黃婷 楊鐘秀 李倩玲 徐艷存 趙自仙

摘要：為篩選出云南中海拔地區(qū)的穩(wěn)產(chǎn)性較好的玉米品種，運用加性主效性和乘積交互作用（AMMI）模型對12個參試品種在11個參試點的產(chǎn)量數(shù)據(jù)進行分析。結(jié)果表明，品種、試點和品種與試點互作效應(yīng)均達到了極顯著水平;根據(jù)穩(wěn)定性參數(shù)和分辨力參數(shù)可知，趙禾866、云良6號和秋碩玉7號是穩(wěn)定性最好的玉米品種，試點宣威、新平和祥云的分辨力最高;產(chǎn)量與IPCA1雙標圖中品種趙禾866、云良6號和良禾364的穩(wěn)定性最好，試點新平、祥云和曲靖的分辨力最強;IPCA1與IPCA2雙標圖中趙禾866、云良6號和秋碩玉7號等3個品種的穩(wěn)定性最好，試點宣威、新平和祥云的分辨力最強。結(jié)合上述3種方法的分析結(jié)果與產(chǎn)量可知，品種云良6號、趙禾866和朝禾188的穩(wěn)產(chǎn)性最好，試點新平和祥云的分辨力最強。

關(guān)鍵詞：玉米;區(qū)域試驗;AMMI模型;穩(wěn)產(chǎn)性;試點分辨力

中圖分類號： S513.037? 文獻標志碼： A

文章編號：1002-1302（2022）07-0067-06

收稿日期：2021-07-28

基金項目：云南省重大科技專項-綠色食品國際合作研究中心專項課題（編號：2019ZG00902）。

作者簡介：黃 婷（1995—），女，貴州畢節(jié)人，碩士研究生，研究方向為作物遺傳與品種改良，E-mail：1902057544@qq.com;共同第一作者：楊鐘秀（1998—），女，云南富源人，碩士研究生，研究方向為中草藥栽培與鑒定，E-mail：3354667515@qq.com。

通信作者：趙自仙，博士，教授，研究方向為玉米育種與種質(zhì)創(chuàng)新。E-mail：zhaozix@126.com。

玉米在我國糧食作物中占有舉足輕重的地位，自2006年開始，其種植面積超過水稻和小麥[1]。隨著人們生活水平的提高及科技的進步，對玉米的需求逐漸增大，其產(chǎn)量亟待提高。品種改良可使玉米產(chǎn)量增加，云南省坡地多、土壤貧瘠，且氣候多樣，因此，篩選出適合云南山地種植的品種很重要[2]。由于品種區(qū)域試驗是品種選育與其推廣生產(chǎn)之間的重要橋梁，所以合理設(shè)置玉米區(qū)域試驗點對品種的適應(yīng)性進行判別研究，對品種的篩選具有重要意義。目前，玉米區(qū)域試驗對品種穩(wěn)定性及試點的分辨力的分析常采用變異系數(shù)法[3]、回歸系數(shù)法[4]、Shukla模型、Wricke-Shukla模型[5]和加性主效應(yīng)和乘積交互作用模型（AMMI模型）[6]等，楊錦忠等利用AMMI模型對山西晚熟春玉米區(qū)域試驗在2002—2005年間的多個地點的產(chǎn)量結(jié)果進行分析，明確了9個高鑒別力的地點[7];李燕等利用混合線性模型對糯玉米在不同試點的產(chǎn)量進行分析，得到不同試點對品種的分辨力不同，且年份和品種分別與地點互作效應(yīng)對糯玉米產(chǎn)量存在顯著影響[8];何代元等采用AMMI模型對黃淮海夏玉米在不同試點的產(chǎn)量進行分析，篩選出高產(chǎn)且穩(wěn)產(chǎn)、適應(yīng)性廣的品種[9];吳慶麗等為明確西南甜玉米在不同試驗點的穩(wěn)定性，采用AMMI模型進行分析，結(jié)果顯示，浙甜11屬于高產(chǎn)且適應(yīng)性廣的品種，可在西南地區(qū)推廣種植[10]。由于區(qū)域試驗中作物的穩(wěn)產(chǎn)性取決于作物的基因型與環(huán)境交互作用，而AMMI模型可解釋此交互作用，且有研究表明AMMI模型對玉米區(qū)域試驗數(shù)據(jù)的擬合效果最佳，可提高作物穩(wěn)產(chǎn)性評價結(jié)果的準確度[11-12]。目前，AMMI模型已被應(yīng)用于亞麻[13]、花生[14]、油菜[15]、大豆[16] 、小麥[17]、草菇[18]等作物區(qū)域試驗產(chǎn)量和主要農(nóng)藝性狀的分析評價中。為了能夠客觀、準確地評價玉米區(qū)域試驗品種的產(chǎn)量穩(wěn)定性和試點分辨力，以及明確品種與試點的互作效應(yīng)，采用AMMI模型對12個參試玉米品種在11個試點的產(chǎn)量進行分析評價，以期篩選出穩(wěn)產(chǎn)且適應(yīng)性好的新品種，為云南地區(qū)玉米育種工作及新品種的推廣提供理論參考。

