大粒花生品种区域试验的AMMI模型分析

doi:10.16035/j.issn.1001-7283.2020.02.010

摘要/Abstract

摘要：

运用AMMI模型分析了2015-2016年国家北方片花生区域试验荚果产量数据,结果表明,品种、试验地点、品种与试验地点互作、交互效应主成分值（IPCA）均达极显著水平。不同花生品种在各试验地点的稳定性和不同试验地点对品种的分辨力差异较大,开农705的稳定性参数最大（D_g=32.9718）,对照品种花育33号的稳定性参数最小（D_g=11.3287）;8个花生品种中高产稳产的品种是商花11号和郑农花15号,产量高而稳定性一般的品种是开农705和龙花二号,稳产但不高产的品种是花育33号;19个试验地点中山东日照和河南洛阳的分辨力强,河南漯河和安徽固镇的分辨力较差。

关键词: AMMI模型, 大粒花生, 产量, 稳定性, 适应性

Abstract:

The AMMI model was employed to analyze the pod yield data of regional trials for large-seeded peanut from 2015 to 2016 in north China. The results showed that the varieties, test sites, the variety×test site interaction and the interaction principal component axis (IPCA) reached at extremely significant level. There were significant differences in stability of the eight peanut varieties and resolution of the nineteen testing sites. Among the eight varieties, the stability parameter of Kainong 705 was the highest (D_g=32.9718) and that of Huayu 33 was the lowest (D_g=11.3287); Shanghua 11 and Zhengnonghua 15 were the varieties with high-yield and high-stability, Kainong 705 and Longhua 2 were the varieties with high-yield and low-stability, Huayu 33 was the variety with low-yield and high stability. As for the nineteen testing sites, Rizhao in Shandong and Luoyang in Henan had the best resolution, while Luohe in Henan and Guzhen in Anhui were of lower resolution.

Key words: AMMI model, Large-seeded peanut, Yield, Stability, Adaptability

刘卫星,贺群岭,张枫叶,范小玉,陈雷,李可,吴继华. 大粒花生品种区域试验的AMMI模型分析[J]. 作物杂志, 2020 (2): 60–64

Liu Weixing,He Qunling,Zhang Fengye,Fan Xiaoyu,Chen Lei,Li Ke,Wu Jihua. AMMI Model Analysis on Regional Trials of Large-Seeded Peanut Varieties[J]. Crops, 2020(2): 60–64

图/表 7

表1

表2

表3

表4

图1

表5

表6

参考文献 18

[1]	万书波 . 农业供给侧结构性改革背景下花生生产的若干问题. 花生学报, 2017,46(2):60-63,23.
[2]	国家统计局. 中国统计年鉴,2018.[2019-07-30]. .
[3]	王金彦, 潘丽娟, 杨庆利 , 等. 我国北方地区花生品种的遗传多样性分析. 中国农业科技导报, 2009,11(6):43-49.
[4]	万书波 . 中国花生栽培学. 上海:上海科学技术出版社, 2003.
[5]	王汉霞, 单福华, 田立平 , 等. 北部冬麦区冬小麦区试品种(系)的稳定性和适应性分析. 作物杂志, 2018(5):40-44.
[6]	唐启义 . DPS数据处理系统:实验设计、统计分析及数据挖掘. 北京:科学出版社, 2010.
[7]	董云, 王毅, 漆燕玲 , 等. 应用AMMI模型分析评判甘肃省春油菜区试品种的稳定性和适应性. 西北农业学报, 2010,19(7):74-78.
[8]	Amare K B, Getahun A . Adaptability and stability analysis of groundnut genotypes using AMMI model and GGE-biplot. Journal of Crop Science and Biotechnology, 2017,20(5):343-349.
[9]	赵玉坤, 宁东贤, 杨秀丽 , 等. 基于AMMI模型的黑粒花生产量遗传稳定性分析. 山西农业科学, 2017,45(11):1740-1742,1746.
[10]	冀建华, 刘光荣, 李祖章 , 等. 基于AMMI模型评价长期定位施肥对双季稻总产量稳定性的影响. 中国农业科学, 2012,45(4):685-696.
[11]	Karimizadeh R, Mohammadi M . AMMI adjustment for rainfed lentil yield trials in Iran. Bulgarian Journal of Agricultural Science, 2010,16(1):66-73.
[12]	宁东贤, 赵玉坤, 闫翠萍 , 等. 山西省南部花生品种产量稳定性的模型分析及评价. 作物杂志, 2017(3):39-43.
[13]	王志强, 刘声锋, 郭守金 , 等. 用AMMI双标图分析西瓜品种的产量稳定性及试点分辨力. 干旱地区农业研究, 2013,31(4):89-93.
[14]	王磊, 杨仕华, 谢芙贤 , 等. AMMI模型及其在作物区试数据分析中的应用. 应用基础与工程科学学报, 1997(1):39-46.
[15]	刘兆晔, 于经川, 孙晓辉 , 等. 7个小麦品种(系)高产稳产性分析. 山东农业科学, 2012,44(4):24-25,35.
[16]	伍玲, 朱华中 . 小麦品种区域试验精确度及精度分析. 西南农业学报, 2002(2):13-15.
[17]	郭敏杰, 邓丽, 任丽 , 等. 基于Genstat的GGE双标图评价花生区试中的品种及试点. 河北农业大学学报, 2017,40(6):9-13.
[18]	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, 2015,31(27):69-74.

