دوره 17، شماره 4 - ( زمستان 1404 )                   جلد 17 شماره 4 صفحات 103-92 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Askari kelestani A, Esmaeilzadeh Moghadam M. (2025). Investigation and Initial Identification of Superior Bread Wheat Lines in Southern Fars Province. J Crop Breed. 17(4), 92-103. doi:10.66224/jcb.2025.1572
URL: http://jcb.sanru.ac.ir/article-1-1572-fa.html
عسکری کلستانی علی رضا، اسماعیل زاده مقدم محسن.(1404). بررسی و شناسایی اولیه لاین‎ های برتر گندم نان در جنوب استان فارس پژوهشنامه اصلاح گیاهان زراعی 17 (4) :103-92 10.66224/jcb.2025.1572

URL: http://jcb.sanru.ac.ir/article-1-1572-fa.html

بررسی و شناسایی اولیه لاین‎ های برتر گندم نان در جنوب استان فارس
علی رضا عسکری کلستانی*1 ، محسن اسماعیل زاده مقدم2
1- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی (AREEO)، داراب، ایران
2- موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی (AREEO)، کرج، ایران
چکیده:   (2495 مشاهده)

چکیده مبسوط
مقدمه و هدف: دما مهم ‎ترین عامل تعیین‎ کننده طول دوره رشـــد و نمو گیاهان زراعی اسـت ولی با افزایش دما، رشـد و نمو تسـریع‎ می ‎شود و طول دوره زندگی گیاه کاهش می‎ یابد که این موضوع، یکی از عوامل اصــلی کاهش عملکرد در مناطق گرم اســت. شناسایی ژنوتیپ ‎های مناسب کشت در منطقه جنوب استان فارس از اهمیت ویژه‎ای برخوردار است. ارزیابی مجموعه لاین‎های جدید در این منطقه، دستیابی به چنین هدفی را امکان‎پذیر می‎کند. با توجه به برنامه ویژه موسسه تحقیقات اصلاح و تهیه نهال و بذر در طرح افزایش ضریب خوداتکایی گندم برای معرفی ارقام جدید، این بررسی نیز برای دستیابی به ژنوتیپ‎های پرمحصول‎تر و امیدبخش گندم نان در منطقه جنوب استان فارس انجام گرفت.
مواد و روش ‎ها: به ‎منظور ارزیابی تعدادی از لاین ‎های خالص گندم نان، دو آزمایش در سال‎ های زراعی (1401-1400) و (1402-1401) در ایستگاه تحقیقات کشاورزی و منابع طبیعی داراب انجام شد. لاین‎ های مورد برررسی در این مطالعه از مراکز و ایستگاه ‎های تحقیقاتی کرج، داراب و زابل و نیز لاین ‎های دابل‎ هاپلویید حاصل از برنامه مشترک بین موسسه اصلاح و تهیه نهال و بذر و شرکت فلوریماند دپره تهیه و به آزمایش اضافه شدند. آزمایش سال اول شامل 156 لاین خالص گندم نان به ‎همراه چهار رقم شاهد منطقه (چمران 2، مهرگان، سارنگ و برات) بود که به ‎صورت طرح آگمنت اجرا شد. از بین این لاین ‎هـا در سال دوم، 77 لاین برای منطقه داراب انتخاب شدند که لاین ‎های انتخابی به ‎همراه سه رقم شاهد منطقه (مهرگان، برات و سارنگ) در قالب طرح آلفا لاتیس 10×8 تصادفی با دو تکرار آزمایش شدند. در هر دو سال، گزینش لاین ‎های برتر با استفاده از شاخص فاصله ژنوتیپ ایدئوتیپ چندصفتی (MGIDI) و با استفاده از صفات مورفوفنولوژیک انجام شد.
