利用AMMI模型评价湖北省水稻区试品种的适应性_农业科学论文.doc

利用AMMI模型评价湖北省水稻区试品种的适应性一农业科学论文作物品种区域试验一般采用多试点对作物品种的稳定性、适应性进行综合评价来决定 其是否推广应用［1, 2］显然，区试品种的产量表现会随试点的不同而不断变化，表明品种 的内在基因型与外在环境间存在互作效应［2］用于研究品种与环境互作效应的数学方法及 模型很多，但考虑到品种×环境互作效应中线性和非线性作用同时存在，而且非线性 的互作常常占更大比例［3］, AMMI模型逐渐引起了许多育种家的兴趣并得到广泛应用［2.7］, 如在我国水稻、小麦、玉米、棉花等农作物国家区域试验中均采用该模型进行区试品种适应 性的评价［1, 2, 4-7］oAMMI 模型（Additive main effects and multiplicative interaction model）是一种将主成 分分析与方差分析相结合的统计方法［8, 9］,通过将各因素主效应性线性相加、各因素间互 作效应相乘的数理模型可以对多点产量试验中品种与环境互作特征进行深入研究［2, 4-6, 8］与常规的方差分析模型［10］和线性回归模型［11］相比，AMMI模型能够更透彻地解释品 种内在基因型与外在环境间的互作关系［12, 13］。

另外，通过AMMI模型双标图可以直观地 解释基因型与环境之间互作效应的大小，应用稳定性参数D可以直观地描述品种的稳定性 和环境的鉴别力大小［3-6］,现已被广泛应用到水稻、小麦、玉米、棉花、大豆等作物品种的 产量、品质等性状稳定性及其适应性研究中［2-7］c本研究利用AMMI模型对2013年湖北省 水稻区域试验产量数据进行分析，以便对参试品种的稳定性及各环境试点的鉴别力进行客观 评价1材料与方法1.1试验材料以2013年湖北省水稻区域试验数据为资料进行AMMI分析，参试品种共12个，代 码为V1.V12；在10个地点：恩施（E1）、宜昌（E2）、襄樊（E3）、随州（E4）、钟祥（E5）、 荆州农业科学院（E6）、潜江（E7）、孝感（E8）、湖北省农业科学院（E9）、湖北省农业展 示中心（E10）进行产量评比试验试验按湖北省水稻区域试验方案执行，每试点采用完全 随机区组试验设计，3次重夏，小区面积13.3 m2,田间记录和室内考种按湖北省水稻区域 试验标准进行1.2 AMMI模型统计分析AMMI 模 型 表 达 式 为： yijk=μ+αi+βj+Σλnγinδjn+θij+εijk［ 2, 8, 14］。

式中，yijk是第i个品种或基因型在第j个环境中的第k次重复的观测值，μ 为总平均值，αi为第i个品种的主效应，βj为第j个环境的主效应，倍加性参数 λn为第n个主成分分析的特征值,γin是第n个主成分的基因型主成分得分, δjn是第n个主成分的环境主成分得分,n是模型主成分分析中主成分因子轴的总个数, θij为提取p个主成分后余下的残差，εijk为试验误差AMMI模型分析方法 具体参照文献［2, 14］进行对品种与环境的互作作用模式采用AMMI1和AMMI2双标图直 观地表示：AMMI1双标图，X轴表示基因型与环境的平均值（本研充具体是指各个品种、 地点的平均产量），Y轴表示品种和地点的IPCA1值；AMMI2双标图，X轴表示品种和地 点的IPCA1值，Y轴表示品种和地点相应的IPCA2位［3-6, 14-15］对于各品种的稳定性和 各环境试点的鉴别力分别采用参数Dg.De进行评判，该参数表示特定基因型或环境在IPCA 空间中离坐标原点的欧式距离［2-3, 6, 13-17］；基因型的D值越小表明品种越稳定，环境 的D值越大表明环境对品种的鉴别力越强。

