張鞏亮，李 逸，魏媛媛，趙海成，陳可馨，黃紀(jì)情，劉夢紅，李紅宇,2

（1.黑龍江八一農(nóng)墾大學(xué)農(nóng)學(xué)院，黑龍江 大慶 163319；2.黑龍江省現(xiàn)代農(nóng)業(yè)栽培技術(shù)與作物種質(zhì)改良重點實驗室，黑龍江 大慶 163319）

0 引言

【研究意義】我國是水資源相對匱乏的國家，而且分布十分不均。干旱會導(dǎo)致水稻產(chǎn)量及品質(zhì)下降，甚至絕收[1-4]。篩選和培育抗旱的水稻品種是解決上述問題的最有效途徑?！厩叭搜芯窟M(jìn)展】水稻抗旱性是其對干旱環(huán)境的一種適應(yīng)性變化，包括形態(tài)抗性、生理生化抗性以及生長發(fā)育進(jìn)程的改變等，是由多種因素相互作用構(gòu)成的復(fù)雜的綜合系統(tǒng)，而其中的每種因素都和抗旱性有一定的相關(guān)性，只是相關(guān)性大小存在差異[5-6]。在抗旱性鑒定時，僅通過單一的抗性指標(biāo)對其鑒定是不全面的，應(yīng)該運用多種指標(biāo)綜合衡量。水稻從種子發(fā)芽到成熟都可以進(jìn)行抗旱性的評價，所涉及的指標(biāo)也很多[7-8]。敬禮恒等[9]認(rèn)為，相對發(fā)芽率、相對芽長等指標(biāo)可作為水稻種子萌發(fā)期抗旱性評價指標(biāo)；鐘娟等[10]認(rèn)為，在進(jìn)行水稻的抗旱性評價時可以選取干物質(zhì)脅迫指數(shù)、株高脅迫指數(shù)、脅迫敏感指數(shù)作為研究指標(biāo)；張軍等[11]對7 份喀麥隆水稻種質(zhì)資源的發(fā)芽勢、發(fā)芽率、芽鞘長、芽長、根數(shù)目和根鮮重進(jìn)行測定，將發(fā)芽勢、發(fā)芽率、胚芽鞘長和根數(shù)等4 項指標(biāo)作為鑒定水稻苗期抗旱性的指標(biāo)，并采用加權(quán)隸屬函數(shù)法進(jìn)行萌發(fā)期抗旱性綜合評價；王賀正等[12]研究了水、旱條件下水稻苗期和開花期的形態(tài)及生理指標(biāo)，認(rèn)為葉齡、心葉下倒數(shù)第1 葉葉面積、葉鮮重、根長等4 項指標(biāo)可作為苗期抗旱性的形態(tài)指標(biāo)；劉云開等[13]考查了18 個水稻品種分蘗盛期、孕穗期在不同水分環(huán)境下的葉綠素含量（SPAD值）、產(chǎn)量性狀等，發(fā)現(xiàn)孕穗期SPAD值在2 種水分處理下差異小的品種，其旱管處理下的結(jié)實率、千粒重、實際產(chǎn)量均較高，認(rèn)為孕穗期是水稻對水分敏感的臨界期；劉三雄等[14]選用形態(tài)、生理、產(chǎn)量等方面的多個指標(biāo)，構(gòu)建水稻抗旱綜合評價體系，并運用隸屬函數(shù)綜合分析，提高了評價的準(zhǔn)確性。由于綜合指標(biāo)法全面考慮了各指標(biāo)的貢獻(xiàn)率大小，同時去除了重復(fù)的信息，具有科學(xué)、準(zhǔn)確、全面的特點。因此，此方法已廣泛應(yīng)用于作物復(fù)雜性狀的抗性鑒定及評價[15-16]?！颈狙芯壳腥朦c】目前，對水稻抗旱指標(biāo)適宜性評價研究多集中在對抗旱力指標(biāo)進(jìn)行回歸分析的單一評價，缺少準(zhǔn)確性與穩(wěn)定性?，F(xiàn)有的少數(shù)關(guān)聯(lián)方法多利用線性模型定性或定量關(guān)聯(lián)水稻生育性狀與抗旱能力，存在抗旱適宜性評價不合理、抗旱特征指標(biāo)篩選不全面、模型關(guān)聯(lián)性差等問題，預(yù)測準(zhǔn)確率較低?！緮M解決的關(guān)鍵問題】通過構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型，實現(xiàn)水稻抗旱指標(biāo)適宜性的定量預(yù)測，篩選水稻抗旱適宜性評價的特征指標(biāo)，為作物種質(zhì)資源綜合評價提供方法和支持。

