黃杰 王君 宋丹陽 葛昌斌

摘 ? ?要：為研究小麥新品種‘漯麥906特征特性，采用基于熵權(quán)法的DTOPSIS分析法與灰色關(guān)聯(lián)度分析法對2016—2018年參加河南省小麥產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟新品種試驗聯(lián)合體區(qū)域試驗品系進行綜合評價。結(jié)果表明，與其他參試品系相比，‘漯麥906排名均靠前。2016—2018年，漯麥906的Ci值分別為0.659 4、0.459 5;Gi值分別為0.791 4，0.732 3;平均產(chǎn)量為8 269.18，6 539.68 kg·hm-2?；陟貦?quán)法的DTOPSIS和灰色關(guān)聯(lián)度兩種分析結(jié)果較為一致，均能客觀、全面的評價品種，由于DTOPSIS分析法的Ci差異值明顯大于灰色關(guān)聯(lián)度分析法Gi差異值，表明DTOPSIS分析法評價結(jié)果更接近生產(chǎn)實際。數(shù)據(jù)分析顯示，‘漯麥906綜合性狀與理想品種較為接近，豐產(chǎn)性、適應(yīng)性均較好，且年際間表現(xiàn)較為穩(wěn)定。

關(guān)鍵詞：漯麥906;熵權(quán)法;DTOPSIS分析法;灰色關(guān)聯(lián)度分析法;綜合評價

中圖分類號： S566 ? ? ? 文獻標識碼： A ? ? ? DOI 編碼：10.3969/j.issn.1006-6500.2021.11.005

Comprehensive Evaluation of 'Luomai 906' Based on Entropy DTOPSIS Method and Gray Relational Degree Analysis

HUANG Jie， WANG Jun， SONG Danyang， GE Changbin

（Luohe Academy of Agricultural Sciences， Luohe， Henan 462300，China）

Abstract： In order to study the characteristics of new wheat variety 'Luomai 906'，based on entropy DTOPSIS method and grey relational grade analysis were used to comprehensively evaluate the regional test lines participating in Henan Wheat Industrial Technology Innovation Strategic Alliance New Variety Test Consortium from 2016 to 2018.The results showed that， compared with other tested lines， 'Luomai 906' ranks high. From 2016 to 2018，the Ci value of 'Luomai 906' was 0.659 4 and 0.459 5 respectively，the Ci values was 0.791 4 and 0.732 3 respectively，the average yield was 8 269.18 kg·hm-2 and 6 539.68 kg·hm-2.The results of based on entropy DTOPSIS method and grey relational degree analysis are relatively consistent， both of which can objectively and comprehensively evaluate varieties. Since the Ci difference value of DTOPSIS analysis method is obviously greater than the Ci difference value of grey relational degree analysis method， the evaluation result of DTOPSIS analysis method is closer to the production practice. Metatarsal analysis showed that ，comprehensive synthesis of 'Luomai 906' was similar to ideal varieties， with good yield and wide adaptability， and the interannual performance was relatively stable.

Key words：Luomai 906; entropy; DTOPSIS method; gray relational degree analysis; comprehensive evaluation

實際生產(chǎn)中，衡量小麥品種優(yōu)劣，除考慮產(chǎn)量因素外，還應(yīng)考慮其他綜合農(nóng)藝性狀。多年來，品種評價一直以產(chǎn)量作為衡量小麥區(qū)域試驗的重要指標，其余相關(guān)農(nóng)藝性狀僅供參考，這在一定程度上不利于小麥品種的大面積推廣及應(yīng)用，育種工作者對品種（系）進行綜合評價顯得十分重要[1-3]。當前，常用于小麥、玉米、棉花等作物中的綜合評價方法主要有層次分析法、灰色關(guān)聯(lián)度法、隸屬函數(shù)法、模糊數(shù)學法、逼近理想解的排序方法等[4-5]。然而，被廣泛應(yīng)用的基于熵權(quán)法的DTOPSIS分析法與灰色關(guān)聯(lián)度分析法在小麥品種綜合評價中鮮有報道[1-2，6-8]。本研究采用2016—2018年河南省小麥產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟新品種試驗聯(lián)合體區(qū)域試驗的14個試驗點數(shù)據(jù)，利用熵權(quán)法的DTOPSIS分析法與灰色關(guān)聯(lián)度分析法對‘漯麥906進行綜合評價，并比較兩種分析方法，以期為‘漯麥906的推廣應(yīng)用提供科學依據(jù)。

