12個(gè)飼用燕麥品種在四川的適應(yīng)性評(píng)價(jià)分析

摘要：為準(zhǔn)確評(píng)價(jià)國內(nèi)外主要飼用燕麥（Avena sative L.）品種在四川不同地區(qū)的穩(wěn)定性和適應(yīng)性及不同試點(diǎn)的代表性和區(qū)分能力，采用雙標(biāo)圖和BLUP預(yù)測模型對(duì)12個(gè)燕麥參試品種對(duì)在2018年自行開展的5個(gè)區(qū)試點(diǎn)的產(chǎn)量數(shù)據(jù)進(jìn)行聯(lián)合分析。結(jié)果顯示：‘太陽神’和‘魅力’具有較好的豐產(chǎn)性和穩(wěn)產(chǎn)性，具有在四川省內(nèi)大規(guī)模推廣種植的潛力；品種‘蘇特’在阿壩紅原具有較高的產(chǎn)量，可以在生態(tài)類型相似的高海拔地區(qū)推廣種植；洪雅縣具有較好的代表性和區(qū)分力，是理想的試點(diǎn)環(huán)境，可推薦作為區(qū)試驗(yàn)以及品種推廣示范的地點(diǎn)。本研究客觀地評(píng)價(jià)了參試燕麥品種的適應(yīng)性以及試驗(yàn)點(diǎn)的代表性和區(qū)分力，可以為四川地區(qū)飼用燕麥主栽品種選擇及區(qū)試點(diǎn)選擇提供理論依據(jù)。

關(guān)鍵詞：燕麥；雙標(biāo)圖；BLUP預(yù)測模型；適應(yīng)性；豐產(chǎn)性

中圖分類號(hào)：S512.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0435（2023）07-2128-09

Evaluation on the Adaptability of 12 Oat Varieties in Sichuan Province

PENG Jing-han1， CHENG Ming-jun²， DONG Zhi-xiao1， LEI Xiong³， GOU Wen-long³，LIU Yue-hua1， CHEN Shu-ming1， TIAN Ke1， LIU Wei^1*， MA Xiao^1*

（1.Sichuan Agricultral University College of science and technology， Chengdu， Sichuan Province 611130， China; 2.Sichuan Pratacultural Technology Research and Promotion Center， Chengdu， Sichuan Province 611843， China; 3.Sichuan Academy of Grassland Sciences， Aba， Sichaun Province 624669， China）

Abstract：In order to accurately evaluate the stability and adaptability of major domestic and foreign forage oat varieties in different areas of Sichuan and the representativeness and differentiation ability of the different testing sites，the bipolt and BLUP prediction model were used to jointly analyze the yield data of 12 oat cultivars tested in five testing eco-geographical sites in 2018. The results showed that cultivar ‘Sun God’ and ‘Charm’ had a fecundity and stable yield with a high potential to be planted in a large scale in Sichuan Province. The cultivar ‘shooter’ achieved a high yield in Hong Yuan，Aba，and can be extensively planted in high altitude areas with similar ecological conditions. Hongya county of Meishan city has good representativeness and distinguishing power，and is an ideal place for testing trial and promotion showing of oat varieties. In this study，we objectively evaluated the adaptability of oat varieties and the representativeness and differentiation capability of the candidate sites，our results can provide a basis for the selection of the excellent oat varieties and/or testing sites for the production of high-quality oat forage in Sichuan Province.

Key words：Oat;Biplot;BLUP model;Stability;Fecundity

燕麥（Avena sative L.）是禾本科燕麥屬一年生草本植物，其易于栽培、產(chǎn)量高、品質(zhì)好^[1]，是我國乃至全世界重要的糧飼作物，具有較高的經(jīng)濟(jì)價(jià)值和生態(tài)價(jià)值^[2]。作為世界性栽培作物，我國西北部是全球燕麥的起源中心之一，國內(nèi)燕麥種植主要以裸燕麥（A. nuda L.）為主，其次是飼用燕麥（A. sativa L.）^[3]。從2015年到2020年，我國飼用燕麥干草進(jìn)口量從15.5 t上升到33.5 t，存在較大的飼草缺口。四川省是畜牧業(yè)發(fā)展大省，對(duì)飼草需求量高^[4]，然而在進(jìn)行糧草輪作時(shí)冬性飼草種類較少，以多花黑麥草（Lolium multiflorum L.）為主。相比之下，飼用燕麥具有種植收獲成本低、抽穗期植株含水量較低、利于青貯等優(yōu)點(diǎn)^[5]。因此，篩選高產(chǎn)、穩(wěn)產(chǎn)的飼用燕麥品種（系），對(duì)四川地區(qū)草食畜牧業(yè)冬春季飼草供應(yīng)有重要作用。

