CN113514608A - 冷凉地区娃娃菜优质品种评价方法及筛选方法 - Google Patents
冷凉地区娃娃菜优质品种评价方法及筛选方法 Download PDFInfo
- Publication number
- CN113514608A CN113514608A CN202110497767.XA CN202110497767A CN113514608A CN 113514608 A CN113514608 A CN 113514608A CN 202110497767 A CN202110497767 A CN 202110497767A CN 113514608 A CN113514608 A CN 113514608A
- Authority
- CN
- China
- Prior art keywords
- baby cabbage
- index
- baby
- variety
- cabbage
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
Abstract
本发明提供一种冷凉地区娃娃菜优质品种评价方法及筛选方法,属于蔬菜品质评价技术领域。在种植前,首先小规模预种植待评价或待筛选的娃娃菜品种,待其生长至成熟期,测定其株高Z1,开展度Z2,叶片数Z3,叶长Z4,叶宽Z5,叶绿素Z6,维生素C含量Z7,可溶性糖含量Z8,可溶性蛋白含量Z9,可溶性固形物含量Z10,球高Z11,横径Z12,毛重Z13,净重Z14共14个特征参数,对特征参数进行标准化,并代入模型F=‑0.094Z1+0.018Z2+0.009Z3‑0.092Z4‑0.015Z5+0.053Z6+0.162Z7‑0.160Z8+0.023Z9+0.094Z10+0.138Z11+0.142Z12+0.207Z13+0.221Z14,计算综合评价指数F,通过综合评价指数F,对娃娃菜品种的品质进行评估、筛选,在大规模种植前对娃娃菜是否适宜种植做出科学的、客观的评价,以指导菜农选择待种植娃娃菜品种。
Description
技术领域
本发明属于蔬菜品质评价技术领域,具体涉及一种冷凉地区娃娃菜优质品种评价方法及筛选方法。
背景技术
娃娃菜(Brassica pekinensis)属于十字花科芸苔属白菜亚种,又称微型大白菜,由于其食用方便,风味独特,品质优良,口感脆嫩,富含多种矿物质和膳食纤维;且具有生长期短,易栽培、耐贮运、种植经济效益较高等优良特性,深受广大消费者和菜农的青睐。
随着市场需求的不断变化,高产、优质是当前娃娃菜育种的主要目标。然而,随着娃娃菜培育技术不断发展,越来越多的娃娃菜品种被推出,不同品种的娃娃菜性状不同,在不同地域、不同土壤状况、不同气候条件下,其品质和性状均有显著差别。如何在种植前,对娃娃菜品种的品质做出客观评价,以指导菜农选择待种植娃娃菜品种,是当前娃娃菜种植过程中,亟需解决的问题。
发明内容
有鉴于此,本发明提供一种冷凉地区娃娃菜优质品种评价方法,以在种植前,对娃娃菜品种的品质做出客观评价,为菜农选择娃娃菜品种提供参考。
本发明还提供一种冷凉地区娃娃菜优质品种筛选方法。
本发明解决其技术问题所采用的技术方案是:
一种冷凉地区娃娃菜优质品种评价方法,包括以下步骤:
在待种植地域,预种植某一品种娃娃菜A;
待娃娃菜A生长至成熟期,测定其株高Z1,开展度Z2,叶片数Z3,叶长Z4,叶宽Z5,叶绿素Z6,维生素C含量Z7,可溶性糖含量Z8,可溶性蛋白含量Z9,可溶性固形物含量Z10,球高Z11,横径Z12,毛重Z13,净重Z14,并对测定得到的数据进行标准化处理;
通过算式
F=-0.094Z1+0.018Z2+0.009Z3-0.092Z4-0.015Z5+0.053Z6+0.162Z7-0.160Z8+0.023Z9+0.094Z10+0.138Z11+0.142Z12+0.207Z13+0.221Z14,计算综合评价指数F,根据综合评价指数F,对冷凉地区娃娃菜优质品种做出评价。
一种冷凉地区娃娃菜优质品种评价方法,包括以下步骤:
在待种植地域,预种植某一品种娃娃菜B;
待娃娃菜B生长至成熟期,测定娃娃菜B的m个性状指数Xj,并对测定得到的数据进行标准化处理,其中,j=1,2,3……m;
其中,Qj为性状指数Xj的权重系数,Hj为性状指数Xj的环境影响因子。
