Компьютерная программа «Интегральная селекционная оценка сельскохозяйственных культур»

Тип работы:
Реферат
Предмет:
Сельскохозяйственные науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 631. 527:004. 4: 004. 032. 26
КОМПЬЮТЕРНАЯ ПРОГРАММА «ИНТЕГРАЛЬНАЯ СЕЛЕКЦИОННАЯ ОЦЕНКА СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР»
А.Ф. ЧЕШКОВА, кандидат физико-математических наук, ведущий научный сотрудник
А.Ф. АЛЕЙНИКОВ, доктор технических наук, зам. директора
СибФТИ Россельхозакадемии П. И. СТЁПОЧКИН, доктор сельскохозяйственных наук, зав. отделом
СибНИИРС Россельхозакадемии И. Г. ГРЕБЕННИКОВА, зав. лабораторией СибФТИ Россельхозакадемии E-mail: anna. cheshkova@sorashn. ru
Резюме. Исследования проводили с целью оптимизации селекционного процесса при создании сортов, обладающих требуемым сочетанием хозяйственно важных признаков. В работе рассматривается возможность применения метода скалярного ранжирования многокритериальных задач принятия решения для отбора лучших образцов растений в селекции сельскохозяйственных культур. В связи с необходимостью свести в единый показатель ценности разнородные критерии селекционных объектов, предложен способ замены абсолютных исходных величин показателей признаков на относительные балловые значения. Результирующий сводный индекс селекционной ценности вычисляется как аддитивная свертка многомерной информации с использованием весовых экспертных коэффициентов. Интегральная селекционная оценка растения количественно отображает относительную важность объекта в рассматриваемой выборке. Полученные значения ранжируются, располагая тем самым объекты (селекционные образцы) в порядке степени их удовлетворения целям селекции. В результате проведенных исследований разработана компьютерная программа, позволяющая вычислять индекс селекционной ценности изучаемых образцов и ранжировать их по величине этого показателя. Для тестирования программы использовали данные структурного анализа гибридов F1-F2 яровой тритикале урожая 2010 г., полученные в результате скрещивания по полной диаллельной схеме (4×4) четырёх сортов яровой тритикале: Габо (К-3722, Польша), Сокол Киевский (К-3542, Украина), Укро (К-3б44, Россия) и К-3881 (Мексика), а также этих сортов с озимой тритикале Сирс 57 селекции ГНУ СибНИИРС. В результате тестирования выявлены образцы с наибольшим индексом селекционной ценности — это гибриды К-3881 x Укро, К-3881 x Сокол, Укро x Сокол и Укро x К-3881, отобранные для дальнейшей селекционной работы. Ключевые слова: интегральная селекционная оценка, индекс селекционной ценности, селекция тритикале, компьютерная программа.
Предмет деятельности селекционеров — сорта, которые характеризуются многими разнородными признаками, как количественными, так и качественными [1, 2]. В процессе работы исследователи часто сталкиваются с проблемой выбора объекта по множеству критериев. Задачи его оптимизации изучает теория принятия решений, с помощью которой можно осуществлять выбор более обоснованно, эффективно используя имеющуюся в наличии информацию
о предпочтениях. Один из подходов к многокритериальным задачам принятия решений — так называемая свёртка по критериям или скалярное ранжирование, когда множество показателей качества (критериев оптимальности) сводят в один с помощью функции скаляризации — целевой функции задачи принятия решения [3, 4].
В качестве функции скаляризации может выступать аддитивная свертка (взвешенная сумма). Такой способ ранжирования основан на использовании весовых экс-
пертных коэффициентов, отражающих относительную значимость соответствующих критериев [5, 6].
Ценность образца определяется значением:
F=ftqJYJ. (1)
У=1
гдеО & lt- Yj & lt- 1 — нормализованное значение признака,
N — количество признаков, q — весовые экспертные
N
коэффициенты, удовлетворяющие условию =^.
Цель наших исследований — разработать-_компыо-терную программу, предназначенную для интегральной селекционной оценки сельскохозяйственных культур по комплексу признаков на основе метода скалярного ранжирования- при помощи созданного программного обеспечения оценить и отобрать для дальнейшей селекционной работы гибриды яровой тритикале.
