芝麻（Sesamum indicum L.）作为我国重要的经济与油料作物，对保障国家食用油安全供给具有重要意义与战略价值[1]。我国芝麻年种植面积约占全球的3%，年总产约占全球的25%，种植区域主要集中在黄淮、江淮、北方片区[2]。随着经济的发展和人们生活水平的提高，芝麻独特的风味和医疗保健价值使得芝麻的市场需求也在不断增加[3-4]。然而，芝麻产业发展受品种老化单一、产量低且不稳定、气候多变、抗逆性差、种植回报率低等因素的影响，使得芝麻的种植面积和总产量虽稳步增加，但与需求仍有一定差距[5-
芝麻品种的推广应用基于多年多点的田间试验，重点考量品种的丰产性、稳产性、适应性以及综合性状表现[8-9]。为了确保试验数据能够直观有效地评估试验品种，还依赖于科学合理的评价方法。研究品种的丰产稳产性和适应性，应在分别了解基因型和环境影响程度的基础上，挖掘基因―环境互作效应[10]。GGE双标图（genotype+genotype-by- environment interaction，GGE）是分析基因型―环境互作的有效方法，适用于多点试验，其将数据环境中心化后，仅包含基因效应（genotype，G）与基因―环境互作效应（genotype-by-environment interaction，GE），进而综合评价作物品种的丰产稳产性，同时能够对品种适宜种植区域做出指导[11-12]。研究品种主要性状表现，应综合多个性状指标来全面地评估品种的生产特性。TOPSIS综合评价法是多目标决策常用的分析手段，通过计算评价对象与理想目标的接近度，来综合评价品种的相对优劣程度[13]。近年来，GGE双标图在玉米[14]、水稻[15]、大豆[16]、油菜[17]、花生[18]等作物上多有应用，但在芝麻上还鲜有报道。用于评价品种综合特性的TOPSIS法，在玉米[19]、小麦[20]、花生[21]、水稻[22]、大豆[23]等作物上有广泛应用，在芝麻上同样少有报道。
鉴于此，本研究基于商芝6号2021-2022年在黄淮区域11个点的田间试验数据，利用GGE双标图对商芝6号的丰产稳产性以及适宜种植区域进行综合分析，利用TOPSIS法对商芝6号产量、品质以及抗病性状进行综合评价，旨在为其推广应用提供理论依据。
1 材料与方法
1.1 试验材料及试验地点
2021年田间试验的品种12个，有效试验地点5个，分别设立在河南信阳（E1）、南阳（E2）、驻马店（E3）和安徽阜阳（E4）、宿州（E5），其中河南郑州试验点由于暴雨天气的影响，最终该试验点报废；2022年田间试验的品种9个，有效试验地点6个，分别设立在河南的信阳（N1）、南阳（N2）、郑州（N3）、驻马店（N4）及安徽宿州（N5）、阜阳（N6）（表1）。商芝6号为主要研究对象，以豫芝4号为对照品种。
表1 2021-2022年田间试验品种及其育种单位
Table 1
| 2021 | 2022 | |||||
|---|---|---|---|---|---|---|
| 代号Code | 品种Variety | 育种单位Breeding institution | 代号Code | 品种Variety | 育种单位Breeding institution | |
| F1 | 阜芝303 | 阜阳市农业科学院 | H1 | 漯芝107 | 漯河市农业科学院 | |
| F2 | 商芝3号 | 商丘市农林科学院 | H2 | 商芝6号 | 商丘市农林科学院 | |
| F3 | 驻19B11 | 驻马店市农业科学院 | H3 | 商芝7号 | 商丘市农林科学院 | |
| F4 | 漯芝106 | 漯河市农业科学院 | H4 | 商芝8号 | 商丘市农林科学院 | |
| F5 | 皖芝24 | 安徽省农业科学院作物研究所 | H5 | 宛芝23 | 南阳市农业科学院 | |
| F6 | 驻19B10 | 驻马店市农业科学院 | H6 | 信芝H12 | 信阳市农业科学院 | |
| F7 | 商芝6号 | 商丘市农林科学院 | H7 | 豫芝4号 | 驻马店市农业科学院 | |
| F8 | 漯芝100 | 漯河市农业科学院 | H8 | 驻19B10 | 驻马店市农业科学院 | |
| F9 | 豫芝4号 | 驻马店市农业科学院 | H9 | 驻19B11 | 驻马店市农业科学院 | |
