- Müller BU, Kleinknecht K, M?hring J, Piepho HP. Comparison of spatial models for sugar beet and barley trials. Crop Sci. 2010;50:794–802.
存在用于在一個維度上調整局部趨勢的幾種空間方法。本研究的目的是評估和比較不同空間方法的精度。為此，使用基線模型分析了兩個德國植物育種公司的293個甜菜（Beta vulgaris）和64個多環境大麥（Hordeum vulgare）試驗，其包括塊和復制效應，以及不同的一維空間模型，基線模型。使用Akaike信息準則（AIC），兩個環境之間調整的基因型均值的表型相關性和相對效率評估模型擬合。對于甜菜和大麥試驗，基線模型在大多數情況下優于空間模型，而在一些情況下，添加空間組分證明是有益的。基于這些結果，我們提出了一種從基線模型開始的保守的空間建模方法，然后檢查添加空間分量是否改善擬合。在研究的替代模型中，線性方差和一階自回歸模型是最有希望的候選人。
植物育種和作物品種測試中的田間試驗的主要目的是比較不同的基因型。土壤異質性，天氣，農業實踐和一些其他因素影響每個基因型的產量，并有助于空間趨勢（Arnold和Kempton，1979; Gilmour等，1997）。為了更好地預測基因型值和估計空間趨勢，在上世紀開發了不同的方法，如使用控制圖，阻斷和隨機化（Fisher，1925; Edmondson，2005）。除了先進的實驗設計，提出了許多空間方法來調整空間趨勢（最近鄰調整法:Bartlett，1978; Wilkinson等，1983; Schwarzbach，1984; 線性方差模型：Williams，1986; AR模型：Gilmour等，1997; Gleeson，1997）。這些方法的共同特征是，假定更接近的曲線具有比更遠離的曲線更高的相關性。基因型值估計的精度可以通過阻止和在一維或二維中調整空間趨勢來改善。我們在這項研究中的重點是一維分析，因為對于長而細的圖，更高的空間相關性通常發現在那些維度，其中地圖距離更短。另外，在所研究的試驗中通常有許多行，但只有很少的列。在一些情況下，試驗的地塊沒有布置在矩形網格中，因此二維建模的范圍有限。本文的一部分動機是一些合作植物育種公司表示希望從傳統的迭代最近鄰方法遷移到更強大的完全邊緣線性混合模型分析與空間分量的局部趨勢。對于適合于常規分析的空間方法，重要的是其是穩健的，即不僅在理想條件下良好地執行（Martin等人，1993; Cullis等人，2006; Martin等人， 2006; Piepho等，2008）。在空間方法可以用于常規分析之前，應該對其精度進行測試，并與不同的空間模型進行比較，例如，使用大量的經驗數據。本研究的重點是比較不同的空間模型。我們開始與基線模型的比較，然后檢查是否可以通過添加空間組件來改善。基線模型包括塊和復制效應，但不涉及空間趨勢。這種方法與將空間分析視為替代方案而不是經典塊分析的附加物的其他研究不同。本研究的另一個重點是具體包括線性方差模型。這個模型在我們的經驗中表現相對較好，自第一次提出以來就一直被忽略了（Williams，1986）。使用空間模擬進行大麥試驗的研究是Kempton和Howes（1981），Clarke和Baker（1996）和Cullis等人（1998）。對于甜菜，空間建模由Kempton（1982），Besag和Kempton（1986），Durban等人（2001），和Piepho et al。 （2008）。只有少數空間模型研究集中在歐洲的甜菜和大麥田試驗。因此，本研究的目的是比較這兩種作物的不同空間方法。本文使用來自德國兩個商業植物育種計劃的甜菜和大麥的數據集。