数据分析采用唐启义等［18］的DPS数据处理系 统进行计算2结果与分析2.1供试材料的方差和AMMI模型联合分析对水稻区域试验产量数据进行方差和AMMI模型联合分析（表1）,结果表明，基因 型、环境和两者间交互作用引起的产量变异均达到极显著水平（P<0.01）,它们的平方和 分别占总平方和的21.09%、55.95%、16.48%这说明在作物区域试验中，品种基因型、环 境及两者间的互作效应均对作物产量的表现起着非常重要的作用为了深入剖析品种基因型 与环境间的互作效应，采用AMMI模型对互作效应的平方和进行分解（表1）,共分解出3 项显著的交互效应主成分轴：IPCAk IPCA2、IPCA3,分别占交互作用总平方和的50.56%、 22.57%、13.31%,三者一起共解释了 86.44%的交互作用，而残差仅占13.56%；因此，可以 利用这3项达到极显著的交互效应主成分轴IPCA1、IPCA2、IPCA3很好地解释品种基因型 与环境间的互作效应2.2 AMMI模型双标图分析AMMI模型分析结果双标图可以更有效、直观的看出品种与环境的互作关系图la 是基于品种、环境的平均产量和各自IPCA1值的AMMI1双标图，从图中可以清楚地看出 在水平方向（即平均产量）上试点（10.22〜13.64）比品种（10.85〜12.59）更为分散，表明 相比于品种基因型，环境对品种产量的表现具有更大的影响[2-4, 6, 15]o AMMII双标图 的纵轴代表各品种和试点的交互效应主成分轴IPCA1值的大小；其中品种的IPCA1值介于 -1.184 4〜0.930 6之间,试点的IPCA1值介于-0.480 6〜1.833 9之间。

考虑到AMMI1 双标图中IPCA1只能解释50.56%的交互作用（表1）,不能很好地代表环境与品种的交互效 应，故利用能代表大部分互作变异信息的的AMMI2双标图（交互效应主成分轴IPCA1和 IPCA2能解释总互作效应的73.13%）对环境与品种间互作作用进行剖析，如图la所示依据AMMI模型定义，品种与试点的互作效应可表示为相应品种和试点向量（即图 lb中坐标原点与代表品种和试点的坐标点间的连线）的内积[2, 8]o因此，可按品种和试点 向量的长度及方向，将供试品种与环境的互作作用分为以卜4种：①互作双方（即品种与试 点）中至少有一方靠近坐标原点（即向量长度接近0）,如品种V5、VII或试点E2、E3、 E6、E10与各试点或品种的互作效应均在0附近，这可以从表2中的数据得到验证；其中尤 以品种 V5、VII 与试点 E2、E3、E6、E10 间互作效应最小：V5E2 （0.174）、V5E3 （-0.326）＞ V5E6 （0.250）、V5E10 （・0.330）、V11E2 （0.131）、V11E3 （0.016）、V11E6 （0.311）、V11E10 （-0.682）□②互作双方的向量方向大致呈垂直状态，如E2和V10、E5和V7、E7和V4等, 尽管两个向量的长度比较大，但因为向量方向大致垂直，则根据向量内积定义（两向量内积 为两向量的长度乘积再乘以两向量间夹角的余弦）可知，这些向量间的内积接近于0,这与 表2中品种与试点间的互作效应E2V10 （-0.004）＞ E5V7 （0.033）、E7V4 （-0.040）等相吻 合。

③互作双方（即品种与试点）中两者向量方向大致相反即一个向量位于另一向量方向的 反向延长线附近，如E1和VI、E7和V8、E1和V7等，则该品种和试点间存在很大的负向 互作效应，这也可以通过表2的数据进行验证，品种和试点E1V1、E7V8、E1V7的互作效 应分别为-2.170、-1.557、-1.385,排在负向效应前3位，这也表明试点EI （恩施）最不适 应的品种是VI、V7,试点E7 （潜江）最不适应的品种是V8④互作双方（即品种与试点） 的向量,其方向大致相同,如E1和V4、E7和VI、E1和V6等，则该品种和试点间存在很 大的正向互作效应,品种和试点E1V4、E7V1、E1V6的互作效应分别为1.688、1.094、0.977, 排在正向效应前3位（表2）,这也表明试点E1 （恩施）最适应的品种是V4、V6,试点E7 （潜江）最适应的品种是VI2.3品种稳定性和地点鉴别力分析为了全而评价各个品种的稳定性和环境试点的鉴别能力，分别采用相应品种或试点在 IPCA空间中离坐标原点的欧式距离，即参数Dg、De［2, 3, 13-17］来进行衡量（表3）供 试 品 种 DV 值 排 列 为V8>V 1 >V3>V2>V4>V7>V6>V 10>Vl 2>V9>V 11 >V5,品种 的DV值越小表明品种越稳定。

