全 文 ：中国生态农业学报 2015年 6月 第 23卷 第 6期
Chinese Journal of Eco-Agriculture, Jun. 2015, 23(6): 705712


* 国家燕麦荞麦产业体系(CARS-08)和农业行业科研专项(201003023)资助
** 通讯作者: 赵桂琴, 主要从事草种质资源及育种研究。E-mail: zhaogq@gsau.edu.cn
慕平, 主要从事作物栽培育种方面的研究。E-mail: mup@gsau.edu.cn
收稿日期: 20141104 接受日期: 20150323
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.141278
基于 GGE-Biplot的甘肃省不同生态区燕麦
生产性能及适应性分析*
慕 平1 赵桂琴2** 柴继宽2
(1. 甘肃农业大学农学院 兰州 730070; 2. 甘肃农业大学草业学院 兰州 730070)
摘 要 为研究不同燕麦品种在甘肃省不同生态地区的生产性能和适应性, 筛选适宜不同产区推广种植的品
种, 本文从 2011—2013年采用 7个燕麦品种在甘肃省天祝县、通渭县、夏河县、岷县、安定区、榆中县、合
作市等 7 个不同生态区进行了为期 3 年的田间试验, 分析参试材料干草和种子产量、生育期、株高、有效分
蘖、穗长、穗粒数、穗粒重等指标的变化情况, 利用 GGE-Biplot 双标图法对供试品种的生产性能及适应性进
行了分析。结果表明, 种植区生态环境对燕麦的生产性能有显著影响, 7个试验点中通渭县的平均种子产量最
高, 为 5 671.3 kg·hm2, 安定区种子产量和干草均最低, 分别为 1 709.7 kg·hm2和 3 301.2 kg·hm2。不同品种
在不同地区的适应性、丰产性和稳产性差异很大。‘陇燕 2号’和‘陇燕 3号’在天祝县、岷县、通渭县和榆中县
种植可收获较高的青干草产量; ‘陇燕 1号’、‘陇燕 3号’、‘青引 2号’在合作市、通渭县、岷县种植可获得较高
的种子产量; ‘白燕 7 号’适宜在通渭县生产种子。7 个试验点中最具代表性的是通渭县和岷县, 通渭县适合干
草生产, 岷县适合种子生产。GGE-Biplot双标图法可以简便而直观地分析不同燕麦品种在不同利用目的下、
不同生态区域的生产性能及其稳定性和试验点的代表性, 提高试验效率和试验结果的准确性。
关键词 燕麦 生态区域 种子产量 干草产量 农艺性状 生产性能 适应性 GGE-Biplot
中图分类号: S544+.9 文献标识码: A 文章编号: 1671-3990(2015)06-0705-08
Analysis of oats productivity and adaptability in different ecological
regions of Gansu Province using GGE-Biplot
MU Ping1, ZHAO Guiqin2, CHAI Jikuan2
(1. College of Agronomy, Gansu Agricultural University, Lanzhou 730070, China;
2. College of Prataculture Science, Gansu Agricultural University, Lanzhou 730070, China)
Abstract Gansu Province is a major oat production area in northwestern China. Both oat hay and grain are very good feeds
for livestock animals. Due to high variations in topography and physiognomy from east to west of Gansu Province, oat
production in the province varies significantly. In order to determine the productivity and adaptability of different oat varieties
in different eco-regions of Gansu Province, a 3-year experiment consisting 7 oat varieties (‘Longyan No.1’, ‘Longyan No. 2’,
‘Longyan No. 3’, ‘Qingyin No. 1’, ‘Qingyin No. 2’, ‘Denmark 444’ and ‘Baiyan No. 7’) was conducted in 7 different
eco-regions (Tianzhu County, Tongwei County, Xiahe County, Minxian County, Anding District, Hezuo City and Yuzhong
County) of the province. The variations in hay and grain yields, growth period, plant height, effective tiller number, panicle
length, grain number and grain weight per panicle were recorded and the recorded data was analyzed using GGE-Biplot
analysis. GGE-Biplot analysis is a simple and intuitive method for analyzing productivity and adaptability of crop varieties
under different utilization purposes in different ecological regions. It can also be used to test the representativeness of trail
sites, to enhance the efficiency of experiment studies and to increase the accuracy of experimental results. The results
suggested that eco-environment played a vital role in oat productivity. Among the 7 experimental sites in the seven regions, the
706 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
highest average grain yield (5 671.3 kg·hm2) was in Tongwei County while both the lowest grain (1 709.7 kg·hm2) and hay
(3 301.2 kg·hm2) yields were in Anding District. Significant varietal differences were observed in terms of adaptability,
productivity and stability in different eco-regions. Different varieties had different performances in different eco-regions under
different utilization purposes. ‘Longyan No. 2’ and ‘Longyan No. 3’ performed best in Tianzhu County, Minxian County,
Tongwei County and Yuzhong County in terms of hay yield. Then ‘Longyan No. 1’, ‘Longyan No. 3’ and ‘Qingyin No. 2’
performed best in Hezuo City, Minxian County and Tongwei County in terms of grain production. ‘Baiyan No. 7’ was most
suitable for Tongwei County in terms of grain production. Among the 7 regions, Tongwei County was most representative of
the counties in terms of hay production. Minxian County was the most suitable county in terms of grain production.
