作物杂志,2023, 第3期: 27–34 doi: 10.16035/j.issn.1001-7283.2023.03.004

• 遗传育种·种质资源·生物技术 • 上一篇    下一篇

内蒙古区域试验小麦品种(系)籽粒产量AMMI模型分析

张海斌1,2(), 吴晓华1, 于美玲1(), 王小兵1, 叶君1,2, 崔思宇1, 李元清1, 王占贤3, 张宏旭4, 薛伟5, 李岩6, 崔国惠1, 赵轩微1, 刘娟1   

  1. 1内蒙古自治区农牧业科学院,010031,内蒙古呼和浩特
    2河北农业大学,071001,河北保定
    3鄂尔多斯市农牧业科学研究院,017000,内蒙古鄂尔多斯
    4巴彦淖尔市农牧业科学研究院,015000,内蒙古临河
    5赤峰市农牧科学研究院,024000,内蒙古赤峰
    6通辽市农业科学研究院,028000,内蒙古通辽
  • 收稿日期:2021-07-28 修回日期:2021-12-02 出版日期:2023-06-15 发布日期:2023-06-16
  • 通讯作者: 于美玲,主要从事小麦遗传育种栽培研究工作,E-mail:mlyu62@163.com
  • 作者简介:张海斌,主要从事小麦育种栽培研究工作,E-mail:1334863943@qq.com
  • 基金资助:
    内蒙古农牧业青年创新基金项目(2022QNJJN04);内蒙古农牧业创新基金项目(2021CXJJN01);内蒙古农牧业创新基金项目(2022CXJJN05);国家现代小麦产业技术体系呼和浩特综合试验站(CARS-3-89);内蒙古科技成果转化专项(2021CG0031);内蒙古自治区应用技术研究与开发资金项目(2021GG0373);内蒙古科技重大专项(NMKJXM202013);内蒙古科技重大专项(NMKJXM202111)

AMMI Model Analysis of Grain Yield of Wheat Varieties (Lines) in Inner Mongolia Regional Trials

Zhang Haibin1,2(), Wu Xiaohua1, Yu Meiling1(), Wang Xiaobing1, Ye Jun1,2, Cui Siyu1, Li Yuanqing1, Wang Zhanxian3, Zhang Hongxu4, Xue Wei5, Li Yan6, Cui Guohui1, Zhao Xuanwei1, Liu Juan1   

  1. 1Inner Mongolia Academy of Agricultural and Animal Husbandry Sciences, Hohhot 010031, Inner Mongolia, China
    2Hebei Agricultural University, Baoding 071001, Hebei, China
    3Ordos Academy of Agricultural and Animal Husbandry Sciences, Ordos 017000, Inner Mongolia, China
    4Bayannur Academy of Agricultural and Animal Husbandry Sciences, Linhe 015000, Inner Mongolia, China
    5Chifeng Academy of Agricultural and Animal Husbandry Sciences, Chifeng 024000, Inner Mongolia, China
    6Tongliao Academy of Agricultural Sciences, Tongliao 028000, Inner Mongolia, China
  • Received:2021-07-28 Revised:2021-12-02 Online:2023-06-15 Published:2023-06-16

摘要:

为客观评价参加内蒙古区域试验(区试)小麦品种(系)的高产稳产性和适应性,探明适合其试验结果的分析方法,采用AMMI模型对2016-2020年参加内蒙古区试小麦品种(系)的籽粒产量进行分析。结果表明,环境差异是引起内蒙古区试小麦品种(系)产量差异的主要原因,且基因型与环境存在互作效应。结合籽粒产量和稳定性参数(Dg)对品种(系)高产稳产性进行度量,筛选出农麦482、农麦300、赤麦8号和农麦016适宜内蒙古地区种植的高产稳产小麦品种(系)。通过分析内蒙古区试小麦品种(系)与试点互作效应值发现,农麦482更适宜种植在呼和浩特市玉泉地区,农麦300更适宜种植在达拉特旗树林召镇地区,赤麦8号更适宜种植在呼和浩特市玉泉区和赤峰市松山区,农麦016更适宜种植在通辽市钱家店镇地区。通过AMMI模型对内蒙古区试小麦品种(系)籽粒产量分析表明,AMMI模型可以客观地评价内蒙古小麦区域试验中小麦品种(系)的高产稳产性和适应性,为选择小麦优良品种及新品种适宜推广种植区域提供理论依据。

