薏苡品种(系)的产量稳定性及地点鉴别力分析

旨在准确、合理的评价基因型与基因型?环境互作效应(G?E)对薏苡产量稳定性及地点鉴别力的影响,为优良品种的鉴定、推荐和登记提供科学依据。采用AMMI模型结合双标图及稳定性参数Dg(e)对第二轮（2012-2014年）国家薏苡区域试验的产量数据进行了分析。结果表明,G1~G6在不同试点的产量变异范围分别：2380.0~6061.0 kg/hm2、1933.3~5790.0 kg/hm2、2192.0~5632.3 kg/hm2、905.3~5485.7 kg/hm2、978.3~4680.0 kg/hm2、991.0~5340.0 kg/hm2;基因型效应、环境效应和基因型×环境交互效应(G×E)均达到极显著或显著水平,环境效应占总变异的55.10%,G×E 交互效应占14.03%,基因型效应占8.41%,IPCA1、IPCA2 和IPCA3 分别解释了交互作用(G?E)的60.97%、18.97%和3.07%,三者加起来解释了全部交互作用的83.01%,而且第一主成分(IPCA1)达到差异极显著水平。AMMI双标图及稳定性参数显示,‘黔薏鉴2 号’、‘安紫薏苡’和‘文薏2 号’属于高产稳定型品种（系）,可作为推荐品种,‘莆薏6 号’产量中等、稳定性最差,‘文薏3 号’、‘金沙1 号’的丰产性较差,综合稳定性一般;此外,云南昆明、福建莆田、贵州兴义和贵州安顺的试点代表性较强;云南文山、贵州凯里、广西百色和福建福州的地点鉴别力相对较弱。     

应用 AMMI模型分析烤烟品种的产量适宜性

利用AMMI模型对2011年烤烟品种区域试验5个试点10个参试品种的产量性状进行统计分析。结果表明:(1)参试品种产量的环境效应和基因×环境互作效应均达到极显著水平。在品种试验中对产量影响作用大小顺序依次为环境、基因与环境互作、基因。(2)参试品种丰产性顺序为:AH1002>AH1001>03-8-4>03-6-1>‘K326’>6507>03-4-3>2010A7>2010A10>2010A6;稳定性顺序为:03-6-1>2010A10>AH1001>AH1002>2010A6>03-4-3>‘K326’>2010A7>6507>03-8-4。(3)参试地点环境范围内,AH1002、AH1001丰产性好,稳产性较好,适宜在各试点种植;2010A10丰产差,但适应性较好,在品种推广时需要慎重;03-8-4丰产性较好,但稳产性较差,在推广时应选择适宜的地区种植。     

不同玉米品种（系）在云南省不同生态区丰产、稳产及适应性分析

为筛选云南省不同生态区、不同栽培水平条件下的优良新品种,为该区域玉米新品种精准推广和培育提供参考依据。本研究以9个玉米品种（系）在云南省15个试点的区域试验籽粒产量数据为研究对象,通过AMMI模型和GGE双标图分析方法分析不同玉米品种（系）在云南省不同试点的丰产性、稳定性和适应性,同时综合评价参试地点的鉴别力和代表性。结果表明：基因型效应、环境效应以及基因型与环境的互作效应均对参试品种产量产生极显著影响;综合产量、AMMI模型分析及GGE双标图结果,G3（文17-115）、G6（文15-5851）和G5（文17-5313）属较理想品种;E15（普文镇试验点）和E2（石林县试验点）是综合性较好的试点,均具有较强的区分力和代表性。AMMI模型和GGE双标图分析的侧重点不同,但品种评价结果基本一致,两种方法优势互补,可以用来作为全面有效地评估品种和试点的理想工具。     

