全 文 ：作物学报 ACTA AGRONOMICA SINICA 2011, 37(3): 443451 http://www.chinacrops.org/zwxb/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由农业部保种项目“大豆种质资源精准鉴定和展示”[NB08-2130315-(25-31)-06, NB07-2130315-(25-30)-06, NB06-07040(22-27)-05]和国
家重点基础研究发展计划(973计划)项目(2004CB117203)资助。
*
通讯作者(Corresponding author): 邱丽娟, E-mail: qiu_lijuan@263.net, Tel: 010-82106826
第一作者联系方式: E-mail: hbhhlk@yahoo.com.cn
Received(收稿日期): 2010-06-28; Accepted(接受日期): 2010-09-27.
DOI: 10.3724/SP.J.1006.2011.00443
大豆微核心种质在黄淮地区的区域适应性分析
刘章雄 1 杨春燕 2 徐 冉 3 卢为国 4 乔 勇 1 张礼凤 3 常汝镇 1
邱丽娟 1,*
1中国农业科学院作物科学研究所 / 农作物基因资源与基因改良国家重大科学工程 / 农业部作物种质资源利用重点开放实验室, 北
京 100081; 2 河北省农林科学院粮油作物研究所, 河北石家庄 050031; 3山东省农业科学院作物研究所, 山东济南 250010; 4 河南省
农业科学院经济作物研究所, 河南郑州 450002
摘 要: 运用主效可加互作可乘(AMMI)模型, 对黄淮地区三省两年的 60份大豆微核心种质数据进行了分析, 目的是对
参试种质的环境稳定性和适应性进行评价。结果表明, 株高、有效分枝数、百粒重和产量性状的基因型与环境互作
效应(G×E)占总平方和的 16.73%~24.57%, 均达到极显著水平, 说明有进一步进行稳定性分析的必要。不同种质不同
性状在各试验点具有不同的适应性, 部分种质某一性状具有广泛适应性、而部分种质只在某一特定环境才能表现其
潜力。本研究结果将为黄淮地区微核心种质在育种实践中的有效利用提供理论依据。
关键词: 大豆; 微核心种质; AMMI; 双标图; 区域适应性
Adaptability of Soybean Mini Core Collections in Huang-Huai Region
LIU Zhang-Xiong1, YANG Chun-Yan2, XU Ran3, LU Wei-Guo4, QIAO Yong1, ZHANG Li-Feng3, CHANG
Ru-Zhen1, and QIU Li-Juan1,*
1 National Key Facility for Gene Resources and Genetic Improvement / Key Laboratory of Crop Germplasm Utilization, Ministry of Agriculture,
Institute of Crop Sciences, Chinese Academy of Agricultural Sciences, Beijing 100081, China; 2 Institute of Grain and Oil Crops Research, Hebei
Academy of Agriculture and Forestry Sciences, Shijiazhuang 050031, China; 3 Crop Research Institute, Shandong Academy of Agricultural Sciences,
Jinan 250010, China; 4 Institute of Industrial Crops Research, Henan Academy of Agricultural Sciences, Zhengzhou 450002, China
Abstract: Accurate identification and evaluation of germplasm can enhance its effective use. To evaluate the environmental
adaptability and stability of Chinese soybean germplasm, we applied the additive main effects and multiplicative interaction
(AMMI) model to analyze the two years’ data of the 60 mini core collections of soybean in three provinces in the Huang-Huai
region. The results showed that the interactions between the genotypes and environment (G×E) for plant height, effective branch
number, 100-seed weight, and yield per unit area were highly significant (P<0.01), and the squares of G×E to total squares were
16.73–24.57%, suggesting a need of further analysis for the stability of varieties. The phenotypes of different varieties were de-
pendent on the planting sites, and some germplasm performed wide adaptability while others not in particular environment. The
results laid a theoretical foundation to effectively use mini core collection for soybean breeding in Huang-Huai region.
Keywords: Soybean; Mini core collection; AMMI; Biplot; Regional adaptability
我国共有栽培大豆和一年生野生大豆3万余份[1]。
在表型上存在丰富的遗传多样性, 对于其中蕴含优
异基因的挖掘和利用具有重要意义, 但鉴定和评价
的种质数量庞大。本课题组自 1998 年来经过 10 年
的努力, 在将 SSR 标记数据和农艺学数据相结合的
基础上[2-6], 利用种质分类法进行核心种质的分层取
样[7]并最终构建了大豆微核心种质[1]。微核心种质能
够以较少的种质代表总体种质的遗传多样性, 对其
鉴定和评价可以有效的克服庞大的资源规模所带来
的困难和压力, 节省大量的时间, 从而方便并有效
促进种质的利用。我国资源的评价在目录中有记载,
但与产量相关性状较少。
主效可加互作可乘模型 (additive main effects
and multiplicative interaction model, AMMI模型)早
444 作 物 学 报 第 37卷

