基于GGE双标图和TOPSIS法对高产优质芝麻商芝6号的综合分析

doi:10.16035/j.issn.1001-7283.2025.04.010

摘要/Abstract

摘要：

为准确评价芝麻品种商芝6号的丰产稳产性、适应性以及综合性状表现，促进其生产推广和育种利用。基于商芝6号在黄淮区域2年11个试验点的田间试验数据，利用GGE双标图和TOPSIS法对其进行综合分析。结果表明，商芝6号2年的平均脂肪和蛋白质含量分别为54.02%、21.50%，综合抗病性为抗茎点枯病、高抗枯萎病；丰产稳产性分析表明，商芝6号2年的丰产稳产性综合评价均优于对照豫芝4号，分别居第1和第4位；适宜种植区域分析表明，商芝6号2年均具有较高的产量表现，且在黄淮区域适宜种植试点较多；品种产量、品质和抗病性综合评价表明，商芝6号2年分别排在第1和第3位，均优于对照品种。综上所述，商芝6号丰产稳产性较好，品质优，抗病性强，综合性状优良，适宜在黄淮区域以及相似生态环境推广种植。

关键词: 芝麻, 商芝6号, GGE双标图, TOPSIS法, 综合分析

Abstract:

In order to accurately evaluate the high and stable yield, adaptability and comprehensive trait of sesame variety Shangzhi 6, and promote the production and breeding utilization of the variety. Based on the field trials data of Shangzhi 6 at 11 experimental sites in the Huang-Huai area for two years, the GGE biplot and TOPSIS method were used to comprehensively analyze it. The results showed that the average contents of fat and protein of Shangzhi 6 were 54.02% and 21.50% in two years, respectively. The comprehensive disease resistance was resistance to stem spot blight and high resistance to blight. In the analysis of high and stable yield, the comprehensive evaluation of high and stable yield of Shangzhi 6 in the two years was better than that of the control variety Yuzhi 4, ranking first and fourth, respectively. In the analysis of suitable planting areas, Shangzhi 6 had high yield performance in two years, and there were many suitable planting sites in the Huang-Huai area. In the comprehensive evaluation of variety yield, quality and disease resistance, Shangzhi 6 ranked first and third respectively in two years, which were better than the control varieties. In summary, Shangzhi 6 has good high and stable yield, excellent quality, strong disease resistance and excellent comprehensive traits. It is suitable for promotion and planting in the Huang-Huai area and similar ecological environments.

Key words: Sesame, Shangzhi 6, GGE biplot, TOPSIS method, Comprehensive analysis

吕树立, 田壮博, 丁芳, 吕卓阳. 基于GGE双标图和TOPSIS法对高产优质芝麻商芝6号的综合分析[J]. 作物杂志, 2025 (4): 80–86

Lü Shuli, Tian Zhuangbo, Ding Fang, Lü Zhuoyang. Comprehensive Analysis of High Yield and High Quality Sesame Shangzhi 6 Based on GGE Biplot and TOPSIS Method[J]. Crops, 2025(4): 80–86

