第３ｌ卷第２期 ２０１３年３月 干旱地区农业研究 Ａｇｒｉｃｕｌｔｕｒａｌ Ｒｅｓｅａｒｃｈ ｉｎ ｔｈｅ Ａｒｉｄ Ａｒｅａｓ Ｖ０１．３ｌ Ｎｏ．２ Ｍａｒ．２０１３ 品种稳定性不同分析模型在西北小麦 区域试验中应用探讨 常 磊 ，岳 云２，柴守玺 ，包正育 ，黄彩霞。，逢 蕾 ，杨长刚 （１．甘肃省干旱生境作物学重点实验室／甘肃农业大学农学院，甘肃兰州７３００７０；２．甘肃省农业技术推广总站，甘肃兰州７３００２０ ３．甘肃农业大学工学院，甘肃兰州７３００７０） 摘 要：基因型与环境的互作在生物界普遍存在，本研究利用ＧＧＥ模型、ＡＭＭＩ模型、Ｓｈｕｋｌａ模型和Ｅｂｅｈａａ— Ｒｕｓｓｅｌｌ模型对２００９年国家旱地春小麦区试西北９个试点、８个参试品种（系）小麦品种稳定性进行了初步的比较。 结果发现，Ｓｈｕｋｌａ简便，而ＧＧＥ模型、ＡＭＭＩ模型分析结果更为全面、直观，两种模型也存在一定的差异，相比较， ＧＧＥ模型能更有效分析基因型与环境互作效应、评价基因型稳定性以及环境的代表性和区分能力。 关键词：稳定性模型；区域试验；小麦 中图分类号：Ｓ１１；￥５１２．１１ 文献标志码：Ａ 文章编号：１０００—７６０１（２０１３）０２—００１３—０６ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｄｉｆｆｅｒｅｎｔ ｍｏｄｅｌｓ ｆｏｒ ｃｒｏｐ ｓｔａｂｉｌｉｔｙ ａｎａｌｙｓｉｓ ｉｎ ｒｅｇｉｏｎａｌ ｔｒｉａｌｓ ｏｆ ｗｈｅａｔ ｉｎ ｎｏｒｔｈｗｅｓｔ Ｃｈｉｎａ ＣＨＡＮＧ Ｌｅｉ ，ＹＵＥ Ｙｕｎ ，ＣＨＡＩ Ｓｈｏｕ—ｘｉ ，ＢＡＯ Ｚｈｅｎｇ．ｙｕ ，ＨＵＡＮＧ Ｃａｉ—ｘｉａ３ＰＡＮＧ Ｌｅｉ ，ＹＡＮＧ Ｃｈａｎｇ—ｇａｎｇ ，（１．Ｇａｎｓｕ Ｐｒｏｖｉｎｃｉａｌ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＡｒｉｄｌａｎｄ Ｃｒｏｐ Ｓｃｉｅｃｅ／Ｆａｃｎｕｌｔｙ ｆＡｇｒｏｏｎｏｍｙ，Ｇａｎｓｕ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｌａｎｚｈｏｕ，Ｇａｎｓｕ ７３００７０，Ｃｈｉｎａ；２．Ｇａｎｓｕ Ａｇｒｏ—ｔｅｃｈｎｉｃａｌ Ｅｘｔｅｎｓｉｏｎ Ｓｔａｔｉｏｎ，Ｌａｎｚｈｏｕ，Ｇａｎｓｕ ７３００２０，Ｃｈｉｎａ； ３．Ｃｏｌｌｅｇｅ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇａｎｓｕ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ，Ｇａｎｓｕ ７３００７０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｇｅｎｏｔｙｐｅ－ｅｎｖｉｒｏｎｍｅｎｔ ｉｎｔｅｒａｃｔｉｏｎ（ＧＥＩ）ｉｓ ａ ｃｏｍｍｏｎ ｐｈｅｎｏｍｅｎｏｎ ｉｎ ｐｌａｎｔ ｂｒｅｅｄｉｎｇ．