全 文 ：基于 GGE双标图的棉花品种生态区划分*
许乃银1,2 摇 张国伟2 摇 李摇 健2 摇 周治国1**
( 1南京农业大学 /农业部作物生长调控重点开放实验室, 南京 210095; 2江苏省农业科学院经济作物研究所 /农业部长江下游
棉花和油菜重点实验室, 南京 210014)
摘摇 要摇 采用遗传力校正的 GGE 双标图分析方法,对以安庆、南阳、黄冈、荆州、武汉、襄阳、
常德、岳阳、南京、南通、盐城、九江、简阳、射洪和慈溪等 15 个试验点为代表的长江流域棉区,
基于皮棉产量进行品种生态区划分,并对划分结果进行信息比( IR)校正,为长江流域棉区棉
花品种的选择提供科学依据.结果表明: 长江流域棉区可以划分为 3 个棉花品种生态区,即以
简阳和射洪为代表的“四川盆地棉花品种生态区冶、以南阳和襄阳为代表的“南襄盆地棉花品
种生态区冶和涵盖其余试验点的“长江流域主体棉花品种生态区冶 .
关键词摇 棉花摇 GGE双标图摇 遗传力校正摇 生态区
文章编号摇 1001-9332(2013)03-0771-06摇 中图分类号摇 S562摇 文献标识码摇 A
Ecological regionalization of cotton varieties based on GGE biplot. XU Nai鄄yin1,2, ZHANG
Guo鄄wei2, LI Jian2, ZHOU Zhi鄄guo1 ( 1Ministry of Agriculture Key Laboratory of Crop Growth Regu鄄
lation, Nanjing Agricultural University, Nanjing 210095, China; 2Ministry of Agriculture Key Labo鄄
ratory of Cotton and Rapeseed, Institute of Industrial Crops, Jiangsu Academy of Agricultural Sci鄄
ences, Nanjing 210014, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(3): 771-776.
Abstract: By using the heritability鄄adjusted GGE biplot analysis method, and taking the trial sites
Anqing, Nanyang, Huanggang, Jingzhou, Wuhan, Xiangyang, Changde, Yueyang, Nanjing, Nan鄄
tong, Yancheng, Jiujiang, Jianyang, Shehong, and Cixi as the representative cotton鄄planting areas
in the Yangtze River basin, the ecological regionalization of cotton varieties in the basin was made
based on the lint cotton yield, and the regionalization results were adjusted by the information ratio
(IR) method, aimed to provide scientific basis for the selection of cotton varieties in the cotton鄄
planting areas of the basin. The cotton鄄planting areas in the Yangtze River basin could be divided
into three ecological regions, i. e. , the “Sichuan basin cotton region冶 with Jianyang and Shehong as
the representative, the “Nan鄄Xiang basin cotton region冶 with Xiangyang and Nanyang as the repre鄄
sentative, and the “majority complex cotton region in the Yangtze River basin冶 including all the
other sites in the basin.
Key words: cotton; GGE biplot; heritability adjustment; ecological region.
*国家转基因生物新品种培育重大专项(2012ZX08013015,2012ZX
08013016)资助.
**通讯作者. E鄄mail: giscott@ njau. edu. cn
2012鄄06鄄01 收稿,2012鄄12鄄19 接受.
摇 摇 棉花的生长发育和产量形成受生态环境变化的
影响,存在着显著的基因型与环境互作 ( GE)现
象[1-3] .多年多环境的品种试验是研究基因型与环
境互作的主要方式,而在作物多环境试验中环境变
异通常占总变异的 80%以上,基因型与环境互作的
变异又大于基因型的变异[4],所以在品种选择和评
价中必须重视并研究应用基因型与环境互作效应,
在基于品种(或品系,下同)表现进行环境评价与品
种生态区划分的研究中亦应重视基因型与环境互作
效应的作用.品种生态区是指在某种作物生长的大
环境中有一部分品种表现总是相似的同质性生态区
域[5],或在年际间可重复的具有共同最佳品种的试
验点组合[6] .在棉花产量育种实践中有必要将目标
区域划分成几个相对同质的品种生态区,从而有针
对性地进行区域性育种和品种推广应用. 在品种生
态区内选择的品种是在小区域内具有广泛适应性的
品种,而在大区域内则是具有特殊适应性的品种,所
以育种专家的主要目标在于研究品种大区域内的广
泛适应性,同时也必须考虑对品种生态区的特殊适
应 用 生 态 学 报摇 2013 年 3 月摇 第 24 卷摇 第 3 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Mar. 2013,24(3): 771-776
应性,才能针对性地提高育种效率[7] . 基因型与环
境互作 ( GE)已经被广泛地用于研究品种稳定
性[8-10]和环境分类[11-13],但根据基因型与环境互作
确定试验点理想性的研究相对较少.
