基于灰色关联度分析和DTOPSIS法对皖北水稻品种的综合评价

叶全洲 梁振伟 刘大存

摘要 ［目的］为筛选出适应皖北地区种植的水稻品种，同时为水稻新品种的育种、精准定位推广提供依据。［方法］以17个水稻品种的21个性状为试验材料，采用基于灰色关联度分析法和DTOPSIS法对水稻品种的适应性进行全面的综合评价，分析比较品种间的差异。［结果］灰色关联度分析法和DTOPSIS法都能对水稻新品种进行较全面综合评价，准确反映品种的优劣。2种方法的综合评价结果存在差异。在赋予相同权重的情况下，灰色关联度分析结果显示，参试水稻品种与理想品种之间的关联度εt（k）值的最大差异率为26.7%；DTOPSIS法分析结果显示，参试品种与理想解的相对接近度Gi值，其最大差异率为70.0%。最大差异率从大到小依次为 Gi值、εt（k）值、 产量差异。DTOPSIS法更能体现品种间的差异和反映品种优劣，较灰色关联度分析法更适合用于水稻新品种的综合评价。［结论］韵两优丝苗、赞两优570、悦两优2646和韵两优332这4个优良品种在皖北适应性、稳定性、丰产性和抗病性均较好，可进一步试验、示范及推广。DTOPSIS法是综合评价皖北新水稻品种优劣的好方法。

关键词 水稻；灰色关联度分析；DTOPSIS法；综合评价

中图分类号 S-3   文献标识码 A

文章编号 0517-6611（2024）12-0034-08

doi：10.3969/j.issn.0517-6611.2024.12.008

Comprehensive Evaluation of Rice Varieties in Northern Anhui Based on Grey Correlation Analysis and DTOPSIS Method

YE Quan-zhou1，LIANG Zhen-wei2，LIU Da-cun2

（1.Shenzhen Wugu Network Technology Co.，Ltd.，Shenzhen，Guangdong 518055;2.Shenzhen Fengnong Digital Intelligence Agricultural Technology Co.，Ltd.，Shenzhen ，Guangdong 518055）

Abstract ［Objective］ To select rice varieties suitable for planting in northern Anhui，and  to provide a basis for breeding， precise positioning and promotion of new rice varieties.［Method］ Two methods of grey correlation analysis and DTOPSIS were applied to comprehensively evaluate the adaptability of 17 rice varieties including 21 characters.The differences among varieties were analyzed and compared.［Result］ The gray correlation analysis method and DTOPSIS method could make comprehensively and integrative evaluations of new rice varieties and accurately reflect their advantages and disadvantages of varieties.And the results of the two methods differed.Under the case of giving the same weights，the results of the gray correlation analysis showed that the correlation coefficient εt （k） differed among the participating rice varieties and the ideal variety，and its maximum difference rate was 26.7%.The results of DTOPSIS method analysis showed that the relative proximity factor Gi differed among the participating rice varieties and the ideal variety，and its maximum difference rate was 70.0%.The maximum difference rate was in the order of Gi > εt（k） > yield difference.It indicated that the DTOPSIS method could reflect the differences among varieties and reflect the advantages and disadvantages，and was more suitable for the comprehensive evaluation of new rice varieties，comparing to the gray correlation analysis.［Conclusion］The four excellent rice varieties of Yunliangyousimiao，Zanliangyou 570，Yueliangyou 2646 and Yunliangyou 332 had better adaptability，stability，yield and disease resistance in northern Anhui.And these four varieties could be considered for further test，demonstration and promotion.The DTOPSIS method was a reasonable method to comprehensively evaluate the advantages and disadvantages of new rice varieties in northern Anhui.

