基于GGE雙標(biāo)圖的甜玉米區(qū)域試驗品種分析

摘要：為準(zhǔn)確評估不同甜玉米品種在區(qū)域試驗中的穩(wěn)定性和豐產(chǎn)性，對各試點環(huán)境的鑒別力和代表性進(jìn)行劃分。以2020年、2021年國家東南新科聯(lián)合體玉米區(qū)域試驗的7個甜玉米品種在9個試驗地產(chǎn)量數(shù)據(jù)為基礎(chǔ)，采用GGE雙標(biāo)圖分析法對其進(jìn)行分析。結(jié)果表明，2020年試驗中，億綠甜16號豐產(chǎn)性最好，珠玉甜8號次之；仲甜9號穩(wěn)產(chǎn)性最好，珠玉甜8號、粵甜16號次之；2021年試驗中，億綠甜16號豐產(chǎn)性最好，珠玉甜8號、仲甜9號次之；粵甜16號穩(wěn)定性最好，仲甜9號、珠玉甜8號次之；2年試驗中，珠玉甜8號的豐產(chǎn)性、穩(wěn)產(chǎn)性表現(xiàn)較其他品種相對突出，綜合表現(xiàn)好，適應(yīng)性強；9個試點中的8個試點在2年試驗中呈正相關(guān)關(guān)系，其中廣東廣州和廣東茂名2個生態(tài)環(huán)境之間存在緊密的正相關(guān)關(guān)系，杭州三江、安徽滁州2個生態(tài)區(qū)分別為2020年和2021年理想試點生態(tài)區(qū)，對甜玉米品種具有較高的環(huán)境鑒別力和代表性。

關(guān)鍵詞：GGE雙標(biāo)圖；甜玉米；產(chǎn)量；區(qū)域試驗；穩(wěn)定性；豐產(chǎn)性

Regional Trials Analysis on Yield Traits of Sweet Corn Based on GGE Biplot

ZHOU Fuliang1，ZHOU Jiecheng2，LIANG Siwei1，JIANG Xianya1，JIANG Feng2，LIU Pengfei2

（1Yangjiang Institute of Agricultural Sciences，Yangjiang 529500，Guangdong；

2College of Agriculture and Biology，Zhongkai University of Agriculture Engineering，Guangzhou 510550）

玉米（Zea mays L.）是世界三大主要糧食作物之一，甜玉米是玉米的其中一種類型。我國東南地區(qū)屬于亞熱帶季風(fēng)氣候，每年在不同區(qū)域都會出現(xiàn)不同程度的極端氣候，如高溫、霜凍、干旱、高濕、澇害等，多變的環(huán)境對品種的適應(yīng)性有著較高的要求，因此在多年多點區(qū)域試驗中，篩選出豐產(chǎn)性、穩(wěn)定性和適應(yīng)性強的品種十分重要。

多點試驗中，品種和環(huán)境之間存在相互作用的關(guān)系，為此Gauch等[1]提出根據(jù)品種效應(yīng)、環(huán)境和品種的交互作用效應(yīng)進(jìn)行品種生態(tài)區(qū)劃分的概念和方法。雙標(biāo)圖（Biplot）是研究基因型與環(huán)境互作以及在不同環(huán)境下作物品種產(chǎn)量穩(wěn)定性的方法，最早用于農(nóng)作物品種—環(huán)境兩向數(shù)據(jù)的分析[2]。Kempton[3]首次利用雙標(biāo)圖分析小麥品種與環(huán)境的相互作用。近年來，隨著雙標(biāo)圖有關(guān)的文獻(xiàn)越來越多，GGE雙標(biāo)圖分析法逐漸成為了農(nóng)業(yè)研究人員不可或缺的工具[4]。許乃銀等[5]依據(jù)GGE雙標(biāo)圖的正確度-精確度功能圖和準(zhǔn)確度排序功能圖分析了小麥不同品種組合的相似度；孫瑞等[6]用GGE雙標(biāo)圖法較好地分析了北方旱寒區(qū)冬油菜環(huán)境效應(yīng)及品種與環(huán)境的互作效應(yīng)；趙長延等[7]利用AMMI模型和GGE模型對油葵多點試驗進(jìn)行了穩(wěn)定性和適應(yīng)性分析；樊永強等[8]用GGE雙標(biāo)圖法篩選出了比較理想的、適宜豫谷28種植的生態(tài)區(qū)；王桂梅等[9]的研究表明GGE雙標(biāo)圖法能夠直觀清晰地顯示大豆多年多點品種試驗結(jié)果和品種的代表性；李偉綺等[10]、步清等[11]的研究表明GGE雙標(biāo)圖法可以合理有效地評估品種（系）和試驗區(qū)域，篩選不同玉米品種的理想試驗點和適宜種植區(qū)；孫佩等[12]借助GGE雙標(biāo)圖法對不同地點的玉米產(chǎn)量和籽粒含水量結(jié)合的雜種優(yōu)勢模式進(jìn)行評價分析；錢雙宏等[13]、李余良等[14]的研究表明GGE雙標(biāo)圖法是能夠直觀有效地評估品種和試點的理想工具；李余良等[15]、魏常敏等[16]、毛文博等[17]基于GGE雙標(biāo)圖對玉米產(chǎn)量的穩(wěn)定性和試點鑒別力進(jìn)行了較好的分析。

