二十五个美国水稻品种主要农艺性状的观察与分析

对从美国引进的２５个水稻品种进行了试种观察（在合肥地区）。结果是多数品种表现了较好地适应性，品质优、产量较高。对主要产量性状进行相关分析和通径分析表明：对单株产量贡献大的几个性状依次是千粒重（０．８６６）、单株粒数（０．７７６）和结实率（０．５１６）。     

水稻聚类分析中若干问题的探讨——(Ⅱ)不同相关矩阵的特征根和特征向量稳定性比较

本研究对29个籼稻品种,10个主要数量性状的二年试验资料计算了遗传相关系数矩阵(R_?)、表型相关系数矩阵(R_?)、环境相关系数矩阵(R_e)和相关遗传力矩阵(R_H)。比较了由这四种相关矩阵计算的特征根的信息浓缩速度和特征向量的稳定性。结果表明:由遗传相关系数矩阵解得的特征根信息浓缩速度最快,特征向量的稳定性最好,而由环境相关系数矩阵解得的特征根信息浓缩速度最慢,特征向量的稳定性最差。     

水稻聚类分析中的若干问题的探讨——(Ⅰ)不同类型相关矩阵的相关信息量和稳定性

作物品种聚类分析结果的可靠性和稳定性,在很大程度上取决于相关矩阵的相关信息量和稳定性。本研究根据29个籼稻品种的二年试验资料,比较了遗传相关系数矩阵(Rg)、表型相关系数矩阵(Rp),环境相关系数矩阵(Re),和相关遗传力矩阵(Rh)的相关信息量的大小和稳定程度。结果表明:遗传相关系数矩阵的相关信息量最大,稳定性最高,而环境相关系数矩阵的相关信息量最小,稳定性最低。     

水稻品种的主要成分分析

<正> 在水稻杂交育种和杂种优势利用中,选择不同遗传背景的品种(系)作为亲本,对于扩大变异幅度及增强杂种优势有着重要的意义。通过育种家的长期实践和许多学者的大量研究,目前人们已普遍认为:杂交亲本双方应有较大的遗传差异。因此,研究作物品种间的遗传差异已成为一个重要的课题。Seal(1964)、奥野忠一等(1971)认为,宜采用主成分分析法来研究作物品种间的遗传差异。目前国内一些学者将主成分分析和聚类分析结合起来进行研究,取得了可喜的成绩。但在以往的研究中,通常是用遗传相关系数矩阵     

世代平均数遗传分析的电算程序(BASIC语言)

世代平均数遗传分析是一种估计控制植物性状遗传的基因效应的有效的方法。本文介绍了该方法的基本原理,编制了计算所需要的计算机程序(BAS1C)。该程序可处理来自P_1、P_2,F_1、F_2,B_1、B_2甚至更多群体的资料,估计出[d]、[h]、[i]、[j]、[1]等遗传效应(Hayman和Mather),并验明符合加性—显性或加性—显性—上位性遗传的最佳模型。文中附一陆地棉纤维强度性状的实例,以详细说明该程序的使用。