优选地,所述性状指数Xj的权重系数Qj通过以下方式获取:
在待种植地域,预种植n个待选品种娃娃菜Ni,其中,i=2,3,4……n;
待娃娃菜Ni生长至成熟期,测定娃娃菜Ni的m个性状指数Xj,并对测定得到的数据进行标准化处理;
采用SPSS统计分析软件对获得的数据进行主成分分析,获取性状指数Xj的权重系数Qj。
优选地,所述性状指数Xj的环境影响因子Hj通过以下方式获取:
获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的平均温度T、平均湿度S、平均光照强度E,并进行标准化处理;
对不同时期的娃娃菜Ni的整个生长周期内的平均温度T、平均湿度S、平均光照强度E分别进行排序;
分别以排序后的平均温度T、平均湿度S、平均光照强度E为主变量,以性状指数Xj为因变量,拟合线性方程,并获取线性方程的斜率lTj、lSj、lEj;
计算lTj、lSj、lEj的加权平均值,即为性状指数Xj的环境影响因子Hj。
优选地,所述性状指数Xj的环境影响因子Hj通过以下方式获取:
获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的v个不同环境因子的平均值Wa,其中,a=2,3,4……v;
分别对v个不同环境因子的平均值Wa进行排序;
分别以排序后的v个不同环境因子的平均值Wa为主变量,以性状指数Xj为因变量,拟合线性方程,并获取线性方程的斜率laj,
采用SPSS统计分析软件对获得的斜率laj进行主成分分析,获取性状指数Xj的环境影响因子Hj。
一种冷凉地区娃娃菜优质品种筛选方法,包括以下步骤:
在待种植地域,预种植n个待选品种娃娃菜Ni,其中,i=2,3,4,……,n;
待娃娃菜Ni生长至成熟期,测定其株高Z1i,开展度Z2i,叶片数Z3i,叶长Z4i,叶宽Z5i,叶绿素Z6i,维生素C含量Z7i,可溶性糖含量Z8i,可溶性蛋白含量Z9i,可溶性固形物含量Z10i,球高Z11i,横径Z12i,毛重Z13i,净重Z14i,并对测定得到的数据进行标准化处理;
通过算式
Fi=-0.094Z1i+0.018Z2i+0.009Z3i-0.092Z4i-0.015Z5i+0.053Z6i+0.162Z7i-0.160Z8i+0.023Z9i+0.094Z10i+0.138Z11i+0.142Z12i+0.207Z13i+0.221Z14i,计算综合评价指数Fi;
对综合评价指数Fi进行排序,根据排序结果,对冷凉地区娃娃菜优质品种进行筛选。
一种冷凉地区娃娃菜优质品种筛选方法,包括以下步骤:
在待种植地域,预种植n个待选品种娃娃菜Ni,其中,i=2,3,4,……,n;
待娃娃菜Ni生长至成熟期,测定娃娃菜Ni的m个性状指数Xij,并对测定得到的数据进行标准化处理,其中,j=1,2,3……m;
对综合评价指数Mi进行排序,根据排序结果,对冷凉地区娃娃菜优质品种进行筛选。
优选地,所述性状指数Xij的权重系数Qij通过以下方式获取:
采用SPSS统计分析软件对获得的娃娃菜Ni的m个性状指数Xij的数据进行主成分分析,获取性状指数Xij的权重系数Qij。
优选地,性状指数Xij的环境影响因子Hij通过以下方式获取:
获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的平均温度T、平均湿度S、平均光照强度E,并进行标准化处理;
对不同时期的娃娃菜Ni的整个生长周期内的平均温度T、平均湿度S、平均光照强度E分别进行排序;
分别以排序后的平均温度T、平均湿度S、平均光照强度E为主变量,以性状指数Xij为因变量,拟合线性方程,并获取线性方程的斜率lTij、lSij、lEij;
计算lTij、lSij、lEij的加权平均值,即为性状指数Xij的环境影响因子Hij。
优选地,性状指数Xij的环境影响因子Hij通过以下方式获取:
获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的v个不同环境因子的平均值Wa,其中,a=2,3,4……v;
分别对v个不同环境因子的平均值Wa进行排序;
分别以排序后的v个不同环境因子的平均值Wa为主变量,以性状指数Xij为因变量,拟合线性方程,并获取线性方程的斜率laij,
采用SPSS统计分析软件对获得的斜率laij进行主成分分析,获取性状指数Xij的环境影响因子Hij。