1 材料與方法

1.1 試驗材料和設(shè)計

試驗于2018 年在黑龍江八一農(nóng)墾大學(xué)校園內(nèi)大棚試驗基地內(nèi)進(jìn)行。盆栽試驗，采用二因素完全隨機(jī)試驗設(shè)計，水分因素2 個水平：常規(guī)灌溉（CK）和干旱脅迫；種質(zhì)資源因素30 個水平（表1），為前期初步篩選出的30 份抗旱材料。常規(guī)灌溉（CK）的水分管理為花打水插秧、深水扶苗、淺水增溫促蘗、分蘗期深水護(hù)苗、結(jié)實期干濕交替灌溉。干旱脅迫：于返青期后開始干旱脅迫，返青期以80%以上秧苗早晚葉尖吐水為標(biāo)志。干旱脅迫的方法是返青期排干水，采用負(fù)壓式土壤濕度計測定土壤水勢（將濕度計的陶頭插入土表以下10 cm 位置），保持全生育期土壤水勢在-30～-35 kPa。常規(guī)灌溉（CK）和干旱脅迫每份材料各種植14 盆，插秧規(guī)格為每盆4 穴、每穴4 苗。其他管理方法同常規(guī)。

表1 參試材料名稱及來源Table 1 Names and origins of specimens

1.2 測定項目與方法

水稻返青后，定點15 穴植株，調(diào)查拔節(jié)期株高、最高分蘗數(shù)。齊穗期每處理取樣6 穴，每穴分葉、莖鞘、穗3 個部分，測量葉片長寬，每部分單獨包裝，105 ℃殺青30 min，80 ℃烘干至恒重，計算齊穗期葉面積、齊穗期葉重、齊穗期干物重。

成熟期每處理選擇長勢均勻的植株10 穴，于陰涼通風(fēng)處風(fēng)干，之后分為穗和莖葉2 部分，分別稱重。穗用于穗數(shù)、穗粒數(shù)、結(jié)實率和千粒重考察。計算產(chǎn)量、生物量、經(jīng)濟(jì)系數(shù)和單穗重等。

1.3 數(shù)據(jù)處理及統(tǒng)計分析

1.3.1 抗旱系數(shù)（DTC） 采用水稻抗旱系數(shù)（drought tolerant coefficients，DTC），即各抗旱指標(biāo)的相對值進(jìn)行抗旱性綜合分析，以消除參試材料間的基礎(chǔ)性狀差異。

1.3.2 綜合指標(biāo)值 綜合指標(biāo)值計算公式:

式中：αi是某一指標(biāo)特征值所對應(yīng)的特征向量；xi是指標(biāo)相對值。

1.3.3 隸屬函數(shù)分析 參試材料各主成分的隸屬函數(shù)值按公式（3）計算。

式中： μ (Zi)是各參試材料第i個主成分的隸屬函數(shù)值；Zi是各參試材料第i個綜合指標(biāo)值；Zimin和Zimax分別是各參試材料第i個綜合指標(biāo)的最小值和最大值。

1.3.4 各綜合指標(biāo)的權(quán)重 根據(jù)各主成分貢獻(xiàn)率按公式（4）計算各主成分的權(quán)重。

式中：Wi是各參試材料第i個綜合指標(biāo)的權(quán)重；Pi是各參試材料第i個綜合指標(biāo)的貢獻(xiàn)率。

1.3.5 參試材料的綜合抗旱值（D） 參試材料綜合抗旱D 值按公式（5）計算。

式中：D 值為干旱脅迫下各參試材料應(yīng)用主成分評價的抗旱性綜合評分值。

1.3.6 BP 神經(jīng)網(wǎng)絡(luò)建模思路 為構(gòu)建水稻抗旱性狀與抗旱性綜合品質(zhì)關(guān)聯(lián)模型，本研究選用25 個水稻參試材料樣本采用BP 神經(jīng)網(wǎng)絡(luò)算法構(gòu)建學(xué)習(xí)模型，其中輸入層為抗旱力特征指標(biāo)值，輸出層為抗旱綜合評價值，剩余5 個樣本為驗證樣本，評價學(xué)習(xí)模型的預(yù)測準(zhǔn)確性。為優(yōu)化建模樣本，同時驗證建模方法的穩(wěn)定性，變換3 組學(xué)習(xí)樣本（25 個樣本）構(gòu)建3 個學(xué)習(xí)模型，對比3 個模型的預(yù)測準(zhǔn)確性。若預(yù)測準(zhǔn)確率均在合理范圍內(nèi)，則說明該建模方法合理、穩(wěn)定。

