AMMI и GGE biplot анализ взаимодействия генотип–среда линий ячменя ярового

Стабильность урожайности зависит от устойчивости сортов и гибридов к стрессовым факторам окружающей среды. Оценка степени взаимодействия генотип–среда помогает селекционерам выбрать лучшие генотипы для передачи в Государственное сортоиспытание. В статье представлены результаты АММI (additive main effect and multiplicative interaction) и GGE (genotype plus genotype-environment interaction) biplot анализа урожайности восьми перспективных линий ячменя ярового селекции Института растениеводства им. В.Я. Юрьева НААН Украины и двух сортов-стандартов в 2012–2015 гг. Целью исследований было определить степень влияния генотипа, среды и их взаимодействия на урожайность и выделить стабильные и продуктивные генотипы. Опыт был заложен рандомизированно в четырех повторениях. Дисперсионный анализ данных урожайности позволил оценить влияние эффектов среды (85.8 %), генотипа (8.1 %) и взаимодействия генотип– среда (6.1 %) на вариабельность урожайности. Для оценки влияния эффекта генотип-средового взаимодействия на уровень урожайности данные были проанализированы с помощью АММI и GGE biplot анализа. Модель AMMI оказалась более эффективной, сохраняя большую часть вариации в первых двух главных компонентах – 95.7 %, в то время как GGE biplot – 82.9 %. Обе модели указали на линии 09-837 (G8) и 08-1385 (G9) как наиболее урожайные и стабильные. Эти линии переданы в Государственное испытание под названием «Авгур» и «Велес». Результаты исследований показали информативность использования методов АММI и GGE biplot для оценки стабильности и адаптивности генотипов в практической селекции и рекомендации сортов для Государственного сортоиспытания.

1. Annicchiarico P. Joint regression vs AMMI analysis of genotype-environment interactions for cereals in Italy. Euphytica. 1997;94:53-62. DOI 10.1023/A:1002954824178.

2. Bajpai P.K., Prabhakaran V.T. A new procedure of simultaneous selection for high yielding and stable crop genotypes. Indian J. Genet. Pl. Br. 2000;60:141-146.

3. Balestre M., Von Pinho R.G., Souza J.C., Oliveira R.L. Genotypic stability and adaptability in tropical maize based on AMMI and GGE biplot analysis. Genet. Mol. Res. 2009;8(4):1311-1322. DOI 10.4238/vol8-4gmr658.

4. Cornelius P.L., Crossa J., Seyedsadr M.S. Statistical tests and estimators of multiplicative models for genotype-by-environment interaction. In: M.S. Kang, H.G. Gauch (Eds.). Genotype-by-Environment Interaction. FL, USA: CRC Press, Boca Raton, 1996;199-234.

5. Crossa J., Gauch H.G., Zobel R.W. Additive main effects and multiplicative analysis of two international maize cultivar trials. Crop Sci. 1990;30:493-500.

6. Dashiell K.E., Ariyo O.J., Bello L. Genotype × environment interaction and simultaneous selection for high yield and stability in soybeans (Glycine max (L.) Merr.). Ann. Appl. Biol. 1994;124:133-139.

7. Eskridge K.M. Selection of stable cultivars using a safety-first rule. Crop Sci. 1990;30:369-374.

8. Farshadfar E. Incorporation of AMMI stability value and grain yield in a single non-parametric index (GSI) in bread wheat. Pak. J. Biol. Sci. 2008;11(14):1791-1796.

9. Gauch H.G., Zobel R.W. AMMI analysis of yield trials. Ch. 4. In: M.S. Kang, H.G. Gauch (Eds.). Genotype-by-Environment Interaction. FL, USA: CRC Press, Boca Raton, 1996:85-122.

10. Kang M.S. Simultaneous selection for yield and stability in crop performance trials: Consequences for growers. Agron. J. 1993;85:754-757. DOI 10.2134/agronj1993.00021962008500030042x.

11. Kiliç H. Additive main effects and multiplicative interactions (AMMI) analysis of grain yield in barley genotypes across environments. Tarım Bilimleri Dergisi = J. Agric. Sci. 2014;20:337-344.

12. Mirosavljević M., Pržulj N., Čanak P. Analysis of new experimental barley genotype performance for grain yield using AMMI biplots. Selekcija i Semenarstvo. 2014;XX(1):27-36.

13. Mohammadi R., Abdulahi A., Haghparast R., Armion M. Interpreting genotype-environment interactions for durum wheat grain yields using non-parametric methods. Euphytica. 2007;57:239-251. DOI 10.1007/s10681-007-9417-3.

14. Mohammadi R., Amri A. Comparison of parametric and non-parametric methods for selecting stable and adapted durum wheat genotypes in variable environments. Euphytica. 2008;159:419-432. DOI 10.1007/s10681-007-9600-6.

15. Moreno-González J., Crossa J., Cornelius P.L. Genotype × environment interaction in multi-environment trials using shrinkage factors for AMMI models. Euphytica. 2004;137:119-127.

16. Mortazavian S.M.M., Nikkhah H.R., Hassani F.A., Sharif-al-Hosseini M., Taheri M., Mahlooji M. GGE biplot and AMMI analysis of yield performance of barley genotypes across different environments in Iran. J. Agr. Sci. Tech. 2014;16:609-622.

17. Oliveira E.J., Freitas J.P.X., Jesus O.N. AMMI analysis of the adaptability and yield stability of yellow passion fruit varieties. Sci. Agric. 2014;71(2):139-145.

18. Purchase J.L., Hatting H., van Deventer C.S. Genotype × environment interaction of winter wheat (Triticum aestivum L.) in South Africa: Stability analysis of yield performance. South Afric. J. Plant Soil. 2000;17:101-107. DOI 10.1080/02571862.2000.10634878.

19. Rao A.R., Prabhakaran V.T. Use of AMMI in simultaneous selection of genotypes for yield and stability. Ind. Soc. Agric. Statist. 2005; 59(1):76-82.

20. Solonechnyi P., Vasko N., Naumov O., Solonechnaya O., Vazhenina O., Bondareva O., Logvinenko Yu. GGE biplot analysis of genotype by environment interaction of spring barley varieties. Zemdirbyste-Agriculture. 2015;102(4):431-436. DOI 10.13080/z-a.2015.102.055.

21. Yan W. GGEbiplot – a Windows application for graphical analysis of multienvironment trial data and other types of two-way data. Agron. J. 2001;93:1111-1118. DOI 10.2134/agronj2001.9351111x.

22. Yan W. Singular-value partitioning in biplot analysis of multi-environment trial data. Agron. J. 2002;94:990-996. DOI 10.2134/agronj 2002.9900.

23. Yan W. Crop Variety Trials: Data Management and Analysis. John Wiley and Sons, 2014. DOI 10.1002/9781118688571.

24. Yan W., Hunt L.A., Sheny Q., Szlavnics Z. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Sci. 2000;40:597-605. DOI: 10.2135/cropsci2000.403597x.

25. Yan W., Kang M.S. GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists and Agronomists. Boca Raton, USA: CRC Press, 2003.

26. Yan W., Kang M.S., Ma B., Woods S., Cornelius P.L. GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop Sci. 2007; 47:643-655. DOI 10.2135/cropsci2006.06.0374.

27. Yan W., Tinker N.A. Biplot analysis of multi-environment trial data: principles and applications. Can. J. Plant Sci. 2006;86:623-645. DOI 10.4141/P05-169.

28. Zobel R.W., Wright A.J., Gauch H.G. Statistical analysis of a yield trial. Agron. J. 1988;80:388-393.