HA鄄GGE 双标图是分析基因型与环境互作模
式、鉴别品种生态区和试验点评价最适合而高效的
统计分析与图形展示相结合的方法,并可根据试验
点对目标环境的代表性及其对基因型遗传差异的鉴
别力评价试验点的理想程度[14-16] .本研究采用 HA鄄
GGE双标图中的“适宜品种与环境组合冶功能图,分
析了 2000—2010 年期间 27 组独立的长江流域棉花
多环境品种试验中皮棉产量性状的基因型与环境互
作模式,探索将试验点划为品种生态区的重复性与
概率,并依据信息比准则[17]选择最优的 GGE 主成
分对每组试验中的试验点进行聚类分析[18],以校正
GGE双标图分析的拟合度,提高品种生态区划分的
精确性,为棉花品种选择与应用提供理论依据和决
策支持.
1摇 材料与方法
1郾 1摇 试验设计
2000—2010 年期间,长江流域棉花区域试验每
年在长江流域棉区各省市设置安庆、南阳、黄冈、荆
州、武汉、襄阳、常德、岳阳、南京、南通、盐城、九江、
简阳、射洪和慈溪等试验点(各试验点依次缩写为
AQ、NY、HG、JZ、WH、XF、CD、YY、NJ、NT、YC、JJ、
JY、SH和 CX,下同).每个试验点每年承担 1 ~ 4 组
田间试验,共 27 组试验(含 405 个独立的单点试
验).每组试验参试品种 10 个左右,均采用随机区
组排列,重复 3 次,小区面积 20 m2,植棉 3 ~ 6 行,行
距 0郾 8 ~ 1郾 1 m,株距 0郾 3 ~ 0郾 4 m.各组试验的数据
集以试验的实施年份命名,同一年份实施的 2 组以
上试验,则在年份后依次加上小写字母以示区别,如
“2007b冶表示 2007 年实施的 B组试验,其余类推.
试验以营养钵育苗移栽方式为主.肥料施用量
为:基肥 N、P2O5和 K2O约 165、79、113 kg·hm-2,蕾
铃期分别追施 N 和 K2O 约 110 和 49 kg·hm-2 . 通
常,每年治虫次数在 8 次左右,其中 2 ~ 5 次防治棉
铃虫,其余主要防治棉盲蝽、红蜘蛛、棉蚜虫、斜纹夜
蛾和地下害虫等.棉花生长期间根据不同气候条件
下棉花的长势喷施适量化学调节剂,确保棉花稳健
生长.吐絮后分小区收获,收花截止日期为 11 月 20
日,到期不再采收青铃.各小区收获的籽棉充分混匀
后,从中随机抽取 1 kg 籽棉,在皮辊机上轧花后用
电子天平称量皮棉质量,计算皮棉占籽棉质量的百
分率,取两次重复的平均值即为某品种的衣分率,再
根据衣分率和实收籽棉产量计算皮棉产量.
1郾 2摇 统计分析方法
1郾 2郾 1 GGE 模型结构摇 采用统计软件包 SAS v郾 9郾 0
的广义混合线性模型程序分别对长江流域 27 组区
域试验参试品种的皮棉产量进行方差分析,用 F 测
验方法检验基因型主效、试验点主效和试验点与基
因型互作效应的显著性.然后,基于 GGE 模型[19]将
基因型(G)和基因型与环境互作效应(GE)联合分
解为相应的 GGE 主成分得分(PC1 ~ PC6),并据此
计算 GGE双标图的拟合度和信息比. 同时,计算对
各组试验的遗传力(h2),以评价区域试验对品种的
总体鉴别效率[20-21] .基因型主效(G)加基因型与环
境互作效应(GE)合称为“GGE冶模型[22] . GGE 模型
也称为环境中心化的主成分分析,即在原始数据减
去环境均值后,将基因型主效整合在互作项中进行
奇异值分解,一般计算公式为:
Yger = 滋+ 茁e +移姿n酌gn啄ge +籽ge +缀ger (1)
式中: Yger为基因型 g在环境 e中第 r个重复的产量
(或者其他性状值);滋为总体均值;茁e为环境 e 的主
效;姿n为第 n 个主成分的奇异值;酌gn为基因型 g 的
第 n个特征向量得分;啄en为环境 e 的第 n 个特征向
量得分;籽ge为基因型 g 在环境 e 的残差;着ger为总体
误差.参数 姿n 酌gn和 姿n 啄en被分别定义为品种 g 和
地点 e的第 n个 GGE 主成分得分,简称为 IPCAn或
PCn .
