全 文 ：中国生态农业学报 2016年 6月 第 24卷 第 6期
Chinese Journal of Eco-Agriculture, Jun. 2016, 24(6): 790800


* 国家现代农业产业技术体系建设项目(CARS-20)和公益性行业(农业)科研专项(201503119)资助
** 通讯作者: E-mail: sisluojun@126.com
收稿日期: 20151201 接受日期: 20160201
* Supported by the China Modern Agriculture Research System Construction Project (CARS-20) and the Special Fund for Agro-scientific
Research in the Public Interest (201503119)
** Corresponding author, E-mail: sisluojun@126.com
Received Dec. 1, 2015; accepted Feb. 1, 2016
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.151284
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*
汪洲涛 苏炜华 阙友雄 许莉萍 张 华 罗 俊**
(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)
摘 要 对甘蔗区域试验数据进行基因型与环境互作分析, 有利于全面了解参试品种的丰产性和各试点的代
表性, 对优良新品种的推广和品种的区域分布也有着重要意义。本文综合利用 AMMI模型和 HA-GGE双标图
对 2014 年国家甘蔗第 10 轮区域试验 11 个品种和 13 个试点的蔗茎产量和蔗糖产量数据进行产量稳定性和丰
产性分析, 评价试点的代表性和分辨力。结果表明: 蔗茎产量和蔗糖产量在不同品种和试点间存在极显著差异,
品种和试点存在极显著互作效应。‘福农 40 号’综合表现最佳, 是产量高、丰产性好且蔗茎产量和蔗糖产量的
稳定性均较强的品种; ‘云蔗 08-2060’的产量略低于‘福农 40号’, 但蔗茎产量和蔗糖产量的稳定性强于‘福农 40
号’; 与对照品种‘ROC22’相比, ‘粤甘 43号’、‘粤甘 46号’和‘闽糖 02-205’的蔗茎产量和蔗糖产量较高, 稳定性
中等, ‘福农 40号’、‘粤甘 43号’、‘粤甘 46号’和‘云蔗 08-2060’均具有较强的适应性, 可在适宜蔗区推广应用。
综合 AMMI和 HA-GGE双标图分析结果表明, 广东遂溪、云南开远和福建福州具有较高的地点分辨力和试点
代表性。因此, AMMI和 HA-GGE双标图的综合运用, 可更准确直观地评价出各品种的丰产性、稳定性和适应
性以及各试点的分辨力和代表性。本研究可为甘蔗新品种的鉴定与推广提供有价值的理论参考。
关键词 甘蔗 区域试验 AMMI模型 HA-GGE双标图 蔗茎产量 蔗糖产量 稳定性 代表性
中图分类号: S566.103.7 文献标识码: A 文章编号: 1671-3990(2016)06-0790-11
Analysis of yield stability and test site representativeness of sugarcane trials
using combined AMMI and HA-GGE biplot models*
WANG Zhoutao, SU Weihua, QUE Youxiong, XU Liping, ZHANG Hua, LUO Jun**
(Key Laboratory of Sugarcane Biology and Genetic Breeding, Ministry of Agriculture, Fujian Agriculture and Forestry University,
Fuzhou 350002, China)
Abstract Knowledge on yield stability of sugarcane varieties and representativeness of test sites during national regional
trials of sugarcane varieties is critical for rationally regional distribution and guiding sugarcane breeding. Additive main
effects and multiplicative interaction (AMMI) and heritability adjusted GGE (HA-GGE) biplot models are the two widely used
statistical methods in analyzing data on crop variety trials. Using experimental data from regional trials, the interactions
between crop genotype and environment can be analyzed to determine yield potential of tested varieties and representativeness
of pilots. In order to assess the representativeness and discrimination ability of 13 test locations of sugarcane variety trail, the
AMMI model was used in combination with HA-GGE bipliot to analyze cane and sugar yields of 11 sugarcane varieties
planted at 10 national regional trial sites of sugarcane varieties in China. The results showed that cane and sugar yields were
significantly different for different varieties and test sites. There was significant interaction effect between variety and test site.
The ‘FN40’ sugarcane variety had the best performance, with high yield, good productivity and high stability of cane yield and
第 6期 汪洲涛等: 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 791


http://www.ecoagri.ac.cn
sugar yield. The yield of ‘YZ08-2060’ sugarcane variety was slightly lower than that of ‘FN40’, while the stability of its cane
and sugar yields was slightly higher than that of ‘FN40’. Compared with ‘ROC22’ variety, ‘YG43’, ‘YG46’ and ‘MT02-205’
had higher cane and sugar yields, but had lower stability. ‘FN40’, ‘YG43’, ‘YG46’ and ‘YZ08-2060’ had stronger adaptability,
and were recommended for cultivation at suitable planting sites. The result further indicated that three test locations, Suixi of
Guangdong Province, Kaiyuan of Yunnan Province and Fuzhou of Fujian Province, had higher discrimination and better
representativeness based on comprehensive analysis of AMMI and HA-GGE biplot models. Here, two sugarcane varieties
(‘FN40’ and ‘YZ08-2060’), both with high yield and good stability, were recommended for commercial production in all
sugarcane planting areas in China. In conclusion, the combined used of AMMI and GGE biplot model provided more accurate
assessment for the productivity, stability and adaptability of sugarcane varieties. It was also very reliable in terms of
demonstration of discrimination and representativeness of test sites. This study provided valuable reference base for the
identification and promotion of new sugarcane varieties.
