CN113780845B - 一种基于多准则决策的甘薯种质资源评价方法 - Google Patents
一种基于多准则决策的甘薯种质资源评价方法 Download PDFInfo
- Publication number
- CN113780845B CN113780845B CN202111084405.4A CN202111084405A CN113780845B CN 113780845 B CN113780845 B CN 113780845B CN 202111084405 A CN202111084405 A CN 202111084405A CN 113780845 B CN113780845 B CN 113780845B
- Authority
- CN
- China
- Prior art keywords
- germplasm
- evaluation
- sweet potato
- value
- index
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 137
- 244000017020 Ipomoea batatas Species 0.000 title claims abstract description 103
- 235000002678 Ipomoea batatas Nutrition 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 27
- 244000061456 Solanum tuberosum Species 0.000 claims description 59
- 235000002595 Solanum tuberosum Nutrition 0.000 claims description 57
- 239000011159 matrix material Substances 0.000 claims description 36
- 229920002472 Starch Polymers 0.000 claims description 27
- 235000019698 starch Nutrition 0.000 claims description 27
- 239000008107 starch Substances 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 22
- 241000196324 Embryophyta Species 0.000 claims description 16
- 241000894007 species Species 0.000 claims description 14
- 238000001035 drying Methods 0.000 claims description 13
- 238000009395 breeding Methods 0.000 claims description 10
- 230000001488 breeding effect Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 235000013305 food Nutrition 0.000 claims description 8
- 238000003306 harvesting Methods 0.000 claims description 6
- 230000009418 agronomic effect Effects 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 238000009396 hybridization Methods 0.000 claims description 4
- 241000238631 Hexapoda Species 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 241000607479 Yersinia pestis Species 0.000 claims description 2
- 239000000835 fiber Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000013210 evaluation model Methods 0.000 abstract description 3
- 238000011835 investigation Methods 0.000 abstract description 2
- 208000035240 Disease Resistance Diseases 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 235000012015 potatoes Nutrition 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000207782 Convolvulaceae Species 0.000 description 2
- 241000399949 Ditylenchus dipsaci Species 0.000 description 2
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 description 2
- 206010027146 Melanoderma Diseases 0.000 description 2
- 150000001746 carotenes Chemical class 0.000 description 2
