GGE双标图在陆地棉高产稳产和适应性分析中的应用*——以长江流域棉区国审棉花新品种‘鄂杂棉30’为例

许乃银,荣义华,李 健,付永红,梅汉成

(1.江苏省农业科学院经济作物研究所/农业部长江下游棉花与油菜重点实验室 南京 210014; 2.襄阳市农业科学院 襄阳 441057)

GGE双标图在陆地棉高产稳产和适应性分析中的应用*
——以长江流域棉区国审棉花新品种‘鄂杂棉30’为例

许乃银1,荣义华2,李 健1,付永红2,梅汉成2

(1.江苏省农业科学院经济作物研究所/农业部长江下游棉花与油菜重点实验室 南京 210014; 2.襄阳市农业科学院 襄阳 441057)

农作物品种的高产稳产和广适性一直是产量育种的主要目标,而农作物品种多环境试验中普遍存在的基因型与环境互作效应增加了广适性品种选育的难度,科学评价品种的高产稳产和适应性有助于提高新品种的选育和应用效率。本研究采用GGEbiplot®软件分析了2012—2013年长江流域国家棉花品种区域试验中‘鄂杂棉30’等参试品种丰产性、稳产性和适应性,并采用“成对比较”功能图比较了‘鄂杂棉30’与对照品种‘鄂杂棉10号’在目标区域的适应性表现。结果表明:1)‘鄂杂棉30’在两年多环境品种试验中的丰产性突出,稳产性表现优良。2)‘鄂杂棉30’在两年区域试验中的高产稳产性综合表现(即理想指数)显著优于对照品种‘鄂杂棉10号’及其余各参试品种。3)‘鄂杂棉30’为所有参试品种中适应性最广的品种,其最适宜种植区域涵盖了长江流域大部分棉区。4)‘鄂杂棉30’在长江流域的绝大部分棉区都比对照品种更有产量优势,同时也优于其余参试品种,在长江流域棉区种植优势明显。本研究展示了GGE双标图在品种的丰产性与稳产性分析和适宜种植区域划分等方面的应用效果,明确了‘鄂杂棉30’是兼备丰产性、稳定性和广适性的理想品种,可为‘鄂杂棉30’的合理利用提供理论依据,也为其他作物品种的综合评价提供了参考方法。

棉花(Gossypium hirsutumL.);GGE双标图;稳产性;丰产性;适应性;区域试验

高产稳产和广适性是农作物品种最重要的经济性状和产量育种目标[1-2]。产量性状是受多基因控制的复杂遗传性状,受到遗传效应、环境效应以及基因型与环境互作效应的综合影响,相同品种在不同环境中的产量表现或品种间的排序常常差异很大,使育种家很难选育出广适性的高产稳产新品种[3-4]。基因型与环境互作效应是影响品种产量稳定性的主要因素,对广适性品种的选育常起着关键的作用[5-6]。为了科学描述和量化基因型与环境互作效应对品种稳产性的影响,前人提出了多种基于线性回归[7]、方差分析[8]、主成分分析[9]和奇异值分解[10]等模型的统计分析方法,其中Zobel等[11]提出的AMMI模型和Yan等[12]提出的GGE模型分析方法是近年来最有效的统计分析方法。AMMI模型多用于基因型与环境互作效应分析或品种的稳定性分析[13],不能有效地对品种的丰产性与稳产性进行同步分析,因而在品种的高产和稳产性综合评价中的实用性较差[14]。GGE双标图同时考虑了品种丰产性与稳产性的信息,是多环境品种试验中品种丰产性、稳产性和适应性的重要分析方法[15]。

目前,GGE双标图已经广泛地应用于多种作物的品种丰产性与稳产性分析[16-17]、品种适宜种植区域划分[18-19]、品质生态区划分[20-21]和试验环境评价[22-23]等研究领域,但鲜有关于棉花(Gossypium hirsutumL.)品种的丰产稳产和适应性综合分析以及与对照品种成对比较的研究报道。另一方面,湖北省襄阳市农业科学院育成的转基因抗虫杂交棉花新品种‘鄂杂棉30’于2015年通过国家农作物品种审定委员会审定,在长江流域棉区丰产性好,推广应用面积较大,但未见对其稳产性与适应性分析的报道。本研究应用2012—2013年长江流域国家棉花品种区域试验‘鄂杂棉30’所在组别参试品种的皮棉产量数据,分别采用GGE双标图的“丰产性与稳定性”功能图、“理想品种”功能图和“适宜种植区域划分”功能图对‘鄂杂棉30’等品种的丰产性与稳产性、适宜种植区域划分进行了详细分析,并采用“成对比较”功能图比较了‘鄂杂棉30’与对照品种‘鄂杂棉10号’在目标区域的适应性表现,为‘鄂杂棉30’的合理利用提供理论依据,也为其他作物品种的高产稳产性与适应性评价提供了参考方法。

