CN108901837A - 一种长江中下游单季粳稻优质高效品种筛选及栽培方法 - Google Patents
一种长江中下游单季粳稻优质高效品种筛选及栽培方法 Download PDFInfo
- Publication number
- CN108901837A CN108901837A CN201811020854.0A CN201811020854A CN108901837A CN 108901837 A CN108901837 A CN 108901837A CN 201811020854 A CN201811020854 A CN 201811020854A CN 108901837 A CN108901837 A CN 108901837A
- Authority
- CN
- China
- Prior art keywords
- quality
- rice
- index
- degree
- sought
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01H—NEW PLANTS OR NON-TRANSGENIC PROCESSES FOR OBTAINING THEM; PLANT REPRODUCTION BY TISSUE CULTURE TECHNIQUES
- A01H1/00—Processes for modifying genotypes ; Plants characterised by associated natural traits
- A01H1/04—Processes of selection involving genotypic or phenotypic markers; Methods of using phenotypic markers for selection
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/20—Cereals
- A01G22/22—Rice
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Botany (AREA)
- Environmental Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Developmental Biology & Embryology (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明属于植物新品种技术领域,公开了一种长江中下游单季粳稻优质高效品种筛选及栽培方法。征集粳稻品种,5月11日播种,6月1日插秧,栽培方法按照高产栽培统一管理,共获取生育期、株高、最高苗、有效穗、穗粒数、千粒重、结实率、穗长、产量指标参数,按GBT 17891‑1999方法测定精米率、整精米率、垩白度、垩白粒率、直链淀粉含量、蛋白质含量、胶稠度。本发明方法利用灰色关联分析法和权重关联分析法,综合考察上述指标来评价粳稻品种优劣,本发明较传统的筛选方法更科学、更全面的评价品种的优劣,从而能更准确的为生产提供可应用品种,服务生产实际。
Description
技术领域
本发明属于植物新品种技术领域,尤其涉及一种单季粳稻优质高效品种筛选技术统计方法。
背景技术
目前,业内常用的现有技术是这样的:水稻品种筛选技术主要应用在某一地区适宜种植水稻品种的选择推广上,当前各地水稻品种繁多、品种杂乱,最甚着一个县就有100多个水稻品种,繁杂的品种给生产指导带来难度,同时繁杂的品种也增加了生产上遭遇逆境的几率,加大了种植风险。因此,应用水稻品种筛选技术,即可筛选出最适合该地区的水稻品种,重点推广应用这些品种,有利于规范该地区水稻种植,有利于农业推广部门统一开展技术指导和病虫害统防统治,提高生产效率,降低水稻生产因品种杂、乱、多而导致的生产风险,确保粮食安全。以往品种筛选技术仅仅简单对水稻产量进行方差分析、新复极差测验,而忽视了品种与产量有重要关系的生育期、穗粒数、千粒重、结实率、有效穗等其他指标,且很少有将产量与品质同时考虑的筛选方法。由此可见,以往传统的筛选方法过于单一的评价品种的优劣,不能全面、科学的综合评价水稻品种优劣,这样筛选的结果可能与实际生产不相符,从而出现指导偏差,不能用于农业推广部门的推广应用。
综上所述,现有技术存在的问题是:
(1)只侧重于产量数据的筛选,而忽视与产量有密切关系的其他指标,诸如千粒重、结实率、有效穗、穗粒数等等;
