浙江省糯玉米品种稳定性、适应性和试点综合评价 | [PDF全文] |
2. 浙江大学农业与生物技术学院作物科学研究所,杭州 310058
2. Institute of Crop Science, College of Agriculture and Biotechnology, Zhejiang University, Hangzhou 310058, China
作物品种区域试验是通过多环境(多地点或多年多点)的试验来鉴定参试品种的丰产性、稳定性和适应性,以及其他综合特性,以确定参试品种推广应用价值和适宜种植区域,为品种审定和推广提供重要依据。在区域试验布局中,试点分辨力的大小是一个重要的考虑因素,选择具有代表性的试验点准确评价参试品种的特性,不仅可以减少不必要的布点数量,同时也节省了人力和物力[1]。糯玉米是浙江省重要的鲜食旱粮作物,在浙江省粮食生产中占有重要地位。玉米农艺性状主要包括穗行数、行粒数、净穗率、鲜千粒质量、出籽率等农艺指标,从不同侧面诠释了糯玉米的产量性状。由于这些性状受到环境、基因型(品种)以及基因与环境互作等多因子的共同影响,明确各因子对糯玉米农艺性状的贡献,对更好地完成区试工作,筛选优良品种,提高浙江省糯玉米种植的经济效益具有重要意义。
品种评价和试点指标评价的准确性直接影响着优良品种的筛选和鉴定评价。品种的稳定性和适应性是评价品种优劣的重要方面,同时,试点的分辨力、代表性、稳定性是衡量一个地点能否准确评价参试品种特性的重要标准,但是由于多环境(年份和地点)下品种和环境的互作效应、年份与地点的互作效应形成机制的复杂性,关于区域试验数据的分析目前还没有普遍认可的最佳模型和方法[2]。长期以来,作物区域试验分析中较为常用的分析模型有Eberhart-Russell模型[3]、主效可加互作可乘模型(additive main effects and multiplicative interaction, AMMI) [4]、Finlay-Wilkinson模型[5]等。李本贵等[6]利用AMMI模型分析了小麦区域试验,罗学芳等[7]采用Eberhart-Russell模型对四川省一年多点玉米区试进行了联合方差分析,何代元等[8]对黄淮海夏玉米区试产量采用AMMI模型分析,都表明基因与环境互作效应达到极显著水平,筛选出了丰产性高、稳定性好的品种。虽然Eberhart-Russell模型和AMMI模型都能解释品种与环境的互作效应,但张群远等[9]指出,Eberhart-Russell模型虽然应用广泛,但往往会碰到模型不适合的问题;AMMI模型理论上精确度高,但参数个数不固定,且必须借助图形分析,不能有效构建简洁的指标。目前,地点分辨力的分析方法主要有变异系数法、回归系数法和AMMI模型Dj值法。樊龙江等[1]、纪荣昌等[10]采用AMMI模型Dj值法、变异系数法、回归系数法对区域试验点进行试点分辨力研究,结果表明:用AMMI模型Dj值法估算试点分辨力更科学,可以得到环境与基因型独立的分量估计;变异系数法以表型为分析对象,而表型是基因与环境互作以及基因型综合作用的结果,其参数估计不能独立评估环境分量;回归系数法假设的前提是互作效应为线性函数,应用效果不太理想。上述模型和方法都不能具体地估算出基因与环境的互作效应值、试点与年份的互作效应值、地点效应值等,特别是对多年多点的多环境区域试验,无法对环境与基因型进行独立准确的估计,从而影响对试点分辨力、试点稳定性、品种稳定性的准确性评价。
本研究对浙江省糯玉米多年多点的田间区域试验结果进行分析,采用基于混合线性模型的统计分析方法,解决了上述方法无法独立估算基因与环境的互作效应值、年份与地点互作效应值等其他因子效应值的问题。利用该统计方法剖析试点、品种、年份与试点互作以及品种与试点互作等因子对糯玉米产量性状以及产量相关性状的贡献率,分析各品种的丰产性、稳定性、适应性,各试点的稳定性、代表性、分辨力,为区试数据统计分析提供一套科学的统计方法,并提出理想区试点的建议。
1 材料与方法 1.1 试验设计田间试验于2013、2014、2015年实施,共8个试点:淳安(L1)、东阳(L2)、嘉善(L3)、江山(L4)、宁海(L5)、杭州(L6)、嵊州(L7)、仙居(L8)。29个参试糯玉米品种分别为:丽都1号(G1)、绿玉糯2号(G2)、美玉8号(G3)、浦甜糯1号(G4)、钱江糯3号(G5)、天贵糯161(G6)、天糯828 (G7)、新甜糯88(G8)、浙糯1202(G9)、浙糯1302(G10)、花甜糯K10-1(G11)、花甜糯8013(G12)、豇玉糯6号(G13)、京科糯569(G14)、京科糯929(G15)、科甜糯2号(G16)、南粤花糯(G17)、天香3号(G18)、浙糯1201(G19)、彩花糯11-3(G20)、黑糯181(G21)、花甜糯001(G22)、花甜糯2号(G23)、科糯082(G24)、美玉15号(G25)、美玉16号(G26)、钱江糯2号(G27)、甜彩糯1号(G28)、浙甜糯615(G29)。其中,2015年8个试点种植品种为G1~G10共10个品种,2014年8个试点(产量性状不包含L3)种植品种为G11~G19、G3、G5、G8、G9共13个品种,2013年8个试点种植品种为G20~G29、G3、G11、G14、G16共14个品种。
