在加纳北部的几内亚大草原生态块茎产量稳定性和一些精英山药基因型的适应性评估

抽象的

进行研究以确定一些精英山药的肿块产量稳定性和适应性（Dioscorea.加纳北部的基因型。10个优秀的外来山药基因型和一个当地农民偏爱的品种，Laribako在2010年至2012年间，它们在五种环境中生长。这11个基因型被安排在一个随机完全区组设计中，有3个重复，并评估了块茎产量和产量构成因素。方差分析显示显著性 对块茎产量并研究了产量构成基因型变异。基因型 × environment interaction effect was significant 对块茎产量和平均薯重但不显著 每丘的块茎数量。除了基因型95/18922，所有异种基因型都显着 高薯产量比当地检查，Laribako．块茎最高产量（16.03吨⁻¹) across environments was obtained from 96/19158 followed by 95/00594 (14.9 t ha⁻¹)．根据添加剂的主要效应倍增相互作用（AMMI）分析，基因型（G），环境（E）和GXE相互作用分别解释了块茎产量总量的39.71％，36.03％和24.26％。对于每株植物的块茎数量，GXE效应解释了与基因型效应（22.00％）和环境效应（17.54％）相比的总平方和总和的最大百分比（60.46％）。当地品种，Laribako,尽管与外来基因型相比产量低，但在所有环境中都更稳定。95/19158、95/19177和96/02025三个基因型在环境中比其他外来基因型更稳定。基因型95/18544最敏感，在有利环境下对该物质有正响应。该研究确定了在不同环境中具有特定和一般适应潜力的基因型，这些基因型可以在农场试验中进一步测试，以便可能的释放。

1.介绍

山药(Dioscorea.Sp .)是据信起源于热带地区的最古老的粮食作物之一。1]．虽然六种经济上重要的物种（D. rotundata, D. alata, D. caryensis, D. esculenta, D. dometorum， 和d .黄）在非洲的主要食物中生长[2]，D. Rotundata.是西非山药区种植最广泛的一种。撒哈拉以南非洲占世界山药产量的70% [3.]，特别是在加纳，在几内亚北部的草原地带、中部的草原过渡地带和森林地带以及南部的沿海草原地带的43个农业重要地区中，有34个地区种植了这种作物[4]．大约76％的山药生产在布鲁阿哈菲，北部和东部地区发生，分别占总生产的39,25和12％，而剩下的24％的产量分布在山顶，阿散西方，Volta和西部地区[5]．

加纳是山药的非洲第三大生产国尼日利亚的背后和科特迪瓦[6]. 山药不仅是加纳国内市场的重要作物，也是国际市场的重要作物。它是北方地区大多数农民的主要收入来源和粮食安全作物[7]．加纳于2016年从山药的出口赢得了超过180万美元，因此由于产量增加了超过七百万公吨的山药。这使得山药在所有耕作作物商品中为该国的一个外汇代理人进行了6]．

尽管山药在确保粮食安全和创造收入方面发挥了重要作用，但可供农民种植的改良品种很少。加纳北部的大多数农民仍然偏爱和种植当地品种，这些品种虽然产量低、易受病虫害影响，但仍能满足他们的粮食需求[8]．哭死等。[9]观察到病虫害发生在山药耕种是在生长的早期阶段普遍，因此所提出的两项preplanting和postplanting防护处理，以确保成功的生产纱线。然而，在提高单株产量几个农艺措施已经在山药研究方面，以及作物的遗传改良方面仍处于初步阶段，在加纳引进和外来基因型的评估后发布的只有极少数的品种（第一个正式版本是在2005年完成）10.]. 然而，这些都未能适应加纳的所有生态。大多数情况下，由于基因型的原因，这些引入的基因型也不能适应当地的环境 × 由于基因型对不同环境条件的不同反应而产生的环境相互作用[4]．

此前有报道[11.- - - - - -13.]将山药产量表现的差异归因于其固有的基因型特征，以及对不同环境条件的偏好[14.，15.]．因此，在确定在不同环境中可能获得最高产量的合适基因型时，仔细评估至关重要[16.]．高产和不同环境下基因型的稳定性是植物育种家所期望的重要属性。因此，育种材料在不同的环境中进行测试，以评估基因型性能的一致性，以确定更广泛或特定适应的优良品种[17，18]. 基因型 × E从一个环境到另一个环境的相互作用效应仍然不显著，跨年份被认为是稳定的[14.，19]．

