江苏省小麦品种(系)籽粒产量基因型与环境互作分析

麦类作物学报2021,41(2):191—202
JournalofTriticeaeCrops doi:107606/jissn1009-104120210209
网络出版时间：2020-12-04
网络出版地址:https://ki net/kcms/detail/61.1359.S.20201203.1152.026.html
江苏省小麦品种(系)籽粒产量基因型与环境互作分析
姚金保12,张鹏12,余桂红0,马鸿翔0,杨学明0,周淼平0,张平平1
(1.江苏省农业科学院粮食作物研究所/江苏省农业生物学重点实验室，江苏南京210014；
2.扬州大学江苏省粮食作物现代产业技术协同创新中心，江苏扬州225009)
摘要：为客观评价多点试验中小麦新品种(系)籽粒产量的稳定性、适应性以及试点辨别力，探明适合江苏省小麦多点鉴定试验基因型与环境互作分析方法，采用AMMI模型对2018—2019年度江苏省淮南区试A组15个小麦品种(系)和淮北区试C组14个小麦品种(系)分别在12个试点的籽粒产量数据进行分析。

结果表明，在两组试验中，基因型效应(G)、环境效应(E)和基因型与环境互作效应(GXE)均达到极显著水平。

环境效应分别占淮南和淮北处理平方和的89.55%和70.71%，基因型效应分别占3.10%和12.89%，互作效应分别占7.35%和16.19%。

基因型与环境互作中两条显著的主成分轴分别解释了淮南60.54%和淮北
56.53%的互作平方和。

在本年度特定的气候条件下，15个淮南小麦品种(系)中，宁红1479、金丰1701和盐
麦0816属于高产稳产品系；4个淮北小麦品种(系)中，保麦1702、淮核16174属于高产稳产品系。

12个试点中，淮南以南通、扬州和金湖试点的分辨力最强；淮北以响水、徐州和宿豫试点的分辨力最强。

由AMMI双标图及互作效应值分析可知，两组试验的高产品系对某些试点具有特殊适应性。

关键词：小麦；AMMI模型；稳定性；适应性；试点鉴别力
中图分类号:S512.1；S330文献标识码：A文章编号=1009-1041(2021)02-0191-12
Genotype by Environment Interaction Effect on Grain Yield
of Wheat Cultivars in Jiangsu Province
YAO Jinbao12,ZHANG Peng12,YU Guihong1,MA Hongxiang1,
YANG Xueming1,ZHOU Miaoping1,ZHANG Pingping1
(1InstituteofFoodCropsJiangsu AcademyofAgriculturalSciences/JiangsuProvincialKeyLaboratoryforAgrobiology，Nanjing Jiangsu210014，China；2JiangsuCo-InnovationCenterfor ModernProduction Technology
of Grain Crops,Yangzhou University,Yangzhou,Jiangsu225009,China)
Abstract:Inordertoevaluatethestabilityandadaptabilityofthenew wheatvarieties(lines)inthe multi-environmenttrialsaswe l asthesitediscriminability andtoidentifytheappropriateanalytical method for analyzing the genotype and environment interaction of the multi-environment trials of wheatvarieties(lines)in Jiangsu Province15spring wheatgenotypesfrom HuainanregionaltrialA group and14semi-winter wheat genotypes from Huaibii regional trial C group were grown at12vai-ousexperimentallocations respectively，during2018—2019growing season Thestabilityofgeno-types and site discriminability were identified by AMMI(additive main e f ect and multiplicativeinter-action)biplotanalysis The AMMIanalysisshowedthatthevarianceofgenotype environmentand GE interaction were significant in the two groups of regional trials and the major treatment sum of squares were significantly a f ected by environments(8955%and7071%)genotypes(310%and
收稿日期:2020-05-01修回日期:2020-06-09
基金项目：江苏省重点研发计划项目(BE2018350)江苏省农业重大品种创制项目(PZCZ201705)；农业部现代农业产业技术体系项目(CARS-03)
第一作者E-mail：yaojb@
-192-麦类作物学报第41卷
12.89%)and GE interaction(7.35%and16.19%),respectively.The first two principal component axes(PCA1andPCA2)explained6054%inHuainanand5653%in HuaibeiofthetotalGEinterac-tion.Under the specific climatic conditions for the year of2018一2019,Ninghong1479, Jiangfeng1701 and Yanmai0816were quite stable as we ll as high yielding among15spring wheat genotypes in Hua-inan.Of the14semi-winter genotypes,Baomai1702and Huaihe16174exhibited high and stable yield in Huaibei.Environments Nantong,Yangzhou and Jinghu in Huainan,and Xiangshui,Xuzhou and Suyuin Huaibeisignificantlydiscriminated wheatgenotypes，respectively Basedontheanalysisof AMMI biplot and e f ect value of GE interaction，the wheat genotypes with high yield had specific a­daptability to some locations in two groups of regional trial in Jiangsu.
Key words：Wheat；AMMI model；Stability；Adaptability；Site discriminability
小麦是江苏省种植面积仅次于水稻的重要粮食作物,常年小麦种植面积稳定在220万hm2，总产约1000万t以上，面积、产量均居全国前列,为全国的粮食生产安全与稳定起到了重要作用。

江苏地处长江、淮河下游，全省麦作以淮河-苏北灌溉总渠为界，分属麦作两大生态类型区，其中淮北地区为黄淮平原冬麦区，淮南地区为长江中下游平原冬麦区。

江苏两大麦作区地域广阔，耕作制度、土壤类型以及生态环境复杂多样，地区间产量波动较大，品种的遗传背景、生态型差异明显，如何准确筛选丰产性、稳产性和适应性好的小麦品种是育种工作者关注的问题。

