基于AMMI模型和GGE雙標圖分析蕎麥品種的穩產性及適應性

摘要：【目的】評價蕎麥新品種的豐產性、穩產性和生態適應性。【方法】選擇5個蕎麥品種（系）在6縣（區）點試驗數據，基于AMMI模型和R語言的GGE-Biplot軟件包相結合的方法，對寧夏南部山區不同氣候區蕎麥品種多年多點試驗進行主成分分析，綜合評價蕎麥品種的豐產性、穩定性、適應性、代表性等。【結果】蕎麥試點以半干旱區的西吉縣或原州區、半干旱區易旱區的海原縣、中部干旱帶的鹽池縣代表性較好。固蕎1號和固蕎3號新品種的豐產性、穩定性和生態適應性最佳。【結論】以AMMI模型分析與大田生產驗證相結合綜合評價蕎麥品種的穩定性方法可行，結果可靠，驗證效果良好。

關鍵詞：蕎麥；AMMI模型；GGE-Biplot；穩定性與適應性

中圖分類號：S517文獻標志碼：A文章編號：1001-4330（2024）09-2152-08

0引 言

【研究意義】農作物新品種選育過程中，品種區域試驗是一個重要環節，通過品種在不同生態氣候類型區進行多年多點試驗，結合主要農藝經濟性狀和產量進行品種的抗旱性、豐產性、穩產性和生態適應性等多項指標綜合性評價，對進一步提升和開發蕎麥生產潛力有重要意義。【前人研究進展】基于作物品種主效應與互作效應（Additive main effects and multiplicative interaction）AMMI模型下基因型及基因型與環境互作（genotype main effect plus genotype-environment interaction）效應分析GGE雙標圖，準確評價基因型和環境的穩定性。AMMI模型分析和GGE雙標圖廣泛用于馬鈴薯［1］、油菜［2］、玉米［3］、苦蕎［4］、甜玉米［5］、甜瓜［6］、谷子［7］、大豆［8］、花生［9］、青稞［10］和苦蕎［11-15］等作物品種和試點的穩定性、品質、經濟性狀以及生產能力等進行分析，為篩選優良新品種提供了有效的方法和理論依據。【本研究切入點】隨著新品種的選育指標綜合評價的方法不斷改進，利用AMMI模型和GGE雙標圖分析品種穩產性及適應性。需采用AMMI模型和GGE 雙標圖分析方法，綜合評價寧南山區參試甜蕎品種在多年多點不同氣候類型區試驗數據進行豐產性穩定性、生態適應性和試驗點的辨別力。【擬解決的關鍵問題】通過品種的穩定性分析和綜合評價，篩選出適宜在寧南山區種植的新品種，并同步進行大面積生產示范和推廣應用進行AMMI模型生產性驗證，為蕎麥品種合理區劃和品種選育提供科學依據。

1材料與方法

1.1材 料

參試5個蕎麥品種，分別為固蕎1號、固原紅花蕎、定蕎3號、固蕎3號及信農1號，其中固蕎1號、固原紅花蕎、固蕎3號及信農1號為寧夏農林科學院固原分院自主選育品種（系），定蕎3號由甘肅省定西市農業科學院引進。2017～2019試驗在寧南山區6縣（區）分別布設試驗點，其中原州區頭營、西吉縣馬建和彭陽縣城陽地處半干旱區，同心縣預旺和鹽池縣花馬池均地處中部干旱帶，每個試驗點參試品種和田間設計相同。

試驗點設在寧南山區6個縣（區）具有代表性的半干旱區、半干旱易旱區和中部干旱帶進行，寧南山區半干旱區（原州區、西吉縣和彭陽縣）、半干旱區易旱區（海原縣）和中部干旱帶（同心縣、鹽池縣）多年降水量分別為416.6～450.0、350.0和215.1～255.6 mm，蕎麥生長期降水量分別為279.2～353.0、331.8和189.8～222.9 mm。年均氣溫分別為5.9～7.2、7.1和8.6℃。生育期氣溫分別為16.7～19.4、18.7和21.3～22.0℃。表1