Keywords Sugarcane; Regional trail; AMMI model; HA-GGE biplot; Cane yield; Sugar yield; Stability; Representativeness
作物品种区域试验(简称区试)是指在不同生态
类型区域, 选择能够代表该地区气候、土壤、温湿
度、光照等各种农业生产环境的地点, 采用相同的
试验方案和统一的技术规程评价品种的丰产性、稳
产性、适应性、抗性、品质等各种农艺性状以及试
验地点的代表性等。通常一个理想的区域试验, 不
仅要能够区分出不同基因型作物品种之间的遗传差
异, 筛选出优异品种, 还能够确定各参试品种的最
佳适应区域 [15]。因此, 通过科学合理的区域试验 ,
能够不断地适时推出适合全国或适应某个区域种
植的作物新品种, 有利于避免品种单一化及其造成
的农作物种植过程中的种种问题 [67]。农作物区域
试验中, 不同试点的气候和土壤条件等生态因子不
同 [810], 对应地各个品种在不同试点的表现也会有
不同程度的差别, 这正体现了作物品种的实际性状
表现是由基因和环境共同决定的。基因型(G)与环境
(E)的互作效应(G×E)的准确评估是合理评价品种稳
定性和适应性的关键。近年来, 很多学者提出多种
不同的数学分析方法, 如: 线性分析、非线性分析和
主成分分析等, 但对“品种×环境”互作效应的分析上
都有失偏颇, 难以准确把握。本研究期望通过联合
采用AMMI模型和GGE双标图模型, 能够在一定程
度上弥补这一缺陷。
AMMI模型已经广泛应用于对多试点多品种的
G×E交互作用的分析, 如: 糜子(Panicum miliaceum)[3]、
小麦(Triticum aestivum)[1112]、水稻(Oryza sativa)[13]、
油 菜 (Brassica campestris)[14] 和 甘 蔗 (Saccharum
officinarum)[1516]等。该模型将主成分分析与方差分
析相结合, 从加性模型互作项中分离出若干个乘积
项之和来提高估计的准确性, 借助双标图和互作效
应值分析稳定性、适应性和G×E互作[1617]。
GGE双标图(GGE-Biplot)是研究基因型与环境
互作以及作物品种产量稳定性和试点代表性的新方
法[1820]。此模型在多年多点的区域试验上是一个十
分理想的分析工具 [1921], 应用GGE-Biplot可以揭示
出错综复杂的不同因素之间的相互作用关系[20,2224],
已经广泛被用来处理产量和品质的数据 [25]。HA-
GGE双标图是遗传力校正的GGE双标图 [22]。HA-
GGE双标图是分析基因型与环境互作模式、鉴别品
种生态区和试点评价的有效方法, 可根据试点对目
标环境的代表性及其对基因型遗传差异的鉴别力来
评价试点的理想程度 [20]。目前Luo等 [17]已开展HA-
GGE双标图在甘蔗品种试验环境评价、品种多系布
局等方面的应用研究。
不管是 AMMI 模型还是 HA-GGE 双标图模型,
每个单一模型都会有自身的缺陷, 例如 AMMI 模型
方法重点考虑基因型与环境的互作效应, 较少从品
种选育和推广角度对基因型进行全面评价[26], 该模
型依赖于双向数据, 往往选择的是稳定高产或稳定
低产的品种, 一些高产但稳定性较差的品种受到忽
略 [2728], 由于它并非是一个真正意义上的双标图 ,
其应用受到了一些限制[2930]。AMMI 模型适用于品
种与环境互作分析, HA-GGE 双标图更适用于环境
评价, 综合利用 AMMI 模型和 HA-GGE双标图, 两
种模型互补优缺, 对分析结果进行比较综合, 可挖
掘一些高产但稳定性不高的品种在适宜区域应用 ,
更有利于提高区试数据分析的科学性与准确性 [27],
为品种多系布局筛选优异品种在适宜区域应用提供
参考。
本研究综合采用AMMI模型和HA-GGE双标图
分析 2014 年国家第 10 轮区试甘蔗品种基因型与环
境互作模式, 综合评价甘蔗品种的稳定性和试点的
代表性, 旨在为生产上进一步利用和推广甘蔗新品
种提供更加科学的理论基础。
792 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
1 材料与方法
1.1 供试材料
试验数据来自国家第 10 轮甘蔗品种区域试验
2014年度新植季试验, 参试品种共 11个, 品种名称
及代号依次分别为‘ROC22’(G1)、‘福农 07-2020’(G2,
‘FN07-2020’)、‘福农 07-3206’(G3, ‘FN07-3206’)、‘福
农 40’(G4, ‘FN40’)、‘赣蔗 07-538’(G5, ‘GZ07-538’)、
‘柳城 07-500’(G6, ‘LC07-500’)、‘闽糖 02-205’(G7,
‘MT02-505’)、‘粤甘 43’(G8, ‘YG43’)、‘粤甘 46’(G9,
‘YG46’,)、‘云瑞 07-1433’(G10, ‘YR07-1433’)、‘云蔗
08-2060’(G11, ‘YZ08-2060’), 其中 ‘ROC22’(G1)为
对照品种; 试点共 13 个, 其中广西壮族自治区 4 个
试点, 云南省 4 个试点, 广东省 2 个试点, 海南省 1
个试点, 福建省 2个试点, 各试点情况列于表 1。
1.2 试验设计
参试品种采用完全随机区组排列, 4行区, 3次重复,
行长8 m, 行距1.1 m, 小区面积35.2 m2。2月下旬至3
月上旬种植, 公顷下种量105 000个芽, 及时中耕培
土、施肥、排灌、防治虫害。收获前调查产量性状, 从
11月到第2年3月, 每月中旬取样进行糖分化验, 收获
前进行实收测产。测产方法为每个小区将中间1行甘蔗
进行称重实收[17,29], 按以下公式计算相关指标:
单位面积有效茎数 (条 ·hm2)=[样点有效茎数
(条)/样点面积(m2)]×666.7×15 (1)
蔗茎产量(t·hm2)=样点产量(kg)/样点有效株数
(条)×单位面积有效茎数(条·hm2)/1 000 (2)
蔗糖产量(t·hm2)=蔗茎产量(t·hm2)×甘蔗蔗糖
分(%) (3)
表 1 国家甘蔗品种区域试验 13个试点的环境因子信息
Table 1 Basic information of 13 test locations in China sugarcane regional trials
试点
Location
代号
Code
经度
Longitude
(E)
纬度
Latitude
(N)
海拔
Altitude
(m)
土壤类型
Soil type
年降雨量
Precipitation
(mm)
年日照时数
Annual sunshine
duration (h)
平均气温
Mean annual
temperature (℃)
福建福州
Fuzhou, Fujian
E1 119.23 26.08 10.0 壤土
Loam
1 600 1 700 18.6
福建漳州
Zhangzhou, Fujian
E2 117.35 24.52 12.8 壤土
Loam
1 460 2 430 21.0
广东遂溪
Suixi, Guangdong
E3 110.25 21.23 50.0 沙壤土
Sandy loam
1 759 1 864 24.2
广东湛江
Zhanjiang, Guangdong
E4 110.26 21.16 22.0 砖红壤
Red loam
1 691 2 106 23.0
