西北旱作区马铃薯多点试验中高代品系稳定性分析
发布时间:2021-12-09 09:40
本文借助于GenStat的GGE双标图对2016—2018年马铃薯多点试验中的7个马铃薯参试高代品系在5个试点的产量及稳定性进行分析。结果表明,在参加多点试验的7个品系中,在丰产性与稳定性方面表现较好的是品系0773-2(G5)与1003-2(G2)。0904-134(G1)与0911-27(G6)既不高产,也不稳产。综合3年试验分析结果,参加多点试验的5个试点中,试点陇西(E3)的代表性与区分力综合表现好,其次为试点安定(E1),试点临洮(E2)与通渭(E5)的区分力与代表性相似,试点会宁(E4)的区分力与代表性较差, GGE双标图能够为马铃薯的新品种选育、产量稳定性评价提供快速准确的分析方法。
【文章来源】:干旱地区农业研究. 2020,38(05)北大核心CSCD
【文章页数】:8 页
【部分图文】:
基于GGE-biplot分析马铃薯高代品系的稳定性及试点的区分力(2018年)
表3 甘肃半干旱区5个试点的马铃薯产量联合方差分析Table 3 Analysis of variation for potato yield across 5 environments in the semi-arid regions of Gansu Province 变异来源Source of variation 平方和SS 自由度df 均方MS F检验F 概率Probability 占总变异比例/%Explained variation 区组 Block 0.0861 30 0.0029 年份 Year 0.1436 2 0.0718 12.8574*** 0.0000 0.2 试点 Site (E) 34.8418 4 8.7105 5.5444* 0.0195 58.7 试点×年份 Site×Year 12.5684 8 1.5710 281.3804*** 0.0000 21.2 基因型 Genotype (G) 2.7545 6 0.4591 3.8581* 0.0223 4.6 基因型×年份 Genotype×Year 1.4279 12 0.1190 21.3119*** 0.0000 2.4 试点×基因型 Site(E)×Genotype 2.1819 24 0.0909 4.0177* 0.0446 3.7 试点×基因型×年份 Site×Genotype×Year 4.2878 48 0.0893 15.9993*** 0.0000 7.2 误差 Error 1.0050 180 0.0056 总变异 Total 59.2969 314 注:*表示显著差异(P≤0.05);***表示极显著差异(P≤0.001)。 Note: *: Significant at P≤0.05; ***: Significant at P≤0.001.在图2(a)中,多边形被分成4个扇形区,5个试点分布在其中的3个扇形区内。E1、E2、E3位于第1个扇形区,E4位于第2个扇形区,E5位于第3个扇形区。在第1个扇形区域内,表现最好的品种为G5,在第2个扇形区域内,品系G2、G3、G4落入该区域内,但是该区域内无相对应的试点,在第3个扇形区域内,品系G6位于多边形顶点处,在该区域内表现最好,第4个扇形区域内,G7位于顶点,表现最优。图2(b)中,环境E2、E3、E5之间夹角最小,环境之间相关性强,具有相同的地域环境条件,对品种的排序很相似。E1与E2、E3、E5的夹角较大,相关性弱,环境之间具有不同的气候条件,对品种的排序能力强。在图2(c)中,试点E1的箭头线段最长,对品种的区分力最强,E4的箭头线段最短,对品种的区分力最弱,试点E1、E2、E3与平均环境轴的夹角较小,其中E1与平均环境轴夹角最小,代表性最好,试点E4、E5的代表性较差。在图2(d)中,可知G5平均产量最高,后面依次是G7、G2、G3、G4、G1、G6,产量最低的是G6。G7位置仅次于G5,但是G7线段长,稳定性较差,比较稳产的是G2、G5(与平均环境轴的垂线较短)。综合品种产量和稳定的指标,可以看出G5与G2是比较高产稳产的品种,G6既不高产,也不稳产。在图2(e)中,以平均环境轴上的箭头为圆心画圆,越靠近中心圆的试点区分力和代表性越好。试点的综合表现排序为E2>E3>E1>E5>E4。在图2(f)中,试点被分为3种类型区域,E3、E2、E1划分为一个生态区域,E5和E4各为一个生态区域。
