南方早熟油菜新品种丰产稳产性分析及其光合特性

陆光远，陈晓婷，余 珠，付桂萍，张宗急，赵永国

(1.广东石油化工学院，广东 茂名 525000；2.中国农业科学院 油料作物研究所，湖北 武汉 430062； 3.桂林市农业科学研究中心，广西 桂林 541000)

油菜是我国最主要的冬季油料作物，常年种植面积在7.3×106hm2左右，主要分布在长江流域、黄淮流域以及西北地区，产油量占国产食用植物油的55%[1-2]。然而，随着我国经济水平的发展，我国食用植物油的年消费量达到3.1×107t，其中约70%依靠进口，严重影响到油料供给安全。因此，必须提质增效，扩大油菜种植面积，提高总产。长江流域和黄淮流域是我国的口粮主产区，进一步发展油菜种植面积的潜力十分有限，但在长江以南有约8.7×106hm2冬闲田，其中可开发利用为4.8×106hm2，适合种植油菜的面积为1.4×106hm2，主要分布在江西、云南、广西、湖南、贵州等省份[3]。如果将这部分冬闲田种植油菜，预计全国每年可增加菜籽4.0×106t以上，能够实现增加国内菜籽有效供给的目标。然而，目前国内尚缺乏能够广泛适应南方双季稻区的早熟油菜品种。为此，国内部分科研单位和大学加强了早熟油菜新品种的选育，国家油菜区域试验也从2008年秋播开始在南方产区专门增设了早熟组试验，以便筛选鉴定出早熟高产新品种。长江以南三熟制地区是中国油菜新兴产区，近年来随着生产模式的改变及气候的复杂多变，油菜产量受更多因素的影响[4-7]。迄今为止，关于国家油菜区域试验早熟品种的丰产性、稳产性及其与环境因素的相互关系未见到系统报道。

作物品种区域试验的主要目的是鉴定品种的丰产性、稳定性和适应性。在区试中，基因型与环境的互作(G×E)是普遍存在的，品种的稳定性决定于这种交互作用，对G×E互作效应的准确估计是合理评估作物区试中品种的稳产性及适应性的基础。线性回归模型具有较大的局限性，虽然线性回归模型可运用于评价品种的稳定性，但其依赖于环境指数与基因型-环境互作效应间的线性关系，除此之外，两者往往还包含较复杂的非线性关系。为此，方差分析和主成分分析有效结合形成的加性主效应和乘积交互作用模型(Additive main effects and multiplicative interaction，AMMI)比G×E互作模型更直观地描绘和分析品种与试点互作的具体模式，AMMI提高估计的准确性是通过从加性模型的残差中分离模型误差与干扰[8-9]。最初AMMI模型被用于多点试验资料的分析，现今逐步运用于粮食及经济作物如小麦[10-11]、玉米[12-13]、油菜[14]、大豆[15]等。但是，AMMI 模型的缺点是会漏掉产量高但稳定性不强的品种[16]。基于基因型加基因型与环境互作效应的GGE模型(Genotype main effect plus genotype by environment interaction effects)，综合考虑了与环境评价和品种评价相关的基因型主效和基因型与环境互作效应，采用环境中心化后的数据，结果中只含与品种评价有关的G和G×E，采用双标图的方式直观展示结果，是品种区域试验中进行品种评价、试验环境评价和品种生态区划分的高效工具[17-19]。

本研究采用AMMI模型和GGE双标图对国家油菜区域试验早熟组的产量进行品种稳定性分析，在此基础上比较参试品种的相对稳定性及其与气候因子之间的关系，通过评价试点的代表性和区分力以及产量性状表现及稳定性，为制订品种区划与早熟油菜新品种选育提供参考。同时对代表性品种在不同区域试点下苗期的生物学性状和光合特性指标进行分析，以期揭示南方早熟油菜丰产的生理基础。

1 材料和方法

1.1 区域试验材料与地点

数据来源于全国冬油菜新品种区域试验早熟组的试验结果。参试品种有14个(编号为G1～G14)，具体见表2。试验点共10个，其中2个点(衡阳和浦城)的试验结果因受特殊气候影响未达到试验要求，予以报废，剩余的8个试验点(编号为E1～E8)参加分析(表1)。试验地点经度98°25′～116°27′E，纬度24°08′～29°06′N，海拔150.0～1 673.0 m。各试验点均按统一区域试验方案严格执行，随机区组排列，3次重复，小区面积20 m2，直播密度为30.0万～37.5万株/hm2，四周设保护行。播种期为2009年10月15-20日，2010年4月25日之前收获、测产，并折合成每1 hm2的产量(kg)。田间管理同当地大田生产。

