首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >农业试验设计1--小师妹来电

农业试验设计1--小师妹来电

作者头像
邓飞
发布2019-07-05 16:18:38
6230
发布2019-07-05 16:18:38
举报

试验设计

试验设计时农业中比较核心的技能, 关系着试验数据的好坏, 关系着后续分析的模型, 关系着效率的高低.

兵马未动, 粮草先行. 好的试验设计, 事半功倍.

一个简单的试验: RCBD

小师妹来信:

师兄你好, 老板让我设计试验, 目前有5个品种, 我想重复3次, 如何设计试验?

师兄回信:

小师妹好, 这个问题难不倒我, 你可以把问题理解为单因素完全随机试验, 这里3次重复就是单纯的重复. 你也可以将问题理解为单因素随机区组试验, 这里的重复就是区组(block), 两者都可以. 如果田地间肥力均匀, 那就可以用完全随机设计, 这样试验的残差自由度更高, 如果肥力有梯度, 就需要用完全随机区组了.

小师妹来信:

师兄你好, 感觉重复和区组这两个单词很高深的样子, 我把品种名发给你, 你给我设计试验后发给我好了.

品种: 郑单958, 先玉335, 登海605, 豫玉22, 浚单20. 重复: 3次 试验方案: 完全随机区组

代码

library(agricolae)
cul = c( "郑单958", "先玉335", "登海605", "豫玉22", "浚单20")
rep = 3
exp = design.rcbd(cul,rep)
exp$book
exp$sketch
write.csv(exp$book,"d:/book.csv")

结果 保存在D盘, 名为book.csv

拉丁方

小师妹:

师兄, 我发现我有5个品种, 如果我重复5次的话, 是不是拉丁方更好一点呢? 那这样我不仅仅行是区组, 列也是区组, 就像数独一样, 试验精度应该会更高吧? 把试验代码发给我吧…

exp = design.lsd(cul)
exp$book
exp$sketch
write.csv(exp$book,"d:/book.csv")

田间种植图 每一行是一个重复, 每一列是一个重复, 真的是数独啊…

Latin和Lattice什么区别啊

师妹来信:

师兄, 这个拉丁方和格子方什么区别啊, 貌似很高端的样子, 我傻傻分不清楚啊.

师兄回信:

师妹, 这个问题的主要区别在于, 两者的拼写是不一样的, 拉丁方的拼写是Latin, 格子方的拼写是Lattice. 如果说试验设计的区别, 主要是拉丁方是正方形的, 重复数和品种数需要一样, 比如5个品种, 需要5次重复才可以用拉丁方设计, 如果品种较多时, 是不现实的, 因为它占用大量的资源, 比如100个品种, 就需要100个重复, 这种实验只适合品种较少的情况, 一般是10个以下. 格子方也是正方形的, 它是一种不完全区组的试验, 一个格子是一个重复, 品种数需要时某个数的平方, 比如25个品红, 可以组成5*5的格子.

师妹来信:

这么说来, 两者都比较死板, 现实应用有限吧?

师兄回信:

现在一般应用的是格子方的改良版: alpha-lattice, 它不局限与n*n, 可以是n*m, 那这样就大大扩大了它的应用范围.比如100个品种, 我可以是10*10, 也可以是20*5.

alpha-lattice怎么设计

师妹来信:

师兄, 比如我有120个品种, 我想安装10*12的形式设计alpha-lattice, 即每个block是10个品种, 每个重复有12个区组, 重复3次, 你把设计好的方案发过来吧.

代码:

cul = paste0("cul",1:100)
exp = design.alpha(1:120,10,3)
exp$sketch
write.csv(exp$book,"d:/book.csv")

田间种植图: 这里面rep1是第一个重复 每一样为每个区组, 共有10个品种(列) 每个重复有12个区组(行)

$`rep1`
      [,1]  [,2]  [,3]  [,4]  [,5] [,6]  [,7]  [,8]  [,9]  [,10]
 [1,] "48"  "12"  "82"  "63"  "56" "54"  "2"   "50"  "53"  "68"
 [2,] "86"  "100" "43"  "4"   "61" "70"  "89"  "57"  "91"  "81"
 [3,] "52"  "90"  "26"  "42"  "46" "67"  "71"  "66"  "79"  "5"  
 [4,] "98"  "107" "51"  "45"  "72" "75"  "18"  "65"  "73"  "49"
 [5,] "41"  "104" "27"  "19"  "11" "34"  "44"  "85"  "69"  "92"
 [6,] "24"  "38"  "118" "30"  "83" "113" "8"   "95"  "33"  "119"
 [7,] "80"  "58"  "55"  "17"  "25" "106" "16"  "9"   "60"  "37"
 [8,] "101" "3"   "78"  "120" "84" "35"  "1"   "88"  "99"  "96"
 [9,] "13"  "6"   "21"  "108" "22" "117" "105" "32"  "111" "102"
[10,] "31"  "28"  "62"  "87"  "36" "64"  "93"  "39"  "97"  "23"
[11,] "59"  "112" "47"  "115" "76" "29"  "114" "15"  "103" "94"
[12,] "74"  "109" "10"  "7"   "77" "40"  "20"  "110" "116" "14"