- 235000005473 carotenes Nutrition 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 235000013312 flour Nutrition 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 description 2
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 235000021506 Ipomoea Nutrition 0.000 description 1
- 241000207783 Ipomoea Species 0.000 description 1
- 240000003183 Manihot esculenta Species 0.000 description 1
- 235000016735 Manihot esculenta subsp esculenta Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241001638069 Rigidoporus microporus Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- OENHQHLEOONYIE-UKMVMLAPSA-N all-trans beta-carotene Natural products CC=1CCCC(C)(C)C=1/C=C/C(/C)=C/C=C/C(/C)=C/C=C/C=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C OENHQHLEOONYIE-UKMVMLAPSA-N 0.000 description 1
- 235000010208 anthocyanin Nutrition 0.000 description 1
- 239000004410 anthocyanin Substances 0.000 description 1
- 229930002877 anthocyanin Natural products 0.000 description 1
- 150000004636 anthocyanins Chemical class 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013734 beta-carotene Nutrition 0.000 description 1
- 239000011648 beta-carotene Substances 0.000 description 1
- TUPZEYHYWIEDIH-WAIFQNFQSA-N beta-carotene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CCCC1(C)C)C=CC=C(/C)C=CC2=CCCCC2(C)C TUPZEYHYWIEDIH-WAIFQNFQSA-N 0.000 description 1
- 229960002747 betacarotene Drugs 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000003925 fat Substances 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012994 industrial processing Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 150000008442 polyphenolic compounds Chemical class 0.000 description 1
- 235000013824 polyphenols Nutrition 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 150000003097 polyterpenes Chemical class 0.000 description 1
- 238000011417 postcuring Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- OENHQHLEOONYIE-JLTXGRSLSA-N β-Carotene Chemical compound CC=1CCCC(C)(C)C=1\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C OENHQHLEOONYIE-JLTXGRSLSA-N 0.000 description 1
Classifications
-
- 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
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Marine Sciences & Fisheries (AREA)
- Computing Systems (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Preparation Of Fruits And Vegetables (AREA)
Abstract
本发明涉及一种基于多准则决策的甘薯种质资源评价方法,通过文献法、调研法和专家咨询法等筛选甘薯农艺和品质相关性状,确定核心性状,即评价指标;再通过综合赋权法结合主观赋权法和客观赋权法计算评价指标的权重值;最后通过多准则决策分析对评价指标数据进行计算,获得参评种质的得分与排名。其优点在于,方法可靠性高、数学背景深厚,适宜大批量样品数据的综合分析处理,可同时分析甘薯种质在不同用途中的价值潜力,能避免甘薯育种工作者因决策疲劳而忽略遗漏某些优良基因型,并极大提高种质评价的效率。采用本发明的方法,可以有效指导甘薯优良种质筛选、杂交亲本选择和杂交后代筛选等,为专用型甘薯品种创制提供科学高效的评价模型。
