论文部分内容阅读
摘 要:为了对区试玉米品种进行科学的评价与筛选,通过对贵州省2012年C组11个玉米品种的产量等11个性状进行主成分分析。结果表明:GC3、GC2、GC5、GC1综合表现最好,可进入进一步的试验筛选;主成分分析法与传统分析法相比,具有较好的一致性。
关键词:玉米;区域试验;筛选;评价;贵州省
中图分类号 S513 文献标识码 A 文章编号 1007-7731(2015)17-49-03
我国玉米优异杂交种的筛选历来都是通过玉米区域试验来进行的,在玉米综合评判中,一般都以对照品种的表现(产量和生育期)作为参照的相对评价为主[1-2]。而仅以产量为品种评价的核心,容易忽视品种的其他优良特征,对挖掘品种的潜在价值存在一定的不良影响,也无法对区试品种得出一个客观、准确的评价[1]。因此,本研究利用贵州省2012年C组11个玉米品种的产量等11个性状作为研究对象,采用主成分分析法与传统分析法进行比较分析,比较二者在区试品种筛选、评价中的异同,旨在为玉米区域试验品种的筛选与评价提供参考。
1 材料与方法
1.1 供试材料 11个参试材料及其相关数据来源于2012年贵州省玉米品种区域试验结果,参试品种代号分别为:GC1、GC2、GC3、GC4、GC5、GC6、GC7、GC8、GC9、GC10和GC11,观测性状:穗长、穗粗、穗行数、行粒数、秃尖、单穗粒重、百粒重、生育期、株高、穗位高和产量。试验地点位于毕节市农业科学研究所科研基地内,海拔1 447m,采用随机区组排列,3次重复,小区面积20m2,行数5行,行长5m,密度为49 500株/hm2。施肥水平与当地生产相当。实收中间3行(面积12m2)测产。
1.2 分析方法 采用Office2007及SPSS18.0软件对数据进行处理和分析,方法采用主成分分析法,按照累计贡献率大于85%的原则提取主成分因子,并计算特征向量矩阵和因子综合得分矩阵;同时采用传统比较分析法对参试品种按照产量高低进行排序,比较2种方法的异同。
2 结果与分析
2.1 参试品种描述性统计分析 表1列出了11个参试品种11个性状的均值、标准差与变异系数,可知11个性状的变异系数在2.61%~56.49%,除穗长、秃尖、单穗粒重与穗位高的变异系数大于10%外,其余性状的变异系数均小于10%。同时,秃尖的变异系数远远高于其余性状,可见,秃尖在品种间的变异程度较大。产量的变异系数为7.51%,可见11个参试品种的产量差距不太大。由表2的多重比较分析可以看出,除了品种GC1、GC5与GC9产量差异达到极显著差异外,其余品种间产量差异均未达到极显著水平,这也验证了上述品种间产量差异较小的结论。
表1 各区试品种主要性状观测值与描述统计
[品种代号\&穗长(cm)\&穗粗(cm)\&穗行数(行)\&行粒数(粒)\&秃尖(cm)\&单穗粒重(g)\&百粒重(g)\&生育期(d)\&株高(cm)\&穗位高(cm)\&产量(kg/hm2)\&GC1\&20.8\&5.5\&15\&41\&0.9\&246.2\&44\&146\&250.1\&95.6\&14310.34\&GC2\&19.8\&5.9\&18\&39\&0.6\&246.1\&34\&143\&245\&105.8\&12484.25\&GC3\&20.1\&6.1\&18\&38\&0.8\&255.2\&40\&148\&238.6\&97.4\&13289.35\&GC4\&17.2\&5.6\&15\&38\&0.3\&184.7\&40\&141\&250.4\&100.4\&11914.55\&GC5\&20.8\&5.4\&15\&43\&0.3\&263.3\&40\&150\&267.2\&106.1\&14052.47\&GC6\&19.8\&5.2\&16\&37\&0.1\&221.3\&36\&146\&269.2\&110.3\&12920.54\&GC7\&20.8\&5.3\&15\&41\&0.6\&248.9\&44\&143\&236.5\&87.4\&12268.36\&GC8\&19\&6\&18\&40\&0.4\&275.9\&39\&137\&237.3\&87.6\&12160.42\&GC9\&14\&5.3\&14\&30\&0.2\&175.8\&45\&140\&218.7\&61.3\&11000\&GC10\&19.9\&5.5\&16\&37\&0.5\&236.3\&42\&146\&249.6\&96.8\&13065.96\&GC11\&21.4\&