广西百色
Baise, Guangxi
E5 106.98 23.68 82.5 沙壤土
Sandy loam
1 100 1 448 21.0
广西河池
Hechi, Guangxi
E6 108.06 24.73 110.0 红壤
Red loam
1 500 1 696 20.2
广西来宾
Laibin, Guangxi
E7 109.08 23.76 95.0 沙壤土
Sandy loam
1 400 1 750 20.8
广西柳州
Liuzhou, Guangxi
E8 109.36 24.47 99.1 黄壤
Yellow soil
1700 1 570 20.0
海南临高
Lingao, Hainan
E9 109.69 19.92 20.0 砖红壤
Red loam
1 417 2 349 24.5
云南保山
Baoshan, Yunnan
E10 99.01 25.02 670.0 沙壤土
Sandy loam
1 000 2 307 21.3
云南开远
Kaiyuan, Yunnan
E11 103.25 23.7 1 055.0 沙壤土
Sandy loam
700 2 200 19.8
云南临沧
Lincang, Yunnan
E12 99.95 24.15 1 030.0 红壤
Red loam
1 200 2 257 19.6
云南德宏
Dehong, Yunnan
E13 97.87 24.24 980.0 沙壤土
Sandy loam
1 180 2 316 19.4

1.3 统计方法
1.3.1 AMMI模型
利用 DPS V.14.10 软件统计分析性状的平均值
和标准差 [28], 并进行方差分析, 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:
ge g e g e ge
1
N
n n n
n
y       

     (4)
式中: gey 是在环境 e中基因型 g的产量; µ为总体平
均值 ; g 是基因型平均偏差 ; e 是环境的平均偏
差; n 为第 n 个交互效应主成分分析轴(interaction
principal component axis , IPCA)的特征值; gn 是第
n 个主成分的基因型主成分得分; en 是第 n 个主成
分的环境主成分得分; N 是主成分轴的总个数; ge
为残差[1516]。取主成分效应达到显著水平的 IPCA
在多维空间离原点的距离作为基因型稳定性的评价
指标, 记为 Di, Di值对品种和试点的意义是不同的,
第 6期 汪洲涛等: 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 793


http://www.ecoagri.ac.cn
就品种而言, 品种稳定性与 Di值呈反比, Di值越小
品种稳定性越好; 对试点而言相反, Di值越大, 鉴别
力越高, 呈正比关系。利用达到显著水平的主成分
Di值能准确判断甘蔗品种蔗茎产量的稳定性。
1.3.2 HA-GGE双标图
采用GGE-biplot软件进行HA-GGE双标图分
析 [22]。将区域试验得到的产量数据整理成品种
地点两向表 , 其中 , 每个数值是相应品种在相应
试点内性状平均值 , 即为表现型值 (Yger)。按线性
统计模型 :
ger e 1 g1 e1 2 g2 e2 ge ggrY                (5)
式中: 1 为第 1 个主成分的特征向量; g1 为基因
型 g的第 1个特征向量得分; e1 为环境 e的第 1个
特征向量得分。参数 g1 和 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
PCA1或 PC1。为了更精确地评价试验环境, HA-GGE
双标图中试验环境的鉴别力评价参数用近似等于试
验环境向量长度的遗传力平方根表示, 代表性评价
参数用近似等于试验环境向量与平均环境轴夹角的
余弦值的遗传相关系数(r)表示[22]。H-定标的 GGE
双标图是按试点的遗传力平方根来权重, 遗传力高
的试点在评价品种上得到较大的发言权。双标图中
向量的长度代表试点的鉴别力, 它的长度与试点呈
正比; 环境向量与平均环境轴的夹角大小表示试点
的代表性, 它与夹角的大小呈反比。品种图标在平
均环境轴上的垂足越往正方向表示品种的丰产性
越好, 而以垂足引出的垂线越短表示品种的稳定性
越好。
2 结果与分析
2.1 甘蔗品种产量的 AMMI模型分析
2.1.1 蔗茎产量
联合方差分析结果(表 2)表明, 蔗茎产量在不同
基因型(G)和环境(E)间存在极显著差异 , 基因型和
环境互作存在极显著互作效应。基因型和环境互作
效应(G×E)的平方和占总平方和的 30.88%, 说明环
境对蔗茎产量的影响较大, 同一品种在不同环境表
现不同, 品种变异的平方和占总平方和的 16.83%,
而地点间变异的平方和占总平方和的 52.29%。从上
可知, 地点间的变异远高于品种间的变异, 在总变
异中占了主要的部分, 但是, 品种和地点互作效应
的变异是品种间变异的 1.84 倍, 这说明品种与地点
交互作用对品种合理评价有着至关重要的影响。对
互作主成分得分(PCA)的显著性测验结果表明, 前 4
个乘积表达项的交互作用信息均达到极显著水平
(P<0.01), PCA5 和 PCA6 也达到显著水平(P<0.05),
合计解释了 93.92 %的互作平方和。
表 2 蔗茎产量方差分析和 AMMI模型分析结果
Table 2 Results of cane yield variance analysis (ANOVA) and AMMI model analysis
变异来源
Source of variation
自由度(df)
Freedom
平方和(SS)
Sum of squares
均方(MS)
Mean square
F测验
F-test
占处理 SS比例
Proportion of treatment’s SS (%)
总计 Total 428 284 697.29 665.18
处理 Treatment 142 245 616.28 1 729.69 12.66**
基因型(G) Genotype 10 41 328.53 4 132.85 30.24** 16.83
环境(E) Environment 12 128 429.74 10 702.48 78.32** 52.29
G×E 120 75 858.02 632.15 4.63** 30.88
PCA1 21 23 100.32 1 100.02 8.05** 9.41
PCA2 19 18 401.96 968.52 7.09** 7.49
PCA3 17 14 696.79 864.52 6.33** 5.98
PCA4 15 8 668.86 577.92 4.23** 3.53
PCA5 13 3 548.56 272.97 2.00* 1.44
PCA6 11 2 826.55 256.96 1.88* 1.15
残差 Residual 24 4 614.98 192.29 1.88
误差 Error 286 39 081.01 136.65
*和**分别表示在 0.05和 0.01水平上显著, 下同。* and ** mean significant difference, respectively, at 0.05 and 0.01 level. The same below.