1 材料和方法

1.1 試驗材料

選用9份2016—2018年參加河南省小麥產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟新品種試驗聯(lián)合體區(qū)域試驗品種（系）為試驗材料，分別為‘漯麥906、‘安麥1350、‘百農(nóng)5822、‘昌麥18、‘鶴麥1618、‘洛麥40、‘新麥43、‘鄭麥128和‘鄭麥5138，分布在河南省安陽、鶴壁、新鄉(xiāng)輝縣、新鄉(xiāng)縣、原陽、洛陽、許昌、漯河、周口、駐馬店，南陽、商丘、蘭考、濟源等14個試驗點。

1.2 方法

9個分別采集主要農(nóng)藝性狀（株高、有效穗、穗粒數(shù)、千粒質(zhì)量、最高群體、成穗率、全生育期、容重和平均產(chǎn)量）數(shù)據(jù)。

1.2.1 熵權(quán)法 熵權(quán)法參照趙平等[9]與夏來坤等[10]方法。

ej=-HijlnHij，ej為各項指標的熵值;N為參試品種總數(shù);H為第i個品種的第j個性狀的值占全部品種第j個性狀值之和的比重;

wj=，wj為權(quán)重。

1.2.2 DTOPSIS分析法 DTOPSIS分析法參照桃聯(lián)安等[11]、字秋艷等[12]、費永紅等[13]等方法。

建立比較矩陣：將各參試品種（系）的9個性狀指標分為正向指標、中性指標、負向指標，將其進行無綱量化，形成比較矩陣。

Eij=Yij/Yjmax，[Yjmax=Max（Yij）]，Eij為正向指標，Yij為第i個品種的第j個性狀值;

Eij=Yjmez[Yjmez+abs（Yjmez-Yij）]，Eij為中性指標，Yjmez為性狀目標值;

Eij=Yjmin/Yij，[Yjmin=Min（Yij）]，Eij為負向指標;

建立加權(quán)決策矩陣：由已確定的各性狀的權(quán)重wj，乘矩陣中的第j列得到?jīng)Q策矩陣B。

各性狀理想解、負理想解：A+=Max（Bij），A+為各性狀理想解;

A-=Min（Bij），A-為各性狀負理想解。

與理想解的相對接近度的計算，采用歐幾里德范數(shù)作為距離的測度。

Di + ?=，Di + 為各品種（系）與理想解的距離;

Di - =，Di - 為各品種（系）與負理想解的距離;

Ci=Di - /（Di + +Di - ），Ci為各品種（系）與理想解的相對接近度。

1.2.3 灰色關(guān)聯(lián)度分析法

灰色關(guān)聯(lián)度分析法參照楊麗娟等[14]、張凡等[15] 方法。結(jié)合育種目標與生產(chǎn)實際，將各品種（系）相關(guān)性狀的最優(yōu)值作為理想值X0。

Si表示標準化數(shù)據(jù)，各性狀數(shù)值除以育種目標對應(yīng)性狀的數(shù)值;

Δ=|X0（k）-Xi（k）|，X0（k）表示育種目標k指標的標準化數(shù)值，Xi（k）表示i品種k指標的標準化數(shù)值;

ξi=，ξi表示參試品種與育種目標之間的關(guān)聯(lián)系數(shù)，ρ表示分辨系數(shù)，取值0.5，Δmin為標準化數(shù)據(jù)中各性狀的最小絕對差，Δmax為標準化數(shù)據(jù)中各性狀的最大絕對差;

Gi=∑（ξi*wj），Gi表示各品種綜合評價值;

P=∑|[]2017-[]2018|，P表示年度間等權(quán)差;

P=∑wj|[]2017-[]2018|，P表 示年度間加權(quán)差。

1.3 試驗數(shù)據(jù)處理

采用Microsoft Exce1 2010處理數(shù)據(jù)，采用DPS 15.10軟件進行相關(guān)性分析。

2 結(jié)果與分析

2.1 熵權(quán)法確定各性狀權(quán)重

相關(guān)文獻[9-11，16]指出，采用熵值法賦權(quán)可有效消除主觀因素影響，客觀反映某個性狀在評價體系中的重要性，使評價結(jié)果更加科學合理。實際評價中，各性狀的熵值越小，權(quán)重越大，表示其差異性越大，提供信息越多，反之亦然。

由表1可知，2016—2018年，各性狀權(quán)重大小分別為：有效穗>穗粒數(shù)>千粒質(zhì)量>成穗率>株高>最高群體>平均產(chǎn)量>容重>全生育期、有效穗>穗粒數(shù)>成穗率>千粒質(zhì)量>株高>平均產(chǎn)量>最高群體>容重>全生育期。其中，有效穗、穗粒數(shù)、千粒質(zhì)量、成穗率、株高累計權(quán)重分別為83.15%，82.65%，由此表明，這5個性狀在本研究的綜合評價中影響最大。

此外，產(chǎn)量及產(chǎn)量構(gòu)成三要素穗粒數(shù)、千粒質(zhì)量、有效穗所占權(quán)重分別為57.95%，68.91%，兼顧小麥其它農(nóng)藝性狀的同時，產(chǎn)量及產(chǎn)量三要素權(quán)重相對較高。

2.2 基于熵權(quán)法的DTOPSIS分析法評價結(jié)果

相關(guān)文獻[10，17]表明，Ci值越大，表明該品種（系）越接近理想品種，綜合性狀越好，適應(yīng)性越廣，反之亦然。

由表2可以看出，2016—2018年，各參試品種（系）Ci值大小分別為：漯麥906>洛麥40>昌麥18>鄭麥128>安麥1350>鄭麥5138>鶴麥1618>新麥43>百農(nóng)5822、洛麥40>百農(nóng)5822>漯麥906>鶴麥1618>昌麥18>鄭麥5138>鄭麥128>安麥1350>新麥43。

‘漯麥906連續(xù)兩年Ci值排名均較靠前，表明其年際間綜合性狀表現(xiàn)較好，豐產(chǎn)性較好，在河南省適應(yīng)性較好。其中，2016—2017年，其Ci值為0.659 4，在參試品種（系）排名第1;2017—2018年，其Ci值為0.459 5，在參試品種（系）排名第3?！妍?0Ci值在分別為0.602 9，0.642 6，排名第2、第1，但其年際間產(chǎn)量表現(xiàn)差異較大（分別排名第7、第1）;‘百農(nóng)5 822Ci值分別為0.424 8，0.589 6，排名第9、第2，年際間Ci值排序差異較大。因此，‘漯麥40、‘百農(nóng)5822豐產(chǎn)性、適應(yīng)性不如‘漯麥906。

2.3 基于熵權(quán)法的灰色關(guān)聯(lián)度分析法評價結(jié)果

根據(jù)灰色關(guān)聯(lián)度法分析的原則[18-19]，參試品種（系）灰色綜合評價值越大，表明其與理想品種相似程度越高，綜合性狀表現(xiàn)越好，反之亦然。

由表3可以看出，2016—2017年，各參試品種（系）Gi值排名前4位分別是：‘新麥43（0.809 6）、‘漯麥906（0.791 4）、‘鄭麥128（0.781 1）、‘昌麥18（0.774 6），其中，‘漯麥906排名第2。‘新麥43排名雖相對靠前，但其產(chǎn)量與‘漯麥906相比，低6.36%。

2017—2018年，各參試品種（系）Gi值排名前4位分別是：‘百農(nóng)5822（0.751 8）、‘洛麥40（0.744 8）、‘漯麥906（0.732 3）、‘昌麥18（0.712 7），其中，‘漯麥906排名第3。‘百農(nóng)5822、‘洛麥40排名分別為第1、第2，但其在2016—2017年間排名分別為第9、第6，Gi值年際間排序變化較大。

可見，與其他參試品種（系）相比，‘漯麥906連續(xù)兩年灰色綜合評價值均較高，綜合性狀表現(xiàn)好。

相關(guān)文獻表明[18-19]，加權(quán)差值能較好的反映生產(chǎn)實際。

由表4可以看出，‘漯麥906加權(quán)差值（0.102 8）最小，排名第1。表明，與其他參試品種（系）相比，‘漯麥906相關(guān)性狀及產(chǎn)量的年際間差異性較小，穩(wěn)定性好?！嶜?138排名第2，加權(quán)差值與‘漯麥906差異雖較小，但2016—2018年間，其產(chǎn)量與‘漯麥906相比，均相對較低，分別低3.96%，5.12%。

2.4 產(chǎn)量分析結(jié)果

由表5可以看出，2016—2018年間，‘漯麥906平均產(chǎn)量分別排名第1（8 269.18 kg·hm-2）、第2（6 539.68 kg·hm-2）;‘鶴麥1618排名均為第3，其平均產(chǎn)量與‘漯麥906相比，分別低1.17%，0.18%;‘昌麥18和‘洛麥40排名分別為第2、第5和第7、第1，兩年間排序變化相對較大，平均產(chǎn)量年際間穩(wěn)定性較差?！瘥?06不僅有較高的產(chǎn)量表現(xiàn)，年際間穩(wěn)定性也較好。

2.5 不同分析方法評價結(jié)果比較

由表2、表3、表5、圖1可以看出，2016—2017年，‘安麥1350Ci值、Gi值均排名第5，但平均產(chǎn)量排序為第4;‘百農(nóng)5822Ci值、Gi值均排名第9，但平均產(chǎn)量排序為第8;‘昌麥18Ci值、Gi值分別排名第3、第4，但平均產(chǎn)量排序為第2;‘鶴麥1618Ci值、Gi值分別排名第7、第8，但平均產(chǎn)量排序為第3;‘漯麥906、‘鄭麥128、‘鄭麥5138 3種排序方法差別不大;‘漯麥40、‘新麥433種排序方法差別相對較大。2017—2018年，‘漯麥906Ci值、Gi值均排名第3，但平均產(chǎn)量排序為第2;‘百農(nóng)5822Ci值、Gi值分別排名第2、第1，但平均產(chǎn)量排序為第4;‘新麥43Ci值、Gi值均排名第9，但平均產(chǎn)量排序為第7;‘鄭麥128Ci值、Gi值分別排名第7、第8，但平均產(chǎn)量排序為第9;‘鄭麥5138Ci值、Gi值分別排名第6、第5，但平均產(chǎn)量排序為第8;‘安麥1350、‘昌麥18、‘洛麥403種排序方法較為接近;‘鶴麥16183種排序方法略有差別。因此，3種分析方法評價結(jié)果雖有不同，但整體趨勢較為一致，其中，Ci值與Gi值排序較為相近，但與平均產(chǎn)量排序相比，均有不同程度差別。

由表6相關(guān)性分析可以看出，基于熵權(quán)法的DTOPSIS分析法Ci值排序與灰色關(guān)聯(lián)度Gi值排序均呈極顯著正相關(guān)（0.950 0，0.850 0）。由此表明，這2種方法對參試品種（系）的綜合評價結(jié)果，具有一致性。

由表7可以看出，2016—2018年間，不同評價方法評價各參試品種（系），按照DTOPSIS法，其Ci最大值與最小值差異分別為35.57%，69.87%;按照灰色關(guān)聯(lián)度分析法，其Gi最大值與最小值差異為21.59%，15.45%;按照平均產(chǎn)量分析方法，其平均產(chǎn)量最大值與最小值差異分別為6.36%，7.79%。Ci差異值與Gi、平均產(chǎn)量差異值相比，明顯較大。由此表明，基于熵權(quán)法的DTOPSIS分析法與灰色關(guān)聯(lián)度分析法、平均產(chǎn)量分析方法相比，品種間差異較大，分辨力較好，其評價結(jié)果更接近生產(chǎn)實際。

3 結(jié)論與討論

3.1 結(jié)論

通過基于熵權(quán)法的DTOPSIS分析法、灰色關(guān)聯(lián)度分析法和平均產(chǎn)量分析法3種不同的分析方法對9個參試品種（系）的9個農(nóng)藝相關(guān)性狀進行綜合評價。結(jié)果表明，與其他參試品種（系）相比，‘漯麥906的Ci值（0.659 4、第1;0.459 5、第3）、Gi值（0.791 4、第2;0.732 3、第3）、平均產(chǎn)量（8 269.18 kg·hm-2、第1;6 539.68 kg·hm-2、第2）均較靠前，且在9個參試品種（系）中，其兩年間排名順序變化不大。也就是說，‘漯麥906綜合性狀與理想品種較為接近，且穩(wěn)定性較好。

除此以外，‘漯麥906中感條銹病，中感葉銹病，中抗白粉病，中感紋枯病，抗倒伏能力較好。因此，‘漯麥906是一個豐產(chǎn)性、適應(yīng)性、穩(wěn)產(chǎn)性好，綜合性狀表現(xiàn)較好的小麥新品種，適合在河南省大面積推廣種植。

3.2 討論

傳統(tǒng)的DTOPSIS分析法中，權(quán)重賦值至關(guān)重要，傳統(tǒng)的灰色關(guān)聯(lián)度分析法需要構(gòu)建理想品種，而權(quán)重的賦值、理想品種的構(gòu)建沒有統(tǒng)一標準，往往根據(jù)相關(guān)專家多年工作經(jīng)驗得出，易受主觀因素影響，對品種綜合評價結(jié)果不盡準確[20-22]。

本研究將具有代表性的株高、有效穗、穗粒數(shù)、千粒質(zhì)量、最高群體、成穗率、全生育期、容重和平均產(chǎn)量等9個性狀作為評價指標，但各個性狀衡量標準不一，相互關(guān)系也各有不同。采用熵權(quán)法對其進行權(quán)重系數(shù)分配，各指標的權(quán)重計算完全由指標間數(shù)值的離散程度來設(shè)置，不僅包含各個指標的影響，也剔除了對評價結(jié)果貢獻不大的指標，有效避免了因主觀判斷誤差對權(quán)重分配的影響，是一種客觀賦權(quán)方法[23-25]。將其運用到DTOPSIS分析法和灰色關(guān)聯(lián)度分析法中，與單靠產(chǎn)量進行品種綜合評價相比，更加客觀公正。

同時，與平均產(chǎn)量評價結(jié)果相比，基于熵權(quán)法的DTOPSIS和灰色關(guān)聯(lián)度兩種評價結(jié)果較為接近，而DTOPSIS分析法的Ci差異值明顯大于灰色關(guān)聯(lián)度分析法Gi差異值，表明基于熵權(quán)法的DTOPSIS分析法評價結(jié)果分辨力更強，更具科學性，更接近生產(chǎn)實際。

參考文獻：

[1] 陳慧， 王冀川. 基于灰色關(guān)聯(lián)度及DTOPSIS法的南疆冬小麥品種的綜合評判[J]. 江蘇農(nóng)業(yè)科學， 2019， 47（10）： 102-108.

[2] 金輕， 趙紅， 林麗萍， 等. 基于灰色關(guān)聯(lián)度分析和DTOPSIS法綜合評價小麥新品系在云南省的適應(yīng)性[J]. 南方農(nóng)業(yè)學報， 2020， 51（10）： 2440-2446.

[3] 崔新菊， 董世磊， 任紅松， 等. 基于組合權(quán)重的DTOPSIS法在棉品種（系）綜合評價中的應(yīng)用[J]. 安徽農(nóng)業(yè)科學， 2016， 44（27）： 10-12， 17.

[4] 李文硯， 韋優(yōu)， 孔方南， 等. DTOPSIS法在草莓品種綜合評價中的應(yīng)用研究[J]. 植物生理學報， 2018， 54（5）： 925-930.

[5] 王美珍， 季蒙， 張文軍， 等. DTOPSIS法在檸條品系綜合評價中的應(yīng)用[J]. 內(nèi)蒙古林業(yè)科技， 2012， 38（4）： 19-22.

[6] BAHREINI F， SOLTANIAN A R. Identification of a gene set associated with colorectal cancerin microarray data using the entropy method[J]. Cell Journal， 2019， 20（4）： 569-575.

[7] ZHOU F Y， SUN S Q， ZHU G Y. Evaluation of the development of circular agriculture in Chongqing City based on entropymethod[J]. Asian Agricultural Research， 2014， 6（9）： 54-59.

[8] SU X F， YANG W F. Entropy method based evaluation for plant landscape in tourist scenic spots[J]. Asian Agricultural Research， 2017， 9（9）： 36-39.

[9] 趙平， 李學濤， 康振友， 等. 基于熵權(quán)的DTOPSIS法和灰色關(guān)聯(lián)度分析法在西瓜品種綜合評價中的應(yīng)用[J]. 黑龍江農(nóng)業(yè)科學， 2021（1）： 79-87.

