李建波 鄧珂

摘要：傳統(tǒng)的利用產(chǎn)量等單一指標(biāo)對作物種質(zhì)進(jìn)行評價(jià)雖然直接、簡便，但具有一定的局限性。綜合評價(jià)方法具有科學(xué)性、合理性、系統(tǒng)性、實(shí)用性等特點(diǎn)，目前被廣泛用于作物種質(zhì)資源評價(jià)領(lǐng)域，并取得了豐富的實(shí)踐應(yīng)用成果。為作物種質(zhì)資源綜合評價(jià)體系構(gòu)建、新品種選育等提供理論依據(jù)，本文首先對灰色關(guān)聯(lián)分析法、TOPSIS法、層次分析法、熵值法、主成分分析法、因子分析法、模糊綜合評價(jià)法、隸屬函數(shù)法、聚類分析法常用的綜合評價(jià)的基本思想、計(jì)算步驟、優(yōu)缺點(diǎn)、在作物種質(zhì)資源評價(jià)上的應(yīng)用等進(jìn)行概述。將2種或2種以上不同的評價(jià)方法同時(shí)運(yùn)用于一個(gè)綜合評價(jià)問題中的組合評價(jià)法，使評價(jià)結(jié)果更加客觀實(shí)際，提高了評價(jià)質(zhì)量，最后介紹了權(quán)重方法組合、評價(jià)過程組合、結(jié)果的組合等常用的3種組合評價(jià)方法。

關(guān)鍵詞：綜合評價(jià)法；作物；種質(zhì)資源；組合評價(jià)

中圖分類號：S325? 文獻(xiàn)標(biāo)志碼：A

文章編號：1002-1302（2024）03-0040-07

傳統(tǒng)方法評定作物品種的優(yōu)劣，一般是根據(jù)作物的產(chǎn)量進(jìn)行顯著性檢驗(yàn)來評定，這種評定方法有一定的局限性，因?yàn)楦鱾€(gè)農(nóng)藝性狀之間存在一定的內(nèi)在關(guān)系，它們既相互制約、又相輔相成，關(guān)系錯(cuò)綜復(fù)雜，同時(shí)單一的指標(biāo)很難反映品種的整體性狀。利用多個(gè)指標(biāo)綜合評價(jià)，使單一指標(biāo)對評定結(jié)果的片面性受到其他指標(biāo)的彌補(bǔ)與緩和，能確保數(shù)據(jù)分析結(jié)果的科學(xué)性、合理性和有效性。

綜合評價(jià)是指對多屬性體系結(jié)構(gòu)描述的對象系統(tǒng)做出全局性、整體性的評價(jià)［1］，并排出優(yōu)劣順序，它不同于單個(gè)指標(biāo)、性狀的簡單相加，而是應(yīng)用數(shù)學(xué)方法（包括數(shù)理統(tǒng)計(jì)方法），通過對數(shù)據(jù)進(jìn)行加工、提煉，對評價(jià)對象進(jìn)行較為客觀的判斷，為決策提供依據(jù)。自20世紀(jì)80年代以來，統(tǒng)計(jì)理論及實(shí)際工作者做了大量研究工作，提出或引進(jìn)了許多綜合評價(jià)方法［2］，農(nóng)業(yè)科技工作者利用綜合評價(jià)方法對作物種資資源進(jìn)行評價(jià)，在品種選育等方面發(fā)揮了重要作用。現(xiàn)將常用的作物種質(zhì)資源綜合評價(jià)方法綜述如下。

1 灰色關(guān)聯(lián)分析法

1.1 基本思想

灰色系統(tǒng)理論最早由鄧聚龍于1982年提出，是一種研究“少數(shù)據(jù)、貧信息”不確定性問題的方法論，主要用來解決包含未知因素的“灰色地帶”的問題［3］。按照鄧聚龍?zhí)岢龅幕疑到y(tǒng)理論，把品種作為一個(gè)灰色系統(tǒng)，先從各評價(jià)指標(biāo)中選出一個(gè)被認(rèn)為是最重要的指標(biāo)作為參考指標(biāo)，構(gòu)建出“理想品種”的參考序列，其他的為比較序列，然后把比較序列中的數(shù)值與參考序列中的相比較，并將結(jié)果進(jìn)行綜合，計(jì)算出各比較指標(biāo)的關(guān)聯(lián)度。關(guān)聯(lián)度值越大，則表示品種綜合性狀越好［4］。

1.2 計(jì)算步驟

以鄧氏灰色關(guān)聯(lián)分析法為例。（1）確定參考數(shù)列?？扇「鱾€(gè)指標(biāo)的最小值、最大值、均數(shù)或一個(gè)標(biāo)準(zhǔn)值作為參考數(shù)列。（2）確定比較數(shù)列。將評價(jià)對象的評價(jià)指標(biāo)作為比較數(shù)列。（3）對參考數(shù)列和比較數(shù)列作無量綱化處理［5］。（4）求差數(shù)列。（5）計(jì)算關(guān)聯(lián)系數(shù)。其計(jì)算公式為：

ξi（k）=minimink|Δi（k）|+ρminimink|Δi（k）||Δi（k）|+ρmaximaxk|Δi（k）|，Δi（k）=|x0（k）-xi（k）|，ρ為分辨系數(shù)，一般取0.5。（6）排序。根據(jù)灰色關(guān)聯(lián)度大小對評價(jià)對象進(jìn)行排序。

1.3 基本特點(diǎn)

該法的優(yōu)點(diǎn)：（1）不需要預(yù)先知道原始數(shù)據(jù)的分布類型，適用性較強(qiáng)；（2）對樣本含量的要求不高，計(jì)算工作量不大。不足之處是作為評價(jià)基準(zhǔn)的參考數(shù)列是人為確定的，具有主觀性［6］；灰色關(guān)聯(lián)度值的差異不是很大，不能很好地評價(jià)出種質(zhì)資源的優(yōu)劣；關(guān)聯(lián)度的取值不可為負(fù)，現(xiàn)實(shí)中一些指標(biāo)之間的關(guān)系是反向變化，與現(xiàn)實(shí)不相符，有時(shí)無法表現(xiàn)指標(biāo)間的真實(shí)關(guān)系。

