摘" " 要：為科學(xué)合理地評價(jià)大豆綜合農(nóng)藝性狀，采用DTOPSIS法、灰色關(guān)聯(lián)度分析法、模糊評價(jià)法、同異分析法和主成分分析法5種常用綜合評價(jià)法對2020年河南省夏大豆區(qū)域試驗(yàn)的14個(gè)品種進(jìn)行綜合分析，比較不同方法在大豆農(nóng)藝性狀綜合評價(jià)方面的優(yōu)劣。結(jié)果表明：5種分析方法計(jì)算出的參試品種綜合得分之間存在極顯著正相關(guān)關(guān)系，其中DTOPSIS法對品種綜合性狀優(yōu)劣的區(qū)分度最好，其次為灰色關(guān)聯(lián)度法、同異分析法、主成分分析法和模糊函數(shù)法；同異分析法對綜合性狀的評價(jià)準(zhǔn)確度最高，其次為模糊函數(shù)法、灰色關(guān)聯(lián)度法、主成分分析和DTOPSIS法；5種分析方法的綜合得分與產(chǎn)量的灰色關(guān)聯(lián)度最大的為灰色關(guān)聯(lián)度法，其次為DTOPSIS法、同異分析法、模糊函數(shù)法和主成分分析。綜上，灰色關(guān)聯(lián)度分析法對大量大豆材料農(nóng)藝性狀的綜合評價(jià)具有較高的準(zhǔn)確度和區(qū)分度，并且分析結(jié)果與產(chǎn)量聯(lián)系密切，能夠?yàn)榇蠖蛊废佃b定和篩選提供有效的決策參考。

關(guān)鍵詞：大豆；灰色關(guān)聯(lián)度分析法；DTOPSIS法；模糊函數(shù)法；同異分析法；主成分分析法

中圖分類號：S565.1" " " " "文獻(xiàn)標(biāo)識碼：A" " " " " DOI 編碼：10.3969/j.issn.1006-6500.2024.10.002

Analysis and Comparative Study of Different Comprehensive Evaluation Methods on the Integrated Agronomic Traits of SoybeanVarieties

ZAN Kai1，2，3， CHAI Yutong1，2，3， CHEN Yaguang1，2，3， NIU Jing1，2，3， WANG Ming1，2，3，" NIU Yongfeng1，2，3

（1. Anyang Academy of Agricultural Sciences，Anyang Henan 455000， China；2. Henan Province High Quality Soybean Improvement Engineering Technology Research Center， Anyang Henan 455000， China；3. Henan Province Soybean Germplasm Resources Innovation and Utilization Engineering Research Center， Anyang Henan 455000， China）

Abstract： To provide a scientific and rational method for comprehensive evaluation of soybean agronomic traits， five common comprehensive evaluation methods， including the DTOPSIS， grey relational analysis， fuzzy evaluation method， similarity and difference analysis， and principal component analysis， were applied to conduct a comprehensive analysis of 14 varieties from the summer soybean regional trial in Henan Province in 2020. The advantages and disadvantages of different methods in comprehensive evaluation of soybean agronomic traits were compared. The results showed that there was a very significant positive correlation between the comprehensive scores of the varieties calculated by the five analysis methods. Among them， the DTOPSIS method had the best discrimination for the comprehensive traits of the varieties， followed by grey relational analysis， similarity and difference analysis， principal component analysis， and fuzzy function method. The similarity and difference analysis had the highest accuracy in evaluating comprehensive traits， followed by the fuzzy function method， grey relational analysis， principal component analysis， and DTOPSIS. The grey relational analysis had the largest grey relational degree with yield among the comprehensive scores of the five analysis methods， followed by DTOPSIS， similarity and difference analysis， fuzzy function method， and principal component analysis. The results indicated that the grey relational analysis method have a high degree of accuracy and discrimination in the comprehensive evaluation of agronomic traits of a large number of soybean materials， and the analysis results are closely related to yield， which can provide effective decision-making references for breeders in the identification and screening of soybean varieties.

