春播早熟組高粱區試點綜合評價

　　摘    要：根據國家高粱春播早熟組2019、2020和2021年區域試驗結果，在生產水平、精確度、有效性、分辨力、穩定性和普遍代表性等6個方面對試點進行綜合評價。結果表明：吉林省農業科學院和內蒙古赤峰市農牧科學院兩個區試點有較高的生產水平和試點分辨力；吉林省農業科學院和吉林市農業科學院的精確度和穩定性相對較高。6個區試點的試點精確度均在區域試驗要求范圍內，試驗均有效并且有較高的普遍代表性，適于鑒別有廣泛適應性的品種。利用AMMI模型的歐式距離值法和GCV法對試點的分辨力進行計算，結合上述分析發現吉林省和內蒙古自治區的區試點能夠對新品種進行鑒定分析，可適當增加試點提高試驗可靠性，黑龍江省需要增加區試點數。

　　關鍵詞:高粱; 區域試驗;精確度;分辨力; AMMI模型;

　　Pilot Comprehensive Evaluation of Sorghum Area in Early Spring Sowing Group

　　Ding Bo Zhao De Hou Jia-ming Li Jie Liang Jun Yang Wei Gao Yue Li Ji-hong

　　Sciences Institute of Crop Resources, Jilin Academy of Agricultural Sciences

　　Abstract：Based on the regional test results of national sorghum early sowing group in 2019, 2020 and 2021, the pilot projects were comprehensively evaluated in six aspects, including production level, accuracy, effectiveness, resolution, stability and universal representativeness. The results show that Jilin Academy of Agricultural Sciences and Chifeng Academy of Agricultural and Animal Husbandry Sciences in Inner Mongolia have higher production level and pilot resolution. The accuracy and stability of Jilin Academy of Agricultural Sciences and Jilin Academy of Agricultural Sciences are relatively high. The experimental accuracy of the six districts was within the range of regional test requirements, and the tests were effective and had high universal representativeness, which was suitable for identifying varieties with wide adaptability. AMMI model euclide distance method and GCV method were used to calculate the resolution of the pilot. Combined with the above analysis, it was found that the regional pilot in Jilin Province and Inner Mongolia Autonomous Region could identify and analyze new varieties, and the number of regional pilots could be increased appropriately to improve the test reliability. Heilongjiang Province needs to increase the number of regional pilots.

　　Keyword：Sorghum; Regional test; Accuracy; Resolution; AMMI model;

　　高粱作為全球主要的糧食作物，也是中國重要的雜糧作物，在國內旱作農業中一直占據著重要的地位。隨著全球綠色革命自60年代以來，和改革開放后中國在80年代隨著國民經濟的發展，主要糧食綜合高產和人民生活水平的提高,高粱逐漸轉變為主要的釀造原料(張福耀等, 2019)，高粱具有較強的抗逆特性，被認為是最具潛力的糧食作物和能源植物(唐三元和謝旗, 2019; 尹美強等, 2019)。21世紀以來，中國高粱從2000年的8.9×105 hm2減少到2008年的4.9×105 hm2，直到2009年才有增加，但是增長的也很有局限性，在種植面積受局限的條件下，在平均產量上得到了顯著提高，2020年中國高粱的單位面積產量為4 679.4 kg/hm2。近10年來，國家高粱產業技術體系培育的高粱品種因莖稈矮、淀粉含量高、產量高、適合機械化收割等特點而加速發展。生產中的傳統品種正在被新培育的優質品種所取代(李順國等, 2021)。