在 20世纪 80、90年代就已被应用到基因型×环境型
(G×E)互作的分析上[8-11]。模型通过从加性模型的残
差中分离模型误差与干扰可以提高估计的准确性 ,
并且借助于双标图可以直观地描绘和分析基因型与
环境交互作用的模式[12]。由于 AMMI模型能够很好
的解释基因型与环境的互作效应, 因此已被广泛应
用于对许多作物的区域产量[13-16]数据和其他品质性
状[17-19]数据的分析上。在大豆的相关报道中, 模型
多集中应用于区域产量分析[20-22]、基于大豆产量数据
的各种分析模型的比较[23-26]及油分和粗蛋白含量[27]的
分析上, 而对于产量相关性状或农艺学性状的研究
还未见报道。
本研究主要利用 AMMI 模型对黄淮地区 2 年 3
省的 60份微核心种质的株高、有效分枝数、百粒重、
单位面积产量等数量性状的基因型与环境的互作效
应进行研究, 目的是明确不同种质不同性状的适应
性, 从而为核心种质在育种中的利用提供理论指导。
1 材料与方法
1.1 试验材料
以黄淮大豆微核心种质 60份(表 1), 分别于 2008
和 2009 年在河北省农林科学院粮油作物研究所试
验基地(试验点编号分别为 A 和 B)、河南省农业科
学院经济作物研究所试验基地(试验点编号分别为

表 1 参试微核心种质统一编号及相应种质名称
Table 1 Code and name of core collections in study
编号
No.
统一编号
Given code
种质名称
Variety name
编号
No.
统一编号
Given code
种质名称
Variety name
1 ZDD01612 兔儿眼 Tu’eryan 31 ZDD08190 样田小黄豆 Yangtianxiaohuangdou
2 ZDD01629 白脐大豌豆 Baiqidawandou 32 ZDD08228 南关小皮青 Nanguanxiaopiqing
3 ZDD01683 第六黄豆-2 Diliuhuangdou-2 33 ZDD08238 赤城绿黄豆 Chichenglühuangdou
4 ZDD01720 四角齐黄豆 Sijiaoqihuangdou 34 ZDD08251 大屯小黑豆 Datunxiaoheidou
5 ZDD01983 白皮黄豆 Baipihuangdou 35 ZDD08352 本地大黄豆 Bendidahuangdou
6 ZDD02096 天鹅蛋 Tian’edan 36 ZDD08472 黑豆 Heidou
7 ZDD02114 天鹅蛋 Tian’edan 37 ZDD08564 小圆黄豆 Xiaoyuanhuangdou
8 ZDD02134 小黄豆 Xiaohuangdou 38 ZDD08603 小黄豆 Xiaohuangdou
9 ZDD02149 黄秆豆 Huanggandou 39 ZDD08633 青棵圆豆 Qingkeyuandou
10 ZDD02159 大黑豆 Daheidou 40 ZDD08650 黄豆<2> Huangdou<2>
11 ZDD02315 灰皮支黑豆 Huipizhiheidou 41 ZDD08690 小黄豆 Xiaohuangdou
12 ZDD02400 夏黑豆 Xiaheidou 42 ZDD08697 榆选 13 Yuxuan 13
13 ZDD02626 胜利 3号 Shengli 3 43 ZDD08728 白露豆 Bailudou
14 ZDD02764 四粒圆 Siliyuan 44 ZDD08928 六十日白豆 Liushiribaidou
15 ZDD02864 平顶黄豆 Pingdinghuangdou 45 ZDD09136 小青豆 Xiaoqingdou
16 ZDD02866 大白皮 Dabaipi 46 ZDD09279 小黑豆 Xiaoheidou
17 ZDD02891 大黄豆 Dahuangdou 47 ZDD10100 郑 8516 Zheng 8516
18 ZDD02892 大天鹅蛋 Datian’edan 48 ZDD18524 下台子磨石豆 Xiataizimoshidou
19 ZDD02913 小米豆 Xiaomidou 49 ZDD18529 猫眼豆 Maoyandou
20 ZDD02921 青 6号 Qing 6 50 ZDD18558 花黑虎 Huaheihu
21 ZDD02940 绿草豆 Lücaodou 51 ZDD18632 冀豆 7号 Jidou 7
22 ZDD02990 二粒黑豆 Erliheidou 52 ZDD18771 青豆 Qindou
23 ZDD03026 平顶黑 Pingdinghei 53 ZDD18835 猫眼豆 Maoyandou
24 ZDD03106 茶豆 Chadou 54 ZDD18870 东山 69 Dongshan 69
25 ZDD03153 泌阳小籽黄 Biyangxiaozihuang 55 ZDD19027 绿皮黄豆 Lüpihuangdou
26 ZDD03237 淅川鸡窝黄 Xichuanjiwohuang 56 ZDD19131 毛豆 Maodou
27 ZDD03293 泌阳牛毛黄 Biyangniumaohuang 57 ZDD19144 气死洼 Qisiwa
28 ZDD03540 博爱红皮皂角 Bo’aihongpizaojiao 58 ZDD19293 早熟黑豆 Zaoshuheidou
29 ZDD03570 信阳羊眼豆 Xinyangyangyandou 59 ZDD19381 高作选 1号 Gaozuoxuan 1
30 ZDD08018 密云老爷脸 Miyunlaoyelian 60 ZDD19409 豫豆 18 Yudou 18