Keywords Oat; Eco-region; Grain yield; Hay yield; Agronomic trait; Productivity; Adaptability; GGE-Biplot
(Received Nov. 4, 2014; accepted Mar. 23, 2015)
燕麦(Avena sativa)是禾本科燕麦属一年生草本
植物, 分布于全世界五大洲 76 个国家, 集中种植在
亚洲、欧洲和北美洲[1]。燕麦在我国主要分布于西
北和华北地区, 青海省、甘肃省、西藏自治区、四
川省西北部、内蒙古自治区等地均有大面积种植。
在西北牧区和半农半牧区, 燕麦主要作为饲草饲料
种植, 其适应性强、营养价值高、耐瘠薄, 粗放管
理 , 利用方式多种多样 [2]。籽实可作精饲料 , 种子
收获后的秸秆也可直接饲喂家畜, 还可青贮、利用
二茬草放牧; 也可在灌浆或乳熟期刈割, 晒制青干
草; 筈与箭 豌豆(Vicia sativa)等豆类混播能提高草
产量和品质, 是西部地区建植一年生人工草地的首
选草种[3]。
随着养殖业和畜牧业的迅速发展 , 对燕麦饲
草的需求日益增加 , 国内燕麦干草供不应求 , 每
年还需从澳大利亚等国进口。庞大的市场需求刺
激了燕麦生产 , 近几年青海省、甘肃省等地燕麦种
子价格连年上涨。甘肃省每年燕麦种植面积八万
多公顷 , 是西北地区仅次于青海的第二大燕麦生
产省份 , 主要分布在甘南州和临夏州各县区、定西
市南部的岷县、漳县、通渭县以及武威市天祝县、
张掖市山丹县等地。但是由于长期以来燕麦研究
和生产较为落后 , 品种混杂退化、栽培技术落后、
产量低下等现象普遍存在 [4]。筛选高产优质的优良
品种以供不同生态区的生产需要 , 成为当下亟需
解决的重要问题。
不同地区生态环境不同, 对同一作物不同品种
的要求各异; 同一品种在不同生态区的适应性也有
显著差异。目前主要是通过算术平均值法评价不同
生态区域品种的丰产性和适应性, 通常采用多年多
点试验数据进行联合方差分析, 估计试验的合并误
差, 并进行品种间差异显著性比较[5]。而多年多点试
验经常由于环境差异较大, 试验数据相差悬殊、数
据缺失等原因而影响评价结果[6]。另外, 综合表现好
的品种可以在具有代表性的试验点通过多性状来直
接选择 [7], 因此试验点的代表性和鉴别力也是产
量稳定性和品种适应性分析中必不可少的部分。在
多年多点数据分析方面 , AMMI模型应用较多 , 在
小麦(Triticum aestivum)、水稻(Oryza sativa)、玉米
(Zea mays)、糜子(Panicum miliaceum)和油菜(Brassica
campestris)等作物上均有报道 [812]; 但该模型只分
析了基因型与环境的互作。全面可靠的评价方法必
须同时考虑基因型本身以及基因型与环境的互作。
加拿大学者Yan[1314]为此专门开发了GGE-Biplot双
标图分析软件, 比AMMI模型可以解释更多的基因
型和基因型×环境互作效应。在多点试验中作物的产
量性状可以分解为: YGE =μ+αG+βE+φGE。其中YGE是基
因型G在环境E中的性状值, μ为总体平均值, αG为基
因型主效应, βE为环境主效应, φGE为基因型与环境
互作效应。在假定参试的所有地点同等重要时, 将
YGE减去各试点均值, 数据集就只含基因型主效应G
和基因型与环境互作效应GE, 合称GGE。国内目前
利用GGE-Biplot双标图这一工具进行数据分析的研
究已有报道。许乃银等[1516]利用GGE双标图对棉花
(Gossypium spp.)的品种生态区划分和区域试验环境
进行了研究; 常磊等[17]利用GGE双标图分析了我国
9个旱地春小麦新品种在17个试点的稳产性 ; 李琴
琴等[18]对甜荞(Fagopyrum esculentum)品种稳定性和
试验地点相似性进行了GGE双标图分析。在燕麦
品种的评价方面 , 仅张志芬等 [19]应用GGE双标图
法对参加区域试验的品系进行了产量稳定性和试点
代表性的分析。甘肃省作为燕麦的主产区之一, 气
候、生态环境复杂, 针对不同生态区域筛选适应性
强的品种才能做到因地制宜 , 促进燕麦生产。本文
采用GGE-Biplot软件分析了西北地区7个饲用燕麦
品种在甘肃省7个不同生态区域的适应性表现 , 筛
选适宜不同生态区的优良品种 , 为甘肃省燕麦生
产服务。
第 6期 慕 平等: 基于 GGE-Biplot的甘肃省不同生态区燕麦生产性能及适应性分析 707


http://www.ecoagri.ac.cn
1 材料与方法
1.1 试验材料及地点
供试燕麦品种共7个, 分别为‘陇燕1号’、‘陇燕2
号’、‘陇燕3号’、‘青引1号’、‘青引2号’、‘丹麦444’
和 ‘白燕7号 ’, 全部来自甘肃农业大学。试验地点
为甘肃省天祝县、岷县、安定区、通渭县、夏河
县、合作市和榆中县 , 各试验点的具体信息见