Description
技术领域
本发明涉及甘薯育种领域,尤其涉及一种基于多准则决策的甘薯种质资源评价方法。
背景技术
甘薯(Ipomoea batatas(L.)Lam.)又名甜薯、红薯、番薯或地瓜等,属旋花科(Convolvulaceae)番薯属(Ipomoea)一年生或多年生蔓生草本植物,是仅次于小麦、水稻、玉米、马铃薯、大麦和木薯的世界第七大粮食作物。甘薯因其产量高、适应性广和抗逆性强等特点,一度成为贫困地区“渡荒救灾”的重要粮食作物。同时,甘薯的营养也十分丰富,其薯块中富含淀粉、可溶性糖、膳食纤维、蛋白质、脂肪、维生素和矿物质等。此外,甘薯还含有对人体有益的多糖、多酚、多萜和糖蛋白等功能性成分。近年来,甘薯已从单一的粮食作物发展成为多元化经济作物,广泛应用于工业加工、食品加工和保健品加工等领域。原有的甘薯品种已然不能满足各个新用途的需求,种质创新成为突破甘薯产业原料供应瓶颈的重要途径。
目前,甘薯育种仍以传统的杂交方法为主,其子代的筛选一直沿用五圃法,即预选圃、复选圃、鉴定圃、品比预试圃和品系比较圃。在优选甘薯新品系时参评子代数量多、测量性状多、淘汰率高,往往是依靠育种者经验迅速做出决策。实践中,在考虑子代基因型综合性状优劣时,难以做到真正的全面分析,结果仍是根据少数几个关键性状的主观判断。此法容易造成筛选时忽略掉一些有价值的基因型。因此,建立科学的甘薯种质资源评价模型,消减主观因素、提高评价效率,对决策甘薯种质多用途利用的复杂问题起至关重要的辅助作用,同时,也能为甘薯杂交亲本的选择提供指导。
目前,国内外甘薯种质资源评价大多沿用的传统评价方法,是以依据目标性状直接判断的主观评价法为主,如:唐君等(2012)从76份特用型甘薯材料中筛选到2份短蔓、19份高干率、19份高胡萝卜素、1份高产、44份抗黑斑病、10份抗根腐病和26份抗茎线虫病的材料。Kamalkumaran等(2017)从73份甘薯材料中筛选到2份高产、1份高胡萝卜素的材料。Afuape等(2019)以干物率和β-胡萝卜素含量2个性状从37个优良基因型中筛选出15个亲本,并以这两个性状评价了17个高产子一代。谢秀梅等(2019)从15个甘薯品种中筛选到3份高产量、3份高商品率、2份适中干物率、3份口感好的品种。Anderson等(2021)从鲜薯产量、腌制后产量、薯形、品质等方面评价了12个品系,分别筛选出2个优良品系和2个优良亲本。姚祝芳等(2021)从201份甘薯地方品种资源中筛选到76份高产资源、29份高干物率资源、5份高产、优质和食味优的资源。这些年来,国内偶尔出现了少数应用数学公式或模型计算的客观评价法,如:中奕等(2007)分别采用灰色关联度分析和模糊综合评判法以产量、蔓长、单株结薯数、单株薯重、晒干率、出粉率、食味评分、薯瘟病抗性、蔓割病抗性等9个性状在10个新品种区试点评价了9个参试品种。李慧峰等(2009)采用灰色关联度多维综合评估法以鲜薯产量、鲜薯产量稳定性、薯干产量、最长蔓长、分枝数、干物率、淀粉率、食味评分等8个性状指标评估了新选育的11个食饲兼用型甘薯新品种。鄢铮等(2014)运用灰色关联度分析法分析了鲜薯产量、单株蔓重、最长蔓长、单株分枝、单株结薯数、大薯率、中薯率、干物率、出粉率等9个农艺性状与淀粉产量之间的关联度。鄢铮等(2017)采用灰色多维综合分析法以鲜薯产量、茎叶产量、最长蔓长、单株分枝数、大中薯数、结薯数、薯块干物率、花青素含量、蔓割病抗性等9个性状评价了14个紫肉甘薯品种的优劣。辛国胜等(2018)根据经验,以食用品质、烘干率、鲜薯产量、耐贮性、外观、薯肉颜色、大中薯率、抗黑斑病系数、抗茎线虫病系数、抗根腐病系数等10个评价指标建立综合评估方程客观评价了12个甘薯品种。韩俊杰等(2018)运用灰色关联度分析法分析了单株鲜薯重、蔓长、分枝数、单株结薯数、最大薯径、大薯率、中薯率、小薯率等8个性状与鲜薯产量的关联系数大小。李玲等(2020)利用TOPSIS法以硬度、黏附性、内聚性、弹性、胶黏性、咀嚼性等6个块根质地指标对45个甘薯品种进行了综合评价。何文等(2021)应用DTOPSIS法以茎粗、蔓长、地上部分鲜重、平均薯鲜重、单株结薯数、单株薯重、商品薯重、商品薯率、干物率、单产、食味评价等11个指标评价了11个鲜食甘薯品系的推广适应性。综上,在甘薯种质资源评价方面虽有数学方法的引入和应用,但对指标选择、权重赋予等过程未做深入考究,针对甘薯多用途应用同时评价的模型更尚未见报道。
因此,构建科学合理的甘薯种质资源多用途评价方法,指导专用型甘薯品种的筛选与开发利用,有利于消减由决策疲劳引起的人为误差和提高评价筛选效率,为甘薯种质资源筛选工作的数据化和信息化提供科学的方法基础。
发明内容
一种基于多准则决策的甘薯种质资源评价方法,其特征在于,包括以下步骤:
(1)搜集与甘薯不同用途价值潜力有关的性状,并对性状的重要性进行评分;筛选出被引频次高、重要性评分高的核心性状作为多准则决策模型的评价指标;
(2)采用随机区组设计进行试验,对筛选出的评价指标在特定的测定时期进行测定,获取指标数据;
(3)建立甘薯评价指标层次结构体系,对不同指标的重要性进行两两对比打分,将两两对比打分值作为行列元素构建成对比较矩阵,对矩阵进行标准化,计算成对比较矩阵的特征值和特征向量,进行一致性评估,获得各评价指标的主观权重值;
将参评种质的不同指标测定数据作为行列元素构建评价矩阵,将评价矩阵标准化,计算指标的熵和熵权,获得各评价指标的客观权重值;
采用加和法整合主观权重和客观权重,获得各评价指标的综合权重值;
(4)根据评价指标在不同用途中的特征属性,从所述的评价矩阵中,选取最优指标数值构建不同用途的理想物种,将理想物种和参评种质的各个指标数据同时作为行列元素构建灰色关联矩阵,对灰色关联矩阵进行标准化,计算灰色关联系数和灰色关联度,获得各参评种质与不同用途理想物种之间的关联度值及其排名;