1.3.7 統(tǒng)計分析軟件 利用Excel 2010 進(jìn)行數(shù)據(jù)整理、描述性分析、權(quán)重和抗旱綜合評價D 值的計算。利用DPS7.05 軟件進(jìn)行主成分分析、聚類分析以及BP 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建并計算指標(biāo)預(yù)測值。

2 結(jié)果與分析

2.1 參試材料抗旱系數(shù)和相關(guān)分析

表2 結(jié)果表明，干旱脅迫條件下30 個參試材料的13 個性狀的抗旱系數(shù)平均值為0.735，數(shù)值分布在0.475～0.894，穗數(shù)、穗粒數(shù)、千粒重、拔節(jié)期株高、最高分蘗數(shù)等5 個性狀的抗旱系數(shù)大于0.8，產(chǎn)量性狀的抗旱系數(shù)小于0.5。

從變異系數(shù)方面看，變異系數(shù)最大為產(chǎn)量（24.83%），穗重（17.10%）次之，齊穗期葉重（14.06%）再次之；變異系數(shù)最小為拔節(jié)期株高（4.56%），千粒重（5.54%）次之，生物量（9.74%）再次之。

對干旱脅迫下13 個性狀間的相關(guān)分析結(jié)果（表3）表明，性狀間存在不同程度的相關(guān)性，性狀間的相關(guān)性易導(dǎo)致信息重疊。因此，對這些性狀直接利用會影響抗旱性評價的真實性。為消除這些重疊信息的不利影響，使用主成分分析法對水稻抗旱性進(jìn)行綜合評價。

2.2 參試材料抗旱性的主成分分析

主成分累計貢獻(xiàn)率大于80%即可認(rèn)為信息具有代表性。表4 結(jié)果表明，前5 個主成分的貢獻(xiàn)率分別為32.404%、20.972%、15.024%、8.553%和6.808%，其累計貢獻(xiàn)率達(dá)到83.761%，即前5 個相互獨立的主成分代表了13 個性狀83.761%的變異信息。

第一主成分的貢獻(xiàn)率為32.404%，該主成分以與結(jié)實率密切相關(guān)的穗重（0.346）、結(jié)實率（0.432）、產(chǎn)量（0.400）、經(jīng)濟(jì)系數(shù)（0.393）的正載荷較大，齊穗期干物重（-0.307）和齊穗期葉面積（-0.342）的負(fù)載荷較大，稱為結(jié)實率因子；第二主成分的貢獻(xiàn)率為20.972%，其中穗粒數(shù)（0.442）、拔節(jié)期株高（0.393）的正載荷較大，穗數(shù)（-0.466）具有較大的負(fù)載荷，稱為穗數(shù)因子；第三主成分的貢獻(xiàn)率為15.024%，以生物產(chǎn)量（0.495）、最高分蘗數(shù)（0.460）、齊穗期葉重（0.338）載荷較大，稱為生物量因子；第四主成分的貢獻(xiàn)率為8.553%，以千粒重（0.700）、齊穗期干物重（0.334）的載荷較大，稱為千粒重因子；第五主成分的貢獻(xiàn)率為6.808%，以拔節(jié)期株高（0.664）具有較大的正載荷，經(jīng)濟(jì)系數(shù)（-0.461）具有較大的負(fù)載荷，稱為株高因子。

表2 參試材料抗旱系數(shù)的描述性分析Table 2 Descriptive analysis on drought resistant coefficients of specimens

2.3 抗旱性綜合評價

依據(jù)公式（2）計算各參試材料的綜合指標(biāo)值，進(jìn)一步利用公式（3）計算各參試材料干旱脅迫下各主成分隸屬函數(shù)值。依據(jù)主成分貢獻(xiàn)率的大小，利用公式（4）計算出前五個主成分的權(quán)重分為0.387、0.250、0.179、0.102、0.081。利用公式（5）對各綜合指標(biāo)隸屬函數(shù)值和相應(yīng)權(quán)重進(jìn)行線性加權(quán)，計算得到抗旱綜合評價值D。表5 結(jié)果表明，30 個參試材料平均D 值為0.517 3，分布區(qū)間在0.186 7～0.767 7。品種H23（農(nóng)豐3161）的D 值為0.660 3，排位第3 名。H06（農(nóng)豐3055）和H08（DPB120）的D 值大于H23，分別為0.767 7 和0.684 6，可作為抗旱種質(zhì)資源使用?？购的芰ψ畈畹氖荋07（稻堅強，D 值為0.186 7），其次是H10（DPB15，D 值為0.210 6）。

