基于主成分与灰色关联分析的甜高粱品种综合评价

刘翔宇，刘祖昕，加帕尔，斯拉依丁，阿依加马力·加帕尔，郭 峰

(1新疆农科院吐鲁番农业科学研究所，新疆吐鲁番 838000；2 .农业部规划设计研究院农业工程标准定额研究所，北京 100125)

基于主成分与灰色关联分析的甜高粱品种综合评价

刘翔宇1，刘祖昕2，加帕尔1，斯拉依丁1，阿依加马力·加帕尔1，郭 峰1

(1新疆农科院吐鲁番农业科学研究所，新疆吐鲁番 838000；2 .农业部规划设计研究院农业工程标准定额研究所，北京 100125)

【目的】利用主成分分析法和灰色关联度分析法，对甜高粱的主要性状进行综合分析，为综合评价及筛选优良甜高粱品种提供科学参考。【方法】选取10项性状指标并运用因子分析法确定其权重系数，以新疆地区29份经过初步筛选的甜高粱品种(系)为材料，利用主成分分析法和灰色关联分析,分别确定综合效益值及品种间加权关联度，分析两套理论确定的秩相关系数显著性，对参试甜高粱品种做出综合评价与筛选。【结果】基于主成分分析法的综合效益值变幅为2.4～-3.61，前五名优势品种(系)为TTL-32(F=2.40)，TTL-29(F=2.39)，TTL-27(F=2.23)，TTL-30(F=1.95)，SW1(F=1.55)；基于加权法的关联度变幅为0.754 4～0.372 3，前五名优势品种为TTL-32(γ=0.754 4)，SW1(γ=0.737 9)，TTL-29(γ=0.726 9)，TTL-27(γ=0.712 6)，TTL-30(γ=0.688 1)。基于两种评价方法下的29份甜高粱品种(系)排名差异不显著(P<0.01)，其秩相关系数达到0.967，说明所选10项指标对评价甜高粱品种(系)综合品质重要性相当。 【结论】杂交选育出的甜高粱新品系TTL-32、TTL-29、TTL-27和TTL-30等排名靠前，茎秆效益和籽粒效益等综合效益值高，极具推广潜质；甜饲1号、绿能3号、九甜杂1号、九甜杂2号、醇甜2号、绿能2号等外引品种和当地近年选育品种新高粱7号和新高粱2号等表现稳定；高粱蔗、苏马克、甜320、本地甜高粱和意大利等本地品种已逐渐退化。

主成分分析；灰色关联度分析；甜高粱；综合评价

0 引 言

【研究意义】甜高粱有两个光合产物贮藏库，一个是穗部的籽粒，一个是茎秆中的糖，两者均含有多种营养物质，是一种具有茎和穗的“双库型”作物，具有光合速率高，生长快，产量高、耐盐碱、耐瘠薄等生物学特性[1]。新疆拥有光照充足、积温高、昼夜温差大和土壤盐碱含量高等自然特点。品种资源是育种和生产发展的物质基础，评价、筛选现有甜高粱品种(系)在盐碱含量高的土壤上种植的综合效益，对于促进新疆土地整理开发和调优种植业结构，促进甜高粱作为高能饲料作物和再生性能源作物的产业化开发具有重要意义。【前人研究进展】再吐尼古丽·库尔班[2]、高凤菊等[3]研究表明：甜高粱对盐碱地脱盐效果显著，尤其是对土壤表层盐碱改良效果十分明显。魏玉清等[4]研究表明：盐碱地种小麦和玉米收益5 350元/hm2，而种甜高粱收益8 250元/hm2，增收54.2%。【本研究切入点】目前对参试品种优劣的评估大多是以产量、品质、抗病性三大性状指标作为评判因素，这种评价方式主观性影响较大。主成分分析在进行综合评价上应用十分广泛，在很多系统综合评价中都起到重要作用。运用主成分分析，可以消除评价指标间的相关影响，减少指标选择的工作量。将原始性状变换为成分的同时，形成了反映成分的权数，使得综合评价值的计算比人为给权重赋值更客观、可信。灰色关联度分析法在将灰色系统中不同品种不同指标下的全部数据进行综合描述和量化时，与因子分析法确定指标权重相结合，使结果更可信。为了保证评价结果的全面性，评价指标的选取既要包含主要产量指标，又要包含主要形态指标；为了保证评价结果的客观性，采用科学的因子分析法而不是主观赋值法确定权重体系；为了保证评价结果的可靠性，先采用主成分分析法和灰色关联分析两种不同的理论方法进行评价，再对两种评价结果进行秩相关性测定，确保方法正确，结果可靠。 【拟解决的关键问题】应用主成分分析方法和灰色系统理论中加权关联度分析的方法，对甜高粱品种资源进行数量化研究，进而作出综合评价。