(5)将所述各参评种质与不同用途理想物种之间的关联度值及其排名与传统评价方法中关注的目标性状值相结合,对甘薯种质资源在不同用途中的应用潜力进行评价。
可选的,所述的评价指标为鲜薯产量、最长蔓长、茎直径、分枝数、单株结薯数和结薯习性6项农艺性状,以及烘干率、商品率、整齐度、淀粉含量和食用品质评分5项品质性状。
优选的,所述评价指标的测定时期,对最长蔓长、茎直径和分枝数为移栽后90天左右的薯块盛长期;对鲜薯产量、单株结薯数、结薯习性、商品率和整齐度为收获期;对烘干率、淀粉含量和食用品质评分为收获后7天内。
可选的,所述对筛选出的评价指标在特定的测定时期进行测定,获取指标数据,包括:
鲜薯产量,以试验小区储藏根总产量折合成亩产计;
最长蔓长,以从地面到最长分枝顶芽的长度计;
茎直径,以最长分枝中间的直径计;
分枝数,以离地10cm处的枝条数计;
单株结薯数,以单株储藏根的数量计;
结薯习性,根据储藏根的空间分布,松散计1分,较集中计2分,集中计3分;
烘干率,以70℃下烘至恒重后,干重占鲜重的百分比计;
商品率,以符合销售标准的储藏根重占总储藏根重的百分率计;
整齐度,根据储藏根形状和大小的一致性,不整齐计1分,较整齐计2分,整齐计3分;
淀粉含量,以淀粉占储藏根干重的百分比计;
食用品质评分,从色泽、香度、甜度、黏(面)度和纤维感5个方面获得综合评分。
可选的,所述甘薯评价指标层次结构体系包括目的层、准则层和方案层,其中目的层为甘薯市场价值潜力;准则层分一级指标层和二级指标层,一级指标层为农艺性状和品质性状,二级指标层为评价指标;方案层为甘薯种质资源的不同用途。
可选的,所述甘薯种质资源的不同用途为淀粉型和食用型两种。
可选的,所述评价矩阵为:
式中,c为评价指标,s为参评种质,m为指标的数量,n为参评种质的数量,i为参评种质的序号,j为指标的序号,xi(j)为第i个参评种质对应的第j个指标的值。
可选的,所述将评价矩阵标准化,包括:
依据评价指标在不同用途中的特征属性,制定评价原则:
淀粉型甘薯 食用型甘薯
鲜薯产量: 数值越大越好; 数值越大越好;
最长蔓长: 数值越小越好; 数值越小越好;
茎直径: 数值越趋近5mm越好; 数值越趋近5mm越好;
分枝数: 数值越趋近6根越好; 数值越趋近6根越好;
单株结薯数: 数值越大越好; 数值越大越好;
结薯习性: 数值越大越好; 数值越大越好;
烘干率: 数值越大越好; 数值越趋近33%越好;
商品率: 数值越大越好; 数值越大越好;
整齐度: 数值越大越好; 数值越大越好;
淀粉含量: 数值越大越好; 数值越趋近63%越好;
食用品质评分: 数值越大越好; 数值越大越好;
通过以下公式,标准化评价矩阵:
当评价指标数值越大越好时:
当评价指标数值越小越好时:
当评价指标数值越趋近理想值越好时:
式中,i为参评种质的序号,j为指标的序号,xi(j)代表第i个参评种质对应的第j个指标的值,yi(j)为标准化后的数据序列值,maxixi(j)代表xi(j)的最大值,minixi(j)代表xi(j)的最小值,x0(j)为理想值。
可选的,所述加和法为:
Wc=σWs+(1-σ)Wo;
式中,Wc为综合权重值,Ws为主观权重值,Wo为客观权重值,σ为线性系数。
可选的,将所述各个参评种质与不同用途理想物种之间的关联度值及其排名与传统评价方法中关注的目标性状值相结合,对甘薯种质资源在不同用途中的市场价值潜力进行评价,包括:
若参评种质关联度排名超过对照种质,且其目标性状值亦超过对照种质的该性状值或特定目标值,则认为该参评种质为优良种质,拥有登记为新品种的潜力;
若参评种质关联度排名超过对照种质,但其目标性状值低于对照种质的该性状值或某特定目标值,则认为该参评种质为次优种质,拥有作为甘薯杂交亲本材料的潜质;
若参评种质关联度排名低于对照种质,则认为该参评种质可以被淘汰。
可选的,所述对照种质为该次育种目标需要超过的已登记品种;所述特定目标值为该次育种目标需要超过的具体性状值。
优选的,所述参评种质的指标数据是在正常生长状态下的取值,若遇病虫害、鼠咬等因素影响,则受影响严重的参评种质退出该次评价。
本方案对甘薯种质资源评价方面的指标选择和权重赋予做了深入研究,同时将多准则决策结果与传统评价方法结果相结合,以本发明的方法为算法制作成应用软件,可以有效指导甘薯优良种质筛选、杂交亲本选择和杂交后代筛选等,为专用型甘薯品种创制提供了科学高效的评价模型。
附图说明
图1是本申请的一种基于多准则决策的甘薯种质资源评价方法的流程示意图。
图2是本申请的一种基于多准则决策的甘薯种质资源评价方法的指标层次结构图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供一种基于多准则决策的甘薯种质资源评价方法,主要包括以下步骤:
步骤一:通过分析相关领域文献,搜集与甘薯不同用途价值潜力有关的性状;调研育种工作者、农民和甘薯生产加工经营者,给这些性状的重要性进行评分;筛选出被引频次高、重要性评分高的核心性状作为多准则决策模型的评价指标。
步骤二:试验采用随机区组设计,根据参评种质数量设置小区面积15-40m2,设置至少2个重复;种植模式采用小垄单行(垄距0.9m,垄高0.3m);种植密度为每亩2500株。
步骤三:在移栽后90天左右的薯块盛长期测定最长蔓长、茎直径和分枝数3个指标;在收获期测定鲜薯产量、单株结薯数、结薯习性、商品率和整齐度5个指标;在收获后7天内测定烘干率、淀粉含量和食用品质评分3个指标。
步骤四:如图2所示,建立甘薯评价指标层次结构体系;专家根据表1打分,并按公式(1)将不同指标重要性的两两对比打分值作为行列元素构建成对比较矩阵;再根据公式(2)标准化矩阵;通过公式(3)~公式(5)计算特征值和特征向量;经公式(6)~公式(8)进行一致性评估后,确定各评价指标的主观权重值。
表1评价指标相对重要性判断标度
判断标度 | 含义 |
1 | 表示2个性状相比,具有相同重要性 |
3 | 表示2个性状相比,前者比后者稍重要 |
5 | 表示2个性状相比,前者比后者明显重要 |
