桤木种源区域试验的AMMI模型分析

对桤木13个种源在5个测试点进行了生长性状的遗传测定.结果表明,AMMI(加性主效应和复合交互效应)模型和传统稳定性分析模型相比较,AMMI分析和生态价法的结果较吻合,而与回归分析法的结果有所差异,但排序结果基本是一致的.AMMI的Di值法相对比较精确可靠.     

水稻品种区域试验的AMMI模型分析

在农作物品种区域试验中,品种在各地点的表现通常是不一致的,也就是说品种的基因型和环境（Ｇ×Ｅ）存在着交互作用。常用的Ｇ×Ｅ交互作用分析方法是相对于环境指数的线性回归方程,但这一方法约束性较强,解释Ｇ×Ｅ交互作用较少。加性主效应和乘积交互作用模型（简称ＡＭＭＩ模型）在常规的基因型和环境的加性模型中加入了乘积形式的交互作用,能更多地解释Ｇ×Ｅ交互作用。实例分析表明ＡＭＭＩ模型是品种区域试验结果分析更为有效的方法。     

AMMI模型在水稻品种区域试验中的应用

在农作物品种区域试验中,品种的产量性状在各地点表现出不一致,是因为品种的基因型和环境(G×E)存在着交互作用。用一般的线性回归方程,只解释G×E交互作用很少一部分。AMMI模型在常规的基因型和环境的加性模型中加入了乘积形式的交互作用,能更多地解释G×E交互作用,并且借助于双标图可以直观地描绘和分析基因型与环境互作的模式。     

AMMI模型应用于油菜区域试验的分析研究

AMMI模型是一种有效的加性主效应和乘积交互作用（Additive main effects and multiplicative interaction,简记为AMMI）模型，它发展了分析基因型与环境互作的统计方法。本文以1996和1997年（秋播）的云南省油菜区域试验的小区产量为资料，应用AMMI模型分析研究油菜区域试验。通过分析得出：使用AMMI模型能提高估计的准确性、提高选择的概率。例如，此组区域试验用线性回归模型分析时，剩余残差点交互作用的74.60%；而在AMMI模型中，残差仅占交互作用的16.63%。在AMMI分析中，显著的主成分轴（PCA1-3）用尽量小的自由度捕捉尽量大的SS（其中，PCA1用24%的互作自由度捕捉了48.72%的互作SS），而剩余大自由度对应小的SS，作为试验误差处理，提高试验精确度。特别是AMMI模型利用对应分析图可以直观评价品种的稳定性和较适应地区，为其推广某一品种和在某一区域推广一品种等科学决策提供依据。当显著的PCA轴多于3个以上时，可通过D值的大小来确定品种的稳定性。由此得出结论，此模型可提高试验精确度，减少试验重复数，评价品种更精确，选择出的品种更可靠，且能够直观地得出各参试品种的稳定性和较适应地区。它是一种花费小、简便易行、经济实用的统计分析方法。     

AMMI模型在油菜品种区域试验中的应用

在油菜品种区域试验中,品种在各地点的表现很不一致,说明品种的基因型（G）和环境（E）存在工作用,常用的GXE交互作用分析法约束性较强,解释G×E交互作用较少。加性立效应和来积交互作用模型（简称AMMI模型）在常规的基因型和环境的加性模型中加入了乘积形式的交互作用,能更多地解释G×E交互作用。本文应用AMMI模型分析1995-1997年度通过四川省油菜区试的品种,结果表明：AMMI模型是具体、直观、灵敏地综合评价油菜品种的一种方法。     

应用AMMI模型分析春小麦品种区域试验

利用AMMI模型对2005年国家东北春小麦旱地组区域试验的产量数据进行稳定性分析。结果表明:航麦96、铁90113属于高产稳产型品种;辽春18号、辽99鉴162、赤99-45虽然产量较高,但稳定性较差;K繁49稳产性好,但平均产量较低;沈免2147、K繁9产量低而不稳。在参试地点中,公主岭、铁岭、通辽、朝阳对品种的分辨力较弱;锦州、天津、宣化、白城、赤峰对品种的分辨力较强。     

