PDF(1803 KB)
Comprehensive Analysis of Varieties and Yield of Soybean Based on Grey Correlation Degree and GGE Biplot
HUANGMengdi, CHENYingmin, YANYun, NIUJijuan, LILin, KANGJiangfei, ZHANGBao, ZAIXiaoyu, FANGShefa, GUOJianqiu
Chin Agric Sci Bull ›› 2026, Vol. 42 ›› Issue (19) : 17-22.
PDF(1803 KB)
Abbreviation (ISO4): Chin Agric Sci Bull
Editor in chief: Yulong YIN
PDF(1803 KB)
Comprehensive Analysis of Varieties and Yield of Soybean Based on Grey Correlation Degree and GGE Biplot
In order to accurately evaluate the high yield, stable yield and adaptability of soybean varieties, and screen excellent soybean varieties, based on the 2023 soybean regional trial data in Henan Province, grey correlation analysis was conducted on the yield and related agronomic traits of the tested soybean varieties, and GGE biplot analysis was performed on the yield. The results showed that the variety with the highest yield was ‘Luodou No.5’. In terms of yield variability, the coefficient of variation of ‘Cundou No.301’ was the largest (24.47%), indicating that its yield stability was relatively poor, and ‘Jianong No.8’ (13.59%) showed better yield stability. The results of regional test showed that the average yield of Yuanyang was the highest and Nanyang was the lowest. In terms of main agronomic traits, the coefficient of variation of effective branches was the highest (43.17%), reflecting the great difference among varieties, and the coefficient of variation of main stem nodes was the lowest (6.11%), indicating that the trait was relatively stable among varieties. The results of grey correlation analysis showed that the order of the correlation degree of yield and major agronomic traits was: number of main stem nodes> grain weight per plant> grain number per plant> plant height> 100-seed weight> effective pod number> bottom pod height> branches per plant. This result suggested that in the breeding process, attention should be paid to the improvement of key traits such as number of main stem node, grain weight per plant, grain number per plant and plant height, so as to improve the overall yield of soybean. The GGE biplot analysis showed that the top three varieties in terms of comprehensive high and stable yield were ‘Luodou No.5’, ‘Zhoudou No.61’, and ‘Zhengdou No.618’, among which ‘Luodou No.5’ had the best comprehensive performance. Changge had the best comprehensive differentiation and representativeness, and was an ideal pilot for screening high-yield and stable-yield varieties. In this study, the yield characteristics of soybean varieties, the correlation between agronomic traits and yield, and the adaptability of varieties in different environments were comprehensively evaluated by grey correlation degree and GGE biplot analysis method. The results provide reference for the breeding and promotion of new soybean varieties with high yield, stable yield and wide adaptability.
soybeans / varieties / grey correlation analysis / GGE biplot
| [1] |
韩天富, 周新安, 关荣霞, 等. 大豆种业的昨天、今天和明天[J]. 中国畜牧业, 2021(12):29-34.
|
| [2] |
丁俭, 沈舒晗, 李淑英, 等. 基于不同用途大豆的特征品质指标筛选及优势产区品种确定[J]. 食品科学, 2023, 44(17):11-19.
|
| [3] |
王亚君, 于寒松, 舒坤良. 中国大豆产业发展特点、趋势及对策[J]. 社会科学战线, 2024(4):253-258.
|
| [4] |
王艳殊, 田雨, 张佳楠, 等. 利用大豆四向重组自交系群体定位产量相关性状QTL[J]. 华北农学报, 2020, 35(3):79-86.
为探明大豆产量与株高、主茎节数、单株荚数、单株粒数、百粒质量等产量构成因素间的相关性，定位控制这些性状的QTL进而提高大豆产量，以4个产量相关性状差异较大的大豆亲本配制双交组合（垦丰14×垦丰15）×（黑农48×垦丰19）衍生的包含160个株系的四向重组自交系群体（FW-RIL）为材料，在哈尔滨（2013-2015年）和克山（2013，2015年）种植，获得的株高、主茎节数、单株荚数、单株粒数、百粒质量的表型数据，结合已经构建的包含275个SSR标记的大豆遗传图谱对产量相关性状QTL进行定位。结果表明：在多个环境下重复稳定检测到产量相关性状的QTL 28个，其中10个株高QTL可解释表型变异率在3.20%~11.72%，3个主茎节数QTL可解释表型变异率分别为6.55%，5.70%，3.77%，9个单株荚数QTL可解释表型变异率在2.60%~11.25%，4个百粒质量QTL可解释表型变异率在3.83%~9.35%，2个单株粒数QTL可解释表型变异率分别为8.58%，7.52%；28个多环境重复检测到的产量性状QTL，其中16个QTL是本研究新检测到的，12个与国内外报道过的产量相关性状QTL位点一致，说明QTL检测准确率较高。利用分子标记遗传图谱，定位控制产量相关性状的QTL，为利用分子标记改良大豆产量潜力提供了有力手段。
|
| [5] |
常世豪, 耿臻, 杨青春, 等. 基于BLUP值的夏大豆产量与农艺性状的相关分析[J]. 作物杂志, 2023(5):10-15.