表 1。
表 1 试验点概况
Table 1 General situations of the experimental sites
指标
Indicator
通渭
Tongwei
天祝
Tianzhu
安定
Anding
夏河
Xiahe
榆中
Yuzhong
岷县
Minxian
合作
Hezuo
地理位置 Geographical coordinates E 105
°12′
N 34°55′
E 102°15′
N 36°45′
E 104°12′
N 35°17′
E 102°83′
N 35°23′
E 104°11′
N 35°52′
E 104°23′
N 34°24′
E 102°54′
N 39°59′
海拔 Altitude (m) 2 243 2 594 1 900 2 517 1 730 2 550 2 757
年降雨量 Annual rainfall (mm) 500 400 210 450 360 610 545
≥0 ℃年积温
≥0 ℃ annual accumulated temperature (℃) 2 530 1 970 2 929 2 005 2 657 1 994 1 885
无霜期 Frost-free days (d) 113 87 141 90 148 101 48
土壤全氮 Soil total N (%) 0.27 0.24 0.08 0.32 0.22 0.26 0.25
土壤速效氮 Soil available N (mg·kg1) 153.91 119.87 56.43 177.82 102.83 137.05 141.35
土壤速效磷 Soil available P (mg·kg1) 39.86 33.94 35.43 46.30 42.75 35.01 38.77
土壤速效钾 Soil available K (mg·kg1) 147.45 139.83 195.48 240.38 167.12 205.45 180.92
土壤有机质 Soil organic matter (%) 1.69 2.04 1.01 2.09 1.26 1.84 2.76
pH 7.67 7.75 8.03 7.82 8.13 7.85 7.74

1.2 试验设计
各试验点采用随机区组设计 , 小区面积20 m2
(4 m×5 m), 重复3次。分别于2011年、2012年和2013
年进行田间试验 , 每年在各试验点按照当地常规
播种时间播种 , 播种量195 kg·hm2, 条播 , 行距
20 cm。测定供试燕麦品种的生育期、灌浆期干草产
量、成熟期株高、种子产量、有效分蘖数、穗长、
穗粒数、穗粒重等指标。生育期以50%植株进入某
一生育时期为准 [2]; 干草产量于灌浆期测定 , 每小
区随机选取3个1 m的样段, 齐地面刈割, 称取鲜重,
自然风干后再经70 ℃烘48 h, 称干重, 计算平均值;
成熟期每小区随机选取10株连根拔起, 带回室内阴
干后考种, 测定有效分蘖数、穗长、穗粒数和穗粒
重; 测定种子产量时, 每小区随机选取3个1 m的样
段, 收获后晾晒脱粒, 称取种子重量, 计算平均值。
1.3 数据处理
用 GGE-Biplot 软件进行双标图分析, 用图中
指标向量和相邻指标间的夹角余弦值判断指标间
的相关性。由品种或试验点在 AT轴(Average-Tester
axis)上的投影位置判断品种的平均表现和试验点
的代表性。由品种或试验点到 AT 轴的向量长短判
断品种产量稳定性。以某一个指标向量为起始, 其
他指标向量与该线夹角的余弦值即两指标的相关
系数[14]。
2 结果与分析
2.1 不同燕麦品种的生产性能及其稳定性
从图 1 可以看出, 参试燕麦品种间的性状差异
较大, ‘陇燕 1号’、‘白燕 7号’的种子产量较高, 穗粒

图 1 基于 GGE-Biplot的燕麦品种与性状的相关性
Fig. 1 Correlation between varieties and traits of oat based on
GGE-Biplot
Ly1: 陇燕1号; Ly2: 陇燕2号; Ly3: 陇燕3号; Qy1: 青引1
号; Qy2: 青引2号; D444: 丹麦444; By7: 白燕7号; 下同。GD:
生育期; PH: 株高; PL: 穗长; GN: 穗粒数; GW: 穗粒重; ET: 有
效分蘖; HY: 干草产量; GY: 种子产量。In the figure, Ly1, Ly2,
Ly3, Qy1, Qy2, D444 and By7 are name abbreviations of oak
varieties of ‘Longyan No. 1’, ‘Longyan No. 2’, ‘Longyan No. 3’,
‘Qingyin No. 1’, ‘Qingyin No. 2’, ‘Denmark 444’ and ‘Baiyan No.