5.2\&14\&43\&1\&226.5\&38\&143\&240.4\&79.6\&12334.33\&均值\&19.418\&5.545\&15.82\&38.82\&0.518\&234.564\&40.18\&143.91\&245.727\&93.482\&12709.14\&标准差\&2.1236\&0.3205\&1.537\&3.628\&0.2926\&31.0127\&3.43\&3.754\&14.263\&14.0445\&954.78\&变异系数(%)\&10.94\&5.78\&9.72\&9.35\&56.49\&13.22\&8.54\&2.61\&5.8\&15.02\&7.51\&]
表2 11个品种小区产量多重比较分析
[品种代号\&均值\&5%显著水平\&1%极显著水平\&GC1\&17.17333\&A\&A\&GC2\&14.98333\&Abc\&AB\&GC3\&15.94667\&Abc\&AB\&GC4\&14.29667\&bc\&AB\&GC5\&16.86333\&Ab\&A\&GC6\&15.50333\&Abc\&AB\&GC7\&14.72\&Abc\&AB\&GC8\&14.59333\&Abc\&AB\&GC9\&13.2\&C\&B\&GC10\&15.68\&Abc\&AB\&GC11\&14.80333\&abc\&AB\&] 2.2 参试品种主成分因子提取 对11个参试品种的11个性状进行主成分分析发现(表3),前4个主成分因子的累积贡献率已经达到90.56%,同时,由图1可以看出,前4个主成分的特征值较大,且在第4主成分处存在明显转折点,可用4个主成分因子替代原有的11个性状对参试品种进行评价与筛选。前4个主成分因子的贡献率分别为44.23%、20.714%、16.976%和8.64%。
表3 主成分分析
[主成分\&特征值\&贡献率(%)\&累积贡献率(%)\&1\&4.865\&44.23\&44.23\&2\&2.279\&20.714\&64.944\&3\&1.867\&16.976\&81.92\&4\&0.95\&8.64\&90.56\&5\&0.53\&4.817\&95.377\&6\&0.269\&2.441\&97.818\&7\&0.122\&1.107\&98.925\&8\&0.103\&0.938\&99.863\&9\&0.014\&0.129\&99.992\&10\&0.001\&0.008\&100\&11\&-1.21E-17\&-1.10E-16\&100\&]
[5
4
3
2
1
0][特征值][成分数][1 2 3 4 5 6 7 8 9 10 11]
图1 所有成分因子的特征值
2.3 参试品种主成分相关分析 由表4的主成分载荷矩阵可以看出,第一主成分主要解释穗长、行粒数、单穗粒重、株高、穗位高、生育期和产量等性状的相关信息;第二主成分主要解释穗粗和穗行数的相关信息;第三主成分主要解释秃尖的相关信息;第四主成分主要解释百粒重的相关信息。可见,4个主成分因子能够全面解释所有性状的相关信息,能够很好的应用于各品种的相关评价。
表4 主成分载荷矩阵
[性状\&成分\&1\&2\&3\&4\&穗长\&0.89\&-0.154\&0.312\&-0.208\&穗粗\&0.248\&0.883\&0.089\&0.287\&穗行数\&0.416\&0.871\&-0.137\&0.157\&行粒数\&0.775\&-0.148\&0.358\&-0.389\&秃尖\&0.352\&0.012\&0.827\&-0.09\&单穗粒\&0.765\&0.319\&0.327\&0.082\&百粒重\&-0.455\&-0.407\&0.449\&0.549\&生育期\&0.657\&-0.466\&-0.123\&0.433\&株高\&0.72\&-0.352\&-0.568\&-0.073\&穗位高\&0.805\&0.051\&-0.528\&0.023\&产量\&0.851\&-0.287\&0.068\&0.373\&]
2.4 参试品种主成分评价与传统评价比较分析 由表5可知,在第一主成分因子得分中,GC5、GC1、GC3和GC2表现较好,依次排名前4位;GC3、GC2、GC5和GC1在主成分2中表现较好。由表6可知,11个品种中排名前4位的品种分别是:GC1、GC5、GC3和GC10,可见,与主成分评价相比,前4位品种中仅GC10不一致,因此,二者评价结果具有较好的一致性。
