基于AHP—Entropy和灰色關聯理論的農產品品種灰色評價與選擇

李暉+黃南京+葉一軍

摘要：為了避免決策者選擇農產品品種的隨意性，本研究提出基于AHP-Entropy和灰色關聯理論的農產品品種評選方法。利用層次分析法與熵權法確定農產品品種評價指標權重，采用灰色關聯理論對農產品品種進行評價排序，并通過實例詮釋農產品品種評選的過程。

關鍵詞：層次分析法；熵權法；灰色關聯理論；農產品；品種；評價指標；評價排序

中圖分類號： F304.3文獻標志碼： A文章編號：1002-1302（2014）06-0459-05

收稿日期：2013-09-06

基金項目：四川省教育廳青年基金（編號：11SB068）。

作者簡介：李暉（1976—），男，四川安岳人，博士研究生，講師，從事供應鏈管理、決策分析研究。E-mail：lihui_zg@163.com。農產品品種是農業(yè)生產中最重要、最基本的生產資料，是提高農產品產量、改善農產品品質、增加農民收入的重要因素。糧、棉、油、菜、瓜、果等既可能是在季節(jié)上相互補充的作物，也可能是相互排斥的作物，即同一生產季節(jié)適宜生產多類農產品，或同一生產季節(jié)適宜生產同類農產品的不同品種，農戶或各種農村經濟實體在制定生產計劃時面臨農產品品種選擇問題。隨著農村經濟體制改革的逐步深入，我國大多數農民已經認識到農產品品種在農業(yè)生產中的重要性。受傳統(tǒng)農業(yè)生產方式的影響以及自身文化水平、認知水平的制約，大部分農戶或農村經濟實體選擇農產品品種時存在從眾性、盲目性、隨機性，因此科學、正確、因地適宜地選擇農產品品種非常重要。近年來，農產品品種評價與選擇問題引起越來越多的國內外學者的關注。魏良民等認為，應從市場贏利性及生產穩(wěn)定性角度分析不同品種的相關特性，以選擇出最適宜的品種[1]。李樹君等、廖颯以產量及品種性狀為評價指標，建立了基于灰色關聯度和TOPSIS的農產品品種評價模型，并以甘薯品種為實例進行了分析[2-3]。劉敏營等以環(huán)境指數、回歸系數、決定系數為指標，對農產品品種進行穩(wěn)產性評判[4]。郭存芝等提出，應用灰色關聯分析法對農產品品種的產量、早熟性、株高、株型、抗病性、抗凍性、抗倒性等多種性狀進行綜合評判，并以小麥品種為實例進行了分析[5]。蒙秀鋒等認為，農戶選擇農產品品種受到內部因素及外部因素的影響，內部因素包括農戶受教育程度、收入水平、勞動力狀況等；外部因素包括品種特性、品種價格、國家和地方的相關政策等[6]。王秀東等分析了良種補貼政策下農戶對小麥的選擇行為，認為影響農戶選擇行為的主要因素有地區(qū)、種子可獲得性、農戶風險意識、預期收益等變量[7]。Frizzone等利用線性規(guī)劃選擇農產品品種并分配資源[8]。Carvallo等[9]、Amir等[10]、Paul等[11]、Kuo等[12]、Ghahraman等[13]、Li等[14]、Montazar等[15]分別應用非線性優(yōu)化技術研究農產品品種的選擇及資源的分配。湯瑞涼等綜合考慮農產品的多種性狀，提出了對農產品品種進行多準則綜合評價的熵權系數法，改變了以往評判中只注重作物的某一或某幾項性狀而忽略其他性狀的做法[16]。現有的農產品品種選擇定性研究存在很大的模糊性，缺乏綜合評價及定量分析，農戶及農村經濟實體較難理解。定量研究方面，研究人員利用線性或非線性優(yōu)化技術研究農產品品種選擇，定性約束條件及目標在模型中無法描述，并且大部分以經濟效益作為目標，較少考慮生態(tài)效益。利用評價技術研究農產品品種選擇存在評價指標不全面等問題，較少關注農產品品種種植的自然條件及社會經濟環(huán)境指標，更多注重農產品品種性狀指標，綜合評價結果缺乏說服力。農產品只有在適宜的土質、適宜的氣候、適宜的灌溉等條件下才能穩(wěn)定生產，只有在良好的社會經濟及政策法規(guī)環(huán)境下才能贏得市場。優(yōu)良的品種性狀、適宜的外界條件、良好的社會環(huán)境三者結合在一起才能充分發(fā)揮品種的增產增效潛力。農產品品種評價與選擇應在三者基礎上建立指標體系，且要結合指標的變化進行綜合評價，再依據評價結果進行農產品品種選擇。層次分析法（analytic hierarchy process，AHP）是解決多目標決策問題的常用方法，它是通過定性指標模糊量化算出權數，其權數確定主要依賴專家賦值，主觀性很大，再者該方法是靜態(tài)評價法，難以體現系統(tǒng)發(fā)展態(tài)勢。以AHP為基礎，引入熵權法（entropy），可根據各層次中各定性指標的變異程度，利用信息熵計算各指標的熵權，再通過熵權對各指標的權重進行修正，從而得出較為客觀的指標權重，一定程度上避免了AHP決策分析中指標權重主觀性強的問題。灰色關聯理論提出了對各子系統(tǒng)進行灰色關聯度分析的概念，研究各子系統(tǒng)（或因素）之間數值的關系，主要研究系統(tǒng)內各因素變化之間的關聯性。灰色關聯理論有助于動態(tài)地考查各層次指標的變化對農產品品種評價與選擇的影響，提高評價與選擇質量。本研究將層次分析法、熵權法及灰色關聯理論有機結合起來，優(yōu)勢互補，構建基于 AHP-Entropy 及灰色關聯理論的農產品品種評價與選擇方法，采用層次分析法計算權重，引入熵權法修正權重，并對各指標相對評價值構成的評價矩陣進行灰色關聯分析，求出各關聯度，并根據綜合排序進行農產品品種優(yōu)選，旨在為選擇農產品品種提供依據。