1.4 應(yīng)用

王曉磊等對赤峰地區(qū)種植的20個(gè)小豆品種進(jìn)行灰色關(guān)聯(lián)度分析，與主成分分析研究結(jié)果相似［7］；張子豪等利用灰色關(guān)聯(lián)度對在湖北省內(nèi)大面積種植且具有高產(chǎn)潛力的34個(gè)小麥品種進(jìn)行綜合評價(jià)［8］；史京京等采用灰色關(guān)聯(lián)度分析方法對黑龍江西部引進(jìn)的21個(gè)裸燕麥品種和5個(gè)皮燕麥品種的生育期、株高、產(chǎn)量等14項(xiàng)指標(biāo)進(jìn)行綜合評價(jià)［9］。

2 逼近理想解法

2.1 基本思想

逼近理想解法（TOPSIS法），是由Hwang和Yoon于1981年首次提出的，是系統(tǒng)工程中有限方案多屬性決策分析的一種常用方法。對歸一化后的原始數(shù)據(jù)矩陣，確定各項(xiàng)指標(biāo)的正理想解（最好值）和負(fù)理想解（最壞值）；然后通過評價(jià)對象與正理想解和負(fù)理想解之間的距離，求出評價(jià)對象與最優(yōu)方案的相對接近程度，以此作為評價(jià)優(yōu)劣的標(biāo)準(zhǔn)［10］。

2.2 計(jì)算步驟

（1）建立評價(jià)矩陣，有m個(gè)品種、n個(gè)性狀指標(biāo)，則建立評價(jià)矩陣A=（Xij）n×m；（2）對指標(biāo)進(jìn)行同趨勢化處理，常用倒數(shù)法、差值法等；（3）將矩陣A進(jìn)行無量綱處理，使其成為可比較的規(guī)范化矩陣Zij，建立加權(quán)的規(guī)范化矩陣R，其中Rij=WiZij（Wi為第i個(gè)性狀的權(quán)重）；（4）正理想解和負(fù)理想解的確定：求得品種性狀的正理想解和負(fù)理想解，X+i=max（Rij）=（X+1，X+2，…，X+n），X-i=max（Rij）=（X-1，X-2，…，X-n）；（5）計(jì)算各品種對象指標(biāo)值與正、負(fù)理想解的距離，S+i=（Rij-X+i）2、S-i=（Rij-X-i）2；（6）求各品種與正、負(fù)理想解的接近度，ci=S-i/（S+i+S-i）；（7）排序，接近度ci取值在 0～1之間，其值越大表示評價(jià)對象越接近于理想水平，表現(xiàn)越優(yōu)。

2.3 基本特點(diǎn)

該方法可直接用原始數(shù)據(jù)計(jì)算，充分利用原始數(shù)據(jù)信息，具有可靠性高、誤差小、結(jié)果合理、受主觀因素影響小、數(shù)學(xué)計(jì)算不復(fù)雜、對數(shù)據(jù)無嚴(yán)格要求等優(yōu)點(diǎn)［10］；排序結(jié)果能定量反映不同評價(jià)品種的優(yōu)劣程度，利于種質(zhì)資源的鑒定和分類淘汰，易對材料的好壞做出取舍。不足之處是靈敏度不高；權(quán)重設(shè)置不當(dāng)，采用不同的距離定義，排序結(jié)果可能不同；可能忽略了一些指標(biāo)本身的重要程度，導(dǎo)致與預(yù)期的結(jié)果有所偏差；當(dāng)某個(gè)指標(biāo)的離散程度大時(shí)，受異常值的影響，結(jié)果不太穩(wěn)定。

2.4 應(yīng)用

蘇澤春等利用TOPSIS和灰色理論對28份白芨材料進(jìn)行評價(jià)，TOPSIS法評價(jià)結(jié)果中接近度值差異十分明顯，獲得較好的評價(jià)效果［11］；張偉等采用TOPSIS法對2個(gè)小麥新品系在4種不同的種植密度下的12個(gè)主要性狀進(jìn)行綜合評價(jià)，與聚類分析的綜合評判的總趨勢基本一致，用這2種方法結(jié)合評價(jià)新品系以及合適的栽培密度各有優(yōu)勢［12］；孫志超等用TOPSIS法對21個(gè)玉米雜交種的產(chǎn)量和性狀進(jìn)行評價(jià)［13］。

3 層次分析法

3.1 基本思想

層次分析法由Saaty教授于20世紀(jì) 70年代提出，是目前綜合評價(jià)方法中應(yīng)用最為廣泛的一種方法。運(yùn)用系統(tǒng)工程原理將問題總目標(biāo)分解成各個(gè)組成因素，建立遞階層次結(jié)構(gòu)，通過兩兩比較的方式把各因素的相對重要性定量化［2］，再利用數(shù)學(xué)方法計(jì)算出一個(gè)綜合評分指數(shù)對評價(jià)對象的總評價(jià)目標(biāo)進(jìn)行評價(jià)，依其大小確定評價(jià)對象的優(yōu)劣［14］。

3.2 計(jì)算步驟

（1）建立層次結(jié)構(gòu)。可分為3層，即目標(biāo)層（需要最終解決的問題，為最高層）、準(zhǔn)則層（影響最終決策的主要因素）、方案層（可采取的各種選擇，為最低層）。（2）構(gòu)造判斷矩陣。以上層相應(yīng)元素為評價(jià)準(zhǔn)則，對本層次元素進(jìn)行兩兩比較，確定元素間的相對重要性。（3）層次單排序。確定某一層次各因素對上一層次某因素的影響程序，并依次排出順序。（4）一致性指標(biāo)檢驗(yàn)。計(jì)算一致性指標(biāo)CI值：CI=（λmax-n）/（n-1），查找相對應(yīng)的平均隨機(jī)一致性指標(biāo)RI值，計(jì)算一致性比較CR值，CR=CI/RI，若CR＜0.10，通常認(rèn)為判斷矩陣的一致性是可以接受的，否則應(yīng)對判斷矩陣進(jìn)行適當(dāng)調(diào)整，并使之具有滿意的一致性［1］。