| F10 | 阜芝125 | 阜阳市农业科学院 | ||||
| F11 | 商芝7号 | 商丘市农林科学院 | ||||
| F12 | 周芝23 | 周口市农业科学院 | ||||
1.2 试验方法
2021-2022年田间试验均采用随机区组设计，重复3次，小区面积20 m2，采用条播方式，试验品种种植密度均为18万株/hm2。设置10行区，行长5 m，行距0.4 m，品种重复间设置走道，并在试验地四周设立保护区。各试验点的土壤类型：河南南阳为黄褐土（沙壤），阜阳、宿州和驻马店为砂姜黑土，河南郑州为砂土，河南信阳为白散土。各试验点前茬作物：河南南阳和信阳是冬春闲地，驻马店为大麦，阜阳、郑州和宿州为小麦。
1.3 数据处理
2 结果与分析
2.1 商芝6号主要性状评价
2.1.1 主要农艺性状
商芝6号生育期88 d左右，单秆，三花四棱，白花，茎秆无毛，籽粒白色。平均株高155.2 cm、始蒴高度46.5 cm、空稍尖4.5 cm、主茎果轴长104.1 cm、单株蒴果数81.0、蒴粒数68.0、千粒重3.37 g、单株产量14.0 g。
2.1.2 产量表现
由图1可知，商芝6号2年田间试验中11个试验点平均产量均较对照豫芝4号增产。2021年商芝6号5个试验点平均产量为1263.9 kg/hm2，比对照品种增产17.19%，且产量居12个试验品种第1位；在2022年6个试验点平均产量为1505.1 kg/hm2，比对照品种增产10.11%，且产量居9个试验品种第3位。其中，商芝6号在2022年田间试验中的平均产量比2021年增产19.08%，其2年的平均产量为1384.5 kg/hm2，比对照品种增产13.22%。
图1
图1
商芝6号在2021-2022年田间试验中的产量表现
Fig.1
The yield performance of Shangzhi 6 in field trials in 2021-2022
2.1.3 品质及抗病性表现
表2 商芝6号在2021-2022年田间试验中品质及抗病性表现
Table 2
| 年份 Year | 脂肪含量 Fat content (%) | 蛋白质含量 Protein content (%) | 茎点枯病Stem spot blight | 枯萎病Blight | |||
|---|---|---|---|---|---|---|---|
| 发病率Morbidity (%) | 病情指数Disease index | 发病率Morbidity (%) | 病情指数Disease index | ||||
| 2021 | 53.42 | 21.40 | 16.15 | 13.94 | 0.98 | 0.78 | |
| 2022 | 54.61 | 21.60 | 10.27 | 7.58 | 0.32 | 0.05 | |
| 平均Mean | 54.02 | 21.50 | 13.21 | 10.76 | 0.65 | 0.42 | |
2.2 试验品种产量方差分析
对2021-2022年田间试验中试验品种产量进行联合方差分析（表3），结果表明基因型（G）、环境（E）、基因型×环境交互作用（GE）对芝麻产量的影响均达到极显著水平。2021年环境、基因型和基因型×环境变异分别占总变异的82.18%、5.00%和11.33%；2022年环境、基因型和基因型×环境变异分别占总变异的84.34%、3.74%和9.80%。可见2年田间试验中，环境效应均是产量变异的主要来源，且其与基因型×环境互作效应均大于基因型效应，表明环境是影响芝麻产量的关键因素。
表3 2021-2022年田间试验中试验品种产量的联合方差分析
Table 3
| 年份Year | 变异来源Variation source | 自由度df | 平方和Quadratic sum | 均方Mean square | F值F-value |
|---|---|---|---|---|---|
| 2021 | 区组 | 10 | 189 412.17 | 18 941.22 | |
| 环境（E） | 4 | 49 226 274.58 | 12 306 569.00 | 1927.11** | |
| 基因型（G） | 11 | 2 998 014.33 | 272 546.80 | 42.68** | |
