基于非線(xiàn)性主成分分析的綠色超級(jí)稻品種綜合評(píng)價(jià)

紀(jì) 龍 申紅芳 徐春春 陳中督 方福平

?

基于非線(xiàn)性主成分分析的綠色超級(jí)稻品種綜合評(píng)價(jià)

紀(jì) 龍 申紅芳 徐春春 陳中督 方福平*

中國(guó)水稻研究所, 浙江杭州 310006

應(yīng)用綠色超級(jí)稻被認(rèn)為是推動(dòng)水稻生產(chǎn)可持續(xù)發(fā)展的重要途徑之一, 已成為全球水稻育種的主要目標(biāo)。目前關(guān)于綠色超級(jí)稻品種綜合評(píng)價(jià)的研究鮮有報(bào)道。本文圍繞“少打農(nóng)藥、少施化肥、節(jié)水抗旱、優(yōu)質(zhì)高產(chǎn)”的理念, 從技術(shù)性、經(jīng)濟(jì)性、生態(tài)性和社會(huì)性4個(gè)維度構(gòu)建了綠色超級(jí)稻品種綜合評(píng)價(jià)指標(biāo)體系, 為水稻及其他作物品種的綜合評(píng)價(jià)、品種選育及推廣應(yīng)用提供了有益的研究思路。在此基礎(chǔ)上引入一種非線(xiàn)性主成分分析法——對(duì)數(shù)主成分分析, 利用大田試驗(yàn)數(shù)據(jù)及不同評(píng)價(jià)方法的對(duì)比分析表明, 對(duì)數(shù)主成分分析法符合綠色超級(jí)稻的育種理念, 具有較強(qiáng)的合理性, 可作為一種有效的水稻品種綜合評(píng)價(jià)方法。

綠色超級(jí)稻; 綜合評(píng)價(jià); 指標(biāo)體系; 非線(xiàn)性主成分分析

水稻是中國(guó)乃至世界最重要的糧食作物之一, 提供了全球近一半人口的主食[1]。中國(guó)是世界上最大的水稻生產(chǎn)國(guó)和稻米消費(fèi)國(guó)[2], 水稻增產(chǎn)對(duì)于保障中國(guó)乃至世界的糧食安全具有極其重要的作用。2004年以來(lái), 中國(guó)水稻生產(chǎn)進(jìn)入持續(xù)增產(chǎn)階段, 產(chǎn)量從2011年起連續(xù)7年穩(wěn)定在2億噸以上水平, 為確保國(guó)家口糧絕對(duì)安全作出了重要貢獻(xiàn)。然而, 資源趨緊、環(huán)境污染嚴(yán)重、生態(tài)系統(tǒng)退化等形勢(shì)日趨嚴(yán)峻, 嚴(yán)重制約了水稻生產(chǎn)的可持續(xù)。在此背景下, 中國(guó)科學(xué)家[3]提出“少打農(nóng)藥、少施化肥、節(jié)水抗旱、優(yōu)質(zhì)高產(chǎn)”的綠色超級(jí)稻理念, 希望通過(guò)新的優(yōu)良性狀的品種選育和技術(shù)推廣做到資源節(jié)約、環(huán)境友好, 從而實(shí)現(xiàn)水稻生產(chǎn)方式的根本改變, 實(shí)現(xiàn)農(nóng)業(yè)的可持續(xù)發(fā)展, 保證國(guó)家糧食的生產(chǎn)安全。

綠色超級(jí)稻理念得到了國(guó)際和國(guó)內(nèi)同行的廣泛認(rèn)可和積極響應(yīng), 綠色超級(jí)稻已成為全球水稻育種的主要目標(biāo)之一[1]。2008年, “為非洲和亞洲資源貧瘠地區(qū)培育綠色超級(jí)稻”得到了比爾和梅琳達(dá)·蓋茨基金會(huì)項(xiàng)目資助。2010—2018年, “綠色超級(jí)稻新品種選育”作為現(xiàn)代農(nóng)業(yè)技術(shù)領(lǐng)域的重點(diǎn)(大)項(xiàng)目得到了中國(guó)科技部的連續(xù)資助。近些年, 國(guó)內(nèi)外科研院所圍繞綠色超級(jí)稻的綠色基因發(fā)掘與種質(zhì)創(chuàng)新、綠色品質(zhì)選育等開(kāi)展了大量研究工作, 培育了一批具備多個(gè)綠色性狀(抗2~3種主要病蟲(chóng)害或節(jié)水抗旱、優(yōu)質(zhì)高產(chǎn)、氮肥高效等)的水稻新品種。這些新品種在抗病蟲(chóng)性、節(jié)水抗旱等個(gè)別方面表現(xiàn)突出, 但在產(chǎn)量、品質(zhì)、抗性以及資源效率等方面的綜合表現(xiàn)尚不清楚?？茖W(xué)定量的評(píng)價(jià)方法的缺失嚴(yán)重制約了綠色超級(jí)稻新品種的推廣應(yīng)用以及未來(lái)水稻育種工作的推進(jìn)。因此, 應(yīng)用科學(xué)、合理的方法對(duì)綠色超級(jí)稻新品種的綜合表現(xiàn)進(jìn)行評(píng)價(jià)迫在眉睫。

評(píng)價(jià)方法是綜合評(píng)價(jià)的核心問(wèn)題[4]。目前國(guó)內(nèi)外開(kāi)發(fā)的綜合評(píng)價(jià)方法已有上百種之多[5], 大致可分為定性評(píng)價(jià)、定量評(píng)價(jià)和組合評(píng)價(jià)三大類(lèi)。定性評(píng)價(jià)是指評(píng)價(jià)者(業(yè)內(nèi)專(zhuān)家)利用其自身知識(shí)、經(jīng)驗(yàn)直接對(duì)評(píng)價(jià)對(duì)象作出定性結(jié)論的價(jià)值判斷[4]。常用的定性評(píng)價(jià)方法包括德?tīng)柗品?Delphi)、專(zhuān)家會(huì)議法等。這類(lèi)評(píng)價(jià)方法適用于戰(zhàn)略層次的決策分析, 以及不能或難以定量化的, 或?qū)υu(píng)價(jià)精度要求不高的對(duì)象系統(tǒng)[6], 其優(yōu)點(diǎn)是操作簡(jiǎn)單, 但評(píng)價(jià)結(jié)果具有較強(qiáng)的主觀性和不確定性, 容易受評(píng)價(jià)者個(gè)人的知識(shí)儲(chǔ)備、實(shí)踐經(jīng)驗(yàn)及選擇偏好等因素的影響。定量評(píng)價(jià)是指將評(píng)價(jià)對(duì)象的相關(guān)屬性特征量化, 然后處理分析量化的數(shù)據(jù)信息并獲得評(píng)價(jià)結(jié)果。常用的定量評(píng)價(jià)方法包括多元統(tǒng)計(jì)方法(如主成分分析、因子分析、聚類(lèi)分析和判別分析)、運(yùn)籌優(yōu)化方法[如數(shù)據(jù)包絡(luò)分析(DEA)、層次分析法(AHP)、ELECTRE法和Topsis法]和其他方法(如模糊綜合評(píng)價(jià)、灰色關(guān)聯(lián)分析、熵權(quán)法)。這些評(píng)價(jià)方法解決問(wèn)題的思路不同、適用對(duì)象也有所差異, 各有優(yōu)缺點(diǎn)[6]。組合評(píng)價(jià)是指利用不同評(píng)價(jià)方法在指標(biāo)構(gòu)建、指標(biāo)賦權(quán)、數(shù)據(jù)需求等方面的不同特點(diǎn)和優(yōu)勢(shì), 將多個(gè)不同評(píng)價(jià)方法結(jié)合, 應(yīng)用于同一個(gè)評(píng)價(jià)過(guò)程, 以提高綜合評(píng)價(jià)的質(zhì)量[4]。實(shí)踐表明, 應(yīng)用不同評(píng)價(jià)方法評(píng)價(jià)同一對(duì)象經(jīng)常出現(xiàn)評(píng)價(jià)結(jié)論不一致的情況, 其原因在于不同方法的評(píng)價(jià)機(jī)理不同, 側(cè)重點(diǎn)不同, 難以做到全面性評(píng)價(jià)[7]。因此, 為了避免單一評(píng)價(jià)方法的片面性和不穩(wěn)定性, 更好地利用各種方法的優(yōu)勢(shì), 組合評(píng)價(jià)方法應(yīng)運(yùn)而生。研究表明, 各種方法的組合能夠形成取長(zhǎng)補(bǔ)短的互補(bǔ)優(yōu)勢(shì), 減少隨機(jī)偏差和系統(tǒng)誤差發(fā)生的可能性, 有助于解決評(píng)價(jià)結(jié)論不一致問(wèn)題, 增強(qiáng)評(píng)價(jià)結(jié)果的穩(wěn)健性[7-10]。

