山西省南部花生品种产量稳定性的模型分析及评价

doi:10.16035/j.issn.1001-7283.2017.03.008

摘要/Abstract

摘要：

为了探究在不同统计模型下花生品种多性状的表现规律,以山西省南部花生主产区6个试点中的7个花生品种为研究对象,通过Eberhart-Russell、AMMI、DTOPSIS和PCA等4种模型分析方法,综合对比、评价不同花生品种及统计模型的适应性。结果表明,4种模型因统计方法的不同结果存在差异,Eberhart-Russell模型分析中品种晋花8号、花育911和临花9号遗传稳定性更好,而AMMI双标图及参数D_i显示花育911和张户坡试点分别在产量变异中有更好的品种稳定性和试点分辨力,DTOPSIS和PCA分析分别以临花9号、花育911和临花9号、晋花8号为综合多性状最优品种。结合品种田间产量表现,AMMI分析能更科学地反映加性遗传模型中的GEI交互效应,而DTOPSIS分析在多品种多性状比较中更有优势。

关键词: 花生, 产量稳定性, 模型

Abstract:

In order to explore the characteristic expression rules of the peanut cultivars under different statistic models, 6 sites and 7 breeds were surveyed in southern Shanxi. The data were used in 4 models which were Eberhart-Russell、AMMI、DTOPSIS and PCA, to comparatively evaluate different peanut cultivars and the adaptability of the statistic models. The results of all the four models differed because of the different statistic calculation. Jinhua8, Huayu911 and Linhua9 cultivars showed better genetic stability in Eberhart-Russell model, while Huayu911 and Zhanghupo showed better cultivar stability and site discrimination in yield variation for AMMI biplot and Di parameter. Linhua9 and Huayu911 were optimal cultivars with synthetically multiple characters in DTOPSIS model, while Linhua9 and Jinhua8 were optimal in PCA model. With the actual field yield performance, we thought the effect of GEI interaction was more scientifically reflected by additive genetic model in AMMI analysis, the DTOPSIS analysis was more advantageous in multiple cultivars and traits comparison.

Key words: Peanut, Yield stability, Model

宁东贤,赵玉坤,闫翠萍,杨秀丽,肖俊红,杨丽萍. 山西省南部花生品种产量稳定性的模型分析及评价[J]. 作物杂志, 2017 (3): 39–43

Dongxian Ning,Yukun Zhao,Cuiping Yan,Xiuli Yang,Junhong Xiao,Liping Yang. Analysis and Evaluation of Different Models for Yield Stability of Peanut Cultivars in Southern Shanxi[J]. Crops, 2017(3): 39–43