长期以来，小麦区域试验对品种产量分析通常采用方差分析法，即利用新复极差估测参试品种间产量的差异显著性，常常忽略了对品种稳定性分析。

品种稳定性主要取决于基因型（G）与环境（E）互作效应的大小，互作效应越大，说明品种对地点的环境因子越敏感，产量越不稳定［1］。

在农作物品种多点试验中，由于基因型与环境互作效应的存在，常常发现一个基因型在某一特定环境条件下表现良好，但在其他环境中可能表现较差，导致表型值与遗传数值之间的关系降低，从而使育种家对基因型效应的评估存在偏差。

Yates和Cochran4最早采用线性回归模型分析基因型与环境互作，但该方法只能解释基因型与环境互作方差中很小的部分，对分析结果造成较大误差［］。

加性主效和乘积交互作用模型（addition main effects and mul­tiplication interaction model,简称AMMI模型）通过方差分析（ANVOA）与主成分分析（PCA）相结合，能够解释较大部分的基因型与环境互作信息，与方差分析和线性回归模型分析相比，该模型应用范围更广且更有效［8］。

目前国内外学者已将AMMI模型应用到水稻⑷、小麦［10］、大麦［11］、玉米［12］、棉花［13］、油菜［14］、大豆［15］、甘薯［16］、豌豆［17］等作物的试验分析研究，但该模型在江苏省小麦区域试验中的应用尚未见报道。

本研究拟利用AMMI模型对2018—2019年度江苏省小麦区域试验产量资料进行分析，以期为江苏小麦新品种合理利用、试点科学设置提供依据。

0材料与方法
1.1试验材料
参试材料来源于2018—2019年度江苏省小麦良种区域试验，其中淮南区域试验A组参试品种（系）15个，对照品种为扬麦20,试点共12个,试点分布在江苏省淮河以南地区；淮北区域试验C组参试品种（系）14个，对照品种为淮麦20,试点共12个，试点分布在江苏省淮河以北地区。

江苏两大麦作区具有不同的气候条件，本年度江苏淮南地区小麦全生育期积温2372.2C，较常年多193.3"C；降水量454.2mm,较常年少42.4 mm,日照时数883.8h,较常年少217.lh。

江苏淮北地区小麦全生育期积温2484.9C，较常年多213.4C,降水量230.3mm,较常年少31.2 mm,日照时数121&2h,较常年少8&2h。

在小麦生育期间,降水量分布极不均匀:出苗至返青拔节期雨水偏多，光照少；拔节至灌浆成熟期间以晴好天气为主，温度适宜，光照充足，有利于籽粒灌浆充实，粒重较常年明显提高。

各品种（系）、试点 的代码和平均产量见表1。

1.2试验设计
试验均采用随机区组设计，重复3次,小区面积13.3m2。

各试点基本苗控制在225万株•hm—2。

各试点总施氮量（纯N）为270〜300kg•hm—2,氮肥分基肥、苗肥和拔节孕穗肥3次施用，三者比例为5:2:3。

氮肥：磷肥
第2期姚金保等：江苏省小麦品种（系）籽粒产量基因型与环境互作分析•193•
（P2O5）:钾肥（K2O）施用比例为1:0.5: 0.5,磷、钾肥基施。

田间记载和室内考种按江苏省小麦区域试验统一方案执行，成熟后按小区收获、脱粒、晒干、扬净后称重计产。

1.3数据处理
AMMI模型分析参照王磊等［18］的方法，稳定性参数D参照张泽等［19］的方法计算，数据处理采用DPS软件（16.05版）20。

表1参试品种(系)、试点及平均产量
Table1Varieties!lines),testing locations and average yield of wheat in the regional trial
组别Group
品种〔系）代码
Variety（line）cod
品种(系)
e Variety(line)
平均产量
Meanyield/
(kg•hm-2)
试点
Location
试点代码
Locationcode
平均产量
(kg•hm-2)
淮南A组V1宁麦 1512Ningmai15128342.08常熟Changshu E1563233 Agroupof
Huainan
V2宁红1479Ninghong14798102.08盐都Yandou E2922500
V3宁麦资15318Ningmaiii153188082.08扬州Yangzhou E3832733
V4扬辐麦5145Yanglumai51458027.08镇江Zhenjiang E4767567
V5苏麦628Sumai6287899.38金湖Jinhu E5856000
V6镇14034Zhen140348066.04大丰Daleng E6794667
V7镇15044Zhen150447861.25南京Nanjing E7881667
V8扬15128Yang151288224.38建湖Jianhu E8913650
V9扬15-9Yang15-97719.38白马湖Baimahu E9851683
V10宁红1119Ninghong11197777.08南通Nantong E10768500
V11农麦178Nongmai1788034.79泰州Taizhou E11667750
V12金丰1701Jingleng17018236.46吁眙Xuyi E12820900
V13宏麦1703Hongmai17038177.71
V14盐麦0816Yanmai08168191.04
V15扬麦20(CK)Yangmai20(CK)7769.79
淮北C组V1江麦 977Jiangmai9779220.03泗洪Sihong E1965232 Cgroupof
Huaibei
V2泰麦601Taimai6019158.69灌云Guanyun E2940452
V3淮核16174Huaihe161749325.39宿城Sucheng E3873116
V4泗1516Si5169425.44铜山Tongshan E4980079
V5徐麦14123Xumai141239551.73徐州Xuzhou E5932446
V6淮麦608Huaimai6089351.39邳州Pizhou E6938893
V7佳育麦101Jiayumai1019298.45响水 Xiangshui E7954194
V8连麦抗1Lianmaikang19174.33丰县Fengxian E8895750
V9迁08207Qian082079145.62连云港Lianyungang E9854057
V10冀5265Ji52658663.98宿豫Suyu E10906071
V11保麦1702Baomai17029345.14淮安Huaian E11807606
V12徐麦302Xumai3029546.90睢宁Suining E121018028
V13宁洪209Ninghong2099026.97
V14淮麦20(CK)Huaimai20(CK)8868.41
2结果与分析
2.1参试品种（系）产量的AMMI模型分析
经联合方差分析，淮南区试A组参试小麦品种（系）产量的基因型（G）、环境（E）和基因型X环境（GXE）交互效应均达极显著水平（P<0.01）,其中环境的平方和占处理平方和的89.55%，而基因型的平方和仅占3.10%,GXE交互作用的平方和占7.35%（表2）o这表明小麦产量的环境间变异远大于基因型间变异，而GXE 交互效应
・ 194 ・麦 类 作 物 学 报第41卷
是基因效应的2.37倍,也说明GXE 交互作用对 合理评价品种（系）关系重大。

