农作物品种实验数据管理与分析2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

农作物品种实验数据管理与分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 作物品种试验的理论基础1

1.1 多年多点品种试验的遗传力2

1.2 提高作物品种试验效率的方法探讨4

1.2.1 提高遗传方差分量的比率4

1.2.2 增加试验年份4

1.2.3 增加试验点数量5

1.2.4 增加单点试验的重复次数5

1.2.5 减少试验误差5

1.2.6 利用可重复的基因型与试点互作效应6

1.3 遗传力的各种类型与解释6

1.3.1 无重复的多年多点品种试验中数据6

1.3.2 一年多点试验数据6

1.3.3 多年单点试验数据7

1.3.4 单点试验数据7

1.4 基因型—环境数据的遗传力估计8

1.4.1 有重复的基因型—环境数据的遗传力估计8

1.4.2 基因型—环境的平均值两向表10

1.4.3 无重复品种试验的基因型—环境两向表11

1.4.4 基于多年有重复试验的基因型—试点平均值两向表11

1.5 遗传力和目标区域的亚区划分11

1.5.1 遗传力和方差分量分析11

1.5.2 遗传力和目标区域亚区划分12

1.5.3 如何划分目标区域13

1.5.4 不同目标区域的整合13

1.6 以各基因型的遗传力为收敛因子14

1.7 方差分量和遗传力估计14

1.7.1 均方、期望均方和方差分量14

1.7.2 遗传力估计实例15

1.8 总结19

第2章 品种试验数据和分析方法综述21

2.1 品种试验数据的层次21

2.1.1 品种试验数据的3个层次21

2.1.2 性状的3种类型21

2.1.3 品种试验数据分析的层次22

2.2 单点试验数据和分析22

2.2.1 单点试验数据22

2.2.2 数据分析的目标22

2.2.3 数据分析途径与技术22

2.3 一年试验数据和分析23

2.3.1 一年多点试验数据23

2.3.2 数据分析的目标24

2.3.3 方法与技术24

2.4 多年试验数据和分析25

2.4.1 多年品种试验数据25

2.4.2 数据分析的目的25

2.4.3 方法与技术25

2.5 多性状决策26

2.5.1 数据分析的目的26

2.5.2 方法与技术27

第3章 双标图分析介绍28

3.1 双标图与矩阵乘法29

3.2 基于双标图内积特征的各种视图31

3.2.1 矩阵元素的符号和数值展示31

3.2.2 在行内对诸列排序32

3.2.3 列内对诸行排序32

3.2.4 两行比较32

3.2.5 两列比较34

3.2.6 找出各列中数值最大的行34

3.2.7 找出各行中数值最大的列35

3.3 从两向数据构建双标图的步骤36

3.3.1 奇异值分解和主成分分析36

3.3.2 奇异值分配39

3.3.3 重新定标后的行和列得分40

3.3.4 双标图的垂直或水平翻转41

3.3.5 双标图的旋转43

3.3.6 行和列得分与双标图模式43

3.4 双标图分析的应用44

第4章 双标图分析的数据中心化45

4.1 数据中心化的5种类型46

4.1.1 未中心化数据46

4.1.2 总均值中心化数据47

4.1.3 环境中心化数据48

4.1.4 双向中心化数据50

4.1.5 基因型中心化数据51

4.2 各种双标图对基因型评价的适用性53

4.2.1 基于未中心化数据的双标图53

4.2.2 基于总均值中心化数据的双标图54

4.2.3 基于环境中心化数据的双标图54

4.2.4 双向中心化数据的双标图55

4.2.5 基于基因型中心化的双标图55

4.2.6 GGE双标图是唯一适用于基因型评价的双标图55

4.3 不同双标图对试验环境评价的适用性56

4.3.1 基于未中心化数据的双标图56

4.3.2 基于总均值中心化数据的双标图56

4.3.3 基于环境中心化数据的双标图57

4.3.4 基于双向中心化数据的双标图57