田间种植采用随机区组设计,3次重复,小区面积20 m2,密度为4 000株/667 m2,播种、移栽等田间管理按当地习惯进行。
1.2 分析方法田间试验农艺性状选取糯玉米产量性状、穗粗、穗长、穗行数、行粒数、净穗率、鲜千粒质量、出籽率等指标。产量性状(其他农艺性状不含区组效应)采取以下混合线性模型进行方差分析和效应值估算[11-12]:
$ {Y_{ijkh}} = u + {G_i} + {L_j} + {Y_h} + G{L_{ij}} + Y{L_{jh}} + {B_{k(jh)}} + {e_{ijkh}}. $ | (1) |
$ (i = 1, 2, \cdots, 29;j = 1, 2, \cdots, 8;k = 1, 2, 3;h = 1, 2, 3) $ |
其中:Yijkh为第h个年份第j个试点第k个区组内第i个品种的性状表型值;u为总体均值;Gi为第i个品种的品种效应(随机效应),Gi~(0, σG2);Lj为第j个试点的效应(随机效应),Lj~(0, σL2);Yh为第h个年份的效应(随机效应),Yh~(0, σh2);GLij为第i个品种与第j个地点的互作效应(随机效应),GLij~(0, σGL2);YLjh为第h个年份与第j个地点的互作效应(随机效应),YLjh~(0, σYL2);Bk(jh)为第h个年份第j个地点内第k个区组效应(随机效应),Bk(jh)~(0, σB2);eijkh为残差效应(随机效应),eijkh~(0, σe2)。
采取最小二次无偏估计(MINQUE)法估算模型(1) 中各效应的方差分量,基于方差分量采用调整的无偏预测法(AUP)预测随机效应值。基于预测出的效应值进行试点分辨力、试点稳定性、品种稳定性、品种丰产性等指标分析。对预测出的第j个试点与品种的互作效应值(GLij)、第i个品种效应值(Gi)与该品种和各个地点互作效应值(GLij)的合成值分别进行方差分析,估计σGL2和σi2,并作为衡量试点分辨力和品种稳定性的指标。对于品种丰产性评价,对模型预测出的品种效应值用Tukey法进行多重比较,适宜品种的选择标准为多重比较结果中标有“a”的品种。在适宜的品种中,选取效应值高于所有适宜品种效应值的品种作为最适宜品种。基于模型(1),将试点效应(Lj)作为固定效应,品种效应(Gi)作为随机效应,对预测出的Lj进行多重比较,可以筛选出最适宜的地点;利用第j个试点效应值(Lj)和该试点与不同年份的互作效应值(YLjh)的合成值进行方差分析,得到的方差σj2作为衡量试点稳定性的标准。
分别对每一试点的性状观察值采取以下混合线性模型进行试验精确度分析[11-12]:
$ {Y_{ikh}} = u + {G_i} + {Y_h} + G{Y_{ih}} + {B_{k(h)}} + {e_{ikh}}. $ | (2) |
其中:Yikh为第h个年份第k个区组内第i个品种的性状值;GYih为品种与年份的互作效应(随机效应),GYih~(0, σGY2);Bk(h)为第h个年份内第k个区组效应(随机效应),Bk(h)~(0, σB2);其余效应值与模型(1) 中的效应值一致。对模型(2) 方差分析得出的误差项均方(mean square error, MSE)按照陈洪梅等[13]的方法计算试验误差变异系数(coefficient of error variation, CEV),公式如下:
$ {\rm{CEV}} = (\sqrt {{\rm{MSE}}} /\bar Y){\rm{ }} \times 100\% . $ | (3) |
式中:CEV为衡量试验精确度的指标;Y为单个试点所有品种的性状均值。
统计分析采用QTModel软件[14] (http://ibi.zju.edu.cn/software)和SAS 9.0软件的MIXED模块。
