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 。
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(R 2 =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 :
$P=\begin{array}{cccc}P_{11} & P_{12} & \cdots & P_{1 n} \\P_{21} & P_{22} & \cdots & P_{2 n} \\\vdots & \vdots & \vdots & \vdots \\P_{m 1} & P_{m 2} & \cdots & P_{m n}\end{array}$
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。
(1) ${{Z}_{ij}}=\frac{{{P}_{ij}}}{{{P}_{j\max }}}$ i =1,2,3,…,11; j =1,2,3,…,10
式中,Pj max =max(Pij ),max为最大值;
(2) ${{Z}_{ij}}=\frac{{{P}_{j\min }}}{{{P}_{ij}}}$ i =1,2,3,…,11; j =1,2,3,…,10
式中,Pj min =min(Pij ),min为最小值。
建立决策矩阵:确定的各指标的权重Wj ,各指标权重乘矩阵Z 中的第j 列得到决策矩阵R 。
(3) X + =MAX(Rij )={X1 + ,X1 + ,…,Xn + }
(4) X - =MIN(Rij )={X1 - ,X1 - ,…,Xn - }
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Ci 。
(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) ${{P}_{ij}}=\frac{{{X}_{ij}}}{(\sum\nolimits_{i=1}^{N}{{{X}_{ij}}})}$
(9) ${{E}_{j}}=-\frac{\text{1}}{\ln N}\sum\nolimits_{i=1}^{N}{{{P}_{ij}}\ln }{{P}_{ij}}$
式中,Ej 为第j 个指标的熵值,其中Ej 不能大于1,lnN 必须大于0。
(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。
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 )。
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 )。
2.4 建立决策矩阵
各性状指标权重(ai )乘以矩阵Z 的第j 列得到决策矩阵R (表7 )。
根据公式(3)(4)和表7 ,得到正理想解和负理想解序列。
X + ={0.0545,0.2250,0.0741,0.2583,0.0489,0.0402,0.1134,0.0643,0.0425,0.0789}。
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Ci ,并按照Ci 及产量排序。由表8 可知,Ci 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Ci 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Ci 值为最后2位。
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
View Option
[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 .
[本文引用: 1]
[3]
梁国玲 , 刘文辉 , 周青平 . 高寒区燕麦I-D新品系与亲本光合特性和生产性能研究
中国草地学报 , 2017 , 39 (4 ):15 -21 .
[本文引用: 1]
[4]
郭金桂 , 宋灵峰 , 玉柱 , 等 . 混合比例对紫花苜蓿与燕麦混贮品质的动态影响
中国草地学报 , 2018 , 40 (1 ):73 -79 .
[本文引用: 1]
[5]
李志强 . 燕麦干草质量评价
中国奶牛 , 2013 (9 ):1 -3 .
[本文引用: 1]
[6]
忠勇 . 燕麦干草在奶牛生产中的优势及应用
中国奶牛 , 2015 (17 ):12 -15 .
[本文引用: 1]
[7]
刘欢欢 , 郭雁华 , 张巧娥 , 等 . 燕麦草营养价值评定方法的研究进展
饲料研究 , 2019 (7 ):110 -113 .
[本文引用: 1]
[8]
赵得明 . 燕麦草生产利用现状及发展趋势
黑龙江畜牧兽医 , 2016 (22 ):177 -179 .
[本文引用: 1]
[9]
王茜 , 李志坚 , 李晶 , 等 . 不同类型燕麦农艺和饲草品质性状分析
草业学报 , 2019 , 28 (12 ):149 -158 .
[本文引用: 1]
[10]
王建丽 , 马利超 , 申忠宝 , 等 . 基于遗传多样性评估燕麦品种的农艺性状
草业学报 , 2019 , 28 (2 ):133 -141 .
[本文引用: 1]
[11]
昝凯 , 周青 , 张志民 , 等 . 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
大豆科学 , 2018 , 37 (5 ):664 -671 .