第 3期 刘章雄等: 大豆微核心种质在黄淮地区的区域适应性分析 445


C和 D)、山东省农业科学院作物研究所试验基地(试
验点编号分别为 E和 F)进行 6点次试验。采用随机
区组设计, 3行区, 3次重复, 行长 3 m, 株距 10 cm,
行距 0.45 m。成熟后在每小区中间行中部取长势均
匀一致的 10个单株分别调查株高、有效分枝数, 分
小区收获并调查百粒重、单位面积产量等性状。
1.2 分析方法
运用 IRRISTAT5.0 软件处理试验数据 , 利用
AMMI模型分析结果。
yijk=+i+j+

N
r
r
1
 irjr+ij+ijk
式中 yijk是第 i 个种质在环境 j 的第 k 次重复的
观察值, μ为总平均, αi为第 i个基因型与总平均的离
差(即基因型主效应), βj为第 j 个环境与总平均的离
差(即环境主效应), θr 为第 r 个交互效应主成分轴
(IPCA)的特征值, γir为第 r 轴的基因型特征向量值,
δjr为第 r轴环境特征向量值, ρij为提取 N个轴后留下
的残差 , εijk 为试验误差 [12]。其中 Σλs γis δjs
(=λs0.5γis×λs0.5δjs)即所估算的基因型与环境交互作用
(G×E)ij, λs0.5γis和 λs0.5δjs分别为基因型 i与地点 j的第
s个交互作用主成分值(IPCAs值)。对所得数据分类
作图得到相应 AMMI模型双标图并进行相应分析。
但是当 IPCA轴为 3个或以上时, 仅利用双标图就不
一定能准确判断种质的稳定性差异[12]。因此, 在这
种情况下我们将利用Di (特定基因型在 IPCA空间中
和原点的距离)值这一具体的数字指标来准确判断
稳定性。



