利用AMMI模型分析寒地水稻产量的基因型与环境互作关系

2015-06-15赵洋郑桂萍张文秀蔡永盛郑悦李丹

江苏农业科学 2015年4期

赵洋+郑桂萍+张文秀+蔡永盛+郑悦+李丹丹+潘世驹+宋泽+姜玉伟+李明杰+周健

摘要：利用主效可加互作可乘（AMMI）模型、双标图以及稳定性参数Di对黑龙江省6个寒地水稻高产区的8个寒地水稻品种的数据进行稳定性分析。结果表明：垦粳1号最稳定，龙粳21、龙粳23在佳木斯市创业农场科技示范园区，东农425在五常市试验田具有特殊的适应性;在参试的品种中，品种稳定性从高到低为垦粳1号、中龙稻1号、龙稻5号、东农425、龙粳24、龙粳23、松粳12、龙粳21;在参试地点中，大兴农场科技示范园区、佳木斯市创业农场科技示范园区比较适合作为区试地点，各地点对品种鉴别力的大小依次为大兴农场科技示范园区>佳木斯市创业农场科技示范园区>五常市试验田>牡丹江市农业科学研究所>查哈阳农场科技示范园区>佳木斯市桦川县试验田。

关键词：水稻产量;寒地;AMMI模型;应性;稳定性

中图分类号： S511.04 文献标志码： A

文章编号：1002-1302（2015）04-0084-03

收稿日期：2014-06-11

基金项目：国家科技支撑计划（编号：2013BAD07B01-04）;“十二五”农村领域国家科技计划（编号：2011BAD16B11）;黑龙江省农垦总局课题（编号：HNK125A-02-01-05）;黑龙江省教育厅项目（编号：1251xnc109）。

作者简介：赵洋（1988—），男，黑龙江肇源人，硕士研究生，主要从事作物栽培与育种工作。E-mail：zhaoyang888518@163.com。

通信作者：郑桂萍，博士，教授，主要从事作物产量和品质的生理生态研究。E-mail：dqzgp@163.com。

水稻品种区域试验的目的在于鉴定品种的丰产性、稳定性、适应性[1]，而水稻产量的形成涉及生态环境和栽培技术措施，水稻在不同地点的产量表现不同，说明基因型与环境存在互作关系。在分析基因型与环境互作方面，前人已经提出了大量的稳定性统计模型与方法[2-5]，其中主效可加互作可乘（AMMI）模型是目前国际上流行的分析作物品种区域试验数据非常有效的模型，利用双标图可以直观地描述品种、地点的产量及互作效应大小，运用稳定性参数Di可以定量地描述各品种稳定性的差异以及各试点对品种鉴别力的大小[6-7]。本研究采用AMMI模型、双标图以及Di对黑龙江省寒地高产水稻良种区试数据进行了分析，以期优化出相对稳定的参试品种及鉴别力较强的参试地点。

1 材料与方法

1.1 试验材料

数据资料来自黑龙江省寒地水稻良种区试结果，8个参试品种为龙稻1号（g1）、龙稻5号（g2）、龙粳23（g3）、龙粳21（g4）、龙粳24（g5）、垦粳1号（g6）、东农425（g7）、松粳12号（g8）;6个参试地点为五常市试验田（e1）、佳木斯市桦川县试验田（e2）、牡丹江市农业科学研究所（e3）、查哈阳农场科技示范园区（e4）、大兴农场科技示范园区（e5）、佳木斯市创业农场科技示范园区（e6），各试点均采用随机区组设计，各3次重复。

1.2 统计方法

在基因型×环境互作效应显著的前提下，进行同质性检验和联合方差分析，采用AMMI模型进行品种稳定性分析。

Yger=u+αg+βe+∑ni=1λnγgnδen+θger[8]。

式中：Yger为第g个基因型在第e个环境中的第 r 次重复观察值;μ为总体平均值;αg为基因型平均偏差;βe为环境的平均偏差;λn为第n个主成分的分析特征值;γgn为第n个主成分基因型的主成分得分;δen为第n个主成分的环境主成分得分;n为模型主成分分析中主成分因子轴的总数;θger 表示误差。在所有显著的交互作用主成分分析（interactive principal component analysis，IPCA）上，数值较小的基因型（或环境）即为稳定的基因型（或环境）。因此，在 IPCA 双标图上，基因型（或环境）愈接近坐标原点越稳定[9]。

Di是一个品种在交互作用主成分空间中的位置与原点的欧氏距离，参照吴为人的计算方法[10]计算品种稳定性参数 Di：

Di=∑ni=1ωnγin。

式中：n为显著的IPCA数;γin为第i个基因型在第n个IPCA上的得分;ωn为权重系数，即每个IPCA 所解释的平方和占全部IPCA所解释的平方和的比例。用Di为所有基因型给出相应的定量指标，品种的Di值越小，其稳定性越好。