1郾 2郾 2 GGE双标图表达形式 摇 两维 GGE 双标图是
直观表达 GGE模型和展示品种与试验点关系的主
要形式,双标图中品种图标和试验点图标的相对位
置表达了基因型与环境的互作模式. 为便于图形表
达,一般仅选用前两个 GGE 主成分得分 ( PC1和
PC2),而将其后的主成分信息合并为模型残差. 遗
传力较正的 GGE 双标图是用遗传力参数进行定标
的 GGE双标图[16],具有如下结构:
Yger =滋+茁e+姿1酌g1啄e1+姿2酌g2啄e2+籽ge+着ger (2)
式中:姿1为第 1 个主成分的奇异值;酌g1为基因型 g
的第 1 个特征向量得分;啄e1为环境 e 的第 1 个特征
向量得分.参数 姿1 酌g1和 姿1 啄e1被分别定义为品种
g和地点 e 的第 1 个 GGE 主成分得分,简称为 IP鄄
CA1或 PC1 .第 2 个主成分的表达方式类推. 其余同
式(1).
277 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
1郾 2郾 3基于 GGE双标图划分品种生态区的方法摇 在
GGE双标图的“适宜基因型与环境组合冶功能图中,
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,在同一扇区内的试验点即构成了一个试验点组
合.每个扇区中位于多边形角顶上的品种就是在该扇
区内各个试验点上表现最好的品种,称为“胜出品
种冶,也就是该试验点组合共同的最好品种[23] .
1郾 2郾 4 品种生态区划分的信息比较正方法摇 主成分
分析的信息比( information ratio, IR)就是各主成分
所解释总变异的份额乘以基因型自由度和环境数中
的最小值[16] .有几个主成分的 IR逸1,就需要几个
主成分来充分近似分析的数据[16] . GGE双标图分析
只涉及前两个主成分,因而不能保证总是恰如其分
地表达了数据中的规律,对品种与环境的互作关系
解释和品种生态区划分可能存在一定的偏差. 信息
比较正方法就是在 GGE 模型中选择信息比( IR)
逸1的主成分参与分析,优化模型的拟合度,使品种
生态区划分结果更可靠.
2摇 结果与分析
2郾 1摇 皮棉产量的方差分析
对 2000—2010 年期间 27 组长江流域棉花多环
境品种试验的皮棉产量进行方差分析,结果表明,在
皮棉产量表型变异中,试验点的变异(E)平均占处
理总变异 ( SSTRMT ) 的 75郾 3% ,变幅为 54郾 2% ~
90郾 8% ,为表型变异的主要来源.基因型与环境互作
效应(GE)和基因型主效应(G)在各组试验中均达
到显著水平,平均分别占处理总变异 ( SSTRMT )的
14郾 2%和 10郾 5% . 基因型与环境互作效应在 22 组
试验中大于基因型主效应,占试验组数的 81郾 5% .
各组试验的遗传力(h2)较高,其中 26 组试验的遗
传力在 75%以上,变幅为 75郾 7% ~ 95郾 9% ,只有试
验“2008a冶的遗传力较低(59郾 4% ) (表 1). 说明长
江流域棉花多环境品种试验总体上对皮棉产量性状
的选择和鉴别效果较好. 基因型与环境互作效应占
表型变异的比例大于基因型效应所占的比例,表明
在长江流域棉区总体目标环境中可能存在真实的品
种生态区.
2郾 2摇 基于 GGE双标图和单组试验数据的品种生态
区划分
品种生态区的划分需要对多组试验进行 GGE
双标图分析,找出多次试验数据分析结果中的可重
表 1摇 2000—2010 年 27 组长江流域棉花区域试验皮棉产量
方差分析
Table 1摇 Analysis of variance for 27 lint cotton yield data鄄
sets of multi鄄location trials in the Yangtze River Valley
across 2000-2010
试验
Trial
自由度
df
G E GE
占处理总变异
(SSTRMT)的百分率
Percent of SSTRMT (% )
E G GE
遗传力
Heritability
(h2,% )
2000 9 14 126 72郾 5** 11郾 9** 15郾 6** 89郾 0
2001 9 14 126 84郾 7** 5郾 6** 9郾 7** 84郾 8
2002 9 14 126 57郾 5** 31郾 2** 11郾 2** 95郾 9
2003a 7 14 98 84郾 2** 5郾 5* 10郾 3** 84郾 9
2003b 8 14 112 73郾 1** 16郾 8** 10郾 1** 93郾 5
2004a 8 14 112 69郾 5** 9郾 7** 20郾 8** 78郾 5
2004b 8 14 112 59郾 0** 15郾 3** 25郾 7** 83郾 9
2005a 9 14 126 80郾 3** 6郾 4** 13郾 3** 76郾 1
2005b 9 14 126 71郾 0** 13郾 5** 15郾 5** 88郾 8
2005c 9 14 126 79郾 7** 10郾 2** 10郾 1** 89郾 5
2006a 10 14 140 83郾 9** 6郾 9** 9郾 2** 85郾 1
2006b 9 14 126 85郾 6** 5郾 0* 9郾 4** 80郾 2
2006c 9 14 126 86郾 8** 4郾 5* 8郾 7** 79郾 5
2007a 9 14 126 60郾 6** 16郾 0** 23郾 4** 84郾 3