| 基因型×环境（GE） | 44 | 6 787 395.42 | 154 259.00 | 24.16** | |
| 误差 | 110 | 702 463.17 | 6386.03 | ||
| 总变异 | 179 | 59 903 559.66 | |||
| 2022 | 区组 | 12 | 83 628.69 | 6969.06 | |
| 环境（E） | 5 | 16 436 428.48 | 3 287 285.70 | 856.89** | |
| 基因型（G） | 8 | 728 657.05 | 91 082.13 | 23.74** | |
| 基因型×环境（GE） | 40 | 1 909 013.25 | 47 725.33 | 12.44** | |
| 误差 | 96 | 330 691.98 | 3444.71 | ||
| 总变异 | 161 | 19 488 419.44 |
“**”表示差异极显著（P < 0.01）。
“**”indicates extremely significant difference (P < 0.01).
2.3 商芝6号GGE双标图分析
2.3.1 丰产性与稳产性分析
GGE模型能有效剔除环境效应影响，精准评估基因型和基因―环境互作效应。可采用GGE双标图研究品种的丰产性与稳产性。其评判标准为，横轴代表第一主成分（PC1），纵轴代表第二主成分（PC2），带箭头的直线为平均环境轴，该轴表示总体的平均产量，各品种对应的点向平均环境轴作垂线，垂线与平均环境轴的交点位置反映品种的丰产性（交点距离平均环境轴箭头的正向越近，表明该品种的丰产性越好），垂线的长度则反映品种的稳产性（垂线长度越短，表明该品种的稳产性越强）。由图2可以看出，2021年田间试验中品种产量的双标图可解释76.59%的基因型和基因―环境互作效应，2022年品种产量的双标图可解释64.72%的基因型和基因―环境互作效应。2021年商芝6号（F7）的丰产性明显高于对照豫芝4号（F9），在所有试验品种中排名第1，稳产性与对照品种相当，居试验品种前列；2022年商芝6号（H2）的丰产性高于对照豫芝4号（H7），在所有试验品种中排名第4，稳产性与对照品种相当，且优于大多数试验品种。
图2
图2
2021-2022年田间试验中产量GGE双标图
Fig.2
Yield GGE biplot in field trials in 2021 and 2022
2.3.2 理想品种分析
单一的丰产性或稳产性分析不能全面地评价品种。GGE双标图的理想品种分析可对品种的丰产稳产性进行综合评估。其评判标准为，在平均环境轴上假设一个理想品种（当前环境下拥有最高产量和绝对稳定性），并以其为中心绘制同心圆，品种所处圈层越小，表明其丰产稳产性越优。由图2可知，2021年田间试验中商芝6号（F7）丰产稳产性综合评价优于其他试验品种，居第1位，且远高于对照豫芝4号（F9）；2022年商芝6号（H2）丰产稳产性综合评价优于对照豫芝4号（H7），并在试验品种中居第4位。综合分析田间试验中产量的GGE双标图，发现商芝6号的丰产稳产性分析结果和理想品种分析结果一致，均表现为商芝6号拥有较好的丰产稳产性，且都优于对照品种。
2.3.3 适宜种植区域分析
研究基因型与环境相互适应性，可采用GGE双标图的适宜种植区域功能分析。其评判标准为，连接最外层品种构成一个多边形，以坐标原点为起点，向多边形的各边分别作垂线，将多边形分成若干个扇形区域，位于多边形顶点的品种，在其所属扇形区域的试验点上拥有最优的产量表现。由图3可知，2021年商芝6号（F7）位于其所在扇形区域的多边形顶点，表明其具有较高的产量表现，但商芝6号所在扇形区域内不包含任何试验点，说明该年所选试验点均不是其最适种植区；2022年商芝6号（H2）所在的扇形区域内包含信阳（N1）、宿州（N5）、郑州（N6）3个试验点，并且其位于所处扇形区域的多边形顶点，表明其该年在以上环境中均适宜种植，并能够实现高产。
图3
图3
2021-2022年田间试验中产量GGE双标图的适宜种植区域功能分析
Fig.3
Functional analysis of suitable planting areas in GGE biplot of yield in field trials in 2021 and 2022