图/表 7

表1

图1

表2

表3

图2

图3

表4

参考文献 38

[1]	李忠峰, 赵凯, 巩方平, 等. 1979-2019 年中国5种主要油料作物的时空分布变化. 中国油脂, 2024, 49(9):1-9.
[2]	周芳, 赵应忠, 周婷, 等. 近40年来中国芝麻新品种的国家区域试验进展及建议. 分子植物育种, 2022, 20(4):1383-1392.
[3]	Anyogu A, Somorin Y M, Oladipo A O, et al. Food safety issues associated with sesame seed value chains: current status and future perspectives. Heliyon, 2024, 10(16):e36347.
[4]	Sabag I, Bi Y, Sahoo M M, et al. Leveraging genomics and temporal high‐throughput phenotyping to enhance association mapping and yield prediction in sesame. The Plant Genome, 2024, 17(3):e20481.
[5]	张体德, 王保勤, 杜振伟, 等. 河南省芝麻育种成果回顾与展望. 河南农业科学, 2017, 46(10):32-37.
[6]	Avashthi H, Angadi U B, Chauhan D, et al. Sesame genomic web resource (SesameGWR): a well-annotated data resource for transcriptomic signatures of abiotic and biotic stress responses in sesame (Sesamum indicum L.). Briefings in Functional Genomics, 2024, 23(6):828-842.
[7]	刘海礁, 邱雅洁, 周萌, 等. 河南省芝麻生产成本收益分析. 农业经济, 2024(3):29-31.
[8]	宫慧慧, 赵逢涛, 裴伟, 等. 芝麻种质资源及相关分子生物学研究进展. 植物遗传资源学报, 2016, 17(3):517-522. doi: 10.13430/j.cnki.jpgr.2016.03.017
[9]	崔彦芹, 徐婧, 郭元章, 等. 芝麻品种区域试验北方片区综合剖析及育种变化趋势. 中国油料作物学报, 2020, 42(3):401-410.
[10]	王芳, 沈希华, 邢晓宁, 等. 基于R语言的GGE双标图在花生高产稳产和适应性分析中的应用——以我国北方片小粒花生新品种安花3号为例. 花生学报, 2024, 53(1):19-25.
[11]	Gabriel K R. The biplot graphic display of matrices with application to principal component analysis. Biometrika, 1971, 58(3):453-467.
[12]	Kempton R A. The use of biplots in interpreting variety by environment interactions. The Journal of Agricultural Science, 1984, 103(1):123-135.
[13]	陈国立, 徐超峰, 许卫猛, 等. 河南省玉米新品种产量与主要农艺性状综合分析及评价. 种子, 2024, 43(9):53-58,77.
[14]	Tian H J, Liu H, Zhang D, et al. Screening of salt tolerance of maize (Zea mays L.) lines using membership function value and GGE biplot analysis. PeerJ, 2024, 12(4):e16838.
[15]	Reshma O, Surendra P, Reddy S B, et al. Evaluation of rice genotypes for yield stability and adaptability across multiple environments using AMMI and GGE biplot analysis. Journal of Advances in Biology & Biotechnology, 2024, 27(8):1164-1176.
[16]	Silva M F, Soares J M, Martins M S, et al. Artificial aging for predicting the storability of soybean seeds via GGE biplot. Journal of Seed Science, 2024, 46:e202446001.
[17]	Shojaei S H, Mostafavi K, Ghasemi S H, et al. Sustainability on different canola (Brassica napus L.) cultivars by GGE biplot graphical technique in multi-environment. Sustainability, 2023, 15(11):8945.
[18]	Kona P, Ajay B C, Gangadhara K, et al. AMMI and GGE biplot analysis of genotype by environment interaction for yield and yield contributing traits in confectionery groundnut. Scientific Reports, 2024, 14(1):2943.
[19]	Cong Z J, Gu J, Li C Q, et al. Enhancing soil conditions and maize yield efficiency through rational conservation tillage in aeolian semi-arid regions: a TOPSIS analysis. Water, 2024, 16(16):2228.
[20]	聂迎彬, 穆培源, 桑伟, 等. 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. 新疆农业科学, 2012, 49(9):1569-1575.
[21]	张忠信, 韩锁义, 刘华, 等. 基于GGE双标图及TOPSIS法对高油酸花生豫花155号主要性状综合分析. 种子, 2024, 43(7):116-120,157.
[22]	Azadi A, Jalali A S, Navidi M N. Land evaluation approaches comparing TOPSIS and SAW with parametric methods for rice cultivation. Environmental Monitoring and Assessment, 2023, 195(11):1296. doi: 10.1007/s10661-023-11849-8 pmid: 37821796
[23]	Oliveira D B R, Zuffo A M, Aguilera J G, et al. Selection of soybean genotypes under drought and saline stress conditions using Manhattan distance and TOPSIS. Plants, 2022, 11(21):2827.
[24]	张秀荣, 冯祥运. 芝麻种质资源描述规范和数据标准. 北京: 中国农业出版社, 2006.
[25]	中华人民共和国农业部. 油料种籽含油量的测定残余法:NY/T 1285-2007. 北京: 中国农业出版社, 2007.
[26]	中华人民共和国国家卫生和计划生育委员会, 国家食品药品监督管理总局. 食品安全国家标准食品中蛋白质的测定:GB 5009.5-2016. 北京: 中国标准出版社, 2016.
[27]	昝凯, 陈亚光, 徐淑霞, 等. 基于R语言的GGE双标图在大豆区试中的应用. 大豆科技, 2019(4):16-20.
[28]	Chen C T. Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets & Systems, 2000, 114(1):1-9.
[29]	郭敏杰, 邓丽, 任丽, 等. 基于R语言的AMMI和GGE双标图在花生区试中的应用. 花生学报, 2017, 46(2):24-31.
[30]	徐东阳, 郭瑶晴, 胡敏杰, 等. 基于AMMI模型和GGE双标图对芝麻新品种周芝11号的综合评价. 种子, 2024, 43(9):71-77.
[31]	胡峰, 张建涛, 张杰, 等. 河南省芝麻种植气候适宜度时空变化研究. 河南农业科学, 2023, 52(8):56-68.
[32]	吕树立, 丁芳. 豫东地区芝麻籽粒品质与产量对气候生态条件的响应. 陕西农业科学, 2024, 70(2):59-66.
[33]	谢富欣, 李成焕, 刘焱, 等. 南阳市芝麻病虫草渍害发生规律及轻简化绿色防控技术研究. 河南农业科学, 2018, 47(1):59-66.
[34]	侯凡, 陈佑源, 林建荣, 等. 基于GGE双标图分析籼粳杂交稻新品种浙粳优27的丰产稳产性和适应性. 中国稻米, 2024, 30(4):93-97. doi: 10.3969/j.issn.1006-8082.2024.04.018
[35]	李梦, 周显兵, 刘锋博, 等. 基于GGE双标图的油菜新品种陕油1609丰产稳产适应性分析. 种子, 2023, 42(7):122-128.
[36]	张赫楠, 徐浩策, 刘颖慧, 等. 基于GGE双标图对‘张杂谷21’的丰产稳产性及适应性分析. 作物杂志,(2024-10-12)[2025-01-03]. http://kns.cnki.net/kcms/detail/11.1808.S.20241012.1246.003.html.
[37]	殷君华, 邓丽, 郭敏杰, 等. 基于BLUP值和GGE双标图对小粒花生品种的综合评价. 作物杂志,(2024-11-06)[2025-01-03]. http://kns.cnki.net/kcms/detail/11.1808.S.20241105.1739.008.html.
[38]	潘守慧, 王开义, 王志彬, 等. 基于改进灰色关联度和TOPSIS的作物育种材料评价方法. 中国农业科技导报, 2018, 20(3):145-154. doi: 10.13304/j.nykjdb.2017.0613

