دوره 15، شماره 47 - ( پاییز 1402 )
جلد 15 شماره 47 صفحات 140-134 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Vanda M, Hekmat M H, Alishah O. (2023). Selection of Superior Cotton Cultivars (Gossypiume hirsutum L.) using GTBiplot Model. J Crop Breed. 15(47), 134-140. doi:10.61186/jcb.15.47.134
URL: http://jcb.sanru.ac.ir/article-1-1451-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1451-fa.html
وندا میترا، حکمت محمدحسن، عالیشاه عمران. گزینش ژنوتیپ‌های برتر پنبه (.Gossypiume hirsutum L) با استفاده از مدل GTBiplot پژوهشنامه اصلاح گیاهان زراعی 1402; 15 (47) :140-134 10.61186/jcb.15.47.134
میترا وندا* 
1، محمدحسن حکمت1 ، عمران عالیشاه2
1، محمدحسن حکمت1 ، عمران عالیشاه2
1- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران
2- بخش به‌نژادی تحقیقات پنبه کشور، موسسه تحقیقات پنبه کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران
2- بخش به‌نژادی تحقیقات پنبه کشور، موسسه تحقیقات پنبه کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران
چکیده: (1111 مشاهده)
چکیده مبسوط
مقدمه و هدف: پنبه دارای اهمیت خاص اقتصادی و کشاورزی می‌باشد و مهم‌ترین الیاف مورد استفاده در صنعت نساجی جهان محسوب می‌گردد. شناسایی ژرم‌پلاسم‌ها بر اساس ویژگی‌های مهم کمی و کیفی، جهت انتقال صفات مطلوب در برنامه‌های دورگ‌گیری و اصلاح ارقام برتر ضروری است. این تحقیق جهت ارزیابی ژنوتیپ‌های پنبه بر پایه صفات کمی و کیفی اندازه‌گیری شده در پنبه، انجام شد.
مواد و روش‌ها: به‌منظور ارزیابی ژنوتیپ‌های پنبه با استفاده از تجزیه گرافیکی GTBiplot و انتخاب ژنوتیپ‌های برتر، آزمایشی شامل 9 ژنوتیپ همراه با 2 رقم تجاری استان فارس (بختگان و گلستان) بهعنوان شاهد، در قالب طرح بلوک کامل تصادفی با 4 تکرار، در ایستگاه تحقیقات کشاورزی داراب طی سال‌های زراعی 1397 و 1398 اجرا شد. در این آزمایش صفات ارتفاع بوته، طول شاخه زایا، تعداد شاخه زایا، تعداد غوزه، وزن غوزه، درصد زودرسی، عملکرد وش، طول الیاف، درصد یکنواختی، ظرافت الیاف، استحکام الیاف، کشش الیاف و درصد کیل مورد بررسی قرار گرفتند.
یافته‌ها: نتایج تجزیه به مؤلفه‌های اصلی نشان داد که سه مؤلفه‌ی اول در مجموع 80/4 درصد از کل تنوع زراعی موجود بین دادهها را توجیه کردند. مؤلفه اصلی اول 44/6 درصد و مؤلفه اصلی دوم 22/3 درصد از واریانس موجود بین دادهها را توجیه کردند. در مؤلفه اول، بهترتیب صفات عملکرد وش و تعداد غوزه بیشترین سهم را در توجیه واریانس بین دادهها داشتند. در مؤلفه دوم صفات زودرسی و طول الیاف در جهت مثبت و طول شاخه زایا در جهت منفی بیشترین سهم را در توجیه واریانس موجود بین دادهها داشتند. نمودار چندضلعی حاصل از تجزیه GTBiplot، نشان داد که ژنوتیپ‌های بختگان، A-NB414، A-NBK، VA-1، VA-2 و 96-A3 که در رئوس چندضلعی قرار داشتند، ژنوتیپ‌های برتر بودند. نتایج نشان داد که ژنوتیپ‌های A-NB414 و A-NBK در صفات عملکرد وش، ارتفاع بوته، تعداد غوزه، یکنواختی، درصد کیل و درصد زودرسی از سایر ژنوتیپ‌ها برتر بودند. بیشترین تنوع توجیه‌شده توسط GTBiplot ناشی از ژنوتیپ‌های A-NB414، A-NBK، بختگان و گلستان بود. در این تحقیق ژنوتیپ‌های A-NB414 و A-NBK در بسیاری از صفات کمی و کیفی از سایر ژنوتیپ‌ها برتر بودند و با ژنوتیپ VA-1، VA-2، 96-A3، 92-48، 90-10481، A-SKG و 92-34 همبستگی منفی داشتند.
