基于GGE双标图的甘肃春小麦区试品系稳产性和试点代表性分析

【目的】鉴定甘肃春小麦区试品系的适应性、稳产性及试点代表性,为优良新品种的推广和品种的区域选择提供理论依据。【方法】利用2007-2014年甘肃省春小麦区域试验40个品系在7个试点的试验数据,采用GGE双标图法分析参试品种(系)的适应性、稳产性及试点的代表性,并分析环境因子及相关农艺性状与产量构成因子的相关性。【结果】环境及品系与环境交互作用对产量的影响均大于品系,分别是品系效应的3.71倍和3.12倍;品系7095属于适应性和稳产性均表现较好的品系;在7个试点中,黄羊点的代表性和鉴别力最好。产量及9个相关农艺性状与5个环境因子间有显著或极显著的相关性。【结论】环境间的差异是造成甘肃春小麦区试试验参试品种(系)产量差异最主要的因子。筛选出了在甘肃局部地区有推广价值的春小麦品种(系)以及具有代表性和良好鉴别力的区试点。     

用GGE双标图分析广西旱藕品种产量稳定性和试点代表性

为了筛选适合广西种植的旱藕新品种,用GGE双标图分析了5个旱藕品种在广西4个不同海拔区域的产量稳定性和试点代表性。结果表明,兴芋3号属高产稳产型;兴芋2号稳定性好,产量较高;田林旱藕产量最低,稳定性较差;马山旱藕产量较高,但稳定性差。从品种对试点的特殊适应性分析,兴芋3号特殊适应性最广。从产量水平来看,兴芋3号表现较好,其次为兴芋2号,可加大力度推广。田林县和大化县试点区分能力强,都安县试点代表性较好。     

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

以2007-2008年甘肃省马铃薯区域试验的9个品种在7个试点的块茎产量为材料,利用基于Genstat的GGE双标图分析评价参试品种(系)的丰产性、稳定性、适应性以及各试点的代表性和区分力。结果表明,参试品种(系)‘陇薯9号’‘L0227-18’‘天薯10号’‘陇薯8号’的丰产性和稳产性较好;7个试点被划分为2个类型区域,在2个类型区域中表现最好的品种分别为‘陇薯9号’和‘陇薯6号’,安定、会川和临夏是比较理想的试点,具有较强的区分力和代表性。     

基于GGE双标图分析山西大豆区试品种的稳定性及适应性

为研究山西大豆区域试验中参试品种的高产稳定性及适应性,2019-2020年在山西高平、介休、汾阳、文水、清徐、长治6个试点种植中部复播区的7个大豆品种,收获后测产。采用联合方差分析和GGE双标图模型对产量性状适应性、高产性、稳定性及试点鉴别力和代表性等进行分析。结果表明,参试大豆品种的产量性状在基因型、环境及基因型与环境互作效应均达到显著水平,基因型、基因型与环境互作效应、环境对大豆产量的影响逐渐增强。GGE双标图分析表明：高平、介休、文水和长治4个试点适应性最强的品种是品豆25;汾阳适应性最强的品种是汾豆98;清徐适应性最强的品种是同豆8181,因此要根据品种的特性选择适宜的种植环境,最大限度地发挥地域优势与品种生产潜力。同豆8181既高产又稳产,同时更有区域适应性优势,适宜在山西省中部复播区种植,是一个比较理想的品种。试点间相关性结果显示：高平、介休、文水、长治之间存在着密切正相关关系,说明在试点的选择存在着重复设置问题。试点鉴别力和代表性结果显示,介休试点对7个大豆品种最具鉴别力和代表性,是较为理想的环境。GGE双标图能够直观清晰地显示大豆多点多年品种试验结果和品种的代表性。研究...     

GGE双标图在玉米区域试验中的应用

采用GGE-biplot软件对2012年吉林省中早熟组玉米区域试验进行了分析。结果表明:A01品种丰产性、稳产性综合表现最佳,白山河口点鉴别力及代表性综合表现最佳。利用GGE双标图可以直观、简单、便捷地展示出品种及试验点的优劣,为今后的品种筛选、推广及试验点分布提供了参考依据。     

用GGE双标图法分析区域试验谷子品种(系)的丰产性、稳定性及参试点代表性

采用GGE双标图法分析了2011年7个谷子品种(系)在山西省7个试点的区试数据资料,对参试品种的丰产性、稳产性、适应性做出了评价,结果表明:太选10号、长农40号、沁黄2号是既高产又稳产的优良品系,其中太选10号表现最为突出,而晋中208综合表现最差,产量最低,稳定性也最差;太原小店试验点对参试品种的区分能力最强,对目标生态区的代表性最好,是所有区试点中最理想的试验点。     

