基于灰色关联度分析和DTOPSIS 法的芦笋种质资源综合评价

张冰冰，叶艳英，金水凤，罗稳根，周劲松，尹玉玲，罗绍春，汤泳萍

（1. 江西省农业科学院 蔬菜花卉研究所，江西 南昌 330200；2. 吉安市农作物良种场，江西 吉安 343016）

芦笋（Asparagus officinalisL.）又名石刁柏，为多年生宿根性蔬菜，富含皂苷、芦丁、黄酮和植物多糖等多种活性成分[1]，具有很好的抗肿瘤、抗氧化和降“三高”等功效[2]，被誉为蔬菜之王。清朝末年传入我国。目前我国已成为世界第一大芦笋生产及出口国，年产量约为780 万t，约占世界总贸易量的50%[3]，其农业产值已接近200 亿元[4]。芦笋产业已发展成为前景广阔的朝阳产业。

由于芦笋是多年生蔬菜，一次播种可持续收获10 a以上，其产量和品质短期内不易确定。所以，发展芦笋产业，品种的选择至关重要。我国芦笋属种质资源相对贫乏，遗传背景较狭窄，雌雄异株，育种年限长，严重制约了优异品种选育。研究发现，不同品种芦笋其总产量可达3 倍左右差异，商品笋差异甚至高达7倍以上[5]。且芦笋生产与环境气候、土壤条件密切相关。同一品种在不同生态条件下的丰产性和综合性状有很大差异，不同气候条件的适宜品种也不尽相同[6]。前人对芦笋品种（系）生态适应性评价做了大量工作，引种筛选获得一批适合当地推广的芦笋新品种（系）[7-10]，但其多采用方差分析法，相关性状较多，信息分散，无法精准综合评价。近年来，灰色关联度分析[11]和DTOPSIS 法[12]利用模糊理论对多个性状进行归一排序计算，减少人为因素，已被广泛应用于玉米[13]、小麦[14]、大豆[15]等作物品种的综合评价，但在芦笋中未见报道。

江西省属亚热带季风气候，是我国芦笋主产区之一，地形复杂，红壤黏性土居多，生态类型差异明显。引进芦笋新品种质量表现参差不齐，优良品种资源匮乏，亟需对芦笋品种进行综合评价。因此，采用灰色关联度分析和DTOPSIS 法对2018—2019年度吉安市良种场内芦笋资源圃的43 份芦笋新品种（系）适应性进行综合评价，比较芦笋种质不同评价方法的准确性，并筛选出综合表现较好的芦笋新品种（系），为芦笋种质综合评价及其在江西省示范推广提供理论依据。

1 材料和方法

1.1 试验材料

试验选用国内外的芦笋新品种（系）43 个（表1），种植在吉安市良种场内芦笋资源圃，均为二倍体品种（系）。

表1 供试材料信息Tab.1 Test material information

1.2 测定项目及方法

1.2.1 产量和商品性 2019 年3 月1 日于光头笋时期第1 次采笋，逐日记载小区产量至4 月1 日，并折算成每667 m2产量（K1，kg）进行分析，以嫩茎白根部以上长至30～35 cm 为采笋标准。参照ZHU 等[16]方法进行分级，嫩茎基部直径大于1.2 cm 为优质笋（K2，kg）、大于0.6 cm 为商品性笋（K3，kg），并计算优质笋率（K4，%）与商品笋率（K5，%）。参照《植物新品种特异性、一致性和稳定性测试指南芦笋》（NY/T 2496—2013）嫩笋笋头形状、鳞芽包裹程度对嫩笋外观品质（K14）进行分级，记录嫩笋粗细均匀度一致性（K13），均标注“好、一般与差”。

1.2.2 植株农艺性状 2017 年10 月将芦笋幼苗定植于资源圃，2018年12月10日割母茎，2019年初记录各品种（系）见笋日期，并根据割母茎时间转换成见笋时间（K10，d）。每品种（系）随机连续30株插牌采笋时标记其抽笋数（K11，支），插牌单株地上部生长量最大时，测单株株高（K6，cm）、第二主茎株高（K7，cm）、茎粗（K8，cm）、第一分枝高度（K9，cm）。其中，茎粗为距地面5 cm的直径。