1 材料与方法

1.1 数据来源

研究数据来源于2012—2013年杂交抗虫棉‘鄂杂棉30’所在组别的长江流域国家棉花新品种区域试验的皮棉产量试验结果。2012年和2013年试验参试品种数分别为10个和8个,其中‘鄂杂棉10号’为对照品种,详见表1。2012年试验在四川省简阳(代号为JY,下同)、射洪(SH),湖北省荆州(JZ)、江陵(JL)、襄阳(XY)、武汉(WH)、黄冈(HG),湖南省常德(CD)、大通湖(DTH)、岳阳(YY),河南省南阳(NY),江西省九江(JJ),安徽省安庆(AQ)、合肥(HF),江苏省南京(NJ)、盐城(YC)、南通(NT),和浙江省慈溪(CX)共设置18个试点,各试点均按试验方案要求,顺利实施和完成当年的田间试验。2013年新增湖北省监利(DY)试点,江陵、大通湖和常德试点因干旱报废,其余试点与2012年相同,共16个试点完成试验。各试点的经度、纬度、海拔高度和所在棉区等地理信息详见先前的报道[18]。试验均采用随机区组排列,重复3次,小区面积20 m2。

表1 2012—2013年长江流域国家棉花区域试验参试品种信息表Table 1 Discription of cotton cultivars in the national cotton regional trials in the Yangtze River Valley in 2012-2013

1.2 统计分析方法

首先,采用GGEbiplot®软件[24]的“丰产性与稳定性”功能图[25](mean vs.stability view)比较参试品种的丰产性与稳产性。丰产性与稳产性功能图中的小圆圈代表平均环境(图1),即各试点坐标的平均值;带箭头的直线通过双标图的原点和平均环境坐标称为平均环境向量或平均环境轴(average environment abscissa,AEA),它的正方向代表品种的平均高产方向,各品种图标在AEA轴上垂足的相对位置代表了品种的丰产性,越接近正方向其丰产性越好[15,26]。与AEA轴垂直并通过原点的双箭头直线为平均环境轴的纵轴(average environment coordinate,AEC),箭头偏离AEA轴的方向表示品种的产量不稳定性,越靠近AEA轴则越稳定[27]。品种向量在AEC轴上的投影距离称为稳产性指数(stability index),数值越小稳产性越好。其次,用GGE双标图的“理想品种”功能图[5,25](ideal cultivar view)对品种的丰产性与稳产性同步筛选[5,25]。所谓“理想品种”是指在GGE双标图中距原点距离等于最长品种向量的长度,并且位于平均环境轴正方向上的品种[16,25]。在双标图中各参试品种与理想品种的相对距离称为理想指数(ideal index),数值越小越理想。同时,以理想品种为圆心画出若干个同心圆以直观地评价品种的理想程度[16]。然后,用GGE双标图的“适宜种植区域划分”功能图[16,25](Which-Won-Where view)划分各品种的适宜种植区域。在GGE双标图中将位于最外围的品种图标依次连接形成一个多边形,就可以将所有品种图标包围在多边形内;从双标图的原点作多边形各边的垂线,将多边形划分为不同的扇区,在同一扇区内的环境即构成了1个环境组合;每个扇区中位于多边形角顶上的品种就是在该扇区内各环境中表现最好的品种,称为“胜出品种”,也就是该环境组合区域中表现最好的品种[25]。最后,用GGE双标图的“成对比较”功能图[16](pairwise comparison view)比较‘鄂杂棉30’与对照品种‘鄂杂棉10号’在目标环境中的优势种植区域。在GGE双标图中用直接连接两个相互比较的品种图标,再通过双标图原点作两品种连线或其延长线的垂线,这条垂线称为“等值线”,在等值线上的任意环境中这两个品种的数值均相等,而品种在等值线同侧的环境中表现更好;如果两品种位于等值线的同侧,则远离等值线的品种在同侧环境中表现更好,接近等值线的品种在等值线的另一侧环境中表现更好[25]。

