全 文 ：我国旱地小麦区域试验精确度及其环境综合评价*
常摇 磊1 摇 韩凡香2 摇 柴守玺1**摇 岳摇 云3 摇 杨德龙2 摇 杨长刚1 摇 黄彩霞4 摇 程宏波2
( 1甘肃省干旱生境作物学重点实验室 /甘肃农业大学农学院,兰州 730070; 2甘肃农业大学生命科学技术学院,兰州 730070;
3甘肃省农业技术推广总站,兰州 730020; 4甘肃农业大学工学院,兰州 730070)
摘摇 要摇 选用 2003—2009 年我国 4 个麦区、233 个品种(系)、82 个试点组成的全国旱地冬春
小麦区域试验产量资料,研究了我国旱地小麦国家区域试验点的精确度、环境鉴别力和代表
性,并对试验环境进行综合评价. 结果表明:一年一点试验平均试验误差变异系数(CV)为
6郾 1% ,平均相对最小显著差数(RLSD)为 10. 5% ,一年多点试验的 CV 值均在 8. 2%以内,大
多数试点的 CV和 RLSD控制得较好,试验精确度和品种比较精确度均较高.试点分辨力以西
北春小麦组最强,其他 3 个产区差别不大.试点代表性以东北春小麦组最好、西北春小麦组最
差.在综合考虑试点分辨力和代表性基础上,借助 GGE 模型构建环境综合评价参数(rgh),结
果显示,我国旱地小麦理想试点比例只有 32. 4% ,产区间比较,理想试点的比例依次为:西北
春小麦旱地组(40. 9% )>东北春小麦旱地组(33. 3% )>黄淮冬小麦旱地组(30. 4% )>北部冬
小麦旱地组(21. 4% ) .
关键词摇 区域试验摇 试点的分辨力摇 试点的代表性摇 相对最小显著差数摇 试验精确度
*现代农业产业技术体系建设专项(CARS鄄3鄄2鄄49)和公益性行业(农业)科研专项(200903010鄄06,201303104,200903007鄄07)资助.
**通讯作者. E鄄mail: sxchai@ 126. com
2013鄄02鄄16 收稿,2013鄄07鄄27 接受.
文章编号摇 1001-9332(2013)10-2814-07摇 中图分类号摇 S11, S512摇 文献标识码摇 A
Experiment precision and comprehensive environmental evaluation of regional wheat trials in
rainfed regions of China. CHANG Lei1, HAN Fan鄄xiang2, CHAI Shou鄄xi1, YUE Yun3, YANG
De鄄long2, YANG Chang鄄gang1, HUANG Cai鄄xia4, CHENG Hong鄄bo2 ( 1Gansu Provincial Key La鄄
boratory of Aridland Crop Science / College of Agronomy, Gansu Agricultural University, Lanzhou
730070, China; 2College of Life Science and Technology, Gansu Agricultural University, Lanzhou
730070, China; 3Gansu Agro鄄technical Extension Station, Lanzhou 730020, China; 4College of En鄄
gineering, Gansu Agricultural University, Lanzhou 730070, China) . 鄄Chin. J. Appl. Ecol. ,2013,24
(10): 2814-2820.
Abstract: Based on the grain yield data of regional trials with 233 winter鄄 and spring wheat culti鄄
vars (lines) in rainfed farmlands at 82 locations in four subregions of China in 2003-2009, this pa鄄
per studied the experiment precision (EP), variety comparison precision (VCP), and testing鄄site
discrimination ability and representativeness of national regional trials, and comprehensively evalua鄄
ted the trial environment. The results showed that in one鄄location鄄one鄄year experiments, the average
coefficient of variation (CV) and the relative least significant difference (RLSD) were 6. 1% and
10. 5% , respectively, and in multi鄄location鄄one鄄year experiments, the CV was all within 8郾 2% ,
and the CV and RLSD were mostly well controlled, indicating that the trials had a high precision.
The testing鄄site discrimination ability was the highest in the northwest spring wheat subregion, but
showed less difference in the other subregions. The testing鄄site representativeness was the best in
the northeast spring wheat subregion, and the worst in the northwest spring wheat subregion. On the
basis of the comprehensive consideration of the testing鄄site discrimination ability and representative鄄
ness, and by using the parameters of the environmental comprehensive assessment ( rg h) of GGE
model, it was shown that the proportion of the ideal trial locations for wheat in our rainfed farmlands
was only 32. 4% . Among the wheat production regions, the proportions of the ideal trial locations
were in the order of northwest spring wheat subregion (40. 9% ) > northeast spring wheat subregion
(33. 3% ) > Huang鄄Huai winter wheat subregion ( 30. 4% ) > north winter wheat subregion
应 用 生 态 学 报摇 2013 年 10 月摇 第 24 卷摇 第 10 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 摇
Chinese Journal of Applied Ecology, Oct. 2013,24(10): 2814-2820
(21郾 4% ).