1農產品品種評價指標體系的建立

農產品品種選擇要點包含兩方面：選擇品種性狀與生長條件（土壤、氣候、地貌等）相匹配的農產品；選擇政策支持、社會需要、經濟效益良好的農產品。本研究遵循綜合性、系統(tǒng)性、動態(tài)性、科學性、可比性、可操作性原則，結合我國農產品種植的特點，同時考慮數據的可收集性以及準確性，將農產品品種評價決策指標體系分為土壤性狀、地貌形態(tài)、灌溉方式、社會經濟、氣候條件、品種性狀等6個主要部分，構建相應的評價指標體系（圖1）。

1.1土壤性狀

土壤是農產品生長的物質基礎，土壤性狀決定農產品的產量及品質，掌握某地的土壤性狀可以因地制宜、合理利用土地資源，正確、科學地選擇農產品品種。土壤性狀主要包括土壤的物理性狀及化學性狀兩方面，土壤物理性狀主要包括土壤結構、土壤水分狀況、土層深度；土壤的化學性狀主要包括土壤pH值、土壤有機質含量、土壤肥力。

1.2地貌形態(tài)

地貌在一定程度上影響或決定著土地利用及其成效，應依據各地的地貌特點選擇農產品品種。地貌形態(tài)主要表現包括坡度及坡向兩方面。坡度與灌溉難度、土壤侵蝕關系甚為密切，影響農產品的生長狀況、產量。按照坡向不同可以將土地劃分為陽坡地、陰坡地、半陽坡地、半陰坡地，坡向影響農產品生長所需的水分及熱量，由此影響農產品的生長。

1.3灌溉方式

當土壤中的水分不能滿足農產品生長所需時，農產品便呈現缺水狀態(tài)，嚴重時會導致作物凋萎。除自然降雨外，補給水分的方式主要有2種：一是地下水，如果地下水位接近農產品根系活動層，地下水通過毛細管作用為農產品補給水分；二是管道灌溉，人為地利用管道為農產品補給水分。同一土地不同灌溉方式下，農產品品種選擇也不同，如果是管道灌溉，可以選擇農產品水分補給量較大、經濟性較好的品種；如果是地下水灌溉，可以選擇耐旱的農產品品種。