2 结果与分析 2.1 农艺性状方差分析糯玉米产量、穗粗、穗长、穗行数、行粒数、净穗率、鲜千粒质量、出籽率等农艺性状指标方差分析见表 1。结果表明:品种效应除净穗率外,其他性状均达到极显著水平,贡献率在7.4%~67.6%之间,说明品种效应对各农艺性状影响差异较大,对各农艺性状的贡献程度大小为穗行数(67.6%)>穗长(39.9%)>行粒数(29.4%)>穗粗(23.1%)>产量(14.7%)>鲜千粒质量(13.8%)>出籽率(13.6%)>净穗率(7.4%),可以看出穗行数和穗长主要受品种影响,品种间差异较大,净穗率基本不受品种影响;年份效应对产量、穗长、鲜千粒质量达到显著水平,其余农艺性状未达到显著水平,对鲜千粒质量贡献率达到17.2%,对其余农艺性状贡献率很小(基本都在4%以下),说明年份效应对鲜千粒质量之外的农艺性状影响很小;地点效应除穗行数未达到显著水平外,其他性状均达到极显著水平,贡献率在1.9%~ 36.3%之间,说明地点效应对各农艺性状影响差异比较大,对各农艺性状的贡献程度大小为产量(36.3%)>行粒数(29.3%)>鲜千粒质量(27.5%)>出籽率(19.1%)>穗粗(15.4%)>净穗率(13.0%)>穗长(8.3%)>穗行数(1.9%),可以看出产量受地点影响较大,穗行数和穗长基本不受地点影响;品种与地点互作效应只有产量性状达到极显著水平,贡献率为10.3%,其他性状未达到显著水平,贡献率基本在5%以下,说明品种与地点互作效应对产量性状影响较大,对其他性状影响较小;年份和地点互作效应除穗粗和穗行数达到显著水平外,其余性状均达到极显著水平,贡献率基本都在15%以上,大小依次为出籽率(37.1%)>产量(25.7%)>净穗率(20.7%)>行粒数(16.5%)>穗粗(15.4%)>穗长(15.1%)>鲜千粒质量(10.8%)>穗行数(5.0%),说明年份与地点互作效应对穗行数影响最小,对其余性状都有较大影响,特别是出籽率、产量和净穗率。地点相关效应(年份与地点互作效应+地点效应)贡献率在6.9%~62.0%之间,不同农艺性状之间地点相关效应贡献率差异较大,其中对产量贡献率最高,为62.0%,对构成产量相关农艺性状的贡献率依次为出籽率(56.2%)>行粒数(45.8%)>鲜千粒质量(38.3%)>净穗率(33.7%)>穗粗(30.8%)>穗长(23.4%)>穗行数(6.9%),说明产量、出籽率、行粒数主要受地点相关效应影响。
点击放大 |
品种评价主要是对品种的稳定性、生产水平和适应性等指标进行评价。优良品种不仅要在有利的条件下保持高产,在不利的条件下也应具有相对高产的能力。所以,一个应用范围广的品种应具有高产稳产、适应性强的基本特征。根据分析结果可以看出, 基于产量性状分析的糯玉米品种数量多达29个,所以在实际生产中建议选取最适宜或者部分适宜的品种,并且参考其他相关指标(稳定性)来决定是否推广种植。
2.2.1 品种丰产性品种丰产性是指品种的生产水平,即一个品种在整个区域中的平均生产能力。按照模型(1) 对糯玉米产量数据进行分析,对品种的产量性状均值(小区产量)用Tukey法进行多重比较,结果见表 2。根据多重比较结果,选取标有“a”的品种作为产量性状较优者,适宜在浙江省推广和种植,其中标有“*”的品种为最适宜品种,宜重点推广和示范。从表 2中可以看出,产量性状适宜性好的品种有天糯828 (G7)、科甜糯2号(G16)、京科糯569(G14)、新甜糯88(G8)等4个品种。
点击放大 |
品种稳定性是指品种在不同环境下表现出的变异特性。用模型(1) 预测出的各品种效应值(Gi)、品种与试点的互作效应值(GLij)计算σi2,评价各品种的地点稳定性。从表 2可以看出,各品种的σi2值有所差别,其中:浙糯1201(G19)、南粤花糯(G17)、科甜糯2号(G16)、美玉8号(G3)等4个品种的σi2值较小,稳定性较高;花甜糯8013(G12)、美玉15号(G25)、天贵糯161(G6)、浙糯1202(G9)等4个品种的σi2值较大,稳定性较差。
2.3 试点评价 2.3.1 试点总体精度试点精度是指试验中相同处理的重复观测值间相互接近的程度,直接反映了区域试验的质量;试验精确度越高,品种间差异的鉴别越准确。以试点产量为依据进行统计分析,用模型(2) 计算出误差项均方(MSE),用式(3) 计算误差变异系数(CEV),结果见表 3。误差变异系数(CEV)越小,试验精确度越高。一般而言,田间试验的CEV若小于10%,说明试验误差控制得较好,通常在区域试验中可容忍的CEV为12%。从表 3中可以看出,该轮区域试验(8个试点)的CEV均低于10%,试验的总体CEV为4.63%,小于10%:说明浙江省糯玉米品种区域试验的整体水平较高,试验误差控制得较好,数据可信。
点击放大 |
试点生产水平是指一个试点产量水平的高低,反映了该试点的环境条件(包括试验条件)是否适宜参试品种的生长,一般用一个试点所有参试品种的产量均值来表示。2013、2014和2015年区试各试点所有参试品种的产量均值见表 3。从中可以看出:8个试点产量均值存在较大差异,说明不同试点的生产水平有高有低,平均产量越高,生产水平越高;嵊州的生产水平最高,杭州的生产水平最低,其余试点的生产水平中等。