1 材料與方法

1.1 試驗材料

本研究以2019年云南種業(yè)集團玉米聯(lián)合體品種區(qū)域試驗初試中海拔I組的12個品種作為材料，分別為云合9號、藍軻1721、趙禾866、海禾2號（CK）、云良6號、良禾364、黔農(nóng)1903、達美108、朝禾188、秋碩玉7號、良禾362和白瑞1號，品種來源及編號見表1。

1.2 試驗地點

參試地點分別為云南省祿勸（海拔1 759 m）、曲靖（海拔1 948 m）、宣威（海拔1 980 m）、昭通（海拔1 904 m）、祥云（海拔2 050 m）、姚安（海拔 1 863.76 m）、芒市（海拔1 260 m）、蒙自（海拔 1 350 m）、廣南（海拔1 350 m）、普洱（海拔 1 340 m）和新平（海拔1 591 m），共11個試點，試點及編號見表1。

1.3 試驗設(shè)計

試驗采用隨機區(qū)組設(shè)計，3次重復(fù)，5行/區(qū)，13穴/行，行長5 m，行距為0.8 m，雙株留苗，小區(qū)面積為20 m2，四周設(shè)保護行。實收小區(qū)中間3行計產(chǎn)，面積為12 m2。

1.4 分析方法

試驗數(shù)據(jù)采用DPS 7.05軟件進行分析，所有數(shù)據(jù)均在Microsoft Excel 2010中進行統(tǒng)計處理。

2 結(jié)果與分析

2.1 聯(lián)合方差分析、線性回歸模型分析和AMMI模型分析結(jié)果

由方差分析結(jié)果（表2）可知，品種、試點和品種與試點的交互作用（G×E）對產(chǎn)量的影響均達極顯著水平，而且品種間平方和占總處理平方和的1223%，試點間平方和占比為53.62%，而品種與試點交互作用（G×E）的平方和占比為34.15%，說明試點間的變異占主要部分，其次品種和試點交互作用（G×E）的變異，對區(qū)域試驗的整體評價非常重要。由于方差分析對品種和試點的交互作用（G×E）的解釋較模糊，所以需對品種進行下一步分析。線性回歸分析結(jié)果表明，聯(lián)合回歸、品種回歸和試點回歸均達到了極顯著水平，且三者的平方和占交互作用平方和的24.61%，即共解釋了交互作用（G×E）平方和的24.61%，殘差則占比75.89%，說明此區(qū)域試驗數(shù)據(jù)的線性回歸的擬合效果較差。AMMI模型分析結(jié)果中，IPCA1、IPCA2和IPCA3均達極顯著水平，且三者平方和之和占互作平方和的比例為80.14%，而殘差僅占互作平方和的1986%，說明AMMI模型可以更好地分析品種與試點之間的交互作用，其擬合結(jié)果優(yōu)于線性回歸模型。