3.3 基本特點(diǎn)

該法的優(yōu)點(diǎn)：（1）原理簡單、層次分明、計(jì)算量小、實(shí)用性強(qiáng)；（2）對原始數(shù)據(jù)不做任何變量變換，沒有削弱原始信息量，使評價(jià)結(jié)果具有切實(shí)性和合理性；（3）有一致性檢驗(yàn)，科學(xué)性較強(qiáng)［2］；（4）能對定性與定量資料綜合進(jìn)行分析，得出明確的定量化的結(jié)論，并能以優(yōu)劣的排序形式表現(xiàn)出來。不足之處是構(gòu)建遞階層次結(jié)構(gòu)的過程比較復(fù)雜，各層因素較多時(shí)兩兩判斷比較困難，計(jì)算比較復(fù)雜［2］；結(jié)果受評價(jià)人主觀因素的影響，帶有一定的主觀性；評價(jià)對象的因素不能太多（一般不多于9個(gè)）［15］。

3.4 應(yīng)用

王曉斌從國際馬鈴薯中心-亞太中心引進(jìn)97份高代馬鈴薯品系，利用層次分析法構(gòu)建綜合評價(jià)體系，根據(jù)綜合得分將引進(jìn)的馬鈴薯種質(zhì)資源分為7大類［16］；孫亞林等應(yīng)用層次分析法，從品質(zhì)性狀、產(chǎn)量性狀、生長特性3個(gè)方面，構(gòu)建多子芋種質(zhì)綜合評價(jià)體系，對136份多子芋綜合分析和評價(jià)［17］；陳慧玲等利用運(yùn)用層次分析法，對湖北英山縣引種收集的13個(gè)藥用石斛種質(zhì)資源進(jìn)行評價(jià)［18］。

4 熵值法

4.1 基本思想

熵值法由美國數(shù)學(xué)家Shannon于1948年提出。依據(jù)各指標(biāo)值所包含的信息量的多少確定指標(biāo)權(quán)重的客觀賦權(quán)法，某個(gè)指標(biāo)的熵越小，說明該指標(biāo)值的變異程度越大，提供的信息量也就越多，在綜合評價(jià)中起的作用越大，則該指標(biāo)的權(quán)重也應(yīng)越大。在綜合評價(jià)中，根據(jù)各指標(biāo)值的變異程度，應(yīng)用熵來計(jì)算各指標(biāo)的熵權(quán)，再利用各指標(biāo)的熵權(quán)對所有指標(biāo)進(jìn)行加權(quán)，得出客觀的評價(jià)結(jié)果［19］。

4.2 計(jì)算步驟

（1）對原始矩陣進(jìn)行歸一化處理得到標(biāo)準(zhǔn)化矩陣pij=yij/∑mi=1yij；（2）計(jì)算第j項(xiàng)指標(biāo)的熵值ej=1lnm∑mi=1pijln（pij）；（3）計(jì)算第j項(xiàng)指標(biāo)的差異系數(shù) gj=1-ej；（4）計(jì)算第j項(xiàng)指標(biāo)的權(quán)重系數(shù)wj=gj/∑mj=1gj；（5）計(jì)算綜合得分H=∑mj=1（ejyij′），對品種優(yōu)劣進(jìn)行排序。

4.3 基本特點(diǎn)

此法優(yōu)點(diǎn)是可排除人為因素的干擾，評價(jià)結(jié)果的客觀性強(qiáng)。不足之處是忽略了指標(biāo)本身的重要程度，有時(shí)與預(yù)期相差較大；熵值法不能減少評價(jià)指標(biāo)的維數(shù)。

4.4 應(yīng)用

熵值法常用來確定評價(jià)指標(biāo)的權(quán)重，與其他評價(jià)方法組合使用，也可單獨(dú)使用。張恒等利用熵值法等3種方法分析了粵北油茶果實(shí)性狀［20］；徐鍇等用熵值法對11個(gè)梨品種授粉后果實(shí)的外在品質(zhì)、內(nèi)在品質(zhì)及內(nèi)源激素等相關(guān)指標(biāo)進(jìn)行綜合評價(jià)，得出授粉品種排名［21］；韓曉等利用熵值法等4種綜合評價(jià)法對不同葡萄品種設(shè)施環(huán)境適應(yīng)性進(jìn)行評價(jià)和比較［22］。

5 主成分分析法

5.1 基本思想

主成分分析也稱主分量分析，是由Holtelling于1933年首先提出。主成分分析是從多個(gè)數(shù)值變量之間的相互關(guān)系入手，利用降維的思想，將多個(gè)指標(biāo)提煉出幾個(gè)主要的彼此獨(dú)立的綜合指標(biāo)的多元統(tǒng)計(jì)分析方法。

5.2 計(jì)算步驟

設(shè)有n個(gè)品種，每個(gè)品種測得m個(gè)指標(biāo)，通過主成分分析求出和選擇p個(gè)主成分。（1）對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化后的數(shù)據(jù)矩陣為X；（2）求出X的相關(guān)矩陣R，R=Cov（X）；（3）求出相關(guān)矩陣的特征值和特征值所對應(yīng)的特征向量，從而求得各主成分：Zi=ai1X1+ai2X2+…+aimXm；（4）根據(jù)特征根或累計(jì)貢獻(xiàn)率，在獲得較好的實(shí)際意義的專業(yè)解釋時(shí)選擇前p個(gè)主成分；（5）利用品種的p個(gè)主成分得分，對品種的p個(gè)不同方面特征進(jìn)行評價(jià)；（6）對品種進(jìn)行綜合評價(jià)，當(dāng)選擇p個(gè)主成分時(shí)，以p的主成分得分Z1，Z2，…，Zp和p個(gè)主成分的相應(yīng)貢獻(xiàn)率Wi=λi/m建立綜合評價(jià)函數(shù)f=W1Z1+W2Z2+…+WpZp；（7）排序，根據(jù)f對品種進(jìn)行排序評價(jià)。

