摘 要 選取15個(gè)參試油葵品種于2022年在全國(guó)的13個(gè)區(qū)試點(diǎn)開(kāi)展基因型(G)與環(huán)境(E)相互作用試驗(yàn),并利用基于R語(yǔ)言的AMMI 模型和GGE雙標(biāo)圖方法,分析品種的適應(yīng)性、穩(wěn)產(chǎn)性,及參試地點(diǎn)的代表性。研究結(jié)果表明,環(huán)境、基因型和基因型-環(huán)境相互作用(GEI)可解釋油葵產(chǎn)量變異的 "89.57%,其中環(huán)境對(duì)產(chǎn)量變異貢獻(xiàn)最大,達(dá)到71.61%,基因型、GEI分別可解釋4.06%、13.89%的產(chǎn)量變異。綜合分析AMMI模型、綜合排名和GGE雙標(biāo)圖結(jié)果顯示,‘S606’‘赤SY82’‘NLY002’‘LJ198’等4個(gè)品種適應(yīng)性好,穩(wěn)產(chǎn)性強(qiáng),具有較好的推廣應(yīng)用價(jià)值。參試點(diǎn)景泰、永寧、烏魯木齊對(duì)參試品種具有較好的區(qū)分力且代表性強(qiáng),是較為理想的參試點(diǎn)。AMMI模型與GGE雙標(biāo)圖的聯(lián)合運(yùn)用,可為油葵新品種選育、試點(diǎn)評(píng)價(jià)、布局推廣提供科學(xué)指導(dǎo)和理論依據(jù)。
關(guān)鍵詞 油葵;AMMI模型;GGE雙標(biāo)圖;品種適應(yīng)性
油葵是僅次于橄欖油的優(yōu)質(zhì)健康油品[1],已經(jīng)成為中國(guó)第四大油料作物。根據(jù)農(nóng)業(yè)農(nóng)村部信息中心數(shù)據(jù)顯示,近10年來(lái),中國(guó)向日葵種植產(chǎn)區(qū)主要集中在呼和浩特、新疆、吉林等西北、東北地區(qū),種植面積穩(wěn)定在93萬(wàn)hm2左右,產(chǎn)量240萬(wàn)t[2]。2023年國(guó)家提出深入推進(jìn)大豆和油料產(chǎn)能提升工程,進(jìn)一步提升油料自給率,油料擴(kuò)增66.67萬(wàn)hm2,這對(duì)油葵新品種選育提出了更高要求。
油葵品種中,廣適性品種因選育條件限制而較少[3]。Oladosu等[4]和Mushoriwa等[5]研究表明,基因型與環(huán)境的相互作用是篩選優(yōu)勢(shì)基因型的重要因素,聯(lián)合方差分析(ANOVA)不能充分揭示導(dǎo)致相互作用的基因型或環(huán)境[4,6],因此在多環(huán)境區(qū)域試驗(yàn)中,需要將基因型(G)和環(huán)境(E)互作(GEI)完美地結(jié)合起來(lái)進(jìn)行品種評(píng)價(jià)和植物育種計(jì)劃,來(lái)評(píng)估不同參試組合的穩(wěn)產(chǎn)性及豐產(chǎn)性[7-8]。目前已經(jīng)發(fā)展出多種可用于評(píng)估不同環(huán)境條件下作物產(chǎn)量的穩(wěn)產(chǎn)性方法,如利用回歸分析揭示基因與環(huán)境的互作模式[9]。王啟杰等[10]利用GGE雙標(biāo)圖研究了在不同參試地點(diǎn)油葵穩(wěn)產(chǎn)性及豐產(chǎn)性、并探究了不用生態(tài)環(huán)境條件下各參試地點(diǎn)對(duì)油葵主要農(nóng)藝性狀的區(qū)分力及代表性,在其他作物育種過(guò)程中同樣探究了不同環(huán)境條件下的產(chǎn)量穩(wěn)產(chǎn)性,并確定基因型適宜的種植區(qū)域[11-12]。但加性主效應(yīng)乘積交互作用(AMMI模型)和GGE雙標(biāo)圖可以提供更好的基因與環(huán)境的互作數(shù)據(jù)解釋,并且可視化基因與環(huán)境互作特點(diǎn),能夠直觀幫助育種工作者在多環(huán)境育種品系試驗(yàn)和農(nóng)藝調(diào)查中更好地理解基因型與環(huán)境復(fù)雜的相互作用,并得到了廣泛應(yīng)用[6,13]。本試驗(yàn)利用AMMI模型和GGE雙標(biāo)圖分析油葵區(qū)試數(shù)據(jù),探究GEI對(duì)油葵產(chǎn)量形成相關(guān)因素的影響,并從中篩選出適應(yīng)性廣、穩(wěn)定性高、豐產(chǎn)性好的基因型,作為品種推廣示范應(yīng)用的參考,同時(shí)篩選出適宜具有區(qū)分力高、代表性強(qiáng)的最佳測(cè)試地點(diǎn),從而為油葵新品種選育、試點(diǎn)評(píng)價(jià)、布局推廣提供科學(xué)指導(dǎo)和理論依據(jù)。
1 材料與方法
1.1 試驗(yàn)材料