采用 Microsoft Excel 2007进行数据整理，使用DPS 7.05进行模型分析。

2 结果与分析

2.1 产量AMMI模型分析

各参试品种在各参试地点的平均产量见表1。对产量的结果进行AMMI分析，分析结果见表2，产量AMMI分析基因型G、环境E、G×E平方和分别占总变异量的62.18%、1977%、18.04%，说明对试验中产量变异起作用的因素从大到小排序为G、E、G×E互作。G、E、G×E的F值都达到了极显著水平，说明AMMI分析理论产量的环境E、基因G、G×E都很重要。

表1 各试验品种在不同小区的平均产量

kg/hm2

品种五常市试验田

（e1）佳木斯市桦川县

试验田（e2）牡丹江市农业

科学研究所（e3）查哈阳农场科技

示范园区（e4）大兴农场科技

示范园区（e5）佳木斯市创业农场科技

示范园区（e6）

中龙稻1号（g1） 12 567.0 12 481.5 900.6 11 431.5 11 566.5 17 716.5

龙稻5号（g2） 10 833.0 12 957.0 692.4 10 887.0 12 151.5 16 171.5

龙粳23（g3） 7 855.5 10 941.0 532.2 10 261.5 10 587.0 15 042.0

龙粳21（g4） 8 002.5 12 112.5 718.4 766.3 8 310.0 16 252.5

龙粳24（g5） 10 878.0 12 124.5 703.2 11 494.5 12 846.0 16 791.0

垦粳1号（g6） 8 682.0 10 870.5 575.2 9 216.0 8 854.5 13 477.5

东农425（g7） 11 322.0 12 069.0 751.2 11 166.0 10 035.0 14 181.0

松粳12（g8） 12 118.5 11 784.0 11 164.5 11 394.0 10 035.0 12 831.0

表2 参试品种的基因型和环境互作效应分析

变异来源 df 离均差平方SS 均方MS F值 P值占总数或互作

（%）

总和 47 1 051 725.7 22 377.1

基因型（G） 5 654 004.5 130 800.9 273.5 0.000 1 62.18

环境（E） 7 207 976.8 29 711.0 62.1 0.000 1 19.77

交互作用（G×E） 35 189 744.4 5 421.3 11.3 0.000 6 18.04

IPCA1 11 96 615.1 8 783.2 18.4 0.000 2 50.92

IPCA2 9 58 525.1 6 502.8 13.6 0.000 6 30.84

IPCA3 7 30 777.9 4 396.8 9.2 0.002 8 16.22

误差 8 3 826.2 478.3

2.2 产量稳定性的双标分析

图1是以x轴为平均产量、y轴为交互效应主成分轴IPCA1的AMMI1双标图，图中品种、地点在水平方向上的分散程度反映其效应变异情况，其效应自右向左逐渐减小。可以看出，参试地点与参试品种的效应变异情况较一致;相对于参试地点而言，产量较高的依次是佳木斯市创业农场科技示范园区（e6）、桦川县试验田（e2），五常市试验田（e1）产量最低;对于品种而言，中龙稻1号（g1）产量最高，垦粳1号（g6）产量最低。

图1的IPCA1轴方向上，品种地点的分布反映了G×E在大小和方向上的差异，且IPCA1的绝对值与其交互作用呈正相关;在过零点水平线上下的品种与位于同侧地点之间为正向互作，与位于另一侧地点为负向互作[11]。由图1还可以看出，龙稻5号（g2）、龙粳23（g3）、龙粳21（g4）、龙粳24（g5）在桦川县试验田（e2）、大兴农场科技示范园区（e5）、创

业农场科技示范园区（e6）有正向交互作用，在五常市试验田（e1）、牡丹江市农业科学研究所（e3）、查哈阳农场科技示范园区（e4）有负向交互作用;而中龙稻1号（g1）、垦粳1号（g6）、东农425（g7）、松粳12号（g8）的情况正好相反。此外还可看出，越接近过零点水平线的品种越稳定，即中龙稻1号（g1）、龙稻5号（g2）、垦粳1号（g6）较稳定，其中垦粳1号（g6）最为稳定;对于地点而言，创业农场科技示范园区（e6）的交互作用影响最大，查哈阳农场科技示范园区（e4）的交互作用影响最小。

图2是以x轴为交互效应主成分轴IPCA1、y轴为IPCA2的AMMI2双标图。图中品种在地点与原点连线上的垂直投影到原点的距离表示该品种在该地点交互作用的大小，连线越长，则交互作用越大;若投影落在连线上，则交互作用为正向;若投影落在连线的反向延长线上，则交互作用为负向[15]。品种与原点的距离越接近，表明该品种在试验中具有较好的稳定性。东农425（g7）在五常市试验田（e1），龙粳23（g3）、龙粳21（g4）在创业农场科技示范园区（e6）有较大的正向交互作用，说明东农425在五常市试验田以及龙粳21、龙粳23在创业农场科技示范园区有较特殊的适应性，在这些地点种植能够获得较高的产量。而松粳12号（g8）在五常市试验田（e1）、佳木斯市桦川县试验田（e2）、牡丹江市农业科学研究所（e3）以及龙粳23（g3）在大兴农场科技示范园区（e5）的反向延长线上有较长的反向垂直投影，说明这些品种在这些地点不适宜种植。中龙稻1号（g1）、龙稻5号（g2）、垦粳1号（g6）3点距离原点较近，说明这3个品种的产量较稳定，其中垦粳1号（g6）距离原点最近，产量最为稳定。