Ｔｈｅ ｇｅｎｏｔｙｐｅ ｍａｉｎ ｅｆｆｅｃｔ ｐｌｕｓ ｇｅｎｏｔｙｐｅ—ｅｎｖｉｒｏｎｍｅｎｔ ｉｎｔｅｒａｃｔｉｏｎ（ＧＧＥ）ｍｏｄｅｌ，ａｄｄｉｔｉｖｅ ｍａｉｎ ｅｆｆｅｃｔ ａｎｄ ｍｕｌｔｉｐｌｉｃａｔｉｖｅ ｉｎｔｅｒａｃｔｉｏｎ（ＡＭＭＩ） ｍｏｄｅ１．Ｓｈｕｋｌａ ｍｏｄｅｌ ａｎｄ Ｅｂｅｈａａ—Ｒｕｓｓｅｌｌ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｗｅｒｅ ａｄｏｐｔｅｄ ｔｏ ｃｏｍｐａｒｅ ｔｈｅ ｓｔａｂｉｌｉｔｙ ｏｆ ８ ｃｕｈｉｖａｒｓ（１ｉｎｅｓ） ｏｆ ｄｒｙｌａｎｄ ｓｐｒｉｎｇ ｗｈｅａｔ ｕｓｅｄ ｉｎ ９ ｒｅｇｉｏｎａｌ ｔｒｉａｌ ｓｉｔｅｓ ｉｎ ２００９．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ａｌｔｈｏｕｇｈ ｔｈｅ Ｓｈｕｋｌａ ｍｏｄｅｌ ｗａｓ ｅａｓｙ，ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ＧＧＥ ｍｏｄｅｌ ａｎｄ ＡＭＭＩ ｍｏｄｅｌ ｗａｓ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ａｎｄ ｉｎｔｕｉｔｉｖｅ，ａｎｄ ｔｈｅｒｅ ｗａｓ ｓｔｉｌｌ ａ ｂｉｔ ｄｉｆｆｅｒｅｎｃｅ ｂｅｔｗｅｅｎ ｔｈｅｓｅ ｔｗｏ ｍｏｄｅｌｓ．Ｔｈｅ ＧＧＥ ｍｏｄｅｌ ｈａｓ ｂｅｅｎ ｐｒｏｖｅｄ ｔｏ ｂｅ ａｎ ｅｆｆｅｃｔｉｖｅ ｔｏｏｌ ｉｎ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｇｅｎｏ— ｔｙｐｅ—ｅｎｖｉｒｏｎｍｅｎｔ ｉｎｔｅｒａｃｔｉｏｎ，ａｎｄ ｅｖａｌｕａｔｉｎｇ ｔｈｅ ｓｔａｂｉｌｉｔｙ ｏｆ ｇｅｎｏｔｙｐｅｓ，ｔｈｅ ｒｅｐｒｅｓｅｎｔａｔｉｖｅ ｏｆ ｔｅｓｔ ｅｎｖｉｒｏｎｍｅｎｔｓ ａｎｄ ｔｈｅ ａ－ ｂｉｌｉｔｙ ｏｆ ｄｉｓｃｒｉｍｉｎａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｓｔａｂｉｌｉｔｙ ａｎａｌｙｓｉｓ ｍｏｄｅｌ；ｒｅｇｉｏｎａｌ ｔｒｉａｌ；ｗｈｅａｔ 品种稳定性问题产生的根源是品种与环境互作 用试验所获得的信息。近年来，许多学者探索研究 （Ｇ×Ｅ）的存在，对品种与环境互作效应的准确估计 是合理评估作物区试中品种稳定性的基础。如何全 面评价品种的稳定性是育种和栽培学家所关注的热 点问题之一。 品种与环境互作效应用二维图表示的方法，如Ｆｉｎ． １ａｖ和Ｗｉｌｋｉｎｓｏｎ的联合回归图，ＡＭＭＩ双标图（ａｄｄｉ— ｔｉｖｅ ｍａｉｎ ｅｆｆｅｃｔ ａｎｄ ｍｕｈｉｐｌｉｃａｔｉｖｅ ｉｎｔｅｒａｃｔｉｏｎ）（Ｇａｕｃｈ和 Ｚｏｂｅｌ等）和ＧＧＥ双标图分析系统等。ＡＭＭ１分析问 国内外学者提出了许多研究Ｇ×Ｅ的数学模 世后，联合回归图的使用越来越少。