5.3 基本特點(diǎn)

該法的優(yōu)點(diǎn)：從多個(gè)數(shù)值變量間的相互關(guān)系入手，利用降維思想消除評價(jià)指標(biāo)之間的相關(guān)影響，可減少指標(biāo)選擇的工作量，也減少了計(jì)算的工作量，實(shí)踐證明指標(biāo)之間相關(guān)程度越高，主成分分析效果越好。不足之處是該法適合于大樣本分析，當(dāng)樣本容量小于變量個(gè)數(shù)時(shí)，就無法提供完善的結(jié)論及算法，且要求較高，需進(jìn)行KMO及Bartlett球形度檢驗(yàn)；對被提取的主成分必須都能夠給出符合實(shí)際背景和意義的解釋，并且解釋其含義一般多少帶有點(diǎn)模糊性，不像原始變量的含義那么清楚、確切［23］；運(yùn)用主成分分析法的前提是各指標(biāo)之間具有較好的線性關(guān)系。

5.4 應(yīng)用

李進(jìn)等對4個(gè)棉花品種7個(gè)處理的7個(gè)測定指標(biāo)進(jìn)行主成分分析［24］；張臘臘等以慶陽地區(qū)及2個(gè)其他地區(qū)的蘋果為試材，測定10個(gè)主要果實(shí)品質(zhì)指標(biāo)，采用主成分分析法建立慶陽蘋果的綜合評價(jià)體系［25］；李武等選取102個(gè)黃河流域棉花品種作為試驗(yàn)材料，對棉花9個(gè)農(nóng)藝性狀進(jìn)行主成分分析，簡化為彼此互不相關(guān)的5個(gè)主成分［26］。

6 因子分析法

6.1 基本思想

該方法由Thurstone于1931年首次提出。利用降維思想，根據(jù)相關(guān)性大小對指標(biāo)進(jìn)行分組，將相關(guān)性高的變量聚在一起，在盡量減少信息丟失的前提下，從眾多指標(biāo)中提取出少量的不相關(guān)指標(biāo)，然后再根據(jù)方差貢獻(xiàn)率確定權(quán)重，進(jìn)而計(jì)算出綜合得分［27］。

6.2 計(jì)算步驟

（1）提取公因子。（2）根據(jù)提取的公因子F1，F(xiàn)2，…，F(xiàn)p計(jì)算各因子的得分，對品種的不同潛在特性進(jìn)行推斷的評價(jià)［28］。（3）進(jìn)行綜合評價(jià)。通過提出的公因子的得分F1，F(xiàn)2，…，F(xiàn)p和貢獻(xiàn)率Wi=λi/m建立綜合評價(jià)函數(shù)f=W1F1+W2F2+…+WpFp。（4）排序。根據(jù)f對品種進(jìn)行排序評價(jià)。

6.3 基本特點(diǎn)

該法的優(yōu)點(diǎn)：方差越大的變量越重要，使得評價(jià)結(jié)果唯一，而且較為客觀合理；整個(gè)過程都可以運(yùn)用計(jì)算機(jī)軟件方便快捷地進(jìn)行，可操作性強(qiáng)。不足之處是計(jì)算工作量較大，對基礎(chǔ)的數(shù)據(jù)的準(zhǔn)確度要求很高；因子分析是以相關(guān)性為基礎(chǔ)，對有些數(shù)據(jù)是不適用的，因此在做因子分析之前對樣本數(shù)據(jù)進(jìn)行必要的檢驗(yàn)。

6.4 應(yīng)用

該法常與其他分析方法組合使用，如利用因子得分進(jìn)一步作聚類分析，孟靜嬌等對2018年云南省農(nóng)業(yè)科學(xué)院玉米品種聯(lián)合體生產(chǎn)試驗(yàn)的12個(gè)參試品種進(jìn)行了因子分析，并利用因子得分進(jìn)一步作了聚類分析，說明因子分析法用于玉米生產(chǎn)試驗(yàn)品種的分析與評價(jià)是可行的［29］；何雪梅等采用因子分析法對廣西地區(qū)13個(gè)主栽果桑品種的桑葚中主要營養(yǎng)成分、功能成分進(jìn)行分析，評價(jià)其綜合品質(zhì)和藥用品質(zhì)，篩選桑葚食、藥用開發(fā)的專用桑品種［30］。

7 模糊綜合評價(jià)法

7.1 基本原理

該法由美國自動(dòng)控制專家Zadeh于1965年提出。該方法應(yīng)用模糊數(shù)學(xué)的模糊集理論，首先確定被評價(jià)對象的因素（指標(biāo)）集和評價(jià)（等級）集；再分別確定各因素的權(quán)重及它們的隸屬度向量，獲得模糊評價(jià)矩陣；最后把模糊評價(jià)矩陣與因素的權(quán)向量進(jìn)行模糊運(yùn)算并進(jìn)行歸一化［31］，評定某個(gè)品種所屬等級或類別。

7.2 計(jì)算步驟

（1）建立因素集。把影響評價(jià)對象的各種因素構(gòu)成的集合稱為因素集，用U表示：U={U1，U2，…，Um}，因素集通過評價(jià)集進(jìn)行評價(jià)，劃分若干等級。（2）確定評價(jià)集。評價(jià)集為評價(jià)者對評價(jià)對象做出的評價(jià)結(jié)果組成的集合，用V表示：V={V1，V2，…，Vn}。（3）建立權(quán)重集A。根據(jù)各因素對評價(jià)對象影響的大小，采用層次分析法等方法確定權(quán)重。（4）單因素模糊評價(jià)。對單個(gè)因素進(jìn)行評價(jià)，以確定單個(gè)因素對評價(jià)集V的隸屬程度。設(shè)評價(jià)對象按照因素集U中的第i個(gè)因素ui進(jìn)行評價(jià)，對評價(jià)集V中第j個(gè)元素vj的隸屬度為rij，則對于ui的評價(jià)結(jié)果可以用模糊集合來表示：ri={ri1，ri2，…，rim}，對所有因素都進(jìn)行分別評價(jià)后，即可得到矩陣：R=（rij）m×n。（5）建立評價(jià)模型。進(jìn)行多因素模糊評價(jià)，將單因素評價(jià)矩陣分別與權(quán)重集進(jìn)行模糊交換，即得模糊綜合評價(jià)模型：B=A×R，若經(jīng)過計(jì)算后，∑bj≠1則進(jìn)行歸一化處理［31］。