c
s
isiD
1
2 I=1, 2, …, G
其中 c为显著的 IPCA个数, γis为第 i个基因型
在第 s个 IPCA上的值。
2 结果与分析
2.1 方差分析和 AMMI模型分析
株高、有效分枝数、百粒重和产量 4 个性状的
基因型、试点、G×E 的方差结果均极显著, 且基因
型与环境互作效应 (G×E)占总平方和的 16.73%~
24.57%, G×E 的显著性结果说明对数量性状进行检
测需要多年多点分析以确定其稳定性(表 2)。
在株高、有效分枝数和百粒重 3个性状中, 基因
型的平方和分别占总平方和的 60.14%、37.20%和
67.03%, 大于其相对应的试点 (5.35%、 5.25%和
1.07%)和互作(19.32%、24.57%和 16.73%)平方和在
总平方和中的比例, 由此可见, 基因型对这 3 个性状
的变异起很大作用; 而对于产量性状, 试点平方和
占总平方和的 33.63%, 说明不同试点对产量的变异
有很大的影响。
从表 2可知, 每个性状 G×E分解的乘积项均表
现为极显著, 4个性状的前 2个互作效应主成分值平
方和分别解释了 61.21%、61.74%、84.73%和 61.46%
的互作效应总平方和, 因此前 2个互作主成分的值就
能够准确代表种质与环境的互作效应。说明 AMMI模
型适于阐明以上 4个性状的 G×E的互作效应。
2.2 基于 AMMI模型的双标图分析
根据 AMMI 模型的分析数据结果, 获得了 4 个
性状的 AMMI模型双标分析图(图 1~图 4)。
不同基因型株高均值和 IPCA1 值形成了
AMMI1 双标图(图 1-a), 该图解释了 84.5%的处理
(基因型+试点+G×E 互作)平方和。其中株高均值为
横坐标 , IPCA1 值为纵坐标 ; 图中水平直线代表
IPCA1=0 的株高均值, 种质越靠近水平线适应性(稳
定性)越高。水平方向上种质相对试点分布更广, 因
此种质的变异幅度大于环境 (变异系数：0.1948>
0.0634); 株高均值最大的是种质 55 (154.83 cm), 最
小的是种质 10 (65.9 cm); 参试地点 A和 F的株高均
值(98.01 cm, 98.85 cm)相当, 但试点间的 G×E互作
效应差异较大(Di=8.70, 6.54); 另外, 种质 55 (均值
=154.83 cm, Di=4.62)株高均值虽高但稳定性很差 ,
种质 01稳定性很好但株高均值较低(均值=61.18 cm,
Di=0.12), 种质 12 (均值=139.44 cm, Di=0.37)及 39
(均值=97.33 cm, Di=0.34)稳定性较好。
株高的 IPCA1和 IPCA2值形成了 AMMI2双标
图(图1-b)。模型的前2个互作乘积项解释了株高61.2%
的 G×E互作效应的平方和。图中原点的 IPCA=0, 种
质越接近原点稳定性越好; 试点和原点的距离长短
表示 G×E 互作效应的大小; 种质在试点和原点连线
的垂直投影长短表示种质在该试点的适应程度。由
图可知, 种质和试点的互作程度为 A>F>C>E>D>B
(Di: 8.70>6.54>6.26>5.53>5.52>2.83); 种质 20在试点
A 与原点的连线上有最长的垂直投影距离, 因此种
质 20在试点 A有较强的特殊适应性, 同理的还有种
质 55在 E、种质 43在 F、种质 04在 B、C和 D。
有效分枝数 AMMI1 双标图(图 2-a), 解释了
74.8%的处理的平方和。由图可知, 种质的有效分枝
数的变异大于环境(变异系数：0.2746>0.1117); 有效
分枝数均值最大的是种质 09 (5.06个), 最小的是种
446 作 物 学 报 第 37卷

表 2 2008–2009年度黄淮微核心种质部分数量性状的方差和 AMMI模型分析
Table 2 Analysis of variance and AMMI model of partial quantitative trails of mini core collection in Huang-Huai Region in
2008–2009
性状
Trait
变异来源
Variance source
自由度
df
平方和
Sum of square
均方
Mean square
F值
F-value
占总平方和百分比
Percentage of the
total sum of squares
处理 Treatment 359 554229.240 1543.814 10.918**
基因型 Genotype 59 392981.500 6660.703 47.107** 60.14
参试地点 Site 5 34979.940 6995.988 49.478** 5.35
G×E 295 126267.800 428.026 3.027** 19.32
IPCA1 63 43137.900 684.729 4.843** 34.16
IPCA2 61 34151.400 559.859 3.960** 27.05
IPCA3 59 22960.590 389.163 2.752** 18.18
IPCA4 57 15635.880 274.314 1.940** 12.38
G×E残差 G×E residual 55 10382.030 188.764 1.335 8.22
株高
Plant height
误差 Error 702 99259.430 141.395

处理 Treatment 359 1510.447 4.207 3.962**
基因型 Genotype 59 838.364 14.210 13.379** 37.20
参试地点 Site 5 118.218 23.644 22.262** 5.25
G×E 295 553.865 1.878 1.768** 24.57
IPCA1 63 193.709 3.075 2.895** 34.97
IPCA2 61 148.250 2.430 2.288** 26.77
IPCA3 59 93.778 1.589 1.497** 16.93
G×E残差 G×E residual 112 118.127 1.055 0.993 21.33
有效分枝数
Effective branch
number
误差 Error 700 743.438 1.062

处理 Treatment 359 16788.841 46.766 10.829**
基因型 Genotype 59 13265.360 224.837 52.062** 67.03
参试地点 Site 5 211.652 42.330 9.802** 1.07
G×E 295 3311.829 11.227 2.600** 16.73
IPCA1 63 1781.274 28.274 6.547** 53.79
IPCA2 61 1024.725 16.799 3.890** 30.94
G×E残差 G×E residual 171 505.830 2.958 0.685 15.27
百粒重
100-seed weight
误差 Error 695 3001.437 4.319

