林木遗传育种中试验统计法新进展 [New development of test and statistics of genetic breeding in forest trees] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

齐明 著

图书标签:

• 林木遗传育种
• 试验设计
• 统计分析
• 遗传参数
• 育种值评估
• 分子标记辅助育种
• 数量遗传学
• 林木育种
• 生物统计学
• 森林遗传资源

出版社： 中国林业出版社

ISBN：9787503857324

版次：1

商品编码：10461013

包装：平装

外文名称：New development of test and statistics of genetic breeding in forest trees

开本：16开

出版时间：2009-12-01

用纸：胶版纸

页数：196

编辑推荐

《林木遗传育种中试验统计法新进展》收集了作者关于林木遗传育种中不规则、不平衡子代试验资料的处理原理、方法和处理技术方面的研究成果，同时吸收了国内外线性模型方面的最新研究成果。着力阐明了非平衡数据分析时，构建线性模型的科学性，切实解决了林木遗传育种中三大块试验类型（田间试验、配合力测试、品种评选和基因型稳定性评价）中试验资料的统计分析方法和田间试验设计技术。以服务于林木遗传育种目的为前提，研究非平衡状态下，诸多参数科学的、合理的和精确的估计方法。

内容简介

《林木遗传育种中试验统计法新进展》共分4个部分：第1部分，转化分析法的理论基础；第2部分，转化分析法各论，以及以转化分析法为基础，对林木遗传育种中的其他遗传参数统计法进行了更新；第3部分，试验林数据处理技术的比较评价；第4部分，转化分析法应用举例。这4个部分是有机一体，具有严密的内在的逻辑性，都是围绕对林木遗传育种中规则不规则、平衡非平衡资料，进行科学分析和采用更先进技术这一中心，进行论证。
《林木遗传育种中试验统计法新进展》的读者需具备如下背景知识：数量遗传学和林木遗传育种学；数理统计学和多元统计；线性代数和线性模型理论；田间试验设计；自然辩证法等。

目录

前言
1 转化分析法的理论基础
1.1 为什么要对林木遗传改良中的若干统计分析法进行改进
1.1.1 林木的特点与林木田间试验
1.1.2 林木田间试验的目的
1.1.3 林木遗传育种对统计分析的要求
1.1.4 非平衡试验资料的传统分析方法及其存在的问题
1.1.5 林木遗传育种需要有自己的统计分析方法
1.2 林木遗传改良中若干统计分析法的改进与研制
1.2.1 评价正确有效统计分析方法的标准问题
1.2.2 林木田间试验缺株或缺区的诸多后果
1.2.3 关于正交设计田间试验设计的若干转化
1.2.4 正交设计的田间试验转化后的诸多好处
1.3 转化分析法在林木田间试验设计中的应用
1.3.1 转化分析法可为田间试验提供的设计原理
1.3.2 转化分析法提供的设计原理的特点
1.3.3 转化分析法提供的设计原理符合田间试验的基本原理
1.3.4 转化分析法提供设计原理的问题讨论
1.4 关于转化分析法若干讨论与说明
1.4.1 进行此项研究的意义
1.4.2 方差分析与线性模型理论
1.4.3 多株小区与单株小区
1.4.4 田间试验设计与统计分析