Key words： soybean; grey relational analysis; DTOPSIS; fuzzy function method; similarity and difference analysis; principal component analysis

育種本質(zhì)上是對育種材料綜合性狀的把握、判斷和比較的決策過程。當(dāng)前部分育種單位仍依賴經(jīng)驗(yàn)決定后代材料和品系的淘汰或晉級，而經(jīng)驗(yàn)需要日積月累且與認(rèn)知緊密相關(guān)，這難免會造成育種效率低下。因此，學(xué)者對不同分析方法進(jìn)行了研究，期望可以找到綜合評價(jià)育種材料的有力工具。

灰色關(guān)聯(lián)度分析法、DTOPSIS法、模糊函數(shù)法、同異分析法和主成分分析法等是作物綜合評價(jià)常用的方法。其中，灰色關(guān)聯(lián)度分析法是利用模糊評價(jià)系統(tǒng)，將評價(jià)對象的性狀看作一個(gè)灰色系統(tǒng)，每個(gè)性狀作為該系統(tǒng)的一個(gè)因素，通過建立灰色系統(tǒng)模型對評價(jià)對象的所有性狀進(jìn)行量化評價(jià)。該方法最早由劉錄祥[1]應(yīng)用于雜交小麥的評價(jià)中，并得到了與品種實(shí)際表現(xiàn)相符的灰色關(guān)聯(lián)度排序，之后被科研工作者廣泛應(yīng)用于評價(jià)其他作物的綜合性狀[2-5]。DTOPSIS法根據(jù)有限個(gè)數(shù)的評價(jià)對象與理想化目標(biāo)的接近程度進(jìn)行排序，從而對評價(jià)對象進(jìn)行相對優(yōu)劣評價(jià)，目前該方法在小麥、谷子、水稻、大豆、煙草等作物的綜合評價(jià)方面效果顯著[6-9]。模糊函數(shù)法是利用模糊數(shù)學(xué)的思想，通過隸屬函數(shù)計(jì)算評價(jià)對象性狀指標(biāo)的隸屬度，確定各性狀權(quán)重后再根據(jù)平均隸屬度對評價(jià)對象進(jìn)行量化評價(jià)的方法，該方法計(jì)算簡便、結(jié)論明確，廣泛應(yīng)用于作物綜合評價(jià)[10-13]。同異分析法是郭瑞林[14]在集對論的基礎(chǔ)上提出的一種新方法，該方法通過計(jì)算評價(jià)對象與理想化品種的同一度和差異度進(jìn)行品種優(yōu)劣評價(jià)，在作物綜合評價(jià)方面應(yīng)用效果較好[15-17]。主成分分析是一種常用的綜合評價(jià)方法[18-20]，將多個(gè)指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)能代表原始變量大部分信息的綜合指標(biāo)（即主成分），并且所含的信息互不重復(fù)，以達(dá)到簡化指標(biāo)信息進(jìn)行統(tǒng)計(jì)分析的目的。昝凱等[21]利用灰色關(guān)聯(lián)度分析和DTOPSIS法對2014年河南省大豆區(qū)域試驗(yàn)的14個(gè)參試品種進(jìn)行比較分析，認(rèn)為DTOPSIS法相較灰色關(guān)聯(lián)度分析法有更高的區(qū)分度；宋中強(qiáng)等[22]對22個(gè)谷子品種進(jìn)行DTOPSIS法和模糊函數(shù)分析，認(rèn)為DTOPSIS法的分辨能力相較模糊評價(jià)法更好；李彥平等[23]采用灰色關(guān)聯(lián)度分析和模糊綜合評判法對烤煙區(qū)試品種進(jìn)行綜合評判，認(rèn)為兩種分析方法結(jié)果基本一致，但模糊綜合評判法分析過程更簡便。以上學(xué)者的研究僅限于2種分析方法的對比研究，對多種綜合評價(jià)方法的對比研究較少，不同綜合評價(jià)方法在大豆綜合農(nóng)藝性狀的評價(jià)效果方面鮮見報(bào)道。此外，在上述不同綜合評價(jià)方法的對比研究報(bào)道中，不同綜合評價(jià)方法的評價(jià)結(jié)果與依據(jù)產(chǎn)量得出的品種優(yōu)劣排名均有較大區(qū)別，降低了綜合評價(jià)方法的可信度，因此找到一種較好評價(jià)品種綜合農(nóng)藝性狀和反映產(chǎn)量實(shí)際表現(xiàn)的方法，對更好發(fā)揮綜合評價(jià)方法的輔助決策作用具有重要意義。

本研究利用灰色關(guān)聯(lián)度分析法、DTOPSIS法、模糊函數(shù)法、同異分析法和主成分分析法等常用的綜合評價(jià)方法，對2020年河南省大豆區(qū)域試驗(yàn)的參試品種進(jìn)行綜合評價(jià)分析，比較不同方法的評價(jià)效果，以期為大豆品系的鑒定和篩選提供有效的決策工具。

