中国禾谷类作物种子质量指标的模拟分析与应用

doi:10.11924/j.issn.1000-6850.casb2022-0539

中国农学通报 ›› 2023, Vol. 39 ›› Issue (15): 22-29.doi: 10.11924/j.issn.1000-6850.casb2022-0539

中国禾谷类作物种子质量指标的模拟分析与应用

金石桥¹(), 晋芳¹, 刘丰泽¹, 任雪贞¹, 孙全¹, 许乃银²()

¹ 全国农业技术推广服务中心，北京 100125
² 江苏省农业科学院经济作物研究所，南京 210014

收稿日期:2022-07-06 修回日期:2022-10-27 出版日期:2023-05-25 发布日期:2023-05-22
通讯作者: 许乃银，男，1966年出生，江苏滨海人，研究员，博士，研究方向：农作物试验数据管理与分析。通信地址：210014 南京市玄武区钟灵街50号江苏省农业科学院经济作物研究所，Tel：025-84390365，E-mail：naiyin@126.com。
作者简介:
金石桥，男，1973年出生，河北衡水人，推广研究员，农业推广硕士，研究方向：农作物种子监管与种子检验技术。通信地址：100125 北京市朝阳区麦子店街20号楼全国农业技术推广服务中心，Tel：010-59194500，E-mail：jinshiqiao@agri.gov.cn。
基金资助:
国家标准制修订项目“农产品质量安全标准体系建设”(20205249-Q-326); 农业生物育种重大项目“种业质量安全与标识全程溯源支撑体系建设”(2022ZD04019)

Seed Quality Indexes’ Models for Cereal Crops in China: Simulation and Application

JIN Shiqiao¹(), JIN Fang¹, LIU Fengze¹, REN Xuezhen¹, SUN Quan¹, XU Naiyin²()

¹ National Agro-Tech Extension and Service Center, Ministry of Agriculture and Rural Affairs, Beijing 100125
² Institute of Industrial Crops, Jiangsu Academy of Agricultural Sciences, Nanjing 210014

Received:2022-07-06 Revised:2022-10-27 Online:2023-05-25 Published:2023-05-22

摘要/Abstract

摘要：

种业竞争的核心是种子质量竞争，模拟种子质量指标变化动态，旨在适时适量优化质量标准，促进种业高质量发展。以2016—2020年禾谷类作物种子质量抽检数据为依据，构建水稻、玉米和小麦种子质量指标的Logistic模型，模拟各指标变化动态。结果表明，17个种子质量指标模型的决定系数都达到极显著水平，模型拟合精度均达到好或非常好水平。基于模拟分析结果，建议种子质量标准中的水稻杂交种纯度由96%提升到97%；水稻净度由98%提升到99%；玉米净度由99%提升到99.4%；玉米发芽率由85%大幅提升到90%左右；北方粳稻和玉米水分标准分别调整为15.0%和13.2%；其余指标不调整或微调。本研究的结论可为禾谷类作物种子质量标准修订提供参考依据。

关键词: 禾谷类作物, 种子, 质量标准, Logistic模型, 模拟分析

Abstract:

The competition in seed industry is essentially competing for seed quality. Simulation analysis of the dynamic change of seed quality indexes aims at optimizing the seed quality standard timely and appropriately, and promoting the high quality development of seed industry. Based on the survey data of cereal crop seed quality inspection from 2016 to 2020, this study constructed and validated a serial of Logistic models of rice, maize and wheat seed quality indexes to simulate the change dynamics of seed quality indexes. The results showed that, all the determination coefficients of the 17 constructed Logistic models of seed quality indexes reached extremely significant level, and the goodness of fit of the models also reached excellent or extremely excellent level. On the basis of the simulation analysis, the purity standard of hybrid rice seed in the current standard was raised from 96% to 97%; the clarity index of rice was raised from 98% to 99%; the clarity index of maize was raised from 99% to 99.4%; the threshold value of maize germination rate was advised from 85% to around 90%; the moisture standard of japonica rice and maize in north China was adjusted to 15.0% and 13.2%, respectively; other threshold values of seed quality indexes of cereal crops were adjusted or only had minor revising. This study can provide reference for seed quality standard revision of cereal crops.