綜合評(píng)價(jià)方法不僅是經(jīng)濟(jì)、管理等社會(huì)科學(xué)領(lǐng)域的重要分析方法, 也是理工、農(nóng)業(yè)等自然科學(xué)領(lǐng)域主要的分析工具之一[11]。隨著綜合評(píng)價(jià)理論和方法的不斷發(fā)展, 綜合評(píng)價(jià)方法在作物育種中的應(yīng)用越來(lái)越廣泛。從研究?jī)?nèi)容看, 現(xiàn)有研究主要集中在作物品種抗非生物逆境的評(píng)價(jià), 如對(duì)作物品種抗旱性[12-14]、耐鹽性[15-16]、抗寒性[17-19]等抗逆性評(píng)價(jià)。少數(shù)學(xué)者對(duì)作物的產(chǎn)量和品質(zhì)[20]、養(yǎng)分利用效率[21-22]進(jìn)行綜合評(píng)價(jià)。目前, 應(yīng)用最廣泛的綜合評(píng)價(jià)方法是隸屬函數(shù)法、主成分分析法和聚類(lèi)分析法。此外, 模糊綜合評(píng)價(jià)法、DTOPSIS和灰色關(guān)聯(lián)分析等方法在作物品種選育中也有所應(yīng)用?？傮w來(lái)看, 現(xiàn)有的研究仍存在一定的不足, 仍局限于對(duì)作物品種單屬性的評(píng)價(jià)(如抗旱性、耐鹽性評(píng)價(jià)), 相對(duì)缺乏從產(chǎn)量、品質(zhì)、抗性等多維度、全面性的評(píng)價(jià); 并且對(duì)評(píng)價(jià)方法的技術(shù)細(xì)節(jié)和研究進(jìn)展關(guān)注不夠。隨著綜合評(píng)價(jià)理論與方法研究的不斷深入, 一些技術(shù)細(xì)節(jié)逐步得到改進(jìn)和完善, 但當(dāng)前不少研究并沒(méi)有及時(shí)跟進(jìn)這些變化, 仍然采用已經(jīng)被學(xué)界認(rèn)為不太合適的技術(shù)[11]。例如, 多指標(biāo)綜合評(píng)價(jià)中, 通常需要對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理, 其中應(yīng)用最為廣泛的正態(tài)標(biāo)準(zhǔn)化方法在消除量綱和量級(jí)影響的同時(shí), 也消除了各指標(biāo)的變異程度差異, 并不適合多指標(biāo)綜合評(píng)價(jià)[23]。又如, 傳統(tǒng)的R型主成分分析法是一種“線(xiàn)性”降維技術(shù), 只能處理線(xiàn)性問(wèn)題, 然而研究實(shí)際問(wèn)題時(shí), 各指標(biāo)間以及主成分和原始數(shù)據(jù)之間都可能存在非線(xiàn)性關(guān)系, 如果用傳統(tǒng)的R型主成分評(píng)價(jià)技術(shù), 必然導(dǎo)致評(píng)價(jià)結(jié)果的偏誤[24]。

鑒于此, 本文圍繞綠色超級(jí)稻的理念, 嘗試提出一套綠色超級(jí)稻品種綜合評(píng)價(jià)指標(biāo)體系, 引入一種非線(xiàn)性主成分分析技術(shù)——對(duì)數(shù)主成分分析, 應(yīng)用于綠色超級(jí)稻候選品種的大田試驗(yàn)數(shù)據(jù)案例, 旨在為包括水稻在內(nèi)的作物品種綜合評(píng)價(jià)研究提供有益的思路借鑒, 為選育綜合性能優(yōu)良的作物品種提供參考依據(jù)。

1 材料與方法

1.1 材料與試驗(yàn)設(shè)計(jì)

本文研究重點(diǎn)是綠色超級(jí)稻綜合評(píng)價(jià)指標(biāo)體系的設(shè)計(jì)和評(píng)價(jià)方法, 涉及的品種數(shù)據(jù)僅作案例分析, 本文分享?yè)P(yáng)州大學(xué)提供的田間試驗(yàn)數(shù)據(jù)(包括田間試驗(yàn)方法和產(chǎn)量、氮肥利用效率結(jié)果), 即分析對(duì)象僅限于江蘇地區(qū)的粳稻品種。揚(yáng)州大學(xué)于2016年在江蘇里下河地區(qū)農(nóng)業(yè)科學(xué)研究所試驗(yàn)田對(duì)連粳7號(hào)、武運(yùn)粳24、武運(yùn)粳30、甬優(yōu)2640、甬優(yōu)1540、南粳9108、淮稻5號(hào)、淮稻13、寧粳1號(hào)、寧粳5號(hào)、揚(yáng)粳4038、鎮(zhèn)稻10號(hào)、鎮(zhèn)稻16共13個(gè)綠色超級(jí)稻候選品種進(jìn)行了氮素利用效率評(píng)價(jià)試驗(yàn)。以施氮量為主區(qū), 品種為裂區(qū)(小區(qū)), 小區(qū)面積為20 m2, 重復(fù)3次, 隨機(jī)區(qū)組排列。2016年5月17日播種, 6月13日移栽, 栽插密度為25 cm× 15 cm, 每穴2株苗, 其他田間管理按照常規(guī)高產(chǎn)栽培方式進(jìn)行。全生育期施用純氮200 kg hm–2, 按基肥∶分蘗肥∶促花肥∶?；ǚ? 4∶2∶2∶2施用。移栽前施用過(guò)磷酸鈣(含P2O513%) 300 kg hm–2。施用氯化鉀(含K2O 63%) 195 kg hm–2, 按6∶4比例分基肥和拔節(jié)肥2次施用。在成熟期測(cè)定有效穗數(shù)、結(jié)實(shí)率、籽粒產(chǎn)量、氮素偏生產(chǎn)力、氮素籽粒生產(chǎn)效率等指標(biāo)。由于試驗(yàn)中各品種的施氮水平相同, 導(dǎo)致氮素偏生產(chǎn)力和單產(chǎn)完全正相關(guān), 為體現(xiàn)不同水稻品種的氮素利用效率(NUE), 本文用氮素籽粒生產(chǎn)效率指標(biāo)來(lái)表征氮素利用效率。氮素籽粒生產(chǎn)效率=籽粒產(chǎn)量(kg hm–2)/成熟期植株吸氮量(kg hm–2)。