2007b 10 14 140 73郾 8** 13郾 8** 12郾 4** 90郾 1
2007c 9 14 126 54郾 2** 22郾 0** 23郾 8** 89郾 3
2008a 10 14 140 90郾 8** 2郾 0* 7郾 1** 59郾 4
2008b 10 14 140 82郾 3** 9郾 5** 8郾 2** 91郾 0
2008c 11 14 154 83郾 8** 6郾 4** 9郾 9** 83郾 9
2009a 10 14 140 75郾 6** 9郾 2** 15郾 2** 83郾 0
2009b 10 14 140 66郾 1** 13郾 2** 20郾 7** 81郾 7
2009c 9 14 126 81郾 7** 5郾 3* 13郾 0** 78郾 9
2009d 9 14 126 84郾 9** 5郾 0* 10郾 1** 81郾 8
2010a 9 14 126 79郾 7** 6郾 3** 14郾 1** 79郾 3
2010b 9 14 126 69郾 3** 14郾 6** 16郾 1** 88郾 9
2010c 9 14 126 73郾 0** 10郾 8** 16郾 2** 84郾 8
2010d 9 14 126 69郾 7** 7郾 1** 23郾 2** 75郾 7
G:基因型主效 Genotype main effect; E:试验点(环境)主效 Site ( en鄄
vironment) main effect; GE:基因型与试验点互作效应 Genotype and
environment interaction郾 ** P<0郾 01. 试验数据集用试验实施年份
命名,同年份实施的不同组别试验则在年份后标注 a、b、c、d 等小写
字母以示区别,如“2007b冶表示 2007 年实施的第二套区域试验,其
余类推 The name of trial dataset was named after its implementing year,
and suffixed with an ordinal small letters a, b, c, d to distinguish郾 e郾 g郾
“2007b冶 stood for the second set of trial implemented in 2007, and so
on郾 下同 The same below郾
复的环境组合,才能归纳出目标环境的品种生态区
划分方案.但单组试验数据的 GGE双标图分析是多
组试验分析的基础,故首先以 2000 年区试数据为
例,展示 GGE 双标图划分品种生态区的过程与方
法.基于 2000 年长江流域棉花区域试验皮棉产量选
择的遗传力校正 GGE双标图的“适宜品种与环境组
合冶功能图分析表明(图 1),长江流域棉区可划分为
3 个试验点组合,“胜出品种冶及其代表扇区内的试
验点分别为:品种“GM9618冶,代表扇区包括射洪
( SH)试点;品种“XK5冶,代表扇区包括简阳(JY)试
3773 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 许乃银等: 基于 GGE双标图的棉花品种生态区划分摇 摇 摇 摇 摇 摇
图 1摇 2000 年长江流域棉花区域试验皮棉产量 GGE双标图
的“适宜品种与环境组合冶功能图
Fig. 1摇 “Which鄄won鄄where冶 view of the lint cotton yield GGE
biplot in the national cotton regional trials in the Yangtze River
Valley in 2000郾
此图是基于环境中心化(Centering=2)、遗传力校正定标的品种与环
境两向表,采用聚焦环境的特征值分析方法(SVP = 2) The biplot was
based on environment鄄centered(Centering = 2) and heritability adjusted
scaled (Scaling=2) variety and environment two way datasets, using en鄄
vironment鄄focused singular value partitioning (SVP=2) method郾 试点代
号详见表 1,代号前附“+冶,以区分于品种代号 The site code was pre鄄
fixed with “+冶 to distinguish with the variety code, and the detailed in鄄
formation of site code were the same in table 1. PC1 = 50郾 8% ,PC2 =
17郾 5% , Sum = 68郾 3% ; Transtorm = 0, Scalling = 2. Centering = 2,
SVP=2.
点;而品种“Ckz3冶扇区内包括其余 13 个试点.将根
据 2000 年长江流域棉花区域试验中皮棉产量性状
的 GGE分析划分胜出品种及其所代表扇区内的试
点组合编号列于表 2,并表达为“ <1 >AQ,CD,CX,
HG,JJ,JZ,NJ,NY,NT,WH,XF,YC,YY / Ckz3;<2 >
SH / GM9618;<3>JY / XK5冶. 假设在多次试验中,这
样的试验点组合是固定不变的,那么目标环境就可
以据此划分品种生态区[16,24] .