Key words: cereal crops, seed, quality standard, Logistic model, simulation analysis

金石桥, 晋芳, 刘丰泽, 任雪贞, 孙全, 许乃银. 中国禾谷类作物种子质量指标的模拟分析与应用[J]. 中国农学通报, 2023, 39(15): 22-29.

JIN Shiqiao, JIN Fang, LIU Fengze, REN Xuezhen, SUN Quan, XU Naiyin. Seed Quality Indexes’ Models for Cereal Crops in China: Simulation and Application[J]. Chinese Agricultural Science Bulletin, 2023, 39(15): 22-29.

图/表 10

参考文献 25

[1]	王春平, 张万松, 陈翠云, 等. 中国种子生产程序的革新及种子质量标准新体系的构建[J]. 中国农业科学, 2005, 38(1):163-170.
[2]	张万松, 王春平, 张爱民, 等. 国内外农作物种子质量标准体系比较[J]. 中国农业科学, 2011(5):884-897.
[3]	朱佩, 王桂林, 李冰. 种子质量检验在现代种业体系中的发展与应用[J]. 种业导刊, 2008(5):18-19.
[4]	晋芳, 金石桥, 周泽宇, 等. 中国种子质量和检验标准的现状与发展[J]. 中国种业, 2020(1):25-27.
[5]	杜晓伟, 周泽宇, 胡从九, 等. 以新发展理念为统领加强种子质量标准体系建设[J]. 中国种业, 2019(4):1-5.
[6]	张力科, 金石桥. 中国农作物种子质量现状与质量提升策略分析[J]. 中国种业, 2019(3):3-6.
[7]	付玲, 高明鑫, 谭小莉, 等. 湖北省农作物种子质量监管现状、问题及建议措施[J]. 中国种业, 2020(7):19-23.
[8]	中华人民共和国农业部. 粮食作物种子第1部分:禾谷类[S]. 全国农作物种子标准化技术委员会, 2008.
[9]	唐启义. DPS数据处理系统.第一卷,基础统计及实验设计(第4版)[M]. 北京: 科学出版社, 2017.
[10]	ZHAO W Q, ZHOU Z G, MENG Y L, et al. Modeling fiber fineness, maturity, and micronaire in cotton (Gossypium hirsutum L.)[J]. Journal of integrative agriculture, 2013, 12(1):67-79. doi: 10.1016/S2095-3119(13)60206-3 URL
[11]	ZHANG W, TANG L, YANG X, et al. A simulation model for predicting canopy structure and light distribution in wheat[J]. European journal of agronomy, 2015, 67:1-11. doi: 10.1016/j.eja.2015.02.010 URL
[12]	XU N, LI J. Development and validation of national cotton cultivar registration index model in Yangtze River Valley[J]. Agricultural science & technology, 2014, 15(9):1530-1533,1537.
[13]	曹卫星, 罗卫红. 作物系统模拟及智能管理[M]. 北京: 华文出版社, 2003.
[14]	陈兵林, 曹卫星, 周治国. 棉花单铃干物质积累分配的分期动态模拟及检验[J]. 中国农业科学, 2006, 39(3):487-493.
[15]	许乃银, 李健. GGE双标图的信息比校正原理与应用——以长江流域棉花品种生态区划分为例[J]. 中国生态农业学报, 2015, 23(9):1169-1177.
[16]	MICHELE R, NICOLA L, ZINA F. Evaluation and application of the OILCROP-SUN model for sunflower in southern Italy[J]. Agricultural systems, 2003, 78:17-30. doi: 10.1016/S0308-521X(03)00030-1 URL
[17]	许琨. 种子质量标准的确定方法研究[J]. 种子, 1995(4):14-18.
[18]	王菁. 加强中国水稻种子质量体系建设的探讨[J]. 中国种业, 2018(4):1-4.
[19]	盖钧镒, 刘康, 赵晋铭. 中国作物种业科学技术发展的评述[J]. 中国农业科学, 2015, 48(17):3303-3315. doi: 10.3864/j.issn.0578-1752.2015.17.001
[20]	李恩普, 毛雪飞. 国外种子质量检验体系发展现状与启示[J]. 中国种业, 2011(8):8-11.
[21]	李干琼, 董晓霞, 王启现. 加拿大种业管理经验与启示[J]. 种业导刊, 2011(1):37-40.
[22]	晋芳, 赵建宗, 金石桥, 等. 中国种子企业检验室检验能力分析及提高检验室能力水平的对策[J]. 中国农技推广, 2018, 34(7):6-9.
[23]	王惠玉, 侯军岐. 中国种业企业质量管理体系构建与实施[J]. 中国种业, 2021(3):7-9.
[24]	王建华, 何志昆, 茹藓. 健康度检验在种子检验中的重要性及其发展[J]. 种子, 2002(1):41-43.
[25]	成雪峰, 张凤云. 种子检验技术的现状与展望[J]. 种子, 2009(8):58-62.