相关文章 15

[1]	殷君华, 邓丽, 郭敏杰, 苗建利, 胡俊平, 李绍伟, 任丽. 基于BLUP值和GGE双标图对小粒花生品种的综合评价[J]. 作物杂志, 2025, (4): 118–125
[2]	高树广, 徐东阳, 胡敏杰, 王瑞霞, 张春花, 徐博涵, 李伟峰, 张留平. 芝麻种质资源品质性状的初步鉴定与评价[J]. 作物杂志, 2025, (4): 58–64
[3]	张正洁, 杨国华, 郭瑞红, 程凯华, 米兴旺, 刘飞. 采用DTOPSIS法和隶属函数法对西北春玉米区域试验的综合评价[J]. 作物杂志, 2025, (3): 78–84
[4]	吕树立, 丁芳, 郑东方. 芝麻蒴果光合特性及产量与品质对不同化学催熟剂的响应[J]. 作物杂志, 2025, (1): 155–161
[5]	吕伟生, 王馨悦, 陈明, 邓雪云, 张晨, 李子婧, 罗军元, 刘小三, 肖国滨. 红壤旱地油菜―芝麻轮作下油菜控释氮肥施用效果及其后效[J]. 作物杂志, 2024, (6): 113–119
[6]	于沐, 杨海棠, 胡延岭, 刘软枝, 石彦召, 李盼, 韩艳红, 朱桢桢, 李世忠, 郭振超. 花生产量组成的基因型与环境互作及稳定性分析[J]. 作物杂志, 2024, (6): 55–60
[7]	赵俊, 段先琴, 陈艳妮, 汪文倩, 曾袁琳珺, 危文亮, 孙建. 芝麻蒴果光合作用对粒重形成相关性状的贡献率分析[J]. 作物杂志, 2024, (4): 121–129
[8]	王若鹏, 吕伟, 刘文萍, 文飞, 韩俊梅, 刘霞霞. 不同栽培模式对芝麻产量及土壤水热状况的影响[J]. 作物杂志, 2024, (4): 247–252
[9]	苏小雨, 高桐梅, 张鹏钰, 李丰, 吴寅, 王东勇, 田媛, 卫双玲. 基于主成分分析及隶属函数法对芝麻苗期耐热性综合评价[J]. 作物杂志, 2023, (4): 52–59
[10]	谢文锦, 李方明, 李宁, 杨海龙, 付俊, 张中伟, 高旭东, 丰光. 基于GGE双标图的北方地区鲜食糯玉米产量和品质性状及试点鉴别力分析[J]. 作物杂志, 2023, (4): 85–90
[11]	肖继兵, 刘志, 孔凡信, 辛宗绪, 吴宏生. 基于GGE双标图的高粱品种农艺性状和稳产性分析[J]. 作物杂志, 2023, (2): 36–45
[12]	王慧敏, 李明昊, 李云, 李菡, 王爽, 林小虎, 韩玉翠. 谷子品种（系）萌发期耐盐碱性鉴定及评价[J]. 作物杂志, 2023, (2): 57–66
[13]	黄贵斌, 关耀兵, 牛永岐, 周丽蕾, 赵永峰. 103份鹰嘴豆种质资源12个主要农艺性状综合鉴定评价[J]. 作物杂志, 2023, (1): 6–13
[14]	侯静静, 晋芳, 赵利, 王斌. 16个油用亚麻新品系的农艺及品质性状综合评价[J]. 作物杂志, 2022, (5): 42–48
[15]	张春艳, 庄克章, 吴荣华, 李静, 李新新, 王恒, 董西辰, 徐赓, 吴本华. 基于熵值赋权的DTOPSIS法对鲁南地区11个饲用燕麦品种的综合评价研究[J]. 作物杂志, 2022, (4): 62–68

