دوره 17، شماره 2 - ( تابستان 1404 )
جلد 17 شماره 2 صفحات 55-43 |
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:
Zali H, Pour-Aboughadareh A, Vanda M. (2025). Evaluation of Genetic Diversity in Two- and Six-Row Barley Genotypes with an Emphasis on the Selection of Superior Genotypes Using Multivariate Methods. J Crop Breed. 17(2), 43-55. doi:10.61882/jcb.2024.1577
URL: http://jcb.sanru.ac.ir/article-1-1577-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1577-fa.html
زالی حسن، پورابوقداره علیرضا، وندا میترا.(1404). ارزیابی تنوع ژنتیکی جوهای دو ردیفه و شش ردیفه با هدف گزینش ژنوتیپ‌های برتر با استفاده از روش‌های چندمتغیره پژوهشنامه اصلاح گیاهان زراعی 17 (2) :55-43 10.61882/jcb.2024.1577
حسن زالی*1 
، علیرضا پورابوقداره2، میترا وندا3
، علیرضا پورابوقداره2، میترا وندا3
1- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران
2- موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
3- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران
2- موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
3- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران
چکیده: (850 مشاهده)
چکیده مبسوط
مقدمه و هدف: در میان تمام غلات تولیدشده در جهان، جو (L. Hordeum vulgare) پس از گندم، برنج و ذرت، رتبه چهارم را دارد. جو دارای ویژگی‌های بسیار عالی مانند مقاومت به سرما، سازگاری قوی، دوره رشد کوتاه، مقاومت در برابر تنش بالا و عملکرد پایدار است. بهبود ژنتیکی با مطالعه مواد ژنتیکی متنوع در بسیاری از محیط‌ها سرعت می‌گیرد. از آنجایی که عملکرد دانه دارای وراثت کمّی است و عمدتاً به عوامل ژنوتیپی و محیطی بستگی دارد، انتخاب غیر مستقیم از طریق سایر صفات زراعی می‌تواند در شناسایی ژنوتیپ‌های برتر مفید باشد. از شاخص انتخاب ژنوتیپ ایده‌آل (SIIG) برای رتبه‌بندی و مقایسه بهتر ژنوتیپ‌های مختلف و انتخاب بهترین ژنوتیپ‌ها و همچنین تعیین فاصله بین ژنوتیپ‌ها و گروه‌بندی آن‌ها استفاده می‌شود. با افزایش تعداد صفات یا شاخص‌ها، انتخاب ژنوتیپ مناسب دشوار می‌شود. در شاخص SIIG همه شاخص‌ها یا صفات به یک شاخص تبدیل می‌شوند و رتبه‌بندی و شناسایی ژنوتیپ‌های برتر آسان‌تر می‌شود.
مواد و روش‌ها: به‌منظور ارزیابی تنوع ژنتیکی و غربال اولیه ژنوتیپ‌های برتر جو، آزمایشی با 108 ژنوتیپ خالص به‌همراه چهار رقم شاهد (ارمغان، ریحان 03، فرات 03 و V Morales) در یک قالب طرح حجیم شده (آگمنت) در سال زراعی 1402-1401 در ایستگاه تحقیقات کشاورزی و منابع طبیعی داراب انجام شد. به‌منظور انتخاب ژنوتیپ‌های برتر از نظر عملکرد دانه و سایر صفات مورد بررسی، از شاخص انتخاب ژنوتیپ ایده‌آل (SIIG) و تجزیه به مؤلفه‌های اصلی (PCA) استفاده شد. ژنوتیپ‌های مورد بررسی بر روی سه خط بهطول 2/5 متر به فاصله 15 سانتیمتر از یکدیگر کشت شدند. تراکم بذر مصرفی 300 بذر در متر مربع برای هر ژنوتیپ تعیین گردید. صفات مورد بررسی شامل عملکرد دانه (GY)، وزن هزار دانه (TGW)، سرعت پرشدن دانه (GFR)، ارتفاع بوته (PLH)، تعداد روز تا ظهور سنبله (DHE) و تعداد روز تا رسیدگی فیزیولوژیک (DMA) بودند. به‌منظور برآورد اجزای واریانس و مقایسه میانگین صفات از نرمافزار ACBD استفاده شد. برای محاسبه شاخص SIIG و انجام تجزیه به مولفههای اصلی از نرم افزار R استفاده شد.