1.2 研究方法

1.2.1 綠色超級(jí)稻綜合評(píng)價(jià)指標(biāo)體系 綜合評(píng)價(jià)方法雖然多種多樣, 但遵循一個(gè)基本模式, 評(píng)價(jià)過(guò)程主要包括確定評(píng)價(jià)目的、構(gòu)建評(píng)價(jià)指標(biāo)體系、選擇評(píng)價(jià)方法、確定指標(biāo)權(quán)重、實(shí)施綜合評(píng)價(jià)以及結(jié)果呈現(xiàn)與討論6個(gè)步驟[25]。其中構(gòu)建評(píng)價(jià)指標(biāo)體系和選擇評(píng)價(jià)方法是綜合評(píng)價(jià)的核心。評(píng)價(jià)指標(biāo)的選取在很大程度上取決于綜合評(píng)價(jià)的目的。綠色超級(jí)稻的育種理念是“少打農(nóng)藥、少施化肥、節(jié)水抗旱、優(yōu)質(zhì)高產(chǎn)”, 要求新培育的品種除了產(chǎn)量高、品質(zhì)優(yōu)外, 還應(yīng)具有多種生物脅迫抗性(如主要病蟲(chóng)害)和非生物脅迫抗性(如干旱、鹽堿、極端天氣等不利條件)[26]。為了減少施肥過(guò)量對(duì)生態(tài)環(huán)境造成的影響, 新培育的品種還應(yīng)具有高效的養(yǎng)分利用效率(如氮、磷、鉀等)。因此, 對(duì)綠色超級(jí)稻的評(píng)價(jià)需要從產(chǎn)量、品質(zhì)、生物脅迫與非生物脅迫抗性以及養(yǎng)分利用效率等多個(gè)維度綜合進(jìn)行。結(jié)合文獻(xiàn)研究和專(zhuān)家咨詢(xún)(本文邀請(qǐng)了15位來(lái)自育種、栽培、農(nóng)業(yè)經(jīng)濟(jì)、農(nóng)技推廣等不同領(lǐng)域的水稻專(zhuān)家通過(guò)面對(duì)面或郵件對(duì)評(píng)價(jià)指標(biāo)進(jìn)行討論), 本文遵循目的性、系統(tǒng)性、可行性等原則, 從技術(shù)性、經(jīng)濟(jì)性、生態(tài)性和社會(huì)性4個(gè)維度18個(gè)指標(biāo)對(duì)綠色超級(jí)稻品種綜合評(píng)價(jià)(見(jiàn)表1)。

表1 綠色超級(jí)稻品種綜合評(píng)價(jià)指標(biāo)體系

(續(xù)表1)

一級(jí)指標(biāo)First class indicator二級(jí)指標(biāo)Second class indicator指標(biāo)說(shuō)明Definition of the indicators 經(jīng)濟(jì)性指標(biāo)單產(chǎn) Y (x7)每公頃產(chǎn)量(kg hm–2) Economic indicatorYield per hectare (kg hm–2) 成本利潤(rùn)率 RPC (x8)每公頃成本利潤(rùn)率(%) Rate of profit to cost per hectare (%) 整精米率 HR (x9)整精米占凈稻谷式樣或精米式樣的質(zhì)量分?jǐn)?shù)(%) The ratio of head rice to the overall rice sample (%) 堊白度 CD (x10)堊白米的堊白面積總和占式樣整精米粒面積總和的百分率(%) The ratio of chalkiness area of chalky rice to the total area of the head rice for the overall rice sample (%) 直鏈淀粉含量 AC (x11)試樣所含直鏈淀粉的質(zhì)量占式樣總質(zhì)量的百分率(%) The ratio of quality of amylose content to the total quality of the overall sample rice (%) 透明度 T (x12)整精米籽粒的透明程度, 以稻米的相對(duì)透光率大小表示 Translucency degree of the head rice, represented by the relative transmittance of rice 生態(tài)性指標(biāo)氮肥利用率 NUE (x13)氮肥偏生產(chǎn)力(籽粒產(chǎn)量/施氮量, kg kg–1) Ecological indicatorNitrogen partial factor productivity (grain yield/nitrogen application level, kg kg–1) 磷肥利用率 PUE (x14)磷肥偏生產(chǎn)力(籽粒產(chǎn)量/施磷量, kg kg–1) Phosphate partial factor productivity (grain yield/phosphate application level, kg kg–1) 鉀肥利用率 PUE2 (x15)鉀肥偏生產(chǎn)力(籽粒產(chǎn)量/施鉀量, kg kg–1) Potash partial factor productivity (grain yield/potash application level, kg kg–1) 水分利用率 WUE (x16)籽粒產(chǎn)量/(降雨量–灌水量–排水量)(kg m–3) Grain yield/(precipitation–irrigation–drainage) (kg m–3) 社會(huì)性指標(biāo)農(nóng)藥殘留 PR (x17)稻米中的農(nóng)藥殘留量 Social indicatorAmount of pesticide residues in rice 重金屬含量 HM (x18)稻米中的重金屬鎘含量(mg kg–1) Cadmium content in rice (mg kg–1)

EP: effective panicles; SSR: seed setting rate; LR: lodging resistance; RID: resistance to insects and diseases; AST: abiotic stress tolerance; EA: ecological adaptability; Y: yield; RPC: rate of profit to cost; HR: head rice; CD: chalkiness degree; AC: amylose content; T: translucency; NUE: nitrogen use efficiency; PUE: phosphate use efficiency; PUE2: potash use efficiency; WUE: water use efficiency; PR: pesticide residue; HM: heavy metal.

技術(shù)性指標(biāo), 大致可以分為三大類(lèi), 第一類(lèi)是增產(chǎn)性指標(biāo), 即跟水稻產(chǎn)量密切相關(guān)的指標(biāo), 如有效穗、結(jié)實(shí)率等; 第二類(lèi)是減損性指標(biāo), 主要是指遭遇外界不利因素影響時(shí)有助于減少產(chǎn)量損失的指標(biāo), 如水稻品種的生物脅迫和非生物脅迫抗性; 第三類(lèi)是穩(wěn)產(chǎn)性指標(biāo), 主要目的在于考察水稻品種在不同生長(zhǎng)環(huán)境下的生態(tài)適應(yīng)性?；谖墨I(xiàn)研究和專(zhuān)家咨詢(xún), 結(jié)合數(shù)據(jù)的可獲得性, 本文選取有效穗、結(jié)實(shí)率、抗倒伏性、抗病蟲(chóng)性、抗非生物逆境性和生態(tài)適應(yīng)性6個(gè)指標(biāo)作為綠色超級(jí)稻品種的技術(shù)性指標(biāo)。

經(jīng)濟(jì)性指標(biāo), 主要體現(xiàn)水稻品種的經(jīng)濟(jì)效益, 涉及產(chǎn)量、價(jià)格和利潤(rùn)3個(gè)方面。在消費(fèi)需求剛性增長(zhǎng)、供給壓力日益增大的背景下, 高產(chǎn)依然是水稻品種應(yīng)當(dāng)具備的基本特征之一, 盡管高產(chǎn)已不再是水稻品種選育最主要的訴求。隨著社會(huì)經(jīng)濟(jì)的發(fā)展和生活水平的提高, 中國(guó)的水稻生產(chǎn)消費(fèi)已從重“量”轉(zhuǎn)向重“質(zhì)”。稻米食用品質(zhì)決定其市場(chǎng)價(jià)格, 進(jìn)而影響水稻的經(jīng)濟(jì)效益。稻米食用品質(zhì)主要從加工、外觀、蒸煮與食味和營(yíng)養(yǎng)4個(gè)方面衡量[27]。在食用稻品種品質(zhì)標(biāo)準(zhǔn)的定級(jí)指標(biāo)中, 整精米率、堊白度、透明度和直鏈淀粉含量是最重要的指標(biāo)[28]。此外, 經(jīng)濟(jì)利潤(rùn)是提高水稻市場(chǎng)競(jìng)爭(zhēng)力、促進(jìn)水稻生產(chǎn)可持續(xù)的重要前提, 特別是在生產(chǎn)成本快速上漲、種稻效益持續(xù)下滑的背景下?；诖? 本文選取單產(chǎn)、成本利潤(rùn)率、整精米率、堊白度、透明度和直鏈淀粉含量6個(gè)指標(biāo)作為綠色超級(jí)稻品種的經(jīng)濟(jì)性指標(biāo)。