|
| [6] |
邓聚龙. 灰色系统与农业[J]. 山西农业科学, 1985(5):34-37.
|
| [7] |
刘录祥, 孙其信, 王士芸. 灰色系统理论应用于作物新品种综合评估初探[J]. 中国农业科学, 1989(3):22-27.
|
| [8] |
赵志强, 朱凌云, 唐福森, 等. 利用灰色关联度分析法评价新疆水稻农艺性状、品质与产量间的关系[J]. 山东农业大学学报(自然科学版), 2025, 56(1):167-173.
|
| [9] |
戴宝生, 吕锐玲, 胡亚珂, 等. 不同小麦品种主要性状与产量的灰色关联度分析[J]. 湖北农业科学, 2023, 62(12):23-28.
|
| [10] |
屈洋, 王可珍, 刘洋, 等. 大豆产量与主要农艺性状的灰色关联度分析[J]. 陕西农业科学, 2019, 65(2):39-41,67.
|
| [11] |
王虹, 贾毛毛, 李金玲, 等. 基于灰色关联度分析法的朝天椒品种综合评价[J]. 湖南农业科学, 2025(1):15-20.
|
| [12] |
李金花, 舒文涛, 常世豪, 等. 1985—2020年河南省审定大豆品种区试产量及品质分析[J]. 河南农业科学, 2022, 51(1):50-59.
|
| [13] |
王淑君, 邢璐. 基于BLUP和GGE双标图的谷子区域试验分析[J]. 河南农业科学, 2025, 54(8):51-59.
|
| [14] |
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.
双标图分析越来越多地被用于直观分析农作物品种多点试验数据和其他类型的两向数据。这种方法深受植物育种家和农业研究人员的推崇, 认为它可以提高研究者理解和驾驭试验数据的能力；但也受到一些学者的批评, 认为它是统计分析方面的旁门左道。事实上，学术界对什么是双标图的认识尚存混乱。一些双标图的使用者并不总能正确地选择和解释双标图。一些双标图的批评者对双标图分析及其研究对象也缺乏深入了解。为使研究者对双标图分析有一个客观全面的认识, 本文就用双标图分析农作物品种多点试验中的几个问题进行阐述：(1) 如何针对特定的研究目的选择适当的双标图; (2) 如何选择适当的GGE双标图来分析多点试验数据; (3) 如何使用GGE双标图的不同功能形态进行品种评价、试验点评价和品种生态区划分; (4) 如何判断双标图是否充分表现试验数据中的规律; (5) 如何检验双标图显示的结果是否显著。
|
| [15] |
余博毅, 郭凯凯, 徐玲, 等. 黄淮海夏玉米品种的综合评价分析[J]. 种子, 2025, 44(3):177-182.
|
| [16] |
吴珊珊, 张春原, 毛振武, 等. 基于双标图的京津冀早熟夏玉米品种区域试验综合分析[J]. 种子, 2021, 40(11):74-81.
|
| [17] |
李梦, 周显兵, 刘锋博, 等. 基于GGE双标图的油菜新品种陕油1609丰产稳产适应性分析[J]. 种子, 2023, 42(7):122-128.
|
| [18] |
蒋彤晖, 叶夕苗, 余斌, 等. 甘肃省马铃薯区试品种产量性状和环境鉴别力评价分析[J]. 核农学报, 2022, 36(6):1262-1272.
为筛选甘肃省2018—2019年马铃薯(Solanum tuberosum L.)品种区域试验中丰产、稳产和适应性强的品系,同时评价试点的代表性和鉴别力,本研究收集整理2018—2019年在甘肃省安定区、秦州区、渭源县、永昌县、临夏县、庄浪县6个试点种植的各育种单位育成的15个品系的产量数据,用主效可加互作可乘模型(AMMI)和基因型与环境互作分析模型(GGE)联合对产量进行基因型与环境互作分析,评价品系的丰产性、稳定性、适应性和环境的鉴别力。方差分析结果表明,马铃薯品系的产量在基因型效应(G)、环境效应(E)和互作效应(G×E)中均呈现极显著差异(P<0.01),环境效应平方和占总方差平方和最大,其次是基因型效应,互作效应占比最小。AMMI分析结果显示,丰产稳产的品系是0730-185;品系凯薯2号、0730-156和0730-185在永昌县的适应性较好,庄薯8号在安定区的适应性较好,GN-99、W1在渭源县的适应性较好,GN-99、GN-122和W1在临夏县的适应性较好;AMMI环境的鉴别力由强到弱依次为2018年的永昌县、2018年的安定区、2019年的临夏县等。GGE分析结果显示,丰产稳产的品系是GN-99;品系凯薯2号在永昌县的适应性最好,品系GN-122在渭源、安定区、秦州区、庄浪县、临夏县适应性最好;GGE环境的鉴别力由强到弱依次为2018年的永昌县、2019年的临夏县、2019年的安定区等。利用AMMI模型和GGE模型共同对甘肃省马铃薯区域试验的产量数据联合分析可以更好地评价并筛选优良品种。两种模型对基因型丰产性分析的准确性取决于其解释变异的大小,AMMI对基因型稳定性和环境鉴别力的分析优于GGE,GGE对基因型适应性分析优于AMMI。两种模型鉴定出高产稳产品种(系)有GN-99和0730-185;高适应性的品系试点组合有GN-122-临夏县、GN-122-庄浪县、GN-122-秦州区、GN-122-安定区、GN-122-渭源县、凯薯2号-永昌县;环境的鉴别力最好的两个试点为永昌县、安定区,其他试点均属于以上两试点的品种生态亚区。本研究结果为马铃薯新品种推广和后续的区域试验提供了参考。
|
| [19] |
于沐, 杨海棠, 胡延岭, 等. 花生产量组成的基因型与环境互作及稳定性分析[J]. 作物杂志, 2024(6):55-60.