1.2方 法

采用隨機區組設計，小區面積 10 m2，長5 m×寬2 m，每個小區種植7行區，行距33 cm，小區留苗1 580株左右，密度105×104株/hm2左右，重復3次。收獲時每小區取生長均勻的4 m2脫粒計產，各試驗點的每個品種考種樣取中間1m長單行植株，選取代表性15株考種，對其中剩余植株進行脫粒，計算混合平均單株的株高，主莖分枝、主莖節數、單株粒重、粒數及千粒重等。

播種前結合整地進行旋耕，基肥磷酸二銨肥料150 kg/hm2。6月下旬播種，7月中旬定苗，其它田間管理同大田。

1.3數據處理

1.3.1方差及AMMI模型

應用DPS 9.5 系統和Excel 2016軟件進行AMMI模型分析［12］統計分析其品種及試驗點間的穩定性和豐產性參數及綜合評價。利用AMMI模型作圖和產量數據的方差分析均主成分特征值分析，計算品種和區試點穩定性（Di）值。運用R語言支持下的GGE-Biplo軟件包進行雙標圖分析。

AMMI模型公式為［1，4，5，6，13］：

yge=μ+αg+βe+Σni=λnγgnδgn+θgeεger…….（1）

式中，yge表示在某試點e中某一基因型g的平均產量；μ為總體平均值；αg為基因型平均偏差（基因型平均值減總的平均值）；βe為環境平均偏差（各個環境的平均值減總的平均值）；λn為第n個主成分特征值平方根；γgn為第n個主成分環境得分；δgn為第n個主成分基因型主成分得分；θge為殘差。試驗設重復，則誤差項為εger，等于γgn平均值與r個重復的單個觀察值之間的偏差，并具有可加性。

1.3.2R語言GGE雙坐標圖及穩定性

采用GGE 運用R語言支持下的GGE Biplo軟件包功能進行雙標圖分析，分別評價“豐產性和穩產性”、“區分力與代表性”、“品種生態適應性”功能圖分析參試品種與環境交互效應主成分值（interaction principal component axis，IPCA）在多維空間中圖標與原點的歐氏距離，其計算公式［1，3，4，13］如下。

Dg（e）=Σni-1（IPCA）2g（e）t…….（2）

式中，n表示達到顯著水平的IPCA個數；Dg（e）用來度量基因型或環境的相對穩定性，為基因型或環境在 n個IPCA上的歐式距離。

2結果與分析

2.1參試蕎麥品種產量的基因型和環境互作方差及AMMI互作效應

2.1.1品種產量的方差和AMMI互作效應

研究表明，甜蕎產量顯著受到基因型（genotype，G）、環境（environment，E）以及基因型與環境互作效應（G×E）的影響。環境和基因和交互作用占總變異的比例從小到大排列為甜蕎品種環境效應占總變異平方和的比例為（46.1%）＞基因（38.1%）＞基因與環境互作作用（15.9%），基因型和環境互作效應達到3個顯著水平的互作效應主成分軸為 IPCA1 （Interaction principle component axis）、PCA2和PCA3分別占互作效應的81.9%、12.0% 和5.1%，即IPCA的交互作用信息占99.0%。AMMI 模型可以較好地解釋品種和試點互作效應。表2

2.1.2AMMI模型對品種的豐產性穩定性

研究表明，固蕎3號多年平均產量為1 719.6 kg/hm2，表現最佳，且超過對照品種信農1號；按品種平均產量互作主成分得到穩定參數（Dg）值，品種的穩定性依次為固蕎1號＞固蕎3號＞信農1號＞定蕎3號＞固原紅花蕎，其中固蕎1號品種的穩定性最好。以品種的穩定性參數結合產量綜合分析，參試品種固蕎1號和固蕎3號品種豐產性穩定性比較好，其次為信農1號。表3

試點穩定性值（De）與品種穩定性值（Dg）相反，其De值越大，試點代表性與辨別力越強。試點平均產量在E2（西吉縣）＞E1（原州區）＞E4（海原縣）＞E6（鹽池縣）＞E5（同心縣）＞E3（彭陽縣）的情況下，試點的穩定性De值以E2（西吉縣）最好，其次為E3（彭陽縣）。選擇半干旱區的西吉縣或彭陽縣，半干旱易旱區的海原縣及中部干旱帶的鹽池縣布設試點較理想。表4

