北部冬麦区冬小麦区试品种(系)的稳定性和适应性分析
北京市农林科学院/北京杂交小麦工程技术研究中心,100097,北京
Analysis of Stability and Adaptability of Winter Wheat Varieties in the Regional Trials of the Northern Wheat Region of China
Beijing Academy of Agriculture and Forestry Sciences/Beijing Engineering and Technique Research Center for Hybrid Wheat, Beijing 100097, China
通讯作者:
收稿日期: 2018-04-23 修回日期: 2018-08-17 网络出版日期: 2018-10-15
基金资助: |
|
Received: 2018-04-23 Revised: 2018-08-17 Online: 2018-10-15
作者简介 About authors
王汉霞,助理研究员,主要从事小麦品种选育工作 。
为客观准确地评价区域试验中北部冬麦区冬小麦新品种(系)的丰产性和稳产性,以2014-2015年度国家北部冬麦区水地组冬小麦品种(系)区域试验产量数据为资料,应用AMMI模型对小区产量的基因型、环境和基因型与环境(G×E)互作进行了研究。结果表明,稳定性最好的为农大3486、京农12-79,较好的有科遗4174、长6794、中麦93,较差的为航麦109、晋太102、众信7198;试点以天津武清、山西榆次、新疆阿拉尔、河北遵化、山西屯玉分辨力较高,河北固安、河北滦县、北京顺义、北京昌平分辨力较低。在对区域试验中品种(系)稳定性和试点的分辨力进行判定时,综合使用双标图和稳定性参数两种方法,既直观又准确。
关键词:
To study the yield potential and stability of winter wheat varieties in regional trials, the data of grain yield were collected from irrigated land group of winter wheat varieties regional test in the Northern Winter Region of China during 2014-2015 cropping season and analyzed by additive main effects and multiplication interaction (AMMI) model. The results could explain clearly the genotype, environment and interaction effect of genotype by environment (G×E) of wheat yield. The Nongda 3486 and Jingnong 12-79 showed the best stability, followed by Keyi 4174, Chang 6794 and Zhongmai 93, whereas Hangmai 109, Jintai 102 and Zhongxin 7198. Wuqing, Yuci, Alaer, Zunhua and Tunyu had the best resolution, while Gu'an, Luanxian, Shunyi of Beijing, Changping of Beijing were of lower resolution. The combination of AMMI biplot and stable parameters is intuitive and accurate for evaluating the stability and adaptability of winter wheat varieties in regional trial.
Keywords:
本文引用格式
王汉霞, 单福华, 田立平, 马巧云, 赵昌平, 张风廷.
Wang Hanxia, Shan Fuhua, Tian Liping, Ma Qiaoyun, Zhao Changping, Zhang Fengting.
区域试验是农作物新品种选育后到推广前的中间性试验,是连接育种到用种的重要桥梁和纽带。通过品种的区域试验,可以确定新品种的生态适应性、丰产性、稳产性、抗逆性及其有别于其他品种的异质性等[1]。因此,农作物品种的区域试验鉴定不仅是新品种引进和推广的依据,也是政府降低品种使用风险,保护育种者、经营者和使用者利益,保障农业生产安全的有效措施之一,对加速品种推广、提高农作物产量和品质、确保我国粮食安全具有重要作用。
品种与环境互作(G×E)是品种稳定性问题产生的根源,对其产生效应的准确估计是合理评估作物区域试验中品种稳定性的基础。