1.2 生物学指标及光合参数测定

本试验于2018—2019年在5个试验点(吉安、宜春、南昌、桂林和衡阳)进行，供试材料为推广面积较大的代表性早熟品种(也是当前早熟组区试对照品种)阳光131，种植时期、种植密度及管理与国家油菜区试(早熟组)同步。在油菜越冬期(12月下旬)，每个重复取5株代表性植株，用直尺测定植株功能叶(从顶部往下数第四片完全展开叶)的叶片长度和宽度，并进一步用SPAD520型便携式叶绿素测量仪测定该叶片的叶绿素含量(SPAD值)。采用Li-6400XT便携式光合系统，于晴天9：00—11：30，测定功能叶的光合参数，测定指标包括叶片的净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间CO2浓度(Ci)；成熟时进行小区测产。

1.3 数据处理

产量数据的联合方差分析、回归分析、相关分析、差异显著性测验和AMMI分析在统计分析软件GenStat Version 16中进行，GGE双标图分析利用R语言中的GGE Biplot GUI程序包进行[20]。

1.3.1 AMMI模型分析 AMMI模型同时兼具加性和倍加性参数，是一个将方差分析和主成分分析相结合得到的数学统计模型[11]，具体模型为：

Yij=μ+αi+βj+∑λsγisδjs+ρij

1.3.2 GGE双标图分析 在GGE双标图分析中，要整理出一个品种-环境两向表，此表根据多点试验得到的产量性状结果创建。线性统计模型为：

P=M+E+G+G×E

式中，P为表现型值，M为多点试验性状总平均值；E为环境主效应；G为品种主效应；G×E为品种-环境互作效应。

2 结果与分析

2.1 气候因子分析

在油菜生长周期内，气候因子在8个环境点差异较大，具体见表1。由表可见，每个试验点月平均气温相互之间的差异为3～6 ℃，而且随着纬度的增加气温呈降低趋势，其中10，11，4月气温变化差异较大。日照长度的走势与气温相似，可能是日照时间长导致有效辐射增多而引起气温升高。月平均降雨量的变化规律不明显，总体上是秋、冬季偏少，但3，4月的降雨量明显偏多，符合典型的亚热带季风气候特征。地点之间的降雨量差异十分明显，比如玉溪、保山和安顺生育期内的降雨量仅为209～301 mm，而其他地点的降雨总量在689 mm以上。

2.2 产量多重比较和回归分析

产量多重比较分析结果表明(表2)，参试品种的平均产量相互之间存在显著差异，比如S0013的平均产量为2 191.021 kg/hm2，居第一位；而282081的产量最低 (1 328.512 kg/hm2)，仅为前者的60%。相对而言，上述品种的稳定性差异较小，这可以从参试的响应斜率看出(斜率越接近1，其稳定性越好)。部分品种(如杂1613、282081、131和云油杂2号)的斜率严重偏离1，说明其稳定性差。另外，一些品种的决定系数很小，如黔杂J9001、黔杂ZW9001、川杂09NH014、黔杂J9002和C868等，表明线性回归拟合的结果不好。

2.3 联合方差及AMMI分析

联合方差及AMMI分析结果见表3。可以看出，来源于环境(E)的平方和占比达到82.27%(2.462×108/2.987×108)，而来源于基因型(G)的平方和占比最小，仅为4.93%(1.474×107/2.987×108)；来源于基因型与环境的互作(G×E)虽然也较小(10.17%，即3.037×107/2.987×108)，但仍然达到极显著水平(F=10.136**)。进一步分析发现，线性回归模型下G×E互作平方和只解释了交互作用平方和的48.45%(1.474×107/3.037×107)，而AMMI模型下G×E互作平方和是线性回归模型的1.4倍，AMMI1(即IPCA1)能解释67.86%的G×E互作平方和(2.062×107/3.037×107)，连同AMMI2(IPCA2，19.58%)和AMMI3(IPCA3，5.19%)，共解释了G×E互作平方和的92.63%，因此利用AMMI模型分析互作十分必要。