2郾 3摇 基于 GGE双标图和多组试验数据的品种生态
区划分
由于基因型与环境互作的影响因素很多[25-26],
在多次试验中完全重复的试验点组合是不可能出现
的.因此,品种生态区划分只能通过对相同试验点的
多次试验数据进行分析,探索试验点之间的组合模
式,以及试验点间的组合概率大小来推断是否存在
可重复的品种生态区. 所以,用遗传力校正的 GGE
双标图对 2000—2010 年期间的 27 组试验进行相同
分析,将各组试验的“胜出品种冶及其代表扇区内的
试验点组合列于表 2. 尽管试验点的组合模式会因
不同年份和不同试验组别而变化,基因型与试验点
的交叉互作是明显存在的,试验点间组合模式也呈
现出可重复的趋势. 总体来看,平均每组试验包括
2 ~ 4个胜出品种及其试验点组合.
表 2摇 2000—2010 年长江流域棉花区域试验胜出品种与试
验点组合表
Table 2摇 The location groups differentiated by their respec鄄
tive winning cultivar in each trial of the national cotton re鄄
gional trial in the Yangtze River Valley trials from 2000 to
2010
试验
Trial
各组试验中具有共同胜出品种的试验点 /胜出品种
Location Groups differentiated by winning cultivars in
each trial / winning鄄cultivar
2000 <1>AQ,CD,CX,HG,JJ,JZ,NJ,NY,NT,WH,XF,YC,
YY / Ckz3;<2>SH / GM9618;<3>JY / XK5
2001 <1>AQ,CD,CX,HG,JJ,JY,JZ,NJ,SH,NT,YC,YY /
XK5;<2>NY,XF,WH / Nk6
2002 <1>NY,XF,HG,YY,JZ,YC / Nk6;<2>CD,AQ,NJ,JJ,
JY,SH / TD5;<3>WH,NT,CX / XZ2084
2003a <1>AQ,CD,CX,HG,JJ,JY,JZ,NJ,NT,WH,YC,YY /
TD5;<2>NY,XF / Nz602;<3>SH / XZ2084
2003b <1>AQ,CD,CX,HG,JJ,JZ,NT,NY,SH,WH,XF,YC,
YY / SZ3;<2>NJ,JY / Wz3
2004a <1>JY,NY,XF,JJ,HG,JZ,NT,WH,YC / ZZ04鄄1;<2>
SH,YY,CX,AQ,CD,NJ / Xs鄄26
2004b <1>XF,JJ,NT,HG,CD / JZHR9999;<2 >SH,NJ,WH,
CX,YY / SZ3;<3>JZ,YC,AQ / Z001;<4>NY,JY / C19
2005a <1>YC,JZ,AQ,HG,CX,YY,NJ / Z001; < 2 > JY,SH,
NY,XF / ZZ04鄄1;<3>NT,JJ,CD,WH / MRY9
2005b <1>YY,CD,WH,JJ,JZ,CX,NT / CZ21;<2 >SH,XF,
HG,YC,AQ,NJ / SK2102;<3>NY,JY / YK8
2005c <1>AQ,CX,HG,JJ,JY,JZ,NJ,NY,SH,NT,WH,YC /
LYM12;<2>XF,CD,YY / SY212
2006a <1>YC,WH,CX,YY,AQ,CD,JJ / ZCJ03b;<2>JY,SH,
NT,NJ / LYM12;<3>NY,XF,HG,JZ / 20鄄9F1
2006b <1>AQ,HG,JZ,NJ,NT,WH,YC,YY / XKX6;<2>JY,
SH,CX,JJ,CD / GA18HB;<3>NY,XF / ZJZ601
2006c <1>AQ,CD,CX,HG,JJ,JY,JZ,NJ,SH,NT,WH,YC,
YY / SY328;<2>NY,XF / SH01鄄3
2007a <1>JY,SH,HG,CD,YY,JJ,WH,NJ / SH01鄄3;<2>NY,
XF,AQ,JZ,CX,NT / SY328;<3>YC / XZM7
2007b <1>AQ,CD,CX,HG,JJ,JZ,NJ,NY,YY,WH,XF,YC,
NT / TZ411;<2>JY,SH / C075
2007c <1>JY,SH,NT,YC,YY,NJ,JZ / BZM8;<2>NY,XF,JJ,
AQ,WH / C072;<3>HG,CX,CD / H318
2008a <1>NY,SH,WH,CX,XF,HG,JZ,JJ,YY / TZ411;<2 >
NT,NJ,AQ,YC,CD / SY502;<3>JY / C072
2008b <1>AQ,CD,CX,HG,JJ,JY,JZ,NJ,NT,SH,WH,YC,