北部冬麦区是我国冬小麦的主要产区之一。本文通过分析2014-2015年度国家北部冬麦区水地组冬小麦品种区域试验9个参试品系和1个对照品种在12个试点的产量结果,研究北部冬麦区小麦品种(系)的稳定性和适应性,以期为生产上的进一步利用和推广提供参考。
1 材料和方法
1.1 参试材料及其来源
试验材料为2014-2015年度国家北部冬麦区水地组冬小麦品种试验产量数据,数据由全国农业技术推广服务中心和北京市种子管理站提供。试验采取完全随机区组排列,小区面积13.33m2(约0.02亩),3次重复,播种期9月20日至10月5日,基本苗300万株/hm2。参试品种(系)共10个(含对照),试验地点共12个,分别为河北的保定、遵化、滦县、固安,山西的榆次、介休、屯留,北京的昌平和顺义,天津的武清和宝坻,新疆的阿拉尔。供试品种(系)、来源和地点编号及产量见表1。田间管理按当地习惯进行,及时浇水、除草、灭蚜,观察记载项目和标准按试验方案进行。
表1 参试品种(系)和地点的编号及产量
Table 1
编号Code | 品种(系)/地点Variety (line)/Site | 产量Yield (kg/hm2) |
---|---|---|
V1 | 京农12-79 | 8 386.696 |
V2 | 农大3486 | 8 427.004 |
V3 | 科遗4174 | 7 759.475 |
V4 | 航2566 | 8 264.429 |
V5 | 中麦93 | 8 060.883 |
V6 | 航麦109 | 8 023.096 |
V7 | 长6794 | 7 847.296 |
V8 | 晋太102 | 7 082.863 |
V9 | 众信7198 | 7 688.358 |
V10 (CK) | 中麦175 | 7 815.550 |
E1 | 北京昌平 | 8 632.270 |
E2 | 北京顺义 | 7 251.425 |
E3 | 河北保定 | 6 901.085 |
E4 | 河北遵化 | 7 028.770 |
E5 | 河北滦县 | 7 306.625 |
E6 | 河北固安 | 9 233.355 |
E7 | 山西屯玉 | 8 826.450 |
E8 | 山西榆次 | 6 681.750 |
E9 | 山西介休 | 7 052.950 |
E10 | 新疆阿拉尔 | 9 310.985 |
E11 | 天津宝坻 | 9 362.895 |
E12 | 天津武清 | 7 638.220 |
1.2 分析方法
1.2.1 AMMI模型$y_{ge}=\mu+\alpha_{g}\beta_{e}\sum\limits_{i=1}^{N}\lambda_{n}\gamma_{gn}\delta_{gn}+\theta_{ge}$式中:yge指环境e中基因型g的均值,μ指总体均值,αg指基因型平均偏差(各个基因型平均值减去总的平均值),βe指环境平均偏差(各个环境平均值减去总的平均值),N指主成分因子轴个数,λn指第n个主成分特征值,γgn指第n个主成分的环境主成分得分,δgn指第n个主成分的基因型主成分得分,θge为残差。
1.2.2 稳定性参数[9] 特定基因型(或环境)在IPCA的k维空间中图标离原点的欧式距离公式:
式中:m为显著的IPCA个数,Dg(e)为第g个基因型或第e个环境在m个IPCA上的得分。式中距离Dg(e)是度量第g个基因型或第e个环境的相对稳定性,基因型Dg值越小越稳定,环境的De值越大对基因型的分辨力越强(即De值越大,基因型在环境中表现出的遗传差异越大,越有利于充分发挥基因型的特性)。
用Microsoft Excel 2003和唐启义等[10]的DPS7.05统计软件完成统计分析。
2 结果分析
2.1 不同品种(系)及不同地点的产量结果
从表1可以看出,参试品种(系)(含对照中麦175)中有6个品种(系)的平均产量高于对照品种,10个品种(系)间平均产量范围为7 082.863~8 427.004kg/hm2。12个试点平均产量范围为6 681.750~9 362.895kg/hm2,天津宝坻参试品种(系)的平均产量最高。
2.2 产量联合方差分析
由联合方差分析结果(表2)可以看出,基因型、环境、基因型与环境互作方差都达到极显著水平(P<0.01):(1)品种(系)间的产量存在真实差异;(2)环境之间有极显著差异,说明试验点的选择有较好的代表性;(3)基因型与环境交互作用也达到极显著水平,说明环境对产量的影响较大,因此进行品种(系)的稳定性分析非常重要。
表2 产量联合方差分析
Table 2
变异来源Source of variation | df | SS | MS | F | P |
---|---|---|---|---|---|
总变异Total variation | 359 | 534 194 764.34 | 1 488 007.70 | - | - |
