春播早熟组高粱区试点综合评价

　　摘    要：根据国家高粱春播早熟组2019、2020和2021年区域试验结果，在生产水平、精确度、有效性、分辨力、稳定性和普遍代表性等6个方面对试点进行综合评价。结果表明：吉林省农业科学院和内蒙古赤峰市农牧科学院两个区试点有较高的生产水平和试点分辨力；吉林省农业科学院和吉林市农业科学院的精确度和稳定性相对较高。6个区试点的试点精确度均在区域试验要求范围内，试验均有效并且有较高的普遍代表性，适于鉴别有广泛适应性的品种。利用AMMI模型的欧式距离值法和GCV法对试点的分辨力进行计算，结合上述分析发现吉林省和内蒙古自治区的区试点能够对新品种进行鉴定分析，可适当增加试点提高试验可靠性，黑龙江省需要增加区试点数。

　　关键词:高粱; 区域试验;精确度;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;

　　高粱作为全球主要的粮食作物，也是中国重要的杂粮作物，在国内旱作农业中一直占据着重要的地位。随着全球绿色革命自60年代以来，和改革开放后中国在80年代随着国民经济的发展，主要粮食综合高产和人民生活水平的提高,高粱逐渐转变为主要的酿造原料(张福耀等, 2019)，高粱具有较强的抗逆特性，被认为是最具潜力的粮食作物和能源植物(唐三元和谢旗, 2019; 尹美强等, 2019)。21世纪以来，中国高粱从2000年的8.9×105 hm2减少到2008年的4.9×105 hm2，直到2009年才有增加，但是增长的也很有局限性，在种植面积受局限的条件下，在平均产量上得到了显著提高，2020年中国高粱的单位面积产量为4 679.4 kg/hm2。近10年来，国家高粱产业技术体系培育的高粱品种因茎秆矮、淀粉含量高、产量高、适合机械化收割等特点而加速发展。生产中的传统品种正在被新培育的优质品种所取代(李顺国等, 2021)。

　　新品种的选育及其是否能保持亲代的优良特性，需要进行区域试验进行鉴别(邢雪森和胡国华, 1988)。区试是通过一年多点或者多年多点的试验方式对新品种做品种评价与鉴别，通过区试点的试验结果来分辨新品种是否适宜在当地生产推广(蒋晓铭和李汉生, 2005)。区试试验的结果又能体现当下试点的生产水平、精确度、有效性、分辨力等不同的作物生产水平。陈志德等(2003)研究认为可用误差变异系数(CV, coefficient of variation)表示试验精确度，CV是一个相对数，可用于不同试点间试验质量的评价比较。孔繁玲等(1998)的研究表明，单以CV评判区域试验精度不足以说明问题，可以采用误差变异系数(CV)和相对最小显著差(RLSD, relative least significant difference)两项指标来评价区域试验精度。郭建炜等(2022)的研究均采用了加性主效应和乘积交互作用模型(AMMI模型)进行，张群远和孔繁玲(2002)、刘旭云等(2001)的研究认为AMMI模型相较与ANOVA模型和LR模型有更广阔的应用范围，可以提高试验精度，而且还可以节省人力物力。陈双龙(2005)、王阳等(2010)的研究建议将区试的试验结果进行多方面综合分析对后续区试工作的开展和试点选取提供了参考。

　　高玉芳等(2020)、王炜等(2020)、徐杨玉等(2018)、谢文锦等(2019)研究者在主要粮食作物的区试评价分析上做了许多的研究，在农艺性状、品质性状、丰产性、适应性和稳定性等方面都进行了详细的研究分析，对作物后续的区试工作提供了参考依据，促进了区试工作的优化，但在高粱区试的分析上仅有寥寥几篇。因此，本研究旨在综合前人的分析方法，对2019—2021年的区试点进行综合分析。为改进试验提供科学依据。

　　1结果与分析

　　1.1试点的生产水平

　　试点生产水平代表了该区试点的大田生产水平和对品种的适应性。表1是2019—2021年各区试点所有参试品种的平均产量。各试点参试品种总体的产量体现了当地的大田生产水平，除地力影响以外，生产水平也会受到环境影响有一定变化。吉2 (吉林省长岭县金丰种业)和蒙2 (内蒙古敖汉旗金丰种业)两个区试点的生产水平相对较低。吉3 (吉林市农业科学院)、黑1 (黑龙江省肇源稼祥农业研究所)的生产水平处于中等，吉1 (吉林省农业科学院)、蒙1 (内蒙古赤峰市农牧科学院)这两个区试点的生产水平相对较高(表1)。

