李暉+黃南京+葉一軍

摘要：為了避免決策者選擇農(nóng)產(chǎn)品品種的隨意性，本研究提出基于AHP-Entropy和灰色關(guān)聯(lián)理論的農(nóng)產(chǎn)品品種評選方法。利用層次分析法與熵權(quán)法確定農(nóng)產(chǎn)品品種評價指標(biāo)權(quán)重，采用灰色關(guān)聯(lián)理論對農(nóng)產(chǎn)品品種進(jìn)行評價排序，并通過實例詮釋農(nóng)產(chǎn)品品種評選的過程。

關(guān)鍵詞：層次分析法；熵權(quán)法；灰色關(guān)聯(lián)理論；農(nóng)產(chǎn)品；品種；評價指標(biāo)；評價排序

中圖分類號： F304.3文獻(xiàn)標(biāo)志碼： A文章編號：1002-1302（2014）06-0459-05

收稿日期：2013-09-06

基金項目：四川省教育廳青年基金（編號：11SB068）。

作者簡介：李暉（1976—），男，四川安岳人，博士研究生，講師，從事供應(yīng)鏈管理、決策分析研究。E-mail：lihui_zg@163.com。農(nóng)產(chǎn)品品種是農(nóng)業(yè)生產(chǎn)中最重要、最基本的生產(chǎn)資料，是提高農(nóng)產(chǎn)品產(chǎn)量、改善農(nóng)產(chǎn)品品質(zhì)、增加農(nóng)民收入的重要因素。糧、棉、油、菜、瓜、果等既可能是在季節(jié)上相互補充的作物，也可能是相互排斥的作物，即同一生產(chǎn)季節(jié)適宜生產(chǎn)多類農(nóng)產(chǎn)品，或同一生產(chǎn)季節(jié)適宜生產(chǎn)同類農(nóng)產(chǎn)品的不同品種，農(nóng)戶或各種農(nóng)村經(jīng)濟實體在制定生產(chǎn)計劃時面臨農(nóng)產(chǎn)品品種選擇問題。隨著農(nóng)村經(jīng)濟體制改革的逐步深入，我國大多數(shù)農(nóng)民已經(jīng)認(rèn)識到農(nóng)產(chǎn)品品種在農(nóng)業(yè)生產(chǎn)中的重要性。受傳統(tǒng)農(nóng)業(yè)生產(chǎn)方式的影響以及自身文化水平、認(rèn)知水平的制約，大部分農(nóng)戶或農(nóng)村經(jīng)濟實體選擇農(nóng)產(chǎn)品品種時存在從眾性、盲目性、隨機性，因此科學(xué)、正確、因地適宜地選擇農(nóng)產(chǎn)品品種非常重要。近年來，農(nóng)產(chǎn)品品種評價與選擇問題引起越來越多的國內(nèi)外學(xué)者的關(guān)注。魏良民等認(rèn)為，應(yīng)從市場贏利性及生產(chǎn)穩(wěn)定性角度分析不同品種的相關(guān)特性，以選擇出最適宜的品種[1]。李樹君等、廖颯以產(chǎn)量及品種性狀為評價指標(biāo)，建立了基于灰色關(guān)聯(lián)度和TOPSIS的農(nóng)產(chǎn)品品種評價模型，并以甘薯品種為實例進(jìn)行了分析[2-3]。劉敏營等以環(huán)境指數(shù)、回歸系數(shù)、決定系數(shù)為指標(biāo)，對農(nóng)產(chǎn)品品種進(jìn)行穩(wěn)產(chǎn)性評判[4]。郭存芝等提出，應(yīng)用灰色關(guān)聯(lián)分析法對農(nóng)產(chǎn)品品種的產(chǎn)量、早熟性、株高、株型、抗病性、抗凍性、抗倒性等多種性狀進(jìn)行綜合評判，并以小麥品種為實例進(jìn)行了分析[5]。蒙秀鋒等認(rèn)為，農(nóng)戶選擇農(nóng)產(chǎn)品品種受到內(nèi)部因素及外部因素的影響，內(nèi)部因素包括農(nóng)戶受教育程度、收入水平、勞動力狀況等；外部因素包括品種特性、品種價格、國家和地方的相關(guān)政策等[6]。王秀東等分析了良種補貼政策下農(nóng)戶對小麥的選擇行為，認(rèn)為影響農(nóng)戶選擇行為的主要因素有地區(qū)、種子可獲得性、農(nóng)戶風(fēng)險意識、預(yù)期收益等變量[7]。Frizzone等利用線性規(guī)劃選擇農(nóng)產(chǎn)品品種并分配資源[8]。Carvallo等[9]、Amir等[10]、Paul等[11]、Kuo等[12]、Ghahraman等[13]、Li等[14]、Montazar等[15]分別應(yīng)用非線性優(yōu)化技術(shù)研究農(nóng)產(chǎn)品品種的選擇及資源的分配。湯瑞涼等綜合考慮農(nóng)產(chǎn)品的多種性狀，提出了對農(nóng)產(chǎn)品品種進(jìn)行多準(zhǔn)則綜合評價的熵權(quán)系數(shù)法，改變了以往評判中只注重作物的某一或某幾項性狀而忽略其他性狀的做法[16]?，F(xiàn)有的農(nóng)產(chǎn)品品種選擇定性研究存在很大的模糊性，缺乏綜合評價及定量分析，農(nóng)戶及農(nóng)村經(jīng)濟實體較難理解。定量研究方面，研究人員利用線性或非線性優(yōu)化技術(shù)研究農(nóng)產(chǎn)品品種選擇，定性約束條件及目標(biāo)在模型中無法描述，并且大部分以經(jīng)濟效益作為目標(biāo)，較少考慮生態(tài)效益。利用評價技術(shù)研究農(nóng)產(chǎn)品品種選擇存在評價指標(biāo)不全面等問題，較少關(guān)注農(nóng)產(chǎn)品品種種植的自然條件及社會經(jīng)濟環(huán)境指標(biāo)，更多注重農(nóng)產(chǎn)品品種性狀指標(biāo)，綜合評價結(jié)果缺乏說服力。農(nóng)產(chǎn)品只有在適宜的土質(zhì)、適宜的氣候、適宜的灌溉等條件下才能穩(wěn)定生產(chǎn)，只有在良好的社會經(jīng)濟及政策法規(guī)環(huán)境下才能贏得市場。優(yōu)良的品種性狀、適宜的外界條件、良好的社會環(huán)境三者結(jié)合在一起才能充分發(fā)揮品種的增產(chǎn)增效潛力。農(nóng)產(chǎn)品品種評價與選擇應(yīng)在三者基礎(chǔ)上建立指標(biāo)體系，且要結(jié)合指標(biāo)的變化進(jìn)行綜合評價，再依據(jù)評價結(jié)果進(jìn)行農(nóng)產(chǎn)品品種選擇。層次分析法（analytic hierarchy process，AHP）是解決多目標(biāo)決策問題的常用方法，它是通過定性指標(biāo)模糊量化算出權(quán)數(shù)，其權(quán)數(shù)確定主要依賴專家賦值，主觀性很大，再者該方法是靜態(tài)評價法，難以體現(xiàn)系統(tǒng)發(fā)展態(tài)勢。以AHP為基礎(chǔ)，引入熵權(quán)法（entropy），可根據(jù)各層次中各定性指標(biāo)的變異程度，利用信息熵計算各指標(biāo)的熵權(quán)，再通過熵權(quán)對各指標(biāo)的權(quán)重進(jìn)行修正，從而得出較為客觀的指標(biāo)權(quán)重，一定程度上避免了AHP決策分析中指標(biāo)權(quán)重主觀性強的問題?；疑P(guān)聯(lián)理論提出了對各子系統(tǒng)進(jìn)行灰色關(guān)聯(lián)度分析的概念，研究各子系統(tǒng)（或因素）之間數(shù)值的關(guān)系，主要研究系統(tǒng)內(nèi)各因素變化之間的關(guān)聯(lián)性?；疑P(guān)聯(lián)理論有助于動態(tài)地考查各層次指標(biāo)的變化對農(nóng)產(chǎn)品品種評價與選擇的影響，提高評價與選擇質(zhì)量。本研究將層次分析法、熵權(quán)法及灰色關(guān)聯(lián)理論有機結(jié)合起來，優(yōu)勢互補，構(gòu)建基于 AHP-Entropy 及灰色關(guān)聯(lián)理論的農(nóng)產(chǎn)品品種評價與選擇方法，采用層次分析法計算權(quán)重，引入熵權(quán)法修正權(quán)重，并對各指標(biāo)相對評價值構(gòu)成的評價矩陣進(jìn)行灰色關(guān)聯(lián)分析，求出各關(guān)聯(lián)度，并根據(jù)綜合排序進(jìn)行農(nóng)產(chǎn)品品種優(yōu)選，旨在為選擇農(nóng)產(chǎn)品品種提供依據(jù)。