基于R语言的AMMI模型和GGE双标图在大豆区试中的应用评价

为提高甘肃省大豆品种的选育和应用效率,利用大豆区域试验数据,从基因型与环境的互作分析出发,对甘肃省大豆新品种的稳定性、适应性以及各试点的鉴别力进行全面评估。本研究采用AMMI模型与GGE双标图相结合的方法对甘肃省9个大豆品种在5个试验点的产量进行分析,结果表明,AMMI模型中主成分值(IPCA1、IPCA2)占总变异平方和的95%;其中‘中黄318’属于高产稳产性品种,而‘陇黄3号’和‘铁丰31’虽然产量较高,但其稳定性中等,适合在特定区域栽培。在5个试验点中,凉州分辨力最强,镇原分辨力较弱。综合运用AMMI模型和GGE双标图法,能够更准确直观地反映各品种生产力、稳定性和适应能力,以及在不同试验区域的分辨能力和代表性。     

AMMI模型对啤酒大麦品种稳定性的分析

主效可加互作可乘模型(additive main effect and multiplic-ative interaction model,简称AMMI型)是对作物区域试验中品种(基因型)×环境互作分析的有效方法.本文应用AMMI模型结合双标图和稳定性参数Di(j)对新疆啤酒大麦第六轮区域试验的产量数据进行了稳定性分析,有关品种的稳定性和适应性可供育种和生产单位参考.实践证明,应用这种方法分析区域试验的资料,会对品种评价更加科学完善.     

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。     

水稻外观品质稳定性分析及G×E互作与气候因子的关系

基于AMMI模型,研究了25个水稻品种外观品质性状与环境的交互作用,并对参试品种垩白品质性状的稳定性、G×E互作与气候因子的关系及气候生态适应性进行了探讨.结果表明,稻米长、宽及长宽比的G×E互作效应差异不显著,垩白率和垩白度的G×E互作效应达到了1%的显著水平.在此基础上将参试品种分为稳定性最好垩白适中、稳定性适中垩白较小及稳定性和垩白性状均较差三类.垩白品质性状的iPCA与水稻生育期内的气温、日照、降雨的相关分析表明气候因子是决定G×E互作的一项重要环境因子.据此得到不同品种对气候因子的最佳品质适应性,如品种V9和V24(沈农9819和0142)的垩白率对温度较低的环境,V23(盐优5858)的垩白度对相对寡照高温的环境具有特殊适应性,在实际生产中选择与这些品种有负向互作的地点可获得较低的稻米垩白率和垩白度.     

福建省夏大豆区试品种稳定性与适应性分析

应用AMMI模型对2020年福建省夏大豆品种区域试验中的11个品种、7个试验地点进行综合评价,分析参试品种的丰产性、稳定性及试点的鉴别力。结果表明,华夏10号、苏闽夏2号和闽诚豆8号属高产稳产品种。福清、尤溪2个试点对品种鉴别力较强,较适合开展品种区域试验。基因型效应、环境效应和基因型×环境交互效应均达到极显著水平,AMMI模型中的主成分值,共解释总互作平方和的91.65%,有效地分析了基因与环境互作效应。     

基于AMMI模型的黄淮海夏大豆国家区试产量分析

为了解黄淮海夏大豆国家区试中各品种丰产性、 稳产性以及各试点鉴别力, 推动该地区大豆育种和推广工作, 利用 AMMI模型对 17个品种 （系） 在 8个试点的大豆产量表现进行分析。结果表明, 品种(g)、 试点(E), 品种×试点(g×E)互作、 交互效应主成份值(IPCA)均达极显著水平。丰产性前 3位品种依次为 ：‘SFy0803’ 、‘中黄 37’ 、‘沧豆 11’ , 稳定性前 3位品种依次为 ：‘邯豆 5号’ 、‘沧豆 11’ 、‘中作 J8032’ ,试点鉴别力前 3位依次为： 临猗、 临汾、 潍坊。试点的稳定性参数与经纬度、 生育期内平均气温、 降水、 日照的相关系数不显著。     

AMMI模型在玉米品种区域试验中的应用

在农作物品种区域试验中,由于品种的基因型和环境存在着交互作用,用一般的线性回归方程只能解释一小部分交互作用。而AMMI模型把方差分析和主成分分析综合于一个模型中,不仅最大程度地反应互作变异,而且能准确地分析品种的稳定性。本文利用AMMI模型及双标图对2007年贵州省玉米区域试验的产量数据进行分析,进而评价各参试品种的稳定性和适应性。     