桤木种源的地理变异和种源区划

以桤木Alnus cremastogyne自然分布区内13个种源的生长、材性和果实等性状为研究对象,研究了桤木的地理变异及其趋势,探讨了地理变异的气候生态学基础,并划分了种源区.研究表明,桤木种源生长性状与生态梯度值(EGA)的相关显著,在单个生态因子分析中,桤木种源生长量呈以经度和海拔为主的梯度变异.单株生物质产量和纤维长度与经度和纬度的相关关系不显著,地理趋势并不明显.而木材基本密度与经度的正相关关系显著,呈单向渐变模式.根据桤木种源EGA和试验林生长表现,把桤木划分为3个种源区:盆西北周沿区、盆中区和盆南周沿区.图1表4参11     

AMMI模型在亚麻区域试验分析中的应用

在亚麻区域试验中,品种(G)和环境(E)互作现象普遍存在,AMMI模型作为一种分析G×E互作关系的方法,较线性回归分析法更多地解释基因型与环境互作效应,AMMI模型中双标图和特殊互作效应值Dge的引入,为直观、定量地估计环境对基因型的分辨力及基因型对环境的特殊适应性提供了一种非常有效的手段.通过对2005年至2006年云南省亚麻区域试验的产量数据进行分析,结果表明线性回归分析法只解释互作SS的56.91%,而AMMI模型3条主成分轴共解释了96.53%的互作SS.应用AMMI模型分析亚麻品种区域试验是一种行之有效的方法.     

基于AMMI模型的家蚕品种稳定性分析

将AMMI模型应用于家蚕品种稳定性评价研究,得到如下结果：AMMI分析与传统法比较结果表明,AMMI分析与生态价（ecovalue）方法、稳定性方差法和平均等级差法在评价品种稳定性差异方面的结果有较好的一致性;5个参试品种万头收茧量稳定性最好的品种A,其品质性状解舒率的稳定性却最差,万头收茧量稳定性排序结果与解舒率稳定性排序结果的Spearman等级相关系数为-0.70,这表明在稳定性指标上家蚕产量稳定性与品质性状稳定性可能为负相关关系。     

利用AMMI模型分析大豆品种区域试验

运用AMMI模型对2003~2004年度全国北方春大豆品种区域试验中早熟组试验结果进行分析,结果表明:垦98-4319、垦95-3438、绥农14属于高产稳产性品种;钢95144-1属于低产稳产性品种;延交9804-14属于低产不稳产性品种;合97-713高产但不稳产。从AMMI互作效应值可看出:垦 98 - 4319、垦 95 - 3438 除新疆昌吉州种子站外具有广泛的适应性;绥农 14 和钢95144-1具有广泛的适应性;合 97 - 713 对合江农科所和吉林敦化原种场环境具有特殊的适应性。     

应用AMMI模型分析春小麦区试数据的研究

在作物品种区域化试验中,基因型与环境的交互作用(简称G×E)越来越受到人们的重视.主效可加互作可乘模型(additive main effects and multiplicative interaction model,简称为AMMI模型)是一种非常有效的分析G×E的方法,而双标图(biplot)是解释AMMI分析结果的一种直观有效的图形工具.在对AMMI模型、双标图和稳定性参数Di(j)简要介绍后,选用1999～2000年新疆春小麦品种区试的产量数据进行了实例分析,以加深对新方法在区试数据分析中应用的认识,促进其在新疆的推广应用,提高新疆在区试数据分析方面的水平和效率.文章得出的有关品种稳定性和适应性、地点对品种鉴别力等初步结果,对育种和生产单位有一定的参考价值.     

AMMI模型在棉花区试数据分析中的应用

在作物品种区域试验中 ,基因型和环境的互作是很普遍的现象。主效可加互作可乘模型 (简称AMMI模型 )作为一种非常有效的分析G×E互作的方法越来越受到重视 ,而双标图是展示AMMI分析结果的一种直观有效的图形工具。然而 ,AMMI分析中仍缺乏评价品种稳定性的定量指标。文章对AMMI模型和双标图作一扼要介绍 ,推荐使用Di 来评价品种的稳定性 ,并采用新的参数Dj和Dij来估计试点对品种的分辨力及品种对试点的特殊适应性。选用 1999～ 2 0 0 0年江苏省中熟棉花品种区试的皮棉产量数据进行分析 ,以加深了解AMMI模型和双标图在区试数据分析中的应用。分析结果表明 ,品种、环境及G×E互作的变异都达极显著水平 ,而且 ,G×E的平方和是品种平方和的 2倍。AMMI2模型解释了G×E平方和的 82 8%。根据稳定性参数判断 ,“通 945 0”和“徐 2 44”的皮棉产量较高而稳产性较差 ,“泗棉 3号”和“宁 8186”稳产性好而产量较低 ,“盐 2 0 0 6”则是既高产又稳产的品种。通过AMMI2最佳适应品种图看出 ,盐 2 0 0 6是具有广泛适应性的品种 ,而“泗阳 16 7”对宿迁市有特殊适应性 ,徐 2 44对徐州市和连云港市有特殊适应性。文章还对利用AMMI模型分析棉花品种区试数据的一些相关问题进行了探讨     

