全 文 ：收稿日期： 2011–11–04　　　　接受日期： 2011–12–26
基金项目： 国家现代农业产业技术体系建设项目(CARS-20); 公益性行业科研专项(201003009-2)资助
作者简介： 罗俊(1972~ )，副研究员，硕士，研究方向为甘蔗遗传育种。
* 通讯作者 Corresponding author. E-mail: sisluojun@126.com
热带亚热带植物学报　2012， 20(5)： 445~454
Journal of Tropical and Subtropical Botany
甘蔗是我国最主要的糖料作物，在国家非审定
主要农作物中占据重要位置，开展国家甘蔗品种区
域试验是进行国家甘蔗品种审(鉴)定的重要依据。
客观评价国家甘蔗品种区域试验中参试品种的高
产性及稳产性为国家甘蔗品种鉴定与推广提供了
依据，具有重要的理论与实践价值[1–3]。以前主要
是通过多年多点试验资料进行联合方差分析，估计
试验的合并误差，评价参试品种的高产性、稳产性
和生态适应性，并进行品种间差异显著性比较。品
种区域试验属于多年多点试验，由于环境差异较
大，试验数据相差悬殊、数据缺失、重复数不一致或
某个区试点报废等原因，使所获结果难以进行正常
的联合方差分析，从而影响对参试品种材料做出客
观、公正的评价。此外，综合表现好的参试品种可
甘蔗品种主要性状的基因型与环境及其互作效应
分析
罗俊1,2*, 张华1,2, 阙友雄1,2
(1. 福建农林大学农业部福建甘蔗生物学与遗传育种重点实验室 , 福州 350002; 2. 国家甘蔗产业技术研发中心，福州 350002)
摘要： 用 AMMI 模型双标图对国家第六轮甘蔗品种区域试验 5 个试点的 12 个甘蔗品种试验数据进行分析，研究甘蔗区试中
不同品种的产量稳定性问题。结果表明，参试品种的 6 个产量性状在品种间和地点间差异显著，品种与地点的互作效应差异显
著；FN30、YG16 蔗茎产量和含糖量高，稳定性强，属于高产、稳产性较好的品种。AMMI 模型很好地解释了甘蔗品种产量性
状的基因型效应、环境效应和 GE 互作效应。
关键词： 甘蔗； 双标图； 稳定性分析； 品种适应性； AMMI 模型
doi: 10.3969/j.issn.1005–3395.2012.05.004
Genotype, Environment and Their Interactive Effects on Main Traits of
Sugarcane Varieties
LUO Jun1,2*, ZHANG Hua1,2, QUE You-xiong1,2
(1. Key Laboratory of Sugarcane Biology and Genetic Breeding, Ministry of Agriculture, Fujian Agriculture and Forestry University, Fuzhou 350002,
China; 2. Sugarcane Research & Development Center, China Agriculture Research System, Fuzhou 350002, China)
Abstract: The yield stability and adaptability of twelve sugarcane lines in five locations at the sixth national
regional trials were studied by using AMMI (additive main effects and multiplicative interaction) biplot method.
The results showed that there were significant differences in six yield traits among genotypes and environments,
so did the interaction effects between genotype and environment. FN30 and YG16 had high stem yield and sugar
content with strong yield stability. However, the overall stability of the two sugarcane lines was not high, which
indicated that they should be promoted in a certain region. AMMI model could clearly explain the genotype effect,
environment effect and genotype-environment interaction effect on yield trait.
Key words: Sugarcane; Biplot; Stability analysis; Line adaptability; AMMI model
446　　　　　　　　　　　　　　　　　　　　 　 热带亚热带植物学报　　　　 　　　　　　　 　 第20卷
以在具有代表性的试点通过多性状来直接选择，因
此试点鉴别力也是产量稳定性和品种适应性分析
中必不可少的部分[4–7]。AMMI 模型将方差分析和
主成分分析结合于同一模型中 , 兼具可加和可乘分
量两个数学模型的优点，通过从加性模型的残差中
分离模型误差与干扰，不仅提高了估计的准确性．
并且借助于双标图能直观地描绘和分析基因型与
环境交互作用的模式。目前，AMMI 模型品种稳
定性分析法已被广泛应用于分析作物品种基因型
与环境互作效应和作物育种中对品种的评价[8–15]。
采用 AMMI 双标图法探讨多个产量性状的基因型
与环境互作效应，深入认识影响甘蔗产量稳定性的
主要因素，筛选出高产高糖且稳定性强的甘蔗新品
