论文部分内容阅读
摘要：【目的】综合评价玉米品种的宜机收性，筛选适宜黄淮海玉米产区的机械收粒玉米新品种，为该区域宜机收玉米品种的选育和推广提供参考依据。【方法】采用熵值赋权的DTOPSIS法和灰色局势决策法，对2017—2018年10个新审定和生产上的主栽玉米品种进行综合评价。【结果】DTOPSIS法计算结果表明，按照10个玉米品种与理想解的相对接近度Ci排序为京农科728>粒收1号>豫单9953>新单68>创玉107>先玉335>迪卡517>华皖267>怀川39>郑单958，综合产量和宜机收性状，京农科728和豫单9953两个品种表现较好。灰色局势决策法计算结果表明，各参试品种的加权综合效果测度值排序为京农科728>粒收1号>豫单9953>先玉335>新单68>创玉107>迪卡517>怀川39>华皖267>郑单958，结合产量和综合优势量化值，同样是京农科728和豫单9953表现较好。两种方法中，京农科728、粒收1号、豫单9953、迪卡517和郑单958等5个品种的排序基本一致，其余5个品种的综合评价排序稍有不同。【结论】两种评价方法均能客观全面评价玉米品种的宜机收性，但灰色局势决策法分类更准确，计算过程也相对简单。依据各品种的产量和宜机收性综合评价10个参试玉米品种，初步筛选出适宜黄淮海玉米产区的高产宜机收品种为京农科728和豫单9953。
关键词： 玉米;机械收粒;熵权;DTOPSIS法;灰色局势决策法
中图分类号： S513.091 文獻标志码： A 文章编号：2095-1191（2019）09-1953-07
Abstract：【Objective】Comprehensive evaluation of characteristics of mechanical kernel harvest was conducted and new maize cultivar suitable for mechanical kernel harvest in the Huanghuaihai maize planting region was selected. It could provide reference for the selection and promotion of cultivars suitable for mechanical kennel harvest in the region. 【Method】Two evalua-ting methods，DTOPSIS mode and grey situation decision based on entropy were adopted in this paper to comprehensively evaluate 10 newly approved and produced main maize cultivars in 2017–2018. 【Result】DTOPSIS analysis results indicated the rank order of relative approach degree（Ci） of each cultivar was Jingnongke 728>Lishou No.1>Yudan 9953>Xindan 68>Chuangyu 107>Xianyu 335>Dika 517>Huawan 267>Huaichuan 39>Zhengdan 958. Two cultivars Jingnongke 728 and Yudan 9953 performed better in comprehensive yield and suitable traits. Analysis results of grey situation decision method indicated the rank of weighted composite effect value of each cultivars was Jingnongke 728>Lishou No.1>Yudan 9953>Xindan 68>Chuangyu 107>Xianyu 335>Dika 517>Huawan 267>Huaichuan 39>Zhengdan 958. Combined with the quantitative value of yield and comprehensive advantages， the performance of Jingnongke 728 and Yudan 9953 were fine. Among the two methods， the rankings of five cultivars including Jingnongke 728， Lishou No.1， Yudan 9953， Dika 517 and Zhengdan 958 were identical， and the rankings of the other five cultivars were slightly different. 【Conclusion】Both evaluation methods can objectively and comprehensively evaluate characters of mechanical kernel harvest of the maize cultivars， but the gray situation decision method is more accurate and the calculation process is relatively simple. According to the comprehensive evaluation of cultivar yield and suitable traits， the high-yield and suitable harvesting varieties suitable for the Huanghuaihai maize producing region from 10 tested maize cultivars are Jingnongke 728 and Yudan 9953. Key words： maize; mechanical kernel harvest; entropy; DTOPSIS; grey situation decision
0 引言
