基于Genstat的AMMI模型和GGE雙標圖在玉米區域試驗分析中的應用
2021-04-20 18:14:49朱艷彬孫九超王顯
安徽農業科學 2021年6期
朱艷彬 孫九超 王顯
摘要 利用Genstat軟件的AMMI模型和GGE雙標圖對玉米區域試驗中15個品種在20個試點的產量變異和高產穩產性進行分析，評價試點的區分力和代表性。結果表明，品種、試點、品種與試點交互作用均達到了極顯著水平，試點間的差異是變異的主要來源。品種富爾1602和中單4387具有較強的高產、穩產性。品種屯玉639、東單9573、富育1509、秋樂308適合在吉林九臺、吉林陶家、吉林東豐、遼寧本溪、遼寧昌圖、遼寧阜新、河北唐山、內蒙巴林左旗、內蒙開魯種植，且東單9573在這些地區種植可獲得高產;品種德單1108和樂農79適合在吉林雙遼、吉林德惠、遼寧沈陽、遼寧撫順、遼寧喀左、河北灤平、山西屯留、山西襄汾、山西忻府、陜西渭南地區種植，且樂農79在這些地區種植可獲得高產。吉林九臺和吉林雙遼、遼寧沈陽、遼寧昌圖的生態區域差異較大，理想的試點為陜西渭南、河北灤平、山西忻府。AMMI模型和GGE雙標圖在品種評價方面結果基本一致，前者能夠明確劃分平方和，后者則在評價試點的區分力和代表性方面有顯著優勢。
關鍵詞 玉米;區域試驗;AMMI模型;GGE雙標圖;產量分析
Abstract The AMMI model and GGE biplot of Genstat software were used to analyze yield variability，high-yield and stability of 15 varieties in 20 testing sites in the regional trial，and to evaluate the regional strength and representativeness of the testing sites.The results showed that varieties，testing sites and the interaction between varieties and testing sites reached extremely significant level，and the difference between testing sites was the main source of variation.Fuer 1602 and Zhongdan 4387 had a strong high yield，stable yield.Tunyu 639，Dongdan 9573，Fuyu 1509 and Qiule 308 were suitable for planting in Jiutai of Jilin，Taojia of Jilin，Dongfeng of Jilin，Benxi of Liaoning，Changtu of Liaoning，Fuxin of Liaoning，Tangshan of Hebei，Balin zuoqi of Inner Mongolia，and Kailu of Inner Mongolia，and Dongdan 9573 could be planted in these areas for high yield.Dedan 1108 and Lenong 79 were suitable for planting in Shuangliao of Jilin，Dehui of Jilin，Shenyang of Liaoning，Fushun of Liaoning，Kazuo of Liaoning，Luanping of Hebei，Tunliu of Shanxi，Xiangfen of Shaanxi，Xinfu of Shaanxi and Weinan of Shanxi.Lenong 79 could be planted in these areas for high yield.Jiutai of Jilin was in the different ecological region from Shuangliao of Jilin，Shenyang of Liaoning，Changtu of Liaoning.And the ideal pilots were Weinan of Shanxi，Luanping of Hebei and Xinfu of Shanxi.The results of AMMI model and GGE biplot were basically same in terms of variety evaluation.The former could clearly divide square sum，while the latter has a distinct advantage in evaluating the differentiation and representativeness of the testing sites.