1.2.3 植株抗病性 江西省位于长江中下游南岸，属亚热带季风气候，雨量丰沛，多年平均年降水量1 638 mm，4—6 月为降雨集中期，降水量接近全年一半[17]，是我国多雨省区之一。芦笋露天种植，极易受茎枯病危害，植株提前枯萎，甚至全田毁灭。所以，采用大棚避雨栽培生产，其棚内病害发生较轻。因此，整体调查每品种（系）小区植株芦笋褐斑病、菌核病、根腐病和茎枯病的发生情况，评价其抗病性（K12），标注分级“好、一般与差”。

1.3 统计分析

1.3.1 软件分析 笋外观品质、粗细均匀度与抗病性的分级结果中好、一般与差分别赋值为2、1 与0，

进行数据分析。采用Excel 2010 处理数据，并根据公式进行灰色关联度和DTOPSIS 的计算；使用SPSS 25.0 对不同评价方法的排名结果进行相关性分析，并用Pearson相关系数表示。

1.3.2 灰色关联度分析 依据灰色系统理论，将43个参试品种（系）看成一个灰色系统，每个芦笋品种（系）即为系统中的1 个因素（i）。依据育种目标并结合其品种优良性状的上限指标确定1个理想品种，作为参考种质（H0），以H0的各性状指标为参考数列（X0k），以芦笋品种（系）的各性状指标为比较数列（Xik）。用下列公式分别计算出43 个参试品种（系）与参考种质的关联系数、等权关联度和加权关联度，根据关联度大小评价参试芦笋品种（系）的优劣。式中，i表示参评种质个数，k表示参评指标个数，以下同。对照本试验，i值为43，k为14。

公式（1）中，ξik为关联系数，ρ为分辨系数（ρ=0.5），|X0k-Xik|为绝对差值，min|X0k-Xik|为H0 二级最小差值绝对值，max|X0k-Xik|为二级最大差值绝对值；公式（2）中γi为等权关联度；公式（3）中△γi为加权关联度，ωk为各性状的权重系数（通过计算各性状与产量的关联度而求得）。

1.3.3 DTOPSIS 法分析 上述灰色关联度分析得到各权重系数，乘以经无量纲化处理的矩阵得到决策矩阵R。根据公式（4）和（5）得到正理想解数列（X+）与负理想解数列（X-）。

2 结果与分析

2.1 43个芦笋品种（系）的灰色关联度分析

2.1.1 43 个芦笋品种（系）的14 个性状表现及参考种质的确定 参考种质的确定需要综合考虑试验中各参试品种优良性状的上限指标和芦笋品种选育目标。芦笋最重要采收季为春季光头笋时期，其出笋越早，越有利于提前上市，产品价格高。因此其参考种质的见笋时间设定为95 d，其他性状依据各性状的最优指标（接近或略高于最优指标）设定数值，获得43个芦笋品种（系）和参考种质的性状表现（表2）。

表2 参考种质与43个参试品种（系）的14个性状表现Tab.2 Fourteen traits of the reference variety and tested varieties（lines）

续表2 参考种质与43个参试品种（系）的14个性状表现Tab.2（Continued） Fourteen traits of the reference varieties and tested varieties（lines）

2.1.2 43 个芦笋品种（系）与参考种质的关联系数 不同考察性状的计量单位不同，不便于比较，采用相应的Xik数值除以X0k数值，获得数量级相同的新数据；计算X0k与Xik相应性状绝对差值△ik，△ik=∣X0k-Xik∣（i=1，2，3，…，43；k=1，2，3，…，14）。结果显示，max△ik和min△ik分别是1.000 0和0，代入公式（1）即获得43 个芦笋品种（系）与参考种质14个性状的关联系数，结果见表3。

表3 43个芦笋品种（系）与参考种质14个性状的关联系数Tab.3 Correlated coefficient of 14 traits between 43 test accessions and the reference variety

续表3 43个芦笋品种（系）与参考种质14个性状的关联系数Tab.3（Continued） Correlated coefficient of 14 traits between 43 test accessions and the reference variety