图/表 7

表1

表2

图1

图2

表3

表4

表5

参考文献 25

[1]	周雪松, 赵谋明 . 我国花生食品产业现状与发展趋势.食品与发酵工业, 2004(6):84-89.
[2]	李明姝, 姚开, 贾冬英 , 等. 花生功能成分及其综合利用.中国油脂, 2004(9):13-15.
[3]	杜红亮, 费洪平, 宋金平 . 我国花生产业优势与问题分析.花生学报, 2003(3):8-14. doi: 10.3969/j.issn.1002-4093.2003.03.002
[4]	汤松, 禹山林, 廖伯寿 , 等. 我国花生产业现状、存在问题及发展对策.花生学报, 2010(3):35-38.
[5]	万书波 . 我国花生产业面临的机遇与科技发展战略.中国农业科技导报, 2009(1):7-12.
[6]	农业部 . 全国种植业结构调整规划(2016-2020年). 北京:中华人民共和国农业部, 2016.
[7]	俞世蓉 . 作物的品种适应性和产量稳定性.作物杂志, 1991(1):36-37.
[8]	胡希远, 尤海磊, 宋喜芳 , 等. 作物品种稳定性分析不同模型的比较.麦类作物学报, 2009(1):110-117. doi: 10.7606/j.issn.1009-1041.2009.01.021
[9]	金文林 . 作物区试中品种稳定性评价的秩次分析模型. 作物学报, 2000,26(6):925-930.
[10]	陈勇生, 邓海华, 刘福业 , 等. 对应用几种统计模型评价甘蔗品种稳定性的初步比较.生物数学学报, 2012(1):168-174.
[11]	Graybosch R A, Peterson C J . Specific adaptation and genetic progress for grain yield in great plains hard winter wheats from 1987 to 2010. Crop Science, 2012,52(2):631. doi: 10.2135/cropsci2011.08.0412
[12]	Chamekh Z, Karmous C, Ayadi S , et al. Stability analysis of yield component traits in 25 durum wheat (Triticum durum Desf.) genotypes under contrasting irrigation water salinity. Agricultural Water Management, 2015,152:1-6. doi: 10.1016/j.agwat.2014.12.009
[13]	Taïbi K , Campo A D D,Aguado A ,et al. Early establishment response of different Pinus nigra,ssp. salzmanii,seed sources on contrasting environments:Implications for future reforestation programs and assisted population migration. Journal of Environmental Management, 2016,171:184-194.
[14]	李金琴, 朱国立, 吴国林 , 等. 蓖麻种子含油量与主要数量性状的相关及通径分析. 中国油料作物学报, 2004,26(2):44-47. doi: 10.3321/j.issn:1007-9084.2004.02.010
[15]	黄英杰, 张岩 . 谷子品种产量及主要产量构成因素稳定性的分析.作物杂志, 2002(5):43-44. doi: 10.3969/j.issn.1001-7283.2002.05.020
[16]	刘丽华, 胡远富, 陈乔 , 等. 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. 作物学报, 2013,39(10):1849-1855. doi: 10.3724/SP.J.1006.2013.01849
[17]	王晨阳, 郭天财, 马冬云 , 等. 环境、基因型及其互作对小麦主要品质性状的影响.植物生态学报, 2008(6):1397-1406.
[18]	邓志英, 田纪春, 胡瑞波 , 等. 基因型和环境对小麦主要品质性状参数的影响.生态学报, 2006(8):2757-2763. doi: 10.3321/j.issn:1000-0933.2006.08.045
[19]	卢会翔, 唐道彬, 吴正丹 , 等. 甘薯产量、品质及农艺性状的基因型与环境效应研究.中国生态农业学报, 2015(9):1158-1168.
[20]	孙亚男, 仕相林, 蒋洪蔚 , 等. 大豆百粒重QTL的上位效应和基因型×环境互作效应.中国油料作物学报, 2012(6):598-603.
[21]	徐淑良, 房毅, 王利民 . Eberhart-Russell和Tai法计算品种稳定性参数的程序设计.山东农业科学, 1995(1):48-51.
[22]	刘博, 卫玲, 樊云茜 , 等. 基于AMMI模型的黄淮海夏大豆国家区试产量分析.中国农学通报, 2015(27):69-74.
[23]	龙腾芳, 郭克婷 . DTOPSIS法的程序设计及其在作物品种评价中的应用.中国农学通报, 2004(3):252-254.
[24]	赵玉坤, 高根来, 田玮玮 , 等. 基于PCA方法的夏玉米穗部性状综合评价.农学学报, 2015(3):20-25.
[25]	董孔军, 何继红, 杨天育 . 甘肃省糜子区试品种(系)稳定性的AMMI分析.作物杂志, 2008(3):73-76. doi: 10.3969/j.issn.1001-7283.2008.03.024

相关文章 15

[1]	王汉霞单福华田立平马巧云赵昌平张风廷. 北部冬麦区冬小麦区试品种（系）的#br# 稳定性和适应性分析[J]. 作物杂志, 2018, (5): 40–44
[2]	陈瑛瑛王徐艺凌朱宇涵武威刘涛孙成明. 水稻穗部氮素含量高光谱估测研究[J]. 作物杂志, 2018, (5): 116–120
[3]	何中国,朱统国,李玉发,王佰众,牛海龙,刘红欣,李伟堂,牟书靓. 吉林省花生育种现状及发展方向[J]. 作物杂志, 2018, (4): 8–12
[4]	权宝全,白冬梅,田跃霞,薛云云. 不同源库关系对花生光合特性及产量的影响[J]. 作物杂志, 2018, (4): 102–105
[5]	宋江春,李拴柱,王建玉,张秀阁,朱雪峰,乔建礼,向臻. 我国高油花生育种研究进展[J]. 作物杂志, 2018, (3): 25–31
[6]	侯维海,王建林,旦巴,胡单. 青稞光合作用5种光响应模型的比较分析[J]. 作物杂志, 2017, (4): 96–104
[7]	何文昭,王红武,胡小娇,李坤,王琪,吴宇锦,刘志芳,黄长玲. 玉米株高和穗位高在不同环境下的数量遗传分析[J]. 作物杂志, 2017, (3): 13–18
[8]	李拴柱,宋江春,王建玉,张秀阁,乔建礼,刘宁. 高油酸花生遗传育种研究进展[J]. 作物杂志, 2017, (3): 6–13
[9]	顾鑫,王平,杨晓贺,姚亮亮,刘伟,赵海红,丁俊杰,申宏波. 三江平原水稻鞘腐病短期预测模型的建立[J]. 作物杂志, 2017, (3): 162–165
[10]	陈霞燕,王连喜,任景全,郭春明,李琪,李莹莹. 吉林省春玉米生产潜力及其敏感性分析[J]. 作物杂志, 2016, (6): 91–98
[11]	代小冬,徐心志,朱灿灿,杨育峰,秦娜,王雁楠,王春义,杨晓平,杨国红,李君霞. 谷子氮、磷、钾肥的效应研究[J]. 作物杂志, 2016, (5): 147–151
[12]	郑柱荣,张瑞祥,杨婷婷,文利超,沈雪峰. 盐胁迫对花生幼苗根系生理生化特性的影响[J]. 作物杂志, 2016, (4): 142–145
[13]	刘义明,凌钊,韩玉芬,杨桂梅,温静涛. 施用硒微肥对红衣花生硒含量的影响[J]. 作物杂志, 2016, (2): 105–106
[14]	张建涛,李国强,陈丹丹,冯晓,郑国清. 两种冬小麦气候适宜度评价模型的比较[J]. 作物杂志, 2016, (2): 159–164
[15]	王鹏,陈寅初,李万云,刘胜利,柳延涛,赵刚. 抗列当向日葵品种（系）植物学性状对产量预测模型的影响[J]. 作物杂志, 2016, (1): 38–45