生態(tài)性指標(biāo), 主要體現(xiàn)水稻品種的資源利用效率。資源環(huán)境約束已成為當(dāng)前中國(guó)農(nóng)業(yè)生產(chǎn)可持續(xù)發(fā)展的重要制約因素, 其中化肥過(guò)量投入、施用不合理問(wèn)題尤為突出。目前中國(guó)化肥施用量占世界化肥總用量的31%, 施肥強(qiáng)度是世界平均水平的3倍[29],遠(yuǎn)超國(guó)際公認(rèn)的225 kg hm–2化肥施用安全上限。與此同時(shí), 三大糧食作物氮肥、磷肥和鉀肥的利用率分別僅有33%、24%和42%。因此, 化肥(包括氮、磷、鉀)的高效利用是水稻新品種應(yīng)具備的重要特性。此外, 水稻是糧食作物中用水第一大戶(hù), 稻田灌溉用水量約占農(nóng)業(yè)用水總量的70%。全球氣候變化及環(huán)境污染的加重, 用于灌溉的水資源越來(lái)越匱乏, 嚴(yán)重威脅到水稻生產(chǎn)的發(fā)展。因此, 較高的水分利用效率也應(yīng)當(dāng)是水稻新品種必須具備的重要特性?；诖? 本文選取氮肥利用效率、磷肥利用效率、鉀肥利用效率和水分利用效率4個(gè)指標(biāo)作為綠色超級(jí)稻品種的生態(tài)性指標(biāo)。

社會(huì)性指標(biāo), 主要體現(xiàn)水稻品種的社會(huì)可接受度。近年來(lái)隨著“鎘大米”“黃金大米”等食品安全事件頻發(fā), 消費(fèi)者對(duì)食品安全問(wèn)題的重視程度日益增強(qiáng)。品質(zhì)安全是農(nóng)產(chǎn)品被市場(chǎng)和消費(fèi)者接受和認(rèn)可的重要前提。就稻米而言, 重金屬污染程度和農(nóng)藥殘留狀況是判斷稻米品質(zhì)安全的重要指標(biāo)[30], 因此, 本文選取稻米農(nóng)藥殘留和重金屬污染程度作為綠色超級(jí)稻品種的社會(huì)性指標(biāo)。

1.2.2 對(duì)數(shù)主成分分析 目前應(yīng)用最為廣泛的綜合評(píng)價(jià)方法包括聚類(lèi)分析、主成分分析、AHP和模糊綜合評(píng)價(jià)等[11]。其中聚類(lèi)分析主要是通過(guò)計(jì)算指標(biāo)間距離或相似系數(shù)對(duì)評(píng)價(jià)對(duì)象進(jìn)行系統(tǒng)分類(lèi), 其側(cè)重于“分組”, 而AHP和模糊綜合評(píng)價(jià)法都沒(méi)有從根本上解決指標(biāo)賦權(quán)的主觀性問(wèn)題[31]。主成分分析法是一種有效的降維方法[32], 同時(shí)在一定程度上克服了人為確定指標(biāo)權(quán)重所帶來(lái)的主觀性問(wèn)題[33-34]。然而傳統(tǒng)主成分分析法也受到“線(xiàn)性化”問(wèn)題的困擾。對(duì)此, 部分學(xué)者提出一些非線(xiàn)性主成分分析方法, 如對(duì)數(shù)主成分分析法[35], 在一定程度上改進(jìn)了傳統(tǒng)主成分分析的“線(xiàn)性化”約束。因此, 本文擬借鑒葉明確等[35]的研究思路, 采用對(duì)數(shù)主成分分析法對(duì)綠色超級(jí)稻品種進(jìn)行綜合評(píng)價(jià), 通過(guò)聚類(lèi)分析對(duì)綠色超級(jí)稻品種進(jìn)行類(lèi)別劃分。

與傳統(tǒng)的R型主成分分析相比, 對(duì)數(shù)主成分分析的區(qū)別在于前期的數(shù)據(jù)預(yù)處理, 即除了數(shù)據(jù)的正向化和標(biāo)準(zhǔn)化處理外, 還需進(jìn)行對(duì)數(shù)化處理。評(píng)價(jià)指標(biāo)有正向指標(biāo)(指標(biāo)值越大越好)和逆向指標(biāo)(指標(biāo)值越小越好), 主成分分析前需要將所有指標(biāo)趨同化[36], 否則得不到有效結(jié)論[37]。指標(biāo)趨同化就是把所有的指標(biāo)方向一致化, 要么都變成數(shù)值越大越好, 要么都變成數(shù)值越小越好, 一般情況采取指標(biāo)正向化處理。其中, 強(qiáng)度逆向指標(biāo)x(= 1, …,)的正向化公式[38]如下。

適度指標(biāo)x的正向化公式如下。

綠色超級(jí)稻品種的18個(gè)評(píng)價(jià)指標(biāo)中, “生態(tài)適應(yīng)性”(6)、“堊白度”(10)、“直鏈淀粉含量”(11)、“農(nóng)藥殘留”(17)和“重金屬含量”(18) 5個(gè)指標(biāo)是逆向指標(biāo), 其他13個(gè)指標(biāo)均為正向指標(biāo), 5個(gè)逆向指標(biāo)按照式(1)進(jìn)行正向化處理。此外, 由于各評(píng)級(jí)指標(biāo)的量綱和量級(jí)不同, 如果直接使用指標(biāo)原始值, 會(huì)使主成分過(guò)分偏重于具有較大方差或數(shù)量級(jí)的指標(biāo)。為了消除量綱和量級(jí)的影響, 需要對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理。目前最常用的無(wú)量綱化處理方法為正態(tài)標(biāo)準(zhǔn)化, 但正態(tài)標(biāo)準(zhǔn)化處理后只能反映各指標(biāo)間的相互影響, 抹殺了指標(biāo)間的變異程度, 并不適合多指標(biāo)綜合評(píng)價(jià)[23]。葉雙峰等[24]提出的均值化處理是一種無(wú)量綱化處理方法, 不僅能夠消除各指標(biāo)在量綱上的差異, 而且保留了原始數(shù)據(jù)的相對(duì)差異性。因此, 本文選擇均值化方法對(duì)原始指標(biāo)進(jìn)行無(wú)量綱化處理, 即用各指標(biāo)的均值去除它們相應(yīng)的原始數(shù)據(jù)。均值化處理后的指標(biāo)為x(= 1, 2, …, 18), 在此基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理, 得到lnX(= 1, 2, …, 18)。

1.3 數(shù)據(jù)處理

基于上文構(gòu)建的評(píng)價(jià)指標(biāo)體系, 從技術(shù)性、經(jīng)濟(jì)性、生態(tài)性和社會(huì)性4個(gè)維度18個(gè)指標(biāo)對(duì)候選超級(jí)稻品種綜合評(píng)價(jià)。由于部分?jǐn)?shù)據(jù)在試驗(yàn)中未系統(tǒng)記錄, 個(gè)別指標(biāo)未納入此次分析, 如“抗非生物逆境性”(5)、“生態(tài)適應(yīng)性”(6)、“成本利潤(rùn)率”(8)、“透明度”(12)、“磷肥利用效率”(14)、“鉀肥利用效率”(15)、“水分利用效率”(16)、“農(nóng)藥殘留”(17)以及“重金屬含量”(18) 9個(gè)指標(biāo)。另外, 一些指標(biāo)數(shù)據(jù)在大田試驗(yàn)時(shí)未進(jìn)行記錄或檢驗(yàn)測(cè)度, 但在該品種審定時(shí)有相應(yīng)的記錄數(shù)據(jù), 因此我們將品種審定中的相應(yīng)數(shù)據(jù)作為替代, 如“抗倒伏性”(3)、“抗病蟲(chóng)性”(4)、“整精米率”(9)、“堊白度”(10)和“直鏈淀粉含量”(11)。盡管如此, 部分指標(biāo)數(shù)據(jù)仍未如愿獲得, 這可能會(huì)影響綜合評(píng)價(jià)的全面性和準(zhǔn)確性。根據(jù)上文所述方法對(duì)各指標(biāo)預(yù)處理, 即數(shù)據(jù)的正向化、標(biāo)準(zhǔn)化和對(duì)數(shù)化處理。

2 結(jié)果與分析

2.1 對(duì)數(shù)主成分分析

應(yīng)用R軟件對(duì)數(shù)據(jù)進(jìn)行主成分分析。樣本(評(píng)價(jià)指標(biāo))相關(guān)系數(shù)矩陣的特征值、方差貢獻(xiàn)率和累積方差貢獻(xiàn)率見(jiàn)表2。根據(jù)特征值大于1的標(biāo)準(zhǔn)確定主成分個(gè)數(shù)為4, 累積方差貢獻(xiàn)率為82%。在實(shí)際應(yīng)用中累積方差貢獻(xiàn)率達(dá)到75%就具有很好的效果[35], 因此本文選取的4個(gè)主成分具有較強(qiáng)的合理性。前4個(gè)主成分的載荷矩陣如表3所示。

表2 特征值與方差貢獻(xiàn)率

表3 主成分載荷矩陣

縮寫(xiě)同表1。Abbreviations as in Table 1.