处理 Treatment 359 500513101.600 1394187.000 6.277**
基因型 Genotype 59 150071034.500 2543577.000 11.452** 22.72
参试地点 Site 5 222106771.400 44421354.000 200.004** 33.63
G×E 295 128335295.700 435034.900 1.959** 19.43
IPCA1 63 46263300.000 734338.100 3.306** 36.05
IPCA2 61 32610000.000 534590.200 2.407** 25.41
IPCA3 59 24183090.000 409882.900 1.845** 18.84
G×E残差 G×E residual 112 25278905.700 225704.510 1.016 19.70
单位面积产量
Yield per unit area

误差 Error 720 159913602.600 222102.200
**表示在 0.01的水平上极显著。** Significant difference at the 0.01 probability level.

质 51 (0.85个); 大部分种质的 IPCA1的值接近于零,
说明大部分参试微核心种质的有效分枝数相对稳定,
其中种质 09 (均值=5.06 个, Di=0.20)和 11 (均值
=4.87 个, Di=0.36)的均值较大且稳定性较好, 种质
32 (均值=2.31个, Di=0.13)的有效分枝数较适合且稳
定性较好。AMMI2 (图 2-b)模型的前 2 个互作乘积
项解释了 61.7%的 G×E互作效应的平方和。由图可
见, 大部分种质都很接近原点, 说明大部分种质稳
定性较好, 恰好与 AMMI1双标图的结果相符; 由原
点和试点的连线距离看, 种质和试点的互作程度为
第 3期 刘章雄等: 大豆微核心种质在黄淮地区的区域适应性分析 447


E>D>C>A>B>F (Di: 2.47>2.18>1.49>1.02>0.86>0.48);
种质 33在试点 E、种质 54在试点 D、种质 49在试
点 A、种质 12在试点 D和种质 23在试点 C有较强
的特殊适应性。
百粒重均值和 IPCA1值的双标图(图 3-a)解释了
90.2%的处理的平方和。其中种质的百粒重值变异大
于环境(变异系数：0.215>0.0294); 百粒重均值最大
的是种质 47 (25.65 g), 最小的是种质 46 (8.96 g); 试
点 B、D、E、F 坐标点很接近, 说明这 4 个试点的
百粒重均值(均值为 16.41、16.86、16.35和 17.13 g)
和 G×E 互作效应(Di为 1.38、1.47、1.71 和 1.31)差
别不大; 种质 47 的百粒重均值最大但稳定性差(均
值=25.65 g, Di=1.45), 种质 14 (均值=25.50, Di=0.58)
和种质 38 (均值=19.58, Di=0.24)的稳定性较好。
AMMI2 (图 3-b)模型的前 2 个互作乘积项解释了
84.7%的 G×E 互作效应平方和。种质和试点的互作



图 1 株高的 AMMI双标图
Fig. 1 AMMI biplot of plant height



图 2 有效分枝数的 AMMI双标图
Fig. 2 AMMI biplot of effective branch number
448 作 物 学 报 第 37卷



图 3 百粒重的 AMMI双标图
Fig. 3 AMMI biplot of 100-seed weight

程度为 C>A>E>D>B>F (Di: 4.30>3.95>1.71>1.47>
1.38>1.31); 种质 19 在试点 A、种质 56 在试点 C、
种质 20 在试点 B、D 和 E、种质 47 在试点 F 有较
强的特殊适应性。
单位面积产量均值和 IPCA1值的双标图(图 4-a)
解释了 83.6%的处理的平方和。由图可知, 种质的产
量变异大于环境(变异系数：0.2248>0.1701); 种质
59单位面积产量均值最大(3 070.07 kg hm–2), 种质
07最小(1 647.35 kg hm–2); 种质 51 (均值=3 068.79
kg hm–2, Di=7.87)和 60 (均值=3 028.85 kg hm–2,
Di=12.45)高产且稳定, 种质 49 (均值=1 777.83 kg
hm–2, Di=5.03)稳定性很好但产量太低。AMMI2 (图
4-b)模型的前 2 个互作乘积项解释了 61.5%的 G×E
互作效应的平方和。种质和试点的互作程度为
C>A>D>B>E>F (Di: 48.70>45.18>36.93>32.46> 14.79>
13.26); 种质 34在试点 A、种质 11在试点 B、种质



图 4 单位面积产量的 AMMI双标图
Fig. 4 AMMI biplot of yield per unit area
第 3期 刘章雄等: 大豆微核心种质在黄淮地区的区域适应性分析 449