种推荐生产应用，从而提高我国甘蔗产业的国际竞
争力。本文采用 AMMI 双标图法对我国甘蔗品种
区域试验品种的稳产性和适应性及试点的鉴别力
进行分析，以期客观评价甘蔗参试品种的高产性及
稳产性，为国家甘蔗品种鉴定与推广提供依据。
1 材料和方法
1.1 试验材料和地点
第六轮全国甘蔗品种区域试验的试点共 5 个，
包括云南开远、云南瑞丽、广东遂溪、福建漳州和福
建福州；参试品种有 12 个，包括粤甘 16 号(YG16)、
粤甘 18 号(YG18)、桂辐 98-296 (GF98-296)、桂引 6
号(GY6)、云 蔗 99-91 (YZ99-91)、RB76-5418、福 农
28 (FN28)、福农30 (FN30)、闽糖95-261 (MT95-261)、
闽糖 96-6016 (MT96-6016)、赣南 99-591 (GN99-591)
和对照(ROC16)。
1.2 试验设计
试验采用随机区组设计，3 次重复，小区长方
形，面积 33 m2。在新植甘蔗砍收结束后，留宿根进
行宿根试验。栽培管理及调查测定项目参照农业
行业标准《国家农作物品种试验技术规程(甘蔗)》[2]
执行。收获前调查产量性状(株高、茎径、单茎重、
有效茎数)，计算小区蔗产量(kg hm-2)，从 11 月到第
二年 3 月每月中旬取样进行糖分化验，根据 11 月
到第二年 3 月共 5 个月甘蔗蔗糖分平均值和小区
蔗产量计算小区含糖量。
1.3 统计方法
首先进行联合方差分析，在基因型与环境互作
效应显著的基础上按 AMMI 模型进行稳定性分析，
其数学模型为：
yge = μ+αg+βe+ ∑
N
n=1
λnγδn δgn+θge
式中： yge 是在环境 e 中基因型 g 的产量，μ
代表总体平均值，αg是基因型平均偏差，βe 是环
境的平均偏差，λn是第 n 个主成分分析的特征值，
δgn 是第 n 个主成分的基因型主成分得分，γδn 是第
n 个主成分的环境主成分得分，n 是在模型主成
分分析中主成分因子轴的总个数， θge 为残差。在
AMMI 模型分析的基础上，利用 AMMI I 和 AMMI
II 双标图可更进一步了解基因型与环境互作。稳
定性参数(Di)为品种在所有显著交互效应主成分轴
空间中与原点的欧氏距离，是衡量品种稳定性的判
别力指标，Di值越小，表示基因型越稳定。以各基
因型蔗茎产量和含糖量的 Di值与相应的性状表型
值为指标，数据标准化后采用欧氏距离法对所有基
因型进行系统聚类分析，并根据聚类结果对供试基
因型的产量性状进行综合评价。
所有数据利用 DPS 数据处理系统进行统计分
析[16]。
2 结果和分析
2.1 联合方差分析和AMMI模型分析
联合方差分析(表 1)表明：株高、茎径、单茎重、
有效茎数、蔗茎产量、含糖量等 6 个性状在不同基
因型和环境间均达到极显著差异，基因型与环境
互作效应显著。株高、茎径、单茎重、有效茎数、蔗
茎产量、含糖量等 6 个性状的品种和地点间互作
效应的平方和分别占总平方和的 6.31%、18.52%、
19.26%、23.16%、50.49% 和 49.18%，说明环境对
产量性状的影响较大。进一步利用 AMMI 模型对
各性状的基因型 × 环境进行分析，株高、茎径、单
茎重、有效茎数、蔗茎产量、含糖量等 6 个性状前
两个主成分之和分别解释了交互作用总变异平方
和 的79.09%、81.50%、86.99%、84.88%、73.73%
和74.61%。 而 线 性 回 归 模 型 只 解 释 了43.78%、
46.73%、26.69%、44.55%、37.18%和25.34% 的交
互作用平方和，表明 AMMI 比传统的线性回归模
型能更有效地分析基因型与环境互作效应。
2.2 甘蔗品种产量性状的稳定性分析
从表 1 可以看出，各试点与品种的交互作用
第5期 447
达显著水平，将各品种 IPCA1-2 在空间内的投影
点与相应坐标原点的距离，即各品种基于 IPCA1-2
的稳定性参数(Di)列于表 2, 根据各品种在 IPCA1、
IPCA2 上的得分作 AMMI II 双标图(图 1)。
株高性状　　从图 1 和表 2 可知，各品种平均
株高从高到低的顺序为 GY6、GF98-296、MT95-
261、GN99-591、RB76-5418、FN30、YG16、
MT96-6016、ROC16、FN28、YZ99-91、YG18；从 性
状稳定性看，稳定性较好的是 FN28、RB76-5418、
MT96-6016、YG16、FN30、GN99-591；参试的 12
个品种中，RB76-5418 的平均株高虽不是最高但
稳定性强，YG16、FN30、GN99-591、MT95-261、
GF98-296 的平均株高较高且稳定性较强，FN28
的平均株高较矮但稳定性最强，GY6 的平均株高
最高却稳定性最差。
茎径性状　　各品种平均茎径从粗到细的顺
序 为 YZ99-91、 YG18、 YG16、 GN99-591、 FN28、
FN30、 GY6、RB76-5418、 MT96-6016、ROC16、
罗俊等：甘蔗品种主要性状的基因型与环境及其互作效应分析
表 1 方差分析和 AMMI 模型分析
Table 1 Analysis of variance and AMMIA model
变异来源
df
株高 Plant height 茎径 Stalk diameter 单茎重 Weight per stalk
Variation source SS F P (%) SS F P (%) SS F P (%)
方差分析 Analysis of variance
基因 Gene (G) 11 61467.64 48.29** 20.52 2.29 31.28** 53.39 2.54 19.53** 34.21
环境 Environment (E) 4 219243.02 473.67** 73.18 1.20 45.21** 28.06 3.45 73.07** 46.54