虽然已有多种方法来评估作物基因型与环境的互作和产量稳定性，结合主成分分析(PCA)和GEI的图形解释的加性主效应和倍增相互作用(AMMI)、基因型主效应和基因型×环境(GGE)双图分析近年来非常有用。AMMI模型集成了方差分析(ANOVA)和主成分分析(PCA)，用于分析多环境试验中基因型的稳定性[20]并估计每个基因型和环境对总GEI变异的贡献[21]．De Oliveira等[22]评估巴西黄色激情果实品种的适应性和稳定性，并提出了在单个非参数中使用AMMI稳定值和产量稳定性可用于区分具有优异果实产量的基因型。另一方面，GGE双针提供基因型对特定环境的基因型的图形表示，并促进代表性环境的识别，检测测试环境的能力区分和识别所符合稳定基因型[20，23]．Otoo等人[15.]观察到使用GGE双标图不同生态的12个山药基因型差的性能。阿里等人。[17]，还鉴定了产量和纤维性状的特殊适应陆地棉基因型;同样，Jahanzaib等人[24]还估算了伊朗花生种子产量的基因型×环境互作及其对特定环境的适应性。这些发现表明，GGE双标图是评估山药产量稳定性和对特定地区适应性的合适工具。本研究的目的是评估不同山药基因型对块茎产量稳定性的影响，并鉴定适合加纳北部几内亚草原生态环境的优良山药基因型。

2.材料和方法

本研究涉及10个优良外来山药基因型(见表)1）从国际热带农业研究所和一家精英当地农民的优选品种获得Laribako。几内亚大草原生态区的大多数山药种植社区广泛种植所用的当地品种。2010年至2012年期间，在几内亚-萨凡纳农业生态区的五个地点（每个地点都代表一个更广泛的地点）进行了试验。这些地点分别是姆博乌拉、兰廷帕、延迪和尼扬帕拉，都在北部地区。位置（空间）和年份（时间）组合给出了总共五（5）个环境（表1）2)．研究区域的年平均降雨量为1200毫米。在每一种环境下，土地都被切割和犁过，然后地块被布置成一个随机的完整的地块设计，有三个重复。土丘由人工抬高，间距为1.2 × 1.2 m。每个基因型被分配到一个由20个土丘组成的小区。在种植后两个月，用高约1.5米的木桩进行桩桩。除草是在必要时进行的。收割是在播种后8个月进行的。在收获时，收集了块茎重量(公斤)和每堆块茎数的数据。块茎产量(t ha .⁻¹）然后计算为重量从净地块块茎和外推至1公顷。平均数块茎重量（g）也被估计为每块由块茎数除以收获块茎的重量。

2．1.数据分析

采用Genstat 12.1对数据进行联合方差分析[25]．采用最低显著差异检验(LSD为5%)对不同地点的基因型表现进行平均比较。

2.2。稳定性分析

添加剂的主要效果和可乘相互作用（AMMI）方差分析进一步进行跨越使用的GenStat软件[环境每小区得到的11个纱线基因型块茎重量25]．该AMMI模型结合方差和主成分分析的在单个分析中分析[26]. 主成分分析分解整体表型的GEI成分。AMMI稳定值和产量稳定指数（YSI）是根据Adjebeng Danquah等人计算的[27]．

根据Zobel等人的AMMI模型[28]表示为 哪里Y_ij的响应我^th基因型j^th环境中,µ是大的意思，平均值是多少我^th基因型减去总平均值，e_j平均值是多少j^th环境减去总平均值，λ._k是PCA轴的特征值的平方根k,α_本土知识， 和γ._jk主成分得分是主成分轴吗k的我^th基因型和j^th环境分别和环境e_ij是剩余的。环境和基因型PCA分数表示为单位向量乘以λ._k，我。e。，environment PCA score = λ._k^0.5γ._jk，0.5，基因型PCA得分= λ._k^0.5α._本土知识．