AMMI模型在甘蔗区域试验中的应用

甘蔗品种区域试验中基因型(G)和环境(E)互作现象普遍存在,AMMI模型作为一种分析G×E互作关系的方法,可非常有效地补充现有区域试验分析方法的不足。AMMI模型中双标图和特殊互作效应值Dge的引入,为直观、定量地估计环境对基因型的分辩力及基因型对环境的特殊适应性提供了一种非常有效的手段。通过对2003～2004年度国家甘蔗新品种第四轮区域试验结果进行分析,2条显著的主成分轴共解释了61.47%的互作平方和,品种粤农91-600、福农95-1702、闽糖92-505为高产稳产型,云蔗94-375、粤糖91-1102为高产但不稳产,桂糖95-53、粤糖96-244为稳产较好但产量较低,川引97-1为产量低而不稳。从AMMI双标图及互作效应值可看出高产类型品种中,福农95-1702除广西南宁、云南开远外,具有广泛的适应性,粤糖91-1102则仅对广东湛江、福建福州有特殊适应性,云蔗94-375则仅对云南开远、江西赣州有特殊适应性。     

AMMI模型在水稻区域试验产量组成性状分析中的应用

为了解AMMI模型在水稻区域试验产量组成性状分析中的应用效果,利用AMMI模型对2006年安徽省晚粳水稻区域试验资料进行了分析。结果表明,在分析基因型与环境互作时,AMMI模型优于多元回归和相关分析;AMMI模型中的极显著和显著能分别解释产量、单位面积有效穗数、株高、穗长、每穗实粒数性状的89.19%、95.90%、96.30%、91.20%、90.40%的交互作用平方和;AMMI模型稳定性参数Di可以用来分析产量性状在不同地点下的稳定性,稳定性产量性状Di值分析表明,品系和环境的变化对单位面积有效穗数与每穗实粒数影响较小。     

AMMI模型在芝麻区域试验中的应用

品种区域试验中基因型(G)和环境(E)的互作现象普遍存在,AMMI模型作为一种分析G×E互作关系的方法,可非常有效地补充现有区域试验分析方法的不足.通过对2006年度湖北省芝麻新品种区域试验结果进行分析,结果表明,两条主成分轴(IPCAI、IPCA2)共解释了86.66%的互作平方和,03-4067、03H02为高产稳产型材料.     

基于AMMI模型的区域试验玉米新品种的稳定性和适应性评价

以2009年贵州省玉米新品种区域试验C组各承试点的产量为资料,应用AMMI(additive main effects and multiplicative interaction,又称为主效可加互作可乘)模型对小区产量的基因型、环境和基因型与环境(G×E)互作进行了探讨。结果表明:AMMI模型很好地解释了玉米新品种产量性状的基因型效应、环境效应和G×E互作效应。根据AMMI双标图和分析结果可以得出以下结论:小区产量高且稳定的品种有C2、C6和C8(10.689～11.433kg),相对稳定的品种有C7、C10和CK(10.071～10.594kg),高产但较不稳定的品种有C3和C4(10.571～11.055kg),产量低也不稳定的品种是C1、C5和C9(9.543～10.157kg);试点E1、E5和E2的分辨力较强,E6、E7和E3的分辨力较弱。     

应用AMMI模型分析冬性饲草型小黑麦品种稳定性

[目的]研究饲草型小黑麦区域试验品种稳定性问题.[方法]应用AMMI模型对冬性饲草型小黑麦区域试验产量数据进行分析,并结合稳定性参数Di(j)和双标图对鲜、干草产量的基因型、环境和基因型与环境(G×E)互作进行分析.[结果]参试品系在各试点上总体适应性表现较强,6个参试品系中WH07 -2鲜草产量上表现出既高产又稳产,适宜于作为刈割青贮品种.[结论]AMMI模型是分析基因型与环境(G×E)互作的有效方法,应用此方法对饲草型小黑麦区域试验品种(系)进行评价会更加科学完善.