2.4 參試材料抗旱性的聚類分析

以D 值為依據(jù)，采用歐氏距離的離差平方和法對30 份參試材料進(jìn)行聚類分析，在歐式距離0.71 處分為4 類：強抗旱型、抗旱型、中間抗旱型和干旱敏感型（圖1）。第Ⅰ類由1 個材料（H06）組成的強抗旱型類群，占總材料數(shù)的3%；第Ⅱ類由H04、H05、H30、H08、H23、H16、H17、H18、H19、H21、H25、H26 等12 個材料組成的抗旱型類群，占總材料數(shù)的40%；第Ⅲ類由H07、H10、H11、H29、H15、H22 等6 個材料組成的中間抗旱型類群，占總材料數(shù)的20%；第Ⅳ類由H01、H24、H02、H12、H13、H09、H14、H03、H20、H27、H28 等11 個剩余材料組成的干旱敏感型類群，占總材料數(shù)的37%。

2.5 水稻抗旱鑒定指標(biāo)的篩選

以y值為因變量，各鑒定指標(biāo)的抗旱系數(shù)為自變量，建立抗旱性評價的逐步回歸方程。除x5、x10和x11外，其余鑒定指標(biāo)全部進(jìn)入回歸方程?；貧w方程為：

圖1 30 個參試材料抗旱能力的系統(tǒng)聚類分析Fig.1 System clustering on draught resistance of 30 specimens

式 中：x1、x2、x3、x4、x6、x7、x8、x9、x12和x13分別表示穗重、穗數(shù)、穗粒數(shù)、結(jié)實率、產(chǎn)量、生物產(chǎn)量、經(jīng)濟(jì)系數(shù)、拔節(jié)期株高、齊穗期葉重和齊穗期葉面積的抗旱系數(shù)。

回歸方程的F值為25 977.42**（P＜0.01）。

表3 相關(guān)分析結(jié)果表明，D 值與穗重、穗粒數(shù)、結(jié)實率、產(chǎn)量、生物產(chǎn)量、經(jīng)濟(jì)系數(shù)等 6 個鑒定指標(biāo)的抗旱系數(shù)呈顯著或極顯著正相關(guān)?？蓪⑦@6 個指標(biāo)作為農(nóng)業(yè)抗旱力評價的指標(biāo)。

2.6 水稻抗旱指標(biāo)適宜性評價模型的構(gòu)建

從30 個水稻參試材料樣本中篩選出25 個樣本作為學(xué)習(xí)樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型構(gòu)建，剩余5 個樣本作為預(yù)測樣本驗證模型準(zhǔn)確性，其中BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型結(jié)構(gòu)如圖2 所示。由圖2 可知，該模型包含輸入層、隱含層和輸出層3 層，其中模型輸入為穗重、穗粒數(shù)、結(jié)實率、產(chǎn)量、生物產(chǎn)量、經(jīng)濟(jì)系數(shù)等6 項抗旱力特征指標(biāo)值，因此有6 個神經(jīng)元。模型輸出為抗旱綜合評價值D，因此輸出層神經(jīng)元有1 個。隱含層神經(jīng)元在BP 神經(jīng)網(wǎng)絡(luò)中扮演特征檢驗算子的角色，起到?jīng)Q定性作用，隱藏層節(jié)點數(shù)一般設(shè)為輸入層節(jié)點數(shù)的一半左右，本神經(jīng)網(wǎng)絡(luò)將隱藏層設(shè)為4 個節(jié)點。最終構(gòu)建一個“輸入層-隱藏層-輸出層”為“6-4-1”的三層BP 神經(jīng)網(wǎng)絡(luò)。

圖2 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Makeup of BP neural network