交互作用 G×E 44 18897.78 3.71** 6.31 0.79 2.71** 18.52 1.43 2.75** 19.26
回归分析 Linear regression analysis
联合回归 Joint-regression 1 134.86 1.17 0.71 0.08 12.64** 10.63 0.02 1.54 1.27
基因回归 G-regression 10 2599.18 2.25* 13.75 0.15 2.30* 19.37 0.22 1.84 15.19
环境回归 E-regression 3 5540.10 15.96** 29.32 0.13 6.64** 16.73 0.15 4.13** 10.23
残差 Error 30 10623.64 3.06** 56.22 0.42 2.12** 53.58 1.05 2.95** 73.24
AMMI模型 AMMI model
PCA1 14 10445.89 6.45** 55.28 0.47 5.01** 58.90 0.90 5.43** 62.77
PCA2 12 4499.64 3.24** 23.81 0.18 2.24* 22.60 0.35 2.44** 24.22
PCA3 10 3424.87 2.96** 18.12 0.09 1.35 11.38 0.16 1.35 11.12
残差 Error 8 527.39 2.79 0.06 7.44 0.03 1.82
变异来源
df
有效茎数 Number of available stalk 蔗茎产量 Cane yield 含糖量 Sucrose yield
Variation source SS F P (%) SS F P (%) SS F P (%)
方差分析 Analysis of variance
基因 Gene (G) 11 7367548764 19.39** 26.93 14246.48 10.30** 35.39 203.17 6.52** 24.31
环境 Environment (E) 4 13655250622 98.85** 49.91 5682.86 11.30** 14.12 221.63 19.56** 26.51
交互作用 G×E 44 6335558411 4.17** 23.16 20322.20 3.67** 50.49 411.11 3.30** 49.18
回归分析 Linear regression analysis
联合回归 Joint-regression 1 2851504.701 0.08 0.05 297.65 2.37 1.46 6.88 2.43 1.67
基因回归 G-regression 10 1210191048 3.50** 19.10 6539.76 5.20** 32.18 86.11 3.04** 20.95
环境回归 E-regression 3 1609523934 15.54** 25.40 719.03 1.91 3.54 11.20 1.32 2.72
残差 Error 30 3512991923 3.39** 55.45 12765.76 3.38** 62.82 306.92 3.61** 74.66
AMMI模型 AMMI model
PCA1 14 4297397037 8.89** 67.83 8243.49 4.68** 40.56 191.73 4.83** 46.64
PCA2 12 1080402512 2.61** 17.05 6739.46 4.47** 33.16 115.00 3.38** 27.97
PCA3 10 819670799.5 2.37* 12.94 4424.63 3.52** 21.77 70.76 2.50** 17.21
残差 Error 8 138088061.5 2.18 914.61 4.50 33.62 8.18
*: P<5%; ** : P<1%.
448　　　　　　　　　　　　　　　　　　　　 　 热带亚热带植物学报　　　　 　　　　　　　 　 第20卷
MT95-261、GF98-296；从性状稳定性看，稳定性较
好的是 GN99-591、ROC16、YG18、YG16、 GY6、
YZ99-91、 GF98-296、RB76-5418；参试的 12 个品
种中，GN99-591、 YG18、 YG16 平均茎径表现较
优且稳定性强；FN28、 FN30 平均茎径表现较优但
稳定性较差，MT96-6016、 MT95-261 的平均茎径
较细且稳定性最差。
单茎重性状　　各品种平均单茎重从高到低
表 2 各指标在显著交互效应主成分轴上的得分
Table 2 Scores obtained from significant interaction key component axel of all traits
品种 株高 Plant height 茎径 Stalk diameter 单茎重 Weight per stalk
Variety Mean PCA1 PCA2 Di Mean PCA1 PCA2 Di Mean PCA1 PCA2 Di
YZ99-91 279.52 0.13 2.58 2.58 2.72 0.20 0.08 0.21 1.59 –0.004 0.25 0.25
YG18 250.05 –3.35 –2.75 4.34 2.72 0.17 0.07 0.18 1.41 0.00002 –0.13 0.13
YG16 296.10 –1.03 –1.97 2.22 2.71 0.17 –0.09 0.19 1.67 0.21 –0.15 0.26
MT96-6016 290.55 –0.42 –1.49 1.55 2.52 –0.21 0.22 0.31 1.42 –0.21 0.10 0.23
MT95-261 310.18 1.01 –2.65 2.84 2.48 –0.25 –0.22 0.34 1.47 0.08 –0.35 0.36