2.2參試品種與試點GGE雙標圖

2.2.1品種豐產性穩產性雙坐標圖

研究表明，參試品種高產性和穩產性以帶箭頭的直線為環境平均軸，其箭頭方向表示品種所有環境下的近似平均產量的走向。固蕎1號和固蕎3號表現最高，其次為品種定甜蕎3號。坐標功能圖與平均產量、互作主成分得到的品種豐產性和穩定性結果基本一致。圖1，表3～4

2.2.2試點代表性與辨別力GGE雙坐標圖

研究表明，試點E1或E2（原州區或西吉縣）均處于同一生態環境范圍，E4（海原縣），試點E5（同心縣）和E6（鹽池縣）處于同一生態環境范圍，以選擇鹽池縣試點與平均環境軸的夾角小。應該選擇試點E1（E2）、E4和E6其代表性和辨別力比較強。圖2

2.2.3參試蕎麥品種生態適應性

研究表明，整個雙標圖被垂線劃分為4個扇形區域，位于該扇區多邊形的頂角為最適合在該區域種植的品種。第一扇區品種固蕎1號在試驗點E3、E5表現比較好；第二扇區品種固蕎3號在試驗點E1、E2、E4和E6適應范圍比較廣闊；第三扇區有品種定甜蕎3號，第四扇區品種豐產性低和適應性較差。圖3

2.3參試品種AMMI模型生產示范性驗證及推廣成效

2.3.1AMMI模型分析與大面積生產相結合驗證品種的穩定性

研究表明，固蕎1號、固蕎3號在寧山區半干旱區、半干旱區易旱區、中部干旱帶及寧南6縣（區）分別較對照品種信農1號增產11.2%、19.4%、11.4%%和12.7%。而在寧南山區不同氣候類型區進行多年多點生產示范，其中半干旱區旱地平均產量為1 687.0 kg/hm2，較對照品種增產13.7%，半干旱偏旱區旱地平均產量為1 484.0 kg/hm2，較對照品種增產10.0%，中部干旱帶平均產量為1 038.0 kg/hm2，較對照品種增產8.5%。另外，鹽池縣花馬池鎮生育期滴灌水量120 mm條件下，其產量達到1 902.0～2 475.0 kg/hm2，較對照品種增產18.7%～35.5%。

固蕎1號、固蕎3號在不同氣候類型區生產示范區增產趨勢及穩定性與AMMI模型分析結果基本一致，該方法能夠準確有效的綜合評價品種，其方法可行，結果可靠，驗證效果良好。表5

2.3.2蕎麥品種生產示范和推廣成效

研究表明，2020～2023年在寧南山區8縣（區）進行大面積生產示范與推廣，累計示范推廣面積達1 266.8 hm2，旱地產量為1 300.8～1 583.7 kg/hm2，較信農1號增產10.8%～14.4%。固蕎1號、固蕎3號品種先后由內蒙古、陜西、甘肅、山西、河北、貴州和云南等省（區）引進生產示范和輻射推廣150 hm2以上。

3討 論

品種與環境適應性的選擇重要性［2，4，10-14］。基于PCA1、PCA2和PCA3的互作主成分計算得到參試品種的穩定性參數Dg，其Dg值越小，表示品種的穩定性越好［5-8］。按照蕎麥品種在不同氣候類型區和不同生產條件下對生態適應性的影響程度看，新品種選育過程中對品種的客觀評價，既要具備豐產性，又能獲得穩產性才是評價品種比較理想的目標［4］。GGE雙標圖中橫坐標（PAC1）可以解釋互作信息量為84.61%，縱坐標（PAC2）可以解釋互作信息量為12.54%，總計 97.15%的環境和基因環境互作的變異信息［4-5，9，12，13］。試點線段和平均環境軸間的夾角表示該試點的代表性，角度越小，代表性越強，若一個試點與平均環境軸的夾角為鈍角，則表示該試點不適合作為試驗點［2，4，7，11-15］。同一品種在不同種植區域表現不一致，在一定程度也反映出品種對區域種植的生態適應性。GGE雙標圖中的“品種生態適應性”功能圖，將同一方向上距離原點最遠的品種連成一個多邊形［8，9，11，16-18］，確保所有品種都落在多邊形內，過原點作多邊形各邊的垂線，雙標圖被垂線分成若干個區域［19-24］，處于多邊形頂端的品種則是各區域內表現最好的品種。西北干旱地區7-8月正值蕎麥開花授粉期，此階段經常遇到干旱少雨，降水量減少致使不能滿足作物需水供水要求［25-26］，由此導致結實率下降而影響生產能力提升。基于蕎麥授粉期大氣溫度、相對濕度、降水量和土壤蓄水供水能力對產量的影響有待進一步研究。