1 材料與方法

1.1 材料

如表1所示，參試材料為參加2020年河南省夏大豆區(qū)域試驗(yàn)普通A組的14個(gè)品種。

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)在安陽、濮陽、原陽、洛陽、周口、南陽6個(gè)試點(diǎn)進(jìn)行，采用隨機(jī)區(qū)組設(shè)計(jì)，7行區(qū)，小區(qū)面積為14 m2，種植密度為21萬株·hm-2，各試點(diǎn)設(shè)3次重復(fù)，田間管理按國家大豆品種區(qū)域試驗(yàn)要求進(jìn)行。

1.3 性狀調(diào)查

收獲前，在第1個(gè)重復(fù)和第2個(gè)重復(fù)的中間5行各選取10株并進(jìn)行考種，按NY/T1299—2014《農(nóng)作物品種區(qū)域試驗(yàn)技術(shù)規(guī)程 大豆》[24]標(biāo)準(zhǔn)，調(diào)查農(nóng)藝性狀。收獲時(shí)每小區(qū)去邊行，實(shí)收中間5行并測產(chǎn)，計(jì)產(chǎn)面積為10 m2。生育期、株高、底莢高、主莖節(jié)數(shù)、有效分枝、單株有效莢數(shù)、單株粒數(shù)、單株粒質(zhì)量、百粒質(zhì)量9個(gè)農(nóng)藝性狀和產(chǎn)量數(shù)據(jù)為6個(gè)試驗(yàn)點(diǎn)匯總后的平均值，粗蛋白含量、粗脂肪含量2個(gè)品質(zhì)性狀由農(nóng)業(yè)農(nóng)村部農(nóng)產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)測試中心（鄭州）測定。參試品種的各性狀原始數(shù)據(jù)見表1。

1.4 分析方法

1.4.1 參考數(shù)列及數(shù)據(jù)無量綱化 在考察的性狀中，以參試品種生育期、株高、底莢高指標(biāo)的中位數(shù)和其他性狀指標(biāo)的最大值為參考數(shù)列，參試品種的各性狀指標(biāo)為比較數(shù)列。為保證各性狀間具有等效性和同序性，將表1的數(shù)據(jù)進(jìn)行無量綱化處理，數(shù)據(jù)處理使用Excel 2010軟件進(jìn)行（下同），生育期、株高和底莢高采用中性指標(biāo)測度，其他指標(biāo)采用正向指標(biāo)測度。公式如下：

正向指標(biāo)：Xij（k）=Xij′（k）/X0（k）（1）

中性指標(biāo)：Xij（k）=X0（k）/（X0（k）+|X0（k）-Xij′（k）|）（2）

式中，Xij（k）為無量綱化后的值；Xij′（k）為無量綱化前的值；X0（k）為最優(yōu)值，k為性狀數(shù)，k取值范圍為1～11。

1.4.2 灰色關(guān)聯(lián)度法 首先根據(jù)公式（3）計(jì)算無量綱化后的參數(shù)與參考品種數(shù)列差數(shù)的絕對值，然后根據(jù)公式（4）計(jì)算參試各性狀與參考品種性狀間的關(guān)聯(lián)系數(shù)εi（k），最后根據(jù)公式（5）求各組合的灰色評判值Gi。本研究以參試品種的產(chǎn)量為參考數(shù)列，其他11個(gè)性狀為比較數(shù)列，計(jì)算出各性狀的灰色關(guān)聯(lián)系數(shù)后進(jìn)行歸一化處理得到各性狀的權(quán)重Wi，根據(jù)Gi值排定各參試品種的優(yōu)劣順序。

△i（k）=|X0（k）-Xij（k）|（3）

εi（k）= （4）

Gi=（εi-Wi）（5）

式中，ρ為分辨系數(shù)，常取0.5；Wi為考察性狀的權(quán)重（下同）。

1.4.3 DTOPSIS法 根據(jù)公式（6）計(jì)算參試品種的決策矩陣R，找出R中各性狀的最大值Yi + 和最小值Yi - ，并根據(jù)公式（7）和公式（8）計(jì)算參試品種各性狀與最佳性狀的距離Si + 及與最差性狀間的距離Si - ，最后根據(jù)公式（9）計(jì)算各品種對參考品種的相對接近度，按照Ci值大小確定各參試品種的優(yōu)劣順序。

Rij=Wi*Xij（k）（6）

Si + =" （7）

Si -= （8）

Ci=Si-/（Si + +Si - ）（9）

1.4.4 模糊函數(shù)法 根據(jù)模糊數(shù)學(xué)原理，利用原始數(shù)據(jù)無量綱化值和灰色關(guān)聯(lián)度法確定的權(quán)重，參照公式（10）計(jì)算參試品種的綜合得分D，根據(jù)D值大小確定參試品種綜合性狀優(yōu)劣。

