Cotton mega-environment investigation and test environment evaluation for the national cotton variety trials in the northwest inland cotton production region
-
摘要: 在农作物多环境品种试验中基因型与环境互作(GE)现象是普遍存在的, 品种生态区划分和试验环境评价与选择是提高品种选择效率的有效方法。西北内陆棉区是我国目前最重要的主产棉区, 探索该棉区棉花品种生态区划分和品种试验环境科学评价与选择, 有利于试验环境资源的合理利用和棉花品种试验效率的提升。本研究基于2011—2020年西北内陆棉区国家棉花品种区域试验产量数据, 采用LG双标图和GGE双标图方法探索了试验环境间的相关性模式, 并对各试验环境的代表性、鉴别力和理想指数进行了综合评价。结果表明: 1) LG双标图揭示了西北内陆早熟棉区除乌苏外的沙湾、五家渠、奎屯、石河子、敦煌、博乐和精河等试点均属于同一品种生态区; 南疆早中熟棉区除麦盖提外的巴州、阿拉尔、莎车、库车、拜城、库尔勒和图木舒克等试点属于同一品种生态区。2)各试验环境的鉴别力差异不显著, 而早熟棉区的乌苏试点和早中熟棉区的麦盖提点的代表性及理想指数显著差于其余试点, 其他试点间的差异不显著。3)早熟棉区各试验环境依据理想指数的综合优劣排序为沙湾>精河>五家渠>敦煌>博乐>石河子>奎屯>乌苏, 早中熟棉区各试验环境的理想指数综合优劣排序为巴州>图木舒克>阿拉尔>库尔勒>莎车>拜城>库车>麦盖提。可见, 乌苏和麦盖提点在品种试验方案优化中应当考虑更换, 以提高试验的总体效率。本研究充分展示了LG双标图和GGE双标图在区域试验环境评价中的应用效果, 为西北内陆棉区棉花品种试验方案优化提供了理论依据, 也可为其他作物和其他目标区域的类似研究提供参考。Abstract: Plant breeding has played a key role in increasing agricultural productivity and meeting the increasing needs of the world, while the prevalence of genotype-by-environment interaction (GE) in multi-year, multi-location variety trials impedes variety selection and application efficiency. The Northwest Inland Cotton Production Region (NICPR) is currently the most important cotton-growing region, occupying more than 80% of the total cotton acreage in China. Therefore, mega-environment (ME) investigation and test environment evaluation are beneficial for the rational utilization of experimental resources and the improvement of the efficiency of cotton variety trials conducted in the NICPR. The objective of the present study was to demonstrate the application efficiency of the existing genotype main effect plus GE (GGE) biplot and a newly proposed location grouping (LG) biplot in exploring ME and comprehensively evaluating test environments using identification ability, representativeness, and desirability index based on the lint cotton yield of national cotton variety trials in the NICPR from 2011 to 2020. (1) The LG biplot revealed that the majority of test environments, including Shawan, Wujiaqu, Kuytun, Shihezi, Dunhuang, Bole and Jinghe, belonged to the same ME and suitably represented the targeting early-maturing cotton production region, while the test environment Usu was delineated out as an outlier of the early-maturing cotton ME. The test environment Makit in the medium-early maturing ME was also identified as an outlier in the southern Xinjiang cotton growing region, while the other test environments covering Bazhou, Alaer, Shache, Kuqa, Baicheng, Korla, and Tumxuk were all positively correlated and suitably represented the medium-early maturing ME. (2) The differences in identification ability among all test environments were not significant at P>5% level. The representativeness and desirability of Usu and Markit displayed significant differences from other test locations in the same ME, while the differences among other test locations were not significant. (3) According to the desirability index, the comprehensive ordination of the test environments in the early maturing cotton region was ranked as Shawan > Jinghe > Wujiaqu > Dunhuang > Bole > Shihezi > Kuytun > Usu. Similarly, on the basis of the desirability index, the ordination of test locations in the medium-early maturing cotton region was listed as Bazhou > Tumxuk > Alaer > Korla > Shache > Baicheng > Kuqa > Makit. It was clear that Usu and Makit should be removed from cotton variety trial scheme optimization for test efficiency improvement. The results of the study not only presented the highly efficient function of LG and GGE biplots in test environment evaluation in cotton variety trials in the NICPR and provided a theoretical basis for the optimization of the cotton regional trial schemes in Northwest Inland, but they also set a good example for future application in similar studies on other crops for other target crop growing regions.
