چکیده: (47 مشاهده)
چکیده مبسوط
مقدمه و هدف: دانه‌های روغنی از جمله مهم‌ترین منابع تأمین انرژی در سراسر جهان می‌باشند. سویا یک محصول مهم زراعی می‌باشد که روغن آن ارزش غذایی و اقتصادی بالایی دارد. سویا (Glycine max L.) گیاهی یکساله و خودگشن، دیپلوئید، متعلق به تیره نخود Leguminosae می‌باشد و از مهم‌ترین گیاهان روغنی در جهان محسوب می‌شود. سویا قرن‌هاست که غذای مردم آسیا مخصوصاً چین بوده است و مردم چین آن را همراه با برنج به‌عنوان غذای اصلی خود مصرف می‌کنند. ایالات متحده آمریکا بزرگترین تولیدکننده سویا می‌باشد و تقریبا دوسوم محصول کل دنیا را تولید می‌کند. سویا در ایران بنام (لوبیا روغنی)، (لوبیا چینی) سوژا و دانه سویا معروف است. با بهره‌گیری از ارقام جدید و پربازده، می‌توان عملکرد اقتصادی این محصول را افزایش داد. ارزیابی لاینهای پیشرفته امیدبخش سویا در شرایط محیطی مختلف، در شناسایی و انتخاب لاینهای برتر با پتانسل عملکرد بالا و پایدار ضروری می‌باشد. ارزیابی اثر متقابل ژنوتیپ × محیط اطالعات ارزشمندی در رابطه با عملکرد ارقام گیاهی در محیط‌های مختلف فراهم کرده و نقش مهمی در بررسی پایداری عملکرد ارقام اصلاح شده دارد. اثرات متقابل ژنوتیپ × محیط از عوامل مهم محدودکننده در معرفی ارقام جدید محسوب می‌شود. اثر متقابل ژنوتیپ × محیط مسئله‌ای مهم در مطالعه صفات کمی می‌باشد زیرا پایداری عملکرد در محیط‌های مختلف را کاهش می‌دهد و همچنین تفسیر آزمایش‌های ژنتیکی را دشوار و پیش‌بینی‌ها را با مشکل مواجه می‌سازد. لذا شناخت نوع و ماهیت اثر متقابل و دستیابی به ارقامی که کمترین واکنش را نسبت بـه اثرات متقابل نشان دهند از اهمیت ویژهای برخوردار است. روش‌های مختلفی برای ارزیابی اثرات متقابل معرفی شده است که هریک ماهیت اثر متقابل را از دیدگاه مشخصی بررسی می‌کنند. در این میان روش گرافیکی GGE-biplot روشی با کارایی مناسب برای بررسی اثر متقابل ژنوتیپ × محیط بوده و اطلاعات خوبی در مورد ژنوتیپ‌ها و محیط‌های مورد مطالعه به صورت گرافیکی در اختیار قرار می‌دهد. هدف از اجرای این مطالعه، بررسی اثر متقابل ژنوتیپ × محیط با استفاده از روش گرافیکی GGE-biplot به منظور ارزیابی ژنوتیپ‌ها، محیطها، روابط ژنوتیپ‌ها و محیطها و در نهایت شناسایی ژنوتیپ‌های پایدار با عملکرد دانه بالا تحت شرایط محیطی مختلف در سویا بود.
مواد و روش‌ها: تعداد 27 لاین جدید سویا به همراه ارقام صبا و امیر تحت شرایط محیطی مختلف در چهار ایستگاه تحقیقاتی (کرج، گرگان، ساری و مغان) در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در سال زراعی 1401 مورد ارزیابی قرار گرفتند. برای ارزیابی پایداری و سـازگاری ژنوتیپ‌ها در محیط‌های مورد بررسی از روش آماری GGE بای‌پلات با مدل اثر ژنوتیپ + برهمکنش ژنوتیپ × محیط استفاده شد. در زمان رسیدگی محصول عملکرد دانه برای هر ژنوتیپ در هر محیط اندازه‌گیری گردید.