1農(nóng)產(chǎn)品品種評價指標(biāo)體系的建立

農(nóng)產(chǎn)品品種選擇要點包含兩方面：選擇品種性狀與生長條件（土壤、氣候、地貌等）相匹配的農(nóng)產(chǎn)品；選擇政策支持、社會需要、經(jīng)濟效益良好的農(nóng)產(chǎn)品。本研究遵循綜合性、系統(tǒng)性、動態(tài)性、科學(xué)性、可比性、可操作性原則，結(jié)合我國農(nóng)產(chǎn)品種植的特點，同時考慮數(shù)據(jù)的可收集性以及準(zhǔn)確性，將農(nóng)產(chǎn)品品種評價決策指標(biāo)體系分為土壤性狀、地貌形態(tài)、灌溉方式、社會經(jīng)濟、氣候條件、品種性狀等6個主要部分，構(gòu)建相應(yīng)的評價指標(biāo)體系（圖1）。

1.1土壤性狀

土壤是農(nóng)產(chǎn)品生長的物質(zhì)基礎(chǔ)，土壤性狀決定農(nóng)產(chǎn)品的產(chǎn)量及品質(zhì)，掌握某地的土壤性狀可以因地制宜、合理利用土地資源，正確、科學(xué)地選擇農(nóng)產(chǎn)品品種。土壤性狀主要包括土壤的物理性狀及化學(xué)性狀兩方面，土壤物理性狀主要包括土壤結(jié)構(gòu)、土壤水分狀況、土層深度；土壤的化學(xué)性狀主要包括土壤pH值、土壤有機質(zhì)含量、土壤肥力。

