Home Journals Journal of Agriculture
Journal of Agriculture

Abbreviation (ISO4): Journal of Agriculture      Editor in chief: Shiyan QIAO

About  /  Aim & scope  /  Editorial board  /  Indexed  /  Contact  / 

Yield Traits and Experimental Environment Evaluation of Sweet Potato Strains Based on GGE Model

  • WANG Tengjiao , 1 ,
  • QIU Yongxiang 2 ,
  • CUI Fuxi 3 ,
  • NIU Doudou 1 ,
  • LIU Jubo 1 ,
  • LI Junling 1 ,
  • ZHAO Weining 1 ,
  • YANG Liming 3 ,
  • LIN Guifen , 1
Expand
  • 1 Handan Academy of Agricultural Sciences/ Hebei Key Laboratory of Crop Hybrid Advantage Research and Utilization, Handan 056001, Hebei, China
  • 2 Crop Research Institute, Fujian Academy of Agricultural Sciences, Fuzhou 350000, Fujian, China
  • 3 Handan Hexiatu Seed Industry Co., Ltd/ Hebei Fresh Sweet Potato Industry Technology Research Institute, Cixian 056500, Hebei, China

Received date: 2023-03-22

  Revised date: 2023-06-06

  Online published: 2024-04-17

Abstract

In order to comprehensively evaluate the genotype and the interaction of genotype and environment of sweet potato in regional test, the GGE biplot was used to analyze the fresh yield of group 2 of high-quality starch strains in regional test of sweet potato in Fujian from 2020 to 2021. The results showed that: ‘Quanshu 26’ had the best yield performance and had strong adaptability in Zhangpu, Fuzhou, Quanzhou, Putian, Sanming, and Nanping in 2020. ‘Longshu 39’ had high and stable yield, which was the ideal variety of the regional test. In 2021, ‘Jinshu 43’ had the best yield and stability, making it an ideal variety of the regional test. ‘Hongjinshu 2’ had high yield and strong regional adaptability in Ningde, Longyan, Sanming, and Fuzhou. In addition, the Sanming pilot had high discrimination and representativeness in the two-year regional test, and it was an ideal pilot environments. The GGE biplot can intuitively evaluate the yield characteristics of the test strains and the representativeness of the pilots, providing a simple and effective analytical method for objectively evaluating the high and stable yield of sweet potato strains.

Cite this article

WANG Tengjiao , QIU Yongxiang , CUI Fuxi , NIU Doudou , LIU Jubo , LI Junling , ZHAO Weining , YANG Liming , LIN Guifen . Yield Traits and Experimental Environment Evaluation of Sweet Potato Strains Based on GGE Model[J]. Journal of Agriculture, 2024 , 14(4) : 14 -20 . DOI: 10.11923/j.issn.2095-4050.cjas2023-0095

0 引言

甘薯区域试验是对甘薯品种进行全面评价的重要手段,也是新品种登记的必要依据,并为甘薯后期推广提供基础理论。充分发掘区试试验数据,对品种和环境进行精确评价,合理划分品种生态区是进行区域试验的三大目标[1]。线性回归方法因简便计算过程常被用于多点试验分析,但忽视品种特殊适应性,无法全面精准对品种进行评价[2]。AMMI模型通过双标图将基因与环境互作效应直观图解展示[3],可对品种特殊适应性进行分析,但其忽视基因效应[4],难以从品种选育和推广应用方面对品种进行全面分析,且线性回归方法和AMMI模型均不能对试验环境进行评价和有效划分品种生态区。GGE模型是将与品种评价有关的基因型效应和基因与环境互作效应运用双标图技术以图解方式直观展示出来,提供了1套用于区域试验品种、环境评价和品种生态区探究的有效工具[5],是目前区域试验中分析基因、环境和基因与环境互作效应较为先进的统计方法。GGE双标图在美国、加拿大品种区域试验中具有广泛应用基础[6],在中国水稻、小麦、玉米、棉花、大豆、青稞、花生、甜瓜、马铃薯等作物[7-15]开展了品种、环境评价和品种生态区分析研究应用,但在甘薯方面应用较少,戴习彬等[16]对菜用甘薯1年数据进行过简单相关分析。2017年甘薯实行登记制度以来,甘薯区域试验自行组织,虽然在选择上更灵活,但在确定合适的试验点和精准评价品种方面要求更高。福建省是全国少有几个保留省区域试验省份,各试验点相当固定,试验数据精准,通过Genstat软件GGE模型对福建省2020—2021年甘薯优质淀粉2组试验数据进行分析,精准评价试验点,划分品种生态区,评价甘薯新品系,为甘薯新品种在农业推广应用提供理论依据,也为各单位自行组织甘薯区域试验使用GGE模型提供基础参考。