Условия, материалы и методы. В исследовании рассматривается возможность применения метода скалярного ранжирования для отбора лучших образцов растений. В селекционной работе необходимо учитывать множественно разнокачественных критериев. Среди них есть те, которые имеют количественное выражение и требуют максимизации, например, масса 1000 зерен, число зерен в колосе. Есть также количественные критерии, величины которых необходимо минимизировать — например, длина остей для озимых культур. Кроме того, существует ряд признаков, характеризующихся качественными показателями и требующих экспертной оценки. Например, устойчивость к заболеваниям и опушение шейки обычно оценивают в баллах по шкале от 0 до 5, а при учете высоты растения необходима экспертная оценка в интервалах, так как слишком короткие растения (карлики) низкопродуктивны, а слишком длинные — в большинстве случаев полегают [1].
В связи с необходимостью сведения ценности разнородных критериев селекционных объектов в единый показатель, предлагается следующая модификация метода скалярного ранжирования.
На первом этапе все исходные значения признаков переводятся в баллы (ранги). Возможны четыре способа определения ранга:
оценка для максимизации признака применяется для количественных признаков, ценность которых равномерно возрастает с ростом показателя. Значения признаков нормируются и объекту присваивается определенный балл, в зависимости отстепени приближения к идеальному: 5 баллов — 5/6 & lt- Y & lt- 1, 4 балла -4/6 & lt- Y & lt- 5/6, 3 балла — 3/6 & lt- Y & lt- 4/6, 2 балла — 2/6 & lt- Y
& lt- 3/6, 1 балл — 1/6 & lt- Y & lt- 2/6, 0 баллов — 0 & lt- Y & lt- 1/6 '-
Здесь Y вычисляется по формуле:
X — X
Y _ J minj (2)
1 х — X '
max j min j
где X — фактическое значение j-го признака, Xmax,
Х — максимальное и минимальное значения j-го при-
min J J «
знака по всем объектам-
оценка для минимизации признака используется для количественных признаков, ценность которых равномерно убывает с ростом показателя. Объекту
присваивается определенный балл по ранее приведенной шкале, где Y вычисляется по формуле:
У'- = х.
— X
таху тіпу
(3)
при оценке экспертным интервалом признаку присваивают определенный балл (от 0 до 5) в зависимости от того в какой интервал попадает его значение. Такую оценку можно применять в тех случаях, когда нет линейной зависимости между значением и ценностью признака. Например, для признака «высота растения» у яровых тритикале: — 0 баллов — 140 & lt- X, X & lt- 40, 1 балл -130 & lt- X & lt- 140, 40 & lt- X & lt- 50, 2 балла — 120 & lt- X & lt- 130, 50 & lt- X
& lt- 60, 3 балла — 110 & lt- X & lt- 120, 60 & lt- X & lt- 70, 4 балла — 100
& lt- X & lt- 140, 70 & lt- X & lt- 80, 5 баллов — 80 & lt- X & lt- 100-
] ' ] ' ] '-
в случае экспертной оценки селекционер проставляет ее сам (от 0 до 5 баллах). Этот способ используется для качественных признаков (устойчивость к бурой ржавчине, вид зёрен и др.).
На втором этапе рассчитывается сводный индекс селекционной ценности по формуле:
-Д о б
I =1^ (4)
7=1 ° тах у
где В] - оценка в баллах для ]-го признака (от 0 до 5), Втах 1 — максимальная оценка в баллах для ]-го признака по всем образцам, q — весовые экспертные коэффици-
] А/
енты, удовлетворяющие условию =^.
м
В зависимости от приоритетности признака в модели сорта, коэффициенты q] могут быть изменены по усмотрению селекционера. К примеру, можно выбрать только высокопродуктивные образцы с высокой массой 1000 зёрен, поставив коэффициенты только на признаки «продуктивность растения» и «массу одного зерна» (0,75 и 0,25 соответственно), а остальным признакам придать значение 0.