作物名称	种子类别	样本容量
作物名称	种子类别	纯度	净度	发芽率	水分	总计
水稻	常规种	2209	3958	4856	4112	15135
水稻	杂交种	6719	9631	10543	9393	36286
小麦	常规种	2914	3661	5571	3878	16024
玉米	杂交种	11670	16886	20038	16564	65158
	合计	23512	34136	41008	33947	132603

作物名称	种子类别	样本容量
作物名称	种子类别	纯度	净度	发芽率	水分	总计
水稻	常规种	2209	3958	4856	4112	15135
水稻	杂交种	6719	9631	10543	9393	36286
小麦	常规种	2914	3661	5571	3878	16024
玉米	杂交种	11670	16886	20038	16564	65158
	合计	23512	34136	41008	33947	132603

种子类别	模型参数估计			模型检验
种子类别	C₁	C₂	C₃	R²	RMSE	CDOM	模拟精度
水稻常规种	96.495	-446.761	4.485	0.9912	2.41	2.96%	非常好
水稻杂交种	96.669	-143.495	1.451	0.9834	3.35	4.36%	非常好
小麦常规种	93.692	-457.091	4.595	0.9975	1.43	1.91%	非常好
玉米杂交种	97.542	-116.444	1.184	0.9947	2.10	2.81%	非常好

种子类别	模型参数估计			模型检验
种子类别	C₁	C₂	C₃	R²	RMSE	CDOM	模拟精度
水稻常规种	96.495	-446.761	4.485	0.9912	2.41	2.96%	非常好
水稻杂交种	96.669	-143.495	1.451	0.9834	3.35	4.36%	非常好
小麦常规种	93.692	-457.091	4.595	0.9975	1.43	1.91%	非常好
玉米杂交种	97.542	-116.444	1.184	0.9947	2.10	2.81%	非常好

种子类别	模型参数估计			模型检验
种子类别	C₁	C₂	C₃	R²	RMSE	CDOM	模拟精度
水稻	97.382	-341.996	3.431	0.9667	4.32	5.33	好
小麦	100.433	-468.623	4.706	0.9928	2.58	3.41	非常好
玉米	99.461	-497.983	4.989	0.9774	2.90	3.22	非常好

中国禾谷类作物种子质量指标的模拟分析与应用

Seed Quality Indexes’ Models for Cereal Crops in China: Simulation and Application