[本文引用: 1]
[12]
吴志会 , 白玉龙 , 董玉武 , 等 . DTOPSIS法综合评价冀中北冬小麦新品种的初步研究
麦类作物学报 , 2005 , 25 (6 ):116 -119 .
[本文引用: 1]
[13]
蒋聪 , 刘慰华 , 杨旭昆 , 等 . 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
西北农业学报 , 2020 , 33 (5 ):907 -912 .
[本文引用: 1]
[14]
刘松涛 , 王萱 , Zenda T , 等 . 基于DTOPSIS法的河北省不同生态区夏玉米品种适宜性综合评价
贵州农业科学 , 2018 , 46 (5 ):8 -11 ,15.
[本文引用: 1]
[15]
崔新菊 , 董世磊 , 任洪松 , 等 . DTOPSIS法在作物品种综合评价中的应用
辽宁农业科学 , 2016 (4 ):68 -71 .
[本文引用: 1]
[16]
Zou Z H , Yun Y , Sun J N . Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment
Journal of Environmental Sciences , 2006 (5 ):1020 -1023 .
[本文引用: 1]
[17]
王彦超 , 宋磊 , 王旭哲 . 新疆塔城和石河子地区燕麦品种生产性能比较研究
黑龙江畜牧兽医 , 2020 (14 ):103 -107 .
[本文引用: 1]
[18]
丰明 , 李韬 , 王英杰 , 等 . 5种燕麦饲草品种在沈阳地区的评价与筛选
辽宁农业科学 , 2017 (5 ):11 -15 .
[本文引用: 1]
[19]
魏小星 , 阿啟兰 , 刘勇 , 等 . 青海东部农区不同饲用燕麦品种生产性能及营养品质的比较
干旱地区农业研究 , 2019 , 37 (6 ):24 -28 .
[本文引用: 2]
[20]
王运涛 , 杨志敏 , 刘建成 , 等 . 冀西北地区21个燕麦品种生产性能与营养品质综合评价
草地学报 , 2020 , 28 (5 ):1311 -1318 .
[本文引用: 1]
[21]
郭兴燕 , 梁丹妮 , 兰剑 . 宁夏引黄灌区燕麦品种生产性能及营养价值研究
作物杂志 , 2016 (4 ):105 -111 .
[本文引用: 1]
[22]
蒋兆雄 . 燕麦草在吉林省中西部地区的地区的生长适应评价
长春:吉林农业大学 , 2017 .
[本文引用: 1]
[23]
闫亚飞 . 河套灌区不同饲草生产性能与品质研究 . 北京 : 中国农业科学院 , 2016 .
[本文引用: 1]
[24]
王巍 . 吉林省西部地区21个燕麦品种生产性能和营养价值评价
长春:东北师范大学 , 2016 .
[本文引用: 2]
[25]
翟苗苗 . 饲草燕麦在辽西半干旱地区的产量与品质效应研究
沈阳:辽宁大学 , 2014 .
[本文引用: 1]
[27]
王满红 , 张海峰 , 刘建国 , 等 . 膨化饲料中粗脂肪含量测定方法的研究
实验动物科学 , 2013 , 30 (1 ):35 -37 ,41.
[本文引用: 1]
[28]
凌树礼 . 应用RFV评价鄂尔多斯荒漠草原优势牧草营养价值
畜牧与饲料科学 , 2014 , 35 (10 ):15 -16 .
[本文引用: 1]
[29]
史京京 , 薛盈文 , 郭伟 , 等 . 引进燕麦种质资源饲草产量与饲用营养价值评价
麦类作物学报 , 2019 , 39 (9 ):1063 -1071 .
[本文引用: 1]
[30]
周启龙 , 多吉顿珠 , 益西央宗 , 等 . 拉萨地区16个燕麦引进品种的灰色关联度评价
草地学报 , 2020 , 28 (2 ):389 -396 .
[本文引用: 2]
[31]
周启龙 . 西藏阿里19个燕麦引进品种的灰色关联度评价
作物杂志 , 2021 (1 ):26 -31 .