Key words Rice;Grey correlation analysis;DTOPSIS method;Comprehensive evaluation

基金项目 广东省现代农业产业园项目（GDSCYY2022-046）；深圳市科技计划项目（CJGJZD20210408092401004）。

作者简介 叶全洲（1968—），男，湖北襄阳人，中级工程师，从事作物栽培学和数字农业研究。

收稿日期 2023-08-15

水稻（Oryza sativa L.）是我国的主要粮食作物之一。我国约有2/3的人口以大米为主食，常年稻谷消费总量保持在2亿t左右。 水稻在保障我国粮食安全中起着至关重要的作用［1］。安徽省地处暖温带与亚热带的过渡地带，依据地理位置、光温水土资源、 耕作制度、品种类型及生产条件等状况，其水稻种植区域可划分为5个稻作区，包括沿江双、单季稻作区，江淮丘陵单、双季稻过渡区，沿淮淮北单季稻作区，大别山地单、双季稻作区和皖南山地单、双季稻作区；南北过渡地带的地理位置和多样性的生态条件，形成了安徽省水稻品种的多样性 ［2］。生态环境多样性和复杂的气候条件增加了育种和种植的风险，因此对新品种进行综合评价很有必要。近年来，各地审定公布的水稻品种不断增加，为了更合理地应用新品种，达到丰产、稳产的目的，同时降低种植的风险，种植者需要全面了解品种特性、耕作环境条件及方法才能发挥种子的最大效益。水稻品种评价取决于多种性状的表现，如何准确客观对水稻品种进行评价就显得尤为重要，这也是现代育种的一个重要环节［3］。国内外综合评价方法大致可分为定性评价、定量评价和组合评价三大类，多种评价方法使用能够取长补短，增强评价结果的稳健性［4-6］ 。品种评价应用较多的方法有隶属函数法、主成分分析法、聚类分析法、同异分析法和相关性分析法等［7-11］，这些评价方法已应用于甜菜、小麦、大豆、棉花、水稻、花生、玉米、油菜、烟草、葡萄等作物［12-21］。DTOPSIS 法是近年来被广泛应用的一种新的综合评价方法，该方法广泛应用在多目标决策分析中，其根据理想化目标的接近程度对评价对象的有限个数进行排序，对现有对象进行相对好坏评价［22］。实际育种工作中大多数是通过基于方差分析等方法，对产量这个单一性状进行评价，存在结果误差大，不能公平客观评价品种的真实情况，导致误判，一些优良的品种得不到应用及推广。安徽五河生态环境多样，气候条件复杂，生态环境差异明显，对水稻品种适应性要求更高，规避引种风险，对品种进行全面评价很有必要。灰色关联度分析和DTOPSIS 法虽然被广泛应用，但实际应用于皖北水稻品种综合评价上却很少报道。鉴于此，笔者将灰色关联度分析融入 DTOPSIS 法并应用于皖北水稻品种综合评价中，对17个具有代表性的水稻品种分析对比，筛选出综合性状优良且适应在皖北地区种植的水稻种质资源。

1 材料与方法

1.1 试验地概况 试验于2022年在安徽省蚌埠市五河县五河镇大于村进行，试验地地势平坦，排灌方便，土质为壤土，肥力中等，前茬为空闲田。

1.2 试验材料

参试水稻品种选用韵两优128、亮两优534等17个中稻品种，其中徽两优898为对照品种，参试品种均购买自湖南隆平种业有限公司（表1）。

1.3 试验方法

试材种植管理统一按照NY/T 1300—2007《农作物品种区域试验技术规范 水稻》［23］执行。5月11日播种，薄膜湿润育秧，6月11日移栽，每小区面积13.3 m2，四周设保护行，栽植株行距为16.6 cm×29.9 cm ，田间管理同常规大田。

水稻品种性状调查按照韩龙植等［24］报道的方法进行，分别于苗期、分蘖期、成熟期进行田间观察测量，记录每个品种的基本苗数、有效穗数、生育期、株高、倒伏程度、抗病性、产量、成熟期。每小区取10株有代表性植株进行室内考种，记录每穗粒数、结实率、穗长和千粒重，计算各小区产量，数据重复3次取平均值。

米质等级按照NY/T 83—2017《米质测定方法》执行［25］。整精米率按照NY/T 593—2013《食用稻品种测定方法》执行［26］。垩白粒率、垩白度按照NY/T 2334—2013《稻米整精米率、粒型、垩白粒率、垩白度及透明度的测定图像法》执行［27］。胶稠度按照GB/T 22294—2008《粮油检验大米胶稠度测定方法》执行［28］。直链淀粉含量按照NY/T 2639《稻米直链淀粉的测定分光光度法测定》执行［29］。稻瘟病按照DB43/T 319—2006《水稻抗稻瘟病鉴定及评价方法》执行［30］。白叶枯病抗性按照DB34/T 2810—2017《水稻白叶枯病抗病性鉴定技术规程》执行［31］。稻曲病抗性按照DB34/T 2811—2017《水稻稻曲病抗病性鉴定方法》执行［32］。褐飞虱抗性按照GB/T 15794—2009《稻飞虱测报调查规范》执行［33］。倒伏程度按照DB34/T 3122—2018《水稻主要气象灾害调查技术规范》执行［34］，分别统计测定结果。