　　新品種的選育及其是否能保持親代的優良特性，需要進行區域試驗進行鑒別(邢雪森和胡國華, 1988)。區試是通過一年多點或者多年多點的試驗方式對新品種做品種評價與鑒別，通過區試點的試驗結果來分辨新品種是否適宜在當地生產推廣(蔣曉銘和李漢生, 2005)。區試試驗的結果又能體現當下試點的生產水平、精確度、有效性、分辨力等不同的作物生產水平。陳志德等(2003)研究認為可用誤差變異系數(CV, coefficient of variation)表示試驗精確度，CV是一個相對數，可用于不同試點間試驗質量的評價比較?？追绷岬?1998)的研究表明，單以CV評判區域試驗精度不足以說明問題，可以采用誤差變異系數(CV)和相對最小顯著差(RLSD, relative least significant difference)兩項指標來評價區域試驗精度。郭建煒等(2022)的研究均采用了加性主效應和乘積交互作用模型(AMMI模型)進行，張群遠和孔繁玲(2002)、劉旭云等(2001)的研究認為AMMI模型相較與ANOVA模型和LR模型有更廣闊的應用范圍，可以提高試驗精度，而且還可以節省人力物力。陳雙龍(2005)、王陽等(2010)的研究建議將區試的試驗結果進行多方面綜合分析對后續區試工作的開展和試點選取提供了參考。

　　高玉芳等(2020)、王煒等(2020)、徐楊玉等(2018)、謝文錦等(2019)研究者在主要糧食作物的區試評價分析上做了許多的研究，在農藝性狀、品質性狀、豐產性、適應性和穩定性等方面都進行了詳細的研究分析，對作物后續的區試工作提供了參考依據，促進了區試工作的優化，但在高粱區試的分析上僅有寥寥幾篇。因此，本研究旨在綜合前人的分析方法，對2019—2021年的區試點進行綜合分析。為改進試驗提供科學依據。

　　1結果與分析

　　1.1試點的生產水平

　　試點生產水平代表了該區試點的大田生產水平和對品種的適應性。表1是2019—2021年各區試點所有參試品種的平均產量。各試點參試品種總體的產量體現了當地的大田生產水平，除地力影響以外，生產水平也會受到環境影響有一定變化。吉2 (吉林省長嶺縣金豐種業)和蒙2 (內蒙古敖漢旗金豐種業)兩個區試點的生產水平相對較低。吉3 (吉林市農業科學院)、黑1 (黑龍江省肇源稼祥農業研究所)的生產水平處于中等，吉1 (吉林省農業科學院)、蒙1 (內蒙古赤峰市農牧科學院)這兩個區試點的生產水平相對較高(表1)。

　　表1高粱區域試驗平均產量(kg/hm2)

　　Table 1 Average yield of sorghum in regional test (kg/hm2)

　　1.2試驗精確度

　　三年內所有區試點的試驗誤差CV平均值均在10%以內，單年份CV只有2021年蒙1試點略有超出，但并未超過12%。由3年的平均值可以看出蒙1 (內蒙古赤峰市農牧科學院)和蒙2(內蒙古敖漢金豐種業)的試驗精確度相對較低，吉2 (長嶺縣長嶺鎮金豐種業)和黑1(黑龍江省肇源縣稼祥現代農業研究所)的試驗精確度處于中等，吉1 (吉林省農業科學院)和吉3(吉林市農業科學院)的試驗精確度相對較高。RLSD能直觀的反映出試點的精確度，RLSD越小，說明該試點精確度越高，試點吉1 (吉林省農業科學院)和吉3 (吉林市農業科學院)的RLSD是3年試驗中精確度相對較高的試點，平均值只有6.03%和6.43%，在這兩個試點上只要兩個品種的產量在6.03%和6.43%之內就能分辨出品種產量之間的高低(表2)。

　　表2區試點CV和RLSD值

　　Table 2 CV and RLSD values of pilot area (%)

　　1.3試點的有效性

　　由于品種區域試驗采用多年多點的試驗方式，試驗數據會受到氣候、地點、地力和自然災害等的影響出現誤差，為避免區試數據受氣候等自然條件的影響，通常把CV大于12%的和產量不足區試總平均產量50%的去掉不計入分析數據。而試驗誤差CV小于12%并且產量在區試總平均產量50%以上的就視為試驗結果是有效的，可以進一步進行分析。從表1和表2可以看出所有參試試點的試驗數據均是有效的，可以進行綜合分析。