1 材料与方法

1.1 试验材料

福建省2020—2021年甘薯优质淀粉2组参试品系,分别是2020年9个和2021年10个(表1),2年试验均以‘广薯87’为对照品种;设置试验地点9个,分别是龙岩(Longyan)、宁德(Ningde)、三明(Sanming)、福州(Fuzhou)、莆田(Putian)、泉州(Qaunzhou)、漳浦(Zhangpu)、南平(Nanping)和南安(Nanan),其中2020年南安试验点与2021年漳浦和南平试验点因气候异常等原因,造成部分试验点数据偏差较大未被纳入统计。
表1 福建省甘薯区试优质淀粉2组参试品系基本情况
年份 序号 参试品系 产量均值*/kg 增减比/% 5% 1% 回归系数
2020 1 泉薯26(Qs26) 56.7775 23.07 a A 0.6796
2 龙薯39号(Ls39) 53.2896 15.51 b AB 1.2408
3 福薯806(Fs806) 51.265 11.12 b C 1.3554
4 龙薯40号(Ls40) 47.9054 3.84 c CD 1.0267
5 广薯87(ck)(Gs87) 46.1350 - cd D 0.3329
6 龙薯41号(Ls41) 45.8442 -0.63 cd D 1.4698
7 福薯116(Fs116) 44.8458 -2.79 cd D 0.8927
8 龙薯232(Ls232) 43.6563 -5.37 d D 0.9623
9 福宁薯29号(Fns29) 37.9508 -17.74 e E 0.9506
10 莆薯24(Ps24) 29.4104 -36.25 f F 1.0891
2021 1 金薯43(Js43) 45.8833 13.65 a A 1.1703
2 红金薯2号(Hjs2) 44.8743 11.15 a AB 0.9215
3 福宁薯28号(Fns28) 42.1248 4.34 b BC 1.297
4 广薯87(ck)(Gs87) 40.3710 - bc CD 1.0321
5 莆薯25(Ps25) 38.2695 -5.21 cd DE 0.9937
6 金薯33(Js33) 38.2229 -5.32 cd DE 0.3453
7 福宁薯30号(Fns30) 36.5824 -9.38 de E 1.2956
8 泉薯27(Qs27) 35.7119 -11.54 e EF 1.3234
9 福薯333(Fs333) 35.1462 -12.94 e EF 0.8558
10 福薯737(Fs737) 32.8024 -18.75 f FG 1.1214
11 金农薯2号(Jns2) 30.1362 -25.35 g G 0.6441

注:*试验点平均产量,小区面积13.32 m2

1.2 田间设计

采用随机区组设计,3次重复,每小区面积13.32 m2,垄距100 cm,株距19 cm,插薯苗70株。生育期控制在135~150 d。试验地土壤肥力均匀,管理水平一致。