1.4 数据处理

采用DTOPSIS法和灰色关联度分析法对试验数据进行处理和分析。按照夏来坤等［35］报道的评价方法对数据进行无量纲化处理；根据刘丽娟等［36］报道的方法，将DTOPSIS法综合评价的21个性状指标分为3类；按照邓聚龙［37］报道的灰色系统理论公式计算关联系数和加权关联度；分析软件为 Excel 2019 和SPSS 20.0。DTOPSIS法分析详细步骤参照文献［36］报道的方法。

2 结果与分析

2.1 DTOPSIS法对新品种的适应性评价分析

2.1.1 新品种性状的比较矩阵和无量纲化处理。

根据17个参试水稻品种的21个性状指标构建评价矩阵（表2）。17个水稻品种评价性状分别为倒伏程度、有效穗数、每穗粒数、穗长、结实率、千粒重、产量、整精米率、垩白粒率、长宽比、垩白度、胶稠度、直链淀粉含量、米质等级、生育期、株高、稻瘟病损失率、稻瘟病综合指数、白叶枯抗性、稻曲病抗性、褐飞虱抗性。进一步对评价矩阵结果进行计算，得到表3。由于21个性状各有不同的计量单位，因而原始数据存在量纲和数量级上的差异，不同的量纲和数量级不便于比较，或者比较时难以得出正确结论。因此在进行计算之前，通常对原始数据进行无量纲化处理，将用于DTOPSIS法综合评价的21个性状指标分为3类。正向指标14个，包括倒伏程度、有效穗数、每穗粒数、穗长、结实率、千粒重、产量、整精米率、垩白粒率、长宽比、垩白度、胶稠度、直链淀粉含量、米质等级，该类性状作为育种目标，指标值越大越好；中性指标2个，包括全生育期和株高，指标值要求适中；负向指标5个，包括稻瘟病损失率、稻瘟病综合指数、白叶枯抗性、稻曲病抗性、褐飞虱抗性，指标值要求越小越好。

2.1.2 熵权法确定各指标的权重。

在水稻品种评价中，评价指标的熵值越大，表示差异性系数越小；权重越大，则该指标提供的信息量越大，其在品种评价中的贡献越大。由表3可知，21个性状指标的权重从高到低依次为米质等级、白叶枯病抗性、垩白度、千粒重、直链淀粉含量、垩白粒率、褐飞虱抗性、稻瘟病综合指数、每穗粒数、有效穗数、穗长、株高、稻瘟病损失率、长宽比、产量、稻曲病抗性、生育期、结实率、整精米率、倒伏程度和胶稠度。产量方面5项（每穗粒数、有效穗数、千粒重、穗长和结实率）的权重总和为0.217 3，千粒重（0.064 0）的权重在整个性状排序中占第4位，表明该指标在综合评价中影响较大。中性指标株高和生育期的权重分别是0.032 6和0.024 5，在21个性状评价指标中位于第12和17位，说明这2个指标在水稻品种评价中的贡献较小。稻米品质方面7项（整精米率、直链淀粉含量、胶稠度、长宽比、垩白粒率、垩白度、米质等级）的权重总和为0.406 0，米质等级（0.134 1）的权重排列最高，该性状的权重在21个性状中占第1位，表明米质等级这项指标在综合评价中影响较大。抗病性5项（稻瘟病综合指数、稻瘟病损失率、稻曲病抗性、稻飞虱抗性、白叶枯病抗性）的权重总和为0.271 6，白叶枯抗病性（0.097 3）的权重在整个性状排序中占第2位，表明该指标在综合评价中影响最大，胶稠度、倒伏程度权重最低。

从水稻生产实际情况看，一直把田间产量性状指标放在非常重要的位置，采用熵权法计算出的权重仅为0.033 2 ，权重值偏低，该性状权重在整个性状排序中占第15位。抗病性5项（稻瘟病综合指数、稻瘟病损失率、稻曲病抗性、稻飞虱抗性、白叶枯病抗性）也是几个重要的指标，采用熵权法计算出的权重值和为0.271 6，白叶枯病性状占整个性状第2位，说明在皖北地区水稻白叶枯病表现出良好的抗性。米质相关指标7项包括（整精米率、直链淀粉含量、胶稠度、长宽比、垩白粒率、垩白度、米质等级）采用熵权法计算得到的总权重和为0.406 0，较抗病性5项排序略低，米质等级性状占整个性状的首位，在稻米品质评价中，综合得分越高表明综合品质越好，田间产量性状5项排序最低，上述这些异常可能与选择的品种、性状指标、样品数量、栽培措施、气候等因素有关，需进一步验证。