【研究意义】随着我国城市化进程的加快和土地流转集约化经营的需求，全程机械化是玉米生产发展的必然趋势。在玉米生产全程机械化过程中，黄淮海玉米主产区由于受小麦/玉米一年两熟耕作制度的限制，为保证小麦播种时间，玉米从成熟到收获的时间非常有限，目前生产上许多品种仍达不到机械化粒收的要求。因此，选择合适的评价指标，采用简单有效的方法对现有品种的宜机收性状进行准确评价，并筛选出一批宜机收玉米新品种是当前黄淮海玉米生产的迫切需求。【前人研究进展】玉米品种的宜机收性状是一个综合性状，需要对品种的抗倒性、籽粒脱水速率、机收籽粒破碎率等多个指标进行综合评价。在不同作物品种的综合评价中，DTOPSIS法和灰色局势决策法均是对各性状指标进行无量纲化处理后再统一度量，能有效克服综合评价的片面性，全面客观地评价目标效果，已被广泛应用于小麦（吴志会等，2005）、玉米（郭永忠等，2007;邵美红等，2017）、烟草（李彦平等，2012）、水稻（黄秋要等，2017）、甘蔗（杨昆等，2015）、棉花（马辉等，2015）、大豆（余文远和李霖超，2015;昝凯等，2018）、番茄（杨禹伟等，2017）、马铃薯（宋洁等，2017）、草莓（李文砚等，2018）等各类作物的评价型研究。综合分析前人的研究結果，发现DTOPSIS法和灰色局势决策法对品种进行综合评价较单用产量进行分析更合理。郭永忠等（2007）采用灰色局势决策方法对16个玉米品种的生物学性状进行综合评价，认为灰色局势决策方法应用于玉米品种综合评价具有可行性，可多层次地综合多个目标性状、客观、全面地反映每个品种的性状特征;马辉等（2015）采用灰色关联度法和DTOPSIS法综合分析了4个机采棉品种的10个性状，结果表明，灰色关联度法和DTOPSIS法综合评价结果完全一致，但DTOPSIS法优于灰色关联度法;昝凯等（2018）采灰色关联度和DTOPSIS法综合分析河南区域试验中大豆新品种（系）的农艺性状表现，认为DTOPSIS法中品种间综合性状的差异表现充分，具有相对更好的评价效果。同时，有学者关注到DTOPSIS法和灰色局势决策法对品种进行综合评价时，调查性状的权重赋值至关重要（李彦平等，2012）。【本研究切入点】传统的DTOPSIS法和灰色局势决策法在计算不同指标对目标效果的贡献时一般是采用等权赋值或根据经验进行赋值，易因权重赋值不合理导致评价结果不准确。熵权法是一种客观赋权方法，熵权法的权重计算完全按照指标间数值的离散程度来设置，能有效排除人为干扰因素，使研究结果更加公正有效，但目前利用该方法对玉米品种的宜机收性进行综合评价的研究较少。【拟解决的关键问题】将熵权法引入到传统的DTOPSIS模型和灰色局势决策评价体系中，综合评价黄淮海玉米产区10个玉米品种的宜机收性，同时对两种评价方法进行比较，筛选适宜该产区种植的宜机收玉米新品种，为黄淮海玉米产区宜机收玉米品种的选育和推广提供参考依据。
1 材料与方法
1. 1 试验材料
供试玉米品种共10个（表1），均为2017—2018年国家审定或河南省新审定的玉米品种及生产上的主栽玉米品种。
1. 2 试验方法
试验于2018年在河南省原阳现代农业研究示范基地进行。试验地土壤类型为潮土，地势平整，排灌设施完善，地力均匀。前茬作物为小麦，小麦收获后秸秆全部粉碎还田，玉米贴茬播种。随机区组设计，3次重复，10行区，行长6.67 m，行距0.60 m，小区面积40.00 m2，播种密度75000株/ha， 6月13日播种，10月13日收获，生产管理同大田。收获机具为奥地利温特斯泰格（Wintersteiger）DELTA型号和配套HM800测产系统（Juniper System，inc），割幅为3行。
1. 3 测定项目及方法
各参试品种的性状指标取3个重复的平均值，测量和调查株高、穗位高、生育期、子粒破碎率、腐粒率、杂质率、生理成熟期水含量、生理成熟后10 d的脱水速率和产量，收获前取茎秆地上第2～4节，测定第3节的茎粗、茎秆穿刺力、折断力和压碎力。收获时每小区收获中间6行进行测产和杂质率、破碎率及腐粒率等指标的测定。
1. 3. 1 株高、穗位高、生育期及产量测定 按照NY/T 1290—2006《农作物品种试验规程》，在玉米乳熟期调查株高和穗位高;腊熟完熟期调查玉米成熟期，计算玉米生育期;产量按照标准水份（14%）折算。
1. 3. 2 脱水速率测定 测定生理成熟后10 d的脱水速率，分别调查每个品种的成熟期，在该品种生理成熟期当天测定一次子粒水含率，第11 d同一时间再测定一次子粒水含率，计算生理成熟后10 d的脱水速率。脱水速率（%/d）=（生理成熟时子粒水含率-第11 d的子粒水含率）/10 d×100
具体子粒水含率的测定方法：每品种每次取3穗，选取每个果穗中部子粒100粒，称鲜重（W鲜）后放入80 ℃烘箱烘干至恒重，称干重（W干）。子粒水含率（%）=（W鲜-W干）/W鲜×100。
1. 3. 3 茎粗、茎秆穿刺力、折断力和压碎力测定 收获前1 d每组合的第1行从第3株开始连续取3株茎秆，取第3节间，去除叶鞘后用塑料薄膜包裹好，1 d内测量茎粗并用YYD-1型茎秆强度测定仪测第3节间茎秆穿刺力、折断力和压碎力。每个样品测3次，取其平均值。
1. 3. 4 杂质率、破碎率和腐粒率测定 在收获时，每个品种均随机取出子粒样品约2 kg，称重（W），手工分拣将其分为子粒和非子粒两部分，分别称重子粒（W1）和非子粒（ZW）;再将子粒部分根据子粒的完整性和腐烂与否，将其分为完整非腐子粒、破碎子粒和腐病子粒，分别称重，破碎子粒计为PW，腐病子粒计为FW。杂质率（%）=ZW/W×100;破碎率（%）=PW/W1×100;腐粒率（%）=FW/W1×100。 1. 4 数据处理与统计分析
采用Excel 2013进行试验数据的整理和统计分析。各性状权重计算方法参照任亮等（2019）的评价模型，参试品种数目计为m，性状指标数目计为n。
（1）原始数据归一化处理：
（2）各项指标的熵值计算：
ej即为第个j指标的熵值，其中ej不能大于1，lnm必须大于0。
（3）各项指标的权重计算：
αj为第j个指标的权重，gj为第j个指标的差异性系数。
2 结果与分析
2. 1 DTOPSIS法评价结果
2. 1. 1 构建评价矩阵及无量纲化处理 表2为10个参试玉米品种13个指标性状表现的平均值。 将13个指标分为两类：（1）逆向指标，包括株高（I1）、穗位高（I2）、生育期（I3）、籽粒破碎率（I4）、腐粒率（I5）、杂质率（I6）和生理成熟期水含量（I7），以10个样本中最小值为分子，分别除以各样本该指标的数值;（2）正向指标，包括茎粗（I8）、穿刺力（I9）、折断力（I10）、压碎力（I11）、生理成熟后10 d的脱水速率（I12）和产量（I13），以10个样本中最大值作为分母，分别除以各样本该指标的数值。无量纲化结果（矩阵Z）见表3。
2. 1. 2 建立决策矩阵R 按照公式（1）～（3）计算各指标的熵值和权重（表4）。指标的熵值越大，表示差异性系数越小;权重越大，在综合评价中所承载的信息越多。各性状指标权重（αj）乘以矩阵Z的第j列得到決策矩阵R（表5）。
