基于GGE模型对甘肃省青稞多年多点区试品种稳定性分析

GGE模型是研究基因型×环境互作的有效方法之一。本研究以2018—2020年甘肃省甘南州第十一轮青稞区域试验中7个品种(系)的产量性状数据,基于GGE模型对5个试验点的产量稳定性和适应性进行了方差分析。结果表明,区组间、品种(系)、试点、年份、品种×试点、品种×年份、试点×年份和品种×试点×年份间差异均达极显著水平(P<0.01),其中试点变异占总变异平方和比例较大,为67.43%。PC1和PC2分别解释了2018-2020年青稞不同品种(系)间环境互作效应为70.26%、88.92%、74.64%。参加区域试验的7个青稞品种(系)在丰产性与稳定性方面表现较好的依次是G07(0628)、G02(0349-1)和0429(G05),其平均单产分别比对照‘康青3号’(ck1)增产15.6%、14.7%和10.2%,比对照‘肚里黄’(ck2)增产19.2%、18.2%和13.6%。对参加区域试验5个试点的代表性与鉴别力分析发现,E3(临潭县种子工作站)和E1(甘南州农业科学研究所)是本试验中比较理想的2个试验点,不仅具有较好代表性还有强的环境鉴别力。

基于GGE分析的西北内陆棉区纤维品质生态区划分

本文选用2005—2014年我国棉花区域试验西北内陆早熟棉区7个和早中熟棉区10个试验点作为试验环境进行纤维品质区域分布分析。运用GGE模型划出双标图,研究西北内陆棉区的试验环境与参试品种纤维品质性状互作模式,对参试品种性状选择适宜的生态区进行探讨与划分,并基于GGE双标图对纤维物理性能指标相关性进行研究,为西北内陆棉区棉花品种区域化种植和理想试验环境选择提供依据。结果表明:(1)棉花各纤维品质性状相互之间存在着一定的相关关系,纺纱均匀性指数与长度、比强度和整齐度指数表现极显著或显著正相关。(2)西北内陆棉区早熟组纤维品质性状可划分为3个生态区:优质棉纤维生态区(精河)、普通优质纤维生态区(兵团第六师昌吉、乌苏)、普通纤维生态区(兵团第七师125团、兵团第八师121团、石河子以及敦煌)。(3)西北内陆棉区早中熟组品质性状由优质到普通亦可划分为3个生态区:优质纤维生态区(莎车、轮台、巴州、库车、疏附、兵团第一师阿拉尔13团以及新疆塔河10团)、普通优质纤维生态区(麦盖提和兵团第三师喀什)、普通纤维生态区(阿克苏)。因此西北内陆早熟棉区应在注重品种早熟性选育的基础上,注重优质纤维综合品质性状的培育,提高纤维的长度和比强度。南疆的早中熟棉区,注重推选适合机采棉的长度和比强度的棉花品种外,应精准掌握合理的棉花采摘期,提高纤维成熟度,但要注重降低马克隆值,划分优化种植区域为棉纺企业合理用棉提供多层次的原棉材料。

GGE双标图的信息比校正原理与应用——以长江流域棉花品种生态区划分为例

GGE双标图方法在农作物品种区域试验中被广泛地应用于品种评价、环境评价和品种生态区划分的统计分析和图形直观展示,但GGE双标图分析只能局限于前两个主成分,不能根据信息比准则恰当地取舍主成分数,因而无法保证对数据的最优拟合效果。本研究以长江流域国家棉花区域试验数据为例,选择信息比IR≥1的主成分对GGE双标图模型进行校正,通过试验环境主成分得分的欧氏距离矩阵的聚类分析,校正通过双标图分析的品种生态区划分方案。结果表明,GGE双标图恰当拟合试验数据的比例仅为28.6%,在68.6%的试验中拟合不足,并在2.9%的试验中拟合过度。信息比校正的GGE(IR-GGE)模型总体拟合度提高了8.7%,而在GGE双标图拟合不足或拟合过度的试验中校正了12.2%的失拟度。GGE双标图模型的离优度系数为15.9%,对区域试验的总体模拟效果较好,仍可以展示基因型与环境互作的基本模式;但IR-GGE模型的拟合度更高,分析结果也更可靠。GGE双标图模型和IR-GGE模型对棉花品种生态区划分的总体架构相似,都将南襄盆地和四川盆地棉区划分为特定生态区,但在长江中下游棉区的划分细节上存在较大差异。IR-GGE模型的生态区划分方案与地理区域和生态特征更加吻合,实用性更强。本研究为GGE双标图的信息比校正研究和应用提供了范例,是对GGE双标图应用的重要补充,在基于GGE双标图的农作物品种区域试验数据分析和利用等方面具有重要的理论意义和应用价值。

利用不同分析模型评价湖北省马铃薯品种比较试验

马铃薯品种区域比较试验是新品种选育及推广的重要环节,为准确评价各参试品种的表现,筛选理想试点,利用一年多点(LSD法)模型、AMMI模型和GGE双标图模型评价了6个试点的区分性、代表性和生态区域分类,比较了10个品种产量的适应性、丰产性和稳产性,并比较3种模型在区域试验应用中的差异。结果表明,品种产量在不同品种间、试点间存在极显著差异,品种和试点之间存在显著互作效应;品系G8(华薯6号)、G6(08HB18-4)、G2(鄂马铃薯17)丰产性和稳产性综合表现好,可推广种植;XS(兴山)试点鉴别力和生态代表性均表现较好,是相对比较理想的试点;在模型方面,针对丰产性的评价一年多点模型更加有优势,品种稳定性、适应性以及试点评价方面,GGE双标图更有指导意义,但要综合多年数据才更加具有说服力。另外,AMMI和GGE的有重复模型并没有从原理和算法上区别于无重复模型,需要进一步开发完善,以用来指导育种试验及相关应用。