-
我国西北内陆棉区地域辽阔, 涵盖新疆维吾尔自治区吐鲁番盆地、塔里木盆地和准格尔盆地西南及甘肃省河西走廊西端的广泛区域, 传统植棉区域主要包括北疆和甘肃省部分地区的西北内陆早熟棉区和分布于南疆的西北内陆早中熟棉区[1], 是我国当前最重要的主产棉区, 棉花(Gossypium hirsutum L.)种植面积占全国棉花总面积的80%以上。国家棉花品种试验每年在北疆(包括甘肃省河西走廊西端)和南疆(天山以南塔里木盆地周缘)分别设置有早熟棉组和早中熟棉组区域试验。由于西北内陆棉区地理区域跨度大, 在棉花生长发育过程中不可避免地受到基因型与环境互作效应的影响[2-4], 相同的品种在西北内陆不同生态环境下种植存在着明显的区域差异[5-6]。科学评价西北内陆棉区的棉花品种生态区和品种试验环境的特性, 有利于提高棉花品种试验效率, 有助于保障西北内陆棉区棉花生产的稳定发展。基因型主效应加基因型与环境互作效应(genotype main effect plus genotype by environment interaction effect, GGE)双标图是目前研究品种与环境互作最有效的工具[7-9], 在品种稳定性分析[10-11]、生态区探索[12-13]和试验环境评价[14-16]等方面得到了广泛应用。LG (location grouping)双标图是在GGE模型基础上新开发的功能图, 可以更加客观地评价品种生态区[17-18]。许乃银等[5]采用GGE双标图方法分析了全国主产棉区棉花纤维品质生态区域特征, 表明北疆和南疆棉区属于低马克隆值生态区。唐淑荣等[19]也采用GGE双标图方法研究了西北内陆棉区纤维品质生态区划分, 将西北内陆棉区划分为优质纤维生态区、普通优质纤维生态区和普通纤维生态区。目前基于西北内陆棉区棉花产量性状的品种生态区划分和试验环境评价的研究尚少见报道。本研究基于2011—2020年西北内陆棉区国家棉花品种区域试验数据, 利用LG双标图方法探索西北内陆棉区试验环境的相关性模式, 并采用GGE双标图的“代表性与鉴别力”功能图对试验环境进行综合评价, 为西北内陆棉区棉花品种选育和品种区域试验方案优化提供理论依据和决策支持, 也为其他作物的类似研究提供范例。
1. 材料与方法
1.1 试验设计
数据来源于2011—2020年期间西北内陆棉区国家棉花品种区域试验的早熟棉区和早中熟棉区品种试验报告。2011—2020年期间承担西北内陆棉花品种试验达6年以上的相对稳定的试验点主要包括早熟棉区的新疆博乐、精河、沙湾、五家渠、奎屯、石河子、乌苏和甘肃敦煌等8个试验环境(即试点)和早中熟棉区的阿拉尔、图木舒克、巴州、库车、莎车、麦盖提、拜城和库尔勒等8个试验环境。各试验环境的名称、代码、经度、纬度、海拔、土壤类型和试验年限等信息详见表1。各试验点均采用随机区组排列, 3次重复, 小区面积20 m2左右, 田间管理参照当地高产田管理实施。
表 1 2011—2020年西北内陆国家棉花品种区域试验环境的地理因子Table 1. Geographical factors of trial environments in the national cotton variety trials in the Northwest Inland cotton production region in 2011−2020棉区
Cotton growing region试验环境
Trial environment经度
Longitude纬度
Latitude海拔
Altitude (m)土壤类型
Soil type试验年限
Test years早熟棉区
Early-maturing cotton region博乐 Bole 83°50′ 44°57′ 501 沙壤土 Sandy loam 7 (2014—2020) 敦煌 Dunhuang 94°42′ 40°11′ 1139 灌淤土 Cumulated irrigated soil 9 (2011—2018, 2020) 精河 Jinghe 82°57′ 44°39′ 320 沙壤土 Sandy loam 8 (2011—2016, 2018—2019) 沙湾 Shawan 85°35′ 44°50′ 457 沙壤土 Sandy loam 10 (2011—2020) 五家渠 Wujiaqu 87°34′ 44°10′ 552 灰漠土 Desert grey soil 10 (2011—2020) 奎屯 Kuytun 84°54′ 44°26′ 461 黏壤土 Clay loam 10 (2011—2020) 石河子 Shihezi 86°20′ 44°20′ 443 草甸土 Meadow soil 10 (2011—2020) 乌苏 Usu 84°19′ 44°25′ 479 沙壤土 Sandy loam 9 (2011—2019) 早中熟棉区
Medium-early maturing cotton region阿拉尔 Alaer 82°40′ 41°30′ 1011 沙壤土 Sandy loam 9 (2011—2014, 2016—2020) 图木舒克 Tumxuk 79°10′ 39°90′ 1098 沙壤土 Sandy loam 10 (2011—2020) 巴州 Bazhou 86°70′ 41°44′ 1500 草甸土 Meadow soil 10 (2011—2020) 库车 Kuqa 82°54′ 41°21′ 1099 沙壤土 Sandy loam 10 (2011—2020) 莎车 Shache 77°20′ 38°40′ 1236 沙壤土 Sandy loam 10 (2011—2020) 麦盖提 Makit 77°70′ 38°90′ 1180 灌淤土 Cumulated irrigated soil 7 (2011—2016, 2018) 拜城 Baicheng 81°53′ 41°48′ 1240 沙壤土 Sandy loam 9 (2012—2020) 库尔勒 Korla 86°16′ 41°20′ 936 沙壤土 Sandy loam 6 (2014, 2016—2020) 1.2 统计分析方法
首先, 依据各试验环境中各年参试品种的产量表现, 分析试验环境间的相关性。其次, 基于试验环境多年相关系数矩阵进行奇异值分解(singular value decomposition, SVD), 不进行数据中心化和数据标准化(Centering=0, Scaling=0), 生成LG双标图以直观展示试验环境的相互关系模式[18]。LG双标图中的试点图标由各年份试验的平均坐标表示。相比于试点间的相关性分析, LG双标图更直观地表达试验环境间的关系, 可用于探索棉花生态区的划分和试验环境的直观评价[17]。第三, 试验环境的代表性参数在GGE双标图中, 用试验环境向量与平均环境轴夹角的余弦值表示, 试验环境对品种间遗传差异的鉴别力参数用试验环境的向量长度表示, 而试验环境的鉴别力与代表性的乘积称为理想指数, 用于对试验环境理想程度的综合评价。采用GGE双标图方法[18]计算每年各试验环境在生态区中的鉴别力、代表性和理想指数, 参照Baxevanos等[20]的方法, 将各年试验环境的评价指数标准化后, 再采用最小显著差数法(LSD法)对试验环境各指标的差异进行多重比较, 以对试验环境的鉴别力、代表性和理想指数等进行综合评价。
2. 结果与分析
2.1 西北内陆棉区棉花品种试验环境相关性分析
依据2011—2020年西北内陆棉区国家棉花品种区域试验中各试验环境的皮棉产量性状表现, 逐年分析各试点间的相关性, 将早熟棉组和早中熟棉组各试点间多年相关系数的平均值分别列于表2和表3。