Интегральная селекционная оценка растения количественно отображает относительную важность объекта в рассматриваемой выборке, будучи, таким образом, скалярной свёрткой многомерной информации. Для удобства ее также ранжируют, располагая тем самым объекты (селекционные образцы) в порядке степени их удовлетворения целям селекции.
Выбрав несколько номеров, возглавляющих список, и объединив их параметры, можно сформировать оптимальную модель сорта, в которой количественные характеристики реализуются наилучшим образом в конкретных условиях. Идеальным считается растение с селекционной ценностью, равной 1.
Для тестирования программы использовали результаты структурного анализа гибридов F1-F2 яровой тритикале урожая 2010−2011 гг., полученных в результате скрещивания по полной диал-лельной схеме (4×4) четырёх
сортов яровой тритикале: Габо (К-3722, Польша), Сокол Киевский (К-3542, Украина), Укро (К-3644, Россия) и К-3881 (Мексика), а также этих сортов с озимой тритикале Сирс 57 селекции ГНУ СибНИИРС [7.. 13].
В интегральной оценке использовали следующие признаки: число продуктивных побегов — весовой коэффициент 0,02- высота растения — 0,05- длина среднего колоса — 0,05- число колосков среднего колоса — 0,05- число зерен среднего колоса — 0,1- масса зёрен среднего колоса — 0,1- масса 1000 зерен — 0,2- общая масса -0,25- натура зерна — 0,13- длина остей — 0,01- отношение длины колоса к высоте — 0,01- дней колошения — 0,02.
Результаты и обсуждение. На основе изложенного алгоритма, в СибФТИ Россельхозакадемии совместно с СибНИИРС Россельхозакадемии разработана компьютерная программа «Интегральная селекционная оценка сельскохозяйственных культур». Она обеспечивает решение следующих задач:
определение набора признаков, входящих в интегральную оценку-
задание алгоритма замены фактических значений признаков на баллы и весовых экспертных коэффициентов, определяющих вклад признака в интегральную оценку- расчет селекционной ценности образцов- формирование отчёта.
В соответствии с разработанным алгоритмом оценки селекционной ценности и основными выполняемыми функциями, структура программы состоит из следующих блоков:
блок определения структуры исходных данных, который включает описание набора аттрибутивных признаков, входящих в интегральную оценку, описание алгоритмов расчета полей и оценок, а также задание весовых экспертных коэффициентов (рис. 1) —
блок заполнения исходных данных, предназначенный для ввода информации о формах, их урожайности, биологических и морфологических характеристиках, хозяйственных особенностях и других атрибутивных данных-
блок расчета селекционной ценности образцов, в котором проводится замена значений признаков ра-
Рис. 1. Форма описания весовых коэффициентов.
структуры исходных данных, алгоритмов расчета и задания
представлена диаграмма средних, минимальных и максимальных значений индекса по повторностям для каждого изучаемого сорта или гибрида.
Тестирование программы с использованием результатов структурного анализа гибридов F1-F2 яровой тритикале урожая 2010 г. показало, что стабильно высокие результаты по среднему индексу ценности показали гибриды К-3881 х Укро1 — 0,60 и F2 — 0,49), К-3881 х Сокол1 — 0,58 и F2 — 0,49), Укро х Сокол1 -0,55 и F2 — 0,53) и Укро х К-3881 (F1 — 0,54 и F2 — 0,54). Гибриды F2 К-3881 х Габо и F2 Габо х К-3881 значительно снизили показатели ценности, по сравнению с первым поколением. Самые низкие средние индек-
Рис. 2. Значения индексов селекционной ценности для гибридов: а) Р12 010г.- б) 2010 г.: сь| оказались у гибридов всех I | - минимальный индекс- | | - средний индекс- - максимальный индекс сортов с озимой тритикале
Сирс 57 (рис. 2).
бочей таблицы баллами в соответствии с выбранным алгоритмом оценки, присваивание ранжируемым признакам коэффициентов значимости, определяющих их долевой вклад в интегральную селекционную оценку, суммирование рангов признаков-
в блоке ранжирования и формирования отчетов формируется список образцов, упорядоченный по убыванию индекса селекционной ценности, а также
Выводы. Разработанное программное обеспечение — удобный инструмент для обработки результатов полевого опыта и анализа селекционной ценности сельскохозяйственных культур.
