參考資料：農作物品種試驗數據管理與分析

? ? ? ? 用于品種生態區劃分的GGE雙標圖有兩種功能圖：試點向量功能圖和“誰贏在哪里”功能圖。雙標圖的具體模型基于SD定標和h加權和試點中心化的數據。本例中籽粒產量的GGE雙標圖僅解釋了G和GE總變異的53.6%，說明籽粒產量的GE/G比率更大，GE的構成也更為復雜。對前6個主成分得分的分析表明，前3個主成分的信息比IR大于1，說明需要用前3個主成分才能充分展示數據中的GGE模式。也就是說，PC1和PC2的雙標圖不能完全展示GGE模式。雖然如此，該雙標圖仍然可以展示數據中最重要的模式。

1、GGE雙標圖的試點向量功能圖

? ? ? ? GGE雙標圖的試點向量功能圖便于展示試點間的遺傳相關性。下圖中：13個試點被明顯地劃分為兩組；同組的試點間顯著正相關，而不同組試點間存在負相關關系。

? ? ? ? 試點間的夾角是表示試點間G與GE相對大小。上圖中，一些試點間GE效應較大，例如ON7和NB之間就存在較強的負相關。試點間存在負相關就表示目標區域可能包含不同的品種生態區。

2、GGE雙標圖的“誰贏在哪里”功能圖

? ? ? ? 品種生態區常用“誰贏在哪里”模式來劃分，這是由AMMI分析方法的倡導者Gauch和Zobel首先提出來的術語。GGE雙標圖的“誰贏在哪里”可以簡潔高效地展示基因型—環境兩向表數據中的GGE模式。

? ? ? ? 下圖就是“誰贏在哪里雙標圖”，與前一個功能圖相比，僅僅是去掉了試點向量，而增加了多邊形和從原點到多邊形各邊的垂線。多邊形是通過鏈接距離原點最遠的基因型，并將所有基因型包含在內而形成的。從原點出發垂線將多邊形劃分為不同的扇區。

? ? ? ? 第一個扇區位于射線1和6之間，包括4個試點；基因型“Sylva”位于該扇區內多邊形的頂角上，表示該品種在名義上式這組試點產量最高的基因型。

? ? ? ? 第二個扇區位于射線5和6之間，包括4個試點；基因型“Optimum”是該區的頂角品種，表明Optimum是這些試點中名義上的贏家。

? ? ? ? 第三個扇區在射線4和5之間，僅包含一個試點，即ON5；該扇區名義上的贏家是基因型“1232-5”。

? ? ? ? 第四個扇區位于射線3和4之間，該區也只有ON7一個試點，其優勢基因型時“1189-4”。

? ? ? ? 基于以上的GGE雙標圖分析，我們可以說這里有4個生態區嗎？答案是否定的。這是因為后面3個區可能在統計上是不顯著的，因為優勢品種距離很近，并且排除了ON2，其他試點均在正相關關系。因此GGE雙標圖的“誰贏在哪里”模式不是生態區劃分的唯一標準。

? ? ? ? GGE雙標圖“誰贏在哪里”功能圖確實解釋了示例中可能包括一個試點間密切相關的品種生態區和一個試點間關聯松散的品種生態區。

? ? ? ? 在品種生態區劃分方面，上述GGE雙標圖的兩種功能圖都是有用的，可以相互補充。需要重申一點，品種生態區劃分的結論對育種和品種推薦有著長期的影響，必須基于多年品種試驗數據進行分析。單年數據分析只能得出提示性的結果，仍需從多年試驗數據進行證實。

? ? ? ? 下面這張圖標有8.5的雙標圖與上面那個標有8.4的雙標圖是相同，只是圖8.5采用了基因型聚焦的奇異值分析方法。圖8.5展示的“誰贏在哪里”模式與上面的圖8.4中的模式完全相同。這里把這兩個圖列出來是要說明兩點：首先，選擇不同的奇異值分配方式會改變雙標圖的形狀，但不會改變“誰贏在哪里”模式；其次，就雙標圖表達模式的清晰度方面，一種奇異值分配方式可能會比其他分配方式更明確。例如在圖8.4中基因型Sylva和試點QC4重疊，而圖8.5可以很好地將它們分開，圖形的可讀性更強。兩個圖也有不同之處：圖8.5更加適合基因型評價，而圖8.4更適合于試點評價。