表5 因子得分矩阵
[品种代号\&Z1\&位序\&Z2\&位序\&Z4\&位序\&Z\&位序\&GC1\&1.44\&2\&-1.28\&10\&0.9\&2\&0.69\&4\&GC2\&1.17\&4\&2.17\&2\&-0.69\&10\&0.79\&2\&GC3\&1.41\&3\&1.65\&3\&1.44\&1\&1.22\&1\&GC4\&-1.52\&10\&-0.08\&4\&-0.49\&8\&-0.97\&10\&GC5\&2.58\&1\&-1.64\&11\&0.46\&5\&0.7\&3\&GC6\&0.91\&5\&-0.86\&8\&-0.48\&7\&-0.29\&9\&GC7\&-0.36\&9\&-0.78\&7\&-0.29\&6\&-0.11\&8\&GC8\&-0.19\&8\&2.8\&1\&-0.5\&9\&0.54\&5\&GC9\&-5.77\&11\&-0.39\&5\&0.78\&4\&-2.59\&11\&GC10\&0.31\&6\&-0.42\&6\&0.81\&3\&0.09\&6\&GC11\&0.03\&7\&-1.18\&9\&-1.93\&11\&-0.08\&7\&]
表6 各品种产量结果
[品种
代号\&小区产量(kg)\&产量
(kg/hm2)\&位次\&Ⅰ\&Ⅱ\&Ⅲ\&合计\&平均\&GC1\&16.22\&17.74\&17.56\&51.52\&17.17\&14310.34\&1\&GC2\&14.43\&14.58\&15.94\&44.95\&14.98\&12484.25\&6\&GC3\&16.79\&14.57\&16.48\&47.84\&15.95\&13289.35\&3\&GC4\&12.11\&14.41\&16.37\&42.89\&14.3\&11914.54\&10\&]
(下转114页)
(上接50页)
[品种
代号\&小区产量(kg)\&产量
(kg/hm2)\&位次\&Ⅰ\&Ⅱ\&Ⅲ\&合计\&平均\&GC5\&17.05\&17.06\&16.48\&50.59\&16.86\&14052.47\&2\&GC6\&15.3\&15.49\&15.72\&46.51\&15.5\&12920.54\&5\&GC7\&13.76\&15.38\&15.02\&44.17\&14.72\&12268.36\&8\&GC8\&13.62\&14.17\&15.99\&43.78\&14.59\&12160.42\&9\&GC9\&11.83\&14.02\&13.75\&39.6\&13.2\&11000\&11\&GC10\&16.14\&14.77\&16.13\&47.04\&15.68\&13065.96\&4\&GC11\&13.65\&15.85\&14.91\&44.4\&14.8\&12334.33\&7\&]
3 讨论与结论
本文提取4个主成分因子的累积贡献率已经达到90.56%,完全可用4个主成分因子替代原有的11个性状对参试品种进行评价与筛选。前4个主成分因子的贡献率分别为44.23%、20.714%、16.976%和8.64%。第一主成分主要解释穗长、行粒数、单穗粒重、株高、穗位高、生育期和产量等性状的相关信息;第二主成分主要解释穗粗和穗行数的相关信息;第三主成分主要解释秃尖的相关信息;第四主成分主要解释百粒重的相关信息。可见,4个主成分因子能够全面解释所有性状的相关信息,能够很好的应用于各品种的相关评价。
主成分评价与传统分析法相比,在第一主成分因子得分中,GC5、GC1、GC3和GC2表现较好,依次排名前4位;GC3、GC2、GC5和GC1在主成分2中表现较好。传统分析中排名前4位的品种分别是:GC1、GC5、GC3和GC10。可见,2种方法前4位品种中仅GC10不一致,因此,二者评价结果具有较好的一致性。
主成分分析法对区域试验中参试品种进行整体的评价分析,全面、深入的将各参试品种的原有信息直观展现出来,克服了传统评价方法中仅考虑产量的片面性。综上,主成分分析法可以很好的应用于玉米区域试验品种的筛选与评价,并取得了较为可靠、全面的结果。
参考文献
[1]Toyer A F.Phenotypic selection and evaluation of maize inbreds for adaptedness[M].Plant Breeding Reviews,John Wiley and Sons,Inc,2007,28:101-123.