由上述技术方案可知,本发明提供了一种冷凉地区娃娃菜优质品种评价方法,其有益效果是:在种植前,首先小规模预种植待评价的娃娃菜品种,待其生长至成熟期,测定其株高Z1,开展度Z2,叶片数Z3,叶长Z4,叶宽Z5,叶绿素Z6,维生素C含量Z7,可溶性糖含量Z8,可溶性蛋白含量Z9,可溶性固形物含量Z10,球高Z11,横径Z12,毛重Z13,净重Z14共14个表征其性状或营养组成的特征参数,对特征参数进行标准化,并代入模型
F=-0.094Z1+0.018Z2+0.009Z3-0.092Z4-0.015Z5+0.053Z6+0.162Z7-0.160Z8+0.023Z9+0.094Z10+0.138Z11+0.142Z12+0.207Z13+0.221Z14,计算综合评价指数F,通过综合评价指数F,对娃娃菜品种的品质进行评估。例如,以0为参考标准,F大于等于0则认为是适宜种植品种,F小于0则认为是不适宜种植品种。通过上述方式,在大规模种植前对娃娃菜是否适宜种植做出科学的、客观的评价,以指导菜农选择待种植娃娃菜品种。
本发明提供了一种冷凉地区娃娃菜优质品种筛选方法,其有益效果是,在种植前,首先小规模预种植若干待选品种的娃娃菜,待其生长至成熟期,分别测定其测定其株高Z1i,开展度Z2i,叶片数Z3i,叶长Z4i,叶宽Z5i,叶绿素Z6i,维生素C含量Z7i,可溶性糖含量Z8i,可溶性蛋白含量Z9i,可溶性固形物含量Z10i,球高Z11i,横径Z12i,毛重Z13i,净重Z14i,共14个表征其性状或营养组成的特征参数,对特征参数进行标准化,并代入模型
Fi=-0.094Z1i+0.018Z2i+0.009Z3i-0.092Z4i-0.015Z5i+0.053Z6i+0.162Z7i-0.160Z8i+0.023Z9i+0.094Z10i+0.138Z11i+0.142Z12i+0.207Z13i+0.221Z14i,计算综合评价指数Fi;对综合评价指数Fi进行排序,根据排序结果,对冷凉地区娃娃菜优质品种进行筛选,以指导菜农选择优质的待种植娃娃菜品种。
具体实施方式
以下对本发明实施例的技术方案以及技术效果做进一步的详细阐述。
实施例一
对德金三号、绿荷金两个品种的娃娃菜,在宁夏某地种植品质进行评价。其中德金三号娃娃菜种子来自北京福仁德乐种子有限公司,绿荷金娃娃菜种子选自北京大一种苗有限公司。
试验于2020年4月16日采用穴盘育苗,待长至2叶1心时(约5月20日)进行移栽定植。采用单垄双行种植,垄高20cm,垄宽50cm,垄沟宽30cm,株行距25×30cm,小区面积32m2;每个品种设1个处理,每个处理3次重复,随机区组排列。
于娃娃菜成熟期及时进行各农艺性状、品质性状调查记录,每小区随机选取10株,测定株高Z1,开展度Z2,叶片数Z3,叶长Z4,叶宽Z5,叶绿素Z6,维生素C含量Z7,可溶性糖含量Z8,可溶性蛋白含量Z9,可溶性固形物含量Z10,球高Z11,横径Z12,毛重Z13,净重Z14共14个参数,并对参数进行标准化。
其中,经标准化的德金三号娃娃菜的性状数据如下:Z1=-0.57;Z2=-0.18;Z3=0;Z4=-0.49;Z5=-0.75;Z6=2.04;Z7=-0.92;Z8=-1.67;Z9=1.75;Z10=2.72;Z11=-0.36;Z12=0.25;Z13=-0.30;Z14=0.64。
经标准化的绿荷金娃娃菜的性状数据如下:Z1=0.15;Z2=0.52;Z3=0;Z4=-0.25;Z5=-0.12;Z6=-0.36;Z7=-0.17;Z8=1.33;Z9=-1.25;Z10=0.25;Z11=0.04;Z12=-0.58;Z13=-0.18;Z14=-1.06。
上述标准化过程中所采用的标准参数为事前调研的若干个品种娃娃菜的性状数据的算术平均值(数学期望)和标准差。
将标准化的德金三号娃娃菜的性状数据和标准化的绿荷金娃娃菜的性状数据代入模型:F=-0.094Z1+0.018Z2+0.009Z3-0.092Z4-0.015Z5+0.053Z6+0.162Z7-0.160Z8+0.023Z9+0.094Z10+0.138Z11+0.142Z12+0.207Z13+0.221Z14;分别计算F德金三号=0.60,F绿荷金=-0.54。
如选择F=0作为是否适宜种植或是否是优质品种的参考标准,则可以看出,德金三号娃娃菜在宁夏某地适宜种植,品质优良。而绿荷金娃娃菜在宁夏地区不适宜种植,品质不佳。