4.4 GGE双标图的特性59

4.4.1 “G+GE”是数量遗传学的基本概念59

4.4.2 基因型间的GGE距离等同于其欧氏距离60

4.4.3 环境向量的长度与其标准差成比例60

4.4.4 环境向量夹角的余弦值近似于其相关系数61

4.5 其他类型双标图的应用61

4.5.1 用基于未中心化数据的双标图研究QTL效应与环境的互作62

4.5.2 基因表达数据的GE双标图分析63

4.5.3 EGE双标图应用于适宜生产区域的筛选65

4.6 不同数据中心化双标图的生成65

4.6.1 方差分析表65

4.6.2 基于不同数据中心化方法的双标图生成65

4.6.3 基于基因型中心化数据生成EGE双标图66

4.6.4 双标图的“谁赢在哪里”功能图66

4.6.5 双标图的环境向量功能图66

4.6.6 试验环境间相关分析66

4.6.7 在双标图中剔除敏感度差的基因66

第5章 GGE双标图分析的数据定标和权重分配67

5.1 间接选择理论与GGE双标图在评价试验环境上的联系67

5.2 作物品种试验的统计特征参数69

5.3 GGE双标图分析的数据定标方法70

5.3.1 未定标的GGE双标图70

5.3.2 SD定标的GGE双标图71

5.3.3 SE定标的GGE双标图72

5.3.4 SD定标和h加权的GGE双标图72

5.3.5 h加权的GGE双标图73

5.3.6 环境均值定标和h加权的GCE双标图73

5.3.7 环境最大值定标和h加权的GGE双标图75

5.4 基于因子分析的GGE双标图76

5.5 GGE双标图分析的适宜数据定标方法77

5.5.1 适用于试验环境评价的定标方法77

5.5.2 适合于基因型评价的定标方法78

5.6 双标图分析中如何进行数据定标79

第6章 双标图分析的常见问题80

6.1 常见问题解答80

6.1.1 PC1和PC2代表什么？80

6.1.2 PC1和PC2的单位是什么？81

6.1.3 双标图分析前需要做什么准备？81

6.1.4 双标图可以充分展示两向表中的模式吗？81

6.1.5 如果只需要第一个主成分怎么办？82

6.1.6 如果双标图未充分展示数据怎么办？82

6.1.7 如果数据集中有缺值怎么办？86

6.1.8 双标图中两个基因型间的差异在统计学上显著吗？87

6.1.9 两个环境间的相关性在统计学上显著吗？90

6.1.10 双标图中的互作模式在统计学上显著吗？91

6.1.11 GGE双标图和AMMI“双标图”：哪个更好？91

6.1.12 FA双标图优于GGE双标图吗？93

6.2 双标图解释中的常见错误94

6.2.1 “PC1得分代表基因型主效应”94

6.2.2 “GGE双标图可以展示基因型间的相关性”94

6.2.3 “GGE双标图展示基因型—环境的相关性”94

6.2.4 双标图中未标注数据中心化和定标方法94

6.2.5 双标图不按比例绘制95

6.2.6 基于多年平均的基因型与试点两向表的GGL双标图95

6.2.7 基于PC1和PC2以外的主成分构建的双标图95

6.2.8 “GE双标图可以与GGE双标图作类似的解释”95

第7章 单点试验数据分析96

7.1 单点试验数据分析的目的与步骤96

7.2 品种试验的鉴别力和精确度97

7.3 检查和纠正人为误差99

7.3.1 使用简单的遗传性状检测人为误差99

7.3.2 用基因型—重复双标图检查数据的录入错误99

7.3.3 用基因型—重复双标图检查其他人为错误100

7.4 用空间分析校正田间趋势和差异101

7.4.1 通过田间设计和空间分析控制田间差异101

7.4.2 空间分析模型102

7.4.3 实例分析一：2008年加拿大魁北克省普林斯维尔试点的燕麦品种试验104

7.4.4 实例分析二：2011年安大略省渥太华点的燕麦品种试验110

7.4.5 实例分析三：不需要空间校正的数据集112

7.4.6 实例分析四：空间校正不能改良的数据集114

7.5 单点试验分析小结115

7.6 单点试验数据分析的操作116

