基于熵值赋权的DTOPSIS法对鲁南地区11个饲用燕麦品种的综合评价研究

doi:10.16035/j.issn.1001-7283.2022.04.009

基于熵值赋权的DTOPSIS法对鲁南地区11个饲用燕麦品种的综合评价研究

张春艳^,¹, 庄克章^,¹, 吴荣华¹, 李静¹, 李新新¹, 王恒², 董西辰¹, 徐赓³, 吴本华³

¹临沂市农业科学院,276012,山东临沂

²日照市农业技术服务中心,276826,山东日照

³沂南县畜牧发展促进中心,276300,山东临沂

Comprehensive Evaluation of 11 Feed Oat Varieties in Southern Shandong by DTOPSIS Method Based on Entropy Weighting

Zhang Chunyan^,¹, Zhuang Kezhang^,¹, Wu Ronghua¹, Li Jing¹, Li Xinxin¹, Wang Heng², Dong Xichen¹, Xu Geng³, Wu Benhua³

¹Linyi Agricultural Academy of Sciences, Linyi 276012, Shandong, China

²Agricultural Technology Service Center of Rizhao City, Rizhao 276826, Shandong, China

³Animal Husbandry Development Promotion Center of Yiʼnan County, Linyi 276300, Shandong, China

通讯作者: 庄克章,研究方向为玉米及饲草栽培,E-mail： 943219857@qq.com

收稿日期: 2021-03-29 修回日期: 2021-07-26 网络出版日期: 2022-04-21

基金资助:

2021年度临沂市标准化创新激励项目

Received: 2021-03-29 Revised: 2021-07-26 Online: 2022-04-21

作者简介 About authors

张春艳,研究方向为玉米及饲草栽培,E-mail： zhangchunyan1216@163.com

摘要

为筛选适宜在鲁南地区种植的饲用燕麦品种及探讨燕麦新品种综合评价的方法,利用基于熵值赋权的DTOPSIS法对11个燕麦品种的株高、鲜草产量、干草产量、茎叶比、粗蛋白含量、中性洗涤纤维含量、酸性洗涤纤维含量和相对饲草品质等方面进行综合分析。结果表明,熵值赋权法客观评价了各指标在该评价体系中的重要程度,指标中权重最大的是茎叶比,其余依次是鲜草产量、粗脂肪含量、相对饲草品质、干草产量、粗蛋白含量、株高、中性洗涤纤维含量、粗灰分含量和酸性洗涤纤维含量,符合对燕麦饲料的要求。C_i值排名前5的品种是燕王、牧王、魄力、贝勒和甜燕麦。这5个品种产量较高,综合性状表现优良,适宜在鲁南地区推广种植。

关键词： 饲用燕麦; 鲁南地区; DTOPSIS法; 熵值; 综合评价

Abstract

By DTOPSIS method based on entropy weighting, comprehensive analysis of plant height, fresh grass and hay yield, stem-leaf ratio, crude protein content, neutral detergent fibre content, acid detergent fibre content and relative forage quality was made for screening forage oat varieties in southern Shandong and exploring a new method of comprehensive evaluation of oat varieties. The results showed that the entropy value method could evaluate objectively the importance of indicators in the evaluation system. The index with the largest weight was the stem-leaf ratio, followed by fresh yield, crude fat content, relative quality forage grass, hay yield, crude protein content, plant height, neutral detergent fiber content, crude ash content and acid detergent fiber content, which conformed to the requirements for oats feed. The top five C_i values were Forage plus, Haymaker, Charisma, Baler and Sweet oat. The five varieties not only had higher yield, but also had better comprehensive characteristics, and were suitable for planting and popularizing in southern Shandong.