由表3得到4個(gè)主成分的表達(dá)式:

主成分綜合得分:

根據(jù)式(3)計(jì)算13個(gè)綠色超級(jí)稻候選品種的綜合評(píng)價(jià)得分(見(jiàn)表4)。

根據(jù)對(duì)數(shù)主成分綜合得分, 綜合表現(xiàn)最好的前3個(gè)綠色超級(jí)稻候選品種依次是武運(yùn)粳30、甬優(yōu)2640和寧粳5號(hào), 鎮(zhèn)稻16和寧粳1號(hào)的綜合表現(xiàn)相對(duì)較差。作為對(duì)比, 我們應(yīng)用傳統(tǒng)的主成分分析法對(duì)13個(gè)綠色超級(jí)稻候選品種進(jìn)行綜合評(píng)價(jià), 其綜合得分表達(dá)式為0=–0.0511–1.1482+0.1073–0.0914+ 0.1187+0.0269–0.03410+0.1411+0.09913, 評(píng)價(jià)結(jié)果見(jiàn)表4中的“排序2”。對(duì)比發(fā)現(xiàn), 對(duì)數(shù)主成分分析和主成分分析的評(píng)價(jià)結(jié)果具有明顯的差異。其原因在于, 主成分分析僅考慮了指標(biāo)之間的線(xiàn)性關(guān)系, 忽視了現(xiàn)實(shí)中指標(biāo)間可能存在的非線(xiàn)性關(guān)系, 而對(duì)數(shù)主成分分析則將指標(biāo)間的非線(xiàn)性關(guān)系納入考慮。對(duì)指標(biāo)間關(guān)系的不同處理方式導(dǎo)致各指標(biāo)的權(quán)重有所不同, 進(jìn)而影響綜合評(píng)價(jià)結(jié)果。通過(guò)指標(biāo)權(quán)重的比較可知, 對(duì)數(shù)主成分分析中權(quán)重最大的指標(biāo)是氮素利用效率、整精米率, 其次是有效穗、抗病蟲(chóng)性和單產(chǎn)。主成分分析中權(quán)重最大的指標(biāo)是結(jié)實(shí)率和直鏈淀粉含量, 其次是單產(chǎn)、抗倒性和氮素利用效率, 但是結(jié)實(shí)率、抗病蟲(chóng)性、有效穗和堊白度4個(gè)指標(biāo)在綜合得分中的系數(shù)為負(fù), 即這4個(gè)指標(biāo)的值越大其綜合得分越小, 同我們的預(yù)期相反。

2.2 系統(tǒng)聚類(lèi)分析

將樣本數(shù)據(jù)進(jìn)行均值標(biāo)準(zhǔn)化處理, 以Euclid (歐幾里得)距離計(jì)算各樣本點(diǎn)的距離, 用最長(zhǎng)距離法對(duì)樣本進(jìn)行聚類(lèi)分析。結(jié)果(圖1)表明, 當(dāng)臨界值>1時(shí), 13個(gè)綠色超級(jí)稻候選品種被劃分為4類(lèi)。武運(yùn)粳30和南粳9108為一類(lèi)(類(lèi)I), 淮稻5、甬優(yōu)2640、甬優(yōu)1540和寧粳1為一類(lèi)(類(lèi)II), 揚(yáng)粳4038、淮稻13、鎮(zhèn)稻10、寧粳5號(hào)、武運(yùn)粳24和連粳7號(hào)為一類(lèi)(類(lèi)III), 鎮(zhèn)稻16為一類(lèi)(類(lèi)IV)。通過(guò)對(duì)這4類(lèi)品種的性狀表現(xiàn)作進(jìn)一步分析發(fā)現(xiàn), 類(lèi)I品種的直鏈淀粉含量顯著高于其他品種, 但堊白度偏高、氮素籽粒生產(chǎn)效率偏低。類(lèi)II品種的抗病蟲(chóng)性較強(qiáng), 氮素籽粒生產(chǎn)效率較高, 但堊白度偏高。類(lèi)III品種的堊白度較低, 整精米率較高, 但抗倒性較差。類(lèi)IV品種的抗病蟲(chóng)性較強(qiáng), 堊白度較低, 但氮素籽粒生產(chǎn)效率偏低。

3 討論

3.1 評(píng)價(jià)指標(biāo)篩選

選擇合理的評(píng)價(jià)指標(biāo)是進(jìn)行品種綜合評(píng)價(jià)的關(guān)鍵。近年來(lái), 不少學(xué)者提出采用定量方法篩選評(píng)價(jià)指標(biāo), 如基于指標(biāo)之間的相關(guān)性或指標(biāo)數(shù)值的變異性進(jìn)行指標(biāo)篩選。但這種定量篩選方法的使用應(yīng)當(dāng)以不影響綜合評(píng)價(jià)指標(biāo)體系的“全面性”與“代表性”為前提[11]。本文采用的是專(zhuān)家會(huì)議法來(lái)篩選評(píng)價(jià)指標(biāo)。我們邀請(qǐng)了15位不同領(lǐng)域(包括育種、栽培、農(nóng)業(yè)經(jīng)濟(jì)以及農(nóng)技推廣等)的水稻專(zhuān)家通過(guò)面對(duì)面討論或郵件交流確定評(píng)價(jià)指標(biāo)。這種方法能夠充分利用各位專(zhuān)家的專(zhuān)業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn), 篩選的指標(biāo)具有較強(qiáng)的全面性和合理性。

表4 綠色超級(jí)稻品種綜合評(píng)價(jià)結(jié)果

排序1和排序2分別為對(duì)數(shù)主成分分析和主成分分析的評(píng)價(jià)結(jié)果。

Rank 1 and rank 2 represent the results of the logarithmic principal component analysis and principal component analysis respectively.

圖1 綠色超級(jí)稻候選品種的聚類(lèi)分析樹(shù)狀圖

Zhendao 16: 鎮(zhèn)稻16; Liangeng 7: 連粳7號(hào); Wuyungeng 24: 武運(yùn)粳24; Ninggeng 5: 寧粳5號(hào); Zhendao 10: 鎮(zhèn)稻10號(hào); Huaidao 13: 淮稻13; Yanggeng 4038: 揚(yáng)粳4038; Wuyungeng 30: 武運(yùn)粳30; Nangeng 9108: 南粳9108; Ninggeng 1: 寧粳1號(hào); Yongyou 1540: 甬優(yōu)1540; Yongyou 2640: 甬優(yōu)2640; Huaidao 5: 淮稻5號(hào)。