2.3.3 试点分辨力试点分辨力是指一个试点上参试品种所表现的变异大小。分辨力高的试点,品种间的变异大,表明该试点的环境条件有利于充分展现参试品种间的差异,有利于不同品种的比较。地点分辨力研究主要是考察基因型(品种)与地点互作效应的大小,对产量性状单个试点各个品种与地点互作效应进行方差分析求出σGL2,其值越大,该试点对品种的分辨能力越强。从表 3中可以看出:各个试点对品种的分辨能力有所差别,嘉善、杭州、淳安等3个试点的σGL2值均较大,具有较强的品种分辨力,其中嘉善的分辨力最强;宁海、仙居2个试点的σGL2值较小,对参试品种的分辨力较弱。
2.3.4 试点代表性试点代表性分为2种,分别为普遍代表性和特殊代表性。普遍代表性是指一个试点上的试验结果与整个区试结果的一致程度,反映了试点对整个区试环境的代表程度。相反,特殊代表性是指一个试点上的试验结果与整个区试结果的不一致程度,反映了试点对某一类特殊环境的代表程度。试点代表性用每一个地点的各品种表型值与各品种总体均值的相关系数来表示,相关系数越大,试点普遍代表性越高,反之,试点特殊代表性越高。用模型(1) 预测的产量性状品种效应值(Gi)、地点效应值(Lj)、品种与地点互作效应值(GLij)合成值之间的相关系数(表 3)作为评价试点代表性的标准。从中可以看出:东阳、江山、淳安、杭州4个试点的相关系数较高,普遍代表性较好,宜鉴别广泛适应性的品种;嵊州、嘉善2个试点的相关系数较低,特殊代表性较高,适于鉴别一些特殊性状的品种。
2.3.5 试点稳定性和效应值综合评价试点稳定性是指一个试点在不同年份试验中表现出的变异程度,反映了试点的试验环境条件的稳定性,包括试点环境对不同气候条件的缓冲能力[9]。选取糯玉米产量性状,用模型(1) 预测出的地点效应均值(Lj)和地点与年份互作效应(GLij)计算σj2,评价各试点的稳定性,以及对地点效应均值(Lj)用Tukey法进行多重比较。σj2值越大,试点稳定性越差,σj2值越小,试点稳定性越高。从表 3中可以看出:嵊州产量均值最高,但稳定性最差;东阳稳定性最好,产量均值中等偏高;嘉善稳定性和产量均值处于中等水平。
3 讨论糯玉米的农艺性状受到基因型、环境(年份和地点)以及基因型与环境互作等多因子共同影响。前人的研究多注重平均值的比较,不涉及多产区,品种、地点效应作为固定效应。区域试验中采用不同的分析模型对结果有较大影响,甚至达到严重差异。通常,区试的目标在于筛选出性状综合表现较好、在生态区可推广应用的新品种,以及适合区试的理想试点。因此,一般将品种作为固定效应,而年份、地点及其与品种的互作效应都作为随机效应,当参试品种数目较多时,品种也可作随机效应处理。无论是多年多点、多年单点或单年多点的作物区域试验,采用基于混合线性模型的分析策略较为合适。
目前,多环境区试资料分析常采用AMMI模型[7-8],能分析品种与环境的互作效应,但AMMI模型是一个固定模型,只适用于分析单年多点的区试,不适合分析多年多点的试点资料。胡希远等[2, 15]指出,Eberhart-Russell模型、AMMI模型并不适合所有试验资料,而混合线性模型可借助多种方差-协方差结构来反映各类试验数据,能很好适应方差同质和异质的情况。本研究是一个多年多点的区域试验,采用基于混合线性模型的方法,运用QTModel软件和SAS软件分析试验数据。基于预测出的各效应分量值分析试点稳定性、代表性、分辨力、均值差异以及品种稳定性、均值差异。对于各试点的稳定性,一般用不同年份间同一组参试品种性状的相关系数表示;试点分辨力,一般用试点对品种指数的回归系数或各试点参试品种间的遗传变异系数来表示;品种的稳定性,采用各试点观测值对环境指数的简单回归进行分析[3],但是这些分析方法都没有将具体的效应值分离进行计算,无法独立分析试点稳定性、分辨力以及品种稳定性。我们通过估算品种效应值、试点效应值,以及品种与试点互作效应值、试点与年份的效应值,对各具体指标进行了独立分析。例如,基于各试点效应值、试点与各年份的互作效应值进行试点的稳定性评价,基于各品种效应值、品种与不同地点的互作效应值进行品种的稳定性评价,使得分析更为简洁直观。
根据浙江省2013—2015年糯玉米区试结果,我们对浙江省8个区试点29个参试品种进行了综合评价:8个试点的生产水平有较大差异,其中生产水平较高的试点为嵊州和江山;8个区试点的试验误差变异系数均较小,试验均有效;嘉善、淳安等2个试点具有较强的品种鉴别力,宁海、仙居等2个试点对品种鉴别力较弱;东阳、江山、淳安、杭州等4个试点普遍代表性高,适于鉴别具有广泛适应性的品种,是理想的糯玉米区试点和育种点;嵊州、嘉善等2个试点特殊代表性高,适于鉴别一些特殊性状的品种;东阳、江山等2个试点在产量性状上稳定性好、生产水平高。通过产量性状筛选出适宜浙江省种植的品种为天糯828、科甜糯2号、京科糯569、新甜糯88等4个品种,稳定性较好的品种为浙糯1201、南粤花糯、科甜糯2号、美玉8号等4个品种,综合考虑稳定性及产量因素,认为科甜糯2号为适宜浙江省种植的糯玉米品种。
