CN112712296A - 白芍种苗质量评价指标的筛选方法及质量评价方法 - Google Patents

Abstract

本发明涉及一种白芍种苗质量评价指标的筛选方法及质量评价方法。本发明的有益效果如下：针对白芍种苗的相关指标，本发明将多种统计分析方法相结合，从而筛选出合适的根茎指标，经大田试验验证，这些根茎指标的检测数据能够很好地体现白芍种苗的成活率，是适用于白芍种苗的有效质量评价指标，为实际生产中规范化白芍种苗的选种提供了较好的指导作用。

Description

白芍种苗质量评价指标的筛选方法及质量评价方法

技术领域

本发明涉及中药材质量控制技术领域，特别是涉及一种白芍种苗质量评价指标的筛选方法及质量评价方法。

背景技术

白芍是毛茛科植物芍药Paeonialactiflora Pall.的干燥根，为我国传统中药材，最早记载于《神农本草经》，具有养血调经、敛阴止汗、柔肝止痛、平抑肝阳的功效。白芍的种植历史悠久，宋代入药的芍药中便多是栽培品种，经过明清及民国到现在的种植发展历程，目前已经基本形成了安徽亳州、浙江磐安、四川中江、山东菏泽四大产区。

种子种苗质量标准化是中药材GAP种植中十分重要的一个环节，种子种苗的质量优劣直接关系到药材种植过程的产量与质量，是后续工作的基本保证。然而目前还未有有效的质量评价指标用于指导白芍种苗的挑选。

发明内容

基于此，本发明的主要目的是提供一种白芍种苗质量评价指标的筛选方法及质量评价方法。以本发明方法筛选出的质量评价指标，能够有效反映白芍的质量。

本发明的目的是通过以下技术方案实现的：

一种白芍种苗质量评价指标的筛选方法，所述筛选方法包括如下步骤：

取多个白芍种苗样品，分别检测种苗指标，所得检测数据记作原始数据M0；对所述原始数据M0进行标准化处理，所得数据记作标准化数据N0；所述种苗指标包括单株重、芽数、茎杆数、叶片数、苗高、地径、主根粗度、主根长度以及总根数；

对所述原始数据M0进行描述性统计，筛选出所得统计数据存在差异性的种苗指标，所述统计数据存在差异性的种苗指标的原始数据及相应标准化数据分别记作原始数据M1和标准化数据N1；

对所述原始数据M1进行相关性分析，筛选出存在相关性的种苗指标，所述存在相关性的种苗指标的原始数据及相应标准化数据分别记作原始数据M2和标准化数据N2；

对所述标准化数据N2进行主成分分析，并根据所得分析数据计算出所述标准化数据N2所含每个种苗指标的权重，权重的计算公式如下：

权重＝种苗指标综合得分模型系数/所述标准化数据N2所含每个种苗指标的综合得分模型系数之和，

种苗指标综合得分模型系数＝(主成分1下种苗指标的特征向量×主成分1方差贡献率+主成分2下种苗指标的特征向量×主成分2方差贡献率+主成分3下种苗指标的特征向量×主成分3方差贡献率+……+主成分n下种苗指标的特征向量×主成分n方差贡献率)/(主成分1方差贡献率+主成分2方差贡献率+主成分3方差贡献率+……+主成分n方差贡献率)，n小于等于所述标准化数据N2所含种苗指标个数，

种苗指标的特征向量＝种苗指标得分/种苗指标特征值的平方根；

筛选出所述权重值大于0.1的种苗指标。

在其中一个实施例中，所述的筛选方法还包括：

将所述权重值大于0.1的种苗指标的原始数据记作原始数据M3，对原始数据M3所含全部或者部分种苗指标的原始数据进行聚类分析，参考所得K-均值确定划分所得质量评价指标的水平的阈值。

