基于GGE双标图评价湖北省2017年中稻区试的品种和试点

潘高峰　房振兵　田永宏

摘要：为分析水稻区试参试品种的丰产性、稳产性、适应性以及区试地点的代表力和鉴别力，采用GenStat软件中的GGE双标图对湖北省2017年水稻区试A组12个参试品种和10个区试地点进行了分析。结果表明，深两优10号、亮两优1212、隆晶优4393、襄优5327产量较高，亮两优1212、隆晶优4393、聚两优639、深两优10号具有较好的稳产性，襄优5327稳产性较弱，但在生产上仍有推广利用的价值。区试地点沙洋县、黄冈市、孝南区的代表力和鉴别力较强。

关键词：水稻；GenStat；GGE双标图；品种；区域试验

中图分类号：S511.5 文献标识码：A

文章编号：0439-8114（2018）15-0024-04

DOI：10.14088/j.cnki.issn0439-8114.2018.15.005 开放科学（资源服务）标识码（OSID）：

Evaluating Varieties and Test Sites in the 2017 Rice Regional Trials of Hubei Province by GGE Biplot Based on Genstat

PAN Gao-feng，FANG Zhen-bing，TIAN Yong-hong，CHEN Bo，FAN Bing，ZHAO Sha-sha

（Xiangyang Academy of Agricultural Sciences，Hubei Province，Xiangyang 441057，Hubei，China）

Abstract： To analyze the high yield， stability production and adaptability performance of rice varieties and the representativeness and discrimination of test sites in regional trials， the GGE biplot based on Genstat was employed to identify 12 varieties from 10 test sites of A group in the 2017 rice regional trials of Hubei province. The results showed that， ‘Shenliangyou10， ‘Liangliangyou1212， ‘Longjingyou4393 and ‘Xiangyou5327 had higher yield； ‘Liangliangyou1212， ‘Longjingyou4393，‘Juliangyou639 and ‘Shenliangyou10 had better stability production performance； The yield of‘Xiangyou5327was high while its stability was low， which still had application value for production. Shayang， Huanggang， and Xiaonan had the greater representativeness and discrimination.

Ker words： rice； Genstat； GGE biplot； variety； regional trial

水稻新品種在推广之前必须对其稳产性和丰产性进行综合评价，而这也是区域试验的重中之重[1]。传统区域试验品种稳产性和丰产性主要是应用算术平均值法进行评价，但是由于区域试验往往是多年多点重复进行，年度间环境差异较大，而且由于自然或人为因素导致部分试点报废，致使数据差异较大、重复不一致，所以采用算术平均值法会影响对品种的客观评价[2，3]。

在区域试验中，试验品种的各种指标受到环境（E）、自身基因型（G）以及环境和基因互作（GE）的影响[4]。但是在数据分析时，人们往往把GE视为干扰或者混杂因子予以排除[5]。严威凯等[6，7]创立的GGE双标图充分解释了GE的影响，能很好地分析区域试验品种的丰产性、稳产性、适应性以及区试地点的鉴别力和代表力，同时，运用双标图还能直观地比较某一品种在不同地点的表现以及某一品种与对照品种在不同地点的表现[8-10]。

近年来GGE双标图越来越多地应用到国内区域试验分析，如许乃银等[11]运用GGE双标图对长江流域进行了棉区划分；陈四龙等[12]用GGE双标图分析了油菜种植密度对产量的影响；罗俊等[13]运用双标图对甘蔗区试进行分析；梁黔云等[14]运用GGE双标图分析了玉米区试数据；郭敏杰等[15]运用GGE双标图分析了花生区试的品种与试点。但GGE双标图在水稻上的运用不多见。本研究主要采用GenStat软件中的GGE双标图以2017年湖北省中稻区试A组品种数据为例进行分析，以期客观地评价水稻参试品种在湖北省的适应性以及稳产性，为今后育种工作提供参考。

1 材料与方法

1.1 数据来源

本研究采用的数据来源于2017年湖北省中稻品种区试A组汇总报告的产量结果。参试品种分别为广8优粤禾丝苗、隆晶优4393、E两优347、绿丰占、聚两优639、荃香优88、深两优10号、襄优5327、亮两优1212、华浙优1534、两优548、丰两优四号（对照），以上品种分别简称G8、LJ、EL、LF、JL、QX、SL、XY5、LL、HZ、LY、CK。

