李紅宇，任淑娟，魏玉光，劉夢紅，潘世駒，趙洋，蔡永勝，鄭桂萍，劉麗華

（1.黑龍江八一農(nóng)墾大學(xué)農(nóng)學(xué)院，大慶163319；2.黑龍江省八五六農(nóng)場；3.黑龍江省大興農(nóng)場）

水稻品種區(qū)域試驗(yàn)?zāi)康脑谟跍y驗(yàn)新選育品系的穩(wěn)定性、豐產(chǎn)性和地區(qū)適應(yīng)性[1]。當(dāng)前，品種間豐產(chǎn)性的比較使用常規(guī)的方差分析方法進(jìn)行多重比較即可，而品種的適應(yīng)性和穩(wěn)定性則主要取決于基因型與環(huán)境的互作效應(yīng)。1938年Yates和Cochran提出利用回歸分析法分析基因型×環(huán)境互作以來，科研工作者使用多種方法研究基因型與環(huán)境的互作效應(yīng)[2]。線性模型通常只能解釋很少一部分交互作用，無法充分利用試驗(yàn)所獲得的信息，約束性很大[3]。采用主效可加互作可乘模型（AMMI）對區(qū)域試驗(yàn)品系進(jìn)行穩(wěn)定性分析[4]，以期能夠更為全面的評價(jià)品種，更有效的利用基因型與環(huán)境互作的互作效應(yīng)。

1 材料與方法

1.1 試驗(yàn)材料

使用2012年黑龍江省墾區(qū)第二積溫帶早熟組水稻區(qū)域試驗(yàn)數(shù)據(jù)。參試品種11個(gè)，試驗(yàn)點(diǎn)8個(gè)，參試品種和試驗(yàn)地點(diǎn)在黑龍江省墾區(qū)均具有代表性。試驗(yàn)品種（系）和地點(diǎn)及代碼見表1。

表1 參試品種及試驗(yàn)點(diǎn)Table1 Test varieties and sites

1.2 試驗(yàn)方法

1.2.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)采用完全隨機(jī)區(qū)組設(shè)計(jì)，三次重復(fù)，穴距和行距分別為12 cm和30 cm，施肥量和田間管理依據(jù)黑龍江墾區(qū)水稻區(qū)域試驗(yàn)方案進(jìn)行。

1.2.2 統(tǒng)計(jì)方法

在基因型×環(huán)境互作效應(yīng)顯著的前提下，進(jìn)行同質(zhì)性檢驗(yàn)和聯(lián)合方差分析，采用主效可加互作可乘模型（AMMI）進(jìn)行品種穩(wěn)定性分析。

式中，Yger表示第g個(gè)基因型在第e個(gè)環(huán)境中的第r次重復(fù)觀察值，u表示總體平均值，αg表示基因型平均偏差，βe表示環(huán)境的平均偏差，λn表示第n個(gè)主成分的分析特征值，γgn表示第n個(gè)主成分基因型的主成分得分，δen表示第n個(gè)主成分的環(huán)境主成分得分，n表示模型主成分分析中主成分因子軸的總個(gè)數(shù)，θger表示誤差。代表所估算的基因型×環(huán)境交互作用（G×E），λn0.5 rgn和λn0.5δen分別表示基因型G與環(huán)境E交互作用的第n個(gè)交互作用主成分（IPCAn）。在所有顯著的IPCA上，數(shù)值較小的基因型（或環(huán)境）即為穩(wěn)定的基因型（或環(huán)境）。因此，在IPCA雙標(biāo)圖上，基因型（或環(huán)境）愈接近坐標(biāo)原點(diǎn)越穩(wěn)定[6]。

參照吳為人[7]的計(jì)算方法計(jì)算品種穩(wěn)定性參數(shù)Di。Di是一個(gè)品種在交互作用主成分（IPCA）空間中的位置與原點(diǎn)的歐氏距離。

式中，n表示顯著的IPCA個(gè)數(shù)，γin表示第i個(gè)基因型在第n個(gè)IPCA上的得分，ωn表示權(quán)重系數(shù)，即每個(gè)IPCA所解釋的平方和占全部IPCA所解釋的平方和的比例。用Di為所有基因型給出相應(yīng)的定量指標(biāo)，品種的Di值越小，其穩(wěn)定性越好。