4結 論

4.1

參試蕎麥品種的豐產性穩定性以固蕎1號和固蕎3號最佳，其次為定甜蕎3號。試點代表性與辨別力在半干旱區的西吉縣和彭陽縣，半干旱易旱區的海原縣，中部干旱帶的鹽池縣為比較理想的蕎麥試點環境。

4.2AMMI和GGE雙標圖分析方法可行，結果可靠，驗證性良好，值得創新應用。

4.3

2020～2023年對篩選出的品種固蕎1號和固蕎3號在寧南山區不同氣候類型區建立科技核心展示區、大面積生產示范和推廣面積達1 266.8 hm2。

4.4

蕎麥品種在不同氣候類型區種植，其生產能力提升的關鍵決定于當地生產條件和對水肥的滿足程度。蕎麥品種的豐產性和穩定性以及生產能力提升受諸多因素的影響，特別是開花授粉期大氣溫度、降水量對產量影響較大。

參考文獻（References）

［1］謝銳， 路戰遠， 金曉蕾， 等. 基于AMMI模型的內蒙古中西部地區馬鈴薯品種（系）穩定性和適應性分析［J］. 北方農業學報， 2022， 50（1）： 18-24.

XIE Rui， LU Zhanyuan， JIN Xiaolei， et al. Analysis of potato varieties（lines） stability and adaptability in Midwestern Inner Mongolia base onAMMI model［J］. Journal of Northern Agriculture， 2022， 50（1）： 18-24.

［2］ 黃大明， 謝雄澤， 白桂萍， 等. AMMI模型和GGE雙標圖在湖北省油菜區域試驗中的應用［J］. 湖北農業科學， 2018， 57（12）： 24-29.

HUANG Daming， XIE Xiongze， BAI Guiping， et al. Application of AMMI model and GGE biplot in rape regional trial of Hubei［J］. Hubei Agricultural Sciences， 2018， 57（12）： 24-29.

［3］步清，魯月，郝德榮，等.AMMI模型和GGE雙標圖在江蘇省糯玉米品種區域試驗中的應用［J］.分子植物育種，2022，20（22）：7628-7636.

BU Qing，LU Yue，HAO Derong，et al. Application of AMMI model and GGE double label plot in regional trials of glutinous corn varieties in Jiangsu Province ［J］. Molecular Plant Breeding， 2022，20（20）：7628-7636.

［4］ 吳曹陽， 梁詩涵， 邱軍， 等. 基于連續12年國家苦蕎區域試驗的中國苦蕎品種選育現狀分析［J］. 中國農業科學， 2020， 53（19）： 3878-3894.

WU Caoyang， LIANG Shihan， QIU Jun， et al. An examination on breeding status quo of Chinese Tartary buckwheat varieties based on the national cross-country tests of Tartary buckwheat varieties in China over 12 consecutive years［J］. Scientia Agricultura Sinica， 2020， 53（19）： 3878-3894.

［5］ 魏常敏， 許衛猛， 邢永鋒， 等. AMMI模型和GGE雙標圖在黃淮海甜玉米中的應用［J］. 分子植物育種， 2021， 19（17）： 5909-5916.

WEI Changmin， XU Weimeng， XING Yongfeng， et al. Application ofAMMI model and GGE biplot of sweet maize varieties in Huang-Huai-Hai regional［J］. Molecular Plant Breeding， 2021， 19（17）： 5909-5916.