Keywords： Feed oat; Southrtn Shandong; DTOPSIS method; Entropy value; Comprehensive evaluation

PDF (526KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

张春艳, 庄克章, 吴荣华, 李静, 李新新, 王恒, 董西辰, 徐赓, 吴本华. 基于熵值赋权的DTOPSIS法对鲁南地区11个饲用燕麦品种的综合评价研究. 作物杂志, 2022, 38(4): 62-68 doi:10.16035/j.issn.1001-7283.2022.04.009

Zhang Chunyan, Zhuang Kezhang, Wu Ronghua, Li Jing, Li Xinxin, Wang Heng, Dong Xichen, Xu Geng, Wu Benhua. Comprehensive Evaluation of 11 Feed Oat Varieties in Southern Shandong by DTOPSIS Method Based on Entropy Weighting. Crops, 2022, 38(4): 62-68 doi:10.16035/j.issn.1001-7283.2022.04.009

饲用燕麦（Avena sativa L.）又称皮燕麦、普通栽培燕麦,与裸燕麦（Avena nuda L.）同属禾本科早熟禾亚科燕麦属植物,是一种优良的饲草作物。燕麦的青刈茎叶较其他麦类作物更富含营养^[1-2],嫩而多汁,适宜青饲或调制干草。与其他牧草相比,燕麦干草的中性洗涤纤维含量较低且更为适口^[3-4],其水溶性碳水化合物含量丰富,且钾含量低于2%,是一类能量高、有效纤维丰富、质地柔软、适口性好的优质禾本科饲草^[5⇓⇓-8]。近年来,随着人们生活水平的提高,牛羊肉和奶制品需求量也越来越大,鲁南地区牛羊饲养量不断增加,饲草需求量持续扩大,亟需优质牧草来满足当地饲养业需求,饲用燕麦在鲁南地区种植还存在盲目性。大量研究^[9-10]显示,不同燕麦品种因遗传基础不同,其适应能力和生长潜力差异较大,因此需要筛选出适合本地区生态条件的燕麦品种。

DTOPSIS法已经用于对大豆^[11]、小麦^[12]、水稻^[13]和玉米^[14]等多种作物进行评价,传统的DTOPSIS法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,其权重计算完全按照指标间数值的离散程度来设置,对评价系统各指标赋予权重,可剔除指标体系中对评价结果贡献不大的指标,规避主观因素对结果的影响,能有效排除人为干扰因素,使研究结果更加公正有效^[15-16]。已有学者在不同地区开展了关于燕麦品种的筛选评价相关研究^{[17⇓⇓-20]},但关于鲁南地区饲用燕麦种植品种筛选的研究未见报道。本研究以鲁南地区种植的11个燕麦品种为试验材料,运用DTOPSIS法,并采用熵值法对各评价指标赋权,综合评价燕麦的生长性状、产量以及营养品质等,探讨一种新的燕麦综合评价方法,为筛选出适宜当地推广种植的燕麦品种提供参考。

1 材料与方法

1.1 供试材料

供试的11个燕麦品种由山东省农业可持续发展研究所提供,具体信息见表1。

表1 燕麦品种及来源

Table1 The origin of oat varieties

品种Variety	来源Origin
林纳Linna	中国青海
枪手Shooter	加拿大
领袖Souris	美国
牧王Haymaker	加拿大
贝勒Baler	加拿大
甜燕麦Sweet oat	中国青海
魄力Charisma	美国
青引1号Qingyin No.1	中国青海
青海444 Qinghai 444	中国青海
燕王Forage plus	加拿大
加燕2号Jiayan No.2	加拿大

新窗口打开| 下载CSV

1.2 试验地概况

试验在山东省临沂市农业科学院试验田（35°10′83″ E,118°26′92″ N）进行,该地属暖温带季风气候,常年降水量约840mm,无霜期在200d以上。土壤为潮土,前茬作物为玉米,0~20cm耕层土壤基础养分为全氮127.6mg/kg、全磷14.25mg/kg、速效钾135mg/kg、有机质119mg/kg。