Key words Maize;Regional trial;AMMI model;GGE biplot;Yield analysis
品種是決定玉米高產和優質的關鍵因素，區域試驗能夠綜合評價參試品種的豐產性、穩產性、抗逆性和適應性，是品種審定和推廣應用的前提和重要環節[1-2]。玉米區域試驗產量數據分析方法包括方差分析[3-5]、線性回歸模型、AMMI模型[6-10]及GGE雙標圖模型等。方差分析法一直是最常用的方法[11]，它主要以參試品種在各試驗點的平均產量為依據，顯示基因型、環境、品種×環境互作主效應，但是不能進一步劃分和解釋品種和環境互作效應。線性回歸方法是用兩個線性參數來描述和評價品種和環境的互作關系，但因品種對環境反應的復雜性，同樣存在很大的局限性[12-13]。
AMMI模型是在常規的基因型和環境的加性模型中加入多種形式的交互作用因子，不僅能夠分析交互作用的顯著性，并且能夠估計出交互作用的特點及形態，有助于進一步建立可解釋的生物學模型，其應用范圍較方差分析法和線性回歸法更有效，已廣泛應用于水稻[13]、小麥[14-15]、玫瑰[16]、西瓜[17]、馬鈴薯[18]等植物中。GGE雙標圖分析法同時考慮了基因型和G×E效應，能更直觀高效的評價和展示G×E[19]，在小麥、油菜等區域試驗中的品種評價、試點評價和品種生態區劃分同樣得到了廣泛的應用。
目前AMMI模型和GGE雙標圖在玉米區試研究上公開的資料比較少，研究的品種和試點數量也較少。何代元等[20]采用AMMI模型對14個玉米品種的穩定性和22個參試地點對品種的鑒別力做出分析評價;梁黔云等[21]通過GGE雙標圖法分析了7個玉米新品種在貴州省高海拔地區生態條件下的豐產性、穩定性和適應性，以及5個參試地點的辨別力和代表性;張禎勇[22]用GGE雙標圖分析了10個玉米新組合在四川省甘孜州高海拔地區環境條件下的豐產性、穩定性和適應性，同時鑒別各試驗點對參試組合的分辨力和代表性。然而同時利用AMMI模型和GGE雙標圖聯合分析區域試驗中參試品種的豐產穩產性、試點區分力及生態區域劃分的研究鮮有報道。Genstat統計分析軟件最早由洛桑試驗站開發，歷史悠久，并且不斷地更新，始終活躍在生物統計學技術的最前沿。其中，GGE-Biplot是基于菜單操作的，簡單方便，因此在多環境試驗中應用較多。
筆者運用AMMI模型和GGE雙標圖分析了東華北春玉米區20個試點的區分力、代表性和生態區域分類，闡述了13個參試品種的適應性、豐產性和穩產性，為精準地評估優異品種和試點的有效性提供重要依據，為品種能否晉級提供決策支持。
1 材料與方法
1.1 參試品種與試驗設計 以2015年遼寧東亞種業有限公司承擔的中玉科企聯合體東華北中晚熟春玉米品種區域試驗一組20個試點、15個玉米品種（含2個對照品種：鄭單958和先玉335）產量數據為材料（表1）。試驗采用隨機區組設計，3次重復，5行區，小區面積20 m2，實收中間3行（面積12 m2）計產;試驗四周設置不少于4行的保護行;種植密度67 500 株/hm2，播種期同當地生產，對照品種成熟時所有品種全部收獲;分析數據時，將3次重復的小區標準產量折合成單產（表2）。
1.2 數據分析方法 利用Excel 2010整理和計算產量數據。運用Genstat軟件中的混合線性模型和GGE-Biplot進行統計分析。
2 結果與分析
2.1 AMMI模型分析結果
2.1.1 AMMI模型解析變異。用AMMI模型分析品種產量（表3），結果表明品種（即基因G）、試點（即環境E）、品種與試點互作效應（即基因與環境交互作用G×E）均達到了極顯著水平，三者的平方和分別占總平方和的8.56%、80.52%、10.92%，說明試點間的差異是變異的主要來源。貢獻了G×E分解的IPCA1和IPCA2分別占G×E的29.07%和16.35%，共解釋了G×E的45.42%，這說明AMMI模型能夠有效剖分G×E互作效應的平方和（SS）。
2.1.2 AMMI模型分析品種的產量特性。X軸顯示品種小區平均產量，Y軸代表G×E分解的IPCA1，以IPCA1值為0作一條水平線，以所有品種的小區平均產量均值作一條垂直線（圖1）。橫坐標越大，說明品種的產量越高;縱坐標越接近水平線，說明品種越穩產。由圖1可看出，比2個對照產量高的品種有9個：G8>G2>G5>G6>G3>G7>G13>G10>G12>G14（鄭單958_CK）>G15（先玉335_CK），比對照產量低的品種為G11
試點在水平方向上比品種分散，說明試點間比品種間的變異大;位于水平線上下的品種分別與同側的試點有正向互作，即對品種產量的提高有積極作用。品種G2、G4、G6、G7、G9、G10、G11和G14在試點E1、E3、E4、E5、E7、E9、E11、E14、E18和E19適應性更好，品種G1、G3、G5、G8、G12、G13和G15在試點E2、E6、E8、E10、E12、E13、E15、E16、E17和E20的適應性更好。