播期对早中稻产量和品质的影响

选用早熟和中熟粳稻各4份,研究播期[5月5日(T1)、5月11日(T2)、5月17日(T3)、5月23日(T4)、5月29日(T5)、6月4日(T6)、6月10日(T7)、6月16日(T8)、6月22日(T9)、6月28日(T10)]对早中稻产量和品质的影响,并对不同播期下早中稻产量及品质相关性状进行主成分分析,然后基于产量和垩白度,采用GGE双标图对试验材料和播期进行综合评价,以期为黄淮海地区水稻大田种植中适宜水稻类型和播期的选择提供理论依据。结果表明,播期对水稻产量和品质均具有极显著影响。早中熟水稻的播种至抽穗时长总体上均随播期的推迟而缩短;而生育期的变化因试验材料而异,在T1播期下,早中稻生育期均最长,中稻在T6播期下生育期均最短。茎秆长度、茎秆直径、剑叶长度等在早稻中变幅较大,而单株穗数、结实率和千粒质量在中稻中变幅较大。随着播期的推迟,早中熟水稻产量总体均呈先增后降再增的趋势。其中,早稻A1(TH2)、A2(华香粳2号)和A4(金稻272)均在T4下产量最高,分别为5902.09 kg/hm^(2)、5569.03 kg/hm^(2)和8916.24 kg/hm^(2);早稻A3(金稻572)在T3下产量最高,为10194.01kg/hm^(2);在T6下产量均最低。中稻临秀6812、徐60233、临稻10号、南粳9308均在T4下产量最高,分别为9352.54、9515.23、9179.88、7925.09 kg/hm^(2),在T1下产量均最低。早中熟水稻籽粒中粗蛋白含量均随着播期的推迟总体呈先增后降再增的趋势;早中熟水稻直链淀粉含量均随着播期的推迟总体呈先降再增的趋势;垩白度在早稻中随着播期的推迟总体呈降低趋势,而在中稻中随播期的推迟总体呈先降低后上升的趋势。主成分分析结果表明,T1、T2和T3播期能够较好地区分不同熟期类型水稻材料,即不同熟期类型水稻材料的性状在该播期下能够充分表达;GEE模型分析结果表明,材料A3和A4、播期T3和T2的综合评分较高。

优质花生新品种开农79品质性状及产量GGE分析

开农79是开封市农林科学研究院选育的花生新品种,该品种蛋白质含量符合食用花生二级标准,油酸含量高于普通花生品种,为适用于食品加工用途的优质花生新品种。本研究对开农79的产量和品质性状进行了分析,并利用高稳系数和GGE双标图分析了其丰产稳产性。结果表明,开农79的百果重、百仁重和籽仁蛋白质含量均高于对照品种。开农79荚果与籽仁产量在2016年和2017年两年多点试验的所有8个参试点均高于对照豫花9326的产量。高稳系数和GGE双标图分析表明,该品种的高产稳产性优于对照品种,位于参试品种的前三位。开农79的高产稳产性较好,具有良好的生产应用前景,其较高的蛋白含量在优质专用花生加工产业及育种中具有较大的利用潜力。

引进马铃薯种质资源抗旱性评价

马铃薯属于干旱敏感型作物,当前生产上的马铃薯品种多数不耐旱,中国马铃薯抗旱育种进程又受到遗传背景狭窄的制约。引进外来种质资源,拓宽我国马铃薯遗传背景,加快选育抗旱品种是马铃薯应对干旱的关键策略。2016年和2017年,在常规滴灌和雨养条件下,利用增广设计方法,以生产上常用的5个马铃薯品种为对照,对来自国际马铃薯中心的315份高代品系和中国已有的3个品种进行抗旱性评价。通过AMMI模型和GGE模型分析基因型、环境及二者互作对产量的影响,并结合抗旱指数筛选抗旱性稳定且产量高的材料。从整体上看,在雨养条件下,两年马铃薯平均产量差异较小,但是变异系数较大,常规滴灌条件下正好相反。马铃薯产量受基因型、环境及其交互作用的显著影响,其变异平方和分别占总处理平方和的43.39%、39.36%和17.26%;C93和YS902两年的抗旱指数均高于对照品种,稳产性好,C48虽然抗旱指数相对较低,但是高产和稳产性高于所有材料。筛选出来的材料不仅可以作为抗旱育种亲本,还可以通过进一步研究其抗旱机制,为抗旱育种提供理论支持。

几种高产稳产分析方法在品种区域试验中的应用和研究进展

根据不同育种目的推荐最优分析方法,以期在品种区域试验中得出更准确的数据分析结果,为品种的选育与推广提供有力保障,对高稳系数法、AMMI模型和GGE模型的理论基础进行阐述,比较其对区域试验中品种的丰产性和稳产性分析能力的强弱以及这3种分析方法的应用条件。相对于高稳系数法,AMMI模型和GGE模型分析的精确度较高,并都有各自的应用领域;侧重于对环境评价的用GGE模型较好,侧重于对基因型和环境互作评价的用AMMI模型较准确。AMMI模型和GGE模型各有特点,不能相互取代。