　　1.4試點的分辨力

　　對區試產量進行AMMI模型和GCV分析，各年份由主成分軸計算得出的De值有所不同，從平均值來看，吉林省農業科學院和內蒙古赤峰農牧科學院的De值相對較高，有較強的的品種分辨力，長嶺縣長嶺鎮金豐種業、吉林市農業科學院和內蒙古敖漢金豐種業的De值中等，黑龍江省肇源縣稼祥現代農業研究所的品種分辨力相對較低。

　　兩種方法所得出的平均值有一定的差距，由AMMI模型法得出的各試點由大到小的排列順序是：蒙1>吉1>吉2>吉3>蒙2>黑1，而GCV法的排列順序為：蒙1>吉1>吉2>吉3>蒙2>黑1。兩種方法的平均值排列順序是一致的，由此可知內蒙古赤峰農牧科學院的試點分辨力相較更高。

　　兩種方法的相關系數在2019年僅有r=0.468 5未達到顯著水平。在2020年和2021年兩種方法的相關系數分別是r=0.9637和r=0.9037，均達到顯著水平(表3)。

　　表3區試點PCA值, De和GCV值

　　Table 3 PCA, De and GCV values of pilot areas

　　1.5試點代表性

　　試點代表性分普遍代表性和特殊代表性，前者是單個試點的結果與區試結果趨向一致的程度，后者則是趨向不一致的程度。

　　6個試點各自的小區產量與區域試驗整體的平均產量之間相關系數在0.3087~0.9702之間，其中2021年吉3(吉林市農業科學院)的相關系數未達到顯著水平，2020年黑1 (黑龍江省肇源縣稼祥現代農業研究所)達顯著水平，其余試點各年份均達到極顯著水平。由3年的平均數可以看出，各試點的相關系數均在顯著及以上，所有試點均具有普遍代表性，適合檢定有廣泛適應性的品種(表4)。

　　表4區試點代表性相關系數

　　Table 4 Regional pilot representativeness correlation coefficient

　　1.6試點穩定性

　　試點穩定性指的是不同區試點的環境在不同氣候條件、自然災害的沖擊下對其的適應緩解能力。在3年的區域試驗中除吉1試點外，其余試點在穩定性上均有一定程度的變化，吉1 (吉林省農業科學院)和吉3(吉林市農業科學院)的穩定性相對較高，吉2 (長嶺縣長嶺鎮金豐種業)和蒙1 (內蒙古赤峰市農牧科學院)的穩定性處于中等，黑1 (黑龍江省肇源縣稼祥現代農業研究所)和蒙2(內蒙古敖漢金豐種業)的穩定性相對較低。從3年的平均值將區試點穩定性進行排序：吉1>吉3>吉2>蒙1>黑1>蒙2。吉1 (吉林省農業科學院)的穩定性相對最高，蒙2(內蒙古敖漢金豐種業)的穩定性最低(表5)。