2.4 商芝6号主要性状综合分析
研究作物品种的主要性状综合表现，可采用TOPSIS法进行分析。其评判标准为，通过评价指标计算品种与最优值、最劣值的距离，进而得出相对优劣的统计量（表示品种与最优方案的接近程度，该值越大说明综合性状越优），评价指标中产量性状为高优指标，品质性状的脂肪和蛋白质含量为高优指标，抗性性状的茎点枯病和枯萎病病情指数为低优指标。由表4品种产量、品质和抗病性综合评价值可以看出，2021年商芝6号（F7）在田间试验的12个品种中居第1位，优于对照豫芝4号（F9）；2022年商芝6号（H2）在田间试验的9个品种中居第3位，优于对照豫芝4号（H7）。综合2年主要性状结果可知，商芝6号的综合性状统计量均居试验品种前列，且都高于对照品种，表明其具有较好的综合性状表现。
表4 2021-2022年田间试验中品种主要性状的综合分析
Table 4
| 年份 Year | 品种代码 Variety code | 与最优值距离 Distance from the optimal value | 与最劣值距离 Distance from the worst value | 统计量 Statistic | 排序 Sort |
|---|---|---|---|---|---|
| 2021 | F1 | 1.329 | 1.359 | 0.506 | 7 |
| F2 | 1.106 | 1.500 | 0.576 | 4 | |
| F3 | 1.121 | 1.542 | 0.579 | 3 | |
| F4 | 1.311 | 1.016 | 0.437 | 10 | |
| F5 | 1.518 | 1.153 | 0.432 | 11 | |
| F6 | 1.009 | 1.404 | 0.582 | 2 | |
| F7 | 1.037 | 1.878 | 0.644 | 1 | |
| F8 | 1.531 | 1.298 | 0.459 | 9 | |
| F9 | 1.430 | 1.072 | 0.428 | 12 | |
| F10 | 1.217 | 1.417 | 0.538 | 6 | |
| F11 | 0.972 | 1.316 | 0.575 | 5 | |
| F12 | 1.405 | 1.315 | 0.483 | 8 | |
| 2022 | H1 | 1.218 | 1.185 | 0.493 | 6 |
| H2 | 0.879 | 1.595 | 0.645 | 3 | |
| H3 | 1.235 | 1.557 | 0.558 | 4 | |
| H4 | 1.537 | 1.340 | 0.466 | 7 | |
| H5 | 1.679 | 0.924 | 0.355 | 9 | |
| H6 | 1.282 | 1.362 | 0.515 | 5 | |
| H7 | 1.559 | 1.154 | 0.425 | 8 | |
| H8 | 0.711 | 1.841 | 0.721 | 1 | |
| H9 | 0.769 | 1.784 | 0.699 | 2 |
3 讨论
作物的丰产稳产性、适应性以及优良综合性状一直是育种工作者的核心目标，也是品种审定与示范推广的关键依据[29]。本研究以2021-2022年商芝6号在黄淮区田间试验结果为基础，运用GGE双标图和TOPSIS法对商芝6号进行综合分析，结果表明商芝6号在2年田间试验中平均产量均较对照豫芝4号增产，在试验品种中分别排第1和第4位，丰产稳产性综合评价分别居第1和第4位，品种产量、品质和抗病性综合评价分别居第1和第3位，且在黄淮区域适宜种植试点多。此外，商芝6号的含油量和蛋白质含量均超过国家芝麻标准，品质表现较优，可以进一步开发其市场价值；且其高抗芝麻枯萎病、抗芝麻茎点枯病，比大多数芝麻品种抗病性强，该品种在芝麻病害发生较严重的地区种植有利于绿色生产。综合表明，商芝6号属于高产稳产、品质优良、抗病性强的芝麻品种，适宜在黄淮区域及相似生态环境大面积推广应用。
