基于GGE双标图分析评价辽宁省水稻区域试验参试品种及参试地点

李建国,刘 军,吕 军,史鸿儒,解文孝

(1.辽宁省水稻研究所,辽宁 沈阳 110101; 2.辽宁省种子管理局,辽宁 沈阳 110034)

水稻是我国重要的3大粮食作物之一,东北辽宁是我国最重要的粳稻种植区,也是优质大米的重要输出地。为我国粮食安全保障和品质提升提供重要保障。高产、稳产、优质和广适是农作物品种重要的经济性状和产量育种目标。在水稻品种区域试验中,品种(品系)的基因型和环境间的互作普遍存在,使得对参试品种的产量稳定性(稳产性)和适应性评价相对困难。品种的基因型和环境的互作效应越大,表明该品种对地点环境因子越敏感,产量表现越不稳定:只有在试验中高产又稳产的品种,才有较大的推广价值[1]。

然而产量性状是受多基因控制的复杂遗传性状,且受到遗传效应、环境效应和基因与环境互作效应的综合影响,不同环境下品种(品系)间产量排序表现差异很大。因此,如何有效准确且直观的分析评价新品种(系)的丰产性和稳产性及试验地点的鉴别能力和代表性尤为重要。对基因和环境互作的分析方法主要以Zobel等提出的AMMI模型和Yan等提出的GGE模型这两种分析方法[2,3]。AMMI(Additive main effects and multiplicative interaction)模型将主成分分析与方差分析相结合,重点考虑基因型与环境的互作效应,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[4],但该模型虽然可以用双标图直观展现基因型与环境互作关系,但AMMI模型仅考虑互作效应,没有将互作效应与基因型主效相结合[5]。较少从品种选育和推广角度对基因型进行全面评价, 往往选择的是稳定高产或稳定低产品种, 一些高产但稳定性较差的品种易受到忽略[6]。GGE双标图能够同时考虑基因型和基因环境之间的互作关系,有效评价各试点的鉴别力和代表性,有利于对各试验品种进行生态区的划分,在不同作物中基因型与环境互作评价上得到广泛应用[7～9]。利用GGE可以深度挖掘高产但稳定性不高的品种在特殊适宜区域种植,对区试数据进行更缜密、细致和科学的分析。本研究以辽宁省2018年水稻区域试验晚熟组数据为例,通过GEE模型进行分析旨在评价水稻品种(系)适应性和稳产性,并筛选出优良水稻品种,同时评价各试验点的代表性和鉴别能力。为筛选多系特异品种的适宜生态区域布局提供理论参考。

1 材料与方法

1.1 试验材料

试验材料来自于2018年度辽宁省水稻品种区域试验。本研究选取连续2年进入区域试验的晚熟组数据进行分析,评定品种14个,其中金禾1号为对照。试验地点8个均匀分布在辽宁省晚熟区域(北纬40°39′～41°27′)内。

1.2 方法

试验采用完全随机区组设计,每处理3次重复。每小区6行,行长8 m,面积14.4 m2,行距30 cm,株距16 cm。温室大棚育苗手工插秧,秧龄37 d。

施肥管理每667m2施标氮60 kg,磷肥(二铵)10 kg,钾肥15 kg,锌肥1～1.5 kg。遵循三段五次施肥原则,底肥:每667m2施尿素10 kg,二铵10 kg,钾肥15 kg,锌肥1～1.5 kg。追肥:缓苗后分蘖始期每667m2施硫铵20 kg;分蘖盛期(6月20日～25日)每667m2施硫铵10 kg;减数分裂期(7月10～20日)每667m2施硫铵5～7 kg。其他管理措施按当地高产栽培技术规程进行。收获时每小区收中间4行风干后脱粒测产。按标准水分(14.5%)折算每小区产量。

2 结果与分析

2.1 地点及品种间产量表现

辽宁省晚熟稻区不同试点、品种间方差分析(表2)及产量比较(表3)表明,品种和地点间产量差异均达到极显著差异水平(P＜0.01)而品种和地点互作未达到显著差异水平,品种在试点间平均产量表现为花粳12H47最高(高于对照15.36%),其次为辽粳1540、锦稻糯325、盐粳753、辽粳2501等,而粳优16最低仅略高于对照2.2%。各品种平均产量最高的试点是庄河市青堆子(E7),为605.27 kg/667m2,平均产量最低的地点是大连特种粮所(E6),为423.3 kg/667m2,二者之间差距高达181.97 kg/667m2。

表1 辽宁省晚熟区试品种及地点

表2 品种及地点间差异显著性分析

表3 试点间品种产量比较 (t/hm2)