2.2 品種的穩(wěn)定性分析

2.2.1 AMMI雙標圖的穩(wěn)定性分析

以不同品種和地點的平均玉米產(chǎn)量為 x 軸，IPCA1值為 y 軸作雙標圖（圖1）。 x 軸方向上，品種離中心原點越遠產(chǎn)量越高; y 軸方向上，品種越靠近 x 軸穩(wěn)定性越好。從圖1可知，12個參試品種穩(wěn)定性大小表現(xiàn)為P5>P7>P9>P3>P12（CK）>P4>P1>P6>P8>P2>P11>P10，品種P5（趙禾866）、P7（云良6號）、P9（良禾364）和P3（藍軻1721）的IPCA1值最靠近 x 軸，說明這4個品種的穩(wěn)定性較好，而P2（達美108）、P11（黔農(nóng)1903）和P10（白瑞1號）的IPCA1值離 x 軸較遠，說明這3個品種的穩(wěn)定性較差。

圖1的雙標圖僅解釋了36.96%的品種與試點的互作效應(yīng)，說明品種穩(wěn)產(chǎn)性和試點分辨力結(jié)果不具有代表性，而IPCA1與IPCA2二者共解釋了6705%的互作效應(yīng)，所以可將品種與試點的IPCA1作 x 軸、IPCA2作 y 軸作AMMI雙標圖（圖2），使其推斷結(jié)果更加準確。圖2中，品種離原點越近越穩(wěn)定。由此可知，12個參試品種的穩(wěn)定性順序為P5>P7>P6>P4>P2>P3>P9>P1>P12 （CK）>P11>P8>P10，品種P5（趙禾866）、P7（云良6號）、P6（秋碩玉7號）和P4（朝禾188）離原點較近，說明這4個品種的穩(wěn)定性較好，而P11（黔農(nóng)1903）、P8（良禾362）和P10（白瑞1號）離原點較遠，說明這3個品種穩(wěn)定性較差。圖1與圖2 排序結(jié)果不太相同，但穩(wěn)定性最好和最差的品種一致。

2.2.2 穩(wěn)定性參數(shù)分析

在AMMI模型中，由于IPCA1和IPCA2僅能解釋67.05%的交互作用，還有占交互作用13.09%的IPCA3，所以雙標圖不能全面且準確地評價品種的穩(wěn)定性，需結(jié)合穩(wěn)定性參數(shù) D? g值大小來評判品種的穩(wěn)定性，其中 D? g值越大，則該品種的穩(wěn)定性越差，反之穩(wěn)定性越好。由表3可知，12個參試品種的 D? g值排列為 P10>P3>P2>P8>P11>P1>P9>P12（CK）>P4>P6>P7>P5，即穩(wěn)定性大小表現(xiàn)為P5>P7>P6> P4>P12 （CK）>P9>P1>P11>P8>P2>P3>P10。由此可得，P5（趙禾866）、P7（云良6號）、P6（秋碩玉7號）和P4（朝禾188）的穩(wěn)定性較好，而P2（達美108）、P3（藍軻1721）和P10（白瑞1號）的穩(wěn)定性較差。

根據(jù)表3可知，12個參試品種的產(chǎn)量大小表現(xiàn)為P7>P5>P2>P4>P10>P1>P6>P11>P3>P9>P8>P12（CK），即P7（云良6號）、P5（趙禾866）、P2（達美108）和P4（朝禾188）的產(chǎn)量較高。因此結(jié)合穩(wěn)定性參數(shù)、 雙標圖及各品種產(chǎn)量，P7（云良6號）、P5（趙禾866）和P4（朝禾188）是高產(chǎn)且穩(wěn)定性好的品種，P10（白瑞1號）和P2（達美108）是高產(chǎn)不穩(wěn)產(chǎn)的品種，P6（秋碩玉7號）是穩(wěn)定性好但產(chǎn)量一般的品種，P11（黔農(nóng)1903）和P1（云合9號）是產(chǎn)量穩(wěn)定性均一般的品種，P8（良禾362）是低產(chǎn)不穩(wěn)產(chǎn)的品種，而對照P12（海禾2號）是低產(chǎn)穩(wěn)定性一般的品種。