实施例二
选择金娃娃、春玉黄、绿荷金、高山娃娃菜、佳丽娃娃菜、精品娃娃菜、德金4号、德金3号、德金2号作为待筛选的娃娃菜品种,评价其在宁夏某地种植适宜性和品质,筛选适宜宁夏某地适宜种植的优质品质的娃娃菜品种。
其中,各品种娃娃菜的种子来源如表1。
表1各品种娃娃菜的种子来源
试验于2020年4月16日采用穴盘育苗,待长至2叶1心时(约5月20日)进行移栽定植。采用单垄双行种植,垄高20cm,垄宽50cm,垄沟宽30cm,株行距25×30cm,小区面积32m2;每个品种设1个处理,每个处理3次重复,随机区组排列。
于娃娃菜成熟期及时进行各农艺性状、品质性状调查记录,每小区随机选取10株,测定株高Z1,开展度Z2,叶片数Z3,叶长Z4,叶宽Z5,叶绿素Z6,维生素C含量Z7,可溶性糖含量Z8,可溶性蛋白含量Z9,可溶性固形物含量Z10,球高Z11,横径Z12,毛重Z13,净重Z14共14个参数,并对参数进行标准化。
各品种娃娃菜的经标准化的性状参数如表2。
采用SPSS统计分析软件进行主成分分析,通过主成分分析,得出各主成分的特征值、方差贡献率、累积方差贡献率,具体见表3,得出的主成分载荷矩阵见表4。其中特征值表示对应主成分能够描述原有信息量的多少,由表3可知,特征值大于1的主成分有5个,且这5个成分的方差贡献率之和在90%以上,即代表性大,其余成分的特征值均趋于平坦且数值小于1,即代表性小。娃娃菜前5个主成分的方差贡献率分别为36.145%、19.560%、16.533%、10.512%、8.389%。累积方差贡献率为91.652%,说明这5个主成分反映了娃娃菜性状原始数据的绝大部分信息。
表2生长指标及品质指标的标准化数据
表3各品种娃娃菜主成分的方差贡献率
表4成分矩阵
通过求特征向量系数值构建四个主成分的函数表达式,
可得5个函数表达式:
F1=-0.40Z1-0.03Z2+0.31Z3-0.39Z4-0.35Z5+0.27Z6+0.15Z7-0.25Z8-0.01Z9+0.17Z10+0.28Z11+0.31Z12+0.23Z13+0.25Z14;
F2=0.15Z1-0.14Z2-0.15Z3+0.16Z4+0.20Z5-0.28Z6+0.46Z7+0.02Z8-0.30Z9-0.36Z10+0.28Z11+0.13Z12+0.32Z13+0.40Z14;
F3=0.13Z1-0.22Z2-0.39Z3+0.20Z4+0.18Z5+0.26Z6+0.12Z7-0.47Z8+0.46Z9+0.30Z10-0.13Z11+0.03Z12+0.02Z13+0.30Z14;
F4=-0.11Z1+0.69Z2-0.16Z3-0.17Z4+0.36Z5-0.01Z6+0.22Z7-0.11Z8-0.09Z9+0.30Z10+0.23Z11-0.32Z12+0.10Z13-0.06Z14;
F5=0.13Z1+0.24Z2+0.09Z3+0.02Z4+0.06Z5-0.37Z6-0.30Z7+0.18Z8+0.23Z9+0.26Z10-0.25Z11+0.39Z12+0.56Z13+0.11Z14;
式中,F1、F2、F3、F4、F5分别是第一、第二、第三、第四、第五主成分得分;Z1为株高,Z2为开展度,Z3为叶片数,Z4为叶长,Z5为叶宽,Z6为叶绿素,Z7为维生素C,Z8为可溶性糖,Z9为可溶性蛋白,Z10为可溶性固形物,Z11为球高,Z12为横径,Z13为毛重,Z14为净重。以各个主成分对应的方差贡献率作为权重,由主成分得分和对应的权重线性加权求和,得到综合评价函数,函数表达式为:
F=0.361F1+0.196F2+0.165F3+0.105F4+0.084F5。
根据主成分综合得分模型,可计算出9份娃娃菜种质资源的综合得分及排序,结果见表5。从表5可见,综合得分排在前3的娃娃菜品种为T9(德金2号)、T5(佳丽娃娃菜)和T8(德金3号),这一评价符合宁夏某地种植娃娃菜的统计数据规律。
表5娃娃菜品种主成分得分及综合排名
实施例三
对于新引进品种的筛选和评价过程,为便于对其进行评价和筛选,可以依据上述模型进行评价。
实施例四
考虑温度、湿度、光照强度对娃娃菜生长性状的影响,对模型进行修正,以使评价过程更加科学、客观。
其中,性状指数Xj的权重系数Qj的获取方式同实施例二。
所述性状指数Xj的环境影响因子Hj通过以下方式获取:
