Application Evaluation of AMMI Model and GGE Biplot Based on R Language in Soybean Regional Test

doi:10.11924/j.issn.1000-6850.casb2023-0388

Abstract

Abstract:

To improve the selection and application efficiency of soybean varieties in Gansu Province, data from soybean regional trials were used to comprehensively assess the stability and adaptability of new soybean varieties in Gansu Province and the discrimination power of each pilot site in terms of the interaction analysis between genotype and environment. This paper used the AMMI model combined with GGE double-labeled plots to analyze the yields of nine soybean varieties in Gansu Province at five trial sites. The results showed that the principal component values (IPCA1 and IPCA2) in the AMMI model accounted for 95% of the sum of squares of the total variation; among them, ‘Zhonghuang 318’ was a high-yield and stable variety, while ‘Longhuang 3’ and ‘Tiefeng 31’ had higher yields but moderate stability, making them only suitable for cultivation in specific areas. Among the five trial sites, Liangzhou had the strongest discrimination power and Zhenyuan was weaker. The combined use of the AMMI model and the GGE double-labeled map method can more accurately and intuitively reflect the productivity, stability and adaptability of each variety as well as the discrimination power and representativeness of each trial site.

Key words: AMMI model, GGE biplots, soybean, stability, adaptability

ZHANG Kaidong, ZHANG Fanqiao, DONG Bo, DUAN Jialin, CHEN Guangrong, WANG Liming, YANG Ruping. Application Evaluation of AMMI Model and GGE Biplot Based on R Language in Soybean Regional Test[J]. Chinese Agricultural Science Bulletin, 2024, 40(13): 140-145.

Figures/Tables 8

References 32

[1]	查霆, 钟宣伯, 周启政, 等. 我国大豆产业发展现状及振兴策略[J]. 大豆科学, 2018, 37(3):458-463.
[2]	MOHAMMED Y A, CHEN C, MCPHEE K, et al. Yield performance and stability of dry pea and lentil genotypes in semi-arid cereal dominated cropping systems[J]. Field crops research, 2016,188:31-40.
[3]	SILVA K B, BRUZI A T, ZUFFO A M, et al. Adaptability and phenotypic stability of soybean cultivars for grain yield and oil content[J]. Genetics & molecular research, 2016, 15(2).
[4]	XU N, FOK M, ZHANG G W, et al. The application of GGE biplot analysis for evaluat ng 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 URL
[5]	YAN W, FRÉGEAU-REID J, PAGEAU D, et al. Genotype-by-environment interaction and trait associations in two genetic populations of oat[J]. Crop science, 2016, 56(3):1136-1145. doi: 10.2135/cropsci2015.11.0678 URL
[6]	周德录, 李城德. 发展甘肃大豆产业的思考与建议[J]. 甘肃农业, 2014(15):4-6.
[7]	张群远, 孔繁玲. 作物品种区域试验统计分析模型的比较[J]. 中国农业科学, 2002(4):365-371.
[8]	吴媛媛, 周健, 包晓婷, 等. 基因型和环境对小麦类胡萝卜素含量及其品质性状的影响[J]. 麦类作物学报, 2015, 35(9):1257-1261.
[9]	李辛村, 张恩和, 董孔军, 等. 用AMMI双标图分析糜子品种的产量稳定性及试点代表性[J]. 中国生态农业学报, 2012, 20(4):422-426.
[10]	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, 19(7):74-78.
[11]	GAUCH H G, PIEPHO H P, ANNICCHIARICO P. Statistical analysis of yield trials by AMMI and GGE: Further considerations[J]. Crop science, 2008, 48(3):866-889. doi: 10.2135/cropsci2007.09.0513 URL
[12]	王桂梅, 郝爱静, 邢宝龙. 基于GGE双标图分析山西大豆区试品种的稳定性及适应性[J]. 沈阳农业大学学报, 2023, 54(4):396-402.
[13]	谭春燕, 李振动, 朱星陶, 等. AMMI模型在贵州大豆品种区域试验中的应用[J]. 贵州农业科学, 2019, 47(7):10-13.
[14]	刘博, 卫玲, 樊云茜, 等. 基于AMMI模型的黄淮海夏大豆国家区试产量分析[J]. 中国农学通报, 2015, 31(27):69-74. doi: 10.11924/j.issn.1000-6850.casb15030053
[15]	郑伟. 利用AMMI模型分析大豆品种区域试验[J]. 黑龙江农业科学, 2005(2):15-18.
[16]	朱艳彬, 樊晓琴, 吉闻天, 等. 基于AMMI模型和GGE双标图的西北春玉米品种区域试验综合评价[J]. 中国农业大学学报, 2023, 28(12):15-24.
[17]	聂迎彬, 穆培源, 桑伟, 等. AMMI模型和GGE双标图法在新疆冬小麦区域试验产量分析上的应用[J]. 新疆农业科学, 2012, 49(9):7.
[18]	黄大明, 谢雄泽, 白桂萍, 等. AMMI模型和GGE双标图在湖北省油菜区域试验中的应用[J]. 湖北农业科学, 2018, 57(12):24-29.
[19]	李雪, 丁逸帆, 左示敏, 等. 基于AMMI模型和GGE双标图对2018年江苏省水稻杂交中粳品种区域试验结果的评价分析[J]. 杂交水稻, 2021, 36(3):96-102
[20]	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.
[21]	刘丽华, 胡远富, 陈乔, 等. 利用AMMI模型分析寒地水稻3个品质性状的基因型与环境互作[J]. 作物学报, 2013, 39(10):1849-1855. doi: 10.3724/SP.J.1006.2013.01849
[22]	吴为人. 对基于AMMI模型的品种稳定性分析方法的一点改进[J]. 遗传, 2000(1):31-32.
[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. doi: 10.3724/SP.J.1006.2010.01805
[24]	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, 1998(3):304-309.
[25]	潘高峰, 房振兵, 田永宏, 等. 基于GGE双标图评价湖北省2017年中稻区试的品种和试点[J]. 湖北农业科学, 2018, 57(15):24-27.
[26]	丁逸帆, 许明, 许如根, 等. 基于GGE双标图对江苏省大麦鉴定试验品种的高产稳产和适应性分析[J]. 扬州大学学报(农业与生命科学版), 2019, 40(3):22-26.
[27]	KUMAR V, KHARUB A S, VERMA R, et al. AMMI, GGE biplots and regression analysis to comprehend the G×E interaction in multi-environment barley trials[J]. Indian journal of genetics and plant breeding, 2016, 76(2):202.
[28]	陈四龙, 李玉荣, 程增书, 等. 用GGE双标图分析种植密度对高油花生生长和产量的影响[J]. 作物学报, 2009, 35(7):1328-1335.
[29]	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.
[30]	翟涛, 吴玲. 开放视角下中国大豆产业发展态势与振兴策略研究[J]. 大豆科学, 2020, 39(3):472-478.
[31]	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.
[32]	张广庆, 林琼, 胡润芳, 等. AMMI模型在福建省菜用大豆区域试验中的应用[J]. 福建农业科技, 2010(4):36-38.