在其中一个实施例中，所述聚类分析的聚类数小于等于筛选得到的所述质量评价指标的个数。

在其中一个实施例中，所述聚类分析的聚类数等于筛选得到的所述质量评价指标的个数。

在其中一个实施例中，筛选出的所述权重值大于0.1的种苗指标包括主根粗度、总根数以及芽数。

在其中一个实施例中，所述主根粗度的K-均值包括2.52mm、3.23mm以及3.93mm，所述总根数的K-均值包括2.9个、6.3个以及8.5个，所述芽数的K-均值包括1.2个、1.8个以及2.9个。

在其中一个实施例中，所述筛选方法还包括删除所述原始数据M0和所述标准化数据N0中的异常数据的步骤。

在其中一个实施例中，所述异常数据包括分布在三个标准差之外的数据。

在其中一个实施例中，所述的标准化处理、描述性统计、相关性分析、主成分分析以及聚类分析所采用的软件为SPSS。

在其中一个实施例中，所述描述性统计的统计内容包括：平均数、最小值、最大值以及标准差。

一种白芍种苗的质量评价方法，所述质量评价方法包括：取待测白芍种苗，检测如上筛选得到的质量评价指标。

在其中一个实施例中，所述待测白芍种苗的主根粗度大于等于4mm、总根数大于等于8个、芽数大于等于3个，则所述待测白芍种苗划分为一级水平；

所述待测白芍种苗的主根粗度大于等于2.5mm且小于4mm、总根数大于等于3个且小于8个，芽数大于等于1个且小于3个，则所述待测白芍种苗划分为二级水平；

所述待测白芍种苗的主根粗度小于2.5mm、总根数小于3个，芽数小于1个，则所述待测白芍种苗划分为三级水平；

所述待测白芍种苗的主根粗度、总根数以及芽数中的任一种苗指标不满足上一级水平，则降为下一级水平。

本发明的有益效果如下：

针对白芍种苗相关指标，本发明将多种统计分析方法相结合，能够筛选出合适的种苗指标，经大田试验验证，筛选得到的这些种苗指标的检测数据能够很好地体现白芍种苗的成活率，是适用于白芍种苗的有效质量评价指标，为实际生产中规范化白芍种苗的选种提供了较好的指导作用。

具体实施方式

为了便于理解本发明，下面将对本发明进行更全面的描述。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

本发明实施例提供一种白芍种苗质量评价指标的筛选方法，所述筛选方法包括如下步骤：

取多个白芍种苗样品，分别检测种苗指标，所得检测数据记作原始数据M0；对所述原始数据M0进行标准化处理，所得数据记作标准化数据N0；所述种苗指标包括单株重、芽数、茎杆数、叶片数、苗高、地径、主根粗度、主根长度以及总根数；

对所述原始数据M0进行描述性统计，筛选出所得统计数据存在差异性的种苗指标，所述统计数据存在差异性的种苗指标的原始数据及相应标准化数据分别记作原始数据M1和标准化数据N1；

对所述原始数据M1进行相关性分析，筛选出存在相关性的种苗指标，所述存在相关性的种苗指标的原始数据及相应标准化数据分别记作原始数据M2和标准化数据N2；

对所述标准化数据N2进行主成分分析，并根据所得分析数据计算出所述标准化数据N2所含每个种苗指标的权重，权重的计算公式如下：

权重＝种苗指标综合得分模型系数/所述标准化数据N2所含每个种苗指标的综合得分模型系数之和，

种苗指标综合得分模型系数＝(主成分1下种苗指标的特征向量×主成分1方差贡献率+主成分2下种苗指标的特征向量×主成分2方差贡献率+主成分3下种苗指标的特征向量×主成分3方差贡献率+……+主成分n下种苗指标的特征向量×主成分n方差贡献率)/(主成分1方差贡献率+主成分2方差贡献率+主成分3方差贡献率+……+主成分n方差贡献率)，n小于等于所述标准化数据N2所含种苗指标个数，