2. 1. 3 各品种性状指标的理想解和负理想解 根据决策矩阵R得到13个性状的正理想解与负理想解，按照表5顺序分别为：
2. 1. 4 10个品种理想解的相对接近度 根据公式Ci=S?/（S++S?），计算出10个玉米品种与理想解的相对接近度Ci（表6），Ci越大，表示品种的宜机收性越接近理想目标，其中S+为各品种与理想解的距离，S?为各品种与负理想解的距离。
10个参试玉米品种的Ci排序依次为：京农科728>粒收1号>豫单9953>新单68>创玉107>先玉335>迪卡517>华皖267>怀川39>郑单958。Ci最大的品种是京农科728，其产量排名第4，表明该品种的宜机收性很好，产量也在中上等水平;Ci排第2名的品种是粒收1号，但其产量排名第9，说明该品种的宜机收性较好，但产量偏低;Ci排第3名的品种是豫单9953，产量排名第1，表明该品种的宜机收性较好，产量也较高。综合产量和宜机收性性状，京农科728和豫单9953两个品种是最适宜黄淮海玉米产区机械收粒的高产玉米品种。
2. 2 灰色局势决策法评价结果
2. 2. 1 效果测度矩阵的构建 与DTOPSIS法不同，灰色局势决策法将用于综合评价的13个指标分为三类：（1）上限效果测度，包括茎粗（I8）、穿刺力（I9）、折断力（I10）、压碎力（I11）、生理成熟后10 d的脱水速率（I12）和产量（I13）;（2）下限效果测度，包括株高（I1）、穗位高（I2）、生育期（I3）、籽粒破碎率（I4）、腐粒率（I5）、杂质率（I6）和生理成熟期水含量（I7）;（3）适中效果测度，包括株高（I1）、穗位高（I2）和生育期（I3）。参照郭永忠等（2007）的方法得到效果测度矩阵L（表7）。
2. 2. 2 参试品种综合优势值的计算 根据各性状指标的权重值（表4），带入公式rij= [j=1nαjLij]（郭永忠等，2007），计算出各参试品种的加权综合效果测度值，即为各品种的综合优势量化值rij（表8）。结果表明：各参试品种的加权综合效果测度值排序为京农科728>粒收1号>豫单9953>先玉335>新单68>创玉107>迪卡517>怀川39>华皖267>郑单958。结合产量和综合优势量化值，在10个参试品种中筛选出最适宜黄淮海玉米产区的高产宜机收籽粒品种同样是京农科728和豫单9953。
3 讨论
本研究采用熵权法计算出13个测试性状对目标性状的贡献权重系数，分别代入DTOPSIS法和灰色局势决策法两种评价模型中，结果表明：两种方法的评价结果排名不完全一致，其中京农科728、粒收1号、豫单9953、迪卡517和郑单958等5个品种的排序基本一致，其余5个品种的排序存在差异，但两种评价方法在10个参试品种中筛选出的最适宜机收品种均为京农科728和豫单9953，综合评价结果基本一致。DTOPSIS法和灰色局势决策法的共同点在于均是对各性状指标进行无量钢化处理后再统一度量，不同点是DTOPSIS法对评价指标的分类只有正向和逆向两类，而灰色局势决策法则分为上限、下限和适中三类效果指标，分类相对更准确。对比两种评价方法，发现综合评价值（Ci和rij）分散程度相差不明显，品种评价排序差异也较小，但灰色局势决策法的计算过程更简单，与左安建等（2014）在卷烟质量综合评价中的研究结果一致。
按照GB/T 21962—2008《玉米收获机械技术条件》规定，机收玉米应达到子粒破碎率≤5%、杂质率≤3%。本研究的10个参试品种中，仅郑单958的子粒破碎率大于5%，其余9个品种均小于5%，平均破碎率2.7%;子粒杂质率均远小于3%，低于GB/T 21962—2008的相关规定，也低于李少昆（2017）关于我国玉米机械粒收质量的研究结果，其原因可能与试验材料收获时间及收获机械性能有关。本研究中各品种均在生理成熟后10 d左右收获，即比正常收获时间晚10 d左右，籽粒水含率较低，因此，破碎率较低，与柳枫贺等（2013）、谢瑞芝等（2014）和李少昆（2017）的研究结果一致;同时，本研究使用的收获机具为奥地利温特斯泰格（Wintersteiger）DELTA型号和配套HM800测产系统，机械性能较好，而李少昆（2017）的研究中使用的是多种国产福田雷沃谷神GE60系列、花田玉溪、博远等机型和进口机械（凯斯CASS-6088、John Deere系列JD-3518与JD-3316）。本课题组在其他试验中也发现，同时播种、同时收获的同一个玉米品种，采用不同的收获机械进行收粒时，子粒的破碎率和杂质率差异明显。因此，在评价玉米品种的宜机收性时也应充分考虑收获机械的性能水平。 通过审定的玉米品种，均有其优势存在，对玉米品种的评价仅是针对品种在不同生态区的适应性、品质或宜机收性等某一特性进行。因此，对品种的评价准确与否，前提是能否准确选择评价指标，在此基础上选择合适有效的评价方法才能准确筛选出最符合目标的品种。本研究中选择的性状指标，主要从玉米的抗倒伏能力、机收质量、产量和脱水性等方面考虑，这些指标是黄淮海夏玉米籽粒机收的主要性状指标，具有较强代表性，采用熵值赋权的DTOPSIS法和灰色局势决策法也能较全面客观地对玉米品種的宜机收性进行综合评价。因此，本研究初步筛选出的宜机收玉米品种对黄淮海玉米产区生产上选择、种植推广该类品种具有一定参考价值，但其结果尚需进行多年多点重复试验予以验证。
4 结论
DTOPSIS法和灰色局势决策法两种评价方法均能客观全面评价玉米品种的宜机收性，但灰色局势决策法分类更准确，计算过程也相对简单。依据品种产量和宜机收性综合评价，从10个参试玉米品种中初步筛选出适宜黄淮海玉米产区的高产宜机收品种为京农科728和豫单9953，可进入下一年的多点筛选试验。
参考文献：
郭永忠，杨彩霞，邹军，刘华. 2007. 灰色局势决策在玉米品种综合评价中的应用[J]. 西北农业学报，16（4）：92-95. [Guo Y Z，Yang C X，Zou J，Liu H. 2007. The application of gray situation decision method in comprehensive evaluation of corn varieties[J]. Acta Agriculturae Boreali-Occidentalis Sinica，16（4）：92-95.]
黄秋要，罗芳媚，梁忠明. 2017. DTOPSIS法综合评价水稻新品种[J]. 现代农业科技，（3）：39-41. [Huang Q Y，Luo F M，Liang Z M. 2017. Comprehensive evaluation of new rice varieties by DTOPSIS method[J]. Modern Agricultural Science and Technology，（3）：39-41.]
