随着数字农业的发展,人们获取了大量的农业种质资源等数据,巨量的数据背后蕴涵着丰富的遗传规律,但迄今为止却没有很好地挖掘这些数据背后隐藏的知识,愈来愈呈现出“数据爆炸而知识贫乏”的现象。如何从这海量的数据中提取出有用的信息,准确掌握亲本资源和自交系的遗传特征,分析其亲缘关系,预测发展趋势,从而有效地进行自交系的筛选和亲本选配,指导作物遗传育种及农业生产管理已成为育种者关注的问题。数据挖掘技术(Data Mining)为从海量数据中提取人们感兴趣的知识提供了一种有效的途径。本研究在安徽省自然科学基金“籽用西瓜种质资源性状遗传规律及优势组合的研究”项目的支持下,通过大量田间试验与室内分析,获得了连续9代红色籽用西瓜(Red Seed-using Watermelon)自交系主要经济性状数据。以此数据集为处理对象,利用SPSS统计分析系统及其数据挖掘平台Clementine中提供的算法模块,探讨了决策树、聚类、粗糙集、典型相关等数据挖掘技术在红色籽用西瓜数量遗传育种上的应用,揭示了主要经济性状间的相互关系及自交系的遗传规律,为品种选育过程中自交系纯化、亲本选配和优势杂交组合培育提供理论依据。本文研究的主要内容及成果如下:阐述了数据挖掘的理论、方法及发展现状,论述了SPSS统计分析系统及其数据挖掘平台Clementine的功能和特点;分析农业种质资源等数据的复杂性和多样性,探讨了数据挖掘技术在作物遗传分析中应用的可行性和重要性。针对品种选育中经济性状的相对重要性,基于通径分析技术,挖掘了红色籽用西瓜主要经济性状间的相互关系,进一步阐明了单瓜种子重与千粒重、种子数、种子体积等性状的直接关系和间接关系。针对红籽瓜经济性状的分类和各因子间的关系问题,通过主成分与典型相关分析方法,将红籽瓜经济性状分为产量因子、粒重因子、生长因子、产籽因子和品质因子。研究各因子内部性状指标间的关系,表明性状指标间呈显著或极显著正相关。基于决策树算法,对红籽瓜自交系主要经济性状的数据集进行知识发现,探索红籽瓜经济性状之间的相互制约关系,建立了单瓜种子重决策树模型,据此模型可对红籽瓜自交系的各经济性状进行定量分析研究,为育种者进行优良自交系筛选和亲本选配提供决策支持。采用类平均聚类法(UPGMA,Unweight Pair-group Methodusing the AverageApproach)对红籽瓜各代自交系进行遗传分析,揭示了红籽瓜各代自交系的平均遗传距离变异呈下降趋势,并且共表型相关系数达到显著和极显著水平,表明聚类结果具有较高的可靠性。