1 材料与方法

1.1 材 料

试验于2012～2013年在新疆农科院吐鲁番农业科学研究所试验基地进行，试验地位于吐鲁番市原种场，属于典型的大陆性干旱荒漠气候，干燥少雨，年平均降水量16.4 mm，蒸发量3 000 mm以上，日照充足，昼夜温差大，年有效活动积温5 300℃以上，无霜期270 d。表1

表1 供试甜高粱品种评价指标原始值

Table 1 The original value of the evaluation index of the tested sweet sorghum varieties

品种(系)Varieties株高Plantheight(m)茎粗Stemdiameter(cm)穗粒重Grainweightperspike(g)千粒重Thousandseedweight(g)籽粒产量Kernelyield(t/hm2)单株重Plantweight(kg/株)茎秆产量Stemyield(t/hm2)锤度Brix(°)产糖量Sugaryield(t/hm2)生育期Growthperiod(d)TTL-253 412 1187 426 78 6181 2679 3513 57 50121TTL-263 702 1685 224 48 3251 5093 4516 911 06130TTL-274 432 1677 424 17 6711 76113 1016 212 83141TTL-283 562 1174 723 87 1761 3887 3017 310 57125TTL-294 262 3270 523 86 7141 73112 8018 014 21133TTL-304 062 3267 723 16 4851 72112 5016 312 84130TTL-312 842 1767 323 56 0811 0076 2016 28 64124九甜杂1号JTZ-13 862 1066 723 06 0031 60100 8016 911 92125TTL-324 732 2463 222 05 8441 91115 0517 714 25138甜饲1号TS-14 602 1060 021 05 4451 80113 4015 212 07130绿能2号LN-23 532 0058 420 05 3551 3585 0518 010 72126醇甜2号CT-23 522 2057 621 05 2501 2679 3819 911 06144九甜杂2号JTZ-23 792 3057 121 05 2051 5295 7613 99 32129绿能3号LN-33 962 2056 824 05 1451 70107 1014 811 10130TTL-333 622 0355 321 84 8031 4693 0016 410 68121鲁克沁LKQ2 732 2056 424 04 7700 9157 3319 07 62115TTL-343 051 9656 018 04 5711 1778 0018 310 00127新高粱2号XGL-23 102 1050 023 03 9751 2578 7514 58 00154早熟1号ZS-12 901 9048 420 03 9001 0364 8921 59 77118SW13 822 4047 019 03 8701 60100 8023 016 2393新高粱7号XGL-73 692 3045 019 63 8551 4893 2418 612 14120高粱蔗GLZ2 792 3038 019 03 6000 8151 0320 07 1490本地甜BDT3 022 0036 027 03 0451 1270 5618 08 90120意大利Italy2 211 8035 018 03 0000 6540 9519 05 45104苏马克SMK2 802 2033 016 02 8350 8553 5519 07 12131九甜梁1号JTL-12 181 8030 619 52 4000 6440 3213 53 81102吐甜3号TT-33 942 1026 017 02 3101 66104 5812 69 22102本地甜高粱BDTGL2 751 8023 412 51 5390 8654 1819 17 24102甜320T3203 051 8019 219 51 4401 0968 6716 17 73102