2 结果与分析

2.1 皮棉产量方差分析

对2012—2013年长江流域国家棉花区试品种皮棉产量进行多环境联合方差分析,结果表明(表2),在皮棉产量表型变异来源中,基因型主效应(G)、环境主效应(E)和基因型与环境互作效应(GE)均达极显著水平。其中,2012年基因型主效应、环境主效应和基因型与环境互作效应的变异分别占处理总变异的6.2%、85.6%和8.2%,2013年基因型主效应、环境主效应和基因型与环境互作效应的变异分别占处理总变异的10.9%、70.7%和18.4%。可见,环境主效应是皮棉产量变异的主要来源,但其对基因型评价没有作用,采用GGE模型可以剔除环境效应,以利于对基因型的科学评价。另一方面,两年方差分析中基因型与环境互作效应对处理变异的贡献率都大于基因型主效应,说明有必要对基因型与环境互作效应进行进一步分析,以科学划分各参试品种的适宜种植区域。

表2 2012—2013年长江流域国家棉花区试品种皮棉产量的联合方差分析Table 2 Combined analysis of variance for cotton lint yield from the national cotton regional trials in the Yangtze River Valley in 2012-2013

2.2 ‘鄂杂棉30’的丰产性和稳产性分析

对2012—2013年长江流域国家棉花区试品种产量差异的多重比较(LSD法)结果列于表1,结果表明‘鄂杂棉30’的皮棉产量两年都极显著地高于对照品种‘鄂杂棉10号’及其余参试品种。

利用GGE双标图的“丰产性和稳产性”功能图对各品种的丰产性(图1中图标在平均环境轴正方向的投影距离)进行分析(图1)。由图1a可见,2012年各参试品种的丰产性高低次序为‘鄂杂棉30’(简称Ezm30,下同)>‘鄂杂棉10号’(Ezm10)>‘泗阳839’(Sy839)>‘大唐6号’(Dt6)>‘九杂棉11’(Jzm11)>‘丰田棉1号’(Ftm1)>‘中棉所61’(Zms61)>‘湘杂棉23号’(Xzm23)>‘齐棉8号’(Qm8)>‘金科棉8号’(Jkm8),其中‘鄂杂棉30’图标在平均环境轴上的垂足最接近其正方向,与其余品种距离较远,表明‘鄂杂棉30’的丰产性明显优于其余品种,与品种间产量差异多重比较的结果一致。由图1b可见,2013年各参试品种的丰产性高低排序为‘鄂杂棉30’(Ezm30)>‘日辉棉 10号’(Rhm10)>‘荃银棉 8号’(Qym8)>‘鄂杂棉 10号’(Ezm10)>‘宁抗棉 2号’(Nkm2)>‘GK39’>‘创棉11号’(Cm11)>‘徐棉21号’(Xm21),其中‘鄂杂棉30’的产量同样明显地高于其余各参试品种,亦与其多重比较结果相符合。

2012年各品种的稳产性分析结果表明(图1a,表1),‘鄂杂棉10号’和‘鄂杂棉30’的图标在平均环境轴纵轴(AEC轴)上的投影距离最短,稳产指数最低,因而其稳产性最好;‘泗阳839’、‘九杂棉11’、‘丰田棉1号’、‘齐棉8号’和‘金科棉8号’的稳产性较好;‘湘杂棉23号’和‘大唐6号’的稳产性较差;‘中棉所61’的垂距最长,稳产性差。2013年各品种的稳产性表现为(图1b,表1):‘鄂杂棉10号’的图标落在平均环境轴上,稳产指数为0,其稳产性表现最好;‘鄂杂棉30’、‘日辉棉10号’和‘荃银棉8号’的稳产性表现优良;‘徐棉21号’的稳产性较好;而‘宁抗棉2号’和‘GK39‘的稳产性差。可见,‘鄂杂棉30’在两年区域试验中的丰产性突出,稳产性表现优良。

图1 2012年(a)和2013年(b)长江流域棉花区试皮棉产量GGE双标图的“丰产性与稳产性”功能图Fig.1 Mean vs.stability view of the GGE biplot for cotton lint yield data from the cotton regional trials in the Yangtze River Valley in 2012(a)and 2013(b)