1.2地貌形態(tài)

地貌在一定程度上影響或決定著土地利用及其成效，應(yīng)依據(jù)各地的地貌特點選擇農(nóng)產(chǎn)品品種。地貌形態(tài)主要表現(xiàn)包括坡度及坡向兩方面。坡度與灌溉難度、土壤侵蝕關(guān)系甚為密切，影響農(nóng)產(chǎn)品的生長狀況、產(chǎn)量。按照坡向不同可以將土地劃分為陽坡地、陰坡地、半陽坡地、半陰坡地，坡向影響農(nóng)產(chǎn)品生長所需的水分及熱量，由此影響農(nóng)產(chǎn)品的生長。

1.3灌溉方式

當(dāng)土壤中的水分不能滿足農(nóng)產(chǎn)品生長所需時，農(nóng)產(chǎn)品便呈現(xiàn)缺水狀態(tài)，嚴(yán)重時會導(dǎo)致作物凋萎。除自然降雨外，補給水分的方式主要有2種：一是地下水，如果地下水位接近農(nóng)產(chǎn)品根系活動層，地下水通過毛細(xì)管作用為農(nóng)產(chǎn)品補給水分；二是管道灌溉，人為地利用管道為農(nóng)產(chǎn)品補給水分。同一土地不同灌溉方式下，農(nóng)產(chǎn)品品種選擇也不同，如果是管道灌溉，可以選擇農(nóng)產(chǎn)品水分補給量較大、經(jīng)濟性較好的品種；如果是地下水灌溉，可以選擇耐旱的農(nóng)產(chǎn)品品種。

1.4社會經(jīng)濟

農(nóng)產(chǎn)品品種選擇不僅要考慮種植條件，還應(yīng)考慮農(nóng)業(yè)政策支持力度，實現(xiàn)良好的經(jīng)濟效益及市場可達(dá)性，為農(nóng)戶或農(nóng)村經(jīng)濟實體提供動力。社會經(jīng)濟主要包括農(nóng)業(yè)政策、市場需求、經(jīng)濟效益、市場可達(dá)性。

1.5氣候條件

氣候為農(nóng)產(chǎn)品生產(chǎn)提供了豐富的能量及物質(zhì)，是重要的農(nóng)業(yè)自然資源，也是農(nóng)業(yè)生產(chǎn)中不可控的部分。因地制宜地選擇適宜氣候的農(nóng)產(chǎn)品品種對農(nóng)產(chǎn)品生產(chǎn)極為重要。氣候主要包括溫度及降水量兩方面。

1.6品種性狀

外部因素即土壤性狀、地貌形態(tài)、氣候條件，為農(nóng)產(chǎn)品生長提供了良好的環(huán)境。內(nèi)部因素即農(nóng)產(chǎn)品品種性狀也尤為重要。應(yīng)依據(jù)各地的不同情況選用品種，如干旱地區(qū)要選用耐旱品種，降雨較多的地區(qū)要選擇耐澇品種，鹽堿地區(qū)要選用耐鹽品種。農(nóng)產(chǎn)品應(yīng)具備對不利的氣候、土壤條件及病蟲害的抵抗能力，保持良好的穩(wěn)產(chǎn)性；應(yīng)具備對種植水平、栽培技術(shù)要求不高的能力，以適宜普遍推廣；應(yīng)具備一定的品質(zhì)及高產(chǎn)特征，以滿足市場需求，實現(xiàn)經(jīng)濟效益。品種性狀主要表現(xiàn)為抗逆性、適應(yīng)性、技術(shù)性、品質(zhì)、產(chǎn)量。

2農(nóng)產(chǎn)品品種評價指標(biāo)權(quán)重的確定

本研究采用了主觀賦權(quán)法、層次分析法、客觀賦權(quán)法、熵權(quán)法相結(jié)合確定指標(biāo)權(quán)重。層次分析法是1種系統(tǒng)工程方法，可將非定量的事物定量分析，雖識別問題的系統(tǒng)性強，可靠性相對較高，但當(dāng)采用專家咨詢方式時，容易產(chǎn)生循環(huán)而不滿足傳遞性公理，導(dǎo)致標(biāo)度把握不準(zhǔn)并丟失部分信息，引入熵技術(shù)對其進(jìn)行修正是解決上述問題的有效途徑。

2.1基于AHP的權(quán)重確定

層次分析法是由美國運籌學(xué)家薩蒂教授于20世紀(jì)70年代提出的1種系統(tǒng)分析方法，是把復(fù)雜的問題按屬性的邏輯關(guān)系進(jìn)行逐層分解，形成多層次結(jié)構(gòu)來加以分析，用標(biāo)度把人的主觀判斷進(jìn)行客觀量化的多準(zhǔn)則評價決策方法。鑒于層次分析法比較常用，故其權(quán)重確定過程計算公式在此不再贅述。

2.2基于Entropy的權(quán)重修正

對于多目標(biāo)多屬性決策問題，層次分析法是1種簡單易行、典型、應(yīng)用廣泛的方法。該方法最大的缺陷在于數(shù)據(jù)來源是專家對指標(biāo)重要性的主觀賦值，而不是客觀值，使得各指標(biāo)的權(quán)重受主觀影響較大、準(zhǔn)確性不高。鑒于層次分析法的缺陷，本研究引入熵權(quán)法，充分利用各方案的指標(biāo)客觀值來修正層次分析法求出的權(quán)重向量，使得修正后的綜合權(quán)重向量受主觀影響相對較小。具體計算步驟如下。