Key words: regional trial; testing鄄site discrimination ability; testing鄄site representativeness; rela鄄
tive least significant difference; experiment precision.
摇 摇 我国北方旱区主要为分布在昆仑山、秦岭、淮河
以北的 16 个省、自治区、直辖市,耕地面积 0. 5 伊
108 hm2,占全国面积的 51% ,其中旱地面积约
0. 38伊108 hm2,占全国旱地面积的 73% ,约 70%的
小麦产量来自北方旱农地区[1-2],是我国小麦增产
的主要潜力区.在国家区域试验中,普遍认为试验误
差变异系数应不大于 15% ,否则该试点数据不参与
汇总,在品种审定时,高产品种应比对照增产 5%以
上才能审定,这就要求区域试验能鉴别出品种间
5%的差异[3] .所以,区域试验必须具备良好的精确
度,试验误差是衡量精确度的重要依据,试验误差控
制得越好,试验精确度就越高,品种间差异的鉴别就
越准确[4-7] .科学评价和筛选有代表性、分辨力强的
理想试验环境作为试验点,控制或降低品种和环境
的互作效应,有效提高区域试验的精确度,是保证我
国旱地小麦区域试验客观、公正、高效的重要前提.
20 世纪 90 年代以前,常用的指标有试点内品
种间变异系数(GCV)、误差变异系数(CV)和平均
相对最小显著差数 ( RLSD琢). 不少学者已在大
豆[8]、水稻[9-10]、玉米[11]、棉花[4]等作物上进行了精
确度分析,为区域试验提供了理论参考. 其后,许多
育种学家和农学家关注基因与环境互作条件下,如
何选择理想的环境作为鉴分品种的试点,产生了不
同的统计分析方法,如 AMMI模型、GGE 模型[12-13] .
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] . GGE双标图已广泛地应用到
甘蔗[17]、小麦[18-20]、棉花[15]、大麦[21]等作物的稳定
性、环境鉴分能力和代表性的评价上,但针对我国大
范围旱地麦区进行试验精确度分析、环境的代表性
和分辨力综合比较研究尚未见报道. 本研究应用我
国 2003—2009 年旱地小麦区域试验资料进行分析,
研究我国旱地小麦区域试验精确度及其试验点的鉴
别力、代表性,研究结果不仅将为调整育种目标和分
区发展方向、品种的合理布局、决策实现高产稳产的
技术途径提供应用依据,而且通过多产区、多年份、
大跨度环境背景下的分析,可为深化基因与环境对
旱地小麦影响机制的认识提供较可靠的结论.
1摇 材料与方法
1郾 1摇 试验材料
数据来源于 2003—2009 年连续 7 年(春小麦 7
年、冬小麦 6 年)国家旱地冬、春小麦区域试验,共
计 82 个试点、233 个品种(系)、335 个点次的数据,
包括 4 个麦区:西北春小麦旱地组(玉)44 个品种、
22 个试点;东北春小麦旱地组(域)48 个品种、12 个
试点;黄淮冬小麦旱地组(芋,旱薄组和旱肥组)88
个品种、34 个试点;北部冬小麦旱地组(郁)53 个品
种、14 个试点(表 1).
试验采用统一设计方案:小区面积 12 ~ 15 m2,
随机区组排列,3 次重复,西北春小麦和北部冬小麦
播种密度控制在每公顷 375伊104 ~ 450伊104 苗;东北
春小麦播种密度控制在每公顷 600伊104 ~ 675伊104
苗;黄淮冬小麦旱肥组播种密度控制在每公顷 225伊
104 苗、旱薄组播种密度控制在每公顷 300伊104 苗.