7 | 表示2个性状相比,前者比后者强烈重要 |
9 | 表示2个性状相比,前者比后者极端重要 |
2,4,6,8 | 表示上述相邻判断的中间值 |
倒数 | 若性状j与性状k的重要性之比为wjk,那么性状k与j重要性之比为wjk=1/wjk |
式(1)~(8)中,j为前一性状的序号,k为后一性状的序号,m是矩阵A的性状总数,wjk是成对比较的值,wjk'为标准化后的成对比较值,ωj指特征值(即主观权重值),W为矩阵A的特征向量,λmax为成对比较矩阵的最大特征值,CR、CI和RI分别为成对比较矩阵的一致性比率、一致性指标和平均随机一致性指标。当CR<0.10时,表明一致性较好;如果CR≥0.10,成对比较矩阵应该做出调整,直至CR<0.10。
步骤五:按公式(9)将参评种质的不同指标测定数据作为行列元素构建评价矩阵;再根据公式(10)~公式(12)标准化矩阵;通过公式(13)计算指标的熵;最后由公式(14)计算熵权,获得各评价指标的客观权重值。
式(9)~(14)中,c代表评价指标,s代表参评种质,m指指标的数量,n指参评种质的数量,i为参评种质的序号,j为指标的序号,xi(j)代表第i个参评种质对应的第j个指标的值,yi(j)为标准化后的数据序列值,maxixi(j)代表xi(j)的最大值,minixi(j)代表xi(j)的最小值,x0(j)为理想值,ei(j)指第j个指标的熵值,Wj指第j个指标的熵权(即客观权重值)。
步骤六:根据公式(15),采用加和法整合主观权重和客观权重,获得各评价指标的综合权重值。
Wj'=σωj+(1-σ)Wj (15)
式中,Wj'代表第j个指标的综合权重值,σ为线性系数,0≤σ≤1,主要反映主观权重和客观权重的相对重要性。
步骤七:根据评价指标在不同用途中的特征属性,从客观赋权过程的评价矩阵中,选取最优指标数值构建不同用途的理想物种;再按公式(9)将理想物种和参评种质的各个指标数据同时作为行列元素构建灰色关联矩阵;然后根据公式(10)~公式(12)标准化矩阵;通过公式(16)计算灰色关联系数;最后由公式(17)计算灰色关联度,获得各参评种质与不同用途理想物种之间的关联度值及其排名。
式(16)~(17)中,y0(j)指参考序列(即理想物种),yi(j)指比较序列(即参评种质),ρ是分辨系数,一般设定为0.5,γi为第i个种质的灰色关联度。
步骤一中,甘薯评价指标的选择原则如下:
全面性原则,要全面考虑甘薯不同用途的共通性和差异性;
代表性原则,选择与目标用途最直接相关的性状,排除从属性状,确保指标间的独立性;
合理性原则,有机结合定性和定量性状、单一属性和多属性性状。
步骤三中,指标数据的测定是在正常生长状态下的取值,如遇病虫害、鼠咬等因素影响,受影响严重的参评种质退出该次评价。指标数据的测定方法如下:
鲜薯产量,以试验小区储藏根总产量折合成亩产计;最长蔓长,从地面到最长分枝顶芽的长度;茎直径,最长分枝中间的直径;分枝数,离地10cm处的枝条数;单株结薯数,单株储藏根的数量;结薯习性,储藏根的空间分布,松散计1分,较集中计2分,集中计3分;烘干率,70℃下烘至恒重后,干重占鲜重的百分比;商品率,符合销售标准的储藏根重占总储藏根重的百分率;整齐度,储藏根形状和大小的一致性,不整齐计1分,较整齐计2分,整齐计3分;淀粉含量,淀粉占储藏根干重的百分比;食用品质评分,从色泽、香度、甜度、黏(面)度和纤维感5个方面获得的综合评分。
步骤五中,评价矩阵的标准化,是依据评价指标在不同用途中的特征属性,分成越大越好、越小越好、越趋近理想值越好3类,具体见表2:
表2评价指标在不同用途中的特征属性
步骤六中,鉴于经验性判断在甘薯种质资源评价中的重要地位,本发明赋予了主观权重更大的权重系数,设定σ值为0.7。
步骤七中,所得关联度值及其排名与传统评价方法中关注的目标性状值相结合,用于评价甘薯种质资源在不同用途中的应用潜力,判断原则如下所示:
若参评种质关联度排名超过对照种质,且其目标性状值亦超过对照种质的该性状值或特定目标值,则认为该参评种质为优良种质,拥有登记为新品种的潜力;
若参评种质关联度排名超过对照种质,但其目标性状值低于对照种质的该性状值或特定目标值,则认为该参评种质为次优种质,拥有作为甘薯杂交亲本材料的潜质;
若参评种质关联度排名低于对照种质,则认为该参评种质可以被淘汰。
实施例一:
以徐薯22(淀粉型)和湘薯99(食用型)为对照种质,评价23份高代品系甘薯种质,25份试验材料在湖南省农业科学院高桥科研基地的2020年性状测定结果数据信息见表3。
表3参评种质性状测定结果数据信息
评价结果见表4-表5:
表4评价指标权重计算结果及其排名
表5本发明参评种质评价结果与传统评价方法结果比较
结果显示:鲜薯产量、烘干率和淀粉含量是最重要的淀粉型甘薯评价指标;鲜薯产量、食用品质评分和整齐度是最重要的食用型甘薯评价指标。它们分别占据各自用途评价指标权重的50%以上,这与传统评价方法中的目标性状基本一致。传统评价方法中,淀粉型甘薯以淀粉产量为育种目标(淀粉产量=鲜薯产量×烘干率×淀粉含量);食用型甘薯以鲜薯产量和食用品质为育种目标。作为淀粉型甘薯评价,有8个参评种质的关联度超过徐薯22,除17-108-17外,17-16-3、18-Z2-6、18-D6-5、18-D6-4、17-花3、17-Z6-18和18-D9-4等7个参评种质的淀粉产量也同时超过了徐薯22,因此,这7个参评种质可评为优良品系,被认为拥有直接登记新品种的潜力;作为食用型甘薯评价,有13个参评种质的关联度超过湘薯99,其中,17-16-3、18-D6-4、18-Z2-6、18-D6-5、16-3-8、金井紫034和18-D9-4等7个参评种质的鲜薯产量超过了湘薯99,17-花3、17-2-13、金井紫012和S16-1等4个参评种质的食用品质评分超过了湘薯99,却无参评种质在鲜薯产量和食用品质评分上同时超过湘薯99,因此,这11个参评种质可评为次优品系,被认为拥有作为甘薯杂交亲本材料的潜质。此结果符合甘薯杂交亲本选配时的综合性状优良和改良性状互补两条基本原则。