本研究從30 個水稻參試材料樣本中隨機(jī)篩選25 個樣本建立學(xué)習(xí)模型，剩余5 個樣本進(jìn)行抗旱指標(biāo)適宜性得分預(yù)測。為評價模型預(yù)測準(zhǔn)確性及建模方法穩(wěn)定性，變換25 個學(xué)習(xí)樣本構(gòu)建了3 個學(xué)習(xí)模型，其預(yù)測結(jié)果如表6 所示。由表6 可知，3 個學(xué)習(xí)模型共15 個驗證樣本抗旱適宜性預(yù)測得分與實際得分相對誤差均小于10%，最小相對誤差僅為0.07%，說明BP 神經(jīng)網(wǎng)絡(luò)模型預(yù)測效果較好。將水稻參試材料實際得分與神經(jīng)網(wǎng)絡(luò)預(yù)測得分進(jìn)行回歸分析，以參試材料實際得分作為橫坐標(biāo)，模型預(yù)測值作為縱坐標(biāo)進(jìn)行線性擬合，3 組預(yù)測結(jié)果的決定系數(shù)R2分別為0.972 1、0.913 9、0.959 5（圖3），預(yù)測值與實際值相符程度均較高，證明神經(jīng)網(wǎng)絡(luò)模型能夠較準(zhǔn)確、穩(wěn)定地評價水稻抗旱力指標(biāo)是否適宜進(jìn)行水稻的抗旱性綜合評價。但不同水稻參試材料樣本構(gòu)建的學(xué)習(xí)模型預(yù)測效果存在較大差異，說明用于建立學(xué)習(xí)模型的樣本數(shù)量仍較少，變換少量學(xué)習(xí)樣本會議對預(yù)測效果產(chǎn)生較大影響。同時，學(xué)習(xí)模型所需的樣本應(yīng)具有典型性與代表性，部分水稻參試材料樣本與其他樣本差異較大也可能對預(yù)測效果產(chǎn)生較大影響。

表6 基于BP 神經(jīng)網(wǎng)絡(luò)算法的水稻抗旱指標(biāo)適宜性預(yù)測結(jié)果Table 6 Prediction by BP neural network algorithm on drought resistance indicators of rice for cultivation suitability

圖3 水稻抗旱指標(biāo)適宜性模型穩(wěn)定性驗證Fig.3 Verified stability of model on evaluating drought resistance indicators of rice suitable for cultivation

3 討論

水稻受自然進(jìn)化壓力以及人工選擇的作用，產(chǎn)生了多種不同類型的適應(yīng)干旱能力，但水稻全生育期的抗旱性評價指標(biāo)還缺乏統(tǒng)一的標(biāo)準(zhǔn)[17-19]。水稻抗旱性受到多基因控制，并且在干旱環(huán)境下的應(yīng)對機(jī)制上也有很大的區(qū)別[20]。在水稻抗干旱性研究中，綜合考慮、分析水稻的表型、生理生化功能等多種方面的因素，才能使分析和判斷更為準(zhǔn)確、可靠。在水稻全生育期中，相比于其他時期，在苗期進(jìn)行抗旱性鑒定具有時間短、容量大、重復(fù)性強、環(huán)境影響小等優(yōu)點。通過對水稻抗旱性鑒定指標(biāo)的研究、篩選，李艷等[1]對水稻品種抗旱性進(jìn)行了綜合實驗分析和鑒定評價，得出了與大田試驗結(jié)果基本一致的數(shù)據(jù)，充分證明了在水稻苗期進(jìn)行抗寒性鑒定，可以更好地展現(xiàn)出水稻在營養(yǎng)生長和生殖生長的整個生育期內(nèi)的抗旱性能。以往在鑒定和評價水稻品種的抗旱能力時，都采用產(chǎn)量抗旱系數(shù)和抗旱指數(shù)進(jìn)行分析研究，其中產(chǎn)量抗旱系數(shù)主要反映水稻對干旱的敏感程度，弱化了水稻自身的豐產(chǎn)特性。但運用此項指標(biāo)開展水稻抗旱性評測工作時，需要較多參試材料作為研究基礎(chǔ)，如果供試材料的數(shù)量較少，或者水稻的基因型比較單一，其研究結(jié)果的準(zhǔn)確性就會有所減弱[21-24]。本研究采用主成分分析法將13 個指標(biāo)簡化為產(chǎn)量因子、穗數(shù)因子、生物量因子、千粒重因子和株高因子彼此互不相關(guān)的5 個主成分，方差累計貢獻(xiàn)率達(dá)83.761%。結(jié)合各主成分隸屬函數(shù)值及相應(yīng)權(quán)重加權(quán)，計算出30 份參試材料平均綜合評價D 值為0.517 3，分布區(qū)間在0.186 7～0.767 7。采用歐氏距離離差平方和法，依據(jù)D 值將30 份參試材料分為強抗旱型、抗旱型、中間抗旱型和干旱敏感型。排在第二位和第三位的品種分別為DPB120 和農(nóng)豐3161，D 值分別為0.684 6和0.660 3，農(nóng)豐3055（ 0.767 7 ）排名第一，為強抗旱類型，可以作為抗旱育種的雜交親本。