1.4社會經濟

農產品品種選擇不僅要考慮種植條件，還應考慮農業(yè)政策支持力度，實現良好的經濟效益及市場可達性，為農戶或農村經濟實體提供動力。社會經濟主要包括農業(yè)政策、市場需求、經濟效益、市場可達性。

1.5氣候條件

氣候為農產品生產提供了豐富的能量及物質，是重要的農業(yè)自然資源，也是農業(yè)生產中不可控的部分。因地制宜地選擇適宜氣候的農產品品種對農產品生產極為重要。氣候主要包括溫度及降水量兩方面。

1.6品種性狀

外部因素即土壤性狀、地貌形態(tài)、氣候條件，為農產品生長提供了良好的環(huán)境。內部因素即農產品品種性狀也尤為重要。應依據各地的不同情況選用品種，如干旱地區(qū)要選用耐旱品種，降雨較多的地區(qū)要選擇耐澇品種，鹽堿地區(qū)要選用耐鹽品種。農產品應具備對不利的氣候、土壤條件及病蟲害的抵抗能力，保持良好的穩(wěn)產性；應具備對種植水平、栽培技術要求不高的能力，以適宜普遍推廣；應具備一定的品質及高產特征，以滿足市場需求，實現經濟效益。品種性狀主要表現為抗逆性、適應性、技術性、品質、產量。

2農產品品種評價指標權重的確定

本研究采用了主觀賦權法、層次分析法、客觀賦權法、熵權法相結合確定指標權重。層次分析法是1種系統(tǒng)工程方法，可將非定量的事物定量分析，雖識別問題的系統(tǒng)性強，可靠性相對較高，但當采用專家咨詢方式時，容易產生循環(huán)而不滿足傳遞性公理，導致標度把握不準并丟失部分信息，引入熵技術對其進行修正是解決上述問題的有效途徑。

2.1基于AHP的權重確定

層次分析法是由美國運籌學家薩蒂教授于20世紀70年代提出的1種系統(tǒng)分析方法，是把復雜的問題按屬性的邏輯關系進行逐層分解，形成多層次結構來加以分析，用標度把人的主觀判斷進行客觀量化的多準則評價決策方法。鑒于層次分析法比較常用，故其權重確定過程計算公式在此不再贅述。

2.2基于Entropy的權重修正

對于多目標多屬性決策問題，層次分析法是1種簡單易行、典型、應用廣泛的方法。該方法最大的缺陷在于數據來源是專家對指標重要性的主觀賦值，而不是客觀值，使得各指標的權重受主觀影響較大、準確性不高。鑒于層次分析法的缺陷，本研究引入熵權法，充分利用各方案的指標客觀值來修正層次分析法求出的權重向量，使得修正后的綜合權重向量受主觀影響相對較小。具體計算步驟如下。

（1）確定評價矩陣C

設有p個農產品品種，每個農產品品種有q個評價指標，以每個評價指標值構造評價矩陣C，C=（cij）p×q。選評價指標值時，為避免主觀因素的干擾，盡量直接采用量化指標值，對于其他難定量的指標，采用專家百分制打分法將定性指標量化。

（2）評價矩陣C標準化

如圖1所示，農產品品種評價指標體系包括定量指標、定性指標，針對不同的指標分別采用適當的方法進行標準化處理，以解決指標數值的量綱差異問題。評價矩陣C中的指標按照指標數值對評價結果的影響分為2類指標：一類為指標數值越大越好的正指標，另一類為指標數值越小越好的負指標。對于2類不同指標，其標準化計算也存在差異。