供试甜高粱品种(系)29个，其中鲁克沁、新高粱2号、新高粱7号、高粱蔗、本地甜、SW1、意大利、苏马克、吐甜3号、本地甜高粱、甜320是吐鲁番本地品种(系)；早熟1号、九甜梁1号、九甜杂1号、九甜杂2号、绿能2号、绿能3号、醇甜2号、甜饲1号是外引品种，经过几轮品种区域试验筛选，证明是适合新疆生境条件种植的优良甜高粱品种；TTL-25、TTL-26、TTL-27、TTL-28、TTL-29、TTL-30、TTL-31、TTL-32、TTL-33和TTL-34是由外引品种与当地甜高粱品种杂交选育出的新品系。

观测记载各品种株高、茎粗、穗粒重、千粒重、籽粒产量、单株重、茎秆产量、锤度、产糖量和生育期等10项农艺性状，将其作为综合评价指标。列出田间试验结果。表1

随机区组设计，重复3次，每小区3行，7.5 m2，株行距(20×50) cm。5月上旬开沟点播，按新疆品种比较试验要求进行田间管理。

应用统计分析软件 IBM SPSS Statistics对原始数据进行主成分分析；应用Excel进行灰色关联度分析。

1.2 方 法

1.2.1 主成分分析

主成分分析是将相关性较强的的原始变量，重新组合成互无关联的综合变量并代替原变量。方法是是将原来变量做线性组合，作为新的综合变量，用F1(第一个线性组合)的方差来表达，Var(F1)越大，表明F1包含的原始变量信息越多。在所有的线性组合中选取的F1是方差最大的，称F1为第一主成分。依次可构造出第二、第三，……，第n(n

主成分分析数学模型见公式(1)：

其中a1i，a2i，……，api(i=1，……，n)为协方差阵的特征值对应的特征向量，ZX1，ZX2，……，ZXp是原始变量的标准化值。A=(aij)p×n=(a1，a2，……an)，Rbi=λiai，R是相关系数矩阵，λi、ai是对应的特征值和特征向量，λ1≥λ2≥ …≥λp≥0。

1.2.2 灰色关联度分析[6]

灰色关联度分析法是先设定参考数列作为母因素，再计算系统中各子因素与母因素间的关联度，以关联度来描述母子因素关系的强弱，已在多个学科领域内得以应用，其科学性与实用性得到充分肯定。其分析方法如下：

首先，采用直线型极值化方法[7]，将每一变量值与变量最小值之差除以该变量取值的全距，对表1中各变量进行无量纲化处理。参考数列为各性状变量的最大值。

再次，将无量纲化后的数据，利用公式(2)分别计算出各参试品种与参考数列间的关联系数。

ξ(k)=

(2)

式中ρ为分辨系数，是一个介于0～1之间的确定数值，ξi(k)为第i个品种第k个指标的关联系数；

最后，用加权平均法计算参试品种的加权关联度，如公式(3)所示。通过比较参试品种的加权关联度的大小，完成参试甜高粱品种的综合评价。

(3)

式中γ 表示加权关联度，wk为第k个指标的权重，n为评价指标的个数。

2 结果与分析

2.1 主成分分析

2.1.1 判断主成分分析的适用性

先对数据进行Kaiser-Meyer-Olkin检验统计量和Bartlett球形检验。经检验：KMO值=0.724>0.7，p值接近0，说明10个性状变量之间具有相关性，且差异达到极显著水平，可以进一步做主成分分析。

2.1.2 计算各指标的相关系数矩阵

10个变量之间，有10对变量相关关系达到极显著水平，10对变量相关关系达到显著水平，这进一步验证了性状变量之间直接的相关性比较强，存在信息上的重叠。在品种间作比较时，可以对这些性状变量进行降维处理，缩减衡量指标个数。表2