根据主成分轴评分(IPCA1和IPCA2)对交互作用平方和的相对贡献，计算各基因型的AMMI稳定性值(ASV)。

Purchase等人所描述的AMMI稳定值(ASV) [29]的计算如下: 哪里  = the weight given to the IPCA1-value by dividing the IPCA1 sum of squares (from the AMMI analysis of variance table) by the IPCA2 sum of squares. The larger the IPCA score, either negative or positive, the more adapted a genotype is to a certain environment. Smaller ASV scores indicate a more stable genotype across environments [30]．

还使用基于AMMI稳定值的产量和排序的排名和排名的总和计算产量稳定性指标： 其中RASV =基于AMMI稳定性值的基因型排序，RY =基于跨环境产量(RY)的基因型排序。

YSI集成在一个单一的标准两者平均产量和稳定性。这两个参数的值低表明具有高平均产量和稳定性[期望的基因型31，32]．

随后，Yan提出的GGE双批选项方法[33用于可视化在双针中数据中的基因型主要效应和基因型×环境交互模式。使用“WON-WATH”模式用于在视觉上识别高性能和调整的高，以及适合于不同的测试环境的模式。这是使用的R软件包 [34]．

3.结果

方差分析显示出显着 互动和非常重要 块茎产量的主要影响（表3.)．基因型效应解释平方的总和的39.71％，由于治疗，接着环境（36.03％）和交互作用（24.26％）。仅第一相互作用主成分轴（IPCA 1）为显著和占与IPCA2正方形占24.36％的相互作用总和的59.74％。

3．1.基因型在五种环境中的平均表现

在表中提出了在五个环境中的每一个中11个Elite山药基因型的性能4. 在Mbowura 2010年，块茎产量在8.17%之间 塔哈⁻¹（Laribako)和14.14吨公顷⁻¹(95/19158)，平均12.31 t ha⁻¹．2011年Lantinkpa块茎产量也在10.88 - 18.33吨/公顷之间变化⁻¹为Laribako和96/00594分别。Average tuber yield recorded at Lantinkpa 2012 was 13.45 t ha⁻¹并从9.81到16.53 t ha不同⁻¹为Laribako分别为96/00594。基因型95/19156（8.50 塔哈⁻¹) had the lowest tuber yield at Yendi 2012, with 95/19158 (19.79 t/ha) producing the highest yield. The lowest tuber yield at Nyankpala 2012 was 4.31 t ha⁻¹从一万八千九百二十二分之九十五这比农民优选品种下，Laribako．块茎产量在特定环境下最高(19.79 t ha)⁻¹)基因型95/19158的总平均块茎产量最高（16.03%） 塔哈⁻¹)，显著高于其他8种基因型，包括农民偏好的品种，Laribako．除95/18544、95/19156和95/18922基因型外，所有外源基因型的块茎产量均显著高于农户偏好品种。块茎产量最低的基因型为4.31 t ha⁻¹在2012年Nyankpala的95/18922。2011年Lantinkpa是平均基因型性能最高的环境（15.18吨⁻¹)Nyankpala 2012年的平均收益率最低（9.40 塔哈⁻¹)．

3.2。基于基因型的产量及稳定性排名

根据块茎产量、AMMI稳定值(ASV)和产量稳定指数(YSI)进行基因型排序如表所示5．基因95/18922 ASV最低，是最稳定或无反应的基因型。ASV得分最高的95/19158型是最不稳定或响应性最强的基因型。就产量而言，情况正好相反。各环境中平均产量最高的基因型为95/19158。根据产量稳定指数(ASV排序+块茎产量排序)，基因型96/00594是高产与高稳定性结合的最佳基因型。产量最高的基因型为95/19158，排在第5位^th总体来说，这是由于它在ASV上的排名较低。96/00594和96/02610两个基因型既高产又高稳定性，而95/19158则是高产中等稳定性。另一方面，95/19177可被认为是高产且不稳定的基因型，而产量最低但稳定性高的基因型可被认为对环境不敏感。

3.3。AMMI在不同环境中选择最佳性能的基因型

入选2010 Mbowura四大基因型顺序，96/02610，19158分之95，95/01942和96/00594（表6)．在2011年的Lantinkpa调查中，入选的前4个基因型分别是96/00594、95/19158、95/18544和95/18949。基因型96/00594、95/19158、96/02610和95/19156被选为Lantinkpa 2012的最佳表现者，而在Nyankpala 2012，基因型95/19158、96/02025、96/00594和95/19177被选为最佳表现者的前4名。在延第2012年筛选出95/19158、95/19177、96/00594和96/02610基因型为最佳表现型。95/19158和96/00594两个基因型在5个环境中分别被选为最高基因型，而95/19158在3个环境中分别被选为次高基因型。基因型96/00594在5个环境中的2个被选为第三和第四好。Lantinkpa 2011是块茎平均产量最高的环境，Nyankpala 2012是最低的环境。