7.3 基本特點(diǎn)

該法的優(yōu)點(diǎn)：（1）可以把難以定量甚至無法定量的指標(biāo)，通過隸屬度給予量化［1］；（2）數(shù)量劃分帶有不同程度的模糊性，使客觀事物的評價(jià)趨于合理可靠；（3）評價(jià)結(jié)果是一個(gè)向量，而不是一個(gè)點(diǎn)值，包含的信息比較豐富，既可以準(zhǔn)確地刻畫被評價(jià)事物，又可以進(jìn)一步加工，得到參考信息；（4）不需要對所得的數(shù)據(jù)作特殊處理［32］。不足之處是各個(gè)指標(biāo)隸屬度的確定需要建立在一定規(guī)模的基礎(chǔ)上，同時(shí)要確保調(diào)查資料的準(zhǔn)確、有效［4］；計(jì)算復(fù)雜，對指標(biāo)權(quán)重向量的確定主觀性較強(qiáng)；當(dāng)指標(biāo)集較大時(shí)，結(jié)果會(huì)出現(xiàn)超模糊現(xiàn)象，分辨率很差，無法區(qū)分誰的隸屬度更高，甚至造成評判失?。?］；存在相互相關(guān)的指標(biāo)時(shí)，不能消除綜合評價(jià)結(jié)果中的重復(fù)信息。

7.4 應(yīng)用

戴志剛等通過模糊綜合評價(jià)法對不同地理來源的100份黃秋葵種質(zhì)資源的耐鹽性進(jìn)行綜合評價(jià)［33］；劉忠玲等將模糊綜合評價(jià)法對12個(gè)甘薯品種抗病性進(jìn)行綜合評價(jià)［34］；張璐瑤等以10種不同品種歐李為試材，通過模糊綜合評價(jià)數(shù)學(xué)模型計(jì)算得出不同品種壓砂地歐李綜合效益評價(jià)值［35］。

8 隸屬函數(shù)法

8.1 基本思想

隸屬函數(shù)是模糊集合的特征函數(shù)，計(jì)算出每個(gè)種質(zhì)某一個(gè)指標(biāo)的隸屬函數(shù)值，再計(jì)算出每個(gè)種質(zhì)的平均隸屬函數(shù)值［36］，在同一平臺(tái)、綜合比較品種的綜合能力，平均隸屬函數(shù)值越大，種質(zhì)資源的綜合評價(jià)越好。

8.2 計(jì)算步驟

（1）求各指標(biāo)的隸屬函數(shù)值，Uij=（xij-ximin）/（ximax-ximin），式中，xij表示i品系j指標(biāo)的平均值，ximax、ximin分別表示所有品種中此指標(biāo)的最大值、最小值［14］；如果為負(fù)向指標(biāo)，則Uij=1-（xij-ximin）/（ximax-ximin）；（2）計(jì)算平均隸屬函數(shù)值，Di=1n∑nj=1Uij，式中Di為i品系各性狀的平均隸屬函數(shù)值。

8.3 基本特點(diǎn)

該法的優(yōu)點(diǎn)：在對品種進(jìn)行鑒定評價(jià)時(shí)更為客觀準(zhǔn)確；工作量小、方法簡單、結(jié)果直觀準(zhǔn)確，在同一級別上也有一定程度的差別，分辨率較高。不足之處是應(yīng)用隸屬函數(shù)法關(guān)鍵在于對評價(jià)因素的選擇及其權(quán)重的確定，應(yīng)根據(jù)具體情況確定評價(jià)因素及其權(quán)重。

8.4 應(yīng)用

鄒成林等采用隸屬函數(shù)法對廣西都安瑤族自治縣種植的糧飼兼用型12個(gè)玉米新品種進(jìn)行評價(jià)，根據(jù)隸屬函數(shù)值并結(jié)合各項(xiàng)指標(biāo)判斷，桂單671和兆玉215綜合表現(xiàn)較好［37］；彭澤等采用隸屬函數(shù)法對17個(gè)貴州地方辣椒品種進(jìn)行評價(jià)，篩選出單株果數(shù)多、綜合品質(zhì)最優(yōu)的黃膽辣，辣椒素、蛋白質(zhì)含量高的劍河獨(dú)桿辣椒，蛋白質(zhì)含量高的內(nèi)黃尖椒，單果質(zhì)量最大的牛場辣椒等品種［38］；周福平等對18份高粱種質(zhì)資源應(yīng)用隸屬函數(shù)分析法篩選出綜合表現(xiàn)較優(yōu)的5個(gè)高粱種質(zhì)，可應(yīng)用于高粱生產(chǎn)及育種［36］。

9 聚類分析法

9.1 基本思想

聚類分析是按照相對獨(dú)立又有一定相關(guān)性的指標(biāo)在性質(zhì)上的親疏相似程度進(jìn)行分類的一種綜合評價(jià)方法，常用的聚類分析方法有系統(tǒng)聚類法、動(dòng)態(tài)聚類法、灰色聚類法、模糊聚類法等，應(yīng)用最多的是系統(tǒng)聚類法。系統(tǒng)聚類的基本思想為：首先將一定量的指標(biāo)和變量各自視為一類，然后根據(jù)指標(biāo)間的親疏程度，合并相關(guān)性較高的類，之后考慮合并后的類與其他類之間的親疏程度，再進(jìn)行合并，以使得類別內(nèi)數(shù)據(jù)的差異盡可能小，類別間數(shù)據(jù)的差異盡可能大［39-40］。