[1] |
樊龙江, 胡秉民. 作物区域试验点区辨力估算方法的比较研究. 生物数学学报, 2000, 15(2): 175-179. FAN L J, HU B M. Comparison of different methods for estimating location resolution in crop regional trial. Journal of Biomathematics, 2000, 15(2): 175-179. (in Chinese with English abstract) |
[2] |
胡希远, 尤海磊, 任长虹, 等. 基于协方差阵结构优选的作物品种区域试验分析. 作物学报, 2009, 35(11): 1981-1989. HU X Y, YOU H L, REN C H, et al. Analysis of crop variety regional trials based on selection of covariance structures. Acta Agronomica Sinica, 2009, 35(11): 1981-1989. (in Chinese with English abstract) |
[3] | EBERHART S A, RUSSELL W A. Stability parameters for comparing varieties. Crop Science, 1966, 6(1): 36-40. DOI:10.2135/cropsci1966.0011183X000600010011x |
[4] |
张群远, 孔繁玲. 作物品种区域试验统计分析模型的比较. 中国农业科学, 2002, 35(4): 365-371. ZHANG Q Y, KONG F L. Comparison of statistical models for regional crop trial analysis. Scientia Agricultura Sinica, 2002, 35(4): 365-371. (in Chinese with English abstract) |
[5] | OMAN S D. Multiplicative effects in mixed model analysis of variance. Biometrika, 1991, 78(4): 729-739. DOI:10.1093/biomet/78.4.729 |
[6] |
李本贵, 阎俊, 何中虎, 等. 用AMMI模型分析作物区域试验中的地点鉴别力. 作物学报, 2004, 30(6): 593-596. LI B G, YAN J, HE Z H, et al. Analyzing site discrimination in crop regional yield trial by AMMI model. Acta Agronomica Sinica, 2004, 30(6): 593-596. (in Chinese with English abstract) |
[7] |
罗学芳, 苟才明. Eberhart和Russell模型在玉米区域试验中的应用. 西南农业学报, 2010, 23(2): 602-604. LUO X F, GOU C M. Application of Eberhart and Russell model in regional experiment of maize. Southwest China Journal of Agricultural Sciences, 2010, 23(2): 602-604. (in Chinese with English abstract) |
[8] |
何代元, 胡宁, 马兆锦, 等. AMMI模型在玉米区域试验中的应用. 玉米科学, 2009, 17(4): 144-147. HE D Y, HU N, MA Z J, et al. Application of AMMI model in regional experiment of maize. Journal of Maize Science, 2009, 17(4): 144-147. (in Chinese with English abstract) |