对互作主成分得分
（IPCA ）的显著性测验结果表明，有5个乘积项表
达的基因型和环境互作信息达极显著水平（P <
0.01）,将剩余不显著的IPCA 合并为残差。

IP -
CA1、IPCA2、IPCA3、IPCA4 和 IPCA5 的平方和
分别占互作平方和的39. 31%、21. 23%、
14. 19%、13. 37%和 4. 69%，合计解释了 92. 79%
的互作平方和。

由表3可知，淮北C 组区试基因型、环境、
GXE 交互作用的平方和分别占处理平方和的
12. 89%、70. 91%和16. 19%，且三者的P 值均小
于0.01。

其中，环境的变异远高于基因型间的变
异，在总变异中占主导地位；GXE 交互作用的变 异是基因 型间变异的1 26 倍。

对互作主成分得
分（IPCA ）的显著性测验结果表明，IPCA1〜IP -
CA3均达到极显著水平（P <0. 01）,三者的平方
和共占交互作用平方和的72.32%。

表2淮南小麦品种区域试验产量方差分析和AMMI 模型分析
Table 2 Analysis of variance and AMMI model analysis of wheat variety in the Huainan regional trial
* : P <0. 05； * * : P <0. 01.
变异来源
Source of variation
自由度
Degreeoffreedom
平方和
SS
均方
Meansquare 解释变异比例
Variability explained/ %F 值F value
总方差 Total variance 539
611989322 81
1135416 18
处理 Treatment
179589919597 813295640 2153 76**
基因型（G ） Genotype 1418297055 631306932 543 1021 32**
环境（E ） Environment
11
528252917 8148022992 53
89 55
783 35**GXE
15443369624 38
281620947 354 59**PCA12417048639 54710359 9839 31
11 59**
PCA2229207324 04418514 7321 236 83**PCA320
6152296 45307614 8214 195 02**PCA4185798132 41322118 4713 37
5 25**PCA5
162034693 45127168 34
4 692 07**
残差 Residuals
54
3128538 49
5793590
7 21
表3淮北小麦品种区域试验产量方差分析和AMMI 模型分析
Table 3 Analysis of variance and AMMI model analysis of wheat variety in the Huaibei regional trial
变异来源
Source of variation
自由度
Degreeoffreedom
平方和
SS
均方
Meansquare
解释变异比例
Variability explained/ %F 值F value
总方差 Total variance
503257898248 06512720 18处理 Treatment
167
220742984 381321814 2811 95**
基因型（G ） Genotype 1328464393 212189568 71
12 89
19 80**
环境（E ） Environment
11
156530224 88
14230020 4470 7112868* *
GXE
14335748366 29249988 5816 19
2 26**PCA123
12964477 21563672 9236 275 10**
PCA2217241359 35344826 6420 26
3 12**PCA3
195644404 23297073 9115 792 69**
残差 Residuals
80
9898125 51
123726 57
27 68
2.2参试品种（系）的稳定性分析
2.2.1 AMMI 双标图分析
图1和图2给出的是基于淮南和淮北两组区 试小麦品种（系）和地点平均产量和IPCA1值的 AMMI1双标图。

从图1中看出，在反映产量高
低的横坐标上，试点图标远比品种（系）图标分散,
表明环境间的产量变异远远大于品种（系）间的产
量变异。

品种（系）中，V1产量最高，其次是V12、
第2期姚金保等：江苏省小麦品种（系）籽粒产量基因型与环境互作分析•195•
V8和V14,V9产量最低；环境中，E2产量最高，
其次是E8、E7和E5,E1产量最低。

纵坐标方向
反映的是基因型与环境交互作用（GEI）的差异,
图标越接近IPCA1横轴，表示GEI越小，品种
（系）的稳定性越好。

品系V11、V4、V2、V8的
IPCA值最靠近横轴，说明这4个品系的GEI小，
稳定性好；而品系V9的IPCA1值离横轴最远,
说明该品系对环境敏感，稳定性最差。

从图2可
以看出，品系V5的产量最高，其次是V12、V4和
V6，V10产量最低；环境E12的产量最高，其次是
E4、E1和E7,E11产量最低。

品系V11的IP-
CA1值最靠近横轴，稳定性最好，其次是V3和
V13,而V10和V6的稳定性较差。

25
20
10
6-5 d
i_10 -15 -20 -25 -30 -35
E11
E4V7咛
O△*3°
V10E12
△Vll剽12
E8
E2
O
I I I1E6i
600065007000750080040A8^)0000
平均产量f
Average yield/(kg hm)
V5
E3
O
V9
A
OE10
图1淮南小麦区试产量AMMI1双标图
Fig.1AMMI1biplot of wheat yield in Huainan
20
15
10
-10 -15 -20 -25Ell
E9
O
V14
A
E3
5
E10V6
O△
蚩2
V8E2
V2A\7i O E4
V缁爲OE6O
850090^0a9500
平均产量2
Average yield/(kg•hm)
△V5
E5
O
10000
E12
V l°
E7
O
图2淮北小麦区试产量AMMI1双标图
Fig.2AMMI1biplot of wheat yield in Huaibei
AMM口双标图只分别代表了淮南39.31%和淮北36.27%的GEI变异信息，由此推断的品种稳定性不够全面。