2.3 試點分辨力分析

2.3.1 AMMI雙標圖的分辨力分析

在產(chǎn)量與IPCA1雙標圖（圖1）中， x 軸方向上，試點離中心原點越遠其產(chǎn)量越高; y軸方向上，試點離x 軸越遠其對品種的分辨力越強。從圖1可知，試點分辨力強弱表現(xiàn)為S5>S11>S2>S1>S7> S6>S4>S8>S10>S9>S3，其中S5（祥云）、S11（新平）、S2（曲靖）和S（祿勸）這4個試點的分辨力較強，而S10（普洱）、S9（廣南）和S3（宣威）的分辨力較弱。圖2中，試點離原點越遠其分辨力越強。由此可知，11個試點的分辨力強弱順序為S3>S5>S11> S10>S2>S6>S7>S1> S4>S8>S9，試點S3（宣威）、S5（祥云）、S11（新平）和S10（普洱）的分辨力較強，S4（昭通）、S8（蒙自）和S9（廣南）分辨力較弱。

2.3.2 分辨力參數(shù)分析

由于僅靠雙標圖來評價試點對品種的分辨力的結(jié)果不夠準確，需結(jié)合參試點的分辨力參數(shù) D? e值來評判， D? e值越大則表明該試點對品種的分辨力越強，反之對品種的分辨力越差。由表4可知，11個試驗點的 D? e值排序為S3>S11>S5>S10>S2>S6>S4>S7>S1>S8>S9，由此可知，S3（宣威）、S11（新平）、S5（祥云）和S10（普洱）這4個試點對品種的分辨力較強，而S1（祿勸）、S8（蒙自）和S9（廣南）對品種的分辨力較弱。

雙標圖與分辨力參數(shù)的排序結(jié)果不一致，因而結(jié)合雙標圖與分辨力參數(shù)值，試點S11（新平）和S5（祥云）對品種的分辨力最強，其次是試點S2（曲靖），而試點S8（蒙自）和S9（廣南）分辨力最弱。

2.4 品種的特殊適應(yīng)性

2.4.1 AMMI雙標圖分析

參試品種與參試地點的互作是品種特殊適應(yīng)性的表現(xiàn)，可因地制宜選擇優(yōu)良品種。在產(chǎn)量與IPCA1雙標圖（圖1）中，品種與其同側(cè)鄰近試點存在正向互作作用，即該品種對這些試點有特殊適應(yīng)性。由圖1可知，高產(chǎn)品種P7（云良6號）和P5（趙禾866）均在試點S2（曲靖）、S3（宣威）和S10（普洱）等存在特殊適應(yīng)性;P2（達美108）和P4（朝禾188）均在試點S1（祿勸）、S4（昭通）和S11（新平）等存在特殊適應(yīng)性。在IPCA1與IPCA2雙標圖（圖2）中，品種P7（云良6號）和P5（趙禾866）均在S2（曲靖）和S10（普洱）等試點存在特殊適應(yīng)性;P2（達美108）在試點S1（祿勸）、S11（新平）和S7（芒市）等試點存在特殊適應(yīng)性，P4（朝禾188）在試點S7（芒市）、S4（昭通）和S11（新平）等試點存在特殊適應(yīng)性。對于其他品種的情況也可作類似推斷。

2.4.2 互作效應(yīng)分析

品種與試點的互作效應(yīng)值（ D? ge）可預(yù)知品種對試點是否存在特殊適應(yīng)性，由于互作效應(yīng)值是基于全部顯著的乘積項所得，因此其結(jié)果較雙標圖更能確定優(yōu)良品種的推廣區(qū)域。由表5可知，高產(chǎn)品種云良6號和趙禾866均在試點曲靖、宣威、廣南和普洱有較大的正交互作用，因此二者均對這4個試點有特殊適應(yīng)性，而云良6號在試點祿勸和祥云的負交互作用較大，不宜在這2個試點種植，趙禾866則在試點祥云、姚安和芒市的負交互作用大，不宜在這3個試點種植;達美108在試點宣威、蒙自和新平等有特殊適應(yīng)性，而不宜種植于曲靖、昭通和姚安等試點;朝禾188在試點曲靖、昭通、普洱和新平等有特殊適應(yīng)性，而不宜在宣威、祥云和姚安等試點種植。其他品種與試點的情況可作類似推斷。