2 转化分析法各论
2.1 单因素随机试验设计不平衡数据的方差分析法
2.1.1 不平衡单因素完全随机试验的典型资料
2.1.2 单因素类内观察值不等的方差分析线性模型
2.1.3 离差平方和的分解
2.1.4 期望均方结构的推导
2.1.5 各因子效应方差分量的求解
2.1.6 遗传力的计算
2.1.7 各因子的F检验及多重对比
2.2 单因素随机区组试验设计不平衡数据的转化分析法
2.2.1 不平衡单因素随机区组试验的典型资料
2.2.2 转化后的线性模型
2.2.3 离差平方和的分解
2.2.4 期望均方结构的推导
2.2.5 各因子效应方差分量的求解
2.2.6 各因子的F检验及多重对比
2.2.7 多重比较的进行
2.2.8 遗传力的计算
2.3 两因素有众多重复次数且不平衡的方差分析模型
2.3.1 离差平方和的分解
2.3.2 各参试因子的平方和
2.3.3 期望方差结构的推导
2.3.4 自由度分解和期望均方结构
2.3.5 主效因子的显著性F检验
2.3.6 参试因子效应值的多重对比
2.4 两因素随机区组设计不平衡数据的转化分析法
2.4.1 两因素随区组试验不平衡的典型资料
2.4.2 转化后的线性模型
2.4.3 参试因子效应离差平方和的分解
2.4.4 各参试因子效应的平方和
2.4.5 期望均方结构的推导
2.4.6 自由度的分解
2.4.7 期望均方结构
2.4.8 各因子效应方差分量的求解和遗传力的计算
2.4.9 各因子的F检验
2.4.10 主效因子的多重对比
2.5 三阶平衡不平衡巢式设计的转化分析法
2.5.1 转化后的典型数据
2.5.2 转化后的线性模型
2.5.3 离差平方和的分解
2.5.4 各因子效应的离差平方和
2.5.5 关于期望均方结构的推导
2.5.6 自由度的分解
2.5.7 期望均方结构
2.5.8 主效因子的F检验
2.5.9 因子的多重对比
2.5.10 三阶不平衡巢式设计遗传力的计算
2.6 四阶平衡不平衡巢式设计的转化分析法
2.6.1 转化后的线性模型
2.6.2 离差平方和的分解
2.6.3 各因子效应的离差平方和
2.6.4 关于期望均方结构的推导
2.6.5 自由度的分解
2.6.6 期望均方结构
2.6.7 主效因子的F检验
2.6.8 因子效应的多重对比
2.6.9 四阶不平衡巢式设计遗传力的计算
2.7 品种多地点区域化试验资料的转化分析法
2.7.1 转化后的线性模型
2.7.2 各因子效应的离差平方和
2.7.3 自由度的分解
2.7.4期望均方结构
2.7.5 主效因子的F检验
2.8 林木遗传育种试验中试验林的数据处理技术
2.8.1 多地点的林木田间子代试验资料处理理论与技术
2.8.2 关于多年度试验数据的统计处理技术
2.9 关于试验数据不平衡时性状间的协方差分析
2.9.1 导言
2.9.2 单因素完全随机区组试验设计不平衡资料的协方差分析
2.10 试验数据不平衡时性状间的遗传相关分析理论与技术
2.10.1 关于方差一协方差分析与相关系数
2.lO.2 相关系数的计算
2.11 运用最佳线性预测理论评价育种值
2.11.1 单点单亲家系自由授粉子代试验资料的育种值分析
2.11.2 多点单亲家系自由授粉子代试验资料的育种值分析
2.11.3 多地点多性状凌乱数据自由授粉家系的亲本育种值
2.11.4 林木全同胞子代试验资料的个体育种值
2.11.5 单因素完全随机区组试验设计不平衡时的指数选择理论
2.12 林木双列杂交中非平衡数据的广义方差分析法
2.12.1 林木双列杂交设计非平衡试验数据的方差分析法
2.12.2 不规则衡试验数据的配合力分析（Keuls和Ganctscn的方法）
2.13 运用线性模型理论处理林木双列杂交试验中的非平衡数据
2.13.1 运用线性模型理论估计亲本群体遗传方差分量
2.13.2 运用线性模型理论分析亲本配合力效应的大小
2.14 林木两水平杂交试验
2.14.1 两水平杂交试验在林木木遗传育种中的意义与作用
2.14.2 国内外林木两水平杂交研究概况
2.14.3 林木无性利用与两水平杂交育种间的关系
2.14.4 林木遗传育种中实用的两水平杂交设计
2.14.5 林木两水平杂交试验的附加说明
2.14.6 林木两水平杂交非平衡试验数据的处理方法和技术
2.15 林木多父本杂交交配设计方法，田间试验和平衡试验数据的统计分析
2.15.1 国内外林木多父本杂交的研究概况
2.15.2 多父本杂交试验设计的改进方法
2.15.3 多父本杂交的田间试验和非平衡试验数据的统计分析方法和技术
2.1 6 林木品种高产性稳定性评价技术研究
2.16.1 国内外关于基因型与环境互作研究方法的概况
2.16.2 林木品种高产性稳定性模型开发之重要性和必要性
2.16.3 林木优良品种的稳定性分析方法之一——几何法
2.16.4 林木品种稳定性评价的第二种方法——AMMI模型法
2.16.5 林木品种稳定性评价的第三种方法——表型非参数度量法（Manfred Huehn）
2.16.6 林木优良品种稳定性分析的程序