而利用IPCA1和IPCA2所作的AMMI2双标图（图3和图4）则分别解释了淮南和淮北GEI平方和的60.54%和56.53%,其结果较为可靠。

在AMMI2双标图中，品种（系）越接近原点，说明该品种（系）稳定性越好。

由图3可以看出，品系V2的稳定性最好，其次为V14、V15和V12,V9离原点最远，稳定性最差。

在图4中,稳定性最好的品系为V11,较好的品系有V3、V14和V8,V10稳定性最差。

图3淮南小麦区试产量AMMI2双标图Fig.3AMMI2biplot of wheat yield in Huainan
图4淮北小麦区试产量AMMI2双标图Fig.4AMMI1biplot of wheat yield in Huaibei
2.2.2稳定性参数法
AMMI双标图只能直观地了解品种（系）和环境的交互作用，为了更全面、准确地评判品种（系）的稳定性，须结合稳定性参数（D g）对品种（系）稳定性进行度量犇g值越小，品种（系）的稳定性越好。

由表2和表3可知，IPCA1和IPCA2的变异平方和分别占淮南和淮北所有显著的IPCA总变异平方的65.25%和78.17%，
还分别有
•196•麦类作物学报第41卷
表4淮南小麦区域试验品种(系)在显著互作主成分轴上的得分及稳定性参数
Table4Score and stability parameters of wheat varieties!lines)in the principle
component axis of significant interaction in Huainan
品种(系) Variety(line)
平均产量
Menayield/
(kg•hm-2)
第1主
成分轴
IPCA1
第2主
成分轴
IPCA2
第3主
成分轴
IPCA3
第4主
成分轴
IPCA4
第5主
成分轴
IPCA5
稳定l数排斥
parameter(_D g Ran
V1834208—13.9791628470069319607 V2810208155—191—382—178—1955251 V3808208—5151665—440112********* V48027081401980—098918—78723269 V5789938—1132—841—1249—1200—1025245810 V68066042268—743—1778—270056298913 V77861251256892385—23401209307614 V8822438—168—21581767764497293912 V9771938—3420—724—573—706426363815 V10777708478—734593050—145117965 V118034791309451831—1085—1050255811 V12823646274499283—2086909612 V138177711081—93056076457218056 V14819104413—305—121378518415454 V157********—271031880—12410283
表5淮北小麦区域试验品种(系)在显著互作主成分轴上的得分及稳定性参数
Table5Score and stability parameters of wheat varieties!lines)in the principle
component axis of significant interaction in Huaibei
品种(系) Variety(line)
code
平均产量
Meanyield/
(kg•hm-2)
第1主成分轴
PCA1
第2主成分轴
PCA2
第3主成分轴
PCA3
稳定性参数
Stability
parameter(D g)
排序
Rank
V1922003460—155785718367 V2915869562—1212—1682214811 V3932539194604115413173 V49425441435124672820358 V5955173—1357745—26915714 V69351392008—14042120569 V7929845—11931664464209910 V8917433648301—2304241213 V9914562—1169—1166—53617365 V10866398—2713314—044273214 V11934514—168—227—2273621 V1295469011211359—21217756 V13902697—371—16961446226012 V14886841544—2352046272
34.75%和21.83%为其他显著的IPCA所拥有。

因此，利用淮南A组和淮北C组区试各品种（系）所有显著的IPCA得分，计算各品种（系）稳定性参数（D g）（表4和表5）o由表4可知，淮南A组区试参试品种（系）稳定性排序为V2〉V12〉V15〉V14〉V10〉V13〉V1〉V3〉V4〉V5〉Vll >V8>V6>V7>V9,即卩V2、V12、V15、V14和V10稳定性较好。

由表5可知，淮北C组区试各
第2期姚金保等：江苏省小麦品种（系）籽粒产量基因型与环境互作分析・197・
品种（系）稳定性表现为V11〉V14〉V3〉V5〉V9〉V12〉V1〉V4〉V6〉V7〉V2〉V13〉V8 >V10,表明V11、V14、V3、V5、V9稳定性较好。

结合AMMI双标图、Dg值以及品种（系）平均产量，淮南A组区试V2（宁红1479）、V12（金丰1701）和V14（盐麦0816）属于高产稳产型品系，其产量较所有参试品种（系）平均产量分别增加0.85%、2.52%和 1.95%；V15（扬麦20,CK）和V10（宁红1119）稳定性好,但产量偏低；V1（宁麦1512）、V3（宁麦资15318）、V11（农麦178）和V13（宏麦1703）属于稳产性一般、产量较高的品系；V8（扬15128）和V6（镇14034）虽然产量较高，但稳定性较差；V7（镇15044）和V9（扬159）产量低而不稳。

淮北C组区试V3（淮核16174）、V11（保麦1702）属于既高产又稳产品系，其产量较全部品种（系）平均产量分别增加1.13%和1.34%；V14（淮麦20,CK）稳产性好，但产量较低；V4（泗1516）、V5（徐麦14123）、V7（佳育麦101）和V12（徐麦302）产量较高，但稳产性一般; V10（冀5265）、V13（宁洪209）属于低产不稳产品系。