不同品種對(duì)生態(tài)環(huán)境要求各異，其適應(yīng)性在不同環(huán)境也有顯著差異^[6]。當(dāng)前區(qū)域試驗(yàn)主要是通過算術(shù)平均值法評(píng)價(jià)品種的豐產(chǎn)、穩(wěn)產(chǎn)和適應(yīng)性，通常采用多年多點(diǎn)試驗(yàn)資料進(jìn)行聯(lián)合方差分析，估計(jì)試驗(yàn)的合并誤差，并進(jìn)行品種間差異顯著性比較^[7]。然而在區(qū)域試驗(yàn)中，作物產(chǎn)量受基因型（G，gene）×環(huán)境（E，environment）影響較大，使用聯(lián)合方差分析難以對(duì)品種材料做出客觀、公正的評(píng)價(jià)^[8]。Gauch^[9]提出的AMMI模型（Additive main effects and multi-plicative interaction）將方差分析和主成分分析相結(jié)合，構(gòu)建雙標(biāo)圖。該模型將G×E加入到基因型和環(huán)境的加性模型中，能夠分析G×E的顯著性，可以客觀評(píng)價(jià)產(chǎn)量的穩(wěn)定性。但該模型只分析G×E，難以對(duì)具體的基因型（品種）進(jìn)行全面評(píng)價(jià)。嚴(yán)威凱^[10]提出的GGE雙標(biāo)圖（Genotype main effect plus genotype by environment interaction effects）分析法，同時(shí)考慮了基因型和G×E效應(yīng)，能更直觀高效地評(píng)價(jià)和展示G×E，可以廣泛地應(yīng)用于區(qū)域試驗(yàn)中的品種評(píng)價(jià)、試點(diǎn)評(píng)價(jià)和品種生態(tài)區(qū)劃分。BLUP最佳線性無偏預(yù)測模型^[11]是BLUP （Best linear unbiased prediction）模型與線性混合效應(yīng)（Linear mixed-effect model）模型的結(jié)合，其利用絕對(duì)分?jǐn)?shù)的加權(quán)平均值來定量分析品種優(yōu)劣性^[12]，可以對(duì)整個(gè)試驗(yàn)中所有地點(diǎn)的產(chǎn)量進(jìn)行推斷和預(yù)測，達(dá)到更好選擇豐產(chǎn)穩(wěn)產(chǎn)品種的目的。利用雙標(biāo)圖法和BULP預(yù)測模型對(duì)燕麥產(chǎn)量數(shù)據(jù)進(jìn)行品種區(qū)域適應(yīng)性研究，可以避免單一方法帶來的缺陷，提高區(qū)域試驗(yàn)的準(zhǔn)確性和效率。

四川飼用燕麥種植區(qū)分布較廣，環(huán)境復(fù)雜多樣，不同燕麥品種（系）在四川不同試點(diǎn)的適應(yīng)性差異較大。目前，雙標(biāo)圖分析已廣泛應(yīng)用于玉米^[13-14]，小麥^[15-16]，花生^[17-18]，苜蓿^[19]，等品種的區(qū)域試驗(yàn)中。在燕麥區(qū)域?qū)嶒?yàn)中，王星宇等^[20]通過GGE雙標(biāo)圖和AMMI模型在華北高寒地區(qū)對(duì)6個(gè)品種在6個(gè)試點(diǎn)進(jìn)行了聯(lián)合分析與綜合評(píng)價(jià)；柴繼寬等^[21]利用GGE雙標(biāo)圖法對(duì)30個(gè)品種在21個(gè)試點(diǎn)的豐產(chǎn)性和適應(yīng)性進(jìn)行分析。本研究通過雙標(biāo)圖和BLUP模型相結(jié)合對(duì)四川省5個(gè)區(qū)域試點(diǎn)12個(gè)燕麥品種的產(chǎn)量數(shù)據(jù)進(jìn)行聯(lián)合統(tǒng)計(jì)分析，在區(qū)域尺度下研究燕麥基因與環(huán)境互作，旨在客觀評(píng)價(jià)燕麥參試品種的豐產(chǎn)性及穩(wěn)產(chǎn)性，為優(yōu)質(zhì)燕麥飼草生產(chǎn)中的品種選擇提供依據(jù)。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

以2018年對(duì)12個(gè)燕麥品種在四川旺蒼、敘永、開江、洪雅和紅原5個(gè)地點(diǎn)開展的區(qū)域試驗(yàn)所得到的產(chǎn)量數(shù)據(jù)^[22]為資料進(jìn)行綜合分析（表1）。試驗(yàn)釆用完全隨機(jī)區(qū)組設(shè)計(jì)，每個(gè)品種3次重復(fù)，每個(gè)小區(qū)面積3 m×5 m，小區(qū)間隔1 m。旺蒼、敘永、開江、洪雅四個(gè)地點(diǎn)的播種時(shí)間為2018年10月28日，阿壩州紅原的播種時(shí)間為2018年4月27日。播種量為150 kg·hm^-2，條播，行距30 cm，播種深度3～5 cm，播種前后除雜，基肥用干牛糞15 t·hm^-2，分蘗期和開花期追施尿素225 kg·hm^-2。各品種達(dá)乳熟后期-蠟熟期前期時(shí)進(jìn)行鮮草收獲測產(chǎn)。