2.1.3 参试水稻品种各性状的正负理想解。建立加权决策矩阵（表4），21个性状的理想解（X+）和负理想解（X-）数值如下：

X+=｛0.025 0，0.033 0，0.0170 ，0.045 0，0.053 0，0.023 0，0.065 0，0.031 0，0.034 0，0.021 0，0.032 0，0.061 0，0.085 0，0.012 0 ，0.063 0，0.135 0，0.033 0，0.054 0，0.098 0，0.029 0，0.061 0｝。

X-=｛ 0.000 0，0.000 0，0.000 0，0.000 0，0.001 0，0.000 0，0.001 0，0.000 0，0.000 0，0.000 0，0.000 0，0.001 0，0.001 0，0.000 0，0.001 0，0.001 0，0.000 0，0.001 0，0.001 0，0.000 0，0.001 0｝。

2.1.4 参试水稻品种与理想解接近度距离分析。

经计算得出（表5），Gi值越大，表示该品种越接近理想的育种目标。参试水稻品种与理想品种的接近度（Gi）值由高到低依次排序为隆两优618、赞两优570、冠两优华占、韵两优827、隆两优2010、隆8优丝苗、隆8优534、韵两优丝苗、韵两优128、麟两优华占、韵两优1949、隆两优608、领优华占、亮两优534、悦两优2646、韵两优332和徽两优898。17个水稻品种Gi值排序前5 位的品种依次为隆两优618、赞两优570、冠两优华占、韵两优827和隆两优2010 。其中，隆两优618的理想解接近度距离Gi值最高，为0.642 0，田间产量排名第5位；赞两优570的Gi值排名第2位 ，其田间产量排名第2位 ；冠两优华占的Gi值排名第3位，其田间产量排名第11位；韵两优827的Gi值排名第4位，其田间产量排序第8位，韵两优128的Gi值排名第9位 ，其田间产量排序第4位，表明第5个品种综合性状优良，与理想品种的接近度高，适宜在皖北地区推广种植。但亮两优534田间产量排序第1位，其Gi值排序第14位，悦两优2646田间产量排序第3位，但Gi值排序第15位。可以看出，不同水稻品种基于DTOPSIS法的Gi值排序结果仅以产量作为评价指标的排序结果存在一定差异，需进一步示范验证。领优华占、隆两优608和麟两优华占3个品种的Gi值和田间产量排序分别为第13、15、14位和12、16、10位，第3个品种田间产量和Gi值指标都落后，且低于对照品种徽两优898，这3个品种不适应当地种植。

2.1.5 灰色关联度法对新品种适应性评价分析。

首先按照水稻品种的各性状权重系数求出不同品种的关联系数，对关联系数加权得到17个水稻品种灰色关联度值及排序，进而获得与参考品种接近的加权关联度，最终从中选出最佳品种，关联系数代表着该子序列与母序列对应维度上的关联程度值，数字越大，代表关联性越强，品种越接近理想品种，更能适应皖北地区的生态条件。从表5可以看出，参试水稻品种与理想品种的关联度εt（k）值从高到低依次排序为韵两优1949、亮两优534、悦两优2646、韵两优丝苗、韵两优332、领优华占、麟两优华占、隆两优608、隆两优2010、徽两优898、隆8优丝苗、冠两优华占、隆8优534、赞两优570、韵两优827和隆两优618。这表明评价皖北地区水稻的适应性按灰色关联度εt（k）值进行的排序与按田间产量进行的排序既有相同又存在差异，从排序可看出，韵两优1949、亮两优534和悦两优2646这3个品种按灰色关联度分析进行排序分别位于第1、2和3位，而按产量排序时位于第7、1和3位，这3个品种的关联度εt（k）值排序与田间产量排序几乎相当；韵两优丝苗、领优华占和麟两优华占这3个品种按灰色关联度分析排序时位于第4、6和7位，而按田间产量时位于第13、15和14位。这说明按灰色关联度分析的结果和按田间产量分析的结果存在异同，但整体趋势大致相似，具有较强的生态适应性，其余品种低于对照品种徽两优898，说明这8个品种在皖北的生态适应性低。韵两优1949、亮两优534和悦两优2646这3个品种均优于领优华占和麟两优华占2个品种。

