應(yīng)用AMMI模型分析烤煙品種穩(wěn)定性

張遠(yuǎn)蓋 顧勇 夏春 夏建華 張永輝 彭勇 雷曉 張明金 趙錦超 唐珊 蔣勝

摘要 為科學(xué)定量分析環(huán)境、品種因素、GEI對煙葉種植產(chǎn)量變異的影響，研究了4個主要煙葉品種的穩(wěn)定性和地點的敏感度。利用AMMI模型雙標(biāo)圖對四川省敘永縣、古藺縣、興文縣，貴州省金沙縣的云煙87、云煙85、云煙99、云煙105品種穩(wěn)定性和地點分辨力進(jìn)行了分析。結(jié)果表明，云煙87為高產(chǎn)穩(wěn)產(chǎn)品種，云煙85和云煙99具有廣適性，云煙99的產(chǎn)值穩(wěn)定且在瀘州有較好的表現(xiàn)；宜賓興文縣對品種產(chǎn)量差異敏感，畢節(jié)金沙縣對品種產(chǎn)值差異的分辨力較強。

關(guān)鍵詞 AMMI；雙標(biāo)圖；品種；穩(wěn)定性；分辨力

中圖分類號：S338 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-3305（2018）02-068-03

DOI： 10.19383/j.cnki.nyzhyj.2018.02.029

國內(nèi)外眾多學(xué)者[1-4]認(rèn)為，AMMI模型對于分析品種穩(wěn)定性具有理想的效果，可將方差分析和主成分分析有機地結(jié)合在一起，并借助雙標(biāo)圖和互作效應(yīng)值直觀而定量地描述GEI（基因型與環(huán)境的互作），進(jìn)而對品種的穩(wěn)定性和試點分辨力做出評價[5]。目前該模型被廣泛用于基因型與環(huán)境互作效應(yīng)分析、農(nóng)作物[6-13]區(qū)域試驗的產(chǎn)量性狀分析和作物性狀配合力分析[14-16]。文中擬用AMMI模型對四川省瀘州、宜賓、貴州省畢節(jié)3個植煙區(qū)4個烤煙品種的產(chǎn)量、產(chǎn)值進(jìn)行研究，定量分析了環(huán)境、品種因素、GEI對產(chǎn)值量變異的影響，以驗證品種的穩(wěn)定性和地點的分辨力。

1 材料與方法

1.1 試驗設(shè)計

參試烤煙品種4個，分別為：云煙87（g1）、云煙85（g2）、云煙99（g3）、云煙105（g4）；參試地點4個，分別為：瀘州敘永縣（e1）、瀘州古藺縣（e2）、 宜賓興文縣（e3）、畢節(jié)金沙縣（e4）。采用隨機區(qū)組設(shè)計，3次重復(fù)，每品種各小區(qū)種植60株，設(shè)為3行區(qū)，每行20株，栽培規(guī)格為1.2 m×0.5 m，折算667 m2產(chǎn)量和667 m2產(chǎn)值。

1.2 統(tǒng)計方法

AMMI模型中，主效應(yīng)可加，GEI采用若干個乘積項之和進(jìn)行估算，公式如下：

式中，yge為是在環(huán)境e中品種g的產(chǎn)量，μ為總體平均值，αg為品種平均偏差（各個環(huán)境的平均值減去總的平均值），λn為是第n個主成分分析的平均值，δgn為第n個主成分的品種主成分得分，γδn為第n個主成分的環(huán)境主成分得分，n是在模型主成分分析中主成分因子軸的總個數(shù)，θge為殘差。

采用DPS 9.01統(tǒng)計分析軟件的AMMI模型分析模塊進(jìn)行分析。

2 結(jié)果與分析

2.1 品種、試點的667 m2產(chǎn)量、667 m2產(chǎn)值變異及變異分量

從表1可以看出，煙草4個品種在4個環(huán)境進(jìn)行的產(chǎn)量試驗存在極顯著的品種、環(huán)境互作效應(yīng)，其變異的平方和占總處理平方和的38.63%，變異的平方和占總處理平方和的52.80%，環(huán)境變異的平方和占總處理平方和的8.57%，這表明品種間的差異是引起產(chǎn)量差異的主要原因。

產(chǎn)值聯(lián)合方差分析表明：品種和GEI存在極顯著差異，與環(huán)境間的差異不顯著，品種變異的平方和占總處理平方和的54.07%，GEI變異的平方和占總處理平方和的43.54%，這表明品種間的差異是引起產(chǎn)值差異的主要原因。

AMMI模型分析表明，前面2個IPCA軸達(dá)到極顯著水平，不顯著的IPCA軸的變異合并為殘差，即噪聲。兩者累計解釋交互作用的99%以上，而667 m2產(chǎn)量和667 m2產(chǎn)值線性回歸模型僅分別解釋了74.67%和42.29%的GEI平方和，這說明AMMI模型分析GEI更加有效。

2.2 品種穩(wěn)定性和地點分辨力

2.2.1 以667 hm2產(chǎn)量為x軸 AMMI1雙標(biāo)圖（圖1）橫坐標(biāo)反映667 m2產(chǎn)量高低，品種圖標(biāo)比地點圖標(biāo)分散，表明同一地點、不同品種的667 m2產(chǎn)量差異大，而同一品種在不同地點的667 m2產(chǎn)量差異相對較小；縱坐標(biāo)反映GEI差異，以IPCA1=0做一條水平線，圖標(biāo)越接近IPCA1零值，則品種的穩(wěn)定性越好或地點的分辨力越低，品種的穩(wěn)定性g1>g3>g2>g4，地點的分辨力e4>e1>e2>e3；在垂直方向，作IPCA1=0水平線，品種與同在該水平線一側(cè)的地點有正的互作，與另一側(cè)的地點有負(fù)的互作，g1、g4在試點e4有較好的適應(yīng)性，g2、g3在試點e1、e2、e3有較好的適應(yīng)性。