表2 指标间的相关系数矩阵

Table 2 The correlation coefficient matrix of the indexes

性状Traits株高Plantheight茎粗Stemdiameter穗粒重Grainweightperspike千粒重Thousandseedweight籽粒产量Kernelyield单株重Plantweight茎秆产量Stemyield锤度Brix产糖量Sugaryield茎粗Stemdiameter0 569∗穗粒重Grainweightperspike0 527∗0 459千粒重Thousandseedweight0 330 3270 708∗∗籽粒产量Kernelyield0 547∗0 4710 992∗∗0 709∗∗单株重Plantweight0 980∗∗0 557∗0 526∗0 3680 536∗茎秆产量Stemyield0 966∗∗0 572∗0 556∗0 3870 563∗0 992∗∗锤度Brix-0 1960 118-0 144-0 285-0 177-0 239-0 25产糖量Sugaryield0 849∗∗0 624∗∗0 4890 2620 4760 859∗∗0 862∗∗0 258生育期Growthperiod0 4620 2830 590∗0 4710 5620 4610 473-0 2330 345

注：*表示在P<0.05水平达到显著差异；**表示在P<0.01水平达到显著差异

Note: * means the coefficient is significantly correlation atP< 0.05; ** means the coefficient is extremely significantly correlation atP< 0.01

表3 主成分分析

Table 3 Principal component analysis

性状TraitsF1F2F3株高Plantheight0 90 305-0 251茎粗Stemdiameter0 6690 2660 307穗粒重Grainweightperspike0 807-0 4250 309千粒重Thousandseedweight0 618-0 5790 17籽粒产量Kernelyield0 81-0 4250 28单株重Plantweight0 9080 286-0 287茎秆产量Stemyield0 920 26-0 27锤度Brix-0 1940 5260 786产糖量Sugaryield0 8180 5140 143生育期Growthperiod0 636-0 352-0 024初始特征值InitialEigenvalues5 731 6741 154贡献率Contributionrate(%)57 29616 74511 545累积贡献率Cumulativecontributionrate(%)57 29674 04185 586

2.1.3 提取主成分

经Spss统计分析，根据特征值大于1的原则提取了3个主成分。各主成分的方差贡献率分别为57.296%、16.745%、11.545%，累积贡献率达85.586%，说明提取的3个主成分代表了各参试品种性状的绝大部分信息。表3

表4 旋转后因子载荷矩阵

Table 4 The factor loading matrix after rotation

性状TraitsF1F2F3株高Plantheight0 950 215-0 134茎粗Stemdiameter0 620 310 365穗粒重Grainweightperspike0 3540 8920 07千粒重Thousandseedweight0 1480 843-0 113籽粒产量Kernelyield0 3640 8840 044单株重Plantweight0 9540 221-0 174茎秆产量Stemyield0 9450 253-0 17锤度Brix-0 043-0 2110 941产糖量Sugaryield0 910 1580 315生育期Growthperiod0 3290 619-0 194

2.1.4 主成分命名

为更好地看出因子载荷矩阵的各系数与变量之间的关系：将初始因子矩阵作最大方差法旋转，得到旋转后的因子载荷矩阵,结果表明，株高、茎粗、单株重、茎秆产量、产糖量在第1主成分上有较高载荷，说明第1主成分基本反映了这些指标的信息，可命名为茎秆效益值；穗粒重、千粒重、籽粒产量和生育期在第2主成分上有较高载荷，说明第2主成分基本反映了这些指标的信息，可命名为籽粒效益值；锤度在第3主成分上有较高载荷，说明第3主成分基本反映了锤度的信息，可命名为锤度值。表4

