棉花品种相对于商业对照品种的竞争力及产量目标(Competitiveness Against Commercial Checks and Yield Targets)评估
《Agriculture》:Assessing Cotton Cultivar Competitiveness Against Commercial Checks and Yield Targets
编辑推荐:
摘要:育种计划日益依赖头对头比较(head-to-head comparisons)向利益相关者说明适宜当地条件的最优品种。本研究实施并评价了一个实用、透明的Microsoft Excel?框架,通过在36个环境中以三种胜出幅度(超出对照、超出对照且超过环境均
摘要:育种计划日益依赖头对头比较(head-to-head comparisons)向利益相关者说明适宜当地条件的最优品种。本研究实施并评价了一个实用、透明的Microsoft Excel?框架,通过在36个环境中以三种胜出幅度(超出对照、超出对照且超过环境均值2.5%和10%)评估7个棉花品种相对于1个商业对照(commercial check)的竞争力,借此量化品种竞争力。利用Microsoft Excel?中的非参数统计公式,研究人员计算了三个竞争力指数——W0(任意正向差异即计为胜)、W2.5(超出对照且超过环境均值2.5%计为胜)和W10(超出对照且超过环境均值10%计为胜),以衡量品种优于商业对照的概率。此外,研究人员计算各品种在每个试点中排在前、中、后三分之一的次数,构建了两个指数Top(前三分之一出现次数)和Mid(中三分之一出现次数)。结果显示,两个基因型具较高胜出概率(≥53%的环境);对于2.5%微小产量差异阈值,仅品种G3在36个环境中的19个(53%)超越对照,且多出现在前三分之一梯队(58%)。由于10%阈值对近商业化品种不现实,研究人员建议以用户定义的经济阈值替代。该方法有效地以决策者易理解的形式量化了品种特定与一般竞争力;W0、W2.5和Top指数关联于动态稳定性(dynamic stability)概念,而Mid指数同时关联静态(static stability)与动态稳定性概念。
论文解读:棉花品种相对于商业对照的竞争力及产量目标评估——基于非参数Excel框架的多点环境试验分析
研究背景与意义
开展多点环境试验(multi-environment trial, MET)是育种家和推广农学家识别与推荐最适基因型的基础,但基因型×环境互作(genotype–environment interaction, GEI)常导致品种排名跨环境变动,给品种推荐带来困难。现有稳定性统计多为参数方法,要求满足正态性等假设且在跨非专业人员沟通时不够直观;而育种项目与种子公司决策日益倚重新品种与商业对照(commercial check)的头对头比较(head-to-head comparison),并要求结果能以简明、透明形式传达给多元背景的利益相关方。为填补这一需求,研究人员提出并验证了一套可在Microsoft Excel?中运行的非参数竞争力指数体系,结合胜出频次与环境内三分位排名,用以量化候选品种超越参照对照的概率及其一般竞争能力,并与经典参数与非参数稳定性指标做关联分析,以期为品种评价提供兼顾严谨性与可传播性的工具。本文发表于《Agriculture》。
主要技术方法概述
研究人员使用希腊2005–2007年36个环境中8个陆地棉(Gossypium hirsutum L.)品种(7个待测+1个商业对照G1)的完整籽棉产量(seed cotton yield, SC)数据集(n=8×36,四重复,随机完全区组设计)。在R中拟合混合模型进行方差分析与遗传力估算;在Excel中以环境行为行、基因为列,构建:(1)与对照比对的三个胜出/中立/失败计分——W0(任意更高)、W2.5(高于对照+环境均值×2.5%)、W10(高于对照+环境均值×10%);(2)Top(排前三分之一次数)、Mid(排中三分之一次数)、Bottom(排后三分之一次数)三分位排名得分。对胜/负频次做精确二项检验(H0: p=0.5或p=1/3)。在R(metan包)中计算Shukla方差、Wricke生态价(ecovalence)、Eberhart–Russell偏差(sij)、Annicchiarico置信指数(Wig/Wif/Wiu)、AMMI稳定性参数(ASTAB/ASI/ASV)、BLUP类指标(HMGV/RPGV/HMRPGV)及非参数稳定性统计量(Lin–Binns Pia/Pif/Piu、Huehn S1–S6、Thennarasu N1–N4、Fox top-third法),通过Spearman秩相关与PCA分析新指数与传统稳定性指标的关联。
