8个党参品种在定西主产区产量的AMMI模型分析

2014-02-07尚龙山张华尚虎山

甘肃农业科技 2014年11期

尚龙山，张华，尚虎山

（1.甘肃省定西市安定区农业广播电视学校，甘肃定西 743000；2.甘肃省定西市安定区能源站，甘肃定西 743000；3.甘肃省定西市农业科学研究院；甘肃定西 743000）

尚龙山1，张华2，尚虎山3

采用AMMI模型，对定西市4个主产县（区）8个党参品种（系）的丰产性及稳产性分析结果表明，渭党3号、DSZX02-01、渭党1号丰产性、稳定性相对好；DSA06-01、DSN04-01丰产性好，但稳定性较差；渭党2号、DSZJ03-01和DSA06-02丰产性一般，但稳定性较好。各试点的鉴别力由大到小依次为漳县马泉乡、陇西首阳镇、渭源新寨镇、岷县禾驮乡。

AMMI模型；党参；品种；区域试验；稳产性；丰产性

药用植物道地性很强，特定环境生长的药材品质及产量才是最优。甘肃定西市是我国优质党参的主要产区之一，有“中国党参之乡”的美誉，生产的党参占国内市场的50%左右。但定西的党参栽培品种普遍采用党参属多种类型的混和体，田间表现良莠混杂，难于管理，严重制约着当地党参的产量和品质。因此，筛选适应定西市特定生态条件下的优良党参新品种，加快品种更新换代步伐，优化党参品种布局势在必行［1～3］。AMMI模型（Additive Main Effects and Multiplicative Interaction Model）起源于社会学和动物学领域，Kemption首次将这一模型应用于小麦区域试验资料的分析，以研究基因型和环境的互作模式［4］。AMMI分析通过从加性模型的残差中分离模型误差与干扰，可以提高估计的准确性，并且借助于双标图可以直观地描绘和分析基因型与环境互作的模式［5］。目前，AMMI模型已广泛应用于水稻、小麦、棉花、蓖麻、芝麻、马铃薯、油菜等作物品种区域试验中基因型与环境互作产量特征分析［6～12］，而在药用植物区域试验中未见报道。我们利用AMMI模型以及显示AMMI分析结果非常有效的双标图（biplot），对定西市2012—2013年连续2 a党参良种区域试验的产量进行分析，以期更合理评价各个品种（系）的表现，同时对各试验点的品种鉴别力进行分析，准确地鉴定新品种在本地区的适应性、应用价值和栽培特点，从中选出适应本地区的优质、高产品种，为党参新品种区域化布局提供依据。

1 材料与方法

1.1 供试材料

供试党参新品种（系）8个，分别为渭党1号（G1）、DSN04-01（G2）、渭党3号（G3）、渭党2号（G4）、DSZJ03-01（G5）、DSA06-01（G6）、DSZX02-01（G7）、DSA06-02（G8），均由甘肃省定西市农业科学研究院提供。

1.2 试验方法

试验在定西市生态条件代表性强、试验条件好的陇西县首阳镇、漳县马泉乡、渭源县新寨镇、岷县禾驮乡4个点进行，试点代码及2 a试点的平均产量见表1，每个试验点均种8个品种（系），每品种（系）为1个处理。随机区组设计，3次重复，小区面积15 m2（3 m×5 m）。2012、2013年的试验均于4月上旬种植，行距15 cm，株距4 cm。田间栽培管理措施按照党参规范化生产技术要求进行［2］。10月中旬收获。各小区单独计产。取2 a的平均值进行统计分析。

表1 2013年参试党参品种（系）各试点的平均产量kg/hm2

1.3 分析方法

数据采用DPS 9.5和Excel统计分析。参试品种产量的稳定性用AMMI模型分析法分析。在AMMI分析中，品种的稳定性参数IPCA的平方和与总的平方和之比越大，说明IPCA可以解释互作的比例越大；品种IPCA的绝对值越大，说明该品种的互作普遍，则该品种越不稳定。在IPCA1平方和比较大的情况下，可根据IPCA1来评价品种的稳定性。在利用AMMI模型分析的基础上，以品种、试点平均产量为横坐标，IPCA1为纵坐标绘制双标图，进一步了解基因型与环境互作效应。

2 结果与分析

2.1 试点与品种（系）产量的双标分析

图1中试点和品种（系）在水平方向上的分散程度反映其效应的变异情况，品种（系）在垂直方向的分布反映了G×E在大小和方向上的差异，且IPCA1的绝对值愈大表明其交互作用愈大，在过零点水平线上下的品种与位于同侧地点之间的互作为正向，与位于另一侧地点间的互作为负向。

图1 AMMI 1双标图

通过图1可以看出，在水平方向上，品系G5平均产量最低，品种G3平均产量最高，达3 974.25/hm2。试点E4产量最低，试点E2的平均产量最高，达到3 839.55/hm2。在垂直方向上，品种G1、G2、G4与试点E1、E3、E4具有正向交互作用，品种G3、G5、G6、G7、G8与试点E2具有正向交互作用。品种G1、G5、G7、G8的IPCAl绝对值较小，与环境的交互作用小，稳定性强。品种G2、G3、G4、G6、的IPCA绝对值较大，与环境交互作用大，易受种植环境的影响，其稳定性最差。

2.2 环境IPCA1与产量变化趋势

图2 品种的适应性分析

从图2可以看出，随着环境IPCA1值的增加，品种G2、G4的产量逐渐上升，表明这2个品种（系）与环境的交互作用具有正向效应趋势，即具有广泛适应性。G1、G3、G5、G6、G7、G8与环境交互作用具有负向效应趋势，说明这些品种对特殊环境具有适应性。