1.2 試驗(yàn)地點(diǎn)

試驗(yàn)在廣元市旺蒼縣（白水鎮(zhèn)盧家壩村）、瀘州市敘永縣（落卜鎮(zhèn)三臺(tái)村二社（柏楊灣））、達(dá)州市開江縣（普安鎮(zhèn)楊家壩村）、眉山市洪雅縣陽平鎮(zhèn)（陽平種牛場）、阿壩州紅原縣（邛溪鎮(zhèn)二農(nóng)場）5個(gè)試驗(yàn)點(diǎn)進(jìn)行，5個(gè)試點(diǎn)地理位置分布如圖1所示，點(diǎn)間基本環(huán)境差異見表2，參試品種在5個(gè)試點(diǎn)完整生育天數(shù)見表3。

1.3 對(duì)各區(qū)試點(diǎn)燕麥產(chǎn)量數(shù)據(jù)的主要分析模型

AMMI模型，將G×E加入到基因型和環(huán)境的加性模型中，能解釋基因型i在環(huán)境j中響應(yīng)變量的加性主效應(yīng)和乘性相互作用^[9]。

GGE雙標(biāo)圖應(yīng)用于多點(diǎn)試驗(yàn)中的品種評(píng)估，該模型考慮了品種和品種×地點(diǎn)互作，用于確定多環(huán)境數(shù)據(jù)集中品種×地點(diǎn)互作的大小和性質(zhì)^[10]。

最佳線性無偏預(yù)測模BLUP （Best linear unbiased prediction，BLUP）最佳線性無偏預(yù)測模型是用線性混合效應(yīng)模型（Linear mixed-effect model，LMM）量化基因型在環(huán)境中的穩(wěn)定性，通過從其產(chǎn)生的品種×地點(diǎn)互作矩陣的奇異值分解（Singular value decomposition，SVD）中，考慮所有相互作用主成分軸（IPCA）來計(jì)算絕對(duì)分?jǐn)?shù)的加權(quán)平均值，從而達(dá)到衡量品種優(yōu)勢的目的^[12]。

式中，其中WASSB_i是基因型i絕對(duì)得分的加權(quán)平均值；IPCA_ik是i基因型在環(huán)境k互作主成分軸（IPCA）上的得分，EP_k是環(huán)境k主成分解釋的方差分量。

1.4 數(shù)據(jù)處理

使用R語言包GGEBiplot-GUI繪制GGE雙標(biāo)圖，agricolae包繪制AMMI模型分析年區(qū)試中參試品種的豐產(chǎn)性、穩(wěn)產(chǎn)性和適應(yīng)性；metan包^[23]繪制最佳線性無偏模型（BLUP）對(duì)燕麥產(chǎn)量進(jìn)行預(yù)測分析。

2 結(jié)果與分析

2.1 AMMI模型分析結(jié)果

2.1.1 AMMI模型分解變異 AMMI模型變異分析結(jié)果表明燕麥鮮草產(chǎn)量極顯著受到基因型G、環(huán)境E以及二者交互作用（Genotype×environment）的極顯著影響（表4）。環(huán)境在變異平方中起主要作用，占比為63.9%，然后依次是基因型與環(huán)境的交互作用（28.6%）和基因型效應(yīng)（7.5%）。采用AMMI模型將交互作用進(jìn)一步分解為3個(gè)顯著的互作效應(yīng)主成分軸IPCA（Interaction principle component axis），分別占互作效應(yīng)的 43.1%（PCA1），32.6%（PCA2），18.7%（PCA3），共解釋了94.4% 的互作效應(yīng)平方和。這也表明，AMMI模型剖分平方和合理有效。