本研究以2022年度國(guó)家特色油料產(chǎn)業(yè)技術(shù)體系向日葵區(qū)試15個(gè)油葵新組合為材料,其中‘S606’作為對(duì)照品種。在全國(guó)13個(gè)試驗(yàn)地點(diǎn)開(kāi)展綜合評(píng)價(jià),試驗(yàn)地點(diǎn)海拔及位置分布如圖1-A所示。
1.2 試驗(yàn)方法
各試驗(yàn)點(diǎn)按照完全隨機(jī)區(qū)組設(shè)計(jì),重復(fù)3次,每重復(fù)3行區(qū)設(shè)計(jì),試驗(yàn)小區(qū)面積不小于15 m2。各試驗(yàn)點(diǎn)根據(jù)當(dāng)?shù)胤N植實(shí)際,進(jìn)行輪作倒茬并安排適宜播期。全生育期栽培管理措施等同當(dāng)?shù)叵蛉湛a(chǎn)實(shí)際情況執(zhí)行,僅除草不除雜,僅防蟲(chóng)不防病。永寧試驗(yàn)點(diǎn)按照優(yōu)選20個(gè)葵盤(pán)折算為公頃產(chǎn)量(kg/hm2),計(jì)算品種的最大生產(chǎn)潛力,其余試驗(yàn)點(diǎn)按照小區(qū)實(shí)收,并折算為公頃產(chǎn)量 "(kg/hm2),其中‘JYK01’未參加運(yùn)城試驗(yàn)點(diǎn)評(píng)比,其結(jié)果使用其余12個(gè)試驗(yàn)地點(diǎn)的平均值代替。
收獲前在田間統(tǒng)計(jì)株高、莖粗、盤(pán)徑等農(nóng)藝性狀,隨機(jī)挑選5個(gè)葵盤(pán),混收后按照四分法分別計(jì)算籽仁率、結(jié)實(shí)率、百粒質(zhì)量、單盤(pán)粒質(zhì)量等籽粒相關(guān)數(shù)據(jù)。
1.3 相關(guān)性分析
使用R語(yǔ)言分別統(tǒng)計(jì)產(chǎn)量、莖粗、株高、盤(pán)徑、單盤(pán)粒質(zhì)量、百粒質(zhì)量、結(jié)實(shí)率、籽仁率的平均值,以及各指標(biāo)相關(guān)性系數(shù)進(jìn)行相關(guān)性檢驗(yàn),使用corrplot (version 0.92)[14]對(duì)相關(guān)性數(shù)據(jù)進(jìn)行數(shù)據(jù)呈現(xiàn)。
1.4 方差分析及AMMI模型分析
使用R語(yǔ)言agricolae (version 1.3-5)包對(duì)產(chǎn)量數(shù)據(jù)進(jìn)行方差分析,并采用吳為人等人改進(jìn)的AMMI模型進(jìn)行模型構(gòu)建[14],以交互作用顯著的多個(gè)數(shù)據(jù)維度開(kāi)展基于AMMI模型的豐產(chǎn)性及穩(wěn)產(chǎn)性分析,對(duì)交互效應(yīng)主成分軸(IPCA)空間中與原點(diǎn)的距離(記為D)作為該品種的穩(wěn)產(chǎn)性指標(biāo),分別計(jì)算基于品種的Dv穩(wěn)產(chǎn)性指標(biāo)以及基于試驗(yàn)地點(diǎn)的De作為區(qū)分力指標(biāo)[15],Dv、De指標(biāo)分別選擇交互作用顯著,貢獻(xiàn)度較高的前五維、前三維進(jìn)行計(jì)算。Dv以每個(gè)IPCA所解釋的變異(平方和)占全部IPCA所解釋的變異的比例作為權(quán)重,在計(jì)算各個(gè)品種的距離時(shí),對(duì)其在各個(gè)IPCA上的得分進(jìn)行加權(quán)計(jì)算;
De的排名進(jìn)行基于權(quán)重的綜合平分,依據(jù)綜合評(píng)分計(jì)算綜合排名,De值越小則試驗(yàn)地點(diǎn)區(qū)分力越強(qiáng)。
權(quán)重計(jì)算公式:
Dv豐產(chǎn)性穩(wěn)產(chǎn)性計(jì)算公式:
De區(qū)分力穩(wěn)產(chǎn)性計(jì)算公式:
(1)式中SS 表示平方和,(1)(2)(3)式中i表示第i個(gè)品種,(1)(2)(3)式中c為統(tǒng)計(jì)測(cè)驗(yàn)顯著的IPCA的個(gè)數(shù),(2)(3)式中ris為第i個(gè)品種在第s個(gè)IPCA上的評(píng)分。
1.5 GGE雙標(biāo)圖分析
利用R語(yǔ)言中GGE Biplot-GUI軟件包繪制 GGE 雙標(biāo)圖[16-18],對(duì)基于產(chǎn)量的和其他主要農(nóng)藝性狀開(kāi)展豐產(chǎn)性和穩(wěn)產(chǎn)性、區(qū)分力及代表性綜合性評(píng)價(jià)。
2 結(jié)果與分析
2.1 各參試點(diǎn)產(chǎn)量差異及聚類分析