相关文章 15

[1]	严华,晏中文,雷杰. 新源县1981-2018年气候变化特征及其对春玉米的影响[J]. 作物杂志, 2020, (2): 140–146
[2]	申洪涛,张富生,李冬,邱建华,蔡兴宏,秦玉宝. 不同前茬和种植密度对牡丹江烤烟生长及产质量的影响[J]. 作物杂志, 2020, (2): 105–111
[3]	王天文,李长忠,陈广海. 播期和密度对马铃薯原种扩繁生长发育及产量的影响[J]. 作物杂志, 2020, (2): 162–167
[4]	李瑞杰,唐会会,王庆燕,许艳丽,房孟颖,闫鹏,董志强,张凤路. 5-氨基乙酰丙酸和乙烯利复配剂对东北春玉米光合特性及产量的影响[J]. 作物杂志, 2020, (2): 125–133
[5]	陈迪文,周文灵,敖俊华,黄莹,江永,韩西红,秦益民,沈宏. 海藻提取物对甜玉米产量、品质及氮素利用的影响[J]. 作物杂志, 2020, (2): 134–139
[6]	周伟,崔福柱,段宏凯,郝国花,杨慧,刘芮芮. 播期对糯玉米籽粒产量及品质的影响[J]. 作物杂志, 2020, (2): 156–161
[7]	范业赓,闫海锋,陈荣发,丘立杭,周慧文,黄杏,翁梦苓,吴建明,李杨瑞,韦生满. 甘蔗脱毒种苗第三代种茎不同体积单芽育苗差异及其移栽效果[J]. 作物杂志, 2020, (2): 194–199
[8]	杨志长,沈涛,罗卓,彭芝,胡宇倩,资涛,熊廷浩,宋海星. 低氮密植对机插双季稻产量形成和氮肥利用率的影响[J]. 作物杂志, 2020, (2): 71–81
[9]	黄俊霞,黄甜,饶德民,张鸣浩,孟凡钢,闫晓艳,张伟. 花后水肥一体化与化控措施对大豆产量及生理特征的影响[J]. 作物杂志, 2020, (2): 82–87
[10]	陈天鑫,王艳杰,张燕,常旭虹,陶志强,王德梅,杨玉双,朱英杰,刘阿康,石书兵,赵广才. 不同施氮量对冬小麦光合生理指标及产量的影响[J]. 作物杂志, 2020, (2): 88–96
[11]	张博,高甜甜,程宏波,李瑞,柴雨葳,李亚伟,柴守玺. 覆盖对旱地冬小麦植株和旗叶水分含量及产量的影响[J]. 作物杂志, 2020, (2): 97–104
[12]	荆培培,任红茹,杨洪建,戴其根. 盐胁迫对2个不同盐敏感性水稻品种（系）叶片光合特性与产量的影响[J]. 作物杂志, 2020, (1): 67–75
[13]	黄寅玲,雷忠顺,郑涛,索新霞. 不同施氮量对冬小麦产量、效益及土壤理化性状的影响[J]. 作物杂志, 2020, (1): 130–135
[14]	张永强,齐晓晓,张璐,董慧云,陈传信,赛力汗·赛,薛丽华,陈兴武,雷钧杰. 氮肥运筹对滴灌冬小麦叶片光合特性及产量的影响[J]. 作物杂志, 2020, (1): 141–145
[15]	白岚方,张向前,王瑞,王雅楠,叶雪松,王玉芬,李娟,张德健. 不同玉米品种光合特性及青贮产量品质的差异性研究[J]. 作物杂志, 2020, (1): 154–160