7’. The same below. GD, PH, PL, GN, GW, ET, HY and GY are oak
traits of growth period, plant height, panicle length, grain number
per panicle, grain weight per panicle, effective tiller number, hay
yield and grain yield.
708 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
重较大 ; ‘陇燕 3 号’、‘青引 2 号’的生育期较长、
有效分蘖多、穗长也较长 ; ‘陇燕 2 号’、‘陇燕 3 号’
和‘青引 1 号’、‘青引 2 号’的植株高大 , 干草产量
较高。这一结果与表 2中的数据基本吻合。‘白燕 7
号’、‘陇燕 1’号在 7 个试验点的平均种子产量高于
其他品种, 分别为 4 189.8 kg·hm2和 4 119 kg·hm2
(表 2); ‘陇燕 3 号’、‘青引 2 号’的平均生育期分别
为 114 d 和 109 d, 而其他 5 个品种的平均生育期
为 95~106 d。平均干草产量以‘陇燕 3 号’、‘陇燕 2
号’、‘青引 1 号’和‘青引 2 号’4 个品种较高(表 2),
这 4个品种的株高也较高 , 其 7个试验点的平均株
高间差异很小 , 为 131.0~134.4 cm。其余 3 个品种
的平均株高明显较低 , ‘丹麦 444’为 118.0 cm, ‘陇
燕 1号’为 124 .0 cm, ‘白燕 7号’平均株高最低 , 只
有 107.5 cm, 相应地其平均干草产量也最低 , 为
6 957.5 kg·hm2。
从图 1 还可以看出, 种子产量向量与穗粒重、
生育期、穗长和有效分蘖的向量之间夹角小于 90°,
与穗粒数向量的夹角呈 90°, 而与株高和干草产量
向量之间的夹角大于 90°。说明种子产量和穗粒重、
生育期、穗长和有效分蘖呈正相关; 而与株高和干
草产量呈负相关。
表 2 供试燕麦品种在各试验点的种子产量和干草产量
Table 2 Grain yield and hay yield of tested oat varieties at 7 experimental sites kg·hm2
产量
Yield
试验点
Site
青引 1号
Qy1
青引 2号
Qy2
丹麦 444
D444
陇燕 1号
Ly1
陇燕 2号
Ly2
陇燕 3号
Ly3
白燕 7号
By7
平均
Average
种子 天祝 Tianzhu 4 256.7 4 433.3 3 386.5 4 455.5 4 784.0 4 471.5 4 396.6 4 312.0
Grain 岷县 Minxian 3 946.7 4 123.3 3 690.0 4 450.7 4 120.0 4 266.7 4 193.3 4 113.0
安定 Anding 1 549.9 1 754.8 1 870.4 1 774.1 1 483.7 1 565.9 1 968.9 1 709.7
通渭 Tongwei 5 539.3 5 583.7 5 161.5 5 696.3 5 782.2 4 964.4 6 971.9 5 671.3
合作 Hezuo 3 053.3 4 010.3 3 413.3 4 093.0 3 613.1 4 066.7 3 966.7 3 745.2
榆中 Yuzhong 3 960.0 3 936.7 3 166.7 3 906.7 3 716.7 3 836.5 3 613.7 3 733.9
夏河 Xiahe 4 102.3 4 199.5 4 444.7 4 456.7 4 263.4 4 547.7 4 217.4 4 318.8
平均 Average 3 772.6 4 005.9 3 590.4 4 119.0 3 966.2 3 959.9 4 189.8 —
干草 天祝 Tianzhu 9 261.3 8 056.0 7 756.1 7 908.2 9 208.3 10 247.5 6 387.9 8 403.6