(2)产量、品质难以兼顾,现有技术往往只注重产量或者品质,筛选出单一高产或者优质的品种,这样筛选的品种在实际生产中应用有限。
(3)在众多筛选指标中,每个指标在筛选中的重要性不同,现有技术不能定量的区分出每个指标的重要性,从而也使得筛选结果缺乏科学性。
解决上述技术问题的难度和意义:
解决上述问题的难度是对各指标权重的确定,不同的筛选目的可能在各指标的权重分配上不同,如偏重于高档优质稻品种筛选的话,品质指标的权重就要加大,如偏重于超级稻品种筛选,那么产量及其相关指标的权重就要加大,因此,本筛选技术要视筛选目的确定不同指标的权重。
应用本发明方法可实现品种筛选多重目标的筛选,并能全面、科学的评价各品种优劣,其筛选结果对于解决目前各地区水稻品种杂、乱、多的现状有重要现实意义。通过本发明方法对杂乱多的水稻品种进行筛选后,可为当地农业技术推广部门确定各地区的主推品种提供参考,同时有利于各地水稻品种的规范种植,利于后期病虫害统防统治,且降低了种植风险,确保了粮食安全。
发明内容
本发明的目的是提供了一种单季粳稻优质高效品种科学、全面的筛选技术统计方法,它能有效解决背景技术中所存在的问题。
本发明是这样实现的,长江中下游单季粳稻优质高效品种筛选方法,所述长江中下游单季粳稻优质高效品种筛选方法包括:征集粳稻品种,5月11日播种,6月1日插秧,栽培方法按照高产栽培统一管理,6月至收获前测定最高苗、有效穗,收获时每小区取1平方米测定实产,重复三次,同时按平均茎蘖数取植株样5株,用于室内考种,测定穗粒数、千粒重、结实率;测完实产的稻谷晾干后放置2个月,按照国标GBT 17891-1999标准方法测定稻谷品质,测定内容为外观品质、加工品质、营养品质。
进一步,所述长江中下游单季粳稻优质高效品种筛选方法包括:
步骤一,求取各品种与理想品种的品质关联度,统计软件使用DPS数据处理系统V9.01版本;
步骤二,求取各品种综合性状关联度,统计软件使用DPS数据处理系统V9.01版本,求取各品种综合性状加权关联度;
步骤三,按照各品种综合性状的加权关联度大小排序,加权关联度越大,表明此品种在该试验点的综合性状表现越优,即越适合在该试验点种植。
进一步,所述长江中下游单季粳稻优质高效品种筛选方法具体包括:
步骤一,数据获取,于水稻生长季在田间获取生育期、最高茎蘖数、株高等生长发育数据,水稻收获时获取产量、有效穗、结实率、千粒重、穗粒数等产量密切相关数据,室内按照国标GBT 17891-1999标准方法获取糙米率、精米率、整精米率、垩白度、垩白粒率、直链淀粉含量、蛋白质含量、胶稠度数据;
步骤二,品质指标加权关联度求取;
首先设定理想品种的品质指标,理想品种品质指标的获取为各品种各单项品质指标的最优值作为理想品种的品质指标;
综合性状加权关联度求取,设定理想品种的综合性状指标,理想品种综合性状指标的获取为各品种单项指标的最优值作为理想品种的指标值;
按照灰色关联法求取综合性状加权关联度的大小排序,关联度越大表明此品种在该地区产量、品质等综合性状表现越优,为适合该地区种植的高产优质粳稻品种。
进一步,所述品质指标加权关联度求取具体包括:理想品种设为X0,其他品种记为Xi(i=1,2,3…,m),其中m为参试品种数,各品质指标用Ki表示(i=1,2,3…,n),其中n为性状数;
①数据无量纲化处理,采用DPS统计软件进行各指标性状均值化变换值化方法,得到各品种无量纲化结果;
②求绝对差值,按Δi(k)=|X′0(k)-X′i(k)|求得参考数列的绝对差值;
③求关联度系数,由关联度系数公式:
求取关联系数,式中ρ为分辨系数,取值范围在(0-1)分辨系数,一般取0.5,
分别为第一层次最小差和第一层次最大差。第一层次最小差为0.00,第一层次最大差为1,代入公式即得X0对Xi各性状的关联系数;
④计算加权关联度,按照下列公式计算加权关联度:
式中,r′i表示加权关联度,Wk表示权重,即可求取各品种品质性状的加权关联度。
进一步,所述综合性状加权关联度求取具体包括:理想品种设为X0,其他品种记为Xi(i=1,2,3…,m),其中m为参试品种数,综合性状各指标用Ki表示(i=1,2,3…,n),其中n为性状数;
①数据无量纲化处理,采用DPS统计软件进行各指标性状均值化变换值化方法,得到各品种无量纲化结果;
②求绝对差值,按Δi(k)=|X′0(k)-X′i(k)|求得参考数列的绝对差值;
③求关联度系数,由关联度系数公式:
求取关联系数,式中ρ为分辨系数,取值范围在(0-1)之间分辨系数,一般取0.5,分别为第一层次最小差和第一层次最大差。第一层次最小差为0.00,第一层次最大差为1,代入公式即得X0对Xi各性状的关联系数;