55在试点 E和 F、种质 18在试点 D、种质 28在试
点 C有较强的特殊适应性; 试点 A和 D与原点的连
线几乎成水平, 说明种质如在 A点有较大的正相关,
那么在 D点就会有较大的负相关。
2.3 Di值、稳定性及性状相关性分析
双标图能直观的反应种质稳定性, 而Di值(图 5)
是从数值的角度来对参试品种的稳定性进行评估。
Di值越低则种质的稳定性越好。根据 Di值将种质的
稳定性排名, 从株高、有效分枝数、百粒重和单位
面积产量 4个性状看, Di值最低的品种是种质 1、56、
30和 42。
另外, 研究对种质不同性状的 Di值与其对应性
状值、播种类型、生育日数和粒色进行相关性分析。
结果显示(表 3), 仅百粒重Di值与其性状值呈极显著
正相关性, 即百粒重值越大, 则种质 Di 值越大, 稳
定性越差。
3 讨论
基因型和环境的互作对作物性状的准确评价有
较大影响, AMMI 模型将方差分析和主成分分析综
合应用, 不仅能够判断出种质的性状稳定性, 还能
够利用双标图直观地展示出种质和环境的适应性 ,
这在育种或生产上都具有非常重要的实际指导意义。
本研究结果显示不同种质不同性状的稳定性不
同, 有些种质某一性状具有较广泛的适应性, 可以
被多个试点利用, 如：种质 59 (高作选 1号)产量最
高但稳定性并不最佳, 相比之下种质 51 (冀豆 7号)
具有很好的稳定性和较高的产量。而有些种质只在
某一试点有较特殊的适应性, 可有较好的利用效果,
例如种质 34 (大屯小黑豆)在试点 A (河北, 2008), 种
质 55 (绿皮黄豆)在试点 B (河北, 2009)、E (山东,
2008)、F (山东, 2008), 种质 28 (博爱红皮皂荚)在试
点 C (河南, 2008), 种质 18 (大天鹅蛋)在试点 D (河
南, 2009)有特殊的环境适应性。另外, 通过图 5可知,
4 个性状均表现稳定的只有种质 10 (大黑豆), 而 3
个性状表现较稳定的有种质 31 (样田小黄豆)和 39
(青棵圆豆), 这一结果从另一方面说明本研究中地
方种质综合性状表现均较好的较少, 这也在一定程



图 5 60份大豆参试种质 4个性状的 Di值曲线图
Fig. 5 Graph of Di values on four traits of 60 accessions in soybean mini core collection

表 3 基于 Di值的性状稳定性与表型性状的相关性
Table 3 Correlations between trait stability based on Di value and trait measurement
表型
Trait
表型均值
Mean
播种类型
Sowing season type
生育日数
Growth period
粒色
Seed-coat color
株高稳定性 Stability of plant height 0.16 0.03 0.04 0.01
有效分枝数稳定性 Stability of effective branch number 0.16 –0.20 0.12 0.09
百粒重稳定性 Stability of 100-seed weight 0.38** 0.21 0.04 –0.13
单位面积产量稳定性 Stability of yield per unit area 0.08 0.02 0.02 0.11
** 表示在 0.01的水平上极显著。** Significant difference at the 0.01 probability level.
450 作 物 学 报 第 37卷