3.2 評(píng)價(jià)方法選擇與應(yīng)用

綜合評(píng)價(jià)方法多種多樣, 每一種方法具有各自的優(yōu)勢(shì)和不足。對(duì)數(shù)主成分分析法雖然相較于傳統(tǒng)主成分分析有一定改進(jìn), 但仍然存在不少爭(zhēng)議。例如, 進(jìn)行綜合評(píng)價(jià)時(shí)用多個(gè)主成分加權(quán)評(píng)價(jià)是否可取, 這一問(wèn)題始終未能得到解決。有部分學(xué)者指出, 應(yīng)用主成分綜合評(píng)價(jià)時(shí)只能選擇第一主成分, 否則會(huì)導(dǎo)致評(píng)價(jià)結(jié)果的偏誤[35,39]。但也有部分學(xué)者認(rèn)為, 只選取第一主成分是一種極端的做法, 其前提是第一主成分的方差貢獻(xiàn)率足夠大, 但這一條件往往難以滿(mǎn)足[40], 只要有評(píng)價(jià)指標(biāo)同主成分具有顯著性統(tǒng)計(jì)關(guān)系, 便可選擇這一主成分進(jìn)行加權(quán)綜合評(píng)價(jià)[41]。從實(shí)際應(yīng)用看, 大部分文獻(xiàn)選擇的是多個(gè)主成分加權(quán)進(jìn)行綜合評(píng)價(jià)。因此, 我們?cè)趹?yīng)用主成分以及其他方法進(jìn)行綜合評(píng)價(jià)時(shí)需要謹(jǐn)慎對(duì)待。另外, 大多數(shù)文獻(xiàn)在進(jìn)行綜合評(píng)價(jià)分析時(shí), 對(duì)一些技術(shù)細(xì)節(jié)注意不夠, 例如數(shù)據(jù)的正向化處理。如果指標(biāo)不是正向化, 便得不到有效結(jié)論[37], 但很多文獻(xiàn)忽略了這一細(xì)節(jié)。因此, 我們應(yīng)當(dāng)及時(shí)跟進(jìn)綜合評(píng)價(jià)理論和方法的發(fā)展動(dòng)態(tài), 采用更合理的方法開(kāi)展綜合評(píng)價(jià)。

3.3 案例分析結(jié)果合理性探討

葉明確等[35]從理論基礎(chǔ)、幾何意義等方面對(duì)對(duì)數(shù)主成分分析的合理性進(jìn)行了闡釋, 以2012年聯(lián)合國(guó)人類(lèi)發(fā)展指數(shù)作為參考依據(jù), 對(duì)不同評(píng)價(jià)方法進(jìn)行了對(duì)比分析并驗(yàn)證了對(duì)數(shù)主成分分析的合理性和有效性。本文結(jié)果發(fā)現(xiàn), 對(duì)數(shù)主成分分析的綜合得分中各指標(biāo)系數(shù)的符號(hào)均與預(yù)期相符, 而主成分分析綜合得分中部分指標(biāo)的系數(shù)符號(hào)與預(yù)期相反。此外, 為了考察指標(biāo)賦權(quán)的合理性, 我們將主觀賦權(quán)法(專(zhuān)家打分法)和客觀賦權(quán)法(對(duì)數(shù)主成分分析和傳統(tǒng)的主成分分析)的賦權(quán)結(jié)果進(jìn)行比較。從賦權(quán)結(jié)果看, 對(duì)數(shù)主成分分析中權(quán)重最大的指標(biāo)是氮素利用效率、整精米率, 其次是有效穗、抗病蟲(chóng)性和單產(chǎn)。主成分分析中權(quán)重最大的指標(biāo)是結(jié)實(shí)率和直鏈淀粉含量, 其次是單產(chǎn)、抗倒性和氮素利用效率。專(zhuān)家打分法中權(quán)重最大的指標(biāo)是單產(chǎn)和氮素利用效率, 其次是抗病蟲(chóng)性、抗倒性和品質(zhì)。對(duì)比發(fā)現(xiàn), 對(duì)數(shù)主成分分析的指標(biāo)權(quán)重同專(zhuān)家打分法所得到的指標(biāo)權(quán)重更接近, 也更符合綠色超級(jí)稻的理念, 即高產(chǎn)已不再是品種選育最重要的訴求, 優(yōu)質(zhì)、高(多)抗的重要性日益凸顯。這在一定程度上反映了對(duì)數(shù)主成分分析應(yīng)用于綠色超級(jí)稻品種綜合評(píng)價(jià)的合理性。當(dāng)然, 對(duì)數(shù)主成分分析的合理性還需更多的案例應(yīng)用進(jìn)行驗(yàn)證。

3.4 本研究的局限性

本文基于綠色超級(jí)稻理念構(gòu)建了一套綠色超級(jí)稻綜合評(píng)價(jià)指標(biāo)體系, 并應(yīng)用對(duì)數(shù)主成分分析法對(duì)綠色超級(jí)稻品種進(jìn)行綜合評(píng)價(jià), 不僅為綠色超級(jí)稻的新品種選育及推廣應(yīng)用提供了有益參考, 而且為其他作物品種的綜合評(píng)價(jià)提供了有益的研究思路。但是本研究仍然存在一定的不足。第一, 評(píng)價(jià)指標(biāo)在科學(xué)性、全面性等方面可能存在有待改進(jìn)和完善之處。第二, 部分指標(biāo)的數(shù)據(jù)獲取具有一定難度, 例如生態(tài)適應(yīng)性指標(biāo), 需要同一品種在不同區(qū)域、不同年際進(jìn)行收集; 又如經(jīng)濟(jì)性指標(biāo)中的整精米率、堊白度和社會(huì)性指標(biāo)中的農(nóng)藥殘留、重金屬殘留等需要專(zhuān)業(yè)機(jī)構(gòu)或?qū)I(yè)設(shè)備進(jìn)行檢測(cè), 數(shù)據(jù)獲取成本較高。第三, 評(píng)價(jià)方法雖然在個(gè)別方面有所改進(jìn), 但其應(yīng)用中存在的一些爭(zhēng)議問(wèn)題仍未得到有效解決, 如主成分分析法能否用多個(gè)主成分進(jìn)行綜合評(píng)價(jià)尚需進(jìn)一步討論。第四, 本研究案例分析應(yīng)用的數(shù)據(jù)來(lái)源于大田試驗(yàn)點(diǎn), 具有一定的區(qū)域局限性, 且樣本量相對(duì)較少, 品種也僅限于粳稻品種, 因此存在樣本代表性不強(qiáng)等問(wèn)題。此外, 由于數(shù)據(jù)獲取問(wèn)題, 部分指標(biāo)未納入分析框架, 且個(gè)別指標(biāo)的數(shù)據(jù)來(lái)源于品種審定而非全部來(lái)自大田試驗(yàn), 存在數(shù)據(jù)源不完全統(tǒng)一而導(dǎo)致結(jié)果偏誤等問(wèn)題。因此, 在今后的研究中需要在對(duì)評(píng)價(jià)指標(biāo)體系完善的基礎(chǔ)上, 加強(qiáng)評(píng)價(jià)方法的改進(jìn)和創(chuàng)新, 同時(shí)保證樣本數(shù)據(jù)的可靠性和代表性。

4 結(jié)論

圍繞“少打農(nóng)藥、少施化肥、節(jié)水抗旱、優(yōu)質(zhì)高產(chǎn)”的理念, 從技術(shù)性、經(jīng)濟(jì)性、生態(tài)性和社會(huì)性4個(gè)維度共18個(gè)指標(biāo)構(gòu)建了綠色超級(jí)稻品種綜合評(píng)價(jià)指標(biāo)體系, 為綠色超級(jí)稻或其他作物的品種選育及推廣應(yīng)用提供了一種有益的研究思路。對(duì)數(shù)主成分分析可作為一種有效的水稻品種綜合評(píng)價(jià)方法。

[1] 余四斌, 熊銀, 肖景華, 羅利軍, 張啟發(fā). 雜交稻與綠色超級(jí)稻. 科學(xué)通報(bào), 2016, 61: 3797–3803. Yu S B, Xiong Y, Xiao J H, Luo L J, Zhang Q F. Hybrid rice and green super rice., 2016, 61: 3797–3803 (in Chinese with English abstract).

[2] Elert E. Rice by the numbers: a good grain., 2014, 514: S50–S51.

[3] Zhang Q F. Strategies for developing green super rice., 2007, 104: 16402–16409.

[4] 彭張林, 張強(qiáng), 楊善林. 綜合評(píng)價(jià)理論與方法研究綜述. 中國(guó)管理科學(xué), 2015, 23(增刊1): 245–256. Peng Z L, Zhang Q, Yang S L. Overview of comprehensive evaluation theory and methhodology., 2015, 23(Suppl 1): 245–256 (in Chinese with English abstract).

[5] 邱東, 湯光華. 對(duì)綜合評(píng)價(jià)幾個(gè)階段的再思考. 統(tǒng)計(jì)教育, 1997, (4): 25–27. Qiu D, Tang G H. Rethink of stages of comprehensive evaluation., 1997, (4): 25–27 (in Chinese).