3 试验林数据资料处理技术的比较评价
3.1 研究材料与研究方案
3.1.1 研究材料
3.1.2 研究方案
3.2 不同方差分析方法间的效果评比研究
3.2.1 随机模型条件下不同分析法的研究结果及比较分析
3.2.2 固定模型条件下，不同分析法的研究结果及其比较分析
3.3 转化分析法与线性模型理论法间的效果评比研究
3.3.1 MINQUE（1）的分析结果
3.3.2 转化分析法与线性模型理论法间的结果评比
3.4 各研究分析法的综合评述
3.4.1 原试验设计分析法
3.4.2 小区平均值分析法
3.4.3 转化分析法
3.4.4 线性模型理论

4 转化分析法的应用举例
4.1 杉木主要经济性状多层次的遗传变异
4.1.1 材料与方法
4.1.2 结果与分析
4.1.3 杉木诸性状遗传参数的估计及选择进展
4.1.4 关于不同选择改良方案遗传进展的探讨
4.2 几个常见的杉木育种方案的遗传效果分析
4.2.1 材料与方法
4.2.2 结果与分析
4.2.3 讨论与建议
参考文献
附录
附录1 关于《林木遗传育种中试验统计法新进展》的补充说明
附录2 几个常见模型的M语言程序代码

前言/序言

《林木遗传育种中试验统计法新进展》图书简介 这是一本深入探讨林木遗传育种领域试验设计与统计分析前沿方法的学术专著，旨在为相关领域的科研工作者、研究生及技术人员提供一套系统、前沿且实用的方法论指导。本书紧密围绕现代林木育种的实际需求，聚焦于如何通过更科学、高效的统计手段来优化育种策略，加速良种培育进程，并充分挖掘林木遗传资源的巨大潜力。 本书并非对已有知识的简单罗列，而是对当前林木遗传育种研究中遇到的挑战，以及如何借助统计学和生物信息学的最新进展来应对这些挑战，进行了深入的剖析和阐述。它所涵盖的内容，是基于对国内外林木遗传育种研究现状和发展趋势的深刻洞察，以及对统计学在生物学领域应用最新动态的精准把握。 核心内容概述： 本书将从多个维度，全方位地展现林木遗传育种试验统计法的“新进展”。这些进展体现在方法论的革新、技术的拓展以及在实际育种应用中的深度融合。 第一部分：林木遗传育种研究基础与试验设计革新 现代林木遗传育种的挑战与需求： 详细分析当前林木育种面临的关键问题，例如多基因控制性状的复杂性、环境互作效应的显著性、以及对新品种快速高效的需求。同时，阐述了精确的统计方法对于解决这些问题的必要性和重要性。 试验设计原则的深化与拓展： 传统的试验设计方法在面对复杂林木遗传材料和多变环境因素时，可能存在效率不高、信息提取不充分的问题。本书将重点介绍在林木遗传育种中，如何更灵活、更精细地应用和创新试验设计，包括但不限于： 多环境试验（Multi-environment trials, METs）设计与优化： 深入探讨如何科学地选择试验地点、年份和重复，以最大程度地反映不同基因型在不同环境下的表现，并有效评估基因型-环境互作（GxE）效应。介绍针对METs的均衡性、可复制性和效率的优化设计策略。 区组设计、拉丁方设计等经典设计的现代应用与改良： 即使是经典设计，在实际应用中也需要根据具体育种目标和材料特性进行精细调整。本书将结合林木育种实例，探讨如何改进这些设计以提高统计效率，减少误差。 考虑空间效应的试验设计： 林木试验田中，地理位置的微小差异可能导致土壤肥力、光照等环境因素的系统性变化，从而引入空间自相关误差。