YY / SZM8;<2>NY,XF / KZ2
2008c <1>SH,CD,JJ,JZ,AQ,YC,NJ,YY,WH,NT,NY,HG /
KM12;<2>CX,JY / RD701;<3>XF / SK2106
2009a <1>AQ,CD,CX,HG,JJ,JY,JZ,NJ,NT,WH,XF,YC,
YY / C091;<2>NY,SH / HF2
2009b <1 > CD,CX,HG, JJ, JZ, NT, SH,WH,AQ, YC, YY /
HH4;<2>NJ,JY / J088;<3>NY,XF / RZ816
2009c <1 > AQ, CD, CX,HG, JJ, JY, NJ, SH,WH,YC, YY /
TF668;<2 >NY,XF / YK13; < 3 > JZ / EZM10; < 4 >NT /
XYM2
2009d <1>NY,SH,XF,CX,NJ,JJ,YC / H06鄄68;<2>AQ,HG,
CD,WH,YY / EZM10;<3>NT,JZ / HH6;<4>JY / DZ1
2010a <1>NT,AQ,JJ,CD,YC,JZ,HG / CZM23;<2>WH,YY,
NJ,CX / HH7F1;<3>NY,XF,SH / SY698;<4>JY / WD鄄3
2010b <1>XF,YC,HG,JJ,WH,JZ,NJ,AQ,CX,CD / JX555;
<2>NY,SH / SNM0815; < 3 > YY,NT / XYM3; < 4 > JY /
EZM10
2010c <1>NY,SH,YC,JJ,NJ,HG,YY,CD,CX,WH,AQ,JZ,
XF / XD412;<2>NT / NZ0822;<3>JY / XT0603
2010d <1>YC,NT,AQ,XF,JJ,YY,CD,HG / XA920;<2>CX,
NJ,JZ / H06鄄68; < 3 > WH, JY, SH / TF668; < 4 > NY /
RHM3
“< >冶内的数字代表试验点组合的顺序号,“ / 冶后面为胜出品种名
称,前面为该品种所在的扇区内的试验点组合 The digital number
within “< >冶 stood for the test site combination ordinal name郾 The wining
cultivar name of each sector was recorded after the sign “ / 冶, and before
which listed the test site names in the same sector with the cultivar郾
477 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
图 2摇 基于 HA鄄GGE双标图的多年试验点组合概率聚类图(a)和信息比校正的试点聚类图(b)
Fig. 2摇 Dendrogram of test site combination probability in multi鄄year based on HA鄄GGE biplot (a) and information ritio adjusted test
site combination (b)郾
摇 摇 根据表 2 试验点间的组合模式和组合概率的聚
类分析(图 2)可总结出:长江流域棉区的 15 个试验
点中,有 10 个试验点(安庆、常德、慈溪、黄冈、九
江、荆州、南通、武汉、盐城和岳阳)可以划分为同一
品种生态区,这 10 个试验点涵盖了长江流域棉区的
大部分区域,可称为“长江流域主体品种生态区冶;
南阳和襄阳在 20 组试验中位于同一试验点组合中,
而与其他试验点的组合概率很低,因而可以组成另
一个品种生态区,即“南襄盆地品种生态区冶.另外,
射洪、简阳和南京归于同一品种生态区.
2郾 4摇 基于 GGE双标图进行品种生态区划分的信息
比校正
由于上述 GGE 双标图分析中只固定选取前两
个主成分分析得分,不能满足主成分分析中主成分
选择的充分必要性,因此品种生态区划分结果仍需
要采用信息比进行校正.在各组试验 GGE 模型分析
的主成分中,选择 IR逸1 的主成分得分矩阵,根据各
组试验中试点间的平均欧氏距离的聚类分析结果
(图 3),试验点聚为同类群的概率呈现很强的规律
性,同样可证明长江流域棉区并非一个同质的品种
生态区. 15 个试验点中有 11 个试验点(安庆、 常
德、慈溪、黄冈、九江、荆州、南京、南通、武汉、盐城和
岳阳)可划分为一个品种生态区,可称为“长江流域
主体品种生态区冶. 南阳和襄阳试验点经进一步证
实可以划分为同一品种生态区. 射洪和简阳试验点
单独划为同一品种生态区,而南京划归主体品种生
态区.综合考虑射洪和简阳在“适宜基因型与环境
组合冶功能图分析中的表现及其特定的地理位置,
可以将两者划分为特定的“四川盆地品种生态区冶.