[本文引用: 2]
[32]
宫晓旭 , 李志刚 , 刘鹏 , 等 . 西辽河平原地区引种多个品种燕麦产量与营养品质分析及评价
江西农业 , 2020 (4 ):104 -107 .
[本文引用: 1]
[33]
南铭 , 赵桂琴 , 李晶 , 等 . 西北半干旱区引种燕麦品种产量与品质的关联分析及评价
草地学报 , 2018 , 26 (1 ):125 -133 .
[本文引用: 1]
[34]
王桃 , 徐长林 , 姜文清 , 等 . 高寒草甸区饲用燕麦品种营养价值综合评价研究
中国草地学报 , 2010 , 32 (3 ):68 -75 .
[本文引用: 1]
[35]
刘岳华 , 姚明久 , 高燕蓉 , 等 . 5个美国燕麦品种在成都平原的适应性分析
草学 , 2018 (6 ):26 -31 .
[本文引用: 1]
[36]
王霞 , 赵金花 , 李青丰 , 等 . 5个饲用燕麦品种在乌兰察布不同地区的品质性状比较分析
黑龙江畜牧兽医 , 2021 (1 ):118 -123 .
[本文引用: 1]
[37]
娜日苏 , 梁庆伟 , 杨秀芳 , 等 . 阿鲁科尔沁旗燕麦新品种的灰色关联度评价
饲料研究 , 2019 (3 ):83 -86 .
[本文引用: 1]
[38]
孙焕 , 李雪君 , 马浩波 , 等 . 用DTOPSIS法综合评价烤烟区试品种
西南农业学报 , 2012 (4 ):1197 -1200 .
[本文引用: 1]
[39]
黄志勇 . DTOPSIS法在棉花品种评价中的应用
江西棉花 , 2002 (6 ):16 -19 .
[本文引用: 1]
[40]
周长军 . 不同分析方法在黑龙江省玉米联合体试验中的应用及比较分析
中国种业 , 2020 (6 ):41 -45 .
[本文引用: 2]
[41]
姜永平 , 刘水东 , 薛晨霞 , 等 . DTOPSIS法和灰色关联度法在番茄品种综合评价中的应用比较
中国农学通报 , 2010 , 26 (22 ):259 -263 .
[本文引用: 1]
[42]
李彦平 , 李淑 , 吴娟霞 , 等 . 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
中国烟草学报 , 2012 , 18 (4 ):35 -40 .
[本文引用: 1]
[43]
杨昆 , 吴才文 , 覃伟 , 等 . 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
西南农业学报 , 2015 , 28 (4 ):1542 -1547 .
[本文引用: 1]
[44]
宋秀丽 , 吴玥 , 杨锡朗 , 等 . 基于熵值赋权的DTOPSIS法与灰色关联度分析在玉米品种综合评价中的比较
玉米科学 , 2020 , 28 (2 ):41 -46 .
[本文引用: 1]
[45]
杨禹伟 , 陈华 , 姜波 , 等 . 一种加工番茄品质的多性状评价方法
中国农业大学学报 , 2017 , 22 (3 ):131 -137 .
[本文引用: 1]
[46]
吴玥 , 李威 , 马德志 , 等 . 基于熵值赋权的DTOPSIS法对不同玉米品种综合评价研究
玉米科学 , 2019 , 27 (4 ):32 -41 .
[本文引用: 1]
[47]
夏来坤 , 齐建双 , 谷利敏 , 等 . 基于熵权的DTOPSIS法和灰色局势决策法在宜机收玉米品种综合评价中的应用
南方农业学报 , 2019 , 50 (9 ):1953 -1959 .
[本文引用: 1]
青藏高原饲用燕麦种质资源评价与筛选
2
2006
... 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. ...
... 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. ...
1
1989
... 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. ...
高寒区燕麦I-D新品系与亲本光合特性和生产性能研究
1
2017
... 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. ...