利用AMMI模型分析红花花瓣产量性状的基因型与环境互作

基因型与环境的互作效应(G·E)决定作物在多生态环境中产量性状的稳定性,研究红花G·E互作效应对花瓣产量稳定性的影响有重要意义。采用随机区组试验设计,选用7个红花品种,4个试验点,3次重复,测定各品种花瓣产量,运用AMMI模型对红花品种的基因型、环境及G·E互作效应进行了分析。基因型、环境及G·E互作效应均达到极显著水平,基因型占总变异的15.94%、环境效应占16.29%,G·E互作效应占47.64%,表明G·E互作效应对产量变化的影响远大于基因型和环境。互作效应主成分计算出基因型稳定性参数(Dg),顺序为‘YN1805’‘YN2057’‘YN512’‘YN495’‘YN1959’‘YN2527’‘弥渡红花’(CK)。运用AMMI模型有效地解释了红花品种产量性状的基因型、环境和G·E互作效应。根据产量、稳定性参数及AMMI模型分析结果,高产而又稳定的品种有‘YN1805’和‘YN2057’,高产而又不稳定的品种有‘YN512’和‘YN1959’,不高产也不稳产的品种有‘YN495’、‘YN2527’和‘弥渡红花’(CK)。在红花生产中,应选用产量高、适应性强的品种。     

甘肃省糜子区试品种(系)稳定性的AMMI分析

AMMI模型被广泛应用于直观评价作物区域试验中品种(系)对试点的适应性。本研究应用AMMI模型对2005~2006年甘肃省糜子区域试验品种(系)的稳定性进行了分析,结果表明,8702-3-1-3-2-1-3对不同环境具有很好的适应性,属高产稳产品系;9113-1-3-1丰产性好,但对环境变化较敏感,属高产而稳产性差的品系。AMMI模型是评价糜子品种(系)稳定性、适应性和丰产性的有效方法。     

利用AMMI模型分析冬小麦品种区试数据的稳定性

利用AMMI模型、双标图以及稳定性参数Di(i)对2002～2003年度河南省超高产小麦良种区试的数据进行了稳定性分析.结果表明:在参试的品种中,品种稳定性的排序为豫麦47号＞温9519＞丰舞981＞睢科2号＞内乡991＞01中89＞豫同M023＞豫麦49号＞国麦1号＞花培1号＞郑9405＞周92031＞郑9694＞偃师9906.即豫麦47号最稳定,偃师9906在某些试点具有特殊的适应性.在参试地点中,地点对品种鉴别力的大小顺序为郸城所＞温县所＞济源所＞中棉所＞宝丰所＞五二农场＞洛阳所.即郸城所、温县所、济源所适合作为区试地点.     

利用AMMI模型分析寒地水稻3个品质性状的基因型与环境互作

为了给寒地水稻品种审定和推广应用提供科学依据, 将黑龙江省垦区6个寒地水稻品种(系)种植在6个不同生态点, 利用AMMI模型对其营养食味品质性状(蛋白质含量、游离脂肪酸含量、直链淀粉含量) 进行了稳定性和适应性分析。结果表明, 蛋白质含量、游离脂肪酸含量、直链淀粉含量3项指标在基因型间、环境间及基因型×环境互作间的方差均达到极显著水平, 这3项指标的交互效应主成分值(IPCA)差异也达到显著水平;影响营养食味品质稳定性的主要环境气候因子是穗期(抽穗至成熟期)日平均气温和日均气压, 穗期温度高、光照充足和少雨的环境有利于寒地稻米良好品质的形成;6个参试品种(系) 营养食味品质稳定性为建07-1023>空育131>龙粳20>饶选06-06>北粳9005=垦稻08-924, 6个农场对水稻品质影响为查哈阳农场>梧桐河农场>853农场=军川农场>850农场>290农场。     