2.3试点鉴别力分析
2.31AMMI双标图法
在AMMI1双标图中，试点图标离IPCA的零值线越近,对品种（系）的鉴别力越差。

淮南A 组区试试点E7、E6、E2和E11的鉴别力较弱, E3、E5、E4和E8较强，E10的鉴别力最强（图1）。

在AMMI2双标图中，试点图标离坐标原点越近,对品种（系）的鉴别力越弱，反之则越强。

淮南A 组区试试点E7、E6、E11和E9的鉴别力较弱, E3、E5较强，E10的鉴别力仍最强（图3）。

淮北C组区试试点E3、E8和E11的鉴别力较弱，E1、E5、E12较强，E10和E7的鉴别力最强（图2）。

试点E8、E11、E3和E2的鉴别力较弱，E6、E5、E1较强,E10和E7的鉴别力仍最强（图4）。

2.32鉴别力参数法
与品种（系）的稳定性分析相类似，AMMI双标图表达的试点鉴别力信息往往是不完整的。

将淮南和淮北两组区试各环境在显著的IPCA上得分及鉴别力参数（D。

）分别列于表6和表7。

淮南A组区试各试点D e表现为E10>E5>E3>E8> E12〉E4〉E9〉E7〉E1〉E2〉E11〉E6,即试点E10鉴别力最强，其次是E5和E3,试点E6鉴别力最弱（表6）。

淮北C组区试各试点D e表现为E7〉E5〉E4〉E10〉E6〉E12〉E1〉E2〉E9〉E3〉E8〉E11,说明试点E7对品种（系）的鉴别力最强,其次是E5、E4,E8和E11对品种（系）的鉴别力最弱（表7）。

结合AMMI双标图和试点的稳定性参数（D。

）值，淮南A组试点E10（南通）的鉴别力最强，其次是E3（扬州）和E5（金湖），E6（大丰）和E11（泰州）对品种（系）的鉴别力最弱。

淮北C组试点E7（响水）的鉴别力最强，其次是E5（徐州）和E10（宿豫），E8（丰县）和E11（淮安）对品种（系）的鉴别力最弱。

表6淮南小麦区域试验试点在显著互作主成分轴上的得分及稳定性参数
Table6Score and stability parameters of locations in the principle component axis of significant interaction in Huainan
试点location
平均产量
Mean yield/
(kg・hm—2)
第1主成分轴
PCA1
第2主成分轴
PCA2
第3主成分轴
PCA3
第4主成分轴
PCA4
第5主成分轴
PCA5
稳定性参数
Stability
parameter(D e)
排序
Rank
E1563233874一1184一001一905一44217839 E2922500309一797一374872一302131210 E3832733—19•96一20541714909110736323 E47675671320一061216一1518140424646 E585600014312470234070809137602 E6794667207一257一446一69606689312 E7881667—1•74一110541264一170118168 E89136501215一723一1154214801628184 E9851683一3.63一344一094一1774一32418747 E10768500一36.311686一665一051一02240591 E11667750333114一237一410一878105811 E128209004761259一184145398525255
•198•麦类作物学报第41卷
表7淮北小麦区域试验试点在显著互作主成分轴上的得分及稳定性参数
Table7Score and stability parameters of locations in the principle component axis of significant interaction in Huaibei
试点location
平均产量
Mean yield/
(kg•hm—2)
第0主成分轴
PCA1
第2主成分轴
PCA2
第3主成分轴
PCA3
稳定性参数
Stability
parameter(D e)
排序
Rank
E19652321510—00.4260219877 E2940452728—9.46—97815448 E3873116146—00.64—383123410 E49800795591663157823603 E5932446—07.54—974194427932 E69388935011987—43920965 E7954194—23.67696—210632431 E8895750—4.02—740—550101011 E98540571275—680—54115439 E1090607119641181—23523044 E11807606—4.64—78434297312 E121018028—06.8890376620626
2.4品种（系）的特殊适应性
2.4.1AMMI双标图法
品种（系）与试点的交互作用是品种（系）特殊适应性的具体表现。

在AMMI1双标图中，品种（系）与其临近的试点一般具有正向互作，即该品种（系）对试点有一定程度的特殊适应性。

在实际的区域试验中，仅对高产品种（系）作具体分析。

由图1可见，淮南高产品系V1对E3具有特殊适应性；由图2可知，淮北高产品系V5对E5和E7具有特殊适应性。

在AMMI2双标图中，品种（系）对试点的特殊适应性由品种（系）在试点与原点连线的投影到原点的距离确定。

如从图3中看出，淮南高产品系V12在试点E5、E12、E11、E4、E6上有特殊适应性，而在E7、E9、E3等试点上表现为负互作，即不适宜在这些地点种植。

图4表明，淮北高产品系V12在试点E6、E4、E10、E9、El上有特殊适应性，而在E5、E3、E8、E11等试点上表现为负交互作用。

对两组区试其他高产品系的情况可作类似推断。

2.4.2互作效应分析
品种（系）与环境的互作效应值（D g）则是基于所有显著的IPCA值得出的互作信息，比AM­MI双标图确定的互作信息更加完善，是确定优良品种（系）推广应用区域的重要依据。

从表8和表9中可以看出每个品种（系）与地点组合的互作情况，如淮南高产品系V1在试点E10、E9、E3上有较大的正交互作用，对E10、E9、E3具有特殊适应性，而在试点E1、E6、E8上负交互作用较大，不宜在E1、E6、E8试点上种植；V12对E5、E12等试点具有特殊适应性，而不宜在E2、E7、E10、E11等试点上种植；V8对E2、E3、E4、E7等试点具有特殊适应性，而不宜在E12、E11、E10、E9等试点上种植；V14对E2、E8、E12等试点具有特殊适应性，而不宜在E7、E4、E5等试点上种植。

淮北高产品系V5对E7、E4、E12等试点具有特殊适应性，而不宜在E1、E3、E9等试点上种植；V12对E10、E1、E2等试点具有特殊适应性，而不宜在E1、E5、E11等试点上种植；V4对E4、E10、E6等试点具有特殊适应性，而不宜在E8、E11、E12、E3、E7试点上种植。