区试地点分别为恩施土家族苗族自治州（以下简称恩施）、宜昌市、襄阳市、随州市、沙洋县、荆州市、潜江市、孝南区、中国种子集团有限公司生命科学技术中心（鄂州）、黄冈市、英山县，其中，随州试点由于在试验期间遭受多日大风大雨影响，水稻倒伏严重，试验报废未纳入汇总，其他试点试验结果均纳入汇总。以上承试单位分别简称ES、YC、XY、SZ、SY、JZ、QJ、XN、ZZ、HG、YS。

1.2 试验设计

采用随机区组设计，3次重复，小区面积13.3 m2。小区长6.67 m、宽2.0 m，每小区插10行秧苗，每行40穴。栽插株行距为16.7 cm×20.0 cm。试验四周设置保护行。

1.3 分析方法

利用Excel 2010整理数据，采用GenStat软件中的GGE biplot进行统计分析。

2 结果与分析

2.1 水稻品种的丰产性和稳产性

各参试品种在测试点的产量见表1。利用GGE双标图可以解释基因与环境互作变异的76.13%（图1）。图1中，横坐标轴代表第一主成分（PC1），解释了57.87%的数据变异平方和；纵坐标轴代表第二主成分（PC2），解释了18.26%的数据变异平方和。带有箭头的线段表示平均环境轴，箭头指向为产量趋大方向，过品种向平均环境轴作垂线，其垂线长度代表该品种的稳产性，即长度越长表示稳产性越差，越短表示稳产性越好。从图1可以看出，参试品种的产量排序为SL>LL>LJ>XY5>QX>LY>CK>HZ>JL>G8>LF>EL，参试品种的稳产性排序为LL>LJ>JL>SL>QX>CK>LY>G8>EL>XY5>HZ>LF。

品种丰产性和稳产性的排序不尽相同，想要综合评价品种需要借助图2。以平均环境轴上的箭头为圆心作同心圆，越靠近圆心表示该品种的综合性能越好。由图2可知，参试品种的综合性能排序为LL>LJ>SL>QX>LY>CK>XY5>HZ>JL>G8>LF>EL。

2.2 水稻品种的适应性

如图3所示，将距离原点最远的品种连接构成一个多边形，过圆心分别作多边形每条边的垂线并延伸至图形边界，可以发现垂线将整个图分成6个扇形区域，将试验点分成不同的组。同一扇形区域内，所有试点表现最好的品种正好位于该区域内多边形顶点。由此可见，品种SL在XN、SY、JZ3个试点都是表现最好的品种，适应性较好。EL在各试点表现都不理想，适应性比较差。

将每个测试点与原点相连，称为环境向量；将每个测试品种与原点相连称为品种向量，当某一品种向量与某一环境向量夹角为锐角时，表示该品种在该试点的产量高于试点平均值；为直角时，表示等于平均值；为钝角时，表示低于平均值。

2.3 试点的鉴别力和代表力

代表力和鉴别力是评价试点的重要指标。理想的试点应该具备较强的鉴别力以及所处生态区域的代表力。如圖4所示，以图中箭头为圆心作同心圆，越靠近圆心表示测试地点的鉴别力和代表力综合评价越高，反之越低。因此，试点的综合能力排序为SY>HG>XN>YS>QJ>JZ>XY>ZZ>YC>ES。

2.4 GGE双标图的其他运用

运用GGE双标图可以分析各个品种在同一地点的表现。以SY试点为例（图5），将SY试点与原点相连，过品种作连线延长线或反向延长线的垂线，根据投影的位置可以看出各品种在SY试点的产量排序，投影点越靠近SY产量越高，显然LL产量最高，EL产量最低。如果过原点作一条垂直于连线的直线，将所有品种分为两组，靠近SY一侧的品种在SY的产量均高于SY的平均值，反之亦然。因此品种G8、EL、LF、JL在SY的产量均低于SY所有品种产量的平均值。

由图5还可以直观地分析同一品种在不同试点的表现情况。以品种G8为例，将G8与原点相连，过试点作连线或反向延长线的垂线，根据投影的位置可以看出G8在各试点的产量排序，投影点越靠近G8产量越高，可见G8在YC产量最高，在ZZ产量最低。过原点作一条垂直于连线的直线，将所有的试点分为两组，靠近G8一侧的表示在这些区域内G8的产量高于各试点的平均值。可见G8在YC的产量高于平均值，在其余试点的产量均低于平均值。

运用图5可以进一步分析某一品种与对照品种在不同试点的表现。以品种EL为例，将EL与CK相连，过原点作连线的垂线，将所有试点分成两组。在EL一侧没有任何试点，说明在各个试点EL的产量均低于对照。