综合各品种产量表现可知，品种V10、V12的丰产性、稳产 性均表现很好；品种V4、V6、V7属于丰产性很好但稳产性一般的品种；品种V9、VII属 于稳产性很好但产量一般的品种；品种VI属于产量一般且稳产性很差的品种；品种V5属 于稳产性很好，但产量很差的品种；品种V2、V3、V8属于丰产性和稳产性均很差的品种环境试点 De 值排列为 El>E7>E8>E2>E4>E9> E5>E6>E10>E3 （表4）,环境试点De值越大表明试点对品种的鉴别力越强其中 试点E1 （恩施）、E7 （潜江）、E8 （孝感）对品种的鉴别力最强，试点E3 （襄樊）、E6 （荆 州农业科学院）、E10 （湖北省农业展示中心）对品种的鉴别力最弱，其他试点E2 （宜昌）、 E4 （随州）、E5 （钟祥）、湖北省农业科学院（E9）对品种的鉴别力居中（表4）3小结在多环境试验中，基因型与环境互作效应受到许多作物育种家的重视前人通过大量 分析得出，对作物产量等数量性状来讲，环境、基因型与环境互作引起的差异要大于基因型 引起的差异，变异分别来自三者的比例大致为70%、20%、10%［14, 16, 19］。

在本研究中， 环境、基因型与环境互作、基因型引起的产量变异分别占总处理变异的55.95%、16.48%、 21.09%,其中基因型与环境互作引起的差异略小于基因型引起的差异；这可能与区域试验 的地点选择有关本试验数据来源于湖北省水稻区域试验，地点范围均分布在湖北省内、地 点覆盖范围较窄，有些试点之间存在一定的同质性，如试点E4 （随州）、E5 （钟祥）和E8 （孝感）在AMMI2双标图中位置非常靠近，这必然导致这些试点与品种的互作效应大致类 似，引起的互作效应变异偏小另外，试点E3 （襄樊）、E6 （荆州农业科学院）也是如此 对于本试验中基因型与环境互作的效应要小于基因型引起的差异，这在湖北省水稻区试其他 组别中也有类似结果（未发表数据）但在国家水稻区试试验中，由于各个试点的生态环境 差异很大（如2013年我国长江中下游中釉迟熟组区试点分别选取湖南怀化、湖南岳阳、江 西九江、江西南昌、湖北宜昌、湖北京山、安徽合肥、安徽滁州、安徽芜湖、安徽黄山、福 建建阳、江苏扬州、江苏盐城、河南信阳、浙江富阳作为试点），往往是基因型与环境互作 引起的差异要大于基因型引起的差异［1, 2］由于AMMI模型成功地将方差分析和主成分分析结合在一起，为研究具体的基因型 与环境互作及品种稳定性差异评价提供了一条方便的途径［6, 14-17, 20］o依据AMMI模型 结果，可以针对不同品种或环境选取相应的最适环境或品种。

本试验中品种VI在这10个 试点（E1-E10）中，最适宜的地点是E7 （潜江）；试点E1 （恩施）最适应的品种是V4；对 于其他品种或试点可类推由此可见，通过AMMI模型对品种与环境间互作作用进行深入 剖析，不仅有助于鉴别品种的适应性、稳定性和丰产性，而且对于深入理解品种和试点互作、 明确试点间的相互关系、制定育种目标和良种的示范推广也有。