2.1.2 AMMI模型分析參試品種的豐產(chǎn)穩(wěn)產(chǎn)性和適應(yīng)性 通過統(tǒng)計(jì)燕麥品種在不同地區(qū)的產(chǎn)量數(shù)據(jù)，以橫坐標(biāo)為品種的產(chǎn)量，縱坐標(biāo)為G×E的分解值IPCA1作圖得AMMI模型（圖2）。品種越靠右，說明水平方向上品種產(chǎn)量越高；垂直方向上，距離0值的絕對(duì)值越大，說明互作效應(yīng)越強(qiáng)，反之則說明產(chǎn)量越穩(wěn)定。由圖2可知，G1在所有品種中穩(wěn)定性最好，而G4的穩(wěn)定性最差，各品種的穩(wěn)定性排序?yàn)镚1＞G2＞G3＞G12＞G11＞G6＞G10＞G5＞G8＞G7＞G4。產(chǎn)量最高的品種為G7，最低的為G2，各品種的產(chǎn)量排序?yàn)镚7＞G10＞G3＞G1＞G6＞G11＞G5＞G9＞G4＞G8＞G12＞G2。綜上可得高產(chǎn)且穩(wěn)定的品種有G3，G1，G6，G11和G10。此外，水平上下的品種與位于同側(cè)的試點(diǎn)有正向互作，品種和產(chǎn)量距離越接近的品種在該地點(diǎn)適應(yīng)性較好，即G11在EN4有較好的適應(yīng)性，G7和G10在EN2有較好的適應(yīng)性。

2.2 GGE雙標(biāo)圖分析結(jié)果

2.2.1 GGE雙標(biāo)圖分析參試品種的適應(yīng)性 GGE雙標(biāo)圖的橫軸和縱軸分別代表PC1和PC2，分割的前兩個(gè)主成分分別為39.19％和29.31％，第一主成分和第二主成分集中了G+GE的大部分變異信息（68.44％），由此可推斷分析具有較大的可靠性。

GGE雙標(biāo)圖可以有效的分析品種在地點(diǎn)的適應(yīng)性，原點(diǎn)發(fā)出的幾條射線（圖3-1）把由最外圍品種圍成的多邊形劃分成了6個(gè)扇區(qū)，根據(jù)相鄰扇區(qū)可以將試點(diǎn)劃分為3個(gè)組：EN2，EN3，EN4分為一組，EN1和EN5各成一組，劃分為一組的環(huán)境生態(tài)區(qū)類似。各區(qū)內(nèi)位于多邊形頂角上的品種就是在該區(qū)域高產(chǎn)的品種，G6在EN5有較好的適應(yīng)性，G10在EN3，EN4具有較好的適應(yīng)性，G7在EN2，EN3，EN4都具有較好的適應(yīng)性，其他品種在所有試點(diǎn)表現(xiàn)均不理想。

2.2.2 GGE雙標(biāo)圖分析各個(gè)試點(diǎn)的環(huán)境關(guān)系 “環(huán)境間關(guān)系”功能圖可以直觀分析試點(diǎn)在品種評(píng)價(jià)上的相關(guān)性（圖3-2）。連接原點(diǎn)和各環(huán)境間向量的夾角小于90°度表示正相關(guān)，大于90°表示負(fù)相關(guān)。圖中EN2，EN3和EN4存在正相關(guān)，且EN3和EN4存在緊密的正相關(guān)，表明EN2，EN3，EN4這三個(gè)環(huán)境生態(tài)區(qū)域相似；EN5與EN2存在較強(qiáng)的負(fù)相關(guān)，表明其屬于不同的生態(tài)區(qū)域。如EN3和EN4分別為眉山雅洪和廣元旺蒼，其地理環(huán)境非常接近，氣候條件比較類似，而EN5為阿壩紅原，與EN2瀘州敘永屬于不同的生態(tài)區(qū)位，具有較大的地理環(huán)境差異。

2.2.3 GGE雙標(biāo)圖分析試點(diǎn)的區(qū)分力和代表性 “平均環(huán)境軸”是通過原點(diǎn)的直線（圖4-1），所指方向是對(duì)試點(diǎn)代表性和區(qū)分力的綜合評(píng)價(jià)。向量長度可以在一定程度上表現(xiàn)試驗(yàn)點(diǎn)對(duì)品種區(qū)分能力，圖中EN2，EN3，EN5向量較長，具有較好的區(qū)分能力。試點(diǎn)向量與平均環(huán)境向量的夾角表示試點(diǎn)的代表性，角度大小與代表性成反比，若角度大于90°，則該點(diǎn)不適合作試點(diǎn)。圖中EN3和EN4具有較好的代表性，而EN1夾角過大而不具有代表性。具有區(qū)分力但不具有較好的代表性的試點(diǎn)是不能用于選擇高產(chǎn)穩(wěn)定品種的，只有既有區(qū)分力又有代表性的試驗(yàn)點(diǎn)才具有選擇性。綜上EN3具有較好的代表性和區(qū)分力，是理想的試點(diǎn)環(huán)境。

以平均環(huán)境點(diǎn)為圓心畫圓（圖4-2），由圓心向外發(fā)散，試點(diǎn)環(huán)境區(qū)分力和代表性逐漸下降，所以試點(diǎn)區(qū)分力和代表性綜合順序?yàn)镋N3＞EN4＞EN2＞EN5＞EN1，其中EN3排名最好，是代表性和區(qū)分力最好的試點(diǎn)，與圖4-1的結(jié)果一致。

