長江上游中燦遲熟區水稻品種的穩定性及適應性分析

我國長江上游中粘遲熟稻區是重要的水稻種植區域，涵蓋了四川省平壩丘陵稻區、貴州省（武陵山區除外）云南省的中低海拔燦稻區及重慶市（武陵山區除外）海拔 800m 以下地區、陜西省南部稻區，合理評價長江上游中粘遲熟稻區水稻品種的穩定性、豐產性、適應性及不同試驗點的鑒別力，有助于品種審定和良種推廣[1-2]。分析區域試驗中基因型與試點的互作效應常使用的模型有AMMI模型和GGE雙標圖[3-5]。AMMI模型原理分為2部分：通過方差分析分解總變異為主效應（基因型效應、環境效應）和殘差（互作效應）；對基因型與環境的互作效應進行主成分分析，降維提取關鍵互作模式，AMMI模型與方差分析模型、線性回歸模型相比，應用范圍更廣且更有效[6-7]。AMMI模型通過雙標圖可視化基因型與試點的適配關系，靠近原點的基因型表現穩定，而向量長度長的試點鑒別力強，可以直觀地解釋基因型與試點之間互作效應的大小，基因型的 D 值越小表明品種越穩定，試點的 D 值越大表明試點對品種的鑒別力越強[8-9]。GGE 雙標圖則是將原始數據地點中心化，再對其進行奇異值分解，一般保留前2項乘積項來繪制GGE雙標圖[1]。智琳然等[]采用AMMI模型和GGE雙標圖對長江中下游單季晚粳組水稻區域試驗中的10個品種在10個試驗點的產量數據進行了綜合分析，以合理評價各參試品種的豐產性、穩產性、區域適應性;岳海旺等[12]采用AMMI模型與BLUP方法對河北省冬小麥節水組14個參試品種在10個試點產量數據信息進行綜合分析，以有效鑒定和評價河北省冬小麥品種的豐產性、穩定性和適應性;李飛等[13]用AMMI模型對11個花生品種在18個試點的莢果產量進行分析，以評價國家北方片花生新品種多點試驗中小粒花生新品種的產量潛力以及各試點鑒別力；呂增帥等[14利用基于R語言的AMMI模型和GGE雙標圖方法分析15個油葵品種在13個試點的適應性、穩產性。

本研究基于2024年國家水稻品種統一試驗（長江上游中遲熟A組）中12個雜交稻品種在14個試點的產量數據，采用AMMI模型和GGE雙標圖進行綜合分析與評價，旨在全面評估這12個雜交水稻品種在長江上游中燦遲熟稻區的豐產性、穩產性和適應性，為國家水稻品種審定及區域農業生產提供參考。

1材料與方法

1.1數據來源本研究使用的數據來自2024年國家水稻品種統一試驗（長江上游中遲熟A組），該生產試驗品種12個，包括云兩優808（g1）龍香優香占（g2）F優498（g3）萬春優5223（g4）湘沅優5287（g5）玉龍優196（g6）宜香優2115（g7）潑優1170（g8）千鄉優9372（g9）昇兩優222（g10）品香優3529（g11）神農優730（g12），以審定品種F優498和宜香優2115為對照。試點14個，包括四川巴中（E1）貴州黔東南州（E2）貴州黔西南州（E3）貴州貴陽（E4）貴州遵義（E5）四川綿陽（E6）四川內江（E7）陜西漢中（E8）四川廣元（E9）四川瀘州（E10）云南紅河州（E11）云南文山州（E12）重慶南川（E13）重慶渝東南（E14），各試點均按《2024年南方稻區國家水稻品種試驗實施方案》及NY/T1300—2022《農作物品種試驗與信息化技術規程水稻》要求進行試驗。

1.2數據分析利用Excel統計數據，采用DPS數據處理系統進行方差分析、AMMI模型分析和Dg（e）穩定性分析，通過R語言中的“GGEBiplotGUI\"軟件包繪制GGE雙標圖。

2 結果與分析

2.1方差分析及AMMI模型分析對水稻區域試驗產量數據進行方差分析和AMMI模型聯合分析（表1），結果表明，品種、試點、品種與試點互作的方差均達到極顯著水平，說明基因型、環境、基因型與環境互作對水稻產量表現的影響均達到極顯著水平。品種、試點和兩者間交互作用的平方和分別占總變異的 4.23%，77.45%，18.32% 。試點引起的變異貢獻最大，品種的變異和兩者間交互作用引起的變異也達到極顯著水平，這表明在水稻區域試驗中，試點是影響水稻產量最主要的因素。