李少昆. 2017. 我国玉米机械粒收质量影响因素及粒收技术的发展方向[J]. 石河子大学学报（自然科学版），35（3）：265-272. [Li S K. 2017. Factors affecting the quality of maize grain mechanical harvest and the development trend of grain harvest technology[J]. Journal of Shihezi University（Natural Science），35（3）：265-272.]
李文砚，韦优，孔方南，罗培四，赵静，黄丽君，蒋娟娟，卓福昌，周婧. 2018. DTOPSIS法在草莓品种综合评价中的应用研究[J]. 植物生理学报，54（5）：925-930. [Li W Y，Wei Y，Kong F N，Luo P S，Zhao J，Huang L J，Jiang J J，Zhuo F C，Zhou J. 2018. Study on comprehensive evaluation of strawberry varieties by DTOPSIS method[J]. Plant Physiology Journal，54（5）：925-930.]
李彦平，李淑君，吴娟霞，孟智勇，郭芳阳. 2012. DTOPSIS 法和灰色关联度法在新引烤烟新品种综合评价中的应用比较[J]. 中国烟草学报，18（4）：35-40. [Li Y P，Li S J，Wu J X，Meng Z Y，Guo F Y. 2012. Application of DTOPSIS and grey relational analysis in evaluating newly introduced flue-cured tobacco varieties[J]. Acta Tabacaria Sinica，18（4）：35-40.]
柳枫贺，王克如，李健，王喜梅，孙亚玲，陈永生，王玉华，韩冬生，李少昆. 2013. 影响玉米机械收粒质量因素的分析[J]. 作物杂志，（4）：116-119. [Liu F H，Wang K R，Li J，Wang X M，Sun Y L，Chen Y S，Wang Y H，Han D S，Li S K. 2013. Analyses effected factors on quality of harvesting maize grain with combine machine[J]. Crops，（4）：116-119.]
马辉，戴路，刘燕. 2015. 灰色关联度法和DTOPSIS法在机采棉品种综合评价中的应用[J]. 中国棉花，42（6）：27-29. [Ma H，Dai L，Liu Y. 2015. Application and comparison of gray relational analysis and DTOPSIS method in the comprehensive evaluation of machine picking-up cotton varieties[J]. China Cotton，42（6）：27-29.]
任亮，张海涛，魏明珠，李题印. 2019. 基于熵权 TOPSIS 模型的智慧城市发展水平评价研究[J]. 情报理论与实践.doi：10.16353/j.cnki.1000-7490.2019.07.020. [Ren L，Zhang H T，Wei M Z，Li T Y. 2019. Research on the evaluation of development level of smart city based on entropy TOPSIS Model[J]. Information Studies：Theory & Application.doi：10.16353/j.cnki.1000-7490.2019.07. 020.] 邵美红，程楚，程思明，韩海亮，黄惠芳，赵福成. 2017. 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，29（6）：25-28. [Shao M H，Cheng C，Cheng S M，Han H L，Huang H F，Zhao F C. 2017. Comprehensive evaluation of adaptability of fresh sweet maize varieties in northwest Zhejiang Province by DTOPSIS method[J]. Journal of Jiangxi Agriculture，29（6）：25-28.]
宋潔，李婉琳，郭华春. 2017. DTOPSIS法评价44份CIP引进马铃薯新品系的适应性[J]. 中国马铃薯，31（4）：193-200. [Song J，Li W L，Guo H C. 2017. Evaluation of adaptabi-lity of 44 new potato varieties introduced by CIP by DTOPSIS method[J]. Chinese Potato，31（4）：193-200.]
吴志会，白玉龙，董玉武，王淑芳. 2005. DTOPSIS法综合评价冀中北冬小麦新品种的初步研究[J]. 麦类作物学报，（6）：108-111. [Wu Z H，Bai Y L，Dong Y W，Wang S F. 2005. Preliminary study on comprehensive evaluation of new winter wheat varieties in central and northern Hebei by DTOPSIS method[J]. Journal of Wheat Crops，（6）：108-111.]
谢瑞芝，王克如，郭银巧，柴宗文，侯鹏，李少昆. 2014. 黄淮海夏玉米子粒机械收获研究初报[J]. 作物杂志，159（2）：76-79. [Xie R Z，Wang K R，Guo Y Q，Chai Z W，Hou P，Li S K. 2014. Research on corn mechanically harves-ting grain quality in Huanghuaihai Plain[J]. Crops，159（2）：76-79.]
杨昆，吴才文，覃伟，赵培方，刘家勇，蔡青. 2015. 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，28（4）：1542-1547. [Yang K，Wu C W，Qin W，Zhao P F，Liu J Y，Cai Q. 2015. Comparison of comprehensive evaluation sugarcane new varieties with DTOPSIS and grey related degree[J]. Southwest China Journal of Agricultural Sciences，28（4）：1542-1547.]
杨禹伟，陈华，姜波，左惠文. 2017. 一种加工番茄品质的多性状评价方法[J]. 中国农业大学学报，22（3）：131-137. [Yang Y W，Chen H，Jiang B，Zuo H W. 2017. A multi-character evaluation method for processing tomato quality[J]. Journal of China Agricultural University，22（3）：131-137.]
余文远，李霖超. 2015. 运用灰色局势决策法综合评价鲜食大豆新品系[J]. 湖南农业科学，（10）：26-28. [Yu W Y，Li L C. 2015. Evaluation of new vegetable soybean varieties with gray situation decision method[J]. Journal of Hunan Agricultural Science，（10）：26-28.]
昝凯，周青，张志民，郑丽敏，王凤菊，陈亚光，李明军，徐淑霞. 2018. 灰色关联度和DTOPSIS法综合分析河南区域试验中大豆新品种（系）的农艺性状表现[J]. 大豆科学，37（5）：664-671. [Zan K，Zhou Q，Zhang Z M，Zheng L M，Wang F J，Chen Y G，Li M J，Xu S X. 2018. Grey correlation degree and DTOPSIS method comprehensive analysis of soybean varieties（or lines） in Henan Province regional test of agronomic traits performance[J]. Journal of Soybean Science，37 （5）：664-671.]