2.3 ‘鄂杂棉30’的理想指数分析

GGE双标图中的理想品种是所有品种中向量最长、并落在平均环境轴正方向上的虚拟品种,具有最理想的高产稳产性。作为参试品种的丰产性与稳产性综合评价的参照,各品种图标与理想品种之间的相对距离称为理想指数,数值越小越理想。由图2a和表1可知,2012年各参试品种中最接近于“理想品种”的是‘鄂杂棉30’,理想指数接近于0,说明其丰产性与稳产性的综合表现最优;‘鄂杂棉10号’和‘泗阳839’较为理想;‘丰田棉1号’、‘九杂棉11’和‘大唐6号’表现一般;‘中棉所61’、‘齐棉8号’和‘湘杂棉23号’综合表现较差;‘金科棉8号’综合表现最差。由图2b和表 1可见,2013年各参试品种中理想指数表现最好的品种也是‘鄂杂棉30’,其品种图标很接近于理想品种,高产稳定性综合表现很理想;‘日辉棉10号’、‘荃银棉8号’和‘鄂杂棉10号’的高产稳产表现也较理想;而‘宁抗棉2号’、‘创棉11号’、‘GK39’和‘徐棉21号’理想指数较差。可见,‘鄂杂棉30’在两年区域试验中的高产稳产性综合表现显著优于对照品种‘鄂杂棉10号’及其余各参试品种。

图2 2012年(a)和2013年(b)长江流域棉花区试皮棉产量GGE双标图的“理想品种”功能图Fig.2 Ideal cultivar view of the GGE biplot for cotton lint yield data from the cotton regional trials in the Yangtze River Valley in 2012(a)and 2013(b)

2.4 ‘鄂杂棉30’的适宜种植区域划分

GGE双标图中经过原点到最外围品种图标连线形成的多边形各边的垂线可以将目标区域划分为不同的扇形区域,其中位于多边形角顶的品种就是落在其所在扇区试验环境中表现最好的品种,试验环境代表的生产区域就是该品种的最适宜的种植区域。图3a表明,2012年参试品种中位于多边形角顶的“胜出品种”包括‘鄂杂棉30’、‘大唐6号’、‘中棉所61’、‘金科棉8号’和‘湘杂棉23号’。其中,‘大唐6号’所在扇区中包括安徽省安庆市和湖南省岳阳市,表明‘大唐6号’在安庆和岳阳试验环境中的丰产性优于其余品种;‘鄂杂棉30’所在扇区涵盖了长江流域上游和下游棉区的全部目标环境,以及除安庆和岳阳试验环境以外的长江中游棉区,代表了长江流域的主产棉区,表明‘鄂杂棉30’是长江流域适宜种植区域最广泛的品种;而其余“胜出品种”所在扇区中并不包含试验环境,表明其不适宜在长江流域棉区种植。图3b表明, 2013年参试品种中位于多边形角顶的“胜出品种”包括‘鄂杂棉30’、‘宁抗棉2号’、‘GK39’和‘徐棉21号’。其中,‘宁抗棉2号’的最适宜种植区域包括江西省九江市和四川省简阳市;‘GK39’的最适宜种植区域为浙江省慈溪市;‘鄂杂棉30’最适宜种植区域包括其余13个试验点所代表的大部分长江流域棉区,为参试品种中适宜种植区域最广的品种。可见,根据2012—2013年长江流域棉花区域试验产量数据,‘鄂杂棉30号’为所有参试品种中适应性最广的品种,其最适宜种植区域涵盖了长江流域的绝大部分棉区。

图3 2012年(a)和2013年(b)长江流域棉花区试皮棉产量GGE双标图的“适宜种植区域划分”功能图Fig.3 Which-Won-Where view of the GGE biplot for cotton lint yield data from cotton regional trials in the Yangtze River Valley in 2012(a)and 2013(b)