1.3 统计分析

利用Microsoft Excel整理和计算产量数据,用SPSS软件进行方差、多重比较和直线回归分析,用Genstat软件进行GGE双标图分析。

2 结果与分析

2.1 参试品系鲜薯产量基本情况

表1可知,2020年对照品种‘广薯87’鲜薯产量34637.62 kg/hm2,位于偏中上位;鲜薯产量高于对照的参试品系依次是‘金薯26’、‘龙薯39号’、‘福薯806’和‘龙薯40号’,鲜薯产量35966.81~42627.88 kg/hm2,比对照增产3.84%~23.07%,其他品系鲜薯产量22080.98~34419.29 kg/hm2,比对照减产0.63%~36.25%;2021年对照品种‘广薯87’鲜薯产量30310.07 kg/hm2,位于第4位置,前3品系依次是‘金薯43’、‘红金薯2号’和‘福宁薯28’,比对照增产4.34%~13.65%,其余品系鲜薯产量低于对照,减产5.21%~25.35%。

2.2 参试品系产量性状分析

采用方差、多重比较、直线回归和GGE模型对2020年和2021年参加福建省优质淀粉2组的参试品系鲜薯产量从不同角度进行分析。由表2可知,2020年地点(E)变异占总变异55.6%,而与品系评价有关的品系(G)变异和品种×地点(GE)变异分别是26.2%和18.2%,同样在2021年地点变异占总变异67.2%,而品系变异和品种×地点变异分别是15.1%和17.7%。2年E变异占总变异比例比G和GE大,易致使对品种评价至关重要的G和GE被掩盖。
表2 福建省甘薯区试优质淀粉2组方差分析
年份 变异来源 自由度 平方和 均方 F 占总变异比例
2020 地点(E) 7 27837.4352 3976.7765 148.318 0.556
品种(G) 9 13119.8847 1457.765 54.3689 0.262
品种×地点(G×E) 63 9123.6102 144.8192 5.4012 0.182
2021 地点(E) 6 22019.1022 3669.8504 284.0941 0.672
品种(G) 10 4955.8679 495.5868 38.3649 0.151
品种×地点(G×E) 60 5783.2295 96.3872 7.4616 0.177

2.2.1 丰产性和稳产性分析

用Genstat软件GGE模型排名双标图(Ranking biplot)分析参试品系丰产性和稳产性。由图1a可知,2020年参试品系‘泉薯26’丰产性最好,其次是‘龙薯39号’、‘福薯806’、‘龙薯40号’和‘龙薯41号’,而‘莆薯24’丰产性最差;‘龙薯39’、‘龙薯40号’、‘龙薯232’和‘福宁薯29’稳产性较好,‘广薯87’、‘福薯806’和‘泉薯26’稳产性较差。
图1 2020年(a)和2021年(b)丰产性和稳产性功能图
图1b可知,2021年‘金薯43’和‘红金薯2号’丰产性最好,‘金农薯2号’丰产性最差;‘莆薯25’和‘广薯87’稳产性较好,‘金薯33’、‘金农薯2号’、‘泉薯27’、‘福宁薯28’和‘福宁薯30’稳产性较差。
综上所述,2020年‘龙薯39号’丰产性和稳产性最好,‘泉薯26’丰产性较好,但稳产性差,2021年‘金薯43’丰产性和稳产性最好,‘红金薯2号’丰产性较好,但稳产性偏差。

2.2.2 品系综合分析

理想品系是指在所有环境中平均产量最高最稳定的品种[12]。用Genstat软件GGE模型比较双标图(comparison biplot)(图2),以理想品系为圆心做同心圆,越靠近圆心品系越接近理想品系,表示品系丰产性和稳产性越好,反之品系丰产和稳产性越差。
图2 2020年(a)和2021年(b)理想品系分析图
图2a可知,2020年参试品系‘龙薯39’丰产性和稳产性最好,而‘莆薯24’丰产性和稳产性表现最差,其余品种依次为‘龙薯40’>‘福薯806’>‘泉薯26’>‘龙薯41’>‘福薯116’>‘龙薯232’>‘广薯87’>‘福宁薯29’,其中,‘福宁薯29’丰产性和稳产性综合表现不如对照。
图2b可知,2021年‘金薯43’丰产性和稳产性最好,‘金农薯2号’丰产性和稳产性最差,其余品系依次是‘红金薯2号’>‘福宁薯28’>‘广薯87’>‘莆薯25’>‘福宁薯30’>‘泉薯27’>‘福薯333’>‘金薯33’>‘福薯737’,其中,只有‘金薯43’、‘红金薯2号’和‘福宁薯28’丰产性和稳产性优于对照。