3．4．不同环境的区分能力和代表性

在5个环境中评估的11个基因型的平均环境视图如图所示1．与AEA夹角最小的环境向量更能代表其他测试环境。因此，E4、E2和E3比其他环境更具有代表性。E1和E5最不具代表性，E2和E3适于选择一般适应基因型。环境向量的长度表明了它的识别能力。因此，E5是最具鉴别性的环境，更适合块茎产量基因型的初步筛选。

3.5。测试环境之间的关系

五种环境中11个基因型块茎产量的双批次环境矢量图表明了不同环境之间的相关性（图1）2)．两个环境之间的角度表示其相关性。与锐角环境是高度相关的，而与钝角环境表示负相关性。在这种情况下，E4（Yendi 2012）和E5（Nyankpala 2012）是高度正相关，而环境E1（Mbowura 2010），E2（Lantinkpa 2011），和E3（Lantinkpa 2012）也高度正相关。有E1和E5之间的相关性较弱。

3.6。平均性能与稳定性

GGE在图中3.在五个环境中的11个纱线基因型本平均值与稳定性显示。穿过双标图原点和平均测试仪（垂直线）经过单个线环境被称为平均测试仪坐标轴。垂直线分离具有低于平均装置从那些具有高于平均水平的装置（在箭头的方向相反的）基因型，用线平行于垂直线指示基因型稳定性。基于这些信息，G6（95/19/18）是收益最高的基因型，与G3（18949分之95）为最低收益。基因型G6，G8（96/00594），G10（96/02610），G7（19177分之95）和G4（18949分之95）具有高于平均水平的性能。与对平均测试仪平均较短的投影基因型G8坐标轴被认为具有横跨环境高收率和高稳定性。与此相反，（G6）19158分之95，虽然有上述的平均产量最高，也有很长的投影献给ATC轴线指示低稳定性。

3.7。基因型的适应特定的环境

在最远基因型上绘制的多边形视图如图所示4．顶点基因型表明该区域内环境最好或最贫穷。这张双图被分成五个扇区。只有1区和5区有环境。第1区有4个环境;E2, E3, E4和E5，而第5区只有一个环境，E1。一个顶点上的基因型代表该区域内所有环境中获胜的基因型。在本案例中，95/19158 (G6)是Lantinkpa 2011 (E2)、Lantinkpa 2012 (E3)、Nyankpala 2012 (E4)和Yendi 2012 (E5)的获胜基因型。基因型与环境的接近表明该基因型或基因型组具有最佳表现或更适应该特定环境。因此，基因型96/2610 (G10)较好地适应了Mbowura 2010、Lantinkpa 2011和Lantinkpa 2012的普遍条件。

3.8。比较双针显示高且稳定的产量的理想基因型

从图5，G8（9/00594）更接近同心圆（理想基因型）的中心，因此更为希望，因为它将高块茎产量与环境的高稳定性结合在一起。虽然G6（95/19158）跨越地区的平均块茎产量最高，但与G8（9/00594）相比，它被认为是不太理想的。双针右侧的基因型低于平均性能。G11（Laribako)和G3(95/18922)的块茎产量和稳定性最差，这是因为它们与同心圆中心的距离表明，它们在环境中的表现一直很差。

4。讨论

像大多数数量性状一样，山药块茎产量受到基因型×环境互作的高度影响[4，23，35，36]．这一现象混淆了对这类基因型进行一般适应的选择。在本研究中，基因型、环境以及基因型与环境的互作效应显著影响了所研究基因型的块茎产量。Nduwumuremyi等人[37表明在块茎产量等数量性状上存在显著的基因型×环境互作效应，严重限制了在不同环境下选择优良基因型的努力。这是因为这种性能无法在具有不同生长条件的环境中复制。不同基因型的山药具有内在的品种特性和对不同环境条件的偏好[13.- - - - - -15.特别是对于已被引入新环境的外来基因型。因此，需要在不同的环境中评估基因型，以确定最适合它们的特定位置，以及这些基因型在哪里可以充分发挥其产量潜力[19]．稳定性分析的使用使育种者能够量化基因型与环境相互作用的程度，并根据稳定性指数将基因型描述为广泛适应(适应多个环境)或特别适应(适应单个或少数环境)[38]．