处理Treatment | 119 | 513 215 271.13 | 4 312 733.37 | 49.34 | 0.0001 |
基因型Genotype | 9 | 51 046 735.63 | 5 671 859.51 | 64.88 | 0.0001 |
环境Environment | 11 | 362 636 951.30 | 32 966 995.57 | 377.13 | 0.0001 |
基因型×环境交互作用G×E interaction | 99 | 99 531 584.20 | 1 005 369.54 | 11.50 | 0.0001 |
误差Error | 240 | 20 979 493.22 | 87 414.56 | - | - |
2.3 小麦区域试验产量数据AMMI分析
2.3.1 线性回归与AMMI分析的比较 从表3分析结果可以看出,利用线性回归模型分析出的联合回归、基因型回归和环境回归三者加起来仅占交互效应平方和的25.46%,剩余残差仍然很大,占到74.54%;而用AMMI模型分析,对交互主成分的IPCA的显著性进行近似F测验(表3),可以看出10个小麦基因型在12个环境进行的试验中存在极显著的差异,基因型与环境IPCA1、IPCA2互作效应显著。显著的IPCA1和IPCA2的平方和分别占整个互作平方和的51.97%和17.01%,IPCA3的平方和占10.34%,残差占20.68%。这充分说明AMMI模型在品种区域试验分析中远远优于传统的线性回归模型。这可能与大多数品种(系)对环境的反应不是线性关系有关,而用AMMI模型分析则可以更好地分析基因型与环境的互作。
表3 小麦区试产量数据线性回归与AMMI模型分析的比较
Table 3
模型 Model | 变异来源 Source of variation | df | SS | F | P | 占互作平方和百分比(%) Percentage of G×E |
---|---|---|---|---|---|---|
线性回归Linearregression | 联合回归United regression | 1 | 66 107.00 | 0.76 | - | 0.07 |
基因型回归Genotype regression | 8 | 4 087 617.89 | 5.85 | 0.0001 | 4.11 | |
环境回归Environment regression | 10 | 21 176 499.50 | 24.23 | 0.0001 | 21.28 | |
残差Residual | 80 | 74 201 359.80 | - | - | 74.54 | |
AMMI模型AMMI model | IPCA1 | 19 | 51 722 434.68 | 6.35 | 0.0001 | 51.97 |
IPCA2 | 17 | 16 930 737.91 | 2.32 | 0.0027 | 17.01 | |
IPCA3 | 15 | 10 291 945.47 | 1.60 | - | 10.34 | |
残差Residual | 48 | 20 586 466.14 | - | - | 20.68 |
图1
图1
平均产量与地点和品种(系)的AMMI双标图
Fig.1
AMMI biplot between averaged yield and environments and varieties (lines)
品种(系)在垂直方向的分布反映了G×E在大小和方向上的差异,IPCAl的绝对值愈大,表明其交互作用愈大,反之则交互作用越小,越稳定。在过零点水平线上下的品种(系)与位于同侧地点之间的互作为正向,与位于另一侧地点间的互作为负向[12]。
从图1可以看出,品种(系)V2、V3、V4、V6、V9与环境(试点)E3、E5、E10、E12有正向交互作用,与环境E1、E2、E4、E6、E7、E8、E9、E11有负交互作用,表明这些品种(系)在试点E3、E5、E10、E12有较好的适应性;同理,品种(系)V1、V5、V7、V8、V10与E1、E2、E4、E6、E7、E8、E9、E11有正向交互作用,表明在这些试点有较好的适应性。
在水平方向上环境比品种(系)的分布范围广,说明环境间的变异大于品种间的变异[6]。水平方向上,品种(系)V2、V1、V4、V5、V6丰产性高,V8丰产性低。试点E11、E10、E6、E7、E1的品种(系)丰产性较高,而试点E8、E3、E4、E9的品种(系)丰产性较低。
图2
图2
品种(系)—地点的AMMI(IPCA1和IPCA2)双标图
Fig.2
AMMI biplot between varieties (lines) and environment (IPCA1 and IPCA2)
稳定性最好的品种(系)为V2、V1,较好的有V3、V7、V5,较差的为V6、V8、V9;试点以E12、E8分辨力最高,E6最低。