[2]Kempton R A,Fox P N,Cerezo M.Statistical methods for plant variety evaluation[M].Chapman and Hal,UK,1997.
(责编:张宏民)
关键词:玉米;区域试验;筛选;评价;贵州省
中图分类号 S513 文献标识码 A 文章编号 1007-7731(2015)17-49-03
我国玉米优异杂交种的筛选历来都是通过玉米区域试验来进行的,在玉米综合评判中,一般都以对照品种的表现(产量和生育期)作为参照的相对评价为主[1-2]。而仅以产量为品种评价的核心,容易忽视品种的其他优良特征,对挖掘品种的潜在价值存在一定的不良影响,也无法对区试品种得出一个客观、准确的评价[1]。因此,本研究利用贵州省2012年C组11个玉米品种的产量等11个性状作为研究对象,采用主成分分析法与传统分析法进行比较分析,比较二者在区试品种筛选、评价中的异同,旨在为玉米区域试验品种的筛选与评价提供参考。
1 材料与方法
1.1 供试材料 11个参试材料及其相关数据来源于2012年贵州省玉米品种区域试验结果,参试品种代号分别为:GC1、GC2、GC3、GC4、GC5、GC6、GC7、GC8、GC9、GC10和GC11,观测性状:穗长、穗粗、穗行数、行粒数、秃尖、单穗粒重、百粒重、生育期、株高、穗位高和产量。试验地点位于毕节市农业科学研究所科研基地内,海拔1 447m,采用随机区组排列,3次重复,小区面积20m2,行数5行,行长5m,密度为49 500株/hm2。施肥水平与当地生产相当。实收中间3行(面积12m2)测产。
1.2 分析方法 采用Office2007及SPSS18.0软件对数据进行处理和分析,方法采用主成分分析法,按照累计贡献率大于85%的原则提取主成分因子,并计算特征向量矩阵和因子综合得分矩阵;同时采用传统比较分析法对参试品种按照产量高低进行排序,比较2种方法的异同。
2 结果与分析
2.1 参试品种描述性统计分析 表1列出了11个参试品种11个性状的均值、标准差与变异系数,可知11个性状的变异系数在2.61%~56.49%,除穗长、秃尖、单穗粒重与穗位高的变异系数大于10%外,其余性状的变异系数均小于10%。同时,秃尖的变异系数远远高于其余性状,可见,秃尖在品种间的变异程度较大。产量的变异系数为7.51%,可见11个参试品种的产量差距不太大。由表2的多重比较分析可以看出,除了品种GC1、GC5与GC9产量差异达到极显著差异外,其余品种间产量差异均未达到极显著水平,这也验证了上述品种间产量差异较小的结论。
表1 各区试品种主要性状观测值与描述统计
[品种代号\&穗长(cm)\&穗粗(cm)\&穗行数(行)\&行粒数(粒)\&秃尖(cm)\&单穗粒重(g)\&百粒重(g)\&生育期(d)\&株高(cm)\&穗位高(cm)\&产量(kg/hm2)\&GC1\&20.8\&5.5\&15\&41\&0.9\&246.2\&44\&146\&250.1\&95.6\&14310.34\&GC2\&19.8\&5.9\&18\&39\&0.6\&246.1\&34\&143\&245\&105.8\&12484.25\&GC3\&20.1\&6.1\&18\&38\&0.8\&255.2\&40\&148\&238.6\&97.4\&13289.35\&GC4\&17.2\&5.6\&15\&38\&0.3\&184.7\&40\&141\&250.4\&100.4\&11914.55\&GC5\&20.8\&5.4\&15\&43\&0.3\&263.3\&40\&150\&267.2\&106.1\&14052.47\&GC6\&19.8\&5.2\&16\&37\&0.1\&221.3\&36\&146\&269.2\&110.3\&12920.54\&GC7\&20.8\&5.3\&15\&41\&0.6\&248.9\&44\&143\&236.5\&87.4\&12268.36\&GC8\&19\&6\&18\&40\&0.4\&275.9\&39\&137\&237.3\&87.6\&12160.42\&GC9\&14\&5.3\&14\&30\&0.2\&175.8\&45\&140\&218.7\&61.3\&11000\&GC10\&19.9\&5.5\&16\&37\&0.5\&236.3\&42\&146\&249.6\&96.8\&13065.96\&GC11\&21.4\&5.2\&14\&43\&1\&226.5\&38\&143\&240.4\&79.6\&12334.33\&均值\&19.418\&5.545\&15.82\&38.82\&0.518\&234.564\&40.18\&143.91\&245.727\&93.482\&12709.14\&标准差\&2.1236\&0.3205\&1.537\&3.628\&0.2926\&31.0127\&3.43\&3.754\&14.263\&14.0445\&954.78\&变异系数(%)\&10.94\&5.78\&9.72\&9.35\&56.49\&13.22\&8.54\&2.61\&5.8\&15.02\&7.51\&]