　　表5區試點的穩定性相關系數

　　Table 5 Stability correlation coefficients of pilot areas

　　1.7試點綜合評價

　　表6中分別列出了各區試點不同標準的水平分析。6個試點中吉1 (吉林省與農業科學院)和蒙1 (內蒙古赤峰市農牧科學院)的生產水平相對較高，吉3 (吉林市農業科學院)和黑1 (黑龍江省肇源縣稼祥現代農業研究所)的生產水平中等，吉2 (長嶺縣長嶺鎮金豐種業)和蒙2 (內蒙古敖漢旗金豐種業)的生產水平相對較低，說明各區試點有不同的地力以及大田生產水平;試點中吉1 (吉林省與農業科學院)和吉3(吉林市農業科學院)的精確度相對較高，吉2 (長嶺縣長嶺鎮金豐種業)和黑1 (黑龍江省肇源縣稼祥現代農業研究所)的精確度中等，蒙1 (內蒙古赤峰市農牧科學院)和蒙2 (內蒙古敖漢旗金豐種業)的精確度相對較低；普遍認為在區試試驗中試驗誤差變異系數小于12%且試點產量高于總區試平均產量的50%便視為試點有效，受試6個區試點產量和誤差變異系數均達到區域試驗要求，試驗結果有效；吉1 (吉林省與農業科學院)和蒙1 (內蒙古赤峰市農牧科學院)的分辨力相對較高，吉2 (長嶺縣長嶺鎮金豐種業)、吉3 (吉林市農業科學院)和蒙2 (內蒙古敖漢旗金豐種業)的分辨力中等，黑1 (黑龍江省肇源縣稼祥現代農業研究所)的分辨力相對較低。在6個區試點都具有普遍代表性，適宜種植有廣泛適應性的品種；吉1 (吉林省與農業科學院)和吉3 (吉林市農業科學院)有相對較高的試點穩定性，吉2 (長嶺縣長嶺鎮金豐種業)和蒙1 (內蒙古赤峰市農牧科學院)穩定性處于中等，黑1 (黑龍江省肇源縣稼祥現代農業研究所)和蒙2 (內蒙古敖漢旗金豐種業)的穩定性相對較低。需要增加試驗數據。

　　綜合上述分析，試點吉1 (吉林省與農業科學院)在表6中的評價均有較高的水平，吉2 (長嶺縣長嶺鎮金豐種業)在試點生產水平上相對較低，試點精確度、穩定性和試點分辨力都處于中等位置，吉3 (吉林市農業科學院)在試點生產水平與試點分辨力上處于中等，卻有較高的試點精確度和穩定性，黑1 (黑龍江省肇源縣稼祥現代農業研究所)在試點生產水平和精確度上處于中等，在試點分辨力和穩定性上相對較低，蒙1 (內蒙古赤峰市農牧科學院)在試點生產水平以及試點分辨力上相對較高，試點穩定性處于中等，試點的精確度上相對較低，蒙2(內蒙古敖漢旗金豐種業)在試點的分辨力上處于中等，但試點生產水平以及試點分辨力和穩定性相對較低。

　　表6區試點綜合評價

　　Table 6 Comprehensive evaluation of regional pilot projects

　　2討論

　　試點精確度在區域試驗中是最核心的因素之一，區域試驗的精確度有兩項指標，一項是實驗誤差值精確度，另一項是品種比較精確度，在前人的研究中對不同作物的區域試驗都做了試點精確度的分析，在小麥、玉米、水稻和大豆的區試結果中表明，不同作物的誤差變異系數CV值均在5%～8%之間，可以算作試點有較好的精確度，從伍玲等(2002)、英敏等(2004)、王潔等(2010)、陳應志等(2006)的研究中比較相對最小顯著差數RLSD在10%以內說明該試點有較好的精確度。在本研究結果中，從3年的平均CV表明除了蒙1以外的其它試點CV值均在8%以內，均能更準確的進行品種間差異鑒別，其中吉1和吉3的CV值在5%以內，說明吉林省農業科學院和吉林市農業科學院兩個試點的精確度高，而3年的平均RLSD吉1、吉2、吉3和黑1試點的值均在10%以內，說明試點都有相對較好的精確度。應探索對于完善試點以及品種精確度的研究方法。

　　在分辨力的分析上，通常采用遺傳變異系數進行比較，但這種方法不能完全表現出基因型和環境型兩種分量各自的估值，所以對分辨力的分析又進一步采用了AMMI模型和GGE雙標圖等方法進行分析。本研究引用了AMMI分析試點分辨力，能有效的考察基因型和環境型的不同分量之間關系。鄭建敏等(2012)采用了歐式距離值法和變異系數法共同進行試點分辨力的分析，用來比較兩種方法對分辨力的分析情況，結果表明，歐式距離值法在可靠性和區試分辨力上均優于變異系數法。在本研究中引入歐式距離值法和GCV法對試點分辨力進行計算，3年內2年的算法間相關系數達極顯著，說明兩種算法均有效。