2.1.5 计算主成分得分

根据主成分数学分析模型，主成分其实是原P个性状指标的线性组合，各性状指标的权数为上一步算得的特征向量，它刻划了各单项指标对于主成分的重要程度并决定了该主成分的实际意义。特征向量(a)的计算方法是初始因子载荷矩阵中的数据除以主成分相对应的特征值(b)开平方根。其中：a1=b1/SQR(5.73)；a2=b2/SQR(1.674)；a3=b3/SQR(1.154)。表明了10个性状的特征向量。表5

表5 各线性指标对应的特征向量

Table 5 Feature vectors corresponding to the linear index

性状Traitsa1a2a3株高Plantheight0 380 24-0 23茎粗Stemdiameter0 280 210 29穗粒重Grainweightperspike0 34-0 330 29千粒重Thousandseedweight0 26-0 450 16籽粒产量Kernelyield0 34-0 330 26单株重Plantweight0 380 22-0 27茎秆产量Stemyield0 380 2-0 25锤度Brix-0 080 410 73产糖量Sugaryield0 340 40 13生育期Growthperiod0 27-0 27-0 02

由此，根据主成分分析数学模型，可得到3个主成分与原10项性状指标的线性组合公式：

F1=0.38zx1+0.28zx2+0.34zx3+0.26zx4+0.34zx5+0.38zx6+0.38zx7-0.08zx8+0.34zx9+0.27zx10.

F2=0.24zx1+0.21zx2-0.33zx3-0.45zx4-0.33zx5+0.22zx6+0.2zx7+0.41zx8+0.4zx9-0.27zx10.

F3=-0.23zx1+0.29zx2+0.29zx3+0.16zx4+0.26zx5-0.27zx6-0.25zx7+0.73zx8+0.13zx9-0.02zx10.

将标准化数据分别代入公式，便可得到29个甜高粱品种在三个主成分上的得分。

以n个主成分各自的方差贡献率为权数，将n个主成分进行加权平均，即可得到主成分综合得分模型:

F=(0.572 96F1+0.167 45F2+0.115 45F3)÷0.855 86。

根据主成分综合得分模型即可计算所有参试甜高粱品种综合主成分值，并将其按综合主成分值进行排序，即可对所有参试甜高粱品种进行综合评价比较，表6表明了所有参试甜高粱品种的综合效益值和排序。表6

2.2 灰色关联度

采用因子分析法[8]确定不同变量指标的权重，Wk=(株高0.126、茎粗0.125、穗粒重0.094、千粒重0.05、籽粒产量0.093、单株重0.122、茎秆产量0.121、锤度0.058、产糖量0.151、生育期0.059)；ρ取值0.5。根据灰色系统理论中关联度分析原则，由于“参考数列”的质量是系统中质量最高的，如果被评价指标的关联度越大，与“参考数列”越接近，表明其质量越高，反之则低。依次将各评价指标按照加权关联度的大小进行排序。

综合效益值最好的是TTL-32、TTL-29和TTL-27，其次是TTL-30、SW1和甜饲1号，而本地甜高粱、意大利和九甜梁1号表现最差。由加权关联度的综合排序结果可以看出TTL-32、SW1、TTL-29的综合表现最好，其次为TTL-27、TTL-30和甜饲1号；而本地甜高粱、意大利和九甜梁1号同样表现最差。表7

综合效益值与加权关联度两种序列分析结论基本一致，秩相关显著(r1,2=0.967，P<0.01)。在两种排序方式中，仅有少数品种的名次变动较大，如，TTL-29在综合效益值排序中为第2名，而在加权关联度排序中为第3名；TTL-25在综合效益值排序中为第14名，而在加权关联度排序中为第9名。这可能是个别指标的权重在两种方法中有差异等原因造成的。