其他高产基因型和环境的情况可作类似推断。

3讨论
同一时代育成的小麦新品种（系）产量差异的影响因子中，经AMMI模型方差分析表明，环境、基因型和基因型与环境互作效应三者对产量的影响均达到极显著水平（P<0.01）,但环境差异是引起小麦产量差异的主要原因，其次是基因型与环境互作效应，这与国内外学者在水稻［1］、大麦［2］、玉米、棉花、油菜盟、向日葵［6］等农作物品种上的研究结果基本一致，也与施万喜［27］对陇东旱地冬小麦、常磊和柴守玺［8•对国家旱地春小麦区域试验以及Mladenov等［9•利用10个小麦品种连续2年在塞尔维亚3个地点和Singh
第2 期姚金保等: 江苏省 小麦品种（系）籽粒产量基因型与环境互作分析
• 199 •
表8淮南小麦区域试验品种(系)与试点的互作效应值(D ge )
品种代码 试点代码Location code
Table 8 Effect value of interaction between variety (line) and location in Huainan( D g e )
Variet y (line )
code
E1
E2E3E4E5E6E7E8E9E10E11E12
V1—3903844 46
23463—38 71106 96
—117 21—49 71—1445427488694 46
—60 54—4 54V25213
—0 54—9788
81 29
—153 0447 79
—9 71
5046
—7238—28 04161 96
—32 04
V3
—427881 96
—20788233 71341 960 29—127 2116046—18988504 46
—78 04255 46V4—32038—70 54
—41038—213 71496 96
—124 71290 29—1704—27238221 9651 96
367 96V5733139 67—3267
—163 50—750 33168 00105 50
—24933
43033
299 67
102 17—56 83
V630317
158 00
—62183409 83—342 00198 83
—36 1742400—16133—817 00138 00346 50
V717546—252 21—8204
742 13337 79
121 13—306 38—4137129346—274 7117 79
41 29
V810983
242 1786733116 50
—125 33—112 00143 007067—18217—387 83—177 83—564 33V9—8017—237 8375233—348 50—845 3330 50—27 00—4443324783
1142 17
—122 83
—66 83
V1018213
39 46—3288
—91 2121 96
70 29
240 2915046
1513—278 04121 96—439 54V1111692—180 75—110588 58614 25—94 92195 08
—527 2520742
—10 7599 25—317 25
V12—4225—224 92—22559 42
237 5853 42—81 58—61428075—99 92—97 42178 58V13
—4100118 8330400
—94 33
146 33
124 67
—72 83
19233200—766 17—18 67104 83
V1411817215 50—17183—115 17—192 00—153 67—198 6743400
117
—79 50—87 00229 00V15
23692
6 75
1192
—118 92
104 25
—212 42
—64 9237525—125 08
—120 75
—50 75
—42 25
表9淮北小麦区域试验品种(系)与试点的互作效应值(D ge )
品 种 代码 试点 代码 Locationcode
Varieiy(line)----------------------------------------------------------------------------------------------------------------------------------------------------Table 9 Effect value of interaction between variety and location in Huaibei (P ge )
code E1E2E3E4E5E6E7E8E9E10
E11E12V1369 2616 7646 02—146 71199 61—287 35—413 91136 5818936—1591415301
—103 50V2298 09310 44
231 70—394 37—490 30—166 02145 42
65 41
36184—19780—6210—102 31
V3
83 89
62 89—91 15—7 57121 75552 28—487 93—341 29—51 76—21450
580
367 59V4113 84—4 30—119 79376 88—17 05319 74
—308 52—378 83869
51045—25730
—243 81
V5—174 9551 21—238 13180 09
104 16
—139 05565 38
—22 63—21645—19084—23794319 15V6160 39
107 55
—24 59353 43—249 25—51 21—570 92187 7220619
40950
1190—540 71
V7—566 66—718 3612 60
410 87
—17 56161 73250 7778 16
6159—112565239387 03V8—212 54100 41218 62—383 01—548 44440 85
234 04
192 28622623656
8771
—428 75
V9—343 84
154 31
128 38
—474 30496 52—287 95281 0448 48
15276
—13473—341813 51V10—352 19—134 29—186 33—147 16
454 41
31 20
669 54
190 13—67434—4530925231
349 80V11106 64176 95—42 0425 18—9 25—89 96159 23—103 533964
—18425
—85 65
7 04
V12207 38
5 49
—328 55162 42—456 01135 77
—84 54—60 30—757256399—20596136 03
V13
237 31—181 69292 03—33 15
421 42—481 80—320 46182 13
—17304—2160831157—38 24V1473 37
52 63101 24
77 41—10 02—138 23
—119 14—174 3110897
14248
843
—122 83
等閘•采用50个小麦品种在印度9个环境条件下 的研究结果完全一致。

这说明在小麦新品种筛选 和示范推广过程中，首先考虑环境因素的影响，选
择稳产性好的小麦品种，并高度重视基因型与环
境的互作效应，选择好一个新品种的适应种植区
域，因地制宜地选择与当地环境条件良好耦合的 品种。

需要指出的是，虽然从江苏淮南和淮北两 组区域试验24个试点分析结果来看，基因型效应
对产量稳定性的影响远小于环境效应，也小于基
因型与环境的互作效应，但在同一试点的不同品
种（系）间产量相差仍然比较大，淮南小麦品种 （系）间平均相差15. 39%，最高试点达23. 99% ； 淮北小麦品种（系）间平均相差14. 19%，最高试
点为23.60%，因此通过选择优良品种实现小麦 丰产性与稳产性相统一不容忽视。