如果一个基因型在不同环境下种植时，其产量波动程度较低，则认为该基因型是稳定的[39，40]．Osei等人[35]还有Yan和Tinker[23]还表明，从一个环境到另一个环境的方差保持相对恒定的基因型被认为是稳定的。然而，一贯较差的基因型仍然可以保持稳定。因此，除了对所感兴趣的特性具有优异的性能外，还应始终考虑稳定性。购买等[29因此]提出结合排名基于高收率和稳定性（基于AMMI稳定性值）成一个单一的索引的收率稳定指数，收率稳定性指数（YSI）。的AMMI分析识别特定的基因型横跨环境[是稳定的20，21]．在本研究中，95/19158基因型在不同环境中产量最高，但稳定性较低。这意味着它在有利环境条件下的反应是积极的，而在不利环境下的反应则是消极的，这表明它具有特定的适应能力。如果有良好的农业实践，这种基因型将是在有利环境条件(农艺稳定性)下生长的高投入农业的理想基因型。

虽然本地适应性基因型的产量趋于保持整个环境中的一致，他们仍然未能甚至在良好的环境中积极响应。这种基因型被归类为反应迟钝的环境条件（生物稳定），并保持了在恶劣条件下的农民最保险。然而，其他基因型往往同时其收益率维持在恶劣条件下适度积极响应有利的环境。这样的基因型通常选择在那里他们可以表现出充分的增产潜力的特定环境。在本研究中，农民品种的产量，Laribako,保持一致，尽管在5个环境中都很低。而95/19158基因型的块茎产量在不同环境中保持中等一致性，在4个环境中均为最高的基因型。

The genotype main effect and genotype × environment (GGE) biplot visualizes the main effect of genotype as well as genotype × environment interaction [41]. 基于多边形视图的GGE双标图交互的“which won where”模式有助于在单个或多个环境中识别精英基因型[42]. 多边形顶端的基因型（顶点品种）代表该区域内所有环境中表现最好的基因型。在本研究中，使用GGE双标图揭示了结合高平均性能和高稳定性以及偏好和适应某些特定环境的基因型（图3.和4)．结果表明，95/19177基因型在E4 (Yendi 2012)和E5 (Nyankpala 2012)环境中表现较好，95/18544和96/00594基因型在E1 (Mbowura 2010)、E2 (Lantinkpa 2011)和E3 (Lantinkpa 2012)环境中表现最好。基因型95/19158对4种环境均有适应;E1 (Mbowura 2010)， E2 (Lantinkpa 2011)， E3 (Lantinkpa 2012)和E4 (Yendi 2012)。在早期的基因型×环境分析研究中也报道了不同山药基因型对环境的特定适应或偏好现象。Otoo和Asiedu [43]经评估和确定，特别适用薯蓣叶蜂加纳的“Tela”基因型。Otoo等人[15.]也在一项涉及12人的研究中薯蓣叶蜂利用GGE双标图鉴定出16种环境下特异适应品种，再次证实了不同山药基因型的环境特异性。

据燕廷克[23]中，理想的基因型是一种结合了高平均产量与高稳定性。虽然这种理想的基因型可能不自然的条件下存在，它被用作用于评价基因型的参考[44]．同心圆的中心（图5）表示理想的基因型，其通过一个投影到一个等于上述均具有平均产量基因型的最长矢量的平均环境轴和由零投影在不同环境中定义到垂直线（零的变异性的位置)．A基因型更希望它是更接近理想的基因型。它允许基因型的评估，根据自己的亲近或多远，他们是这个中心[44，45.]．从图5G8（9/00594）是最理想的基因型，它将高产与高稳定性结合在一起。尽管G6（95/19158）在各个地区的平均块茎产量最高，但与G8（9/00594）相比，它被认为不太理想。双批次右侧的基因型表现低于平均水平。Laribako（G11）和95/18922（G3）是由于它们在距离同心圆的中心的距离所示的环境中持续差的性能而受欢迎46.]．这项研究提供了基因型与环境互作效应的新信息在加纳的几内亚热带稀树草原生态山药产量和描绘他们在该地区的发行种植农民之前需要测试山药基因型特异性环境。