表6 综合效益值

Table 6 The comprehensive benefit value

品种VarietiesF1F2F3F排名RankingTTL-321 43-3 10 212 41TTL-292 38-1 330 842 392TTL-273 51-0 49-0 182 233TTL-301 36-1 010 711 954SW13 290 60 541 555甜饲1号TS-12 840 28-0 071 496TTL-26-0 12-1 590 761 457绿能3号LN-31 72-0 07-0 111 138九甜杂1号JTZ-13 311 2-0 351 129TTL-282 340 57-1 430 8110新高粱7号XGL-70 170 070 090 6811九甜杂2号JTZ-20 640 161 150 6212醇甜2号CT-21 21-0 3-10 6113TTL-251 94-0 17-1 020 3814TTL-330 48-0 01-0 560 2415绿能2号LN-2-1 32-0 971 610 1416TTL-31-0 910 070 22-0 2917新高粱2号XGL-2-0 02-1 57-0 82-0 4318吐甜3号TT-3-1 820 381 25-0 5219TTL-340 873 791 68-0 5720鲁克沁LKQ0 511 620 17-0 8621本地甜BDT-2 80 831 5-0 9122早熟1号ZS-1-1 2-0 690 19-0 9823高粱蔗GLZ-4 47-0 540 5-1 5124苏马克SMK-2 60 50 57-1 5725甜320T320-4 63-1 71-1 27-2 2526本地甜高粱BDTGL-0 621 55-3 06-2 7727意大利Italy-4 461 46-0 52-3 0328九甜梁1号JTL-1-3 190 51-1 56-3 6129

3 讨 论

甜高粱的综合效益是由多个性状变量指标综合作用表征的，各指标的权重大小不同，对不同甜高粱品种进行综合评价的关键是寻找主导变量：主成分分析可以将众多彼此相关的变量通过去除相关关系缩减为少数几个彼此无关的主成分；加权关联分析能够从多个变量指标中找出主要决定指标，并全面、科学地评价不同品种的综合性能。

研究表明，尽管锤度与其他性状变量间的相关强度很弱，甚至是负相关，但是在甜高粱制糖、酿酒和作为生物质能源原料等产业中是品种优劣的重要衡量指标[1]，所以在品种筛选过程中仍要将其作为重要参考性状变量。剩余9项指标变量的相关性显著或极显著，且与其加权关联度较大，表明这些指标能代表甜高粱的综合效益。试验表明，根据各性状变量与甜高粱综合效益和加权关联度的结果，在综合评价筛选甜高粱品种时，应首先根据第一主成分茎秆效益值进行筛选，剔除茎秆效益值低下的品种，再根据第二主成分籽粒效益值筛选，最终参考锤度值确定有推广潜势的优良品种(系)。

研究发现，在对甜高粱品种评价过程中，主成分分析法和加权关联度分析法这两种不同评价方法的结果极显著相关(r1,2=0.967，P<0.01)，这表明：(1)9项评价指标可以较全面反映地甜高粱的综合性质；(2)主成分分析法与加权关联度分析法排序显著相关的结果说明两者分析结果吻合、方法可靠；(3)主成分分析法和加权关联分析都具有可靠的统计学基础，都充分运用了各性状指标的绝大部分信息，这既体现了优良甜高粱品种所应具备的综合性能，又从参试品种的实际情况出发，因而优先度排序更客观、合理。

研究将主成分分析与灰色系统理论应用于甜高粱品种评价中，通过赋予不同指标不同的权重，实现了对29份材料综合效应值的量化分析及排序，与过去传统的评价方法相比避免了人为因素的影响，评价指标全面、方法客观科学、结果互证可靠。

表7 各品种综合效益值与加权关联度排名

Table 7 The ranking of the comprehensive benefit value and the weighted correlation