④计算加权关联度,按照下列公式计算加权关联度:
式中,r′i表示加权关联度,Wk表示权重,即可求取各品种品质性状的加权关联度。
本发明的另一目的在于提供一种由所述长江中下游单季粳稻优质高效品种筛选方法筛选的长江中下游单季粳稻品种。
本发明的另一目的在于提供一种所述长江中下游单季粳稻品种的种植方法,所述长江中下游单季粳稻的种植方法包括:
步骤一,将供试品种按统一播种期5月11日种植于大田,种植株行距30×12cm,氮肥施用量18kg/亩,氮磷钾比例为1:1:0.5,6月1日移栽;
步骤二,6月至收获前,于水稻生长季内测定最高茎蘖数、株高、生育期;
步骤三,收获前每小区取1m2人工收割后脱粒测定实际产量,每品种重复3次,取平均值为品种实际产量;
步骤四,收获时每小区按平均茎蘖数,取有代表性植株5株,带回室内进行考种,测定穗粒数、结实率、千粒重;
步骤五,收获后的稻谷晾干放置2个月后测定稻谷品质,测定方法按国标GBT17891-1999标准方法测定,测定指标为糙米率、精米率、整精米率、垩白度、垩白粒率、直链淀粉含量、蛋白质含量、胶稠度。
综上所述,本发明的优点及积极效果为:利用灰色关联分析法筛选品种,可改以往定性筛选为定量筛选,大大提高筛选精确性,可实现品种筛选多重目标的筛选,并能全面、科学的评价各品种优劣,其筛选结果对于解决目前各地区水稻品种杂、乱、多的现状有重要现实意义。通过本发明方法对杂乱多的水稻品种进行筛选后,可为当地农业技术推广部门确定各地区的主推品种提供参考,同时有利于各地水稻品种的规范种植,利于后期病虫害统防统治,且降低了种植风险,确保了粮食安全。
本发明在优质粳稻品种筛选方法上区别于传统的考察单一产量性状或品质性状,而是综合选取了生长发育性状(株高、穗长、最高苗、成穗率)、产量性状(实际产量、亩穗数、穗粒数、结实率、千粒重)、品质性状(加工品质、外观品质、营养品质)等多项指标,利用灰色关联分析法,设定“理想品种”,求取各品种与理想品种的关联度,但因选取的各指标在品种性状考察中的重要性各不相同,因此,再赋予各个指标不同的权重,最后求取各品种的加权关联度,从而综合判断各品种的优劣。本发明较传统的筛选方法更科学、更全面的评价品种的优劣,从而能更准确的为生产提供可应用品种,服务生产实际。
附图说明
图1是本发明实施例提供的长江中下游单季粳稻优质高效品种筛选方法流程图。
图2是本发明实施例提供的长江中下游单季粳稻优质高效品种筛选方法实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明综合考察产量性状(亩有效穗数、穗粒数、千粒重、结实率、产量)、生长发育特性(生育期、株高、穗长、抗倒抗病性)、品质性状(加工品质、外观品质、营养品质、食味品质)等指标的优劣,可以较以往品种筛选方法更科学、更全面的评价所筛选的品种优劣。
如图1所示,本发明实施例提供的长江中下游单季粳稻优质高效品种筛选方法包括以下步骤:
S101:首先从全国各地征集了45个粳稻品种,5月11日播种,6月1日插秧,栽培方法按照高产栽培统一管理,6月至收获前测定最高苗、有效穗,收获时每小区取1平方米测定实产,重复三次,同时按平均茎蘖数取植株样5株,用于室内考种,测定穗粒数、千粒重、结实率;
S102:测完实产的稻谷晾干后放置2个月,按照国标GBT 17891-1999标准方法测定稻谷品质,测定内容为外观品质、加工品质、营养品质。
S103:利用灰色权重关联法将多个单项品质指标按照不同权重求取各粳稻品种品质指标加权关联度,再利用灰色关联法按照生育期、株高、有效穗、产量、品质等9个指标不同权重,求取各粳稻品种全部性状加权关联度,按照此加权关联度大小判定各品种优劣,指导实际生产。
本发明的单季粳稻优质高效品种筛选方法包括:求取各品种与理想品种的品质关联度,统计软件使用DPS数据处理系统V9.01版本。鉴于品质指标在品种品质优劣评价中的作用不同,按照表1所列权重,求取各品种最后的加权关联度。
表1.各品质指标在品质性状中的权重分布
指标 | 糙米率 | 精米率 | 整精米率 | 垩白度 | 垩白粒率 | 直链淀粉 | 蛋白质 | 胶稠度 |
权重 | 0.05 | 0.05 | 0.2 | 0.1 | 0.1 | 0.2 | 0.1 | 0.2 |
求取各品种综合性状关联度,统计软件使用DPS数据处理系统V9.01版本。鉴于综合性状指标在品种优劣评价中的作用不同,按照表2所列权重,求取各品种综合性状加权关联度。
表2.各品质综合性状在品种评价中的权重分布
指标 | 产量 | 品质 | 结实率 | 千粒重 | 穗粒数 | 成穗率 | 有效穗 | 生育期 | 穗长 | 株高 |