2.3 产量稳定参数分析

双标图能够定性地反映出地点鉴别力的趋势以及品种的稳定性情况，但是不能够给出地点鉴别力和品种稳定性的定量描述，本研究按照公式计算各地点的鉴别力Di（表3）以及各品种的稳定性参数Dj（表4）。

表3 参试地点在2个显著交互效应主成分轴（IPCA）上的Di值

编号地点 PCA1 PCA2 Di

e1 五常市试验田 -10.96 -4.77 11.96

e2 佳木斯市桦川县试验田 1.37 1.71 2.19

e3 牡丹江市农业科学研究所 -6.18 6.89 9.26

e4 查哈阳农场科技示范园区 -0.13 4.32 4.32

e5 大兴农场科技示范园区 4.46 -11.72 12.54

e6 佳木斯市创业农场科技示范园区 11.43 3.57 11.97

由表3可知，各地点鉴别力大小（Di由大到小）为：大兴农场科技示范园区>佳木斯市创业农场科技示范园区>五常市试验田>牡丹江市农业科学研究所>查哈阳农场科技示范园区>佳木斯市桦川县试验田。由表4可知，各品种稳定性大小（Dj由小到大）为：垦粳1号>中龙稻1号>龙稻5号>东农425>龙粳24>龙粳23>松粳12>龙粳21。

表4 参试品种在2个显著交互效应主成分轴（IPCA）上的Dj值

编号品种 PCA1 PCA2 Dj

g1 中龙稻1号 -2.29 2.69 3.53

g2 龙稻5号 2.86 -4.79 5.58

g3 龙粳23 8.20 -3.19 8.80

g4 龙粳21 5.25 12.48 13.54

g5 龙粳24 4.47 -6.53 7.92

g6 垦粳1号 -0.09 -0.28 0.29

g7 东农425 -6.64 1.03 6.72

g8 松粳12 -11.77 -1.40 11.86

3 结论

环境、基因型以及互作对水稻在不同产区种植的产量影响力都很大。对于地点而言，各品种在佳木斯市创业农场科技示范园区（e6）产量最高，五常市试验田（e1）产量最低;对品种而言，中龙稻1号（g1）产量最高，垦粳1号（g6）产量最低;创业农场科技示范园区交互作用影响最大，查哈阳农场科技示范园区交互作用影响最小。对于品种而言，各个试点垦粳一号的平均产量最高，是由于品种自身特性决定的;龙稻1号、龙稻5号、垦粳1号产量较稳定，其中垦粳1号最为稳定。

对于试验验地点而言，6个试点中大兴农场科技示范园区的鉴别力最强，适合作为品比试验的地点，其次是佳木斯市创业农场科技示范园区，佳木斯市桦川县试验田的鉴别力最差，不适合做品比试验。对于品种而言，垦粳1号的稳定性最好，中龙稻1号次之，龙粳21号的稳定性最差。

参考文献：

[1]林国平，张俊杰，王毅，等. 应用AMMI模型分析白肋烟品种的丰产性及稳产性[J]. 中国烟草科学，2009，30（4）：13-16.

[2]杜世平，王留芳，龙明秀. 宁南山区旱地紫花苜蓿土壤水分及产量动态研究[J]. 草业科学，1999，16（1）：13-16，18.

[3]黄乾，赵蛟，谭媛媛，等. 北方农业雨水利用实践与发展前景展望[J]. 节水灌溉，2006，4（4）：22-25.

[4]林茂兹，王静，雷新周. 地槽贮水及其对土壤水分的影响[J]. 四川水利，2004（增刊1）：86-89.

[5]张海云，王振同，路广平，等. 秸秆深埋蓄水抗旱耕作技术研究[J]. 山西水土保持科技，2001（2）：23-25.

[6]张泽，鲁成，向仲怀. 基于AMMI模型的品种稳定性分析[J]. 作物学报，1998，24（3）：304-309.

[7]樊龙江，胡秉民，许德信. 水稻区域试验点对品种判别能力估计方法的研究[J]. 中国水稻科学，2000，14（1）：58-60.

[8]苏振喜，赵国珍，廖新华，等. 云南粳型特色软米食味品质性状稳定性分析[J]. 中国水稻科学，2010，24（3）：320-324.

[9]Piepho H P. Analyzing genotype-environment data by mixed models with multiplicative terms[J]. Biometrics，1997，53（2）：761-766

[10]吴为人. 对基于AMMI模型的品种稳定性分析方法的一点改进[J]. 遗传，2000，22（1）：31-32.