关键词: 小麦, 籽粒产量, AMMI模型, 高产稳产性, 适应性

Abstract:

To objectively evaluate the high and stable yield and adaptability of wheat varieties (lines) participating in the Inner Mongolia regional trial, prove the analysis method suitable for Inner Mongolia wheat regional trial test results, the grain yield data of wheat varieties (lines) participating in the Inner Mongolia regional trial from 2016 to 2020 were analyzed using AMMI model. The results showed that environmental differences were the main reason for the yield differences of wheat varieties (lines) in the Inner Mongolia regional trial, and there was interaction between genotype and environment. By combining the two indicators of grain yield and stability parameter (Dg) to measure the high yield and stability of varieties (lines), Nongmai 482, Nongmai 300, Chimai 8 and Nongmai 016 were the high yield varieties suitable for Inner Mongolia. By analyzing the interaction effect values of wheat varieties (lines) in the regional trials in Inner Mongolia and the pilots, it was found that Nongmai 482 is more suitable for Yuquan district, Hohhot, and Nongmai 300 was more suitable for Shulinzhao town, Dalad banner, Chimai 8 was more suitable for Yuquan district, Hohhot and Songshan district, Chifeng, and Nongmai 016 was more suitable for Qianjiadian town, Tongliao. The analysis of the grain yields of wheat varieties (lines) in the Inner Mongolia regional trials by the AMMI model was proved that the AMMI model could objectively evaluate the high yield stability and adaptability of wheat varieties (lines) in Inner Mongolia wheat regional trials. The results can provide the theoretical evidence for breeders to choose good varieties and areas suitable for popularization planting of new wheat varieties.

Key words: Wheat, Grain yield, AMMI model, High and stable yield, Adaptability

表1

小麦品种(系)籽粒产量方差分析和AMMI模型分析

年份
Year
变异来源
Source of variation
自由度
Degree of freedom
平方和
Sum of squares
均方
Mean square
解释变异比例
Ratio of explaining the variation (%)
F
F-value
2016 总方差 69 185 577 072.90 2 689 522.80
处理 34 176 339 953.80 5 186 469.23 19.65**
基因型(G) 6 3 507 633.26 584 605.54 2.99 9.22*
环境(E) 4 165 003 966.01 41 250 991.50 92.57 156.30**
交互作用(G×E) 24 7 828 354.55 326 181.44 4.44 1.55*
PCA1 9 3 502 526.40 389 169.60 44.74 1.47*
PCA2 7 2 553 073.12 364 724.73 32.61 1.38*
残差 8 1 772 755.03 221 594.38 22.65
2017 总方差 83 113 877 538.22 1 372 018.53
处理 41 112 203 999.27 2 736 682.91 68.68**
基因型(G) 6 3 545 073.63 590 845.61 3.16 14.83**
环境(E) 5 100 316 374.52 20 063 274.90 89.41 503.52**
交互作用(G×E) 30 8 342 551.11 278 085.04 7.44 6.98**
PCA1 10 6 747 978.86 674 797.89 80.89 16.94**
PCA2 8 846 321.39 105 790.17 10.14 2.66*
残差 12 748 250.87 62 354.24 8.97
2018 总方差 89 308 973 740.19 3 471 615.06
处理 44 301 610 893.97 6 854 793.04 41.89**
基因型(G) 8 12 621 4580.20 15 776 822.53 41.85 96.42**
环境(E) 4 131 596 473.64 32 899 118.41 43.63 201.07**
交互作用(G×E) 32 43 799 840.10 1 368 745.00 14.52 8.37**
PCA1 11 40 176 230.76 3 652 384.61 91.73 22.32**
PCA2 9 2 790 708.52 310 078.72 6.37 1.90*
残差 12 832 900.82 69 408.40 1.90
2019 总方差 139 2 160 626 804.91 15 544 077.73
处理 34 74 059 050.64 2 178 207.37 39.60**
基因型(G) 6 1 197 739.36 199 623.23 1.62 8.91*
环境(E) 4 68 077 038.52 17 019 259.63 91.92 302.10**
交互作用(G×E) 24 4 784 272.75 199 344.70 6.46 3.53**
PCA1 9 3 613 505.34 401 500.59 75.53 5.61**
PCA2 7 806 293.27 115 184.75 16.85 2.70*
残差 8 364 474.14 45 559.27 7.62
2020 总方差 215 3 424 422 257.81 15 927 545.39
处理 53 171 185 989.04 3 229 924.32 20.56**
基因型(G) 8 3 384 344.62 173 043.08 1.98 9.03*
环境(E) 5 163 315 350.78 33 063 070.16 95.40 256.10**
交互作用(G×E) 40 4 486 293.63 112 157.34 2.62 1.53*
PCA1 12 2 692 078.36 224 339.86 60.01 5.72**
PCA2 10 967 217.94 96 721.79 21.56 3.32*
残差 18 826 997.33 45 944.30