表 2 2011—2020年西北内陆棉区早熟组棉花品种皮棉产量的试验环境间相关系数Table 2. Average Pearson correlation coefficients among test locations across tested genotypes based on the lint yield data of the early-maturing cotton variety trials in the Northwest Inland cotton production region in 2011−2020试验环境
Test location博乐
Bole敦煌
Dunhuang精河
Jinghe奎屯
Kuytun沙湾
Shawan石河子
Shihezi乌苏
Usu五家渠
Wujiaqu平均值
Average博乐 Bole 1.000 0.265a 敦煌 Dunhuang 0.424 1.000 0.266a 精河 Jinghe 0.317 0.297 1.000 0.336a 奎屯 Kuytun 0.205 0.240 0.356 1.000 0.221a 沙湾 Shawan 0.296 0.267 0.425 0.272 1.000 0.351a 石河子 Shihezi 0.431 0.269 0.370 0.138 0.414 1.000 0.275a 乌苏 Usu −0.042 0.052 0.084 0.102 0.278 −0.021 1.000 0.084b 五家渠 Wujiaqu 0.217 0.351 0.488 0.244 0.486 0.360 0.088 1.000 0.322a “平均值”列数据后不同小写字母表示P<0.05水平差异显著。Different lowercase letters in the “Average” column mean significant differences at P<0.05 level. 表 3 2011—2020年西北内陆棉区早中熟组棉花品种试验环境间平均相关系数矩阵Table 3. Average Pearson correlation coefficients among test locations across tested genotypes based on the lint yield data of the medium-early maturing cotton variety trials in the Northwest Inland cotton production region in 2011−2020试验环境
Test location阿拉尔
Alaer巴州
Bazhou拜城
Baicheng库车
Kuqa库尔勒
Korla麦盖提
Makit莎车
Shache图木舒克
Tumxuk平均值
Average阿拉尔 Alaer 1.000 0.352a 巴州 Bazhou 0.293 1.000 0.274a 拜城 Baicheng 0.490 0.300 1.000 0.348a 库车 Kuqa 0.355 0.363 0.491 1.000 0.342a 库尔勒 Korla 0.295 0.356 0.304 0.305 1.000 0.283a 麦盖提 Makit 0.135 −0.147 0.062 −0.236 −0.048 1.000 −0.035b 莎车 Shache 0.351 0.249 0.308 0.377 0.319 0.124 1.000 0.314a 图木舒克 Tumxuk 0.469 0.394 0.463 0.450 0.370 −0.239 0.436 1.000 0.352a “平均值”列数据后不同小写字母表示P<0.05水平差异显著。Different lowercase letters in the “Average” column mean significant differences at P<0.05 level. 早熟组各试点间的相关性表现为: 1)早熟组各试验环境间只有乌苏点与博乐和石河子点之间为负相关, 其余各试验环境间均表现为正相关。2)乌苏点与其余试点的平均相关系数最低, 显著低于其余各试点的平均相关系数; 其余各试点的平均相关系数分布于0.221~0.351之间, 差异不显著。3)各试验环境与其余试点间的相关性强弱排序为沙湾>精河>五家渠>石河子>敦煌>博乐>奎屯>乌苏(表2)。
早中熟组各试点间的相关性表现为: 1)早中熟组各试验环境中的麦盖提点表现特殊, 与其余7个试点中的巴州、库车、库尔勒和图木舒克等4个试点之间为负相关, 平均相关系数为负值, 与其余各试验环境间的差异达到显著水平。2)其余各试点间均表现为正相关, 平均相关系数分布于0.274~0.352之间, 差异不显著。3)各试验环境与其余试点间的相关性强弱排序为阿拉尔=图木舒克>拜城>库车>莎车>库尔勒>巴州>麦盖提(表3)。
综上所述, 各试点间的相关分析表明早熟组的乌苏试点和早中熟组的麦盖提试点与其余试点的相关性弱或为负相关, 表现特殊; 而其余试点之间的相关性表现较好, 差异不显著。
2.2 基于LG双标图的西北内陆棉区试验环境评价
LG双标图是试点间各年份相关系数及多年相关系数矩阵的二维主成分分析视图(图1), 图中连接原点到各试点图标的粗线条表达试点间的平均相关系数矩阵(表2、表3), 而连接各试点图标到年份的细线表达了试点在年份间的变异程度[18], 如Usu-11表示乌苏点2011年的数值。由图1a可见, 西北内陆棉区早熟组品种试验的8个试点中的7个试点向量交叉重叠相关性好, 属于同一生态区; 而乌苏点(USU)向量与其余试点向量夹角较大, 而且在各年份中基本与其余试点无交叉, 说明乌苏点情况特殊, 与其余试点不属于同一个生态区, 对早熟组的试验代表性差。由图1b可见, 西北内陆棉区早中熟组品种试验的8个试点中的7个试点向量交叉重叠相关性好, 属于同一生态区; 麦盖提点(MAKIT)向量与其他7个试点向量间夹角平均接近直角, 且与图木舒克(TUMXUK)、拜城(BAICHENG)和库尔勒(KORLA)等3个试验环境的向量夹角呈钝角, 在各年份中与其余试点基本无交叉, 说明麦盖提点与其他试验环境相关性小, 与其他试点不属于同一生态区。
![]()
图 1 2011—2020年西北内陆棉区早熟组(a)和早中熟组(b)棉花品种区域试验的LG双标图试点图标由各年份试验的平均坐标表示。例如“USU”坐标是2011—2020年期间乌苏点8年试验的平均值; 连接乌苏(USU)的数字表示年份, 如USU-15表示乌苏点2015年的试验结果。试点名称详见表1。Figure 1. Location-grouping (LG) biplots of the early-maturing group (a) and medium-early maturing group (b) of cotton variety trials in the Northwest Inland cotton production region in 2011−2020The placement of a location is determined by the mean coordinates of all trials conducted at the locations. For example, the placement of “USU” is determined by the placements of the eight trials conducted at Usu during 2011−2020; date linked with it is the trail year, for example, USU-15 is the trial in Usu in 2015. See Table 1 for the detailed names of the locations.2.3 基于单年多点试验GGE双标图的试验环境评价
2.3.1 GGE双标图“鉴别力与代表性”功能图的表达方式