2.2.3 参试品系适宜种植区域分析

通过Genstat软件GGE模型散布图(scatter plot)功能,将距离原点最远品系首尾连接为多边形,过原点向多边形各边做垂线,由垂线组成几个扇形区域,把试验点分成不同的组,各扇形组内试验点表现最好品系正是在扇形组多边形角上品系。
图3a可知,2020年试验点划分为5个类型,其中漳浦、福州、泉州、莆田、三明和南平落在坐标顺时针第1扇形区域,属于同一类型试验点,适应此类试验点品系有‘泉薯26’、‘福薯116’、‘龙薯40’和‘龙薯39’,其中‘泉薯26’表现最佳;宁德和龙岩在第3扇形区,品系‘龙薯41’和‘福薯806’适应此类型试验点,‘福薯806’表现最佳;而第2、4和5扇形区域无试验点落入,表明参试品系‘广薯87’、‘龙薯232’、‘福宁薯29’和‘莆薯24’在所有参试试验点均表现一般。
图3 2020年(a)和2021年(b)试点环境分组图
图3b可知,2021年将试验点划分为6个类型,宁德、龙岩、三明和福州落入坐标顺时针第2扇形区,‘红金薯2号’在此类试验点表现最佳;泉州属于第3类试验点类型,‘广薯87’和‘金薯43’适应此类试验点,以‘金薯43’表现最佳;南安和莆田属于第4类试验点类型,适应此试验点品系有‘莆薯25’、‘福宁薯30’、‘泉薯27’和‘福宁薯28’,‘福宁薯28’表现最佳;第1、5和6扇形区无代表试验点,表明参试品种‘福薯737’、‘福薯333’、‘金农薯2’和‘金薯33’在所有试验点均表现一般。

2.3 试验点环境分析

2.3.1 相关性与鉴别力分析

用Genstat软件中GGE模型散点图功能对各试验点的环境相关性进行分析(图4)。用直线连接原点和试验点,线段越长代表试验点鉴别力越强,反之越弱;试验点间通过原点形成夹角代表试验点之间关系,角度大于90°表示负相关,小于90°表示正相关,等于90°不相关,相关角度展示在双标图右侧。
图4 2020年(a)和2021年(b)试点环境间关系双标图
图4a可知,2020年参试试验点龙岩、漳浦和三明3个试验点对品种的鉴别能力较强,南平、宁德和福州次之,莆田和泉州最弱;参试试验点间夹角均小于90°,表明试验点间存在正相关,对品系排序相似,通过对试验点大环境分析(图3a),将试验点分为2大组,龙岩为一组,其余试验点组成另外一组,分别代表2类大环境,其中宁德同时接近于2类环境,而漳浦、福州和泉州间夹角接近于0°,试验点环境代表性基本一致。
图4b可知,2021年莆田、三明和宁德3个试验点鉴别能力较强,龙岩、南安次之,泉州、福州最弱,其中南安试验点与宁德试验点间夹角>90°,表明2个试验点间存在负相关,其他试验点间夹角<90°,之间存在正相关,而福州和泉州间夹角较小,试验点环境代表性基本一致;通过对试验点大环境分析(图3b),可将所有试验点分为2组,其中莆田和南安为一组,其余试验点组成另外一组,分别代表2类不同试验环境。