GY6 325.51 5.27 –0.62 5.30 2.58 0.10 –0.17 0.20 1.67 0.49 0.10 0.50
GF98-296 311.11 2.79 0.94 2.94 2.35 –0.21 0.01 0.21 1.32 –0.06 0.06 0.09
GN99-591 305.85 –2.03 1.31 2.42 2.68 0.00 0.07 0.07 1.69 –0.18 0.08 0.19
FN30 300.17 –1.64 1.71 2.37 2.61 –0.30 0.01 0.30 1.58 –0.39 –0.16 0.42
FN28 283.17 0.69 –0.07 0.69 2.68 0.13 0.24 0.28 1.56 –0.02 0.25 0.25
RB76-5418 304.09 0.22 0.82 0.85 2.55 0.14 –0.18 0.22 1.52 0.15 –0.05 0.16
ROC16 289.43 –1.62 2.19 2.72 2.49 0.08 –0.05 0.10 1.37 –0.07 0.00 0.07
Ruili, Yunnan 294.78 1.16 –4.25 4.41 2.72 0.36 –0.17 0.40 1.53 0.26 –0.04 0.26
Kaiyuan, Yunnan 246.49 1.65 3.85 4.19 2.61 0.26 0.29 0.39 1.32 0.01 0.32 0.33
Suixi, Guangdong 332.37 3.85 –1.11 4.01 2.56 –0.03 –0.29 0.29 1.70 0.46 –0.16 0.49
Zhangzhou, Fujian 335.39 –0.33 2.08 2.10 2.47 –0.20 0.21 0.29 1.63 –0.32 0.25 0.40
Fuzhou, Fujian 268.36 –6.33 –0.56 6.35 2.60 –0.39 –0.04 0.40 1.43 –0.41 –0.38 0.56
品种 有效茎数 Available stalk numbers 蔗茎产量 Cane yield 含糖量 Sucrose yield
Variety Mean PCA1 PCA2 Di Mean PCA1 PCA2 Di Mean PCA1 PCA2 Di
YZ99-91 69150 –87.49 13.89 88.59 108.62 –0.52 –1.87 1.94 16.81 –0.25 –0.37 0.44
YG18 79039 6.64 46.52 46.99 110.53 0.92 0.43 1.02 17.61 0.67 0.71 0.98
YG16 83416 –66.89 13.13 68.17 137.99 –0.45 –1.54 1.60 20.08 0.52 –0.21 0.56
MT96-6016 87371 –55.80 22.70 60.24 124.36 –1.91 4.33 4.73 18.73 0.02 1.88 1.88
MT95-261 84986 66.49 –45.37 80.49 122.57 –0.11 0.99 1.00 17.46 0.13 0.08 0.15
GY6 77446 22.01 53.87 58.19 128.23 5.13 –1.59 5.37 18.70 1.65 –1.05 1.95
GF98-296 88997 51.84 –34.20 62.10 116.15 0.61 3.03 3.09 17.22 0.08 0.47 0.48
GN99-591 69666 –48.72 –6.51 49.16 117.04 –2.70 –1.94 3.32 17.94 –1.02 –0.24 1.05
FN30 79728 46.30 21.20 50.92 124.96 –1.50 –0.09 1.50 19.32 –0.77 –0.10 0.78
FN28 70826 –55.24 –87.45 103.43 108.73 –2.55 –2.44 3.53 17.70 –1.63 –0.62 1.74
RB76-5418 82640 53.63 –27.73 60.37 123.92 1.34 0.43 1.41 17.54 0.24 –0.42 0.48
ROC16 79991 67.25 29.93 73.61 108.67 1.72 0.24 1.74 16.07 0.36 –0.14 0.39
Ruili, Yunnan 75260 –67.10 51.92 84.84 115.03 0.93 –4.30 4.40 17.27 0.05 –1.17 1.17
Kaiyuan, Yunnan 90625 141.98 –51.10 150.89 117.89 1.50 –1.67 2.24 18.11 –0.58 –1.12 1.26
Suixi, Guangdong 66035 7.00 75.03 75.35 112.27 4.13 1.86 4.53 16.90 2.21 0.04 2.21
Zhangzhou, Fujian 78355 29.01 12.89 31.75 127.50 –0.96 4.72 4.82 20.01 –0.01 1.85 1.85
Fuzhou, Fujian 86915 –110.89 –88.74 142.03 123.88 –5.60 –0.60 5.63 17.38 –1.67 0.40 1.72
第5期 449
的 顺 序 为 GN99-591、YG16、GY6、YZ99-91、
FN30、FN28、RB76-5418、MT95-261、MT96-
6016、YG18、ROC16、GF98-296；从性状稳定性
看，稳定性较好的是 ROC16、GF98-296、YG18、
RB76-5418、GN99-591、MT96-6016；参 试 的 12
个 品 种 中，GN99-591、YZ99-91、FN28、YG16