在大田自然干旱条件下种植,土壤肥力和施肥水平
表 1摇 2003—2009 年我国旱地小麦区域试验点及品种数目
Table 1摇 Numbers of sites and cultivars of wheat regional trials in rainfed regions of China from 2003 to 2009
麦区
Subregion
2003
品种
Cultivar
试点
Site
2004
(2003—2004)
品种
Cultivar
试点
Site
2005
(2004—2005)
品种
Cultivar
试点
Site
2006
(2005—2006)
品种
Cultivar
试点
Site
2007
(2006—2007)
品种
Cultivar
试点
Site
2008
(2007—2008)
品种
Cultivar
试点
Site
2009
(2008—2009)
品种
Cultivar
试点
Site
玉 11 13 13 18 9 17 7 13 9 10 8 10 8 9
域 9 10 13 10 10 8 8 7 14 10 11 10 11 10
芋 - - 24 21 22 22 21 23 24 23
郁 - - 10 9 10 10 10 12 9 12 9 9 11 9
合计 Total 20 24 48 54 43 49 49 53 54 54 49 52 54 51
玉:西北春小麦组 The northwest spring wheat group ; 域:东北春小麦组 The northeast spring wheat group ; 芋:黄淮冬小麦旱地组 The Huang鄄Huai
winter wheat group ; 郁:北部冬小麦旱地组 The north winter wheat group. 下同 The same below.
518210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 常摇 磊等: 我国旱地小麦区域试验精确度及其环境综合评价摇 摇 摇 摇 摇
同当地大田生产条件,成熟后单独脱粒计产.
1郾 2摇 分析方法
应用孔繁玲等[4-7]的方法计算精确度,分别以
试验误差变异系数 ( CV)和相对最小显著差数
(RLSD)来表示试验精确度及品种比较精确度. GGE
双标图可直观判断试点的区分力、代表性及理想程
度,GGE分析也可提供可精确比较的量化参数值,
这些参数包括 h、rg和 rg h[14,16] . 其中:h 值近似于各
环境向量的长度,h值越大,该试点区分能力越大;rg
是各环境向量与平均环境之间夹角的余弦,近似于
相应环境与平均环境之间的遗传相关,rg值越大,试
验点代表性越强;rgh近似于各环境向量在平均环境
轴上的投影长度,rgh 值越大,试验点综合评价力越
好,亦即该试点的区分力和代表性都较好,是一个综
合判断指标.试点的分辨力和代表性采用严威凯开
发的基因鄄基因环境互作分析软件(GGEbiplot 5. 2),
精确度分析采用农业部全国区域试验统一的分析
软件.
2摇 结果与分析
2郾 1摇 试验精确度分析
2郾 1郾 1 一年一点精确度摇 从表 2 可以看出,7 年(春
小麦 7 年、冬小麦 6 年)306 个点次试验的平均 CV
值为 6. 1% ,变幅在 0. 5% ~ 22. 4% ;其中 CV逸5%
的点次有 147 个,占总试验次数的 49. 0% ;CV逸
10%的点次有 110 个,占总试验次数的 36. 0% ,有 7
个点次的试验 CV 值在 10% ~ 15% ,占总试验次数
的 2. 3% ;大于 20% 的有 4 个,占总试验次数的
1郾 3% ,由此可知绝大数试验的误差控制得较好,试
验的精确度较高.
从不同的麦区来看,黄淮冬小麦组一年一点试
验的 CV值最小,平均为 3. 7% ,试验 CV 值臆5%的
点次占 77. 8% ,所有试验的 CV 值均在 15%以内,
该组试验误差控制得较好,精确度最高;北部冬小麦
组一年一点试验的 CV值平均为 5. 1% ,试验 CV 值
臆5% 的点次占 57. 7% ,所有试验的 CV 值均在
15%以内,试验误差控制得较好,试验精确度相对较
高.东北春小麦组一年一点试验的 CV 值平均为
7郾 1% ,其中 35. 4%的试验 CV值在 5%以内,40郾 0%
的试验 CV值小于 10% .西北春小麦组一年一点试验
的 CV值平均为 8. 4%,其中 18. 9%的试验 CV 值在
5%以内,51. 1%的试验 CV值小于 10% .春小麦组试
验的 CV值在所有组别中相对偏高,试验精确度相对
其他组别低一些,但是大多数试验的 CV值仍然控制
在允许范围之内,试验精确度是有保证的.
2郾 1郾 2 一年一点试验的品种比较精确度 摇 7 年 306
个点次试验的平均 RLSD0. 05 为 10郾 5% ,变幅在
0郾 8% ~ 39. 9% ,其中 RLSD0. 05 臆5% 的点次有 71
个,占总试验点次的 23. 2% ;臆10%的点次有 101
个,占总试验点次的 33. 0% ;臆15% 的点次有 68
个,占总试验点次的 22. 2% ;有 66 个点次试验的
RLSD0. 05大于 15% ,占总试验点次的 21. 6% .
