国内外众多学者[1-4]认为，A M M I模型对于分析品种稳定性具有理想的效果，可将方差分析和主成分分析有机地结合在一起，并借助双标图和互作效应值直观而定量地描述G EI（基因型与环境的互作），进而对品种的稳定性和试点分辨力做出评价[5]。目前该模型被广泛用于基因型与环境互作效应分析、农作物[6-13]区域试验的产量性状分析和作物性状配合力分析[14-16]。文中拟用A M M I模型对四川省泸州、宜宾、贵州省毕节3个植烟区4个烤烟品种的产量、产值进行研究，定量分析了环境、品种因素、G EI对产值量变异的影响，以验证品种的稳定性和地点的分辨力。

1 材料与方法

1.1 试验设计

参试烤烟品种4个，分别为：云烟87（g1）、云烟85（g2）、云烟99（g3）、云烟105（g4）；参试地点4个，分别为：泸州叙永县（e1）、泸州古蔺县（e2）、宜宾兴文县（e3）、毕节金沙县（e4）。采用随机区组设计，3次重复，每品种各小区种植60株，设为3行区，每行20株，栽培规格为1.2 m×0.5 m，折算667 m2产量和667 m2产值。

1.2 统计方法

A M M I模型中，主效应可加，G EI采用若干个乘积项之和进行估算，公式如下：

 

式中，yge为是在环境e中品种g的产量，μ为总体平均值，αg为品种平均偏差（各个环境的平均值减去总的平均值），λn为是第n个主成分分析的平均值，δgn为第n个主成分的品种主成分得分，γδn为第n个主成分的环境主成分得分，n是在模型主成分分析中主成分因子轴的总个数，θge为残差。

生物医药是当今世界发展最迅猛的产业之一，也是国际竞争的焦点和战略制高点，无论是国内还是国际世界，都把生物医药产业作为重点竞相发展。全省产品是促进中部地区崛起的重要战略支点，近年来生物医药产业发展迅猛，形成了中成药、中药饮片、生物医药、化学合成原料药及制剂、医疗器械、制药机械、卫生材料和医药包装等门类品种齐全，产学研力量雄厚，现代生物技术、新医药与传统医药协同发展的医药工业体系。其中，武汉生物制品研究所代表着中国生物技术研发的最高水平，是产学研结合的典范。因此，将选择生物医药作为实证分析产业。

采用D PS 9.01统计分析软件的A MM I模型分析模块进行分析。

广西中高端酒店发展问题与对策研究 ………………………………………………………………………………… 陆焕玲（6/44）

2 结果与分析

2.1 品种、试点的667 m2产量、667 m2产值变异及变异分量

2.2.1 以667 hm2产量为x轴 A M M I1双标图（图1）横坐标反映667 m2产量高低，品种图标比地点图标分散，表明同一地点、不同品种的667 m2产量差异大，而同一品种在不同地点的667 m2产量差异相对较小；纵坐标反映G EI差异，以IPCA 1=0做一条水平线，图标越接近IPCA 1零值，则品种的稳定性越好或地点的分辨力越低，品种的稳定性g1＞g3＞g2＞g4，地点的分辨力e4＞e1＞e2＞e3；在垂直方向，作IPCA 1=0水平线，品种与同在该水平线一侧的地点有正的互作，与另一侧的地点有负的互作，g1、g4在试点e4有较好的适应性，g2、g3在试点e1、e2、e3有较好的适应性。

创新数学教学形式是提升学生学习能力的重要举措。当前一些教师教学保守，创新能力不足，创新意识匮乏，教师严格按照课本教材内容讲学，没有新颖性。而有些内容靠学生自己阅读课本就能理解，使得教师形同虚设，严重阻碍了学生学习能力的发展。这是特别要注意的地方。

A M M I模型分析表明，前面2个IPCA轴达到极显著水平，不显著的IPCA轴的变异合并为残差，即噪声。两者累计解释交互作用的99%以上，而667 m2产量和667 m2产值线性回归模型仅分别解释了74.67%和42.29%的G EI平方和，这说明A M M I模型分析G EI更加有效。

产值联合方差分析表明：品种和G EI存在极显著差异，与环境间的差异不显著，品种变异的平方和占总处理平方和的54.07%，G EI变异的平方和占总处理平方和的43.54%，这表明品种间的差异是引起产值差异的主要原因。

 

表1 联合方差分析、回归分析、AMMI模型分析结果

  

注：*表示差异显著（P＜0.05），**表示差异极显著（P＜0.01）。

 

模型 变异来源 自由度 667 m2产量 667 m2产值平方和 均方 F检验 平方和 均方 F检验方差分析 总的 47 940.71 20.02 728 686.85 15 503.98处理 15 812.03 54.14 13.46** 512 187.05 34 145.80 5.05**品种 3 428.78 142.93 35.54** 276 923.49 92 307.83 13.64**地点 3 69.56 23.19 5.77** 12 249.92 4 083.30 0.60 GEI 9 313.69 34.85 8.67** 223 013.64 24 779.29 3.66**误差 32 128.68 4.02 216 499.80 6 765.62回归分析 GEI回归 5 234.24 46.85 11.65** 94 318.56 18 863.71 2.79*残差 4 79.45 19.86 4.94** 128 695.08 32 173.77 4.76**AMMI分析 IPCA1 5 248.32 49.66 151.57** 163 220.58 32 644.12 63.98**IPCA2 3 65.04 21.68 66.17** 59 282.82 19 760.94 38.73**残差 1 0.33 0.33 510.24 510.24

