基于R 語言雙標圖的青貯玉米豐產穩產性評價

謝文錦 李方明 李寧 楊海龍 付俊 張中偉 高旭東

（丹東農業科學院，遼寧鳳城 118109）

作物品種區域試驗通過分析和評價新品種在多環境試驗下的特性，確定其利用價值和適宜推廣的區域[1]。區域試驗能夠綜合評價品種的豐產性、穩產性和區域適應性，是農作物新品種選育至關重要的環節，因此對區域試驗結果進行全面有效分析，直接關系到新品種能否通過審定并推廣，發揮其最大價值[2]。通過基因與環境互作分析來估計基因的廣泛及特殊適應性，是對玉米多點試驗中品種的穩產性評價的理論基礎。GGE 雙標圖是嚴威凱[3]提出的，近年來被廣泛應用于作物基因與環境互作分析及試驗環境評價的分析方法。目前GGE 雙標圖法主要應用于普通玉米和鮮食玉米的產量評價和試驗點鑒定上[4-6]，鮮見于有關青貯玉米的報道研究。

以2021 年黃淮海夏播區的青貯玉米區域試驗為例，以R 語言雙標圖為分析方法，對參試青貯玉米品種的干物產量進行了品種基因型和基因與環境互作的綜合分析，以期對青貯玉米的品種篩選評價以及下一步推廣種植提供理論參考。

1 材料與方法

1.1 試驗數據試驗數據來源于2021 年黃淮海夏播青貯玉米區域試驗數據匯總，參試品種16 個，雅玉青貯8 號、京科青貯932 作為對照品種（表1），試驗點12 個（表2）。區域試驗采用隨機區組設計，3次重復，小區面積不小于20m2，5 行區，實收中間3行；試驗密度5000 株/667m2，試驗周邊設置與小區行數相同的保護行。

表1 參試品種名稱及對應代號

表2 區域試驗點及對應代號

1.2 分析方法試驗點聚類分析利用DPS7.5進行，利用R 語言進行主成分分析和繪制雙標圖和聚類熱圖[3-4]，對參試品種豐產性、穩產性及區域適應性進行作圖分析。

2 結果與分析

2.1 主成分擬合度及信息比擬合度和信息比是探討雙標圖能否充分解釋品種與環境兩向表的重要依據，擬合度高，則雙標圖可以較好地代表實際數據。對原始數據做主成分分析（表3），信息比＞1 的主成分有4 個，累積的擬合度為79.45%。

表3 試驗環境主成分分析表

2.2 試驗環境的聚類分析由于試驗品種和試驗點較多，試驗點分布比較廣泛且主成分分析中前2個主成分擬合度僅為55.93%，無法充分地解釋試驗全部信息。因此將試驗數據進行預處理，基于生物干重產量對試驗點進行聚類分析（圖1），將試驗點進行簡單分組。其中山東省的泰安和陜西省寶雞、楊凌、富平分為一組，根據地理位置命名為環黃淮中心組，分析時將單獨一組的濟寧歸為此組；其余4 省7 點為另一分組，依據地理位置以河南為中心而命名為黃淮中心組。

圖1 試驗點聚類分析結果

2.3 雙標圖分析

2.3.1 “哪個贏在哪里”功能圖“哪個贏在哪里”功能圖是將同一方向上距離中心原點最遠的品種依次相連成為一個將所有品種包含在內的封閉多邊形，依據品種與環境的相互關系來對試驗點進行分組，并揭示各分組的最高產品種[7-8]。分組后的擬合度分別為80.24%和77.00%（圖2）。在黃淮中心組中7 個試驗環境被分為3 個生態區亞組，鄭州和洛陽分別各為一個亞組，其余5 個試驗環境為一個亞組。川單99 是大多數試驗點環境（除鄭州和洛陽）中的“勝出品種”，鄭青貯3 號是鄭州點的“勝出品種”，雅玉7758 是洛陽點的“勝出品種”。環黃淮中心組中，5 個種植環境分布在4 個扇區中，寶雞和富平為共同扇區。川單99 和渝單805 是泰安的“勝出品種”，雅玉7758 是富平和寶雞扇區的“勝出品種”，皖農科青貯8 號是濟寧的“勝出品種”，鄭彭965 和京科青貯932 是楊凌的“勝出品種”。落入沒有試驗環境的扇區的品種在所有種植環境中生物干重產量表現都一般，比如黃淮海中心組的鄭彭965 和環黃淮中心組的大京九317。