記maxcij=ajj=1，2，3，…，q；i=1，2，3，…，p；

maxcij=bjj=1，2，3，…，q；i=1，2，3，…，p。

①正指標標準化處理

x′ij=cij-bjaj-bj

i=1，2，3，…，p；j=1，2，3，…，q。（1）

②負指標標準化處理

x′ij=aj-cijaj-bj

i=1，2，3，…，p；j=1，2，3，…，q；（2）

xij=x′ij∑pi=1x′ij

i=1，2，3，…，p；j=1，2，3，…，q。（3）

經過公式（1）、（2）、（3）的處理，評價矩陣C標準化為標準矩陣D，D=（xij）p×q。

（3）客觀權重的計算

①根據標準矩陣D，計算第j個評價指標Cj的熵Ej。

Ej=-K∑pi=1xijlnxij

j=1，2，3，…，q；xij≠0。（4）

公式（4）中常數K=（lnm）-1。

②求評價指標Cj的偏差度dj。

dj=1-Ej

j=1，2，3，…，q。（5）

③計算評價指標Cj的熵權值λj。

λj=dj∑qj=1dj

j=1，2，3，…，q。（6）

2.3修正綜合權重

利用客觀熵權值λj對層次分析法得到的評價指標Cj綜合權重ωj進行修正，得到評價指標Cj的綜合權重ηj。

ηj=λjωj∑ni=1λωj

j=1，2，3，…，q。（7）

3基于灰色關聯理論的農產品品種評價與選擇

3.1確定參考數列

從評價矩陣C的每列對應的評價指標值cij中找出最優(yōu)值，組成參考數列c0。

c0=（c01，c02，…，c0j）。

3.2計算關聯系數rij

（1）評價指標的無量綱化處理

為了消除指標的不同量綱影響，應對評價矩陣C的不同類型指標進行無量綱化處理。 如前文所述，評價指標主要分為正指標、負指標，依據指標類型分別進行無量綱化處理。

①正指標的無量綱化處理

c′ij=cij/c0j

i=1，2，3，…，p；j=1，2，3，…，q。（8）

②負指標的無量綱化處理。

c′ij=c0j/cij

i=1，2，3，…，p；j=1，2，3，…，q。（9）

評價矩陣C進行無量綱化處理得到矩陣C*，C*=（c′ij）p×q。

（2）關聯系數的計算

根據灰色關聯決策的理論，計算矩陣C*中指標的關聯系數rij。

rij=miniminj|c0j-c′ij|+ζmaximaxj|c0j-c′ij||c0j-c′ij|+ζmaximaxj|c0j-c′ij|

i=1，2，3，…，p；j=1，2，3，…，q。（10）

式中：ζ為分辨系數，通常ζ取值為0.5。由以上計算公式可得由灰色關聯系數組成的決策矩陣R，R=（rij）p×q。

3.3關聯度的計算與選擇

計算各農產品品種i的評價指標相對參考數列的關聯度Li。

Li=∑rijηj

i=1，2，3，…，p；j=1，2，3，…，q。（11）

將關聯度計算結果Li進行排序，便可評價各農產品品種的優(yōu)劣。

4實例分析

農產品品種選擇分成2個階段：第一階段，選擇同熟期不同農產品品種，如玉米、大豆；第二階段，選擇同熟期同一農產品品種多個類別，如Q優(yōu)6號、渝香203等。本研究受篇幅所限，以水稻為例只考慮第二階段。水稻是四川省重要的糧食作物，選擇適合當地種植的農產品品種對有關部門正確引導農戶或農村經濟實體增產增效至關重要。本研究對四川省自貢市農業(yè)科學研究所進行調研，利用AHP-Entropy 及灰色關聯理論，詮釋農產品品種選擇過程。四川省自貢市貢井區(qū)地處四川盆地紫色土丘陵區(qū)，土壤分為水稻土、沖積土、紫色土、黃壤等四大類，屬亞熱帶濕潤季風氣候，年平均氣溫17.8 ℃，年積溫6 539.9 ℃，年平均日照1 238 h，年無霜期長達323 d，雨量充沛，年平均降水量1 048.7 mm，相對濕度80%左右，年蒸發(fā)量972 mm。本研究具體計算過程如下。