2.2 品种稳定性和地点分辨力

从表1可以看出，烟草4个品种在4个环境进行的产量试验存在极显著的品种、环境互作效应，其变异的平方和占总处理平方和的38.63%，变异的平方和占总处理平方和的52.80%，环境变异的平方和占总处理平方和的8.57%，这表明品种间的差异是引起产量差异的主要原因。

三是流域取水总量控制。建立有太湖流域特色的水资源开发利用控制红线，除了在流域和行政区域应实行取水总量控制制度外，按照流域水资源实际，明确了太湖等流域重点河湖也实行取水总量控制，将河道外取水户及水闸、泵站等河道内取水户纳入总量控制，并实时监控，从流域层面平衡和协调省际用水需求。

A M M I1双标图代表了79.16%的G EI变异信息，基本能够推断品种稳定性和地点分辨力，A M M I2双标图（图2）代表了99.89%的G EI变异，在该基础上进行推断更加准确，在A M M I2双标图中，离坐标原点越近，品种越稳定，试点分辨力越低。稳定性最好的品种是g1，分辨力最高的试点是e3。

  

图1 667 m2产量AMMI1双标

  

图2 667 m2产量AMMI2双标

2.2.2 以667 hm2产值为x轴 由图3可以看出，在反映667 m2产值高低的横坐标轴上，品种图标比试点图标分散，表明同一地点、不同品种的667 m2产值差异大，而同一品种在不同地点的667 m2产值差异相对较小；在反映G EI变异的纵坐标轴上，品种的稳定性g2＞g3＞g1＞g4，地点分辨力e4＞e1＞e2＞e3；g4在e3、e4试点有较好的适应性，g1、g2、g3在e1、e2试点有较好的适应性。

A M M I1双标图代表了73.19%的G EI变异信息，基本能够推断品种稳定性和地点分辨力，A M M I2双标图（图4）代表了99.77%的G EI变异，在该基础上进行推断更加准确，图中显示，稳定性最好的品种是g3，分辨力最高的地点是e4。

  

图3 667 m2产值AMMI1双标

  

图2 667 m2产值AMMI2双标

3 结论与讨论

试验结果表明，以667 m2产量和667 m2产值作为衡量指标，供试烤烟品种的贡献率大于环境，其他品种需要做进一步的试验验证。云烟87具有较高且稳定的产量，但是产值的稳定性稍差；云烟85和云烟99具有广适性，其中云烟99的产值稳定且在泸州有较好的表现；宜宾兴文县对品种产量差异敏感，毕节金沙县对品种产值差异的分辨力较强。

参考文献

[1]黄英姿、毛盛贤.基因型与环境互作研究进展[J].作物学报， 1992，18（2）：116-125.

[2]王磊，张群远，张晓东.产量区域试验统计分析-因子设计的AMMI分析[J].北京：中国农业科技出版社，2001.

[3]胡秉民，耿旭.作物稳定性分析法[J].北京：科学出版社，1993.

[4]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，2002，35（4）：365-371.

[5]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，1998，24（3） ：304-309.

[6]ROBINSON J，JALLI M.Sensitivity of resistance to net blotch in barley[J].Journal of Phytopathology， 1999， 147：235-241.

[7]NEWMAN G，HARRIS I M，EDWARDS J G.Determining the physical properties of flax fibre for industrial applications：the influence of agronomic practice[M].Annals of Applied Biology， 2006， 149：15-25.

[8]郭天财，马冬云，朱云集，等.冬播小麦品种主要品质性状的基因型与环境及其互作效应分析[J].中国农业科学，2004，37（7）：948-953.

[9]蒋开锋，郑家奎，赵甘霖，等.基于AMMI模型的NCⅡ交配设计试验的配合力分析[J].作物学报， 2000， 26（6）：959-962.

[10]万向元，胡培松，王海莲，等，水稻品种直链淀粉含量糊化温度和蛋白质含量的稳定性分析[J].中国农业科学，2005，38（1）：1-6.

[11]曾献英.AMMI模型在棉花区域试验中的应用[J].棉花学报， 2004，16（4）：233-235.

[12]屠曾平.水稻光合特性研究与高光效育种[J].中国农业科学， 1997，30（3）：28-35.

[13]WAMATUJN，THOMASE.Theinfluence of genotype×environment interaction on the grain yields of 10 pigeonpea cultivars grown in Kenya[J].Journal of Agronomy and Crop Science， 2002， 188：25-33.

[14]SUDARIĈA， ŠIMIĈD S， VRATARIĈ M.Characterization of genotype by environment interactions in soybean breeding programmes of southeast Europe[J].Plant Breeding， 2006， 125：191-194.

[15]FAN L J，HU B M，SHI C H，et al.A method of choosing locations based on genotype×environment interaction for regional trials of rice[J].Plant Breeding， 2001， 120：139-142.

[16]ADUGNA W，LABUSCHAGNE M T.Genotype×environment interactions and phenotypic stability analyses of linseed in Ethiopia[J].Plant Breeding， 2002，121：66-71.