2.3.2 理想试验点评估

理想试验点既要有较强的鉴别能力同时还要有良好的代表力[17],在GGE双标图平均环境线上,以理想试验点环境为圆心做同心圆,距离圆心越近试验点与理想试验环境越接近。
图5可知,2020年三明最接近理想试验环境,其鉴别力和代表力最好,其余试验点依次是龙岩>泉州>宁德>福州>莆田>南安;2021年三明最接近理想试验环境,其余试验点依次是南平>漳浦>宁德>龙岩>福州>莆田>泉州。
图5 2020年(a)和2021年(b)理想试验点分析图
综合来看,试验点三明2年数据较为稳定,且辨别能力强,是最为理想试验点;龙岩和宁德2年数据波动不大,有一定辨别能力,是较为理想试验点;泉州和福州虽然2年数据稳定,但辨别能力较弱;莆田2年数据变化较大,南安和漳浦作为1年试验点辨别能力较强。

3 讨论

目前应用GGE双标图对作物区域试验开展研究逐年增多,但多集中在大宗作物和瓜果蔬菜研究上,对甘薯相关研究较少,戴习彬等[16]首次用GGE双标图研究不同环境下登记的菜用甘薯丰产性适应性,并通过AMMI模型和GGE双标图对菜用甘薯联合鉴定试验数据分析,表明了GGE在区域适应性分析中更加直观[17]。张晓申等[18]运用GGE双标图对甘薯‘郑红22’的丰产稳产性和适应性进行分析,表明‘郑红22’具有较高的推广价值。本研究在其他科研人员研究的基础上,通过GGE双标图对福建省优质淀粉甘薯2年区域试验中品系的适应性、丰产性和稳产性以及试验点鉴别力和代表性进行分析,提高品系间选择准确度,为加快甘薯育种与推广提供参考。
本研究中,对照品种‘广薯87’在稳产性出现年际间差异,李宁[14]通过对甜瓜2年试验研究说明参试试验点环境气象因子存在着一定的年际间差异,这可能是造成参试品种年际间数据重演性差异主要原因。但‘广薯87’作为对照品种,其丰产性较好,位于参试品种偏中上位,是较为理想对照品种。利用GGE双标图能够直观地展示出多环境育种试验和农艺研究中复杂的基因主效应和基因与环境互作效应,阐明品系丰产性、稳产性和适应性,评价试验点环境影响,还能提供同一品种在年际间差异[19],说明GGE双标图对综合评价品系基因、基因与环境互作效应具有科学合理性。研究采用GGE双标图所讨论的品种适应性只是基于品种丰产性,在各生态区推荐适宜的品种时还要综合考虑品种农艺性状、生育期和病虫抗性等性状。
本研究中,福州和泉州间夹角较小接近于0,且2年结果基本一致,说明福州和泉州试验点环境代表性基本一致,在考虑区试成本时,可只保留其中一个试验点,不影响试验结果。同时,试验中由于气候异常等原因,造成部分试验点数据偏差较大未被纳入统计,分别是2020年南安试验点和2021年漳浦和南平试验点。对品系在南安、漳浦和南平适应性有待进一步研究。
对比以往区域试验数据方差分析和回归分析法,GGE利用主成分分析法对非加性互作效应进行分析,解释更多变异信息,能够更直观更合理地对品系进行评价,特别是可划定品系适宜种植区域,使品系最大潜力得到发挥[20]。但GGE双标图方法有一个潜在限制,只采用2个主成分分析,当区域试验数据影响因素复杂,可能会出现其拟合度不足或过度情况,使其不能充分体系数据规律。严威凯[1]介绍不同类型双标图分析的基本方法和注意事项,MA[21]提出了合理使用GGE双标图的理论和基本基础。掌握GGE双标图应用基础和理论是运用好GGE双标图前提。

4 结论

根据GGE双标图分析可得出,2020年‘泉薯26’丰产性最好,在漳浦、福州、泉州、莆田、三明和南平具有较强区域适应性,‘龙薯39号’丰产和稳产性较好,是试验理想品系;2021年‘金薯43’丰产性和稳产性最好,是试验理想品系,‘红金薯2号’具有较好丰产性,在宁德、龙岩、三明和福州具有较强区域适应性。此外,综合各试验点的区分力和代表性,三明试验点在2年试验中具有较高鉴别力和代表性,是理想的试验点,其次是龙岩和宁德;福州和泉州试验点环境代表性基本一致,可只保留其中一个试验点。通过以上分析可以看出,GGE双标图将大量的数据通过图清晰揭示出来,将复杂的基因、基因与环境互作关系直观表现出来,为甘薯育种工作者评价甘薯品种及试验点鉴别力提供简便有效方法。
[1]
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.