1.3 试验设计

参试品种于2019年3月5日播种,采用随机区组设计,小区面积36m²（8.0m×4.5m）,采用条播,播种深度3cm,行距30cm,边距10cm,共15行,小区播种量15g/m²,6月12日收割。

1.4 测定指标与方法

1.4.1 生长性状

株高：每个小区抽取10株燕麦测量其绝对高度。茎叶比：每个小区在收获前取2行0.23m样段,齐地刈割后分成茎、叶和穗3部分称重,分别装入牛皮纸袋置于105℃烘箱中杀青30min后,在80℃条件下烘至恒重,称重并计算茎叶比。

1.4.2 营养成分

利用凯氏定氮法测定粗蛋白（crude protein,CP）含量;利用范氏洗涤法测定中性洗涤纤维（neutral detergent fiber,NDF）和酸性洗涤纤维（acid detergent fiber,ADF）含量;用索氏浸提法测定粗脂肪（crude fat,EE）含量;样品经600℃高温灼烧氧化后称重测定粗灰分（ash,ASH）。

1.4.3 相对饲草品质（relative forage quality,RFQ）

根据以下公式^[21]计算相关指标：DMI（%BW）=120/NDF（%DM）;DDM（%DM）=88.9 - 0.779×ADF（%DM）;RFV=DMI×DDM/1.29;RFQ=1.9499RFV-67.038（R²=0.7552）。

式中,DMI（dry matter intake）为干物质采食量（%BW）;DDM为可消化性干物质(%DM);DM为干物质;%BW为占动物代谢体重的百分比;RFV为相对饲喂价值。

1.5 数据处理

1.5.1 DTOPSIS法

对11个燕麦品种及其性状指标进行平均值（3次小区重复）处理,构建比较矩阵,设有i个品种,j个性状指标,建立评价矩阵P：

$P=\begin{array}{cccc}P_{11} & P_{12} & \cdots & P_{1 n} \\P_{21} & P_{22} & \cdots & P_{2 n} \\\vdots & \vdots & \vdots & \vdots \\P_{m 1} & P_{m 2} & \cdots & P_{m n}\end{array}$

对原始数据进行归一化：

将评价矩阵P进行无量纲化处理,按照筛选目标,将指标分为正向指标和逆向指标。

正向指标计算公式：

(1)${{Z}_{ij}}=\frac{{{P}_{ij}}}{{{P}_{j\max }}}$ i=1,2,3,…,11; j=1,2,3,…,10

式中,P_j_max=max(P_ij),max为最大值;

负向指标计算公式：

(2)${{Z}_{ij}}=\frac{{{P}_{j\min }}}{{{P}_{ij}}}$ i=1,2,3,…,11; j=1,2,3,…,10

式中,P_j_min=min(P_ij),min为最小值。

建立决策矩阵：确定的各指标的权重W_j,各指标权重乘矩阵Z中的第j列得到决策矩阵R。

各指标的理想解和负理想解：

(3)X ⁺=MAX(R_ij)={X₁⁺,X₁⁺,…,X_n⁺}

(4)X ^-=MIN(R_ij)={X₁^-,X₁^-,…,X_n^-}

关联度的计算：

采用欧几里得范数公式计算各品种各性状与最佳性状的距离S⁺及与最差性状间的距离S^-,并计算相对接近度C_i。

(5)$S_{i}^{+}=\sqrt{\sum\limits_{j=1}^{11}{{{\left( {{R}_{ij}}-X_{j}^{+} \right)}^{2}}}}$

(6)$S_{i}^{-}=\sqrt{\sum\limits_{j=1}^{11}{{{\left( {{R}_{ij}}-X_{j}^{-} \right)}^{2}}}}$

(7)${{C}_{i}}=\frac{S_{i}^{-}}{S_{i}^{+}+S_{i}^{-}}$

1.5.2 熵权法确定各项指标权重

各品种各指标的比重P：即计算各供试品种的指标值占全部品种指标值之和的比重,公式如下：

(8)${{P}_{ij}}=\frac{{{X}_{ij}}}{(\sum\nolimits_{i=1}^{N}{{{X}_{ij}}})}$

式中,N为品种总数,下同;

