基于灰色关联与主成分聚类分析综合评价37份长荚豇豆种质资源

【目的】充分挖掘并利用长荚豇豆种质资源。【方法】对37份长荚豇豆种质资源的11个农艺性状进行主成分分析、聚类分析和灰色关联分析。【结果】37份长荚豇豆种质资源的农艺性状变异系数为7.99%～42.02%,其中荚长、荚横径变异系数最小（<10%）,性状最稳定;其他9个农艺性状变异系数均>10%,可作为选育与改良品种农艺性状的首选。11个农艺性状通过主成分分析可以转化成6个主成分,其中特征值前6个主成分累计贡献率为87.17%,能代表37份长荚豇豆种质资源特征。37份长荚豇豆种质资源在遗传距离为10时可分为Ⅰ、Ⅱ、Ⅲ共3类,其中Ⅰ类28个品种,Ⅱ类5个品种,Ⅲ类4个品种,以Ⅲ类表现较好,分别是和顺、南滨708-K、鸿丰708、汉美八号,可作为在海南进行推广种植的品种。采用加权灰色关联分析法得到综合关联度最大为和顺,关联度0.7285,表现最优。经对比发现,加权灰色关联分析法与主成分分析法筛选出来的表现较优的品种基本相同。【结论】通过以上两种方法获得品质较好的10个种质资源中有6个相同,分别是和顺、瑞祥贵、南滨708-K、将军708、汉美七号、汉美八号,相同度达60%,表明这两种...     

基于多元统计法的赣育茶树新品系评价

【目的】探究江西省选育茶树新品系的特征特性和综合评价方法，从中筛选出适宜推广种植的区域化茶树新品种。【方法】对新选育出的19份茶树新品系的农艺性状、化学成分、抗逆性和制作绿茶品质等性状进行了鉴定，并采用隶属函数法、灰色关联度法和主成分分析法进行综合评价。【结果】赣育茶树新品系的各性状指标差异性较大，变异系数为7.98%～65.46%，变异系数较大的为耐寒性、耐旱性、EGC、生长势、一芽一叶期、EC、ECG和总游离氨基酸，其中FZ-1为高发芽密度品系、YB-2为特早生品系、XS-H1和SC-1为高水浸出物品系、FZ-2为高氨基酸品系、WY-15为高EGCG品系。3种综合评价方法中灰色关联度法和主成分分析法的评价结果较为一致，可作为茶树新品系的综合评价方法。最终筛选出FZ-1、FZ-2、XS-1、FL-1、CC-4、XS-2和WY-14等7份综合评价优于对照的新品系。此7份可进行非主要农作物品种登记，也可以作为遗传亲本材料。【结论】灰色关联度法和主成分分析法可有效评价茶树品系，筛选出的7份优良新品系可进一步推广应用。     

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

【目的】筛选综合评价马铃薯品种的最优方法,为生产上推广应用提供参考。【方法】采用灰色关联度分析法和DTOPSIS法,对安顺市农业科学院从中国农业科学院蔬菜花卉研究所引进的11个马铃薯品种的13个性状进行综合评价。【结果】2种分析方法均能对品种进行较全面的评判,但2种方法的综合评判结果存在差异;在赋予相同权重的情况下,利用灰色关联度分析法得出品种加权关联度间差异在0.00%～35.34%,而DTOPSIS法得出品种间品种与理想解的相对接近度值差异在0.00%～56.79%,说明用DTOPSIS法分析可供选择的变异范围更广,更能体现品种间差异和反映品种优劣,比灰色关联度分析法更适合用于马铃薯品种的综合评价。中薯早37号、中薯26号、中薯早34号3个品种在2种评价方法中排名靠前,即综合性状表现较好。【结论】在马铃薯品种综合评价时选用DTOPSIS法比灰色关联度分析法更适合;在11个马铃薯品种中,中薯早37号、中薯26号、中薯早34号的综合性状表现较好,可作为当地推广品种或后续试验参试品种考虑。     