试验环境可以从对目标品种生态区的代表性和对参试品种遗传差异的鉴别力两个方面进行评价。以2013年西北内陆棉区早中熟组国家棉花区域试验各试点皮棉产量性状GGE双标图的“代表性和鉴别力”功能图为例(图2), 图2中红色小圆圈为“平均环境”图标, 通过原点和平均环境的射线为平均环境轴。试点代表性用试点向量与平均环境轴夹角的余弦值表示, 夹角越小, 其代表性越强。试点鉴别力用试点向量长度表示, 向量长度越长, 鉴别力越高。图2表明, 莎车(Shache)和图木舒克(Tumxuk)试点向量与平均环境轴的夹角最小, 对目标生态区的代表性最好; 库车(Kuqa)、巴州(Bazhou)和拜城(Baicheng)试点向量与平均环境轴的夹角较好, 代表性较好; 而麦盖提(Makit)和阿拉尔(Alaer)试点向量与平均环境轴的夹角较大, 代表性较差。从试点向量长度来看, 麦盖提的鉴别力最强, 莎车、图木舒克、库车和巴州(Bazhou)次之, 阿拉尔较弱, 拜城的鉴别力最弱。
![]()
图 2 2013年西北内陆棉区早中熟组棉花区试点“鉴别力与代表性”GGE双标图带*号前缀蓝色图标, 如*Hcm9和*Zms49等为参试品种名称; 红色字母带前缀“+”号的图标为试点名称, 如+Makit和+Alaer等, 试点名称详见表1。Marks in blue prefixed with asterisk are tested varieties, such as *Hcm9 and *Zms49. Marks in red prefixed with plus sign “+” are the test locations, such as +Makit, +Alaer, et al, which are shown in Table 1.Figure 2. “Discrimination and representativeness” view of the GGE biplot for the medium-early maturing cotton trial dataset in the Northwest Inland cotton production region in 20132.3.2 试验环境评价的量化指标
在GGE双标图中试验环境评价的量化指标包括以试验环境向量与平均环境轴夹角大小表示的试点代表性参数、以试验环境的向量长度表示的鉴别力参数、以代表性和鉴别力乘积表示的理想指数。GGE双标图是计算量化指标的基础, 量化指标是对GGE双标图展示的试点特征的定量化评价。2013年西北内陆棉区早中熟组国家棉花区域试验环境评价的量化指标列于表4。各试验环境的鉴别力排序为麦盖提>莎车>图木舒克>库车>巴州>阿拉尔>拜城; 各试验环境对目标环境的代表性排序为莎车>图木舒克>库车=巴州>拜城>阿拉尔>麦盖提; 试验环境的理想指数排序为莎车>图木舒克>库车>巴州>麦盖提>拜城>阿拉尔。
表 4 2013年西北内陆棉区早中熟组国家棉花品种区域试验环境评价参数Table 4. Standardized trial location evaluation parameters based on “discrimination and representativeness” GGE biplot for the medium-early maturing cotton trial dataset in the Northwest Inland national cotton production region in 2013试验环境 Test location 鉴别力 Discriminating ability 代表性 Representativeness 理想指数 Desirability index 阿拉尔 Alaer 0.893 0.479 0.428 拜城 Baicheng 0.583 0.903 0.526 巴州 Bazhou 1.052 0.938 0.987 库车 Kuqa 1.267 0.938 1.188 麦盖提 Makit 1.435 0.411 0.590 莎车 Shache 1.331 0.999 1.330 图木舒克 Tumxuk 1.279 0.998 1.276 2.4 基于多年多点试验GGE双标图的试验环境评价
依据一年多点试验数据通常不能科学地评价试验环境, 必须基于多年多点品种试验数据进行试验环境评价。在多年多点试验数据的基础上, 归纳出试验环境评价指标在多年试验中的重复性和规律性, 才可以对试验环境做出科学评价。在采用GGE双标图对2011—2020年期间西北内陆棉区早熟组和早中熟组棉花品种区域试验产量数据逐年分析的基础上, 将各年各试验环境的代表性、鉴别力和理想指数等量化评价指标归纳于表5。
表 5 2011—2020年西北内陆棉区国家棉花品种区域试验环境综合评价参数Table 5. Standardized trial location evaluation parameters based on “discrimination and representativeness” GGE biplot for the Northwest Inland national cotton variety trials from 2011 to 2020棉区
Cotton production region试验环境
Test location鉴别力
Discriminating ability代表性
Representativeness理想指数
Desirability index早熟棉区
Early-maturing cotton
production region博乐 Bole 0.882±0.10a 0.725±0.05ab 0.654±0.09ab 敦煌 Dunhuang 0.923±0.03a 0.711±0.11ab 0.667±0.11ab 精河 Jinghe 0.814±0.02a 0.882±0.06a 0.723±0.06ab 奎屯 Kuytun 0.907±0.02a 0.619±0.18ab 0.582±0.16ab 沙湾 Shawan 0.837±0.07a 0.877±0.04a 0.731±0.07a 石河子 Shihezi 0.851±0.02a 0.729±0.1ab 0.622±0.09ab 乌苏 Usu 0.800±0.08a 0.484±0.17b 0.422±0.14b 五家渠 Wujiaqu 0.857±0.07a 0.831±0.06a 0.704±0.08ab 早中熟棉区
Medium-early maturing cotton
production region阿拉尔 Alaer 0.820±0.08a 0.851±0.06a 0.704±0.09a 拜城 Baicheng 0.920±0.03a 0.711±0.08a 0.657±0.08a 巴州 Bazhou 0.817±0.03a 0.924±0.02a 0.757±0.03a 库尔勒 Korla 0.815±0.11a 0.805±0.08a 0.684±0.12a 库车 Kuqa 0.872±0.03a 0.696±0.15a 0.627±0.13a 麦盖提 Makit 0.939±0.02a 0.105±0.12b 0.109±0.11b 莎车 Shache 0.835±0.07a 0.804±0.06a 0.683±0.08a 图木舒克 Tumxuk 0.817±0.07a 0.862±0.07a 0.705±0.08a 同列数据后同一棉区不同小写字母表示P<0.05水平差异显著。Different lowercase letters for the same cotton production region in the same column mean significant differences among different trail environments at P<0.05 level. 2.4.1 西北内陆北部早熟棉区试验环境评价