本研究對2020年、2021年國家東南新科聯(lián)合體玉米區(qū)域試驗7個參試品種的產(chǎn)量數(shù)據(jù)利用GGE雙標(biāo)圖法進(jìn)行了相關(guān)分析。通過分析7個不同品種與9個不同試點環(huán)境之間的互作效應(yīng)，明確了不同品種在不同區(qū)域的豐產(chǎn)性、適應(yīng)性和穩(wěn)定性，旨在為玉米品種的選育、部署、審定和引種等提供有效參考。

1 材料與方法

1.1 試驗材料 2020年、2021年國家東南新科聯(lián)合體玉米區(qū)域試驗的試點為9個，分別是杭州三江、廣東茂名、安徽滁州、廣東廣州、安徽合肥、上海嘉定、廣東珠海、福建福州、江西吉安，各試驗點基本情況見表1。7個參試玉米新品種由廣東省農(nóng)業(yè)科學(xué)院作物研究所提供，分別為睿甜6號、維甜77、維科甜V9號、粵甜16號、億綠甜16號、珠玉甜8號、仲甜9號，其中粵甜16號為對照品種。

1.2 試驗設(shè)計 試驗采用間比法排列，不設(shè)重復(fù)，小區(qū)采用6行區(qū)，共24m2，實收中間4行鮮苞計產(chǎn)，折合單位面積產(chǎn)量（kg/hm2）。密度52500株/hm2，周邊設(shè)置與小區(qū)相當(dāng)?shù)谋Ｗo(hù)行。種植水平和田間管理與常規(guī)大田一致。

1.3 數(shù)據(jù)處理 本研究采用DPS 18.0數(shù)據(jù)處理系統(tǒng)對參試品種數(shù)據(jù)進(jìn)行作圖和相關(guān)分析。

2 結(jié)果與分析

2.1 試驗品種平均產(chǎn)量分析 由表2可知，2020年試驗中，平均產(chǎn)量由高到低分別為珠玉甜8號、億綠甜16號、睿甜6號、粵甜16號、仲甜9號、維甜77、維科甜V9號。2021年試驗中，平均產(chǎn)量由高到低分別為億綠甜16號、珠玉甜8號、仲甜9號、粵甜16號、維科甜V9號、維甜77、睿甜6號。其中珠玉甜8號和億綠甜16號在連續(xù)2年試驗中平均產(chǎn)量均處于前兩位。

2.2 各品種產(chǎn)量與試點環(huán)境之間的相關(guān)性分析 如圖1所示，2020年試驗中，9個試點環(huán)境間相互的夾角都小于90°，表明各試點之間的關(guān)系為正相關(guān)，且廣東茂名與廣東廣州、安徽合肥與杭州三江之間緊密正相關(guān)。2021年試驗中，福建福州與其他試驗地點間的夾角大于90°，表明福建福州與其他試驗地點間有負(fù)相關(guān)的關(guān)系。