连续5年调查宁夏某地第二季度的平均温度、平均湿度及平均光照强度,并记录各品种娃娃菜同期的生长特性参数。对平均温度、平均湿度及平均光照强度进行排序,并分别以平均温度、平均湿度及平均光照强度为主变量,以各品种娃娃菜同期的生长特性参数为因变量,拟合线性方程,获取线性方程的斜率。对以平均温度、平均湿度及平均光照强度为主变量获取的线性方程的斜率取其平均值或加权平均值,即为该性状指数对应的环境影响因子Hj。值得注意的是,当模型中,性状指数Xj的权重系数Qj为负值时,环境影响因子Hj取其倒数1/Hj代入模型。
实施例五
考虑多种环境因素,如温度、湿度、光照强度、风速、降雨量、气压、二氧化碳浓度、土壤肥力等对娃娃菜生长性状的影响,对模型进行修正,以使评价过程更加科学、客观。
其中,性状指数Xj的权重系数Qj的获取方式同实施例二。
所述性状指数Xj的环境影响因子Hj通过以下方式获取:
连续5年调查宁夏某地第二季度的获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的v个不同环境因子的平均值Wa,其中,a=2,3,4……v;包括但不限于温度、湿度、光照强度、风速、降雨量、气压、二氧化碳浓度、土壤肥力等。
分别对v个不同环境因子的平均值Wa进行排序。
分别以排序后的v个不同环境因子的平均值Wa为主变量,以性状指数Xij为因变量,拟合线性方程,并获取线性方程的斜率laij;
采用SPSS统计分析软件对获得的斜率laij进行主成分分析,获取性状指数Xij的环境影响因子Hij。主成分分析过程不再赘述。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明所作的等同变化,仍属于发明所涵盖的范围。
Claims (10)
1.一种冷凉地区娃娃菜优质品种评价方法,其特征在于,包括以下步骤:
在待种植地域,预种植某一品种娃娃菜A;
待娃娃菜A生长至成熟期,测定其株高Z1,开展度Z2,叶片数Z3,叶长Z4,叶宽Z5,叶绿素Z6,维生素C含量Z7,可溶性糖含量Z8,可溶性蛋白含量Z9,可溶性固形物含量Z10,球高Z11,横径Z12,毛重Z13,净重Z14,并对测定得到的数据进行标准化处理;
通过算式
F=-0.094Z1+0.018Z2+0.009Z3-0.092Z4-0.015Z5+0.053Z6+0.162Z7-0.160Z8+0.023Z9+0.094Z10+0.138Z11+0.142Z12+0.207Z13+0.221Z14
计算综合评价指数F,根据综合评价指数F,对冷凉地区娃娃菜优质品种做出评价。
3.如权利要求2所述的冷凉地区娃娃菜优质品种评价方法,其特征在于,所述性状指数Xj的权重系数Qj通过以下方式获取:
在待种植地域,预种植n个待选品种娃娃菜Ni,其中,i=2,3,4……n;
待娃娃菜Ni生长至成熟期,测定娃娃菜Ni的m个性状指数Xj,并对测定得到的数据进行标准化处理;
采用SPSS统计分析软件对获得的数据进行主成分分析,获取性状指数Xj的权重系数Qj。
4.如权利要求2所述的冷凉地区娃娃菜优质品种评价方法,其特征在于,所述性状指数Xj的环境影响因子Hj通过以下方式获取:
获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的平均温度T、平均湿度S、平均光照强度E,并进行标准化处理;
对不同时期的娃娃菜Ni的整个生长周期内的平均温度T、平均湿度S、平均光照强度E分别进行排序;
分别以排序后的平均温度T、平均湿度S、平均光照强度E为主变量,以性状指数Xj为因变量,拟合线性方程,并获取线性方程的斜率lTj、lSj、lEj;
计算lTj、lSj、lEj的加权平均值,即为性状指数Xj的环境影响因子Hj。
5.如权利要求2所述的冷凉地区娃娃菜优质品种评价方法,其特征在于,所述性状指数Xj的环境影响因子Hj通过以下方式获取:
获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的v个不同环境因子的平均值Wa,其中,a=2,3,4……v;
分别对v个不同环境因子的平均值Wa进行排序;
分别以排序后的v个不同环境因子的平均值Wa为主变量,以性状指数Xj为因变量,拟合线性方程,并获取线性方程的斜率laj,