2011—2020年期间西北内陆北部早熟棉区(位于北疆和甘肃)各试验环境评价指标列于表5。从表5可知: 1)各试点鉴别力表现, 敦煌和奎屯的鉴别力最强, 博乐、五家渠、石河子、沙湾和精河试点的鉴别力较强, 乌苏点鉴别力稍差; 各试验环境的鉴别力强弱差异均未达显著水平, 鉴别力数值排序为敦煌>奎屯>博乐>五家渠>石河子>沙湾>精河>乌苏。2)各试点的代表性以精河、沙湾和五家渠点的最好, 石河子、博乐、敦煌和奎屯点代表性较好, 乌苏试点的代表性较差; 各试验环境代表性差异显著性检验表明, 精河、沙湾和五家渠点的代表性显著优于乌苏点, 石河子、博乐、敦煌和奎屯点代表性与其余试点的差异均不显著; 各试验环境代表性排序为: 精河>沙湾>五家渠>石河子>博乐>敦煌>奎屯>乌苏。3)各试点的理想指数以沙湾点表现最好, 精河、五家渠、敦煌、博乐、石河子和奎屯点表现较好, 乌苏点理想指数较差; 各试验环境代表性差异显著性检验表明, 沙湾点显著优于乌苏点, 精河、五家渠、敦煌、博乐、石河子和奎屯点与其余试点差异均不显著; 各试验环境的理想指数次序为: 沙湾>精河>五家渠>敦煌>博乐>石河子>奎屯>乌苏。
2.4.2 西北内陆南疆早中熟棉区试验环境评价
2011—2020年期间西北内陆南疆早中熟棉区(位于南疆)各试验环境评价指标如表5所示: 1)各试点鉴别力表现为麦盖提和拜城试点最强, 库车、莎车、阿拉尔、图木舒克、巴州和库尔勒试点的鉴别力较强; 各试验环境的鉴别力强弱差异均未达显著水平, 鉴别力数值排序为: 麦盖提>拜城>库车>莎车>阿拉尔>图木舒克=巴州>库尔勒。2)各试点代表性表现巴州最好, 图木舒克、阿拉尔、库尔勒和莎车的代表性好, 拜城和库车点鉴别力较好, 麦盖提点的代表性很差; 各试验环境代表性差异显著性检验表明, 麦盖提的代表性显著低于其余各试点, 其余各试点间差异不显著; 各试验环境的代表性排序为: 巴州>图木舒克>阿拉尔>库尔勒>莎车>拜城>库车>麦盖提。3)各试点的理想指数以巴州、图木舒克和阿拉尔点表现最好, 库尔勒、莎车、拜城和库车点表现较好, 麦盖提点理想指数很差; 各试验环境理想指数差异显著性检验表明, 麦盖提的代表性显著低于其余各试点, 其余各试点间差异不显著; 各试验环境的理想指数排序为: 巴州>图木舒克>阿拉尔>库尔勒>莎车>拜城>库车>麦盖提。
3. 结论与讨论
农作物区域试验中的试验环境评价主要是依据其对基因型差异的鉴别能力、对目标区域或环境的代表性以及理想指数进行综合评价[21-22]。由于试验环境对品种的鉴别能力和代表性受到多种因素的影响, 因而对试验环境的综合评价也需要建立在对多年多环境品种试验数据分析的基础上, 才能给出对试验环境的科学评价[12]。GGE双标图是应用区域试验数据进行试验环境评价和理想试点筛选的最有效的工具[23], 而LG双标图是在对各年份试验环境进行遗传相关分析的基础上, 将多年的相关系数进行叠加, 形成多年的试点间相关系数表, 再进行奇异值分解, 取前2个主成分构建而成。利用GGE双标图进行品种生态区划分时, 需要根据各年的品种表现对试点进行分类, 并进行多年综合, 因而不可避免地受到年份间品种变化的影响。LG双标图基于试验环境间多年的相关系数矩阵对试点间关系的综合评价和生态区划分, 因此, LG双标图相比于GGE双标图, 在评价试验环境间关系和品种生态区探索与划分方面更加客观和高效[17-18]。Yan等[13]采用GGE双标图方法分析了加拿大燕麦(Avena sativa L.)品种试验产量数据, 将加拿大燕麦生产区域划分为安大略省东南部锈病易发区、加东生产区和大草原产区等3个区域特征明显的品种生态区。许乃银等[21,24]采用GGE双标图方法对长江流域棉花区域试验的试验环境进行了详细地分析, 筛选出 “最理想” “理想” “较理想”和“不理想”的试验环境, 其后又分别基于棉花纤维长度[25]、比强度[26]、马克隆值[22]和综合选择指数[27]对长江流域试验环境的代表性、鉴别力和理想环境进行了详细评价。唐淑荣等[19]运用GGE双标图方法研究了西北内陆棉区试验环境与参试品种纤维品质性状的互作模式, 将西北内陆棉区都划分为优质棉纤维生态区、普通优质棉纤维生态区和普通棉纤维生态区。
本研究基于2011—2020年期间西北内陆棉区早熟组和早中熟组品种试验的皮棉产量, 采用试点间相关性分析、LG双标图和GGE双标图方法对试验环境的鉴别力、代表性和理想指数等指标进行了详细研究发现: 1)西北内陆早熟棉区除乌苏试点外的沙湾、五家渠、奎屯、石河子、敦煌、博乐和精河等试点均属于同一品种生态区; 南疆早中熟棉区除麦盖提试点外的巴州、阿拉尔、莎车、库车、拜城、库尔勒和图木舒克等试点属于同一品种生态区。2)基于GGE双标图采用“逐年分析, 多年归纳”方法[24]对试验环境综合评价结果表明, 早中熟棉区麦盖提试点的鉴别力最强, 但与各试验环境的鉴别力差异不显著; 麦盖提试点的代表性与理想指数显著差于其余试点。早熟棉区的乌苏试点的鉴别力在各试点中表现最差、代表性及理想指数显著差于其余试点。3)早熟棉区各试验环境依据理想指数的综合优劣排序为沙湾>精河>五家渠>敦煌>博乐>石河子>奎屯>乌苏, 早中熟棉区各试验环境的理想指数综合优劣排序为巴州>图木舒克>阿拉尔>库尔勒>莎车>拜城>库车>麦盖提。
综上所述, 试验环境间相关性分析、LG双标图分析和GGE双标图分析从不同的侧面体现了共同的结论, 即西北内陆棉区试验环境中乌苏点和麦盖提点与其他试点基本不属于同一品种生态区。麦盖提的土壤类型为灌淤土, 同区域其余试验的土壤类型以沙壤土为主, 可能对其鉴别力影响较大。麦盖提和乌苏试点在经度、纬度、海拔和气候等环境因素与同区域邻近试点条件相似, 试验田间管理差异可能是导致其表现特殊的主要原因。麦盖提试点的鉴别力很好, 可以作为育种材料初步比较选择的试点, 但因对目标环境的代表性差, 不适合作为品种区域试验点。乌苏点的鉴别力和代表性都较差, 也不适合作为品种区域试验点。因此, 在品种试验方案优化中应当考虑更换试点, 以提高试验的总体代表性和品种选择效率。本研究充分展示了LG双标图GGE双标图在区域试验环境评价中的应用效果, 为西北内陆棉区棉花品种试验方案优化提供了理论依据, 也可为其他作物和其他目标区域的类似研究提供参考。
-
![]()
图 1 2011—2020年西北内陆棉区早熟组(a)和早中熟组(b)棉花品种区域试验的LG双标图
试点图标由各年份试验的平均坐标表示。例如“USU”坐标是2011—2020年期间乌苏点8年试验的平均值; 连接乌苏(USU)的数字表示年份, 如USU-15表示乌苏点2015年的试验结果。试点名称详见表1。
Figure 1. Location-grouping (LG) biplots of the early-maturing group (a) and medium-early maturing group (b) of cotton variety trials in the Northwest Inland cotton production region in 2011−2020
The placement of a location is determined by the mean coordinates of all trials conducted at the locations. For example, the placement of “USU” is determined by the placements of the eight trials conducted at Usu during 2011−2020; date linked with it is the trail year, for example, USU-15 is the trial in Usu in 2015. See Table 1 for the detailed names of the locations.