2020年億綠甜16號和珠玉甜8號與9個試驗點之間的夾角都小于90°，表明這2個品種的表現(xiàn)優(yōu)于所有品種在9個試驗點的平均值。睿甜6號與福建福州、江西吉安、廣東珠海3個試驗點之間的夾角小于90°，表明該品種與上述3個試驗點之間為正向交互作用，產(chǎn)量在上述環(huán)境中優(yōu)于所有品種在9個試驗點的平均值。仲甜9號、粵甜16號、維科甜V9號、維甜77與9個試驗點之間的夾角都大于90°，為負(fù)向交互作用，產(chǎn)量均低于所有品種在9個試驗點的平均值。2021年億綠甜16號、珠玉甜8號、仲甜9號3個品種與杭州三江、廣東茂名、安徽滁州、廣東廣州、上海嘉定、廣東珠海、江西吉安之間的夾角都小于90°，為正向交互作用；維科甜V9號與安徽合肥、上海嘉定、杭州三江3個試點的夾角都小于90°，為正向交互作用；睿甜6號、粵甜16號、維甜77與杭州三江、廣東茂名、安徽滁州、廣東廣州、安徽合肥、上海嘉定、廣東珠海、江西吉安之間的夾角均大于90°，為負(fù)向交互作用，產(chǎn)量在上述環(huán)境中低于9個試驗點的所有品種產(chǎn)量的平均值。

2.3 參試品種的區(qū)域適應(yīng)性分析 如圖2所示，2020年春季試驗中，7個試驗品種在GGE雙標(biāo)圖中被劃分成4個區(qū)域，9個試驗點落在雙標(biāo)圖的2個區(qū)域。江西吉安、福建福州、廣東珠海3個試驗點為1個生態(tài)區(qū)，珠玉甜8號表現(xiàn)較好；杭州三江、廣東茂名、安徽滁州、廣東廣州、安徽合肥、上海嘉定6個試驗點為1個生態(tài)區(qū)，億綠甜16號表現(xiàn)較好；其余5個品種在上述9個試驗點中表現(xiàn)不理想。

2021年7個試驗品種在GGE雙標(biāo)圖中被劃分成5個區(qū)域，9個試驗點落在其中的4個區(qū)域。上海嘉定、安徽合肥2個試驗點為1個生態(tài)區(qū)，維科甜V9號表現(xiàn)較好；廣東珠海、廣東茂名、安徽滁州、廣東廣州、江西吉安5個試驗點為1個生態(tài)區(qū)，億綠甜16號表現(xiàn)最好，珠玉甜8號次之，再次為仲甜9號；杭州三江、福建福州各自單獨為1個生態(tài)區(qū)；剩余3個品種在這9個試驗點中表現(xiàn)較差。

2.4 參試品種的豐產(chǎn)性與穩(wěn)定性及區(qū)域試驗理想品種分析 如圖3所示，2020年試驗中，億綠甜16號平均產(chǎn)量最高，珠玉甜8號次之，產(chǎn)量高于平均值；平均產(chǎn)量最低的是維科甜V9號，其余品種由低到高排列依次是仲甜9號、維甜77、粵甜16號、睿甜6號，產(chǎn)量比平均值低。仲甜9號穩(wěn)定性最高，其次為珠玉甜8號、粵甜16號；維科甜V9號穩(wěn)定性最差，維甜77次之。2021年試驗中，平均產(chǎn)量較高的是億綠甜16號、珠玉甜8號和仲甜9號，高于總體平均值；平均產(chǎn)量最低的是睿甜6號，其次是維甜77，再次是維科甜V9號、粵甜16號，產(chǎn)量低于平均值。粵甜16號穩(wěn)定性最高，其次為仲甜9號、珠玉甜8號，維科甜V9號和維甜77的穩(wěn)定性較差。2020年試驗中，珠玉甜8號的豐產(chǎn)性和穩(wěn)定性較其他品種相對較好；2021年試驗中，珠玉甜8號、億綠甜16號的豐產(chǎn)性和穩(wěn)定性相對較好。