Hay 岷县 Minxian 7 324.9 7 480.9 6 785.6 6 244.6 8 121.9 7 900.0 6 531.4 7 198.5
安定 Anding 3 559.1 3 423.9 2 839.7 3 079.5 3 612.2 3 187.8 3 405.9 3 301.2
通渭 Tongwei 10 886.1 8 849.3 7 179.1 7 913.2 11 520.6 10 489.0 6 864.2 9 100.2
合作 Hezuo 12 608.0 11 685.2 10 661.4 12 449.0 11 792.0 12 595.3 11 835.4 11 946.6
榆中 Yuzhong 5 964.6 7 840.8 5 562.3 7 093.1 7 979.4 9 734.5 5 269.7 7 063.5
夏河 Xiahe 10 006.3 11 873.5 11 827.2 9 357.9 11 917.8 13 930.9 8 408.3 11 046.0
平均 Average 8 515.8 8 458.5 7 515.9 7 720.8 9 164.6 9 726.4 6 957.5 —

在 GGE 双标图分析中, X 轴(第 1 主成分得分)
代表品种的平均产量, Y轴(第 2主成分得分)代表品
种的稳定性。从图 2a可知, 供试燕麦品种第 1主成
分(PC1)的效应为 58.5%, 第 2主成分(PC2)的效应为
23.4%, 二者集中了G+GE的大部分变异信息(81.9%)。
在 Y轴右边的品种, 其干草产量大于平均值, 而在 Y
轴左边的品种, 产量小于平均值。供试燕麦品种的干
草产量从高到低依次为‘陇燕 3号’、‘陇燕 2号’、‘青
引 1号’、‘青引 2号’、‘陇燕 1号’、‘白燕 7号’和‘丹
麦 444’。Y轴代表品种的稳定性, X轴上垂线的长短
显示品种稳定性的大小。从图 2a 可以看出, ‘陇燕 2
号’干草产量稳定性最好, 其次为‘青引 2 号’、‘陇燕
1号’, ‘丹麦 444’和‘白燕 7号’稳定性最差。如‘白燕
7 号’在合作市种植的干草产量达 11 835.4 kg·hm2,
接近 7 个品种的平均值, 在安定区甚至高于平均值,
而在天祝县、通渭县、夏河县等地则显著低于平均
值, 变化非常大, 产量低且不稳定(表 1)。‘陇燕 3号’
干草产量最高, 但是稳定性不及‘陇燕 2号’和‘青引 2
号’。7个品种中, ‘陇燕 2号’综合表现最优, 既高产
又稳产。
对于种子产量, 从图 2b可知, 7个品种的平均种
子产量从高到低依次为‘陇燕 1号’、‘白燕 7号’、‘陇
燕 3号’、‘青引 2号’、‘陇燕 2号’、‘青引 1号’和‘丹
麦 444’。从种子产量的稳定性来看, 表现最好的是
‘陇燕 1号’, 其次为‘陇燕 3号’、‘青引 2号’和‘白燕
7 号’。‘丹麦 444’种子产量最低且稳定性最差。‘陇
燕 1 号’和‘陇燕 3 号’在 7 个试验区的平均产量分别
为 4 119.0 kg·hm2和 3 959.9 kg·hm2(表 2), 不仅稳
第 6期 慕 平等: 基于 GGE-Biplot的甘肃省不同生态区燕麦生产性能及适应性分析 709


http://www.ecoagri.ac.cn

图 2 基于 GGE-Biplot的燕麦干草产量(a)和种子产量(b)的表现及稳定性
Fig. 2 Hay yield (a), grain yield (b) of oat and its stability based on GGE-Biplot
XH: 夏河; YZ: 榆中; TZ: 天祝; MX: 岷县; TW: 通渭; HZ: 合作; AD: 安定。下同。XH, YZ, TZ, MX, TW, HZ and AD are
experimental sites of Xiahe, Yuzhong, Tianzhu, Minxian, Tongwei, Hezuo, and Anding. The same below.