$rep2
      [,1] [,2] [,3]  [,4]  [,5]  [,6]  [,7]  [,8]  [,9]  [,10]
 [1,] "65" "8"  "15"  "22"  "42"  "25"  "99"  "50"  "110" "39"
 [2,] "3"  "52" "86"  "54"  "60"  "119" "93"  "117" "20"  "49"
 [3,] "56" "44" "98"  "83"  "90"  "70"  "74"  "87"  "114" "111"
 [4,] "82" "96" "51"  "38"  "46"  "106" "112" "62"  "11"  "105"
 [5,] "33" "5"  "12"  "1"   "29"  "104" "100" "7"   "102" "107"
 [6,] "31" "75" "118" "26"  "53"  "84"  "69"  "94"  "16"  "4"  
 [7,] "43" "79" "35"  "109" "68"  "32"  "76"  "37"  "85"  "30"
 [8,] "21" "73" "47"  "88"  "36"  "61"  "2"   "55"  "41"  "14"
 [9,] "71" "24" "40"  "58"  "45"  "78"  "103" "64"  "57"  "27"
[10,] "6"  "89" "77"  "23"  "19"  "48"  "17"  "113" "72"  "59"
[11,] "67" "10" "92"  "63"  "28"  "9"   "120" "18"  "81"  "13"
[12,] "95" "97" "80"  "66"  "115" "116" "101" "91"  "108" "34"

$rep3
      [,1]  [,2]  [,3]  [,4]  [,5]  [,6] [,7]  [,8]  [,9]  [,10]
 [1,] "17"  "90"  "18"  "34"  "57"  "36" "33"  "76"  "54"  "22"
 [2,] "59"  "109" "44"  "108" "99"  "31" "52"  "100" "106" "45"
 [3,] "3"   "19"  "75"  "47"  "7"   "62" "25"  "70"  "67"  "32"
 [4,] "107" "37"  "112" "81"  "101" "14" "71"  "6"   "56"  "118"
 [5,] "38"  "10"  "26"  "80"  "15"  "86" "21"  "98"  "78"  "48"
 [6,] "92"  "96"  "12"  "16"  "119" "77" "64"  "61"  "42"  "111"
 [7,] "49"  "50"  "30"  "55"  "27"  "28" "115" "105" "5"   "4"  
 [8,] "43"  "9"   "113" "116" "65"  "82" "88"  "104" "93"  "114"
 [9,] "23"  "110" "63"  "117" "11"  "35" "73"  "24"  "94"  "66"
[10,] "13"  "2"   "72"  "79"  "69"  "20" "95"  "103" "1"   "87"
[11,] "68"  "97"  "74"  "89"  "84"  "58" "41"  "8"   "102" "46"
[12,] "85"  "40"  "60"  "53"  "83"  "91" "29"  "51"  "39"  "120"

alpha-lattice VS RCBD

1、 什么是完全随机区组试验? 根据局部控制的原则,将试验地按肥力水平划分为与处理重复次数相同的若干个区组,在区组内各处理小区完全随机排列的田间试验,区组内肥力相似,区组间肥力不同。这种试验符合田间试验设计的基本原则:重复、随机、局部控制,应用广泛。目前国内大部分的种子公司高级试验一般采用完全随机区组设计,目前国家预试和区试都是采用这种方法。

2、 什么是alpha-格子试验设计? alpha-格子试验设计是不完全区组的一种,每个区组只包含一部分品种,这些区组内的品种是一个重复的子集,即一套区组构成一个重复。这种试验设计主要是国外育种企业采用的一种不完全区组试验设计,主要应用于育种早期、中期产量试验阶段的品种筛选。国内育种企业正在接受和普及这种方法。

3、两者比较,完全随机区组的区组数不能大于10个品种,否则区组内均一性受到影响,区组设置失效。另外对于处理因素(品种)较多的试验,完全随机区组不适合,而alpha-格子试验设计,其区组内的品种可以控制较小的个数,因此总处理个数不受限制,完全随机区组适合处理数小于10个的试验,处理较多时用alpha-格子试验设计更好。

增广试验设计

师妹来信:

师兄, 我现在有200个品种, 我目前想用间比法, 但是上网发现增广试验设计(augmented design)更好, 我的对照有2个, 把试验结果和田间种植图发给我.

# augmented design

cul = paste0("cul",1:200)
ck = paste0("ck",1:2)
exp = design.dau(ck,cul,20)
exp$parameters
exp$book
write.csv(exp$book,"d:/book.csv")

结果 200个品种, 每10个插入两个对照, 共分为20组.

和传统间比法不一样的是, 对照是随机的, 品种也是随机的.

优势在于分析时更精确.

还有没有更好的试验设计?

师妹来信:

师兄, 你说还有没有更好的试验设计?

师兄回信:

这个问题不太好回答, 最开始, 我也认为随机区组, 完全随机, 拉丁方, 格子方, alpha-格子试验, 增广试验肯定是有好坏的. 现在看来, 每个试验都有自己的应用范围, 试验设计的目的在于控制误差, 使得试验的不同品种反映出其真实的水平来. 当然, 随着统计的发展, 一些新的统计方法不断出现, 以前不能够分析的, 现在可以分析了. 比如不平衡的试验, 或者平衡不完全的试验, 可以借助混合线性模型进行分析, 这也是alpha-lattice或者增广试验推广的主要原因. 好的现代的试验设计, 好过旧的过时的试验设计. 比如你用的是拉丁方, 试验不理想, 你可以用随机区组进行分析, 如果你设计的是完全随机, 那你是不能使用随机区组或者拉丁方进行分析的. 降维度是可以的, 升维度却很难, 这也是告诉我们设计试验时要多多考虑的原因啊.

agricolae包中有但是没有介绍的试验设计

  • Graeco-Latin design 拉丁方的一种, 是二因素的处理.
  • Youden design
  • Balance Incomplete Block Design
  • Cyclic design
  • Split-plot design
  • Strip-plot design
本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-07-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 育种数据分析之放飞自我 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 试验设计
  • 一个简单的试验: RCBD
  • 拉丁方
  • Latin和Lattice什么区别啊
  • alpha-lattice怎么设计
  • alpha-lattice VS RCBD
  • 增广试验设计
  • 还有没有更好的试验设计?
  • agricolae包中有但是没有介绍的试验设计
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档