13個(gè)地點(diǎn)廣泛分布在東北、華北、西北這3個(gè)向日葵主產(chǎn)區(qū),不同試驗(yàn)地點(diǎn)之間海拔、高程及經(jīng)緯度信息等具有較大的差別(圖1-A),可以廣泛代表多數(shù)向日葵的實(shí)際生產(chǎn)環(huán)境,為新品種的區(qū)域試驗(yàn)及后期適宜示范推廣地區(qū)提供精細(xì)化支撐。對(duì)個(gè)參試點(diǎn)參試品種產(chǎn)量基于地點(diǎn)的歸一化處理并水平、垂直方向的層次聚類。根據(jù)各品種試驗(yàn)地點(diǎn)產(chǎn)量表達(dá)水平一致性劃分為3個(gè)大類(圖1-B),其中公主嶺、沈陽(yáng)、永寧、山西為第1類,石河子、烏魯木齊、張家口、白城、呼和浩特五個(gè)試驗(yàn)點(diǎn)為第3類,甘南、五原、赤峰、景泰4個(gè)試驗(yàn)地點(diǎn)為第2類。在同一大類型群中,不同品種表現(xiàn)出近似變化特征,如在第1類中,‘YK21’在公主嶺、沈陽(yáng)產(chǎn)量相對(duì)最高,第2大類中‘XKY2009’產(chǎn)量在甘南、景泰產(chǎn)量相對(duì)最高,第3類中‘L430’分別是烏魯木齊、張家口高產(chǎn)品種,并且在白城與張家口試驗(yàn)點(diǎn)所有參試品種油葵產(chǎn)量均未超過(guò)對(duì)照‘S606’。
根據(jù)各參試品種在不同試驗(yàn)地點(diǎn)產(chǎn)量的相對(duì)高低,對(duì)品種進(jìn)行水平方向的層次聚類(圖1-B),結(jié)果表明,15個(gè)參試品種可以分為2個(gè)大類,第1類如‘NLY002’‘赤SY82’等10個(gè)參試品種,其在多個(gè)參試點(diǎn)均表現(xiàn)高于當(dāng)?shù)厮袇⒃嚻贩N的平均產(chǎn)量,其中與對(duì)照品種‘S606’表現(xiàn)近似的品種有2個(gè),分別為‘L430’與‘LJ198’;第2類整體表現(xiàn)出產(chǎn)量水平低于平均水平,如‘赤AY201’‘L432’等4個(gè)品種。
對(duì)各參試品種在不同試驗(yàn)地點(diǎn)產(chǎn)量進(jìn)行橫向比較,不同品種在各地的產(chǎn)量水平具有顯著的變化,但是均未能達(dá)到品種在永寧參試點(diǎn)考種的理論產(chǎn)量水平(圖1-C),其中‘NLY002’‘赤SY82’‘NK608’‘NLY001’‘L430’‘XKY2009’等6個(gè)品種與對(duì)照S606在變化趨勢(shì)上相近。為進(jìn)一步明確品種在不同環(huán)境下的真實(shí)產(chǎn)量差距水平,將永寧試點(diǎn)數(shù)據(jù)剔除后進(jìn)一步分析(圖1-D),不同參試地點(diǎn)可以聚類為兩組,其中第1組公主嶺、白城等6個(gè)參試地點(diǎn)產(chǎn)量低于各參試品種的平均值,而赤峰、景泰等6個(gè)參試點(diǎn)聚類為第2組,其產(chǎn)量相對(duì)較高,但是也存在品種與參試地點(diǎn)的互作,如在第1組中‘L432’在沈陽(yáng)表現(xiàn)較好,第2組中‘赤SY82’在石河子點(diǎn)表現(xiàn)出相對(duì)平均產(chǎn)量的減產(chǎn)。
2.2 基于產(chǎn)量的方差分析及AMMI模型構(gòu)建
聯(lián)合方差分析及AMMI模型分析(表1)結(jié)果表明,品種、環(huán)境、品種與環(huán)境的交互作用對(duì)油葵產(chǎn)量的影響顯著,三者可解釋油葵產(chǎn)量變異的89.57%,其中環(huán)境對(duì)產(chǎn)量影響最大,可解釋產(chǎn)量變異的71.61%,表明在本年度油葵區(qū)試中,各試驗(yàn)點(diǎn)的選擇具有較好的代表性和區(qū)分性;品種對(duì)產(chǎn)量變異的貢獻(xiàn)值最小,僅解釋產(chǎn)量變異的 "4.06%;品種與環(huán)境的交互作用則可以解釋油葵產(chǎn)量變異的13.89%。進(jìn)一步利用AMMI模型解析品種與環(huán)境在不同維度上的互作程度,其中一到五維對(duì)品種與環(huán)境交互作用貢獻(xiàn)程度不同,共可解釋交互作用變異的88.07%,其中前三維分別可解釋品種與環(huán)境之間交互作用的 "29.25%、20.84%和16.22%。