在多年多点试验数据处理中,许多学者提出了多种图解分析方法,Finlay和Wilkinson[2]的联合回归分析,Gauch和Zobel等[13]创立的AMMI(主效相加互作相乘)模型,严威凯等[14]创立的GGE双标图分析。Finlay和Wilkinson联合回归分析主要采用线性回归模型,利用回归系数来判断品种在环境中的稳定性,它的假定是基因与环境互作与加性环境指数呈线性关系,但是它仅能解释一部分变异,并且当自变量和因变量彼此不独立,模型就无法成立,具有一定局限性。双标图的概念由Gabriel[4]提出,用来图解主成分分析(PCA)或特征值分解(SVD)两向数据表所得出的结果。双标图依据其独特的“内积原理”,使双向表中的每一个数值都可从图上直观得出。在实践中,只有G和GE与品种评价有关,评价品种时必须对G和GE同时考虑,目前常用的双标图为环境中心化的双标图,这种双标图只含与品种评价有关的G和GE,而不含与品种评价无关的其他效应。AMMI分析中,AMMI的有用性体现在主成分轴得分所能解释的可重复互作变异的大小,在有些试验中,第一主成分(PC1)只可以解释10%~30%的互作变异,利用AMMI分析不一定会得到很好的结果。AMMI模型利用方差分析计算基因型和环境的加性主效应,再利用主成分分析互作部分,对基因型与环境互作分析比较透彻,但对不同年际间分析具有局限性,同时,AMMI模型去除基因型和环境主效,只能得知其偏离平均表现的差异,而GGE模型则只去除环境主效,通过基因型在某环境向量上的投影方向和长度即可直观得出基因型在某环境中的真实表现。严威凯[15]提出对双标图的解释中,双标图的拟合度能够决定该图是否可以充分接近所代表的两向表数据。如果拟合度高,则双标图能较好地接近实际数据。在图1~3中,双标图的拟合度分别为98.2%、85.29%、87.07%,属于中上水平。因此,从图1~3中所看到的关系或规律应当是接近真实的。Yan和Tinker[16]提出“信息比”(IR)的概念并对其功能进行解释,对于一个主成分,IR>1表示含有规律性信息,IR=1表示含有独立性信息,IR<1则表示不含任何规律或重要信息。在一组数据中,有几个主成分具有IR≥1,就需要几个主成分来充分近似之。在图1中,第一主成分(PC1)与第二主成分(PC2)的信息比(IR)分别为4.014与0.887,其中第二主成分(PC2)的信息比(IR)<1,表示不含重要信息,该图的信息可以考虑利用其他方式进行表达。在图2中,PC1与PC2的信息比分别为3.239与1.026,含有规律性信息;在图3中,PC1与PC2的信息比分别为3.3025与1.051,含有规律性信息。图3 基于GGE-biplot分析马铃薯高代品系的稳定性及试点的区分力(2018年)
【参考文献】:
期刊论文
[1]马铃薯产量组分的基因型与环境互作及稳定性[J]. 叶夕苗,程鑫,安聪聪,袁剑龙,余斌,文国宏,李高峰,程李香,王玉萍,张峰. 作物学报. 2020(03)
[2]基于Genstat GGE双标图评价甘肃省马铃薯区域试验的参试品种和试点[J]. 李建武,李高峰,文国宏,张荣,马胜,齐恩芳,贾小霞. 西北农业学报. 2018(08)
[3]应用GGE叠图法分析种植密度对冀绿7号生长和产量的影响[J]. 范保杰,刘长友,曹志敏,王彦,苏秋竹,张志肖,田静. 西北农业学报. 2013(03)
[4]双标图分析在农作物品种多点试验中的应用[J]. 严威凯. 作物学报. 2010(11)
[5]甘蓝型油菜油酸配合力的双标图分析[J]. 尚国霞,王瑞,李加纳,徐新福,谌利,唐章林. 植物遗传资源学报. 2010(05)