（1）基于AHP的主觀權重確定

基于評價指標體系，專家對各層次指標相對重要程度進行評定，構造判斷矩陣如下：

A=B1B2B3B4B5B6

B11441/311/3

B21/411/21/71/41/6

B31/4211/51/31/5

B4375132

B51431/311/2

B63651/221；

B1=B11B12

B1112

B121/21，B11=C1C2C3

C111/33

C2315

C51/31/51，

B12=C4C5C6

C4131/4

C51/311/6

C6461，B2=C7C8

C711/4

C841，

B3=C9C10

C911/3

C1031，B5=C15C16

C1511/2

C1621，

B4=C11C12C13C14

C1111/21/31/2

C12211/22

C133212

C1421/21/21。

通過計算，CRj均小于0.1，各個判斷矩陣具有滿意的一致性，（B1，B2，B3，B4，B5，B6）=（0.137 5，0.037 6，0.054 2，0365 9，0.140 3，0.264 5），評價指標Cj的綜合權重ωj，如表

B6=C17C18C19C20C21

C171441/31

C181/411/21/71/4

C191/4211/51/3

C2037513

C211431/31。1所示。

（2）基于Entropy的權重修正

本研究選取了6個水稻品種，分別為Q優(yōu)8號（S1）、渝香203（S2）、內優(yōu)39（S3）、天優(yōu)華占（S4）、 內5優(yōu)317（S5）、渝優(yōu)7109（S6）。由專家根據貢井區(qū)的地理位置、氣候條件、農業(yè)設施、市場環(huán)境、候選水稻品種性狀的適宜程度對無法量化的指標進行百分制評分，經濟效益C13（包括成本，單位：元/667 m2）、品種品質C17（單位：等級）、抗性等級C20（單位：等級）、產量C21（單位：kg/667 m2）指標則是試驗田試種的試驗數據，具體數據如表1所示。表1中的數據可以轉化為以水稻品種為行、以各個指標為列的矩陣B。因矩陣B包含定量指標及定性指標，要利用公式（1）、（2）、（3）對其分別進行標準化處理，將矩陣B轉化為標準矩陣D，對于抗逆性及品質指標進行負指標標準化處理，對其他指標進行正指標標準化處理。經過公式（4）、（5）、（6），得到相關系數Ej、dj、λj，利用客觀熵權值λj對層次分析法得到的評價指標Cj綜合權重ωj進行修正，得到評價指標Cj的綜合權重ηj。

（3）基于灰色關聯理論的農產品品種評價與選擇

如表1所示，由水稻品種及農產品評價指標組成的矩陣B包含定量指標及定性指標。為消除指標的不同量綱影響，要對矩陣B按照指標類型（正指標或負指標）分別利用公式表1農產品品種評價指標數據樣本及相關系數

指標S1S2S3S4S5S6EjdjλjωjηjC18792899190940.851 50.148 50.032 50.023 70.017 3C28693889289960.821 70.178 30.039 00.058 40.051 2C39289918886920.856 80.143 20.031 30.009 60.006 8C48487868589830.815 70.184 30.040 30.010 00.009 1C58685838789840.815 70.184 30.040 30.004 20.003 8C68588859085860.522 90.477 10.104 30.031 70.074 3C78786868787860.613 10.386 90.084 60.007 50.0142C88685878488860.846 70.153 30.033 50.030 10.022 7C98483868587840.819 40.180 60.039 50.013 60.012 1C108889878886900.846 70.153 30.033 50.040 70.030 6C118790888890920.803 10.196 90.043 10.044 40.042 9C128988909290860.864 20.135 80.029 70.098 20.065 5C131 549.741 678.751 649.671 647.651 593.861 617.150.865 50.134 50.029 40.153 80.101 6C148786868787860.613 10.386 90.084 60.069 50.132 0C158689848785880.831 40.168 60.036 90.093 50.077 4C168887898486850.831 40.168 60.036 90.046 80.038 7C173.05.04.03.42.76.10.864 50.135 50.029 60.039 50.026 3C189289908488910.882 50.117 50.025 70.024 00.013 9C198687878686870.613 10.386 90.084 60.031 70.060 2C203222330.613 10.386 90.084 60.056 50.107 3C21565.6582.9572.8572.1581.7590.20.833 80.166 20.036 30.112 90.092 2