2.1.3 43 个芦笋品种（系）与参考种质的关联度分析 在评价作物品种（系）的优劣时，其各性状的重要性不一样，因此采用等权关联度去评价不同品种（系）的优劣并不适宜，应采用加权关联度△γi进行评价。具体方法如下：将芦笋产量作为参考数列，其他13 个性状作为比较数列，利用公式（1）和公式（2）计算芦笋产量与其他13 个性状的关联系数ξik和等权关联度γi，再计算出各性状的权重系数ωk。最后，利用公式（3）求出加权关联度△γi，结果见表4。

表4 43个芦笋品种（系）产量与其他13个性状的关联系数、加权关联度及权重系数Tab.4 Correlated coefficient，correlated degree and weight coefficient of yield of the 43 tested varieties（lines）and other 13 traits

续表4 43个芦笋品种（系）产量与其他13个性状的关联系数、加权关联度及权重系数Tab.4（Continued） Correlated coefficient，correlated degree and weight coefficient of yield of the 43 tested varieties（lines）and other 13 traits

由表4 可看出，芦笋产量与其他13 个性状的关联度顺序为：优质笋率（0.849 3）＞优质笋产量（0.808 5）＞商品笋率（0.765 0）＞见笋时间（0.747 5）＞第一分枝高度（0.736 3）＞第二主茎株高（0.702 7）＞商品笋产量（0.692 8）＞株高（0.628 1）＞抽笋数（0.602 9）＞抗病性（0.566 8）＞笋外观品质（0.566 7）＞笋粗细均匀度（0.566 0）＞茎粗（0.563 9），说明优质笋率对芦笋产量影响最大，其次为优质笋产量和商品笋率；在农艺性状中，见笋时间对芦笋产量影响最大，以茎粗对产量影响最小。因此，选育高产芦笋新品种时应首先注重提升优质笋的质量比重，其次是选育春季出土早的优良材料，同时也要兼顾芦笋株型等其他性状。

2.2 43个芦笋品种（系）的DTOPSIS法分析

建立决策矩阵R（表5），正理想解数列（K+）与负理想解数列（K-）分别为：

表5 DTOPSIS法决策矩阵RTab.5 Decision matrix R by DTOPSIS

续表5 DTOPSIS法决策矩阵RTab.5（Continued） Decision matrix R by DTOPSIS

K+={0.101 7，0.080 6，0.070 6，0.085 7，0.076 9，0.067 8，0.077 3，0.052 6，0.070 2，0.09 8，0.059 7，0.057 9，0.057 8，0.057 8}；K-={0.022 8，0.011 8，0.013 4，0.038 8，0.055 0，0.035 2，0.038 4，0.021 6，0.026 3，0.077 9，0.015 4，0，0，0}。

2.3 灰色关联度和DTOPSIS法结果与小区产量分析

结合表5，计算参试品种（系）与参考种质的相对接近度Ci，结果见表6。根据灰色理论分析原则，关联度值（γi，△γi）或相对接近度Ci值越大，排序越靠前，说明品种的综合性状越理想。等权关联度和加权关联度排在前10 位的均是H1、H2、H3、H4、H8、H11、H18、H24、H36 和H37，与产量排序结果比较，发现H8、H11 和H37 分别排在产量的第14、18、15位，其余均位列产量前10位。DTOPSIS法排序的前10 位为H1、H2、H3、H4、H8、H18、H24、H34、H35和H36，与产量排序结果比较分析，发现H8 排在产量的第14 位，其余材料均排在产量前10 位。综上可见，H1、H2、H3、H4、H18、H24 和H36 位列4 项排名的前10位，综合性状表现最佳。由表2可知，上述材料具有产量高、出笋早、株型粗壮和高大的特点，适宜在江西省或相似生态区大棚设施栽培推广。

对表6 中4 项排序结果进行相关性分析，结果表明，DTOPSIS 法Ci排名与产量排名呈极显著正相关，相关系数为0.918，灰色关联度排名与产量排名呈极显著正相关，γi排名与产量排名相关系数为0.652，△γi排名与产量排名相关系数为0.710；DTOPSIS法Ci值排名与灰色关联度排名呈极显著正相关，与γi排名相关系数为0.859，与△γi排名相关系数为0.900 0，说明采用基于灰色关联度分析的DTOPSIS 法评价芦笋新品种（系）适应性的结果更可靠。