［6］ 王迪. GGE雙標圖分析黑龍江省甜瓜區域試驗品種適應性和穩定性［J］. 黑龍江農業科學， 2021， （10）： 64-68.

WANG Di. Analysis of adaptability and stability of melon varieties in Heilongjiang regional test by GGE biplot［J］. Heilongjiang Agricultural Sciences， 2021， （10）： 64-68.

［7］ 宋慧， 劉金榮， 王素英， 等. GGE雙標圖評價谷子'豫谷18'的豐產穩產性和適應性［J］. 中國農業大學學報， 2020， 25（1）： 29-38.

SONG Hui， LIU Jinrong， WANG Suying， et al. Evaluation of foxtail millet yield stability and adaptability using GGE-biplot analysis： a case study of 'Yugu18' foxtail millet cultivar［J］. Journal of China Agricultural University， 2020， 25（1）： 29-38.

［8］ 昝凱， 陳亞光， 徐淑霞， 等. 基于R語言的GGE雙標圖在大豆區試中的應用［J］. 大豆科技， 2019， （4）： 16-20.

ZAN Kai， CHEN Yaguang， XU Shuxia， et al. Application of GGE double plot in soybean regional tests based on R language［J］. Soybean Science amp; Technology， 2019， （4）： 16-20.

［9］ 崔順立， 何美敬， 侯名語， 等. 利用GGE雙標圖分析花生品質性狀的基因型-環境互作［J］. 中國油料作物學報， 2021， 43（4）： 617-626.

CUI Shunli， HE Meijing， HOU Mingyu， et al. Genotype × environment interactions for the quality traits of peanut varieties based on GGE biplot analysis［J］. Chinese Journal of Oil Crop Sciences， 2021， 43（4）： 617-626.

［10］ 王育才， 王化俊， 李葆春， 等. 基于GGE雙標圖對青稞區試點代表性及品系穩定性的分析［J］. 草原與草坪， 2018， 38（5）： 22-27.

WANG Yucai， WANG Huajun， LI Baochun， et al. GGE-biplot based study on cultivar stability and representativeness of test sites for highland barley［J］. Grassland and Turf， 2018， 38（5）： 22-27.

［11］ 張大愛， 趙緒明， 錢一萍， 等. 用GGE雙標圖分析苦蕎品種的產量穩定性及試驗地點相似性［J］. 西北農林科技大學學報（自然科學版）， 2015， 43（7）： 101-108.

ZHANG Daai， ZHAO Xuming， QIAN Yiping， et al. GGE biplot based yield stability and test site similarity of Tartary buckwheat varieties［J］. Journal of Northwest A amp; F University （Natural Science Edition） ， 2015， 43（7）： 101-108.

［12］ 唐啟義， 馮明光. DPS數據處理系統： 實驗設計、統計分析及數據挖掘［M］. 北京： 科學出版社， 2007.

TANG Qiyi， FENG Mingguang. DPS data processing system［M］. Beijing： Science Press， 2007.

［13］ 袁金海， 賈多英， 劉續漢， 等. GGE雙標圖在馬鈴薯產量及試驗點評價分析中的應用［J］. 中國種業， 2018， （8）： 56-59.

YUAN Jinhai， JIA Duoying， LIU Xuhan， et al. Application of GGE double plot in evaluation and analysis of potato yield and test site［J］. China Seed Industry， 2018， （8）： 56-59.

［14］ 李亞杰， 李德明， 范士杰， 等. GGE雙標圖在馬鈴薯品種適應性及產量穩定性分析中的應用評價［J］. 蘭州大學學報（自然科學版）， 2016， 52（5）： 617-622.

LI Yajie， LI Deming， FAN Shijie， et al. Analysis of variety adaptability and yield stability of potato for evaluating GGE-biplot application［J］. Journal of Lanzhou University （Natural Sciences）， "2016， 52（5）： 617-622.

［15］ 張志芬， 任長忠， 楊海順， 等. 基于SD-GGE雙標圖進行飼草燕麥品種歸類和區域劃分［J］. 中國農業大學學報， 2021， 26（5）： 10-21.