7.6.1 用GGEbiplot软件分析单点试验数据116

7.6.2 如何生成关于基因型与重复的双标图116

7.6.3 GGEbiplot的方差分析和空间分析功能118

7.6.4 如何分析基于设计的试验数据120

7.6.5 如何进行空间变异校正120

7.6.6 如何生成两个变量的散点图120

7.6.7 如何生成多性状双标图121

第8章 基因型—环境两向表数据分析122

8.1 单年试验基因型—环境数据分析的目的122

8.2 分析高遗传力性状以检查人为错误124

8.3 单点试验的基本统计量127

8.4 多点试验联合方差分析128

8.5 品种生态区划分129

8.5.1 GGE双标图的试点向量功能图130

8.5.2 GGE双标图的“谁赢在哪里”功能图131

8.6 基因型评价133

8.6.1 广适性基因型鉴别133

8.6.2 鉴别特殊适应性品种138

8.7 试点评价142

8.7.1 一套试点的筛选142

8.7.2 核心试点的筛选143

8.7.3 试点评价应在品种生态区内进行144

8.8 试点的数目：太多还是太少？147

8.9 如何实施双标图分析和传统的数据分析148

8.9.1 用GGE双标图读取数据形成双标图的步骤148

8.9.2 生成GGE双标图的“环境向量”功能图150

8.9.3 GGE双标图“谁赢在哪里”功能图的产生150

8.9.4 GGE双标图“丰产性与不稳定性”功能图的生成150

8.9.5 GGE双标图“理想品种”功能图的生成151

8.9.6 GGE双标图“代表性与鉴别力”功能图的生成151

8.9.7 GGE双标图“理想试点”功能图的生成151

8.9.8 关于两个变量的散点图的生成151

8.9.9 如何估计最适试点数目152

第9章 基因型—性状数据分析与决策153

9.1 “基因型—性状”双标图模型154

9.2 单点试验“基因型—性状”数据的双标图分析154

9.3 整套试验的基因型—性状数据的双标图分析158

9.4 基于品种生态区内多点试验基因型—性状均值的双标图159

9.4.1 北部品种生态区试点的基因型—性状双标图159

9.4.2 南部品种生态区试点的基因型—性状双标图162

9.5 基于多性状的基因型评价164

9.5.1 多性状选择的三大策略164

9.5.2 基于单性状淘汰的指数选择：北部品种生态区165

9.5.3 基于单性状淘汰的指数选择：南部品种生态区168

9.6 基于基因型—性状数据配制新杂交组合170

9.7 “基因型—性状”数据分析的操作方法171

9.7.1 如何生成“基因型—性状”双标图171

9.7.2 如何应用“单性状淘汰后的指数选择”策略172

9.7.3 如何基于基因型—性状数据规划新组合配制？176

9.7.4 如何决定育种目标的权重？177

第10章 性状关联与环境两向表数据分析178

10.1 利用ABE双标图分析不同环境中性状间的相关性178

10.2 利用ABE双标图分析不同环境中目标性状与解释性状的相关性183

10.3 利用QQE双标图分析不同环境中分子标记与性状的相关性184

10.4 如何生成ABE双标图186

10.4.1 如何生成Ⅰ型ABE双标图？186

10.4.2 如何生成Ⅱ型ABE双标图？187

10.4.3 如何生成QQE双标图？188

第11章 试点与性状两向表数据分析189

11.1 基于所有基因型的试点—性状数据189

11.2 基于单个基因型的试点—性状数据192

11.3 可重复的性状间环境相关194

11.4 如何实现这些分析？195

第12章 多年试验数据的品种生态区分析197

12.1 什么是品种生态区？197

12.2 利用多年数据分析品种生态区的策略198

12.3 第一种方法：逐年分析，多年总结199

12.3.1 2008年的试点分组199

12.3.2 2009年的试点分组201

12.3.3 2010年的试点分组202

12.3.4 2011年的试点分组203