　　在試點的有效性上，從前人的研究結果來看，6個區試點均有效，CV值和平均產量均在有效性范圍以內。

　　在試點的穩定性分析上，采用了將試點間的相關系數進行比較，得出穩定性的估值，再由各試點的平均值進行排序，試點穩定性指的是不同區試點的環境在不同氣候條件、自然災害的沖擊下對其的適應緩解能力。段銀妹等(2022)采用了相關系數法對云南省8個區試點的穩定性進行了試點穩定性的分析，郭建煒等(2022)利用GGE模型將5個區試點的穩定性和品種穩定性通過雙標圖的形式進行了綜合排序，相對來說能進一步得到更準確的試點以及品種穩定性的估值。

　　從上述分析結果可以看出吉林省3個試點精確度、穩定性和分辨力處于中等以上，都有較高的普遍代表性，適宜種植有廣泛適應性的品種，可以代表吉林省高粱生產的水平，也可適當增加區試點，豐富試驗數據，以此提升試驗的準確性和可靠性，黑龍江省1個試點的生產水平和精確度處于中等，穩定性和分辨力較低，由于只有一個試點的綜合評價，缺乏全面性和代表性，建議黑龍江增加區試點。內蒙古2個區試點的精確度都相對較低，分辨力都在中等以上，穩定性在中等及以下，建議適當增加區試點，完善試點評價的全面性。

　　3材料與方法

　　3.1材料和試點環境

　　分析數據內容來自春播早熟組高粱區試在2019—2021年的區試結果。6個區試地點為吉林省農業科學院(吉1)、長嶺縣長嶺鎮金豐種業(吉2)、吉林市農業科學院(吉3)、黑龍江省肇源縣稼祥現代農業研究所(黑1)、內蒙古赤峰市農牧科學院(蒙1)、內蒙古敖漢金豐種業(蒙3)。2019年參試材料18個，2020年參試材料14個，2021年參試材料16個，兩個對照品種為敖雜1號和吉雜210。由于淘汰機制，并未將三年參試品種名稱在文中體現。

　　表7試點氣候基本信息

　　Table 7 Basic information of the pilot climate

　　3.2試點生產水平

　　用一個試點的平均產量(yˉ)表示，yˉ的數值越大，表示生產水平高，反之則低。

　　3.3試點的精確度

　　精確度包括試驗和品種比較2個方面, 分別用變異系數法(CV)和相對最小顯著差數法(RLSD)2種方法進行評價。

　　公式為：

　　CV%=Se/yˉ×100

　　RLSD%=LSD0.05/yˉ×100

　　式中：Se為標準差。

　　LSD0.05=2MSe/r???????√×t0.05；r為試驗中的重復數;MSe 為單點試驗的誤差項方差；t0.05為v=k(r?1) 的t值；k為單點試驗中的品種數。當CV/RLSD值大時，表明品種比較精確度低;反之則精確度高。

　　3.4試點分辨力

　　用CV法和加性主效應和乘積交互作用模型2種方法進行評價；當數值小時，表明試點的分辨力低;反之則高。AMMI模型法用區試點在IPCA空間的原點距離(De)表示，當De值小時?表明試點的分辨力低;反之則高。公式為：

　　GCV/%=MSt????√/yˉ×100

　　De=∑l=1nη2el?????√(e=1,2,...,n)

　　MSt為品種的遺傳方差。

　　De為區試點在IPCA空間的原點距離，下標e第幾個試點，n為顯著的IPCA個數，η2el為第e個試點在第l個IPCA上的得分，De為衡量區試點對參試品種分辨力的定量指標。