混合比例对紫花苜蓿与燕麦混贮品质的动态影响
1
2018
... 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. ...
燕麦干草质量评价
1
2013
... 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. ...
燕麦干草在奶牛生产中的优势及应用
1
2015
... 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. ...
燕麦草营养价值评定方法的研究进展
1
2019
... 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. ...
燕麦草生产利用现状及发展趋势
1
2016
... 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. ...
不同类型燕麦农艺和饲草品质性状分析
1
2019
... 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. ...
基于遗传多样性评估燕麦品种的农艺性状
1
2019
... 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. ...
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
1
2018
... 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. ...
DTOPSIS法综合评价冀中北冬小麦新品种的初步研究
1
2005
... 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. ...
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
1
2020
... 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. ...
基于DTOPSIS法的河北省不同生态区夏玉米品种适宜性综合评价
1
2018
... 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. ...
DTOPSIS法在作物品种综合评价中的应用
1
2016
... 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. ...
Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment
1
2006
... 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. ...
新疆塔城和石河子地区燕麦品种生产性能比较研究
1
2020
... 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. ...
5种燕麦饲草品种在沈阳地区的评价与筛选
1
2017
... 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. ...
青海东部农区不同饲用燕麦品种生产性能及营养品质的比较
2
2019
... 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. ...
... 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. ...
冀西北地区21个燕麦品种生产性能与营养品质综合评价
1
2020
... 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. ...
宁夏引黄灌区燕麦品种生产性能及营养价值研究
1
2016
... 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(R 2 =0.7552). ...
燕麦草在吉林省中西部地区的地区的生长适应评价
1
2017
... 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. ...
1
2016
... 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. ...
吉林省西部地区21个燕麦品种生产性能和营养价值评价
2
2016
... 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. ...
... 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. ...
饲草燕麦在辽西半干旱地区的产量与品质效应研究
1
2014
... 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. ...
1
1999
... 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. ...
膨化饲料中粗脂肪含量测定方法的研究
1
2013
... 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. ...
应用RFV评价鄂尔多斯荒漠草原优势牧草营养价值
1
2014
... 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. ...
引进燕麦种质资源饲草产量与饲用营养价值评价
1
2019
... 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. ...
拉萨地区16个燕麦引进品种的灰色关联度评价
2
2020
... 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. ...
... 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. ...
西藏阿里19个燕麦引进品种的灰色关联度评价
2
2021
... 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. ...
... 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. ...
西辽河平原地区引种多个品种燕麦产量与营养品质分析及评价
1
2020
... 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. ...
西北半干旱区引种燕麦品种产量与品质的关联分析及评价
1
2018
... 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. ...
高寒草甸区饲用燕麦品种营养价值综合评价研究
1
2010
... 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. ...
5个美国燕麦品种在成都平原的适应性分析
1
2018
... 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. ...
5个饲用燕麦品种在乌兰察布不同地区的品质性状比较分析
1
2021
... 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. ...
阿鲁科尔沁旗燕麦新品种的灰色关联度评价
1
2019
... 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. ...
用DTOPSIS法综合评价烤烟区试品种
1
2012
... 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. ...
DTOPSIS法在棉花品种评价中的应用
1
2002
... 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. ...
不同分析方法在黑龙江省玉米联合体试验中的应用及比较分析
2
2020
... 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. ...
... [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. ...
DTOPSIS法和灰色关联度法在番茄品种综合评价中的应用比较
1
2010
... 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. ...
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
1
2012
... 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. ...
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
1
2015
... 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. ...
基于熵值赋权的DTOPSIS法与灰色关联度分析在玉米品种综合评价中的比较
1
2020
... 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. ...
一种加工番茄品质的多性状评价方法
1
2017
... 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. ...
基于熵值赋权的DTOPSIS法对不同玉米品种综合评价研究
1
2019
... 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. ...
基于熵权的DTOPSIS法和灰色局势决策法在宜机收玉米品种综合评价中的应用
1
2019
... 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. ...