12.3.5 对试点分组模式的多年总结205

12.4 第二种方法：多年数据同步分析205

12.5 品种生态区分析和目标区域分类207

12.5.1 Ⅰ型：目标环境由多个品种生态区组成207

12.5.2 Ⅱ型：目标环境为单一的简单品种生态区207

12.5.3 Ⅲ型：目标环境为单一的决定于GY的复杂品种生态区208

12.5.4 Ⅳ型：目标环境为单一的决定于GLY的复杂品种生态区208

12.5.5 Ⅴ型：目标环境的GE是可变的208

12.5.6 品种生态区的大小与复杂性208

12.6 品种生态区分析中的常见问题209

12.6.1 品种生态区分析的两种方法哪一个最好？209

12.6.2 双标图的哪种功能图最适用于品种生态区划分？209

12.6.3 每年都需要进行品种生态区分析吗？209

12.6.4 品种试验应当在品种生态区内还是跨品种生态区实施？210

12.6.5 一个基因型有可能适应于多个品种生态区吗？210

12.6.6 可靠的品种生态区分析需要多少年的数据？210

12.6.7 联合方差分析能告诉我们什么？210

12.6.8 如何验证品种生态区划分的有效性？211

12.6.9 “谁赢在哪里”模式和“谁输在哪里”模式211

12.6.10 基因型评价可以使用其他品种生态区的数据吗？211

12.7 如何实现品种生态区分析？212

12.7.1 基于多年数据生成单年GGL双标图213

12.7.2 基于多年数据生成GGE双标图214

12.7.3 生成GGE双标图“谁输在哪里”功能图214

12.8 基于GGL+GGE的品种生态区分析215

12.8.1 基于多年数据生成GGL+GGE双标图215

12.8.2 用GGS+GGE双标图概括GGE双标图中的基因型与亚区互作模式216

第13章 基于多年品种试验数据的试验点评价218

13.1 与试点评价相关的概念、定义和术语218

13.1.1 目标环境的总体（PTE）218

13.1.2 平均环境和平均环境轴219

13.1.3 试验环境或试点的代表性219

13.1.4 试验环境或试点的鉴别力219

13.1.5 代表性和鉴别力的综合指数219

13.1.6 用于选择基因型主效的理想试点220

13.1.7 用于剔除不稳定基因型的试验点220

13.1.8 应当淘汰的试验点220

13.1.9 代表性和特异性220

13.2 基于GGE双标图的试验点评价221

13.2.1 显示试验环境代表性和鉴别力的GGE双标图功能图222

13.2.2 展示环境选择G并规避GE能力的双标图功能图224

13.3 对北部品种生态区中单个试验点的评价225

13.3.1 NB（哈特兰，新不伦瑞克省）226

13.3.2 ON1（新利斯卡德，安大略省）226

13.3.3 PE（哈灵顿，爱德华王子岛）226

13.3.4 QC1（诺曼丁，魁北克省）228

13.3.5 QC4（普林斯维尔，魁北克）228

13.4 南部品种生态区中单个试验点的评价229

13.4.1 ON2（伊根维尔，安大略省）233

13.4.2 ON3（渥太华，安大略省）233

13.4.3 ON4（帕墨斯顿，安大略省）234

13.4.4 ON5（圣玛丽斯，安大略省）235

13.4.5 ON6（奈恩，安大略省）236

13.5 试验点评价的操作方法237

13.5.1 统计参数的生成237

13.5.2 GGE双标图之代表性和鉴别力功能图的生成238

13.5.3 突出单个试点的GGE双标图的生成238

13.5.4 “格式”菜单中的其他功能239

13.5.5 用符号标记基因型239

第14章 基于多年品种试验数据的基因型评价242

14.1 利用当年数据进行基因型评价243

14.1.1 北部品种生态区243

14.1.2 南部品种生态区248

14.2 基于多年数据的平衡子集的基因型评价253

14.2.1 北部品种生态区253

14.2.2 南部品种生态区254

14.3 基于多年试验全部数据的基因型评价255

14.3.1 北部品种生态区255