D= μ（k）Wi（10）

式中，μ（k）為原始數(shù)據(jù)無量綱化后的值；Wi為各指標(biāo)權(quán)重；n取值范圍為1～11。

1.4.5 同異分析法 首先參照公式（1）和公式（2）計(jì)算參試品種各性狀與參考數(shù)列的同一度Hi，然后分別根據(jù)公式（11）和公式（12）計(jì)算參試品種的綜合同一度A（k）和差異度b（k），并根據(jù)公式（13）計(jì)算參試品種系的聯(lián)系度U（k）。不定系數(shù)i取值為-1[25]，根據(jù)聯(lián)系度大小對參試品種綜合性狀進(jìn)行優(yōu)劣排序。

A（k）= H（k）Wi" （11）

b（k）=1-A（k）（12）

U（k）=A（k）+b（k）i" （13）

1.4.6 主成分分析法 本研究使用SPSS 20.0軟件，根據(jù)特征根大于1的原則，提取主成分并進(jìn)行分析。利用公式（14）計(jì)算參試品種系的綜合得分并按其大小排序，權(quán)重wi根據(jù)公式（15）計(jì)算。

F= Xiwi（14）

式中，Xi為參試品種在各主成分上的得分；wi表示第i個(gè)主成分在所有主成分中的權(quán)重。

wi=Pi /Pinbsp; （15）

式中，Pi為第i個(gè)主成分的貢獻(xiàn)率。

1.4.7 5種綜合評價(jià)方法的評價(jià)結(jié)果與產(chǎn)量的關(guān)聯(lián)度分析 為明確5種評價(jià)結(jié)果反映品種的實(shí)際產(chǎn)量的效果，將5種綜合評價(jià)方法的評價(jià)結(jié)果作為比較數(shù)列，產(chǎn)量作為參考數(shù)列，參照1.3.2的方法，計(jì)算5種綜合評價(jià)方法的評價(jià)結(jié)果與產(chǎn)量的灰色關(guān)聯(lián)度。

2 結(jié)果與分析

2.1 權(quán)重的確定

產(chǎn)量是大豆生產(chǎn)的主要關(guān)注點(diǎn)，為明確考察的性狀指標(biāo)對產(chǎn)量的貢獻(xiàn)，本研究利用灰色關(guān)聯(lián)度法以產(chǎn)量為參考數(shù)列，考察的性狀指標(biāo)為比較數(shù)列，計(jì)算考察性狀對產(chǎn)量的權(quán)重。由表2可知，株型要素株高、底莢高、主莖節(jié)數(shù)、有效分枝的權(quán)重系數(shù)為0.380 8，產(chǎn)量構(gòu)成要素（單株莢數(shù)、單株粒數(shù)、單株粒質(zhì)量、百粒質(zhì)量）的權(quán)重系數(shù)為0.358 1，品質(zhì)要素（蛋白含量、脂肪含量）的權(quán)重系數(shù)為0.172 4，生育期的權(quán)重系數(shù)為0.088 7。株型要素的權(quán)重系數(shù)略高于產(chǎn)量要素，這與當(dāng)前河南省大豆品種產(chǎn)量差異不大，品種間的差異主要體現(xiàn)在株型等方面。

2.2 不同綜合評價(jià)方法的評價(jià)結(jié)果

2.2.1 灰色關(guān)聯(lián)度分析法的結(jié)果 由表2可知，灰色評判值Gi最大的品種為周豆39（0.716 3），最小的品種為商豆158（0.437 5）。根據(jù)Gi值大小排序，排名前5的品種分別為周豆39、宛黃1號、洛豆1305、鄭1609和駐豆30。

2.2.2 DTOPSIS法的結(jié)果 由表3可知，參試品種的Ci值變化幅度為0.231 0～0.745 7，Ci值最大的品種為周豆39，最小的品種為商豆158。根據(jù)Ci值大小排序，排名前5的品種分別為周豆39、宛黃1號、鄭196、鄭1609和駐豆30。

2.2.3 模糊函數(shù)法的結(jié)果 由表4可知，參試品種綜合評價(jià)D值變化幅度為0.791 6～0.938 4，綜合評價(jià)D值最大的品種為周豆39，最小的品種為濮豆691。綜合評價(jià)D值越大，則綜合性狀越好。根據(jù)模糊函數(shù)法分析結(jié)果，綜合性狀排名前5的品種分別為周豆39、宛黃1號、鄭196、鄭1609和駐豆30。