2.2.1 基于產(chǎn)量的AMMI模型的豐產(chǎn)性與穩(wěn)產(chǎn)性分析 基于AMMI 模型交互作用顯著的前5維數(shù)據(jù)計(jì)算參試品種穩(wěn)產(chǎn)性參數(shù)Dv (表2),Dv值越小,則該品種穩(wěn)產(chǎn)性越好。根據(jù)Dv從小到大排列,可以發(fā)現(xiàn)穩(wěn)產(chǎn)性最好的3個(gè)品種分別為‘NLY001’‘NK538’‘NK608’,而‘L430’‘赤AY201’‘XKY2009’穩(wěn)產(chǎn)性最差。在產(chǎn)量方面,‘S606’‘赤SY82’‘NLY002’產(chǎn)量較高,‘NLY001’‘赤AY201’‘L432’產(chǎn)量相對(duì)較低。綜合產(chǎn)量及穩(wěn)產(chǎn)性參數(shù)位次,產(chǎn)量與穩(wěn)產(chǎn)性較難統(tǒng)一,如低產(chǎn)穩(wěn)產(chǎn)型的‘NLY001’,高產(chǎn)不穩(wěn)產(chǎn)的‘赤SY82’,單一穩(wěn)產(chǎn)性或產(chǎn)量?jī)?yōu)劣均不能全面評(píng)價(jià)產(chǎn)量品種的優(yōu)劣及豐產(chǎn)性。筆者以簡(jiǎn)單的對(duì)穩(wěn)產(chǎn)性參數(shù)及產(chǎn)量位次進(jìn)行不同權(quán)重加和計(jì)算,獲得其綜合評(píng)分,以綜合評(píng)分的大小作為豐產(chǎn)性綜合排名的依據(jù),各品種綜合排名如下:‘S606’gt;‘赤SY82’gt;‘NLY002’gt;‘LJ198’gt;‘NK608’gt;‘NK538’gt;‘L430’gt;‘YK22-1’gt;‘YK21-1’gt;‘XKY2021’=‘NLY001’gt;‘JYK01’gt;‘XKY2009’gt;‘L432’gt;‘赤AY201’。綜合分析表明,‘NLY001’‘NK538’‘NK608’穩(wěn)產(chǎn)性優(yōu)于對(duì)照,但是豐產(chǎn)性較差,‘NLY002’和‘赤SY82’產(chǎn)量與對(duì)照品種‘S606’相當(dāng),但穩(wěn)產(chǎn)性較差。
2.2.2 基于產(chǎn)量的AMMI模型參試點(diǎn)區(qū)分力分析 基于AMMI模型交互作用顯著的前3維數(shù)據(jù)計(jì)算參試品種區(qū)分力參數(shù)De (表3),De值越大,則該參試點(diǎn)對(duì)品種的區(qū)分度越好。就De位次而言,景泰、烏魯木齊、永寧對(duì)品種的區(qū)分度最高,五原、白城、赤峰對(duì)品種的區(qū)分度相對(duì)較小。然而僅考慮試驗(yàn)地點(diǎn)的De區(qū)分度,而沒(méi)有一定的產(chǎn)量水平為基礎(chǔ),不能有效鑒別出高產(chǎn)、穩(wěn)產(chǎn)品種。因此本研究以各品種的平均產(chǎn)量為試驗(yàn)地點(diǎn)產(chǎn)量,對(duì)De位次及產(chǎn)量位次排名進(jìn)行基于權(quán)重的加和計(jì)算獲得綜合評(píng)分,并基于綜合評(píng)分,進(jìn)行試驗(yàn)地點(diǎn)區(qū)分力綜合排名(表3),其中景泰、永寧、烏魯木齊參試地點(diǎn)對(duì)品種區(qū)分力強(qiáng),鑒別力較好,五原鑒別力相對(duì)較弱?;贏MMI的豐產(chǎn)性及區(qū)分力三維數(shù)據(jù)相對(duì)直觀的展示了各品種的穩(wěn)產(chǎn)性及參試地點(diǎn)的區(qū)分力(圖2),景泰、烏魯木齊、沈陽(yáng)、永寧在區(qū)分力方面位列前4位,而基于De的景泰、烏魯木齊、永寧、張家口位列前4位。
2.3 GGE雙標(biāo)圖分析
2.3.1 參試油葵豐產(chǎn)性及穩(wěn)產(chǎn)性分析 對(duì)15個(gè)參試品種、13個(gè)參試的油葵產(chǎn)量進(jìn)行基因型、基因型與環(huán)境互作的GGE雙標(biāo)圖分析。根據(jù)GGE雙標(biāo)圖對(duì)基因型、基因型與環(huán)境互作的主成分分析結(jié)果顯示,AXS1與AXIS2的變異性分別占總變異的31.62%、19.39%(圖3-A),解釋了54.68%的基因型、基因型與環(huán)境相互作用。‘XKY2021’等7個(gè)位于豎軸右側(cè)的參試品種產(chǎn)量高于環(huán)境的平均產(chǎn)量,‘赤AY201’‘XKY2021’等5個(gè)品種距離水平軸較遠(yuǎn),穩(wěn)產(chǎn)性相對(duì)較低(圖3)。綜合分析研究結(jié)果表明,‘L430’‘S606’‘NLY002’3個(gè)參試品種具有較高的穩(wěn)產(chǎn)性及豐產(chǎn)性。