2.2 不同评价方法对新品种适应性评价结果的差异比较

根据田间产量表现、灰色关联度分析法和DTOPSIS法评价水稻新品种，结果见表5。2种方法虽然均是计算参试水稻品种与理想品种的关联度和接近度，但计算方法不同，因此结果存在差异。田间产量排序结果显示，按DTOPSIS法的排序结果较灰色关联度分析法的排序结果更吻合。按田间产量表现评价新品种，田间产量差异率最大值是35.9%；按灰色关联度分析法评价新品种，关联度εt（k）差异率最大值是26.7%，按DTOPSIS法评价新品种的相对接近度Gi差异最大值是70.0%。可见，DTOPSIS法相对接近度的最大值Gi值差异大于灰色关联度εt（k）和田间产量，说明DTOPSIS法比灰色关联度分析法评价水稻新品种的适应性更合理、更充

分。从表5可看出，灰色关联度分析法结果显示，各品种间有一定差异，品种关联度差异在0～26.7%，隆两优618（V9）差异最大，为26.7%；亮两优534（V3）差异最小，为5.5%，说明不同水稻品种在皖北地区的适应性有一定差异范围。悦两优2646（V12）、韵两优332（V15）、韵两优丝苗（V4）和韵两优827（V5）离差异最小值亮两优534（V3）最接近，即差异很小，说明这4个品种综合性状优良，适应皖北生态条件。DTOPSIS法分析结果还显示，各品种间差异较大，品种相对接近度差异在0～70.0%，韵两优332（V15）差异最大，为70.0%，赞两优570（V16）差异最小，为3.1%，表明品种之间的差异范围大，在皖北适应性范围更强，选择品种的范围和对品种优劣评判维度更大。田间产量间的结果显示，不同水稻品种在皖北地区的田间产量间也有差异。差异在0～35.9%，隆两优2010（V11）的田间产量差异最大，为35.9%，田间产量为9 571.1 kg/hm2，产量最低，不适合推广种植；赞两优570（V16）的田间产量差异最小，为5.5%，田间产量为14 101.3 kg/hm2，产量最高，适合推广种植。悦两优2646（V12）、韵两优128（V1）、隆两优618（V9）和韵两优332（V15）与差异最小值较接近，分别为5.6%、7.7%、8.0%和10.6%，表明这几个品种在皖北丰产性好。

3 讨论

优良的水稻品种应具有广泛的生态适应性、稳定性、丰产性、抗病性和优质性等特点。农作物品种综合评价方法很多，已广泛应用于不同作物试验中。岳海旺等［38］对2020—2021年黄淮海的22个夏玉米品种、张子豪等［39］对江汉平原的34个小麦品种、赵平等［40］对18个西瓜品种、孔凡信等［41］对辽西19个高粱品种的产量、抗病性和品质等进行评价分析，判定在本区域内的适应性、稳定性、丰产性和抗病性，为品种精准定位引进和推广提供了科学依据。

该研究包括17个水稻品种的21个性状，首先对这21个性状构建比较矩阵，进行标准化处理，求出21个性状的煽值权重并加权确立各性状的权重，然后求出参试品种理想解的相对接近度和灰色关联度。表3基于煽值赋权DTOPSIS法的评价结果显示，21个性状指标的权重从高到低依次为米质等级、白叶枯病抗性、垩白度、千粒重、直链淀粉含量、垩白粒率、褐飞虱抗性、稻瘟病综合指数、每穗粒数、有效穗、穗长、株高、稻瘟病损失率、长宽比、产量、稻曲病抗性、生育期、结实率、整精米率、倒伏程度和胶稠度。王靖［42-43］等研究利用基于熵值赋权的DTOPSIS法对19个小麦品种的9个性状进行了综合评价，结果显示各指标的权重从高到低依次为每穗粒数、成穗率、千粒重、基本苗、有效穗、株高、容重、产量和生育期，且有6个品种相对接近度Gi值大于0.5，与该研究结果基本一致。这表明综合评价皖北地区水稻品种时，产量性状关键要考察千粒重，其次是结实率、每穗粒数和有效穗，实际生产中需通过农艺措施来提升产量构成要素；稻米品质方面，重点考察整精米率和胶稠度，通过适期播种、合理施肥等农艺措施达到要求；抗病性方面，稻瘟病和稻曲病作为水稻穗部的主要病害，2种病害同时发生为害将直接影响水稻的产量和稻谷质量。因此，要避开稻曲病高发区，选择稻曲病抗性强的品种 ［44］。水稻倒伏同样造成减产减收，从合理施肥和灌溉2方面来提前预防解决，这些均符合水稻生产实际要求。