从不同的麦区来看,各组平均 RLSD0. 05值的相
对大小与 CV值的变化趋势相同,黄淮组的 RLSD0. 05
最小,平均为 6. 3% ,品种比较精确度较高;其次为
北部冬麦组、东北春麦组和西北春麦组,RLSD0. 05的
表 2摇 我国旱地小麦国家区域试验一年一点试验 CV和 RLSD值的次数分布
Table 2摇 CV and RLSD frequency distribution at one鄄year鄄one鄄loction experiments in regional wheat trials in rainfed region
of China
麦区
Subregion
精确度指标
Accuracy
index
总次数
Total
frequency
臆5%
次数
No.
频率
Frequency
(% )
5% ~ 10%
次数
No.
频率
Frequency
(% )
10% ~ 15%
次数
No.
频率
Frequency
(% )
15% ~ 20%
次数
No.
频率
Frequency
(% )
>20%
次数
No.
频率
Frequency
(% )
变幅
Range
平均
Average
玉 CV 90 17 18. 9 46 51. 1 19 21. 1 5 5. 6 3 3. 3 1. 2 ~ 22. 4 8. 4
RLSD0. 05 5 5. 6 22 24. 4 29 32. 2 14 15. 6 20 22. 2 2. 0 ~ 39. 9 14. 5
域 CV 65 23 35. 4 26 40. 0 13 20. 0 2 3. 1 1 1. 5 1. 5 ~ 20. 0 7. 1
RLSD0. 05 8 12. 3 19 29. 2 18 27. 7 14 21. 5 6 9. 2 2. 6 ~ 34. 6 12. 2
芋 CV 99a 77 77. 8 19 19. 2 3 3. 0 0. 5 ~ 14. 7 3. 7
RLSD0. 05 46 46. 5 39 39. 4 9 9. 1 5 5. 1 0. 8 ~ 24. 7 6. 3
郁 CV 52a 30 57. 7 19 36. 5 3 5. 8 0. 6 ~ 14. 7 5. 1
RLSD0. 05 12 23. 1 21 40. 4 12 23. 1 6 11. 5 1 1. 9 1. 0 ~ 25. 0 8. 9
合计 CV 306 147 48. 0 110 36. 0 38 12. 4 7 2. 3 4 1. 3 0. 5 ~ 22. 4 6. 1
Total RLSD0. 05 71 23. 2 101 33. 0 68 22. 2 39 12. 8 27 8. 8 0. 8 ~ 39. 9 10. 5
CV:误差变异系数 Coefficient of error variation. 下同 The same below. RLSD0. 05:5%显著水平下的相对最小显著次数 Relative least significant def鄄
erence at the 5% significant level; a缺 2007—2008 年数据 Lack of data for 2007-2008.
6182 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 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 1摇 2003—2009 年我国旱地小麦区域试验一年多点试验
的平均误差变异系数(CV)和相对最小显著差数(RLSD)值
Fig. 1摇 Means of CV and RLSD at one鄄year鄄multi鄄location ex鄄
periments in regional wheat trials in rainfed region of China from
2003 to 2009.
平均值分别为 8. 9% 、12. 2%和 14. 5% .由此可以看
出,我国旱地小麦区域试验的大部分试点能鉴定出
较对照增减产 3%的差异.
2郾 1郾 3 一年多点试验精确度和比较精确度摇 从图 1
可以看出,所有组别一年多点试验的 CV 值均在
8郾 2%以内,特别是黄淮冬麦组一年多点 CV 值小于
4% ,误差控制得最好,其次是北部冬麦组,一年多点
试验 CV值在 5%左右;一年多点试验误差最大的是
西北春麦组,CV值为 8. 2% .所以,从一年多点试验
精确度指标来看,我国旱地小麦区域试验一年多点
试验精确度较高,试验质量有保证.黄淮组品种比较
精确度最高,RLSD0. 05值为 6. 3% ,其次为北部冬麦
组、东北春麦组和西北春麦组,RLSD0. 05值分别为
8郾 9% 、12. 3%和 14. 3% . 由此可见,我国旱地小麦
国家区域试验结果均达 0. 05 显著水平,区域试验结
果精确度达到国家品种审定的要求.
2郾 2摇 环境分辨力
产区间进行比较(表 3),试点内品种间变异系
数(GCV)均值大小依次为:西北春小麦组>北部冬
小麦组>黄淮冬小麦组>东北春小麦组;h 均值大小
依次为:西北春小麦组 (11. 76) >黄淮冬小麦组
(5郾 68) >北部冬小麦组 (5. 67 ) >东北春小麦组
(5郾 65).可见,以西北春小麦组对基因型鉴分能力
最强,两个分辨力指标的产区排序基本一致.