3 討論

前人研究認為，AMMI模型是在分析玉米品種穩(wěn)定性與試點分辨力的方法里最佳的模型[19-20]，所以本研究采用此模型進行分析，發(fā)現(xiàn)環(huán)境對產(chǎn)量的影響最大，其次是基因型，環(huán)境與基因型交互作用最小，這與岳海旺等的研究結(jié)果[21]一致，說明在推廣時應(yīng)因地制宜選擇優(yōu)良品種。根據(jù)穩(wěn)定性參數(shù)可知，趙禾866、云良6號和秋碩玉7號是穩(wěn)定性最好的品種，和IPCA1與IPCA2雙標圖結(jié)果一致，而和產(chǎn)量與IPCA1雙標圖結(jié)果不一致，同時在對參試點進行分辨力分析時，根據(jù)分辨力參數(shù)和IPCA1與IPCA2雙標圖的結(jié)果中試點宣威的分辨力最強，但在產(chǎn)量與IPCA1雙標圖中宣威的分辨力最差，這是因為IPCA1僅解釋了36.96%的互作效應(yīng)，且沒有考慮IPCA3對品種與試點交互作用的解釋，所以導致穩(wěn)定性參數(shù)和分辨力參數(shù)與雙標圖結(jié)果不一致，這與劉其寧等的研究結(jié)果[13，22-23]一致。也有研究認為，多個顯著的乘積項會降低對品種與試點交互作用的解釋能力，所以應(yīng)分別結(jié)合穩(wěn)定性參數(shù)、分辨力參數(shù)與具有顯著性的乘積項所作雙標圖的結(jié)果來確定品種穩(wěn)定性及試點分辨力[7，24]。本研究還發(fā)現(xiàn)，12個參試品種中達美108和白瑞1號產(chǎn)量較高，但其穩(wěn)定性均較差，而對照海禾2號產(chǎn)量雖低，但其穩(wěn)定性較好，說明這些品種在特定的地區(qū)可發(fā)揮其增產(chǎn)潛力，這與姚金保等對小麥產(chǎn)量進行穩(wěn)定性分析的研究結(jié)果[17]一致，即不同品種對某些試點存在著特殊適應(yīng)性，可因地制宜選擇優(yōu)良品種。

4 結(jié)論

本研究采用AMMI模型對12個參試品種在11個參試點的產(chǎn)量進行分析后，結(jié)合品種穩(wěn)定性參數(shù)、試點分辨力參數(shù)和雙標圖的分析結(jié)果與產(chǎn)量可知，品種云良6號、趙禾866和朝禾188的穩(wěn)產(chǎn)性最好，試點則以新平和祥云的分辨力最強。

參考文獻：

[1]國家統(tǒng)計局. 中華人民共和國2019年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報[J]. 中國統(tǒng)計，2020（3）：8-22.

[2]吳永常，馬忠玉，王東陽，等. 我國玉米品種改良在增產(chǎn)中的貢獻分析[J]. 作物學報，1998，24（5）：595-600.

[3]胡秉民，耿 旭. 作物穩(wěn)定性分析法[M]. 北京：科學出版社，1993.

[4]Brown K D，Sorrells M E，Coffman W R. A method for classification and evaluation of testing environments[J]. Crop Science，1983，23（5）：889-893.

[5]Kempton R A，F(xiàn)ox P N，Cerezo M. Statistical methods for plant variety evaluation[M]. London：Chapman & Hall，1997：60-82.

[6]Piepho H P.Empirical best linear unbiased prediction in cultivar trials using factor-analytic variance-covariance structures[J]. Theoretical and Applied Genetics，1998，97（1/2）：195-201.