种苗指标的特征向量＝种苗指标得分/种苗指标特征值的平方根；

筛选出所述权重值大于0.1的种苗指标。

本发明实施例对“多个白芍种苗样品”的具体数量不做限定，可以理解的是，该数量应该是满足统计学意义的数量，例如为432个，可以是一个批次的，也可以是不同批次的。可以理解的是，本发明实施例对“多个白芍种苗样品”的来源也不做特别限定，可以来源于同一地区，也可以来源于不同地区，例如来自安徽亳州的多个乡镇。

针对白芍种苗的相关指标，本发明将多种统计分析方法相结合，从而筛选出合适的种苗指标，经大田试验验证，这些种苗指标的检测数据能够很好地体现白芍种苗的活力，是适用于白芍种苗的有效质量评价指标，为实际生产中规范化白芍种苗的选种提供了较好的指导作用。

本发明实施例通过上述操作，可以从单株重、芽数、茎杆数、叶片数、苗高、地径、主根粗度、主根长度以及总根数中挑选出可以作为质量评价指标的种苗指标，这些种苗指标的检测值越大，白芍种苗的质量越好。具体地，通过本发明实施例的上述方法，筛选到主根粗度、主根长度、总根数以及芽数4个指标。可以理解的是，并非必须选择这4个指标，例如可以在选择总根数以及芽数的基础上再选择主根粗度和主根长度中的一个。

进一步地，为了便于对白芍种苗进行定量分级，所述的筛选方法还包括：

将所述权重值大于0.1的种苗指标的原始数据记作原始数据M3，对原始数据M3所含全部或者部分种苗指标的原始数据进行聚类分析，参考所得K-均值确定划分所得质量评价指标的水平的阈值。

优选地，所述聚类分析的聚类数小于等于筛选得到的所述质量评价指标的个数。

优选地，所述聚类分析的聚类数等于筛选得到的所述质量评价指标的个数。

以本发明以下具体实施例为例，选择的质量评价指标为3个，则聚类数可以是1、2、3。

优选地，筛选出的所述权重值大于0.1的种苗指标包括主根粗度、总根数以及芽数。本发明实施例最终选择这三个指标，主要是主根粗度和主根长度相关性强并且都属于主根指标，此处选择其中一个既能全面反映种苗量，又能简化后续的质控操作。

在其中一个实施例中，所述主根粗度的K-均值包括2.52mm、3.23mm以及3.93mm，所述总根数的K-均值包括2.9个、6.3个以及8.5个，所述芽数的K-均值包括1.2个、1.8个以及2.9个。可以参考这些K-均值划分每个指标的水平，例如：主根粗度大于等于4mm、总根数大于等于8个、芽数大于等于3个，则划分为一级水平；主根粗度大于等于2.5mm且小于4mm、总根数大于等于3个且小于8个，芽数大于等于1个且小于3个，则划分为二级水平；主根粗度小于2.5mm、总根数小于3个，芽数小于1个，则划分为三级水平。