|
| [20] |
邓丽, 任丽, 郭敏杰, 等. 基于BLUP和GGE双标图的花生产量基因型与环境互作效应分析[J]. 种子, 2024, 43(7):91-96.
|
| [21] |
赵明明, 杜付荣, 胡新燕, 等. 江苏省早熟棉花区试品种皮棉产量性状和试验点鉴别力综合分析[J]. 中国农学通报, 2025, 41(20):10-17.
为了科学评价江苏省早熟棉花品种的丰产性、稳定性、适应性及试验点的鉴别力和代表性，本研究运用GGE双标图法对2018—2019年江苏省棉花品种区域试验早熟组的皮棉产量数据进行分析。结果表明，参试品种的皮棉产量受基因型、环境效应及基因型与环境互作效应共同影响，其中环境效应贡献率最高（2018年86.26%、2019年89.28%）。‘中棉425’在2 a试验中均表现出最优丰产性，且兼具良好稳产性与较广适应性；2018年‘湘FZ031’稳产性最佳，2019年‘徐棉638’和‘中棉所50’稳定性突出，‘泗棉1035’则在2019年适应性最广。试验点评价显示，‘徐州’（2018年）和‘大丰’（2019年）具有最佳品种鉴别力与区域代表性。综合分析表明，‘中棉425’为综合性状优良的理想品种，可作为江苏省早熟棉花品种选育与区域布局的重要参考。
|
| [22] |
陈亚光, 杨雨阳, 昝凯, 等. 黄淮海11个夏大豆品种(系)产量稳定性和适应性分析[J]. 大豆科学, 2024, 43(2):159-166.
|
| [23] |
陈志华, 马荣, 卢静静, 等. 北疆地区不同复种大豆品种农艺性状与产量关联分析[J]. 干旱地区农业研究, 2025, 43(3):191-199.
|
| [24] |
舒文涛, 李金花, 耿臻, 等. 黄淮海夏大豆产量与主要农艺性状的灰色关联度分析[J]. 中国农学通报, 2014, 30(27):48-51.
为探讨大豆主要农艺性状对大豆产量影响的主次关系，运用灰色关联度分析法，对黄淮海地区16 个品种12 点试验进行产量与农艺性状的分析，从而为黄淮海地区大豆育种提供理论依据。结果表明：产量与主要农艺性状的关联度大小依次是单株粒重＞分枝数＞株高＞生育日数＞单株荚数＞单株粒数＞主茎节数＞底荚高度＞百粒重。可见，对大豆新品种选育时，应优先考虑单株粒重，分枝数，株高和生育日数。
|
| [25] |
窦士树, 马海涛, 朱红彩, 等. 河南省夏大豆新品种产量与主要农艺性状的灰色关联度分析[J]. 浙江农业科学, 2020, 61(12):2535-2538.
运用灰色关联度分析方法,对参加河南省夏大豆比较试验的20个品种的产量与8个主要农艺性状进行关联度分析,以探索河南省夏大豆产量与主要农艺性状之间的关系,旨在为大豆的遗传改良与育种利用提供参考。结果表明,各农艺性状与产量的灰色关联度大小顺序为:有效分枝数＞单株粒重＞单株粒数＞株高＞主茎节数＞底荚高＞有效荚数＞百粒重。对夏大豆产量影响最大的是有效分枝数,其次是单株粒重、单株粒数、株高和主茎节数,底荚高、有效荚数、百粒重对产量制约力依次变小。这一结果可为河南省夏大豆新品种筛选利用提供理论参考。
|
| [26] |
王秋玲, 郭凌云, 刘艳, 等. 夏大豆单株产量与主要农艺性状的灰色关联度分析[J]. 大豆通报, 2002(6):5-12.
|
/
| 〈 |
|
〉 |