2.3.2 參試點(diǎn)區(qū)分力和代表性分析 GGE雙標(biāo)圖以參試點(diǎn)向量長(zhǎng)短代表參試地點(diǎn)的區(qū)分力大小,參試點(diǎn)向量與平均環(huán)境軸間方向代表代表性,方向小于90°且度數(shù)越小,則代表性越強(qiáng),反之夾角大于90°,則該環(huán)境不適宜做試點(diǎn)[19]。如圖3-B所示,烏魯木齊、呼和浩特、張家口3個(gè)參試地點(diǎn)具有較高的區(qū)分力及代表性,公主嶺、沈陽(yáng)、赤峰、五原4個(gè)參試地點(diǎn)具有較高的區(qū)分力,但其代表性欠缺;永寧、甘南2個(gè)參試地點(diǎn)具有一定的代表性,但是代表性相對(duì)欠缺;石河子點(diǎn)區(qū)分力及代表性均較弱?;诋a(chǎn)量的參試地點(diǎn)可選擇烏魯木齊、呼和浩特、張家口作為參試地點(diǎn)。
2.4 農(nóng)藝性狀的相關(guān)性及其GGE雙標(biāo)圖分析
如圖4所示,產(chǎn)量與單盤(pán)粒質(zhì)量、株高呈顯著正相關(guān)(Plt;0.05),相關(guān)系數(shù)分別為0.83、0.55,而結(jié)實(shí)率與百粒質(zhì)量、莖粗顯著負(fù)相關(guān)(Plt; "0.05),相關(guān)系數(shù)分別達(dá)到-0.66、-0.56。
利用GGE雙標(biāo)圖分析供試油葵的單盤(pán)粒質(zhì)量、結(jié)實(shí)率、株高、莖粗4個(gè)農(nóng)藝性狀的結(jié)果顯示,‘YK21-1’‘S606’‘YK21-1’‘赤SY82’‘NLY002’和‘L430’等6個(gè)品種的單盤(pán)粒質(zhì)量高于平均環(huán)境,其中‘YK21-1’‘S606’‘赤SY82’單盤(pán)粒質(zhì)量在多個(gè)環(huán)境下表現(xiàn)相對(duì)穩(wěn)定;‘L432’‘赤SY82’‘NLY002’‘YK22-1’‘JYK01’‘XKY2021’‘NLY001’等7個(gè)參試品種結(jié)實(shí)率低于環(huán)境平均結(jié)實(shí)率,其中‘L432’‘赤SY82’‘JYK01’的結(jié)實(shí)率受環(huán)境影響較大,穩(wěn)產(chǎn)性不夠;株高在不同環(huán)境下變化不明顯,其中五原和烏魯木齊2個(gè)參試點(diǎn)對(duì)油葵株高區(qū)分力及代表性較好。另一方面,莖粗在多個(gè)環(huán)境中穩(wěn)產(chǎn)性較差,且公主嶺和運(yùn)城兩個(gè)參試點(diǎn)的莖粗?jǐn)?shù)據(jù)對(duì)其參試品種不具有代表性(圖5)。
3 討" 論
作物遺傳育種是一門(mén)選擇藝術(shù),需要在適宜的地區(qū)篩選出適宜的品種,如何解決基因型、環(huán)境、基因型與環(huán)境的互作成為育種家需要解決的首要問(wèn)題。目前區(qū)域試驗(yàn)是評(píng)估引種及新品種登記的主要手段[20-21],如何合理地評(píng)估試驗(yàn)數(shù)據(jù),并能夠定性及定量地直觀描述,同時(shí)也可為區(qū)域農(nóng)業(yè)生產(chǎn)布局、種植業(yè)結(jié)構(gòu)調(diào)整提供理論依據(jù)。油葵的產(chǎn)量及其形成的相關(guān)農(nóng)藝性狀主要由基因型及環(huán)境決定,在本研究中,環(huán)境對(duì)產(chǎn)量變異的解釋程度達(dá)到71.61%,基因型與環(huán)境的互作對(duì)產(chǎn)量變異解釋度達(dá)到13.89%,這與在水稻[22]、胡麻[23]、花生[24-25]、甜菜[26]、高粱[27-28]研究結(jié)果相一致,環(huán)境對(duì)產(chǎn)量變異起到?jīng)Q定性作用,其次為基因型與環(huán)境的相互作用。
常磊等[29]分析利用AMMI模型和GGE雙標(biāo)圖評(píng)價(jià)分析在小麥區(qū)域試驗(yàn)數(shù)據(jù)的結(jié)果具有一致性,然而在本研究中,多種分析方法一致性程度較差,在穩(wěn)產(chǎn)性參數(shù)方面,利用AMMI模型獲得的‘NLY001’‘NK538’‘NK608’穩(wěn)產(chǎn)性均高于對(duì)照S606,然而在GGE雙標(biāo)圖獲得高穩(wěn)產(chǎn)性參試品種為‘L430’‘S606’‘NLY002’,這可能是由分析法多用的數(shù)據(jù)量存在差異所引起的,GGE雙標(biāo)圖僅使用了基因型與環(huán)境互作主成分中的前兩維,僅可以解釋50.81%的變異,屬于理想極限(66%)范圍內(nèi)[18],而利用AMMI模型分析結(jié)果表明基因型與環(huán)境互作主成分中的前四維均顯著互作,其可以解釋基因型與環(huán)境互作的88.07%,這一結(jié)果分別低于Arega等[30]和Amira等[31]在早熟大豆和熱帶大豆研究中的93.59%和 "86.6%,但是高于Carvalho等[32]在常規(guī)大豆中的80%,以及Mulugeta等[33]埃塞俄比亞西北大豆研究中 "63.4%,利用AMMI模型在本研究中可以解釋更高的基因型與環(huán)境互作的關(guān)系,因此在具有多維復(fù)雜互作條件下,使用AMMI模型可以更好地提高數(shù)據(jù)的精準(zhǔn)性與推論的預(yù)測(cè)性。