3 讨论与结论

一个水稻品种在生产推广之前要进行多次区域试验和生产试验，由于年度间气象因素差异大、各试点环境不一致以及人为误差等，如何客观、公正地评价一个品种成为育种学家和生物统计学家越来越重视的问题。在GGE双标图之前，AMMI模型也曾广泛应用到区试分析中，该模型将数据进行双向中心化，然后重点研究基因型与环境互作，进而对基因型进行评价，会导致评价不客观[16-18]。GGE双标图的问世很好地解决了这个问题，相比于之前的AMMI模型，GGE双标图不仅能直观地表现出数据所蕴含的信息，更能充分考虑年际间的差异。GGE双标图能很好地分析出不同品种对不同地点的特殊适应性，这也是AMMI等其他模型所不能及的[19，20]。

本研究运用GenStat软件中的GGE双标图对湖北省2017年水稻区试A组的12个品种进行了分析。结果表明，深两优10号、亮两优1212、隆晶优4393、襄优5327产量较高，亮两优1212、隆晶优4393、深两优10号具有较好的稳产性。不难发现，品种的丰产性和稳产性不是一致的，产量高的品种稳产性不一定好，稳产性是基于丰产性而言的，稳产性很好但是产量低也是没有推广意义的[21]；相反，产量较高但稳产性稍弱的品种在相应高产的区域仍然有推广应用的价值。例如襄优5327，其品种丰产性排名第四，稳产性较弱，但在宜昌表现出很好的适应性。

研究表明深两优10号在孝南、沙洋、荆州、潜江4个试点都是表现最好的，呈现出很好的适应性；E两优347在各个试点表现都不好，适应性差。不难发现孝南、沙洋、荆州、潜江4个试点都位于江汉平原腹地，属于同一个生态区域。借助GGE双标图还可以对区域试点进行生态区域划分，由于本次研究采用的是单年数据，所以没有进行生态区域划分。

10个区试地点中，沙洋有着较好的鉴别力和代表力，恩施的综合能力最差，可能是恩施独特的地理位置和气候特征造成的。对试点进行代表力和鉴别力的评价可以帮助区域试验主持部门淘汰综合能力较差的地点，客观选择区试地点。由于采用的是单年数据，分析可能不够充分，因此关于区试地点的评价仅作为GGE双标图的应用示例。

参考文献：

[1] 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.

[2] 高金锋.荞麦品种稳定性与适应性分析及评价研究[D].陕西咸阳：西北农林科技大学，2008.

[3] 金文林.作物区试中品种稳定性评价的秩次分析模型[J].作物学报，2000，26（6）：925-930.

[4] FAN X M，KANG M S，CHEN H，et al. Yield stability of maize hybrids evaluated in multi-Environment trials in Yunnan，China[J].Agronomy Journal，2007，99（1）：220-228.

[5] YAN W，TINKER N A. Biplot analysis of multi-environment trial data：Principles and applications[J].Can J Plant Sci，2006，86：623-645.

[6] 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.

[7] 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.

[8] YAN W.GGE biplot—a windows application for graphical analysis of multi-environment trial data and other types of two-way data[J].Agronomy Journal，2001，93（5）：1111-1118.

[9] YAN W. Singular value partitioning for biplot analysis of multi-environment trial data[J].Agronomy Journal，2002，94：990-996.

[10] YAN W，HOLLAND J B. A heritability-adjusted GGE Biplot for test environment evaluation[J].Euphytica，2010，171：355-369.

[11] 许乃银，李 健.利用GGE双标图划分长江流域棉花纤维品质生态区[J].作物学报，2014，40（5）：891-898.

[12] 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，2009，35（7）：1328-1335.

[13] 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（5）：1319-1325.

[14] 梁黔云，李清超，吳 瑞，等.GGE双标图在玉米品种区域实验中的应用[J].中国农学通报，2014（6）：224-228.

[15] 郭敏杰，邓 丽，任 丽，等.基于Genstat的GGE双标图评价花生区试中的品种及试点[J].河北农业大学学报，2017，40（6）：9-13.

[16] HGJR 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.

[17] YAN W，KANG M S，MA B，et al. GGE Biplot vs. AMMI Analysis of Genotype-by-Environment Data[J].Crop Science，2007，47（2）：641-653.

[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.

[19] YAN W，RAJCAN I. Biplot analysis of test sites and trait relations of soybean in Ontario[J].Crop Sci，2002，42：11-20.

[20] SAMONTE S O P B，WILSON L T，MCCLUNG A M，et al. Targeting cultivars onto rice growing environments using AMMI and SREG GGE biplot analyses[J].Crop Sci，2005，45：2414-2424.

[21] 王 磊，程本义，鄂志国，等.基于GGE双标图的水稻区试品种丰产性、稳产性和适应性评价[J].中国水稻科学，2015，29（4）：408-416.