（1）確定評價矩陣C

設(shè)有p個農(nóng)產(chǎn)品品種，每個農(nóng)產(chǎn)品品種有q個評價指標(biāo)，以每個評價指標(biāo)值構(gòu)造評價矩陣C，C=（cij）p×q。選評價指標(biāo)值時，為避免主觀因素的干擾，盡量直接采用量化指標(biāo)值，對于其他難定量的指標(biāo)，采用專家百分制打分法將定性指標(biāo)量化。

（2）評價矩陣C標(biāo)準(zhǔn)化

如圖1所示，農(nóng)產(chǎn)品品種評價指標(biāo)體系包括定量指標(biāo)、定性指標(biāo)，針對不同的指標(biāo)分別采用適當(dāng)?shù)姆椒ㄟM(jìn)行標(biāo)準(zhǔn)化處理，以解決指標(biāo)數(shù)值的量綱差異問題。評價矩陣C中的指標(biāo)按照指標(biāo)數(shù)值對評價結(jié)果的影響分為2類指標(biāo)：一類為指標(biāo)數(shù)值越大越好的正指標(biāo)，另一類為指標(biāo)數(shù)值越小越好的負(fù)指標(biāo)。對于2類不同指標(biāo)，其標(biāo)準(zhǔn)化計算也存在差異。

記maxcij=ajj=1，2，3，…，q；i=1，2，3，…，p；

maxcij=bjj=1，2，3，…，q；i=1，2，3，…，p。

①正指標(biāo)標(biāo)準(zhǔn)化處理

x′ij=cij-bjaj-bj

i=1，2，3，…，p；j=1，2，3，…，q。（1）

②負(fù)指標(biāo)標(biāo)準(zhǔn)化處理

x′ij=aj-cijaj-bj

i=1，2，3，…，p；j=1，2，3，…，q；（2）

xij=x′ij∑pi=1x′ij

i=1，2，3，…，p；j=1，2，3，…，q。（3）

經(jīng)過公式（1）、（2）、（3）的處理，評價矩陣C標(biāo)準(zhǔn)化為標(biāo)準(zhǔn)矩陣D，D=（xij）p×q。

（3）客觀權(quán)重的計算

①根據(jù)標(biāo)準(zhǔn)矩陣D，計算第j個評價指標(biāo)Cj的熵Ej。

Ej=-K∑pi=1xijlnxij

j=1，2，3，…，q；xij≠0。（4）

公式（4）中常數(shù)K=（lnm）-1。

②求評價指標(biāo)Cj的偏差度dj。

dj=1-Ej

j=1，2，3，…，q。（5）

③計算評價指標(biāo)Cj的熵權(quán)值λj。

λj=dj∑qj=1dj

j=1，2，3，…，q。（6）

2.3修正綜合權(quán)重

利用客觀熵權(quán)值λj對層次分析法得到的評價指標(biāo)Cj綜合權(quán)重ωj進(jìn)行修正，得到評價指標(biāo)Cj的綜合權(quán)重ηj。

ηj=λjωj∑ni=1λωj

j=1，2，3，…，q。（7）

3基于灰色關(guān)聯(lián)理論的農(nóng)產(chǎn)品品種評價與選擇

3.1確定參考數(shù)列

從評價矩陣C的每列對應(yīng)的評價指標(biāo)值cij中找出最優(yōu)值，組成參考數(shù)列c0。

c0=（c01，c02，…，c0j）。

3.2計算關(guān)聯(lián)系數(shù)rij

（1）評價指標(biāo)的無量綱化處理

為了消除指標(biāo)的不同量綱影響，應(yīng)對評價矩陣C的不同類型指標(biāo)進(jìn)行無量綱化處理。 如前文所述，評價指標(biāo)主要分為正指標(biāo)、負(fù)指標(biāo)，依據(jù)指標(biāo)類型分別進(jìn)行無量綱化處理。