表1 油菜生育期内的环境气候因子Tab.1 Climate factors in different environments during rapeseed growth

表2 线性回归模型分析Tab.2 Yield comparison and linear regression

表3 联合方差分析及AMMI分析Tab.3 Results of combined ANOVA and AMMI analysis

2.4 AMMI模型分析G×E 互作

在AMMI模型中，第一主成分IPCA1和第二主成分IPCA2均达到统计上的极显著水平(F=19.494**和6.285**，表3)。为了深入探讨G×E互作的特征和评定各品种的相对稳定性，本研究采用双标图法进行分析。在AMMI1双标图中，横轴为平均产量，纵轴为相应的IPCA1值，其中IPCA1解释了67.86%的G×E互作。由图1可知，品种G13(C868)和G6(S0013)的产量最高且大致相等，但二者的G×E互作IPCA1值差异很大，表明在不同试点其产量结果并不一致，其中G13离水平轴(即IPCA1=0)较接近，与环境的互作较小(即稳定性好)，而且与同在一侧的6个环境点(即E3～E8)有正向的互作(在这些环境点表现较好)；G6与水平轴距离较远且在轴的另一侧，表明与环境互作明显，特别是与同侧的环境点E1、E2有正向互作，但与另外一侧的6个环境点有强烈的负向互作。此外，G5最接近水平轴，因而其G×E互作最小，即稳定性最好，尽管产量不高。综上，14个参试品种的稳定性依从高到低次为：黔杂ZW9001>黔杂J9002> C868>05V11>黔杂J9001> WB203>川杂09NH014> S0013>云油杂2号>杂1613>08SH60>282081>荣华906>131(图1)。

图2的AMMI2双标图进一步解释87.44%的G×E互作。E1(玉溪)、E2(保山)、E7(桂林)等试点距离原点较远，品种在这3个试点的互作对总的G×E互作有着重要作用。G12(黔杂J9002)图标较其他品种更接近原点，说明此品种的G×E互作小，表现较为稳定。G10、G9在E1(玉溪)的图标与原点的连线上有较大的垂直投影，表明有较大的正向G×E互作，虽然其平均产量在参试品种中不高，但对此试点具有特殊的适应性。另外，G14(282081)、G1(杂1613)在E7(吉安)，G8(05V11)、G13(C868)在E2(保山)也表现出试点适应性。G13在线性回归分析时其斜率值1.029，按模型解释应为稳定品种，但AMMI模型分析的结果却表明G13与环境存在较大的G×E互作(图2)，并不稳定。这是因为AMMI模型解释了更多的G×E互作，因而结果更具说服力。

IPCA1(或AXIS1).第一主成分; 试点代号E1—E8见表1， 品种代号G1—G14见表2。图2—5同。 IPCA1(or AXIS1).First principle; See the codes for sites E1—E8 and varieties G1—G14 in Tab.1 and Tab.2.The same as Fig.2—5.

图2 基于AMMI2的双标图Fig.2 Biplot of AMMI2 model

2.5 GGE 双标图分析品种的丰产性和稳产性

由于AMMI 模型采用双向中心化后的数据，消除了品种主效应，仅保留互作效应，因此不能全面准确评价品种的好坏。为此，有必要使用GGE双标图，在同时考虑品种主效应及其与环境互作的基础上，综合分析品种的丰产性和稳产性，并进行合理的区划。

2.5.1 参试品种的生态适应性 图3是品种的环境适应双标图，横坐标(AXIS1)是第一主成分，解释了原有信息量的58.56%，纵坐标(AXIS2)是第二主成分，解释了原有信息量的25.03%，两者共计拟合了真实G与G×E互作信息的83.59%。可以看出，环境点E3～E6以及E8位于同一扇形区内，在该区域内G13(C868)的表现最好；另外3个扇区仅含一个环境点，其中E2(保山)环境点内表现最好的是G6(S0013)，E7(吉安)环境点内表现最好的是G7(荣华906)，E1(玉溪)点表现最好的是G9(对照131)。其余2个扇区没有环境点分布，表明这3个扇区中的品种(如282081、黔杂ZW9001、杂1613等)在所有环境点的表现均不佳，这与产量多重比较分析结果十分吻合(表2)。