ＧＧＥ双标图 （Ｇｅｎｏｔｙｐｅ ｍａｉｎ ｅｆｆｅｃｔ ｐｌｕｓ ｇｅｎｏｔｙｐｅ—ｂｙ—ｅｎｖｉｒｏｎｍｅｎｔ 型＿ｌ一３１，其中以线性回归模型应用最为广泛，但线性 回归一般仅能解释较少部分交互作用，不能充分利 ｉｎｔｅｒａｃｔｉｏｎ）问世后，ＡＭＭ１分析也逐渐被取代。尽管 收稿日期：２０１２．１０．２８ 基金项目：现代农业产业技术体系建设专项资金（ＣＡＲＳ一３—２—４９）；公益性行业（农业）科研专项（２００９０３０１０—０６；２０１３０３１０４；２００９０３００７ —０７） 作者简介：常磊（１９８０一），男，甘肃通渭人，博士，讲师，主要从事作物生态生理研究。Ｅ－ｍａｉｌ：ｃｈａｎｇ３２５８＠１２６．ｃｏｒｎ。 通信作者：柴守玺（１９６２一），男，甘肃会宁人，教授，博士生导师，主要从事作物生态生理研究。Ｅ－ｍａｉｌ：ｓｘｃｈａｉ＠１２６．ＣＯＢ。 １４ 干旱地区农业研究 第３１卷 对于ＡＭＭＩ和ＧＧＥ双标图孰优孰劣尚有争论 ４ Ｊ， 但每种分析方法都有其优点和不足之处。本文就目 前常用的不同方法进行研究探讨，筛选出更适合西 北地区品种稳定性分析的方法，以期对西北小麦品 种的稳定性评价提供理论依据。 １材料与方法 １．１ 品种稳定性分析模型和方法 １）ＧＧＥ ｂｉｐｌｏｔ。 ＧＧＥ双标图的数学模型是一种在品种评价的 同时考虑品种总体效应（Ｇ）和品种×环境互作（ＧＥ） 的方法，多品种多环境试验产量一般可分解为： 一 ＝ １ １ １＋ ２ ２ ２＋ （１） 式中， ，为品种ｉ在环境 下的预测产量， 为所有 品种在环境． 的总体产量平均值， 和 ２为主成份 （ＰＣ）ＰＣ１和ＰＣ２的单值分解（ＳＶＤ），￡ｌ和 ２分别是 品种ｉ在关于主成份ＰＣ１和ＰＣ２上的特征向量， 和 ，２分别是环境 在关于主成份ＰＣ１和ＰＣ２上的特 征向量，ｅ 是随机误差。 为了在同一张双标图显示ＰＣ１和ＰＣ２，上式可 表示为： 一 ｇｉｌ ｅｌｊ＋ｇ ２ｅ２ ＋ （２） 式中，ｇ“＝ 。 ＝ １一 ｆ ，ｚ：１，２； 是对特征 值的分配。利用ｇ １和 ｇ ２和ｅ２ 绘图，形成ＧＧＥ 双标图ｌ ＿８ｌ。 ＧＧＥ双标图不仅可直观判断试点的区分力、代 表性及理想程度，而且ＧＧＥ分析也可提供可精确比 较的量化参数值，这些参数包括ＧＳＶ、ｈ、 和 ｒ ［ 。其中：ＧＳＶ近似于品种的稳定性，其值越小， 品种的稳定性越好；ｈ值近似于各环境向量的长度， ｈ值越大，该试点区分能力越大； 是各环境向量 与平均环境之间夹角的余弦，近似于相应环境与平 均环境之间的遗传相关，ｒ 值越大，试验点代表性 越强；ｒｇｈ近似于各环境向量在平均环境轴上的投 影长度，ｒ 值越大，试验点综合评价力越好，亦即 该试点的区分力和代表性都较好，是一个综合判断 指标＿９ Ｊ。 ２）ＡＭＭＩ ｍｏｄｅｌ。 ＡＭＭＩ模型中，主效应是可加的，而ＧＥＩ是用若 干个乘积项之和估算的。