①正指標(biāo)的無量綱化處理

c′ij=cij/c0j

i=1，2，3，…，p；j=1，2，3，…，q。（8）

②負(fù)指標(biāo)的無量綱化處理。

c′ij=c0j/cij

i=1，2，3，…，p；j=1，2，3，…，q。（9）

評價矩陣C進(jìn)行無量綱化處理得到矩陣C*，C*=（c′ij）p×q。

（2）關(guān)聯(lián)系數(shù)的計算

根據(jù)灰色關(guān)聯(lián)決策的理論，計算矩陣C*中指標(biāo)的關(guān)聯(lián)系數(shù)rij。

rij=miniminj|c0j-c′ij|+ζmaximaxj|c0j-c′ij||c0j-c′ij|+ζmaximaxj|c0j-c′ij|

i=1，2，3，…，p；j=1，2，3，…，q。（10）

式中：ζ為分辨系數(shù)，通常ζ取值為0.5。由以上計算公式可得由灰色關(guān)聯(lián)系數(shù)組成的決策矩陣R，R=（rij）p×q。

3.3關(guān)聯(lián)度的計算與選擇

計算各農(nóng)產(chǎn)品品種i的評價指標(biāo)相對參考數(shù)列的關(guān)聯(lián)度Li。

Li=∑rijηj

i=1，2，3，…，p；j=1，2，3，…，q。（11）

將關(guān)聯(lián)度計算結(jié)果Li進(jìn)行排序，便可評價各農(nóng)產(chǎn)品品種的優(yōu)劣。

4實例分析

農(nóng)產(chǎn)品品種選擇分成2個階段：第一階段，選擇同熟期不同農(nóng)產(chǎn)品品種，如玉米、大豆；第二階段，選擇同熟期同一農(nóng)產(chǎn)品品種多個類別，如Q優(yōu)6號、渝香203等。本研究受篇幅所限，以水稻為例只考慮第二階段。水稻是四川省重要的糧食作物，選擇適合當(dāng)?shù)胤N植的農(nóng)產(chǎn)品品種對有關(guān)部門正確引導(dǎo)農(nóng)戶或農(nóng)村經(jīng)濟實體增產(chǎn)增效至關(guān)重要。本研究對四川省自貢市農(nóng)業(yè)科學(xué)研究所進(jìn)行調(diào)研，利用AHP-Entropy 及灰色關(guān)聯(lián)理論，詮釋農(nóng)產(chǎn)品品種選擇過程。四川省自貢市貢井區(qū)地處四川盆地紫色土丘陵區(qū)，土壤分為水稻土、沖積土、紫色土、黃壤等四大類，屬亞熱帶濕潤季風(fēng)氣候，年平均氣溫17.8 ℃，年積溫6 539.9 ℃，年平均日照1 238 h，年無霜期長達(dá)323 d，雨量充沛，年平均降水量1 048.7 mm，相對濕度80%左右，年蒸發(fā)量972 mm。本研究具體計算過程如下。

（1）基于AHP的主觀權(quán)重確定

基于評價指標(biāo)體系，專家對各層次指標(biāo)相對重要程度進(jìn)行評定，構(gòu)造判斷矩陣如下：

A=B1B2B3B4B5B6

B11441/311/3

B21/411/21/71/41/6

B31/4211/51/31/5

B4375132

B51431/311/2

B63651/221；

B1=B11B12

B1112

B121/21，B11=C1C2C3

C111/33

C2315

C51/31/51，

B12=C4C5C6

C4131/4

C51/311/6

C6461，B2=C7C8

C711/4

C841，

B3=C9C10

C911/3

C1031，B5=C15C16

C1511/2

C1621，

B4=C11C12C13C14

C1111/21/31/2

C12211/22

C133212

C1421/21/21。

通過計算，CRj均小于0.1，各個判斷矩陣具有滿意的一致性，（B1，B2，B3，B4，B5，B6）=（0.137 5，0.037 6，0.054 2，0365 9，0.140 3，0.264 5），評價指標(biāo)Cj的綜合權(quán)重ωj，如表

B6=C17C18C19C20C21

C171441/31

C181/411/21/71/4

C191/4211/51/3

C2037513

C211431/31。1所示。

（2）基于Entropy的權(quán)重修正

本研究選取了6個水稻品種，分別為Q優(yōu)8號（S1）、渝香203（S2）、內(nèi)優(yōu)39（S3）、天優(yōu)華占（S4）、 內(nèi)5優(yōu)317（S5）、渝優(yōu)7109（S6）。由專家根據(jù)貢井區(qū)的地理位置、氣候條件、農(nóng)業(yè)設(shè)施、市場環(huán)境、候選水稻品種性狀的適宜程度對無法量化的指標(biāo)進(jìn)行百分制評分，經(jīng)濟效益C13（包括成本，單位：元/667 m2）、品種品質(zhì)C17（單位：等級）、抗性等級C20（單位：等級）、產(chǎn)量C21（單位：kg/667 m2）指標(biāo)則是試驗田試種的試驗數(shù)據(jù)，具體數(shù)據(jù)如表1所示。表1中的數(shù)據(jù)可以轉(zhuǎn)化為以水稻品種為行、以各個指標(biāo)為列的矩陣B。因矩陣B包含定量指標(biāo)及定性指標(biāo)，要利用公式（1）、（2）、（3）對其分別進(jìn)行標(biāo)準(zhǔn)化處理，將矩陣B轉(zhuǎn)化為標(biāo)準(zhǔn)矩陣D，對于抗逆性及品質(zhì)指標(biāo)進(jìn)行負(fù)指標(biāo)標(biāo)準(zhǔn)化處理，對其他指標(biāo)進(jìn)行正指標(biāo)標(biāo)準(zhǔn)化處理。經(jīng)過公式（4）、（5）、（6），得到相關(guān)系數(shù)Ej、dj、λj，利用客觀熵權(quán)值λj對層次分析法得到的評價指標(biāo)Cj綜合權(quán)重ωj進(jìn)行修正，得到評價指標(biāo)Cj的綜合權(quán)重ηj。

（3）基于灰色關(guān)聯(lián)理論的農(nóng)產(chǎn)品品種評價與選擇

如表1所示，由水稻品種及農(nóng)產(chǎn)品評價指標(biāo)組成的矩陣B包含定量指標(biāo)及定性指標(biāo)。為消除指標(biāo)的不同量綱影響，要對矩陣B按照指標(biāo)類型（正指標(biāo)或負(fù)指標(biāo)）分別利用公式表1農(nóng)產(chǎn)品品種評價指標(biāo)數(shù)據(jù)樣本及相關(guān)系數(shù)

