不同方差协方差结构线性混合模型在玉米品种区域试验中的适用性及模型误用对分析结果的影响

为研究不同方差协方差结构线性混合模型对区试分析的影响。采用2002-2006年中国40个玉米区试组数据,用7种不同结构的线性混合模型分别对数据进行拟合分析并利用信息量准则选择每组数据的最佳模型,对在不同方差协方差结构模型下区试品种效应估计与评价的差异进行探讨。结果表明,不同方差协方差结构模型对试验数据拟合的效果不一样,没有一个模型对所有试验资料均是最佳的;AMMI-1和FA(2)结构模型作为最佳模型的百分率最大,适用性最广泛;不同结构模型对区试品种效应的估计及评价不同,FA(1)模型的稳健性最好,方差分析模型对品种进行差异显著性分析时的误差不同程度地大于其他结构模型。不同方差协方差结构线性混合模型适用于不同试验数据,模型误用对品种效应的估计和评价有较大影响;在实际区试中,应利用信息量准则选用最佳结构模型进行分析,以提高作物区试分析及品种评价的准确性。     

水稻叶片几何参数的模拟分析

【目的】在生长模型输出的基础上，构建预测水稻叶片几何参数的动态模型，以便更准确地实现水稻的虚拟生长。【方法】在试验观测的基础上，分析了不同品种类型水稻分蘖与主茎同伸叶片叶长之间以及叶长与叶宽之间的定量关系，进一步耦合水稻叶龄、叶面积和茎蘖数模拟模型，进行水稻叶片几何参数变化的动态模型构建。【结果】不同品种类型水稻分蘖与主茎同伸叶片的叶长比随分蘖叶序呈二次曲线变化，叶长与叶宽的关系可用幂指数函数描述。运用独立实测资料对模型进行的初步检验显示，本模型可较好地模拟不同生长条件下水稻不同叶位叶片的几何参数。【结论】本研究构建的水稻叶片几何参数分析模型较好地体现了器官几何参数受生态环境、品种类型和栽培措施影响的形态生理规律，为水稻虚拟生长提供了可靠和普适的叶片几何特征确定方法。     

线性混合模型在作物育种无重复试验数据实证分析中的应用

【目的】提出针对无重复试验数据进行分析的方法,并演示用SAS提供的Proc mixed程序分析无重复试验数据的过程。【方法】基于国际标准统计分析软件(SAS)的Proc mixed过程和实际试验设计,应用线性混合模型对作物育种中的无重复试验数据进行分析,在分析植物育种无重复试验数据特点和传统方差分析法应用缺陷的基础上,将线性混合模型分析法中利用协方差结构反映试验误差特征的原理,用于植物育种无重复试验数据的统计与分析中,采用模型拟合信息量准则选择最优的试验误差协方差结构模型,最后进行实证分析。【结果】线性混合模型分析法给出了植物育种无重复试验品系产量效应估计及其差异显著性测验的结果;采用效应估计值得到的品系效应排序及入选优良系,与直接采用品系产量观测值法所得的结果存在较大差异;误差协方差结构模型的选择,对无重复试验分析结果的影响较大。【结论】利用线性混合模型原理和SAS软件的Proc mixed程序,可实现对植物育种无重复试验数据的分析,能解决植物育种无重复试验品系间可比性差及不能进行效应差异显著性统计测验的问题。     

水稻蛋白质含量NIR模型适配范围的研究

【目的】比较不同类型样品建立水稻蛋白质近红外模型的效果和适配范围。【方法】通过对178份来自“II-32B/岳早籼6号”的重组自交系和496份水稻品种的近红外反射光谱的比较分析，选择其中59个株系和76份品种作为建模样品，采用偏最小二乘法建立基于品种、重组自交系和混合样品的3个蛋白质含量回归模型。【结果】经模型内部交叉验证和对模型外部重组自交系和品种样品的验证结果的比较分析，发现基于分离群体的模型因蛋白质含量范围较窄，样品来源较单一，适应范围仅局限于本群体内样品蛋白质含量预测，而品种和混合模型对群体和品种样品都表现出良好的适应能力，交叉验证决定系数大于0.90，外部验证决定系数大于0.89, 本试验可为近红外建模的样本集选择提供良好的指导意义。【结论】不同类型样品对建模效果有显著影响，品种模型和混合模型的适配范围显著大于群体模型，研究结果不能支持用背景变异较小的样品建立较高精度回归模型的设想。     