5.结论

产量性能的适应性和稳定性在开发新的山药品种方面非常重要，特别是对于引入的基因型。不同的基因型显示适应不同的环境。Genotype 95/19158在具有中等稳定性的环境中具有最高的整体性能。基因型96/00594和96/02610根据产量稳定性指数（YSI）组合高产率高稳定性。基因型95/19177虽然根据AMMI稳定值和产量稳定性指数，相对高的屈服度较低，因此适用于特定适应性。农民首选品种，Laribako，在不同环境中始终是低产量的。研究发现，95/19158基因型具有特异性适应性，96/00594、96/02610、96/02025和95/18949基因型具有一般适应性。这项研究的结果为新山药上市前进行多位点基因型检测提供了重要信息。

数据可用性

在实验中获得的数据已用于本手稿的写作中。

利益冲突

提交人声明他们没有关于本文的出版物的利益冲突。

致谢

作者感谢Nyankpala csir热带草原农业研究所的管理人员和工作人员的支持。前副主任Stephen Asante博士(2010 - 2014)的CSIR-SARI正式承认他的贡献在开展本研究通过西非农业生产力计划项目“田间评价精英奇异和当地山药基因型为适应加纳的几内亚草原生态”。

参考

1. HD米格诺娜，M。M阿邦，R。阿西埃杜和R。吉塔，“真正的山药(Dioscorea.）：别善和草之间的生物和进化联系，“冷泉港协议，第4卷，第4期。第11页，1-7,2009。视图:谷歌学术
2. J. W. Purseglove，热带作物单子叶植物，爱思唯尔，阿姆斯特丹，荷兰，1972。
3. N. A. ETIM，D.汤普森，和C. E. Onyenweaku，“山药测量效率（Dioscorea.尼日利亚农村资源贫乏的农民的生产，”杂志农业与食品科学， vol. 1, no. 13, pp. 42-47, 2013。视图:谷歌学术
4. E. Otoo, C. R. Okonkwo和R. Asiedu，“加纳杂交山药基因型的稳定性研究”，食品、农业和环境杂志，第4卷，第4期。1，页234-238,2006。视图:出版商网站|谷歌学术
5. P. anadumba，《加纳山药的激励和抑制因素分析》，技术说明系列，MAFAP，粮农组织，意大利罗马，2013年，http://www.fao.org/3/a-at552e.pdf．视图:谷歌学术
6. 粮农组织，联合国粮食及农业组织罗马2020年，意大利罗马，http://www.fao.org/faostat/en/#data/qv.．
7. 米达,商品种山药生产，千年发展权威（Mida），Accra，加纳，2008年。
8. S. K. Asante, G. W. K. Mensah和E. Wahaga，“农民对山药害虫的知识和感知(薯蓣属页)以及他们在加纳北部的土著控制做法，”加纳中国农业科学，第40卷，第5期。2，第185-192，2007。视图:谷歌学术
9. F. Kusi, S. K. Asante, J. adjebenge - danquah等，“提高山药保质期的参与式综合虫害管理策略(薯蓣属），”国际高等农业研究杂志，卷。1，第124-132，2013。视图:谷歌学术
10. J.萨姆和H. Dapaah，“西非农业生产力程序（WAAPP）加纳”基线调查报告，卷。2009年2日。视图:谷歌学术
11. I. C. Onwueme和W. B.查尔斯，热带块根作物：生产前景和未来展望，粮农组织，意大利罗马，1994年。
12. C.L.A.Asadu，F.O.R.Akamigbo，F.I.Nweke和H. C. Ezumah，“尼日利亚东南部种植地区的三个山药种植区域的六种白纱（Dioscorea Totundata）的评估”农业科学学报，第127卷，第127期4，第463-468页，1996。视图:出版商网站|谷歌学术
13. R. Kapinga, N. Nangera, R. Asiedu, B. Chirimi, S. Kaare，“坦桑尼亚粮食和农业系统中的山药:对研究和发展的影响”，刊国际热带根作物学会非洲分会第七届三年研讨会论文集。(ISTRC-AB)，贝宁科托努共和国，1998年10月。视图:谷歌学术
14. G. Ssemakula和A. Dixon，“富类胡萝卜素木薯无性系的基因型×环境互作、稳定性和农艺性能”，科研论文，卷。2，第390-399，2007。视图:谷歌学术