　　表1高粱区域试验平均产量(kg/hm2)

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

　　1.2试验精确度

　　三年内所有区试点的试验误差CV平均值均在10%以内，单年份CV只有2021年蒙1试点略有超出，但并未超过12%。由3年的平均值可以看出蒙1 (内蒙古赤峰市农牧科学院)和蒙2(内蒙古敖汉金丰种业)的试验精确度相对较低，吉2 (长岭县长岭镇金丰种业)和黑1(黑龙江省肇源县稼祥现代农业研究所)的试验精确度处于中等，吉1 (吉林省农业科学院)和吉3(吉林市农业科学院)的试验精确度相对较高。RLSD能直观的反映出试点的精确度，RLSD越小，说明该试点精确度越高，试点吉1 (吉林省农业科学院)和吉3 (吉林市农业科学院)的RLSD是3年试验中精确度相对较高的试点，平均值只有6.03%和6.43%，在这两个试点上只要两个品种的产量在6.03%和6.43%之内就能分辨出品种产量之间的高低(表2)。

　　表2区试点CV和RLSD值

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

　　1.3试点的有效性

　　由于品种区域试验采用多年多点的试验方式，试验数据会受到气候、地点、地力和自然灾害等的影响出现误差，为避免区试数据受气候等自然条件的影响，通常把CV大于12%的和产量不足区试总平均产量50%的去掉不计入分析数据。而试验误差CV小于12%并且产量在区试总平均产量50%以上的就视为试验结果是有效的，可以进一步进行分析。从表1和表2可以看出所有参试试点的试验数据均是有效的，可以进行综合分析。

　　1.4试点的分辨力

　　对区试产量进行AMMI模型和GCV分析，各年份由主成分轴计算得出的De值有所不同，从平均值来看，吉林省农业科学院和内蒙古赤峰农牧科学院的De值相对较高，有较强的的品种分辨力，长岭县长岭镇金丰种业、吉林市农业科学院和内蒙古敖汉金丰种业的De值中等，黑龙江省肇源县稼祥现代农业研究所的品种分辨力相对较低。

　　两种方法所得出的平均值有一定的差距，由AMMI模型法得出的各试点由大到小的排列顺序是：蒙1>吉1>吉2>吉3>蒙2>黑1，而GCV法的排列顺序为：蒙1>吉1>吉2>吉3>蒙2>黑1。两种方法的平均值排列顺序是一致的，由此可知内蒙古赤峰农牧科学院的试点分辨力相较更高。

　　两种方法的相关系数在2019年仅有r=0.468 5未达到显著水平。在2020年和2021年两种方法的相关系数分别是r=0.9637和r=0.9037，均达到显著水平(表3)。

　　表3区试点PCA值, De和GCV值

　　Table 3 PCA, De and GCV values of pilot areas

　　1.5试点代表性

　　试点代表性分普遍代表性和特殊代表性，前者是单个试点的结果与区试结果趋向一致的程度，后者则是趋向不一致的程度。

　　6个试点各自的小区产量与区域试验整体的平均产量之间相关系数在0.3087~0.9702之间，其中2021年吉3(吉林市农业科学院)的相关系数未达到显著水平，2020年黑1 (黑龙江省肇源县稼祥现代农业研究所)达显著水平，其余试点各年份均达到极显著水平。由3年的平均数可以看出，各试点的相关系数均在显著及以上，所有试点均具有普遍代表性，适合检定有广泛适应性的品种(表4)。

　　表4区试点代表性相关系数

　　Table 4 Regional pilot representativeness correlation coefficient

　　1.6试点稳定性

　　试点稳定性指的是不同区试点的环境在不同气候条件、自然灾害的冲击下对其的适应缓解能力。在3年的区域试验中除吉1试点外，其余试点在稳定性上均有一定程度的变化，吉1 (吉林省农业科学院)和吉3(吉林市农业科学院)的稳定性相对较高，吉2 (长岭县长岭镇金丰种业)和蒙1 (内蒙古赤峰市农牧科学院)的稳定性处于中等，黑1 (黑龙江省肇源县稼祥现代农业研究所)和蒙2(内蒙古敖汉金丰种业)的稳定性相对较低。从3年的平均值将区试点稳定性进行排序：吉1>吉3>吉2>蒙1>黑1>蒙2。吉1 (吉林省农业科学院)的稳定性相对最高，蒙2(内蒙古敖汉金丰种业)的稳定性最低(表5)。