各指标的熵权E：

(9)${{E}_{j}}=-\frac{\text{1}}{\ln N}\sum\nolimits_{i=1}^{N}{{{P}_{ij}}\ln }{{P}_{ij}}$

式中,E_j为第j个指标的熵值,其中E_j不能大于1,lnN必须大于0。

各项指标的权重W：

(10)${{W}_{i}}=\frac{(1-{{E}_{j}})}{\sum\nolimits_{j=1}^{N}{(1-{{E}_{j}}})}$

采用Excel 2003和SPSS 16.0软件进行计算、作图和方差分析。

2 结果与分析

2.1 构建比较矩阵

将11个燕麦品种及其10个性状指标构成比较矩阵（表2）,株高、鲜重、干草产量、茎叶

比、NDF、ADF、EE、CP、ASH和RFQ作为评价性状。

表2 11个燕麦品种的性状及产量

Table 2 The quality properties and yields of 11 oat varieties

品种 Variety	株高 Plant height (cm)	鲜草产量 Fresh yield (t/hm²)	干草产量 Hay yield (t/hm²)	茎叶比 Stem- leaf ratio	NDF (%)	ADF (%)	EE (%)	CP (%)	ASH (%)	RFQ
林纳Linna	95.5d	29.83i	9.63e	2.12b	56.37ab	35.06bc	8.88cd	10.07ab	10.09ab	198.1abc
枪手Shooter	118.5ab	40.76f	12.78d	1.77b	58.28ab	41.52a	9.18cd	9.00bc	8.79bc	175.9bc
领袖Souris	95.7d	34.46h	13.34d	2.10b	60.36a	38.34b	10.38bcd	8.82bc	10.43ab	177.3bc
牧王Haymaker	112.6b	57.62b	16.12a	1.34b	62.02a	42.63a	7.62d	9.36abc	10.70ab	162.8c
贝勒Baler	106.5c	50.77d	15.93ab	1.82b	49.29bc	36.06bc	8.70cd	9.72ab	8.38bc	223.7ab
甜燕麦Sweet oat	113.9b	47.62e	14.64bc	1.96b	54.13abc	34.13c	11.60ab	9.87ab	10.47ab	208.7ab
魄力Charisma	93.7de	52.40cd	14.82abc	1.49b	59.05ab	35.09bc	12.57a	10.96ab	9.71abc	189.0abc
青引1号Qingyin No.1	117.4ab	38.72g	13.71cd	2.18b	46.28c	33.47c	12.22a	12.33a	9.81abc	246.1a
青海444 Qinghai 444	122.3a	41.13f	14.64bc	3.11a	46.35c	40.91ab	8.14d	9.36abc	8.61bc	223.1ab
燕王Forage plus	88.0e	66.70a	14.82abc	1.37b	63.18a	42.15a	9.60bcd	9.23bc	11.76a	160.9c
加燕2号Jiayan No.2	119.1ab	53.17c	15.56ab	2.23b	54.80abc	33.11c	10.38bc	7.61c	9.90abc	208.8ab

不同小写字母表示在0.05水平差异显著

Different lowercase letters indicate significant difference at 0.05 level

新窗口打开| 下载CSV

2.2 无量纲化处理

将11个燕麦品种的比较矩阵进行无量纲化处理。燕麦在生产上作为饲料,除高产外,还要求低纤维、高脂肪和高蛋白等,因此将株高、鲜重、干草产量、EE、CP、ASH和RFQ作为正向指标,茎叶比、NDF和ADF作为负向指标。由正向指标公式（1）和负向指标公式（2）计算得到无量纲化矩阵Z（表3）。