在其中一个实施例中，所述筛选方法还包括删除所述原始数据M0和所述标准化数据N0中的异常数据的步骤。

在其中一个实施例中，所述异常数据包括分布在三个标准差之外的数据。

在其中一个实施例中，所述的标准化处理、描述性统计、相关性分析、主成分分析以及聚类分析所采用的软件为SPSS。

在其中一个实施例中，所述描述性统计的统计内容包括：平均数、最小值、最大值以及标准差。

一种白芍种苗的质量评价方法，所述质量评价方法包括：取待测白芍种苗，检测如上筛选得到的质量评价指标。

在其中一个实施例中，所述待测白芍种苗的主根粗度大于等于4mm、总根数大于等于8个、芽数大于等于3个，则所述待测白芍种苗划分为一级水平；

所述待测白芍种苗的主根粗度大于等于2.5mm且小于4mm、总根数大于等于3个且小于8个，芽数大于等于1个且小于3个，则所述待测白芍种苗划分为二级水平；

所述待测白芍种苗的主根粗度小于2.5mm、总根数小于3个，芽数小于1个，则所述待测白芍种苗划分为三级水平；

所述待测白芍种苗的主根粗度、总根数以及芽数中的任一种苗指标不满足上一级水平，则降为下一级水平。

以下结合具体实施例对本发明的技术方案进行说明：

1.材料

2019年7月采集于白芍的道地产区安徽亳州，共3个批次，每批次100株以上，总计432株。为保证取样的代表性，3个批次分别来源于3个不同白芍种植乡镇。

2.方法

根据实际生产情况的调查，确定测量白芍种苗的单株重(指鲜重)、芽数、茎杆数、叶片数、苗高、地径、主根粗度、主根长度、总根数共计9个指标。白芍种苗整株挖取，洗净泥土，单株重用电子秤测定，读数精确到0.1g。目测芽数、茎杆数、叶片数。苗高用卷尺测量，自地径沿苗干量至顶芽基部，读数精确到0.1cm。地径直径为苗干基部土痕处的直径，用游标卡尺进行测定，如测量的部位出现膨大或干形不圆，则测量其上部苗干起始正常处，读数精确到0.1mm。主根粗度采取下方1cm处，用游标卡尺进行测量，读数精确到0.1mm。主根长度用卷尺测量从根总至根端，读数精确到0.1cm。测量后所得的数据为白芍种苗原始数据，记作整理到附录1。

对白芍种苗测量所得的单株重、芽数、茎杆数、叶片数、苗高、地径、主根粗度、主根长度、总根数这些指标的数据进行相关性分析，得出各指标间的相关性。而后，通过主成分分析得到各个指标的权重，同时结合实际生产情况，选择与生产相关性大且权重占比高的指标作为种苗分级的主要指标。最后进行K均值聚类分析，根据最终聚类中心对白芍种苗进行质量分级。所有的数据都应用SPSS 22.0进行统计与分析。

2.1.数据极端值处理

根据各个指标数据符合正态分布的特征，其值的分布应该在正负三个标准差内，因此去除落在三个标准差外的极端值，以保证数据的可靠性。该部分得到白芍种苗去除极端值后数据，记作附录2。

2.2.种苗各指标的统计描述

对白芍种苗测量所得的单株重、芽数、茎杆数、叶片数、苗高、地径、主根粗度、主根长度、总根数指标数据进行平均值、最大值、最小值、标准差基础数据统计分析，观察其平均长势。

SPSS实现程序：SPSS中导入附录2，【分析】→【描述统计】→【描述】，得到【描述性】窗口。选择9个指标，选项按钮里钩选平均值、最大值、最小值、标准偏差。确定后，得到表1：白芍种苗各指标基本统计。根据如下表1数据可知，种苗各个指标平均数、最小值、最大值、标准差等的基本信息，单株重的平均值是41.605g；芽数的平均值1.962，约为2个；出苗数的平均值是1.481，约为1个；叶数的平均值是5.013，约为5片；苗高的平均值是10.038cm；地径的平均值是3.3209mm；主根粗度的平均值是3.5204mm；主根长度的平均值是9.462cm；总根数的平均值是5.944，约为6根。从标准差的大小可以看看出，出苗数与地径的标准差都在1以下，表明这两个指标在个体间的差异太小，不适于做分级标准。

表1、白芍种苗各指标基本统计

2.3.通过相关性分析筛选适合分级的候选指标

对白芍种苗测量所得的单株重、芽数、茎杆数、叶片数、苗高、地径、主根粗度、主根长度、总根数指标数据进行相关性分析，得出各指标间的相关性。判断是否适合作为分级指标。

SPSS实现程序：SPSS中导入附录2，【分析】→【相关】→【双变量】，得到【双变量相关性】窗口。选择9个指标，勾选Pearson相关系数，双尾显著性检验，以平均值和标准差为数据，缺失值按列表排除个案进行处理。确定后，得到显著相关性数据，整理后得到表2：白芍种苗各指标间简单相关系数。根据表2可知：