2.2.4 GGE雙標(biāo)圖分析品種的豐產(chǎn)性和穩(wěn)產(chǎn)性 “平均環(huán)境軸”的箭頭（圖5-1）代表的是“平均環(huán)境”，它所指的方向是品種在所有環(huán)境下的近似平均產(chǎn)量；通過原點(diǎn)并與“平均環(huán)境軸”垂直的直線代表各品種與各環(huán)境相互作用的傾向性，距離“平均環(huán)境軸”越遠(yuǎn)越不穩(wěn)定。由圖可知，產(chǎn)量較好的有G10，G7，G11，G6，穩(wěn)定性較好的品種有G11，G10，G3，故而高產(chǎn)且穩(wěn)產(chǎn)的品種為G10和G11。

以平均環(huán)境點(diǎn)為圓心畫圓（圖5-2），由圓心向外發(fā)散，品種的產(chǎn)量和穩(wěn)定性逐漸下降，所以產(chǎn)量和穩(wěn)產(chǎn)性綜合順序?yàn)镚10＞G11＞G7＞G6＞G3＞G9，與圖5-1結(jié)果一致。

2.3 最佳線性無偏差模型預(yù)測燕麥產(chǎn)量

基于最佳線性無偏模型（BLUP）對(duì)燕麥產(chǎn)量進(jìn)行預(yù)測（圖6），模型預(yù)測的平均產(chǎn)量為48 346.2 kg·hm^-2，與田間試驗(yàn)得到整體平均燕麥產(chǎn)量接近，不同品種平均產(chǎn)量與預(yù)測生物量無顯著差異。虛線右側(cè)代表生物量高于平均預(yù)測生物量，虛線左側(cè)與之相反，水平誤差線代表95%置信區(qū)間，置信區(qū)間與預(yù)測平均生物量相交則表示與其無顯著差異。位于虛線右側(cè)的品種預(yù)測產(chǎn)量高于平均值，G7和G10是預(yù)測產(chǎn)量最大的兩個(gè)品種，G1，G11，G3和G6也表現(xiàn)較好，其預(yù)測產(chǎn)量差距較小。而G5，G9，G8，G4，G12，G2位于虛線左側(cè)，預(yù)測產(chǎn)量低于平均預(yù)測產(chǎn)量。

3 討論

3.1 雙標(biāo)圖分析品種穩(wěn)適性

在多試點(diǎn)品比試驗(yàn)中，產(chǎn)量主要受環(huán)境的影響，但涉及到基因型篩選和評(píng)價(jià)時(shí)，也應(yīng)同時(shí)考慮環(huán)境×基因的交互作用對(duì)產(chǎn)量的影響^[24]。然而，傳統(tǒng)的聯(lián)合方差分析只能分析品種產(chǎn)量高低，不能夠有效篩選和評(píng)價(jià)品種的基因型^[25]。雙標(biāo)圖通過對(duì)原始數(shù)據(jù)進(jìn)行矩陣處理，可以清晰地分析不同元素之間的關(guān)系，而且還可以直觀的展示環(huán)境×基因型的交互作用^[26]。利用AMMI模型和GGE雙標(biāo)圖可以將環(huán)境×基因型的交互作用直觀的展示出來，并且對(duì)原始數(shù)據(jù)也有更多的解釋。不僅可以有效的反映品種的豐產(chǎn)性和穩(wěn)定性，同時(shí)也可以起到選擇試點(diǎn)的功能^[9]。本研究中，AMMI模型在第一主成分解釋了43.1%的地點(diǎn)和品種的互作變異，而GGE雙標(biāo)圖第一主成分和第二主成分包含了飼用燕麥品種×地點(diǎn)互作效應(yīng)的大部分變異信息，這與戴習(xí)彬^[27]，魯月等^[13]利用AMMI模型和GGE雙標(biāo)圖的研究結(jié)果類似，說明利用AMMI模型和GGE雙標(biāo)圖得到的燕麥生物量結(jié)果具有較高的可靠性。