表3 11个燕麦品种的无量纲化矩阵

Table 3 Dimensionless matrix of 11 oat varieties

品种 Variety	株高 Plant height	鲜草产量 Fresh yield	干草产量 Hay yield	茎叶比 Stem- leaf ratio	NDF	ADF	EE	CP	ASH	RFQ
林纳Linna	0.7811	0.4472	0.5977	0.6344	0.8210	0.9444	0.7064	0.8172	0.8581	0.8048
枪手Shooter	0.9689	0.6111	0.7931	0.7853	0.7941	0.7975	0.7308	0.7303	0.7474	0.7148
领袖Souris	0.7824	0.5167	0.8276	0.6414	0.7667	0.8635	0.8258	0.7155	0.8868	0.7203
牧王Haymaker	0.9213	0.8639	1.0000	1.0000	0.7462	0.7767	0.6065	0.7595	0.9095	0.6614
贝勒Baler	0.8712	0.7611	0.9885	0.7391	0.9389	0.9183	0.6926	0.7889	0.7127	0.9087
甜燕麦Sweet oat	0.9316	0.7139	0.9080	0.6873	0.8549	0.9701	0.9231	0.8005	0.8899	0.8479
魄力Charisma	0.7667	0.7861	0.9195	0.9005	0.7837	0.9436	1.0000	0.8892	0.8251	0.7679
青引1号Qingyin No.1	0.9599	0.5806	0.8506	0.6156	1.0000	0.9894	0.9725	1.0000	0.8339	1.0000
青海444 Qinghai 444	1.0000	0.6167	0.9080	0.4328	0.9984	0.8094	0.6479	0.7595	0.7323	0.9063
燕王Forage plus	0.7195	1.0000	0.9195	0.9801	0.7324	0.7856	0.7641	0.7485	1.0000	0.6536
加燕2号Jiayan No.2	0.9741	0.7972	0.9655	0.6029	0.8445	1.0000	0.8256	0.6171	0.8420	0.8482

新窗口打开| 下载CSV

2.3 确定各指标权重

根据表2计算出各性状指标比重矩阵P（表4）。由公式（9）和（10）计算品种对性状的贡献量矩阵X（表5）,由此计算各指标的熵权及权重（表6）。

表4 11个燕麦品种的性状指标的比重矩阵

Table 4 Specific gravity matrix of 11 oat varieties

品种 Variety	株高 Plant height	鲜草产量 Fresh yield	干草产量 Hay yield	茎叶比 Stem-leaf ratio	NDF	ADF	EE	CP	ASH	RFQ
林纳Linna	0.0807	0.0581	0.0618	0.0986	0.0924	0.0850	0.0812	0.0947	0.0929	0.0911
枪手Shooter	0.1001	0.0794	0.0819	0.0825	0.0955	0.1007	0.0840	0.0847	0.0809	0.0809
领袖Souris	0.0809	0.0671	0.0855	0.0975	0.0989	0.0930	0.0950	0.0829	0.0960	0.0815
牧王Haymaker	0.0952	0.1123	0.1033	0.0626	0.1017	0.1034	0.0697	0.0880	0.0985	0.0749
贝勒Baler	0.0900	0.0989	0.1021	0.0846	0.0808	0.0874	0.0797	0.0915	0.0771	0.1029
甜燕麦Sweet oat	0.0963	0.0928	0.0938	0.0910	0.0887	0.0828	0.1062	0.0928	0.0963	0.0960
魄力Charisma	0.0792	0.1022	0.0950	0.0695	0.0968	0.0851	0.1150	0.1031	0.0893	0.0869
青引1号Qingyin No.1	0.0992	0.0755	0.0879	0.1016	0.0759	0.0811	0.1118	0.1159	0.0903	0.1132
青海444 Qinghai 444	0.1033	0.0801	0.0938	0.1445	0.0760	0.0992	0.0745	0.0880	0.0793	0.1026
燕王Forage plus	0.0743	0.1300	0.0950	0.0638	0.1036	0.1022	0.0879	0.0868	0.1083	0.0740
加燕2号Jiayan No.2	0.1007	0.1036	0.0998	0.1038	0.0898	0.0803	0.0950	0.0715	0.0911	0.0960