15. E. Otoo，K.奥塞，J. Adomako等人，“12 GGE双标图分析薯蓣叶蜂基因型在加纳,”农业科学杂志，第10卷，第5期。1, pp. 249-263, 2018。视图:谷歌学术
16. B. O. Ugwu, T. O. Ezulike, G. C. Orkwor, and E. C. Nwauzor，“在尼日利亚Benue州种植山药的旱季和雨季的成本和回报的比较分析”国际热带根作物学会非洲分会第七届三年研讨会论文集。(ISTRC-AB)，PP。1998年10月，贝宁共和国科托努167-173。视图:谷歌学术
17. I. Ali, N. U. Khan, M. Rahman et al.，“陆地棉花产量和纤维性状的基因型和双图分析”，国际农业与生物学杂志，卷。20，第1979至1990年，2018。视图:谷歌学术
18. E. Otoo和R. Asiedu所著的，“绩效概况薯蓣叶蜂加纳品种Dorban基因型的GGE双标图分析食品、农业和环境杂志，第7卷，第5期1，第150-155，2009。视图:谷歌学术
19. A.G.O. dixon和E. n. nukenine，“基因型X环境相互作用和Cassava产量和产量组分的最佳资源分配”非洲作物科学杂志，卷。8，pp。1-10,2000。视图:出版商网站|谷歌学术
20. M. jamshidmoghaddam和S.Pourdad，“基因型×雨水冬季红花种子产量的环境相互作用（Carthamus tinctoriusL.)伊朗的多环境试验，”Euphytica第190卷第1期3，页357-369,2013。视图:出版商网站|谷歌学术
21. K洪宇，M。加西亚-佩尼亚，L。BDAraújo和C。TDSantos Dias，“通过基因型×环境互作的AMMI分析进行产量试验的统计分析，”生物识别字母第51卷第1期2, pp. 89-102, 2014。视图:出版商网站|谷歌学术
22. 黄西番莲果实品种适应性和产量稳定性的AMMI分析，"科学奥农园，卷。71，没有。2，第139-145，2014。视图:出版商网站|谷歌学术
23. W. Yan和N. A. Tinker，“多环境试验数据的双向分析：原则和应用”，加拿大植物科学杂志，第86卷，第86期3，第623-645页，2006。视图:出版商网站|谷歌学术
24. M. Jahanzaib，N.Nawaz，H.Khurshid，S. A. Jan，M. Arshad和I. Hassan，“估算基因型×环境相互作用对不同生态区的基因种子产量”，“国际农业与生物学杂志，第22卷，第139-145页，2019。视图:谷歌学术
25. R. W. Payne，D. A. Murray，S. A. Harding，D .B.Baird，以及D. M. Soutar，Genstat for Windows:简介， VSN International, Hemel Hempstead，英国，12版，2009。
26. A. Agyeman，E. Parkes和B. B.Peprah，“AMMI和GGE BGE BIDPLOT对森林和沿海生态的木薯基因型的根产量性能”，国际农业政策与研究杂志，第3卷，第222-232页，2015。视图:谷歌学术
27. J. adjebenga - danquah, J. manua - aduening, V. E. Gracen, I. K. Asante, S. K. Offei，“加纳森林和几内亚草原生态系统中木薯生长和产量组成的AMMI稳定性分析和遗传参数估计”，国际农学杂志， vol. 2017, Article ID 8075846, 10页，2017。视图:出版商网站|谷歌学术
28. R. W. Zobel，M. J. Wright和H. G. Gauch，“产量试验的统计分析”农学期刊，卷。80，不。3，pp。388-393,1988。视图:出版商网站|谷歌学术
29. JL购买，H。帽子，C。svan Deventer，“冬小麦的基因型×环境互作(小麦南非:二。产量性能稳定性分析，”南非植物与土壤杂志，第十七卷，第二期3，第101-107，2000。视图:出版商网站|谷歌学术
30. E. Farshadfar, N. Mahmodi, A. Yaghotipoor，“面包小麦AMMI稳定性值及产量和产量稳定性的同时估计”(小麦L.），”澳大利亚作物科学杂志，第5卷，第5期。13，pp。1837-1844，2011年。视图:谷歌学术