ＡＭＭＩ模型方程式如下： ｙ ｋ： ＋ａＩ＋ ｊ＋ ｒ）ｔｉ￣ｊｒ＋ｐ ＋￡ ｋ ｒ＝ｌ 式中，Ｙ泓是第ｉ个基因型在第 个环境的第ｋ次重复 的单位面积籽粒产量，／１为产量总体平均值，ｔ２ｉ为第 ｉ个基因型与总体均值的离差（即基因型主效应），Ｐｉ 为第 个环境与总平均的离差（即环境主效应）， 为第ｒ个交互效应主成分轴（ＩＰＣＡ：Ｉｎｔｅｒａｃｔｉｏｎ Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｘｅｓ）的特征值或奇异值 （Ｓｉｎｇｕｌａｒ ｖａｌｕｅ），代表交互作用平方和中可由该轴 解释的部分。 为第ｒ轴的基因型特征向量值 （Ｅｉｇｅｎｖｅｃｔｏｒ ｖａｌｕｅ）， 为第ｒ轴环境特征向量值。Ⅳ 为保留在模型中的主分量轴的个数，即表示能包含 大部分ＧＥＩ交互作用信息所需要的乘积项数目。ｆＤ 为提取Ⅳ个ＩＰＣＡ轴后留下的残差（交互剩余项）， 为试验误差。乘式参数的方便取值为 ｙ 和 ，分别称为基因型和环境的“互作ＰＣＡ得分”或 “ＩＰＣＡ得分”，从它们的乘积直接就得出互作期望 值，无需再乘奇异值 。ＩＰＣＡ得分值的大小表示自 身互作效应大小，基因型（或品种）在１ＰＣＡ上得分 越小越稳定，环境（或试点）在ＩＰＣＡ上得分越大则 对基因型分辨力越高。试点的分辨力指试点对基因 型差异的区分能力，或者说在该试点不同基因型固 有遗传差异的表现能力。 并且为了更全面、定量地反映ＧＥＩ信息，需要计 算出一个能度量稳定性的综合指标ＡＳＶ＿ｌ 。ＡＳＶ就 是在ＩＰＣＡ品种（或试点）离原点的距离（即欧氏距 离），计算公式如下： ■——————————————— —————————— Ａｓ ＝√【 ＳＳＩＰｃ Ａ１（，ＰＣＡ１ｘｃｏｒｅ）Ｊ＋（ＩＰＣＡ２ ｓｃｏｒｅ） 其中ｓＪｓ ０¨和ｓｓ，尸ｃＡ２是ＡＭＭＩ模型方差分析的 ＩＰＣＡ１和ＩＰＣＡ２的平方和，ＩＰＣＡｓｃｏｒｅ是第ｉ个基因型 （或第 个试点）在ｒ个ＩＰＣＡ上的得分。因此ＡＳＶ值 越小、则品种越稳定。对应地，ＡＳＶ值越大，则表示试 点对品种差异的分辨力越强。 ３）Ｓｈｕｋｌａ模型和Ｅｂｅｈａｒｔ—Ｒｕｓｓｅｌｌ模型。 Ｓｈｕｋｌａ变异系数是Ｓｈｕｋｌａ稳定性分析法用于度 量基因型稳定性的参数，它是各基因型Ｓｈｕｋｌａ方差 的开方值与各基因型均值的比值，Ｓｈｕｋｌａ变异系数 越小，则品种越稳定＿１ ；在Ｅｂｅｈａｒｔ—Ｒｕｓｓｅｌｌ稳定性 分析法中Ｌ１ ，回归系数越接近１，回归离差越接近０ 的品种越稳定。回归系数＜１的品种在条件较差环 境下可获得一定产量。回归系数＞１的品种在有利 环境下丰产性能好，但在不利环境下表现较差。回 归离差与０差异不显著，表明可用回归系数进行有 效预测。 １．２数据资料 ２００９年国家旱地春小麦区试由西北的９个试 点、８个参试品种（系）组成，以定西３５号为统一对 照（ＣＫ）。试验采用统一设计方案，随机区组，３次重 复，小区面积１５ ｍ２，密度控制在３７５万基本苗・ｈｍ。’ 