DOI

[2]
金石桥, 许乃银. GGE双标图在中国农作物品种试验中应用的必要性探讨[J]. 种子, 2012, 31(12):89-92.

[3]
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.

DOI

[4]
曹元元, 丁逸帆, 左示敏, 等. 基于GGE双标图和AMMI模型对江苏省水稻区试品种的丰产性和稳定性分析[J]. 种子, 2021, 40(6):38-43,51.

[5]
严威凯. 品种选育与评价的原理和方法评述[J]. 作物学报, 2022, 48(9):2137-2154.

DOI

[6]
崔顺立, 何美敬, 侯名语, 等. 利用GGE双标图分析花生品质性状的基因型-环境互作[J]. 中国油料作物学报, 2021, 43(4):617-626.

[7]
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.

DOI

[8]
孙宪印, 牟秋焕, 米勇, 等. 灌溉对14个小麦新品种(系)产量和农艺性状适应性的GGE分析[J]. 干旱地区农业研究, 2022, 40(5):24-31.

[9]
毛文博, 苏成付, 毛瑞喜, 等. 应用GGE双标图分析山东省玉米区域试验品种基因型与环境互作效应[J]. 山东农业科学, 2020, 52(12):7-13.

[10]
乔银桃. 基于GGE模型的西北内陆棉区品种生态区划分和试验环境评价[D]. 镇江: 江苏大学, 2022.

[11]
HAN Y P, LIAN M, WANG J Y, et al. Perform stability of isoflavones of soybean cultivar evaluated by GGE biplot[J]. Journal of northeast agricultural university(English edition), 2019, 26(4):1-10.

[12]
王育才, 王化俊, 李葆春, 等. 基于GGE双标图对青稞区试点代表性及品系稳定性的分析[J]. 草原与草坪, 2018, 38(5):22-27.

[13]
郭敏杰, 邓丽, 任丽, 等. 基于R语言的AMMI和GGE双标图在花生区试中的应用[J]. 花生学报, 2017, 46(2):24-31.

[14]
李宁. 基于R语言GGE双标图的辽宁地区薄皮甜瓜品种2年区域试验产量分析[J]. 中国瓜菜, 2023, 36(1):35-41.

[15]
周丙月, 袁剑龙, 张玉梅, 等. 马铃薯品种(系)农艺性状的适应性和稳定性分析[J]. 核农学报, 2023, 37(2):274-289.

DOI

[16]
戴习彬, 周志林, 李荣德, 等. 基于GGE双标图分析菜用甘薯登记品种的丰产稳产及适应性[J]. 江苏农业科学, 2022, 50(14):92-96.

[17]
戴习彬, 王远, 周志林, 等. 菜用甘薯产量稳定性及试验点鉴别力综合分析[J]. 江苏农业学报, 2023, 39(1):22-29.

[18]
张晓申, 杨育峰, 曹辉, 等. 采用GGE双标图评价甘薯郑红22的丰产稳产性和适应性[J]. 种子, 2023, 42(3):133-138.

[19]
许乃银, 李健. GGE双标图的信息比校正原理与应用——以长江流域棉花品种生态区划分为例[J]. 中国生态农业学报, 2015, 23(9):1169-1177.

[20]
许乃银, 张国伟, 李健, 等. 基于GGE双标图和比强度选择的棉花品种生态区划分[J]. 中国生态农业学报, 2012, 20(11):1500-1507.

[21]
BADU-APRAKU B, FAKOREDE B, AKINWALE R, et al. Application of the GGE Biplot as a statistical tool in the breeding and testing of early and extra-early maturing maize in sub-Saharan Africa[J]. Crop breeding, genetics and genomics, 2020, 2(3).

Outlines

/