[6] 陳衍泰, 陳國(guó)宏, 李美娟. 綜合評(píng)價(jià)方法分類(lèi)及研究進(jìn)展. 管理科學(xué)學(xué)報(bào), 2004, 7(2): 69–79. Chen Y T, Chen G H, Li M J. Classification and research advancement of comprehensive evaluation methods., 2004, 7(2): 69–79 (in Chinese with English abstract).

[7] 陳國(guó)宏, 李美娟. 基于方法集的綜合評(píng)價(jià)方法集化研究. 中國(guó)管理科學(xué), 2004, 12(1): 102–106. Chen G H, Li M J. The research on the comprehensive evaluation methodintegration based on method set., 2004, 12(1): 102–106 (in Chinese with English abstract).

[8] 陳國(guó)宏, 李美娟. 組合評(píng)價(jià)收斂性驗(yàn)證的計(jì)算機(jī)模擬實(shí)驗(yàn). 系統(tǒng)工程理論與實(shí)踐, 2005, 25(5): 74–82. Chen G H, Li M J. The simulation experiment on verifying the convergence of combination evaluation., 2005, 25(5): 74–82 (in Chinese with English abstract).

[9] 郭亞軍, 易平濤. 一種基于整體差異的客觀組合評(píng)價(jià)法. 中國(guó)管理科學(xué), 2006, 14(3): 60–64. Guo Y J, Yi P T. Whole diversity-based reasoning for objective combined evaluation., 2006, 14(3): 60–64 (in Chinese with English abstract).

[10] 徐強(qiáng). 組合評(píng)價(jià)法研究. 江蘇統(tǒng)計(jì), 2002, (10): 10–12. Xu Q. Research on combined evaluation., 2002, (10): 10–12 (in Chinese).

[11] 蘇為華. 我國(guó)多指標(biāo)綜合評(píng)價(jià)技術(shù)與應(yīng)用研究的回顧與認(rèn)識(shí). 統(tǒng)計(jì)研究, 2012, 29(8): 98–107. Su W H. Review and recognition on the research of multi-indi-cators comprehensive evaluation in China., 2012, 29(8): 98–107 (in Chinese with English abstract).

[12] 楊瑰麗, 楊美娜, 李帥良, 曲志恒, 黃明, 陳志強(qiáng), 王慧. 水稻萌芽期抗旱指標(biāo)篩選與抗旱性綜合評(píng)價(jià). 華南農(nóng)業(yè)大學(xué)學(xué)報(bào), 2015, 36(2): 1–5. Yang G L, Yang M N, Li S L, Qu Z H, Huang M, Chen Z Q, Wang H. Screening and comprehensive evaluation of drought resistance indices of rice at germination stage., 2015, 36(2): 1–5 (in Chinese with English abstract).

[13] 程建峰, 潘曉云, 劉宜柏, 戴廷波, 曹衛(wèi)星. 水稻抗旱性鑒定的形態(tài)指標(biāo). 生態(tài)學(xué)報(bào), 2005, 25: 3117–3125. Cheng J F, Pan X Y, Liu Y B, Dai T B, Cao W X. Morphological indexes of drought resistance identification in rice., 2005, 25: 3117–3125 (in Chinese with English abstract).

[14] 蔡建國(guó), 章毅, 孫歐文, 楊倩倩. 繡球抗旱性綜合評(píng)價(jià)及指標(biāo)體系構(gòu)建. 應(yīng)用生態(tài)學(xué)報(bào), 2018, 29: 3175–3182. Cai J G, Zhang Y, Sun O W, Yang Q Q. Comprehensive evaluation and construction of drought resistance index system in., 2018, 29: 3175–3182 (in Chinese with English abstract).

[15] 韓飛, 諸葛玉平, 婁燕宏, 王會(huì), 張乃丹, 何偉, 晁贏. 63份谷子種質(zhì)的耐鹽綜合評(píng)價(jià)及耐鹽品種篩選. 植物遺傳資源學(xué)報(bào), 2018, 19: 685–693. Han F, Zhu-Ge Y P, Lou Y H, Wang H, Zhang N D, He W, Chao Y. Evaluation of salt tolerance and screening for salt tolerant accessions of 63 foxtail millet germplasm., 2018, 19: 685–693 (in Chinese with English abstract).

[16] 張海艷, 趙海軍. 不同品種玉米萌發(fā)期和苗期耐鹽性綜合評(píng)價(jià). 玉米科學(xué), 2016, 24(5): 61–67. Zhang H Y, Zhao H J. Comprehensive evaluation of salt tolerance of different corn varieties at the germination and seedling stages., 2016, 24(5): 61–67 (in Chinese with English abstract).

[17] 蘇李維, 李勝, 馬紹英, 戴彩虹, 時(shí)振振, 唐斌, 趙生琴, 蒲彥濤. 葡萄抗寒性綜合評(píng)價(jià)方法的建立. 草業(yè)學(xué)報(bào), 2015, 24(3): 70–79. Su L W, Li S, Ma S Y, Dai C H, Shi Z Z, Tang B, Zhao S Q, Pu Y T. A comprehensive assessment method for cold resistance of grape vines., 2015, 24(3): 70–79 (in Chinese with English abstract).

[18] 劉海卿, 孫萬(wàn)倉(cāng), 劉自剛, 武軍艷, 錢(qián)武, 王志江, 郭仁迪, 馬驪, 侯獻(xiàn)飛, 劉林波. 北方寒旱區(qū)白菜型冬油菜抗寒性與抗旱性評(píng)價(jià)及其關(guān)系. 中國(guó)農(nóng)業(yè)科學(xué), 2015, 48: 3743–3756. Liu H Q, Sun W C, Liu Z G, Wu J Y, Qian W, Wang Z J, Guo R D, Ma L, Hou X F, Liu L B. Evaluation of drought resistance and cold resistance and research of their relationship at seedling stage of winter rapeseed (L.) in cold and arid regions in North China., 2015, 48: 3743–3756 (in Chinese with English abstract).

[19] 王樹(shù)剛, 王振林, 王平, 王海偉, 李府, 黃瑋, 武玉國(guó), 尹燕枰. 不同小麥品種對(duì)低溫脅迫的反應(yīng)及抗凍性評(píng)價(jià). 生態(tài)學(xué)報(bào), 2011, 31: 1064–1072. Wang S G, Wang Z L, Wang P, Wang H W, Li F, Huang W, Wu Y G, Yin Y P. Evaluation of wheat freezing resistance based on the responses of the physiological indices to low temperature stress., 2011, 31: 1064–1072 (in Chinese with English abstract).

[20] 于秋竹, 孔宇, 陳東升, 解保勝, 徐正進(jìn). 基于主成分及聚類(lèi)分析的黑龍江省水稻產(chǎn)量與品質(zhì)的綜合評(píng)價(jià). 沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2015, 46: 219–224. Yu Q Z, Kong Y, Chen D S, Xie B S, Xu Z J. Comprehensive evaluation of yield and quality of rice based on principal component and cluster analysis in Heilongjiang province., 2015, 46: 219–224 (in Chinese with English abstract).

[21] 陳晨, 龔海青, 張敬智, 徐寓軍, 郜紅建. 不同基因型水稻苗期氮營(yíng)養(yǎng)特性差異及綜合評(píng)價(jià). 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2016, 24: 1347–1355. Chen C, Gong H Q, Zhang J Z, Xu Y J, Gao H J. Evaluation of nitrogen nutrition characteristics of different rice cultivars at seedling stage., 2016, 24: 1347–1355 (in Chinese with English abstract).

[22] 王雪, 崔少雄, 孫志梅, 穆國(guó)俊, 崔順立, 王鵬超, 劉立峰. 基于生物量和養(yǎng)分累積量的花生品種生態(tài)適應(yīng)性評(píng)價(jià). 應(yīng)用生態(tài)學(xué)報(bào), 2015, 26: 2023–2029. Wang X, Cui S X, Sun Z M, Mu G J, Cui S L, Wang P C, Liu L F. Ecological adaptability evaluation of peanut cultivars based on biomass and nutrient accumulatio., 2015, 26: 2023–2029 (in Chinese with English abstract).