本书将介绍如何通过空间试验设计（如二元或多元协方差模型）来校正空间效应，提高试验结果的准确性。 动态试验设计： 针对一些需要长期观测或分阶段选择的育种项目，本书将探讨如何设计动态试验，以便在育种过程中根据早期结果调整后续试验安排，提高整体育种效率。 第二部分：基因型-环境互作（GxE）效应的深入解析与预测 GxE效应是林木遗传育种中的核心问题之一，它直接影响着育种材料的稳定性、适应性和区域化选育的策略。本书将以前沿的统计模型和分析技术，深度挖掘GxE效应的本质。 GxE模型的发展与应用： AMMI（Additive Main effects and Multiplicative Interaction）模型： 详细介绍AMMI模型的原理、参数解释及其在林木育种中的应用，如何通过AMMI分析评估基因型的主效应、环境的主效应以及GxE互作效应，并据此进行育种材料的排序和选择。 GGE双标图（Genotype + Genotype x Environment Biplot）分析： 重点介绍GGE双标图如何直观地展示基因型（G）和基因型-环境互作（GE）对总变异的贡献，以及如何通过该方法评估育种材料的稳定性、优势以及与特定环境的匹配度，并识别“理想”的育种材料和“理想”的环境。 线性混合模型（Linear Mixed Models, LMMs）在GxE分析中的应用： 重点介绍如何利用LMMs构建更为灵活和强大的GxE模型，例如考虑随机效应和固定效应的组合，以及如何处理重复测量数据和复杂家系结构。讨论LMMs在估计育种值、遗传力以及GxE效应方差组分上的优势。 多变量统计方法在GxE研究中的整合： 介绍主成分分析（PCA）、因子分析（FA）等方法如何与GxE分析相结合，以揭示GxE效应的潜在因子结构，为育种策略的制定提供更深层次的理论依据。 GxE效应的预测与应用： 基于机器学习和人工智能的GxE预测： 探讨如何利用支持向量机（SVM）、随机森林（Random Forest）、神经网络（Neural Networks）等机器学习算法，结合大规模遗传和表型数据，预测林木在不同环境下的表现，为加速育种和精准育种提供可能。 作物试验信息学（CGI）在GxE研究中的应用： 介绍如何整合来自不同来源的试验数据，构建标准化的数据库，并利用先进的分析工具，实现对GxE效应的更高效、更全面的分析和可视化。 第三部分：林木遗传改良的先进统计技术 本书将深入介绍在林木遗传改良过程中，如何运用一系列新兴的统计技术来提升育种效率和育种价值。 全基因组选择（Genomic Selection, GS）： GS的原理与方法： 详细介绍GS的基本原理，即利用覆盖全基因组的标记信息预测个体或家系的育种值，而无需进行传统的现场表型测定。 GS模型（BLUP, BayesA, BayesB, Ridge Regression等）： 深入剖析各种GS模型的数学原理、适用条件和优缺点，并结合林木遗传育种的实际案例，指导读者如何选择最适合的GS模型。 GS在林木育种中的应用策略： 讨论GS如何应用于林木的早期选择、大规模育种群体的构建、以及复杂性状的遗传改良。包括数据准备、标记筛选、模型构建、交叉验证等关键步骤。 