2.5.2 参试品种的产量表现及其稳定性 品种稳定性如图4所示，从平均产量看，G6最高，随后依次是G13、G8和G3，而G14、G5、G1 的产量表现较差，低于平均水平。从产量稳定性看，G8和G12几乎在平均轴上，因而稳定性最好，而G7、G9、G10远离平均轴，稳定性较差。综合起来看，G8(05V11)是高产稳产性品种，实际上该品种在长沙、安顺点的产量排第一位，在保山点排第二位，在其他试点居中等水平；G6(S0013)是高产但稳产性中等的品种，在桂林和长沙试点的产量排第一位，在其他试点居中等水平；G7(荣华906)和G9(131)是产量中等但稳定性较差的品种，而G14(282081)是产量和稳定性表现均不佳的品种。

图3 GGE双标图分析参试品种(系)的适应性Fig.3 Adaptability of varieties(lines) based on GGE-biplot analysis

图4 基于基因型主效应加基因型-环境 互作双标图的油菜品种产量与稳定性Fig.4 Yield performances and stability of rapeseed varieties based on GGE-biplot

2.5.3 各试验点的代表性与区分力 从图5可知，玉溪点(E1)与其余7个点之间的相关性较弱，而且单独在平均轴的一侧，说明玉溪与其他试点不同，可以单独划分为一个品种生态区。同时，玉溪点的向量最长，因而其区分品种的能力也最强。另外，保山(E2)、桂林(E5)、长沙(E6)和安顺(E8)4个环境点之间存在很强的正相关，说明它们大体上属于同一生态区类型，而且保山点的向量最长、与环境平均轴之间的夹角最小，因而具有最好的代表性和较好的区分能力。宜春(E3)与南昌(E4)的相关性十分密切，而且区分能力相似，属于同一生态区，可以去掉其中的一个环境点而不影响对品种的评价；吉安(E7)与其他环境点的相关性一般，因而具有一定的生态特异性，虽然区分能力一般，但也应该保留。综合而言，各试点鉴别力依次为：玉溪>保山>吉安>南昌(宜春)>桂林>长沙>安顺，其中玉溪、保山、南昌和吉安是较好的区试点。

图5 基因型主效应加基因型-环境互作 双标图分析试验点的代表性和鉴别力Fig.5 Discrimination and representativeness of varieties based on GGE analysis

2.6 品种表现与气候因子的相关性

各试点的试验大体上是10月初播种，2月中旬开花，4月底成熟，生育期平均在190 d左右。由于GGE的第一主成分得分PC1主要反映品种的丰产性，第二主成分得分PC2主要反映品种的稳定性，因此继续开展分析主成分与生育期内主要气候因子的相关性。从表4可以看出，试点平均产量与10月气温呈极显著负相关(r=-0.910**)，与10月降雨量呈显著正相关(r=0.796*)但与其他月份降雨量呈极显著负相关(r=-0.885**～-0.935**)，与日照时数相关性较低(未达显著水平)，说明播期适度降雨、气温凉爽，冬春季减少降雨，成熟期适当延长光照时间但要避免高温逼熟有利于产量的形成。由表4还可看出，PC1与降雨量极显著正相关(10月)或极显著负相关(11-4月)，而与气温和光照时数关系不大；PC2与2月平均气温显著负相关(r=-0.818*)，而与降雨量及光照时数关系不大。由此可见，品种的丰产性主要受降雨量影响，而品种的稳定性主要与气温有关。

2.7 越冬期品种的生物量和光合特性

阳光131在不同试验点的越冬期生物量表现出一定的差异，其中单株鲜质量在桂林点最高，叶片也最大，而在吉安点长势相对较弱，生物量低(表5)。叶片叶绿素含量(SPAD值)的变化幅度不大，最低为36.4，最高为38.2，地点间差异不明显。小区产量在不同地点间差异达显著水平，其中桂林最高，吉安最低，且与单株鲜质量有较高的正相关(r=0.712)。