产区内试点间的分辨力差异程度,可用试点间
h值变异系数(代表平均差异)和 PR(代表最大差
异)表示.试点间 h 值变异系数依次为:西北春小麦
组>北部冬小麦组>黄淮冬小麦组>东北春小麦组,
仍以西北春小麦组试点间分辨力差异最大,东北春
小麦组试点间分辨力差异最小. 试点间分辨力差异
小,表明各试点环境条件接近,可考虑减少试点数,
节省试验成本. PR 的大小次序为:西北春小麦组>
黄淮冬小麦组>东北春小麦组>北部冬小麦组,也以
西北春小麦组试点间差异最突出. 西北春小麦组各
试点水分和温度波动较大,且水、肥、气、热各因素互
作明显,各试点对品种分辨力差异较大,符合多年区
域试验实际.
2郾 3摇 环境代表性
比较衡量试点代表性的参数 rg(表 3),总体来
讲,东北春小麦组的试点对产区平均环境的代表性
较好,而西北春小麦组的试点不均衡度或离散度较
大,对产区平均环境的代表性最差.各产区代表性大
小( rg)次序为:东北春小麦组>北部冬小麦组>黄淮
冬小麦组>西北春小麦组.
产区内各试点的代表性差异也很大 . 试点间
表 3摇 不同产区环境评价指标
Table 3摇 Parameters of test鄄environment evaluation in different subregions
麦区
Subregion
GGE模型 GGE model
h rg rgh
误差变异系数
CV (% )
RLSD0. 05
(% )
试点内品种间
变异系数 GCV (% )
玉 平均 Average 11. 76 0. 47 5. 61 8. 8 15. 2 14. 0
试点间 PR(% ) 19. 56 6. 00 5. 34 3. 9 3. 7 4. 0
试点间 CV1(% ) 67. 46 67. 37 124. 69 38. 0 37. 7 31. 9
域 平均 Average 5. 65 0. 76 3. 88 6. 9 11. 7 11. 1
试点间 PR(% ) 1. 61 0. 67 6. 32 3. 7 3. 7 1. 8
试点间 CV1(% ) 27. 10 15. 57 60. 86 33. 9 33. 9 29. 0
芋 平均 Average 5. 68 0. 68 4. 07 4. 1 6. 9 11. 4
试点间 PR(% ) 5. 25 5. 19 35. 89 10. 3 10. 3 7. 9
试点间 CV1(% ) 43. 83 35. 07 44. 74 63. 1 62. 8 65. 3
郁 平均 Average 5. 67 0. 71 4. 30 5. 2 9. 1 11. 6
试点间 PR(% ) 3. 81 2. 03 10. 38 4. 8 4. 2 2. 2
试点间 CV1(% ) 56. 18 26. 11 67. 65 42. 4 38. 5 33. 6
h:区分能力 Discrimination ability; rg:代表性 Representativeness; rgh:区分能力和代表性综合指标 Comprehensive parameter of discrimination ability
and representativeness. GCV: Genetic coefficient of variation. CV1: Coefficient of variance of locations; PR: Percentage of range of locations. 下同 The
same below.
718210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 常摇 磊等: 我国旱地小麦区域试验精确度及其环境综合评价摇 摇 摇 摇 摇
表 4摇 不同麦区试点的 rgh和 GCV的分类比例
Table 4摇 Percentage of sites with different rgh and GCV to total number of sites in different subregions (%)
麦区
Subregion
试点
Site
rgh
臆3
试点数
No.
比例
Proportion
3 ~ 5
试点数
No.
比例
Proportion
逸5
试点数
No.
比例
Proportion
h
逸5
试点数
No.
比例
Proportion
GCV
臆8
试点数
No.
比例
Proportion
8 ~ 12
试点数
No.
比例
Proportion
逸12
试点数
No.
比例
Proportion
玉 22 7 31. 8 6 27. 3 9 40. 9 18 81. 8 3 13. 6 4 18. 2 16 72. 7
域 12 5 41. 7 3 25. 0 4 33. 3 7 58. 3 2 16. 7 7 58. 3 3 25. 0
芋 23* 5 21. 7 11 47. 8 7 30. 4 13 56. 5 5 21. 7 14 60. 9 4 17. 4
郁 14 5 35. 7 6 42. 9 3 21. 4 6 42. 8 2 14. 3 7 50. 0 5 35. 7
平均
Average
71 22 31. 0 26 36. 6 23 32. 4 44 61. 9 12 16. 9 32 45. 1 28 39. 4
*缺 2007—2008 年数据 Lack of data for 2007-2008.