如圖4所示，2020年、2021年試驗中，最接近中心的分別為珠玉甜8號、億綠甜16號，即珠玉甜8號、億綠甜16號分別為2020年、2021年試驗理想品種。

2.5 試點環(huán)境鑒別力與代表性分析及理想試點選擇 如圖5所示，2020年試驗中，各試驗點鑒別能力較強的為江西吉安、杭州三江、上海嘉定，較弱的為廣東茂名、廣東廣州；9個試驗點的環(huán)境軸與平均環(huán)境軸之間的夾角均小于90°，說明各試驗點的代表性均較好。安徽滁州試點的夾角最小，代表性最強；杭州三江離圓心最近，即杭州三江為評價品種的理想環(huán)境。2021年試驗中，鑒別力較強的為廣東珠海，較弱的為安徽合肥。福建福州的代表性較差，環(huán)境軸與平均環(huán)境軸之間的夾角大于90°，其余8個承試點代表性較好，廣東廣州、廣東茂名、安徽滁州試點的代表性要強于其他試點。綜合2年試點數(shù)據(jù)，杭州三江、安徽滁州分別為2020年、2021年理想試點環(huán)境。

3 討論與結(jié)論

受氣候因素影響，不同年份各試點的環(huán)境條件存在不同程度的差異，要對試驗品種進(jìn)行準(zhǔn)確、客觀的評價，就需要多年多點的區(qū)域試驗來判斷[17]。試點的鑒別力以及品種的適應(yīng)性、穩(wěn)產(chǎn)性、豐產(chǎn)性是新品種應(yīng)用推廣的重要依據(jù)，傳統(tǒng)方法僅對變量進(jìn)行了分解分析，試驗數(shù)據(jù)的處理相對簡單，對基因型與環(huán)境的交互關(guān)系解釋不夠準(zhǔn)確。通過GGE雙標(biāo)圖分析，可以綜合考慮基因型和基因型—環(huán)境互作對新品種農(nóng)藝性狀的影響，并全面考慮年份和不同試點環(huán)境之間的差異，因此分析區(qū)域試驗品種的產(chǎn)量性狀就具有合理性、科學(xué)性[18]。

本研究采用GGE雙標(biāo)圖分析方法，對2020-2021年國家東南新科聯(lián)合體玉米區(qū)域試驗各品種的產(chǎn)量數(shù)據(jù)進(jìn)行了綜合評估，以直觀有效的方式評價了各品種在豐產(chǎn)性、適應(yīng)性和穩(wěn)定性方面的表現(xiàn)，并客觀評估了試驗設(shè)置的合理性。2020年春季試驗中，豐產(chǎn)性最好的是億綠甜16號，其次為珠玉甜8號；穩(wěn)產(chǎn)性最好的是仲甜9號，其次為珠玉甜8號、粵甜16號。2021年春季試驗中，豐產(chǎn)性最好的是億綠甜16號，其次是珠玉甜8號、仲甜9號；穩(wěn)定性最高的是粵甜16號，其次為仲甜9號、珠玉甜8號。在2年試驗中，珠玉甜8號的豐產(chǎn)性、穩(wěn)產(chǎn)性表現(xiàn)相對其他品種突出，綜合表現(xiàn)好，適應(yīng)性強。

本研究的9個環(huán)境試點中，8個環(huán)境試點在2年試驗中代表性均較好。杭州三江、安徽滁州分別為2020年、2021年理想試點環(huán)境，對甜玉米品種具有較好的環(huán)境鑒別力和代表性。2年試驗中，廣東廣州和廣東茂名2個生態(tài)環(huán)境之間存在緊密的正相關(guān)關(guān)系，后續(xù)的試驗安排中，可以納入優(yōu)化或調(diào)整方案，確保試驗?zāi)芴峁┹^為全面客觀的評價。

參考文獻(xiàn)

[1] Gauch H G Jr，Zobel R W．Identifying mega-environments and targeting genotypes．Crop Science，1997，37（2）：311-326

[2] Bradu D，Gabriel K R．The biplot as a diagnostic tool for models of two-way tables．Technometrics，1978，20（1）：47-68

[3] Kempton R A．The use of biplots in interpreting variety by environment interactions．Journal of Agriculture Science，1984，103：123-135

[4]嚴(yán)威凱．雙標(biāo)圖分析在農(nóng)作物品種多點試驗中的應(yīng)用．作物學(xué)報，2010，36（11）：1805-1819