蒋聪等［45］运用灰色关联度分析和DTOPSIS法对云南粳稻新品种适应性进行了田间试验，杨昆等［46-47］ 运用DTOPSIS法和灰色关联度法对甘蔗新品种进行了田间试验。该研究的DTOPSIS 法和灰色关联度法评价中， 17个水稻品种的相对接近度 Gi值与关联度εt（k）最高值均高于已报道的研究结果，说明运用DTOPSIS法和灰色关联度法可供选择的变异范围更广，可以体现品种间的差异并反映品种优劣。叶开梅等［48］采用灰色关联度分析法和DTOPSIS法，对引进的11个马铃薯品种的13个性状进行综合评价，得出品种加权关联度间差异值为0～35.34％，DTOPSIS法得出参试品种与理想解的相对接近度值差异为0～56.79％。该研究采用灰色关联度分析法和DTOPSIS法也得到相似结果，即麟两优华占关联度εt（k）排序第7位，田间产量排序第14位；领优华占田间产量排序第15位，但灰色关联度εt（k）排序6位；隆8优534田间产量排序第9位，相对接近度Gi值排序第7位，但关联度εt（k）排序第13位，隆两优2010，关联度εt（k）排序第9位，相对接近度Gi值排序第5位，但田间产量排序第17位，这与姚宗泽［49］的报道一致。因此，在生产应用上，谨慎选择上述2个新品种，降低育种与种植风险，选择综合性状好的新品种进行示范和推广。

诸多研究报道表明，采用灰色关联分析法进行种质综合评价，该法直接将数据导入软件计算，减去了多种相关性状不均衡导致评价的不科学性，将客观的定性描述转为定量分析，得到的结果有据可依，克服了人为干涉等因素带来的结果不准确，加快了新品种选育的步伐［50-51］ 。采用DTOPSIS法对皖北新水稻品种综合性状进行分析，将众多信息指标融合为1个，与以往评价方法相比减少了人为干扰因素，使新品种的评价、选育更加客观和科学。DTOPSIS法较灰色关联度分析法可供选择的变异范围更广，更能体现品种间的差异、反映品种优和劣，更适合用于水稻品种的综合评价。采用DTOPSIS法和灰色关联度分析法筛选出韵两优丝苗（V4）、赞两优570（V16）、悦两优2646（V12）和韵两优332（V15）这4个品种相继通过国家农作物品种审定委员会审定［52］，适宜在安徽推广种植。

4 结论

采用灰色关联度分析法和DTOPSIS法对17个水稻品种的21个性状进行综合评价，2种综合评价结果均优秀的品种有韵两优丝苗（V4）、 悦两优2646（V12）、赞两优570（V16）和韵两优332这4个品种，可作为当地推广品种。灰色关联度分析法计算得出的灰色关联度差异值范围在0～26.7％，而DTOPSIS法得出新品种与理想解品种的相对接近度值差异值范围在0～70.0％，表明用DTOPSIS法分析的结果提供对品种选择的变异范围更广，能明显表现品种间真实差异，更好地反映出品种的优劣，比灰色关联度分析法更加适合用于水稻品种的综合评价。同时灰色关联度分析和DTOPSIS法在作物品种综合评价的应用，有利于对新品种的优劣进行科学评价，为建立科学客观的对其他作物品种综合评价与良种推荐及生产决策提供理论支持。

参考文献

［1］ 刘丽娟.淮北部分水稻品种（系）品质综合评价［J］.北方水稻，2022，52（3）：23-27.

［2］ 周坤能，夏加发，张彩娟，等.安徽省水稻地方品种资源鉴定评价［J］.植物遗传资源学报，2023，24（1）：137-148.

［3］ 龙腾芳，郭克婷.DTOPSIS法的程序设计及其在作物品种评价中的应用［J］.中国农学通报，2004，20（3）：252-254.