نتیجه‌گیری: با توجه به اینکه ژنوتیپ‌های A-NB414 و A-BNK در بسیاری از صفات کمی و کیفی از سایر ژنوتیپ‌ها برتر بودند و با رقم بختگان که ظرافت الیاف و وزن غوزه مطلوبی داشت، همبستگی ندارند، می‌توان در برنامه‌های اصلاحی جهت نیل به حداکثر تنوع و بدست آوردن هیبریدهایی با عملکرد مطلوب، زودرس، دارای وزن و تعداد غوزه بالا، درصد یکنواختی بالا، درصد کیل بالا و ظرافت الیاف مطلوب جهت استفاده در صنعت نساجی، از این ژنوتیپ‌ها استفاده نمود.
مقدمه و هدف: پنبه دارای اهمیت خاص اقتصادی و کشاورزی می‌باشد و مهم‌ترین الیاف مورد استفاده در صنعت نساجی جهان محسوب می‌گردد. شناسایی ژرم‌پلاسم‌ها بر اساس ویژگی‌های مهم کمی و کیفی، جهت انتقال صفات مطلوب در برنامه‌های دورگ‌گیری و اصلاح ارقام برتر ضروری است. این تحقیق جهت ارزیابی ژنوتیپ‌های پنبه بر پایه صفات کمی و کیفی اندازه‌گیری شده در پنبه، انجام شد.
مواد و روش‌ها: به‌منظور ارزیابی ژنوتیپ‌های پنبه با استفاده از تجزیه گرافیکی GTBiplot و انتخاب ژنوتیپ‌های برتر، آزمایشی شامل 9 ژنوتیپ همراه با 2 رقم تجاری استان فارس (بختگان و گلستان) بهعنوان شاهد، در قالب طرح بلوک کامل تصادفی با 4 تکرار، در ایستگاه تحقیقات کشاورزی داراب طی سال‌های زراعی 1397 و 1398 اجرا شد. در این آزمایش صفات ارتفاع بوته، طول شاخه زایا، تعداد شاخه زایا، تعداد غوزه، وزن غوزه، درصد زودرسی، عملکرد وش، طول الیاف، درصد یکنواختی، ظرافت الیاف، استحکام الیاف، کشش الیاف و درصد کیل مورد بررسی قرار گرفتند.
یافته‌ها: نتایج تجزیه به مؤلفه‌های اصلی نشان داد که سه مؤلفه‌ی اول در مجموع 80/4 درصد از کل تنوع زراعی موجود بین دادهها را توجیه کردند. مؤلفه اصلی اول 44/6 درصد و مؤلفه اصلی دوم 22/3 درصد از واریانس موجود بین دادهها را توجیه کردند. در مؤلفه اول، بهترتیب صفات عملکرد وش و تعداد غوزه بیشترین سهم را در توجیه واریانس بین دادهها داشتند. در مؤلفه دوم صفات زودرسی و طول الیاف در جهت مثبت و طول شاخه زایا در جهت منفی بیشترین سهم را در توجیه واریانس موجود بین دادهها داشتند. نمودار چندضلعی حاصل از تجزیه GTBiplot، نشان داد که ژنوتیپ‌های بختگان، A-NB414، A-NBK، VA-1، VA-2 و 96-A3 که در رئوس چندضلعی قرار داشتند، ژنوتیپ‌های برتر بودند. نتایج نشان داد که ژنوتیپ‌های A-NB414 و A-NBK در صفات عملکرد وش، ارتفاع بوته، تعداد غوزه، یکنواختی، درصد کیل و درصد زودرسی از سایر ژنوتیپ‌ها برتر بودند. بیشترین تنوع توجیه‌شده توسط GTBiplot ناشی از ژنوتیپ‌های A-NB414، A-NBK، بختگان و گلستان بود. در این تحقیق ژنوتیپ‌های A-NB414 و A-NBK در بسیاری از صفات کمی و کیفی از سایر ژنوتیپ‌ها برتر بودند و با ژنوتیپ VA-1، VA-2، 96-A3، 92-48، 90-10481، A-SKG و 92-34 همبستگی منفی داشتند.
نتیجه‌گیری: با توجه به اینکه ژنوتیپ‌های A-NB414 و A-BNK در بسیاری از صفات کمی و کیفی از سایر ژنوتیپ‌ها برتر بودند و با رقم بختگان که ظرافت الیاف و وزن غوزه مطلوبی داشت، همبستگی ندارند، می‌توان در برنامه‌های اصلاحی جهت نیل به حداکثر تنوع و بدست آوردن هیبریدهایی با عملکرد مطلوب، زودرس، دارای وزن و تعداد غوزه بالا، درصد یکنواختی بالا، درصد کیل بالا و ظرافت الیاف مطلوب جهت استفاده در صنعت نساجی، از این ژنوتیپ‌ها استفاده نمود.