品种Varieties主成分综合得分Theprincipalcomponenttotalscores排名Ranking加权关联度Weightedincidencedegree排名RankingTTL-322 403510 75441TTL-292 392720 72693TTL-272 229630 71264TTL-301 946640 68815SW11 550650 73792甜饲1号TS-11 485160 66546TTL-261 446470 63647绿能3号LN-31 127980 60868九甜杂1号JTZ-11 122990 595510TTL-280 8086100 569612新高粱7号XGL-70 6813110 571811九甜杂2号JTZ-20 6165120 565613醇甜2号CT-20 6149130 52816TTL-250 3791140 59599TTL-330 2438150 528815绿能2号LN-20 1396160 512717TTL-31-0 2889170 518新高粱2号XGL-2-0 4312180 463223吐甜3号TT-3-0 5246190 543814TTL-34-0 5658200 470321鲁克沁LKQ-0 8563210 477620本地甜BDT-0 9127220 470222早熟1号ZS-1-0 9754230 461424高粱蔗GLZ-1 5097240 49119苏马克SMK-1 5659250 428125甜320T320-2 2462260 421826本地甜高粱BDTGL-2 7703270 401427意大利Italy-3 0307280 390128九甜梁1号JTL-1-3 6055290 372329

4 结 论

杂交选育出的甜高粱新品系TTL-32、TTL-29、TTL-27和TTL-30等排名靠前，茎秆效益和籽粒效益等综合效益值高，极具推广潜质；甜饲1号、绿能3号、九甜杂1号、九甜杂2号、醇甜2号、绿能2号等外引品种和当地近年选育品种新高粱7号和新高粱2号等表现稳定；高粱蔗、苏马克、甜320、本地甜高粱和意大利等本地品种已逐渐退化。

References)

[1] 卢庆善．甜高粱[M]．北京：中国农业科学技术出版社，2008：1-24．

LU Qing-shan．( 2008)．SweetSorghum[M]．Beijing． Chinese Agricultural Science and technology Press：1-24．(in chinese)

[2]再吐尼古丽·库尔班，吐尔逊·吐尔洪，阿扎提·阿不都古力，等．甜高粱对盐碱地改良效果的研究初报[J]．新疆农业科学，2011，48(8)：1 418-1 421．

Zaituniguli Kuerban，Tuerxun Tuerhong，Azati Abuduguli，et al．(2011)．Improvement of Salt-affected Soils with Sweet Sorghum [J]．XinjiangAgriculturalSciences，48(8)：1，418-1，421． (in Chinese)

[3]高风菊，朱元刚．盐胁迫对不同类型甜高粱品种产量形成的相关性分析[J]．江西农业学报，2013，25(6)：1-6．

GAO Feng-ju，ZHU Yuan-gang．(2013)．Analysis of Correlation between Salt Stress and Yield Formation of Different Types of Sweet Sorghum Varieties [J]．ActaAgricultureJiangxi，25(6)：1-6．(in Chinese)

[4]魏玉清，任贤，贝盏临．利用盐碱地种植甜高粱生产燃料乙醇的产业化前景分析[J]．安徽农业科学，2010，38(21)：11 279-11 282．

WEI Yu-qing, REN Xian，BEI Zhan-lin．(2010)．Commercialization Analysis of Sweet Sorghum Based Bio-ethanol on Salt Farmland in China [J]．JournalofAnhuiAgriculturalSciences，38(21)：11，279-11，282．(in Chinese)

[5]于秀林，任雪松．多元统计分析[M]．北京：中国统计出版社，1999： 154．

YU Xiu-lin，REN Xue-song．(1999)．MultivariateStatisticalAnalysis[M]．Beijing： China Statistics Press：154．(in Chinese)

[6]薛帅，秦烁，王继师，等．灰色系统理论在非粮柴油植物评价与筛选中的应用[J]．中国农业大学学报，2012，17(6)：225-230．(in chinese)

XUE Shuai，QIN Shuo，WANG Ji-shi，et al．(2012)．Application of Grey System Theory in Evaluation and Screening of No-food Biodiesel Plant Resources[J]．JournalofChinaAgriculturalUniversity，17(6)：225-230．(in Chinese)

[7]马立平.统计数据标准化-无量纲化方法[J]．北京统计 2000，(121)：34-35．

MA Li-ping．(2000)．Statistical Data Standardization-The Dimensionless Method [J]．BeijingStatistics，(121)：34-35．(in Chinese)