权重 | 0.3 | 0.4 | 0.05 | 0.05 | 0.05 | 0.025 | 0.05 | 0.025 | 0.025 | 0.025 |
按照各品种综合性状的加权关联度大小排序,加权关联度越大,表明此品种在该试验点的综合性状表现越优,即越适合在该试验点种植。
本发明的单季粳稻优质高效品种筛选方法具体包括以下步骤:
1.数据获取
于水稻生长季在田间获取生育期、最高茎蘖数、株高等生长发育数据,水稻收获时获取产量、有效穗、结实率、千粒重、穗粒数等产量密切相关数据,室内按照国标GBT 17891-1999标准方法获取糙米率、精米率、整精米率、垩白度、垩白粒率、直链淀粉含量、蛋白质含量、胶稠度数据。
2.品种筛选方法
3.品质指标加权关联度求取
首先设定理想品种的品质指标,理想品种品质指标的获取为各品种各单项品质指标的最优值作为理想品种的品质指标。理想品种设为X0,其他品种记为Xi(i=1,2,3…,m),其中m为参试品种数,各品质指标用Ki表示(i=1,2,3…,n),其中n为性状数。
①数据无量纲化处理
由于各性状量纲不同,需要对各性状原无量纲化处理,采用DPS统计软件进行各指标性状均值化变换值化方法,得到各品种无量纲化结果。
②求绝对差值
按Δi(k)=|X′0(k)-X′i(k)|求得参考数列的绝对差值。
③求关联度系数
由关联度系数公式:
求取关联系数,式中ρ为分辨系数,取值范围在(0-1)之间分辨系数,一般取0.5,分别为第一层次最小差和第一层次最大差。第一层次最小差为0.00,第一层次最大差为1,代入公式即得X0对Xi各性状的关联系数。
④计算加权关联度
因各品质指标性状的重要性不同,需按各性状的相对重要程度来求加权关联度,才能正确、全面评价各粳稻品种的品质性状。按照表1所列各指标权重,按照下列公式计算加权关联度:
式中,r′i表示加权关联度,Wk表示权重,即可求取各品种品质性状的加权关联度。
综合性状加权关联度求取
首先设定理想品种的综合性状指标,理想品种综合性状指标的获取为各品种单项指标的最优值作为理想品种的指标值。理想品种设为X0,其他品种记为Xi(i=1,2,3…,m),其中m为参试品种数,综合性状各指标用Ki表示(i=1,2,3…,n),其中n为性状数。
①数据无量纲化处理
由于各性状量纲不同,需要对各性状原无量纲化处理,采用DPS统计软件进行各指标性状均值化变换值化方法,得到各品种无量纲化结果。
②求绝对差值
按Δi(k)=|X′0(k)-X′i(k)|求得参考数列的绝对差值。
③求关联度系数
由关联度系数公式:
求取关联系数,式中ρ为分辨系数,取值范围在(0-1)之间分辨系数,一般取0.5,分别为第一层次最小差和第一层次最大差。第一层次最小差为0.00,第一层次最大差为1,代入公式即得X0对Xi各性状的关联系数。
④计算加权关联度
因各品质指标性状的重要性不同,需按各性状的相对重要程度来求加权关联度,才能正确、全面评价各粳稻品种的品质性状。按照表2所列各指标权重,按照下列公式计算加权关联度:
式中,r′i表示加权关联度,Wk表示权重,即可求取各品种品质性状的加权关联度。
按照灰色关联法求取综合性状加权关联度的大小排序,关联度越大表明此品种在该地区产量、品质等综合性状表现越优,即为适合该地区种植的高产优质粳稻品种。
本发明的单季粳稻优质高效品种筛选种植方法:
将供试品种按统一播种期5月11日种植于大田,种植株行距30×12cm,氮肥施用量18kg/亩,氮磷钾比例为1:1:0.5,6月1日移栽。
6月至收获前,于水稻生长季内测定最高茎蘖数、株高、生育期等生长发育指标。
收获前每小区取1m2人工收割后脱粒测定实际产量,每品种重复3次,取平均值为品种实际产量。
收获时每小区按平均茎蘖数,取有代表性植株5株,带回室内进行考种,测定穗粒数、结实率、千粒重。
收获后的稻谷晾干放置2个月后测定稻谷品质,测定方法按国标GBT17891-1999标准方法测定,测定指标为糙米率、精米率、整精米率、垩白度、垩白粒率、直链淀粉含量、蛋白质含量、胶稠度。
下面结合具体实施例对本发明的应用原理作进一步的描述。
1.征集单季粳稻品种
征集了湖北省孝感市生产上应用的45个单季粳稻品种(系)。
2.单季粳稻品种大田种植及指标测定