從圖2可看出，品種G4、G6、G11在試點E1的圖標與原點的連線上垂直投影最長，表明這3個品種在試點E1具有特殊的適應性，同樣在圖2中也可以找到各個品種類似的最佳種植地區。另外僅從穩產性上看，G1、G4、G6等品種離原點較遠，表明這些品種穩產性較差;G3最接近原點，穩產性非常突出。
2.2 GGE雙標圖的分析結果
2.2.1 GGE雙標圖分析參試品種的適應性。把試點分組，先將最外圍的品種順序連接成一個多邊形，再由原點發出垂直于各邊的多條射線，這樣多邊形被分割為5個扇區，試點E1、E3、E4、E5、E7、E9、E11、E14、E18、E19在其中一個扇區，為一組;試點E2、E6、E8、E10、E12、E13、E15、E16、E17、E20在另一個扇區，為另一組（圖3）。劃分到同一組的試點所在生態區域相似，劃分到不同組的試點存在生態差異。各扇區內的試點比較適合其區內的品種，且位于多邊形頂角的品種就是該區內的高產品種。如E1、E3、E4、E5、E7、E9、E11、E14、E18、E19區域中比較適合種植的品種是G2、G6、G7和G10，其中G6為高產品種;E2、E6、E8、E10、E12、E13、E15、E16、E17、E20區域中比較適合種植的品種是G5和G8，其中G8為高產品種。G3這個品種在兩個區域分界線上，說明其適應性非常廣，穩產性較好。
2.2.2 GGE雙標圖分析試點間的相關性。圖4顯示，連接試點E1到原點的向量，分別與連接E2、E8、E19到原點的向量夾角都大于90°，呈現負相關，表明試點E1與E2、E8、E19有一定的生態區域差別。其他試點到原點的向量夾角基本上都小于90°，存在正相關，甚至多數試點間之間存在緊密的正相關，如E3和E7、E6、E20等，說明這些試點間生態區域相近。
2.2.3 GGE雙標圖綜合分析試點的區分力和代表性。以平均環境點為圓心畫圓，可綜合考慮環境的區分力和代表性（圖5），越靠近中心圓的環境其區分力和代表性越好，所以試點的綜合順序為E20>E13>E17>E10>E16>E6>E4>E8>E3>E5>E19>E9>E15>E12>E14>E7>E2>E11>E1，其中E20、E13、E17是較為理想的試點，E1、E11、E2是相對較差的試點。
2.2.4 GGE雙標圖分析參試品種的豐產性和穩產性。圖6中平均環境軸的箭頭所在位置代表品種在所有環境下的近似平均產量，越往箭頭方向產量越高;通過原點且與平均環境軸垂直的直線代表各品種與各環境相互作用的傾向性，越靠近平均環境軸越穩定。由圖6可看出，各品種產量排序如下：G8>G2>G6>G5>G7>G13>G10>G12>G14（鄭單958，CK）>G15（先玉335，CK）>G9>G1>G4>G11;穩產性較差的品種有G1、G4、G6、G13，穩產性排前五名的品種是G3>G15（先玉335_CK）>G12>G14（鄭單958_CK）>G7;綜合以上結果得出，高產穩產品種是G3和G12。
3 討論
品種的豐產性、穩定性是決定其推廣應用價值的主要指標，區域試驗是鑒定新品種豐產性、穩定性的重要途徑之一，決定其推廣應用的價值[23]。區試品種在不同地點的產量表現往往是不一致的，表明品種的G×E交互作用的存在，當顯著的G×E交互作用存在時，簡單地比較品種間的平均產量是不夠全面的。傳統的方差分析方法，只能給出品種產量高低的排名，而對于品種的特殊適應性信息給出的不多，對試點選擇的評價也缺乏相應的標準[24]。AMMI模型能夠明顯地鑒別玉米區試地點區分力的大小，評價其在年內、年際的重演性。筆者利用基于Genstat軟件的AMMI模型和GGE雙標圖同時評價了玉米區域試驗中品種的適應性、豐產性和穩產性，以及試點的區分力和代表性，為品種的晉級或淘汰提供了更全面的參考，在有關品種評價方面，二者結果基本一致，但GGE雙標圖在生態區劃分和試點區分力方面，比AMMI模型闡釋的更加詳細，功能更加全面。該研究使用了混合線性模型，檢測到多環境下的誤差不滿足齊性假定，不能進行聯合方差分析，且該文中環境效應的平方和占總平方和的80.52%，說明環境對品種產量的影響最大，這可能是選擇的20個試點分布分散，且試點E1（吉林九臺）、E11（遼寧阜新）、E2（吉林雙遼）的區分力和代表性相對較差，在以后的試驗方案制訂時可以考慮去除或更換成其他試點，如去除吉林九臺試點，保留該生態區內地理位置離它較近的E3（吉林陶家）試點。從該研究AMMI模型和GGE雙標圖的結果來看，兩者一致認為高產穩產的玉米品種為G3（富爾1602）和G12（中單4387），富爾1602進入了下一年的生產試驗并最終通過審定，中單4387晉級第2年的區域試驗和下一年的生產試驗。
參考文獻
[1]許乃銀，張國偉，李健，等.基于GGE雙標圖和比強度選擇的棉花品種生態區劃分[J].中國生態農業學報，2012，20（11）：1500-1507.