2.1.2 蔗糖产量
蔗糖产量的联合方差分析结果(表 3)表明: 基因
型与环境间互作效应、基因型和环境分别解释了
35.83%、10.39%和 53.77%的平均产量变异, 并且全
部达到极显著水平。其中, 环境的变异远高于基因
型间的变异, 在总变异中占主要部分, 但基因型与
环境互作效应(G×E)的变异是品种间变异的 3.45倍。
显然, 基因型与环境交互作用分析在蔗糖产量上也
794 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
表 3 蔗糖产量方差分析和 AMMI模型分析结果
Table 3 Results of sugar yield variance analysis (ANOVA) and AMMI model analysis
变异来源
Source of variation
自由度(df)
Freedom
平方和(SS)
Sum of squares
均方(MS)
Mean square
F测验
F-test
占处理 SS比例
Proportion of treatment’s SS (%)
总计 Total 428 6 017.48 14.06
处理 Treatment 142 5 113.86 36.01 11.40**
基因型 Genotype 10 531.47 53.15 16.82** 10.39
环境 Environment 12 2 749.93 229.16 72.53** 53.77
G×E 120 1 832.46 15.27 4.83** 35.83
PCA1 21 598.91 28.52 9.03** 11.71
PCA2 19 448.00 23.58 7.46** 8.76
PCA3 17 313.53 18.44 5.84** 6.13
PCA4 15 181.90 12.13 3.84** 3.56
PCA5 13 117.08 9.01 2.85** 2.29
残差 Residual 35 173.04 4.94 3.38
误差 Error 286 903.62 3.16

是对品种合理评价的重要环节。对互作主成分得分
(PCA)的显著性测验结果表明, PCA1~PCA5 均达到
极显著水平 (P<0.01), 分别解释了 G×E 平方和的
32.68%、24.45%、17.11%、9.93%和 6.39%, 合计解
释了 90.56%的互作平方和。
2.2 甘蔗品种产量稳定性分析
2.2.1 应用 AMMI分析蔗茎产量的稳定性
不同品种的蔗茎产量在各试点的平均产量不
同。分析结果表明(表 4), 品种蔗茎平均产量从高到
低排序依次为‘福农 40’、‘云蔗 08-2060’、‘ROC22’、
表 4 各甘蔗品种蔗茎产量和参试地点在互作主成分上的得分及稳定性参数
Table 4 Scores and stability parameters of the cane yield and test locations of sugarcane from the PCA
互作主成分 Mutual principal components
变量
Variable
平均产量
Mean yield
(t·hm2)
离差
Deviation
PCA1 PCA2 PCA3 PCA4 PCA5 PCA6
稳定性参数
(Di)
Stability
parameter
ROC22 109.68 7.04 1.74 1.69 0.02 1.19 3.07 0.42 6.24
福农 07-2020 FN07-2020 99.88 2.77 5.54 4.20 0.21 2.59 2.17 1.02 8.95
福农 07-3206 FN07-3206 96.50 6.15 1.71 1.75 2.50 2.37 0.89 0.80 7.58
福农 40 FN40 122.25 19.61 0.47 3.89 2.78 0.76 1.83 2.76 8.21
赣蔗 07-538 GZ07-538 89.53 13.11 0.58 2.12 1.01 2.22 2.18 0.63 6.98
品种
Genotype
柳城 07-500 LC07-500 90.74 11.90 1.32 3.28 1.84 1.88 1.22 1.88 8.16
闽糖 02-205 MT02-505 103.90 1.26 2.03 2.46 1.50 1.17 2.91 1.78 8.34
粤甘 43 YG43 108.69 6.05 3.93 2.46 5.54 1.44 0.92 1.92 9.45
粤甘 46 YG46 104.04 1.40 1.51 2.91 0.64 3.70 0.26 2.68 7.80
云瑞 07-1433 YR07-1433 91.31 11.33 5.08 1.56 4.17 2.67 0.65 0.70 8.82
云蔗 08-2060 YZ08-2060 112.55 9.91 1.09 1.20 0.90 2.59 0.21 1.67 6.44
福建福州 Fuzhou, Fujian 116.27 13.63 6.73 2.53 2.18 1.98 1.49 0.34 8.87 环境
Environment 福建漳州 Zhangzhou, Fujian 123.07 20.43 0.57 0.51 2.23 0.03 0.89 1.68 5.38
广东遂溪 Suixi, Guangdong 107.88 5.24 2.35 2.06 1.57 3.01 1.11 3.13 8.78
广东湛江 Zhanjiang,
Guangdong
138.18 35.54 0.54 1.75 5.14 3.22 1.05 1.19 8.23
广西百色 Baise, Guangxi 118.37 15.73 1.11 4.41 0.38 0.98 0.21 1.82 6.57
广西河池 Hechi, Guangxi 104.57 1.92 0.65 2.08 1.03 0.32 1.60 1.42 6.29
广西来宾 Laibin, Guangxi 106.84 4.20 0.96 2.04 0.31 2.50 2.99 0.37 6.88
广西柳州 Liuzhou, Guangxi 86.62 16.02 1.33 3.18 1.07 1.75 0.65 2.02 7.52
海南临高 Lingao, Hainan 85.35 17.30 1.77 3.11 3.51 2.13 1.77 1.56 9.01
云南保山 Baoshan, Yunnan 80.45 22.19 2.31 3.06 2.29 3.28 0.35 1.06 8.22
云南开远 Kaiyuan, Yunnan 91.64 11.00 3.86 0.64 2.98 1.39 2.36 1.57 8.46
云南临沧 Lincang, Yunnan 80.31 22.33 0.82 0.23 0.95 1.62 1.98 0.61 5.82
云南德宏 Dehong, Yunnan 94.80 7.84 2.81 2.61 1.27 0.47 2.09 0.77 7.42
第 6期 汪洲涛等: 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 795


http://www.ecoagri.ac.cn
‘粤甘 43’、‘粤甘 46’、‘闽糖 02-205’、‘福农 07-2020’、
‘福农 07-3206’、‘云瑞 07-1433’、‘柳城 07-500’、‘赣
蔗 07-538’, 品种稳定性从强到弱依次为‘ROC22’、
‘云蔗 08-2060’、‘赣蔗 07-538’、‘福农 07-3206’、‘粤
甘 46’、‘柳城 07-500’、‘福农 40’、‘闽糖 02-205’、‘云
瑞 07-1433’、‘福农 07-2020’、‘粤甘 43’; 蔗茎产量较
高且稳定性较强的品种有‘云蔗 08-2060’、‘ROC22’、
‘福农 40’、‘粤甘 46’; 蔗茎产量较高但稳定性较弱的
品种有‘闽糖 02-205’、‘福农 07-2020’、‘粤甘 43’。
地点鉴别力较高的试点依次是 E9(海南临高)、
E1(福建福州)、E3(广东遂溪)、E11(云南开远)、E4(广
东湛江)和 E10(云南保山), 地点鉴别力较差的试点