采用Microsoft Excel 2003進(jìn)行數(shù)據(jù)整理，使用DPS 7.05進(jìn)行模型分析。

2 結(jié)果與分析

2.1 基因型與環(huán)境互作的AMM I模型分析

表2和表3結(jié)果表明，試驗(yàn)中各個(gè)參試品種的平均產(chǎn)量在不同試驗(yàn)區(qū)表現(xiàn)出不同數(shù)值，說明水稻品種間產(chǎn)量的穩(wěn)定性不同。平均產(chǎn)量以建09-17最高，墾稻09-1192次之，北粳1128最低。同一試驗(yàn)區(qū)品種間產(chǎn)量性狀平均值不同，說明不同環(huán)境對水稻產(chǎn)量性狀的影響不同。平均值以農(nóng)墾所水稻最高，八五〇農(nóng)場次之，八五七農(nóng)場最低。

表2 同一品種在不同試驗(yàn)區(qū)的產(chǎn)量平均值Table2 Average yield of same varieties from different test sites

續(xù)表2同一品種在不同試驗(yàn)區(qū)的產(chǎn)量平均值Continued Table2 Average yield of same varieties from different test sites

表3 同一試驗(yàn)區(qū)不同品種的3個(gè)品質(zhì)性狀平均值Table3 Average yield of different varieties from same test sites

對各試驗(yàn)點(diǎn)數(shù)據(jù)誤差方差進(jìn)行同質(zhì)性測驗(yàn)，誤差方差同質(zhì)，進(jìn)而進(jìn)行產(chǎn)量聯(lián)合方差分析（表4）。利用基因型、環(huán)境及基因型×環(huán)境平方和占總平方和的百分比（即SS%）表示三者對產(chǎn)量性狀的影響力。表3結(jié)果顯示，交互作用對產(chǎn)量的影響最大，SS%為51.9%，其次為環(huán)境，38.1%，基因型最低，10.0%。產(chǎn)量在品種間、環(huán)境間差異及基因型與環(huán)境互作效應(yīng)均達(dá)到極顯著水平，故有必要利用AMMI模型對產(chǎn)量進(jìn)行穩(wěn)定性分析。

表4 參試品種的基因型和環(huán)境互作效應(yīng)分析Table4 Analysis of the interaction of genotype and environment for rice yield

2.2 產(chǎn)量的穩(wěn)定性及地點(diǎn)影響分析

AMMI模型穩(wěn)定性分析結(jié)果顯示（表4），產(chǎn)量主成分因子IPCA1、IPCA2和IPCA3的F測驗(yàn)顯著或極顯著，分別解釋基因型×環(huán)境總變異平方和的54.8%、22.5%和11%。主成分因子IPCA1和IPCA2解釋了基因型×環(huán)境總變異平方和的77.3%。因此，可以利用IPCA1和IPCA2代表的互作部分對產(chǎn)量穩(wěn)定性進(jìn)行評價(jià)。11個(gè)品種和8個(gè)生態(tài)點(diǎn)的主成分因子和相應(yīng)穩(wěn)定性參數(shù)Di值和Dj值列于表2和表3。11個(gè)參試材料穩(wěn)定性以建09-19最好，其次是龍粳21，再次的是墾10-1240，穩(wěn)定性最差的是墾稻10-2206。

以Dj值表示試驗(yàn)地點(diǎn)對品種產(chǎn)量的影響，D j值越大表示試驗(yàn)地點(diǎn)對品種產(chǎn)量影響越強(qiáng)，反之，影響越弱，影響強(qiáng)的地點(diǎn)更適宜作為區(qū)試地點(diǎn)。由表3可以看出，試驗(yàn)6個(gè)試點(diǎn)中，對產(chǎn)量影響最強(qiáng)的是二九一農(nóng)場，其次是八五六農(nóng)場，再次為八五〇農(nóng)場，影響最差的為江川農(nóng)場。

2.3 品種適應(yīng)性分析

由于基因型×環(huán)境的IPCA1+IPCA2能夠解釋總變異的77.3%（表3），以IPCA1為橫軸，IPCA2為縱軸制作AMMI雙標(biāo)圖（圖1），能夠直觀表示品種的穩(wěn)定性和地點(diǎn)的影響力。在AMMI雙標(biāo)圖上，以數(shù)據(jù)點(diǎn)距離坐標(biāo)原點(diǎn)的距離表示品種的穩(wěn)定性，距離越短，品種穩(wěn)定性越好，距離越遠(yuǎn)，地點(diǎn)影響力越強(qiáng)。所以，雙標(biāo)圖所反映出的品種穩(wěn)定性和地點(diǎn)影響力與表2和表3結(jié)果相一致。