第２期 常 磊等：品种稳定性不同分析模型在西北小麦区域试验中应用探讨 １５ 左右，在大田自然干旱条件下种植，土壤肥力和施肥 ＡＳＶ分析：Ｇ８＞Ｇ２＞Ｇ３＞Ｇ１＞Ｇ４＞Ｇ７＞Ｇ５＞ Ｇ６； Ｓｈｕｋｌａ ＳＣＶ：Ｇ８＞Ｇ２＞Ｇ３＞Ｇ４＞Ｇ７＞Ｇ１＞Ｇ５＞ Ｇ６； 水平同当地大田生产条件，成熟后单独脱粒计产。 １．３数据统计分析 采用ＳＰＳＳ１１．５软件进行相关分析，应用ＧＧＥ ｂｉｐｌｏｔ ５．０２和ＤＰＳ ７．０５软件进行基因型一环境互作 分析。 Ｅｂｅｈａｒｔ—Ｒｕｓｓｅｌｌ模型：Ｇ２ Ｇ４＞Ｇ３＞Ｇ７一Ｇ１＞ Ｇ８ Ｇ６＞Ｇ５。 ２结果与分析 ２．１品种的稳定性 可见，不同的稳定性模型分析结果具有相似性。 变异系数是指品种在各环境上的均值间变异（标准 差）占该品种总均值的百分比，反映了品种的静态稳 定性，变异系数小，说明该品种在不同的环境中变化 小，静态稳定性好。但静态稳定性好的品种不一定 高产，生产上一般要求变异系数小，同时均值又高的 品种；Ｓｈｕｋｌａ变异系数反映的是平均动态稳定性， 衡量品种稳产性高低的参数常用变异系数、 Ｓｈｕｋｌａ变异系数、ＡＭＭＩ模型分析的ＡＳＶ值和ＧＧＥ 模型分析的ＧＳＶ值。上述四个指标越小，则品种越 稳定。从表１可以看出：不同分析模型品种的稳定 性次序如下： ＧＳＶ分析：Ｇ５＞Ｇ２＞Ｇ３＞Ｇ８＞Ｇ１＞Ｇ４＞Ｇ７＞ Ｇ６； Ｓｈｕｋｌａ变异系数越小，品种越稳定。相对来讲，基于 ＡＭＭ１分析的ＡＳＶ值和基于ＧＧＥ分析的ＧＳＶ值，更 能客观准确地反映品种的稳产差异。 表１品种（系）稳定性参数及相关指标 Ｔａｂｌｅ １ Ｓｔａｂｉｌｉｔｙ ｐａｒａｍｅｔｅｒｓ ａｎｄ ｒｅｌａｔｅｄ ｉｎｄｉｃｅｓ ｏｆ ｃｕｌｔｉｖａｒｓ／ｌｉｎｅｓ ＧＧＥ模型和ＡＭＭＩ模型最大特点是将庞大的数 据直观反映在双标图。从图１ａ和图２ａ可见，品种 ＧＧＥ双标图是Ｇ５、Ｇ２最稳定，稳定性最差也是Ｇ６。 表明ＡＭＭＩ一１和ＧＧＥ的“产量一稳定性双标图”所 的稳定性和产量，Ｇ５的产量最高，Ｇ６的产量最低。 ＡＭＭＩ一１双标图的横坐标是产量，如果差异较小， 反映的品种的产量和稳定性具一致性。 为了鉴别在各试验点表现最好的品种，将位于 反映在图上可能有重叠的现象，不易分辨，而ＧＧＥ 双标图的横坐标是ＡＥＣ横轴，是ＰＣ１的得分，数据 经处理后，反映在双标图上，较为分散，极易区分品 图形边缘品种的标志点用直线相连，形成一个多边 形，将所有品种囊括在内。从原点（０，０）起作各边 的垂线，将整个双标图分为若干扇形区域，每个试点 种产量的高低。ＡＭＭＩ一１和ＧＧＥ一１表达的变化趋 势一致，都是越靠右，产量越高。纵坐标方向反映的 是Ｇ×Ｅ的差异，图标越接近ＩＰＣＡ１（或ＰＣ１）零值表 示Ｇ×Ｅ越小、则品种的稳定性越好。ＡＭＭＩ一１双 标图反映出Ｇ８、Ｇ２最稳定，Ｇ６的稳定性最差。而 自然落于某个区域内，每个区的“顶角”品种就是该 区域内在每一试验点上都表现最好的品种，位于多 边形内部的、靠近原点的品种是对环境变化不敏感 的品种。