2.2.4 同異分析法的結(jié)果 由表5可知，14個(gè)參試品種的綜合同一度變化幅度為0.791 6～0.938 4，其中綜合同一度最小的品種為濮豆691，最大的品種為周豆39。差異度變化幅度為0.061 6～0.208 4，聯(lián)系度變化幅度為0.583 1～0.876 8。根據(jù)同異分析法的原理，聯(lián)系度大小可以作為反映品種優(yōu)劣的指標(biāo)。聯(lián)系度越大，則品種綜合性狀越優(yōu)。由表5可知，綜合性狀排名前5的品種分別為周豆39、宛黃1號、鄭196、鄭1609和駐豆30。

2.2.5 主成分分析法的結(jié)果 根據(jù)特征值大于1的原則，提取5個(gè)主成分，由表6可知，5個(gè)主成分的累積貢獻(xiàn)率為89.377%。這說明提取的5個(gè)主成分可以解釋原有的11個(gè)農(nóng)藝性狀和品質(zhì)性狀指標(biāo)。根據(jù)成分得分和成分權(quán)重，可以得到綜合評價(jià)函數(shù)（F=0.393 4F1+0.219 4F2+0.147 2F3+0.129 5F4+0.110 6F5）。由14個(gè)參試品種的的綜合得分可知，綜合得分前5名的品種分別為周豆39、宛黃1號、鄭1609、鄭196和駐豆30。

2.3 不同評價(jià)結(jié)果的比較

由上述5種評價(jià)結(jié)果可知，5種綜合評價(jià)方法中，排名一致的品種有周豆39（排名第1）、宛黃1號（排名第2）、駐豆30（排名第5），其他品種的排名存在一定差異。其中，灰色關(guān)聯(lián)度分析法的綜合得分排名與另外4種方法排名相差2位及以上的品種為洛1 305（排名第3）、鄭196（排名第6）、鄭1 659（排名第9）和安豆115（排名第12），其他品種的排名與另外4種分析方法差異較小。主成分分析法與另外4種分析法的綜合得分排名相差2位以上的品種為濮豆793（排名第6），其他品種的排名與另4種分析方法差異也較小。DTOPSIS法與模糊函數(shù)法、同異分析法的綜合得分排名相差最多1個(gè)位次，而模糊函數(shù)法和同異分析法的綜合得分排名完全一致。5種分析方法中排名相差2個(gè)位次以內(nèi)的品種有9個(gè)，占比60%。由此可見，5種不同綜合評價(jià)方法的評價(jià)結(jié)果具有較高的一致性。

由表7可知，本研究的5種分析方法綜合得分排名之間均存在極顯著的正相關(guān)關(guān)系，其中模糊函數(shù)法和同異分析法的綜合得分排名完全一致，而產(chǎn)量排名與上述5種分析方法的綜合得分排名相關(guān)性極弱。這表明5種評價(jià)結(jié)果均綜合了品種農(nóng)藝和品質(zhì)性狀的表現(xiàn)。

2.4 不同評價(jià)結(jié)果的準(zhǔn)確性和區(qū)分度

為比較5種評價(jià)結(jié)果的分辨能力和準(zhǔn)確性，參考桃聯(lián)安等[26]的方法，利用變異系數(shù)和離散度反映對評價(jià)結(jié)果的區(qū)分能力，利用離均值反映評價(jià)結(jié)果的準(zhǔn)確性。變異系數(shù)和離散度越大，則該方法的分辨能力越強(qiáng)；離均值越小，則評價(jià)結(jié)果越準(zhǔn)確。

由表8可知，DTOPSIS法的變異系數(shù)（30.19%）和離散度（0.526 9）均為最大值，其次為灰色關(guān)聯(lián)度分析法（變異系數(shù)13.88%，離散度0.241 6）、同異分析法（變異系數(shù)11.44%，離散度0.201 2）、主成分分析法（變異系數(shù)7.47%，離散度0.132 0）和模糊函數(shù)法（變異系數(shù)4.84%，離散度0.084 9）。而離均值最小的為同異分析法（0.011 3），其次為模糊函數(shù)分析法（0.143 9）、灰色關(guān)聯(lián)度分析法（0.150 3）、主成分分析法（0.224 9）和DTOPSIS法（0.229 0）。