品種的穩(wěn)定性和適應(yīng)性是決定其推廣應(yīng)用價(jià)值的重要指標(biāo)^[28]，選擇適應(yīng)生產(chǎn)環(huán)境的品種能創(chuàng)造更大的生產(chǎn)價(jià)值。在特定的地點(diǎn)，理想品種和地點(diǎn)組合應(yīng)當(dāng)既高產(chǎn)又穩(wěn)產(chǎn)。在燕麥生產(chǎn)中，燕麥品種的穩(wěn)定性只有與豐產(chǎn)性相結(jié)合時(shí)才有意義，推廣過程中應(yīng)該推廣高產(chǎn)且穩(wěn)產(chǎn)的燕麥品種，而對(duì)低產(chǎn)燕麥品種，即使其穩(wěn)定性再好，也不適宜廣泛種植^[10]。此外，對(duì)在某單一環(huán)境具有特殊適應(yīng)性的燕麥品種，可以在部分地區(qū)推廣種植。本研究在四川省5個(gè)試點(diǎn)對(duì)12個(gè)燕麥品種進(jìn)行了田間試驗(yàn)，由GGE雙標(biāo)圖和AMMI模型篩選出了不同利用目標(biāo)下的高產(chǎn)穩(wěn)產(chǎn)品種，如G10（‘太陽神’）、G11（‘魅力’）等品種在5個(gè)試點(diǎn)均具有較好的豐產(chǎn)性和穩(wěn)產(chǎn)性，具有在四川省內(nèi)大規(guī)模推廣種植的潛力；而G6（‘槍手’）在位于青藏高原的EN5（紅原）具有較好的產(chǎn)量，說明該品種可能具有較好的適應(yīng)高寒氣候的能力，可以在生態(tài)類型相似的高海拔地區(qū)推廣種植。此外，GGE雙標(biāo)圖和AMMI模型的結(jié)果既有共性，也具有一定差異，如在穩(wěn)定性排名上，G10和G11品種在GGE雙標(biāo)圖預(yù)測中穩(wěn)定性居第1，2位，而在AMMI模型中其位次則較為靠后，在穩(wěn)定性和豐產(chǎn)性綜合排名上，G10和G11品種在兩種模型中也有一定差異。這可能是由于AMMI模型只分析G×E，未對(duì)基因型進(jìn)行全面評(píng)價(jià)，而GGE雙標(biāo)圖同時(shí)考慮了基因型和G×E效應(yīng)^[21]。

3.2 最佳線性無偏模型預(yù)測產(chǎn)量分析

由于飼用燕麥對(duì)環(huán)境的響應(yīng)不同，不同品種在不同的試點(diǎn)表現(xiàn)也具有差異。在生產(chǎn)中選擇適宜生產(chǎn)地點(diǎn)的品種，利用品種總體的豐產(chǎn)性或在多地點(diǎn)的適應(yīng)性，對(duì)增加產(chǎn)量具有實(shí)際意義。最佳線性無偏模型（BLUP）是基于平衡或近似平衡的非平衡數(shù)據(jù)進(jìn)行分析，且試驗(yàn)中隨機(jī)效應(yīng)的變異性對(duì)BLUP的標(biāo)準(zhǔn)誤沒有貢獻(xiàn)，能夠消除非遺傳因素的影響，提高原始數(shù)據(jù)的準(zhǔn)確性，達(dá)到較好評(píng)估品種自身穩(wěn)定性的目的^[29]。本試驗(yàn)中，利用BLUP模型對(duì)燕麥產(chǎn)量進(jìn)行預(yù)測，產(chǎn)量平均值與田間試驗(yàn)得到整體平均產(chǎn)量相接近，預(yù)測得到的高產(chǎn)品種G10，G11，G7和G6也與雙標(biāo)圖得出的結(jié)果相似，進(jìn)一步驗(yàn)證G10，G11具有良好的豐產(chǎn)性和穩(wěn)產(chǎn)性。但飼用燕麥產(chǎn)量還受到不同試驗(yàn)點(diǎn)土壤肥力、管理措施等其它因素影響，對(duì)于不同燕麥品種的適應(yīng)性還需要進(jìn)行綜合評(píng)價(jià)。

3.3 雙標(biāo)圖分析試點(diǎn)代表性

地點(diǎn)的代表性和區(qū)分力也一直受到育種家的關(guān)注^[20]，選擇適當(dāng)?shù)膮^(qū)域試點(diǎn)是鑒別品種的關(guān)鍵，理想的試點(diǎn)應(yīng)有較好的代表性和較強(qiáng)的品種鑒別能力，能在不影響結(jié)果的基礎(chǔ)上有效節(jié)省選種時(shí)間，降低品種選擇成本^[30]。本研究中EN3（洪雅）具有較好的代表性和區(qū)分力，是理想的試點(diǎn)環(huán)境，而EN2（敘永）和EN5（紅原）由于缺乏代表性而不具有選擇性。對(duì)5個(gè)試點(diǎn)進(jìn)行生態(tài)區(qū)劃分可以發(fā)現(xiàn)，EN2（敘永）、EN3（洪雅）、EN4（旺蒼）分為一組，EN1（開江）和EN5（紅原）各成一組，且EN3（洪雅）和EN4（旺蒼）存在緊密的正相關(guān)。在今后的試驗(yàn)中可以考慮刪除EN3（洪雅）和EN4（旺蒼）中的一個(gè)，以減少試驗(yàn)成本。此外，EN1（開江）與EN3（洪雅）、EN4（旺蒼）的實(shí)際地理環(huán)境非常接近，氣候條件比較類似，但在本研究中卻劃分為不同的生態(tài)區(qū)域，這可能是由于不同年份間波動(dòng)很大的動(dòng)態(tài)因子（如降雨量、溫度和管理措施等）造成的差異^[31]。因此，運(yùn)用GGE雙標(biāo)圖對(duì)試點(diǎn)代表性和區(qū)分力評(píng)價(jià)時(shí)需要在多年多點(diǎn)數(shù)據(jù)分析的基礎(chǔ)上進(jìn)行總結(jié)和探索^[32]。本文僅分析了單年區(qū)試的燕麥產(chǎn)量數(shù)據(jù)，對(duì)于試點(diǎn)代表性和區(qū)分力準(zhǔn)確評(píng)價(jià)還需要作進(jìn)一步分析。