序号	品种名称	选育单位
G1	国菽1号	甘肃国菽豆业有限公司
G2	佳禾1号	甘肃现代农业发展有限公司、甘肃环雅农业科技有限公司
G3	靖豆1号	白银市靖远县农牧局
G4(CK)	陇豆2号	白银市农业科学研究所
G5	陇黄3号	甘肃省农科院旱农所
G6	铁丰31	甘肃省农业科学院作物研究所
G7	小康大豆3号	山丹县金粒种业有限责任公司
G8	张农2号	武威市农科院
G9	中黄318	中国农科院作物科学研究所

序号	品种名称	选育单位
G1	国菽1号	甘肃国菽豆业有限公司
G2	佳禾1号	甘肃现代农业发展有限公司、甘肃环雅农业科技有限公司
G3	靖豆1号	白银市靖远县农牧局
G4(CK)	陇豆2号	白银市农业科学研究所
G5	陇黄3号	甘肃省农科院旱农所
G6	铁丰31	甘肃省农业科学院作物研究所
G7	小康大豆3号	山丹县金粒种业有限责任公司
G8	张农2号	武威市农科院
G9	中黄318	中国农科院作物科学研究所

分析方法	变异来源	自由度	平方和	均方	F值
方差分析	基因型	8	54.644	6.8305	28.0562^***
	环境	4	106.482	26.6206	111.9754^***
	交互效应	32	106.679	3.3337	13.6932^***
AMMI模型	IPCA1	11	83.08	7.5529	31.02^***
	IPCA2	9	18.3	2.0341	8.36^***
	残差	80	19.477	0.2435

分析方法	变异来源	自由度	平方和	均方	F值
方差分析	基因型	8	54.644	6.8305	28.0562^***
	环境	4	106.482	26.6206	111.9754^***
	交互效应	32	106.679	3.3337	13.6932^***
AMMI模型	IPCA1	11	83.08	7.5529	31.02^***
	IPCA2	9	18.3	2.0341	8.36^***
	残差	80	19.477	0.2435

项目	PC1	PC2	PC3	PC4	稳定性参数(D_g)	位次	产量位次
G1	0.228761000	-0.995067720	-0.352885880	0.205458252	1.099651	7	7
G2	-0.152225150	0.450112520	0.226081700	-0.123598718	0.540521	2	4
G3	0.411200200	-0.098857990	0.862136730	0.226961233	0.986737	6	5
G4	0.457115240	0.273067860	-0.069276620	0.102945769	0.546733	3	6
G5	0.420599930	0.145193070	0.123309520	-0.301568265	0.551483	4	1
G6	0.906241900	-0.184302070	-0.287037410	0.083984625	0.971949	5	2
G7	-1.908417660	-0.380447660	0.087055630	0.019276492	1.948011	9	9
G8	-0.408321800	0.978721390	-0.426252350	0.240572461	1.167985	8	8
G9	0.045046330	-0.188419390	-0.163127710	-0.454031849	0.519891	1	3
E1	-0.258664980	-1.046420030	-0.650460020	-0.031341166	1.259358	3	2
E2	-0.747149060	0.021111160	0.367600140	0.530783798	0.987694	5	5
E3	-0.140572400	1.168170090	-0.539843140	-0.063147741	1.296071	2	1
E4	1.980413130	-0.074557160	0.254640400	0.005581694	1.998116	1	3
E5	-0.834026680	-0.068304070	0.568062620	-0.441876585	1.103728	4	4