产, 而且高产。‘白燕 7号’在通渭县表现最好, 种子
产量最高, 达 6 971.9 kg·hm2, 极显著高于其在另外
6 个点的平均产量, 因此这个品种可在通渭县以及
类似气候区推广应用。
2.2 不同燕麦品种的生态适应性
利用基于GGE模型的“适宜基因型与环境组合”
双标图中基因型与环境的互作关系, 归纳出在多次
试验中可能存在部分试验环境组合重复共享同一优
异基因型的现象, 并将这部分试验环境组合划分为
一个特定的品种生态区[2021]。燕麦既可进行饲草生
产, 也可进行种子生产。利用目的不同, 适宜种植的
地区也就不同。以收获干草为目的, 供试燕麦品种
第 1主成分(PC1)的效应为 58.5%, 第 2主成分(PC2)
的效应为 23.4%, 用 GGE 双标图可解释基因型与基
因型和环境互作信息的 81.9%(图 3a)。把图中位于顶
点的品种连接起来, 其他品种也包括在该多边形内,
然后通过原点做各条边的垂线, 把多边形分成几个
扇形, 位于顶点的品种即为在扇形内所有试点中干
草产量表现最佳的品种。从图 3a 可知, ‘陇燕 2 号’
和‘陇燕 3号’在天祝县、岷县、通渭县和榆中县表现
较好, ‘青引 1号’在合作市和安定区表现较好, 适宜
在这些地区推广种植以收获干草。而从图 3b 可知,
以生产种子为目标时, ‘陇燕 1号’、‘陇燕 3号’、‘青
引 2号’在合作市、岷县、通渭县适应性较好; ‘丹麦
444’在安定区表现较好; 这些品种适宜在这些地区
进行种子生产。

图 3 基于 GGE-Biplot的燕麦品种适应性(a: 以干草生产为目标; b: 以种子生产为目标)
Fig. 3 Adaptability of oat varieties based on GGE-Biplot (a: aiming at hay production; b: aiming at grain production)
2.3 7个试验点的代表性
本文在甘肃省主要的燕麦产区均设了试验点。
为了进一步确定试验点的代表性以及探讨部分试验
点合并的可能性, 对 7 个试验点分别进行以青干草
和种子生产为目的的代表性分析比较。从图 4a可知,
如果以收获燕麦青干草为生产目标, 7个试验点中代
表性最好的是通渭县, 其次为天祝县和岷县, 表明
这 3 个点适合燕麦青干草生产, 但对燕麦品种的区
分能力较弱。如果以收获燕麦籽实为目标, 7个试点
中最有代表性的是岷县 , 其次为合作市和天祝县 ,
710 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn

图 4 基于 GGE-Biplot的试验点的代表性(a: 以干草生产为目标; b: 以种子生产为目标)
Fig. 4 Representativeness of experimental sites based on GGE-Biplot (a: aiming at hay production; b: aiming at grain production)
安定区代表性最差(图 4b)。因此, 如果要开展燕麦青
干草生产, 可在通渭县、天祝县和岷县进行; 种子生
产以岷县为最佳。安定区由于干旱缺水, 不适宜燕
麦生产。岷县既适于燕麦青干草生产, 也适于种子
生产。
3 讨论
品种的生产性能除受本身遗传因素的影响外 ,
环境条件对其影响也非常大 , 因此一个品种在特
定地区的表现是基因型和环境因素共同作用的结
果 [22]。在燕麦生产中, 必须结合特定的立地条件选
择适宜的品种, 让其发挥生产潜力, 达到高产。只有
适应性强的品种才能在环境条件剧烈变化的情况下
保持其高产的潜力, 实现稳产。因此, 品种的生产性
能和适应性是燕麦优良品种筛选及推广过程中首先
需要研究和解决的。只有生产性能高、适应性强的
品种才能给燕麦生产带来更高的效益。本研究在甘
肃省7个点对7个燕麦品种进行了田间试验, 筛选出
了不同利用目标下的高产稳产品种, 如‘陇燕2号’、
‘青引2号’等品种的青干草产量高且稳定; ‘陇燕1号’
和‘陇燕3号’在种子产量上也达到了高产稳产。在局
部地区表现优异的品种有‘白燕7号’, 其在通渭县表
现最好, 种子产量最高, 可以考虑在生态类型相似
的地区推广种植。‘青引1号’在大部分地区青干草产
量表现均佳, 在合作市产量最高, 适宜在这一类地
区推广种植以收获干草。‘陇燕3号’本身是一个兼用
型新品种, 青干草和种子产量都比较高, 这一特性
在本试验中也得到了证实。‘丹麦444’是一个老品种,
从20世纪80年代起就在西北地区推广种植[23]; 尽管
和其他新近育成的品种相比产量稍逊一筹, 但至今
仍在牧区应用。
开展品种适应性研究时, 试验点的选择非常关
键。从节约试验成本和未来示范推广的角度出发 ,
试验点的代表性越高越好 [5], 因此一般在主产区设
点。由于燕麦本身适宜冷凉的气候环境, 甘肃省的
主产区大多位于二阴和高寒地区, 如甘南州各县、
定西市南部的岷县、漳县以及武威市的天祝县等 ,
东西跨度非常大; 而品种适应性方面的试验又要求
每个生育时期均有观察记载, 因此人力物力消耗较
大, 试验成本较高。在这种情况下, 精选代表性高的
试验点就可以有效节约成本而不影响试验结果。从
本研究所选的7个点来看, 在干草产量方面通渭县、
岷县和天祝县3个点上的试验结果比较一致 , 代表
性较强。如果要减少试验点的数量, 可在下一步研
究中从通渭、岷县和天祝3个点中根据具体情况选择
1~2个, 既可节省工作量, 又不影响试验结果的代表
性。另外, GGE双标图和传统的简单算术平均值法的
结果有所不同, 如‘白燕7号’在7个试验点的平均种
子产量排第1位, ‘陇燕3号’居第5位; 而GGE双标图
分析的结果是‘白燕7号’排第2位, ‘陇燕3号’上升至
第3位。这是因为GGE-Biplot双标图法考虑到品种的
主效应(G)和品种与环境互作效应(GE)。
基因型与环境的相互作用是指不同的基因型
(品种)在不同的环境条件下, 表现出明显的环境差
异。品种生产性能和适应性方面的研究一般需要多
年、多点试验, 以明确基因型与环境之间的相互作
用。在这类试验中影响结果的因素非常多, 而多种
因素之间又互相影响, 试验数据庞杂, 试验结果的
分析比较繁琐, 因此采用适当而有效的统计分析方
