《Journal of Agronomy and Crop Science》：Unravelling Genotype?×?Year Interactions and Yield Stability in Wheat Under Rainfed Conditions in the Temperate Western Himalayas Using AMMI, GGE, and BLUP Approaches
编辑推荐：
基因型×年份（G×Y）互作在干旱（雨养）且气候剧烈波动的生态系统中显著增加了品种选择的难度。本研究利用AMMI、GGE双标图及基于BLUP的线性混合模型（LMM/WAASB）方法，在温带雨养农作区连续三个生长季（2019–2022），综合评估了10个春小麦（T
基因型×年份（G×Y）互作在干旱（雨养）且气候剧烈波动的生态系统中显著增加了品种选择的难度。本研究利用AMMI、GGE双标图及基于BLUP的线性混合模型（LMM/WAASB）方法，在温带雨养农作区连续三个生长季（2019–2022），综合评估了10个春小麦（Triticum aestivum L.）基因型的籽粒产量、农艺性状表现、时间响应模式及参数稳定性。联合方差分析（ANOVA）结果显示，几乎所有考察的农艺性状在基因型（G）、年份（Y）及G×Y互作方面均存在极显著差异（p<0.01），表明产量潜力直接受年际气候差异的制约。AMMI和WAASB指数揭示了参试品系间G×Y互作方差存在高度遗传多样性，而GGE双标图分析则刻画了各基因型在三个试验季中的时间响应模式。在所有互补分析方法中，SKW-356在三个试验季中表现出相对一致的表现，具有较低的互作得分，且在双标图分析中靠近“理想基因型”中心位置。然而，这些结果代表单一试验点内的时间稳定性，不应被解读为广泛环境适应性的证据。尽管其他一些优良基因型（尤其是G5和G8品系）在特定有利年份表现出较高的产量潜力，但它们在对比鲜明的季节性条件下表现出更大的年际产量变异。基于上述多重且互补的稳定性分析，SKW-356可被视为进一步多年多点评估的有前景候选材料，而其在更广泛环境条件下的表现及其在育种计划中的潜在应用仍需额外验证。
**论文解读：利用AMMI、GGE和BLUP方法解析温带西喜马拉雅雨养条件下小麦的基因型×年份互作与产量稳定性**
**1. 研究背景与问题**
面包小麦（Triticum aestivum L.）对环境波动高度敏感，遗传因素与季节性气候变化之间的互作深刻影响着籽粒产量和品质。在同一地区，气候和土壤条件的差异常导致同一基因型在不同季节表现出不同表型，产生基因型×年份（G×Y）互作，从而干扰选择效率。这种变异拉大了基因型遗传潜力与田间实际表现之间的差距，使育种者难以从时间性气候影响中剥离出真实的遗传效应。因此，多年多点试验是可靠评估基因型在多变季节条件下表现的关键途径。此类试验可将总表型方差分解为基因型（G）、年份（Y）和G×Y三个组分，进而识别具有高平均表现和时间稳定性的基因型。然而，统计稳定性指数只捕获了季节间的表型一致性，其背后的生物学机制（如物候同步化或胁迫响应性状）仍只是假说，除非被直接测定。尽管如此，统计稳定性分析仍为初步筛选时间稳定候选材料提供了基础，是育种程序中应对年际气候变异的重要步骤。
**2. 研究目标与试验设计**
该研究在克什米尔温带雨养地点（Khudwani站，34°N，74°E，海拔1590米）开展，于2019–2022年连续三个生长季评估了10个春小麦基因型。供试材料包括来自印度和墨西哥的品种或高代品系，其中SW-2为当地对照品种。试验采用随机完全区组设计（RCBD），设三次重复，每小区6行、行距0.20米、行长3.0米（小区面积3.6平方米），收获时取中间四行（有效面积2.4平方米）以避免边际效应。试验期间年际降水差异极大：2019–2020季降水充沛（869.9毫米），而2021–2022季遭受严重干旱（44.1毫米），为评估G×Y互作提供了严苛的自然框架。研究旨在：（i）量化G、Y及G×Y方差组分；（ii）刻画由季节变化驱动的互作结构；（iii）识别在波动年份中保持高产且稳定的基因型；并严格限于该试验点内的时间稳定性评估，为类似温带雨养小麦系统提供基线数据。