　　3.5試點代表性

　　用相關系數法進行評價②用試點上品種的性狀值與整個區試中的性狀均值的相關系數r高低表示。當r值小的時候②表示試點的代表性低；反之則高。

　　3.6試點穩定性

　　用相關系數法進行評價，用不同年份間同一組參試品種性狀之間的相關系數rs來表示，若相關系數高說明該試點穩定性高，反之則低。

　　3.7試點有效性

　　用單個試點CV及產量水平表示。一般認為區試點CV值在12%以內，產量是區試總平均產量50%以上均為有效，反之則剔除。

　　統計分析利用EXCEL軟件和DPS數據處理系統對實驗數據進行分析。

　　作者貢獻

　　丁博是本研究的實驗設計者和實驗研究執行人；趙德、侯佳明、李捷、梁軍、楊微和高悅參與完成實驗研究、數據分析和試驗結果分析；李繼洪是項目的構思者及負責人，指導實驗設計、數據分析、論文寫作與修改。全體作者都閱讀并同意最終的文本。

　　致謝

　　本研究由吉林省科技廳重點研發計劃-優質釀造高粱種植創新及新品種選育(20200402108NC)和財政部和農業農村部-國家現代農業產業技術體系(CARS-06-145-A12)共同資助。

　　參考文獻

　　[1] Chen Z.D., Zhong W.G., Yang J., and Zhang H.S., 2003, Evaluation of rice variety (line) stability analysis model, Jiangsu Nongye Xuebao (Jiangsu Journal of Agricultural Sciences), (4): 205-210. (陳志德, 仲維功, 楊杰, 張紅生, 2003, 水稻品種(系)穩定性分析模型的評價, 江蘇農業學報, (4): 205-210.)

　　[2] Chen S.L., 2005, Rice varieties in Fujian pilot area comprehensive evaluation study, Fujian Nongye Daxue (Journal of Fujian Agriculture), (1): 1-5. (陳雙龍, 2005, 福建省水稻品種區試點綜合評價研究, 福建農業學報, (1): 1-5.)

　　[3] Chen Y.Z., Zhang Q.Y., and Kong F.L., 2006, Study on accuracy of national soybean varieties regional test, Dadou Tongbao (Soybean Bulletin), (1): 9-15. (陳應志, 張群遠, 孔繁玲, 2006, 國家大豆品種區域試驗精確度研究, 大豆通報, (1): 9-15.)

　　[4] Duan Y.M., Yin X.F., Chen G.C., Li J., Zhang B.Y., Li C.M., Yang F., and Zhang P.S., 2022, Broad bean varieties in Yunnan Province joint regional test pilot comprehensive evaluation, Zhongzi (Seeds), 9(1): 138-142, 148. (段銀妹, 尹雪芬, 陳國琛, 李江, 張炳英, 李春梅, 楊芬, 張鵬順, 2022, 云南省蠶豆新品種聯合區域試驗試點綜合評價, 種子, 41(1): 138-142, 148.)

　　[5] Guo J.W., Xu D.L., Wang G.P., HuZ.Q., Ma F.Q., and Liu M.J., 2022, Stability analysis of highland barley varieties for multi-point regional trial in Gansu Province based on GGE model, Fenzi Zhiwu Yuzhong (Molecular Plant Breeding), 20(10): 3434-3440. (郭建煒, 徐冬麗, 王國平, 胡再青, 馬福全, 劉梅金, 2022, 基于GGE模型對甘肅省青稞多年多點區試品種穩定性分析, 分子植物育種, 20(10): 3434-3440.)

　　[6] Gao Y.F., Zhao B.X., Du S.K., Zhao Z.N., and Qiang X.Y., 2020, Summary of baiyin point of regional test of soybean varieties in Gansu Province in 2014, Gansu Nongye Keji (Gansu Agricultural Science and Technology), (8): 31-35. (高玉芳, 趙寶勰, 杜世坤, 趙振寧, 強旭陽, 2014年甘肅省大豆品種區試白銀點總結, 甘肅農業科技, (8): 31-35.)