法, 有助于充分利用和剖析试验数据所包含的信息,
从而对参试品种作出客观全面的评价。目前GGE-
Biplot双标图软件是这类试验研究可用的较先进
的分析手段 [24]。通过GGE双标图划分区域 , 直接
显示一些品种的特殊适应性 , 还可从图上看出基
因和基因环境互作效应的比例 , 也可兼顾年际间
的差异等[25]。
第 6期 慕 平等: 基于 GGE-Biplot的甘肃省不同生态区燕麦生产性能及适应性分析 711


http://www.ecoagri.ac.cn
4 结论
1)在甘肃省7个试验点对7个燕麦品种的生产性
能和适应性进行了为期3年的研究和筛选 , 就丰产
性和稳产性而言, ‘陇燕2号’、‘青引2号’青干草产量
较高而且稳定, ‘陇燕1号’和‘陇燕3号’种子产量较高
且稳定。
2)‘陇燕2号’和‘陇燕3号’在天祝县、岷县、通渭
县和榆中县种植获得较高的青干草产量, 宜在这些
地区推广种植以收获更多的青干草。
3)以种子生产为目标时, 可选‘陇燕1号’、‘陇燕3
号’、‘青引2号’在合作市、岷县、通渭种植; ‘白燕7
号’适宜在通渭县进行种子生产。
4)用 GGE-Biplot双标图法可以简便而直观地分
析不同品种的生产性能及稳定性, 研究不同品种在
不同利用目的、不同生态区域的适应性以及试验点
的代表性, 有效提高多年多点试验的效率, 节约试
验成本, 提高试验结果的准确性和可靠性。
参考文献
[1] 任长忠 , 胡跃高 , 刘景辉 , 等 . 中国燕麦学[M]. 北京 : 中
国农业出版社, 2013: 1–4
Ren C Z, Hu Y G, Liu J H, et al. China Oat[M]. Beijing: China
Agriculture Press, 2013: 1–4
[2] 陈宝书. 牧草饲料作物栽培学[M]. 北京: 中国农业出版社,
2001: 416–420
Chen B S. Forage and Feed Crop Cultivation[M]. Beijing:
China Agriculture Press, 2001: 416–420
[3] 赵桂琴 , 慕平 , 魏黎明 . 饲用燕麦研究进展[J]. 草业学报 ,
2007, 16(4): 116–125
Zhao G Q, Mu P, Wei L M. Research progress in Avena
sative[J]. Acta Prataculture Sinica, 2007, 16(4): 116–125
[4] 杨丽娜, 赵桂琴, 侯建杰. 播期、肥料种类及其配比对燕麦
生长及产量的影响[J]. 中国草地学报, 2013, 35(4): 47–51
Yang L N, Zhao G Q, Hou J J. Effects of seeding date,
fertilizers and their ratio on oat growth and yield[J]. Chinese
Journal of Grassland, 2013, 35(4): 47–51
[5] 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
[6] 金文林 , 白琼岩 . 作物区试中品种产量性状评价的秩次分
析法[J]. 作物学报, 1999, 25(5): 632–638
Jin W L, Bai Q Y. The analysis based on ranks of crop
varieties in regional traits[J]. Acta Agronomica Sinica, 1999,
25(5): 632–638
[7] 刘录祥 , 赵锁劳 . 作物品种的稳定性和适应性育种[J]. 陕
西农业科学, 1992(1): 45–47
Liu L X, Zhao S L. Stability and adaptability breeding of crop
varieties[J]. Shaanxi Agricultural Sciences, 1992(1): 45–47
[8] 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 stability
analysis of spring wheat in rainfed areas[J]. Acta Ecologica
Sinica, 2006, 26(11): 3677–3684
[9] 杨仕华 , 沈希宏 , 王磊 , 等 . 水稻品种区域试验的 AMMI
模型分析[J]. 江西农业大学学报, 1998, 20(4): 422–426
Yang S H, Shen X H, Wang L, et al. The use of AMMI model
to analyze regional rice trial data[J]. Acta Agricultural
Universitatis Jiangxiensis, 1998, 20(4): 422–426
[10] 余先驹, 王秀全, 刘昌明, 等. AMMI 模型在玉米区域试验
中的应用[J]. 绵阳经济技术高等专科学校学报, 2000, 17(1):
14–19
Yu X J, Wang X Q, Liu C M, et al. Use of AMMI model to
analyze regional trial data of hybrid maize[J]. Journal of
Mianyang College of Economy & Technology, 2000, 17(1):
14–19
[11] 张体刚, 李芝凡, 胥岚, 等. AMMI模型在油菜品种区域试
验中的应用[J]. 四川农业大学学报, 1999, 17(2): 172–175
Zhang T G, Li Z F, Xu L, et al. Application of AMMI model in
regional trial data of B. napus[J]. Journal of Sichuan
Agricultural University, 1999, 17(2): 172–175