[9] |
张群远, 孔繁玲, 廖琴, 等. 作物品种区域试验的评价体系及评价方法. 农业系统科学与综合研究, 2000, 16(2): 81-86. ZHANG Q Y, KONG F L, LIAO Q, et al. Evaluation of system and methods for regional crop trials. System Sciences and Comprehensive Studies in Agriculture, 2000, 16(2): 81-86. (in Chinese with English abstract) |
[10] |
纪荣昌, 卢和顶, 陈山虎, 等. 甜玉米区域试验点对品种鉴别能力估计方法的研究. 中国农学通报, 2008, 24(10): 153-156. JI R C, LU H D, CHEN S H, et al. Studies on methods of discriminating ability of location for sweet maize regional tests. Chinese Agricultural Science Bulletin, 2008, 24(10): 153-156. (in Chinese with English abstract) |
[11] |
朱军, 许馥华, 赖鸣冈. 作物品种区域试验非平衡资料的分析方法:单一性状的分析. 浙江农业大学学报, 1993, 19(1): 7-13. ZHU J, XU F H, LAI M G. Analysis method for unbalanced data from regional trials of crop variety: Analysis for single trait. Journal of Zhejiang Agricultural University, 1993, 19(1): 7-13. (in Chinese with English abstract) |
[12] |
朱军, 赖鸣冈, 许馥华. 作物品种区域试验非平衡资料的分析方法:综合性状的分析. 浙江农业大学学报, 1993, 19(3): 241-247. ZHU J, LAI M G, XU F H. Analysis methods for unbalanced data from regional trial of crop variety: Analysis for multiple traits. Journal of Zhejiang Agricultural University, 1993, 19(3): 241-247. (in Chinese with English abstract) |
[13] |
陈洪梅, 杨峻芸, 谭静. 玉米区域试验精确度分析及品种的灰色综合评判. 西南农业学报, 2004, 17(增刊1): 228-232. CHEN H M, YANG J Y, TAN J. Analysis of experimental precision and grey integrative evaluation of varieties in maize regional trials. Southwest China Journal of Agricultural Sciences, 2004, 17(Suppl.1): 228-232. (in Chinese with English abstract) |
[14] | YANG J, ZOU Y, ZHU J. Identifying differentially expressed genes in human acute leukemia and mouse brain microarray datasets utilizing QTModel. Functional and Integrative Genomics, 2009, 9(1): 59-66. DOI:10.1007/s10142-008-0096-5 |
[15] |
胡希远, 尤海磊, 宋喜芳, 等. 作物品种稳定性分析不同模型的比较. 麦类作物学报, 2009, 29(1): 110-117. HU X Y, YOU H L, SONG X F, et al. Comparison of different models for crop stability analysis. Journal of Triticeae Crops, 2009, 29(1): 110-117. (in Chinese with English abstract) |