GS与其他育种技术的结合： 探讨GS如何与杂种优势利用、杂交育种等技术相结合，以实现更优的育种效果。 数量性状基因座（QTL）定位与连锁分析的进展： 高密度连锁图谱构建与QTL定位： 介绍如何利用高密度SNP标记构建高分辨率连锁图谱，并结合前沿的QTL定位算法（如复合区间作图，CIM；混合模型方法，MM）来精确定位控制重要经济性状的QTL。 数量性状基因座（QTL）的解析与应用： 讨论如何进一步解析QTL的功能，并将其应用于标记辅助选择（MAS），加速特定基因型导入和不良基因去除，从而缩短育种周期。 GWAS（全基因组关联分析）在林木育种中的应用： 介绍GWAS如何识别与性状显著关联的SNP位点，尤其是在分析复杂性状时，其能力远远超出传统的QTL定位。讨论GWAS在发现新的育种靶点和加速育种方面的潜力。 统计遗传学模型的新发展： 贝叶斯统计方法在林木遗传学研究中的应用： 介绍贝叶斯方法在处理复杂模型、不确定性量化以及整合多源信息方面的优势，例如在复杂家系结构分析、遗传统计模型构建等方面的应用。 结构方程模型（SEM）与路径分析： 介绍如何利用SEM分析性状之间的直接和间接遗传效应，解析复杂性状的遗传结构，为深入理解遗传机制和制定更合理的育种目标提供支持。 第四部分：数据管理、可视化与软件应用 林木遗传育种数据库的构建与管理： 探讨如何建立标准化的、可扩展的林木遗传育种数据库，以有效地存储和管理海量的表型、基因型和试验数据。 统计分析结果的可视化： 重点介绍各种现代统计分析结果的可视化方法，例如GGE双标图、PCA图、GWAS Manhattan图、GS预测散点图等，如何通过直观的图形来解读复杂的统计信息，辅助决策。 主流统计软件与R语言在林木遗传育种中的应用： 介绍SAS, ASReml, R (及其相关的包，如`lme4`, `sommer`, `BGLR`, `SNPRelate`, `rrBLUP`等) 在林木遗传育种数据分析中的具体应用，并提供实用的编程示例和操作指导。 本书的特点： 前沿性与创新性： 紧跟国际林木遗传育种和统计学研究的最新动态，介绍最前沿的统计模型和分析技术。 系统性与全面性： 从试验设计到高级统计模型，从遗传基础到实际应用，对林木遗传育种试验统计法进行了全面的梳理和深入的讲解。 实践导向性： 强调理论与实践相结合，通过大量的案例分析和软件应用指导，帮助读者将所学知识应用于实际的育种工作中。 跨学科融合： 融合了遗传学、育种学、统计学、生物信息学等多学科知识，为读者提供一个多维度的视角。 可读性与易用性： 在保证学术严谨性的同时，力求语言通俗易懂，图表清晰直观，方便不同背景的读者学习和掌握。 本书适用于： 林木遗传育种领域的科研人员，希望了解和应用最新的试验设计和统计分析方法，以提高研究效率和成果水平。 高等院校林学、农学、生物学等相关专业的研究生，作为学习和掌握林木遗传育种研究方法的教材或参考书。 林木良种繁育和推广的技术人员，希望通过科学的统计分析来优化育种策略，提高新品种选育和推广的成功率。 对林木遗传改良和统计分析交叉领域感兴趣的学者和研究者。 总之，《林木遗传育种中试验统计法新进展》将为林木遗传育种研究和实践注入新的活力，帮助研究者更有效地发掘林木的遗传潜力，培育出高产、优质、抗逆的优良品种，为国家和区域的林业可持续发展贡献力量。