品種在某試點(diǎn)的最大交互效應(yīng)用此地點(diǎn)圖標(biāo)與原點(diǎn)的連線在二維空間的垂直投影表示，其中于正向連線上的最大投影表示此品種在該試點(diǎn)表現(xiàn)出最佳適應(yīng)性，若垂直投影在地點(diǎn)和原點(diǎn)的反向延長線上則表現(xiàn)出不適應(yīng)性[8]。建09-17在八五〇農(nóng)場和八五七農(nóng)場，墾10-1624在八五六農(nóng)場，墾稻10-2206在二九一農(nóng)場和友誼農(nóng)場，墾09-1709在江川農(nóng)場、農(nóng)墾水稻所和興凱湖農(nóng)場表現(xiàn)出最佳適應(yīng)性。

圖1 品種產(chǎn)量的AMM I交互作用雙標(biāo)圖Fig.1 AMMIbiplots（IPCA1-IPCA2）for yield of rice

3 結(jié)論與討論

基因型×環(huán)境互作是一個(gè)復(fù)雜的生物學(xué)現(xiàn)象，要闡明其規(guī)律存在許多困難。AMMI模型集方差分析和主成分分析于一體，不但能夠最大程度的反映基因型和環(huán)境互作效應(yīng)，而且能夠準(zhǔn)確地描述品種的穩(wěn)定性，是當(dāng)前分析品種穩(wěn)定性的最佳模型[9-12]。結(jié)果表明，基因型與環(huán)境互作對產(chǎn)量的影響最大，其次為環(huán)境，基因型最低。產(chǎn)量在基因型間、環(huán)境間差異及G×E互作效應(yīng)均達(dá)到極顯著水平，故利用AMMI模型對產(chǎn)量進(jìn)行穩(wěn)定性分析。IPCA1、IPCA2和IPCA3分別解釋G×E總變異平方和的54.8%、22.5%和11%。參試材料穩(wěn)定性最好的是建09-19，其次是龍粳21，再次是墾10-1240，穩(wěn)定性最差的是墾稻10-2206；試驗(yàn)點(diǎn)中對產(chǎn)量鑒別力最強(qiáng)的是二九一農(nóng)場，其次是八五六農(nóng)場，再次為八五〇農(nóng)場，最差的為江川農(nóng)場。建09-17在八五〇農(nóng)場和八五七農(nóng)場，墾10-1624在八五六農(nóng)場，墾稻10-2206在二九一農(nóng)場和友誼農(nóng)場，墾09-1709在江川農(nóng)場、農(nóng)墾水稻所和興凱湖農(nóng)場表現(xiàn)出最佳適應(yīng)性。

[1]林國平，張俊杰，王毅，等.應(yīng)用AMMI模型分析白肋煙品種的豐產(chǎn)性及穩(wěn)產(chǎn)性[J].中國煙草科學(xué)，2009，30（4）：13-16.

[2]沈希宏，楊仕華，謝芙賢，等.水稻品種區(qū)域試驗(yàn)的品種×環(huán)境互作及其與氣候因子的關(guān)系[J].中國水稻科學(xué)，2000，14（1）：31-36.

[3]董云，王毅，漆燕玲，等.應(yīng)用AMMI模型分析評判甘肅省春油菜區(qū)試品種的穩(wěn)定性和適應(yīng)性[J].西北農(nóng)業(yè)學(xué)報(bào)，2010，19（7）：74-78.

[4]宿飛飛，陳伊里，呂典秋，等.用AMMI模型分析馬鈴薯淀粉品質(zhì)性狀的穩(wěn)定性[J].東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2009，40（11）：18-22.

[5]蘇振喜，趙國珍，廖新華.云南粳型特色軟米食味品質(zhì)性狀穩(wěn)定性分析[J].中國水稻科學(xué)，2010，24（3）：320-324.

[6]Piepho H P.Analyzing genotype-environment data by mixed models with multiplicative effects[J].Biometrics，1997，53：761-766.

[7]吳為人.對基于AMMI模型的品種穩(wěn)定性分析方法的一點(diǎn)改進(jìn)[J].遺傳，2000，22（1）：31-32.

[8]劉麗華，胡遠(yuǎn)富，陳喬，等.利用AMMI模型分析寒地水稻3個(gè)品質(zhì)性狀的基因型與環(huán)境互作[J].作物學(xué)報(bào)，2013，39（10）：1849-1855.

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

[10]張澤，魯成，向中懷.基于AMMI模型的品種穩(wěn)定性分析[J].作物學(xué)報(bào)，1998，24（3）：304-306.

[11]樊龍江，胡秉民，許德信.水稻區(qū)域試驗(yàn)點(diǎn)對品種判別能力估算方法的研究[J].中國水稻科學(xué)，2000，14（1）：58-60.

[12]聶春陽，柴楠，杜春影，等.不同育苗方式對寒地水稻秧苗素質(zhì)及產(chǎn)量的影響[J].黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào)，2012，24（3）：5-7.