图２ｂ按顺时针方向可划分为三个扇区，第 一扇区落入试点主要有Ｅ２、Ｅ５、Ｅ９和Ｅ７，该区域表 １６ 干旱地区农业研究 第３１卷 现最好品种是Ｇ５；第二扇区落入试点主要有Ｅ１、 Ｅ３、Ｅ８，品种以Ｇ７表现最好，第三扇区未落入试点， 说明品种Ｇ６在所有试验点表现不好。这是ＧＧＥ ｂｉ一 ４０ ｐｌｏｔ所特有的，而ＡＭＭＩ一２模型确定最佳品种时缺 乏这种直观的图。 ３０ ２０ １０ ＿一 接翟 ” 。Ｆ－ＡＯ ◇试点Ｓ躲 ｉｔｅ Ｅｉ ．Ｙ 。 。 《 Ｇ■７ Ｃ，４● １０。 一Ｇ８ ．Ｇ７ Ｇ４－ ∞ Ｅ５ Ｏ ．．Ｇ３．．．５－ － Ｅ２． 钮Ｅ２ ０２ Ｇ８ 舌０ －０６． ． ． 毡 矸 － ３２● ．２０ ＩＰＣＡ２ ３０ Ｅｚｌ◇ １０ －２０ ３０ ４０ 吣 崤粕Ｍ平０均５ ００。。７【 ｅａｎ ｙｉｅｌｄ １０一 ．１ ・ Ｅ６◇ －．２０一 ．ｒａ）ＡＭＭ１—１双标图 Ｂｉｐｌｏｔ ｏｆＡＭＭ１－１ ｆｂ ＡＭＭＩ．２双标图 Ｂｉｐｌｏｔ ｏｆＡＭＭＩ一２ 图１ ＡＭＭＩ双标图 Ｆｉｇ．１ Ｂｉｐｌｏｔ ｏｆ ＡＭＭＩ Ｐｃ２ ＰＣ２ （ａ１摹于ＧＧＥ ｂｉｐｌｏｔ的产量和稳定性 Ｔｈｅ ｍｅａｎ ｙｉｅｌｄ ａｎｄ ｓｔａｂｉｌｉｔｙ ｂａｓｅｄ ｏｎ ＧＧＥ ｂｉｐｌｏｔ ｆｂ）ＧＧＥ双标图的“哪个赢在哪里” Ｔｈｅ ｗｈｉｃｈ—ｗｏｎ－ｗｈｅｒｅ ｖｉｅｗ ｏｆＧＧＥ ｂｉｐｌｏｔ 图２ ＧＧＥ双标图 Ｆｉｇ．２ ＧＧＥ ｂｉｐｌｏｔ ２．２试点区分能力和代表性 理想的试验点应当具备两个条件，一是对参试 品种有较强的区分能力，二是对目标生态区有较强 区域试验环境适宜性评价的方法和指标有多 种，２０世纪９０年代以前常用的指标有试点内品种 间变异系数（ＧＣＶ）、误差变异系数（ＣＥＶ）、相对最小 的代表性。只有ＧＧＥ双标图专门设计出直观进行 两方面的评价。图３中的小圆圈代表“平均环境”， 显著差数（ＲＬＳＤ０．０５）。试点内品种间变异系数 （ＧＣＶ）越大，说明该点上试验品种的遗传差异越大， 这有利于充分暴露品种的特性，能更好分辨出品种 的优劣；误差变异系数（ＣＥＶ）越小，试验的精确度越 过原点和该小圆圈的直线是平均环境，各试验点向 量的长度是其区分能力的度量。而试验点向量与平 均环境向量的角度是其对目标环境的代表性的度 量。角度越小，代表性越强。角度越大，代表性越 弱。从图３可见，Ｅ４、Ｅ５的既有好的区分能力又有 强的代表性。 高；ＲＬＳＤ０．０５值越小，该试验点次品种比较精度越 高，试点鉴别品种差异的能力越强。从表２可见，互 助点既具有代表性又具有分辨力。 第２期 常 磊等：品种稳定性不同分析模型在西北小麦区域试验中应用探讨 １７ ２．３不同稳定性参数的相关 对不同模型计算的稳定性参数进行相关分析表 明（表３）：ＧＳＶ与ＡＳＶ和ｓ 极显著正相关，ＡＳＶ与 ＳＣＶ和ｓ 呈正相关。它们所反映的品种稳定性大 小趋势高度一致。尤其是近年推崇的ＧＧＥ模型稳 定性参数ＧＳＶ和ＡＭＭＩ模型稳定性参数ＡＳＶ之间 相关性高（０．７４９ ），这充分表明ＧＧＥ稳定性分析模 型具有高度可靠性。 用上述６个指标（ｈ、 、ｒｅｈ、ＣＥＶ、ＲＬＳＤ和 ＧＣＶ）进行相关分析表明（表４）：ｒｇｈ与ＡＳＶ （０．