![]()
图 2 2013年西北内陆棉区早中熟组棉花区试点“鉴别力与代表性”GGE双标图
带*号前缀蓝色图标, 如*Hcm9和*Zms49等为参试品种名称; 红色字母带前缀“+”号的图标为试点名称, 如+Makit和+Alaer等, 试点名称详见表1。Marks in blue prefixed with asterisk are tested varieties, such as *Hcm9 and *Zms49. Marks in red prefixed with plus sign “+” are the test locations, such as +Makit, +Alaer, et al, which are shown in Table 1.
Figure 2. “Discrimination and representativeness” view of the GGE biplot for the medium-early maturing cotton trial dataset in the Northwest Inland cotton production region in 2013
表 1 2011—2020年西北内陆国家棉花品种区域试验环境的地理因子
Table 1 Geographical factors of trial environments in the national cotton variety trials in the Northwest Inland cotton production region in 2011−2020
棉区
Cotton growing region试验环境
Trial environment经度
Longitude纬度
Latitude海拔
Altitude (m)土壤类型
Soil type试验年限
Test years早熟棉区
Early-maturing cotton region博乐 Bole 83°50′ 44°57′ 501 沙壤土 Sandy loam 7 (2014—2020) 敦煌 Dunhuang 94°42′ 40°11′ 1139 灌淤土 Cumulated irrigated soil 9 (2011—2018, 2020) 精河 Jinghe 82°57′ 44°39′ 320 沙壤土 Sandy loam 8 (2011—2016, 2018—2019) 沙湾 Shawan 85°35′ 44°50′ 457 沙壤土 Sandy loam 10 (2011—2020) 五家渠 Wujiaqu 87°34′ 44°10′ 552 灰漠土 Desert grey soil 10 (2011—2020) 奎屯 Kuytun 84°54′ 44°26′ 461 黏壤土 Clay loam 10 (2011—2020) 石河子 Shihezi 86°20′ 44°20′ 443 草甸土 Meadow soil 10 (2011—2020) 乌苏 Usu 84°19′ 44°25′ 479 沙壤土 Sandy loam 9 (2011—2019) 早中熟棉区
Medium-early maturing cotton region阿拉尔 Alaer 82°40′ 41°30′ 1011 沙壤土 Sandy loam 9 (2011—2014, 2016—2020) 图木舒克 Tumxuk 79°10′ 39°90′ 1098 沙壤土 Sandy loam 10 (2011—2020) 巴州 Bazhou 86°70′ 41°44′ 1500 草甸土 Meadow soil 10 (2011—2020) 库车 Kuqa 82°54′ 41°21′ 1099 沙壤土 Sandy loam 10 (2011—2020) 莎车 Shache 77°20′ 38°40′ 1236 沙壤土 Sandy loam 10 (2011—2020) 麦盖提 Makit 77°70′ 38°90′ 1180 灌淤土 Cumulated irrigated soil 7 (2011—2016, 2018) 拜城 Baicheng 81°53′ 41°48′ 1240 沙壤土 Sandy loam 9 (2012—2020) 库尔勒 Korla 86°16′ 41°20′ 936 沙壤土 Sandy loam 6 (2014, 2016—2020) 
下载: 导出CSV
表 2 2011—2020年西北内陆棉区早熟组棉花品种皮棉产量的试验环境间相关系数
Table 2 Average Pearson correlation coefficients among test locations across tested genotypes based on the lint yield data of the early-maturing cotton variety trials in the Northwest Inland cotton production region in 2011−2020
试验环境
Test location博乐
Bole敦煌
Dunhuang精河
Jinghe奎屯
Kuytun沙湾
Shawan石河子
Shihezi乌苏
Usu五家渠
Wujiaqu平均值
Average博乐 Bole 1.000 0.265a 敦煌 Dunhuang 0.424 1.000 0.266a 精河 Jinghe 0.317 0.297 1.000 0.336a 奎屯 Kuytun 0.205 0.240 0.356 1.000 0.221a 沙湾 Shawan 0.296 0.267 0.425 0.272 1.000 0.351a 石河子 Shihezi 0.431 0.269 0.370 0.138 0.414 1.000 0.275a 乌苏 Usu −0.042 0.052 0.084 0.102 0.278 −0.021 1.000 0.084b 五家渠 Wujiaqu 0.217 0.351 0.488 0.244 0.486 0.360 0.088 1.000 0.322a “平均值”列数据后不同小写字母表示P<0.05水平差异显著。Different lowercase letters in the “Average” column mean significant differences at P<0.05 level.
下载: 导出CSV
表 3 2011—2020年西北内陆棉区早中熟组棉花品种试验环境间平均相关系数矩阵
Table 3 Average Pearson correlation coefficients among test locations across tested genotypes based on the lint yield data of the medium-early maturing cotton variety trials in the Northwest Inland cotton production region in 2011−2020
试验环境
Test location阿拉尔
Alaer巴州
Bazhou拜城
Baicheng库车
Kuqa库尔勒
Korla麦盖提
Makit莎车
Shache图木舒克
Tumxuk平均值
Average阿拉尔 Alaer 1.000 0.352a 巴州 Bazhou 0.293 1.000 0.274a 拜城 Baicheng 0.490 0.300 1.000 0.348a 库车 Kuqa 0.355 0.363 0.491 1.000 0.342a 库尔勒 Korla 0.295 0.356 0.304 0.305 1.000 0.283a 麦盖提 Makit 0.135 −0.147 0.062 −0.236 −0.048 1.000 −0.035b 莎车 Shache 0.351 0.249 0.308 0.377 0.319 0.124 1.000 0.314a 图木舒克 Tumxuk 0.469 0.394 0.463 0.450 0.370 −0.239 0.436 1.000 0.352a “平均值”列数据后不同小写字母表示P<0.05水平差异显著。Different lowercase letters in the “Average” column mean significant differences at P<0.05 level.
