这是一篇发表在J For Res的论文，使用AMMI和GGE biplot分析林木多点试验的。该篇论文的作者们，有几个我是认识的，且关系还不错。指出这篇论文中存在的一些问题，纯属学术讨论，不涉及任何个人恩怨。

这篇论文使用GGE biplot可视化G*E，但作者可能忽略了GGE biplot方法的发明者之一严威凯2010年发表的关于GGE biplot的综述里明确指出，GGE biplot存在的一些问题，例如试验地点误差同质，这个问题一样存在于林木上。所以他提出应当使用基于混合模型的GGE biplot。很遗憾，这篇SCI论文的作者们似乎没有意识到这个问题。

其次，该篇SCI论文中的AMMI分析结果有问题。这点可以从自由度(df)的取值看出来：方差分析表显示G*E(即Environment*provenance)或GEI的自由度为22，但AMMI分析GEI的第一主成分(IPCA1)、第二主成分(IPCA2)的自由度分别为12、10，它们的自由度之和已经等于22，于是GEI residuals的自由度就只能是零了！而表格中是8，因此，我个人认为，这是作者分析数据时，应该是出了错！

这里附上我们最近在同个期刊发表的论文(doi.org/10.1007/s11676-018-0846-8)，作为对比。正确的结果应该如下：

我们这篇论文就是使用混合模型和GGE biplot相结合的方式来分析林木多点试验，分析结果表明，我们的方法会比直接使用GGE biplot更可靠。