［4］ 陈国宏，李美娟.基于方法集的综合评价方法集化研究［J］.中国管理科学，2004，12（1）：101-105.

［5］ 郭亚军，易平涛.一种基于整体差异的客观组合评价法［J］.中国管理科学，2006，14（3）：60-64.

［6］ 张群远，孔繁玲，廖琴，等.作物品种区域试验的评价体系及评价方法［J］.农业系统科学与综合研究，2000，16（2）：81-86.

［7］ 张会丽，许兴，朱林.利用隶属函数值法对玉米成熟期抗旱性的综合评价［J］.玉米科学，2017，25（4）：32-39.

［8］ 徐清宇，余静，朱大伟，等.基于主成分分析和聚类分析的不同水稻品种营养品质评价研究［J］.中国稻米，2022，28（6）：1-8.

［9］ 吴玥，李威，马德志，等.基于熵值赋权的DTOPSIS法对不同玉米品种综合评价研究［J］.玉米科学， 2019，27（4）：32-41.

［10］ 王士梅，朴钟泽，朱启升，等.水稻新品种（系）农艺性状及品质的综合评价分析［J］.安徽农业科学，2008，36（11）：4467-4469.

［11］ 任邵琦，徐智慧，高作利.东北地区部分彩色稻主要农艺性状相关性、主成分及聚类分析［J］.分子植物育种，2022，20（17）：5779-5787.

［12］ 苏欣欣，肖洋，胡晓航，等.基于灰色关联度分析和主成分分析法评估糖用甜菜品种的适应性［J］.中国农学通报，2021，37（30）：39-46.

［13］ 杜晓宇，李楠楠，邹少奎，等.黄淮南片新育成小麦品种（系）主要性状的综合性分析［J］.作物杂志，2021（4）：38-45.

［14］ 于华荣，郭园，曹帅，等.7个大豆品种在科尔沁地区的抗旱性综合评价［J］.种子，2021，40（12）：68-74.

［15］ 李兴河，王海涛，刘存敬，等.80份棉花种质资源的育种应用价值评价［J］.农学学报，2021，11（11）：11-18.

［16］ 黄秋要，罗芳媚，梁忠明.DTOPSIS法综合评价水稻新品种［J］.现代农业科技，2017（3）：39-41.

［17］ 饶庆琳，姜敏，胡廷会，等.花生种质资源品质性状的分析与评价［J］.贵州农业科学，2021，49（11）：16-22.

［18］ 魏常敏，宋万友，周文伟，等.基于主成分分析的甜玉米品质综合评价［J］.浙江农业科学，2020，61（10）：1967-1969，2042.

［19］ 余泽恩，罗莉霞，张芳，等.基于GEE的2018年我国冬油菜长江下游区域试验试点与品种评价［J］.种子，2020，39（1）：122-131.

［20］ 李洪臣，常剑波，彭润润，等.三门峡市灵宝烟区烤烟适宜品种评价与筛选［J］.湖北农业科学，2022，61（13）：82-86.

［21］ 李凯，商佳胤，张鹤，等.基于主成分分析的葡萄延迟栽培品种综合评价［J］.中外葡萄与葡萄酒，2021（4）：20-25.

［22］ 姚兴涛，朱永达，张平善.农村经济多指标评判方法及应用研究［J］.农业系统科学与综合研究，1994，10（1）：23-26.

［23］ 中华人民共和国农业部.农作物品种区域试验技术规范 水稻：NY/T 1300—2007［S］.北京：中国农业出版社，2007.

［24］ 韩龙植，魏兴华.水稻种质资源描述规范和数据标准［M］.北京：中国农业出版社，2006.

［25］ 中华人民共和国农业部.米质测定方法：NY/T 83—2017［S］.北京：中国农业出版社，2017.

［26］ 中华人民共和国农业部.食用稻品种品质：NY/T 593—2013［S］.北京：中国农业出版社，2013.

［27］ 中华人民共和国农业部.稻米整精米率、粒型、垩白粒率、垩白度及透明度的测定 图像法：NY/T 2334—2013［S］.北京：中国农业出版社，2013.

［28］ 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会.粮油检验 大米胶稠度的测定：GB/T 22294—2008［S］.北京：中国标准出版社，2008.

［29］ 中华人民共和国农业部.稻米直链淀粉的测定 分光光度法：NY/T 2639—2014［S］.北京：中国农业出版社，2015.