度上影响了育种家对地方种质利用的积极性。
种质的性状适应性和稳定性在不同的环境中存
在明显差异。例如, 种质 43 (大屯小黑豆)和种质 28
(博爱红皮皂角)分别原产于河北和河南, 在图 4-b中
显示分别在 A试点(河北 2008)和 C试点(河南 2008)
有特殊的适应性, 同样原产于山东的种质 18 (大天
鹅蛋)在百粒重的 AMMI2双标图中也显示出在 F试
点(山东 2009)有特殊的适应性。但是从图 4-b 中同
样发现, 原产于山东的种质 18 (大天鹅蛋)却在 D试
点(河南 2009)有较强的特殊适应性; 此外, 原产于
山东的种质 19 (小米豆)和种质 56 (毛豆)却在试点 A
(河北 2008)和试点 C (河南 2008)有较强的适应性。
这一结果与冬播小麦品质性状的部分结果[19]相一致,
说明种质在其来源地种植, 即使是产量性状也不一
定表现出最佳的适应性。因此, 通过对种质的适应
性和稳定性进行评价, 可为今后种质更新寻找最佳
适宜地点提供指导性意见。
在相关性分析中, 百粒重均值与 Di值呈现极显
著正相关, 即百粒重值小, 则百粒重性状越稳定。一
般认为野生大豆较栽培大豆具有更好的适应性和稳
定性, 而野生大豆籽粒均较小, 这种关联性尚没有
研究报道, 需要进一步研究证实。
本研究认为, 对于黄淮海地区微核心种质, 应
根据种质性状的不同稳定性方式, 即广适应性和特
殊适应性有目的利用, 从而有效发挥种质潜力, 更
好为育种工作服务。
4 结论
不同种质不同性状的稳定性有差异, 应根据具
体表现有针对性利用, 种质 51 (冀豆 7号)的产量性
状、种质 39 (青棵圆豆)的株高性状、种质 32 (南关
小皮青)的有效分枝数性状、种质 14 (四粒圆)的百粒
重性状等具有广泛的适应性且稳定性好, 可在黄淮
海地区广泛利用; 种质 34 (大屯小黑豆)、种质 55 (绿
皮黄豆)等具有特殊的环境适应性, 可在黄淮海地区
某一特定区域利用。百粒重与 Di 值极显著正相关,
百粒重越小, 则百粒重性状越稳定。大豆种质最佳
适应区域不一定是其来源地。
References
[1] Qiu L-J(邱丽娟), Li Y-H(李英慧), Guan R-X(关荣霞), Liu
Z-X(刘章雄), Wang L-X(王丽霞), Chang R-Z(常汝镇). Estab-
lishment, representative testing and research progress of soybean
core collection and mini core collection. Acta Agron Sin (作物学
报), 2009, 35(4): 571–579 (in Chinese with English abstract)
[2] Luan W-J(栾维江), Liu Z-X(刘章雄), Guan R-X(关荣霞),
Chang R-Z(常汝镇), He B-R(何蓓如), Qiu L-J(邱丽娟). Repre-
sentative and genetic diversity at SSR loci for northeast spring
sowing soybeans. Chin J Appl Ecol (应用生态学报), 2005, 16(8):
1469–1476(in Chinese with English abstract)
[3] Wang L X, Lin F Y, Luan W J, Li W, Guan R X, Li Y H, Ma Y S,
Liu Z X, Chang R Z, Qiu L J. Genetic diversity of Chinese spring
soybean germplasm revealed by SSR markers. Plant Breed, 2008,
127: 56–61
[4] Lin F-Y(林凡云), Qiu L-J(邱丽娟), Chang R-Z(常汝镇), He
B-R(何蓓如). Genetic diversity of landrace and bred varieties of
soybean in Shaanxi, China. J Oil Crop Sci (中国油料作物学报),
2003, 25(3): 24–29(in Chinese with English abstract)
[5] Xie H, Guan R X, Chang R Z, Qiu L J. Genetic diversity of the
summer soybean germplasm in China revealed by SSR markers.
Chin Sci Bull (科学通报), 2005, 50: 526–536 (in Chinese)
[6] Guan Y(关媛), E W-D(鄂文弟), Wang L-X(王丽侠), Guan
R-X(关荣霞), Liu Z-X(刘章雄), Chang R-Z(常汝镇), Qu Y-Y(曲
延英), Qiu L-J(邱丽娟). Analysis of factors influencing the ge-
netic diversity evaluation using two soybean (Glycine max L.
Merr.) collections from Hunan and Hubei. Acta Agron Sin (作物
学报), 2007, 33(3): 461–468 (in Chinese with English abstract)
[7] Wang L X, Guan Y, Guan R X, Li Y H, Ma Y S, Dong Z M, Liu
X, Zhang H Y, Zhang Y Q, Liu Z X, Chang R Z, Xu H M, Li L H,
Lin F Y, Luan W J, Ya N Z, Ning X C, Zhu L, Cui Y H, Piao R H,
Liu Y, Chen P Y, Qiu L J. Establishment of Chinese soybean
(Glycine max) core collections with agronomic traits and SSR
markers. Euphytica, 2006, 151: 215–223
[8] Frankel O H, Brown A H D. Current plant genetic resources a
critical appraisal. In: Genetics: New Fronetiers (Vol. IV). New
Delhi, 1984. pp 112–145
[9] Kempton R A. The use of biplots in interpreting variety by envi-
ronment interactions. J Agric Sci Camb, 1984, 103: 123–135
[10] Zobel R W, Wright M J, Gauch H G. Statistical analysis of a yield
trial. Agron J, 1988, 80: 388–393
[11] Gauch H G Jr. Model selection and validation for yield trials with
interaction. Biometrics, 1998, 44: 705–715
[12] Zhang Z(张泽), Lu C(鲁成), Xiang Z-H(向仲怀). Analysis of
variety stability based on AMMI model. Acta Agron Sin (作物学
报), 1998, 24(3): 304–309 (in Chinese with English abstract)
[13] Zeng X-Y(曾献英). Application of AMMI model to analyze re-
gional trial data of cotton. Cotton Sci (棉花学报), 2004, 16(4):
233–235 (in Chinese with English abstract)
[14] Liu J-H(刘俊恒), Hu N(胡宁), Liu X-P(刘小片), He D-Y(何代
元), Ma Z-J(马兆锦), He Q(何琴). Study of AMMI model in data
analysis of regional trial of maize. Rain Fed Crops (杂粮作物),
2009, 29 (3): 159–162 (in Chinese with English abstract)
[15] An Y-W(安颖蔚), Gao X-N(高西宁), Ge W-D(葛维德). Appli-
cation of AMMI model in the analysis of spring wheat regional
trial data. J Anhui Agric Sci (安徽农业科学), 2006, 34(17): 4199–
4200 (in Chinese with English abstract)
[16] Qiang A-L(强爱玲), An Y-P(安永平). Application of AMMI
第 3期 刘章雄等: 大豆微核心种质在黄淮地区的区域适应性分析 451