ZHANG Zhifen， REN Changzhong， YANG Haishun， et al. Variety classification and region division of forage oat varieties based on SD-GGE Biplot［J］. Journal of China Agricultural University， 2021， 26（5）： 10-21.

［16］ 李琴琴， 高乙萍， 張志芬， 等. 甜蕎品種穩定性和試驗地點相似性的GGE雙標圖分析［J］. 干旱地區農業研究， 2013， 31（1）： 67-70， 121.

LI Qinqin， GAO Yiping， ZHANG Zhifen， et al. Stability and testing-site similarity for common buckwheat lines based on GGE-biplot analysis［J］. Agricultural Research in the Arid Areas， 2013， 31（1）： 67-70， 121.

［17］ 柳娜， 曹東， 王世紅， 等. 基于GGE雙標圖的甘肅春小麥區試品系穩產性和試點代表性分析［J］. 西北農林科技大學學報（自然科學版）， 2018， 46（4）： 39-48.

LIU Na， CAO Dong， WANG Shihong， et al. Yield stability and testing-site representativeness of regional trials for spring wheat lines in Gansu based on GGE-biplot［J］. Journal of Northwest A amp; F University （Natural Science Edition） ， 2018， 46（4）： 39-48.

［18］ 丁逸帆， 許明， 許如根， 等. 基于GGE雙標圖對江蘇省大麥鑒定試驗品種的高產穩產和適應性分析［J］. 揚州大學學報（農業與生命科學版）， 2019， 40（3）： 22-26.

DING Yifan， XU Ming， XU Rugen， et al. Analyses for high-yield， stability and adaptability of barley varieties in identification test of Jiangsu Province using GGE biplot［J］. Journal of Yangzhou University （Agricultural and Life Science Edition） ， 2019， 40（3）： 22-26.

［19］ 陳新， 吳斌， 張宗文. 燕麥種質資源重要農藝性狀適應性和穩定性評價［J］. 植物遺傳資源學報， 2016， 17（4）： 577-585.

CHEN Xin， WU Bin， ZHANG Zongwen. Evaluation of adaptability and stability for important agronomic traits of oat（Avena spp.） germplasm resources［J］. Journal of Plant Genetic Resources， 2016， 17（4）： 577-585.

［20］ 陳四龍， 李玉榮， 程增書， 等. 用GGE雙標圖分析種植密度對高油花生生長和產量的影響［J］. 作物學報， 2009， 35（7）： 1328-1335.

CHEN Silong， LI Yurong， CHENG Zengshu， et al. GGE biplot analysis of effects of planting density on growth and yield components of high oil peanut［J］. Acta Agronomica Sinica， 2009， 35（7）： 1328-1335.

［21］ 王星宇， 程靜， 高生， 等. 應用AMMI模型和GGE雙標圖評價裸燕麥品種在華北高寒區的適應性［J］. 草業學報， 2022， 31（12）： 76-84.

WANG Xingyu， CHENG Jing， GAO Sheng， et al. Evaluation of adaptability of naked oat varieties in the alpine region of North China based on the AMMI model and GGE Biplot［J］. "Acta Prataculturae Sinica， 2022， 31（12）： 76-84.

［22］ 朱艷彬， 孫九超， 王顯， 等. 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［J］. 安徽農業科學， 2021， 49（6）： 49-53.

ZHU Yanbin， SUN Jiuchao， WANG Xian， et al. Application of AMMI model and GGE-biplot based on genstat in the analysis of maize regional experiment［J］. Journal of Anhui Agricultural Sciences， 2021， 49（6）： 49-53.

［23］ 周啟龍， 多吉頓珠， 劉云飛， 等. 應用AMMI模型分析飼用燕麥干草產量穩定性和適應性［J］. 種子， 2020， 39（6）： 79-82.

ZHOU Qilong， DUO Jidunzhu， LIU Yunfei， et al. Analysis of yield stability and adaptability of forage oat hay based onAMMI model［J］. Seed， 2020， 39（6）： 79-82.

［24］ 柴繼寬， 慕平， 趙桂琴. 8個燕麥品種在甘肅的產量穩定性及試點代表性研究［J］. 草地學報， 2016， 24（5）： 1100-1107.