2.2 品种适应性分析

为了明确水稻品种与环境的适应性,依据GGE 双标图“which-won-where规则”,将图1中各方向最外侧品种以直线相连接,形成包含所有品种的多边形。从GGE双标图的原点向多边形各边做垂线,便将多边形分成7个区域。8个试验点被分为2组,分别为Evi4、Evi7和 Evi2、Evi3、Evi5、Evi6、Evi8。位于多边形顶点的品种为该区域内参试点中表现最好,而区域内品种没有对应的参试点则说明这些品种在任何试点都未能表现出产量优势。因此,G5在Evi4和Evi7试点中表现较好,G12在Evi1、Evi2、Evi3、Evi5、Evi6和Evi8表 现 较 好,而Gen1、Gen4、Gen6、Gen7、Gen8、Gen9、Gen11、Gen13和Gen14其他品种在任何试验点表现都不理想。

图1 基于GGE双标图分析品种的区域适应性

2.3 品种的稳产性和丰产性比较

在特定的生态区域内,理想的品种应兼有丰产和稳产两个特性。GGE双标图能直观呈现出不同基因型的高产性和稳产性。带单箭头的直线是平均环境轴,箭头所指方向是品种在所有环境下的近似平均产量。垂直于平均环境轴的双向箭头的直线为纵轴,作为平均环境坐标,2个箭头分别指向较不稳定产量的平均值,越接近平均环境轴代表品种越稳定,环境效应越小;反之稳定性越差。

如图2所示,各试点品种小区平均产量依次为Gen3、Gen12、Gen2、Gen6、Gen4等,Gen8平均产量最低。各试点中产量稳定性依次为Gen2、Gen3、Gen11、Gen13、Gen1等最高,Gen9稳定性最差。上述分析可知,高产品种的稳定性不一定好,如Gen12;而稳定性好的品种不一定高产,如Gen1和Gen13。然而评价一个品种必须综合考量其丰产性和稳产性。

图2 产量稳定性和丰产性GGE分析

如图3所示,以虚线同心圆的圆心表示虚拟理想品种应具有的丰产性和稳产性,品种距离圆心越近表明其综合性状越理想,因此,Gen3表现最好,其次Gen2、Gen12,而Gen8表现最不理想。

图3 GGE同心圆双标图

2.4 试点的鉴别力和代表性

理想的试点应具有良好的鉴别力和代表性,鉴别力即试点区分品种和提供信息的能力,代表性体现该试点能否代表目标生态区的能力。GGE双标图可以评价试点的鉴别力和代表性,图3中单向箭头直线为平均环境轴,单向箭头穿过圆点的直线所指向同心圆的中心即为理想试点。各环境向量的长度代表了它们的鉴别能力,长度越长,鉴别能力越强;各环境向量与平均环境轴的夹角,表示试点的代表性,夹角越小,地点的代表性越强。从图中可知各试点的鉴别能力Evi7最强其次为Evi1、Evi13而Evi6鉴别能力最弱。试点的代表性以Evi6最强,其次为Evi1而Evi7的代表性最差。

3 讨论与结论

一个好的水稻品种应具备优良丰产性和稳产性,且在生产及推广之前要进行多年多点的区域试验和生产试验。但由于年季间气象因子差异较大,各试点间土壤类型、其气候环境不尽一致及人为误差等因素,如何客观、公正、准确的评价其品种的优良特性,成为育种家及区域试验评定单位最为关注的焦点。GGE双标图分析法是通过分析作物基因型主效应以及基因型与环境(地点、年份)互作效应,将作物—环境两向数据以图解的形式表现出来[10～13],不仅可以清楚地揭示特定区域环境水稻品种的适应性和稳定性、试验地点的代表性和鉴别能力,还可以分析不同品种对试验地点的特殊适应性,这也是如AMMI等其他模型无法比拟的[14]。

本研究 通过Genstat 软件中的 GGE双标图对2018年辽宁省水稻区域试验晚熟组数据进行分析。结果表明:本研究中14个品种(品系)产量在品种间和试点间均具有极显著差异(P＜0.01),表明品种间基因型和环境因子有显著不同,说明不同的育种单位对品种的选择方向及应用不尽相同,而这些差异可能源于育种单位的环境差异和育种目标的不同。

如果仅从统计分析各试点品种(品系)平均产量排序产量靠前的有花粳12H47、辽粳1540、锦稻糯325、盐粳753、辽粳2501、丹粳16,但无法判断品种的稳定性。一个优良品种高产是前提、稳产是必要的保障,脱离高产而评价稳产是没有意义的,但脱离了稳产而注重高产是有风险的。通过GGE双标图可知,即高产又稳产品种有锦稻糯325、花粳12H47,虽然辽粳1540的产量很高但稳定性差,金禾1号在各试点产量表现均不理想,丹粳优4号在各试点间稳定性最差。地点鉴别能力较强的试点为东港市示范场、庄河市青堆子、东港市农业中心、东港市种子管理站,代表性较强的试点为东港市示范场、大连特种粮所、丹东农业科学院前阳所、东港市种子管理站,综合试点的的代表性和鉴别能力,较好的试验点为东港市示范场、丹东农业科学院前阳所、东港市种子管理站,最差的试验点为普兰店城子坦。通过试点代表性和鉴别能力的筛选,能够提高试点的精准度,避免无效试点的精力和物力投入。