新窗口打开| 下载CSV

表5 11个燕麦品种对性状的贡献量

Table 5 Contribution of 11 oat varieties to characters

品种 Variety	株高 Plant height	鲜草产量 Fresh yield	干草产量 Hay yield	茎叶比 Stem-leaf ratio	NDF	ADF	EE	CP	ASH	RFQ
林纳Linna	-0.2032	-0.1654	-0.1720	-0.2284	-0.2200	-0.2095	-0.2039	-0.2233	-0.2207	-0.2183
枪手Shooter	-0.2304	-0.2012	-0.2050	-0.2058	-0.2243	-0.2311	-0.2081	-0.2090	-0.2034	-0.2035
领袖Souris	-0.2034	-0.1814	-0.2103	-0.2270	-0.2289	-0.2208	-0.2236	-0.2065	-0.2250	-0.2044
牧王Haymaker	-0.2239	-0.2455	-0.2345	-0.1734	-0.2324	-0.2346	-0.1857	-0.2139	-0.2282	-0.1941
贝勒Baler	-0.2168	-0.2288	-0.2330	-0.2090	-0.2033	-0.2131	-0.2015	-0.2187	-0.1977	-0.2340
甜燕麦Sweet oat	-0.2253	-0.2206	-0.2220	-0.2181	-0.2149	-0.2062	-0.2381	-0.2206	-0.2254	-0.2249
魄力Charisma	-0.2009	-0.2331	-0.2236	-0.1853	-0.2260	-0.2096	-0.2487	-0.2342	-0.2158	-0.2123
青引1号Qingyin No.1	-0.2292	-0.1950	-0.2137	-0.2324	-0.1956	-0.2038	-0.2450	-0.2498	-0.2171	-0.2466
青海444 Qinghai 444	-0.2346	-0.2023	-0.2220	-0.2796	-0.1958	-0.2292	-0.1935	-0.2139	-0.2009	-0.2336
燕王Forage plus	-0.1932	-0.2652	-0.2236	-0.1756	-0.2348	-0.2331	-0.2137	-0.2121	-0.2407	-0.1927
加燕2号Jiayan No.2	-0.2311	-0.2349	-0.2299	-0.2351	-0.2165	-0.2025	-0.2236	-0.1887	-0.2183	-0.2250

新窗口打开| 下载CSV

表6 燕麦各性状的熵权及权重

Table 6 Entropy weights and weights of different oat indicators

指标 Index	株高 Plant height	鲜草产量 Fresh yield	干草产量 Hay yield	茎叶比 Stem-leaf ratio	NDF	ADF	EE	CP	ASH	RFQ
E_j	0.9975	0.9897	0.9966	0.9882	0.9978	0.9982	0.9948	0.9971	0.9981	0.9964
W_j	0.0545	0.2250	0.0741	0.2583	0.0489	0.0402	0.1134	0.0643	0.0425	0.0789

