluate salt tolerance of cotton［J］. Journal of Nuclear Agricultural Sciences， 2017， 31（2）： 402-409.

［16］ 陸平. 谷子種質(zhì)資源描述規(guī)范和數(shù)據(jù)標(biāo)準(zhǔn)［M］. 北京： 中國農(nóng)業(yè)出版社， 2006.

LU Ping. Descriptors and data standard for foxtail millet［Setaria italica （L.） beauv.］［M］. Beijing： China Agriculture Press， 2006.

［17］ GB 5009.5-2016.食品安全國家標(biāo)準(zhǔn) 食品中蛋白質(zhì)的測定［S］.

GB 5009.5-2016.National Food Safety Standard Determination of Protein in Food［S］.

［18］ 食品安全國家標(biāo)準(zhǔn) 食品中脂肪的測定： GB 5009.6—2016［S］.

National Food Safety Standard Determination of Fat in Food： GB 5009.6—2016［S］.

［19］ 張曉申， 韓燕麗， 樊永強(qiáng)， 等. 基于灰色關(guān)聯(lián)度和DTOPSIS法對谷子區(qū)域試驗(yàn)的綜合評價(jià)［J］. 種子， 2022， 41（9）： 121-126， 133.

ZHANG Xiaoshen， HAN Yanli， FAN Yongqiang， et al. Comprehensive evaluation of millet of regional test by grey relational degree analysis and DTOPSIS method［J］. Seed， 2022， 41（9）： 121-126， 133.

［20］ 呂建珍， 馬建萍， 趙凱， 等. 23個(gè)谷子育成品種的綜合評價(jià)［J］. 種子， 2020， 39（11）： 126-132.

LYU Jianzhen， MA Jianping， ZHAO Kai， et al. Comprehensive evaluation of 23 millet cultivars［J］. Seed， 2020， 39（11）： 126-132.

［21］ 賈小平， 袁璽壘， 陸平， 等. 中國71個(gè)谷子種質(zhì)資源的灰色關(guān)聯(lián)度分析及綜合評價(jià)［J］. 種子， 2017， 36（9）： 63-66.

JIA Xiaoping， YUAN Xilei， LU Ping， et al. Grey incidence analysis and comprehensive evaluation of 71 millet germplasm resources in China［J］. Seed， 2017， 36（9）： 63-66.

Comprehensive evaluation of foxtail millet varieties based on entropy weight method and grey relational analysis

HAO Xiyu^1，2， LIU Tingting3， WANG Hui3， LENG Jingwen3， GONG Shihang3， LIU Wei3， LIANG Jie1

（1." Northeast Agricultural Research Center of China /Jilin Academy of Agricultural Sciences， Changchun 130033，China; 2. Heilongjiang Feihe Dairy Co.， Ltd.， Beijing 100015， China; 3. Baicheng Academy of Agricultural Sciences， Baicheng Jilin 137000， China）

Abstract：【Objective】 It is necessary to determine the most suitable variety under different selection goals and the best comprehensive evaluation method for different selection goals of millet varieties.

【Methods】 "In this study from 2021 to 2022， 25 agronomic traits， yield， and quality indicators of 20 new millet varieties were analyzed and compared.Meanwhile， the entropy weight method was used to assign weights to each indicator， and DTOPSIS method and grey relational degree analysis method were used to evaluate different varieties.

【Results】 "Except for thousand-grain weight， the differences between varieties in the other 24 indicators reached a highly significant level.The ranking results of the two analytical methods， DTOPSIS and grey relational analysis， showed a higher degree of agreement with the yield ranking results.This indicated that grey relational analysis payed more attention to the evaluation of yield than the DTOPSIS method.The maximum difference value of Ci was 30.01%， the maximum difference value of ri was 7.71%， and the maximum difference value of γ was 11.85%， indicating that the DTOPSIS method could better demonstrate the differences between varieties.

【Conclusion】 The DTOPSIS method and the weighted grey relational analysis method based on entropy weight are suitable for the comprehensive evaluation of millet varieties.In semi-arid production areas， if higher yield varieties are needed， Zhangzagu 16 should be selected; if varieties with more balanced traits are needed， Jinmiao K2 should be chosen; if varieties with a balance between yield and various traits are needed， Jigu 22 should be selected.

Key words：foxtail millet; comprehensive evaluation; grey relational degree analysis; dtopsis method; entropy

Fund projects：China Agriculture Research System （CARS-06）

Correspondence author：LIU Wei （1974-）， male，from Baicheng， Jilin， male， researcher， research direction： breeding and cultivation techniques of castor crops， （E-mail）jlhyliuwei@126.com

LIANG Jie （1973-），" female，from Baicheng， Jilin， female， researcher， research direction：" crop breeding and cultivation techniques， （E-mail）liangjie9669@163.com

基金項(xiàng)目：國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系（CARS-06）

作者簡介：郝曦煜（1990-），男，遼寧鐵嶺人，副研究員，碩士，研究方向?yàn)槭秤枚褂N與栽培，（E-mail）haoxiyu1990@foxmail.com

通訊作者：劉偉（1974-），男，吉林白城人，研究員，研究方向?yàn)楸吐橛N與栽培，（E-mail） jlhyliuwei@126.com

梁杰（1973-），女，吉林白城人，研究員，研究方向?yàn)樽魑镉N與栽培，（E-mail） liangjie9669@163.com