利用AMMI模型和GGE雙標(biāo)圖均可篩選出高穩(wěn)產(chǎn)性品種,如‘S606’,因此需要加強(qiáng)次高穩(wěn)定參試組合的評(píng)價(jià)鑒定。AMMI模型利用到基因型與環(huán)境間相互作用的多維顯著主成分,以Dv的大小表示品種的穩(wěn)產(chǎn)性,這在實(shí)際生產(chǎn)應(yīng)用中為考慮到品種的豐產(chǎn)性因素,可能會(huì)篩選出高穩(wěn)產(chǎn)性但豐產(chǎn)性不佳的參試組合,因此在利用AMMI模型分析是需考慮參試品種的豐產(chǎn)性。本研究采用Dv、產(chǎn)量綜合排名全面評(píng)價(jià)參試品種的穩(wěn)產(chǎn)性及豐產(chǎn)性,并獲得的高穩(wěn)產(chǎn)性及高豐產(chǎn)性品種‘S606’‘赤SY82’‘NLY002’和‘LJ198’,研究結(jié)果符合參試品種在多點(diǎn)產(chǎn)量比較的聚類分析(圖1-B),‘赤SY82’與‘NLY002’在多點(diǎn)產(chǎn)量表現(xiàn)相近、‘S606’與‘LJ198’‘L430’的表現(xiàn)及變化趨勢(shì)相近,因此諸如向日葵此類受基因型與環(huán)境互作程度復(fù)雜,在區(qū)試數(shù)據(jù)分析評(píng)價(jià)時(shí)應(yīng)綜合考量多種分析方式的綜合運(yùn)用。本研究中以AMMI模型結(jié)合綜合排名、GGE雙標(biāo)圖的形式有效地區(qū)分出優(yōu)勢(shì)組合,可以提高品種評(píng)價(jià)的精準(zhǔn)度[34-35]?;谕瑯拥姆治霾呗裕瑢?duì)參試地點(diǎn)的區(qū)分力及代表性進(jìn)行了綜合分析,景泰、永寧、烏魯木齊為較為理想的參試地點(diǎn),但其可靠程度還需要多年試驗(yàn)數(shù)據(jù)進(jìn)行驗(yàn)證。
4 結(jié)" 論
本研究綜合采用AMMI模型和GGE雙標(biāo)圖分析和評(píng)價(jià)了油葵基因型的穩(wěn)產(chǎn)性和適應(yīng)性,結(jié)果顯示,籽粒產(chǎn)量和及其形成相關(guān)性狀的基因型、環(huán)境、基因與環(huán)境互作差異均顯著。‘S606’‘赤SY82’‘NLY002’‘LJ198’在多個(gè)參試點(diǎn)中的穩(wěn)產(chǎn)性及豐產(chǎn)性較好,參試組合具有較好的推廣應(yīng)用價(jià)值。另一方面,烏魯木齊參試點(diǎn)可作為油葵產(chǎn)量、結(jié)實(shí)率、單盤(pán)粒質(zhì)量的理想鑒定地點(diǎn)。
參考文獻(xiàn) Reference:
[1] PAL D.Chapter 130 Sunflower (Helianthus annuus L.) seeds in health and nutrition[M]//Victor R.Preedy" Ronald Ross Watson" Vinood B.Patel,Nuts and Seeds in Health and Disease Prevention.San Diego:Academic Press,2011:1097-1105.
[2]國(guó)家統(tǒng)計(jì)局.農(nóng)業(yè)農(nóng)村部數(shù)據(jù)-向日葵籽產(chǎn)量及播種面積[EB/OL].[2023-07-27].http://zdscxx.moa.gov.cn:8080/nyb/pc/search.jsp National Bureau of Statistics.Ministry of Agriculture and Rural Affairs data-sunflower seed yield and sown area [EB/OL].[2023-07-27].http://zdscxx.moa.gov.cn:8080/nyb/pc/search.jsp.
[3]SRITONGTAE C,MONKHAM T,SANITCHON J,et al.Identification of superior soybean cultivars through the indication of specific adaptabilities within duo-environments for year-round soybean production in northeast thailand[J].Agronomy,2021,11(3):585-596.