model to analyze regional trial data of rice. J Jilin Agric Sci (吉
林农业科学), 2007, 32(1): 5–7 (in Chinese with English abstract)
[17] Zhang Y(张艳), He Z-H(何中虎), Wang L(王磊), Zhou G-Y(周
桂英). Using additive main effects and multiplicative interaction
model to analyze genotype and environment effects on protein
content of winter wheat in China. Acta Agric Boreali-Sin (华北农
学报), 2000, 15(suppl): 31–35 (in Chinese with English abstract)
[18] Liu W-J(刘文江), Li H-J(李浩杰), Wang X-D(汪旭东), Zhou
K-D(周开达). Stability analysis for elementary traits of hybrid
rice by AMMI model. Acta Agron Sin (作物学报), 2002, 28(4):
569–573 (in Chinese with English abstract)
[19] Guo T-C(郭天财), Ma D-Y(马冬云), Zhu Y-J(朱云集), Wang
C-Y(王晨阳), Xia G-J(夏国军), Luo Y(罗毅). Genotype, envi-
ronment and their interactive effects on main quality traits of
winter-sown wheat variety. Sci Agric Sin (中国农业科学), 2004,
37(7): 948953 (in Chinese with English abstract)
[20] Zheng W(郑伟), Liu Y-H(刘玉红), Wang Y-X(王永样), Yu Y(于
勇), Wang S-B(王思斌), Liu G-M(刘国民). The application of
biplot in yield analysis of soybean regional test. Heilongjiang
Agric Sci (黑龙江农业科学), 2005, (6): 5–7 (in Chinese with
English abstract)
[21] Chen Z-X(陈志雄), Hu R-F(胡润芳), Lin G-Q(林国强). AMMI
model analysis on regional test for new vegetable soybean varie-
ties. Soybean Bull (大豆通报), 2007, (1): 32–33 (in Chinese with
English abstract)
[22] Zheng W(郑伟). Analysis on regional test of soybean variety by
AMMI model. Heilongjiang Agric Sci (黑龙江农业科学), 2005,
(2): 15–17 (in Chinese with English abstract)
[23] Sneller C H, Dombek D. Comparing soybean cultivar ranking
and selection for yield with AMMI and full-data performance es-
timates. Crop Sci, 35: 1536–1541
[24] Sabaghnia N, Sabaghpour S H, Dehghani H. The use of an
AMMI model and its parameters to analysis yield stability in
multi-environment trials. J Agric Sci, 2008, 146: 571–581
[25] Aremu C O, Adebayo T A, Oyekunle M, Ariyo O J. The relative
discriminatory abilities of techniques measuring genotype × en-
vironment interaction in soybean (Glycine max L. Merr.) in
semi-arid and rain forest environments of Nigeria. Agric J, 2007,
2: 210–215
[26] Asfaw A, Alemayehu F, Gurum F, Atnal M. AMMI and SREG
GGE biplot analysis for matching varieties onto soybean produc-
tion environments in Ethiopia. Sci Res Essay, 2009, 4: 1322–
1330
[27] Gurmu F, Mohammed H, Alemaw G. Genotype × environment
interactions and stability of soybean for grain yield and nutrition
quality. African Crop Sci J, 2009, 17: 87–99