评分☆☆☆☆☆

这本书的封面设计简洁大气，透露出一种严谨的学术气息，但说实话，光凭这个封面，很难立刻判断出它到底适合哪个层次的读者。我拿到书的时候，首先被它扎实的理论基础所吸引，感觉作者在开篇就为我们铺设了一张非常详尽的“地图”，从最基本的统计学原理讲起，循序渐进地过渡到那些前沿的、复杂的模型。然而，在阅读过程中我发现，对于那些刚刚接触林木遗传育种领域的新手来说，某些章节的跳跃性稍显突兀，专业术语的堆砌如果没有事先的积累，理解起来可能会有些吃力。比如在介绍方差分析的非正交设计时，需要读者对线性代数有一定的基础认知，否则仅仅依靠书中的公式推导，很容易迷失在符号的海洋里。因此，这本书更像是为那些已经有一定统计学背景，希望深入理解现代育种数据分析方法的研究人员量身定做的工具箱，它强调的是“方法”的精深，而非“概念”的普及。它确实展现了统计学在林木育种领域应用的前沿思考，但入门的门槛不算低，需要读者投入大量的时间去消化那些抽象的数学结构。

评分☆☆☆☆☆

从排版和可读性的角度来评价，这本书的设计风格非常“理工科”，简洁到几乎有些刻板。图表的质量非常高，数据可视化清晰准确，这对于理解复杂的统计关系至关重要，例如在展示不同预测模型性能的图形对比时，信息传递效率极高。但文字部分的流畅性，老实说，有待提高。大量的长难句和复杂的从句结构，使得阅读过程需要非常高的专注度，稍微走神就可能漏掉关键的逻辑转折点。对于习惯了流畅叙事风格的读者，这本书的阅读体验更像是在“解密”而非“阅读”。它更像是为了学术的精确性而牺牲了叙事的愉悦性。我希望在介绍某些新的统计假设时，能有更生动的比喻或者更具启发性的引言来引导读者进入情境，而不是直接跳入数学符号的证明。这种风格的差异，极大地影响了初次接触这些高级统计概念时的接受程度。

评分☆☆☆☆☆

这本书的章节编排逻辑，在我看来，更像是一系列专业研讨会的会议记录汇编，而非一部连贯的教科书。它更关注于“新进展”这个核心，所以很多内容直接切入了那些最新的统计模型和计算技术，比如贝叶斯方法在育种值估计中的应用，或者基因组选择（GS）模型的优化策略。这种聚焦于前沿的特点，使得它在信息时效性上非常有价值，很多方法都是我近期在顶级期刊上才零星看到的。但缺点也随之而来，那就是缺乏对经典方法的系统回顾。对于一个希望构建完整知识体系的读者而言，这本书可能更适合作为工具书来查阅特定算法，而不是从头到尾通读。阅读体验上，不同章节之间的风格差异较大，有些部分详尽到几乎可以作为独立的论文来引用，而有些部分则显得介绍性不足，像是给已经知情的人士提供的一个简短的提示。总体来说，它更像是一本“进阶指南”，而非“入门手册”，它假设了读者已经掌握了基础的统计工具箱。

评分☆☆☆☆☆

我注意到这本书的一个显著特点是其对数据模拟和验证方法的深入探讨。它非常强调统计模型的稳健性和可靠性，通过大量的模拟研究来验证所提出方法的性能边界。这一点体现了作者对科研严谨性的极致追求。书中详尽地描述了如何设置不同的模拟参数，以及如何评估模型的偏差和方差，这无疑为希望进行方法学创新的研究人员提供了极好的范本。然而，这种对模拟和验证的执着，使得一些基础概念的讲解被压缩得略显单薄。例如，虽然提到了广义线性模型的扩展，但对于为什么在特定林木性状（如生存率或分支角度）上需要选择特定的分布族，书中的讨论深度不如对模型参数估计精度的探讨来得深入。总而言之，这本书成功地将林木遗传育种的数据分析提升到了一个需要高度数学素养的新高度，它为领域内的统计方法论贡献了一份重量级的参考资料，但其价值的充分体现，高度依赖于读者的主动探索和知识迁移能力。

评分☆☆☆☆☆

这本书在案例展示和实际操作指导方面，可以说下了大功夫，但这种“下功夫”的方式非常独特，它倾向于展示“如何利用现代统计软件实现复杂模型”，而非“这些模型背后的生物学意义是什么”。我特别欣赏其中关于处理不完全数据和重复测量设计的章节，它提供了非常细致的软件操作步骤和代码示例，这对于一线育种工作者来说是立竿见影的帮助。然而，这种重“术”轻“道”的倾向，让我在思考如何将这些高级统计工具融入到我的具体育种项目规划中时，感到有些脱节。统计方法的选择背后，往往蕴含着对生物学假设的深刻理解，而这本书似乎将这种生物学背景的解读留给了读者自己去完成。阅读完后，我感觉自己掌握了一套精密的“手术刀”，但我却需要花更多时间去理解“病人”的整体生理状况。对于那些需要将统计理论直接转化为田间试验设计和数据解释的实践者，可能还需要搭配其他更侧重生物学机理的书籍来互补。