平均单茎重表现较优且稳定性强；FN30、GY6 平
均单茎重表现较优但稳定性较差，ROC16、GF98-
296、YG18、RB76-5418 平均单茎重较轻但稳定性
较强。
有效茎数性状　　各品种平均有效茎数从多
到 少 的 顺 序 为 GF98-296、MT96-6016、MT95-
261、YG16、RB76-5418、ROC16、FN30、YG18、
GY6、FN28、GN99-591、YZ99-91，从性状稳定性看，
稳定性较好的是 YG18、GN99-591、FN30、GY6、
MT96-6016、RB76-5418、GF98-296；参试的 12 个
品 种 中，FN30、MT96-6016、RB76-5418、GF98-
296 平均有效茎数表现较优且稳定性强，YG16、
ROC16、MT95-261 平均有效茎数表现较优但稳定
性较差，YG18、GN99-591、GY6 平均有效茎数
较少但稳定性较强。
蔗茎产量性状　　各品种平均蔗茎产量从高
到低的顺序为 YG16、GY6、FN30、MT96-6016、
RB76-5418、MT95-261、GN99-591、GF98-296、
YG18、FN28、ROC16、YZ99-91，从产量稳定性看，
稳定性较好的是 MT95-261、YG18、RB76-5418、
FN30、YG16、ROC16、YZ99-91；参试的 12 个品
种 中，MT95-261、RB76-5418、FN30、YG16 高
产且稳定性好，MT96-6016、GY6 高产但稳定性差，
YG18、ROC16、YZ99-91 产量较低但稳定性强。
含糖量性状　　各品种平均含糖量从高到
低 的 顺 序 为 YG16、FN30、MT96-6016、GY6、
GN99-591、FN28、YG18、RB76-5418、MT95-
261、GF98-296、YZ99-91、ROC16，从产量稳定性看，
稳 定 性 较 好 的 是 MT95-261、ROC16、YZ99-91、
RB76-5418、GF98-296、YG16、FN30、YG18；参
试的 12 个品种中，FN30、YG16 含糖量高且稳定
性好，GN99-591、MT96-6016、GY6 含糖量高但
稳定性差，MT95-261、ROC16、YZ99-91、RB76-
5418、GF98-296 含糖量较低但稳定性强。
图 1 不同基因型出苗率、分蘖率、株高和茎径在 IPCA1 和 IPCA2 上得分的 AMMI II 双标图
Fig. 1 AMMI II biplot of IPCA1 and IPCA2 score of emergence rate, tillering rate, plant height and stalk diameter in different genotypes
罗俊等：甘蔗品种主要性状的基因型与环境及其互作效应分析
450　　　　　　　　　　　　　　　　　　　　 　 热带亚热带植物学报　　　　 　　　　　　　 　 第20卷
2.3 地点鉴别力分析
AMMI II 双标图中的 x 轴和 y 轴对应于品种
或地点的 IPCA1 和 IPCA2，其双标图不包含品种
的丰产性信息，仅表达了 G×E 信息。在 AMMI Ⅱ
双标图中，越接近坐标原点其交互作用越小，品种
稳定性越高试点的分辨力越低；坐标原点与试验点
的距离代表试点的交互效应大小，距离长的交互效
应大。试点分辨力高，距离短的交互效应小，试点
分辨力较低。根据各试点在 IPCA1、IPCA2 上得
分作 AMMI II 双标图(图 1)。图 1 中出苗率、分蘖
率、株高、茎径、单茎重、有效茎数、蔗茎产量和含糖
量等 8 个性状的 IPCA1 和 IPCA2 分别解释了交互
作用总变异平方和的 84.25%、89.84%、79.09%、
81.50%、86.99%、84.88%、73.73% 和 74.61%。
从出苗率分析，距坐标原点最近的试点为福建福州
和福建漳州，其交互效应较小、分辨力较低，距离较
远的试点有云南瑞丽、广东遂溪和云南开远 , 其 交
互效应较大、分辨力较高；从分蘖率分析，距坐标原
点最近的试点为广东遂溪和福建漳州，其交互效应
较小、分辨力较低，距离较远的试点有福建福州、云
南瑞丽和云南开远 , 其交互效应较大、分辨力较高；
从株高性状分析，距坐标原点最近的试点为广东遂
溪和福建漳州，其交互效应较小、分辨力较低，距离
较远的试点有福建福州、云南瑞丽和云南开远 , 其
交互效应较大、分辨力较高；从茎径性状分析，距坐
标原点最近的试点为广东遂溪和福建漳州，其交互
效应较小、分辨力较低，距离较远的试点有福建福
州、云南瑞丽和云南开远 , 其交互效应较大、分辨力
较高；从单茎重性状分析，距坐标原点最近的试点
为福建福州、云南瑞丽和云南开远，其交互效应较
小、分辨力较低，距离较远的试点有广东遂溪和福
建漳州 , 其交互效应较大、分辨力较高；距坐标原点
最近的试点为广东遂溪和福建漳州，其交互效应较
小、分辨力较低，距离较远的试点有福建福州、云南
瑞丽和云南开远 , 其交互效应较大、分辨力较高；从
蔗茎产量性状分析，距坐标原点最近的试点为云南
开远和云南瑞丽，其交互效应较小、分辨力较低，距
离较远的试点有福建福州、广东遂溪和福建漳州 ,
图 2 不同基因型单茎重、有效茎数、蔗茎产量和含糖量在 IPCA1 和 IPCA2 上得分的 AMMI II 双标图
Fig. 2 AMMI II biplot of IPCA1 and IPCA2 score of weight per stalk, available stalk number, cane yield and surcrose yield in different genotypes
第5期 451
其交互效应较大、分辨力较高；从含糖量性状分析，
距坐标原点最近的试点为福建福州、广东遂溪和福
建漳州，其交互效应较小、分辨力较低，距离较远的
试点有云南开远和云南瑞丽 , 其交互效应较大、分
辨力较高。
2.4 品种与试验地点的最佳适应性分析