9.2 計(jì)算步驟

（1）對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。（2）根據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)計(jì)算相關(guān)系數(shù)矩陣。利用標(biāo)準(zhǔn)化后的數(shù)據(jù)，計(jì)算各變量之間相關(guān)系數(shù)，對相關(guān)系數(shù)矩陣逐層分析，步驟（1）和步驟（2）與主成分分析法一樣。（3）對不同變量類型下個(gè)體距離進(jìn)行計(jì)算，逐步計(jì)算至各類對象歸為一類，繪制聚類分析譜系圖。（4）通過系統(tǒng)聚類分析譜系圖，可以看出哪幾類變量或樣本具有較大的關(guān)聯(lián)性［41］。

9.3 基本特點(diǎn)

該法的優(yōu)點(diǎn)：（1）結(jié)果直觀，結(jié)論形式簡明，靈敏度較高；（2）對原始數(shù)據(jù)進(jìn)行統(tǒng)一測度和標(biāo)準(zhǔn)化處理后，能消除不同指標(biāo)量綱的影響［6］；（3）對原始數(shù)據(jù)的分布類型無特殊的要求。不足之處是計(jì)算較為復(fù)雜；需要嘗試采取多種聚類方法分類，以便獲得較為理想的結(jié)論。

9.4 應(yīng)用

張凡等對35份小麥品種（系）進(jìn)行聚類分析，在平方歐氏距離大約為2時(shí)，可將供試材料劃分為6個(gè)類群［42］；陳晟等對收集的 58 份福建地方南瓜品種資源的性狀指標(biāo)進(jìn)行聚類分析，將福建省南瓜地方資源劃分為3個(gè)組群，明確了不同組群資源之間的遺傳差異［43］；劉衛(wèi)星等對我國北方地區(qū)15個(gè)花生品種的11個(gè)產(chǎn)量與品質(zhì)性狀進(jìn)行聚類分析，聚為5個(gè)類群［44］。

10 組合評價(jià)方法

利用單一的評價(jià)方法對品種進(jìn)行分析時(shí)存在一定的片面性，并且每種方法各有優(yōu)缺點(diǎn)，無法知道哪種方法更具有優(yōu)勢。組合評價(jià)方法是指利用不同評價(jià)方法在處理指標(biāo)構(gòu)建、指標(biāo)賦權(quán)或評價(jià)信息上的不同特點(diǎn)和優(yōu)勢，將2種或2種以上不同的評價(jià)方法同時(shí)運(yùn)用于一個(gè)綜合評價(jià)問題中，使評價(jià)結(jié)果更加全面客觀、符合實(shí)際，提高了綜合評價(jià)質(zhì)量［45］。其基本思想是，對有代表性幾種評價(jià)方法采取適當(dāng)?shù)姆椒ㄟM(jìn)行組合，得出組合評價(jià)值，按組合評價(jià)值的大小得出組合評價(jià)的排序結(jié)果［28］。常用的3種組合方法如下。

一是權(quán)重方法組合，即先確定各指標(biāo)的權(quán)重，然后用1種或幾種評價(jià)方法對不同的品種進(jìn)行評價(jià)，如李春燕等運(yùn)用層次分析法結(jié)合TOPSIS法對5個(gè)團(tuán)棗品種進(jìn)行綜合評價(jià)，建立團(tuán)棗綜合評價(jià)模型［46］；吳昕怡等利用熵權(quán)TOPSIS法對46個(gè)辣椒品種進(jìn)行評價(jià)［47］。權(quán)重確定的合理性決定了結(jié)果的準(zhǔn)確性，權(quán)重的確定方法有主觀賦權(quán)法和客觀賦權(quán)法，任何一種賦權(quán)方法都各有優(yōu)缺點(diǎn)，因此許多學(xué)者將2種或2種以上賦權(quán)方法結(jié)合使用對各指標(biāo)賦權(quán)，較好地彌補(bǔ)單獨(dú)使用的缺陷。

二是評價(jià)過程組合，即2種或多種評價(jià)方法整合在一起對品種進(jìn)行評價(jià)，能綜合考慮評價(jià)過程的各個(gè)階段，充分發(fā)揮各種評價(jià)方法的優(yōu)勢。如楊蕾等采取主成分分析降維后的品質(zhì)與營養(yǎng)指標(biāo)主要因子，再利用隸屬函數(shù)分析獲得 6 種金柑果實(shí)品質(zhì)和營養(yǎng)價(jià)值的綜合評價(jià)結(jié)果［48］；王俊花等用主成分分析結(jié)果，再利用最短距離法進(jìn)行聚類分析，對26個(gè)超甜玉米雜交組合進(jìn)行綜合評價(jià)［49］。

三是結(jié)果的組合，因不同的方法得出不同的結(jié)論，將2種或2種以上方法構(gòu)建基于方法集的組合評價(jià)模型得出組合評價(jià)值對評價(jià)對象進(jìn)行排序，以消除單一方法產(chǎn)生的隨機(jī)誤差和系統(tǒng)偏差，進(jìn)而解決多方法評價(jià)結(jié)論的非一致性問題［50］。洪霞等以主成分分析法、隸屬函數(shù)分析法、基于組合賦權(quán)的TOPSIS模型和灰色關(guān)聯(lián)度分析法4種獨(dú)立的評價(jià)方法為基礎(chǔ)，運(yùn)用基于整體差異的組合評價(jià)模型，構(gòu)建番茄營養(yǎng)品質(zhì)組合評價(jià)模型［51］；胡田田等運(yùn)用Broda法、Copeland法、模糊Borda法和基于整體差異的組合評價(jià)方法，構(gòu)建番茄產(chǎn)量-品質(zhì)組合評價(jià)模型［52］。

參考文獻(xiàn)：

［1］顧曉東. 醫(yī)院臨床科室綜合評價(jià)指標(biāo)體系研究［D］. 大連：大連醫(yī)科大學(xué)，2007：37-38.