研究结果
3.1. Analysis of Variance and Mean Seed Cotton Yield(方差分析与平均籽棉产量)
研究人员通过跨环境ANOVA发现环境效应占处理平方和91.66%,基因型(G)与G×E分别占1.42%和6.93%;条目均值遗传力(H2)达0.86。平均产量上G3最高(较对照+3.1%),G2、G7、G8显著低于对照(p<0.05),其余与对照无显著差异,说明仅G3具明确产量优势。
3.2. Head-to-Head Comparisons(头对头比较)
W0比较中G3胜出25次(69%),G4为19次(53%),其余品种胜率≤44%;经精确二项检验G3显著优于随机(p=0.029),G2、G8显著劣势(p≤0.029)。W2.5中仅G3达19胜(53%),G4–G6大致均势且有较多中立结果,G2、G7、G8多败。W10因绝大多数环境落入中立带(26–34/36)无法有效区分。Top/Mid/Bottom排名显示G3居前三分之一次数21次(58%,p=0.002),居后三分之一次数仅5次(p=0.013);G2、G7、G8多居后三分之一;对照G1及G4–G6多居中中间三分之一。G4均衡(Mid最高),G5在有利环境中略偏Top更多,G6在后三分之一出现偏多。分层有利/不利环境表明G5在有利环境中竞争力更强。
3.3. Head-to-Head Scatterplots(头对头散点图)
研究人员绘制待测品种对对照产量的散点及±2.5%、±10%阈值线,以及品种对环境均值的散点及上/下三分位回归线。G3对对照的图显示其在高产环境(SC>4500 kg ha?1)多落于+2.5%阈值线上方(胜出),对整体环境均值图显示G3极少落于下三分位,直观印证其广适高响应特征。
3.4. Cultivar Ranking and Relationships Between Yield and Indices(品种排序及指数与产量关系)
基于7个待测基因型的Spearman秩相关显示SC、W0、W2.5、Top彼此强相关(ρ=0.88–0.99, p<0.05),W10和Mid不与上述相关。传统指标中Annicchiarico Wig/Wif、BLUP类HMGV/RPGV/HMRPGV、Thennarasu N2/N3与SC及W0/W2.5/Top强相关,属动态稳定性组;Shukla方差、Wricke生态价、AMMI参数及Huehn S2/N1构成静态稳定性组且与新指数无关;Mid与Wiu(不利环境Annicchiarico指数)聚为中—动态混合组。PCA双标图将指数分为三组:A组(产量响应/动态稳定相关:SC、W0、W2.5、Top、Wig、Wif、HMGV等),B组(静态稳定:Shukla、Ecoval、ASI、ASTAB等),C组(混合:Mid与Wiu),W10无明确归属因阈值过严。
讨论与结论总结
讨论指出,仅依均值不足以判断超越对照的可能性,所提Excel框架能量化不同经济阈值下超越商业对照的概率并兼容一般竞争力(Top/Mid排名),适合参与式育种等非专业受众沟通。W0、W2.5、Top关联动态稳定性概念(品种响应随环境变化平行于总体均值响应),Mid反映静态+动态混合稳定性,W10在此类近商业化材料中因10%阈值不现实而无判别力,建议以经济相关最小增产阈值取代固定值。对照选择须匹配目标区域适应范围。该框架可与已有交互式仪表板互补,作为透明、可复现的品种筛选与沟通工具推广至其他作物与地区。
结论:本研究提出的Excel框架可有效量化棉花品种相对商业对照的特定与一般竞争力;W0、W2.5和Top指数关联动态稳定性概念,Mid指数关联静态与动态混合稳定性概念;10%胜出阈值对近商业化品种不现实,推荐用户依经济意义自行设定阈值;工作簿与原始数据公开以支持跨作物、跨地区透明可重复应用。