表2

小麦品种(系)在显著互作主成分轴上的得分及稳定性参数

年份
Year
品种(系)
Variety (line)
平均产量
Average yield (kg/hm2)
PCA1 PCA2 稳定性参数
Dg
稳产性排序
Dg sequence
2016 农麦730 7292.31a 22.20 18.03 28.60 6
农麦482 7089.54ab -0.43 -8.13 8.14 3
巴麦15号 6896.11abc -0.89 -1.89 2.09 1
农麦979 6848.09bc 10.12 -1.04 10.17 4
永良4号 6791.39bc 0.77 -6.92 6.97 2
巴麦14号 6790.73bc -5.34 -18.55 19.30 5
赤麦8号 6532.60c -26.42 18.49 32.25 7
2017 农麦482 6882.88a 29.77 -3.49 29.97 7
巴麦15号 6814.52a -8.96 17.22 19.41 5
赤麦8号 6629.98b -17.24 -7.12 18.65 4
巴麦15品9 6443.22c 4.37 9.35 10.32 2
巴麦15品11 6410.98c 10.65 -10.18 14.74 3
赤麦9号 6375.41c -20.87 -9.34 22.87 6
永良4号 6332.61c 2.28 3.58 4.24 1
2018 赤麦8号 7029.51a 10.43 4.42 11.33 3
农麦300 6977.49ab 6.13 -2.50 6.62 1
巴麦15品9 6930.13ab 5.23 13.41 14.40 5
农麦326 6740.04abc 9.73 -11.36 14.96 6
永良4号 6687.34abc 9.78 9.34 13.52 4
巴麦17号 6682.01abc 8.02 -3.88 8.91 2
巴麦16号 6639.32bc 5.41 -23.62 24.23 8
鄂麦1608 6569.28c 8.17 13.64 15.90 7
农大3753 3044.86d -62.91 0.54 62.91 9
2019 农麦016 7757.21a 7.08 4.05 8.16 2
农麦832 7670.50ab 23.92 3.37 24.16 7
农麦300 7657.16ab 0.83 -12.47 12.50 5
赤麦9号 7650.49ab -1.56 2.67 3.09 1
巴麦19号 7597.13ab -13.64 13.63 19.29 6
巴麦18号 7583.79ab -8.83 -3.45 9.48 3
永良4号 7143.57b -7.79 -7.80 11.02 4
2020 农麦016 7792.78a -6.27 3.94 7.41 3
巴麦18号 7726.08ab 8.99 0.70 9.02 4
巴麦20号 7670.50ab -2.48 16.16 16.35 8
巴麦19号 7620.48ab 11.14 -8.25 13.86 7
农麦125 7620.48ab -2.65 5.43 6.05 2
赤麦9号 7420.38ab -18.65 -7.50 20.11 9
兆丰10号 7414.82ab 13.32 -0.95 13.36 6
赤18鉴3 7353.68b -5.68 -7.45 9.37 5
永良4号 7337.00b 2.28 -2.09 3.09 1