（8）、（9）進行無量綱化處理。在評價指標中，抗逆性、品質是負指標，其他皆為正指標，處理結果表2所示。再利用公式（10）對表2的數據進行指標關聯系數計算，結果如表3所示。利用公式（11）計算各水稻品種i的評價指標相對參考數列的關聯度Li，結果如表4所示。各水稻品種的灰色關聯度排序為：L4>L2>L3>L5>L6>L1，水稻天優(yōu)華占的關聯度最大，是最適宜種植的品種。不同水稻品種對于地理、環(huán)境、氣

表2農產品品種評價指標進行無量綱化處理結果

指標S1S2S3S4S5S6C10.925 5 0.978 7 0.946 8 0.968 1 0.957 4 1.000 0 C20.895 8 0.968 8 0.916 7 0.958 3 0.927 1 1.000 0 C31.000 0 0.967 4 0.989 1 0.956 5 0.934 8 1.000 0 C40.943 8 0.977 5 0.966 3 0.955 1 1.000 0 0.932 6 C50.966 3 0.955 1 0.932 6 0.977 5 1.000 0 0.943 8 C60.944 4 0.977 8 0.944 4 1.000 0 0.944 4 0.955 6 C71.000 0 0.988 5 0.988 5 1.000 0 1.000 0 0.988 5 C80.977 3 0.965 9 0.988 6 0.954 5 1.000 0 0.977 3 C90.965 5 0.954 0 0.988 5 0.977 0 1.000 0 0.965 5 C100.977 8 0.988 9 0.966 7 0.977 8 0.955 6 1.000 0 C110.945 7 0.978 3 0.956 5 0.956 5 0.978 3 1.000 0 C120.967 4 0.956 5 0.978 3 1.000 0 0.978 3 0.934 8 C130.923 2 1.000 0 0.982 7 0.981 5 0.949 4 0.963 3 C141.000 0 0.988 5 0.988 5 1.000 0 1.000 0 0.988 5 C150.966 3 1.000 0 0.943 8 0.977 5 0.955 1 0.988 8 C160.988 8 0.977 5 1.000 0 0.943 8 0.966 3 0.955 1 C170.900 0 0.540 0 0.675 0 0.794 1 1.000 0 0.442 6 C181.000 0 0.967 4 0.978 3 0.913 0 0.956 5 0.989 1 C190.988 5 1.000 0 1.000 0 0.988 5 0.988 5 1.000 0 C200.666 7 1.000 0 1.000 0 1.000 0 0.666 7 0.666 7 C210.958 3 0.987 6 0.970 5 0.969 3 0.985 6 1.000 0

表3農產品品種評價指標關聯系數

指標S1S2S3S4S5S6C10.016 00.016 90.016 40.016 70.016 60.017 3C20.045 80.049 60.046 90.0490.047 40.051 2C30.006 80.006 50.006 70.006 50.006 30.006 8C40.008 50.008 90.008 70.008 60.009 10.008 4C50.003 70.003 60.003 50.003 70.003 80.003 6C60.070 20.072 60.070 20.074 30.070 20.071 0C70.014 20.014 10.014 10.014 20.014 20.014 1C80.022 10.021 90.022 40.021 60.022 70.022 1C90.011 60.011 50.011 90.011 80.012 10.011 6C100.030 00.030 30.029 60.030 00.029 30.030 6C110.040 60.042 00.041 10.041 10.042 00.042 9C120.063 30.062 60.064 10.065 50.064 10.061 2C130.093 80.101 60.099 80.099 70.096 40.097 8C140.132 00.130 50.130 50.132 00.132 00.130 5C150.074 80.077 40.073 10.075 70.073 90.076 5C160.038 30.037 90.038 70.036 60.037 40.037 0C170.023 70.014 20.017 70.020 90.026 30.011 6C180.013 90.013 40.013 60.012 60.013 20.013 7C190.059 50.060 20.060 20.059 50.059 50.060 2C200.071 60.107 30.107 30.107 30.071 60.071 6C210.088 30.091 00.089 50.089 30.090 80.092 2