GGE双标图分析在糯高粱品种区域试验中的应用

采用GGE双标图法对2013—2014年全国高粱品种糯高粱组6个试验地点的14个糯高粱品系试验数据进行分析。结果表明:2013年G7(407A/LZ1050R),2014年G10(辽糯14-2)属于高产、稳产较好的品系;在主要农艺性状中,小区产量与糯高粱育性成正相关,育性的高低是影响糯高粱产量的重要指标之一。在6个糯高粱试点中,2013年泸州和贵阳代表性最强,长沙代表性最弱,而武汉、重庆和宜宾代表性居中。2014年重庆代表性最强,而长沙、武汉、贵阳和泸州居中。从两年的区域试验各品种生态区来看,泸州、贵阳和重庆试点兼备较强的鉴别力和较好的代表性。本研究利用GGE双标图能够更加直观地分析糯高粱品种丰产性、稳产性和试点鉴别力、代表性,可为糯高粱品种区域试验数据进行准备地分析提供参考依据。     

多主成分玉米区域试验数据的GGE双标图分析

[目的]本研究旨在通过分析辽宁玉米区域试验中基因与环境互作关系,建立针对包含多个主成分试验数据更可靠的分析方法。[方法]对于存在多个主成分的辽宁玉米中晚熟组2年区域试验产量数据进行了GGE双标图分析,做出了品种适宜区域推荐和试验点综合评价,说明了分组分析的优点与注意事项,探讨了对年度重复试验分析的意义。[结果]综合产量和稳定性指标,2018年既高产又稳产的品种是辽东组的荃研1001、沈玉9231,辽西组的15N6065、东1775。东1775连续2年在辽西组表现较高产且稳定,尤其在阜新、朝阳、昌图等环境下表现出较高的G+GE效应,适宜在类似生态区种植。2018年,阜新、于洪可以发挥淘汰品种的功能,昌图是既有区分力又有代表性的区试点。2019年,东陵可以发挥淘汰品种的功能,法库、锦州、营口是既有区分力又有代表性的区试点。[结论]分组分析是针对多主成分区域试验数据的适宜分析方法,能够相对准确评价试验点的区分力和代表性、提供品种适宜区域、初步划分生态区,使用时应参照聚类分析和热图结果,选取尽量少的组别进行分组分析。     

基于Genstat的AMMI模型和GGE双标图在玉米区域试验分析中的应用

利用Genstat软件的AMMI模型和GGE双标图对玉米区域试验中15个品种在20个试点的产量变异和高产稳产性进行分析,评价试点的区分力和代表性.结果表明,品种、试点、品种与试点交互作用均达到了极显著水平,试点间的差异是变异的主要来源.品种富尔1602和中单4387具有较强的高产、稳产性.品种屯玉639、东单9573、富育1509、秋乐308适合在吉林九台、吉林陶家、吉林东丰、辽宁本溪、辽宁昌图、辽宁阜新、河北唐山、内蒙巴林左旗、内蒙开鲁种植,且东单9573在这些地区种植可获得高产;品种德单1108和乐农79适合在吉林双辽、吉林德惠、辽宁沈阳、辽宁抚顺、辽宁喀左、河北滦平、山西屯留、山西襄汾、山西忻府、陕西渭南地区种植,且乐农79在这些地区种植可获得高产.吉林九台和吉林双辽、辽宁沈阳、辽宁昌图的生态区域差异较大,理想的试点为陕西渭南、河北滦平、山西忻府.AMMI模型和GGE双标图在品种评价方面结果基本一致,前者能够明确划分平方和,后者则在评价试点的区分力和代表性方面有显著优势.     

基于GGE模型的甘薯品系产量性状和试验环境评价

为了综合评价甘薯区域试验品系基因型及基因型与环境互作关系,采用GGE双标图法对2020—2021年福建省甘薯区试2组优质淀粉新品系产量数据进行分析。结果表明：2020年‘泉薯26’丰产性最好,在漳浦、福州、泉州、莆田、三明和南平具有较强区域适应性,‘龙薯39号’丰产性和稳产性较好,是试验理想品系;2021年‘金薯43’丰产和稳产性最好,是试验理想品系,‘红金薯2号’具有较好丰产性,在宁德、龙岩、三明和福州具有较强区域适应性。此外,三明试验点在2年试验中具有较高鉴别力和代表性,是理想的试验点。GGE双标图法能够直观评价参试品系的产量特征和试验点的代表性,为客观评价甘薯新品系的高产性和稳产性提供简便、有效的分析手段。     

应用GGE双标图进行向日葵杂交种产量稳定性分析

采用GGE模型对2009年度全国向日葵杂交种区域试验数据资料进行统计分析,对参试品种的丰产性、稳产性做出了评价,结果表明:参试品种S18、S11和NX34250表现为高产、稳产,建议继续参加生产试验;S26和S086在白城、松原表现减产,其它地区增产,可继续参试;而UK301、B09-1、S02、NX44166表现不好,建设停止参试。     