یافته ها: نتایج تجزیه واریانس صفات زراعی در آزمایش سال اول تفاوت­ های معنی ‎داری را بین بلوک ‎ها نشان ندادند (به ‎جز صفت روز تا خوشه‎ دهی). ضرایب تغییرات فنوتیپی محاسبه‎ شده نشان دادند که صفات عملکرد دانه (18/92 درصد)، وزن هزار دانه (19/68 درصد) و سرعت پرشدن دانه (20/91 درصد) دارای تنوع بیشتری نسبت به سایر صفات مورد مطالعه بودند. این نتیجه دلالت بر وجود تنوع مناسب بین لاین‎ های مــورد بررســی دارد که می ‎توان با انتخاب مناسب، سبب بهبود عملکرد دانه شد. نقشه گرمایی صفات مختلف در لاین ‎های مورد بررسی دلالت ‎بر تایید این نتیجه دارد. میانگین عملکرد دانه در لاین‎ های انتخابی نسبت به شاهدها و مجموع لاین‎ ها افزایش یافت، به‎ طوری ‎که میانگین صفت عملکرد دانه در مجموع لاین‎ ها از 5/04 تن در هکتار به 5/86 تن در هکتار در لاین‎ های انتخابی رسید. همچنین، بیشترین و کم‎ترین عملکرد در لاین ‎های انتخابی به ‎ترتیب مربوط به لاین شماره 155 (7/2 تن در هکتار) و لاین شماره 92 (5/12 تن در هکتـار) بودند. میانگین ­های عملکرد ژنوتیپ ‎های شاهد در برات، چمران 2، مهرگان و سارنگ به ‎ترتیب 5/13، 4/72، 4/95 و 5/90 تن در هکتار بودند. معنی ‎دار شدن اثر لاین ‎ها در سال دوم، در صفات مختلف نشان‎ دهنده وجود تنوع مناسب و بهبود بهره ژنتیکی است. شاخص MGIDI برای شش صفت مورد مطالعه دیفرانسیل انتخاب مطلوب را نشان داد؛ همچنین در این شاخص، صفت سرعت پرشدن دانه دارای دیفرانسیل انتخاب نامطلوب 0/01- درصد بود. بیشترین و کم‎ترین مقدار درصد دیفرانسیل گزینش به ‎ترتیب مربوط به صفات روز تا خوشه‎ دهی )5/30 درصد) و سرعت پرشدن دانه (0/01 درصد) بودند. همچنین دیفرانسیل کل مطلوب مثبت و منفی به‎ ترتیب 6/73 درصد و 11/39- درصد بودند که نشان ‎دهنده کارایی انتخاب به ‎وسیله شاخص MGIDI بود. نتایج تجزیه عامل ‎ها نشان دادند که دو عامل اول 72/4 درصد تغییرات را توجیه نمودند .همچنین، شاخص MGIDI لاین ‎ها را در عامل اول بر اساس صفات تعداد روز تا خوشه ‎دهی، دوره پرشدن دانه و سرعت پرشدن دانه و در عامل دوم براساس صفات تعداد روز تا رسیدگی، وزن هزار دانه، عملکرد دانه و ارتفاع بوته انتخاب کرد. نتایج نمودار قوت و ضعف و عامل اول و دوم در تجزیه عاملی نشان دادند که هر دو عامل توانستند اکثر لاین‎ های برتر را براساس مقدار ایده ‎آل همه صفات درونی خود دسته‎ بندی کنند. در بین لاین ‎های انتخابی با استفاده از شاخص MGIDI، لاین‎‎ هایG49 ، G28،G38 ،G21 ، G44،G59 ، G50، G53،G77 ،G35 ،G16 ،G41  و G79 جزء لاین ‎های برتر در این تحقیق بودند. نتایج همبستگی پیرسون، همبستگی معنی ‎داری بین عملکرد دانه و و وزن هزار دانه را در سطح احتمال پنج درصد نشان داد که این موضوع دلالت‎ بر انتخاب غیرمستقیم لاین ‎هایی با عملکرد بالا از طریق صفاتی مانند وزن هزار دانه دارد.
نتیجه‎ گیری کلی: شاخص MGIDI به ‎طور کارآمدی قادر به شناسایی لاین ‎های برتر براساس همه صفات بود. در شجره 10 لاین انتخابی، یک والد مشترک به نام OASIS وجود دارد که احتمالا توانسته است تا حدودی باعث برتری این لاین ‎ها نسبت به سایر لاین‎ های مورد آزمایش شود. با توجه به این نتایج، پیشنهاد می‌شود که از این لاین‌ها جهت بهبود برنامه اصلاحی گندم در مناطق گرم و خشک جنوب استفاده شود.
 