的 rg变异系数排序为:西北春小麦组(67. 4% ) >黄
淮冬小麦组(35. 1% ) >北部冬小麦组(26. 1% ) >东
北春小麦组(15. 6% ),试点间 rg的 PR排序为:西北
春小麦组>黄淮冬小麦组>北部冬小麦组>东北春小
麦组,rg变异系数和 PR 排序一致.可见试点间的代
表性差异以西北春小麦组最大、东北春小麦组最小.
2郾 4摇 环境适宜性的综合评价
rgh是将分辨力和代表性结合起来考虑的综合
指标,反映了试点的理想程度或适宜程度,可为区域
试验地点的选择、调整提供依据. 从表 3 可见,产区
间 rgh大小排序为:西北春小麦组(5. 6) >北部冬小
麦组(4. 3) >黄淮冬小麦组(4. 1) >东北春小麦组
(3郾 9).可见西北春小麦组的试点总体较理想,其他
3 个产区接近.
比较产区内试点间的 rg h 变异系数(表 3),以
西北春小麦组试点间差异较大,各产区大小排序为:
西北春小麦组(124. 7% )>北部冬小麦组(67. 7% )>
东北春小麦组(60. 9% )>黄淮冬小麦组(44. 7% ).
将试点 rgh值大小分为理想(逸5)、较理想(3 ~
5)、不理想(臆3)3 类,分别计算各类试点数占产区
总试点数的比例(表 4),以西北春小麦组理想试点
的比例最大,北部冬小麦组最小,东北春小麦组和黄
淮冬小麦组相近.各产区理想试点的比例依次为:西
北春小麦组(40. 9% ) >东北春小麦组(33. 3% ) >黄
淮冬小麦组(30. 4% ) >北部冬小麦组(21. 4% ),四
产区平均为 32. 4% .各产区 h逸5 和 rgh逸5 的试点
比例排序一致,为西北春小麦组>东北春小麦组>黄
淮冬小麦组>北部冬小麦组;如果采用传统分辨力
参数 GCV分析,具有高分辨力(GCV逸12% )的试点
比例也以西北春小麦组最高.
我国旱地小麦区域试验中,理想试点的加权平
均比例为 32. 4% (表 4). rg h 筛选出的试点数目低
于用 h和 GCV筛选出的数目,这是由于 rgh 即考虑
了分辨率,同时也考虑了代表性,限制性更大,rgh 筛
选出的品种都包括在 h逸5 和 GCV逸12%的筛选范
围内.对分辨力指标进行比较,无论用 h 值还是
GCV值,筛选出的具有高分辨力的试点一致性较
高,例如西北春小麦组 h逸5 的试点有 18 个,而 GCV
逸12%的试点有 16 个,其中有 14 个是相同的. 但
h逸5筛选出的试点数目更多,表明 h逸5 对于试点的
筛选标准低于 GCV逸12% . h和 GCV 的筛选临界值
可根据需要,单独随意选取.
2郾 5摇 环境评价参数的相关性
用 4 个麦区 313 个试点(次)的 6 个指标(h、rg、
rgh、CV、RLSD和 GCV)进行相关分析,结果表明(表
5), rg h 与 h ( 0. 714** )、 rg ( 0. 221** )、 GCV
(0郾 248**)、CV(0. 117*)、RLSD(0. 115*)存在高
度正相关,表明 rg h 在评判试点理想程度上具有高
度可靠性,尤其是 rgh 与 GGE 分析中的其他两个参
数(h 和 rg)密切相关;作为衡量试点分辨力指标的
h和 GCV,不仅相互间高度正相关(0. 392**),而且
也与 CV(0. 304** ~ 0. 326**)、RLSD(0. 30** ~
0郾 323**)高度正相关;衡量试验精确度的 CV 和品
种比较精确度的 RLSD 基本呈直线对应关系
(0郾 996**).
虽然上述指标之间存在极显著正相关,但相关
系数有的较小(0. 2 ~ 0. 3),这可能与样本数目有
关,在 313 个大样本数据组分析时,自由度很大,对
显著性检验的临界值具有较大影响.