基于AMMI模型和GGE双标图的西北春玉米品种区域试验综合评价

为筛选出西北地区高产稳产的品种和理想的测试点,利用AMMI模型和GGE双标图对2022年西北春玉米品种区域试验中的12个品种在19个试点的丰产性、稳产性和适应性进行分析,评价试点的区分力和代表性。结果表明,产量变异主要包括基因型、环境以及基因型与环境互作,分别占产量变异总平方和的4.39%、74.50%和10.08%。AMMI模型解释了82.76%的品种与试点互作效应。GGE双标图将19个试点分成3个生态区域;其中,甘肃省平凉市、天水市、内蒙古自治区巴彦淖尔、宁夏回族自治区平罗县、陕西省延安市、新疆维吾尔自治区昌吉州和可克达拉市7个试点的区分力和代表性较强。通过AMMI模型和GGE双标图,鉴定出适合西北地区高产稳产的品种为‘DK 2207’和‘玺旺188’。AMMI模型能够充分分解互作效应,并着重评价品种的稳定性,而GGE双标图则在评价试点的区分力和代表性方面有优势。综上,AMMI模型和GGE双标图的综合应用有助于提高西北春玉米品种和测试点评价的可靠性。     

The Application of GGE Biplot Analysis for Evaluating Test Locations and Mega-Environment Investigation of Cotton Regional Trials

In the process to the marketing of cultivars, identification of superior test locations within multi-environment variety trial schemes is of critical relevance. It is relevant to breeding organizations as well as to governmental organizations in charge of cultivar registration. Where competition among breeding companies exists, effective and fair multi-environment variety trials are of utmost importance to motivate investment in breeding. The objective of this study was to use genotype main effect plus genotype by environment interaction（GGE） biplot analysis to evaluate test locations in terms of discrimination ability, representativeness and desirability, and to investigate the presence of multiple mega-environments in cotton production in the Yangtze River Valley（YaRV）, China. Four traits（cotton lint yield, fiber length, lint breaking tenacity, micronaire） and two composite selection indices were considered. It was found that the assumption of a single mega-environment in the YaRV for cotton production does not hold. The YaRV consists of three cotton mega-environments： a main one represented by 11 locations and two minor ones represented by two test locations each. This demands that the strategy of cotton variety registration or recommendation must be adjusted. GGE biplot analysis has also led to the identification of test location superior for cotton variety evaluation. Although test location desirable for selecting different traits varied greatly, Jinzhou, Hubei Province, China, was found to be desirable for selecting for all traits considered while Jianyang, Sichuan Province, China, was found to be desirable for none.     

冬播春性小麦产量相关性状与抗旱性的关系研究

为明确春小麦产量相关性状与抗旱性的关系,以CIMMYT提供的28份春小麦品系为试材,在雨养及灌溉条件下,对主穗小穗数、穗粒数、不孕小穗数、千粒重、收获指数和小区产量等性状进行考察,分析春小麦主要产量相关性状的遗传力,评价春小麦品系的抗旱性,用GGE双标图对产量相关性状与抗旱性的遗传相关进行分析。结果表明:春小麦的抗旱性与多种产量性状相关;2种水分条件下主穗小穗数、穗粒数、千粒重和小区产量的遗传力较大(42.79%~78.87%)。不同水分条件下主要产量相关性状与抗旱性的遗传相关程度存在差异。通过对产量相关性状的遗传相关系数及遗传力进行联合分析,可以看出在雨养条件下主穗小穗数、穗粒数和小区产量对春小麦抗旱性的选择效率较高,在春小麦抗旱育种中应当注重对这些产量相关性状进行考察及选择。     

AMMI模型和GGE双标图法在新疆冬小麦区域试验产量分析上的应用

[目的]客观、准确评价区域试验中冬小麦新品系的丰产性和稳定性,探明适合新疆冬小麦区域试验分析的统计模型.[方法]利用AMMI模型和GGE双标图分析2010、2011年北疆冬小麦区域试验中5个试点、12个新品系的产量结果.[结果]基因型、环境及基因型×环境互作的平方和分别占总平方和的6.96;、32.62;和26.82;,均达到极显著水平.通过模型分析,垦冬杂1号和垦冬00(2)号具有较好的稳产性和丰产性,适合在伊宁、塔城和奇台等地区种植;08/7148在安宁渠点和塔城地区种植可获得高产.同时,GGE双标图对新品系丰产性分析结果与田间试验结果趋于一致,相对于AMMI模型能够直观、简单提供新品系的稳定性和适种区域.[结论]GGE双标图法比较适合分析北疆冬小麦区域试验的结果.