粒用高粱种质资源主要农艺性状的相关性及主成分分析

为了解粒用高粱种质资源的多样性,挖掘其有益基因,提高粒用甜高粱育种效率,对20份粒用高粱种质资源的9个农艺性状进行了遗传变异、相关性及主成分分析。结果表明,9个农艺性状中角质率变异系数最大,为57%;生育期变异系数最小,为4%。相关性分析结果显示,株高与穗柄长呈极显著负相关,茎粗与主穗长呈极显著正相关,主穗长与穗柄长、单穗粒质量呈极显著正相关,其他性状间相关性均不明显。主成分分析结果显示,从9个农艺性状提取了株型、籽粒产量、穗形3个主成分,其累积贡献率达75.381%,3个主成分基本可以概括反映供试材料的9个农艺性状因子信息。表明不同粒用高粱种质资源农艺性状间存在着较大差异,在粒用高粱新品系改良或选育过程中,应根据不同的育种目标筛选基础材料,主辅因子兼顾,方可提高种质资源利用率,实现综合性状最优化。     

引进甜荞品种的主要农艺性状分析及优异种质筛选

为扩大并优化山西甜荞种质资源，筛选高产优质品种，通过多样性分析、灰色关联度分析、主成分分析和综合D值评价等方法对51份引进的甜荞品种的11个农艺性状进行分析。结果表明，引进品种遗传变异丰富。11个农艺性状的变异系数为9.562%～115.337%，其中，单株粒数、单株粒重、产量、一级侧枝数、主茎节数、株高、茎直径、千粒重的变异系数均大于20%。主成分分析表明，前4个主成分的累计贡献率达83.247%。相关分析表明，产量与株高、茎直径、单株粒重、单株粒数呈极显著正相关，其中与单株粒数的关联度最高。综合相关分析、主成分分析以及灰色关联度分析结果，在对引起甜荞选育时，应着重考虑单株粒数与单株粒重。聚类分析将51个品种聚为8个类群，其中第Ⅶ类群中PI 658426、PI 427236为高产品种；第Ⅷ类群的6个品种为性状优良品种。最后根据综合D值进行评价，初步筛选出11份高产优质甜荞品种。     

贵州旱稻种质资源主要农艺性状的主成分分析

对贵州98份旱稻种质资源主要农艺性状的主成分进行了分析,结果表明:种质间性状变异幅度较大,类型丰富,可选择性大.10个农艺性状可归为4个主成分,其累积贡献率为77.03 %.其中,第一主成分主要由穗实粒数和穗总粒数2个性状决定,第二主成分主要由单株有效穗、千粒重和穗长3个性状决定,第三主成分主要代表单株产量,第四主成分反映了粒宽与生育期的情况.根据主成分值对供试材料的主要农艺性状进行综合评价,紫黑糯、红壳粳、光壳粳糯(2)等10个旱稻种质在穗型、结实率、分蘖、单株产量等性状上表现较佳.     

20份红豆草种质资源农艺与品质性状综合评价

以20份红豆草(Onobrychis viciifolia)种质资源为材料,进行了20个农艺和品质性状的多样性、变异、相关性、主成分和聚类分析,并利用灰色关联度分析法进行了综合评价。结果表明,20个性状的变异系数范围为5.75%～73.78%,分枝数变异系数最大,单宁含量变异系数最小;除叶宽外,其余各性状的Shannon’s指数均大于1.50。品质性状中粗蛋白、相对饲喂价值与农艺性状小花长、花萼长、旗瓣宽、叶长之间呈显著正相关(P<0.05),改良这4个性状可提高饲草蛋白含量和相对饲喂价值。前8个主成分的累计贡献率达到72.673%,第1主成分为花型因子,第2主成分为质量因子,第3主成分为纤维因子。通过聚类分析得到4个类群,其中第Ⅱ类群可作为选育矮杆、高蛋白材料的优良亲本以及花大且数量多的基因型材料;第Ⅳ类群质可作为选育高杆、相对饲喂价值高的优良亲本材料。通过灰色关联度分析得到等权关联度排序,其中S6关联度最大,表明该种质与最优指标集的相似程度高;S12关联度最小,表明该种质与最优指标集的差异大。     

基于多元统计方法的江苏食用向日葵主要农艺性状综合评价

旨在掌握江苏省地方食用向日葵种质资源主要农艺性状,筛选食用向日葵优良种质资源,为江苏食用向日葵新品种选育提供理论依据.对江苏13份食用向日葵地方种质资源主要农艺性状进行分析,结果表明,13份食用向日葵资源主要农艺性状变异较大,变异系数为9.66％～66.03％,其中单株实粒质量、结实率变异系数较大,其次是百粒质量、株高、叶片数,变异系数在22.07％～28.91％之间;花盘直径、籽仁率、籽粒长和籽粒宽的变异系数较小,变异系数在9.66％～16.99％之间.分别采用相关分析法和主成分分析法计算综合隶属函数值,对食用向日葵综合农艺性状进行评价,2种方法对综合农艺性状的评价较为一致.根据相关分析法计算的综合隶属函数值,采用聚类分析方法将13份食用向日葵种质资源分为4类,筛选出综合农艺性状表现最好的种质资源1份,综合农艺性状表现较好的种质资源6份.     