越冬期功能叶片的Tr、Gs、Pn、Ci在不同地点有显著差异(表5)。Tr可反映植物叶片蒸腾强度和气孔开放程度，在5个地点Tr值从低到高依次为：吉安<南昌<宜春<衡阳<桂林，表明在吉安油菜具有相对较低的叶片蒸腾强度和气孔开放程度；Gs对植物的光合作用起着重要的调节作用，在吉安该值最小(0.32 μmol/(m2·s))，而在南昌最大(0.57 μmol/(m2·s))，说明南昌环境条件对油菜光合作用的调整能力更强；Pn直接反映光合作用的程度及变化情况，最小值为17.1 μmol/(m2·s)(吉安点)，最大值为20.1 μmol/(m2·s)(桂林点)，同时该点的Ci值也显著高于其他4个试验点。上述光合参数中，Tr、Ci与小区产量的相关性最高(r>0.829)，Pn居中，而Gs与小区产量的相关性最低(r=-0.168)。

表4 平均产量、GGE主成分与气候因子之间的相关系数Tab.4 Correlation between mean yield and GGE factors

表5 阳光131在不同区试点下的越冬期生物量及光合参数Tab.5 Biomass and photosynthetic characteristics of YG131 during wintering at different experiment sites

3 讨论与结论

油菜新品种需要经过2 a多点的区域试验和至少一年的大田生产试验，达标后才能被审定(认定)并取得推广应用资格，因此，品种在区试中的表现直接影响其市场价值和推广前景。然而，大田试验涉及多个环境点和多个品种，而且不同年度间、试点间的试验结果存在较大差异，品种与环境存在极显著的互作效应，导致品种产量在不同环境的表现差异较大，因此有必要不断升级品种试验技术和评价标准，改进统计方法，以便获得更加科学、公正的评价鉴定结果。为了分析品种的稳定性，许多学者提出了高稳系数法、AMMI 模型以及秩次分析模型等多种统计分析方法[21-23]。本研究综合运用了多种方差分析、回归分析、AMMI分析以及GGE分析等多种方法，取得了较好的结果，AMMI分析可将参试品种的稳定性依次为：黔杂ZW9001>黔杂J9002>C868>05V11>黔杂J9001> WB203>川杂09NH014> S0013>云油杂2号>杂1613>08SH60>282081>荣华906>131(CK)，其中黔杂ZW9001、黔杂J9002、C868品种的稳定性最强，131(CK)的稳定性较差；产量最高的是S0013、C868、WB203和05V11，产量最低的是282081品种；相比之下，C868兼具稳定性和丰产性，可作为示范推广品种。各试点的鉴别力顺序为玉溪>保山>吉安>南昌(宜春)>桂林>长沙>安顺。在这8个试点中，玉溪(E1)对品种的选择性最高，具有较强的代表性，安顺(E8)地区对品种的鉴别力最低。

AMMI 分析有助于鉴别品种的适应性、稳定性和丰产性，而且通过AMMI双标图可以很直观显示品种稳定性、丰产性以及试点鉴别力的表现情况。从本试验结果看，品种的高产和稳产之间没有必然的联系，即稳定性强的品种其产量并不一定高，产量高的品种其稳定性不一定好，其原因可能是由品种与环境间的复杂互作关系决定的。目前，AMMI模型和GGE双标图在区试数据分析中的适合性问题还具争议[24]，且AMMI模型只能分析抽象的互作效应，不能对基因型主效和互作效应同时分析，也不能进行试点评价，因而实用性较差；而GGE双标图被认为是对AMMI模型的改良，是探索和研究利用作物基因型与环境互作的重要方法，因其分析时同时考虑了基因型主效和基因型与环境互作效应，所以品种与环境的互作关系能被更直观地展示和评价。但G×E 互作不是简单的基因型与环境的互作，目前，对基因型的适应性差异仍需要加强，更加全面准确的互作分析方法有待植物育种家深入开发。

品种的生物量和光合指标是评价作物长势的重要指标[25-26]。本研究结果表明，参试品种阳光131在不同试点叶片叶绿素含量(SPAD值)的变幅为36.4～38.2，差异并不显著，小区产量则表现为显著差异，其中桂林最高，吉安最低；与之对应的，吉安试点功能叶片的光合指标Tr、Gs、Pn、Ci均表现为最低，而桂林试点均表现较高，表明较强的光合作用可促进丰产性的形成，产量较高试点的参试品种对环境资源条件的利用率也较高。

综上，本研究利用AMMI模型和GGE双标图对参试油菜品种和不同试点进行了全面评估，通过测定越冬期生物学指标和光合参数，明确了南方早熟油菜丰产性形成的气候和生理成因，为我国早熟油菜品种选育及试点选择提供了理论参考。