進一步通過AMMI模型對互作效應進行分解，發現前3個主成分軸（IPCA1、IPCA2、IPCA3）達到極顯著或顯著水平，分別占交互作用平方和的30.44%.21.24%.14.69% ，共解釋了 66.37% 的交互作用，而殘差部分是指品種與試點交互作用中未被PCA1、PCA2、PCA3解釋的部分，占交互作用平方和的 33.63% 。IPCA1解釋了交互作用的主要部分，代表最強的互作模式，IPCA2和IPCA3解釋了次要的互作模式，三者能夠較好地解釋基因型與環境間的互作效應，表明AMMI模型能夠有效分析產量數據的交互作用模式，為品種的穩定性分析和試點鑒別提供可靠依據。

2.2AMMI模型雙標圖分析AMMI模型雙標圖能夠直觀地展示不同品種在不同試點中的表現及交互作用，通過觀察品種在雙標圖中的位置，可以評估每個品種的穩定性和適應性，還能對試驗地點的鑒別力進行分析。在AMMI雙標圖中，靠近坐標原點的品種通常表明其在多種試點下都具有良好的表現和穩定性；而遠離原點的品種則可能僅在某些特定試點中表現優異，穩定性差。位于邊緣的地點往往具有較高的鑒別力，能更準確地區分不同品種的表現差異，而位于中心的地點則鑒別力較低。由圖

表1方差分析和AMMI模型聯合分析

、*分別表示在0.05、0.01水平上存在顯著、極顯著差異

1可知，試驗中品種 g7.g6.g10.g9.g3.g5 離原點較近，穩定性好;品種 92，g8，g11，g12 離遠點較遠，穩定性差。品種與試點間互作較大的試點有E5、E13、E4，表明這3個試點對品種的鑒別力較強，互作較小的試點為E2、E3，表明這2個試點的鑒別力較差。

2.3品種與試點互作效應分析品種與試點的互作效應對產量的表現具有重要影響，由表2可知，不同品種與試點間的互作效應存在明顯差異。例如，品種g2在試點E5（73.246）和E4（61.603）表現出較強的正向互作效應，而在試點E13（-132.801）和E7（-67.038）則表現為明顯的負向互作效應，表明該品種對特定試點具有高度敏感性或穩定性。品種g4在試點E7（100.205）表現出極強的正向互作效應，但在試點E6（-34.253）和E11（-32.765）則表現為負向互作效應。此外，品種g12在試點E13（47.932）和E11（43.755）表現較好，但在試點E12（-66.277）和E4（-109.055）表現較差，說明g2、g4、g12品種的適應性受試點影響較大，可能僅在特定試點表現優異，反映出明顯的基因型與環境互作效應。

圖1AMMI模型雙標圖

2.4品種及試點穩定性分析為全面評價參試品種的穩定性和試點的鑒別能力，本研究采用AMMI模型分析方法，通過計算各品種和試點在IPCA空間中離坐標原點的歐式距離（即穩定性參數 D_g 和

表2品種與試點間互作效應

D_e ）進行量化評估。穩定性分析能夠精準量化基因型與環境互作效應，系統揭示不同品種在不同試點條件下的表現規律。品種的穩定性參數 D_g 值越小，表明品種對試點變化的適應性越強，穩定性越高。由表3可知，參試品種的 D_g 從大到小順序為 ^g2gt; g12gt;g11gt;g8gt;g10gt;g4gt;g6gt;g1gt;g3gt;g5gt;g9gt;g7 ，因此穩定性較好的品種是 g7.g9.g5 ，穩定性較差的品種是^g2?g12?g11 。結合平均產量分析，平均產量高、穩定性好的品種是 g9.g3.g5 ，平均產量高、穩定性一般的品種是 g10 ，穩定性好、平均產量一般的品種是g7 ，平均產量一般、穩定性一般的品種是 g4.g8 ，平均產量一般、穩定性差的品種是 gl1_?g12 ，平均產量低、穩定性一般的品種是g1、g6，平均產量低、穩定性差的品種是 g2 。高產但不穩產的品種（如g10）