表3

小麦品种(系)与试点的互作效应值

年份
Year
品种(系)
Variety (line)
试验地点Test site
HT HS DS HY CS TQ
2016 农麦730 55.42 - -26.15 -8.93 6.35 -26.69
农麦979 23.00 - 24.81 -19.78 -18.06 -9.97
农麦482 -12.88 - -11.96 33.04 -2.81 -5.39
巴麦14号 -20.75 - 21.96 9.61 -28.25 17.43
巴麦15号 -1.10 - -20.63 10.14 -5.71 17.29
赤麦8号 -36.67 - -3.07 -34.32 54.32 19.74
永良4号 -7.01 - 15.03 10.24 -5.84 -12.41
2017 农麦482 -18.96 -7.49 64.04 25.73 -18.19 -45.13
巴麦15号 -3.28 -0.49 -7.22 -20.40 -2.07 33.47
巴麦15品9 1.46 -5.97 8.42 12.13 -22.68 6.64
巴麦15品11 10.28 15.74 17.01 -2.84 -7.64 -32.57
赤麦8号 2.35 1.37 -39.83 -7.21 26.23 17.09
赤麦9号 8.20 -5.46 -52.43 2.65 25.86 21.17
永良4号 -0.06 2.29 10.01 -10.06 -1.52 -0.66
2018 巴麦16号 -3.11 -18.23 39.78 -35.99 17.55 -
赤麦8号 -24.67 -26.23 6.65 18.48 25.77 -
农麦326 -20.94 -22.27 24.84 -13.58 31.95 -
巴麦17号 -19.29 -21.52 30.48 10.97 -0.64 -
鄂麦1608 -36.23 -6.67 3.54 36.27 3.10 -
农麦300 -16.76 -13.42 19.01 5.95 5.23 -
巴麦15品9 -11.38 -14.71 -22.52 23.77 24.84 -
农大3753 160.93 143.36 -103.45 -72.94 -127.91 -
永良4号 -28.54 -20.31 1.67 27.06 20.12 -
2019 农麦300 -486.91 18.10 - 60.98 232.50 175.33
农麦832 100.05 -228.69 - -686.06 -414.49 1229.19
农麦016 213.44 -182.00 - -239.17 -101.00 308.73
巴麦19号 273.47 211.53 - 587.91 -374.47 -698.44
巴麦18号 -180.09 58.12 - 367.80 139.12 -384.95
赤麦9号 286.81 -75.28 - -165.80 172.47 -218.20
永良4号 -206.77 198.19 - 74.32 345.89 -411.63
2020 农麦125 59.91 26.56 -114.25 -114.25 -125.37 267.42
农麦016 -245.80 87.70 -286.56 80.29 69.17 295.21
巴麦20号 9.88 -56.82 -30.88 35.82 -508.90 550.89
兆丰10号 -334.74 332.26 591.65 -42.00 -119.81 -427.37
巴麦18号 -45.70 87.70 413.79 146.99 -264.33 -338.44
巴麦19号 126.61 -140.19 552.75 -347.70 174.78 -366.23
赤18鉴3 260.01 -306.94 -247.65 -80.90 341.53 33.97
赤麦9号 93.26 93.26 -1014.70 419.35 374.88 33.97
永良4号 76.58 -123.52 135.87 -97.58 58.05 -49.41