表4農產品品種的關聯度

項目S1S2S3S4S5S6Li0.928 70.974 10.966 00.976 70.938 90.932 1

候的要求基本相似，故土壤性狀、地貌形態(tài)、氣候條件等對品種選擇的影響較小，其修正權重總計為0.358 1，社會經濟、品種性狀對品種選擇的影響較大，其修正權重總計為0.641 9，因此，本研究以社會經濟、品種性狀2類指標考量各水稻品種相對于天優(yōu)華占的優(yōu)劣。渝香203的關聯度比較接近天優(yōu)華占的關聯度，在適應性及品質方面均與天優(yōu)華占相當，主要差異是渝香203的產量優(yōu)于天優(yōu)華占，但其抗逆性比較高，易感病蟲，影響產量的穩(wěn)定。內優(yōu)39在適應性、品質、產量等方面均與天優(yōu)華占相當，但其抗逆性等級比較高，較易感病蟲，影響產量的穩(wěn)定。內5優(yōu)317的適應性及抗逆性與天優(yōu)華占基本相當，產量優(yōu)于天優(yōu)華占，但其品質低于天優(yōu)華占，直接影響市場銷售，進而影響經濟效益。渝優(yōu)7109的適應性與天優(yōu)華占基本相當，產量優(yōu)于天優(yōu)華占，但其品質、抗逆性均明顯低于天優(yōu)華占，影響其產量穩(wěn)定性及經濟效益。Q優(yōu)8號適應性與抗逆性與天優(yōu)華占基本相當，但其品質、產量均低于天優(yōu)華占，直接影響市場銷售，進而影響經濟效益。由此可知，較其他品種，天優(yōu)華占具有抗逆性較強、適應性強、品質優(yōu)、產量較高等優(yōu)點，因此，天優(yōu)華占是貢井區(qū)首選水稻品種。

5結論

本研究運用層次分析法、熵值法組合賦權的方法，確定了評價指標的權重向量，同時運用灰色關聯理論，計算灰色關聯度，建立了基于AHP-Entropy 和灰色關聯理論的農產品品種評價與選擇的決策模型。該模型實現了主觀與客觀的統(tǒng)一，將定性的農產品品種評價與選擇過程轉化為定量過程，盡可能避免了評價與選擇過程中的人為因素，從而為決策者客觀、公正地評價與選擇農產品品種提供參考。由于不同農產品品種性狀各不相同，本研究在對農產品的性狀進行描述時不能做到以偏概全。因此，具體研究某農產品品種時，可將品質、抗逆性性狀分解并通過其他指標詳細描述，以完善農產品品種評價與選擇體系。

參考文獻：

[1]魏良民，劉文杰. 在生產上如何選擇適宜的農作物品種[J]. 農業(yè)與技術，2009，29（1）：14-15.

[2]李樹君，周祖亮，殷春武. 基于灰色關聯度的農作物品種評價[J]. 安徽農業(yè)科學，2011，39（3）：1263-1264.

[3]廖颯. TOPSIS在農作物品種評價中的應用研究[J]. 安徽農業(yè)科學，2008，36（26）：11166-11167.

[4]劉敏營，李新輝，卜巨倉，等. 數理統(tǒng)計在作物品種評價中的應用與作用[J]. 陜西農業(yè)科學，2006（4）：25-26.

[5]郭存芝，鄭垂勇，陳傳美. 灰關聯分析法在農作物品種綜合評判中的應用[J]. 河海大學學報，1999，27（2）：96-99.

[6]蒙秀鋒，饒靜，葉敬忠. 農戶選擇農作物新品種的決策因素研究[J]. 農業(yè)技術經濟，2005（1）：20-26.

[7]王秀東，王永春. 基于良種補貼政策的農戶小麥新品種選擇行為分析——以山東、河北、河南三省八縣調查為例[J]. 中國農村經濟，2008（7）：24-31.

[8]Frizzone J A，Coelho R D，Dourado-Neto D，et al. Linear programming model to optimize the water resource use in irrigation projects：an application to the Senator Nilo Coelho Project[J]. Scientia Agricola，1997，54：136-148.

[9]Carvallo H O，Holzapfel E A ，Lopez M A，et al. Irrigated cropping optimization[J]. Journal of Irrigation and Drainage Engineering，1998，124（2）：67-72.