采用SPSS统计分析软件对获得的斜率laj进行主成分分析,获取性状指数Xj的环境影响因子Hj。
6.一种冷凉地区娃娃菜优质品种筛选方法,其特征在于,包括以下步骤:
在待种植地域,预种植n个待选品种娃娃菜Ni,其中,i=2,3,4,……,n;
待娃娃菜Ni生长至成熟期,测定其株高Z1i,开展度Z2i,叶片数Z3i,叶长Z4i,叶宽Z5i,叶绿素Z6i,维生素C含量Z7i,可溶性糖含量Z8i,可溶性蛋白含量Z9i,可溶性固形物含量Z10i,球高Z11i,横径Z12i,毛重Z13i,净重Z14i,并对测定得到的数据进行标准化处理;
通过算式
Fi=-0.094Z1i+0.018Z2i+0.009Z3i-0.092Z4i-0.015Z5i+0.053Z6i+0.162Z7i-0.160Z8i+0.023Z9i+0.094Z10i+0.138Z11i+0.142Z12i+0.207Z13i+0.221Z14i
计算综合评价指数Fi;
对综合评价指数Fi进行排序,根据排序结果,对冷凉地区娃娃菜优质品种进行筛选。
8.如权利要求7所述的冷凉地区娃娃菜优质品种筛选方法,其特征在于,所述性状指数Xij的权重系数Qij通过以下方式获取:
采用SPSS统计分析软件对获得的娃娃菜Ni的m个性状指数Xij的数据进行主成分分析,获取性状指数Xij的权重系数Qij。
9.如权利要求7所述的冷凉地区娃娃菜优质品种筛选方法,其特征在于,性状指数Xij的环境影响因子Hij通过以下方式获取:
获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的平均温度T、平均湿度S、平均光照强度E,并进行标准化处理;
对不同时期的娃娃菜Ni的整个生长周期内的平均温度T、平均湿度S、平均光照强度E分别进行排序;
分别以排序后的平均温度T、平均湿度S、平均光照强度E为主变量,以性状指数Xij为因变量,拟合线性方程,并获取线性方程的斜率lTij、lSij、lEij;
计算lTij、lSij、lEij的加权平均值,即为性状指数Xij的环境影响因子Hij。
10.如权利要求7所述的冷凉地区娃娃菜优质品种筛选方法,其特征在于,性状指数Xij的环境影响因子Hij通过以下方式获取:
获取种植区域,不同时期的娃娃菜Ni的整个生长周期内的v个不同环境因子的平均值Wa,其中,a=2,3,4……v;
分别对v个不同环境因子的平均值Wa进行排序;
分别以排序后的v个不同环境因子的平均值Wa为主变量,以性状指数Xij为因变量,拟合线性方程,并获取线性方程的斜率laij,
采用SPSS统计分析软件对获得的斜率laij进行主成分分析,获取性状指数Xij的环境影响因子Hij。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110497767.XA CN113514608A (zh) | 2021-05-08 | 2021-05-08 | 冷凉地区娃娃菜优质品种评价方法及筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110497767.XA CN113514608A (zh) | 2021-05-08 | 2021-05-08 | 冷凉地区娃娃菜优质品种评价方法及筛选方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113514608A true CN113514608A (zh) | 2021-10-19 |
Family
ID=78063958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110497767.XA Pending CN113514608A (zh) | 2021-05-08 | 2021-05-08 | 冷凉地区娃娃菜优质品种评价方法及筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113514608A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182544A (zh) * | 2018-01-24 | 2018-06-19 | 李超 | 一种农产品的品质评估方法 |
CN110632262A (zh) * | 2019-08-22 | 2019-12-31 | 南京农业大学 | 一种芹菜品质综合评价的方法 |