表6 参试品种（系）与参考种质的关联度与Ci排序及小区产量排序结果Tab.6 Correlated degree，Ci and plot yield orders of the tested varieties（lines）with reference variety

续表6 参试品种（系）与参考种质的关联度与Ci排序及小区产量排序结果Tab.6（Continued） Correlated degree，Ci and plot yield orders of the tested varieties（lines）with reference variety

3 结论与讨论

3.1 不同评价方法适应性评价结果的差异比较

灰色关联度分析和DTOPSIS 法虽然均是计算参评品种（系）与理想品种（系）的接近度，但计算方法不同，其结果存在明显差异。按产量表现评价种质的最大差异率为77.59%，灰色关联度分析评价种质的最大差异率分别为41.03%（γi）和40.33%（△γi），DTOPSIS 法评价种质Ci的最大差异率为68.40%。可见，Ci值差异率大于灰色关联度差异率，说明DTOPSIS 法比灰色关联度分析评价芦笋种质适应性更合理、更充分，与蒋聪等[18]、赵平等[19]结论保持一致。DTOPSIS 法Ci排名、灰色关联度排名均与产量呈极显著正相关，但DTOPSIS 法Ci排名与产量排名相关系数为0.918，大于灰色关联度与产量的相关系数。因此，DTOPSIS 法可以更好地区分品种（系）优劣，但其方法使用了灰色关联度分析运算得到的权重系数ωk，所以在实际评价中2 种方法可以联合使用。

3.2 芦笋新品种（系）在江西省的适应性综合评价

灰色关联度分析时，合理确定参考数列和各性状权重系数是保证评价结果准确性的关键[20]。本研究根据芦笋新品种选育目标同时参考种质优良性状的上限指标来确定参考种质；权重系数的确定是通过计算芦笋产量与其他性状的关联系数和关联度，进而再归一化处理获得。最后，通过关联度和接近度的计算，将多个性状评价指标集中为一个值进行排序，减少了人为因素对结果的干扰，结果更加客观、科学。最终，H1、H2、H3、H4、H18、H24 和H36 位列4 项排名的前10 位，具有产量高、出笋早、株型粗壮和高大的特点，综合性状表现较好，可进一步试验、示范及推广。

本研究中芦笋种质评价涉及多个评价指标，各因素贡献程度不同，关联度比较显示，优质笋率对芦笋产量影响最大，表明优质笋率是评价芦笋质量的重要指标，与李霞等[21]的结果一致。在植株农艺性状中，见笋时间对产量影响最大，其次是第一分枝高度、第二主茎株高、株高和抽笋数，其关联度值均大于0.6；而抗病性、笋外观品质、嫩笋粗细均匀度与茎粗等对产量影响较小。陈河龙等[22]采用主成分分析法研究发现，第一分枝高度、茎粗、株高是芦笋品种的主要农艺性状，株高是影响嫩茎产量的主要因素。与前人研究结果存在异同，可见，除环境与种质因素外，分析方法的使用也会使结果产生差异。另外影响芦笋田间表现的性状较多，如一级分枝数、一级分枝间距、笋鳞片数量、笋鳞片长宽度等，本研究只对部分主要性状进行考察，今后应将其全部性状纳入评价体系，使研究结果更加全面、客观、公正。

综上，在芦笋新品种选育时应首先注重提升优质笋的质量比重，其次是选育春季出土早的优良材料作亲本，同时也要兼顾芦笋株型等其他性状；Gijnlim、Extremely male imperial crown、Florida、Jersey knight、California early、巨丰和UC115 的适应性和丰产性均较好，可进一步考察、示范与推广。由于本研究只分析了芦笋一个生长季的性状特征，只能反映这个生长季的结果，今后需要积累多个生长季评价结果，以筛选出稳定的、综合性状优良的芦笋种质。基于灰色关联度分析的DTOPSIS 法更适于综合评价江西省芦笋新品种（系）的适应性。