[10]Amir I，Fisher F M. Analyzing agricultural demand for water with an optimizing model[J]. Agricultural Systems，1999，61：45-56.

[11]Paul S，Panda S N，Kumar D N. Optimal irrigation allocation：a multilevel approach[J]. Journal of Irrigation and Drainage Engineering，2000，126（3）：149-156.

[12]Kuo S F，Merkley G P，Liu C W. Decision support for irrigation project planning using a genetic algorithm[J]. Agricultural Water Management，2000，45（3）：243-266.

[13]Ghahraman B，Sepaskhah A R. Linear and non-linear optimization models for allocation of a limited water supply[J]. Irrigation and Drainage，2004，53（1）：39-54.

[14]Li Q S，Willardson L S，Deng W，et al. Crop water deficit estimation and irrigation scheduling in western Jilin province，Northeast China[J]. Agricultural Water Management，2005，71（1）：47-60.

[15]Montazar A，Rahimikhob A. Optimal water productivity of irrigation networks in arid and semi-arid regions[J]. Irrigation and Drainage，2008，57（4）：411-423.

[16]湯瑞涼，王. 農作物品種綜合評判的熵權系數法研究[J]. 資源開發(fā)與市場，2002，

[9]Carvallo H O，Holzapfel E A ，Lopez M A，et al. Irrigated cropping optimization[J]. Journal of Irrigation and Drainage Engineering，1998，124（2）：67-72.

[10]Amir I，Fisher F M. Analyzing agricultural demand for water with an optimizing model[J]. Agricultural Systems，1999，61：45-56.

[11]Paul S，Panda S N，Kumar D N. Optimal irrigation allocation：a multilevel approach[J]. Journal of Irrigation and Drainage Engineering，2000，126（3）：149-156.

[12]Kuo S F，Merkley G P，Liu C W. Decision support for irrigation project planning using a genetic algorithm[J]. Agricultural Water Management，2000，45（3）：243-266.

[13]Ghahraman B，Sepaskhah A R. Linear and non-linear optimization models for allocation of a limited water supply[J]. Irrigation and Drainage，2004，53（1）：39-54.

[14]Li Q S，Willardson L S，Deng W，et al. Crop water deficit estimation and irrigation scheduling in western Jilin province，Northeast China[J]. Agricultural Water Management，2005，71（1）：47-60.

[15]Montazar A，Rahimikhob A. Optimal water productivity of irrigation networks in arid and semi-arid regions[J]. Irrigation and Drainage，2008，57（4）：411-423.

[16]湯瑞涼，王. 農作物品種綜合評判的熵權系數法研究[J]. 資源開發(fā)與市場，2002，

[9]Carvallo H O，Holzapfel E A ，Lopez M A，et al. Irrigated cropping optimization[J]. Journal of Irrigation and Drainage Engineering，1998，124（2）：67-72.

[10]Amir I，Fisher F M. Analyzing agricultural demand for water with an optimizing model[J]. Agricultural Systems，1999，61：45-56.

[11]Paul S，Panda S N，Kumar D N. Optimal irrigation allocation：a multilevel approach[J]. Journal of Irrigation and Drainage Engineering，2000，126（3）：149-156.

[12]Kuo S F，Merkley G P，Liu C W. Decision support for irrigation project planning using a genetic algorithm[J]. Agricultural Water Management，2000，45（3）：243-266.

[13]Ghahraman B，Sepaskhah A R. Linear and non-linear optimization models for allocation of a limited water supply[J]. Irrigation and Drainage，2004，53（1）：39-54.

[14]Li Q S，Willardson L S，Deng W，et al. Crop water deficit estimation and irrigation scheduling in western Jilin province，Northeast China[J]. Agricultural Water Management，2005，71（1）：47-60.

[15]Montazar A，Rahimikhob A. Optimal water productivity of irrigation networks in arid and semi-arid regions[J]. Irrigation and Drainage，2008，57（4）：411-423.

[16]湯瑞涼，王. 農作物品種綜合評判的熵權系數法研究[J]. 資源開發(fā)與市場，2002，