为 E5(广西百色)、E6(广西河池)、E12(云南临沧)和
E2(福建漳州)。
2.2.2 蔗糖产量的 AMMI分析
从表 5可知, 品种蔗糖平均产量从高到低排序依
次为‘福农 40’、‘云蔗 08-2060’、‘ROC22’、‘粤甘
43’、‘闽糖 02-205’、‘粤甘 46’、‘福农 07-2020’、‘福
农 07-3206’、‘赣蔗 07-538’、‘柳城 07-500’、‘云瑞
07-1433’, 品种稳定性从强到弱依次为 ‘闽糖
02-205’、‘云蔗 08-2060’、‘ROC22’、‘福农 40’、‘福
农 07-3206’、‘柳城 07-500’、‘粤甘 43’、‘赣蔗 07-538’、
‘福农 07-2020’、‘粤甘 46’、‘云瑞 07-1433’; 蔗糖产
量较高且稳定性较强的品种有 ‘闽糖 02-205’、‘云
蔗 08-2060’、‘福农 40’、‘ROC22’, 蔗糖产量较高
且稳定性较弱的品种有‘粤甘 43’、‘粤甘 46’和‘福农
07-2020’。
对蔗糖产量而言, 试点的分辨力较高的试点有
E1(福建福州)、E3(广东遂溪)、E4(广东湛江)、E10(云
南保山)、E5(广西百色)和 E11(云南开远); 而 E6(广
西河池)、E2(福建漳州)、E12(云南临沧)等 3个试点
的鉴别力较低。
表 5 各品种蔗糖产量和参试地点分别在显著的互作主成分上的得分及稳定性参数
Table 5 Scores and stability parameters of the sugar yield and test locations of sugarcane from the interaction PCA
互作主成分 Mutual principal components
变量
Variable
平均产量
Mean yield
(t·hm2)
离差
Deviation
PCA1 PCA2 PCA3 PCA4 PCA5 PCA6
稳定性参数
(Di)
Stability
parameter
ROC22 16.01 0.82 0.13 0.87 0.45 0.46 1.21 3.73 3.73 品种
Genotype 福农 07-2020 FN07-2020 14.29 0.91 0.64 2.28 0.26 1.47 0.48 4.73 4.73
福农 07-3206 FN07-3206 14.25 0.95 0.79 0.06 1.12 0.90 0.60 3.91 3.91
福农 40 FN40 16.81 1.61 1.10 1.33 1.11 0.06 0.08 3.79 3.79
赣蔗 07-538 GZ07-538 14.20 0.99 0.32 0.85 0.95 0.74 0.95 4.30 4.30
柳城 07-500 LC07-500 13.78 1.41 0.96 0.81 1.08 0.41 0.16 3.96 3.96
闽糖 02-205 MT02-505 15.85 0.66 0.11 1.06 0.28 0.22 1.12 3.42 3.42
粤甘 43 YG43 15.92 0.72 2.27 0.02 1.78 0.34 0.35 4.16 4.16
粤甘 46 YG46 15.78 0.58 1.06 0.78 0.73 1.11 1.02 4.83 4.83
云瑞 07-1433 YR07-1433 13.65 1.54 1.95 1.12 1.27 1.13 0.54 5.38 5.38
云蔗 08-2060 YZ08-2060 16.61 1.41 0.88 0.35 0.05 1.11 0.74 3.66 3.66
环境 福建福州 Fuzhou, Fujian 17.27 2.07 1.24 2.25 1.09 0.80 0.31 5.11 17.27
Environment 福建漳州 Zhangzhou, Fujian 18.97 3.78 0.20 0.01 0.98 0.58 0.22 2.75 18.97
广东遂溪 Suixi, Guangdong 15.00 0.19 0.80 1.23 1.11 1.02 0.76 4.94 15.00
广东湛江
Zhanjiang, Guangdong
19.67 4.48 0.75 1.08 1.56 1.00 0.48 4.85 19.67
广西百色 Baise, Guangxi 17.53 2.33 1.23 0.91 0.59 0.73 0.69 4.52 17.53
广西河池 Hechi, Guangxi 15.40 0.21 0.11 0.67 0.87 0.03 1.40 3.45 15.40
广西来宾 Laibin, Guangxi 15.41 0.22 0.22 1.21 0.40 1.03 1.33 4.37 15.41
广西柳州 Liuzhou, Guangxi 12.62 2.57 1.12 0.59 0.65 0.55 0.24 3.87 12.62
海南临高 Lingao, Hainan 11.12 4.07 1.02 0.28 1.13 0.26 0.69 3.94 11.12
云南保山 Baoshan, Yunnan 13.17 2.03 1.84 0.43 0.81 1.09 0.35 4.55 13.17
云南开远 Kaiyuan, Yunnan 13.72 1.48 1.21 0.77 0.79 1.12 0.29 4.46 13.72
云南临沧 Lincang, Yunnan 12.11 3.09 0.03 0.60 0.07 0.46 0.07 2.16 12.11
云南德宏 Dehong, Yunnan 15.55 0.35 1.63 0.44 0.35 0.40 0.57 3.91 15.55
796 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
2.3 参试品种的适应性分析
2.3.1 蔗茎产量
在分析品种的适应性图中, 将最外围的品种图
标依次连接, 形成一个多边形, 所有的品种图标会
包含在多边形之中。从双标图的原点做多边形各边
的垂线, 将多边形划成不同的扇形区, 每个扇形区
内的试验环境即构成了一个试验环境组合。其中 ,
每个扇形中多边形角上的品种就是该扇形区内各个
试验环境上表现最好的品种。
图 1A 为从蔗茎产量角度的参试品种适应性分
析。从图可知, 多边形被划分成 5 个扇区, 13 个试
点全部分布在第 1 个扇区, 位于该扇区的有 4 个参
试品种 , 其中 ‘福农 40’在所有试点均表现最佳 ,
‘ROC22’、‘粤甘 43’和‘云蔗 08-2060’也具有较强的
适应性。
2.3.2 蔗糖产量
图 1B为从蔗糖产量角度进行品种适应性分析。
该双标图 5个扇形区中, 13个试点分别分布在第 1、
第 2和第 3扇区, 其中 ‘ROC22’、‘闽糖 02-205’、‘粤
甘 43’在广东湛江(E4)、广西百色(E5)、广西河池
(E6)、广西来宾(E7)、广西柳州(E8)表现出较强的适
应性, ‘福农 40’和‘云蔗 08-2060’在福建福州(E1)、广
东遂溪(E3)、云南开远(E11)、云南临沧(E12)表现出
较强的适应性, ‘粤甘 46’在福建漳州(E2)、海南临高
(E9)、云南保山(E10)和云南德宏(E13)表现较强的适
应性。

图 1 HA-GGE双标图分析 13个甘蔗品种的蔗茎产量(A)和蔗糖产量(B)适应性
Fig. 1 Adaptability analysis of cane yield (A) and sugar yield (B) of 13 sugarcane varieties (lines) based on HA-GGE-biplot analysis
2.4 参试品种的丰产性和稳定性
2.4.1 蔗茎产量
从图 2A可以看出, 蔗茎产量第 1主成分解释了
41.2%的 G+GE, 第 2 主成分解释了 17.9%的 G+GE,
HA-GGE 双标图可以解释 G 与 GE 互作信息的
59.1%。从蔗茎产量看, ‘福农 40’的丰产性最好, ‘云
蔗 08-2060’位居第 2, ‘ROC22’位居第 3, ‘粤甘 43’、
‘粤甘 46’、‘闽糖 02-205’高于全试验平均产量但低于
对照‘ROC22’, ‘福农 07-3206’、‘福农 07-2020’、‘柳