左安建，王玉胜，李旭华，金保锋，叶为民，扈强，梁荣. 2014. DTOPSIS法和灰色局势决策在卷烟质量综合评价中的应用[J]. 安徽农业科学，42（19）：6385-6386. [Zuo A J，Wang Y S，Li X H，Jin B F，Ye W M，Hu Q，Liang R. 2014. Application of the DTOPSIS and grey situation decision in comprehensive evaluation of cigarette quality[J]. Journal of Anhui Agricultural Sciences，42（19）：6385-6386.]
（责任编辑 王 晖）
关键词： 玉米;机械收粒;熵权;DTOPSIS法;灰色局势决策法
中图分类号： S513.091 文獻标志码： A 文章编号：2095-1191（2019）09-1953-07
Abstract：【Objective】Comprehensive evaluation of characteristics of mechanical kernel harvest was conducted and new maize cultivar suitable for mechanical kernel harvest in the Huanghuaihai maize planting region was selected. It could provide reference for the selection and promotion of cultivars suitable for mechanical kennel harvest in the region. 【Method】Two evalua-ting methods，DTOPSIS mode and grey situation decision based on entropy were adopted in this paper to comprehensively evaluate 10 newly approved and produced main maize cultivars in 2017–2018. 【Result】DTOPSIS analysis results indicated the rank order of relative approach degree（Ci） of each cultivar was Jingnongke 728>Lishou No.1>Yudan 9953>Xindan 68>Chuangyu 107>Xianyu 335>Dika 517>Huawan 267>Huaichuan 39>Zhengdan 958. Two cultivars Jingnongke 728 and Yudan 9953 performed better in comprehensive yield and suitable traits. Analysis results of grey situation decision method indicated the rank of weighted composite effect value of each cultivars was Jingnongke 728>Lishou No.1>Yudan 9953>Xindan 68>Chuangyu 107>Xianyu 335>Dika 517>Huawan 267>Huaichuan 39>Zhengdan 958. Combined with the quantitative value of yield and comprehensive advantages， the performance of Jingnongke 728 and Yudan 9953 were fine. Among the two methods， the rankings of five cultivars including Jingnongke 728， Lishou No.1， Yudan 9953， Dika 517 and Zhengdan 958 were identical， and the rankings of the other five cultivars were slightly different. 【Conclusion】Both evaluation methods can objectively and comprehensively evaluate characters of mechanical kernel harvest of the maize cultivars， but the gray situation decision method is more accurate and the calculation process is relatively simple. According to the comprehensive evaluation of cultivar yield and suitable traits， the high-yield and suitable harvesting varieties suitable for the Huanghuaihai maize producing region from 10 tested maize cultivars are Jingnongke 728 and Yudan 9953. Key words： maize; mechanical kernel harvest; entropy; DTOPSIS; grey situation decision
0 引言