یافته‌ها: نتایج تجزیه مرکب عملکرد دانه نشان داد که اثر محیط، اثر ژنوتیپ و اثر متقابل ژنوتیپ × محیط معنی‌دار بود. نتایج تجزیه اثر متقابل ژنوتیپ × محیط با روش GGE-biplot نشان داد که دو مولفه اول و دوم GGE-biplot، 8/84 درصد از تغییرات کل عملکرد دانه را توجیه کردند که نشان دهنده اعتبار بالای بای پلات در توجیه تغییرات ژنوتیپ و برهمکنش ژنوتیپ × محیط (G+GE) بود. در این مطالعه دو محیط کلان شناسایی گردید که محیط کلان اول شامل محیط‌های گرگان و مغان بود. محیط کلان دوم نیز شامل محیط‌های مازندران و کرج بود. بر اساس نمایش چندضلعی بای‌پلات، لاین G1 در محیط‌های مازندران و کرج و لاینهای G21 و G22 در محیط‌های گرگان و مغان، لاینهای برتر و با سازگاری خصوصی بالا بودند. نتایج نمودار مختصات محیط متوسط نشان داد که ژنوتیپ‌های G1، G22، G5، G9، G16، G12، G14، G21، G7، G3، G17، G2، G11، G15، G26، G20 و G13 به ترتیب بیشترین عملکرد دانه را دارا بودند. از طرف دیگر ژنوتیپ‌های G28، G25، G16، G19، G4، G18، G27، G24، G8، G6، G23 و G29 به ترتیب کمترین مقدار عملکرد دانه را دارا بودند. بر اساس بای‌پلات ژنوتیپ فرضی ایدهآل، لاینهای G22، G5، G16، G12، G14 و G9 از نظر هر دو عامل پایداری و میانگین عملکرد دانه، بهتر از سایر لاین‌ها بودند و سازگاری عمومی بالایی در همه محیط‌های مورد بررسی داشتند. همچنین نتایج نشان داد که محیط‌های کرج و مغان نزدیک‌ترین محیطها به محیط ایدهآل بودند و بیشترین تمایز و بیانگری را نشان دادند. بنابراین می‌توان از محیط‌های کرج و مغان به عنوان محل ارزیابی مناسب برای انتخاب لاینهای برتر سویا استفاده کرد.
نتیجه‌گیری: بر اساس نتایج روش گرافیکی GGE-biplot، لاینهای G22، G5، G16، G12، G14 و G9 از نظر هر دو عامل پایداری و میانگین عملکرد دانه، بهتر از سایر لاین‌ها بودند و سازگاری عمومی بالایی در همه محیط‌های مورد بررسی داشتند و می‌توان از آن‌ها برای انجام آزمایشات بیشتر از جمله آزمایشات سازگاری استفاده نمود. همچنین نتایج نشان داد که محیط‌های کرج و مغان به عنوان محل ارزیابی مناسب برای انتخاب لاینهای برتر سویا شناسایی شدند. به طور کلی نتایج نشان داد که روش گرافیکی GGE-biplot روشی با کارایی مناسب برای بررسی اثر متقابل ژنوتیپ × محیط بوده و اطلاعات خوبی در مورد ژنوتیپ‌ها و محیط‌های مورد مطالعه در اختیار قرار می‌دهد.
واژگان کلیدی: پایداری، ژنوتیپ ایدهآل، سویا، عملکرد دانه.
مقدمه و هدف: دانه‌های روغنی از جمله مهم‌ترین منابع تأمین انرژی در سراسر جهان می‌باشند. سویا یک محصول مهم زراعی می‌باشد که روغن آن ارزش غذایی و اقتصادی بالایی دارد. سویا (Glycine max L.) گیاهی یکساله و خودگشن، دیپلوئید، متعلق به تیره نخود Leguminosae می‌باشد و از مهم‌ترین گیاهان روغنی در جهان محسوب می‌شود. سویا قرن‌هاست که غذای مردم آسیا مخصوصاً چین بوده است و مردم چین آن را همراه با برنج به‌عنوان غذای اصلی خود مصرف می‌کنند. ایالات متحده آمریکا بزرگترین تولیدکننده سویا می‌باشد و تقریبا دوسوم محصول کل دنیا را تولید می‌کند. سویا در ایران بنام (لوبیا روغنی)، (لوبیا چینی) سوژا و دانه سویا معروف است. با بهره‌گیری از ارقام جدید و پربازده، می‌توان عملکرد اقتصادی این محصول را افزایش داد. ارزیابی لاینهای پیشرفته امیدبخش سویا در شرایط محیطی مختلف، در شناسایی و انتخاب لاینهای برتر با پتانسل عملکرد بالا و پایدار ضروری می‌باشد. ارزیابی اثر متقابل ژنوتیپ × محیط اطالعات ارزشمندی در رابطه با عملکرد ارقام گیاهی در محیط‌های مختلف فراهم کرده و نقش مهمی در بررسی پایداری عملکرد ارقام اصلاح شده دارد. اثرات متقابل ژنوتیپ × محیط از عوامل مهم محدودکننده در معرفی ارقام جدید محسوب می‌شود. اثر متقابل ژنوتیپ × محیط مسئله‌ای مهم در مطالعه صفات کمی می‌باشد زیرا پایداری عملکرد در محیط‌های مختلف را کاهش می‌دهد و همچنین تفسیر آزمایش‌های ژنتیکی را دشوار و پیش‌بینی‌ها را با مشکل مواجه می‌سازد. لذا شناخت نوع و ماهیت اثر متقابل و دستیابی به ارقامی که کمترین واکنش را نسبت بـه اثرات متقابل نشان دهند از اهمیت ویژهای برخوردار است. روش‌های مختلفی برای ارزیابی اثرات متقابل معرفی شده است که هریک ماهیت اثر متقابل را از دیدگاه مشخصی بررسی می‌کنند. در این میان روش گرافیکی GGE-biplot روشی با کارایی مناسب برای بررسی اثر متقابل ژنوتیپ × محیط بوده و اطلاعات خوبی در مورد ژنوتیپ‌ها و محیط‌های مورد مطالعه به صورت گرافیکی در اختیار قرار می‌دهد. هدف از اجرای این مطالعه، بررسی اثر متقابل ژنوتیپ × محیط با استفاده از روش گرافیکی GGE-biplot به منظور ارزیابی ژنوتیپ‌ها، محیطها، روابط ژنوتیپ‌ها و محیطها و در نهایت شناسایی ژنوتیپ‌های پایدار با عملکرد دانه بالا تحت شرایط محیطی مختلف در سویا بود.