[8]刘自远，刘成福．综合评价中指标权重系数确定方法探讨[J]．中国卫生质量管理，2006，13 (2)：44-46．

LIU Zi-yuan，LIU Cheng-fu．(2006)．Study Methods of Determining Weight Coefficient of Index in Comprehensive Evaluation [J]．ChineseHealthQualityManagement．13 (2)：44-46．(in Chinese)

Fund project:Supported by the Training Program of Grassroots Youth Science and Technology Talent of Xinjiang Uygur Autonomous Region (2013741076), Youth Foundation Project of Xinjiang Academy of Agricultural Sciences "the New germplasm resources of Salt Tolerance Sweet Sorghum Contrived by EMS Chemical Mutagenesis Technology" (xjnkq-2015012) and the Special Fund for the Commercialization of Research Findings (201154104)

Comprehensive Evaluation of Sweet Sorghum Varieties Based on Principal Component Silabi Analysis and Gray Relational Grade Analysis

LIU Xiang-yu1, LIU Zu-xin2, Japar1, Siladi1, Ayijiamali Japar1, GUO Feng1

(1.TurpanresearchInstituteofAgriculturalsciences，XinjiangAcademyofAgriculturalsciences,TurpanXinjiang838000,China; 2.InstituteofAgriculturalEngineeringStandardQuota,ChineseAcademyofAgriculturalEngineering,Beijing100125,China)

【Objective】 In order to evaluate and screen elite sweet sorghum varieties, ten characteristics of 29 sweet sorghum varieties were evaluated comprehensively using the principal component analysis and the gray relational grade analysis. 【Method】 The comprehensive benefit value (F) was evaluated by the principal component analysis and the weighting coefficients by the gray relational grade analysis. 【Result】 The result showed that F varied from 2.4 to 3.61, the top 5 superior varieties were TTL-32(F=2.40)，TTL-29(F=2.39)，TTL-27(F=2.23)，TTL-30(F=1.95)and SW1(F=1.55)respectively. Comparatively, the weighting coefficients varied from 0.754，4 to 0.372，3 and the top 5 superior varieties were TTL-32(γ=0.754，4)，SW1(γ=0.737，9)，TTL-29(γ=0.726，9)，TTL-27(γ=0.712，6)and TTL-30(γ=0.688，1)respectively. For the 29 sweet sorghum varieties,the results of the two ranking methods were highly significantly (P<0.01) correlated with a correlation coefficient of 0.967. our results also demonstrated that the 10 evaluation indicators for comprehensive quality evaluation of sweet sorghum varieties have the same importance. 【Conclusion】 The top four varieties were TTL-32, TTL-29, TTL-27 and TTL-30. Because comprehensive benefit value of their stems and grain benefits etc. is high，so they have the very broad promotion potential. The varieties performance, such as TS-1, LN-3, JTZ-1, JTZ-2, CT-2, LN-2, XGL-2 and XGL-7 is stable; Other varieties such as GLZ, SMK, T-320,BDTGL and YDL etc. had gradually degraded.

the principal component analysis；the gray relational grade analysis；sweet sorghum；comprehensive evaluation

10.6048/j.issn.1001-4330.2016.01.013

2015-05-13

新疆维吾尔自治区基层青年科技人才培养项目(2013741076)；新疆农科院青年基金项目“EMS化学诱变技术创制耐盐碱甜高粱新种质资源”(xjnkq-2015012)；新疆维吾尔自治区科技成果转化专项资金项目(201154104)

刘翔宇(1979-)，男，高级农艺师，硕士，研究方向为甜高粱育种和高产栽培，(E-mail)lxy791021@sina.com

郭峰(1964-)，男，研究员，研究方向为作物育种及栽培，(E-mail)guofeng501@163.com

S514.032

A

1001-4330(2016)01-0099-09