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

Eberhart-Russell模型方差分析Variance analysis of ER model					AMMI模型分析Analysis of AMMI model
来源Source	DF	SS	MS	F	来源Source	DF	SS	MS	F
Groups	12	2 867.24	238.94	1.17	Total	125	235 390.71	1 883.13
E	5	11 422.31	2 284.46	11.17^**	T	41	217 792.41	5 312.01	25.36^**
C	6	148 695.08	24 782.51	121.13^**	G	6	148 695.08	24 782.51	118.29^**
C×E	30	57 675.02	1 922.50	9.40^**	E	5	11 422.31	2 284.46	10.90^**
Error	72	14 731.06	204.60		GEI	30	57 675.02	1 922.50	9.18^**
					IPCA1	10	27 187.16	2 718.72	2.14^*
					IPCA2	8	16 082.43	2 010.30	2.36^**
					IPCA3	6	8 861.14	1 476.86	2.03^*
					Residues	6	5 544.30	924.05

品种 Cultivar	Eberhart-Russell模型 ER model			AMMI模型 AMMI model
品种 Cultivar	回归离差S²_di	变异度SCV(%)	回归系数B_i	IPCA1	IPCA2	IPCA3	D_c	试点Site	IPCA1	IPCA2	IPCA3	D_e
C₁	-43.38	11.08	0.79	-0.35	7.04	-0.25	7.06	E1	-1.53	1.34	-5.78	6.13
C₂	23.59	7.80	0.05	-3.74	-3.96	-2.34	5.93	E2	0.08	1.50	1.01	1.81
C₃	-17.00	6.79	2.65	2.82	-2.69	2.98	4.91	E3	1.89	-7.36	0.11	7.60
C₄	29.55	6.73	2.86	4.76	-0.77	-0.28	4.83	E4	-6.62	1.32	2.47	7.19
C₅	6.67	5.08	0.95	0.19	0.13	3.29	3.30	E5	-0.54	-0.42	1.03	1.24
C₆	-47.76	11.51	-1.35	-6.51	0.20	0.74	6.56	E6	6.72	3.62	1.16	7.72
C₇	48.32	6.24	1.04	2.84	0.06	-4.14	5.02

品种 Cultivar	DTOPSIS模型DTOPSIS model			PCA模型PCA model				PCA模型 PCA model
品种 Cultivar	D_i⁺	D_i^-	C_i	F₁	F₂	F₃	F	主成分 Principal component	特征值 Eigen values	方差贡献率(%) Contribution rate of variance	累计方差贡献率(%) Cumulative contribution rate of variance
C₁	0.37	0.14	0.27	-2.66	-2.14	0.78	-2.13	1	5.01	50.12	50.12
C₂	0.17	0.33	0.66	1.01	3.16	-0.08	1.68	2	3.38	33.75	83.87
C₃	0.20	0.22	0.52	-0.42	-0.20	-0.91	-0.39	3	0.94	9.36	93.23
C₄	0.29	0.22	0.43	2.97	-1.76	-0.97	0.86	4	0.48	4.80	98.03
C₅	0.20	0.24	0.55	-1.11	1.42	0.79	0.00	5	0.15	1.47	99.50
C₆	0.26	0.21	0.45	-2.32	0.20	-0.93	-1.27
C₇	0.27	0.23	0.46	2.52	-0.68	1.32	1.24

性状 Traits	主成分Component
性状 Traits	1	2	3
生育期Growth period	0.885	0.216	0.151
主茎高Stem height	-0.845	0.135	0.468
侧枝长Branch length	-0.900	0.158	0.372
总分枝数Total branching number	-0.753	-0.434	-0.427
结果枝数Number of branches with pods	0.798	-0.432	-0.296
单株果数Pod number/plant	0.757	0.213	0.337
百果重100-pods weight	-0.212	0.959	-0.158
百仁重100-seeds weight	-0.091	0.965	-0.209
单株生产力Pod yield/plant	-0.062	0.964	-0.253
产量Yield	0.932	0.293	0.200

	C₁	C₂	C₃	C₄	C₅	C₆	C₇
实际产量排序Fact yield order	6	3	5	2	4	7	1
Eberhart-Russell模型ER model	5	3	6	4	2	7	1
AMMI模型AMMI model	7	5	3	2	1	6	4
DTOPSIS模型DTOPSIS model	7	1	3	6	2	5	4
PCA模型PCA model	7	1	5	3	4	6	2