指標(biāo)S1S2S3S4S5S6EjdjλjωjηjC18792899190940.851 50.148 50.032 50.023 70.017 3C28693889289960.821 70.178 30.039 00.058 40.051 2C39289918886920.856 80.143 20.031 30.009 60.006 8C48487868589830.815 70.184 30.040 30.010 00.009 1C58685838789840.815 70.184 30.040 30.004 20.003 8C68588859085860.522 90.477 10.104 30.031 70.074 3C78786868787860.613 10.386 90.084 60.007 50.0142C88685878488860.846 70.153 30.033 50.030 10.022 7C98483868587840.819 40.180 60.039 50.013 60.012 1C108889878886900.846 70.153 30.033 50.040 70.030 6C118790888890920.803 10.196 90.043 10.044 40.042 9C128988909290860.864 20.135 80.029 70.098 20.065 5C131 549.741 678.751 649.671 647.651 593.861 617.150.865 50.134 50.029 40.153 80.101 6C148786868787860.613 10.386 90.084 60.069 50.132 0C158689848785880.831 40.168 60.036 90.093 50.077 4C168887898486850.831 40.168 60.036 90.046 80.038 7C173.05.04.03.42.76.10.864 50.135 50.029 60.039 50.026 3C189289908488910.882 50.117 50.025 70.024 00.013 9C198687878686870.613 10.386 90.084 60.031 70.060 2C203222330.613 10.386 90.084 60.056 50.107 3C21565.6582.9572.8572.1581.7590.20.833 80.166 20.036 30.112 90.092 2

（8）、（9）進(jìn)行無量綱化處理。在評價指標(biāo)中，抗逆性、品質(zhì)是負(fù)指標(biāo)，其他皆為正指標(biāo)，處理結(jié)果表2所示。再利用公式（10）對表2的數(shù)據(jù)進(jìn)行指標(biāo)關(guān)聯(lián)系數(shù)計算，結(jié)果如表3所示。利用公式（11）計算各水稻品種i的評價指標(biāo)相對參考數(shù)列的關(guān)聯(lián)度Li，結(jié)果如表4所示。各水稻品種的灰色關(guān)聯(lián)度排序為：L4>L2>L3>L5>L6>L1，水稻天優(yōu)華占的關(guān)聯(lián)度最大，是最適宜種植的品種。不同水稻品種對于地理、環(huán)境、氣

表2農(nóng)產(chǎn)品品種評價指標(biāo)進(jìn)行無量綱化處理結(jié)果

指標(biāo)S1S2S3S4S5S6C10.925 5 0.978 7 0.946 8 0.968 1 0.957 4 1.000 0 C20.895 8 0.968 8 0.916 7 0.958 3 0.927 1 1.000 0 C31.000 0 0.967 4 0.989 1 0.956 5 0.934 8 1.000 0 C40.943 8 0.977 5 0.966 3 0.955 1 1.000 0 0.932 6 C50.966 3 0.955 1 0.932 6 0.977 5 1.000 0 0.943 8 C60.944 4 0.977 8 0.944 4 1.000 0 0.944 4 0.955 6 C71.000 0 0.988 5 0.988 5 1.000 0 1.000 0 0.988 5 C80.977 3 0.965 9 0.988 6 0.954 5 1.000 0 0.977 3 C90.965 5 0.954 0 0.988 5 0.977 0 1.000 0 0.965 5 C100.977 8 0.988 9 0.966 7 0.977 8 0.955 6 1.000 0 C110.945 7 0.978 3 0.956 5 0.956 5 0.978 3 1.000 0 C120.967 4 0.956 5 0.978 3 1.000 0 0.978 3 0.934 8 C130.923 2 1.000 0 0.982 7 0.981 5 0.949 4 0.963 3 C141.000 0 0.988 5 0.988 5 1.000 0 1.000 0 0.988 5 C150.966 3 1.000 0 0.943 8 0.977 5 0.955 1 0.988 8 C160.988 8 0.977 5 1.000 0 0.943 8 0.966 3 0.955 1 C170.900 0 0.540 0 0.675 0 0.794 1 1.000 0 0.442 6 C181.000 0 0.967 4 0.978 3 0.913 0 0.956 5 0.989 1 C190.988 5 1.000 0 1.000 0 0.988 5 0.988 5 1.000 0 C200.666 7 1.000 0 1.000 0 1.000 0 0.666 7 0.666 7 C210.958 3 0.987 6 0.970 5 0.969 3 0.985 6 1.000 0

表3農(nóng)產(chǎn)品品種評價指標(biāo)關(guān)聯(lián)系數(shù)