[2]趙鐵鎖.玉米區試中常見問題和解決辦法[J].中國種業，2014（7）：31-33.
[3]陳就就.玉米區域試驗分析模型與方法的研究[D].楊凌：西北農林科技大學，2012.
[4]劉建新，李清超，王錦，等.主成分分析在玉米區域試驗中的應用[J].農業科技通訊，2015（11）：42-45.
[5]劉玉愛，侯建華，高志軍，等.玉米引種材料的主成分分析和聚類分析[J].玉米科學，2006，14（2）：16-18.
[6]李本貴，閻俊，何中虎，等.用AMMI模型分析作物區域試驗中的地點鑒別力[J].作物學報，2004，30（6）：593-596.
[7]楊錦忠，郝建平，姚宏亮，等.基于AMMI模型的玉米區域試驗地點鑒別力的重演性研究[J].玉米科學，2011，19（4）：145-148.
[8]余先駒，王秀全，劉昌明，等.AMMI模型在玉米區域試驗中的應用[J].綿陽經濟技術高等專科學校學報，2000，17（1）：14-19.
[9]胡希遠，尤海磊，任長宏，等.基于協方差陣結構優選的作物品種區域試驗分析[J].作物學報，2009，35（11）：1981-1989.
[10]張恩盈，魏志剛，宋希云.AMMI模型在鮮食糯玉米區域試驗中的應用[J].安徽農業科學，2011，39（28）：17206-17208，17236.
[11]CROSSA J.Statistical analyses of multilocation trials[J].Advances in agronomy，1990，44：55-85.
[12]FREEMAN G H.Statistical methods for the analysis of genotype-environment interactions[J].Heredity，1973，31（3）：339-354.
[13]王磊，程本義，鄂志國，等.基于GGE雙標圖的水稻區試品種豐產性、穩產性和適應性評價[J].中國水稻科學，2015，29（4）：408-416.
[14]CROSSA J，FOX P N，PFEIFFER W H，et al.AMMI adjustment for statistical analysis of an international wheat yield trial[J].Theoretical and applied genetics，1991，81（1）：27-37.
[15]LI W，YAN Z H，WEI Y M，et al.Evaluation of genotype × environment interactions in Chinese spring wheat by the AMMI model，correlation and path analysis[J].Journal of agronomy and crop science，2006，192（3）：221-227.
[16]李艷艷，豐震，趙蘭勇.用AMMI模型分析玫瑰品種產花量的穩定性[J].中國農業科學，2008，41（6）：1761-1766.
[17]王志強，劉聲鋒，郭守金，等.用AMMI雙標圖分析西瓜品種的產量穩定性及試點分辨力[J].干旱地區農業研究，2013，31（4）：89-93.
[18]MWOLOLO J K，MUTURI P W，MBURU M W K，et al.Additive main effects and multiplicative interaction analysis of genotype × environmental interaction among sweetpotato genotypes[J].Journal of animal & plant sciences，2009，2（3）：148-155.
[19]YAN W K，HUNT L A，SHENG Q L，et al.Cultivar evaluation and mega-environment investigation based on the GGE biplot [J].Crop science，2000，40（3）：597-605.
[20]何代元，胡寧，馬兆錦，等.AMMI模型在玉米區域試驗中的應用[J].玉米科學，2009，17（4）：144-147，152.
[21]梁黔云，李清超，吳瑞，等.GGE雙標圖在玉米品種區域實驗中的應用[J].中國農學通報，2014，30（6）：224-228.
[22]張禎勇，高明文，徐國倫，等.基于R語言的GGE雙標圖在玉米品種區域試驗中的應用[J].中國農學通報，2014，30（34）：238-243.
[23]聶迎彬，穆培源，桑偉，等.AMMI模型和GGE雙標圖法在新疆冬小麥區域試驗產量分析上的應用[J].新疆農業科學，2012，49（9）：1569-1575.
[24]王磊，楊仕華，謝芙賢，等.AMMI模型及其在作物區試數據分析中的應用[J].應用基礎與工程科學學報，1997，5（1）：39-46.