从图 2 可看出，从出苗率(图 3: A)分析，YG16
在广东遂溪具有最佳适应性，MT96-6016 在福州
漳州具有最佳适应性，GN99-591 在云南开远具有
最佳适应性， ROC16 在云南瑞丽和福建福州具有
最佳适应性；从分蘖率(图 3: B)分析，YG16 在云南
瑞丽具有最佳适应性，MT96-6016 在福建福州具
有最佳适应性，GF98-296 在云南开远、广东遂溪
和福建漳州具有最佳适应性；从株高(图 3: C)分析，
GY6 在云南瑞丽、云南开远、广东遂溪和福建漳州
具有最佳适应性，GN99-591 在福建福州具有最佳
适应性；从茎径(图 3: D)分析，YZ99-91 在云南开
远具有最佳适应性，YG16 在云南瑞丽和广东遂溪
具有最佳适应性，FN30 在福建福州具有最佳适应
性，FN28 在福建漳州具有最佳适应性；从单茎重(图
4: A)分析，GY6 在云南瑞丽、云南开远和广东遂溪
具有最佳适应性，GN99-591 在福建漳州具有最佳
适应性，FN30 在福建福州具有最佳适应性；从有
效茎数性状(图 4: B)进行分析，MT96-6016 在云南
瑞丽和广东遂溪具有最佳适应性，GF98-296 在云
南开远和福建漳州具有最佳适应性；从甘蔗蔗茎产
量(图 4: C)分析，YG16 在云南瑞丽、云南开运和福
建福州具有最佳适应性，MT96-6016 在福建漳州
具有最佳适应性，GY6 在广东遂溪具有最佳适应
性；从甘蔗含糖量(图 4: D)分析，YG16 在云南开
远和云南瑞丽具有最佳适应性，MT96-6016 在福
建漳州具有最佳适应性，GY6 在福建福州具有最
佳适应性。
2.5 甘蔗蔗糖分评价
从表 3 可以看出，甘蔗蔗糖分最高的品种是
FN28，其次为 YG18，与对照达极显著差异水平。
YZ99-91 和 FN30 与对照达显著差异，而 GN99-591
与对照的差异不显著。MT96-6016 和 GF98-296 的
甘蔗蔗糖分都高于对照，但差异不显著。YG16、
GY6、MT95-261 和 RB74-5418 的甘蔗蔗糖分低于
对照，但差异不显著。
图 3 出苗率、分蘖率、株高和茎径的最佳适应图
Fig. 3 AMMI2 mega-environment diagram of emergence rate, tillering rate, plant height and stalk diameter
罗俊等：甘蔗品种主要性状的基因型与环境及其互作效应分析
452　　　　　　　　　　　　　　　　　　　　 　 热带亚热带植物学报　　　　 　　　　　　　 　 第20卷
2.6 基于AMMI模型的系统聚类
以甘蔗蔗茎产量和含糖量以及相应的 Di 值为
评价指标，采用数据标准化的数据转换方法、绝对
值距离相似尺度、最长距离法进行系统聚类分析，
得到聚类谱系图(图 5)，当取阈值 T=3.63 时，供试
材 料 可 分 为 5 类，第 1 类 有 GY6 和 MT96-6016，
蔗茎产量和含糖量较高，而稳定性较差；第 2 类有
FN28、GN99-591 和 GF98-296，蔗 茎 产 量 较 低，
稳定性较差，含糖量较低，稳定性较强；第 3 类有
FN30 和 YG16，蔗茎产量和含糖量高，稳定性强；
第 4 类有 YG18、RB76-5418 和 MT95-261，蔗茎产
量稳定性较强，含糖量较高；第 5 类有 YZ99-91 和
图 4 单茎重、有效茎数、蔗茎产量和含糖量的最佳适应图
Fig. 4 AMMI2 mega-environment diagram of weight per stalk, available stalk number, cane yield and surcrose yield
表 3 各参试品种在不同月份的甘蔗蔗糖分
Table 3 Sugar yield of sugarcane lines in different month
品种
Variety
月份 Month
平均 Mean
11 12 1 2 3
RB76-5418 11.85dC 13.31eCD 14.97cdBC 15.33dDE 15.34dC 14.14gG
FN28 15.10aA 15.80aA 16.38aA 17.08aA 16.95abAB 16.28aA
FN30 13.93abcAB 15.31abcAB 15.67abcABC 16.18bcdABCDE 16.43abcABC 15.48bcABCD
GN99-591 14.11abAB 15.20abcAB 15.96abAB 15.87cdBCDE 15.82cdABC 15.38bcdBCDE
GF98-296 11.74dC 14.21cdeBCD 15.51abcABC 16.50abcABCD 16.18abcdABC 14.84cdefCDEFG
GY6 12.54cdBC 14.02deBCD 15.09bcdBC 15.29dE 15.95bcdABC 14.56efgEFG
MT95-261 11.72dC 13.25eD 14.60dC 15.57dCDE 16.09bcdABC 14.26fgFG
MT96-6016 13.59bcABC 14.29bcdeBCD 15.50abcdABC 15.76cdBCDE 16.33abcdABC 15.10cdeBCDEF
YG16 12.88bcdBC 14.02deBCD 15.04cdBC 15.28dE 15.69cdBC 14.60efgDEFG
YG18 14.25abAB 15.38abAB 16.09aAB 16.78abAB 17.11aA 15.92abAB
YZ99-91 14.09abAB 14.78abcdABC 15.71abcABC 16.53abcABC 16.45abcABC 15.50bcABC
ROC16 12.52cdBC 14.27bcdeBCD 15.16bcdBC 15.44dCDE 16.39abcABC 14.76defgCDEFG
*: P<5%; ** : P<1%..