2种综合评价法在白芨种质资源综合评估中的应用

由于白芨的性状比较少,给种质资源综合评价带来了一定的难度,因此,采用灰色理论和Topsis法对白芨种质资源进行了综合评价,结果表明:灰色关联分析法与综合评价法的结论基本上是一致的,并与种质资源田间综合表现相符。但在灰色关联度对种质资源的评价中,因其灰色关联度的差异不是很大,不能很好地评价出种质资源的优劣,而Topsis法评价结果中Ci值差异十分明显,能更好地评价品种的优劣。     

2种综合评价法在白芨种质资源综合评估中的应用

由于白芨的性状比较少,给种质资源综合评价带来了一定的难度,因此,采用灰色理论和Topsis法对白芨种质资源进行了综合评价,结果表明:灰色关联分析法与综合评价法的结论基本上是一致的,并与种质资源田间综合表现相符。但在灰色关联度对种质资源的评价中,因其灰色关联度的差异不是很大,不能很好地评价出种质资源的优劣,而Topsis法评价结果中Ci值差异十分明显,能更好地评价品种的优劣。     

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

【目的】客观综合评价云南粳稻品种,并探索一种能综合评价水稻种质资源的新方法。【方法】针对13个具有代表性的粳稻品种的12个农艺性状,采用产量权重评价法、灰色关联分析法和DTOPSIS法。【结果】云粳46号、丽粳22号、昆粳10号、丽粳23号和昭粳13号5个品种按照产量权重来判定适应性,其变异系数为7.26%,最大值与最小值差为21.04%,产量差异较小,得出5个品种在云南高海拔地区的适应性较好没有明显差异;采用灰色关联度法粳稻品种间的关联度值来判定品种适应性,其变异系数为14.06%,最大值与最小值间差为40.14%,说明不同粳稻品种在高海拔地区的适应性差异较大;而DTOPSIS法粳稻品种间的Ci值差异最大,其变异系数为20.34%,最大值与最小的差为58.45%,说明不同粳稻品种在高海拔地区的适应性也存有差异,且差异较大。【结论】3种方法得到的结论有所不同。DTOPSIS法与灰色关联度法相比直接依据产量权重对不同粳稻品种在高海拔地区的适应性的综合评价效果较好,尤其是DTOPSIS法综合评价效果最好。     

辽宁省小豆种质资源表型鉴定及多样性分析

为科学合理评价辽宁省现有小豆资源,从辽宁省农科院种质资源库中选取289份小豆种质资源,调查记载包括32个质量性状和18个数量性状在内的50个农艺性状,并通过多样性、相关性、主成分、灰色关联度和聚类分析,对资源进行综合评价。289份小豆种质资源具有丰富的表型多样性,各性状之间又具有复杂的相关性;结合主成分分析和灰色关联度分析结果,认为与产量相关较密切的主要是籽粒和果荚性状,以及与植株营养生长能力直接相关的性状包括单株荚数、果荚大小、百粒重、主茎粗、单荚粒数等。进一步通过聚类分析在欧氏距离23.01处,将资源分为6个类群,并确定了各数量性状分布的区间范围以及中心值。小豆高产育种过程中应选择单株荚数多、果荚大、百粒重高、茎秆粗壮、多分枝、叶片深绿较大的资源作为亲本,并筛选出3个早熟矮秆小粒资源和5个中熟高秆大粒高产资源。     

