水稻品种区域试验精度和稳定性分析模型研究

黄献斌（罗定市农业技术推广实验场，广东　罗定　527200）

水稻品种区域试验精度和稳定性分析模型研究

黄献斌
（罗定市农业技术推广实验场，广东罗定527200）

水稻品种区域试验对水稻新品种的选育和推广具有重要作用，水稻品种审定主要依据的就是水稻品种区域试验结果。尽管水稻品种区域试验十分重要，但是仍缺乏评级水稻品种区域试验精度的统一指标。同时，水稻品种区域试验稳定性模型的研究也不够全面。基于此，对水稻品种区域试验精度和稳定性模型的适用性进行研究。

水稻；区域试验；精度；稳定性

在水稻育种过程中，水稻的区域试验属于“对比”阶段。科学评价参试水稻品种的基础是水稻区域试验的精度，而水稻品种的稳定性则是确定品种与环境的适应程度。因此，探讨水稻区域试验精度与稳定性，通过对误差变异系数（CEV）和相对最小显著差数（RLSDα）进行计算，分析LR模型和AMMI模型在稳定性上的差异，来评价水稻区域试验精度和稳定性分析模型，有利于水稻区域试验的育种研究［1］。该文将以江苏省1983—1992年中粳稻区域试验和1999—2003年（缺2001年）迟熟中粳稻区域试验的数据作为背景研究材料。

1　水稻区域试验精度评价指标

1.1试验误差（Se）

试验误差Se是指由于外界的偶然因素而使试验观察值偏离了试验真值的差异。造成试验误差主要原因有：一是区域试验的外界因素和病虫害；二是区域试验的技术操作和管理的不一致；三是区域试验所选育品种自身的差异性。

1.2以误差变异系数（CEV）

以误差变异系数（CEV）表示的是试验的精确度。一般如果CEV＜10%，就说明试验的误差控制比较好，试验的精确度比较高。所以，在水稻的区域试验中，CEV一般控制在15%以下，CEV越小说明试验的精确度越高，反之则精确度较低。

1.3最小显著差数（RLSDα）

最小显著差数就是指区域试验中各品种之间的最小差异。与CEV相同，RLSDα也是一个相对数，当RLSDα数值较小时，表明试验的品种精确度比较高，反之则表示精确度低。

1.4水稻品种区域试验精确度比较分析

1.4.1背景材料。将江苏省1983—1992年中粳稻区域试验和1999—2003年（缺2001年）迟熟中粳稻区域试验的数据作为研究材料，用CEV和RLSDα作为参数，从一年单点和一年多点2个层面进行水稻区域试验精度研究。两组水稻区域试验共有148个参试品种，151个试点，得到数据4 374个［2］。

注：α取值为0.05。

1.4.3结果分析。从一年单次层次上看，中粳稻组CEV的变幅在1.28%～8.74%，其中CEV＜8%的点次占总点次的96.43%，CEV＞8%的点次仅占3.57%。迟熟中粳稻组的CEV变幅在0.88%～10.00%，其中CEV＜8%的点次占总点次的94.87%，CEV＞8%的点次占5.13%。由此可知，在一年单点试验中，中粳稻组和迟熟中粳稻组的CEV值明显低于12%～15%，也就是说，这两组的水稻区域试验的试验精确度都比较高。同时，一年单点试验层次上，迟熟中粳稻组的品种比较精确度要高于中粳稻组。此外，中粳稻组RLSD0.05的变幅在2.20%～14.92%，迟熟中粳稻组RLSD0.05的变幅为2.49%～16.89%。其中，中粳稻组RLSD0.05≤8.0%的点次占总点次的73.22%，迟熟中粳稻组RLSD0.058.0%的点次占总点次的89.74%。因此可知，在一年单点层次上的品种比较精确度中，迟熟中粳稻组要高于中粳稻组。