2.5 ‘鄂杂棉30’与‘鄂杂棉10号’的优势种植区域比较

GGE双标图的“成对比较”功能图可用于直接比较两个品种的优势种植区域。图4a表明,2012年‘鄂杂棉30’和‘鄂杂棉10号’的图标都位于等值线的右侧,各试验环境图标也都位于等值线右侧,而‘鄂杂棉30’的图标离等值线远,说明‘鄂杂棉30’在所有试验环境中的丰产性均优于对照‘鄂杂棉10号’,在长江流域棉区中种植都比对照‘鄂杂棉10号’更有优势,也就是‘鄂杂棉30’与‘鄂杂棉10号’相比的优势区域涵盖整个长江流域棉区。图4b表明,2013年‘鄂杂棉30’和‘鄂杂棉10号’的图标同样都位于等值线的右侧,浙江省慈溪试点位于等值线左侧,其余各试验环境图标都位于等值线右侧,而‘鄂杂棉30’的图标离等值线远,说明‘鄂杂棉10号’仅在浙江省沿海棉区的慈溪试点上优于‘鄂杂棉30’,而在其余目标区域中‘鄂杂棉30’的表现更好,因而其适应性更广。可见,‘鄂杂棉30’在长江流域的绝大部分棉区中都比对照品种更有产量优势,同时也优于其余参试品种,在长江流域棉区种植优势明显。

图4 2012年(a)和2013年(b)‘鄂杂棉30’与对照品种‘鄂杂棉10号’的优势种植区域比较的“成对比较”GGE双标图Fig.4 Pairwise comparison view of the GGE biplot for the comparison of adaptive planting region between‘Ezamian 30’and the check cultivar‘Ezamian 10’in 2012(a)and 2013(b)

3 讨论与结论

3.1 棉花品种高产和稳产性同步评价的必要性和可行性

在作物多环境品种试验中产量表现受到基因型、环境和基因型与环境互作效应的共同影响,其中环境主效是变异的主要来源,而基因型与环境互作效应对变异的贡献通常大于基因型主效[28]。基因型与环境互作效应是影响品种稳定性和适应性的关键因素,只有充分研究利用可重复的基因型与环境互作效应,才能提高稳产性育种的选择效率[29]。AMMI模型分析和GGE双标图分析是目前基因型与环境互作效应最常用的统计方法,其中AMMI模型首先用传统的方差分析分解基因型与环境的加性主效应,再用主成分分析方法剖分残差的互作效应,可以有效地对基因型与环境互作效应进行分解和品种稳定性分析[30],但是忽视品种的丰产性,抽象地探讨品种的稳定性无论是对育种还是生产应用都是没有意义的[14],应当对品种的丰产性与稳产性进行同步评价和综合选择。Yan等[12]提出的GGE双标图模型将基因型主效和基因型与环境互作效应相结合,可以直观地展示品种的丰产性和稳产性,便于对品种的丰产性和稳产性进行同步评价和选择,是对品种高产稳产性评价的最实用有效的统计方法。本研究采用GGE双标图的“丰产性和稳定性”和“理想品种”功能图对2012—2013年长江流域国家棉花区域试验中的‘鄂杂棉30’等参试品种的丰产性和稳产性分析表明,‘鄂杂棉30’在两年区域试验中的丰产性突出,稳产性优良,丰产性和稳产性综合评价的理想指数显著优于在长江流域棉区大面积推广应用的对照品种‘鄂杂棉10号’及其余参试品种,是高产稳产的优良新品种。本研究结果明确了‘鄂杂棉30’的丰产与稳产特性,对该品种的科学合理应用提供了理论依据,同时也进一步证实了GGE双标图模型在棉花品种高产稳产性同步评价方面的可行性和应用效果。