大蒜种质资源农艺性状分析及综合评价

【目的】分析大蒜种质资源的农艺性状,并对大蒜种质资源进行初步鉴定及综合评价,以期全面了解大蒜种质资源特性,对今后开展大蒜种质资源遗传多样性分析、创新利用及新品种选育提供理论参考。【方法】对184份大蒜种质资源的株高、假茎直径、叶长、叶宽和单头鳞茎重等12个农艺性状进行调查,计算其变异系数,并进行相关分析、主成分分析和聚类分析。【结果】184份大蒜种质资源的12个农艺性状变异系数为14.072%~67.993%,其中,假茎直径、叶长、叶片数和鳞茎盘厚的变异系数均大于40.000%。相关分析结果显示,大蒜种质资源不同农艺性状间存在不同程度的相关性,其中鳞茎高、鳞茎横茎、鳞茎盘直径、鳞芽背宽和鳞芽高是影响蒜头产量的主要农艺性状。主成分分析结果显示,大蒜种质资源表型性状的绝大部分信息包含在前4个主成分因子,累计贡献率为76.226%,主要因子为鳞茎横径、株高、单头鳞茎重、鳞芽高、鳞茎高、鳞茎盘厚和叶片数。聚类分析结果显示,184份大蒜种质资源在欧氏距离20.00处可聚为七大类群,其中第Ⅳ和Ⅴ类群种质的综合表现较好,且大部分为贵州本地资源。通过计算184份大蒜种质资源农艺性状的综合得分,筛选出综合得分较高的21份种质,其中有20份种质来自贵州。【结论】184份大蒜种质资源遗传差异较大,其中贵州大蒜种质资源综合表现优异,是筛选优良大蒜种质资源的良好材料。     

基于灰色理论与分析方法对木薯种质的评价研究

该文基于灰色关联理论和方法,对19个木薯种质材料的6个性状指标进行了综合评价研究。结果表明:(1)建立了灰色关联分析和Topsis综合评价方法,获得结果基本是一致的,并与种质资源田间综合表现相符,适用于木薯种质资源的综合评价;(2)灰色关联度对种质资源的评价中,因其灰色关联度(ri)差异系数为0.161 8,差异较小,不能很好地评价出种质资源的优劣,而Topsis法评价结果中Ci值差异的差异系数为0.907 5,差异很大,能更好地评价品种的优劣;(3)通过评价比较,筛选获得了8份具有育种潜力的木薯种质材料。研究结果为木薯种质资源评价、应用提供了科学依据。     

利用DTOPSIS法综合评价酿用高粱新品种

为了筛选适宜浙江省尤其是中部地区种植的酿用高粱品种,用DTOPSIS法对2019年浙江省高粱新品种展示东阳点的12个高粱新品种进行综合评价。综合评价结果表明,排在前3位的依次为金糯粱9号、金糯粱2号和晋杂22,此结果与各品种的实际表现一致,表明DTOPSIS法可用于高粱新品种的综合评价。     

基于农艺性状分级对317份甘蔗种质资源的评价

【目的】采用重要农艺性状快速分级的方法对甘蔗种质资源进行评价,为种质资源的进一步精准评价和杂交利用提供参考。【方法】基于大田试验,在成熟期选择株高、茎径、有效茎、叶部病害程度（花叶病、锈病、褐条病等叶部病害田间自然发病的综合反映）和总体生势等5个重要农艺性状,对317份国内外甘蔗种质资源（2重复）进行分级评价。每个性状分为5级,其中株高以1级为最高,依次递减,5级最矮;同理,茎径以1级最粗,5级最细;有效茎以1级最多,5级最少;总体生势以1级最好,5级最差;叶部病害以1级为无或轻,5级最严重。各性状分级由分级小组成员共同完成。基于农艺性状分级数据,采用方差、广义遗传力、主成分、聚类和判别分析等统计方法,对317份种质资源进行综合评价分析,筛选农艺性状表现优良的种质资源。并在此基础上,采用一次旋光法,对筛选出的优良种质资源甘蔗糖分进行评价。【结果】方差和广义遗传力分析结果表明,317份甘蔗种质各个农艺性状指标分级数据间均存在极显著差异（P<0.01）,广义遗传力在0.61—0.72,其中广义遗传力最高为茎径（0.72）,最低为株高（0.61）。主成分分析结果表明,5个农艺性状可简化为1个主成分因子,即5个农艺性状的综合叠加,且此主成分所提供的信息占全部信息量的63.57%,特征根显著高于其他主成分的特征根之和。基于主成分结果,对317份种质进行聚类分析,将其划分为5类,第Ⅰ类包含20份种质,第Ⅱ类包含97份,第Ⅲ类包含82份,第Ⅳ类包含80份,第Ⅴ类包含38份;农艺性状表现以第Ⅰ类和第Ⅱ类的117份种质资源最优（占全部种质数的36.91%）。聚类结果的逐步判别分析显示,平均判对概率为95.85%。聚类结果充分体现了种质资源在田间试验中的实际表现。基于农艺性状聚类分析结果,对第Ⅰ类和第Ⅱ类共计117份种质的甘蔗糖分进行评价。结果显示,117份种质11月至翌年3月平均蔗糖分在5.0%—17.10%,最高为云蔗09-1601（17.1%）,最低为CP79-318（5.0%）。平均蔗糖分15.0%以上的种质有43份,其中有11份超过16.0%。【结论】株高、茎径、有效茎、叶部病害程度和总体生势等是反映甘蔗种质资源田间表现的重要农艺性状指标。基于重要农艺性状快速分级的方法可以作为大量甘蔗种质资源评价的另一途径。     