第5期 453
ROC16，蔗茎产量较低，含糖量较低，稳定性较强。
图 5 基于 AMMI 模型的系统聚类结果
Fig. 5 Hierarchical cluster based on AMMI Model
3 结论和讨论
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，而区域试验的地点鉴别力也是育
种工作者比较关心的问题。甘蔗区域试验中供试
品种（系）的产量性状易受干旱、台风、田间积水等试
验条件、气候因素、环境条件甚至人为或自然等因
素的影响，因此株高、茎径、单茎重、有效茎数等 4
个甘蔗农艺性状的 G×E 互作效应不大，但蔗茎产
量和含糖量的 G×E 互作效应却达到 50% 左右。因
此扩大试点范围，提高甘蔗区域试验中试点的代表
性，全面分析甘蔗各个产量性状的稳定性和适应性
对全面评价甘蔗品种有着重要意义。
甘蔗品种的适应性好坏既要考虑稳定性，也要
考虑丰产性。同时，甘蔗是工业原料作物，在考虑
蔗茎产量的同时，由于甘蔗蔗糖分的影响，含糖量
的丰产性和稳定性也发生变化。在高产前提下的
稳产品种才具有广泛适应性，而低产品种即使稳定
性很好也不适宜广泛种植。有些品种蔗茎产量的
丰产性和稳定性都很好，但由于甘蔗蔗糖分较低，
导致含糖量较低，其推广价值也不高，如本研究中
RB76-5418 和 MT95-261，蔗 茎 产 量 较 高，稳 定 性
较强，但由于其全期平均甘蔗蔗糖分仅 14.14% 和
14.26%，比ROC16 (14.76%)低，导致其含糖量较低，
其推广价值也不高。
用 AMMI 模型分析时发现株高、茎径、单茎
重、有效茎数、蔗茎产量、含糖量等 6 个性状前两个
主成分之和分别解释了交互作用总变异平方和的
79.09%、81.50%、86.99%、84.88%、73.73% 和
74.61%。而采用线性回归模型，这 6 个性状的前
两个主成分仅能解释 43.78%、46.73%、26.69%、
44.55%、37.18% 和 25.34% 的 交 互 作 用 平 方 和。
这说明与线性回归模型相比，AMMI 模型可以大
大提高分析的准确度，得出的结果更可靠。品种对
环境的反应存在线性和非线性关系，而且较多情况
下可由回归解释的 G×E 互作作用较小。AMMI 模
型只分析基因型与环境互作，以对基因型进行全面
评价。可靠的基因型评价方法必须同时考虑基因
型和基因型与环境互作，本研究应用基于 AMMI
模型的系统聚类将 12 个基因型分为 5 类，分析出
FN30、YG16 是蔗产量和糖产量高、综合性状好、
稳定性强的优良甘蔗新品种。由于 GGE-biplot 分
析比 AMMI 模型可以解释更多的基因型和基因型 ×
环境互作效应(G+GE)[17–20]，进一步的试验可以将
GGE-Biplot 分析应用于甘蔗品种区域试验分析。
本研究将 AMMI 双标图法引入甘蔗区域试验
产量性状的稳定性分析，有利于全面研究甘蔗产量
性状 G×E 交互作用。本研究通过区域试验，筛选
出 FN30 和 YG16 等 2 个蔗茎产量和含糖量高，稳
定性强的高产稳产型甘蔗品种。2008 年参加国家
甘蔗品种区域试验的 12 个品种中，可明显地区分
为 5 类，第 1 类包括 GY6 和 MT96-6016，蔗茎产量
和含糖量较高而稳定性较差；第 2 类包括 FN28、
GN99-591 和 GF98-296，蔗 茎 产 量 较 低 稳 定 性 较
差，含糖量较低但稳定性较强；第 3 类包括 FN30
和 YG16，蔗茎产量和含糖量高，稳定性强；第 4 类
包 括 YG18、RB76-5418 和 MT95-261，蔗 茎 产 量
稳定性较强，含糖量较高；第 5 类包括 YZ99-91 和
ROC16，蔗茎产量较低，稳定性较强，含糖量较低，
稳定性较强。甘蔗产量稳定性受年份影响显著，特
别是甘蔗的宿根性受环境和气候影响显著，因此，
上述品种的稳定性仅供各地在选择适宜品种推广
应用时参考。
参考文献
[1]　 Chen R K. Theory and Practice in Modern Sugarcane Breeding
[M]. Beijing: China Agriculture Press, 2003: 2–12.
陈如凯. 现代甘蔗育种理论和实践 [M]. 北京: 中国农业出版
社, 2003: 2–12.
[2]　 Luo J, Zheng X W, Chen R K, et al. Technical Specification of
Crop Variety Trials: Sugarcane NY/T 1784–2009 [S]. Beijing:
China Agriculture Press, 2009: 1–8.