本试验结果表明 , 不同 小 麦 品 种（ 系） 在各试
・200・麦类作物学报第41卷
点的产量稳定性和不同试点对小麦品种（系）鉴别力差异较大。

15个淮南参试小麦品种（系）中，宁红1479的稳定性参数最小（5.25）,扬159的稳定性参数最大（36.38）,两者相差6.93倍，属于高产稳产的品系有宁红1479、金丰1701和盐麦0816。

14个淮北参试小麦品种（系）中，保麦1702的稳定性参数最小（3.62）,冀5265的稳定性参数最大（27.32）,两者相差7.55倍，属于高产稳产的品系有保麦1702、淮核16174。

12个淮南试点中，南通试点的稳定性参数最高（40.59），大丰试点最低为&93,两者相差4.55倍；2个淮北试点中，响水试点的稳定性参数最高为32.43,淮安试点最低为9.73,两者相差3.33倍。

有关品种和试点在稳定性参数上的差异与前人在不同作物上得到的结果基本一致[134。

试点鉴别力的差异可能与土壤条件、气候因子、生育期间病虫害等环境因素以及田间管理等因素有关，这也为品种最适种植区域规划提供了依据。

虽然AMMI双标图能直观地反映品种（系）的稳定性和试点鉴别力，但在本试验中，AMMI1双标图只代表了不足40%（IPCA1）的基因型与环境互作变异信息；利用IPCA1和IPCA2所作的AMMI2双标图也只分别代表了淮南60.54%和淮北56.53%基因与环境互作变异信息。

由于没有考虑淮南（IPCA3-IPCA5）和淮北（IPCA3）上的显著互作信息，因此导致双标图分析和稳定性参数分析结果不完全一致。

如图2所示，V13稳定性好，而从稳产性参数分析结果（表5）可见, V13稳定性参数很高（22.60）,排在参试品种（系）的第12位。

又如由图4可知，稳定性较好、排在前5位的品种（系）分别为V11、V3、V14、V8和V2,而从稳定性参数排序（表5）来看,排在前5位稳定性较好的品种（系）分别为V11、V14、V3、V5和V9。

前人研究认为，当显著的IPCA个数大于等于3个时，双标图并不能反映全部有效的交互信息，应该利用所有显著的IPCA计算出稳定性参数，这样更能真实地反映参试品种（系）的稳定性差异以及试点的代表性[537。

品种（系）稳定性与适应性密切相关,但并不等同。

大面积生产上评判一个品种（系）适应性是否广泛既要考虑它的稳定性，又要考虑它的丰产性，在高产前提下的稳产品种（系）才具有广泛适应性，而低产品种（系）即使稳定性很好，在生产上也没有推广应用价值,因此也谈不上适应性好。

在多环境下表现既高产又稳产，并具备广泛适应性的基因型是最理想的品种（系），但在实际试验中常常发现高产稳产兼备广适性的品种（系）很少。

本试验选用的江苏淮南和淮北共27个小麦基因型都是通过一年预备试验或一年区试丰产性表现较好而晋级的优良品系。

虽筛选出宁红1479、金丰1707、盐麦0816、保麦1702和淮核16174等5个高产稳产型品系，但这些品系都不具备广泛适应性。

试验发现，有些在多环境下稳定性一般或较差的品种（系）却在某些环境下丰产性表现相当突出，具有明显的特殊适应性，如淮南高产但稳定性一般的品系宁1512对E3（南通）、E9（白马湖）、E10（南通）具有明显特殊适应性，又如淮北高产但稳定性较差的品系淮麦608对E4（铜山）、E8（丰县）、E9（连云港）、E3（宿豫）具有特殊适应性。

这些品系在局部地区推广更能发挥它们的增产潜力。

4结论
利用AMMI模型分析了2018—2019年度特定气候条件下江苏省淮南和淮北两组小麦区域试验的产量数据，结果发现基因型与环境存在明显互作，筛选出淮南高产稳产品系3个即宁红1479、金丰1701和盐麦0816；淮北高产稳产品系2个即保麦1702和淮核16174。

淮南生态环境条件下对品种鉴别力强的有南通、扬州和金湖等3个试点；淮北生态环境条件下对品种（系）鉴别力强的有响水、徐州和宿豫等3个试点，即在这些试点能得到较理想的小麦品种（系）区域试验结果。