مواد و روش‌ها: تعداد 27 لاین جدید سویا به همراه ارقام صبا و امیر تحت شرایط محیطی مختلف در چهار ایستگاه تحقیقاتی (کرج، گرگان، ساری و مغان) در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در سال زراعی 1401 مورد ارزیابی قرار گرفتند. برای ارزیابی پایداری و سـازگاری ژنوتیپ‌ها در محیط‌های مورد بررسی از روش آماری GGE بای‌پلات با مدل اثر ژنوتیپ + برهمکنش ژنوتیپ × محیط استفاده شد. در زمان رسیدگی محصول عملکرد دانه برای هر ژنوتیپ در هر محیط اندازه‌گیری گردید.
یافته‌ها: نتایج تجزیه مرکب عملکرد دانه نشان داد که اثر محیط، اثر ژنوتیپ و اثر متقابل ژنوتیپ × محیط معنی‌دار بود. نتایج تجزیه اثر متقابل ژنوتیپ × محیط با روش GGE-biplot نشان داد که دو مولفه اول و دوم GGE-biplot، 8/84 درصد از تغییرات کل عملکرد دانه را توجیه کردند که نشان دهنده اعتبار بالای بای پلات در توجیه تغییرات ژنوتیپ و برهمکنش ژنوتیپ × محیط (G+GE) بود. در این مطالعه دو محیط کلان شناسایی گردید که محیط کلان اول شامل محیط‌های گرگان و مغان بود. محیط کلان دوم نیز شامل محیط‌های مازندران و کرج بود. بر اساس نمایش چندضلعی بای‌پلات، لاین G1 در محیط‌های مازندران و کرج و لاینهای G21 و G22 در محیط‌های گرگان و مغان، لاینهای برتر و با سازگاری خصوصی بالا بودند. نتایج نمودار مختصات محیط متوسط نشان داد که ژنوتیپ‌های G1، G22، G5، G9، G16، G12، G14، G21، G7، G3، G17، G2، G11، G15، G26، G20 و G13 به ترتیب بیشترین عملکرد دانه را دارا بودند. از طرف دیگر ژنوتیپ‌های G28، G25، G16، G19، G4، G18، G27، G24، G8، G6، G23 و G29 به ترتیب کمترین مقدار عملکرد دانه را دارا بودند. بر اساس بای‌پلات ژنوتیپ فرضی ایدهآل، لاینهای G22، G5، G16، G12، G14 و G9 از نظر هر دو عامل پایداری و میانگین عملکرد دانه، بهتر از سایر لاین‌ها بودند و سازگاری عمومی بالایی در همه محیط‌های مورد بررسی داشتند. همچنین نتایج نشان داد که محیط‌های کرج و مغان نزدیک‌ترین محیطها به محیط ایدهآل بودند و بیشترین تمایز و بیانگری را نشان دادند. بنابراین می‌توان از محیط‌های کرج و مغان به عنوان محل ارزیابی مناسب برای انتخاب لاینهای برتر سویا استفاده کرد.
نتیجه‌گیری: بر اساس نتایج روش گرافیکی GGE-biplot، لاینهای G22، G5، G16، G12، G14 و G9 از نظر هر دو عامل پایداری و میانگین عملکرد دانه، بهتر از سایر لاین‌ها بودند و سازگاری عمومی بالایی در همه محیط‌های مورد بررسی داشتند و می‌توان از آن‌ها برای انجام آزمایشات بیشتر از جمله آزمایشات سازگاری استفاده نمود. همچنین نتایج نشان داد که محیط‌های کرج و مغان به عنوان محل ارزیابی مناسب برای انتخاب لاینهای برتر سویا شناسایی شدند. به طور کلی نتایج نشان داد که روش گرافیکی GGE-biplot روشی با کارایی مناسب برای بررسی اثر متقابل ژنوتیپ × محیط بوده و اطلاعات خوبی در مورد ژنوتیپ‌ها و محیط‌های مورد مطالعه در اختیار قرار می‌دهد.
واژگان کلیدی: پایداری، ژنوتیپ ایدهآل، سویا، عملکرد دانه.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