指標(biāo)S1S2S3S4S5S6C10.016 00.016 90.016 40.016 70.016 60.017 3C20.045 80.049 60.046 90.0490.047 40.051 2C30.006 80.006 50.006 70.006 50.006 30.006 8C40.008 50.008 90.008 70.008 60.009 10.008 4C50.003 70.003 60.003 50.003 70.003 80.003 6C60.070 20.072 60.070 20.074 30.070 20.071 0C70.014 20.014 10.014 10.014 20.014 20.014 1C80.022 10.021 90.022 40.021 60.022 70.022 1C90.011 60.011 50.011 90.011 80.012 10.011 6C100.030 00.030 30.029 60.030 00.029 30.030 6C110.040 60.042 00.041 10.041 10.042 00.042 9C120.063 30.062 60.064 10.065 50.064 10.061 2C130.093 80.101 60.099 80.099 70.096 40.097 8C140.132 00.130 50.130 50.132 00.132 00.130 5C150.074 80.077 40.073 10.075 70.073 90.076 5C160.038 30.037 90.038 70.036 60.037 40.037 0C170.023 70.014 20.017 70.020 90.026 30.011 6C180.013 90.013 40.013 60.012 60.013 20.013 7C190.059 50.060 20.060 20.059 50.059 50.060 2C200.071 60.107 30.107 30.107 30.071 60.071 6C210.088 30.091 00.089 50.089 30.090 80.092 2

表4農(nóng)產(chǎn)品品種的關(guān)聯(lián)度

項目S1S2S3S4S5S6Li0.928 70.974 10.966 00.976 70.938 90.932 1

候的要求基本相似，故土壤性狀、地貌形態(tài)、氣候條件等對品種選擇的影響較小，其修正權(quán)重總計為0.358 1，社會經(jīng)濟、品種性狀對品種選擇的影響較大，其修正權(quán)重總計為0.641 9，因此，本研究以社會經(jīng)濟、品種性狀2類指標(biāo)考量各水稻品種相對于天優(yōu)華占的優(yōu)劣。渝香203的關(guān)聯(lián)度比較接近天優(yōu)華占的關(guān)聯(lián)度，在適應(yīng)性及品質(zhì)方面均與天優(yōu)華占相當(dāng)，主要差異是渝香203的產(chǎn)量優(yōu)于天優(yōu)華占，但其抗逆性比較高，易感病蟲，影響產(chǎn)量的穩(wěn)定。內(nèi)優(yōu)39在適應(yīng)性、品質(zhì)、產(chǎn)量等方面均與天優(yōu)華占相當(dāng)，但其抗逆性等級比較高，較易感病蟲，影響產(chǎn)量的穩(wěn)定。內(nèi)5優(yōu)317的適應(yīng)性及抗逆性與天優(yōu)華占基本相當(dāng)，產(chǎn)量優(yōu)于天優(yōu)華占，但其品質(zhì)低于天優(yōu)華占，直接影響市場銷售，進(jìn)而影響經(jīng)濟效益。渝優(yōu)7109的適應(yīng)性與天優(yōu)華占基本相當(dāng)，產(chǎn)量優(yōu)于天優(yōu)華占，但其品質(zhì)、抗逆性均明顯低于天優(yōu)華占，影響其產(chǎn)量穩(wěn)定性及經(jīng)濟效益。Q優(yōu)8號適應(yīng)性與抗逆性與天優(yōu)華占基本相當(dāng)，但其品質(zhì)、產(chǎn)量均低于天優(yōu)華占，直接影響市場銷售，進(jìn)而影響經(jīng)濟效益。由此可知，較其他品種，天優(yōu)華占具有抗逆性較強、適應(yīng)性強、品質(zhì)優(yōu)、產(chǎn)量較高等優(yōu)點，因此，天優(yōu)華占是貢井區(qū)首選水稻品種。

5結(jié)論

本研究運用層次分析法、熵值法組合賦權(quán)的方法，確定了評價指標(biāo)的權(quán)重向量，同時運用灰色關(guān)聯(lián)理論，計算灰色關(guān)聯(lián)度，建立了基于AHP-Entropy 和灰色關(guān)聯(lián)理論的農(nóng)產(chǎn)品品種評價與選擇的決策模型。該模型實現(xiàn)了主觀與客觀的統(tǒng)一，將定性的農(nóng)產(chǎn)品品種評價與選擇過程轉(zhuǎn)化為定量過程，盡可能避免了評價與選擇過程中的人為因素，從而為決策者客觀、公正地評價與選擇農(nóng)產(chǎn)品品種提供參考。由于不同農(nóng)產(chǎn)品品種性狀各不相同，本研究在對農(nóng)產(chǎn)品的性狀進(jìn)行描述時不能做到以偏概全。因此，具體研究某農(nóng)產(chǎn)品品種時，可將品質(zhì)、抗逆性性狀分解并通過其他指標(biāo)詳細(xì)描述，以完善農(nóng)產(chǎn)品品種評價與選擇體系。

參考文獻(xiàn)：

[1]魏良民，劉文杰. 在生產(chǎn)上如何選擇適宜的農(nóng)作物品種[J]. 農(nóng)業(yè)與技術(shù)，2009，29（1）：14-15.

[2]李樹君，周祖亮，殷春武. 基于灰色關(guān)聯(lián)度的農(nóng)作物品種評價[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（3）：1263-1264.

[3]廖颯. TOPSIS在農(nóng)作物品種評價中的應(yīng)用研究[J]. 安徽農(nóng)業(yè)科學(xué)，2008，36（26）：11166-11167.

[4]劉敏營，李新輝，卜巨倉，等. 數(shù)理統(tǒng)計在作物品種評價中的應(yīng)用與作用[J]. 陜西農(nóng)業(yè)科學(xué)，2006（4）：25-26.