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

2021			2022
代号Code	品种Variety	育种单位Breeding institution	代号Code	品种Variety	育种单位Breeding institution
F1	阜芝303	阜阳市农业科学院	H1	漯芝107	漯河市农业科学院
F2	商芝3号	商丘市农林科学院	H2	商芝6号	商丘市农林科学院
F3	驻19B11	驻马店市农业科学院	H3	商芝7号	商丘市农林科学院
F4	漯芝106	漯河市农业科学院	H4	商芝8号	商丘市农林科学院
F5	皖芝24	安徽省农业科学院作物研究所	H5	宛芝23	南阳市农业科学院
F6	驻19B10	驻马店市农业科学院	H6	信芝H12	信阳市农业科学院
F7	商芝6号	商丘市农林科学院	H7	豫芝4号	驻马店市农业科学院
F8	漯芝100	漯河市农业科学院	H8	驻19B10	驻马店市农业科学院
F9	豫芝4号	驻马店市农业科学院	H9	驻19B11	驻马店市农业科学院
F10	阜芝125	阜阳市农业科学院
F11	商芝7号	商丘市农林科学院
F12	周芝23	周口市农业科学院

年份 Year	脂肪含量 Fat content (%)	蛋白质含量 Protein content (%)	茎点枯病Stem spot blight		枯萎病Blight
年份 Year	脂肪含量 Fat content (%)	蛋白质含量 Protein content (%)	发病率Morbidity (%)	病情指数Disease index	发病率Morbidity (%)	病情指数Disease index
2021	53.42	21.40	16.15	13.94	0.98	0.78
2022	54.61	21.60	10.27	7.58	0.32	0.05
平均Mean	54.02	21.50	13.21	10.76	0.65	0.42

年份Year	变异来源Variation source	自由度df	平方和Quadratic sum	均方Mean square	F值F-value
2021	区组	10	189 412.17	18 941.22
	环境（E）	4	49 226 274.58	12 306 569.00	1927.11^**
	基因型（G）	11	2 998 014.33	272 546.80	42.68^**
	基因型×环境（GE）	44	6 787 395.42	154 259.00	24.16^**
	误差	110	702 463.17	6386.03
	总变异	179	59 903 559.66
2022	区组	12	83 628.69	6969.06
	环境（E）	5	16 436 428.48	3 287 285.70	856.89^**
	基因型（G）	8	728 657.05	91 082.13	23.74^**
	基因型×环境（GE）	40	1 909 013.25	47 725.33	12.44^**
	误差	96	330 691.98	3444.71
	总变异	161	19 488 419.44

年份 Year	品种代码 Variety code	与最优值距离 Distance from the optimal value	与最劣值距离 Distance from the worst value	统计量 Statistic	排序 Sort
2021	F1	1.329	1.359	0.506	7
	F2	1.106	1.500	0.576	4
	F3	1.121	1.542	0.579	3
	F4	1.311	1.016	0.437	10
	F5	1.518	1.153	0.432	11
	F6	1.009	1.404	0.582	2
	F7	1.037	1.878	0.644	1
	F8	1.531	1.298	0.459	9
	F9	1.430	1.072	0.428	12
	F10	1.217	1.417	0.538	6
	F11	0.972	1.316	0.575	5
	F12	1.405	1.315	0.483	8
2022	H1	1.218	1.185	0.493	6
	H2	0.879	1.595	0.645	3
	H3	1.235	1.557	0.558	4
	H4	1.537	1.340	0.466	7
	H5	1.679	0.924	0.355	9
	H6	1.282	1.362	0.515	5
	H7	1.559	1.154	0.425	8
	H8	0.711	1.841	0.721	1
	H9	0.769	1.784	0.699	2