2.5 不同綜合評價(jià)方法的評價(jià)結(jié)果與產(chǎn)量的關(guān)聯(lián)度

由表7可知，產(chǎn)量與灰色關(guān)聯(lián)度法的評價(jià)結(jié)果關(guān)聯(lián)度最高，為0.837 4，其次為DTOPSIS法（0.753 4）、同異分析法（0.729 4）、模糊函數(shù)法（0.632 9）和主成分分析法（0.592 6）。依據(jù)灰色關(guān)聯(lián)度的原理，關(guān)聯(lián)度越大，則與參考數(shù)列的關(guān)系越緊密。由此可知，灰色關(guān)聯(lián)度分析法的評價(jià)結(jié)果與產(chǎn)量關(guān)系最緊密，相較其他4種分析方法，灰色關(guān)聯(lián)度分析法更能反映品種的實(shí)際產(chǎn)量。

3 討論與結(jié)論

3.1 討論

本研究的性狀權(quán)重均由灰色關(guān)聯(lián)度分析法計(jì)算得出，原始數(shù)據(jù)的無量綱化方法也相同，評價(jià)結(jié)果具有可靠的比較基礎(chǔ)。由分析結(jié)果可知，灰色關(guān)聯(lián)度分析、DTOPSIS法、模糊函數(shù)法、同異分析法和主成分分析法5種綜合評價(jià)方法的分析結(jié)果排名一致的品種有3個(gè)，分別為周豆39（排名第1）、宛黃1號（排名第2）和駐豆30（排名第5），4種方法間排名一致的品種為鄭1 609（排名第4），3種方法間排名一致的品種有9個(gè)，2種方法間排名一致的品種有1個(gè)，3種及以上方法排名相同的品種共13個(gè)，占比92.86%。對5種分析方法的評價(jià)結(jié)果進(jìn)行相關(guān)分析，結(jié)果表明，5種分析方法的評價(jià)結(jié)果之間存在極顯著相關(guān)性。以上分析說明，本研究考察的11個(gè)性狀能夠較全面地反映參試大豆品種的綜合性狀，并且5種分析方法都運(yùn)用了考察性狀的大部分信息，分析結(jié)果較可靠。

本研究應(yīng)用的5種綜合評價(jià)方法均為作物綜合評價(jià)相關(guān)研究中常用的方法，并且5種分析方法針對相同的考察性狀，采用相同的性狀權(quán)重對同一組大豆品種進(jìn)行綜合評價(jià)，具有可靠的比較基礎(chǔ)，能夠有效區(qū)分不同方法在綜合評價(jià)大豆農(nóng)藝性狀方面的優(yōu)劣。對5種分析方法的評價(jià)結(jié)果進(jìn)行比較分析，結(jié)果表明，由于不同方法的計(jì)算原理不盡相同，分析結(jié)果也存在一定差異。本研究中，灰色關(guān)聯(lián)度分析法區(qū)分度和準(zhǔn)確度均較高，DTOPSIS法有最高的區(qū)分度，準(zhǔn)確度最低，同異分析法準(zhǔn)確度最高、區(qū)分度較大，模糊函數(shù)法準(zhǔn)確度較高，區(qū)分度最低，而主成分分析法準(zhǔn)確度和區(qū)分度均較低。桃聯(lián)安等[26]認(rèn)為，模糊函數(shù)法區(qū)分度高于同異分析法和灰色關(guān)聯(lián)度分析法，準(zhǔn)確度低于灰色關(guān)聯(lián)度分析法，這與本研究結(jié)果不同。前人[21-22，27-28]認(rèn)為，DTOPSIS法區(qū)分度大于灰色關(guān)聯(lián)度分析法和模糊函數(shù)法，這與本研究結(jié)果相同。這表明只有根據(jù)作物種類和評價(jià)指標(biāo)選用合適的評價(jià)方法，才能得到科學(xué)、合理的評價(jià)結(jié)果。

此外，5種綜合評價(jià)方法的結(jié)果排名均與產(chǎn)量排名相關(guān)性極弱，而產(chǎn)量是品種農(nóng)藝性狀與環(huán)境等因素相互作用的結(jié)果，除了本研究考察的11個(gè)性狀外，葉面積指數(shù)、根質(zhì)量、冠層寬和高、地上部生物量、葉柄夾角、莢皮厚度等多個(gè)性狀[29-32]對產(chǎn)量的形成也具有重要作用，這也是影響5種分析方法結(jié)果與產(chǎn)量相關(guān)性較弱的重要因素。在實(shí)際育種過程中，本研究考察的性狀為育種家關(guān)注較多且操作性更強(qiáng)的指標(biāo)，對其他性狀的考察較少。為了明確5種分析方法的綜合評價(jià)效果，本研究以產(chǎn)量為參考數(shù)列，5種分析方法的結(jié)果為比較數(shù)列，進(jìn)行灰色關(guān)聯(lián)度分析，結(jié)果發(fā)現(xiàn)，產(chǎn)量與灰色關(guān)聯(lián)度法的評價(jià)結(jié)果關(guān)聯(lián)度最高（0.837 4），其次為DTOPSIS法（0.753 4）、同異分析法（0.729 4）、模糊函數(shù)法（0.632 9）和主成分分析法（0.592 6）。這表明灰色關(guān)聯(lián)度分析法的分析結(jié)果與產(chǎn)量聯(lián)系更緊密，利用主要指標(biāo)代替與產(chǎn)量相關(guān)的全部因素進(jìn)行綜合評價(jià)的效果更好。