AMMI1雙標(biāo)圖代表了79.16%的GEI變異信息，基本能夠推斷品種穩(wěn)定性和地點分辨力，AMMI2雙標(biāo)圖（圖2）代表了99.89%的GEI變異，在該基礎(chǔ)上進(jìn)行推斷更加準(zhǔn)確，在AMMI2雙標(biāo)圖中，離坐標(biāo)原點越近，品種越穩(wěn)定，試點分辨力越低。穩(wěn)定性最好的品種是g1，分辨力最高的試點是e3。

2.2.2 以667 hm2產(chǎn)值為x軸 由圖3可以看出，在反映667 m2產(chǎn)值高低的橫坐標(biāo)軸上，品種圖標(biāo)比試點圖標(biāo)分散，表明同一地點、不同品種的667 m2產(chǎn)值差異大，而同一品種在不同地點的667 m2產(chǎn)值差異相對較??；在反映GEI變異的縱坐標(biāo)軸上，品種的穩(wěn)定性g2>g3>g1>g4，地點分辨力e4>e1>e2>e3；g4在e3、e4試點有較好的適應(yīng)性，g1、g2、g3在e1、e2試點有較好的適應(yīng)性。

AMMI1雙標(biāo)圖代表了73.19%的GEI變異信息，基本能夠推斷品種穩(wěn)定性和地點分辨力，AMMI2雙標(biāo)圖（圖4）代表了99.77%的GEI變異，在該基礎(chǔ)上進(jìn)行推斷更加準(zhǔn)確，圖中顯示，穩(wěn)定性最好的品種是g3，分辨力最高的地點是e4。

3 結(jié)論與討論

試驗結(jié)果表明，以667 m2產(chǎn)量和667 m2產(chǎn)值作為衡量指標(biāo)，供試烤煙品種的貢獻(xiàn)率大于環(huán)境，其他品種需要做進(jìn)一步的試驗驗證。云煙87具有較高且穩(wěn)定的產(chǎn)量，但是產(chǎn)值的穩(wěn)定性稍差；云煙85和云煙99具有廣適性，其中云煙99的產(chǎn)值穩(wěn)定且在瀘州有較好的表現(xiàn)；宜賓興文縣對品種產(chǎn)量差異敏感，畢節(jié)金沙縣對品種產(chǎn)值差異的分辨力較強。

參考文獻(xiàn)

[1] 黃英姿、毛盛賢. 基因型與環(huán)境互作研究進(jìn)展[J].作物學(xué)報， 1992，18（2）：116-125.

[2] 王磊， 張群遠(yuǎn)， 張曉東. 產(chǎn)量區(qū)域試驗統(tǒng)計分析-因子設(shè)計的AMMI分析[J].北京：中國農(nóng)業(yè)科技出版社， 2001.

[3] 胡秉民， 耿旭.作物穩(wěn)定性分析法[J].北京：科學(xué)出版社，1993.

[4] 張群遠(yuǎn)， 孔繁玲. 作物品種區(qū)域試驗統(tǒng)計分析模型的比較[J].中國農(nóng)業(yè)科學(xué)， 2002， 35（4）：365-371.

[5] 張澤，魯成，向仲懷. 基于AMMI模型的品種穩(wěn)定性分析[J].作物學(xué)報，1998，24（3） ：304-309.

[6] ROBINSON J， JALLI M. Sensitivity of resistance to net blotch in barley[J].Journal of Phytopathology， 1999， 147：235-241.

[7] NEWMAN G， HARRIS I M， EDWARDS J G. Determining the physical properties of flax fibre for industrial applications：the influence of agronomic practice[M]. Annals of Applied Biology， 2006， 149：15-25.

[8] 郭天財，馬冬云，朱云集，等.冬播小麥品種主要品質(zhì)性狀的基因型與環(huán)境及其互作效應(yīng)分析[J].中國農(nóng)業(yè)科學(xué)， 2004， 37（7）：948-953.

[9] 蔣開鋒，鄭家奎，趙甘霖，等.基于AMMI模型的NCⅡ交配設(shè)計試驗的配合力分析[J].作物學(xué)報， 2000， 26（6）：959-962.

[10] 萬向元，胡培松，王海蓮，等，水稻品種直鏈淀粉含量糊化溫度和蛋白質(zhì)含量的穩(wěn)定性分析[J].中國農(nóng)業(yè)科學(xué)， 2005， 38（1）：1-6.

[11] 曾獻(xiàn)英. AMMI 模型在棉花區(qū)域試驗中的應(yīng)用[J].棉花學(xué)報， 2004，16（4）：233-235.

[12] 屠曾平.水稻光合特性研究與高光效育種[J].中國農(nóng)業(yè)科學(xué)， 1997，30（3）：28-35.

[13] WAMATU J N， THOMAS E. The influence of genotype×environment interaction on the grain yields of 10 pigeonpea cultivars grown in Kenya[J]. Journal of Agronomy and Crop Science， 2002， 188：25-33.

[14] SUDARIA， IMID S， VRATARI M. Characterization of genotype by environment interactions in soybean breeding programmes of southeast Europe[J]. Plant Breeding， 2006， 125：191-194.

[15] FAN L J，HU B M，SHI C H，et al. A method of choosing locations based on genotype×environment interaction for regional trials of rice[J]. Plant Breeding， 2001， 120：139-142.

[16] ADUGNA W， LABUSCHAGNE M T. Genotype×environment interactions and phenotypic stability analyses of linseed in Ethiopia[J]. Plant Breeding， 2002， 121：66-71.

責(zé)任編輯：劉赟