【研究意义】随着我国城市化进程的加快和土地流转集约化经营的需求，全程机械化是玉米生产发展的必然趋势。在玉米生产全程机械化过程中，黄淮海玉米主产区由于受小麦/玉米一年两熟耕作制度的限制，为保证小麦播种时间，玉米从成熟到收获的时间非常有限，目前生产上许多品种仍达不到机械化粒收的要求。因此，选择合适的评价指标，采用简单有效的方法对现有品种的宜机收性状进行准确评价，并筛选出一批宜机收玉米新品种是当前黄淮海玉米生产的迫切需求。【前人研究进展】玉米品种的宜机收性状是一个综合性状，需要对品种的抗倒性、籽粒脱水速率、机收籽粒破碎率等多个指标进行综合评价。在不同作物品种的综合评价中，DTOPSIS法和灰色局势决策法均是对各性状指标进行无量纲化处理后再统一度量，能有效克服综合评价的片面性，全面客观地评价目标效果，已被广泛应用于小麦（吴志会等，2005）、玉米（郭永忠等，2007;邵美红等，2017）、烟草（李彦平等，2012）、水稻（黄秋要等，2017）、甘蔗（杨昆等，2015）、棉花（马辉等，2015）、大豆（余文远和李霖超，2015;昝凯等，2018）、番茄（杨禹伟等，2017）、马铃薯（宋洁等，2017）、草莓（李文砚等，2018）等各类作物的评价型研究。综合分析前人的研究結果，发现DTOPSIS法和灰色局势决策法对品种进行综合评价较单用产量进行分析更合理。郭永忠等（2007）采用灰色局势决策方法对16个玉米品种的生物学性状进行综合评价，认为灰色局势决策方法应用于玉米品种综合评价具有可行性，可多层次地综合多个目标性状、客观、全面地反映每个品种的性状特征;马辉等（2015）采用灰色关联度法和DTOPSIS法综合分析了4个机采棉品种的10个性状，结果表明，灰色关联度法和DTOPSIS法综合评价结果完全一致，但DTOPSIS法优于灰色关联度法;昝凯等（2018）采灰色关联度和DTOPSIS法综合分析河南区域试验中大豆新品种（系）的农艺性状表现，认为DTOPSIS法中品种间综合性状的差异表现充分，具有相对更好的评价效果。同时，有学者关注到DTOPSIS法和灰色局势决策法对品种进行综合评价时，调查性状的权重赋值至关重要（李彦平等，2012）。【本研究切入点】传统的DTOPSIS法和灰色局势决策法在计算不同指标对目标效果的贡献时一般是采用等权赋值或根据经验进行赋值，易因权重赋值不合理导致评价结果不准确。熵权法是一种客观赋权方法，熵权法的权重计算完全按照指标间数值的离散程度来设置，能有效排除人为干扰因素，使研究结果更加公正有效，但目前利用该方法对玉米品种的宜机收性进行综合评价的研究较少。【拟解决的关键问题】将熵权法引入到传统的DTOPSIS模型和灰色局势决策评价体系中，综合评价黄淮海玉米产区10个玉米品种的宜机收性，同时对两种评价方法进行比较，筛选适宜该产区种植的宜机收玉米新品种，为黄淮海玉米产区宜机收玉米品种的选育和推广提供参考依据。
1 材料与方法
1. 1 试验材料
供试玉米品种共10个（表1），均为2017—2018年国家审定或河南省新审定的玉米品种及生产上的主栽玉米品种。
1. 2 试验方法
试验于2018年在河南省原阳现代农业研究示范基地进行。试验地土壤类型为潮土，地势平整，排灌设施完善，地力均匀。前茬作物为小麦，小麦收获后秸秆全部粉碎还田，玉米贴茬播种。随机区组设计，3次重复，10行区，行长6.67 m，行距0.60 m，小区面积40.00 m2，播种密度75000株/ha， 6月13日播种，10月13日收获，生产管理同大田。收获机具为奥地利温特斯泰格（Wintersteiger）DELTA型号和配套HM800测产系统（Juniper System，inc），割幅为3行。
1. 3 测定项目及方法
各参试品种的性状指标取3个重复的平均值，测量和调查株高、穗位高、生育期、子粒破碎率、腐粒率、杂质率、生理成熟期水含量、生理成熟后10 d的脱水速率和产量，收获前取茎秆地上第2～4节，测定第3节的茎粗、茎秆穿刺力、折断力和压碎力。收获时每小区收获中间6行进行测产和杂质率、破碎率及腐粒率等指标的测定。
1. 3. 1 株高、穗位高、生育期及产量测定 按照NY/T 1290—2006《农作物品种试验规程》，在玉米乳熟期调查株高和穗位高;腊熟完熟期调查玉米成熟期，计算玉米生育期;产量按照标准水份（14%）折算。
1. 3. 2 脱水速率测定 测定生理成熟后10 d的脱水速率，分别调查每个品种的成熟期，在该品种生理成熟期当天测定一次子粒水含率，第11 d同一时间再测定一次子粒水含率，计算生理成熟后10 d的脱水速率。脱水速率（%/d）=（生理成熟时子粒水含率-第11 d的子粒水含率）/10 d×100
具体子粒水含率的测定方法：每品种每次取3穗，选取每个果穗中部子粒100粒，称鲜重（W鲜）后放入80 ℃烘箱烘干至恒重，称干重（W干）。子粒水含率（%）=（W鲜-W干）/W鲜×100。
1. 3. 3 茎粗、茎秆穿刺力、折断力和压碎力测定 收获前1 d每组合的第1行从第3株开始连续取3株茎秆，取第3节间，去除叶鞘后用塑料薄膜包裹好，1 d内测量茎粗并用YYD-1型茎秆强度测定仪测第3节间茎秆穿刺力、折断力和压碎力。每个样品测3次，取其平均值。
1. 3. 4 杂质率、破碎率和腐粒率测定 在收获时，每个品种均随机取出子粒样品约2 kg，称重（W），手工分拣将其分为子粒和非子粒两部分，分别称重子粒（W1）和非子粒（ZW）;再将子粒部分根据子粒的完整性和腐烂与否，将其分为完整非腐子粒、破碎子粒和腐病子粒，分别称重，破碎子粒计为PW，腐病子粒计为FW。杂质率（%）=ZW/W×100;破碎率（%）=PW/W1×100;腐粒率（%）=FW/W1×100。 1. 4 数据处理与统计分析
采用Excel 2013进行试验数据的整理和统计分析。各性状权重计算方法参照任亮等（2019）的评价模型，参试品种数目计为m，性状指标数目计为n。
（1）原始数据归一化处理：
（2）各项指标的熵值计算：
ej即为第个j指标的熵值，其中ej不能大于1，lnm必须大于0。
（3）各项指标的权重计算：
αj为第j个指标的权重，gj为第j个指标的差异性系数。
2 结果与分析
2. 1 DTOPSIS法评价结果
2. 1. 1 构建评价矩阵及无量纲化处理 表2为10个参试玉米品种13个指标性状表现的平均值。 将13个指标分为两类：（1）逆向指标，包括株高（I1）、穗位高（I2）、生育期（I3）、籽粒破碎率（I4）、腐粒率（I5）、杂质率（I6）和生理成熟期水含量（I7），以10个样本中最小值为分子，分别除以各样本该指标的数值;（2）正向指标，包括茎粗（I8）、穿刺力（I9）、折断力（I10）、压碎力（I11）、生理成熟后10 d的脱水速率（I12）和产量（I13），以10个样本中最大值作为分母，分别除以各样本该指标的数值。无量纲化结果（矩阵Z）见表3。
2. 1. 2 建立决策矩阵R 按照公式（1）～（3）计算各指标的熵值和权重（表4）。指标的熵值越大，表示差异性系数越小;权重越大，在综合评价中所承载的信息越多。各性状指标权重（αj）乘以矩阵Z的第j列得到決策矩阵R（表5）。
2. 1. 3 各品种性状指标的理想解和负理想解 根据决策矩阵R得到13个性状的正理想解与负理想解，按照表5顺序分别为：
2. 1. 4 10个品种理想解的相对接近度 根据公式Ci=S?/（S++S?），计算出10个玉米品种与理想解的相对接近度Ci（表6），Ci越大，表示品种的宜机收性越接近理想目标，其中S+为各品种与理想解的距离，S?为各品种与负理想解的距离。