农业生产中，不同年度间的气候条件呈现出多样性，芝麻对于干旱、洪涝、台风等自然灾害有着高度的敏感性，轻则影响产量和品质，重则颗粒无收[30]。本研究中，2021年田间试验中所有预设试验点均遭受暴雨天气的影响，其中河南郑州试点大田受淹最为严重，使得芝麻后期萎蔫无法计产，导致试验点报废，最终利用5个有效试验点可进行统计，2022年试验点未遭受极端天气的影响，试验点均可有效计产。由商芝6号2年的产量表现发现，其2022年的平均产量远高于2021年，也表明年份间的气候条件对芝麻产量有着较大的影响，这与胡峰等[31]所得结论一致。商芝6号含油量和蛋白质含量均为2022年优于2021年，且其茎点枯病和枯萎病发病率均为2021年高于2022年，表明芝麻的品质和发病率也会受年份间气候条件的影响，这与吕树立等[32]和谢富欣等[33]结论一致。值得注意的是，商芝6号在2021年产量虽然也遭到重创，但在有效试验点上丰产稳产性综合排名仍居试验品种第1位，这也说明其应灾能力较强，灾年依然表现较优，该品种的推广应用可丰富我国耐灾芝麻种质资源的遗传多样性。
作物田间试验中，产量等数量性状的表现受基因型、环境及基因型×环境互作的多重影响[34]。有研究[35]表明，数量性状受环境效应影响最为显著，远超过基因型及两者互作效应的影响。本研究也得出了相同的结论，环境、基因型及基因型×环境互作对芝麻产量均有极显著影响，其中环境效应影响最大，其次是基因型×环境互作，基因型影响最小，这也说明气候环境条件是影响芝麻产量的关键因素，同一品种在不同地点产量表现也会有显著差异。由图3适宜种植区域功能分析发现，2年间各试验点在地理划分上也呈现差异，这表明不同年份的气候因素对各试验点同样有较大的影响，与张赫楠等[36]所得结论一致。另外商芝6号2022年在信阳、宿州、郑州地区表现出种植适宜性，而2021年却不适宜，说明不同年份的气候条件变化对芝麻品种的适应性也有显著影响。这也为芝麻新品种的推广应用提供了参考，需重视基因型与环境互作效应对作物产量的影响，应结合地区特有的生态条件，科学合理地规划相适应的品种，以期最大化地发挥品种的生产潜力。
4 结论
经过2年11个试验点的田间观测与调查研究，结果显示商芝6号2年的丰产性和稳产性均排在试验品种前列，且优于对照豫芝4号，适宜在黄淮区域（尤其是河南信阳、安徽宿州、河南郑州）大面积推广种植，其主要性状综合评价2年均居前3，且优于对照品种，综合性状表现优良。本研究利用GGE双标图和TOPSIS法对高产优质芝麻品种商芝6号的丰产稳产性、适应性及综合性状表现进行分析评价，可为芝麻品种商芝6号的推广应用提供理论依据，同时也可为芝麻种质资源的科学鉴定提供有效方法。
参考文献
Food safety issues associated with sesame seed value chains: current status and future perspectives
Leveraging genomics and temporal high‐throughput phenotyping to enhance association mapping and yield prediction in sesame
河南省芝麻育种成果回顾与展望
从产量、品质、农艺性状、选育方法及系谱来源等方面对河南省历年审定（鉴定）通过的67个芝麻品种进行了分析和总结,从中找出芝麻育种中存在的问题，以期为河南省的芝麻育种科研发展方向提供依据。结果表明：河南省育成芝麻品种的平均产量水平从914.81 kg/hm<sup>2</sup>上升到1 307.29 kg/hm2，促进了河南省芝麻生产水平从381.60 kg/hm<sup>2</sup>提高到1 422.16 kg/hm<sup>2</sup>；品质方面整体提高不大，粗脂肪含量从55.54%提高到56.75%；农艺性状方面也由分枝、晚熟类型向单秆、早熟类型演变。育种方法简单、亲本来源单一、遗传基础狭窄是河南省芝麻育种的现状，今后利用现代生物技术与传统的芝麻育种方法相结合，选育出具有高产、优质、早熟、闭蒴、有限生长等性状并适合机械化生产的芝麻品种，将是河南省乃至全国芝麻育种的主攻方向。
Sesame genomic web resource (SesameGWR): a well-annotated data resource for transcriptomic signatures of abiotic and biotic stress responses in sesame (Sesamum indicum L.)