以上结合具体实施方式和范例性实例对本发明进行了详细说明,不过这些说明并不能理解为对本发明的限制。本领域技术人员理解,在不偏离本发明精神和范围的情况下,可以对本发明技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本发明的范围内。本发明的保护范围以所附权利要求为准。
Claims (11)
1.一种基于多准则决策的甘薯种质资源评价方法,其特征在于,包括以下步骤:
(1)搜集与甘薯不同用途价值潜力有关的性状,并对性状的重要性进行评分;筛选出被引频次高、重要性评分高的核心性状作为多准则决策模型的评价指标;
(2)采用随机区组设计进行试验,对筛选出的评价指标在特定的测定时期进行测定,获取指标数据;
(3)建立甘薯评价指标层次结构体系,对不同指标的重要性进行两两对比打分,将两两对比打分值作为行列元素构建成对比较矩阵,对矩阵进行标准化,计算成对比较矩阵的特征值和特征向量,进行一致性评估,获得各评价指标的主观权重值;
(4)将参评种质的不同指标测定数据作为行列元素构建评价矩阵,将评价矩阵标准化,计算指标的熵和熵权,获得各评价指标的客观权重值;
(5)采用加和法整合主观权重和客观权重,获得各评价指标的综合权重值;所述加和法为:
Wc=σWs+(1-σ)Wo;
式中,Wc为综合权重值,Ws为主观权重值,Wo为客观权重值,σ为线性系数;
(6)根据评价指标在不同用途中的特征属性,从所述的评价矩阵中,选取最优指标数值构建不同用途的理想物种,将理想物种和参评种质的各个指标数据同时作为行列元素构建灰色关联矩阵,对灰色关联矩阵进行标准化,计算灰色关联系数和灰色关联度,获得各参评种质与不同用途理想物种之间的关联度值及其排名;
(7)将所述各参评种质与不同用途理想物种之间的关联度值及其排名与传统评价方法中关注的目标性状值相结合,对甘薯种质资源在不同用途中的应用潜力进行评价。
2.根据权利要求1所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述的评价指标为鲜薯产量、最长蔓长、茎直径、分枝数、单株结薯数和结薯习性6项农艺性状,以及烘干率、商品率、整齐度、淀粉含量和食用品质评分5项品质性状。
3.根据权利要求1所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述评价指标的测定时期,对最长蔓长、茎直径和分枝数为移栽后90天左右的薯块盛长期;对鲜薯产量、单株结薯数、结薯习性、商品率和整齐度为收获期;对烘干率、淀粉含量和食用品质评分为收获后7天内。
4.根据权利要求2或者3所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述对筛选出的评价指标在特定的测定时期进行测定,获取指标数据,包括:
鲜薯产量,以试验小区储藏根总产量折合成亩产计;
最长蔓长,以从地面到最长分枝顶芽的长度计;
茎直径,以最长分枝中间的直径计;
分枝数,以离地10cm处的枝条数计;
单株结薯数,以单株储藏根的数量计;
结薯习性,根据储藏根的空间分布,松散计1分,较集中计2分,集中计3分;
烘干率,以70℃下烘至恒重后,干重占鲜重的百分比计;
商品率,以符合销售标准的储藏根重占总储藏根重的百分率计;
整齐度,根据储藏根形状和大小的一致性,不整齐计1分,较整齐计2分,整齐计3分;
淀粉含量,以淀粉占储藏根干重的百分比计;
食用品质评分,从色泽、香度、甜度、黏度和纤维感5个方面获得综合评分。
5.根据权利要求1所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述甘薯评价指标层次结构体系包括目的层、准则层和方案层,其中目的层为甘薯市场价值潜力;准则层分一级指标层和二级指标层,一级指标层为农艺性状和品质性状,二级指标层为评价指标;方案层为甘薯种质资源的不同用途。
6.根据权利要求5所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述甘薯种质资源的不同用途为淀粉型和食用型两种。
7.根据权利要求1所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述评价矩阵为:
式中,c为评价指标,s为参评种质,m为指标的数量,n为参评种质的数量,i为参评种质的序号,j为指标的序号,xi(j)为第i个参评种质对应的第j个指标的值。
8.根据权利要求1,6或者7所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述将评价矩阵标准化,包括:
依据评价指标在不同用途中的特征属性,制定评价原则:
通过以下公式,标准化评价矩阵:
当评价指标数值越大越好时:
当评价指标数值越小越好时:
当评价指标数值越趋近理想值越好时:
式中,i为参评种质的序号,j为指标的序号,xi(j)代表第i个参评种质对应的第j个指标的值,yi(j)为标准化后的数据序列值,maxixi(j)代表xi(j)的最大值,minixi(j)代表xi(j)的最小值,x0(j)为理想值。
9.根据权利要求1所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,将所述各个参评种质与不同用途理想物种之间的关联度值及其排名与传统评价方法中关注的目标性状值相结合,对甘薯种质资源在不同用途中的市场价值潜力进行评价,包括:
若参评种质关联度排名超过对照种质,且其目标性状值亦超过对照种质的该性状值或特定目标值,则认为该参评种质为优良种质,拥有登记为新品种的潜力;
若参评种质关联度排名超过对照种质,但其目标性状值低于对照种质的该性状值或某特定目标值,则认为该参评种质为次优种质,拥有作为甘薯杂交亲本材料的潜质;
若参评种质关联度排名低于对照种质,则认为该参评种质可以被淘汰。
10.根据权利要求9所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述对照种质为育种目标需要超过的已登记品种;所述特定目标值为育种目标需要超过的具体性状值。