對試點變化較為敏感，平均產量較高，表明其在高產潛力上具有優勢，但適應性較窄，可能僅適合特定試點種植。

試點的穩定性參數 D_e 值越大，表明試點對品種的鑒別力越強。由表4可知，試點的穩定性參數D_e 從大到小順序為 E5gt;E4gt;E13gt;E7gt;E10gt;E1gt;E6gt; E9gt;E2gt;E12gt;E14gt;E11gt;E8gt;E3 ，因此鑒別力強的試點是E5、E4、E13、E7，鑒別力弱的試點是E3、E8、E11、E14、E12，其他試點的鑒別力一般。

2.5GGE雙標圖分析GGE雙標圖是在主成分分析的基礎上，對品種、品種與試點互作效應進行分解，然后根據前2個主成分（PC1和PC2）構建雙標圖。通過GGE雙標圖，可以直觀地展示品種在不同環境下的表現及其穩定性。2個試點與原點連線的夾角余弦值表示其相關系數，夾角小于 90^° 表示正相關，且夾角越小，2個試點之間的相關性越高，大于 90^° 表示負相關，等于 90^° 說明2個環境不相關。連接原點和試點，向量長度越長，意味著對環境的鑒別力越強。由圖2a可知，PC1、PC2分別解釋了品種、試點、品種與試點互作 28.85% 和 21.56% 的變異。E4和E9、E3和E13正相關性高，E4、E13、E7具有較強的鑒別力。與平均試點坐標軸方向一致的品種豐產性好，品種到平均試點坐標軸的垂線距離代表穩定性，距離越短，穩定性越好。由圖2b可知， g9 、^{gl0，g3，gl1} 的豐產性與穩定性均較好， ^g2，g12 豐產性差且不穩定。將同一方向距離原點最遠的品種對應的點連線形成多邊形，過原點作各邊垂線，垂線將多邊形分為若干個區域，多邊形各區域內頂端的品種即為最適宜在該區域種植且豐產性最好的品種。

表3品種穩定性參數 及排序

表4試點穩定性參數 D_e 及排序

由圖2c可知，g2適合種植在E6、E9試點，g12適合種植在E1、E14、E3試點。通過GGE雙標圖的分析，可以更清晰地識別出品種在特定環境下的表現力，為未來的品種選擇和種植策略擬定提供科學依據。

3 討論與結論

AMMI模型和GGE雙標圖被諸多學者用于區域試驗中對產量數據進行綜合分析，以合理評價各參試品種的豐產性、穩產性、區域適應性[15-18]。楊錦忠等[認為AMMI模型實際是一個主效可加、互作可乘模型，具備在基因型與環境互作中區分信號與噪音的能力，能夠提升估計精度，利用雙標圖能夠直觀地展示和解析基因型與環境之間的交互作用模式，試點和品種距離原點的歐氏距離可作為衡量該地點鑒別力及品種穩定性的指標。劉帆等[19]認為AMMI模型借助于雙標圖表達和解釋分析結果，便于直觀地對參試品種的豐產穩定性及試點鑒別力作出評價，但是該模型也有一定的局限性，AMMI1雙標圖僅表達了品種的豐產性、試點的產量潛力和品種與試點的交互作用信息，AMMI2雙標圖也只描述了品種與試點互作，沒有考慮到試點，雖能對試點的分辨力進行初步判斷，但對試點的代表性信息表達不夠。雖然AMMI模型在區域試驗分析的適用性最廣泛，但是其主成分軸仍存在解釋效果不理想的狀況，尤其是當 IPCA 軸大于3時，并且 D_g（e） 的計算方法也存在一定誤差[20-21]。陳茂功等[15]認為AMMI模型和GGE雙標圖分析過程中放寬了對方差、協方差的約束條件，且模型參數相對較少，因此在區域試驗分析中的適用性最廣泛。綜上所述，AMMI模型主要用于分析品種與試點之間的互作效應，而GGE雙標圖則側重于綜合評估品種在不同試點下的表現及品種與試點的互作。因此，結合使用AMMI模型和GGE雙標圖進行產量數據分析，能夠更全面地理解基因型的表現和穩定性，從而有助于提高選擇合適基因型的準確性。