2.3.3 AMMI稳定性参数分析 利用双标图仅能直观地看出品种(系)的稳定性情况以及适应性趋势,但不能给出品种(系)稳定性和环境分辨力的定量描述,按照公式计算各品种(系)稳定性参数De和各地点的鉴别力Dg(表4)。由表4可以得出,各品种(系)稳定性(De从小到大)的顺序为V2>V1>V3>V7>V5>V10>V4>V6>V8>V9,各地点对品种(系)的分辨力(Dg由大到小)的顺序为E12>E8>E10>E4>E7>E3>E11>E9>E1>E2>E5>E6。稳定性最好的品种(系)为V2、V1,较好的有V3、V7、V5,较差的有V6、V8、V9;试点以E12、E8、E10、E4、E7分辨力较高,E6、E5、E2、E1分辨力较低。这与双标图AMMI的分析结果一样。
表4 品种(系)和试点的稳定性参数
Table 4
变量Variable | IPCA1 | IPCA2 | De | 变量Variable | IPCA1 | IPCA2 | Dg | |
---|---|---|---|---|---|---|---|---|
V1 | -1.8958 | 2.7265 | 3.3208 | E1 | -7.6516 | 10.5916 | 13.0663 | |
V2 | 0.4491 | 0.5075 | 0.6777 | E2 | -2.1702 | 9.0817 | 9.3374 | |
V3 | 4.9879 | 4.6747 | 6.8361 | E3 | 13.2894 | -15.1040 | 20.1181 | |
V4 | 26.0995 | -2.5683 | 26.2256 | E4 | -1.4525 | -20.2987 | 20.3506 | |
V5 | -2.5333 | 12.1800 | 12.4407 | E5 | 5.1066 | -5.5336 | 7.5298 | |
V6 | 18.8603 | 30.1119 | 35.5308 | E6 | -0.7144 | -1.9717 | 2.0971 | |
V7 | -8.7016 | 0.8185 | 8.7400 | E7 | -11.5653 | -16.6191 | 20.2472 | |
V8 | -42.2024 | -7.0073 | 42.7802 | E8 | -38.7882 | 15.0362 | 41.6006 | |
V9 | 27.0778 | -34.4303 | 43.8024 | E9 | -14.3418 | 11.5153 | 18.3926 | |
V10 | -22.1416 | -7.0131 | 23.2257 | E10 | 16.9895 | 19.4828 | 25.8500 | |
E11 | -0.5432 | -18.4644 | 18.4724 | |||||
E12 | 41.8418 | 12.2839 | 43.6077 |
3 讨论及结论
由AMMI双标图能直观地看出各品种(系)的适应性趋势及各个试点的分辨力,而利用公式可以对品种(系)稳定性和试点的分辨力进行定量描述。从品种(系)稳定性的分析结果可以看出,两种方法的结果是一致的,这主要是因为第三交互作用是不显著的,所以利用供试品种(系)数据计算的时候仅仅计算了显著的第一和第二交互作用。
因此,利用AMMI模型对2014-2015年国家北部冬麦区小麦品种(系)区域试验的10个品种(系)在12个试点的结果进行分析,结果表明稳定性最好的品种(系)为农大3486、京农12-79,这2个品种的适应度[各品种(系)中超过平均产量的环境数占试验总环境数的百分比]是最高的,说明这2个参试品种(系)的广适性好,较差的为航麦109、晋太102、众信7198,它们的产量稳定性相对较差,产量变异系数较大;试点以天津武清、山西榆次分辨力较高,这2个试验点在2014-2015年度均表现为出苗好,安全越冬,气候利于返青拔节,灌浆期温度适宜,无明显自然灾害,对小麦的生长极为有利。而北京的2个试验点(北京顺义、北京昌平)分辨力较低,这主要是因为2014-2015年度北京顺义地区10月降雨偏少,气温较低,造成小麦分蘖偏少,叶龄偏小,影响小麦正常生长,表现为群体偏小。进入6月份北京地区持续高温,严重影响小麦灌浆,造成高温逼熟,熟期提早,收获期提前,粒重偏低。
为了适应生产发展的要求,小麦新品种的选育工作仍然十分艰巨,高产兼顾稳产、丰产性和适应性均较好的品种是小麦育种工作的目标。建议两种方法综合使用,且利用多年区域试验结果分析,在对试点的分辨力进行判定时会更加准确可靠,北部冬麦区育种者可以根据这些结果及时调整育种思路。
参考文献
Statistical Analysis of Regional Yield Trials:AMMI Analysis of Factorial Designs. Elsevier,
,
The use of an AMMI model and its parameters to analyse yield stability in multi-environment trials
,
/
〈 | 〉 |