圖2 “哪個贏在哪里”功能圖

2.3.2 “高產性和穩產性”功能圖“高產性和穩產性”功能圖為解釋參試品種高產性和穩產性而設計。由圖3A 和3B 可知，參試品種在分組內穩產性和豐產性表現不同，圖3A 和3B 中的小圓圈代表平均環境值均值；帶箭頭的直線為平均環境軸，它的正方向代表品種的平均高產方向，參試品種越接近正方向其豐產性越好；對平均環境軸的垂直距離表達了其穩定性，距離越短越穩定[5]。圖3A 中豐產性最好的是川單99，其次是皖農科青貯8 號和渝單805，圖3B 中豐產性最好的依次是渝單805、川單99 和鄭青貯2 號，可見渝單805 和川單99 在黃淮海區試組中產量豐產性表現均很優秀。黃淮中心組中川單99、皖農科青貯8 號和渝單805 是穩產性豐產性兼優的品種，值得一提的是京科青貯932 和雅玉青貯8 號作為對照品種表現出相當高的產量穩定性。環黃淮中心組渝單805和鄭青貯2號是高產穩產品種，川單99 高產性較好，穩產性一般，雅玉7758 豐產性能較高，但穩產性略差，其在不同種植環境產量變異較大，康農玉519 產量位居第5 位，穩產性較好。而本分組的2 個對照品種中雅玉青貯8 號的產量穩定性表現優秀，京科青貯932 則表現出對種植環境有一定的敏感性。

圖3 “高產性和穩產性”功能圖

2.3.3 理想品種綜合排序圖用雙標圖的理想品種排序功能圖（圖4）對品種的豐產性與穩產性進行同步篩選[9-10]。所謂理想品種是指在GGE 雙標圖中距原點距離等于最長品種向量的長度，并且位于平均環境軸正方向上的品種[9-11]。以理想品種為圓心畫出若干個同心圓以直觀地評價品種的理想程度[11]。距離圓心越近的品種越接近于理想品種。黃淮中心組理想品種排序為：川單99＞皖農科青貯8 號＞渝單805＞康農玉519＞鄭青貯2 號＞成單3601＞新中玉801＞連青貯101＞鄭青貯3 號＞大京九317＞雅玉青貯8 號＞雅玉7758＞安科青1 號＞京科青貯932＞京科936＞鄭彭965；環黃淮中心組理想品種排序為：渝單805＞鄭青貯2 號＞康農玉519＞川單99＞康農玉519＞皖農科青貯8 號＞連青貯101＞雅玉青貯8 號＞雅玉7758＞新中玉801＞安科青1 號＞京科青貯932＞成單3601＞鄭彭965＞鄭青貯3 號＞京科936＞大京九317。川單99 和渝單805 分別是黃淮中心組和環黃淮中心組的最接近理想品種的突出品種。

圖4 理想品種排序功能圖

3 結論與討論

基因效應G 和品種與環境互作效應GE 的數據雙標圖的應用，是用于區試品種高產穩產性分析和種植環境鑒別力分析的理想方法[11]。GGE 雙標圖是將品種與試驗點第1 和第2 主成分值放到同一平面上的疊圖，因此有且只有前2 個主成分≥1、擬合度高的情況下，雙標圖才能近似全面分析評價品種和地點。

3.1 試驗環境分組分析結果由于本研究試驗品種多，試驗點地理跨度大，基于地點的主成分分析結果表明，前4 個主成分信息比大于1，因此對試驗點進行聚類分組，再進行雙標圖分析以求更準確地進行青貯玉米品種的評價分析。試驗最終將12 個試驗點分為黃淮中心組和環黃淮中心組。既可以達到較高的擬合度，又避免了因試驗點過多，產生與平均環境軸呈鈍角，從而得出不適宜作為試驗點的誤導性結論出現。

3.2 品種穩定性適應性推薦對參試品種生物干重分組雙標圖分析表明：川單99、渝單805 和康農玉519 始終位于同一扇區，其適應同種種植區域；從綜合產量豐產性和穩定性來看，黃淮中心組表現最好的品種是川單99 和皖農科青貯8 號；環黃淮中心組表現最優的品種是渝單805 和鄭青貯2 號。川單99 和渝單805 適宜在連云港、邯鄲、合肥、商丘、宿州、泰安以及相似氣候環境中推廣種植；鄭青貯2 號適宜在泰安和鄭州地區推廣種植；皖農科青貯8 號適宜在連云港、邯鄲、合肥、商丘、宿州和濟寧地區推廣種植。

本研究利用分組雙標圖分析的方法解決了因試驗品種繁多、試驗種植環境地理跨度大而造成2個主成分擬合度不足的情況，為多于2 個主成分的多點試驗分析提供方法與依據[11-12]。本研究中分組雙標圖分析僅基于2021 年黃淮海青貯玉米區域試驗組產量數據的聚類分析，不宜擴展到其他組別或多年應用。對種植區域的劃分需要結合多年多組別，并結合氣候地理環境進行規律性信息探索，以為品種推廣工作提供參考。