CN111582742A (zh) * | 2020-05-13 | 2020-08-25 | 成都信息工程大学 | 一种基于气象评价农产品品质的方法及系统 |
CN112163779A (zh) * | 2020-10-14 | 2021-01-01 | 南开大学 | 一种梨果实品质的评价方法 |
-
2021
- 2021-05-08 CN CN202110497767.XA patent/CN113514608A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182544A (zh) * | 2018-01-24 | 2018-06-19 | 李超 | 一种农产品的品质评估方法 |
CN110632262A (zh) * | 2019-08-22 | 2019-12-31 | 南京农业大学 | 一种芹菜品质综合评价的方法 |
CN111582742A (zh) * | 2020-05-13 | 2020-08-25 | 成都信息工程大学 | 一种基于气象评价农产品品质的方法及系统 |
CN112163779A (zh) * | 2020-10-14 | 2021-01-01 | 南开大学 | 一种梨果实品质的评价方法 |
Non-Patent Citations (4)
Title |
---|
徐义康 等: "利用隶属函数法综合评价8 个大白菜品种性状" * |
李德 等: "黄河故道砀山酥梨气候品质评价模型研究" * |
谢远玉 等: "基于气象因子的赣南脐橙气候品质指标评价模型" * |
黄娟 等: "库尔勒香梨气候品质评价指标及模型的研究" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmadizadeh et al. | Evaluating diversity among potato cultivars using agro-morphological and yield components in fall cultivation of Jiroft area | |
Chala et al. | Performance of potato (Solanum tuberosum L.) cultivars and spacing at different in central highlands of Ethiopia | |
Malaviya et al. | Effects of shade on guinea grass genotypes Megathyrsus maximus (Poales: Poaceae) | |
Chime et al. | Morphological evaluation of tomato (Solanum lycopersicum Linn.) Cultivars | |
CN113780845B (zh) | 一种基于多准则决策的甘薯种质资源评价方法 | |
Shakirjonovich | FIELD STUDY OF HEAT AND DROUGHT RESISTANCE OF CHICKPEAS VARIETIES AND SAMPLES IN RAINFRIED AREAS SOUTHERN INSTITUTE OF AGRICULTURAL SCIENTIFIC RESEARCH | |
Jalikop et al. | Pseudo-xenic Effect of Allied Annona spp. Pollen in Hand Pollination of cv.‘Arka Sahan’[(A. cherimola× A. squamosa)× A. squamosa] | |
Benjamin | The relative importance of some different sources of plant-weight variation in drilled and transplanted leeks | |
Viana et al. | Genetic diversity in yellow passion fruit populations | |
CN113514608A (zh) | 冷凉地区娃娃菜优质品种评价方法及筛选方法 | |