3.2 棉花新品种广适性和特殊适应性的育种策略探讨

我国农作物品种在区域试验和品种审定过程中仍然主要依据品种在多环境试验中的平均表现进行品种评价,实际上是将目标种植生态区域默认为一个同质的品种生态区[26]。如果默认的假设不成立,那么就不能充分发挥基因型与特殊适应性环境的正互作效应的增产潜力。针对存在多个品种生态区的复杂目标区域的广适性育种,选育出具备跨品种生态区的高产品种,同时在各品种生态区中表现优良的广适性高产品种,相比于同质品种生态区中的高产育种更加困难[19]。在这种情况下,科学利用基因型与环境互作效应的有效途径之一是将目标种植区域划分成几个潜在的相对同质的品种生态区,然后针对品种生态区开展特殊适应性育种,可以大幅提高育种效率和品种推广应用的可靠性[12]。我国长江流域棉区地域辽阔,涵盖长江上游、中游和下游的四川、湖南、湖北、河南、安徽、江西、江苏、浙江省的广大棉区,各地区的自然生态环境不同,土壤因子和气象条件也存在显著的差异[18]。在我国当前针对主要农作物品种区域试验以广适性评价为主和实行国家与省级二级审定制度的条件下,长江流域棉区的棉花育种应当采用广适性和特殊适应性育种相结合的方式。可以在整个长江流域目标环境一体化的大框架下,采用广适性的育种方式,选择适合于长江流域棉区的适应广的“大品种”;同时也应当针对目标环境中存在的特殊品种生态区或者利用省级区域试验选择具有特殊适应性的“小品种”,从而有针对性地进行品种选择和利用,充分发挥品种与环境最佳组合对生产的促进作用,避免特殊不适应品种与环境组合可能带来的生产风险。GGE双标图方法已经广泛地应用于多种农作物的品种生态区划分和品种适宜种植区域划分[19-21]。本研究利用GGE双标图对‘鄂杂棉30’等参试品种在长江流域的适宜种植环境进行了充分评价,同时利用GGE双标图的“成对比较”功能图将‘鄂杂棉30’与对照品种在长江流域的产量表现进行了相互比较。结果表明,‘鄂杂棉30’在两年试验中表现出对长江流域棉区最广泛的适应性,在与对照品种的成对比较中也体现出绝对的区域适应性优势。研究结果明确了‘鄂杂棉30’是长江流域棉区普适性的品种,结合其高产和稳产的特征,说明‘鄂杂棉30’是针对长江流域棉区广适性育种的成功例证,同时也说明GGE双标图的“适宜种植区域划分”功能图对品种的适宜种植区域划分的有效性和实用性。

References

[1]MohammedY A,ChenC C,McPheeK,et al.Yield performance and stability of dry pea and lentil genotypes in semi-arid cereal dominated cropping systems[J].Field Crops Research,2016,188:31–40

[2]常磊,柴守玺.GGE双标图在我国旱地春小麦稳产性分析中的应用[J].中国生态农业学报,2010,18(5):988–994 Chang L,Chai S X.Application of GGE biplot in spring wheat yield stability analysis in rainfed areas of China[J]. Chinese Journal of Eco-Agriculture,2010,18(5):988–994

[3]Silva K B,Bruzi A T,Zuffo A M,et al.Adaptability and phenotypic stability of soybean cultivars for grain yield and oil content[J].Genetics and Molecular Research,2016,15(2):1–11

[4]Xu N Y,Fok M,Zhang G W,et al.The application of GGE biplot analysis for evaluating test locations and mega-environment investigation of cotton regional trials[J]. Journal of Integrative Agriculture,2014,13(9):1921–1933

[5]Yan W K, Frégeau-Reid J, Pageau D, et al. Genotype-by-environment interaction and trait associations in two genetic populations of oat[J].Crop Science,2016,56(3): 1136–1145

[6]汪洲涛,苏炜华,阙友雄,等.应用AMMI和HA-GGE双标图分析甘蔗品种产量稳定性和试点代表性[J].中国生态农业学报,2016,24(6):790–800 Wang Z T,Su W H,Que Y X,et al.Analysis of yield stability and test site representativeness of sugarcane trials using combined AMMI and HA-GGE biplot models[J].Chinese Journal of Eco-Agriculture,2016,24(6):790–800

[7]Annicchiarico P.Jointregression vs AMMI analysisof genotype-environment interactionsfor cereals in Italy[J]. Euphytica,1997,94(1):53–62

[8]van Eeuwijk F A,Malosetti M,Yin X Y,et al.Statistical models for genotype by environment data:From conventional ANOVA models to eco-physiologicalQTL models[J]. Australian Journal of Agricultural Research,2005,56(9): 883–894

[9]DeLacy I H,Redden R J,Butler D G,et al.Analysis of line´environment interactions for yield in navy beans.3.Pattern analysis of environments over years[J].Australian Journal of Agricultural Research,2000,51(5):619–628

[10]Yan W K.Singular-value partitioning in biplot analysis of multienvironmenttrial data[J].Agronomy Journal,2002, 94(5):990–996

[11]Zobel R W,Wright M J,Gauch H G.Statistical analysis of a yield trial[J].Agronomy Journal,1988,80(3):388–393

[12]Yan W K,Hunt L A,Sheng Q L,et al.Cultivar evaluation and mega-environment investigation based on the GGE biplot[J]. Crop Science,2000,40(3):597–605