下载: 导出CSV
表 4 2013年西北内陆棉区早中熟组国家棉花品种区域试验环境评价参数
Table 4 Standardized trial location evaluation parameters based on “discrimination and representativeness” GGE biplot for the medium-early maturing cotton trial dataset in the Northwest Inland national cotton production region in 2013
试验环境 Test location 鉴别力 Discriminating ability 代表性 Representativeness 理想指数 Desirability index 阿拉尔 Alaer 0.893 0.479 0.428 拜城 Baicheng 0.583 0.903 0.526 巴州 Bazhou 1.052 0.938 0.987 库车 Kuqa 1.267 0.938 1.188 麦盖提 Makit 1.435 0.411 0.590 莎车 Shache 1.331 0.999 1.330 图木舒克 Tumxuk 1.279 0.998 1.276
下载: 导出CSV
表 5 2011—2020年西北内陆棉区国家棉花品种区域试验环境综合评价参数
Table 5 Standardized trial location evaluation parameters based on “discrimination and representativeness” GGE biplot for the Northwest Inland national cotton variety trials from 2011 to 2020
棉区
Cotton production region试验环境
Test location鉴别力
Discriminating ability代表性
Representativeness理想指数
Desirability index早熟棉区
Early-maturing cotton
production region博乐 Bole 0.882±0.10a 0.725±0.05ab 0.654±0.09ab 敦煌 Dunhuang 0.923±0.03a 0.711±0.11ab 0.667±0.11ab 精河 Jinghe 0.814±0.02a 0.882±0.06a 0.723±0.06ab 奎屯 Kuytun 0.907±0.02a 0.619±0.18ab 0.582±0.16ab 沙湾 Shawan 0.837±0.07a 0.877±0.04a 0.731±0.07a 石河子 Shihezi 0.851±0.02a 0.729±0.1ab 0.622±0.09ab 乌苏 Usu 0.800±0.08a 0.484±0.17b 0.422±0.14b 五家渠 Wujiaqu 0.857±0.07a 0.831±0.06a 0.704±0.08ab 早中熟棉区
Medium-early maturing cotton
production region阿拉尔 Alaer 0.820±0.08a 0.851±0.06a 0.704±0.09a 拜城 Baicheng 0.920±0.03a 0.711±0.08a 0.657±0.08a 巴州 Bazhou 0.817±0.03a 0.924±0.02a 0.757±0.03a 库尔勒 Korla 0.815±0.11a 0.805±0.08a 0.684±0.12a 库车 Kuqa 0.872±0.03a 0.696±0.15a 0.627±0.13a 麦盖提 Makit 0.939±0.02a 0.105±0.12b 0.109±0.11b 莎车 Shache 0.835±0.07a 0.804±0.06a 0.683±0.08a 图木舒克 Tumxuk 0.817±0.07a 0.862±0.07a 0.705±0.08a 同列数据后同一棉区不同小写字母表示P<0.05水平差异显著。Different lowercase letters for the same cotton production region in the same column mean significant differences among different trail environments at P<0.05 level.
下载: 导出CSV
-
[1] 黄滋康, 崔读昌. 中国棉花生态区划[J]. 棉花学报, 2002, 14(3): 185−190 doi: 10.3969/j.issn.1002-7807.2002.03.014 HUANG Z K, CUI D C. Ecological regionalization of cotton production in China[J]. Acta Gossypii Sinica, 2002, 14(3): 185−190 doi: 10.3969/j.issn.1002-7807.2002.03.014
[2] GIAUFFRET C, LOTHROP J, DORVILLEZ D, et al. Genotype × environment interactions in maize hybrids from temperate or highland tropical origin[J]. Crop Science, 2000, 40(4): 1004−1012 doi: 10.2135/cropsci2000.4041004x
[3] HAUSSMANN B I G, HESS D E, REDDY B V S, et al. Pattern analysis of genotype × environment interaction for Striga resistance and grain yield in African Sorghum trials[J]. Euphytica, 2001, 122(2): 297−308 doi: 10.1023/A:1012909719137
[4] YAN W K, HUNT L A. Interpretation of genotype × environment interaction for winter wheat yield in Ontario[J]. Crop Science, 2001, 41(1): 19−25 doi: 10.2135/cropsci2001.41119x
[5] 许乃银, 金石桥, 李健. 利用GGE双标图划分我国棉花纤维品质生态区[J]. 应用生态学报, 2017, 28(1): 191−198 XU N Y, JIN S Q, LI J. Ecological regionalization of national cotton fiber quality in China using GGE biplot analysis method[J]. Chinese Journal of Applied Ecology, 2017, 28(1): 191−198
[6] 许乃银, 李健. 我国主产棉区棉花纤维品质性状的区域分布特征[J]. 中国生态农业学报, 2016, 24(11): 1547−1554 XU N Y, LI J. Regional distribution characteristics of cotton fiber quality in main cotton production areas in China[J]. Chinese Journal of Eco-Agriculture, 2016, 24(11): 1547−1554
[7] YAN W K, TINKER N A. Biplot analysis of multi-environment trial data: principles and applications[J]. Canadian Journal of Plant Science, 2006, 86(3): 623−645 doi: 10.4141/P05-169
[8] YAN W K, TINKER N A. An integrated biplot analysis system for displaying, interpreting, and exploring genotype × environment interaction[J]. Crop Science, 2005, 45(3): 1004−1016 doi: 10.2135/cropsci2004.0076
[9] YAN W K. GGE biplot — A windows application for graphical analysis of multienvironment trial data and other types of two-way data[J]. Agronomy Journal, 2001, 93(5): 1111−1118 doi: 10.2134/agronj2001.9351111x
[10] 常磊, 柴守玺. GGE双标图在我国旱地春小麦稳产性分析中的应用[J]. 中国生态农业学报, 2010, 18(5): 988−994 doi: 10.3724/SP.J.1011.2010.00988 CHANG L, CHAI S X. Application of GGE biplot in spring wheat yield stability analysis in rainfed areas of China[J]. Chinese Journal of Eco-Agriculture, 2010, 18(5): 988−994 doi: 10.3724/SP.J.1011.2010.00988
