本发明涉及棉花种植，更具体地说，它涉及一种棉花品种综合性评价方法。
背景技术：
1、棉花品种存在“多、乱、杂”的现象，棉花品种种类繁多，新品种层出不穷，种业市场纷乱复杂，严重影响产业的良性发展，因此，一套准确性高、适用面广的综合性棉花品种评价体系至关重要。
2、目前，行业内通常利用方差分析进行比较，另外还有同异分析法、模糊综合评定法、ammi模型、gge模型、灰色关联分析、ahp模型、线性回归模型等综合分析体系，其功能与适用范围各异。其中，灰色关联度分析根据因素之间发展趋势的相似相异程度，为衡量因素间关联程度提供了量化的度量，具有操作简便，适用性广的特点，但准确度略有不足，当某个品种在单一性状上出现远大于其它品种的情况时，会影响其他性状的评价，从而导致评价结果失真；层次分析模型(analytic hierarchy process,ahp)将人的主观判断用数量形式表达和处理,综合定性与定量性状观测指标进行多准则决策,具有较高的可行性与科学性，但评价结果会受到评价人个人喜好的影响，重复性较低；综合d值评价模型操作简便快捷但此方法对数据要求较高，需要稳定准确的表型数据作为支撑，且受试验环境影响较大，导致准确度降低，仅适用于多年多点环境型较多的试验，若重复较少则会受到当年环境因素影响，导致试验准确性的降低。
3、上述评价模型或方法都有其适宜范围，一旦超出其适应范围则会出现结果失真、重复性降低等问题。
技术实现思路
1、针对现有技术存在的不足，本发明的目的在于提供一种棉花品种综合性评价方法，其具有适用范围广，准确率高的优点。
2、为实现上述目的，本发明提供了如下技术方案：一种棉花品种综合性评价方法，包括以下步骤：
3、s1、采集棉花品种各性状，并对各性状的表型数据计算误差项变异系数，然后计算各性状的最优线性无偏估计值；
4、s2、对步骤s1所述的各性状计算隶属函数d值，进行灰色关联度分析，运用层次需求模型评分；
5、s3、根据步骤s2的结果，运用综合模型评价公式，筛选得到优质棉花品种，其中，综合模型评价公式为：
6、si＝0.5ai+0.3ξi+0.2di
7、式中：si表示品种的总得分系数；ai表示品种的层次需求模型得分系数；ξi表示品种的灰色关联系数；di表示品种的隶属函数d值。
8、进一步地，在步骤s1中，筛除误差项变异系数大于10％的表型数据。
9、通过采用上述技术方案，可以增加各性状的表型数据的稳定性。
10、进一步地，误差项变异系数的确定方法为:
11、
12、式中,mse和y分别为试验误差均方和试验总体均值。
13、进一步地，步骤s2中灰色关联系数计算公式如下：
14、
15、式中，ξi(k)为xi对x0在k点的关联系数，ρ为分辨系数，minimink|x0(k)-xi(k)|为二级最小差的绝对值；maximaxk|x0(k)-xi(k)|为二级最大差的绝对值。
16、进一步地，设置0＜ρ＜1。
17、通过采用上述技术方案，因ρ越小，关联系数间差异越大，区分能力越强，通过上述设置，可以提高灰色关联度分析的区分能力。
18、综上所述，本发明具有以下有益效果：
19、本发明的方法，各性状误差项变异系数(cev)在0.40％～4.18％之间，均低于15.0％，说明同一性状不同个体之间差异不显著，试验精确度高；本方法克服单一模型评价的缺陷，通过主成分分析的数据降维简化性状关系，并结合灰色关联度分析对比数列分析系统内部的相关性，确定最显著因素，对复杂因素综合评价后进行优劣排序，全面且有效；使用误差项变异系数(cev)验证和层次分析模型(ahp)的高准确度权重赋分体系，改善灰色关联模型精确度不足的问题；使用隶属函数d值分析中计算出的各性状权重，校正ahp模型中权重系数的主观因素，提高试验的可重复性；通过多点采样与最优线性无偏估计值(blue)值计算，减少环境因素的影响；本发明的方法加权得到的综合模型中，融合各个算法优势，改良短板，在保证准确度的同时，进一步达到贴合生产实践的要求，为品种适应性和综合水平评价提供新的思路。
1.一种棉花品种综合性评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的棉花品种综合性评价方法，其特征在于，在步骤s1中，筛除误差项变异系数大于10％的表型数据。
3.根据权利要求1所述的棉花品种综合性评价方法，其特征在于，误差项变异系数的确定方法为:
4.根据权利要求1所述的棉花品种综合性评价方法，其特征在于，步骤s2中灰色关联系数计算公式如下：
5.根据权利要求4所述的棉花品种综合性评价方法，其特征在于，设置0＜ρ＜1。