［30］ 湖南省质量技术监督局.水稻抗稻瘟病鉴定及评价方法：DB43/T 319—2006［S］.湖南省质量技术监督局，2006.

［31］ 安徽省质量技术监督局.水稻白叶枯病抗病性鉴定技术规程：DB34/T 2810—2017［S］.安徽省质量技术监督局，2017.

［32］ 安徽省质量技术监督局.水稻稻曲病抗病性鉴定方法：DB34/T 2811—2017［S］.安徽省质量技术监督局，2017.

［33］ 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会.稻飞虱测报调查规范：GB/T 15794—2009［S］.北京：中国标准出版社，2009.

［34］ 安徽省质量技术监督局.水稻主要气象灾害调查技术规范：DB34/T 3122—2018［S］.安徽省质量技术监督局，2018.

［35］ 夏来坤，齐建双，谷利敏，等.基于熵权的DTOPSIS 法和灰色局势决策法在宜机收玉米品种综合评价中的应用［J］.南方农业学报，2019，50（9）：1953-1959.

［36］ 刘丽娟，刘延刚，金桂秀.用基于熵值赋权的DTOPSIS法综合评价水稻品种［J］.山东农业科学，2022，54（7）：39-45.

［37］ 邓聚龙.社会经济灰色系统的理论与方法［J］.中国社会科学，1984（6）：47-60.

［38］ 岳海旺，韩轩，魏建伟，等.基于GYT双标图分析对黄淮海夏玉米区域试验品种综合评价［J］.作物学报，2023，49（5）：1231-1248.

［39］ 张子豪，李想成，吴昊天，等.基于灰色关联度分析和聚类分析的丰产高效小麦品种综合评价与筛选［J］.江苏农业科学，2022，50（10）：194-200.

［40］ 赵平，李学涛，康振友，等.基于熵权的DTOPSIS法和灰色关联度分析法在西瓜品种综合评价中的应用［J］.黑龙江农业科学，2021（1）：79-87.

［41］ 孔凡信，刘志，肖继兵.辽西地区适宜机械化生产酿造高粱品种综合评价［J］.农学学报，2019，9（6）：4-11.

［42］ 王靖，孔令国，李宝强，等.基于熵值赋权的DTOPSIS法对小麦品种的综合评价研究［J］.中国农学通报，2023，39（12）：1-7.

［43］ 邵美红，程楚，程思明，等.运用DTOPSIS 法对鲜食甜玉米新品种在浙西北地区适应性的综合评价［J］.江西农业学报，2017，29（6）：25-28.

［44］ 陈晴晴，杨雪，张爱芳.长江中下游区试水稻品种稻瘟病抗性评价及抗性基因检测［J］.南方农业学报，2022，53（1）：21-28.

［45］ 蒋聪，刘慰华，杨旭昆，等.灰色关联度分析和 DTOPSIS法在云南粳稻品种综合评价中的应用［J］.西南农业学报，2020，33（5）：907-912.

［46］ 杨昆，吴才文，覃伟，等.DTOPSIS法和灰色关联度法在甘蔗新品种综合评价中的应用比较［J］.西南农业学报，2015，28（4）：1542-1547.

［47］ 金轻，赵红，林丽萍，等.基于灰色关联度分析和DTOPSIS法综合评价小麦新品系在云南省的适应性［J］.南方农业学报，2020，51（10）：2440-2446.

［48］ 叶开梅，牛力立，樊祖立，等.灰色关联度法与 DTOPSIS法在马铃薯品种综合评价中的应用比较［J］.贵州农业科学，2023，51（3）：10-18.

［49］ 姚宗泽，伊应良，杨肖艳，等.基于熵权的DTOPSIS法和灰色局势决策法对云南杂交玉米新组合的评价分析［J］.江苏农业科学，2023，51（6）：86-93.

［50］ 丁明亮，赵红，浦秋红，等.应用灰色关联度分析法对远缘杂交选育的小麦新品系评价［J］.西南农业学报，2018，31（2）：217-222.

［51］ 孙宪印，吴科，钱兆国，等.灰色关联度在小麦品种（系）综合评价中的应用［J］.内蒙古农业科技，2001，29（4）：10-11.

［52］ 国家水稻数据中心［DB/OL］.［2023-03-17］.https：∥www.ricedata.cn/variety/varis/620780.htm.