表2 11个品种小区产量多重比较分析
[品种代号\&均值\&5%显著水平\&1%极显著水平\&GC1\&17.17333\&A\&A\&GC2\&14.98333\&Abc\&AB\&GC3\&15.94667\&Abc\&AB\&GC4\&14.29667\&bc\&AB\&GC5\&16.86333\&Ab\&A\&GC6\&15.50333\&Abc\&AB\&GC7\&14.72\&Abc\&AB\&GC8\&14.59333\&Abc\&AB\&GC9\&13.2\&C\&B\&GC10\&15.68\&Abc\&AB\&GC11\&14.80333\&abc\&AB\&] 2.2 参试品种主成分因子提取 对11个参试品种的11个性状进行主成分分析发现(表3),前4个主成分因子的累积贡献率已经达到90.56%,同时,由图1可以看出,前4个主成分的特征值较大,且在第4主成分处存在明显转折点,可用4个主成分因子替代原有的11个性状对参试品种进行评价与筛选。前4个主成分因子的贡献率分别为44.23%、20.714%、16.976%和8.64%。
表3 主成分分析
[主成分\&特征值\&贡献率(%)\&累积贡献率(%)\&1\&4.865\&44.23\&44.23\&2\&2.279\&20.714\&64.944\&3\&1.867\&16.976\&81.92\&4\&0.95\&8.64\&90.56\&5\&0.53\&4.817\&95.377\&6\&0.269\&2.441\&97.818\&7\&0.122\&1.107\&98.925\&8\&0.103\&0.938\&99.863\&9\&0.014\&0.129\&99.992\&10\&0.001\&0.008\&100\&11\&-1.21E-17\&-1.10E-16\&100\&]
4
3
2
1
0][特征值][成分数][1 2 3 4 5 6 7 8 9 10 11]
图1 所有成分因子的特征值
2.3 参试品种主成分相关分析 由表4的主成分载荷矩阵可以看出,第一主成分主要解释穗长、行粒数、单穗粒重、株高、穗位高、生育期和产量等性状的相关信息;第二主成分主要解释穗粗和穗行数的相关信息;第三主成分主要解释秃尖的相关信息;第四主成分主要解释百粒重的相关信息。可见,4个主成分因子能够全面解释所有性状的相关信息,能够很好的应用于各品种的相关评价。
表4 主成分载荷矩阵
[性状\&成分\&1\&2\&3\&4\&穗长\&0.89\&-0.154\&0.312\&-0.208\&穗粗\&0.248\&0.883\&0.089\&0.287\&穗行数\&0.416\&0.871\&-0.137\&0.157\&行粒数\&0.775\&-0.148\&0.358\&-0.389\&秃尖\&0.352\&0.012\&0.827\&-0.09\&单穗粒\&0.765\&0.319\&0.327\&0.082\&百粒重\&-0.455\&-0.407\&0.449\&0.549\&生育期\&0.657\&-0.466\&-0.123\&0.433\&株高\&0.72\&-0.352\&-0.568\&-0.073\&穗位高\&0.805\&0.051\&-0.528\&0.023\&产量\&0.851\&-0.287\&0.068\&0.373\&]
2.4 参试品种主成分评价与传统评价比较分析 由表5可知,在第一主成分因子得分中,GC5、GC1、GC3和GC2表现较好,依次排名前4位;GC3、GC2、GC5和GC1在主成分2中表现较好。由表6可知,11个品种中排名前4位的品种分别是:GC1、GC5、GC3和GC10,可见,与主成分评价相比,前4位品种中仅GC10不一致,因此,二者评价结果具有较好的一致性。
表5 因子得分矩阵