［2］王一任，孫振球. 醫(yī)用綜合評價(jià)方法研究進(jìn)展［J］. 中南大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2005，30（2）：228-232.

［3］李 紅，朱建平. 綜合評價(jià)方法研究進(jìn)展評述［J］. 統(tǒng)計(jì)與決策，2012（9）：7-11.

［4］曹 陽，張羅漫. 醫(yī)療質(zhì)量的綜合評價(jià)方法［J］. 中國衛(wèi)生統(tǒng)計(jì)，1998，15（5）：34-43.

［5］楊永利，施 念，施學(xué)忠，等. 幾種常用綜合評價(jià)方法在艾滋病預(yù)防控制效果評價(jià)中的應(yīng)用［J］. 鄭州大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2012，47（4）：469-472.

［6］李賢相，洪 倩. 衛(wèi)生綜合評價(jià)方法研究進(jìn)展［J］. 實(shí)用預(yù)防醫(yī)學(xué)，2003，10（6）：1035-1038.

［7］王曉磊，康澤然，魏云山，等. 20份小豆種質(zhì)資源農(nóng)藝性狀鑒定與綜合評價(jià)［J］. 江蘇農(nóng)業(yè)科學(xué)，2023，51（2）：98-104.

［8］張子豪，李想成，吳昊天，等. 基于灰色關(guān)聯(lián)度分析和聚類分析的豐產(chǎn)高效小麥品種綜合評價(jià)與篩選［J］. 江蘇農(nóng)業(yè)科學(xué)，2022，50 （10）：194-200.

［9］史京京，姬銘澤，于立河，等. 運(yùn)用灰色關(guān)聯(lián)度分析法對黑龍江西部地區(qū)引進(jìn)燕麥品種的綜合評價(jià)［J］. 江蘇農(nóng)業(yè)科學(xué)，2020，48 （2）：97-103.

［10］王一任. 綜合評價(jià)方法若干問題研究及其醫(yī)學(xué)應(yīng)用［D］. 長沙：中南大學(xué)，2012：65-72.

［11］蘇澤春，陳 翠，徐中志，等. 2種綜合評價(jià)法在白芨種質(zhì)資源綜合評估中的應(yīng)用［J］. 江西農(nóng)業(yè)學(xué)報(bào)，2015，27（5）：10-15.

［12］張 偉，王春平，羅 坤，等. 不同密度下小麥新品系主要性狀的綜合分析［J］. 種子，2010，29（6）：29-32.

［13］孫志超，荊紹凌，劉文國. TOPSIS分析法在玉米雜交種綜合評價(jià)中的應(yīng)用［J］. 玉米科學(xué)，2006，14（5）：49-51，55.

［14］陳 召. 河南省某中醫(yī)院衛(wèi)生人力資源狀況及工作效率研究［D］. 廣州：廣州中醫(yī)藥大學(xué)，2009：14-15.

［15］陳衍泰，陳國宏，李美娟. 綜合評價(jià)方法分類及研究進(jìn)展［J］. 管理科學(xué)學(xué)報(bào)，2004，7（2）：69-79.

［16］王曉斌. 引進(jìn)馬鈴薯種質(zhì)資源的綜合評價(jià)［D］. 蘭州：甘肅農(nóng)業(yè)大學(xué)，2014：65.

［17］孫亞林，黃新芳，何燕紅，等. 運(yùn)用層次分析法評價(jià)多子芋種質(zhì)資源［J］. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015，34（1）：16-22.

［18］陳慧玲，劉宗坤，楊彥伶，等. 基于層次分析法的藥用石斛種質(zhì)資源評價(jià)［J］. 西南林業(yè)大學(xué)學(xué)報(bào)，2017，37（1）：82-87.

［19］鄧 旭，林 亮，李麗琴.一種基于熵權(quán)法的5G價(jià)值建站方法［J］. 電信工程技術(shù)與標(biāo)準(zhǔn)化，2021，34（10）：69-72.

［20］張 恒，申春暉，陳銳帆，等. 基于3種數(shù)學(xué)方法的粵北油茶果實(shí)性狀綜合評價(jià)［J］. 中南林業(yè)科技大學(xué)學(xué)報(bào)，2022，42（11）：71-79，208.

［21］徐 鍇，趙德英，袁繼存，等. 不同授粉品種對南果梨果實(shí)性狀的影響［J］. 江蘇農(nóng)業(yè)科學(xué)，2019，47（21）：191-194.

［22］韓 曉，劉鳳之，謝計(jì)蒙，等. 四種綜合評價(jià)法對不同葡萄品種設(shè)施環(huán)境適應(yīng)性的評價(jià)和比較［J］. 植物生理學(xué)報(bào)，2017，53（12）：2235-2243.

［23］李紅梅，劉 波，袁 琴，等. 長江沿線（宜昌—荊州段）資源環(huán)境承載力評價(jià)指標(biāo)體系與實(shí)證研究［J］. 資源環(huán)境與工程，2020，34（增刊2）：78-82，117.

［24］李 進(jìn)，梁 晶，翟夢華，等. 基于主成分分析的不同棉花品種低溫萌發(fā)關(guān)鍵期研究［J］. 種子，202 0（1）：28-33.

［25］張臘臘，韓明虎，胡浩斌，等. 基于主成分分析的蘋果品質(zhì)綜合評價(jià)［J］. 江蘇農(nóng)業(yè)科學(xué)，2020，48（3）：209-213.

［26］李 武，謝德意，趙付安，等. 黃河流域棉花品種農(nóng)藝性狀的主成分及聚類分析［J］. 江蘇農(nóng)業(yè)科學(xué)，2015，43（8）：82-85.

［27］汪 琴，陳 波. 我國建筑業(yè)經(jīng)濟(jì)發(fā)展水平的因子分析研究［J］. 江蘇教育學(xué)院學(xué)報(bào)（自然科學(xué)版），2010，26（4）：14-16，91.