[11] 许乃银, 荣义华, 李健, 等. GGE双标图在陆地棉高产稳产和适应性分析中的应用−以长江流域棉区国审棉花新品种‘鄂杂棉30’为例[J]. 中国生态农业学报, 2017, 25(6): 884−892 XU N Y, RONG Y H, LI J, et al. Evaluation of upland cotton yield stability and adaptability using GGE-biplot analysis: A case study of ‘Ezamian 30’ cotton cultivar in Yangtze River Valley[J]. Chinese Journal of Eco-Agriculture, 2017, 25(6): 884−892
[12] YAN W K. Mega-environment analysis and test location evaluation based on unbalanced multiyear data[J]. Crop Science, 2015, 55(1): 113−122 doi: 10.2135/cropsci2014.03.0203
[13] YAN W K, MITCHELL-FETCH J, BEATTIE A, et al. Oat mega-environments in Canada[J]. Crop Science, 2021, 61(2): 1141−1153 doi: 10.1002/csc2.20426
[14] 汪洲涛, 苏炜华, 阙友雄, 等. 应用AMMI和HA-GGE双标图分析甘蔗品种产量稳定性和试点代表性[J]. 中国生态农业学报, 2016, 24(6): 790−800 WANG Z T, SU W H, QUE Y X, et al. Analysis of yield stability and test site representativeness of sugarcane trials using combined AMMI and HA-GGE biplot models[J]. Chinese Journal of Eco-Agriculture, 2016, 24(6): 790−800
[15] YAN W K, RAJCAN I. Biplot analysis of test sites and trait relations of soybean in Ontario[J]. Crop Science, 2002, 42(1): 11 doi: 10.2135/cropsci2002.1100
[16] YAN W K, HOLLAND J B. A heritability-adjusted GGE biplot for test environment evaluation[J]. Euphytica, 2010, 171(3): 355−369 doi: 10.1007/s10681-009-0030-5
[17] YAN W K. A systematic narration of some key concepts and procedures in plant breeding[J]. Frontiers in Plant Science, 2021, 12: 724517 doi: 10.3389/fpls.2021.724517
[18] YAN W. LG biplot: a graphical method for mega-environment investigation using existing crop variety trial data[J]. Scientific Reports, 2019, 9: 7130 doi: 10.1038/s41598-019-43683-9
[19] 唐淑荣, 许乃银, 杨伟华, 等. 基于GGE分析的西北内陆棉区纤维品质生态区划分[J]. 中国生态农业学报, 2016, 24(12): 1674−1682 TANG S R, XU N Y, YANG W H, et al. Ecological regionalization of cotton fiber quality in the Northwest Inland Region using GGE analysis[J]. Chinese Journal of Eco-Agriculture, 2016, 24(12): 1674−1682
[20] BAXEVANOS D, GOULAS C, ROSSI J, et al. Separation of cotton cultivar testing sites based on representativeness and discriminating ability using GGE biplots[J]. Agronomy Journal, 2008, 100(5): 1230−1236 doi: 10.2134/agronj2007.0363
[21] 许乃银, 张国伟, 李健, 等. 基于HA-GGE双标图的长江流域棉花区域试验环境评价[J]. 作物学报, 2012, 38(12): 2229−2236 XU N Y, ZHANG G W, LI J, et al. Evaluation of cotton regional trial environments based on HA-GGE biplot in the Yangtze River Valley[J]. Acta Agronomica Sinica, 2012, 38(12): 2229−2236
[22] 许乃银, 李健, 张国伟, 等. 基于GGE双标图和马克隆值选择的棉花区域试验环境评价[J]. 中国生态农业学报, 2013, 21(10): 1241−1248 doi: 10.3724/SP.J.1011.2013.01241 XU N Y, LI J, ZHANG G W, et al. Evaluation of regional cotton trial environments based on cotton fiber micronaire selection by using GGE biplot analysis[J]. Chinese Journal of Eco-Agriculture, 2013, 21(10): 1241−1248 doi: 10.3724/SP.J.1011.2013.01241
[23] 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 YAN W K. Optimal use of biplots in analysis of multi-location variety test data[J]. Acta Agronomica Sinica, 2010, 36(11): 1805−1819
[24] XU N Y, FOK M, ZHANG G W, et al. The application of GGE biplot analysis for evaluating test locations and mega-environment investigation of cotton regional trials[J]. Journal of Integrative Agriculture, 2014, 13(9): 1921−1933 doi: 10.1016/S2095-3119(13)60656-5
[25] 金石桥, 许乃银. 基于GGE双标图与纤维长度选择的棉花品种生态区探索与划分[J]. 中国农学通报, 2013, 29(33): 165−171 doi: 10.3969/j.issn.1000-6850.2013.33.029 JIN S Q, XU N Y. Cotton megaenvironment investigation based on GGE biplot and fiber length selection[J]. Chinese Agricultural Science Bulletin, 2013, 29(33): 165−171 doi: 10.3969/j.issn.1000-6850.2013.33.029
[26] 许乃银, 张国伟, 李健, 等. 长江流域棉花纤维比强度选择的理想试验环境筛选[J]. 棉花学报, 2013, 25(2): 121−128 doi: 10.3969/j.issn.1002-7807.2013.02.005 XU N Y, ZHANG G W, LI J, et al. Identifying ideal test environments for cotton fiber strength selection in the Yangtze River Valley[J]. Cotton Science, 2013, 25(2): 121−128 doi: 10.3969/j.issn.1002-7807.2013.02.005
[27] 许乃银, 李健. 利用GGE双标图和综合选择指数划分棉花品种生态区[J]. 中国生态农业学报, 2014, 22(9): 1113−1121 XU N Y, LI J. Using GGE biplot and comprehensive selection index to investigate mega-environments of cotton cultivar[J]. Chinese Journal of Eco-Agriculture, 2014, 22(9): 1113−1121
计量
- 文章访问数: 760
- HTML全文浏览量: 299
- PDF下载量: 52