表 5摇 试验点分辨力参数相关分析
Table 5摇 Correlation analysis among five discrimination pa鄄
rameters of sites
h rg rgh CV RLSD
rg -0. 043
rgh 0. 714** 0. 221**
CV 0. 304** -0. 141* 0. 117*
RLSD 0. 300** -0. 147* 0. 115* 0. 996**
GCV 0. 392** -0. 070 0. 248** 0. 326** 0. 323**
8182 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 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
3摇 讨摇 摇 论
试点的分辨力和代表性受多种因素的影响,包
括土壤结构与肥力状况、温度状况、病虫草害以及栽
培措施等诸多因素影响.因此,需要开展多年多环境
的品种区域试验数据分析,科学评价试验环境,以期
筛选出具有分辨力和代表性强的区域试验点. 许多
研究发现,无区分能力的试验点是无用的,有区分能
力但没有代表性的试验点可用于淘汰不稳定的品
种,但不能用于选择优良品种[15-16] .本文研究表明,
我国旱地小麦理想试点(具有分辨力和代表性强的
试验点)比例只有 32. 4% (21. 4% ~ 40. 9% ). 表明
应重视针对试验点的分辨力和代表性的研究,减少
土壤条件差异造成的试验误差,严格田间农事操作,
确保试验条件和田间管理措施的相对一致性,控制
或降低基因型与环境的互作,降低成本,提高品种的
筛选率,为我国旱地小麦增产创造更大潜力空间.
作物品种的稳产性、适应性是决定其推广应用
价值的重要指标,除了考察品种的稳产性和广适性
外, 地点鉴别力也是育种工作者比较关心的问
题[22-24] .本研究发现,试验点的综合评价指标 rgh与
试验点分辨力( h)、代表性( rg)、试验点变异系数
(GCV)、误差变异系数(CV)和相对最小显著差数
(RLSD)高度相关,表明传统模型与 GGE 模型的结
果具有一致性,rgh在评判试点理想程度上具有高度
可靠性;衡量试点分辨力指标的 h和 GCV也呈高度
正相关,表明 GGE模型可更有效地综合评价试验环
境.因此,环境综合评价时,应选择多种评价方法,取
长补短,提高区域试验结果评价的可靠性.
参考文献
[1] 摇 Mei X鄄R (梅旭荣), Yan C鄄R (严昌荣), Niu X鄄W
(牛西午). Study on the Comprehensive Development
of Northern Effective Water鄄saving Type Agriculture and
Animal Husbandry. Beijing: China Agricultural Science
and Technology Press, 2005 (in Chinese)
[2]摇 Leng S鄄L (冷石林). Theory and Technology of Water鄄
saving and Yield鄄increasing China Northern Dryland
Crop. Beijing: China Agricultural Science and Technol鄄
ogy Press, 1996 (in Chinese)
[3]摇 Cao W鄄M (曹雯梅), Zhang G鄄F (张根峰), Zhao H
(赵摇 虹), et al. Analysis of experiment precision and
variety comparison precision in state regional wheat tri鄄
al. China Seed Industry(中国种业), 2009(6): 32-34
(in Chinese)
[4]摇 Kong F鄄L (孔繁玲), Zhang Q鄄Y (张群远), Yang F鄄
X (杨付新), et al. Studies on the precision of regional
cotton variety trials. Acta Agronomica Sinica (作物学
报), 1998, 24(5): 602-607 (in Chinese)
[5]摇 Zhang Q鄄Y (张群远), Kong F鄄L (孔繁玲), Liao Q
(廖摇 琴), et al. Evaluation system and methods for
regional crop trials. System Sciences and Comprehensive
Studies in Agriculture(农业系统科学与综合研究),
2000, 16(2): 81-86 (in Chinese)
[6]摇 Zhang Q鄄Y (张群远), Kong F鄄L (孔繁玲), Yang F鄄
X (杨付新). Evaluation of the precision of regional
crop trials in China. Journal of China Agricultural Uni鄄
versity(中国农业大学学报), 2001, 6(1): 43-50 (in
Chinese)
[7]摇 Kong F鄄L (孔繁玲), Zhang Q鄄Y (张群远), Ge Z鄄N
(葛知男), et al. Experiment precision and variety
comparison precision in regional crop trials. Scientia Ag鄄
ricultura Sinica (中国农业科学), 2001, 34 (3):
266-271 (in Chinese)
[8]摇 Chen Y鄄Z (陈应志), Zhang Q鄄Y (张群远), Kong F鄄
L (孔繁玲). Studies on the accuracy of national soy鄄
bean variety regional trials. Soybean Bulletin(大豆通
报), 2006(1): 9-15 (in Chinese)
[9]摇 Wang J (王摇 洁), Liao Q (廖摇 琴), Hu X鄄J (胡小
军), et al. Precision evaluation of rice variety regional
trials in northern China. Acta Agronomica Sinica(作物
学报), 2010, 36(11): 1870-1876 (in Chinese)
[10]摇 Chen Z鄄D (陈志德), Zhong W鄄G (仲维功), Wang C鄄