[23] 鈔小靜, 任保平. 中國(guó)經(jīng)濟(jì)增長(zhǎng)質(zhì)量的時(shí)序變化與地區(qū)差異分析. 經(jīng)濟(jì)研究, 2011, 46(4): 26–40. Chao X J, Ren B P. The fluctuation and regional difference of quality of economic growth in China., 2011, 46(4): 26–40 (in Chinese with English abstract).

[24] 葉雙峰. 關(guān)于主成分分析做綜合評(píng)價(jià)的改進(jìn). 數(shù)理統(tǒng)計(jì)與管理, 2001, 20(2): 52–55. Ye S F. The application and consideration about principal component analysis., 2001, 20(2): 52–55 (in Chinese with English abstract).

[25] 邱東. 多指標(biāo)綜合評(píng)價(jià):方法論反思. 經(jīng)濟(jì)統(tǒng)計(jì)學(xué)(季刊), 2013, (1): 39–47. Qiu D. Multi-index comprehensive evaluation: A methodological reflection., 2013, (1): 39–47 (in Chinese with English abstract).

[26] 張啟發(fā). 未來(lái)作物育種對(duì)綠色技術(shù)的需求. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2014, 33(6): 10–15. Zhang Q F. Demands for green technologies in future plant breeding., 2014, 33(6): 10–15 (in Chinese with English abstract).

[27] 中華人民共和國(guó)農(nóng)業(yè)部. 農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn): NY/T 83-2017. 北京: 中國(guó)農(nóng)業(yè)出版社, 2017. Ministry of Agriculture and Rural Affairs of the People’s Republic of China. Agricultural standard: NY/T 83-2017. Beijing: China Agriculture Press, 2017 (in Chinese).

[28] 程式華. 2017年中國(guó)水稻產(chǎn)業(yè)發(fā)展報(bào)告. 北京: 中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社, 2017. pp 169–176. Cheng S H. Development Report of China’s Rice Industry in 2017. Beijing: China Agricultural Science and Technology Press, 2017. pp 169–176 (in Chinese).

[29] FAOSTAT. Fertilizer by Nutrient. (2018-08-28)[2018-03-27]. http://www.fao.org/faostat/en/#data/RFN.

[30] 王忠, 顧蘊(yùn)潔, 陳剛, 熊飛, 李運(yùn)祥. 稻米的品質(zhì)和影響因素. 分子植物育種, 2003, 1: 231–241. Wang Z, Gu Y J, Chen G, Xiong F, Li Y X. Rice quality and its affecting factors., 2003, 1: 231–241 (in Chinese with English abstract).

[31] Gungor Z, Serhadlioglu G, Kesen S E. A fuzzy AHP approach to personnel selection problem., 2009, 9: 641–646.

[32] Rao C R. The use and interpretation of principal component analysis in applied research.,(1961–2002), 1964, 26: 329–358.

[33] 蔡藝. 主成分方法在綜合評(píng)價(jià)中的應(yīng)用. 中國(guó)統(tǒng)計(jì), 2005, (2): 24–26. Cai Y. Application of principal component analysis in comprehensive evaluation., 2005, (2): 24–26 (in Chinese).

[34] 邱東. 多指標(biāo)綜合評(píng)價(jià)方法. 統(tǒng)計(jì)研究, 1990, 7(6): 43–51. Qiu D. Multi-index comprehensive evaluation methods., 1990, 7(6): 43–51 (in Chinese).

[35] 葉明確, 楊亞娟. 主成分綜合評(píng)價(jià)法的誤區(qū)識(shí)別及其改進(jìn). 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2016, 33(10): 142–153. Ye M Q, Yang Y J. Erroneous zone identification and improvement of synthesis evaluation based on principal component analysis., 2016, 33(10): 142–153 (in Chinese with English abstract).

[36] 陳軍才. 主成分與因子分析中指標(biāo)同趨勢(shì)化方法探討. 統(tǒng)計(jì)與信息論壇, 2005, 20(2): 19–23. Chen J C. Discussion of the same trending methods of indices in principal component analysis and factor analysis., 2005, 20(2): 19–23 (in Chinese with English abstract).

[37] 林海明. 對(duì)主成分分析法運(yùn)用中十個(gè)問(wèn)題的解析. 統(tǒng)計(jì)與決策, 2007, (16): 16–18. Lin H M. Ten questions in application of principal component analysis., 2007, (16): 16–18 (in Chinese).

[38] 葉宗裕. 關(guān)于多指標(biāo)綜合評(píng)價(jià)中指標(biāo)正向化和無(wú)量綱化方法的選擇. 浙江統(tǒng)計(jì), 2003, (4): 24–25. Ye Z Y. Methods for handling the indexes positively and non-dimensionally in comprehensive evaluations., 2003, (4): 24–25 (in Chinese).

[39] 胡永宏. 對(duì)統(tǒng)計(jì)綜合評(píng)價(jià)中幾個(gè)問(wèn)題的認(rèn)識(shí)與探討. 統(tǒng)計(jì)研究, 2012, 29(1): 26–30. Hu Y H. Understanding and discussion of some problems in statistical synthesis evaluation., 2012, 29(1): 26–30 (in Chinese with English abstract).

[40] 李靖華, 郭耀煌. 主成分分析用于多指標(biāo)評(píng)價(jià)的方法研究: 主成分評(píng)價(jià). 管理工程學(xué)報(bào), 2002, 16(1): 39–43. Li J H, Guo Y H. Principal component evaluation: a multivariate evaluate method expand from principal component analysis., 2002, 16(1): 39–43 (in Chinese with English abstract).

[41] 林海明, 杜子芳. 主成分分析綜合評(píng)價(jià)應(yīng)該注意的問(wèn)題. 統(tǒng)計(jì)研究, 2013, 30(8): 25–31. Lin H M, Du Z F. Some problems in comprehensive evaluation in the principal component analysis., 2013, 30(8): 25–31 (in Chinese with English abstract).

Comprehensive evaluation of green super rice varieties based on nonlinear principal component analysis

JI Long, SHEN Hong-Fang, XU Chun-Chun, CHEN Zhong-Du, and FANG Fu-Ping*

China National Rice Research Institute, Hangzhou 310006, Zhejiang, China

Application of green super rice (GSR) is regarded as one of the important ways to realize sustainable development of rice production, and has become a major goal of the rice breeding around the world. However, there are few literatures on comprehensive evaluation of GSR varieties. The GSR concept is the development of varieties with insect and disease resistance, high N- and P-use efficiency, drought resistance, high grain yield and superior quality. Based on the GSR concept, we establish a comprehensive evaluation index system of GSR varieties in four dimensions, including technical indicators, economic indicators, ecological indicators and social indicators. This index system should shed light on a new perspective for evaluation of crop varieties, variety breeding as well as the application and extension of new crop varieties. Further, a nonlinear principal component analysis, namely logarithmic principal component analysis, was introduced into the comprehensive evaluation of GSR varieties. Based on field experimental data with a comparative analysis by different methods, we revealed that the logarithmic principal component analysis is feasible and reasonable for comprehensive evaluation of GSR varieties.

green super rice; comprehensive evaluation; index system; nonlinear principal component analysis

2018-11-22;

2019-04-15;

2019-04-23.

10.3724/SP.J.1006.2019.82057

方福平, E-mail: fangfuping@caas.cn, Tel: 0571-63100133

E-mail: jilong@caas.cn, Tel: 0571-63370395

本研究由國(guó)家高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目(2014AA10A605), 浙江省自然科學(xué)基金青年基金項(xiàng)目(LQ18G030013)和財(cái)政部-農(nóng)業(yè)部基本科研業(yè)務(wù)費(fèi)項(xiàng)目(2017RG007)資助。

This study was supported by the National High Technology Research and Development Program of China (2014AA10A605), the Natural Science Foundation of Zhejiang Province of China (LQ18G030013), and the Fundamental Research Funds of Ministry of Finance and Ministry of Agriculture and Rural Affairs of China (2017RG007).

URL: http://kns.cnki.net/kcms/detail/11.1809.S.20190423.1100.002.html