Использование программы позволяет оптимизировать селекционный процесс при создании сортов, обладающих требуемым сочетанием хозяйственно важных признаков.
Литература.
1. Степочкин П. И. Формообразовательные процессы в популяциях тритикале. Новосибирск: Изд-во ИПФ Агрос, 2008. 164 с.
2. Grebennikova I. G., Aleynikov A. F., Stepochkin P. I. Diallel Analysis of the Number of Spikelets per Spike in Spring Triticale // Bulgarian Journal of Agricultural Science. 2011. Vol. 17. №. 6 р. 755−759.
3. Ногин В. Д. Принятие решений в многокритериальной среде: количественный подход. М.: Физматлит, 2002.
4. Ларичев О. И. Теория и методы принятия решений. М.: Логос, 2000. 295 с.
5. Гараев Я. Г., Киселев В. Г. Многокритериальное ранжирование объектов // Исследование операций (модели, системы, решения). М.: ВЦ РАН, 2000. С. 9−20.
6. Гараев Я. Г. Сравнительная оценка технологий в отраслях АПК // Вестник Международной академии холода. 2004. № 2. С. 42−46.
7. Компьютерная программа «Анализ экологической пластичности сельскохозяйственных культур» / Чешкова А. Ф., Гребенникова И. Г., Алейников А. Ф., Стёпочкин П. И. //Достижения науки и техники АПК. 2013. № 8. С. 74−76.
8. Гребенникова И. Г. Алейников А. Ф., Стёпочкин П. И. Диаллельный анализ числа колосков в колосе яровой тритикале // Сибирский вестник сельскохозяйственной науки. 2011. № 7,8. С. 77−85.
9. Гребенникова И. Г., Алейников А. Ф., Стёпочкин П. И. Диаллельный анализ длины колоса у яровой тритикале // Сибирский вестник сельскохозяйственной науки. 2010. № 11. С. 103−109.
10. Гребенникова И. Г., Алейников А. Ф., Стёпочкин П. И. Компьютерная программа обеспечения селекционного процесса зерновых культур (на примере тритикале) // Ползуновский вестник. 2011. № 2. С. 128−133.
11. Гребенникова И. Г., Алейников А. Ф., Степочкин П. И. Компьютерные технологии оценки селекционного материала яровых тритикале //Достижения науки и техники АПК. 2012. № 9. С. 79−82.
12. Гребенникова И. Г. Алейников А. Ф., Стёпочкин П. И. Информационное обеспечение селекционного процесса тритикале // Вестник НГАУ. 2011. № 4 (20). С. 10−15.
13. Гребенникова И. Г. Алейников А. Ф., Стёпочкин П. И. Информационные технологии в исследовании генетической системы контроля признаков тритикале // Сборник научных докладов ВИМ. 2011. Т. 2. С. 290−295.
COMPUTER PROGRAM FOR THE INTEGRATED BREEDING ASSESSMENT OF AGRICULTURAL CROPS A.F. Cheshkova, A.F. Aleynikov, P.I. Stepochkin, I.G. Grebennikova
Summary. The purpose of the research is to optimize the selection process when creating varieties possessing the required combination of economically important features. The study examined the possibility of using a scalar ranking for multi-criteria decision problems to select the best samples of plants in crop breeding. The method of replacing of the original absolute values by the relative ranking point values was suggested. The resulted index of breeding values is calculated as additive convolution of multidimentional information. It use the expert weight coefficients that reflect the relative importance of the respective attributes. The research resulted in the computer program that allows you to calculate the index of breeding values of the studied samples of crops and to rank them. Testing program was conducted on the experimental data of the structural analysis of hybrids F1-F2 spring triticale derived from field experience in 2010. These hybrids were obtained as a result of crossing between four spring triticale varietes (K-3722, K-3542, K-3644, K-3881) according to a complete diallel scheme. The testing revealed the samples with the highest breeding value index and they were selected for further breeding.
Keywords: integrated breeding assessment, breeding values, triticale selection, computer program.

ПоказатьСвернуть
Заполнить форму текущей работой