城 07-500’、‘赣蔗 07-538’、‘云瑞 07-1433’等 5个品
种产量较低, 这与表 3 各品种的平均产量排序基本
一致。‘云蔗 08-2060’、‘福农 40’和‘粤甘 43’等 3 个
品种蔗茎产量较高, 稳定性较强; ‘ROC22’、‘闽糖
02-205’、‘粤甘 46’等 3 个品种蔗茎产量较高, 稳定
性中等; ‘福农 07-3206’、‘赣蔗 07-538’、‘柳城 07-500’
等 3 个品种蔗茎产量较低 , 稳定性中等 ; ‘福农
07-2020’和‘云瑞 07-1433’等 2个品种蔗茎产量较低,
稳定性较差。
2.4.2 蔗糖产量
从图 2B可以看出, 蔗糖产量第 1主成分解释了
28%的 G+GE, 第 2 主成分解释了 22%的 G+GE,
HA-GGE双标图可以解释 G与 GE互作信息的 50%。
从蔗糖产量看, ‘云蔗 08-2060’、‘福农 40’、‘粤甘 46’、
‘粤甘 43’等 4个品种蔗糖产量超过对照‘ROC22’, ‘闽
糖 02-205’超过试验平均蔗糖产量但低于‘ROC22’,
‘福农 07-3206’、‘赣蔗 07-538’、‘福农 07-2020’、‘柳
城 07-500’和‘云瑞 07-1433’等 5个品种蔗糖产量低于
‘ROC22’, 丰产性大小趋势与表 5 大致符合; ‘福农
40’、‘云蔗 08-2060’和‘ROC22’蔗糖产量较高且稳定
性较强; ‘闽糖 02-205’、‘粤甘 43’蔗糖产量较高, 稳
定性中等; ‘粤甘 46’蔗糖产量较高, 稳定性较差; ‘福
农 07-3206’、‘赣蔗 07-538’、‘福农 07-2020’、‘柳城
07-500’、‘云瑞 07-1433’等 5 个品种蔗糖产量较低,
稳定性较差。
第 6期 汪洲涛等: 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 797


http://www.ecoagri.ac.cn

图 2 基于 HA-GGE双标图分析 13个甘蔗品种的蔗茎产量(A)和蔗糖产量(B)的稳定性
Fig. 2 Stabilities of cane yield (A) and sugar yield (B) of 13 sugarcane varieties (lines) based on HA-GGE-biplot analysis
2.5 试验环境的鉴别力与代表性
2.5.1 蔗茎产量
图 3表示的是试验点的分辨力及代表性双标图,
从该图中可以评估两项关于试验环境的相关参数。
图 3A 中从蔗茎产量上对试验环境的鉴别力和代表
性进行分析, 各试验环境的鉴别力强弱顺序为: 广
东遂溪 (E3)>海南临高 (E9)>广西河池 (E6)>云南临
沧 (E12)>广西百色 (E5)>福建漳州 (E2)>广西柳州
(E8)>云南开远 (E11)>云南德宏 (E13)>云南保山
(E10)>广西来宾(E7)>福建福州(E1)>广东湛江(E4)。
试点代表性强弱顺序为: 云南临沧(E12)>云南开远
(E11)>福建福州 (E1)>广西来宾 (E7)>广西柳州
(E8)>福建漳州(E2)>广西百色(E5)>广西河池(E6)>
云南临高(E9)>广东湛江(E4)>云南德宏(E13)>广东
遂溪(E3)>云南保山(E10)。综合环境分辨力和代表
性来看 , 云南临沧的试点代表性最好并且分辨力
较高。
2.5.2 蔗糖产量
图 3B 表示从蔗糖产量角度分析试验环境的分
辨力和代表性, 各试验环境的鉴别力从强到弱依次
为: 广西百色(E5)>广西柳州(E8)>海南临高(E9)>广
东遂溪(E3)>云南临沧(E12)>云南德宏(E13)>云南开
远 (E11)>云南保山 (E10)>广西河池 (E6)>福建漳州
(E2)>广西来宾 (E7)>福建福州 (E1)>广东湛江 (E4);
代表性从强到弱依次为 : 广东遂溪(E3)>云南开远
(E11)>福建福州 (E1)>云南临沧 (E12)>福建漳州
(E2)>广东湛江(E4)>云南德宏(E13)>海南临高(E9)>
广西柳州(E8)>广西河池(E6)>广西百色(E5)>云南保
山(E10)>广西来宾(E7)。综合来看, 广东遂溪试点的
代表性最佳并且鉴别力也较好。

图 3 基于 HA-GGE 双标图分析甘蔗品种试点的蔗茎产量(A)和蔗糖产量(B)代表性及分辨力
Fig. 3 Discrimination power and representativeness of cane yield (A) and sugar yield (B) in sugarcane varieties (lines) test locations
based on HA-GGE-biplot analysis
798 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
3 讨论与结论
由于基因型与环境间的互作, 环境的变化对农
作物的生长和产量有着重要影响[3236], 故对作物品
种区域试验数据分析中, 简单的二维数据表达难以
清楚表现这些因素之间关系, 不仅要考虑作物的基
因型, 还要考虑该基因型与环境因素之间的互作效
应[18]。假如区域试验数据的分析方法不够客观准确,
那么即使区域试验的设计和田间管理非常完善, 也
很难充分发挥区域试验在作物品种推广和布局中的
指导作用[37]。本研究同时采用 AMMI 模型与 HA-
GGE 双标图法对 2014 年国家甘蔗品种区域试验新
植数据进行分析评估, 两种模型优势互补, 在品种的
丰产性、稳定性以及试点的代表性的分析结果基本一
致, 所获得的结论应该是比较科学、客观合理的。
甘蔗育种的两个主要目标是丰产和高糖[18], 但
产量和糖分往往是矛盾的, 往往是高产低糖或低产
高糖, 为平衡蔗糖分和蔗茎产量, 将蔗糖产量作为
评价甘蔗品种优劣的最终标准[4]。本试验从甘蔗蔗
茎产量与蔗糖产量这两个方面来分析参试品种的丰
产性与稳产性, AMMI 模型侧重于分析品种与试点
的互作效应, 侧重于稳定性分析。本试验中, 从蔗茎
产量分析, 稳定性最好的是‘ROC22’, 其次为‘云蔗
08-2060’; 从蔗糖产量分析, 稳定性最好的是‘闽糖
02-205’, 其次为‘云蔗 08-2060’。而 HA-GGE双标图
侧重于从品种的适应性和丰产性进行分析。本试验
中 , 从蔗茎产量分析 ‘福农 40’具有广适应性 ,
‘ROC22’、‘粤甘 43’和‘云蔗 08-2060’具有较强的适
应性; 从蔗糖产量分析, ‘ROC22’、‘闽糖 02-205’、‘粤
甘 43’在广东湛江(E4)等 5个试点表现出较强的适应
性, ‘福农 40’和‘云蔗 08-2060’在福建福州(E1)等 4个
试点表现出较强的适应性 ; 从蔗茎产量分析‘福农
40’的丰产性最好, ‘云蔗 08-2060’位居第 2, 从蔗糖
产量分析‘云蔗 08-2060’、‘福农 40’、‘粤甘 46’、‘粤
甘 43’等 4 个品种蔗糖产量较高。综合 HA-GGE 双
标图和 AMMI 模型分析结果, ‘福农 40’的蔗茎产量
和蔗糖产量最高 , 其次是 ‘云蔗 08-2060’; ‘云蔗
08-2060’和‘福农 40’蔗茎产量和蔗糖产量的稳定性
均较强。‘粤甘 43’和‘粤甘 46’的蔗茎产量和蔗糖产
量表现处于所有参试品种的中上水平, 为产量较高
稳定性中等的品种。综合来说, ‘福农 40号’、‘粤甘
43 号’、‘粤甘 46 号’和‘云蔗 08-2060’均具有较强的
适应性, 可在适宜蔗区推广应用。在不同生态环境
条件下, 最理想的甘蔗品种是高产、稳产, 同时具有
广泛适应性, 但在实际生产上, 这种品种十分少见,
而对于低产品种, 即使其稳定性很强, 也无法大面
积推广[6,18,36,38]。可见甘蔗品种的稳定性一定要和高
产相结合时才有意义, 综合采用 AMMI 模型与 HA-
GGE双标图可以方便快捷地分析品种的丰产性、适
应性和稳定性, 为品种的科学布局提供可靠依据。
正确选择试验地点对作物育种工作非常重要[38]。
从蔗茎产量相关数据分析来看, 广东遂溪的环境鉴
别力最强, 其次是海南临高和广西河池; 地点代表
性最强的是云南临沧 , 其次是云南开远和福建福
州。从蔗糖产量的相关分析来看, 环境鉴别力以广