10个参试玉米品种的Ci排序依次为：京农科728>粒收1号>豫单9953>新单68>创玉107>先玉335>迪卡517>华皖267>怀川39>郑单958。Ci最大的品种是京农科728，其产量排名第4，表明该品种的宜机收性很好，产量也在中上等水平;Ci排第2名的品种是粒收1号，但其产量排名第9，说明该品种的宜机收性较好，但产量偏低;Ci排第3名的品种是豫单9953，产量排名第1，表明该品种的宜机收性较好，产量也较高。综合产量和宜机收性性状，京农科728和豫单9953两个品种是最适宜黄淮海玉米产区机械收粒的高产玉米品种。
2. 2 灰色局势决策法评价结果
2. 2. 1 效果测度矩阵的构建 与DTOPSIS法不同，灰色局势决策法将用于综合评价的13个指标分为三类：（1）上限效果测度，包括茎粗（I8）、穿刺力（I9）、折断力（I10）、压碎力（I11）、生理成熟后10 d的脱水速率（I12）和产量（I13）;（2）下限效果测度，包括株高（I1）、穗位高（I2）、生育期（I3）、籽粒破碎率（I4）、腐粒率（I5）、杂质率（I6）和生理成熟期水含量（I7）;（3）适中效果测度，包括株高（I1）、穗位高（I2）和生育期（I3）。参照郭永忠等（2007）的方法得到效果测度矩阵L（表7）。
2. 2. 2 参试品种综合优势值的计算 根据各性状指标的权重值（表4），带入公式rij= [j=1nαjLij]（郭永忠等，2007），计算出各参试品种的加权综合效果测度值，即为各品种的综合优势量化值rij（表8）。结果表明：各参试品种的加权综合效果测度值排序为京农科728>粒收1号>豫单9953>先玉335>新单68>创玉107>迪卡517>怀川39>华皖267>郑单958。结合产量和综合优势量化值，在10个参试品种中筛选出最适宜黄淮海玉米产区的高产宜机收籽粒品种同样是京农科728和豫单9953。
3 讨论
本研究采用熵权法计算出13个测试性状对目标性状的贡献权重系数，分别代入DTOPSIS法和灰色局势决策法两种评价模型中，结果表明：两种方法的评价结果排名不完全一致，其中京农科728、粒收1号、豫单9953、迪卡517和郑单958等5个品种的排序基本一致，其余5个品种的排序存在差异，但两种评价方法在10个参试品种中筛选出的最适宜机收品种均为京农科728和豫单9953，综合评价结果基本一致。DTOPSIS法和灰色局势决策法的共同点在于均是对各性状指标进行无量钢化处理后再统一度量，不同点是DTOPSIS法对评价指标的分类只有正向和逆向两类，而灰色局势决策法则分为上限、下限和适中三类效果指标，分类相对更准确。对比两种评价方法，发现综合评价值（Ci和rij）分散程度相差不明显，品种评价排序差异也较小，但灰色局势决策法的计算过程更简单，与左安建等（2014）在卷烟质量综合评价中的研究结果一致。
按照GB/T 21962—2008《玉米收获机械技术条件》规定，机收玉米应达到子粒破碎率≤5%、杂质率≤3%。本研究的10个参试品种中，仅郑单958的子粒破碎率大于5%，其余9个品种均小于5%，平均破碎率2.7%;子粒杂质率均远小于3%，低于GB/T 21962—2008的相关规定，也低于李少昆（2017）关于我国玉米机械粒收质量的研究结果，其原因可能与试验材料收获时间及收获机械性能有关。本研究中各品种均在生理成熟后10 d左右收获，即比正常收获时间晚10 d左右，籽粒水含率较低，因此，破碎率较低，与柳枫贺等（2013）、谢瑞芝等（2014）和李少昆（2017）的研究结果一致;同时，本研究使用的收获机具为奥地利温特斯泰格（Wintersteiger）DELTA型号和配套HM800测产系统，机械性能较好，而李少昆（2017）的研究中使用的是多种国产福田雷沃谷神GE60系列、花田玉溪、博远等机型和进口机械（凯斯CASS-6088、John Deere系列JD-3518与JD-3316）。本课题组在其他试验中也发现，同时播种、同时收获的同一个玉米品种，采用不同的收获机械进行收粒时，子粒的破碎率和杂质率差异明显。因此，在评价玉米品种的宜机收性时也应充分考虑收获机械的性能水平。 通过审定的玉米品种，均有其优势存在，对玉米品种的评价仅是针对品种在不同生态区的适应性、品质或宜机收性等某一特性进行。因此，对品种的评价准确与否，前提是能否准确选择评价指标，在此基础上选择合适有效的评价方法才能准确筛选出最符合目标的品种。本研究中选择的性状指标，主要从玉米的抗倒伏能力、机收质量、产量和脱水性等方面考虑，这些指标是黄淮海夏玉米籽粒机收的主要性状指标，具有较强代表性，采用熵值赋权的DTOPSIS法和灰色局势决策法也能较全面客观地对玉米品種的宜机收性进行综合评价。因此，本研究初步筛选出的宜机收玉米品种对黄淮海玉米产区生产上选择、种植推广该类品种具有一定参考价值，但其结果尚需进行多年多点重复试验予以验证。
4 结论
DTOPSIS法和灰色局势决策法两种评价方法均能客观全面评价玉米品种的宜机收性，但灰色局势决策法分类更准确，计算过程也相对简单。依据品种产量和宜机收性综合评价，从10个参试玉米品种中初步筛选出适宜黄淮海玉米产区的高产宜机收品种为京农科728和豫单9953，可进入下一年的多点筛选试验。
参考文献：
郭永忠，杨彩霞，邹军，刘华. 2007. 灰色局势决策在玉米品种综合评价中的应用[J]. 西北农业学报，16（4）：92-95. [Guo Y Z，Yang C X，Zou J，Liu H. 2007. The application of gray situation decision method in comprehensive evaluation of corn varieties[J]. Acta Agriculturae Boreali-Occidentalis Sinica，16（4）：92-95.]
黄秋要，罗芳媚，梁忠明. 2017. DTOPSIS法综合评价水稻新品种[J]. 现代农业科技，（3）：39-41. [Huang Q Y，Luo F M，Liang Z M. 2017. Comprehensive evaluation of new rice varieties by DTOPSIS method[J]. Modern Agricultural Science and Technology，（3）：39-41.]
李少昆. 2017. 我国玉米机械粒收质量影响因素及粒收技术的发展方向[J]. 石河子大学学报（自然科学版），35（3）：265-272. [Li S K. 2017. Factors affecting the quality of maize grain mechanical harvest and the development trend of grain harvest technology[J]. Journal of Shihezi University（Natural Science），35（3）：265-272.]