4 結(jié)論

本研究利用雙標(biāo)圖以及BLUP預(yù)測模型對(duì)四川地區(qū)的飼用燕麥品種區(qū)域試驗(yàn)進(jìn)行了研究總結(jié)，得到如下結(jié)論：‘太陽神’和‘魅力’品種具有較好的豐產(chǎn)性和穩(wěn)產(chǎn)性，具有在四川省內(nèi)大規(guī)模推廣種植的潛力?！畼屖帧贩N在阿壩紅原具有較高的產(chǎn)量，可以在生態(tài)類型相似的地區(qū)推廣種植。眉山市洪雅縣具有較好的代表性和區(qū)分力，是理想的試點(diǎn)環(huán)境，可在其進(jìn)行區(qū)試試驗(yàn)以及品種推廣。眉山市洪雅縣和廣元市旺蒼縣屬于同一生態(tài)區(qū)，存在緊密的正相關(guān)，在今后的試驗(yàn)中可以考慮刪除其中的一個(gè)，以減少試驗(yàn)成本。

參考文獻(xiàn)

[1] 劉偉，賈玉山，格根圖，等.燕麥青貯研究進(jìn)展[J]. 草地學(xué)報(bào)，2022，30（12）：3175-3183

[2] 楊晶，劉文輝，梁國玲，等.高寒地區(qū)不同燕麥品系抗倒伏相關(guān)性狀分析[J]. 草業(yè)學(xué)報(bào)，2020，29（12）：50-60

[3] 李穎，毛培勝. 燕麥種質(zhì)資源研究進(jìn)展[J]. 安徽農(nóng)業(yè)科學(xué)，2013，41（1）：72-76

[4] 李萬春. 四川飼料工業(yè)的物流發(fā)展現(xiàn)狀及體系構(gòu)建研究[J]. 飼料工業(yè)，2014，35（17）：132-134

[5] 唐川江，劉偉，楊春桃，等. 四川省2021年飼草生產(chǎn)形勢分析[J]. 四川畜牧獸醫(yī)，2022，49（5）：14-15，17

[6] 慕平，趙桂琴，柴繼寬. 基于GGE-Biplot的甘肅省不同生態(tài)區(qū)燕麥生產(chǎn)性能及適應(yīng)性分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2015，23（6）：705-712

[7] 張群遠(yuǎn)，孔繁玲，廖琴，等. 作物品種區(qū)域試驗(yàn)的評(píng)價(jià)體系及評(píng)價(jià)方法[J]. 農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究，2000，16（2）：81-86

[8] 張志芬，付曉峰，劉俊青，等. 用GGE雙標(biāo)圖分析燕麥區(qū)域試驗(yàn)品系產(chǎn)量穩(wěn)定性及試點(diǎn)代表性[J]. 作物學(xué)報(bào)，2010，36（8）：1377-1385

[9] GAUCH H G，ZOBEL R W. Identifying mega-environments and targeting genotypes [J]. Crop Science，1997（37）：311-326

[10]嚴(yán)凱威. 雙標(biāo)圖分析在農(nóng)作物品種多點(diǎn)試驗(yàn)中的應(yīng)用[J]. 作物學(xué)報(bào)，2010，36（11）：1805-1819

[11]HENDERSON C R. Best linear unbiased estimation and prediction under a selection model [J]. Biometrics，1975（31）：423-447

[12]OLIVOTO T，LUCIO A D C，DA SILVA J A G，et al. Mean performance and stability in multi-environment trials I：Combining features of AMMI and BLUP techniques [J]. Agronomy Journal，2019，111（6）：2949-2960

[13]魯月，張子惠，陸洲，等. 基于AMMI模型和GGE雙標(biāo)圖對(duì)江蘇省甜玉米區(qū)域試驗(yàn)的分析[J]. 分子植物育種，2022，20（20）：6939-6946