基于熵原理的年降水频率分布参数估计研究

【目的】研究最大熵、Meilin变换和交互熵3种基于熵原理的方法在年降水频率分布参数估计中的应用效果,为水文分布参数估计方法的选择提供依据。【方法】选用P-Ⅲ分布,以陕西省关中地区扶风、麟游、眉县、太白、西安和长武6个水文站年降水序列为例,应用最大熵、Meilin变换和交互熵法估计分布参数,计算年降水量拟合值,将结果与传统的矩法和线性矩法结果进行比较,并采用OLS和AIC准则评价频率曲线对实测值序列的拟合效果。【结果】OLS和AIC准则评价曲线的拟合优度基本一致,采用最大熵法估计分布参数时上述6个水文站的AIC值分别为255.421,255.673,240.592,264.032,419.178,289.437,采用Meilin变换估计时各站的AIC值分别为255.421,255.673,240.592,264.032,419.178,289.437,采用交互熵估计时各站的AIC值分别为249.967,251.269,232.356,257.481,412.545,276.879,采用矩法估计时各站的AIC值分别为256.436,256.037,241.109,262.969,419.122,291.161,采用线性矩法估计时各站的AIC值分别为250.081,251.992,232.828,256.229,414.030,278.745。频率曲线图与拟合优度评价结果一致,5种方法均可以取得较好的拟合效果,最大熵法和Meilin变换估计结果基本相同且优于矩法,交互熵法优于其他方法。【结论】最大熵、Meilin变换和交互熵3种参数估计法均可借助于计算机求解,是可行的年降水频率分布参数估计方法。     

重复的二次回归正交旋转设计试验数学模型的选择

由赤池统计模型推断的信息量准则(AIC)构造出作为二次回归正交旋转设计试验指导的回归模型的 AIC 统计量,其形式为:AIC=Nlnδ~2+(1/δ~2)(y-x(β))~T(y-x(β))+2K利用以上准则评判具有重复的二次回归正交旋转设计试验多个数学模型的选择。     

番鸭体重生长非线性混合效应模型评价的研究

【目的】定量描述和估计本地番鸭体重生长的轨迹和参数。【方法】本研究对116只番鸭进行了21 weeks的饲养和观测;利用5种生长函数(Gompertz、Logistic、Von Bertalanffy、Richards和Brody)拟合了番鸭体重生长的非线性混合效应模型;分别计算了这些模型的8个生长参数(成熟体重、拐点日龄、拐点体重、初生体重、绝对生长率、相对生长率、绝对成熟率和相对成熟率);根据信息准则、误差方差的大小和生长参数估计值的准确度,比较了不同模型间的拟合和估计结果。【结果】与非线性固定效应模型比较,5种非线性混合效应模型拟合的番鸭体重生长方程和估计的8个生长参数,其准确度整体上提高了许多;全群番鸭体重生长Gompertz非线性混合效应模型,其信息准则最小,误差方差减少量达99.92%;雄、雌番鸭体重生长Richards非线性混合效应模型, 其信息准则最小,误差方差减少量分别是89.80%、91.81%。【结论】Gompertz和Richards非线性混合效应模型分别是评价全群和雄、雌番鸭体重生长的最优模型。     

广义线性模型在农作物品种区域试验非平衡数据分析中的应用

应用广义线性模型(GLM)对2002年南方稻区国家水稻品种区域试验的非平衡数据进行了分析,与传统方差分析模型比较,显示了GLM模型是处理农作物品种区域试验非平衡数据非常有效的工具。     

重金属污染农田水稻低累积品种筛选

摘要：【目的】探究重金属污染稻田水稻对重金属的吸收及累积的差异,筛选适用于稻田安全生产的低累积水稻品种,为该地区的水稻安全生产提供参考。【方法】选择当地主要的四种水稻品种为受试对象,采用田间试验来比较不同品种水稻籽粒中对Hg、Cd、As、Pb 和Cr元素累积的差异。【结果】结果表明,供试水稻土中Cd和As均已超过风险管控值,平均5.6倍和13.5倍。【结论】通过聚类树形图筛选出滇莱和楚辉两个对重金属的累积性最低的品种,推荐这2个水稻品种为适应于文山州薄竹镇的重金属低积累水稻品种。     

主基因-多基因性状与微效多基因性状的综合选择指数研究

【目的】建立主基因-多基因性状和微效多基因性状混合遗传体系数量性状的综合选择指数数学模型,为育种工作者提供一种有效的选择方法,并为主基因-多基因的DNA标记提供有用的信息。【方法】以单性状分析作为基础,建立了主基因-微效多基因性状、微效多基因性状综合选择指数计算模型,利用混合正态分布的EM算法,对选择性状中的主基因-多基因性状进行分离分析,确定主基因遗传力和遗传方差在遗传中所占的比例,并利用建立的模型在水稻中进行了实例分析。【结果】主基因遗传力占遗传力的74.93%;综合选择指数的遗传方差和表型方差存在微小差别。【结论】利用混合性状的综合选择指数模型,可确定性状中主基因遗传方差和遗传力所占比例的大小,为DNA标记辅助育种提供有用信息。