大豆新品种合丰47产量评价与分析

利用AMMI模型对大豆新品种合丰47号参加黑龙江省大豆区域试验第二积温带三江平原西南温和半湿润区(5区)试验结果进行分析,结果表明合丰47号产量在所有参试品种中列第1位;(Di)值在参试品种中列第2位,小于对照品种合丰35号的(Di)值,表明合丰47号的适应性好于对照品种合丰35号;从品种与试验点的交互作用可以看出,合丰47号适于在黑龙江省第二积温带三江平原两南温和半湿润区的汤原、桦南、富锦、友谊、笔架山、依兰等地区推广.采用逐步回归法获得合丰47号的产量回归方程为Y=4056.6248-39.1945X1+14.4335X4+38.9511X6+37.42421X7.表明有效分枝对合丰47号的产量影响最大,其次是平方米株数和百粒重.     

应用AMMI模型分析烤烟区试品种稳定性

AMMI模型在分析基因型与环境互作效应方面有明显的优势,可定量地描述各品种稳定性差异以及各地点对品种鉴别力的大小。为筛选适应河南省特定生态条件下的优良烤烟新品种,应用AMMI模型对2010年河南省烤烟区域试验4个试点7个参试品种的丰产性及稳产性进行分析。结果表明,所有参试新品种产量均值均高于对照‘NC89’,其中,‘Y106’和‘H8190’具有丰产稳产的特性,‘Y102’产量最高,但稳定性较差;‘8182’丰产性差,稳定性好;‘8122’丰产性较差,稳定性较差;‘优选一号’丰产性差,稳定性较好;对照‘NC89’丰产性差,稳定性一般。     

利用AMMI模型分析湖北省区试品种稳定性和适应性

利用AMMI模型对2017年湖北省马铃薯品种区域试验中的8个马铃薯品种,7个试验地点进行综合评价,分析参试品种的稳定性及丰产性,评价试点的鉴别力。结果表明,HB 2010 XS 6和HB 2010 XS 3属于高产稳产品种,适合在湖北省二高山以上地区推广;HB 201079-1属于产量高,但稳定性差,适合在特定区域种植的品种。各试点的鉴别力顺序为:建始巴东五峰恩施兴山竹山利川,其中对品种选择性最高的地点是建始,代表性较强、选择性最低的是利川。AMMI模型中的主成分值,共解释总互作平方和的90.15%,更有效地分析基因与环境互作效应。     

北部冬麦区冬小麦区试品种（系）的稳定性和适应性分析

为客观准确地评价区域试验中北部冬麦区冬小麦新品种（系）的丰产性和稳产性,以2014-2015年度国家北部冬麦区水地组冬小麦品种（系）区域试验产量数据为资料,应用AMMI模型对小区产量的基因型、环境和基因型与环境（G×E）互作进行了研究。结果表明,稳定性最好的为农大3486、京农12-79,较好的有科遗4174、长6794、中麦93,较差的为航麦109、晋太102、众信7198;试点以天津武清、山西榆次、新疆阿拉尔、河北遵化、山西屯玉分辨力较高,河北固安、河北滦县、北京顺义、北京昌平分辨力较低。在对区域试验中品种（系）稳定性和试点的分辨力进行判定时,综合使用双标图和稳定性参数两种方法,既直观又准确。     

AMMI模型在棉花区域试验中的应用

应用AMMI模型对2002年河南省春棉区域试验产量结果进行了分析,并对基因型与环境间的互作分析进行了探讨。结果表明,通过AM MI模型的分析结果能更有效地解释品种和环境间的交互作用,显著地提高综合评价棉花区域试验中参试品种的稳定性的能力,使区试结果更客观地反映品种的情况。     

水稻品种胚乳淀粉RVA谱的稳定性分析

利用AMMI模型对18个水稻品种的淀粉RVA谱特征值——最高黏度、热浆黏性、冷胶黏度、崩解值、回复值和消减值进行稳定性分析,并以6个性状的表型值及相应的稳定性参数（Di）为指标,对供试品种进行聚类分析和评价。结果表明,6项RVA谱特征值在不同品种和环境间的差异以及G×E互作效应都达到极显著水平（P<0.01）;6项特征值的