[6]GGE双标图在我国旱地春小麦稳产性分析中的应用[J]. 常磊,柴守玺. 中国生态农业学报. 2010(05)
[7]用GGE双标图分析燕麦区域试验品系产量稳定性及试点代表性[J]. 张志芬,付晓峰,刘俊青,杨海顺. 作物学报. 2010(08)
本文编号:3530414
【文章来源】:干旱地区农业研究. 2020,38(05)北大核心CSCD
【文章页数】:8 页
【部分图文】:
基于GGE-biplot分析马铃薯高代品系的稳定性及试点的区分力(2018年)
表3 甘肃半干旱区5个试点的马铃薯产量联合方差分析Table 3 Analysis of variation for potato yield across 5 environments in the semi-arid regions of Gansu Province 变异来源Source of variation 平方和SS 自由度df 均方MS F检验F 概率Probability 占总变异比例/%Explained variation 区组 Block 0.0861 30 0.0029 年份 Year 0.1436 2 0.0718 12.8574*** 0.0000 0.2 试点 Site (E) 34.8418 4 8.7105 5.5444* 0.0195 58.7 试点×年份 Site×Year 12.5684 8 1.5710 281.3804*** 0.0000 21.2 基因型 Genotype (G) 2.7545 6 0.4591 3.8581* 0.0223 4.6 基因型×年份 Genotype×Year 1.4279 12 0.1190 21.3119*** 0.0000 2.4 试点×基因型 Site(E)×Genotype 2.1819 24 0.0909 4.0177* 0.0446 3.7 试点×基因型×年份 Site×Genotype×Year 4.2878 48 0.0893 15.9993*** 0.0000 7.2 误差 Error 1.0050 180 0.0056 总变异 Total 59.2969 314 注:*表示显著差异(P≤0.05);***表示极显著差异(P≤0.001)。 Note: *: Significant at P≤0.05; ***: Significant at P≤0.001.在图2(a)中,多边形被分成4个扇形区,5个试点分布在其中的3个扇形区内。E1、E2、E3位于第1个扇形区,E4位于第2个扇形区,E5位于第3个扇形区。在第1个扇形区域内,表现最好的品种为G5,在第2个扇形区域内,品系G2、G3、G4落入该区域内,但是该区域内无相对应的试点,在第3个扇形区域内,品系G6位于多边形顶点处,在该区域内表现最好,第4个扇形区域内,G7位于顶点,表现最优。图2(b)中,环境E2、E3、E5之间夹角最小,环境之间相关性强,具有相同的地域环境条件,对品种的排序很相似。E1与E2、E3、E5的夹角较大,相关性弱,环境之间具有不同的气候条件,对品种的排序能力强。在图2(c)中,试点E1的箭头线段最长,对品种的区分力最强,E4的箭头线段最短,对品种的区分力最弱,试点E1、E2、E3与平均环境轴的夹角较小,其中E1与平均环境轴夹角最小,代表性最好,试点E4、E5的代表性较差。在图2(d)中,可知G5平均产量最高,后面依次是G7、G2、G3、G4、G1、G6,产量最低的是G6。G7位置仅次于G5,但是G7线段长,稳定性较差,比较稳产的是G2、G5(与平均环境轴的垂线较短)。综合品种产量和稳定的指标,可以看出G5与G2是比较高产稳产的品种,G6既不高产,也不稳产。在图2(e)中,以平均环境轴上的箭头为圆心画圆,越靠近中心圆的试点区分力和代表性越好。试点的综合表现排序为E2>E3>E1>E5>E4。在图2(f)中,试点被分为3种类型区域,E3、E2、E1划分为一个生态区域,E5和E4各为一个生态区域。