[4]OLADOSU Y,RAFII M,ABDULLAH N,et al.Genotype × Environment interaction and stability analyses of yield and yield components of established and mutant rice genotypes tested in multiple locations in Malaysia[J].Acta Agriculturae Scandinavica, Section B - Soil amp; Plant Science,2017,67(7):590-606.
[5]MUSHORIWA H,MATHEW I,GWATA E,et al.Grain yield potential and stability of soybean genotypes of different ages across diverse environments in southern africa[J].Agronomy,2022,12(5):1147-1158.
[6]KHAN M,RAFII M Y,RAMLEE S,et al.AMMI and GGE biplot analysis for yield performance and stability assessment of selected Bambara groundnut (Vigna subterranea L.Verdc.)genotypes under the multi-environmental trials (METs)[J].Scientific Reports,2021,11(1):22791-22808
[7]YAN W,HUNT L A.Biplot analysis of diallel data[J].Crop Science,2002,42(1):21-30.
[8]LI W,SUN D,Du Y,et al.Quantitative trait loci underlying the development of seed composition in soybean (Glycine max L.Merr.)[J].Genome,2007,50(12):1067-1077.
[9]EBERHART E,RUSSELL W.Stability parameters for comparing varieties[J].Crop Science,1966,6(1):36-40.
[10] 王啟杰,姜 艷,王 鵬,等.基于GGE雙標(biāo)圖對(duì)向日葵品種豐產(chǎn)性和穩(wěn)定性的綜合評(píng)價(jià)[J].干旱區(qū)資源與環(huán)境,2023,37(1):127-135.
WANG Q J,JIANG Y,WANG P,et al.Comprehensive" "evaluation of fertility and stability of sunflower varieties based on GGE-biplot[J].Journal of Arid Land Resources and Environment,2023,37(1):127-135.
[11]SAMYUKTHA S M,MALARVIZHI D,KARTHIKEYAN A,et al.Delineation of genotype × environment interaction for identification of stable genotypes to grain yield in mungbean[J].Frontiers in Agronomy,2020,2:577911.
[12]HAPP M,GRAEF G,WANG H,et al.Comparing a mixed model approach to traditional stability estimators for mapping genotype by environment interactions and yield stability in soybean [Glycine max" (L.) merr.][J].Frontiers in Plant Science,2021,12:630175-630187.
[13]LUO J,PAN Y B,QUE Y,et al.Biplot evaluation of test environments and identification of mega-environment for sugarcane cultivars in China[J].Scientific Reports,2015,5:15505-15516.
[14]FRIENDLY M.Corrgrams:Exploratory displays for correlation matrices[J].The American Statistician,2021,56:316-324.
[15]吳為人.對(duì)基于AMMI模型的品種穩(wěn)定性分析方法的一點(diǎn)改進(jìn)[J].遺傳,2000(1):31-32.
WU W R.Animprovement on the method of variety stability analysis based on the AMMI model[J].Hereditas,2000(1):31-32.
[16]GABRIEL K.The biplot graphic display of matrices with application to principal component analysis[J].Biometrika,1971,58(3):453-467.
[17]VILLARDN M.Una alternativade representación simultánea:HJ-Biplot[J].Questiio,1986,10:13-23.
[18]ANSARIFARD I,MOSTAFAVI K,KHOSROSHAHLI M,et al.A study on genotype-environment interaction based on GGE biplot graphical method in sunflower genotypes (Helianthus annuus L.)[J].Food Science amp; Nutrition,2020,8(7):3327-3334.
[19]YAN W.GGEbiplot-a windows application for graphical" "analysis of multienvironment trial data and other types of two-way data[J].Agronomy Journal,2001,93(5):1111-1118.
[20]周 芳,趙應(yīng)忠,周 婷,等.近40年來(lái)中國(guó)芝麻新品種的國(guó)家區(qū)域試驗(yàn)進(jìn)展及建議[J].分子植物育種,2022,20(4):1383-1392.
ZHOU F,ZHAO Y ZH,ZHOU T,et al.Progress and prospective of Chinese national field trails for sesame" new" varieties in the" past 40 years[J].Molecular Plant Breeding,2022,20(4):1383-1392.
[21]李本貴,閻 俊,何中虎,等.用AMMI模型分析作物區(qū)域試驗(yàn)中的地點(diǎn)鑒別力[J].作物學(xué)報(bào),2004,30(6):593-596.
LI B G,YAN J,HE ZH" H,et al.Analyzing site discrimination in crop regional yield trials by AMMI model[J].Acta Agronomica Sinica,2004,30(6):593-596.
[22]PEYMAN S,HASHEM A,RAHMAN E,et al.Evaluation of genotype×environment interaction in rice based on AMMI model in iran[J].Rice Science,2017,24(3):173-180.
[23]何 麗,張文斐,張 金,等.基于GGE雙標(biāo)圖的甘肅胡麻區(qū)試品系穩(wěn)定性與試點(diǎn)代表性研究[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2023,51(6):58-65.
HE L,ZHANG W F,ZHANG J,et al.Strain stability and pilot representativeness of flax in Gansu based on GGE biplot[J].Journal of Northwest Aamp;F University(Natural Science Edition),2023,51(6):58-65.