L (王才林), et al. Precision evaluation of rice regional
trials in Jiangsu Province. Jiangsu Journal of Agricultur鄄
al Sciences(江苏农业学报), 2006, 22(3): 199-204
(in Chinese)
[11]摇 Ying M (英 摇 敏), Yu H (余 摇 虎), Li Q鄄Y (李其
义). Analysis of experiment precision and variety com鄄
parison precision in state regional zea trial. Seed (种
子), 2004, 23(10): 65-66 (in Chinese)
[12]摇 Gauch HG. Statistical analysis of yield trials by AMMI
and GGE. Crop Science, 2006, 46: 1488-1500
[13]摇 Yan WK, Kang MS, Ma B, et al. GGE biplot vs. AM鄄
MI analysis of genotype鄄by鄄environment data. Crop Sci鄄
ence, 2007, 47: 643-655
[14]摇 Yan WK, Holland JB. A heritability鄄adjusted GGE bip鄄
lot for test environment evaluation. Euphytica, 2010,
171: 355-369
[15]摇 Xu N鄄Y (许乃银), Zhang G鄄W (张国伟), Li J (李
健), et al. Ecological regionalization of cotton varieties
based on GGE biplot. Chinese Journal of Applied
Ecology(应用生态学报), 2013, 24 (3): 771 - 776
(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 Sini鄄
918210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 常摇 磊等: 我国旱地小麦区域试验精确度及其环境综合评价摇 摇 摇 摇 摇
ca(作物学报), 2010, 36(11): 1805-1819 ( in Chi鄄
nese)
[17]摇 Luo J (罗摇 俊), Zhang H (张摇 华), Deng Z鄄H (邓
祖湖), et al. Trait stability and test site representative鄄
ness of sugarcane varieties based on GGE鄄biplot analy鄄
sis. Chinese Journal of Applied Ecology(应用生态学
报), 2012, 23(5): 1319-1325 (in Chinese)
[18]摇 Chang L (常摇 磊), Chai S鄄X (柴守玺). Application
of GGE biplot in spring wheat yield stability analysis in
rainfed areas of China. Chinese Journal of Eco鄄Agricul鄄
ture (中国农业生态学报), 2010, 18(5): 988-994
(in Chinese)
[19]摇 Chang L (常 摇 磊), Chai S鄄X (柴守玺), Yang D鄄L
(杨德龙), et al. Variation analysis on the grain yield
and main agronomic traits of spring wheat in rainfed re鄄
gions of China. Chinese Journal of Applied Ecology(应
用生态学报), 2010, 21(11): 2821-2829 ( in Chi鄄
nese)
[20] 摇 Mohammadi R, Haghparast R, Amri A, et al. Yield
stability of rainfed durum wheat and GGE biplot analysis
of multi鄄environment trials. Crop & Pasture Science,
2010, 61: 92-101
[21]摇 Mohammadi R, Amri A, Ansar Y. Biplot analysis of
rainfed barley multienvironment trials in Iran. Agronomy
Journal, 2009, 101: 789-796
[22]摇 Rakshit S, Ganapathy KN, Gomashe SS, et al. GGE bi鄄
plot analysis to evaluate genotype, environment and
their interactions in sorghum multi鄄location data.
Euphytica, 2012, 185: 465-479
[23] 摇 Badu鄄apraku B, Oyekunle M, Obeng鄄Antwi K, et al.
Performance of extra鄄early maize cultivars based on GGE
biplot and AMMI analysis. Journal of Agricultural Sci鄄
ence, 2012, 150: 473-483
[24]摇 Yan WK, Pageau D, Fr佴geau鄄Reid JA, et al. Assessing
the representativeness and repeatability of test locations
for genotype evaluation. Crop Science, 2011, 51:
1603-1610
作者简介 摇 常 摇 磊,男,1980 年生,博士,讲师. 主要从事作
物生理生态研究,发表论文 10 篇. E鄄mail:chang3258@ 126.
com
责任编辑摇 张凤丽
0282 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 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