古典网站素材重庆蒲公英网站建设公司
参考资料：农作物品种试验数据管理与分析
用于品种生态区划分的GGE双标图有两种功能图：试点向量功能图和“谁赢在哪里”功能图。双标图的具体模型基于SD定标和h加权和试点中心化的数据。本例中籽粒产量的GGE双标图仅解释了G和GE总变异的53.6%，说明籽粒产量的GE/G比率更大，GE的构成也更为复杂。对前6个主成分得分的分析表明，前3个主成分的信息比IR大于1，说明需要用前3个主成分才能充分展示数据中的GGE模式。也就是说，PC1和PC2的双标图不能完全展示GGE模式。虽然如此，该双标图仍然可以展示数据中最重要的模式。
1、GGE双标图的试点向量功能图
GGE双标图的试点向量功能图便于展示试点间的遗传相关性。下图中：13个试点被明显地划分为两组；同组的试点间显著正相关，而不同组试点间存在负相关关系。
试点间的夹角是表示试点间G与GE相对大小。上图中，一些试点间GE效应较大，例如ON7和NB之间就存在较强的负相关。试点间存在负相关就表示目标区域可能包含不同的品种生态区。
2、GGE双标图的“谁赢在哪里”功能图
品种生态区常用“谁赢在哪里”模式来划分，这是由AMMI分析方法的倡导者Gauch和Zobel首先提出来的术语。GGE双标图的“谁赢在哪里”可以简洁高效地展示基因型—环境两向表数据中的GGE模式。
下图就是“谁赢在哪里双标图”，与前一个功能图相比，仅仅是去掉了试点向量，而增加了多边形和从原点到多边形各边的垂线。多边形是通过链接距离原点最远的基因型，并将所有基因型包含在内而形成的。从原点出发垂线将多边形划分为不同的扇区。
第一个扇区位于射线1和6之间，包括4个试点；基因型“Sylva”位于该扇区内多边形的顶角上，表示该品种在名义上式这组试点产量最高的基因型。
第二个扇区位于射线5和6之间，包括4个试点；基因型“Optimum”是该区的顶角品种，表明Optimum是这些试点中名义上的赢家。
第三个扇区在射线4和5之间，仅包含一个试点，即ON5；该扇区名义上的赢家是基因型“1232-5”。
第四个扇区位于射线3和4之间，该区也只有ON7一个试点，其优势基因型时“1189-4”。
基于以上的GGE双标图分析，我们可以说这里有4个生态区吗？答案是否定的。这是因为后面3个区可能在统计上是不显著的，因为优势品种距离很近，并且排除了ON2，其他试点均在正相关关系。因此GGE双标图的“谁赢在哪里”模式不是生态区划分的唯一标准。
GGE双标图“谁赢在哪里”功能图确实解释了示例中可能包括一个试点间密切相关的品种生态区和一个试点间关联松散的品种生态区。
在品种生态区划分方面，上述GGE双标图的两种功能图都是有用的，可以相互补充。需要重申一点，品种生态区划分的结论对育种和品种推荐有着长期的影响，必须基于多年品种试验数据进行分析。单年数据分析只能得出提示性的结果，仍需从多年试验数据进行证实。
下面这张图标有8.5的双标图与上面那个标有8.4的双标图是相同，只是图8.5采用了基因型聚焦的奇异值分析方法。图8.5展示的“谁赢在哪里”模式与上面的图8.4中的模式完全相同。这里把这两个图列出来是要说明两点：首先，选择不同的奇异值分配方式会改变双标图的形状，但不会改变“谁赢在哪里”模式；其次，就双标图表达模式的清晰度方面，一种奇异值分配方式可能会比其他分配方式更明确。例如在图8.4中基因型Sylva和试点QC4重叠，而图8.5可以很好地将它们分开，图形的可读性更强。两个图也有不同之处：图8.5更加适合基因型评价，而图8.4更适合于试点评价。