**3. 主要研究方法**
研究人员综合运用了互补的统计框架。首先，采用跨年份联合方差分析（ANOVA）分解表型变异，使用基因型×年份组合的**最佳线性无偏估计（BLUE）**进行AMMI和GGE双标图分析，以避免双重收缩。其次，基于**线性混合模型（LMM）**和**限制最大似然（REML）**估计方差组分，计算**最佳线性无偏预测（BLUP）**、基因型均值基础遗传力（h2mg）和选择准确性（AS）。同时，使用**加权平均绝对得分（WAASB）**指数量化稳定性，并通过GGE双标图生成“谁赢在哪一年”和基因型排名图谱。最后，通过**选择稳定性指数（SSI）**在纯产量与最大稳定性之间进行同步选择，并采用Spearman秩相关验证各指数间的一致性。
**4. 主要研究结果**
**4.1 联合方差分析与G×Y互作幅度**
联合ANOVA表明，年份、基因型及其互作对大多数农艺性状影响显著（p<0.01）。在完全雨养条件下，季节气候波动在籽粒产量（GYPP）、穗粒数（GS）和千粒重（TGW）等产量组分中贡献了最大方差份额。基因型在GYPP、成熟期（DTM）、分蘖强度（TI）和穗长（SL）上差异极显著，G×Y互作对GYPP、TI、株高（PH）和TGW显著，解释了部分基因型排名逐年变化的成因。
**4.2 REML预测的方差组分与遗传参数**
REML分析显示，GYPP的遗传力（h2mg）为0.642，选择准确性（AS）高达0.929，表明模型有效滤除了季节噪声并捕获了真实遗传信号。生理性状方面，DTM几乎完全受遗传控制（h2mg=0.967，AS=0.998），而生物产量（BW，h2mg=0.093）和株高（PH，h2mg=0.077）受到年际气候波动的显著影响。部分性状（如GS和SL）遗传力为0，表明极端降水差异完全掩盖了这些产量组分的遗传表达。研究强调，仅依赖单一性状优越性进行选择会产生误导，必须依赖综合时间稳定性指数。
**4.3 AMMI模型与WAASB指数的产量稳定性评估**
AMMI分解显示，IPCA1轴单独解释了GYPP的G×Y方差的89.6%。双标图揭示了三类适应策略：G8和G5为“季节响应型”，在有利年份高产但年际波动大；G1、G3和G6适应性差，平均产量低且位于互作图负区域；SKW-356、G4及对照SW-2则位于双标图中心附近，互作幅度接近于零，表现相对一致。WAASB分析进一步支持了AMMI结果，SKW-356和G4具有最低的WAASB得分，G8、G5和G1最高，说明其高产潜力以气候脆弱性为代价。
**4.4 GGE双标图“谁赢在哪一年”与理想基因型划分**
GGE双标图的前两个主成分捕获了总G+G×Y变异的85.99%（TGW）至95.26%（GYPP）。在“均值 vs. 稳定性”图中，SKW-356最接近“理想基因型”中心，其后依次为G4和G2。多边形视图显示，G8和G5常出现在2019–2020丰产季的顶点，但无法在胁迫年维持表现；而SKW-356、G4和SW-2因远离多边形角落、接近中心，在整个试验季中表现持续，未出现单季主导。
**4.5 模型诊断与同步选择指数**
对GYPP数据进行的Q-Q正态性检验显示，基因型效应、G×Y互作和总表型效应的残差均处于95%置信区间内，线性混合模型假设基本满足。SSI热图分析表明，当选择指标从100%稳定性向100%产量变动时，SKW-356和G4始终位于顶端（黄色区域），而G1、G2和G5则始终处于底部（深紫色区域）。该结果表明SKW-356和G4能够在保证性能潜力的同时提供高稳定性，是后续多年多点验证试验的有前景候选。
**5. 讨论与结论总结**
讨论部分强调，年际气候差异（极端湿润与严重干旱）是驱动本研究G×Y互作的主要原因。AMMI和BLUP方法所得结果高度一致，SKW-356的低WAASB值和高平均BLUP值验证了其时间稳定性。GGE双标图清晰区分了机会型基因型（G5、G8）和稳定型品系（SKW-356、G4）。研究同时指出，当前结果仅基于单点三年试验，方差组分和遗传力估计存在抽样不确定性，不能作为广泛地理适应性的证据。未来需在多样农业生态区开展多年多点试验，并整合根系构型、水分利用效率、冠层温度等生理性状及分子标记，以揭示产量稳定性的生物学机制。
研究结论明确指出，SKW-356在三个对比鲜明的季节性条件下表现出相对一致的时间性能，具有低G×Y互作得分和稳定的多指标分析剖面，是进一步多环境评估的有前景候选材料。但其观测到的稳定性模式属于统计和表型层面，因果机制尚不明确，须通过更广泛的环境验证后再评估其在育种中的潜在价值。