新窗口打开| 下载CSV

2.4 建立决策矩阵

各性状指标权重（a_i）乘以矩阵Z的第j列得到决策矩阵R（表7）。

表7 11个燕麦品种的决策矩阵

Table 7 Dcision matrix of 11 oat varieties

品种 Variety	株高 Plant height	鲜草产量 Fresh yield	干草产量 Hay yield	茎叶比 Stem-leaf ratio	NDF	ADF	EE	CP	ASH	RFQ
林纳Linna	0.0425	0.1006	0.0443	0.1639	0.0401	0.0380	0.0801	0.0525	0.0364	0.0635
枪手Shooter	0.0528	0.1375	0.0588	0.1958	0.0388	0.0321	0.0829	0.0469	0.0317	0.0564
领袖Souris	0.0426	0.1162	0.0613	0.1657	0.0375	0.0348	0.0937	0.0460	0.0377	0.0568
牧王Haymaker	0.0502	0.1944	0.0741	0.2583	0.0365	0.0313	0.0688	0.0488	0.0386	0.0522
贝勒Baler	0.0474	0.1712	0.0733	0.1909	0.0459	0.0370	0.0785	0.0507	0.0303	0.0717
甜燕麦Sweet oat	0.0507	0.1606	0.0673	0.1775	0.0418	0.0390	0.1047	0.0515	0.0378	0.0669
魄力Charisma	0.0418	0.1769	0.0682	0.2326	0.0383	0.0380	0.1134	0.0572	0.0350	0.0606
青引1号Qingyin No.1	0.0523	0.1306	0.0630	0.1590	0.0489	0.0398	0.1103	0.0643	0.0354	0.0789
青海444 Qinghai 444	0.0545	0.1387	0.0673	0.1118	0.0488	0.0326	0.0735	0.0488	0.0311	0.0715
燕王Forage plus	0.0392	0.2250	0.0682	0.2531	0.0358	0.0316	0.0866	0.0481	0.0425	0.0516
加燕2号Jiayan No.2	0.0531	0.1794	0.0716	0.1557	0.0413	0.0402	0.0936	0.0397	0.0358	0.0669

新窗口打开| 下载CSV

根据公式（3）（4）和表7,得到正理想解和负理想解序列。

正理想解序列为：

X⁺={0.0545,0.2250,0.0741,0.2583,0.0489,0.0402,0.1134,0.0643,0.0425,0.0789}。

负理想解序列为：

X^-={0.0392,0.1006,0.0443,0.1118,0.0358,0.0313,0.0688,0.0397,0.0303,0.0516}。

2.5 关联度计算

根据公式（5）（6）（7）计算出C_i,并按照Ci及产量排序。由表8可知,C_i值最大的是燕王（0.8007）,其产量排在第4位,说明燕王不但产量高,其他各性状综合表现也比较优异。排在第2位的是牧王,其产量最高,魄力C_i值排第3位,产量排第5位;贝勒排第4位,产量排第2位。青海444和林纳的C_i值为最后2位。

表8 DTOPSIS法计算结果

Table 8 Calculation results of DTOPSIS method

品种Variety	S_i⁺	S_i^-	S_i⁺+S_i^-	C_i	C_i值排序C_i value sorting	产量排序Yield sorting
林纳Linna	0.1644	0.0571	0.2215	0.2579	10	11
枪手Shooter	0.1175	0.0954	0.2129	0.4482	7	10
领袖Souris	0.1487	0.0649	0.2136	0.3037	9	9
牧王Haymaker	0.0644	0.1772	0.2416	0.7334	2	1
贝勒Baler	0.0954	0.1136	0.2090	0.5436	4	2
甜燕麦Sweet oat	0.1057	0.1020	0.2077	0.4909	5	6
魄力Charisma	0.0611	0.1531	0.2142	0.7148	3	5
青引1号Qingyin No.1	0.1377	0.0837	0.2214	0.3780	8	8
青海444 Qinghai 444	0.1761	0.0538	0.2299	0.2338	11	7
燕王Forage plus	0.0476	0.1912	0.2388	0.8007	1	4
加燕2号Jiayan No.2	0.1177	0.1003	0.2180	0.4601	6	3