a：試點間關系分析；b：豐產性、穩產性分析;c：生態適應性分析圖2GGE雙標圖分析

本研究結果表明，品種、試點、品種與試點互作的方差均達到極顯著水平，其中試點是影響水稻產量最主要的因素，其次是品種與試點互作效應，最后是品種。本研究基于定量互作效應和穩定性參數的分析方法，實現了品種與試點的精準匹配，為篩選最優品種與最適試點提供了參考。以g1和E1為例，g1的IPCA1得分為3.3266，IPCA2為-1.8241，表明其對試點變化具有特定的響應模式。通過分析品種g1與各試點的互作效應值發現，該品種在E2、E5、E6試點表現出較強的正向互作，說明這些試點最有利于g1產量遺傳潛力的發揮，而E11、E12等試點則出現強負互作，應規避種植。同時，g1的穩定性參數 D_g=3.84 ，穩定性一般，建議優先在類似E6的試點下推廣，避開在類似E11、E12等適配性差的區域種植。對各品種在試點E1的互作效應值進行分析，g8和g2表現出較強的正向互作效應，其中g8在E1的增產效果最為明顯，互作效應值達到35.914，大幅度高于其他品種，因此建議優先選擇g8作為E1的主栽品種， ^g2 作為替代品種，同時應避免種植在E1試點表現較差的品種，如g11和g9。其他品種的最適試點和其他試點的最適品種也可參考此方法選擇。綜合本文多種分析方法，高產穩產的品種是千鄉優9372（g9）F優498（g3）湘沅優5287（g5），鑒別力強的試點有貴州遵義（E5）貴州貴陽（E4）重慶南川（E13）。以上研究結果將為國家水稻品種審定提供科學依據，并為區域農業生產推薦最適合當地環境條件的水稻品種，助力提升農業生產的效率與穩定性，促進區域內水稻產業的可持續發展奠定基礎。

參考文獻

[1]衣政偉，侯凡，胡中澤，唐昌華.2020年長江中下游中遲熟水稻區域試驗.浙江農業科學，2022，63（9）：1959-1963

[2]陳曉波，饒鳴鈿，雷伏貴，樂開富.長江中下游中粘遲熟組水稻品種區域試驗研究.中國農業文摘-農業工程，2021，33（5）：15-21

[3]江良才，張碩，李同洪，楊曉龍，喻霞，張世宏，肖江蓉，高廣金，徐延浩.基于AMMI模型和GGE雙標圖的湖北省糯高梁區域試驗綜合評價.中國種業，2024（11）：98-104

[4]顏昌蘭，白文琴，郭超，高金鋒，高小麗，楊璞，王鵬科.青稞品種穩定性及適應性的AMMI模型分析.干旱地區農業研究，2016，34（2）：157-162

[5]吳媛媛，周健，包曉婷，燕麗，鄭文寅，張文明，姚大年.基因型和環境對小麥類胡蘿卜素含量及其品質性狀的影響.麥類作物學報，2015，35（9）：1257-1261

[6]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雙標圖的玉米區域試驗分析.寒旱農業科學，2023，2（7）：607-610

[7]魏鵬程，陳杜，羅英艦，鄭迎霞，楊錦越，羅上軻，程乙，王安貴，宋碧.基于AMMI和GGE雙標圖的貴州不同生態區春玉米豐產性穩產性和試點辨別力評價.玉米科學，2023，31（1）：22-31

[8]李元元，張征鋒，孫遼，肖本澤.利用AMMI模型評價湖北省水稻區試品種的適應性.湖北農業科學，2016，55（2）：285-289

[9]楊錦忠，郝建平，姚宏亮，姚先伶.基于AMMI模型的玉米區域試驗地點鑒別力的重演性研究.玉米科學，2011，19（4）：145-148

[10]王磊，程本義，鄂志國，楊仕華.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.中國水稻科學，2015，29（4）：408-416

[11]智琳然，孫菊英，柯璦，王雪剛，王小虎，馬剛，唐樂堯，陳天曄，黃天琪.基于AMMI模型和GGE雙標圖的水稻區域試驗綜合分析.中國種業，2025（2）：89-94

[12]岳海旺，魏建偉，劉朋程，陳淑萍，卜俊周.基于AMMI模型和GGE雙標圖對玉米品種產量穩定性和適應性選擇評價.中國農業大學學報，2024，29（9）：24-37

[13]李飛，韓昕君，周彥忠，姬小玲，李斯佳，郭玉生.基于AMMI模型的花生新品種區域試驗分析.東北農業科學，2024，49（1）：54-58

[14]呂增帥，肖陳燕，王鵬，董紅業，柳延濤，段維，劉勝利.基于AMMI模型和GGE雙標圖在油葵區試中的應用.西北農業學報，2024，33（11）：2048-2058

[15]陳茂功，焦鈺艦，張乾昌，劉興軍，孟丹丹，趙向田.基于AMMI模型和GGE雙標圖的西北春玉米品種的穩定性和適應性分析.