将供试品种按统一播种期5月11日播种,6月1日移栽种植于大田,种植株行距30×12cm,氮肥施用量18kg/亩,氮磷钾比例为1:1:0.5,其他水分、病虫害管理统一按优质高产栽培技术进行。6月至收获前,于水稻生长季内测定最高茎蘖数、株高、生育期等生长发育指标。收获前每小区取1m2人工收割后脱粒测定实际产量,每品种重复3次,取平均值为品种实际产量。收获时每小区按平均茎蘖数,取有代表性植株5株,带回室内进行考种,测定穗粒数、结实率、千粒重。收获后的稻谷晾干放置2个月后测定稻谷品质,测定方法按国标GBT17891-1999标准方法测定,测定指标为糙米率、精米率、整精米率、垩白度、垩白粒率、直链淀粉含量、蛋白质含量、胶稠度。测定生长发育及产量相关数据见表3,品质数据见表4。
3.各品种品质指标加权关联度计算
按照发明内容2.1和表1的权重分配,求取品质指标加权关联度,见表5。
4.各品种综合性状加权关联度计算
按照发明内容2.2和表2权重分配,求取各品种综合性状加权关联度,见表6。
5.按照本发明方法确定品种筛选结果为:华粳295、甬优6763、甬优7053、甬优1526、甬优6760、甬优4949、南繁1605、扬粳239、泗稻14-211和徐32646共10个品种。
6.本发明方法与以往方法比较:按照以往方法筛选结果为甬优6763、甬优7053、甬优1526、甬优6760、甬优4949、华粳295、南繁1605、扬粳239、武5020和宁9003。其中武5020和宁9003两品系虽产量较高但品质差,无法满足当前农业生产由数量型向质量型转变的要求,而利用本发明方法筛选出的泗稻14-211和徐32646产量表现中上等,但品质表现优,符合当前高产、优质兼顾的生产实际。故而,利用本发明方法可以更全面、科学的筛选出各地适宜的高产优质品种。
表3.供试单季粳稻品种生长发育及产量相关指标数据
表4.供试单季粳稻品种品质指标数据
表5各品种品质加权关联度
表6各品种综合性状加权关联度
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种长江中下游单季粳稻优质高效品种筛选技术统计方法,其特征在于,所述长江中下游单季粳稻优质高效品种筛选方法包括:征集粳稻品种,5月11日播种,6月1日插秧,栽培方法按照高产栽培统一管理,6月至收获前测定最高苗、有效穗,收获时每小区取1平方米测定实产,重复三次,同时按平均茎蘖数取植株样5株,用于室内考种,测定穗粒数、千粒重、结实率;测完实产的稻谷晾干后放置2个月,按照国标GBT 17891-1999标准方法测定稻谷品质,测定内容为外观品质、加工品质、营养品质。
2.如权利要求1所述的长江中下游单季粳稻优质高效品种筛选方法,其特征在于,所述长江中下游单季粳稻优质高效品种筛选方法包括:
步骤一,求取各品种与理想品种的品质关联度,统计软件使用DPS数据处理系统V9.01版本;
步骤二,求取各品种综合性状关联度,统计软件使用DPS数据处理系统V9.01版本,求取各品种综合性状加权关联度;
步骤三,按照各品种综合性状的加权关联度大小排序,加权关联度越大,表明此品种在该试验点的综合性状表现越优,即越适合在该试验点种植。
3.如权利要求1所述的长江中下游单季粳稻优质高效品种筛选方法,其特征在于,所述长江中下游单季粳稻优质高效品种筛选方法具体包括:
步骤一,数据获取,于水稻生长季在田间获取生育期、最高茎蘖数、株高等生长发育数据,水稻收获时获取产量、有效穗、结实率、千粒重、穗粒数等产量密切相关数据,室内按照国标GBT 17891-1999标准方法获取糙米率、精米率、整精米率、垩白度、垩白粒率、直链淀粉含量、蛋白质含量、胶稠度数据;
步骤二,品质指标加权关联度求取;
首先设定理想品种的品质指标,理想品种品质指标的获取为各品种各单项品质指标的最优值作为理想品种的品质指标;
综合性状加权关联度求取,设定理想品种的综合性状指标,理想品种综合性状指标的获取为各品种单项指标的最优值作为理想品种的指标值;
按照灰色关联法求取综合性状加权关联度的大小排序,关联度越大表明此品种在该地区产量、品质等综合性状表现越优,为适合该地区种植的高产优质粳稻品种。
4.如权利要求3所述的长江中下游单季粳稻优质高效品种筛选方法,其特征在于,所述品质指标加权关联度求取具体包括:理想品种设为X0,其他品种记为Xi(i=1,2,3…,m),其中m为参试品种数,各品质指标用Ki表示(i=1,2,3…,n),其中n为性状数;
①数据无量纲化处理,采用DPS统计软件进行各指标性状均值化变换值化方法,得到各品种无量纲化结果;
②求绝对差值,按Δi(k)=|X′0(k)-X′i(k)|求得参考数列的绝对差值;
③求关联度系数,由关联度系数公式:
求取关联系数,式中ρ为分辨系数,取值范围在(0-1)分辨系数,一般取0.5,分别为第一层次最小差和第一层次最大差;第一层次最小差为0.00,第一层次最大差为1,代入公式即得X0对Xi各性状的关联系数;