11.根据权利要求1所述的一种基于多准则决策的甘薯种质资源评价方法,其特征在于,所述参评种质的指标数据是在正常生长状态下的取值,若遇病虫害、鼠咬因素影响,则受影响严重的参评种质退出该次评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111084405.4A CN113780845B (zh) | 2021-09-16 | 2021-09-16 | 一种基于多准则决策的甘薯种质资源评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111084405.4A CN113780845B (zh) | 2021-09-16 | 2021-09-16 | 一种基于多准则决策的甘薯种质资源评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780845A CN113780845A (zh) | 2021-12-10 |
CN113780845B true CN113780845B (zh) | 2023-09-22 |
Family
ID=78844406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111084405.4A Active CN113780845B (zh) | 2021-09-16 | 2021-09-16 | 一种基于多准则决策的甘薯种质资源评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780845B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114819770B (zh) * | 2022-06-28 | 2022-10-21 | 中国热带农业科学院三亚研究院 | 木薯种质资源品质表型组精准评价模型及构建方法 |
CN116485211B (zh) * | 2023-06-16 | 2023-09-05 | 中国石油大学(华东) | 电池堆综合性能评价多准则决策方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318339A (zh) * | 2014-09-15 | 2015-01-28 | 国家电网公司 | 一种基于综合赋权法的电网投资效益评价方法 |
CN106779289A (zh) * | 2016-11-15 | 2017-05-31 | 南京林业大学 | 一种银杏复合经营系统可持续经营评价方法 |
AU2020103500A4 (en) * | 2020-11-18 | 2021-01-28 | Sichuan Agricultural University | Integrated Quality Evaluation Method for Huangguogan |
CN112946211A (zh) * | 2021-02-02 | 2021-06-11 | 湖南省作物研究所 | 一种基于模糊数学的甘薯食用品质感官评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140324521A1 (en) * | 2009-02-11 | 2014-10-30 | Johnathan Mun | Qualitative and quantitative analytical modeling of sales performance and sales goals |
-
2021
- 2021-09-16 CN CN202111084405.4A patent/CN113780845B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318339A (zh) * | 2014-09-15 | 2015-01-28 | 国家电网公司 | 一种基于综合赋权法的电网投资效益评价方法 |
CN106779289A (zh) * | 2016-11-15 | 2017-05-31 | 南京林业大学 | 一种银杏复合经营系统可持续经营评价方法 |
AU2020103500A4 (en) * | 2020-11-18 | 2021-01-28 | Sichuan Agricultural University | Integrated Quality Evaluation Method for Huangguogan |
CN112946211A (zh) * | 2021-02-02 | 2021-06-11 | 湖南省作物研究所 | 一种基于模糊数学的甘薯食用品质感官评价方法 |
Non-Patent Citations (1)
Title |
---|
灰色多维综合分析在食用型甘薯品种评价中的应用;辛国胜;韩俊杰;周洪军;商丽丽;邱鹏飞;张磊;刘翠玲;;山东农业科学(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113780845A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780845B (zh) | 一种基于多准则决策的甘薯种质资源评价方法 | |
Kamau et al. | Farmers’ participatory selection for early bulking cassava genotypes in semi-arid Eastern Kenya | |
Agre et al. | Agromorphological characterization of elite cassava (Manihot esculenta Crantz) cultivars collected in Benin | |