除了出苗数一项指标与多个其他指标没有显著性相关外，其他各个指标间在统计学意义上都具有显著正相关性。表明目前的生长阶段，出苗数对植株其他性状的没有太大的影响，而其他各性状之间都存在着相互的影响，因此除出苗数外，其他指标在一定程度上都可以作为分级指标。

表2、白芍种苗各指标间简单相关系数

2.4.通过主成分分析筛选高权重指标

第一步，通过主成分分析方法求出各个指标的权重。

第二步，根据第一步得到的各指标权重大小，结合实际生产情况确定用于分级的最终指标，权重大的指标享有优先权。

2.4.1.数据标准化处理

在对数据进行主成分分析前，首先要对数据进行标准化处理，降低不同类别数据间的度量不同造成的差异。如单株重的单位为g，主根粗度的单位为mm，两个指标的维度不同会使主成分分析结果不准确。得到的白芍种苗标准化数据记作附录3。

2.4.2.主成分分析

SPSS实现程序：选择因子分析，以附录3为数据；然后抽取特征值大于1，进行相关性矩阵分析，输出未旋转的因子解。得到表3“主成分变量解释”与表4“主成分矩阵”。

表3、主成分变量解释

表4、主成分矩阵

从表3中可以看出，第1主成分的特征值是3.140，贡献率34.887％；第2主成分的特征值是1.558，贡献率17.317％；第2主成分的特征值是1.125，贡献率12.504％。前三个主成分的累计贡献率超过60％，可以认定前三个主成分包含了基本的信息，因此我们选取前三个主成分进行相应的分析。

2.4.3.权重计算

2.4.3.1.计算特征向量

根据上面的数据求取每个指标在各主成分下的特征向量，公式：

A特征向量＝A得分/该主成分特征值的平方根。举例：

得到各个指标在3个主成分下的特征向量，见表5，根据表5中各个指标在3个主成分下的特征向量，进行下一步计算。

表5、各指标主成分特征向量

2.4.3.2.计算综合得分模型中的系数

A综合得分模型中的系数＝(主成分1下A的特征向量×主成分1方差贡献率+主成分2下A的特征向量×主成分2方差贡献率+主成分3下A的特征向量×主成分3方差贡献率)/三个主成分的累积方差贡献率。

得到各个指标在综合得分模型中的系数，见表6：

表6、各指标综合得分模型中的系数

项目	系数
		单株重	0.155
芽数	0.198
		出苗数	0.018
叶数	0.109
		苗高	0.157
地径	0.137
		主根粗度	0.321
主根长度	0.334
		总根数	0.257

2.4.3.3.计算指标权重

A指标权重＝A指标综合得分模型系数/所有指标综合得分模型之和。得到各个指标的权重，见表7：

表7、各个指标的权重

项目	权重
		单株重	0.092
芽数	0.118
		出苗数	0.011
叶数	0.064
		苗高	0.093
地径	0.081
		主根粗度	0.190
主根长度	0.198
		总根数	0.153

从权重表中我们可以看出，主根粗度、主根长度、总根数、芽数4个指标的权重比较大，可以作为分级指标。由于主根粗度与主根长度都是主根的性状，两者相关性很强，仅选择其中一个指标即可。实际生产中，主根长度时常出现断根的现象，因此我们优先选择主根粗度作为最终的分级指标。主根粗度、总根数、芽数三个指标权重最大，且比较全面的反映植物幼苗的生长状况，是比较理想的分级指标。

2.5.聚类分析

以主根粗度、总根数、芽数三个分级指标进行聚类分析，得到三个聚类中心。

SPSS实现程序：【分析】→【分类】→【K平均值聚类分析】，选择主根粗度、总根数、芽数3个指标的原始数据，聚类数选择3，按列表排除个案。确定后得到最终聚类中心表。整理成表8：白芍种芽K-均值聚类中心。

表8、白芍种苗K-均值聚类中心

根据得到的聚类中心，结合实际生产情况，将其分成三个等级。

3.结果与分析

3.1.种苗质量分级指标的确定

对3个批次324株白芍种苗各指标测定结果，而后去除极端值得到最终的基础数据，后面的描述与分析均在此数据上展开。统计描述与方差分析结果见表1。进一步将各个性状做简单的相关性分析，结果见表2，除了出苗数一项指标与多个其他指标没有显著性相关外，其他各个指标间在统计学意义上都具有显著正相关性。表明目前的生长阶段，出苗数对植株其他性状的没有太大的影响，而其他各性状之间都存在着相互的影响，因此除出苗数外，其他指标在一定程度上都可以作为分级指标。

从主成分分析得到的各指标权重结果表7可知，主根粗度、总根数、芽数、等3个指标的权重最大，足以表达大部分的信息，结合实际生产，将该3个指标作为聚类分级指标。

3.2.种苗质量的初步分级

以主根粗度、总根数、芽数等3个主要的质量指标进行聚类，得到3个最终的聚类结果，见表8。而后根据种植生产中的实际情况中简便可操作性原则，将数据以四舍五入归为整数，将一类中心与二类中心合并成一个等级，得到白芍种苗等级的初步划分，见表9。具体如下：

一级苗：主根粗度≥4.0mm，总根数≥8，芽数≥3；

二级苗：主根粗度≥2.5mm，总根数≥3，芽数≥1；

三级苗：主根粗度≤2.5mm，总根数＜3，芽数＜1。

表9、白芍种苗等级的初步划分

	主根粗度(mm)	总根数	芽数
				一级	≥4.0	≥8	≥3
二级	≥2.5	≥3	≥1
				三级	＜2.5	＜3	＜1

3.3.种苗定级原则

实际生产中，白芍种苗的质量分级标准按照最低定级原则执行，即同一等级种苗的任一指标若达不到标准则降为下一级。

3.4.专属分级工具

选定的3个指标中，总根数与芽数可以直观的目测统计，但由于植株处于苗期，主根较细且易断，用游标卡尺测量主根粗度在实际生产中难于操作，因此我们制作了白芍种苗主根粗度的专属分级工具。

专属分级工具是宽度固定为4mm、2.5mm的卡尺，材料可以是硬纸片，也可以薄铁片或者木材。该工具制作简单，取材广泛，且易于操作，实际生产中能很好的解决主根粗度的分级。具体使用如下：

一级：主根最粗的部位无法放进宽度4mm的卡尺中；

二级：主根最粗的部位可以放进宽度4mm的卡尺中，而无法放进宽度2.5mm的卡尺中；

三级：主根最粗的部位无法放进宽度2.5mm的卡尺中。

4.结论与讨论

4.1.分级指标的确定

白芍的药用部位为根，前期种苗的根质量的差异直接影响到药材产量以及质量的优劣，将根的相关性状作为分级指标，在种植过程中具有一定的实际生产意义。同时，也与本发明指标数据在主成分分析上得到的权重结果相一致。

4.2种苗生活力

测量过的白芍种苗种植于广东罗定山区，1-3个月后查看其须根有生长情况，须根粗度大于0.5mm即视为存活。检测后发现，三个分级的白芍种苗均有很高的存活率，一级种苗≥95％，二级种苗≥90％，三级种苗≥85％。

根据我们分级质量标准及种苗生活力检测结果来看，建议选择一级苗与二级作为移栽的种苗，三级苗可以留圃继续育苗，等指标达到二级苗标准时，再进行移栽。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种白芍种苗质量评价指标的筛选方法，其特征在于，所述筛选方法包括如下步骤：

取多个白芍种苗样品，分别检测种苗指标，所得检测数据记作原始数据M0；对所述原始数据M0进行标准化处理，所得数据记作标准化数据N0；所述种苗指标包括单株重、芽数、茎杆数、叶片数、苗高、地径、主根粗度、主根长度以及总根数；

对所述原始数据M0进行描述性统计，筛选出所得统计数据存在差异性的种苗指标，所述统计数据存在差异性的种苗指标的原始数据及相应标准化数据分别记作原始数据M1和标准化数据N1；

对所述原始数据M1进行相关性分析，筛选出存在相关性的种苗指标，所述存在相关性的种苗指标的原始数据及相应标准化数据分别记作原始数据M2和标准化数据N2；

对所述标准化数据N2进行主成分分析，并根据所得分析数据计算出所述标准化数据N2所含每个种苗指标的权重，权重的计算公式如下：

权重＝种苗指标综合得分模型系数/所述标准化数据N2所含每个种苗指标的综合得分模型系数之和，

种苗指标综合得分模型系数＝(主成分1下种苗指标的特征向量×主成分1方差贡献率+主成分2下种苗指标的特征向量×主成分2方差贡献率+主成分3下种苗指标的特征向量×主成分3方差贡献率+……+主成分n下种苗指标的特征向量×主成分n方差贡献率)/(主成分1方差贡献率+主成分2方差贡献率+主成分3方差贡献率+……+主成分n方差贡献率)，n值小于等于所述标准化数据N2所含种苗指标个数值，

种苗指标的特征向量＝种苗指标得分/种苗指标特征值的平方根；

筛选出所述权重值大于0.1的种苗指标。

2.根据权利要求1所述的白芍种苗质量评价指标的筛选方法，其特征在于，所述的筛选方法还包括：

将所述权重值大于0.1的种苗指标的原始数据记作原始数据M3，对原始数据M3所含全部或者部分种苗指标的原始数据进行聚类分析，参考所得K-均值确定划分所得质量评价指标的水平的阈值。

3.根据权利要求2所述的白芍种苗质量评价指标的筛选方法，其特征在于，所述聚类分析的聚类数小于等于筛选得到的所述质量评价指标的个数。

4.根据权利要求3所述的白芍种苗质量评价指标的筛选方法，其特征在于，所述聚类分析的聚类数等于筛选得到的所述质量评价指标的个数。

5.根据权利要求2所述的白芍种苗质量评价指标的筛选方法，其特征在于，筛选出的所述权重值大于0.1的种苗指标包括主根粗度、总根数以及芽数。

6.根据权利要求5所述的白芍种苗质量评价指标的筛选方法，其特征在于，所述主根粗度的K-均值包括2.52mm、3.23mm以及3.93mm，所述总根数的K-均值包括2.9个、6.3个以及8.5个，所述芽数的K-均值包括1.2个、1.8个以及2.9个。

7.根据权利要求1所述的白芍种苗质量评价指标的筛选方法，其特征在于，所述筛选方法还包括删除所述原始数据M0和所述标准化数据N0中的异常数据的步骤；优选地，所述异常数据包括分布在三个标准差之外的数据。

8.根据权利要求2至7任一项所述白芍种苗质量评价指标的筛选方法，其特征在于，所述的标准化处理、描述性统计、相关性分析、主成分分析以及聚类分析所采用的软件为SPSS；或/和所述描述性统计的统计内容包括：平均数、最小值、最大值以及标准差。

9.一种白芍种苗的质量评价方法，其特征在于，所述质量评价方法包括：取待测白芍种苗，检测权利要求1至8任一项筛选得到的质量评价指标。

10.根据权利要求9所述的白芍种苗的质量评价方法，其特征在于，所述待测白芍种苗的主根粗度大于等于4mm、总根数大于等于8个、芽数大于等于3个，则所述待测白芍种苗划分为一级水平；

所述待测白芍种苗的主根粗度大于等于2.5mm且小于4mm、总根数大于等于3个且小于8个，芽数大于等于1个且小于3个，则所述待测白芍种苗划分为二级水平；

所述待测白芍种苗的主根粗度小于2.5mm、总根数小于3个，芽数小于1个，则所述待测白芍种苗划分为三级水平；

所述待测白芍种苗的主根粗度、总根数以及芽数中的任一种苗指标不满足上一级水平，则降为下一级水平。