[13]李辛村,张恩和,董孔军,等.用AMMI双标图分析糜子品种的产量稳定性及试点代表性[J].中国生态农业学报, 2012,20(4):422–426 Li X C,Zhang E H,Dong K J,et al.AMMI-Biplot analysis of yield stability and test-site representativeness of proso-millet cultivars[J].Chinese Journal of Eco-Agriculture,2012,20(4): 422–426

[14]Yan W K,Kang M S,Ma B,et al.GGE biplot vs.AMMI analysis of genotype-by-environment data[J].Crop Science, 2007,47(2):643–655

[15]Yan W K.GGEbiplot—A windows application for graphical analysis of multienvironment trial data and other types of two-way data[J].Agronomy Journal,2001,93(5):1111–1118

[16]许乃银,金石桥,张国伟,等.HA-GGE双标图在长江流域棉花品种区域试验中的应用[J].棉花学报,2013,25(6):517–524 Xu N Y,Jin S Q,Zhang G W,et al.The effectiveness of HA-GGE biplot application in analyzing the data from the national cotton cultivar regional trial in the Yangtze river valley[J].Cotton Science,2013,25(6):517–524

[17]Sarkar B,Sharma R C,Verma R P S,et al.Identifying superior feed barley genotypes using GGE biplot for diverse environments in India[J].Indian Journal of Genetics and Plant Breeding,2014,74(1):26–33

[18]许乃银,李健.利用GGE双标图和综合选择指数划分棉花品种生态区[J].中国生态农业学报,2014,22(9):1113–1121 Xu N Y,Li J.Using GGE biplot and comprehensive selection index to investigate mega-environments of cotton cultivar[J]. Chinese Journal of Eco-Agriculture,2014,22(9):1113–1121

[19]Yan W K.Mega-environment analysis and test location evaluation based on unbalanced multiyeardata[J].Crop Science,2015,55(1):113–122

[20]唐淑荣,许乃银,杨伟华,等.基于GGE分析的西北内陆棉区纤维品质生态区划分[J].中国生态农业学报,2016, 24(12):1674–1682 Tang S R,Xu N Y,Yang W H,etal.Ecological regionalization of cotton fiber quality in the Northwest Inland Region using GGE analysis[J]. Chinese Journal of Eco-Agriculture,2016,24(12):1674–1682

[21]许乃银,李健.GGE双标图的信息比校正原理与应用——以长江流域棉花品种生态区划分为例[J].中国生态农业学报,2015,23(9):1169–1177 Xu N Y,Li J.Principles and applications of information ratio adjustmentofGGE biplot— A case study ofcotton mega-environment investigation in the Yangtze River Valley[J]. Chinese Journal of Eco-Agriculture,2015,23(9):1169–1177

[22]慕平,赵桂琴,柴继宽.基于GGE-Biplot的甘肃省不同生态区燕麦生产性能及适应性分析[J].中国生态农业学报, 2015,23(6):705–712 Mu P,Zhao G Q,Chai J K.Analysis of oats productivity and adaptability in different ecological regions of Gansu Province using GGE-Biplot[J].Chinese Journal of Eco-Agriculture, 2015,23(6):705–712

[23]Klomsa Ard P,Patanothai A,Jaisil P.Efficient test sites for multi-environmentevaluation ofsugarcane genotypes in Thailand[J].International Journal of Plant Production,2013, 7(4):763–790

[24]Yan W K,Kang M S.GGE Biplot Analysis:A Graphical Tool for Breeders,Geneticists,and Agronomists[M].Boca Raton, London,New York,Washington D C:CRC Press,2003

[25]Yan W K.CropVariety Trials:Data Management and Analysis[M].Oxford,UK:Wiley-Blackwell,2014

[26]严威凯.双标图分析在农作物品种多点试验中的应用[J].作物学报,2010,36(11):1805–1819 Yan W K.Optimal use of biplots in analysis of multi-location variety test data[J].Acta Agronomica Sinica,2010,36(11): 1805–1819

[27]Yan W K,Tinker N A.Biplot analysis of multi-environment trial data:Principles and applications[J].Canadian Journal of Plant Science,2006,86(3):623–645