④计算加权关联度,按照下列公式计算加权关联度:
式中,r′i表示加权关联度,Wk表示权重,即可求取各品种品质性状的加权关联度。
5.如权利要求3所述的长江中下游单季粳稻优质高效品种筛选方法,其特征在于,所述综合性状加权关联度求取具体包括:理想品种设为X0,其他品种记为Xi(i=1,2,3…,m),其中m为参试品种数,综合性状各指标用Ki表示(i=1,2,3…,n),其中n为性状数;
①数据无量纲化处理,采用DPS统计软件进行各指标性状均值化变换值化方法,得到各品种无量纲化结果;
②求绝对差值,按Δi(k)=|X′0(k)-X′i(k)|求得参考数列的绝对差值;
③求关联度系数,由关联度系数公式:
求取关联系数,式中ρ为分辨系数,取值范围在(0-1)之间分辨系数,一般取0.5,分别为第一层次最小差和第一层次最大差;第一层次最小差为0.00,第一层次最大差为1,代入公式即得X0对Xi各性状的关联系数;
④计算加权关联度,按照下列公式计算加权关联度:
式中,r′i表示加权关联度,Wk表示权重,即可求取各品种品质性状的加权关联度。
6.一种由权利要求1~5任意一项所述长江中下游单季粳稻优质高效品种筛选方法筛选的长江中下游单季粳稻品种。
7.一种如权利要求6所述长江中下游单季粳稻品种的种植方法,其特征在于,所述长江中下游单季粳稻的种植方法包括:
步骤一,将供试品种按统一播种期5月11日种植于大田,种植株行距30×12cm,氮肥施用量18kg/亩,氮磷钾比例为1:1:0.5,6月1日移栽;
步骤二,6月至收获前,于水稻生长季内测定最高茎蘖数、株高、生育期;
步骤三,收获前每小区取1m2人工收割后脱粒测定实际产量,每品种重复3次,取平均值为品种实际产量;
步骤四,收获时每小区按平均茎蘖数,取有代表性植株5株,带回室内进行考种,测定穗粒数、结实率、千粒重;
步骤五,收获后的稻谷晾干放置2个月后测定稻谷品质,测定方法按国标GBT 17891-1999标准方法测定,测定指标为糙米率、精米率、整精米率、垩白度、垩白粒率、直链淀粉含量、蛋白质含量、胶稠度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811020854.0A CN108901837A (zh) | 2018-09-03 | 2018-09-03 | 一种长江中下游单季粳稻优质高效品种筛选及栽培方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811020854.0A CN108901837A (zh) | 2018-09-03 | 2018-09-03 | 一种长江中下游单季粳稻优质高效品种筛选及栽培方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108901837A true CN108901837A (zh) | 2018-11-30 |
Family
ID=64407458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811020854.0A Pending CN108901837A (zh) | 2018-09-03 | 2018-09-03 | 一种长江中下游单季粳稻优质高效品种筛选及栽培方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108901837A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110199799A (zh) * | 2019-05-30 | 2019-09-06 | 长江大学 | 一种高含硒量精米水稻品种及资源的筛选方法 |
CN111024562A (zh) * | 2019-12-28 | 2020-04-17 | 云南省农业科学院生物技术与种质资源研究所 | 多品系水稻快速考种新方法 |
CN111903513A (zh) * | 2020-04-13 | 2020-11-10 | 湖北省农业科学院粮食作物研究所 | 适用于虾稻共作模式下优质水稻品种筛选技术的统计方法 |
CN113647322A (zh) * | 2021-09-13 | 2021-11-16 | 江苏丘陵地区镇江农业科学研究所 | 一种培育氮素高效利用粳稻品种的育种方法 |