　　[7] Jiang X.M., and Li H.S., 2005, Discussion on regional trial localization of crop varieties, Zhongzi Shijie (Seed World), (1): 16. (蔣曉銘, 李漢生, 2005, 農作物品種區試定位淺論, 種子世界, (1): 16.)

　　[8] Kong F.L., Zhang Q.Y., Yang F.X., and Guo H.M.. Study on accuracy of cotton variety regional test, Zuowu Xuebao (Acta Agron Sin), (5): 601-607. (孔繁玲, 張群遠, 楊付新, 郭恒敏 1998, 棉花品種區域試驗的精確度探討, 作物學報, (5): 601-607.)

　　[9] Li S.G., Liu M., Liu F., Zou J.Q., Lu X.C., and Diao X.M., 2021, Current status and future prospective of sorghum production and seed industry in China, Zhongguo Nongye Kexue (Scientia Agricultura Sinica), 54(3): 471-482. (李順國, 劉猛, 劉斐, 鄒劍秋, 陸曉春, 刁現民, 2021, 中國高粱產業和種業發展現狀與未來展望, 中國農業科學, 54(3): 471-482.)

　　[10] Liu X.Y., Xie Y.J., Yang D., and Zhang X.S., 2001, AMMI model is applied to the analysis of the regional trials of rapeseed research, Xinan Nongye Xuebao (Journal of Southwest Agricultural), (2): 27-30. (劉旭云, 謝永俊, 楊德, 張錫順, 2001, AMMI模型應用于油菜區域試驗的分析研究, 西南農業學報, (2): 27-30.)

　　[11] Tang S.Y., and Xie Q., 2019, Sorghum-a small crop with large application, Shengwu Jishu Tongbao (Biotechnology Bulletin), 35(5): 1. (唐三元, 謝旗, 2019, 高粱-小作物大用途, 生物技術通報, 35(5): 1.)

　　[12] Wang Y., Li J.H., Chen B.R., and Gao S.J., 2020, Comprehensive evaluation of trial sites for early-mature sorghum cultivar in the spring-planting regions, Zhongguo Nongye Daxue Xuebao (Journal of China agricultural university), 15(4): 1-7. (王陽, 李繼洪, 陳冰嬬, 高士杰, 2020, 春播早熟高粱區試點綜合評價研究, 中國農業大學學報, 15(4): 1-7.)

　　[13] Wang W., Wang H.X., Zhang Y.Q., Liu T.H., and Sun J., 2020, Stability and adaptability analysis of rice varieties for regional test in Guizhou Province based on AMMI model, Xiandai Nongye Keji (Modern Agricultural Science and Technology), (16): 1-2. (王煒, 王懷昕, 張元琴, 劉廷海, 孫靜, 2020, 基于AMMI模型的貴州省水稻區試品種穩定性及適應性分析, 現代農業科技, (16): 1-2.)

　　[14] Wu L., and Zhu H.Z., 2002, Wheat variety regional test precision and accuracy analysis, Xinan Nongye Xuebao (Journal of Southwest Agricultural), (2): 13-15. (伍玲, 朱華中, 2002, 小麥品種區域試驗精確度及精度分析, 西南農業學報, (2): 13-15.)

　　[15] Wang J., Liao Q., Hu X.J., and Wan J.M., 2010, Accuracy analysis of national rice varieties regional test in northern rice region [J]. Zuowu Xuebao (Acta Agronomica Sinica), 36(11): 1870-1876. (王潔, 廖琴, 胡小軍, 萬建民, 2010, 北方稻區國家水稻品種區域試驗精確度分析, 作物學報, 36(11): 1870-1876.)

　　[16] Xing X.S., and Hu G.H., 1998, Seed is the key to crop production, Zhongzi Shijie (Seed World), (5): 35. (邢雪森, 胡國華, 1998, 種子是農作物生產的關鍵, 種子世界, (5): 35.)