[28]许乃银,张国伟,李健,等.基于GGE双标图和比强度选择的棉花品种生态区划分[J].中国生态农业学报,2012, 20(11):1500–1507 Xu N Y,Zhang G W,Li J,et al.Investigation of cotton mega-environment based on fiber strength selection and GGE biplot[J].Chinese Journal of Eco-Agriculture,2012,20(11): 1500–1507

[29]Yan W K,HuntL A.Interpretation ofgenotype × environment interaction for winter wheat yield in Ontario[J]. Crop Science,2001,41(1):19–25

[30]Gauch H G Jr.Statistical Analysis of Regional Yield Trials: AMMI Analysis ofFactorialDesigns[M].Amsterdam: Elsevier,1992

Evaluation of upland cotton yield stability and adaptability using GGE-biplot analysis:A case study of‘Ezamian 30’cotton cultivar in Yangtze River Valley*

XU Naiyin1,RONG Yihua2,LI Jian1,FU Yonghong2,MEI Hancheng2
(1.Institute of Industrial Crops,Jiangsu Academy of Agricultural Sciences/Key Laboratory of Cotton and Rapeseed,Ministry of Agriculture,Nanjing 210014,China;2.Xiangyang Academy of Agricultural Sciences,Xiangyang 441057,China)

The major challenge for a breeder is choosing genotypes with high yield and stability,which have always been themain objectives of crop yield breeding.However,the ever-existing genotype-by-environment interaction has also always impeded the progress in selecting new cultivars for a wide spectrum of the environment.Scientific and reasonable assessment of the stability and adaptability of varieties are conducive for improving the selection and utilization efficiency of crop breeding.In this study,the GGE-biplot®software was used to explore and visualize yield ability,stability and adaptability of a newly registered cotton cultivar‘Ezamian 30’and other candidate lines in the same groups of national cotton trials during the period 2012–2013 in the Yangtze River Valley(YRV).Meanwhile,the“Pairwise Comparison view”of the GGE biplot was used for one-to-one comparison with the control cultivar‘Ezamian 10’for superiority of adaptability to the local conditions. The resultsshowed that:1)‘Ezamian 30’had a prominenthigh-yield and an excellentstability in the 2-year multi-environmental variety trials.2)The integrated performance(i.e.,ideal index)of‘Ezamian 30’in joint evaluation of high yield and stability was significantly superior to that of the control‘Ezamian 10’and other candidate lines in the trials.3)The dominant suitable planting area of‘Ezamian 30’was widest among all candidate cultivars,which covered an overwhelming majority of the whole cotton planting region in YRV.4)For one-to-one comparison,‘Ezamian 30’evidently had a beneficial planting advantage with higher yield potential than the control cultivar and other candidate lines in most of cotton growing area in YRV.This study demonstrated the effectiveness of GGE-biplot in the concurrently evaluating high yield/stability, suitable planting area delineation,etc.Furthermore,it showed the ideal characteristics of‘Ezamian 30’for high yield,stability and adaptability.Thus it provided not only theoretical guidelines for reasonable extension and utilization of‘Ezamian 30’,but also set up a reference base for comprehensive evaluation of other varieties and/or crops.

Cotton(Gossypium hirsutumL.);GGE-biplot;Yield stability;Productivity;Adaptability;Regional crop trial

,XU Naiyin,E-mail:naiyin@126.com

Dec.12,2016;accepted Jan.10,2017

S562.03

A

1671-3990(2017)06-0884-09

10.13930/j.cnki.cjea.161119

许乃银,荣义华,李健,付永红,梅汉成.GGE双标图在陆地棉高产稳产和适应性分析中的应用——以长江流域棉区国审棉花新品种‘鄂杂棉30’为例[J].中国生态农业学报,2017,25(6):884-892

Xu N Y,Rong Y H,Li J,Fu Y H,Mei H C.Evaluation of upland cotton yield stability and adaptability using GGE-biplot analysis:A case study of‘Ezamian-30’cotton cultivar in Yangtze River Valley[J].Chinese Journal of Eco-Agriculture,2017, 25(6):884-892

* 国家转基因生物新品种培育重大专项(2012ZX08013015)和国家农作物品种区域试验专项(012022911108)资助许乃银,主要从事棉花区域试验和生态适应性模型研究。E-mail:naiyin@126.com

2016-12-12 接受日期:2017-01-10

* This research was supported by the National Transgenic Project of China(2012ZX08013015)and the Project from National Extension and Service Center of Agricultural Technology(012022911108).