CHAI Jikuan， MU Ping， ZHAO Guiqin. Study on yield stability and test site representativeness of eight oat varieties in Gansu Province［J］. Acta Agrestia Sinica， 2016， 24（5）： 1100-1107.

［25］方彥杰，張緒成，于顯楓，等，施肥對半干旱區旱地全膜覆土穴播苦蕎產量及水肥利用率的影響［J］.中國農業科技導報. 2020，22（9）：143-152

FANG Yanjie，ZHANG Xucheng，YU Xianfeng，et aI. Impacts of Fertilization on Yield and Water-fertilizer Use Efficiency of Tartary Buckwheat with Whole Field Soil-plastic Mulching in Semiarid Area ［J］. Journal of Agricultural Science and Technology，2020，22（9）：143-152

［26］ 周花， 戴麗君， 李永平， 等. 不同覆膜穴播種植方式對谷子和糜子生長發育及水分利用率的影響［J］. 甘肅農業科技， 2021， 52（4）： 29-36.

ZHOU Hua， DAI Lijun， LI Yongping， et al. Effects of different mulching hole-planting methods on growing development and water use efficiency of foxtail millet andPanicum miliaceum L［J］. Gansu Agricultural Science and Technology， 2021， 52（4）： 29-36.

Analysis of stable yield and adaptability of buckwheat varieties based on AMMI model and GGE double label graph

CHANG Keqin，DU Yanping，MU Lanhai，YANG Chongqing，CHEN Yixin

（Guyuan Branch of Ningxia Academy of Agriculture and Forestry Sciences / Dry Farming Agricultural Engineering Technology Research Center of Ningxia，Guyuan Ningxia 756000， China）

Abstract：【Objective】 Evaluate the high yield， stable yield， and ecological adaptability of new varieties of tartary buckwheat.

【Methods】 Through the analysis of experimental data from 5 varieties （lines） in 6 counties （districts）， By combining the AMMI model with the GGE-Blilot software package of R language， principal component analysis was conducted on sweet buckwheat varieties from different climate zones in the southern mountainous areas of Ningxia for multiple years and the stability， adaptability， pilot representativeness were comprehensively evaluated.

【Results】 The buckwheat pilot area represented by Xiji County or Yuanzhou District in semi-arid areas and Haiyuan County in semi-arid areas prone to drought， and Yanchi County in the central arid zone was better. "The new varieties of Guqiao 1 and Guqiao 3 had the best yield， stability， and ecological adaptability.

【Conclusion】 By combining the AMMI model analysis with production practice verification， the method is feasible， the results are reliable， and the validation is good.

Key words：sweet buckwheat crop varieties；AMMI model；GGE Biplot；stability and adaptability

Fund projects：Avena sativa and Buckwheat Industry Technology System of the Ministry of Agriculture and Rural Affairs-Guyuan Comprehensive Experimental Station（CARS-07-G-15）；Local Cooperation of Ningxia Academy of Agriculture and Forestry Sciences-Key Technology Integration and Light and Simple Cultivation Technology Demonstration of Yanchi Characteristic Industry （NNKZZCGZH-2021-04）;Ningxia Science and Technology Key Project - Ningxia Small Coarse Grain Innovation Team （2020CXTDLX04）

Correspondence author：CHANG Keqin （1965-）， male， from Guyuan，Ningxia，researcher， research direction：breeding new varieties of buckwheat and oat crops and water-saving cultivation techniques，（E-mail）nxgychkq@163.com

收稿日期（Received）：2024-02-17

基金項目：農業農村部國家燕麥蕎麥產業技術體系-固原綜合試驗站（CARS-07-G-15）；寧夏農林科學院院地合作-鹽池特色產業關鍵技術集成及輕簡栽培技術示范（NNKZZCGZH-2021-04）；寧夏科技重點-寧夏小雜糧創新團隊（2020CXTDLX04）。

作者簡介：常克勤（1965-），男，寧夏固原人，研究員，研究方向為蕎麥和燕麥作物新品種選育及栽培，（E-mail）nxgychkq@163.com