新窗口打开| 下载CSV

3 讨论

3.1 不同燕麦品种生产性能及品质

燕麦生产性能包括产量、植株高度及生长情况等。在本研究中,品种间各指标差异显著。株高最高的为青海444（122.3cm）,燕王株高最低（88.0cm）。饲草产量反映了饲草的生产性能,本研究中,11个供试燕麦品种鲜草产量为29.83~66.70t/hm²,干草产量为9.63~16.12t/hm²,其中林纳鲜草产量最低,燕王最高。茎叶比影响牧草的适口性及青干草品质^[22-23],牧王和燕王的茎叶比较低,说明其适口性好,青干草品质高;NDF含量影响动物采食率,ADF含量影响饲草消化率^[24-25],本研究中饲用燕麦NDF含量在46.28%~63.18%,青引1号最低,燕王最高,ADF含量在33.11%~42.63%,加燕2号最低,牧王最高。ASH代表牧草中矿物质,含量越高,品质越好,本研究中饲用燕麦ASH含量8.38%~11.76%,贝勒最低,燕王最高。CP能满足动物对蛋白质需求,含量越高,营养品质越好,本研究中饲用燕麦CP含量为7.61%~12.33%,其中加燕2号最低,青引1号最高。EE提供动物生长发育必需脂肪酸和提供动物生命活动所需热能^[26-27],11个饲用燕麦品种EE含量在7.62%~12.57%,其中牧王最低,魄力最高。RFQ用来评价燕麦牧草质量,其值越高,饲料价值越高^[28],本研究中饲用燕麦的RFQ都在160以上,青引1号、贝勒、青海444、加燕2号和贝勒的RFQ均在200以上。本研究燕麦产量与已有研究^{[19,29⇓⇓-32]}的结果差异较大,可能与品种特性、种植密度、生育期、海拔高度、生态环境、栽培方式和收获期不同等有关。

3.2 基于熵权赋值的DTOPSIS法的结果

前人^{[1,24,30-31,33⇓⇓⇓-37]}对于燕麦品种的评价多用灰色关联度法,其优点是不需要满足概率论分布,对样本容量没有要求,且方法简单、工作量少等,但是其缺点在于需要对各项指标的最优值进行现行确定,主观性过强,同时部分指标最优值难以确定,例如,一般来说燕麦株高越高其产量越高,但是植株过高往往会带来倒伏的风险,所以最佳株高不好确定。而一个品种往往包括多个性状指标,各个性状指标无统一度量,而且许多性状指标之间呈负相关关系,因而灰色关联度法难以找到各性状都达到理想目标的品种^[38]。利用DTOPSIS法来对作物进行评价已有研究^[39]。DTOPSIS法更侧重于品种的综合性状^[40],符合本研究的试验目的。前人^{[40⇓⇓⇓⇓-45]}在多种作物上的研究认为,DTOPSIS法比灰色关联度法更适用于较多品种的归类淘汰,在客观评价作物方面分辨力更强结果更准确。运用DTOPSIS法评价作物品种的关键在于参考性状的选择和权重大小的确定,而熵权赋值有效解决了经验赋权等主观因素的干扰,其结果更客观。本研究利用熵权赋值的DTOPSIS法对11个燕麦品种的生产性能及饲用品质进行评价,发现性状指标权重大小直接决定了燕麦品种的综合评价,这与前人^[46-47]研究结果一致,性状指标中权重最大的是茎叶比（0.2583）,其余依次是鲜重、EE含量、RFQ、干草产量、CP含量、株高、NDF含量、ASH含量和ADF含量,符合对燕麦饲料的要求。

4 结论

利用基于熵值赋权的DTOPSIS法对鲁南地区11个燕麦品种进行评价,性状指标中权重由大到小依次是茎叶比、鲜草产量、EE含量、RFQ、干草产量、CP含量、株高、NDF含量、ASH含量和ADF含量,符合对燕麦饲料的要求。其中燕王、牧王、魄力、贝勒和甜燕麦不仅产量较高,综合品质表现也较优异,适宜在鲁南地区种植推广。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

刘刚.

青藏高原饲用燕麦种质资源评价与筛选

兰州:甘肃农业大学, 2006.

[本文引用: 2]

[2]

杨海鹏, 孙泽民.

中国燕麦. 北京: 中国农业出版社, 1989.