西百色最强, 其次是广西柳州和海南临高; 地点代
表性居前几位的分别是广东遂溪、云南开远、福建
福州和云南临沧。从蔗茎产量和蔗糖产量这两个不
同的性状分析得出的环境鉴别力和地点代表性结果
是有差别的, 其原因可能是不同性状由不同基因控
制, 而不同基因又与相同的环境有着大小不一的作
用程度, 或者说不同基因受相同环境的影响程度不
同, 相同地点的鉴别力在不同基因控制的性状上也
就存在差异[39]。
需要强调的是, 在实际农业生产和育种工作中,
很难有品种在拥有高产性的同时又拥有较强的稳产
性, 两者间完美结合的概率很小, 只有在高产前提
下的稳产品种才适宜广泛种植[35]。本研究分析筛选
出的‘福农 40’和‘云蔗 08-2060’两个甘蔗品种, 蔗茎
产量和含糖量高, 稳定性强, 属于高产稳产型甘蔗
品种, 在生产实际中可能具有较高的应用价值, 建
议作为广适性品种推荐各地应用。

致谢 本研究引用 2014 年国家第 10 轮品种区域试
验新植季资料, 在此谨向各参加区试工作的单位和
人员致以谢意。
参考文献 References
[1] 张群远, 孔繁玲, 廖琴, 等. 作物品种区域试验的评价体系
及评价方法 [J]. 农业系统科学与综合研究 , 2000, 16(2):
81–86
Zhang Q Y, Kong F L, Liao Q, et al. Evaluation system and
methods for regional crop trials[J]. System Sciences and
Comprehensive Studies in Agriculture, 2000, 16(2): 81–86
[2] 吴媛媛, 周健, 包晓婷, 等. 基因型和环境对小麦类胡萝卜
素含量及其品质性状的影响[J]. 麦类作物学报, 2015, 35(9):
1257–1261
Wu Y Y, Zhou J, Bao X T, et al. Effect of genotypes and
environments to carotenoid contents and some quality traits of
wheat varieties[J]. Journal of Triticeae Crops, 2015, 35(9):
1257–1261
[3] 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 ,
第 6期 汪洲涛等: 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 799


http://www.ecoagri.ac.cn
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
[4] Yan W K, Pageau D, Frégeau-Reid J, et al. Assessing the
representativeness and repeatability of test locations for
genotype evaluation[J]. Crop Science, 2011, 51(4): 1603–1610
[5] Badu-Apraku B, Akinwale R O, Obeng-antwi K, et al.
Assessing the representativeness and repeatability of testing
sites for drought-tolerant maize in West Africa[J]. Canadian
Journal of Plant Science, 2013, 93(4): 699–714
[6] Luo J, Pan Y B, Xu L P, et al. Cultivar evaluation and
essential test locations identification for sugarcane breeding
in China[J]. Scientific World Journal, 2014, 2014: Article ID,
302753
[7] 陈如凯 , 许莉萍 , 林彦铨 , 等 . 现代甘蔗遗传育种[M]. 北
京: 中国农业出版社, 2011: 400–508
Chen R K, Xu L P, Lin Y Q, et al. Modern Sugarcane Genetic
Breeding[M]. Beijing: China Agriculture Press, 2011:
400–508
[8] Çalişkan M E, Söğüt T, Boydak E, et al. Growth, yield, and
quality of sweet potato [Ipomoea batatas (L.) Lam.] cultivars
in the southeastern Anatolian and east Mediterranean regions
of turkey[J]. Turkish Journal of Agriculture and Forestry,
2007, 31(4): 213–227
[9] Abidin P E, van Eeuwijk F A, Stam P, et al. Adaptation and
stability analysis of sweet potato varieties for low-input
systems in Uganda[J]. Plant Breeding, 2005, 124(5): 491–497
[10] Caliskan M E, Erturk E, Sogut T, et al. Genotype×
environment interaction and stability analysis of sweet potato
(Ipomoea batatas) genotypes[J]. New Zealand Journal of
Crop and Horticultural Science, 2007, 35(1): 87–99
[11] Crossa J, Fox P N, Pfeiffer W H, et al. AMMI adjustment for
statistical analysis of an international wheat yield trial[J].
Theoretical and Applied Genetics, 1991, 81(1): 27–37
[12] 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
Chang L, Chai S X. Application of AMMI model in the
stability analysis of spring wheat in rainfed areas[J]. Acta
Ecologica Sinica, 2006, 26(11): 3677–3684
[13] 刘文江, 李浩杰, 汪旭东, 等. 用 AMMI 模型分析杂交水
稻基本性状的稳定性[J]. 作物学报, 2002, 28(4): 569–573
Liu W J, Li H J, Wang X D, et al. Stability analysis for
elementary characters of hybrid rice by AMMI model[J]. Acta
Agronomica Sinica, 2002, 28(4): 569–573
[14] 刘旭云, 谢永俊, 杨德, 等. AMMI模型应用于油菜区域试
验的分析研究[J]. 西南农业学报, 2001, 14(2): 27–30
Liu X Y, Xie Y J, Yang D, et al. Analysis and research of
AMMI model for rape varieties regional trials[J]. Southwest
China Journal of Agricultural Sciences, 2001, 14(2): 27–30
[15] 罗俊, 袁照年, 张华, 等. 宿根甘蔗产量性状的稳定性分析[J].
