应用多元统计分析玉米农艺性状

在作物遗传育种研究中,产量及其相关性状多属于数量性状范畴,这类性状由多基因控制,易受环境影响使其遗传极为复杂,并且性状间常存在复杂相关关系。产量及其相关性状间的复杂关系使得育种中对以产量为目标的选择极为困难。多元统计分析是研究客观事物中多个变量之间相互依赖的统计规律性综合分析方法。合理利用多元统计分析可以加深对性状间相互关系的遗传规律及各相关性状对产量影响的主次和依存关系认识,为新品种选育和改良提供理论依据。对35个玉米品种(组合)的20个农艺性状应用GGE双标图、因子分析和聚类分析研究,结果表明,平均日产量、千粒重、穗长与产量呈显著正相关;20个农艺性状可综合为6个公因子;以6个公因子为综合指标对35个品种(组合)聚类结果聚成17个类群,其中G8、G14、G12、G10和G17为综合性状优良品种(组合)。

大豆营养高效利用型品种筛选

为了准确获得大豆营养高效利用型品种,设置施肥和不施肥2个处理,采用5种指标营养利用因子的评价方法对40个大豆材料进行初步筛选,然后利用GGE双标图数学模型方法对初筛结果进行综合评比鉴定。结果表明:黑农63、黑农58、垦丰4、黑农46、合农75、黑农44、KF102、131560-29、131560-45、黑农64、黑农56、黑农34、黑农68、黑农82、黑农80和黑农85在多指标综合鉴定中表现出具有较高的营养高效利用能力。针对初筛结果利用GGE双标图数学模型方法综合对比得出131560-29、黑农68、黑农64和黑农75在多环境及多指标鉴定中均表现出较强的营养高效利用能力。该结果为适于黑龙江地区不同环境条件下节本绿色大豆生产提供了重要材料。

水稻品种区域试验的品种×环境互作及其与气候因子的关系

利用 AMMI模型分析了 1 997年南方水稻区试华南早籼组的数据 ,并着重探讨了 G×E互作与气候的相互关系 ,解释气候对 G×E互作的影响 ,以鉴别并利用具有有利 G×E互作的品种。分析结果表明 ,气候因子中主要是秧田期的日照和抽穗灌浆期的降雨影响参试地点的产量水平 ;而影响 G×E互作的主要气候因子是气温 ,其次是

利用主效可加互作可乘模型对我国冬播麦区小麦蛋白质含量基因型与环境互作的分析

利用主效可加互作可乘模型对全国冬播麦区 4 8个小麦主栽品种和优良品系在 15个地区于 1995～ 1996年度种植的多点试验数据蛋白质含量进行分析 ,结果表明 ,AMMI模型解释G×E互作明显优于线性回归模型。通过AMMI1模型双标图可以看出蛋白质含量在品种和地点间的变异程度 ,找出稳定性较好的品种。在AMMI2模型双标图上对每一地点很容易找出蛋白质含量互作最大的品种。通过计算地点的IPCA值与环境因子的相关系数 。

基于GGE双标图的大豆油分多环境的稳定性分析

为准确评价大豆油分含量在不同环境的稳定性和适应性,应用GGE双标图对2002-2011年种植于哈尔滨试验点的147个F_(10-19)代重组自交系材料及其亲本Charleston(♀)和东农594(♂)的10个年份(环境)油分数据进行分析和评价。结果表明:第一主成分解释了40.0%的效应,第二主成分解释了14.6%的效应,第一主成分和第二主成分共解释G与GE互作效应的54.6%。10个环境被分为3个区域,第一个区域主要有2009HRB,2010HRB,2011HRB共3个环境,株系39的油分含量表现最好;第二个区域有环境2006HRB,株系1的油分含量表现最好;第三个区域主要有2002HRB,2003HRB,2004HRB,2005HRB,2007HRB,2008HRB共6个环境,株系135的油分含量表现最好。通过环境的代表性和鉴别能力分析,得出2006HRB最具有代表性,2009HRB鉴别能力最好。在连续10年哈尔滨环境下,环境因子对油分含量的影响顺序为:日照时数>降水量>平均温度。该结果对多环境下指导大豆栽培及地区适宜气象因子的评估具有重要意义。

基因型和环境互作对宁夏稻米整精米率的影响

利用 AMMI模型分析了 1999年宁夏优质米多点试验的数据。结果表明 ,宁夏稻区主要水稻品种整精米率以环境效应较大 ,多数品种均存在基因型和环境互作 ,整精米率不同地点差异较大。在环境因子中 ,整精米率与生育期内施磷肥量和降雨量呈正相关 ,与日平均气温差和日照时数呈负相关。