3.2 結(jié)論

灰色關(guān)聯(lián)度分析法、DTOPSIS法、模糊函數(shù)法、同異分析法和主成分分析法均能較好地綜合利用考察的指標(biāo)信息，分析結(jié)果較合理、可靠。其中，DTOPSIS法區(qū)分度最高、準(zhǔn)確度最低，同異分析法準(zhǔn)確度最高，模糊函數(shù)法區(qū)分度最低，灰色關(guān)聯(lián)度法區(qū)分度和準(zhǔn)確度均較高，主成分分析法區(qū)分度和準(zhǔn)確度均較低，灰色關(guān)聯(lián)度法的評價(jià)結(jié)果與產(chǎn)量關(guān)聯(lián)度最高。相比于另外4種方法，灰色關(guān)聯(lián)度法能夠準(zhǔn)確區(qū)分大豆品種的綜合農(nóng)藝性狀優(yōu)劣，分析結(jié)果可以較好地反映大豆品種的產(chǎn)量表現(xiàn)，能夠作為大豆品系的鑒定和篩選的有效決策方法。

參考文獻(xiàn)：

[1] 劉錄祥， 孫其信， 王士蕓. 灰色系統(tǒng)理論應(yīng)用于作物新品種綜合評估初探[J]. 中國農(nóng)業(yè)科學(xué)， 1989， 22（3）： 22-27.

[2] 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.

[3] 王曉磊， 康澤然， 魏云山， 等. 20份小豆種質(zhì)資源農(nóng)藝性狀鑒定與綜合評價(jià)[J]. 江蘇農(nóng)業(yè)科學(xué)， 2023， 51（2）： 98-104.

[4] 張子豪， 李想成， 吳昊天， 等. 基于灰色關(guān)聯(lián)度分析和聚類分析的豐產(chǎn)高效小麥品種綜合評價(jià)與篩選[J]. 江蘇農(nóng)業(yè)科學(xué)， 2022， 50（10）： 194-200.

[5] 林姍姍， 汪海生， 趙文濤， 等. 基于煙堿、總糖、農(nóng)藝性狀聚類和灰色關(guān)聯(lián)度分析的優(yōu)質(zhì)曬煙栽培種篩選[J]. 煙草科技， 2019， 52（4）： 17-24.

[6] 王靖， 孔令國， 李寶強(qiáng)， 等. 基于熵值賦權(quán)的DTOPSIS法對小麥品種的綜合評價(jià)研究[J]. 中國農(nóng)學(xué)通報(bào)， 2023， 39（12）： 1-7.

[7] 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.

[8] 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.

[9] 昝凱， 陳亞光， 申為民， 等. 黃淮海夏大豆（南片）品種（系）農(nóng)藝性狀的綜合分析及評價(jià)模型構(gòu)建[J]. 大豆科學(xué)， 2023， 42（2）： 129-137.

[10] 湯復(fù)躍， 梁江， 郭小紅， 等. 廣西間作大豆耐蔭性綜合評價(jià)及鑒定指標(biāo)篩選[J]. 大豆科學(xué)， 2022， 41（6）： 645-653.

[11] 王晶琴， 石貴陽， 楊松花， 等. 不同基因型大豆苗期耐低磷性鑒定及指標(biāo)篩選[J]. 福建農(nóng)業(yè)學(xué)報(bào)， 2022， 37（6）： 702-711.

[12] 高秋， 李銣， 李楚， 等. 11個(gè)雜交粳稻新品種抗稻瘟病和豐產(chǎn)優(yōu)質(zhì)綜合評價(jià)[J]. 西南農(nóng)業(yè)學(xué)報(bào)， 2023， 36（4）： 665-672.

[13] 劉彤彤， 李寧， 魏良迪， 等. 山西省主推小麥品種芽期及苗期耐鹽性的綜合評價(jià)[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2022， 27（2）： 22-33.