[12] 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 ,
2012, 20(4): 422−426
Li X C, Zhang E H, Dong K J, et al. AMMI-Biplot analysis
yield stability and test-site representativeness of proso-millet
cultivars[J]. Chinese Journal of Eco-Agriculture, 2012, 20(4):
422−426
[13] Yan W K. GGE biplot — A windows application for
graphical analysis of multienvironment trial data and other
types of two-way data[J]. Agronomy Journal, 2001, 93(5):
1111−1l18
[14] Yan W K, Tinker N A. Biplot analysis of multi-environment
trial data: Principles and applications[J]. Canadian Journal of
Plant Science, 2006, 86(3): 623−645
[15] 许乃银, 李健, 张国伟, 等. 基于 GGE 双标图和马克隆值
选择的棉花区域试验环境评价 [J]. 中国生态农业学报 ,
2013, 21(10): 1241−1248
Xu N Y, Li J, Zhang G W, et al. Evaluation of regional cotton
trial environments based on cotton fiber micronaire selection
by using GGE biplot analysis[J]. Chinese Journal of
Eco-Agriculture, 2013, 21(10): 1241−1248
[16] 许乃银, 张国伟, 李健, 等. 基于 GGE 双标图和比强度选
择的棉花品种生态区划分 [J]. 中国生态农业学报 , 2012,
20(11): 1500−1507
Xu N Y, Zhang G W, Li J, et al. Investigation of cotton
mega-environment based on fiber strength selection and GGE
biplot[J]. Chinese Journal of Eco-Agriculture, 2012, 20(11):
1500−1507
712 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
[17] 常磊, 柴守玺. GGE 双标图在我国旱地春小麦稳产性分析
中的应用[J]. 中国生态农业学报, 2010, 18(5): 988−994
Chang L, Chai S X. Application of GGE biplot in spring
wheat yield stability analysis in rainfed areas of China[J].
Chinese Journal of Eco-Agriculture, 2010, 18(5): 988−994
[18] 李琴琴, 高乙萍, 张志芬, 等. 甜荞品种稳定性和试验地点
相似性的 GGE 双标图分析[J]. 干旱地区农业研究, 2013,
31(1): 67−70
Li Q Q, Gao Y P, Zhang Z F, et al. Stability and testing-site
similarity for common buckwheat lines based on GGE-biplot
analysis[J]. Agricultural Research in the Arid Areas, 2013,
31(1): 67−70
[19] 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
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 Agronomica
Sinica, 2010, 36(8): 1377−1385
[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] Gauch H G, Zobel R W. Identifying mega-environments and
targeting genotypes[J]. Crop Science, 1997, 37(2): 311−326
[22] Yan W K, Rajcan I. Biplot analysis of test sites and trait
relations of soybean in Ontario[J]. Crop Science, 2002, 42(1):
11−20
[23] 徐长林 . 高寒牧区不同燕麦品种生长特性比较研究[J]. 草
业学报, 2012, 21(2): 280−285
Xu C L. A study on growth characteristics of different
cultivars of oat (Avena sativa) in alpine region[J]. Acta
Prataculture Sinica, 2012, 21(2): 280−285
[24] 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: 643−655
[25] Yan W K, Molnar S J, Fregeau-Reid J, et al. Associations
among oat traits and their responses to the environment[J].
Journal of Crop Improvement, 2007, 20(1/2): 1−29