南方早熟油菜新品种丰产稳产性分析及其光合特性

为了筛选鉴定适宜我国南方地区种植的早熟油菜新品种,利用AMMI模型分析了国家油菜区域试验早熟组14份参试品种的丰产性并用GGE双标图方法探讨了这些品种在8个试验点的稳产性,同时还测定了代表性品种的越冬期生物学指标和光合参数,以期解释南方早熟油菜丰产性形成的气候和生理成因。试验结果表明,参试品种的丰产性差异较大,其中S0013的平均产量居第一位(2191.021 kg/hm^(2)),而282081的产量最低(1328.512 kg/hm^(2)),仅为前者的60%。联合方差分析结果显示,来源于环境(E)的平方和占主导地位(82.27%),而来源于基因型(G)的平方和占比最小(4.93%);来源于基因型与环境的互作(G×E)虽然偏小(10.17%)但仍然达到极显著水平。利用AMMI模型可解释G×E互作平方和的92.63%。品种的丰产性主要受降雨量影响,而品种的稳定性主要与气温有关。14个参试品种的稳定性从高到低依次为:黔杂ZW9001>黔杂J9002>C868>05V11>黔杂J9001>WB203>川杂09NH014>S0013>云油杂2号>杂1613>08SH60>282081>荣华906>131(CK);其中,S0013、C868和WB203产量最高,而282081的产量最低。各试点鉴别力依次为:玉溪>保山>吉安>南昌(宜春)>桂林>长沙>安顺。阳光131在桂林试验点的越冬期单株鲜质量最高,净光合速率(Pn)、蒸腾速率(Tr)和胞间CO_(2)浓度(Ci)也较高并且与小区产量的相关系数较大,表明较强的光合作用可促进丰产性的形成。通过AMMI模型和GGE双标图对参试油菜品种和不同试点进行了较为全面的评估,为早熟油菜新品种选育及试点选择提供参考依据。

广西石山人工林灌草多样性与环境因子的关系

以广西石山人工林群落调查数据为材料,采用双向指示种分类（TWINSPAN）、冗余分析（RDA）和典范对应分析（CCA）研究了9个生境变量、1林分类型因子与石山人工林多样性、草本和灌木植物组成的关系。结果表明,坡位是影响石山人工林物种组成多样性的最主要因子,露石率和坡度对石山人工林林下有害物种分布影响最大。石山人工林林下植被组成的主要决定因素是生境因子（解释率23%～55%）,而树种选择是次要因素（解释率11%～17%）。石山梯地人工林的有害草本种类多于坡地,梯地的有害灌木种类少于坡地。石山人工林的有害植物种类少于封山育林地。

环境因子对东洞庭湖优势冬季水鸟分布的影响

东洞庭湖国家级自然保护区是我国乃至全球湿地水鸟的重要越冬栖息地,研究水鸟群落与环境因子之间的关系,对修复鸟类栖息地具有重要意义.2010和2011年冬季分别对东洞庭湖湿地冬季水鸟进行调查,采用典范对应分析(CCA)分析环境因子与优势水鸟分布的关系,采用偏CCA评估各环境因子的影响强度.结果表明:到道路距离、到居民距离、斑块密度、植被类型数、水面面积和苔草面积对东洞庭湖冬季水鸟分布具有显著影响(P<0.05),其影响强度为苔草面积>斑块密度>到居民距离>植被类型数>水面面积>到道路距离,苔草面积和斑块密度对水鸟分布的影响达极显著水平(P<0.01),是影响东洞庭湖湿地冬季水鸟的主要环境因子;景观多样性和芦苇面积对水鸟分布的影响未达到显著水平(P>0.05).回归分析结果显示,环境因子对不同水鸟丰富度的影响不同,白琵鹭、罗纹鸭和黑腹滨鹬丰富度随苔草面积增大而减小,随斑块密度增大而增大;豆雁、白额雁、小白额雁和绿翅鸭丰富度随苔草面积增大而增大,随斑块密度增大而减小.东洞庭湖冬季水鸟分布是由以苔草面积、斑块密度为主的多环境因子综合作用的结果.

滑石矿开采对着生藻群落结构和水环境的影响

为了解滑石矿开采对河流水生态环境的影响,分别于2015年11月、2016年4月和2016年7月这3个时期对汤河(太子河重要支流)上游6个监测断面(TH01~TH02为参照河段,TH03~TH04为受损河段,TH05~TH06为恢复河段)的水质状况和着生藻群落进行了调查分析.利用Mann-Whitney U检验分析比较了各河段水环境因子和着生藻群落结构组成的差异;利用Spearman相关性分析、典范对应分析(canonical correspondence analysis)和t值双标图(t value biplot)分析水环境因子与着生藻群落结构的相互关系.结果表明:(1)与参照河段和恢复河段相比,受损河段的Mg、Se、As、Fe、Mo、EC、HCO-3、NO-3和p H均值最高.其中,Mg、Mo、As、EC、HCO-3在受损河段与其他河段间存在显著差异(P<0.05).(2)与其他河段相比,受损河段的着生藻密度、物种丰富度、具柄硅藻百分比、曲壳藻属(Achnanthes sp.)相对丰度均最小,可运动硅藻百分比、双菱藻属(Surirella sp.)相对丰度和舟形藻属(Navicula sp.)相对丰度最大,其中物种丰富度在受损河段与其他河段间存在显著差异(P<0.05).(3)EC、HCO-3和Mg对研究区域的着生藻群落结构有显著影响,且均与物种丰富度、具柄硅藻百分比显著相关(P<0.05).

因子双重信息图在识别城市重金属污染中的应用

对国外流行的Beozecri对应分析法,这里用变量型数据阵指出该方法很大程度改变了数据阵的特征,不能达到对应分析目的,以致不能解决问题.为此,这里用因子双重信息图解决问题,通过比较,因子双重信息图优良地图示了数据阵中:变量之间、样品之间、样品与变量之间的关系,达到了对应分析目的,方法直接且简便,因子双重信息图较适应变量型数据阵这类问题的对应分析.