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 25

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

指标	种子类别	国家标准		标准修订建议		不同达标率下各指标的模拟阈值/%
指标	种子类别	阈值 /%	样本达标率%	阈值 /%	模拟达标率%	85%	87%	89%	90%	91%	93%	95%
纯度	常规水稻	99.0	90.6	99.0	90.7	99.2	99.1	99.1	99.0	99.0	98.9	98.7
	杂交水稻	96.0	95.3	97.0	90.8	97.5	97.4	97.2	97.1	97.0	96.7	96.1
	常规小麦	99.0	83.9	98.8	89.7	99.0	98.9	98.8	98.8	98.7	98.4	98.3
	杂交玉米	96.0	91.7	96.0	91.8	96.7	96.6	96.4	96.3	96.1	95.8	95.3
净度	水稻	98.0	97.1	99.0	88.7	99.1	99.1	99.0	98.9	98.9	98.8	98.6
	小麦	99.0	94.3	99.0	94.3	99.2	99.2	99.1	99.1	99.1	99.0	99.0
	玉米	99.0	97.8	99.4	88.4	99.5	99.4	99.4	99.4	99.3	99.3	99.2
发芽率	常规水稻	85.0	88.8	85.0	88.5	86.0	85.4	84.9	84.5	84.2	83.3	82.0
	杂交水稻	80.0	91.0	80.0	90.7	81.6	81.1	80.6	80.2	79.9	79.1	78.0
	小麦	85.0	89.8	85.0	90.0	86.5	86.0	85.4	85.0	84.6	83.7	82.4
	玉米	85.0	97.2	90.0	89.5	91.0	90.6	90.1	89.9	89.6	88.8	87.7
水分	籼稻	13.0	94.3	13.0	94.3	12.6	12.6	12.7	12.8	12.8	12.9	13.1
	北方粳稻	16.0	99.1	15.0	90.6	14.7	14.8	14.9	15.0	15.0	15.2	15.4
	南方粳稻	14.5	93.2	14.5	93.2	14.1	14.2	14.3	14.3	14.4	14.5	14.6
	小麦	13.0	90.0	13.0	90.1	12.8	12.9	13.0	13.0	13.0	13.1	13.3
	北方玉米	16.0	100.0	13.2	88.3	13.0	13.1	13.2	13.3	13.4	13.6	13.8
	南方玉米	13.0	88.6	13.2	92.9	12.9	12.9	13.0	13.1	13.1	13.2	13.3

[1]	张忠, 马全林, 张德魁, 魏林源, 陈芳, 戚福俊. 外源激素对沙米(Agriophyllum squarrosum)种子萌发的影响[J]. 中国农学通报, 2023, 39(9): 40-44.
[2]	郑健, 芮丹萍, 高贤玉, 张惠云, 宋云连, 潘继红, 余卫霖, 王跃全, 刘思源, 郑平清, 罗心平. 云南永德‘桂味’与区试品种荔枝果实品质表现[J]. 中国农学通报, 2023, 39(4): 44-51.
[3]	岳新丽, 湛润生, 牛雅玉, 王慧, 邢宝龙, 马涛. NaCl胁迫对黄花菜种子萌发和幼苗生长的影响[J]. 中国农学通报, 2023, 39(16): 35-40.
[4]	刘二喜, 胡中立, 赵楚锋, 王林, 朱永要, 杨朝柱. 魔芋实生种子发育习性及适宜采收期的研究[J]. 中国农学通报, 2023, 39(15): 46-51.
[5]	胡竞渝, 冯国军, 刘大军, 杨晓旭, 闫志山, 刘畅. 外源腐胺对盐胁迫下菜豆种子萌发及抗性的影响[J]. 中国农学通报, 2023, 39(15): 52-58.
[6]	刘洋, 杨佳庆, 余徐润, 熊飞. miRNA在调控植物种子发育及响应非生物胁迫中的研究进展[J]. 中国农学通报, 2023, 39(12): 86-92.
[7]	王思之, 关文灵, 郝晓函, 宋杰. 平铺白珠种子萌发特性研究[J]. 中国农学通报, 2023, 39(1): 77-84.
[8]	许昕阳, 张跃建, 沈佳, 寿伟松. 厚皮甜瓜‘翠雪5号’种子破休眠方法研究[J]. 中国农学通报, 2022, 38(7): 41-44.
[9]	李雪枫, 王坚, 叶晓园, 张秀婷, 王丽学. 苦瓜植株水浸提液对水稻种子萌发和秧苗生长的影响[J]. 中国农学通报, 2022, 38(6): 1-7.
[10]	闫蕴韬, 何兮, 张海清, 贺记外. 水稻种子耐贮性研究进展[J]. 中国农学通报, 2022, 38(5): 1-8.
[11]	刘镎, 胡华兵, 王荣华, 刘小越, 刘朝阳, 刘晓晗, 王茂芊. 甲醇老化处理对甜菜种子发芽的影响[J]. 中国农学通报, 2022, 38(33): 28-33.
[12]	杨晓旭, 李梦娣, 刘大军, 冯国军, 刘畅. 外源褪黑素对低温胁迫下菜豆种子萌发及抗性的影响[J]. 中国农学通报, 2022, 38(33): 34-38.
[13]	杨然, 兴旺, 刘大丽, 吴则东, 王茂芊. 不同浓度褪黑素对甜菜种子的引发影响[J]. 中国农学通报, 2022, 38(27): 19-25.
[14]	丛俊超, 胡华兵, 王荣华, 刘大丽, 吴则东, 王茂芊. 不同浓度柠檬酸对甜菜种子的引发影响[J]. 中国农学通报, 2022, 38(20): 13-19.
[15]	张羽丰, 孙江涛, 李青松, 范利瑶, 文倩. 豫东农区农户宅基地退出意愿及影响因素分析——以扶沟县为例[J]. 中国农学通报, 2022, 38(2): 150-156.