李文砚，韦优，孔方南，罗培四，赵静，黄丽君，蒋娟娟，卓福昌，周婧. 2018. DTOPSIS法在草莓品种综合评价中的应用研究[J]. 植物生理学报，54（5）：925-930. [Li W Y，Wei Y，Kong F N，Luo P S，Zhao J，Huang L J，Jiang J J，Zhuo F C，Zhou J. 2018. Study on comprehensive evaluation of strawberry varieties by DTOPSIS method[J]. Plant Physiology Journal，54（5）：925-930.]
李彦平，李淑君，吴娟霞，孟智勇，郭芳阳. 2012. DTOPSIS 法和灰色关联度法在新引烤烟新品种综合评价中的应用比较[J]. 中国烟草学报，18（4）：35-40. [Li Y P，Li S J，Wu J X，Meng Z Y，Guo F Y. 2012. Application of DTOPSIS and grey relational analysis in evaluating newly introduced flue-cured tobacco varieties[J]. Acta Tabacaria Sinica，18（4）：35-40.]
柳枫贺，王克如，李健，王喜梅，孙亚玲，陈永生，王玉华，韩冬生，李少昆. 2013. 影响玉米机械收粒质量因素的分析[J]. 作物杂志，（4）：116-119. [Liu F H，Wang K R，Li J，Wang X M，Sun Y L，Chen Y S，Wang Y H，Han D S，Li S K. 2013. Analyses effected factors on quality of harvesting maize grain with combine machine[J]. Crops，（4）：116-119.]
马辉，戴路，刘燕. 2015. 灰色关联度法和DTOPSIS法在机采棉品种综合评价中的应用[J]. 中国棉花，42（6）：27-29. [Ma H，Dai L，Liu Y. 2015. Application and comparison of gray relational analysis and DTOPSIS method in the comprehensive evaluation of machine picking-up cotton varieties[J]. China Cotton，42（6）：27-29.]
任亮，张海涛，魏明珠，李题印. 2019. 基于熵权 TOPSIS 模型的智慧城市发展水平评价研究[J]. 情报理论与实践.doi：10.16353/j.cnki.1000-7490.2019.07.020. [Ren L，Zhang H T，Wei M Z，Li T Y. 2019. Research on the evaluation of development level of smart city based on entropy TOPSIS Model[J]. Information Studies：Theory & Application.doi：10.16353/j.cnki.1000-7490.2019.07. 020.] 邵美红，程楚，程思明，韩海亮，黄惠芳，赵福成. 2017. 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，29（6）：25-28. [Shao M H，Cheng C，Cheng S M，Han H L，Huang H F，Zhao F C. 2017. Comprehensive evaluation of adaptability of fresh sweet maize varieties in northwest Zhejiang Province by DTOPSIS method[J]. Journal of Jiangxi Agriculture，29（6）：25-28.]
宋潔，李婉琳，郭华春. 2017. DTOPSIS法评价44份CIP引进马铃薯新品系的适应性[J]. 中国马铃薯，31（4）：193-200. [Song J，Li W L，Guo H C. 2017. Evaluation of adaptabi-lity of 44 new potato varieties introduced by CIP by DTOPSIS method[J]. Chinese Potato，31（4）：193-200.]
吴志会，白玉龙，董玉武，王淑芳. 2005. DTOPSIS法综合评价冀中北冬小麦新品种的初步研究[J]. 麦类作物学报，（6）：108-111. [Wu Z H，Bai Y L，Dong Y W，Wang S F. 2005. Preliminary study on comprehensive evaluation of new winter wheat varieties in central and northern Hebei by DTOPSIS method[J]. Journal of Wheat Crops，（6）：108-111.]
谢瑞芝，王克如，郭银巧，柴宗文，侯鹏，李少昆. 2014. 黄淮海夏玉米子粒机械收获研究初报[J]. 作物杂志，159（2）：76-79. [Xie R Z，Wang K R，Guo Y Q，Chai Z W，Hou P，Li S K. 2014. Research on corn mechanically harves-ting grain quality in Huanghuaihai Plain[J]. Crops，159（2）：76-79.]
杨昆，吴才文，覃伟，赵培方，刘家勇，蔡青. 2015. 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，28（4）：1542-1547. [Yang K，Wu C W，Qin W，Zhao P F，Liu J Y，Cai Q. 2015. Comparison of comprehensive evaluation sugarcane new varieties with DTOPSIS and grey related degree[J]. Southwest China Journal of Agricultural Sciences，28（4）：1542-1547.]
杨禹伟，陈华，姜波，左惠文. 2017. 一种加工番茄品质的多性状评价方法[J]. 中国农业大学学报，22（3）：131-137. [Yang Y W，Chen H，Jiang B，Zuo H W. 2017. A multi-character evaluation method for processing tomato quality[J]. Journal of China Agricultural University，22（3）：131-137.]
余文远，李霖超. 2015. 运用灰色局势决策法综合评价鲜食大豆新品系[J]. 湖南农业科学，（10）：26-28. [Yu W Y，Li L C. 2015. Evaluation of new vegetable soybean varieties with gray situation decision method[J]. Journal of Hunan Agricultural Science，（10）：26-28.]
昝凯，周青，张志民，郑丽敏，王凤菊，陈亚光，李明军，徐淑霞. 2018. 灰色关联度和DTOPSIS法综合分析河南区域试验中大豆新品种（系）的农艺性状表现[J]. 大豆科学，37（5）：664-671. [Zan K，Zhou Q，Zhang Z M，Zheng L M，Wang F J，Chen Y G，Li M J，Xu S X. 2018. Grey correlation degree and DTOPSIS method comprehensive analysis of soybean varieties（or lines） in Henan Province regional test of agronomic traits performance[J]. Journal of Soybean Science，37 （5）：664-671.]
左安建，王玉胜，李旭华，金保锋，叶为民，扈强，梁荣. 2014. DTOPSIS法和灰色局势决策在卷烟质量综合评价中的应用[J]. 安徽农业科学，42（19）：6385-6386. [Zuo A J，Wang Y S，Li X H，Jin B F，Ye W M，Hu Q，Liang R. 2014. Application of the DTOPSIS and grey situation decision in comprehensive evaluation of cigarette quality[J]. Journal of Anhui Agricultural Sciences，42（19）：6385-6386.]
（责任编辑 王 晖）