品种对试点具有明显的特殊适应性。

参考文献：
[1]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[]•中国水稻科学，2015,29（4）:408
WANG L,CHENG BY,EZG,t e of GGE biplots in the yield abllty,stabilty and adaptation evaluation for the va­rieties in the rice regional trials[J].Chinese Journal of Rice Science,2015,29（4）:408.
[]TEMESGEN M,ALAMEREW S,ETICHA F,L al.Geno­type X environment interaction and yield stabllty of bread wheat genotypes in South East Ethiopia[J].World Journal ofAgricu Lura Sciences，2015，11:121
[]KIZILGEEI F,ALBAYRAK O,YILDIRIM M e al.Stability evaluation of bread wheat genotypes under varying environ­ments by AMMI model[J].Fresenius EnvironmenLal Bull-~ Ln,2019,28（）:6865.
第2期姚金保等：江苏省小麦品种（系）籽粒产量基因型与环境互作分析•201•
[]YATES F A,COCHRAN W G.The analysis of groups of ex­periments[J Journalof AgriculturalSci nc，1938，28: 556
[5]王瑞，李加纳，唐章林，等•优质油菜新品种(系)的稳定性和
适应性分析[]•西南农业大学学报,003,5(0):45.
WANG R,LIJ N,TANG Z L,et al.Analysis of stability and adaptability of elite rapeseed varieties of Sichuan Province [J]•Journal of SoubhwesL Agriculbural UniversiLy,2006,25
(0)：45.
[]GAUCH H G.Model selection and validation for yield trials withinteraction[J Biom trics，1988，44:705
[]ZOBEL R W,WRIGHT MJ,GAUCH H G.Statistical analy­sis of a yield trial[J].Agronomy Journal,0988,80:388.
[]王磊，杨仕华，谢芙贤，等.AMMI模型及其在作物区试数据分析中的应用[]•应用基础工程科学学报,997,(0):37.
WANG L，YANGS H，XIEFX，tal IntroductiontoAMMI modll and its application to analyzing variety trial data[J].
Journal of Basse S u i e ne e and Engin e e ring,0997,5(0):37. []陈双龙•福建省水稻品种区试点综合评价研究:J]•福建农业学报，2005,20(0):0.
CHEN S prehensive evaluation for rice cultivar trials locations in Fujian Province[J].Fujian Journal of Agricul-Lural S c i e ne e s,2005,20(0):0.
[00]高海涛，王书子，王翠玲，等.AMMI模型在旱地小麦区域试
验中的应用[]•麦类作物学报，2003,23(4):43.
GAO H T,WANG S Z,WANG C L,t al.Application of AMMI model in data analysis of regional trial of dryland wheat[J].Journal of TriSeeae Crops,2003,23(4):43. [11NOWOSAD K，TRATWAL A，BOCIANOWSKIJ Geno­type by environment interaction for grain yield in spring bar­ley using additive main efects and multiplicative interaction model[J].Cereal Rseearch CommunicLions,2018,46(4)：729
[02]岳海旺，李春杰，李媛，等•河北省春播玉米品种产量稳定性
及试点辨别力综合分析[]•核农学报,2018,32():0267.
YUE H W,LI C J,LI Y,eL prehensive analysis of yield stabUty and testing ste discrimination of spring sowing maizevarietyin HebeiProvince[J Journalof Nucl ar AgricuUural S u ienees,2018,32(7):0267.
[03]许乃银，陈旭升，郭志刚，等.AMMI模型在棉花区试数据分
析中的应用[]•江苏农业学报，2000,07(4):205.
XU N Y,CHEN X S,GUO Z G, eb al.Application of AMMI model to analyze cotton regional trial data[J].Jiangsu Journal of AgricuUural S u ienee s,2018,32(7) ：0267.
[04]董云，王毅，漆燕玲，等•应用AMMI模型分析评判甘肃省
春油菜区试品种的稳定性和适应性:J]•西北农业学报, 2010,09():74.
DONG Y,WANG Y,QI Y L,t al.Application of AMMI model to analyze stabUty and adaptability of spring rape in variety regional trial of Gansu Province[J].Ada Agriculbu-ra e Boreaii-occid e nLalis Sinica,2019,09(7):74.
[05]WANG X B,LIU Z X,YANG C Y, eb al.Stability of growth
periods traits for soybean cultivars across multiple locations [J]•Journal of Inbegratve AgricuUure,2016,05(5):963.
[06]何霭如，李观康，陈胜勇，等•用AMMI模型分析甘薯品种产
量性状的稳定性匚I]•安徽农业大学学报，2004,41(3):430.
HE A L,LI G K,CHEN S Y,t al.Stability analysis for yield characters of sweet potato by AMMI model[J].Jour­nal of Anhui Agriculbural Universiby,2004,40(3) ：430. [17BOCIANOWSKI J，KSIEZAK J，NOWOSAD K Genotype by environment interaction for seeds yield in peaPisum sali-um L.)using additive main effects and multiplicative inter­action model[J].Euphyica,2019,215：090.
[08]王磊，杨仕华，沈希宏，等•作物品种区试数据分析的主效可
加互作可乘模型(AMMI)图形:J].南京农业大学学报, 0998,20():08.
WANG L，YANG S H，SHEN X H，tal Additive main efects and multiplicative interaction model(AMMI)graphs used in the plant variety trial data analysis[J].Journal of Nanjing AgricuUural Univ e rsiby,0998,21(2)：08.
[09]张泽，鲁成，向仲怀•基于AMMI模型的品种稳定性分析
:J]•作物学报，0998,24(3):304.
ZHANG Z,LU C,XIANG Z H.Analysis of variety stability based on AMMI model[J].Ada Agronomica Sinica,0998, 24():304.
[0]唐启义，唐睿•DPS数据处理系统(第4版):M].北京：科学
出版社，2007:0293.
TANG Q Y,TANG R.DPS data processing system(Version
4)[M].Beijing:Science Press,2007：0293.
[0]沈希宏，杨仕华，谢芙贤，等•水稻品种区域试验的品种X环
境互作及其与气候因子的关系[]•中国水稻科学,000,4 ():30.
SHEN X H,YANG S H,XIE F X,eL al.Genotype X envi­ronment interaction and ts relationship to climate factors in rice regional trial[J].Chinese Journal of Rsee S u ienee, 2000,04(0):30.
[2]RODRIGUEZ M,RAU D,PAPA R,el al.Genotype by envi­
ronment interactions in barley(Il or d e um ulgare L.):differ­ent responses of landraces,r ecombinant inbred lines and vari-etiesto Mediterranean environment[J]Euphytica，2008，163:231
[3]OYEKUNLE M,MENKIR A,MANI H,t al.Stability a­
nalysis of maize cultivars adapted to tropical environments u­sing AMMI analysis[J].Cereal Rseearch Communicaions, 2017，45:336
[4]RIAZ M,FAROOQ J,AHMED S,el al.Stability analysis of
different cotton genotypes under normal and water-defic让conditions[J]JournalofInt grativ Agricultur，2019，18 ():0257.
[25]NOWOSAD K，LIERSCH A，POPLAWSKA W，tal Geno­
type by environment interaction for seed yield in rapeseed (Brassica napus L.)using additive main efects and multi­plicative interaction model[J].Euphyica,2016,208:087. [6]JOCKOVIC M,CVEJIC S,JOCIC S,el al.Evaluation of sun ­。