Milošević et al. | Phenotypic diversity of autochthonous European (Prunus domestica L.) and Damson (Prunus insititia L.) plum accessions based on multivariate analysis | |
Anokye et al. | Morphological characterization of some water yam (Dioscorea alata L.) germplasm in Ghana | |
Chime et al. | Morphological evaluation of tomato (Solanum lycopersicum Linn.) Cultivars | |
Prayoga et al. | Diversity of black pepper plant (Piper nigrum) in Bangka Island (Indonesia) based on agro-morphological characters | |
Carine et al. | Agro-morphological characterization of cassava (Manihot esculenta Crantz) collected in the humid forest and Guinea savannah agro-ecological zones of Cameroon | |
JP2003509023A (ja) | 植物及び組織生産物を非ランダム選択するための方法及びシステム | |
Zhang et al. | Path coefficient and cluster analyses of yield and morphological traits in Pennisetum purpureum | |
Kurosawa et al. | Multivariate approach in popcorn genotypes using the Ward-MLM strategy: morpho-agronomic analysis and incidence of Fusarium spp | |
Aktar-Uz-Zaman et al. | Characterization of chickpea germplasm | |
Sharma et al. | AMMI and GGE Biplot analysis of multi-environment seed yield data in cluster bean [Cyamopsis tetragonoloba (L.) Taub.] | |
Vollmann et al. | Soybean: Breeding for organic farming systems | |
Najafzadeh et al. | Superior growth characteristics, yield, and fruit quality in promising european pear (Pyrus communis L.) chance seedlings in Iran | |
Adugna et al. | Cluster and canonical variate analyses in multilocation trials of linseed | |
Šebek | The phenological and pomological traits of autochthonous pear varieties in the area of North Montenegro | |
Nkhabu et al. | Genetic Diversity of Stinging Nettle (Urtica dioica) by Agro Morphological Markers | |
Mallick et al. | Diversity of Potato Varieties in Bangladesh | |
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 | |
Karamura et al. | On farm conservation of Musa diversity in the great lakes region of East Africa | |
ESAN et al. | Characterization of genetic variation of Bambara groundnut [Vigna subterranea (L.) verdc.] under different environmental conditions for yields and yield component performances | |
Sathishkumar | Intra-varietal variability in komadan coconut (Cocos nucifera L.) palms | |
Mohammed et al. | Variability studies among some okra (Abelmoschus esculentus L. Moench.) accessions from Niger State, Nigeria | |
Baistruk-Hlodan et al. | Assessment of the genetic diversity of red fescue in the Western region of Ukraine |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |