寒地水稻抗旱相关性状主成分分析及综合评价

发布时间：2022-01-08 15:00

　　【目的】建立寒地水稻移栽至成熟期抗旱综合评价指标体系,筛选抗旱水稻种质资源。【方法】以穗重、穗粒数、结实率等13个性状为指标,采用主成分分析法及聚类分析等方法对30个寒地水稻种质资源（样本）进行抗旱性综合评价。用25个样本以抗旱力特征指标值为输入,对应抗旱综合评价值为输出,利用误差反向传播（Error Back Propagation,BP）神经网络算法构建学习模型;其余5个样本为验证样本,评价学习模型的预测准确性。变换3组学习样本构建3个学习模型,对比3个模型的预测准确性,验证建模方法的合理性与稳定性。【结果】利用主成分分析将干旱胁迫下13个单项指标转化为5个相互独立的综合指标,累积贡献率达83.761%。依据参试材料抗旱综合评价值进行聚类分析,将30个参试样本划分为强抗旱型、抗旱型、中间抗旱型、旱敏感型4类。第1类强抗旱型的有1个（农丰3055）,第2类抗旱型的有12个,第3类中间抗旱型的有6个,第4类旱敏感型的有11个。基于水稻性状指标与抗旱综合评价值相关性分析结果,筛选出穗重、穗粒数、结实率、产量、生物产量和经济系数6项指标作为水稻抗旱适宜性评价的特征指标。以特征指标值为输入层... 

【文章来源】：福建农业学报. 2020,35(08)北大核心CSCD

【文章页数】：9 页

【部分图文】：

30个参试材料抗旱能力的系统聚类分析

从30个水稻参试材料样本中筛选出25个样本作为学习样本进行神经网络学习模型构建，剩余5个样本作为预测样本验证模型准确性，其中BP神经网络学习模型结构如图2所示。由图2可知，该模型包含输入层、隐含层和输出层3层，其中模型输入为穗重、穗粒数、结实率、产量、生物产量、经济系数等6项抗旱力特征指标值，因此有6个神经元。模型输出为抗旱综合评价值D，因此输出层神经元有1个。隐含层神经元在BP神经网络中扮演特征检验算子的角色，起到决定性作用，隐藏层节点数一般设为输入层节点数的一半左右，本神经网络将隐藏层设为4个节点。最终构建一个“输入层-隐藏层-输出层”为“6-4-1”的三层BP神经网络。本研究从30个水稻参试材料样本中随机筛选25个样本建立学习模型，剩余5个样本进行抗旱指标适宜性得分预测。为评价模型预测准确性及建模方法稳定性，变换25个学习样本构建了3个学习模型，其预测结果如表6所示。由表6可知，3个学习模型共15个验证样本抗旱适宜性预测得分与实际得分相对误差均小于10%，最小相对误差仅为0.07%，说明BP神经网络模型预测效果较好。将水稻参试材料实际得分与神经网络预测得分进行回归分析，以参试材料实际得分作为横坐标，模型预测值作为纵坐标进行线性拟合，3组预测结果的决定系数R2分别为0.972 1、0.913 9、0.959 5（图3），预测值与实际值相符程度均较高，证明神经网络模型能够较准确、稳定地评价水稻抗旱力指标是否适宜进行水稻的抗旱性综合评价。但不同水稻参试材料样本构建的学习模型预测效果存在较大差异，说明用于建立学习模型的样本数量仍较少，变换少量学习样本会议对预测效果产生较大影响。同时，学习模型所需的样本应具有典型性与代表性，部分水稻参试材料样本与其他样本差异较大也可能对预测效果产生较大影响。

本研究从30个水稻参试材料样本中随机筛选25个样本建立学习模型，剩余5个样本进行抗旱指标适宜性得分预测。为评价模型预测准确性及建模方法稳定性，变换25个学习样本构建了3个学习模型，其预测结果如表6所示。由表6可知，3个学习模型共15个验证样本抗旱适宜性预测得分与实际得分相对误差均小于10%，最小相对误差仅为0.07%，说明BP神经网络模型预测效果较好。将水稻参试材料实际得分与神经网络预测得分进行回归分析，以参试材料实际得分作为横坐标，模型预测值作为纵坐标进行线性拟合，3组预测结果的决定系数R2分别为0.972 1、0.913 9、0.959 5（图3），预测值与实际值相符程度均较高，证明神经网络模型能够较准确、稳定地评价水稻抗旱力指标是否适宜进行水稻的抗旱性综合评价。但不同水稻参试材料样本构建的学习模型预测效果存在较大差异，说明用于建立学习模型的样本数量仍较少，变换少量学习样本会议对预测效果产生较大影响。同时，学习模型所需的样本应具有典型性与代表性，部分水稻参试材料样本与其他样本差异较大也可能对预测效果产生较大影响。3 讨论

【参考文献】：
期刊论文
[1]基于BP神经网络的汽油机尾气排放预测[J]. 左付山,李政原,吕晓,张营.  江苏大学学报(自然科学版). 2020(03)
[2]人工神经网络在数据挖掘中的应用研究[J]. 梁春华.  无线互联科技. 2019(22)
[3]7份喀麦隆水稻种质资源萌发期抗旱性综合鉴定[J]. 张军,崔潇,赵章囡,刘倩,秦悦,周华娜.  陕西农业科学. 2019(04)
[4]水稻抗旱研究进展与展望[J]. 王英,张浩,马军韬,张丽艳,邓凌伟,王永力,高晶,张国民.  热带作物学报. 2018(05)
[5]杂交籼稻新组合抗旱性鉴定评价及预测研究[J]. 张鸿,朱从桦,谭杰,李星月,杨文钰,康海歧.  干旱地区农业研究. 2018(02)
[6]不同晚稻品种抗旱性相关指标研究[J]. 钟娟,傅志强.  作物研究. 2015(06)
[7]云南陆稻芽期抗旱性鉴定指标筛选及其综合评价[J]. 徐建欣,杨洁,胡祥伟,苏子涵,王云月.  西南农业学报. 2015(04)
[8]应用隶属函数法综合评价水稻主栽品种抗旱性的研究[J]. 刘三雄,黎用朝,吴俊,闵军,常硕其,刘利成,卢向阳,邓启云.  杂交水稻. 2015(01)
[9]水稻萌芽期抗旱指标筛选与抗旱性综合评价[J]. 杨瑰丽,杨美娜,李帅良,曲志恒,黄明,陈志强,王慧.  华南农业大学学报. 2015(02)
[10]云南省不同小麦资源种子萌发期抗旱性相关性状差异及与抗旱指数、抗旱系数的相关性[J]. 周国雁,伍少云,隆文杰,雷涌涛.  华南农业大学学报. 2015(02)

博士论文
[1]利用回交导入系筛选水稻高产、抗旱和耐盐株系及选择导入系相关性状的QTL定位[D]. 王英.中国农业科学院 2013
[2]水稻抗旱性研究及其鉴定指标的筛选[D]. 王贺正.四川农业大学 2007



本文编号：3576766