　　[17] Xu Y.Y., Hong Y.B., Li X.Y., Liu H., Chen X.P., Li H.F., Liu H.Y., Lu Q., Wen S.J., Li S.X., Zhou G.Y., and Liang X.Q., 2018, South area try varieties of peanut quality traits analysis, Fenzi Zhiwu Yuzhong (Molecular Plant Breeding), 16(4): 1278-1288. (徐楊玉, 洪彥彬, 李杏瑜, 劉洪, 陳小平, 李海芬, 劉海燕, 魯清, 溫世杰, 李少雄, 周桂元, 梁炫強, 2018, 南方花生區試品種的品質性狀分析, 分子植物育種, 16(4): 1278-1288.)

　　[18] Xie W.J., Li N., Yang H.L., Fu J., and Zhang Z.W., 2019, Comparison of high and stable yield of corn in Liaoning Province regional test varieties, Zuowu Yanjiu (Journal of Crop Research), 33(6): 528-530. (謝文錦, 李寧, 楊海龍, 付俊, 張中偉, 2019, 遼寧省玉米區試品種豐產穩產性比較, 作物研究, 33(6): 528-530.)

　　[19] Yin M.Q., Wang D., Wang J.R., LAN M., Zhao J., Dong S.Q., Song X., ALAM S., Yuan X.Y., Wang Y.G., and Wen Y.Y., 2019, Effects of exogenous nitric oxide on sorghum seed germination and starch transformation under salt stress, Zhongguo Nongye Kexue (Scientia Agricultura Sinica), 52(22): 4119-4128. (尹美強, 王棟, 王金榮, 蘭敏, 趙娟, 董淑琦, 宋喜娥, ALAM Sher, 原向陽, 王玉國, 溫銀元, 2019, 外源一氧化氮對鹽脅迫下高粱種子萌發及淀粉轉化的影響, 中國農業科學, 52(22): 4119-4128.)

　　[20] Ying M., Yu H., and Li Q.Y., 2004, Maize variety regional test accuracy and variety comparison precision analysis, Zhongzi (Seeds), (10): 65-66. (英敏, 余虎, 李其義, 2004, 玉米品種區域試驗精確度和品種比較精確度分析, 種子, (10): 65-66.)

　　[21] Zhang F.Y., Ping J.N., and Zhao W.J., 2019,Advances in genetic improvement of brewing sorghum quality in China, Nongxue Xuebao (Acta agriculturae sinica), 9(3): 21-25. (張福耀, 平俊愛, 趙威軍, 2019, 中國釀造高粱品質遺傳改良研究進展, 農學學報, 9(3): 21-25.)

　　[22] Zhang Q.Y., Kong F.L., and Yang F.X., 2001, Study on accuracy of regional test of Crop varieties in China, Zhongguo Nongye Daxue Xuebao (Journal of China Agricultural University), (1): 43-50. (張群遠, 孔繁玲, 楊付新, 2001, 我國作物品種區域試驗的精確度研究, 中國農業大學學報, (1): 43-50.)

　　[23] Zhang Q.Y., and Kong F.L., 2002, Comparison of statistical analysis models for regional test of crop varieties, Zhongguo Nongye Kexue (Scientia Agricultura Sinica), (4): 365-371. (張群遠, 孔繁玲, 2002, 作物品種區域試驗統計分析模型的比較, 中國農業科學, (4): 365-371.)

　　[24] Zheng J.M., Li P., Liao X.H., Yang M., Li S.Z., Rao S.D., and Pu Z.J., 2012, Analysis of discrimination of wheat district test in Sichuan Province by using coefficient of variation method and Euclidean distance method, Xinan Nongye Xuebao (Southwest China Journal of Agricultural Sciences), 25(4): 1143-1146. (鄭建敏, 李浦, 廖曉虹, 楊梅, 李式昭, 饒世達, 蒲宗君, 2012, 利用變異系數法和歐式距離值法分析四川省小麥區試試點分辨力, 西南農業學報, 25(4): 1143-1146.)