واژه‌های کلیدی: عملکرد دانه، شاخص انتخاب، دیفرانسیل انتخاب، صفات مورفوفنولوژیک
متن کامل [PDF 1561 kb]   (409 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح نباتات
دریافت: 1404/1/23 | پذیرش: 1404/5/31
فهرست منابع
1. Al-Ashkar, I., Sallam, M., Almutairi, K. F., Shady, M., Ibrahim, A., & Alghamdi, S. S. (2023). Detection of high-performance wheat genotypes and genetic stability to determine complex interplay between genotypes and environments. Agronomy, 13(2), 585. [DOI:10.3390/agronomy13020585]
2. Al-Otayk, S. M. (2010). Performance of yield and stability of wheat genotypes under high stress environments of the central region of Saudi Arabia. Journal of King Abdulaziz University, 21(1), 81-92. [DOI:10.4197/met.21-1.6]
3. Barati, A., Zali, H., Marzoqian, A., Naghipour, F., Pour-Aboughadareh, A., & Kelestani, A. A. (2022). Selection of hull-less barley lines using the selection index of ideal genotype (SIIG) in Ahvaz and Darab regions. Crop Production, 15(2), 161-181. [In Persian]
4. Baye, A., Berihun, B., Bantayehu, M., & Derebe, B. (2020). Genotypic and phenotypic correlation and path coefficient analysis for yield and yield-related traits in advanced bread wheat (Triticum aestivum L.) lines. Cogent Food & Agriculture, 6(1), 1752603. [DOI:10.1080/23311932.2020.1752603]
5. Chen, W., Zhang, J., & Deng, X. (2024). Winter wheat yield improvement by genetic gain across different provinces in China. Journal of Integrative Agriculture, 23(2), 468-483. [DOI:10.1016/j.jia.2023.11.015]
6. Darwish, M. A., Elkot, A. F., Elfanah, A. M., Selim, A. I., Yassin, M. M., Abomarzoka, E. A., El-Maghraby, M. A., Rebouh, N. Y., & Ali, A. M. (2023). Evaluation of wheat genotypes under water regimes using hyperspectral reflectance and agro-physiological parameters via genotype by yield* trait approaches in sakha station, delta, egypt. Agriculture, 13(7), 1338. [DOI:10.3390/agriculture13071338]
7. Dastfall, M., Najafi Mirak, T., & Zali, H. (2024). Selection of durum wheat (Triticum turgidum L. var. durum) genotypes tolerant to terminal season drought stress using multi-trait indices (MGIDI). Iranian Journal of Crop Sciences, 25(4), 342-361. [In Persian]
8. https://www.fao.org/worldfoodsituation/csdb/en (2025).
9. Kassambara, A., & Mundt, F. (2021). Factoextra: extract and visualize the results of multivariate data analyses, R package version 1.0. 7. 2020. Preprint at.
10. Keshavarz Nia, R., Esmaeilzadeh Moghaddam, M., & Tabib Ghaffary, S. M. (2023). Evaluation and preliminary identification of superior lines of bread wheat in the north of khuzestan province. Iranian Journal of Field Crop Science, 54(4), 177-186. [In Persian].
11. Olivoto, T., Lúcio, A. D., da Silva, J. A., Sari, B. G., & Diel, M. I. (2019). Mean performance and stability in multi‐environment trials II: Selection based on multiple traits. Agronomy Journal, 111(6), 2961-2969. [DOI:10.2134/agronj2019.03.0221]
12. Olivoto, T., & Lúcio, A. D. C. (2020). metan: An R package for multi‐environment trial analysis. Methods in Ecology and Evolution, 11(6), 783-789. [DOI:10.1111/2041-210X.13384]
13. Olivoto, T., & Nardino, M. (2020). MGIDI: A novel multi-trait index for genotype selection in plant breeding. bioRxiv, 2020.2007. 2023.217778.
14. Olivoto, T., & Nardino, M. (2021). MGIDI: Toward an effective multivariate selection in biological experiments. Bioinformatics, 37(10), 1383-1389. [DOI:10.1093/bioinformatics/btaa981]
15. Pour-Aboughadareh, A., Sanjani, S., Nikkhah-Chamanabad, H., Mehrvar, M. R., Asadi, A., & Amini, A. (2021). Identification of salt-tolerant barley genotypes using multiple-traits index and yield performance at the early growth and maturity stages. Bulletin of the National Research Centre, 45(1), 117. [DOI:10.1186/s42269-021-00576-0]
16. Rajaram, S., & Van-Ginkel, M. (1994). A guide to the CIMMYT bread wheat program. Wheat special (5).
17. Sheta, M. H., Hasham, M. M., Ghanem, K. Z., Bayomy, H. M., El-Sheshtawy, A.-N. A., El-Serafy, R. S., & Naif, E. (2024). Screening of Wheat Genotypes for Water Stress Tolerance Using Soil-Water Relationships and Multivariate Statistical Approaches. Agronomy, 14(5), 1029. [DOI:10.3390/agronomy14051029]
18. Shirzad, A., Asghari, A., Zali, H., Sofalian, O., & Mohammaddoust Chamanabad, H. (2022). Application of the Multi-Trait Genotype-Ideotype Distance Index in the Selection of top Barley Genotypes in the Warm and Dry Region of Darab. Journal of Crop Breeding. 14(44), 65-76. [In Persian] [DOI:10.52547/jcb.14.44.65]
19. Spanic, V., Lalic, Z., Berakovic, I., Jukic, G., & Varnica, I. (2024). Morphological Characterization of 1322 Winter Wheat (Triticum aestivum L.) Varieties from EU Referent Collection. Agriculture, 14(4), 551. [DOI:10.3390/agriculture14040551]
20. Triboi E., & Leblevece, L. (1995). Temperature effect on grain growth and protein content fraction accumulation in winter wheat. Jounal of Botany. 2, 54-59
21. Zali, H., & Pour-Aboughadareh, A. (2023). Identification of superior genotypes of barley for cultivation the south regions of Fars province using MGIDI و FAI-BLUP indices. Plant Productions, 46(3), 335-351. [In Persian]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهشنامه اصلاح گیاهان زراعی می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2026 CC BY-NC 4.0 | Journal of Crop Breeding

Designed & Developed by: Yektaweb