８３８一）呈高度正相关，表明ｒ 在评判试点理 图３ ＧＧＥ双标图的“区分力与代表性” Ｆｉｇ．３ Ｔｈｅ ｄｉｓｃｒｉｍｉｎａｔｉｏｎ ａｎｄ ｒｅｐｒｅｓｅｎｔａｔｉｖｅｎｅｓｓ 想程度上具有高度可靠性。衡量试验精确度的ＣＥＶ 和品种比较精度的ＲＬＳＤ基本呈直线对应关系 （１．００一），这当然是可以理解的。 ｖｉｅｗ ｏｆ ｔｈｅ ＧＧＥ ｂｉｐｌｏｔ 表３不同稳定性参数相关分析 Ｔａｂｌｅ ３ Ｃｏｒｒｅｌａｔｉｏｎ ａｍｏｎｇ ｍｅａｎ ｙｉｅｌｄ ａｎｄ ｓｉｘ ｓｔａｂｉｌｉｔｙ ｐａｒａｍｅｔｅｒｓ ３结论与讨论 １）变异系数、Ｓｈｕｋｌａ变异系数是２０世纪７０～８０ 年代常用的衡量产量稳定性指标（或参数），而ＡＳＶ 值和ＧＳＶ值是近年流行采用的稳定性指标，四个指 环境提供了更有力的工具。首先，ＧＧＥ双标图为直 观比较与评价试点的“区分力和代表性”提供了专门 的功能图。只有既有区分力，又有代表性的试验点 才能用来有效地选择高产稳产的品种；有区分能力 但没有代表性的试验点可用于淘汰不稳定的品种， 但不能用于选择优良品种。育种点的选定是育种工 作成败的重要因素 Ｊ。 标虽然在稳定性测度上的出发点不同，但结果仍具 有较高一致性。近年来ＧＧＥ模型为评价区域试验 １８ 干旱地区农业研究 第３ｌ卷 注Ｎｏｔｅ： 一区分能力Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ ａｂｉｌｉｔｙ；ｒｇ一代表性Ｒｅｐｒｅｓｅｎｔａｔｉｖｅ； ａｂｉｌｉｔｙ ａｎｄ ｒｅｐｒｅｓｅｎｔａｔｉｖｅ 一区分能力和代表性综合指标Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｉｎｄｅｘ ｏｆ ｄｉｓｃｒｉｍｉｎａｔｉｏｎ ＧＧＥ双标图不仅可直观判断试点的区分力、代 表性及理想程度，而且ＧＧＥ分析也可提供可精确比 较的量化参数值。ｒ 是将分辨力和代表性结合起 来考虑的综合指标，反映了试点的理想程度或适宜 ２００８，４８：８６６－８８９． １５ Ｊ Ｇａｕｃｈ Ｈ Ｇ Ｊｒ．Ｓｔａｔｉｓｔｉｃａｌ ａｎａｌｙｓｉｓ ｏｆ ｙｉｅｌｄ ｔｉｆｌｓａ ｂｙ ＡＭＭＩ ａｎｄ ＧＧＥ ［Ｊ］．Ｃｒｏｐ Ｓｃｉ，２００６，４６：１４８８—１５００． １６ｊ Ｙａｎ Ｗｅｉ—ｋａｉ，Ｍａｎｊｉｔ Ｓ Ｋａｎｇ，Ｍａ Ｂａｏ－ｌｕ０，ｅｔ ａ１．Ｃｏｒｎｅｌｉｕｓ．ＧＧＥ ｂｉ－ ｐｌｏｔ ＶＳ．ＡＭＭＩ ａｎａｌｙｓｉｓ ｏｆ ｇｅｎｏｔｙｐｅ—ｂｙ—ｅｎｖｉｒｏｎｍｅｎｔ ｄａｔａｌ Ｊｊ．Ｃｒｏｐ Ｓｃｉ，２００７，４７：６４３．６５５． 程度，为区域试验地点的选择、调整提供依据。 ２）本研究表明：ＧＧＥ模型的稳定参数ＧＳＶ与 ＡＭＭＩ模型的ＡＳＶ高度的正相关，两个稳定模型评 ［７］ 常磊，柴守玺，杨德龙，等．我国旱地春小麦产量及主要农艺 指标的变异分析［Ｊ］．应用生态学报，２０１０，２１（１１）：２８２１．