作物稳定性研究进展(3)

　　参数型稳定性统计量同线性回归的稳定性参数一样，都是基于正态分布假设和方差同质性假设。Huhn  于1979年提出了度量表型稳定性的几种非参数方法，这种方法是基于各基因型在不同环境中所处的等级是否相似的思想来度量稳定性的。Nasser  和  Huhn  在此基础上作了进一步改进和完善。由于  Huhn  的非参数法无需对所考察性状的表型值作出任何分布假设，个别品种的增减也不会导致分析结果受较大影响，因而被越来越多的农业工作者所采用。

3  交叉互作分析

　　如果基因型间方差分量的变化不会导致基因型间的排列顺序(秩次)的改变，这对作物育种学家选择最优表型没有影响。随着环境变得越来越有利，基因型间的差异也逐渐变大，但保持秩次不变，这种类型的方差只在尺度上有变化，被称为基因型方差的异质性或异质性方差(  heterogeneity  of  genotypic  variances，HET)。而各环境下基因型的秩次发生变化，这是由于环境间各基因型表现缺乏完全的遗传相关(  lack  of  perfect  genetic  correlation  )所致，是在方向上的变化，又被称为“质量互作”或“交叉互作”。COI  的存在表明某些基因型在某些环境表现出特别适应，而另外的基因型则在其他环境有好的表现。将  GEI  分解为  HET  和  COI  两部分，可进一步理解  GEI  的本质，并且  HET  还可以作为将基因型聚类的距离测量(相异系数)。相同的道理，也可对环境进行聚类。

4  多元统计方法

　　回归分析法试图用两个参数(回归系数  bi  或  βi  和回归离差  δij  对  GEI  作出解释，而大多数单变量稳定性参数统计的出发点则是仅用一个参数对  GEI  进行概括。从直观上讲，在作物新品种的选育过程中对基因型的取舍确定一个标准是切实可行的，也是非常必要的，这也就意味着以单参数取代两个参数更易于操作。但对于表现为非加性的  GEI  分量，由于其太复杂而无法简单地用一、两个参数来综合概括。因此，原本为其他应用领域所建立的大量多元统计方法如多元方差分析，多元回归分析，主成分分析，因子分析，AMMI  模型，典范分析，聚类分析，主坐标化(或称双标图，Biplots  )等被用来分析基因型与环境的交互作用，便于对  GEI  从多个方面进行考察，从而能够获取更多的有用信息。这些多元统计方法除多元方差分析、聚类分析和多元回归分析外，具有的一个共同点：即都是采用矩阵奇异值分解，将  p×q  维的数据矩阵降维，从而获得能包含原始资料大部分信息的几个新的坐标轴系统(剩余部分作误差处理)，达到简化分析的目的。

　　多元方差分析和多元回归分析在作物稳定性分析中的应用可参考郭银燕和胡秉民等(1995～1999)的相关研究论文；聚类分析的详细论述可参见张全德和胡秉民、胡秉民和耿旭的专著，这里仅列出  GEI  分析中常用的相似或相异系数(表4)；坐标化则可参考  Kempton、王磊和杨仕华等有关的研究论文。其余的多元统计方法如  SHMM  等，详细论述和研究应用实例有另文报道。

5  小结

　　综上所述，对于作物稳定性测度模型的探讨已日趋完善，且其应用也向多个方向发展。虽说模型的研究在理论上和假设上更加严谨，但对实际问题如何选用合适的模型加以测定是农业科学工作者需要充分注意的问题。值得注意的是，如果试验数据规范，并通常满足数据正态性和同质性假设，则往往用模型前面部分(线性回归部分或加性部分)加以简便分析；当不能满足正态性和同质性假设的前提条件，也涉及可加性原则或其他诸如误差分布的某些假设时，则往往需要采用更为复杂的模型加以分析。但在这些复杂模型分析中，往往存在诸如实际问题中主成分个数的取舍、平方和与自由度的分割、计算机迭代后的精度等问题，由于这些问题的存在，使其对模型的可信度产生一定程度的质疑。因而，在进行作物稳定性评价时，似乎应以多种模型分析的基础上对稳定性作出综合评估为妥。   (责任编辑：泉水)

搜索

热门标签:

作物稳定性研究进展(3)