M. De Swart et al. | Variation in relative growth rate and growth traits in wild and cultivated Capsicum accessions grown under different temperatures | |
Van Wijk | Breeding for improved herbage and seed yield in Setaria sphacelata (Schumach.) Stapf and Hubbard ex Moss | |
Jaimez et al. | Photosynthesis of field-grown Arracacha (Arracacia xanthorriza Bancroft) cultivars in relation to root-yield | |
Krasteva et al. | Grouping of determinate local tomato varieties on the basis of cluster analysis. | |
Singh et al. | Character association and genetic divergence analysis in linseed (Linum usitatissimum L.) | |
Cornescu et al. | Vegetative propagation of Cornelian cherry (Cornus mas L.) selections | |
Khairiyah et al. | Exploration and identification of aren plant (Arengapinnata merr) in district of South Tapanuli | |
Kosolapov et al. | Selection of Variegated Alfalfa for Creating Intensive Varieties with High Fodder Productivity: Results and Prospects | |
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 | |
Marinova | Assessment of variability and phenotypic correlations between important agronomic and morphological traits in full-sibs alfalfa progenies. | |
Baudouin et al. | Morphometric methods of determining diversity in coconut | |
Ntswane et al. | Phenotypic diversity among cowpea mutants and accessions for grain yield and yield components | |
Esor et al. | Effect of seed locations on the germination and early growth of Treculia africana var. Decne seedlings (African bread fruits) | |
Ünal et al. | Assessment of crested wheatgrass (Agropyron cristatum L. Gaertn.) populations for the agro-morphological and the quality traits under semiarid condition | |
Tóth et al. | Metaxenic pollen effect of scab resistant apple cultivars on the fruit of apple |
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 |