２８２９． ［８］ 常磊，柴守玺．ＧＧＥ双标图在我国旱地春小麦稳产性分析中 判作物的稳定性具有一致性，这与前人的研究结果 一致¨１引。各种稳定性模型都具有一定的缺陷，应选 的应用［Ｊ］．中国生态农业学报，２０１０，１８（５）：９８８．９９４． ［９］ 严威凯．双标图分析在农作物品种多点试验中的应用［Ｊ］．作物 学报，２０１０，３６（１１）：１８０５．１８１９． １ １０Ｊ Ｐｕｒｃｈａｓｅ Ｊ Ｌ，Ｈａｔｔｉｎｇ Ｈ，Ｖａｎ Ｄｅｖｅｎｔｅｒ Ｃ Ｓ．Ｇｅｎｏｔｙｐｅ×ｅｎｖｉｒｏｎ－ ｎｌｅｎｔ ｉｎｔｅｒａｃｔｉｏｎ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ｉｎ Ｓｏｕｔｈ Ａｆｒｉｃａ：ＩＩ．Ｓｔａｂｉｌｉｔｙ ａｎａｌｙｓｉｓ 择多年的资料进行统计分析，筛选出适合某个区域 的评价指标。 参考文献： ［１］穆培源，庄丽，张吉贞，等．作物品种稳定性分析方法的研究 ｏｆ ｙｉｅｌｄ ｐｅｒｆｏｒｍａｎｃｅｌＪｊ．Ｓ Ａｆｒ Ｊ Ｐ１ａｎｔ Ｓｏｉｌ，２０００，１７：１０１—１０７． 【１ １ ｊ Ｓｈｕｋｌａ Ｇ Ｋ．Ｓｏｍｅ ｓｔａｔｉｓｔｉｃａｌ ａｓｐｅｃｔｓ ｏｆ ｐａｒｔｉｔｉｏｎｉｎｇ ｇｅｎｏｔｙｐｅ ｅｎｖｉｒｏｎ— ｍｅｎｔｌ ｃｏｍｐｏｎｅｎｔｓａ ｏｆ ｖａｒｉａｂｉｌｉｔｙｌ ＪＪ．Ｈｅｒｅｄｉｔｙ，１９７２，２９：２３７－２４５． 进展［Ｊ］ 农业科学，２００３，４０（３）：１４２．１４４． ［２］吴元奇，潘光堂，荣廷昭．作物稳定性研究进展［Ｊ］．四川农业大 学学报，２００５，２３（４）：４８２．４８９． 【１２３ Ｅｂｅｒｈａｒｔ Ｓ Ａ，Ｒｕｓｓｅｌｌ Ｗ Ａ．Ｓｔａｂｉｌｉｔｙ ｐａｒａｍｅｔｅｒｓ ｆｏｒ ｃｏｍｐａｒｉｎｇ ｖａｒｉ— ｅｔｉｅｓ［ＪＪ．Ｃｒｏｐ Ｓｃｉ，１９６６，６：３６—４０． １ ｌ３ ｊ Ｄｉｍｉｔｒｉｏｓ Ｂａｘｅｖａｎｏｓ，Ｃｈｒｉｓｔｏｓ Ｇｏｕｌａｓ，Ｓｔｅｒｇｉｏｓ Ｔｚｏｒｔｚｉｏｓ，ｅｔ ａ１．Ｉｎ— ｔｅｒｒｅｌａｔｉｏｎｓｈｉｐ ａｍｏｎｇ ａｎｄ ｒｅｐｅａｔａｂｉｌｉｔｙ ｏｆ ｓｅｖｅｎ ｓｔａｂｉｌｉｔｙ ｉｎｄｉｃｅｓ ｅｓｔｉ— ［３］胡秉民，耿 旭．作物稳定性分析法［Ｍ］．北京：科学出版社， １９９３． ｍａｔｅｄ ｆｒｏｍ ｃｏｍｍｅｒｃｉａｌ ｃｏｔｔｏｎ（Ｇｏｓｓｙｐｉｕｍ ｈｉｒｓｕｔｕｍ Ｌ．）ｖａｒｉｅｔｙ ｅｖａｌ— ［４］ Ｇａｕｃｈ Ｈ Ｇ Ｊｒ，Ｐｉｅｐｈｏ Ｈ Ｐ，Ａｎｎｉｃｅｈｉａｆｉｃｏ Ｐ．Ｓｔａｔｉｓｔｉｃａｌ ａｎａｌｙｓｉｓ ｏｆ ｙｉｅｌｄ ｔｒｉａｌｓ ｂｙ ＡＭＭＩ ａｎｄ ＧＧＥ：ｆｕｒｔｈｅｒ ｃｏｎｓｉｄｅｒａｔｉｏｎｓ［Ｊ］．Ｃｒｏｐ Ｓｃｉ， ｕａｔｉｏｎ ｔｉｒｌｓａ ｉｎ ｔｈｒｅｅ Ｍｅｄｉｔｅｒｒｎｅａｎ ｃｏｕｎｔａｒｉｅｓ［Ｊ］．Ｅｕｐｈｙｔｉｃａ，２００８， １６１：３７１—３８２．