在多年多点试验数据处理中,许多学者提出了多种图解分析方法,Finlay和Wilkinson[2]的联合回归分析,Gauch和Zobel等[13]创立的AMMI(主效相加互作相乘)模型,严威凯等[14]创立的GGE双标图分析。Finlay和Wilkinson联合回归分析主要采用线性回归模型,利用回归系数来判断品种在环境中的稳定性,它的假定是基因与环境互作与加性环境指数呈线性关系,但是它仅能解释一部分变异,并且当自变量和因变量彼此不独立,模型就无法成立,具有一定局限性。双标图的概念由Gabriel[4]提出,用来图解主成分分析(PCA)或特征值分解(SVD)两向数据表所得出的结果。双标图依据其独特的“内积原理”,使双向表中的每一个数值都可从图上直观得出。在实践中,只有G和GE与品种评价有关,评价品种时必须对G和GE同时考虑,目前常用的双标图为环境中心化的双标图,这种双标图只含与品种评价有关的G和GE,而不含与品种评价无关的其他效应。AMMI分析中,AMMI的有用性体现在主成分轴得分所能解释的可重复互作变异的大小,在有些试验中,第一主成分(PC1)只可以解释10%~30%的互作变异,利用AMMI分析不一定会得到很好的结果。AMMI模型利用方差分析计算基因型和环境的加性主效应,再利用主成分分析互作部分,对基因型与环境互作分析比较透彻,但对不同年际间分析具有局限性,同时,AMMI模型去除基因型和环境主效,只能得知其偏离平均表现的差异,而GGE模型则只去除环境主效,通过基因型在某环境向量上的投影方向和长度即可直观得出基因型在某环境中的真实表现。严威凯[15]提出对双标图的解释中,双标图的拟合度能够决定该图是否可以充分接近所代表的两向表数据。如果拟合度高,则双标图能较好地接近实际数据。在图1~3中,双标图的拟合度分别为98.2%、85.29%、87.07%,属于中上水平。因此,从图1~3中所看到的关系或规律应当是接近真实的。Yan和Tinker[16]提出“信息比”(IR)的概念并对其功能进行解释,对于一个主成分,IR>1表示含有规律性信息,IR=1表示含有独立性信息,IR<1则表示不含任何规律或重要信息。在一组数据中,有几个主成分具有IR≥1,就需要几个主成分来充分近似之。在图1中,第一主成分(PC1)与第二主成分(PC2)的信息比(IR)分别为4.014与0.887,其中第二主成分(PC2)的信息比(IR)<1,表示不含重要信息,该图的信息可以考虑利用其他方式进行表达。在图2中,PC1与PC2的信息比分别为3.239与1.026,含有规律性信息;在图3中,PC1与PC2的信息比分别为3.3025与1.051,含有规律性信息。图3 基于GGE-biplot分析马铃薯高代品系的稳定性及试点的区分力(2018年)
【参考文献】:
期刊论文
[1]马铃薯产量组分的基因型与环境互作及稳定性[J]. 叶夕苗,程鑫,安聪聪,袁剑龙,余斌,文国宏,李高峰,程李香,王玉萍,张峰. 作物学报. 2020(03)
[2]基于Genstat GGE双标图评价甘肃省马铃薯区域试验的参试品种和试点[J]. 李建武,李高峰,文国宏,张荣,马胜,齐恩芳,贾小霞. 西北农业学报. 2018(08)
[3]应用GGE叠图法分析种植密度对冀绿7号生长和产量的影响[J]. 范保杰,刘长友,曹志敏,王彦,苏秋竹,张志肖,田静. 西北农业学报. 2013(03)
[4]双标图分析在农作物品种多点试验中的应用[J]. 严威凯. 作物学报. 2010(11)
[5]甘蓝型油菜油酸配合力的双标图分析[J]. 尚国霞,王瑞,李加纳,徐新福,谌利,唐章林. 植物遗传资源学报. 2010(05)
[6]GGE双标图在我国旱地春小麦稳产性分析中的应用[J]. 常磊,柴守玺. 中国生态农业学报. 2010(05)
[7]用GGE双标图分析燕麦区域试验品系产量稳定性及试点代表性[J]. 张志芬,付晓峰,刘俊青,杨海顺. 作物学报. 2010(08)
本文编号:3530414
本文链接:https://www.wllwen.com/wenshubaike/shenghuobaike/3530414.html