应用与环境生物学报, 2009, 15(4): 488–494
Luo J, Yuan Z N, Zhang H, et al. Stability analysis on yield
characters of sugarcane ratoon[J]. Chinese Journal of Applied
& Environmental Biology, 2009, 15(4): 488–494
[16] 徐良年, 高三基, 邓祖湖, 等. AMMI模型在甘蔗区域试验
中的应用[J]. 江西农业大学学报, 2004, 26(5): 735–739
Xu L N, Gao S J, Deng Z H, et al. Application of AMMI
model in data analysis of regional trial of sugarcane[J]. Acta
Agriculturae Universitatis Jiangxiensis, 2004, 26(5): 735–739
[17] Luo J, Pan Y B, Xu L P, et al. Rational regional distribution of
sugarcane cultivars in China[J]. Scientific Reports, 2015, 5:
15721
[18] 罗俊, 张华, 邓祖湖, 等. 用 GGE 双标图分析甘蔗品种性
状稳定性及试点代表性 [J]. 应用生态学报 , 2012, 23(5):
1319–1325
Luo J, Zhang H, Deng Z H, et al. Trait stability and test site
representativeness of sugarcane varieties based on
GGE-biplot analysis[J]. Chinese Journal of Applied Ecology,
2012, 23(5): 1319–1325
[19] 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): 21–28
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 Agronomica Sinica, 2001,
27(1): 21–28
[20] 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
[21] 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
[22] Yan W K, Holland J B. A heritability-adjusted GGE Biplot for
test environment evaluation[J]. Euphytica, 2010, 171(3):
355–369
[23] 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
[24] Yan W K. Methodology of cultivar evaluation based on yield
trial data-with special reference to winter wheat in Ontario[D].
Guelph: University of Guelph, 1999
[25] Yan W K, Hunt L A. Biplot analysis of diallel data[J]. Crop
Science, 2002, 42(1): 21–30
[26] 金石桥, 许乃银. GGE 双标图在中国农作物品种试验中应
用的必要性探讨[J]. 种子, 2012, 31(12): 89–92
Jin S Q, Xu N Y. The discuss of necessity about GGE double
labeling chart applied in crop variety experiment in China[J].
Seed, 2012, 31(12): 89–92
[27] Gauch Jr H G, Piepho H P, Annicchiarico P. Statistical
analysis of yield trials by AMMI and GGE: Further
considerations[J]. Crop Science, 2008, 48(3): 866–889
[28] Yan W K, Kang M S, Ma B L, et al. GGE biplot vs. AMMI
analysis of genotype-by-environment data[J]. Crop Science,
2007, 47(2): 643–653
[29] 罗俊, 许莉萍, 邱军, 等. 基于 HA-GGE 双标图的甘蔗试
验环境评价及品种生态区划分[J]. 作物学报, 2015, 41(2):
214–227
800 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
Luo J, Xu L P, Qiu J, et al. Evaluation of sugarcane test
environments and maga-environment investigation based on
HA-GGE biplot[J]. Acta Agronomica Sinica, 2015, 41(2):
214–227
[30] Akinwale R O, Fakorede M A B, Badu-Apraku B, et al.
Assessing the usefulness of GGE biplot as a statistical tool for
plant breeders and agronomists[J]. Cereal Research Communi-
cations, 2014, 42(3): 534–546
[31] 唐启义. DPS数据处理系统——实验设计、统计分析及数据
挖掘[M]. 2版. 北京: 科学出版社, 2010
Tang Q Y. DPS Data Processing System — Experimental
Design, Statistical Analysis and Data Mining[M]. 2nd ed.
Beijing: Science Press, 2010
[32] Giauffret C, Lothrop J, Dorvillez D, et al. Genotype×
environment interactions in maize hybrids from temperate
or highland tropical origin[J]. Crop Science, 2000, 40(4):
1004–1012
[33] Rao P S, Reddy P S, Rathore A, et al. Application GGE biplot
and AMMI model to evaluate sweet sorghum (Sorghum
bicolor) hybrids for genotype×environment interaction and
seasonal adaptation[J]. Indian Journal of Agricultural
Sciences, 2011, 81(5): 438–444
[34] 许乃银, 张国伟, 李健, 等. 基于 GGE 双标图的棉花品种
生态区划分[J]. 应用生态学报, 2013, 24(3): 771–776
Xu N Y, Zhang G W, Li J, et al. Ecological regionalization of
cotton varieties based on GGE biplot[J]. Chinese Journal of
Applied Ecology, 2013, 24(3): 771–776
[35] 罗俊 , 张华 , 阙友雄 . 甘蔗品种主要性状的基因型与环境
及其互作效应分析[J]. 热带亚热带植物学报, 2012, 20(5):
445–454
Luo J, Zhang H, Que Y X. Genotype, environment and their
interactive effects on main traits of sugarcane varieties[J].
Journal of Tropical and Subtropical Botany, 2012, 20(5):
445–454
[36] 罗俊, 张华, 邓祖湖, 等. 应用 GGE 双标图分析甘蔗品种
(系)的产量和品质性状[J]. 作物学报, 2013, 39(1): 142–152
Luo J, Zhang H, Deng Z H, et al. Analysis of yield and quality
traits in sugarcane varieties (lines) with GGE-Biplot[J]. Acta
Agronomica Sinica, 2013, 39(1): 142–152
[37] 聂迎彬, 穆培源, 桑伟, 等. AMMI模型和 GGE双标图法在
新疆冬小麦区域试验产量分析上的应用[J]. 新疆农业科学,
2012, 49(9): 1569–1575
Nie Y B, Mu P Y, Sang W, et al. Application of AMMI model
and GGE-biplot for yield analysis in the Xinjiang regional
trials of winter wheat[J]. Xinjiang Agricultural Sciences, 2012,
49(9): 1569–1575
[38] Luo J, Pan Y B, Que Y X, et al. Biplot evaluation of test
environments and identification of mega-environment for
sugarcane cultivars in China[J]. Scientific Reports, 2015, 5: 15505
[39] 陈学宽, 刘家勇, 赵培方, 等. 云南省甘蔗品种区域试验的
基因与环境互作分析 [J]. 西南农业学报 , 2014, 27(4):
1387–1392
Chen X K, Liu J Y, Zhao P F, et al. Analysis of genotype×
environment interactive of sugarcane regional trial of
Yunnan[J]. Southwest China Journal of Agricultural Sciences,
2014, 27(4): 1387–1392