从1年多点层次上看，中粳稻组和迟熟中粳稻组在一年多点试验层次上的CEV和RLSD0.05均低于5.0%。其中，中粳稻组CEV的平均值为3.78%，RLSD0.05的平均值为3.38%；迟熟中粳稻组CEV的平均值为3.444%，RLSD0.05的平均值为2.535%。由此可知，水稻品种区域试验在一年多点层次上都具有较高的试验精确度和品种比较精确度。

2　水稻品种区域试验稳定性分析模型

品种稳定性问题的存在主要是因为品种×环境的互作现象。我国的水稻生产面临着各种自然灾害威胁、分散种植、不同的播种期、土地环境、操作不同和管理不同等各方面的差异。因此，合理评估水稻品种区域试验的稳定性和适应性，在一定程度上决定着品种的推广范围［3］。

2.1LR模型

在LR模型中，如果线性（互作性）显著，说明水稻品种之间回归系数的差异显著，反之则为不显著。当剩余项显著，就表示LR模型不适合，反之则表示适合。

2.2AMMI模型

在用AMMI模型进行分析时，如果水稻品种的IPCA1所表示的变异占总变异的比例达到85%，那么就可以据此评价水稻品种的稳定性；如果水稻品种IPCA1 和IPCA2所表示的变异占总变异的比例达到85%，那么就可以根据这两个数据来评价水稻品种的稳定性；否则，就需要进一步计算IPCA3和之后的参数项。

2.3稳定性评价标准

2.3.1LR模型适用时。当回归系数=1时，说明水稻品种属于平均动态稳定性；当回归系数＜1时，说明环境对水稻产量影响小，回归系数越小，静态稳定性越大；当回归系数＞1时，说明环境对水稻产量影响大，回归系数越大，稳定性越小。

LR模型不适用时，回归系数与1越接近，说明水稻品种动态稳定性越好，接近于0时，说明水稻品种静态稳定性较好。

2.3.2AMMI模型。IPAC的绝对值大小是评价水稻品种稳定性的根据。如果IPCA的绝对值大，说明该品种的稳定性不好。

2.4分析方法

对一年多点的数据资料用联合方差分析，研究G× E的互作。如果G×E互作项显著，则表示不同的水稻品种在不同的试验环境中产量不一致，从而分析每个水稻品种的稳定性。

2.5LR模型和AMMI模型的比较分析

在对水稻品种区域试验的稳定性分析中，如果采用LR模型，那么就会出现环境指数和品种产量的均值并不彼此独立，能用线性解释品种对环境的反应的部分太少，这与回归分析的基本假定相违背。在此次研究中，中粳稻组的G×E互作部分在互作项变异的所占比例是12.04%，迟熟中粳稻组的比例为15.37%。由此可知，LR模型并不适用研究中的水稻区域试验。因此，LR模型在区域试验分析中有较大的局限性。

在用AMMI模型进行分析时，1985—1992年的粳稻组试验表明，各品种之间的稳定性存在差异，而且在年度间这种稳定性差异是一致的。由此可知，AMMI模型分析水稻品种区域试验稳定性的可信度比较高，建议采用AMMI模型进行水稻品种区域试验稳定性分析。

3　结语

粮食是国家发展的重要基础性资源，水稻作为我国最主要的粮食作物，提高水稻区域试验的精度和稳定性，扩大优良水稻品种的种植面积，有利于提高我国的水稻产量，保证我国的粮食安全，从而促进我国社会的发展和经济的进步。

［1］沈希宏，杨仕华，谢芙贤，等.水稻品种区域试验的品种@环境互作及其与气候因子的关系［J］.中国水稻科学，2000（1）：31-36.

［2］张群远，孔繁玲，廖琴.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（2）：81-86.

［3］张群远，孔繁玲，杨付新.我国作物品种区域试验的精确度研究［J］.中国农业大学学报，2001（1）：43-50.

S511

A

1674-7909-（2016）11-38-2