另外，不同研究者所篩選得到的抗旱指標(biāo)也不盡相同?？购邓酒贩N的篩選與水稻生育周期密不可分。發(fā)芽期主要利用聚乙二醇、甘露醇等高滲液模擬干旱脅迫[25]，篩選指標(biāo)為發(fā)芽率、發(fā)芽勢、胚芽長度，以及烘干后的種子干重、胚芽干重和物質(zhì)轉(zhuǎn)運率等[26]。安永平等[27]認(rèn)為，萌發(fā)脅迫指數(shù)和芽鞘長的反應(yīng)指數(shù)可作為評價水稻苗期抗旱性的間接鑒定指標(biāo)。而王賀正等[28]則認(rèn)為，胚芽鞘長不適合作為水稻抗旱鑒定指標(biāo)為；相對根干重盡管是根系生長狀況的綜合反映，但其變異較大，不適于品種間選擇。王賀正等[29]還認(rèn)為POD 酶活性、GSH 含量、葉鮮重和葉齡等4 個指標(biāo)的相對值與水稻苗期的抗旱性顯著相關(guān)。人工神經(jīng)網(wǎng)絡(luò)是一種由多個單一、簡單的微小單元組合而成的復(fù)雜、綜合、非線性的系統(tǒng)，其結(jié)構(gòu)類似于人體大腦的神經(jīng)元，本質(zhì)是一種通過學(xué)習(xí)確定大量神經(jīng)元之間的相互關(guān)聯(lián)，并且能夠完成對大量信息數(shù)據(jù)進(jìn)行處理的數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)具有良好的自適應(yīng)能力、泛化性、容錯性和自我學(xué)習(xí)能力。對于非線性系統(tǒng)，利用BP 神經(jīng)網(wǎng)絡(luò)可以很好地完成系統(tǒng)內(nèi)各神經(jīng)元之間權(quán)重值的調(diào)整工作[30]。BP 神經(jīng)網(wǎng)絡(luò)主要包括正向的工作過程和反向的學(xué)習(xí)過程[31]，工作過程即由輸入層經(jīng)隱藏層各節(jié)點向輸出層開展計算，學(xué)習(xí)過程則是將得到的實際結(jié)果與已知的理想輸出結(jié)果作比較，并得出相對計算誤差，然后由輸出層反向傳遞誤差信號調(diào)整各節(jié)點的權(quán)值，從而完善神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。本研究通過逐步回歸及相關(guān)分析，篩選得到穗重、穗粒數(shù)、結(jié)實率、產(chǎn)量、生物產(chǎn)量和經(jīng)濟(jì)系數(shù)等6 個與D 值顯著或極顯著相關(guān)的指標(biāo)，可用于水稻抗旱篩選，并討論了基于BP 人工神經(jīng)網(wǎng)絡(luò)算法的水稻抗旱指標(biāo)適宜性評價方法，取得了較好的效果，但仍有許多需要優(yōu)化與改進(jìn)的地方。在未來的工作中，要提高模型預(yù)測準(zhǔn)確性與穩(wěn)定性，優(yōu)化該評價方法，也可以與軟件結(jié)合，形成實用型水稻抗旱指標(biāo)適宜性預(yù)測工具。

4 結(jié)論

通過主成分分析、隸屬函數(shù)分析及聚類分析，利用D 值對30 份種質(zhì)資源的農(nóng)業(yè)抗旱能力進(jìn)行綜合評價，獲得強抗旱種質(zhì)資源農(nóng)豐3055。通過逐步回歸分析和相關(guān)分析，并構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)預(yù)測抗旱力指標(biāo)的準(zhǔn)確性，從13 個指標(biāo)中篩選出穗重、穗粒數(shù)、結(jié)實率、產(chǎn)量、生物產(chǎn)量和經(jīng)濟(jì)系數(shù)等6 項適宜作為農(nóng)業(yè)抗旱性篩選的指標(biāo)，為農(nóng)業(yè)抗旱的水稻種質(zhì)資源篩選與鑒定，及其抗旱品種選育提供依據(jù)。