罗俊, 郑学文, 陈如凯, 等. NY/T 1784–2009农作物品种试验技
罗俊等：甘蔗品种主要性状的基因型与环境及其互作效应分析
454　　　　　　　　　　　　　　　　　　　　 　 热带亚热带植物学报　　　　 　　　　　　　 　 第20卷
术规程 甘蔗 [S]. 北京: 中国农业出版社, 2009: 1–8.
[3]　 Chen R K, Wen S H, Zhang H, et al. Identification of Crop
Varieties Specification: Sugarcane NY/T 1786–2009 [S]. Beijing:
China Agriculture Press, 2009: 1–8.
陈如凯, 文尚华, 张华, 等. NY/T 1786–2009 农作物品种鉴定规
范 甘蔗 [S]. 北京: 中国农业出版社, 2009: 1–8.
[4]　 Becker H C, Léon J. Stability analysis in plant breeding [J]. Plant
Breed, 1988, 101(1): 1–23.
[5]　 Eberhart S A, Russell W A. Stability parameters for comparing
varieties [J]. Crop Sci, 1966, 6(1): 36–40.
[6]　 Tai G C C. Genotypic stability analysis and its application to
potato regional trials [J]. Crop Sci, 1971, 11(2): 184–190.
[7]　 Gauch H G Jr. Statistical Analysis of Regional Yield Trials:
AMMI Analysis of Factorial Designs [M]. Amsterdam: Elsevier,
1992: 1–27.
[8]　 Zhang Z, Lu C, Xiang Z H. Analysis of variety stability based on
AMMI model [J]. Acta Agron Sin, 1998, 24(3): 304–309.
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.
[9]　 Crossa J, Fox P N, Pfeiffer W H, et a1. AMMI adjustment for
statistical analysis of an internal wheat yield trial [J]. Theor Appl
Genet, 1991, 81(1): 27–37.
[10]　 Li Y Y, Feng Z, Zhao L Y. Analysis of stability of flower yield of
rugosa rose cultivars with AMMI Model [J]. Sci Agri Sin, 2008,
41(6): 1761–1766.
李艳艳, 丰震, 赵兰勇. 用AMMI模型分析玫瑰品种产花量的
稳定性 [J]. 中国农业科学, 2008, 41(6): 1761–1766.
[11]　 Chang L, Chai S X. Application of AMMI model in the stability
analysis of spring wheat in rainfed areas [J]. Acta Ecol Sin,
2006, 26(11): 3677–3684.
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, 26(11): 3677–3684.
[12]　 Guo T C, Ma D Y, Zhu Y J, et al. Genotype, environment and
their interactive effects on main quality traits of winter-sown
wheat variety [J]. Sci Agri Sin, 2004, 37(7): 948–953.
郭天财, 马冬云, 朱云集, 等. 冬播小麦品种主要品质性状的
基因型与环境及其互作效应分析 [J]. 中国农业科学, 2004,
37(7): 948–953.
[13]　 Norton A J, Bennett S J, Hughes M, et al. Determining the
physical properties of flax fibre for industrial applications:
The influence of agronomic practice [J]. Ann Appl Biol, 2006,
149(1): 15–25.
[14]　 Adugna W, Labuschagne M T. Genotype-environment
interactions and phenotypic stability analyses of linseed in
Ethiopia [J]. Plant Breed, 2002, 121(1): 66–71.
[15]　 Campbell B T, Jones M A. Assessment of genotype ×
environment interactions for yield and fiber quality in cotton
performance trials [J]. Euphytica, 2005, 144(1/2): 69–78.
[16]　 Tang Q Y, Feng M G. DPS Data Processing System:
Experimental Design, Statistical Analysis and Data Mining [M].
Beijing: Science Press, 2007: 484–492.
[17]　 Li B G, Yan J, He Z H, et al. Analyzing site discrimination in
crop regional yield trials by AMMI mode1 [J]. Acta Agron Sin,
2004, 30(6): 593–596.
李本贵, 阎俊, 何中虎, 等. 用AMMI模型分析作物区域试验中
的地点鉴别力 [J]. 作物学报, 2004, 30(6): 593–596.
[18]　 Zhang Z F, Fu X F, Liu J Q, et al. Yield stability and testing-
site representativeness in national regional trials for oat lines
based on GGE-Biplot analysis [J]. Acta Agron Sin, 2010, 36(8):
1377–1385.
张志芬, 付晓峰, 刘俊青, 等. 用GGE双标图分析燕麦区域试
验品系产量稳定性及试点代表性 [J]. 作物学报, 2010, 36(8):
1377–1385.
[19]　 Yan W K, Sheng Q L, Hu Y G, et al. GGE biplot: An ideal tool
for studying genotype by environment interaction of regional
yield trial data [J]. Acta Agron Sin, 2001, 27(1): 21–27.
严威凯, 盛庆来, 胡跃高, 等. GGE叠图法──分析品种×环境
互作模式的理想方法 [J]. 作物学报, 2001, 27(1): 21–27.
[20]　 Chen S L, Li Y R, Cheng Z S, et al. GGE biplot analysis of
effects of planting density on growth and yield components of
high oil peanut [J]. Acta Agron Sin, 2009, 35(7): 1328–1335.
陈四龙, 李玉荣, 程增书, 等. 用GGE双标图分析种植密度对
高油花生生长和产量的影响 [J]. 作物学报, 2009, 35(7): 1328–
1335.