3摇 讨摇 摇 论
双标图分析是利用区域试验数据进行品种生态
区探索的有效工具. 由于试验环境的鉴别能力和代
表性是受土壤类型、病虫害发生情况、温度、降雨、土
壤肥力和田间管理措施等多个因素影响. 其中有些
因素(如土壤类型)是静态因子,主要由地理区域决
定,年际间变化不大;而有些因素(降雨量、温度和
管理措施等)虽然在多年中存在一定的规律性,但
仍属于在年份间波动很大的动态因子[20,27] . 因此,
运用 GGE双标图进行品种与环境互作模式分析和
品种生态区划分时,需要在对多年多点数据分析的
基础上进行总结和探索.作为 GGE模型主要表现方
式的 2 维双标图,只能局限于 PC1和 PC2进行试验环
境评价和品种生态区划分,但是 PC1和 PC2可能存在
对数据集夸大或偏低拟合,从而导致拟合度差和准
确度受损的问题.本文对 27 组多环境试验皮棉产量
数据的分析充分证明用信息度校正在双标图分析应
用中的重要性.
目前我国棉花新品种审定主要依据品种在整个
目标环境中的平均表现进行评价,是一种广适性品
种选择方法. 本研究应用 HA鄄GGE 双标图,将长江
流域棉花区域试验 15 个试验点划分为 3 个品种生
态区:以南阳和襄阳为代表的“南襄盆地品种生态
区冶和涵盖大部分试点的“主体品种生态区冶,以及
射洪、简阳和南京构成的品种生态区.而应用信息比
校正的方法对试验点间欧氏距离聚类分析进行品种
生态区划分的结果与上述结果类似,但明确地将射
洪和简阳划分为“四川盆地品种生态区冶,南京划入
“主体品种生态区冶内.这说明依据信息比校正的方
法可以提高 GGE 双标图对品种生态区划分的可靠
性,划分结果与地理信息关联性更强.
由于在长江流域棉花区域试验 15 个试验环境
中有 4 个试验环境的生态条件与主体品种生态区差
异较大,可以划分为不同的小范围品种生态区,可以
5773 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 许乃银等: 基于 GGE双标图的棉花品种生态区划分摇 摇 摇 摇 摇 摇
估计整个长江流域棉花区域试验体系的试验效率约
为 73郾 3% ,其中约含有 26郾 7%的数据量对主体品种
生态区的品种选择来说是无效信息. 既然长江流域
棉花区域试验是通过国家品种审定,并获准对整个
长江流域棉区推广棉花品种的唯一途径,育种专家
只有采用广适性品种选择,并将整个长江流域作为
品种应用和服务的目标环境才可能获得成功. 这样
的育种策略可能导致南阳、襄樊、射洪和简阳等试验
环境所在的小规模品种生态区无法获得最适合的优
良品种,而所谓的“广适性冶品种在其“适合冶的种植
区域内仍然存在一定的生产风险.因此,虽然长江区
域试验总体来说对品种选择是有效的,但仍需要对
试验环境安排和品种评价标准进行适当的调整,以
进一步提高试验的有效性和品种审定与适宜种植区
域划分的科学性.由于地理位置的偏离和气候条件
的特殊性是南阳、襄樊、射洪和简阳试验环境边缘化
的主要原因,在现行品种审定制度和框架内可以考
虑审定对小品种生态区具有特殊适应性的品种,并
针对性地划分推广区域将有助于特殊区域的品种审
定和生产的良性发展. 在人、财、物力资源允许的条
件下,也可以细化品种区域试验的范围,针对特殊的
跨省品种生态区单独开展有针对性的品种选育、审
定和推广应用.
参考文献
[1]摇 Giauffret C, Lothrop J, Dorvillez D, et al. Genotype 伊
environment interactions in maize from temperate or
highland tropical origin. Crop Science, 2000, 40:
1004-1012
[2]摇 Haussmann BI, Hess DE, Reddy BV, et al. Pattern
analysis of genotype 伊 environment interaction for striga
resistance and grain yield in African sorghum trials. Ge鄄
netic Resources and Crop Evolution, 2001, 122: 297-308
[3]摇 Xue X鄄P (薛晓萍), Chen B鄄L (陈兵林), Guo W鄄Q
(郭文琦), et al. Dynamic quantitative model of critical
nitrogen demand of cotton. Chinese Journal of Applied
Ecology (应用生态学报), 2006, 17: 2363-2370 ( in
Chinese)
[4]摇 Romagosa I, Fox RN. Genotype 伊 environment interac鄄
tion and adaptation / / Hayward MD, Bosemark NO,
Romagosa I, eds. Plant Breeding: Principles and Pros鄄
pects. London: Chapman & Hall, 1993: 373-390
[5]摇 Gauch HG, Zobel RW. Identifying mega鄄environments and
targeting genotypes. Crop Science, 1997, 37: 311-326
[6]摇 Yan W, Rajcan I. Biplot analysis of test sites and trait
relations of soybean in Ontario. Crop Science, 2002,
42: 11-20
[7]摇 Cooper M, Woodruff DR, Eisemann RL, et al. A selec鄄
tion strategy to accommodate genotype鄄by鄄environment
interaction for grain yield of wheat: Managed鄄environ鄄
ments for selection among genotypes. Theoretical and
Applied Genetics, 1995, 90: 492-502
[8]摇 Baker RJ. Tests for crossover genotype鄄environmental
interactions. Canadian Journal of Plant Science, 1988,
68: 405-410
[9]摇 Lin CS, Binns MR. A superiority measure of cultivar
performance for cultivar 伊 location data. Canadian Jour鄄
nal of Plant Science, 1988, 68: 193-198
[10]摇 Kang MS. Simultaneous selection for yield and stability
in crop performance trials: Consequences for growers.