[14]步清，魯月，郝德榮，等. AMMI模型和GGE雙標(biāo)圖在江蘇省糯玉米品種區(qū)域試驗(yàn)中的應(yīng)用[J]. 分子植物育種，2022，20（22）：7628-7636

[15]臧賀藏，曹廷杰，張杰，等. 不同生態(tài)條件下小麥新品種產(chǎn)量的基因型與環(huán)境互作分析[J].華北農(nóng)學(xué)報(bào)，2021，36（6）：88-95

[16]柳娜，曹東，王世紅，等. 基于GGE雙標(biāo)圖的甘肅春小麥區(qū)試品系穩(wěn)產(chǎn)性和試點(diǎn)代表性分析[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，46（4）：39-48

[17]鄧麗，郭敏杰，苗建利，等. 基于通徑系數(shù)和GGE雙標(biāo)圖的大?；ㄉC合分析[J]. 江蘇農(nóng)業(yè)科學(xué)，2021，49（19）：129-133

[18]崔順立，何美敬，侯名語，等. 利用GGE雙標(biāo)圖分析花生品質(zhì)性狀的基因型-環(huán)境互作[J]. 中國油料作物學(xué)報(bào)，2021，43（4）：617-626

[19]陳彩錦，張尚沛，師尚禮，等. 基于GGE雙標(biāo)圖對(duì)苜蓿品種豐產(chǎn)性和穩(wěn)定性綜合評(píng)價(jià)[J]. 草地學(xué)報(bào)，2021，29（5）：912-918

[20]王星宇，程靜，高生，等. 應(yīng)用AMMI模型和GGE雙標(biāo)圖評(píng)價(jià)裸燕麥品種在華北高寒區(qū)的適應(yīng)性[J].草業(yè)學(xué)報(bào)，2022，31（12）：76-84

[21]柴繼寬，慕平，趙桂琴. 8個(gè)燕麥品種在甘肅的產(chǎn)量穩(wěn)定性及試點(diǎn)代表性研究[J]. 草地學(xué)報(bào)，2016，24（5）：1100-1107

[22]劉岳華. 部分飼用燕麥和青貯玉米品種在四川農(nóng)區(qū)適應(yīng)性評(píng)價(jià)及高產(chǎn)栽培技術(shù)研究[D].成都：四川農(nóng)業(yè)大學(xué)，2021：25-29

[23]OLIVOTO T，ALESSANDROl D. Metan：An R package for multi-environment trial analysis[J]. Methods in Ecology and Evolution，2020（11）：783-789

[24]SINGH B，DAS A，PARIHAR A K et al. Delineation of genotype-by-environment interaction foridentification and validation of resistant genotypes in mungbean to root-knot nematode （Me-loidogyne incognita） using GGE biplot [J]. Scientific Reports，2020，10（1）：4108

[25]郭敏杰，鄧麗，任麗，等. 基于R語言的AMMI和GGE雙標(biāo)圖在花生區(qū)試中的應(yīng)用[J]. 花生學(xué)報(bào)，2017，46（2）：24-31

[26]羅俊，張華，鄧祖湖，等. 應(yīng)用GGE雙標(biāo)圖分析甘蔗品種（系）的產(chǎn)量和品質(zhì)性狀[J]. 作物學(xué)報(bào)，2013，39（1）：142-152

[27]戴習(xí)彬，周志林，李榮德，等. 基于GGE雙標(biāo)圖分析菜用甘薯登記品種的豐產(chǎn)穩(wěn)產(chǎn)及適應(yīng)性[J]. 江蘇農(nóng)業(yè)科學(xué)，2022，50（14）：92-96

[28]張志芬，付曉峰，劉俊青，等. 用GGE雙標(biāo)圖分析燕麥區(qū)域試驗(yàn)品系產(chǎn)量穩(wěn)定性及試點(diǎn)代表性[J]. 作物學(xué)報(bào)，2010，36（8）：1377-1385

[29]ISIK F，HOLLAND J，MALTECCA C. Genetic data analysis for plant and animal breeding [M]. Springer International Publishing：North Carolina，2017：44-45

[30]張海娟，王化俊，馬小樂，等. 基于GGE雙標(biāo)圖的北方大麥區(qū)試品種穩(wěn)產(chǎn)性及試點(diǎn)代表性評(píng)價(jià)[J]. 麥類作物學(xué)報(bào)，2015，35（9）：1250-1256

[31]BAXEVANOS D，GOULAS C，ROSSI J. et al. Separation of cotton cultivar testing sites based on representativeness and discriminating ability using GGE Biplots [J]. Agronomy Journal，2008，100（5）：1230-1236

[32]許乃銀，金石橋. 應(yīng)用GGE雙標(biāo)圖篩選理想棉花區(qū)域試驗(yàn)點(diǎn)[J]. 江西棉花，2010，32（3）：7-12

（責(zé)任編輯 劉婷婷）