［28］孫振球，王樂三. 綜合評價(jià)方法及其醫(yī)學(xué)應(yīng)用［M］. 北京：人民衛(wèi)生出版社，2014：68-260.

［29］孟靜嬌，謝志堅(jiān)，李海靜，等. 因子分析法對玉米生產(chǎn)試驗(yàn)品種評價(jià)［J］. 種子，2020，39（12）：99-102.

［30］何雪梅，孫 健，梁貴秋，等. 廣西地區(qū)13個(gè)主栽桑品種的桑葚營養(yǎng)與藥用品質(zhì)綜合評價(jià)［J］. 食品科學(xué)，2018，39（10）：250-256.

［31］李 岳，陳 超. 泥水盾構(gòu)越江隧道段綠色施工的模糊綜合評價(jià)［J］. 施工技術(shù)，2015，44（增刊1）：280-284.

［32］李賢相. 安慶市1990—2000年衛(wèi)生事業(yè)發(fā)展及其綜合評價(jià)研究［D］. 合肥：安徽醫(yī)科大學(xué)，2003：62.

［33］戴志剛，康澤培，謝冬微，等. 海水脅迫下黃秋葵種質(zhì)資源苗期耐鹽性鑒定及綜合評價(jià)［J］. 種子，2022，41（8）：42-48.

［34］劉忠玲，李小艷，王自力，等. 基于組合賦權(quán)的甘薯品種抗病性模糊綜合評價(jià)［J］. 江蘇農(nóng)業(yè)科學(xué)，2020，48（12）：93-97.

［35］張璐瑤，沈 暉，田軍倉. 基于模糊綜合評價(jià)法的壓砂地歐李品種篩選［J］. 北方園藝，2019（3）：189-196.

［36］周福平，史紅梅，張海燕，等. 應(yīng)用模糊隸屬函數(shù)法對高粱種質(zhì)資源的農(nóng)藝性狀和品質(zhì)性狀進(jìn)行綜合評價(jià)［J］. 種子，2022，41（1）：94-98.

［37］鄒成林，林瓊湘，黃開健，等. 基于隸屬函數(shù)法的糧飼兼用型玉米新品種綜合評價(jià)［J］. 湖北農(nóng)業(yè)科學(xué)，2023，62（1）：1-5.

［38］彭 澤，胡明文，白立偉，等. 不同辣椒品種的農(nóng)藝性狀與品質(zhì)指標(biāo)綜合評價(jià)［J］. 北方園藝，2023（1）：1-10.

［39］淳明浩，崔文勤，楊肖迪，等. 海底管道風(fēng)險(xiǎn)評估方法研究與應(yīng)用［J］. 石油工程建設(shè)，2020，46（增刊1）：120-125.

［40］辛佳佳，張南峰，程華萍，等. 江西省地方蠶豆種質(zhì)資源遺傳多樣性分析及優(yōu)異資源挖掘［J］. 江蘇農(nóng)業(yè)學(xué)報(bào)，2022，38（1）：20-29.

［41］杜俊鵬，呂 軍，吳計(jì)生，等. 基于主成分分析法和系統(tǒng)聚類分析法的河流水質(zhì)評價(jià)研究［J］. 水利技術(shù)監(jiān)督，2022（12）：216-220.

［42］張 凡，楊春玲，劉國濤. 近年來黃淮南片育成小麥品種（系）農(nóng)藝、產(chǎn)量及品質(zhì)性狀綜合分析與評價(jià)［J］. 江蘇農(nóng)業(yè)科學(xué)，2022，50（21）：90-97.

［43］陳 晟，吳宇芬，趙依杰. 福建省地方南瓜資源收集與種子幼苗性狀的評價(jià)［J］. 種子，2022，41（10）：78-84，89.

［44］劉衛(wèi)星，張楓葉，賀群嶺，等. 我國北方花生品種產(chǎn)量品質(zhì)性狀的綜合評價(jià)及聚類分析［J］. 江蘇農(nóng)業(yè)科學(xué)，2019，47（12）：103-106.

［45］張發(fā)明. 綜合評價(jià)基礎(chǔ)方法及應(yīng)用［M］. 北京：科學(xué)出版社，2018：133.

［46］李春燕，盧桂賓，劉 和，等. 用層次分析法和DTOPSIS法綜合評價(jià)團(tuán)棗品種［J］. 山西農(nóng)業(yè)科學(xué)，2019，47（12）：2057-2061.

［47］吳昕怡，田 浩，牛之瑞，等. 基于熵權(quán)的TOPSIS和聚類分析評價(jià)方法的發(fā)酵辣椒品種適用性研究［J］. 食品安全質(zhì)量檢測學(xué)報(bào)，2022，13（22）：7314-7322.

［48］楊 蕾，洪 林，劉兆俊，等. 六個(gè)金柑品種果實(shí)品質(zhì)與營養(yǎng)綜合評價(jià)［J］. 浙江農(nóng)業(yè)學(xué)報(bào)，2022，34（3）：534-547.

［49］王俊花，閆建賓，王瑞鋼. 基于主成分、聚類和灰色關(guān)聯(lián)度分析的超甜玉米雜交組合綜合評價(jià)［J］. 南方農(nóng)業(yè)學(xué)報(bào)，2020，51（5）：1108-1114.

［50］陳國宏，李美娟.? 基于方法集的綜合評價(jià)方法集化研究［J］. 中國管理科學(xué)，2004（1）：102-106.

［51］洪 霞，胡田田，劉 杰，等. 基于方法集的番茄營養(yǎng)品質(zhì)組合評價(jià)模型構(gòu)建及其對水肥供應(yīng)的響應(yīng)［J］. 干旱地區(qū)農(nóng)業(yè)研究，2019，37（3）：129-138，148.

［52］胡田田，何 瓊，洪 霞，等. 基于模糊Borda組合模型評價(jià)番茄產(chǎn)量及品質(zhì)對水肥供應(yīng)響應(yīng)［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35（19）：142-151.