　　表5区试点的稳定性相关系数

　　Table 5 Stability correlation coefficients of pilot areas

　　1.7试点综合评价

　　表6中分别列出了各区试点不同标准的水平分析。6个试点中吉1 (吉林省与农业科学院)和蒙1 (内蒙古赤峰市农牧科学院)的生产水平相对较高，吉3 (吉林市农业科学院)和黑1 (黑龙江省肇源县稼祥现代农业研究所)的生产水平中等，吉2 (长岭县长岭镇金丰种业)和蒙2 (内蒙古敖汉旗金丰种业)的生产水平相对较低，说明各区试点有不同的地力以及大田生产水平;试点中吉1 (吉林省与农业科学院)和吉3(吉林市农业科学院)的精确度相对较高，吉2 (长岭县长岭镇金丰种业)和黑1 (黑龙江省肇源县稼祥现代农业研究所)的精确度中等，蒙1 (内蒙古赤峰市农牧科学院)和蒙2 (内蒙古敖汉旗金丰种业)的精确度相对较低；普遍认为在区试试验中试验误差变异系数小于12%且试点产量高于总区试平均产量的50%便视为试点有效，受试6个区试点产量和误差变异系数均达到区域试验要求，试验结果有效；吉1 (吉林省与农业科学院)和蒙1 (内蒙古赤峰市农牧科学院)的分辨力相对较高，吉2 (长岭县长岭镇金丰种业)、吉3 (吉林市农业科学院)和蒙2 (内蒙古敖汉旗金丰种业)的分辨力中等，黑1 (黑龙江省肇源县稼祥现代农业研究所)的分辨力相对较低。在6个区试点都具有普遍代表性，适宜种植有广泛适应性的品种；吉1 (吉林省与农业科学院)和吉3 (吉林市农业科学院)有相对较高的试点稳定性，吉2 (长岭县长岭镇金丰种业)和蒙1 (内蒙古赤峰市农牧科学院)稳定性处于中等，黑1 (黑龙江省肇源县稼祥现代农业研究所)和蒙2 (内蒙古敖汉旗金丰种业)的稳定性相对较低。需要增加试验数据。

　　综合上述分析，试点吉1 (吉林省与农业科学院)在表6中的评价均有较高的水平，吉2 (长岭县长岭镇金丰种业)在试点生产水平上相对较低，试点精确度、稳定性和试点分辨力都处于中等位置，吉3 (吉林市农业科学院)在试点生产水平与试点分辨力上处于中等，却有较高的试点精确度和稳定性，黑1 (黑龙江省肇源县稼祥现代农业研究所)在试点生产水平和精确度上处于中等，在试点分辨力和稳定性上相对较低，蒙1 (内蒙古赤峰市农牧科学院)在试点生产水平以及试点分辨力上相对较高，试点稳定性处于中等，试点的精确度上相对较低，蒙2(内蒙古敖汉旗金丰种业)在试点的分辨力上处于中等，但试点生产水平以及试点分辨力和稳定性相对较低。

　　表6区试点综合评价

　　Table 6 Comprehensive evaluation of regional pilot projects

　　2讨论

　　试点精确度在区域试验中是最核心的因素之一，区域试验的精确度有两项指标，一项是实验误差值精确度，另一项是品种比较精确度，在前人的研究中对不同作物的区域试验都做了试点精确度的分析，在小麦、玉米、水稻和大豆的区试结果中表明，不同作物的误差变异系数CV值均在5%～8%之间，可以算作试点有较好的精确度，从伍玲等(2002)、英敏等(2004)、王洁等(2010)、陈应志等(2006)的研究中比较相对最小显著差数RLSD在10%以内说明该试点有较好的精确度。在本研究结果中，从3年的平均CV表明除了蒙1以外的其它试点CV值均在8%以内，均能更准确的进行品种间差异鉴别，其中吉1和吉3的CV值在5%以内，说明吉林省农业科学院和吉林市农业科学院两个试点的精确度高，而3年的平均RLSD吉1、吉2、吉3和黑1试点的值均在10%以内，说明试点都有相对较好的精确度。应探索对于完善试点以及品种精确度的研究方法。