CN116472959A (zh) * | 2023-04-11 | 2023-07-25 | 广西硕果农业开发有限公司 | 一种燕窝果种苗培育方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408533A (zh) * | 2008-01-03 | 2009-04-15 | 江苏中江种业股份有限公司 | 一种水稻品种综合评价方法 |
CN106489637A (zh) * | 2016-11-01 | 2017-03-15 | 中国科学院东北地理与农业生态研究所 | 一种碱性粳稻品种的筛选方法 |
-
2018
- 2018-09-03 CN CN201811020854.0A patent/CN108901837A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408533A (zh) * | 2008-01-03 | 2009-04-15 | 江苏中江种业股份有限公司 | 一种水稻品种综合评价方法 |
CN106489637A (zh) * | 2016-11-01 | 2017-03-15 | 中国科学院东北地理与农业生态研究所 | 一种碱性粳稻品种的筛选方法 |
Non-Patent Citations (8)
Title |
---|
戴红艳等: "灰色关联度分析在高原粳稻新品种评价上的应用", 《西昌学院学报自然科学版》 * |
李刚等: "江苏粳稻产量与品质性状及其相互关系分析", 《湖南农业大学学报(自然科学版)》 * |
柏流芳等: "农作物育种中的综合评判方法", 《农业工程》 * |
汪本福等: "灰色关联度法在湖北省稻虾专用优质水稻品种筛选中的应用", 《湖北农业科学》 * |
王曙光等: "不同粳稻品种(系)灰色关联分析及综合评价", 《陕西农业科学》 * |
祁玉良等: "灰色模糊综合评判在豫南稻区对粳稻品种的筛选应用研究", 《陕西农业科学》 * |
董华林等: "长江中下游地区(武汉点)优质高效中籼稻品种比较试验初报", 《湖北农业科学》 * |
郑海英等: "应用灰色关联度分析评估粳稻新品种", 《安徽农业科学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110199799A (zh) * | 2019-05-30 | 2019-09-06 | 长江大学 | 一种高含硒量精米水稻品种及资源的筛选方法 |
CN111024562A (zh) * | 2019-12-28 | 2020-04-17 | 云南省农业科学院生物技术与种质资源研究所 | 多品系水稻快速考种新方法 |
CN111903513A (zh) * | 2020-04-13 | 2020-11-10 | 湖北省农业科学院粮食作物研究所 | 适用于虾稻共作模式下优质水稻品种筛选技术的统计方法 |
CN113647322A (zh) * | 2021-09-13 | 2021-11-16 | 江苏丘陵地区镇江农业科学研究所 | 一种培育氮素高效利用粳稻品种的育种方法 |
CN113647322B (zh) * | 2021-09-13 | 2022-05-20 | 江苏丘陵地区镇江农业科学研究所 | 一种培育氮素高效利用粳稻品种的育种方法 |
CN116472959A (zh) * | 2023-04-11 | 2023-07-25 | 广西硕果农业开发有限公司 | 一种燕窝果种苗培育方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108901837A (zh) | 一种长江中下游单季粳稻优质高效品种筛选及栽培方法 | |
Zhu et al. | Evolutionary agroecology: Trends in root architecture during wheat breeding | |
Odoemenem et al. | Assessing the factors influencing the utilization of improved cereal crop production technologies by small-scale farmers in Nigeria | |
Chisanga et al. | Evaluating CERES-Maize model using planting dates and nitrogen fertilizer in Zambia | |
Alley et al. | Nitrogen management for winter wheat: principles and recommendations | |