31. R图穆亨比塞，R。梅利斯，P。沙纳汉和R。Kawuki，“木薯早期鲜贮根产量和相关性状的基因型×环境互作效应，”该作物杂志，卷。2，不。5，第329-337，2014。视图:出版商网站|谷歌学术
32. L. K. Bose，N.N.Jambhulkar，K. Pande和O. N. Singh，“使用AMMI和其他稳定性统计在同时选择的水稻基因型中用于直接播种条件下的产量和稳定性”，“智利农业研究杂志第74卷第1期1, pp. 1 - 9, 2014。视图:谷歌学术
33. W.燕“GGEbiplot-一个Windows应用程序的多环境试验数据和其他类型的双向数据的图形分析，”农学期刊，卷。93，第1111-1118，2002年。视图:谷歌学术
34. R.ř核心团队，统计计算的语言和环境，统计计算，维也纳，奥地利，2018。
35. M. K.奥塞，B. Annor，J. Adjebeng - 丹夸等人，“基因型×环境相互作用：对西红柿品种发展的先决条件，”。在番茄育种与生产的最新进展，S. T. Nyaku和A. Danquah，EDS。，PP。93-113，Intechopen Limited，伦敦，英国，2018年。视图:谷歌学术
36. C. N. Egesi，S. Ogunyomi和R. Asiedu，“在水山药基因型×环境相互作用（参薯）在尼日利亚的五个山药生长位点的产量试验，“遗传学与育种杂志，卷。59，pp。81-88,2005。视图:谷歌学术
37. A. Nduwumuremyi，R.Melis，P. Shanahan和A. Theodore，“基因型和环境影响对木薯重要特征的影响”（木薯Crantz），”该作物杂志，第5卷，第5期。5, pp. 373-386, 2017。视图:出版商网站|谷歌学术
38. E. J. Oliveira和I. J. Godoy，“使用AMMI的牛仔裤花生线的POD产量稳定性分析”作物育种与应用生物技术，卷。6，第311-317，2006年。视图:出版商网站|谷歌学术
39. S. K. Dhillon，G.辛格，B. S.吉尔和P.辛格，“稳定性分析对于籽粒产量和其在大豆成分〔甘氨酸最大（L.）梅里尔]，”作物改良，卷。36，pp。55-58,2009。视图:谷歌学术
40. 8 . F. Gurmu, H. Mohammed，和G. Alemam，“基因型×环境互作与大豆籽粒产量和营养品质的稳定性”，非洲作物科学杂志，第十七卷，第二期2，第87-99页，2009。视图:谷歌学术
41. W. Yan，L. A. Hunt，Q.盛，Z.Szlavnics，“基于GGE双批集的品种评估和巨型环境调查”作物科学，第40卷，第5期。3，页597-605,2000。视图:出版商网站|谷歌学术
42. W. Yan和L.A. Hunt，“对安大略省冬小麦产量的基因型×环境互动的解释”作物科学，卷。41，没有。1，pp。19-25,2001。视图:出版商网站|谷歌学术
43. E. Otoo和R. Asiedu“的GGE双标图分析薯蓣叶蜂在加纳品种“特拉”基因型”食品、农业和环境杂志，第7卷，第5期1, pp. 134 - 139,2009。视图:谷歌学术
44. E. Farshadfar，M.Mahnaz Rashidi，M.M.Jowkar和H.Zali，“GGE Bipoty ke型基因型基因型的群体相互作用”，“欧洲实验生物学杂志，卷。3，不。1，pp。417-423,2013。视图:谷歌学术
45. E. Kendal，S. Tekdal和M. S. Sayar，“评估生态因素对使用GGE双针和AMMI分析的小教物中的产量和质量参数的影响，”巴基斯坦植物学杂志，卷。48，没有。5，pp。1903-1913,2016。视图:谷歌学术
46. E. kendal，“通过基因型×产量×特征和基因型×特质×特性方法”的杜兰姆小麦品种比较“智利农业研究杂志，卷。79，没有。4，pp。512-522,2019。视图:出版商网站|谷歌学术

版权

版权所有©2021 Joseph Adjebeng-Danquah等。这是分布下的开放式访问文章知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。