Agronomy Journal, 1993, 85: 754-757
[11]摇 Atlin GN, Mcrae KB, Lu X. Genotype 伊 region interac鄄
tion for two鄄row barley yield in Canada. Crop Science,
2000, 40: 1-6
[12]摇 Trethowan RM, van Ginkel M, Ammar K, et al. Asso鄄
ciations among twenty years of international bread wheat
yield evaluation environments. Crop Science, 2003, 43:
1698-1711
[13]摇 Yang R, Blade SF, Crossa J, et al. Identifying isoyield
environments for field pea production. Crop Science,
2005, 45: 106-113
[14]摇 Kang MS, Aggarwal VD, Chirwa RM. Adaptability and
stability of bean cultivars as determined via yield鄄stabili鄄
ty statistic and GGE biplot analysis. Journal of Crop Im鄄
provement, 2006, 15: 97-120
[15]摇 Zhang Z鄄F (张志芬), Fu X鄄F (付晓峰), Liu J鄄Q (刘
俊青), et al. Yield stability and testing鄄site representa鄄
tiveness in national regional trials for oat lines based on
GGE鄄biplot analysis. Acta Agronomica Sinica (作物学
报), 2010, 36(8): 1377-1385 (in Chinese)
[16]摇 Yan W鄄K (严威凯). Optimal use of biplots in analysis
of multi鄄location variety test data. Acta Agronomica Sinica
(作物学报), 2010, 36(11): 1805-1819 (in Chinese)
[17]摇 Yan W, Tinker NA. Biplot analysis of multi鄄environ鄄
ment trial data: Principles and applications. Canadian
Journal of Plant Science, 2006, 86: 623-645
[18]摇 Collaku A, Harrison SA, Finney PL, et al. Clustering
of environments of southern soft red winter wheat region
for milling and baking quality attributes. Crop Science,
2002, 42: 58-63
[19]摇 Yan W. GGE biplot鄄A windows application for graphical
analysis of multienvironment trial data and other types of
two鄄way data. Agronomy Journal, 2001, 93: 1111-1118
[20]摇 Baxevanos D, Goulas C, Rossi J, et al. Separation of
cotton cultivar testing sites based on representativeness
and discriminating ability using GGE biplots. Agronomy
Journal, 2008, 100: 1230-1236
[21]摇 Guillen鄄Portal FR, Russell WK, Eskridge KM, et al.
Selection environments for maize in the U. S. Western
High Plains. Crop Science, 2004, 44: 1519-1526
[22]摇 Yan W, Hunt LA, Sheng Q, et al. Cultivar evaluation
and mega鄄environment investigation based on the GGE
biplot. Crop Science, 2000, 40: 597-605
[23]摇 Yan W, Kang MS. GGE Biplot Analysis: A Graphical
Tool for Breeders, Geneticists, and Agronomists. Boca
Raton: CRC Press, 2003: 63-98
[24]摇 Gauch HG, Zobel RW. Identifying mega鄄environments and
targeting genotypes. Crop Science, 1997, 37: 311-326
[25]摇 Yan W, Glover KD, Kang MS. Comment on “ biplot
analysis of genotype 伊 environment interaction: Proceed
with caution冶. Crop Science, 2010, 50: 1121-1123
[26]摇 Rodriguez M, Rau D, Papa R. Genotype by environ鄄
ment interactions in barley (Hordeum vulgare L. ) dif鄄
ferent responses of landraces, recombinant inbred lines
and varieties to Mediterranean environment. Euphytica,
2008, 163: 231-247
[27]摇 Zhou Q (周摇 青), Wang Y鄄H (王友华), Xu N鄄Y (许
乃银), et al. Effects of air temperature on enzyme activ鄄
ities of cotton plants related to saccharide metabolism of
cotton fiber. Chinese Journal of Applied Ecology (应用生
态学报), 2009, 20(1): 149-156 (in Chinese)
作者简介 摇 许乃银,男,1966 年生,博士,研究员. 主要从事
棉花品种区域试验与生态适应性研究. E鄄mail: naiyin@ jaas.
ac. cn
责任编辑摇 张凤丽
677 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