[5]郭存芝，鄭垂勇，陳傳美. 灰關(guān)聯(lián)分析法在農(nóng)作物品種綜合評判中的應(yīng)用[J]. 河海大學(xué)學(xué)報，1999，27（2）：96-99.

[6]蒙秀鋒，饒靜，葉敬忠. 農(nóng)戶選擇農(nóng)作物新品種的決策因素研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，2005（1）：20-26.

[7]王秀東，王永春. 基于良種補貼政策的農(nóng)戶小麥新品種選擇行為分析——以山東、河北、河南三省八縣調(diào)查為例[J]. 中國農(nóng)村經(jīng)濟，2008（7）：24-31.

[8]Frizzone J A，Coelho R D，Dourado-Neto D，et al. Linear programming model to optimize the water resource use in irrigation projects：an application to the Senator Nilo Coelho Project[J]. Scientia Agricola，1997，54：136-148.

[9]Carvallo H O，Holzapfel E A ，Lopez M A，et al. Irrigated cropping optimization[J]. Journal of Irrigation and Drainage Engineering，1998，124（2）：67-72.

[10]Amir I，F(xiàn)isher F M. Analyzing agricultural demand for water with an optimizing model[J]. Agricultural Systems，1999，61：45-56.

[11]Paul S，Panda S N，Kumar D N. Optimal irrigation allocation：a multilevel approach[J]. Journal of Irrigation and Drainage Engineering，2000，126（3）：149-156.

[12]Kuo S F，Merkley G P，Liu C W. Decision support for irrigation project planning using a genetic algorithm[J]. Agricultural Water Management，2000，45（3）：243-266.

[13]Ghahraman B，Sepaskhah A R. Linear and non-linear optimization models for allocation of a limited water supply[J]. Irrigation and Drainage，2004，53（1）：39-54.

[14]Li Q S，Willardson L S，Deng W，et al. Crop water deficit estimation and irrigation scheduling in western Jilin province，Northeast China[J]. Agricultural Water Management，2005，71（1）：47-60.

[15]Montazar A，Rahimikhob A. Optimal water productivity of irrigation networks in arid and semi-arid regions[J]. Irrigation and Drainage，2008，57（4）：411-423.

[16]湯瑞涼，王. 農(nóng)作物品種綜合評判的熵權(quán)系數(shù)法研究[J]. 資源開發(fā)與市場，2002，

[9]Carvallo H O，Holzapfel E A ，Lopez M A，et al. Irrigated cropping optimization[J]. Journal of Irrigation and Drainage Engineering，1998，124（2）：67-72.

[10]Amir I，F(xiàn)isher F M. Analyzing agricultural demand for water with an optimizing model[J]. Agricultural Systems，1999，61：45-56.

[11]Paul S，Panda S N，Kumar D N. Optimal irrigation allocation：a multilevel approach[J]. Journal of Irrigation and Drainage Engineering，2000，126（3）：149-156.

[12]Kuo S F，Merkley G P，Liu C W. Decision support for irrigation project planning using a genetic algorithm[J]. Agricultural Water Management，2000，45（3）：243-266.

[13]Ghahraman B，Sepaskhah A R. Linear and non-linear optimization models for allocation of a limited water supply[J]. Irrigation and Drainage，2004，53（1）：39-54.

[14]Li Q S，Willardson L S，Deng W，et al. Crop water deficit estimation and irrigation scheduling in western Jilin province，Northeast China[J]. Agricultural Water Management，2005，71（1）：47-60.

[15]Montazar A，Rahimikhob A. Optimal water productivity of irrigation networks in arid and semi-arid regions[J]. Irrigation and Drainage，2008，57（4）：411-423.

[16]湯瑞涼，王. 農(nóng)作物品種綜合評判的熵權(quán)系數(shù)法研究[J]. 資源開發(fā)與市場，2002，

[9]Carvallo H O，Holzapfel E A ，Lopez M A，et al. Irrigated cropping optimization[J]. Journal of Irrigation and Drainage Engineering，1998，124（2）：67-72.

[10]Amir I，F(xiàn)isher F M. Analyzing agricultural demand for water with an optimizing model[J]. Agricultural Systems，1999，61：45-56.

[11]Paul S，Panda S N，Kumar D N. Optimal irrigation allocation：a multilevel approach[J]. Journal of Irrigation and Drainage Engineering，2000，126（3）：149-156.

[12]Kuo S F，Merkley G P，Liu C W. Decision support for irrigation project planning using a genetic algorithm[J]. Agricultural Water Management，2000，45（3）：243-266.

[13]Ghahraman B，Sepaskhah A R. Linear and non-linear optimization models for allocation of a limited water supply[J]. Irrigation and Drainage，2004，53（1）：39-54.

[14]Li Q S，Willardson L S，Deng W，et al. Crop water deficit estimation and irrigation scheduling in western Jilin province，Northeast China[J]. Agricultural Water Management，2005，71（1）：47-60.

[15]Montazar A，Rahimikhob A. Optimal water productivity of irrigation networks in arid and semi-arid regions[J]. Irrigation and Drainage，2008，57（4）：411-423.

[16]湯瑞涼，王. 農(nóng)作物品種綜合評判的熵權(quán)系數(shù)法研究[J]. 資源開發(fā)與市場，2002，