[24]李天奇,周彥忠,郭玉生,等.基于AMMI模型的河南省小粒花生品種區(qū)域試驗(yàn)穩(wěn)定性及適應(yīng)性分析[J].天津農(nóng)業(yè)科學(xué),2022,28(9):1-4.
LI T Q,ZHOU Y ZH,GUO Y SH,et al.Analysis of stability and adaptability of small peanut varieties test in Henan province based on AMMI model[J].Tianjin Agricultural Sciences,2022,28(9):1-4.
[25]郭敏杰,鄧 麗,任 麗,等.基于R語(yǔ)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.
GUO M J,DENG L,REN L,et al.Application of R language based AMMI and GGE biplot on regional trial of peanut varieties[J].Journal of Peanut Science,2017,46(2):24-31.
[26]江婉玥,胡曉航,馬亞懷,等.基于R語(yǔ)言的GGE雙標(biāo)圖法在甜菜品種區(qū)域試驗(yàn)中的應(yīng)用[J].中國(guó)農(nóng)學(xué)通報(bào),2023,39(8):7-14.
JIANG W Y,HU X H,MA Y H,et al.GGE-biplot based on R language:application in regional trial of sugar beet varieties[J].Chinese Agricultural Science Bulletin,2023,39(8):7-14.
[27]肖繼兵,劉 志,孔凡信,等.基于GGE雙標(biāo)圖的高粱品種農(nóng)藝性狀和穩(wěn)產(chǎn)性分析[J].作物雜志,2023(2):36-45.
XIAO J B,LIU ZH,KONG F" X,et al.Analysis of agronomic traits and yield stability of sorghum varieties based on GGE biplot[J].Crops,2023(2):36-45.
[28]高 悅,丁 博,侯佳明,等.基于GGE雙標(biāo)圖的春播早熟區(qū)高粱品種產(chǎn)量及其穩(wěn)定性分析[J].分子植物育種,2022,20(18):6244-6252.
GAO Y,DING B,HOU J M,et al.Evaluation of yield and its stability of sorghum varieties in spring sowing early-maturing areas based on GGE biplot[J].Molecular Plant Breeding,2022,20(18):6244-6252.
[29]常 磊,岳 云,柴守璽,等.品種穩(wěn)定性不同分析模型在西北小麥區(qū)域試驗(yàn)中應(yīng)用探討[J].干旱地區(qū)農(nóng)業(yè)研究,2013,31(2):13-18.
CHANG L,YUE Y,CHAI SH" X,et al.Application of different models for crop stability analysis in regional trials of wheat in northwest China[J].Agricultural Research in the Arid Areas,2013,31(2):13-18.
[30]AREGA A,BEKELE A.Yield stability analysis of soybean varieties (early set) in western Oromia,Ethiopia[J].Ethiopian Journal of Crop Science,2020,8(2):67-77.
[31]AMIRA J,OJO D,ARIYO O,et al.Relative discriminating powers of GGE and AMMI models in the selection of tropical soybean (Glycine max) genotypes[J].International Journal of Plant Breeding and Genetics,2013, 7(2):139-145.
[32]CARVALHO M,NUNES J,CARMO E,et al.Adaptability and stability of conventional soybean by GGE biplot analysis[J].Pesquisa Agropecuária Tropical,2021,51:1-10.
[33]MULUGETA A.GGE biplots to analyze soybean multi-environment yield trial data in north Western Ethiopia[J].Journal of Plant Breeding and Crop Science,2013,5(12):245-254.
[34]RINCENT R,MALOSETTI M,ABABAEI B,et al.Using crop growth model stress covariates and AMMI decomposition to better predict genotype-by-environment interactions[J].Theoretical and Applied Genetics,2019,132(12):3399-3411.
[35]RODRIGUES P,MONTEIRO A,LOURENO V.A" "robust AMMI model for the analysis of genotype-by-environment data[J].Bioinformatics,2016,32(1):58-66.
Application of AMMI" Model and GGE Biplot in"" Oil Sunflower Region Trials
Abstract In 2022,an analysis was conducted on the yield characteristics of the tested varieties and the reliability of the region trial sites in the regional trial.The genotype (G) and environment (E) interaction test of 15 varieties were conducted in 13 region trial sites in China,and the adaptability and stability of the tested varieties,as well as the representativeness of the region trial sites,were analyzed using AMMI model based on R language and GGE biplot method.The results showed that the E,G and genotype-environment interaction (GEI) could explain 89.57 % of the yield variation,with E contributing the most to the yield variation (reaching to 71.61%).The G and GEI could explain 4.06% and" "13.89%" of yield variation,respectively.On the other hand,the ‘S606’‘Chisy82’‘NLY002’ and ‘LJ198’ varieties exhibited good adaptability,strong stability and good application value based on the comprehensive analysis results of AMMI model,comprehensive ranking and GGE biplot.Jingtai,Yongning and Urumqi are the ideal region trial sites,where the discrimination and strong representativeness of the tested varieties were better in other region trial sites.The combined application of AMMI model and GGE biplot provides scientific guidance and a theoretical basis for breeding,pilot evaluation,distribution and extension of new oil sunflower varieties.
Key words Oil sunflower; AMMI model; GGE biplot; Variety adaptability