　　在分辨力的分析上，通常采用遗传变异系数进行比较，但这种方法不能完全表现出基因型和环境型两种分量各自的估值，所以对分辨力的分析又进一步采用了AMMI模型和GGE双标图等方法进行分析。本研究引用了AMMI分析试点分辨力，能有效的考察基因型和环境型的不同分量之间关系。郑建敏等(2012)采用了欧式距离值法和变异系数法共同进行试点分辨力的分析，用来比较两种方法对分辨力的分析情况，结果表明，欧式距离值法在可靠性和区试分辨力上均优于变异系数法。在本研究中引入欧式距离值法和GCV法对试点分辨力进行计算，3年内2年的算法间相关系数达极显著，说明两种算法均有效。

　　在试点的有效性上，从前人的研究结果来看，6个区试点均有效，CV值和平均产量均在有效性范围以内。

　　在试点的稳定性分析上，采用了将试点间的相关系数进行比较，得出稳定性的估值，再由各试点的平均值进行排序，试点稳定性指的是不同区试点的环境在不同气候条件、自然灾害的冲击下对其的适应缓解能力。段银妹等(2022)采用了相关系数法对云南省8个区试点的稳定性进行了试点稳定性的分析，郭建炜等(2022)利用GGE模型将5个区试点的稳定性和品种稳定性通过双标图的形式进行了综合排序，相对来说能进一步得到更准确的试点以及品种稳定性的估值。

　　从上述分析结果可以看出吉林省3个试点精确度、稳定性和分辨力处于中等以上，都有较高的普遍代表性，适宜种植有广泛适应性的品种，可以代表吉林省高粱生产的水平，也可适当增加区试点，丰富试验数据，以此提升试验的准确性和可靠性，黑龙江省1个试点的生产水平和精确度处于中等，稳定性和分辨力较低，由于只有一个试点的综合评价，缺乏全面性和代表性，建议黑龙江增加区试点。内蒙古2个区试点的精确度都相对较低，分辨力都在中等以上，稳定性在中等及以下，建议适当增加区试点，完善试点评价的全面性。

　　3材料与方法

　　3.1材料和试点环境

　　分析数据内容来自春播早熟组高粱区试在2019—2021年的区试结果。6个区试地点为吉林省农业科学院(吉1)、长岭县长岭镇金丰种业(吉2)、吉林市农业科学院(吉3)、黑龙江省肇源县稼祥现代农业研究所(黑1)、内蒙古赤峰市农牧科学院(蒙1)、内蒙古敖汉金丰种业(蒙3)。2019年参试材料18个，2020年参试材料14个，2021年参试材料16个，两个对照品种为敖杂1号和吉杂210。由于淘汰机制，并未将三年参试品种名称在文中体现。

　　表7试点气候基本信息

　　Table 7 Basic information of the pilot climate

　　3.2试点生产水平

　　用一个试点的平均产量(y¯)表示，y¯的数值越大，表示生产水平高，反之则低。

　　3.3试点的精确度

　　精确度包括试验和品种比较2个方面, 分别用变异系数法(CV)和相对最小显著差数法(RLSD)2种方法进行评价。

　　公式为：

　　CV%=Se/y¯×100

　　RLSD%=LSD0.05/y¯×100

　　式中：Se为标准差。

　　LSD0.05=2MSe/r−−−−−−−√×t0.05；r为试验中的重复数;MSe 为单点试验的误差项方差；t0.05为v=k(r−1) 的t值；k为单点试验中的品种数。当CV/RLSD值大时，表明品种比较精确度低;反之则精确度高。

　　3.4试点分辨力

　　用CV法和加性主效应和乘积交互作用模型2种方法进行评价；当数值小时，表明试点的分辨力低;反之则高。AMMI模型法用区试点在IPCA空间的原点距离(De)表示，当De值小时‚表明试点的分辨力低;反之则高。公式为：

　　GCV/%=MSt−−−−√/y¯×100

　　De=∑l=1nη2el−−−−−√(e=1,2,...,n)

　　MSt为品种的遗传方差。

　　De为区试点在IPCA空间的原点距离，下标e第几个试点，n为显著的IPCA个数，η2el为第e个试点在第l个IPCA上的得分，De为衡量区试点对参试品种分辨力的定量指标。

　　3.5试点代表性

　　用相关系数法进行评价②用试点上品种的性状值与整个区试中的性状均值的相关系数r高低表示。当r值小的时候②表示试点的代表性低；反之则高。

　　3.6试点稳定性

　　用相关系数法进行评价，用不同年份间同一组参试品种性状之间的相关系数rs来表示，若相关系数高说明该试点稳定性高，反之则低。

　　3.7试点有效性

　　用单个试点CV及产量水平表示。一般认为区试点CV值在12%以内，产量是区试总平均产量50%以上均为有效，反之则剔除。

　　统计分析利用EXCEL软件和DPS数据处理系统对实验数据进行分析。

　　作者贡献

　　丁博是本研究的实验设计者和实验研究执行人；赵德、侯佳明、李捷、梁军、杨微和高悦参与完成实验研究、数据分析和试验结果分析；李继洪是项目的构思者及负责人，指导实验设计、数据分析、论文写作与修改。全体作者都阅读并同意最终的文本。