表4

小麦区域试验试点在显著互作主成分轴上的得分及鉴别力参数

年份
Year
试点
Test site
平均产量
Average
yield (kg/hm2)
PCA1 PCA2 鉴别力
参数
De
鉴别力
排序
De sequence
2016 HT 8352.75a 28.83 -11.12 30.90 1
DS 7495.17b -3.75 12.34 12.89 5
HY 8490.91a 5.01 17.42 18.13 3
CS 5146.86c -15.02 -23.04 27.51 2
TQ 4972.01c -15.08 4.41 15.71 4
2017 HT 6527.07c 5.15 4.03 6.54 5
HS 8569.52a -0.15 3.43 3.44 6
DS 6225.97d -32.60 -8.45 33.68 1
HY 7150.72b -8.31 7.11 10.94 4
CS 5668.55e 13.87 12.46 18.65 3
TQ 5192.12f 22.04 -18.58 28.83 2
2018 HT 7611.21b -38.47 -6.44 39.00 1
HS 7984.73a -34.11 3.62 34.3 2
DS 5927.41c 24.51 -20.98 32.26 3
HY 5069.57d 17.62 26.10 31.49 4
CS 5240.40d 30.46 -2.29 30.54 5
2019 HT 8180.28b 1.33 -15.59 15.65 2
HS 8308.91b -6.09 0.89 6.15 5
HY 9333.24a -15.59 -1.88 15.71 3
CS 5326.47d -5.01 13.95 14.82 4
TQ 6750.99c 25.36 2.63 25.50 1
2020 HT 8974.86b -3.14 -4.11 5.17 5
HS 10 075.41a 1.77 2.36 2.95 6
DS 8048.47c 24.73 2.13 24.82 1
HY 7448.17d -6.70 0.96 6.76 4
CS 5758.43e -5.89 -15.88 16.94 3
TQ 4998.79f -10.78 14.54 18.10 2
[1] 刘志勇, 王道文, 张爱民, 等. 小麦育种行业创新现状与发展趋势. 植物遗传资源学报, 2018, 19(3):430-434.
[2] 崔国惠, 李元清, 于美玲, 等. “十五”以来内蒙古小麦育种研究进展及发展建议. 内蒙古农业科技, 2012(1):1-3.
[3] 常磊, 柴守玺. GGE双标图在我国旱地春小麦稳产性分析中的应用. 中国生态农业学报, 2010, 18(5):988-994.
[4] 陈志德. 水稻品种区域试验精度和稳定性分析模型的研究. 南京:南京农业大学, 2004.
[5] 姚金保, 张鹏, 余桂红, 等. 江苏省小麦品种(系)籽粒产量基因型与环境互作分析. 麦类作物学报, 2020, 40(12):1-12.
[6] 王瑞, 李加纳, 唐章林, 等. 优质油菜新品种(系)的稳定性和适应性分析. 西南农业大学学报, 2003, 25(1):45-47.
[7] Gauch H G. Model selection and validation for yield trials with interaction. Biometrics, 1988, 44:705.
doi: 10.2307/2531585
[8] 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. 应用基础工程科学学报, 1997, 5(1):39-46.
[9] 陈双龙. 福建省水稻品种区试点综合评价研究. 福建农业学报, 2005, 20(1):1-5.
[10] 高海涛, 王书子, 王翠玲, 等. AMMI模型在旱地小麦区域试验中的应用. 麦类作物学报, 2003, 23(4):43-46.
[11] 岳海旺, 李春杰, 李媛, 等. 河北省春播玉米品种产量稳定性及试点辨别力综合分析. 核农学报, 2018, 32(7):1267-1280.
doi: 10.11869/j.issn.100-8551.2018.07.1267
[12] 刘雪艳. 不同基因型玉米品种抗旱性评价. 杨凌:西北农林科技大学, 2017.
[13] 吴雯雯, 欧杨虹. 应用AMMI模型对玉米杂交组合多点试验的稳定性分析. 山东农业科学, 2016, 48(4):24-27.
[14] 许乃银, 陈旭升, 郭志刚, 等. AMMI模型在棉花区试数据分析中的应用. 江苏农业学报, 2001, 17(4):205-210.
[15] 秦军红, 张婷婷, 孟丽丽, 等. 引进马铃薯种质资源抗旱性评价. 植物遗传资源学报, 2019, 20(3):574-582.