种子类别	模型参数估计			模型检验
种子类别	C₁	C₂	C₃	R²	RMSE	CDOM	模拟精度
水稻常规种	98.904	-32.151	0.353	0.9981	1.52	2.22	非常好
水稻杂交种	100.331	-27.919	0.321	0.9995	0.90	1.59	非常好
小麦常规种	98.829	-31.653	0.345	0.9952	2.39	3.42	非常好
玉米杂交种	98.071	-45.720	0.482	0.9935	2.43	3.06	非常好

种子类别	模型参数估计			模型检验
种子类别	C₁	C₂	C₃	R²	RMSE	CDOM	模拟精度
水稻常规种	98.904	-32.151	0.353	0.9981	1.52	2.22	非常好
水稻杂交种	100.331	-27.919	0.321	0.9995	0.90	1.59	非常好
小麦常规种	98.829	-31.653	0.345	0.9952	2.39	3.42	非常好
玉米杂交种	98.071	-45.720	0.482	0.9935	2.43	3.06	非常好

种子类别	模型参数估计			模型检验
种子类别	C₁	C₂	C₃	R²	RMSE	CDOM	模拟精度
南方籼稻	101.302	25.321	-2.148	0.9993	1.09	2.21	非常好
北方粳稻	101.647	21.141	-1.550	0.9987	1.41	2.91	非常好
南方粳稻	103.978	19.894	-1.521	0.9967	2.27	5.20	好
小麦	103.949	21.425	-1.792	0.9964	2.46	5.73	好
北方玉米	101.153	16.422	-1.390	0.9994	1.01	2.30	非常好
南方玉米	103.279	23.788	-1.968	0.9977	1.97	4.75	非常好

种子类别	模型参数估计			模型检验
种子类别	C₁	C₂	C₃	R²	RMSE	CDOM	模拟精度
南方籼稻	101.302	25.321	-2.148	0.9993	1.09	2.21	非常好
北方粳稻	101.647	21.141	-1.550	0.9987	1.41	2.91	非常好
南方粳稻	103.978	19.894	-1.521	0.9967	2.27	5.20	好
小麦	103.949	21.425	-1.792	0.9964	2.46	5.73	好
北方玉米	101.153	16.422	-1.390	0.9994	1.01	2.30	非常好
南方玉米	103.279	23.788	-1.968	0.9977	1.97	4.75	非常好