[14] 郭瑞林， 楊春玲， 關(guān)立， 等. 小麥品種區(qū)域試驗(yàn)的同異分析方法研究[J]. 麥類作物學(xué)報(bào)， 2001， 21（3）： 60-63.

[15] 陳丹， 戴紅燕， 丁鑫， 等. 同異分析法對引進(jìn)色稻在涼山州適應(yīng)性評價(jià)[J]. 種子， 2019， 38（7）： 85-90.

[16] 曲祥春， 王鼐， 石貴山， 等. 同異分析法在粒用高粱雜交種評價(jià)中的應(yīng)用[J]. 作物雜志， 2021（3）： 46-50.

[17] 張凡， 楊春玲， 韓勇， 等. 基于主成分分析和同異分析法的小麥產(chǎn)量與品質(zhì)綜合評價(jià)[J]. 山東農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2022， 53（4）： 503-509.

[18] 范元芳， 鮮東鋒， 楊梅， 等. 不同種皮顏色大豆光合特性分析與高光效種質(zhì)篩選[J]. 中國油料作物學(xué)報(bào)， 2023， 45（4）： 785-792.

[19] 王俊花， 邵林生， 閆建賓， 等. 基于主成分分析的糯玉米雜交組合農(nóng)藝性狀綜合評價(jià)[J]. 山西農(nóng)業(yè)科學(xué)， 2022， 50（7）： 938-944.

[20] 常明娟， 楚宗艷， 杜玉倍， 等. 高溫脅迫下小麥生理指標(biāo)的主成分分析及綜合評價(jià)[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2023， 49（1）： 1-11.

[21] 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.

[22] 宋中強(qiáng)， 張文川， 王帥， 等. 基于熵權(quán)法賦權(quán)的DTOPSIS法和模糊評價(jià)法綜合評價(jià)谷子區(qū)試品種[J]. 江蘇農(nóng)業(yè)科學(xué)， 2023， 51（16）： 49-54.

[23] 李彥平， 丁燕芳， 李雪君， 等. 應(yīng)用模糊綜合評判和灰色關(guān)聯(lián)度分析評估烤煙區(qū)試新品種[J]. 中國煙草科學(xué)， 2010， 31（1）： 5-8.

[24] 中華人民共和國農(nóng)業(yè)部. 農(nóng)作物品種試驗(yàn)技術(shù)規(guī)程 大豆： NY/T 1299-2014[S]. 北京： 中國農(nóng)業(yè)出版社， 2015.

[25] 郭瑞林. 同異分析的聯(lián)系勢測驗(yàn)及其在小麥品種區(qū)域試驗(yàn)中的應(yīng)用[J]. 麥類作物學(xué)報(bào)， 2004， 24（1）： 63-65.

[26] 桃聯(lián)安， 楊李和， 安汝東， 等. 5種分析方法對08系列云南割手密血緣F2代的綜合分析及比較[J]. 西南農(nóng)業(yè)學(xué)報(bào)， 2015， 28（5）： 1907-1915.

[27] 李彥平， 李淑君， 吳娟霞， 等. DTOPSIS法和灰色關(guān)聯(lián)度法在新引烤煙新品種綜合評價(jià)中的應(yīng)用比較[J]. 中國煙草學(xué)報(bào)， 2012， 18（4）： 35-40.

[28] 楊昆， 吳才文， 覃偉， 等. DTOPSIS法和灰色關(guān)聯(lián)度法在甘蔗新品種綜合評價(jià)中的應(yīng)用比較[J]. 西南農(nóng)業(yè)學(xué)報(bào)， 2015， 28（4）： 1542-1547.

[29] 黃中文， 趙團(tuán)結(jié)， 喻德躍， 等. 大豆產(chǎn)量有關(guān)性狀OTL的檢測[J]. 中國農(nóng)業(yè)科學(xué)， 2009， 42（12）： 4155-4165.

[30] 陳玲玲， 李戰(zhàn)， 劉亭萱， 等. 基于783份大豆種質(zhì)資源的葉柄夾角全基因組關(guān)聯(lián)分析[J]. 作物學(xué)報(bào)， 2022， 48（6）： 1333-1345.

[31] 王喬， 蔣洪蔚， 謝建國， 等. 大豆莢皮厚性狀QTL定位及候選基因挖掘[J]. 中國油料作物學(xué)報(bào)， 2022， 44（2）： 298-306.

[32] 黃中文. 利用重組自交系群體研究大豆產(chǎn)量與生物量動態(tài)特征、莖葉性狀間的關(guān)系和產(chǎn)量相關(guān)性狀的QTL分析[D]. 南京： 南京農(nóng)業(yè)大學(xué)， 2008.