　　致谢

　　本研究由吉林省科技厅重点研发计划-优质酿造高粱种植创新及新品种选育(20200402108NC)和财政部和农业农村部-国家现代农业产业技术体系(CARS-06-145-A12)共同资助。

　　参考文献

　　[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. (陈志德, 仲维功, 杨杰, 张红生, 2003, 水稻品种(系)稳定性分析模型的评价, 江苏农业学报, (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. (陈双龙, 2005, 福建省水稻品种区试点综合评价研究, 福建农业学报, (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. (陈应志, 张群远, 孔繁玲, 2006, 国家大豆品种区域试验精确度研究, 大豆通报, (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. (段银妹, 尹雪芬, 陈国琛, 李江, 张炳英, 李春梅, 杨芬, 张鹏顺, 2022, 云南省蚕豆新品种联合区域试验试点综合评价, 种子, 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. (郭建炜, 徐冬丽, 王国平, 胡再青, 马福全, 刘梅金, 2022, 基于GGE模型对甘肃省青稞多年多点区试品种稳定性分析, 分子植物育种, 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, 赵宝勰, 杜世坤, 赵振宁, 强旭阳, 2014年甘肃省大豆品种区试白银点总结, 甘肃农业科技, (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. (蒋晓铭, 李汉生, 2005, 农作物品种区试定位浅论, 种子世界, (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, 张群远, 杨付新, 郭恒敏 1998, 棉花品种区域试验的精确度探讨, 作物学报, (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. (李顺国, 刘猛, 刘斐, 邹剑秋, 陆晓春, 刁现民, 2021, 中国高粱产业和种业发展现状与未来展望, 中国农业科学, 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. (刘旭云, 谢永俊, 杨德, 张锡顺, 2001, AMMI模型应用于油菜区域试验的分析研究, 西南农业学报, (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, 谢旗, 2019, 高粱-小作物大用途, 生物技术通报, 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. (王阳, 李继洪, 陈冰嬬, 高士杰, 2020, 春播早熟高粱区试点综合评价研究, 中国农业大学学报, 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. (王炜, 王怀昕, 张元琴, 刘廷海, 孙静, 2020, 基于AMMI模型的贵州省水稻区试品种稳定性及适应性分析, 现代农业科技, (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, 朱华中, 2002, 小麦品种区域试验精确度及精度分析, 西南农业学报, (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. (王洁, 廖琴, 胡小军, 万建民, 2010, 北方稻区国家水稻品种区域试验精确度分析, 作物学报, 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, 胡国华, 1998, 种子是农作物生产的关键, 种子世界, (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. (徐杨玉, 洪彦彬, 李杏瑜, 刘洪, 陈小平, 李海芬, 刘海燕, 鲁清, 温世杰, 李少雄, 周桂元, 梁炫强, 2018, 南方花生区试品种的品质性状分析, 分子植物育种, 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. (谢文锦, 李宁, 杨海龙, 付俊, 张中伟, 2019, 辽宁省玉米区试品种丰产稳产性比较, 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. (尹美强, 王栋, 王金荣, 兰敏, 赵娟, 董淑琦, 宋喜娥, ALAM Sher, 原向阳, 王玉国, 温银元, 2019, 外源一氧化氮对盐胁迫下高粱种子萌发及淀粉转化的影响, 中国农业科学, 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, 李其义, 2004, 玉米品种区域试验精确度和品种比较精确度分析, 种子, (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. (张福耀, 平俊爱, 赵威军, 2019, 中国酿造高粱品质遗传改良研究进展, 农学学报, 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. (张群远, 孔繁玲, 杨付新, 2001, 我国作物品种区域试验的精确度研究, 中国农业大学学报, (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. (张群远, 孔繁玲, 2002, 作物品种区域试验统计分析模型的比较, 中国农业科学, (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. (郑建敏, 李浦, 廖晓虹, 杨梅, 李式昭, 饶世达, 蒲宗君, 2012, 利用变异系数法和欧式距离值法分析四川省小麦区试试点分辨力, 西南农业学报, 25(4): 1143-1146.)