[16] 施万喜. 利用AMMI模型分析陇东旱地冬小麦新品种(系)丰产稳产性. 干旱地区农业研究, 2009, 27(3):37-43.
[17] Mladenov V, Banjacb, Milosevic M. Evaluation of yield and seedrequirements stability of bread wheat (Triticum aestivum L.) via AMMI model. Turkish Journal of Field Crops, 2012, 17(2):203-216.
[18] Singh C, Gupta A, Gupta V, et al. Genotype×environment interaction analysis of multi-environment wheat trials in India using AMMI and GGE biplot models. Crop Breeding and Applied Biotechnology, 2019, 19(3):309-318.
[19] 赵玉坤, 宁东贤, 杨秀丽, 等. 基因型、环境及其交互效应对长胚芽鞘小麦产量稳定性的影响. 山西农业科学, 2017, 45 (9):1397-1400.
[20] 包齐军. AMMI模型在啤酒大麦区域试验中的应用. 作物杂志, 2012(2):130-134.
[21] 乔祥梅, 黄锦, 程加省, 等. 利用AMMI模型分析旱地小麦新品种云麦70的稳定性及适应性. 安徽农业科学, 2015, 43(34):38-40.
[1] 李浩然, 李瑞奇, 李雁鸣. 海河平原小麦行距形式变化及其影响因素研究综述[J]. 作物杂志, 2023, (3): 12–19
[2] 李俊志, 常旭虹, 王德梅, 王艳杰, 杨玉双, 赵广才. 施氮水平对不同强筋小麦品种产量和品质的影响[J]. 作物杂志, 2023, (3): 148–153
[3] 罗四维, 石秀楠, 贾永红, 张金汕, 王凯, 李丹丹, 王润琪, 董艳雪, 石书兵. 滴灌的毛管间距和滴头间距对匀播冬小麦光合、干物质积累和产量形成的影响[J]. 作物杂志, 2023, (3): 230–237
[4] 李晶, 李鹏程, 贺永斌, 邢雅玲, 孟凡华, 周谦, 南铭. 16份俄罗斯冬小麦品种资源主要性状多元分析和综合评价[J]. 作物杂志, 2023, (3): 58–65
[5] 高振贤, 曹巧, 单子龙, 傅晓艺, 韩然, 何明琦, 史占良, 郑树松. 倒春寒对323份冬小麦种质资源影响初探[J]. 作物杂志, 2023, (3): 86–93
[6] 马瑞琦, 王德梅, 陶志强, 王艳杰, 杨玉双, 赵广才, 常旭虹. 追氮量对不同筋型小麦品种产量及农艺性状的调控效应[J]. 作物杂志, 2023, (2): 131–137
[7] 赵彩霞, 袁玉婷. 优质油菜大地95在西藏主要农区的适应性分析[J]. 作物杂志, 2023, (2): 51–56
[8] 王玉娇, 常旭虹, 王德梅, 王艳杰, 杨玉双, 石书兵, 赵广才. 播种方式对不同品种小麦产量和品质的影响[J]. 作物杂志, 2023, (1): 122–128
[9] 马瑞琦, 王德梅, 陶志强, 王艳杰, 杨玉双, 赵广才, 常旭虹. 施氮量对北部冬麦区种植弱筋小麦产量与品质的影响[J]. 作物杂志, 2023, (1): 163–169
[10] 靳海洋, 张素瑜, 崔静宇, 李向东, 岳俊芹, 张德奇, 杨程, 方保停, 王汉芳, 秦峰. 不同施氮措施对强筋和中强筋小麦品质的调控效应[J]. 作物杂志, 2023, (1): 212–218
[11] 王延训, 田纪春. 国审小麦品种山农20高产稳产、广适性表现及遗传解析[J]. 作物杂志, 2023, (1): 46–51
[12] 阚茗溪, 王艳杰, 于慧玲, 王德梅, 陶志强, 杨玉双, 王玉娇, 高甜甜, 曹祺, 赵广才, 常旭虹. 灌水对节水小麦“衡观35”产量、蛋白质含量及光合性能的影响[J]. 作物杂志, 2023, (1): 68–75
[13] 熊又升, 熊汉锋, 郭衍龙, 王海生, 刘威, 严与向, 谢媛园, 周剑雄, 杨立军. 减量施肥模式对稻麦轮作体系中小麦产量和养分利用效率的影响[J]. 作物杂志, 2022, (6): 118–123
[14] 梅丽. 北京藜麦适应性栽培研究进展及展望[J]. 作物杂志, 2022, (6): 14–22
[15] 张东霞, 秦安振. 冬小麦-夏玉米作物蒸散量及其水热关系研究[J]. 作物杂志, 2022, (6): 145–151
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!