14.3.2 南部品种生态区257

14.4 基因型评价中的“稳定性分析”探讨259

14.4.1 稳定性指数的作用及应用方法259

14.4.2 基因型—环境互作在品种评价中的应用260

14.4.3 稳定性基因存在吗？261

14.5 关于基因型评价中应用固定模型与混合模型的讨论261

14.6 如何实现基于多年数据的基因型评价263

14.6.1 如何实现基因型的平均值和不稳定性的可视化263

14.6.2 如何依据LSD定标的平均值进行基因型评价263

14.6.3 如何基于平均值和不稳定性对基因型排序263

14.6.4 如何利用原始数据中的平衡子集生成GGE双标图264

第15章 农作物品种试验关联性数据库的构建与应用265

15.1 从数据库中提取数据265

15.1.1 选择研究项目267

15.1.2 选择年份267

15.1.3 选择试点267

15.1.4 选择性状267

15.1.5 选择基因型268

15.1.6 查询数据的保存269

15.2 COOL数据库结构271

15.2.1 COOL数据库的表及其相互关系271

15.2.2 数据统一的机理273

15.3 将原始数据输入数据库273

15.4 编辑数据库的表276

第16章 作物品种试验和育种圃的试验设计278

16.1 多点品种试验的试验设计278

16.1.1 完全随机区组设计279

16.1.2 不完全区组设计282

16.1.3 增广设计284

16.1.4 行列设计284

16.2 重复数不相等的试验设计284

16.3 育种圃试验的非随机化设计288

16.4 育种材料早代处理模块291

16.4.1 育种材料世代升级的设计291

16.4.2 育种品系在不同数量的小区或盆钵中进行种子扩繁的计划293

16.4.3 新杂交组合命名294

16.4.4 参加多点试验的育种品系重命名296

第17章 GGE双标图的模块与功能299

17.1 三个主要功能组299

17.1.1 试验设计和数据分析300

17.1.2 导入或编辑COOL关联性数据库300

17.1.3 从COOL关联性数据库中提取数据300

17.2 GGE双标图分析的数据准备300

17.2.1 数据文件类型300

17.2.2 数据格式300

17.3 两维数据操作301

17.3.1 试验对象与试验主体的角色转换301

17.3.2 缺值填充301

17.3.3 变量推导302

17.3.4 删除含缺值的基因型或环境来形成平衡子集并生成双标图302

17.3.5 删除含缺值的基因型或环境来形成部分平衡子集并生成双标图302

17.3.6 删除任意基因型或环境来形成子集并生成双标图302

17.3.7 双列杂交数据分析功能302

17.3.8 依据基因型在双标图中的位置进行删除303

17.3.9 依据试验环境在双标图中的位置分级303

17.3.10 试验环境符号转换303

17.3.11 返回前一个数据子集303

17.3.12 返回原始两向表双标图304

17.4 四维数据操作304

17.4.1 任意性状的基因型—年份双标图304

17.4.2 任意性状的基因型—试点双标图304

17.4.3 任意性状的基因型—环境双标图304

17.4.4 基因型—性状双标图305

17.4.5 性状关联—环境双标图（ABE双标图）305

17.4.6 年份—性状双标图305

17.4.7 试点—性状双标图305

17.4.8 环境—性状双标图305

17.4.9 表型—性状双标图305

17.4.10 基因型对环境—性状组合的双标图305

17.4.11 任意性状的年份—试点双标图305

17.5 双标图的模型选择306

17.5.1 数据转换306

17.5.2 数据定标和加权306

17.5.3 数据中心化307

17.5.4 奇异值分配307

17.6 双标图的各种功能图菜单307

17.6.1 探究某个试验对象（通常是品种）308

17.6.2 探究某个试验环境308

17.6.3 试验环境间相关性308