芝麻种质资源及相关分子生物学研究进展
DOI:10.13430/j.cnki.jpgr.2016.03.017
[本文引用: 1]
芝麻是重要的优质传统油料作物，素有“油料皇后”的美称。我国拥有丰富的芝麻种质资源，深入研究、评价和有效利用芝麻种质资源是保护其遗传多样性、拓宽遗传基础进而提高芝麻产量和品质的关键。本文对芝麻种质资源的收集保存、鉴定评价与利用现状、品种选育概况及相关分子生物学研究进展进行综述，期望能对芝麻遗传及应用研究提供一些参考。
基于R语言的GGE双标图在花生高产稳产和适应性分析中的应用——以我国北方片小粒花生新品种安花3号为例
The biplot graphic display of matrices with application to principal component analysis
The use of biplots in interpreting variety by environment interactions
Screening of salt tolerance of maize (Zea mays L.) lines using membership function value and GGE biplot analysis
Evaluation of rice genotypes for yield stability and adaptability across multiple environments using AMMI and GGE biplot analysis
Sustainability on different canola (Brassica napus L.) cultivars by GGE biplot graphical technique in multi-environment
AMMI and GGE biplot analysis of genotype by environment interaction for yield and yield contributing traits in confectionery groundnut
Enhancing soil conditions and maize yield efficiency through rational conservation tillage in aeolian semi-arid regions: a TOPSIS analysis
Land evaluation approaches comparing TOPSIS and SAW with parametric methods for rice cultivation
DOI:10.1007/s10661-023-11849-8
PMID:37821796
[本文引用: 1]
Population growth has resulted in an increase in land exploitation on a large scale. Therefore, to increase crop yield and sustainable use of soil, it is necessary to exploit the land according to its potential. Due to land suitability assessment's multifactor nature, it needs a method for evaluating the factors simultaneously; in this case, multi-criteria decision models can be used. Therefore, this study aimed to compare the efficiency of the parametric method (square root) with multi-criteria decision-making approaches (technique for order of preference by similarity to ideal solution (TOPSIS) and simple additive weighting (SAW)) for evaluating land suitability in some rice cultivated areas in Khuzestan province, southwest Iran. A total of 28 rice farms were selected in the study area, and a pedon was dug, examined, and sampled in each. Several physicochemical land characteristics were used for the evaluation process, such as soil, climate, and topographical factors. According to the results, soil texture is the main limiting factor for rice farming in the study region, and organic carbon, salinity, and alkalinity ranked next. The range of land index for rice cultivation calculated by the square root method was from 19.3 to 70.9, from 49 to 95.3 by TOPSIS, and from 3.57 to 74.7 by SAW. The calculated explanatory coefficients between the actual yield and land indices for rice products estimated by the square root method, the TOPSIS approach, and the SAW method were 0.44, 0.63, and 0.60, respectively. This result confirms the high accuracy of TOPSIS method compared to SAW and square root methods. TOPSIS is therefore the ideal method for prioritizing options based on the simulation of the ideal answer because it is highly technical and robust in its decision-making approach. Furthermore, it uses the standardization method, equations, mathematical matrices, and suitable weights. Overall, it can be recommended as a suitable efficiency approach for land suitability evaluation.© 2023. The Author(s), under exclusive licence to Springer Nature Switzerland AG.