فهرست منابع
1. Aguado, o., Flores, F., LÛpez, J., Braojos. E., & Rossi. J. (2003). Genotype traits, biplot analysis of cotton in Spain, World Cotton Research Conference, 3. 250-257 pp., Cape Town, South Africa.
2. Alishah, E. (2001). Study of morphological traits and genetic variation in different genotypes of upland cotton (Gossypium hirsutum) in Iran. Seed and Plant Journal, 17(1), 44-60.
3. Alishah, O. (2021). Assessment of genetic variability, heritability and association of plant attributes with lint yield and fiber quality in advanced lines of cotton (Gossypium hirsutum L.). Iranian Journal of Crop Sciences, 22(4), 350-364. [DOI:10.52547/abj.22.4.350]
4. Basbag, S., & Gencer, O. (2007). Investigation of some yield and fibre quality characteristics of interspecific hybrid (Gossypium hirsutum L.× G. barbadense L.) cotton varieties. Hereditas, 144(1), 33-42. [DOI:10.1111/j.2007.0018-0661.01962.x]
5. Kamali, A., Fakheri, B. A., & Zabet, M. (2015). The study of drought stress effects on yield and yield components of cotton using biplot analysis. Iranian Journal of Cotton Researches, 3(1), 33-47.
6. Mohammadi, R. (2019). Genotype by yield* trait biplot for genotype evaluation and trait profiles in durum wheat. Cereal Research Communications, 47(3), 541-551. [DOI:10.1556/0806.47.2019.32]
7. Mohammadi, S. A., & Prasanna, B. (2003). Analysis of genetic diversity in crop plants-salient statistical tools and considerations. Crop science, 43(4), 1235-1248. [DOI:10.2135/cropsci2003.1235]
8. Peixoto, M. A., Evangelista, J. S. P. C., Coelho, I. F., Carvalho, L. P., Farias, F. J. C., Teodoro, P. E., & Bhering, L. L. (2022). Genotype selection based on multiple traits in cotton crops: The application of genotype by yield* trait biplot. Acta Scientiarum. Agronomy, 44, e54136. [DOI:10.4025/actasciagron.v44i1.54136]
9. Sedigh, S., Zabet, M., Ghaderi, M., & Samadzadeh, A. (2016). Identification of superior varieties of Cotton (Gossypium hirsutum L.) under drought stress and normal conditions using GGEBiplot and GTBiplotmethod in Birjand. Journal of Crop Breeding, 8(19), 134-144(In Persian).
10. Seyed Masoumi, S. Y., Sofalian, O., Asghari, A., Sedghi, M., & Zangi, M. (2022). Selection and introduction of high yield and early cotton cultivars from advanced cultivars in Ardabil province. Iranian Journal of Cotton Researches, 9(2), 165-177.
11. Sezener, V., Kabakci, Y., Yavas, I., & Unay, A. (2006). A clustering study on selection of parents in cotton breeding. Asian Journal of Plant Sciences.
12. Talat, F., Badri Anarjan, M., & Setoodehmaram, K. (2018). Multivariate analyses of quantitative and qualitative characteristics of hopeful cotton varieties under cold weather conditions. Iranian Journal of Field Crop Science, 49(1), 189-195.
13. Yan, W. (2001). GGEbiplot-A Windows application for graphical analysis of multienvironment trial data and other types of two‐way data. Agronomy journal, 93(5), 1111-1118. [DOI:10.2134/agronj2001.9351111x]
14. Yan, W., & Frégeau-Reid, J. (2018). Genotype by yield* trait (GYT) biplot: a novel approach for genotype selection based on multiple traits. Scientific reports, 8(1), 8242. [DOI:10.1038/s41598-018-26688-8]
15. Yan, W., Kang, M. S., Ma, B., Woods, S., & Cornelius, P. L. (2007). GGE biplot vs. AMMI analysis of genotype‐by‐environment data. Crop science, 47(2), 643-653. [DOI:10.2135/cropsci2006.06.0374]
16. Yan, W., & Rajcan, I. (2002). Biplot analysis of test sites and trait relations of soybean in Ontario. Crop science, 42(1), 11-20. [DOI:10.2135/cropsci2002.1100]
17. Yan, W., & Tinker, N. A. (2005). An integrated biplot analysis system for displaying, interpreting, and exploring genotype× environment interaction. Crop science, 45(3), 1004-1016. [DOI:10.2135/cropsci2004.0076]
18. Zeng, L., & Wu, J. (2012). Germplasm for genetic improvement of lint yield in Upland cotton: genetic analysis of lint yield with yield components. Euphytica, 187, 247-261. [DOI:10.1007/s10681-012-0708-y]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