[5]許乃銀，金石橋，晉芳，劉麗華，徐劍文，劉豐澤，任雪貞，孫全，許栩，龐斌雙．基于SNP標(biāo)記的小麥品種遺傳相似度及其檢測準(zhǔn)確度分析．作物學(xué)報．http：//kns．cnki．net/kcms/detail/11．1809．S．20231027．

1619．002．html

[6]孫瑞，楊剛，張華，孫萬倉．基于GGE雙標(biāo)圖的北方旱寒區(qū)冬油菜適應(yīng)性分析．干旱地區(qū)農(nóng)業(yè)研究，2023，41（5）：12-21

[7]趙長延，段維，朱志鋒，馬宗興，柳延濤，劉勝利，萬素梅．基于AMMI

模型和GGE雙標(biāo)圖對油用向日葵多點試驗穩(wěn)定性和適應(yīng)性分析．干旱區(qū)資源與環(huán)境，2023，37（11）：123-131

[8]樊永強，郜惠蘋，韓燕麗，王彥輝，張曉申，李君霞．基于GGE雙標(biāo)圖對‘豫谷28’的豐產(chǎn)穩(wěn)產(chǎn)性及適應(yīng)性分析．分子植物育種，2024，22（1）：178-187

[9]王桂梅，郝愛靜，邢寶龍．基于GGE雙標(biāo)圖分析山西大豆區(qū)試品種的穩(wěn)定性及適應(yīng)性．沈陽農(nóng)業(yè)大學(xué)學(xué)報，2023，54（4）：396-402

[10]李偉綺，支小剛，趙建華，孫建好，曹素珍，谷科強．基于AMMI模型和GGE雙標(biāo)圖的玉米區(qū)域試驗分析．寒旱農(nóng)業(yè)科學(xué)，2023，2（7）：607-610

[11]步清，魯月，郝德榮，陳國清，張子惠，李鵬程，徐揚，徐辰武，陸虎華，楊澤峰．AMMI模型和GGE雙標(biāo)圖在江蘇省糯玉米品種區(qū)域試驗中的應(yīng)用．分子植物育種，2022，20（22）：7628-7636

[12]孫佩，張培風(fēng)，張玉紅，周聯(lián)東，李棟，王蕊，王文潔，張瑞平，李祥，馬朝陽，李合順，王學(xué)軍．利用R語言GGE雙標(biāo)圖進(jìn)行黃淮海區(qū)玉米新組合評價分析．中國種業(yè)，2023（3）：85-90

[13]錢雙宏，蔡世昆，朱漢勇，王紹斌，李正潤，王應(yīng)梅，李紹云．不同玉米品種（系）在云南省不同生態(tài)區(qū)豐產(chǎn)、穩(wěn)產(chǎn)及適應(yīng)性分析．中國農(nóng)學(xué)通報，2023，39（9）：7-15

[14]李余良，熊婷．甜玉米品種區(qū)域試驗產(chǎn)量和試點環(huán)境的GGE雙標(biāo)圖分析．玉米科學(xué)，2022，30（3）：47-53，62

[15]李余良，熊婷，劉建華，李高科，李武，謝利華．基于GGE雙標(biāo)圖分析廣東省甜玉米品種多點試驗產(chǎn)量性狀．中國農(nóng)學(xué)通報，2021，37（24）：18-24

[16]魏常敏，陳國立，許衛(wèi)猛，邢永鋒，周文偉，李桂芝，宋萬友，李藝．糯玉米新品種鮮穗、鮮籽粒產(chǎn)量穩(wěn)定性和試點鑒別力分析．分子植物育種，2023，21（11）：3806-3812

[17]毛文博，蘇成付，毛瑞喜，王桂英，高惠敏，馬曉杰，趙延明．應(yīng)用GGE雙標(biāo)圖分析山東省玉米區(qū)域試驗品種基因型與環(huán)境互作效應(yīng)．山東農(nóng)業(yè)科學(xué)，2020，52（12）：7-13

[18] Yan W K，Hunt L A，Sheng Q L，Szlavnics Z．Cultivar evaluation and mega-environment investigation based on GGE biplot．Crop Science，2000，40（3）：597-605

（收稿日期：2023-12-20）