[7]楊錦忠，郝建平，姚宏亮，等. 基于AMMI模型的玉米區(qū)域試驗地點鑒別力的重演性研究[J]. 玉米科學，2011，19（4）：145-148.

[8]李 燕，林 峰，李潞潞，等. 浙江省糯玉米品種穩(wěn)定性、適應(yīng)性和試點綜合評價[J]. 浙江大學學報（農(nóng)業(yè)與生命科學版），2017，43（3）：281-288.

[9]何代元，胡 寧，馬兆錦，等. AMMI模型在玉米區(qū)域試驗中的應(yīng)用[J]. 玉米科學，2009，17（4）：144-147，152.

[10]吳慶麗，宋成孝，李 輝，等. 運用AMMI模型分析西南鮮食甜玉米區(qū)試品種的穩(wěn)定性及適應(yīng)性[J]. 湖北農(nóng)業(yè)科學，2019，58（增刊2）：126-129.

[11]趙自仙，高祥擴，孫家榮，等. 云南玉米區(qū)域試驗點區(qū)辨力估算方法的比較研究[J]. 西南農(nóng)業(yè)學報，2005，18（2）：141-143.

[12]王春平，呂靜霞，王黎明，等. 幾種模型在玉米區(qū)域試驗的適用性與品種評價中的差異研究[J]. 中國農(nóng)學通報，2012，28（33）：35-39.

[13]劉其寧，杜 剛，吳學英. AMMI模型在亞麻區(qū)域試驗分析中的應(yīng)用[J]. 西南農(nóng)業(yè)學報，2008，21（2）：295-300.

[14]寧東賢，趙玉坤，閆翠萍，等. 山西省南部花生品種產(chǎn)量穩(wěn)定性的模型分析及評價[J]. 作物雜志，2017（3）：39-43.

[15]劉堅堅，周榮保，楊進成，等. AMMI模型分析低緯高原山區(qū)油菜品種的農(nóng)藝性狀[J]. 西南農(nóng)業(yè)學報，2017，30（11）：2412-2416.

[16]譚春燕，李振動，朱星陶，等. AMMI模型在貴州大豆品種區(qū)域試驗中的應(yīng)用[J]. 貴州農(nóng)業(yè)科學，2019，47（7）：10-13.

[17]姚金保，張 鵬，余桂紅，等. 江蘇省小麥品種（系）籽粒產(chǎn)量基因型與環(huán)境互作分析[J]. 麥類作物學報，2021，41（2）：191-202.

[18]張志鴻，柯麗娜，袁 濱，等. 利用AMMI模型分析草菇區(qū)域品比試驗研究[J]. 中國食用菌，2018，37（4）：22-25.

[19]Zhang Q Y，Kong F L. Comparison of statistical models for regional crop trial analysis[J]. Agricultural Sciences in China，2002，1（6）：605-611.

[20]陳就就，胡希遠. 不同方差協(xié)方差結(jié)構(gòu)線性混合模型在玉米品種區(qū)域試驗中的適用性及模型誤用對分析結(jié)果的影響[J]. 西北農(nóng)業(yè)學報，2012，21（5）：96-102.

[21]岳海旺，李春杰，李 媛，等. 河北省春播玉米品種產(chǎn)量穩(wěn)定性及試點辨別力綜合分析[J]. 核農(nóng)學報，2018，32（7）：1267-1280.

[22]張 澤，魯 成，向仲懷. 基于AMMI模型的品種穩(wěn)定性分析[J]. 作物學報，1998，24（3）：304-309.

[23]龔錫震，柏光曉，任 洪，等. 基于AMMI模型對青貯玉米區(qū)域試驗穩(wěn)定性和適應(yīng)性分析[J]. 種子，2019，38（4）：110-113.

[24]賀清秀，周彥民. AMMI模型在重慶市玉米區(qū)域試驗中的應(yīng)用[J]. 西南師范大學學報（自然科學版），2017，42（9）：109-115.