Fresnedo-Ramírez et al. | Morphovariability of capulín (Prunus serotina Ehrh.) in the central-western region of Mexico from a plant genetic resources perspective | |
Ranawake et al. | Agronomic characters of some traditional rice (Oryza sativa L.) cultivars in Sri Lanka | |
CN109146119B (zh) | 小麦耐荫性综合鉴定模型、方法及应用 | |
Ma et al. | Comparisons among cultivars of wheat, hulled and hulless oats: Effects of N fertilization on growth and yield | |
CN112634072A (zh) | 一种基于主成分分析对水稻苗期耐寒性的评价方法 | |
CN111507630A (zh) | 一种高粱植株田间抗旱性表型综合评价方法 | |
CN108377788B (zh) | 一种水稻全生育期耐盐性鉴定评价方法 | |
Ehsanzadeh et al. | Productivity, growth and quality attributes of 10 Iranian saffron accessions under climatic conditions of Chahar-Mahal Bakhtiari, Central Iran | |
Haile | Cluster analysis for evaluation of genetic diversity in Enset (Enset ventricosum (Welw.): Cheesman) clones at Areka Condition | |
Podlaski et al. | Various methods of assessing sugar beet seed vigour and its impact on the germination process, field emergence and sugar yield | |
CN115909063A (zh) | 一种中分辨率水稻提取方法及系统 | |
CN107944777A (zh) | 一种有效提高水稻精确估产的方法 | |
CN111011207A (zh) | 一种优质丰产高效单季中籼杂交稻的品种筛选方法 | |
Hamman | Comparison of Variable Rate Prescriptions and Optimum Seeding Rate in Soybean [Glycine max (L.) Merr] and the Impact of Soybean Seeding Rate on Combine Fuel Use and Grain Loss at Harvest | |
CN115956499B (zh) | 一种苗期花生耐荫性评价方法及耐荫性花生品种筛选方法 | |
Jong et al. | Simple estimation of green area rate using image analysis and quantitative traits related to plant architecture and biomass in rice seedling | |
Yunianti et al. | The Feasibility of Rice Farming with Panca Kelola Ramah Lingkungan Technology at Rainfed Rice Fields in Pati Regency | |
CN108445035B (zh) | 一种基于核磁共振cpmg衰减曲线鉴别玉米单倍体籽粒的方法 | |
CN102982228B (zh) | 一种建立核心种质研究群体的计算机模拟方法 | |
CN111034558B (zh) | 一种小麦品种耐迟播早熟性的田间鉴定与评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |
|
RJ01 | Rejection of invention patent application after publication |