[10] 夏來坤， 齊建雙， 谷利敏， 等. 基于熵權(quán)的DTOPSIS法和灰色局勢決策法在宜機收玉米品種綜合評價中的應(yīng)用[J]. 南方農(nóng)業(yè)學報， 2019， 50（9）： 1953-1959.

[11] 桃聯(lián)安， 經(jīng)艷芬， 董立華， 等. 云瑞15系列不同雜交途徑甘蔗創(chuàng)新種質(zhì)DTOPSIS綜合評價[J]. 中國糖料， 2020， 42（1）： 13-21.

[12] 字秋艷， 陸鑫， 徐超華， 等. 基于DTOPSIS法的甘蔗創(chuàng)新種質(zhì)綜合評價[J]. 中國糖料， 2016， 38（5）： 38-40， 43.

[13] 費永紅， 鐘維， 向英， 等. 糯玉米新品種DTOPSIS法綜合評價[J]. 廣東農(nóng)業(yè)科學， 2017， 44（3）： 17-22.

[14] 楊麗娟， 付亮， 蔣志凱， 等. 2016-2018年度國家區(qū)試小麥品種品質(zhì)性狀灰色關(guān)聯(lián)度分析與評價[J]. 中國農(nóng)學通報， 2020， 36（19）： 135-140.

[15] 張凡， 薛鑫， 劉國濤， 等. 基于灰色關(guān)聯(lián)度分析法和聚類分析法篩選小麥高產(chǎn)優(yōu)質(zhì)新品種（系）的研究[J]. 中國農(nóng)學通報， 2020（27）： 6-13.

[16] 邵美紅， 程楚， 程思明， 等. 運用DTOPSIS法對鮮食甜玉米新品種在浙西北地區(qū)適應(yīng)性的綜合評價[J]. 江西農(nóng)業(yè)學報， 2017， 29（6）： 25-28.

[17] 蔣聰， 劉慰華， 楊旭昆， 等. 灰色關(guān)聯(lián)度分析和DTOPSIS法在云南粳稻品種綜合評價中的應(yīng)用[J]. 西南農(nóng)業(yè)學報， 2020， 33（5）： 907-912.

[18] 李平路， 孫合軍， 張志軍， 等. 應(yīng)用灰色關(guān)聯(lián)度分析綜合評價優(yōu)質(zhì)小麥新品種[J]. 種子科技， 2001，19（2）： 98-99.

[19] 丁明亮， 趙紅， 浦秋紅， 等. 應(yīng)用灰色關(guān)聯(lián)度分析法對遠緣雜交選育的小麥新品系評價[J]. 西南農(nóng)業(yè)學報， 2018， 31（2）： 217-222.

[20] 李文硯， 黃麗君， 盧美瑛， 等. DTOPSIS法在蘋婆不同品系綜合評價中的應(yīng)用[J]. 南方農(nóng)業(yè)學報， 2019， 50（7）： 1527-1533.

[21] 昝凱， 周青， 張志民， 等. 灰色關(guān)聯(lián)度和DTOPSIS法綜合分析河南區(qū)域試驗中大豆新品種（系）的農(nóng)藝性狀表現(xiàn)[J]. 大豆科學， 2018， 37（5）： 664-671.

[22] 盧華兵， 朱正梅， 呂學高， 等. 利用DTOPSIS法綜合評價釀用高粱新品種[J]. 浙江農(nóng)業(yè)科學， 2020， 61（9）： 1765-1767.

[23]李春燕， 盧桂賓. 劉和， 等. 用層次分析法和DTOPSIS法綜合評價團棗品種[J]. 山西農(nóng)業(yè)科學， 2019， 47（12）： 2057-2061.

[24] IDRISSI N， ROUKHE A. Robust watermarking method based on con-tour let transform，maximum entropy，and SVD decomposition[C]// 2014 International Conference on Multimedia Computing and Systems （ICMCS）， 2014， Marrakech， Morocco： 261-264.

[25] XUE J， ZHAO Y S， GOU L， et al. How high plant density of maize affects basal internode development and strength formation[J]. Crop Science， 2016， 56（6）： 3295-3306.

收稿日期：2021-07-27

基金項目：財政部和農(nóng)業(yè)農(nóng)村部國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系（CARS-3-2-26）

作者簡介：黃杰（1988—），女，河南漯河人，助理研究員，推廣碩士，主要從事小麥遺傳育種方面研究。