[品种代号\&Z1\&位序\&Z2\&位序\&Z4\&位序\&Z\&位序\&GC1\&1.44\&2\&-1.28\&10\&0.9\&2\&0.69\&4\&GC2\&1.17\&4\&2.17\&2\&-0.69\&10\&0.79\&2\&GC3\&1.41\&3\&1.65\&3\&1.44\&1\&1.22\&1\&GC4\&-1.52\&10\&-0.08\&4\&-0.49\&8\&-0.97\&10\&GC5\&2.58\&1\&-1.64\&11\&0.46\&5\&0.7\&3\&GC6\&0.91\&5\&-0.86\&8\&-0.48\&7\&-0.29\&9\&GC7\&-0.36\&9\&-0.78\&7\&-0.29\&6\&-0.11\&8\&GC8\&-0.19\&8\&2.8\&1\&-0.5\&9\&0.54\&5\&GC9\&-5.77\&11\&-0.39\&5\&0.78\&4\&-2.59\&11\&GC10\&0.31\&6\&-0.42\&6\&0.81\&3\&0.09\&6\&GC11\&0.03\&7\&-1.18\&9\&-1.93\&11\&-0.08\&7\&]
表6 各品种产量结果
[品种
代号\&小区产量(kg)\&产量
(kg/hm2)\&位次\&Ⅰ\&Ⅱ\&Ⅲ\&合计\&平均\&GC1\&16.22\&17.74\&17.56\&51.52\&17.17\&14310.34\&1\&GC2\&14.43\&14.58\&15.94\&44.95\&14.98\&12484.25\&6\&GC3\&16.79\&14.57\&16.48\&47.84\&15.95\&13289.35\&3\&GC4\&12.11\&14.41\&16.37\&42.89\&14.3\&11914.54\&10\&]
(下转114页)
(上接50页)
[品种
代号\&小区产量(kg)\&产量
(kg/hm2)\&位次\&Ⅰ\&Ⅱ\&Ⅲ\&合计\&平均\&GC5\&17.05\&17.06\&16.48\&50.59\&16.86\&14052.47\&2\&GC6\&15.3\&15.49\&15.72\&46.51\&15.5\&12920.54\&5\&GC7\&13.76\&15.38\&15.02\&44.17\&14.72\&12268.36\&8\&GC8\&13.62\&14.17\&15.99\&43.78\&14.59\&12160.42\&9\&GC9\&11.83\&14.02\&13.75\&39.6\&13.2\&11000\&11\&GC10\&16.14\&14.77\&16.13\&47.04\&15.68\&13065.96\&4\&GC11\&13.65\&15.85\&14.91\&44.4\&14.8\&12334.33\&7\&]
3 讨论与结论
本文提取4个主成分因子的累积贡献率已经达到90.56%,完全可用4个主成分因子替代原有的11个性状对参试品种进行评价与筛选。前4个主成分因子的贡献率分别为44.23%、20.714%、16.976%和8.64%。第一主成分主要解释穗长、行粒数、单穗粒重、株高、穗位高、生育期和产量等性状的相关信息;第二主成分主要解释穗粗和穗行数的相关信息;第三主成分主要解释秃尖的相关信息;第四主成分主要解释百粒重的相关信息。可见,4个主成分因子能够全面解释所有性状的相关信息,能够很好的应用于各品种的相关评价。
主成分评价与传统分析法相比,在第一主成分因子得分中,GC5、GC1、GC3和GC2表现较好,依次排名前4位;GC3、GC2、GC5和GC1在主成分2中表现较好。传统分析中排名前4位的品种分别是:GC1、GC5、GC3和GC10。可见,2种方法前4位品种中仅GC10不一致,因此,二者评价结果具有较好的一致性。
主成分分析法对区域试验中参试品种进行整体的评价分析,全面、深入的将各参试品种的原有信息直观展现出来,克服了传统评价方法中仅考虑产量的片面性。综上,主成分分析法可以很好的应用于玉米区域试验品种的筛选与评价,并取得了较为可靠、全面的结果。
参考文献
[1]Toyer A F.Phenotypic selection and evaluation of maize inbreds for adaptedness[M].Plant Breeding Reviews,John Wiley and Sons,Inc,2007,28:101-123.
[2]Kempton R A,Fox P N,Cerezo M.Statistical methods for plant variety evaluation[M].Chapman and Hal,UK,1997.
(责编:张宏民)