2.3 党参产量的AMMI模型分析

表2 党参品种（系）产量的方差分析、线性回归模型和AMMI模型分析

从表2可知，在产量AMMI模型中，环境、基因型与环境互作方差都达到l%显著水平，基因型的差异不显著，表明品种间的产量存在真实差异，试点的选择有较好的代表性。对产量方差分析表明，基因型、环境和基因型与环境互作平方和分别占总变异平方和的9.43%、7.92%和26.80%，说明对产量总变异起作用的大小顺序依次为基因与环境互作、环境、基因型。AMMI模型分析表明，前两个互作主成分值均达到显著水平，IPCAl、IPCA2分别解释了交互作用的63.07%、27.38%，IPCA1和IPCA1的平方和占整个互作平方和的90.45%，表明整个互作的绝大部分变异集中在前面两个IPCA轴上，用AMMI模型进行稳定性分析更具有代表性，而采用线性回归模型只解释1.40%的互作平方和，表明AMMI模型比线性回归模型能更有效地反映基因与环境互作效应。

2.4 稳定性及鉴别力值

表3 党参不同品种（系）的稳定性参数Di值

表4 党参不同试点鉴别力参数Dj值

为了能够全面利用极显著与显著乘积项的信息，采用AMMI模型稳定参数对品种的稳定性与试点的鉴别力进行进一步的分析。AMMI模型稳定参数是定量判定品种稳定性与试点鉴别力的重要指标，对品种与试点进行了量化，其中Dj值越大，表明试点对品种的鉴别力越高，Di值越小，表明品种的稳定性越高。从表3、4中可以看出，各品种的稳定性从大到小依次为G8、G1、G3、G5、G7、G4、G6、G2，各试点的鉴别力从大到小依次为E2、E3、E4、E1，漳县马泉乡、渭源新寨镇对品种的选择性最高，陇西首阳镇、岷县禾驮乡对品种的鉴别力低。

3 小结与讨论

1）基于AMMI模型，研究了定西市2012—2013年党参品种（系）区域产量性状的基因型与环境互作效应，从分析结果可知，在参试的8个品种（系）中，渭党3号、DSZX02-01、渭党1号的丰产性、稳定性相对最好，DSA06-01、DSN04-01丰产好，但稳定性较差；渭党2号、DSZJ03-01和DSA06-02丰产性一般，但稳定性均好。从双标图结果看，各试点的鉴别力由大到小依次为漳县马泉乡、陇西首阳镇、渭源新寨镇、岷县禾驮乡，说明漳县马泉乡的环境对党参品种鉴别力较强，要求在马泉乡种植的品种需要具有特殊适应性；陇西首阳镇的鉴别力较低，大多数参试品种对首阳镇有较好的适应性。

2）党参作为药用经济作物，在分析基因型与环境互作时，除了考察品种的稳定性外，地点鉴别力也是育种工作者比较关心的问题，通过比较参试地点的鉴别力，可以对试验点做出评判，筛选出鉴别力好的地点，提高区域试验的准确性和效率［12］。

3）农作物品种区域试验结果的统计分析直接关系到对品种的评判。AMMI模型的提出及其在区域试验的初步应用表明，AMMI模型为研究G×E互作和作物品种区域试验品种的评价提供了一个比较好的分析方法［3］。与传统的回归模型相比较，AMMI模型把方差分析和主成分分析结合于同一模型，兼有二者的优点。AMMI是分析基因型与环境互作的一个有效方法，它能够估计出交互作用的特点，有助于建立可解释的非线性的生物学模型，并且借助双标图直观形象地对品种的稳定性差异进行分析。笔者用AMMI模型对各参试品种产量及其稳定性进行了比较分析，并对各个试验点鉴别力进行比较，研究结果可直接指导党参品种的试验鉴定和合理利用。

［1］荆彦民.党参高产优质新品种选育研究［J］.中药材，2010，33（5）：425-428.

［2］刘效瑞，荆彦明，尚虎山，等.甘肃党参新品系98-01选育初报［J］.甘肃农业科技，2008（2）：3-5.

［3］尚虎山，刘效瑞，王兴政.药用植物黄芪新品种品比试验［J］.中国现代中药，2014，16（2）：119-122.

［4］KEMPTON R A.The use of bip lots in interpreting variety by environment interactions［J］.Agric.Sci.Camb.，1984（103）：404-423.

［5］余本勋，卢运，何友勋，等.应用AMMI模型对水稻品种主要农艺性状的评价［J］.甘肃农业科技，2010（3）：3-6.

［6］余本勋，张时龙，何友勋，等.AMMI模型在水稻品种区域试验中的应用［J］.现代农业科技，2010（2）：45-46.

［7］常磊，柴守玺.AMMI模型在旱地春小麦稳定性分析中的应用［J］.生态学报，2006（11）：3 677-3 684.

［8］曾献英.AMMI模型在棉花区域试验中的应用［J］.棉花学报，2004，16（4）：233-235.

［9］张锡顺，杨建国，刘旭云，等.双标图在蓖麻区域试验产量分析中的应用［J］.西南农业学报，2007，20（5）：917-920.

［10］张体德，郑永战，卫双玲，等.全国芝麻区域试验点合理性与代表性的评价［J］.河南农业科学，2004（1）：15-17.

［11］宿飞飞，陈伊里，吕典秋，等.用AMMI模型分析马铃薯淀粉品质性状的稳定性［J］.东北农业大学学报，2009，40（11）：18-22.

［12］董云，王毅，漆燕玲，等.应用AMMI模型分析评判甘肃省春油菜区试品种的稳定性和适应性［J］.西北农业学报，2010，19（7）：74-78.