如何通过GenStat实现GGE双标图

双标图是农作物多点试验数据分析中常用的方法之一。虽然有一个名为GGE-biplot的软件可以绘制双标图，但缺乏相关的使用教程，不太方便操作。而GenStat软件完全可以实现相同的功能。本文将介绍如何通过GenStat来实现GGE双标图。

双标图的应用领域

双标图在以下领域有广泛的应用：

• 品种评价-环境两向表
• 基因表达数据
• QTL效应-环境两向表
• 品种-性状两向表
• 双列杂交两向表
• 寄主-病原物两向表
• 基因型-遗传标记数据
• 环境条件-作物性状两向表
• 试验地点-气候土壤因素两向表

本文将针对四种不同类型的双标图进行解读，以展示如何通过GenStat软件达到相同的效果。

Which-Won-Where View

Which-Won-Where View主要用于确定哪个品种在哪个环境中表现最好。以下是通过GenStat实现该视图的步骤：

1. 将原始数据转化为三列：品种、地点和产量。
2. 打开GenStat软件，并找到相关的模型界面。
3. 选择Which-Won-Where View，即哪个品种在哪个环境中是最好的。
4. 根据结果解读，连接各个方向上距离最远的点，将双标图分为五个扇区。品种在每个扇区都有分布，其中一组品种在E5和E7环境中表现最好，其余品种在其他环境中表现最好。

Environmental Vector View

Environmental Vector View主要用于分析不同试验点之间的相似性。以下是通过GenStat实现该视图的步骤：

1. 将产量数据导入Y-variate框，将品种数据导入Genotype框，将环境数据导入Environments框，并在Options中勾选Connect environment scores with origin。
2. 根据结果解读，从中心到各个环境做一条线段。两线段之间的夹角的余弦值表示它们的相关系数。夹角小于90度表示正相关，大于90度表示负相关，等于90度表示不相关。线段长度表示试验点对品种的区分能力。

Discriminating Ability VS Representativeness View

Discriminating Ability VS Representativeness View用于评估试验点的区分能力和代表性。以下是通过GenStat实现该视图的步骤：

1. 根据GenStat模型绘制双标图，并增加平均环境轴和中心点之间的直线。
2. 根据结果解读，试验点线段和平均环境轴的角度表示其对目标环境的代表性。角度越小，代表性越强。线段长度表示试验点对品种的区分能力。
3. 根据区分能力和代表性评价，只有既具有区分能力又具有代表性的试验点才可以作为最佳选择。

Mean VS Stability View

Mean VS Stability View用于评估品种的高产性和稳产性。以下是通过GenStat实现该视图的步骤：

1. 根据GenStat模型绘制双标图，并增加平均环境轴和与品种点垂直的直线。
2. 根据结果解读，环境平均轴表示品种在所有环境下的平均产量走向。与平均环境轴垂线的长度表示品种的稳定性。
3. 综合考虑产量和稳定性指标，选择具有高产稳产特点的品种。

通过GenStat软件，我们可以实现GGE双标图并解决品种生态区划分、品种评价和试验点评价等问题。

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。