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

品种Variety	2015	2016
G1 (CK)	5 207.58	4 769.17
G2	5 073.41	4 749.99
G3	5 747.23	5 400.39
G4	5 312.19	5 331.21
G5	5 514.17	5 071.06
G6	5 639.91	5 201.49
G7	5 319.20	5 312.29
G8	5 540.31	5 106.67

试验地点Testing site	2015	2016
E1	6 226.59	8 031.26
E2	3 637.69	3 457.97
E3	4 825.13	5 027.44
E4	5 733.26	5 708.31
E5	6 411.39	5 295.30
E6	3 603.86	4 299.11
E7	4 699.22	7 292.06
E8	4 558.84	3 983.55
E9	3 723.43	3 933.83
E10	6 147.49	3 971.59
E11	5 664.68	5 470.91
E12	5 932.54	4 619.40
E13	6 708.69	5 896.65
E14	4 808.74	4 908.56
E15	6 386.08	4 346.87
E16	6 960.00	3 696.32
E17	5 834.38	6 735.96
E18	6 430.29	5 014.39
E19	4 673.42	5 548.41

变异来源 Source of variation	df	平方和 Sum of squares	占总的平方和百分比(%) Percentage of total sum of squares	均方 Mean square	F	P
总变异Total variation	455	430 507 422.61	-	946 170.16	-	-
处理Treatment	151	413 331 665.70	-	2 737 295.80	48.4484	0.0001
基因型Genotype (G)	7	18 856 776.40	4.38	2 693 825.20	47.6790	0.0001
环境Environment (E)	18	361 562 332.25	83.99	20 086 796.24	355.5235	0.0001
基因型×环境交互作用G×E interaction	126	32 912 557.05	7.65	261 210.77	4.6233	0.0001
误差Error	304	17 175 756.91	3.99	56 499.20	-	-

模型 Model	变异来源 Source of variation	df	平方和 Sum of squares	占总的平方和百分比(%) Percentage of total sum of squares	均方 Mean square	F	P
线性回归 Linear regression analysis	联合回归United regression	1	901 569.71	2.74	901 569.71	15.9572	0.0001
	基因型回归Genotype regression	6	1 260 054.77	3.83	210 009.13	3.7170	0.0014
	环境回归Environment regression	17	6 500 847.34	19.75	382 402.78	6.7683	0.0001
	残差Residual	102	24 250 085.23	73.68	237 745.93	4.2080	0.0001
AMMI模型 AMMI model	IPCA1	24	12 366 546.90	37.57	515 272.79	4.4899	0.0001
AMMI模型 AMMI model	IPCA2	22	8 509 099.24	25.85	386 777.24	3.3702	0.0001
	IPCA3	20	5 151 121.87	15.65	257 556.09	2.2442	0.0020
	残差Residual	60	6 885 789.04	20.93	114 763.15	-	-

品种 Variety	IPCA1	IPCA2	IPCA3	D_g	位次 Order
G1(CK)	-0.4380	-11.3192	0.1501	11.3287	8
G2	-2.3195	-25.6711	4.2104	26.1173	4
G3	-23.2418	20.0340	12.0663	32.9718	1
G4	-0.3688	8.6932	-31.5322	32.7107	2
G5	-19.4645	-13.3420	-1.2394	23.6307	5
G6	3.0022	13.5149	9.5819	16.8368	6
G7	30.8842	0.3913	7.6546	31.8211	3
G8	11.9462	7.6990	-0.8917	14.2401	7