内蒙古自治区高粱登记品种农艺性状及品质综合评价

为探究内蒙古自治区高粱品种的特点,客观评价高粱品系,对内蒙古登记的92个高粱品种的13个主要农艺性状进行变异分析、主成分分析、隶属函数法、聚类分析和同异分析。结果表明,92个品种的13个性状变异系数在4.01%～56.66%之间。通过主成分分析,将92个品种的农艺和品质性状综合成为9个相互独立的综合指标(主成分值),这9个主成分值的累计贡献率达88.119%,再将各主成分得分值和贡献率进行计算,求出其综合评价D值,基于D值采用欧氏距离及类平均法将92个品种分为四大类：第Ⅰ类具有长生育期、株高较高、穗粒质量和千粒质量较大的特点;第Ⅱ类具有株高适中、支链淀粉含量适中、穗粒质量较大的特点;第Ⅲ类具有生育期相对较长、总淀粉含量相对较高、粗脂肪含量较低的特点;第Ⅳ类具有株高较低、生育期相对较短、穗粒质量较小、总淀粉含量和单宁含量适中、抗病性一般的特点。将同异分析法求出的联系度μ(W)与综合评价D值相结合,从92个品种中选出7个综合性状优良的品种,通过对这些品种的筛选,以期为今后内蒙古地区高粱育种目标的科学确立及品种推广提供参考。     

基于农艺和品质性状的宛艾种质综合评价

采用科学合理的方法综合评价宛艾种质并筛选优异性状材料,为宛艾新品种的选育提供亲本材料及技术支撑。以30个来源于南阳市的宛艾种质为试验材料,采用Shannon-weaver遗传多样性指数、隶属函数法、相关性分析、主成分分析、聚类分析对其农艺和品质性状进行综合评价。结果表明,宛艾种质具有较高的遗传多样性,不同性状的遗传多样性指数为0.53～1.58,变异系数为16.95%～160.71%。相关分析表明,多数农艺性状间存在显著或极显著相关,部分品质性状之间存在显著相关性,但农艺性状与品质性状间相关性较差。主成分分析将15个性状转换成5个综合因子,累积贡献率为85.12%,第1、2、4主成分主要反映农艺性状信息,第5个主成分主要反映品质性状信息,第3个主成分主要反映农艺性状和品质性状信息。基于离差平方和法将30个宛艾种质在欧式距离14.0处聚为三类,第一类为优质型,包含8个种质;第二类为丰产型,包含8个种质;第三类种质性状介于第一类和第二类之间。基于隶属函数法对宛艾种质进行综合评价,筛选出产量和品质综合表现优异的5个种质,可为宛艾新品种选育提供亲本材料支撑。     

灰色关联度分析和DTOPSIS法对烤烟新品种评价效果比较

采用灰色关联度分析法和DTOPSIS法分别对烤烟区域试验中各参试品种进行了多性状的综合评判。结果表明,在产量、品质、抗病性三者兼顾的情况下,两种综合评价方法的评判结果基本相同,并与品种实际表现相符。但灰色关联度方法品种间差异不大,DTOPSIS法评价结果中Ci值差异十分明显,能更好地评价品种的优劣。     

应用灰色系统关联分析法对玉米新配组合的综合评价

应用灰色系统关联分析法对新组配玉米组合进行多农艺性状综合评价分析,结果表明,对产量和农艺性状灰色关联度分析可知,单穗粒重与产量关联度最大,轴粗与产量关联度最小。结合各组合性状构建最优品种,利用12个农艺性状权重计算各组合与最优品种的灰色关联度,筛选出10个综合性状好的、接近最优品种的新配组合。