Selection of soybean genotypes under drought and saline stress conditions using Manhattan distance and TOPSIS
Extensions of the TOPSIS for group decision-making under fuzzy environment
南阳市芝麻病虫草渍害发生规律及轻简化绿色防控技术研究
为了科学防治芝麻病虫草渍害，实现芝麻高产稳产优质高效等生产目标，2010—2016年连续进行了芝麻病虫草渍害的系统调查，同时2014—2016年对集成的芝麻病虫草渍害轻简化绿色防控技术进行试验。调查结果表明，河南省南阳市芝麻主要病害有立枯病、枯萎病、茎点枯病、白粉病、叶枯病和疫病，立枯病在苗期发生，其他病害在盛花中期及以后发生；主要虫害有小地老虎、甜菜夜蛾、棉铃虫、蚜虫和蟋蟀，苗期害虫主要是小地老虎，蟋蟀在盛花期后进行危害，其他害虫全生育期都可进行危害；芝麻田普遍发生的杂草有马唐、牛筋草、铁苋、马齿苋、狗尾草、小麦实生苗、稗草、小蓟、反枝苋，分区域发生的杂草有香附子、田旋花、苍耳、青葙、野西瓜苗、马泡瓜、苘麻，这些杂草随芝麻出苗而发生；芝麻生育期间降雨多、田间长时间积水时，易引起渍害发生，抗病耐渍性品种对渍害抵抗能力强。针对芝麻病虫草渍害发生规律，通过优化防治药剂和技术集成，研究出芝麻轻简化绿色防控技术，试验结果表明，应用该技术后比不防治的增产25.58%～52.17%，比常规防治的增产7.17%～13.51%，且一般年份产投比明显提高。
基于GGE双标图分析籼粳杂交稻新品种浙粳优27的丰产稳产性和适应性
DOI:10.3969/j.issn.1006-8082.2024.04.018
[本文引用: 1]
水稻是我国重要粮食作物，充分利用籼粳亚种间杂种优势培育丰产稳产广适性新品种对保障我国粮食安全具有重要作用。为全面了解籼粳杂交稻浙粳优27的生产特性并有效挖掘其生产潜力，实现大面积推广应用，采用 GGE双标图对其区试数据进行综合评价。结果表明，浙粳优27的丰产稳产性及适应性均较好，品质较优（部标优质2级），是一个理想的籼粳杂交稻新品种。
基于GGE双标图对‘张杂谷21’的丰产稳产性及适应性分析
基于BLUP值和GGE双标图对小粒花生品种的综合评价
基于改进灰色关联度和TOPSIS的作物育种材料评价方法
DOI:10.13304/j.nykjdb.2017.0613
[本文引用: 1]
传统基于经验的作物育种材料评价方法，难以适应大规模、程序化、数据化的商业化育种需求，迫切需要一种科学、快速、高效的育种材料评价方法。提出了一种灰色关联度与TOPSIS相结合的作物育种材料评价方法，可根据育种材料的性状表现快速作出综合评价。首先，通过对作物性状进行灰色关联度分析，筛选出与育种目标关联度较大的性状，以此构建综合评价指标体系；然后，组合运用熵权法与专家打分法确定指标权重；最后，基于TOPSIS方法计算每个材料的综合评分，并按评分高低对材料进行排序。选取2015年国家水稻品种区域试验黄淮粳稻A组试验数据进行模型验证，结果表明：所提方法的评价结果与品种区域试验年会审议意见趋于一致，表明所提方法能有效识别出优良品种。该方法已集成到大型商业化育种软件“金种子育种平台”，并在国内两家大型种业企业成功实施应用。