17.6.4 基因型的相似性308

17.6.5 同心圆308

17.6.6 基因型的两两比较308

17.6.7 两个试验环境的综合309

17.6.8 基因型与环境的关系309

17.6.9 “谁赢在哪里”功能图309

17.6.10 平均值与不稳定性功能图309

17.6.11 鉴别力和代表性功能图309

17.6.12 基于理想试点的试点排序309

17.6.13 基于理想基因型的基因型排序309

17.6.14 基于某基因型（或环境）对基因型（或环境）排序309

17.6.15 双标图翻转310

17.6.16 双标图旋转310

17.6.17 显示环境间的线性映射图310

17.6.18 显示基因型间的线性映射图310

17.7 改变双标图的外观310

17.7.1 双标图标题311

17.7.2 双标图大小311

17.7.3 单个标志格式化311

17.7.4 改变配色方案311

17.7.5 改变标签颜色311

17.7.6 改变基因型或环境的大小写311

17.7.7 改变字体311

17.8 改变基因型和环境的视图312

17.8.1 清除双标图背景的噪音312

17.8.2 清除投影线312

17.8.3 显示原始名称312

17.8.4 添加或清除符号312

17.8.5 图标数字化视图313

17.8.6 用户自由定义图标名称313

17.8.7 显示最后N个字母313

17.8.8 显示前面N个字母313

17.8.9 隐藏前面N个字母313

17.8.10 隐藏最后N个字母313

17.8.11 同时显示基因型和环境313

17.8.12 只显示基因型313

17.8.13 只显示环境313

17.8.14 显示或隐藏标题313

17.8.15 显示或隐藏轮廓线313

17.8.16 显示或隐藏数据来源313

17.9 图像输出314

17.9.1 复制图像到剪贴板314

17.9.2 打印图像314

17.10 自动数值输出314

17.10.1 试验环境的汇总性统计量315

17.10.2 原始数据的方差分析表315

17.10.3 定标数据的方差分析表315

17.10.4 定标数据的汇总性统计量315

17.10.5 基因型的多重比较315

17.10.6 数据中心化和定标后的两向数据表316

17.10.7 用估计值填充缺值后的两向表316

17.10.8 前6个主成分分别解释的信息量316

17.10.9 双标图预测的基因型平均值和不稳定性316

17.10.10 基因型到“理想”基因型的距离316

17.10.11 环境的鉴别力和代表性指标316

17.10.12 环境到“理想”试验环境的距离316

17.10.13 空间分析结果输出316

17.11 用户请求的数值输出317

17.11.1 原始两向表317

17.11.2 当前用于SVD的数据子集317

17.11.3 中心化和定标前的现有数据子集317

17.11.4 预测值317

17.11.5 特征向量318

17.11.6 双标图坐标轴318

17.11.7 环境间的相关矩阵318

17.11.8 所有环境间的距离矩阵318

17.11.9 各环境的向量长度318

17.11.10 多重比较318

17.12 常规统计分析318

17.12.1 自动运行的分析318

17.12.2 方差分析和空间分析318

17.12.3 关联分析319

17.13 基于多性状的基因型评价319

17.13.1 相对于最好品系的多性状决策320

17.13.2 相对于对照品种的多性状决策320

17.13.3 配组形成新杂交组合320

17.14 三维双标图模块320

17.15 数据散点图322

第18章 结论323

18.1 如何评价作物品种试验的有效性323

18.2 多环境品种试验数据分析的要点323

18.3 单点试验数据分析的要点324

18.4 多性状数据分析的要点324

18.5 数据管理和分析工具325

参考文献326