یافتهها: نتایج تجزیه REML نشان دادند که کمترین میزان وراثتپذیری صفات به‌ترتیب مربوط به وزن هزار دانه (60 درصد) و تعداد روز تا رسیدگی (66 درصد) و بیشترین مقدار وراثتپذیری به‌ترتیب مربوط به ارتفاع بوته (96 درصد) و سرعت پرشدن دانه (91 درصد) بود. عملکرد دانه ژنوتیپ‌ها بین 1600 تا 7833 کیلوگرم در هکتار بود که این نتایج نشاندهنده تفاوت چشمگیر میان ژنوتیپ‌ها و همچنین تنوع ژنتیکی بالا بین آن‌ها بودند. بیشترین عملکرد دانه به‌ترتیب مربوط به ژنوتیپ‌های شماره 83، 57 و 27 به‌ترتیب با مقادیر 7833، 7300 و 7100 کیلوگرم در هکتار بود. بیشترین و کمترین وزن هزار دانه به‌ترتیب به ژنوتیپ‌های شماره 17 (67/1 گرم) و 56 (36/2 گرم) تعلق داشتند. بیشترین وزن هزار دانه در ژنوتیپ‌های دوردیفه مشاهده شد. در مجموع، نتایج نشان داد که میانگین وزن هزار دانه در ژنوتیپ‌های دوردیفه 52/6 گرم و در ژنوتیپ‌های ششردیفه 45/8 گرم بود. میانگین سرعت پرشدن دانه در جوهای دوردیفه (120/7 کیلوگرم در هکتار) از میانگین سرعت پرشدن دانه در جوهای شش ردیفه (110/3 کیلوگرم در هکتار) بیشتر بود. تعداد روز تا رسیدگی ژنوتیپ‌ها بین 131 تا 144 روز بود. میانگین تعداد روز تا رسیدگی در جوهای دوردیفه 139 روز و در جوهای ششردیفه 141 بود. به منظور گروه بندی ژنوتیپ‌ها با استفاده از شاخص SIIG و بررسی ارتباط صفات مورد بررسی، از روش تجزیه به مولفههای اصلی (PCA) استفاده شد. اولین و دومین مولفه به‌ترتیب 43/0 و 29/7 درصد تغییرات ارتباط بین صفات و دستهبندی ژنوتیپ‌ها را توجیه نمودند. در مولفه اول، شاخص SIIG و صفات GY و GFP به‌ترتیب بیشترین سهم را داشتند و صفات DMA، DHE، TGW و PLH به‌ترتیب دارای بیشترین سهم در دومین مولفه بودند. نتایج PCA نشان دادند که عملکرد دانه و سرعت پرشدن دانه بیشترین همبستگی را با شاخص SIIG داشتند. بر اساس نتایج PCA، ژنوتیپ‌های مورد بررسی در چهار گروه قرار گرفتند. گروه اول شامل ژنوتیپ‌های برتر (ژنوتیپ‌های شماره 57، 83، 63، 66، 25، 68، 60، 61، 27، 23، 1، 3، 34، 25، 12 و 20) با شاخص SIIG بزرگتر از 6/0 بودند. گروه چهار شامل ژنوتیپهایی با شاخص SIIG کمتر از 0/4 بودند.
مقدمه و هدف: در میان تمام غلات تولیدشده در جهان، جو (L. Hordeum vulgare) پس از گندم، برنج و ذرت، رتبه چهارم را دارد. جو دارای ویژگی‌های بسیار عالی مانند مقاومت به سرما، سازگاری قوی، دوره رشد کوتاه، مقاومت در برابر تنش بالا و عملکرد پایدار است. بهبود ژنتیکی با مطالعه مواد ژنتیکی متنوع در بسیاری از محیط‌ها سرعت می‌گیرد. از آنجایی که عملکرد دانه دارای وراثت کمّی است و عمدتاً به عوامل ژنوتیپی و محیطی بستگی دارد، انتخاب غیر مستقیم از طریق سایر صفات زراعی می‌تواند در شناسایی ژنوتیپ‌های برتر مفید باشد. از شاخص انتخاب ژنوتیپ ایده‌آل (SIIG) برای رتبه‌بندی و مقایسه بهتر ژنوتیپ‌های مختلف و انتخاب بهترین ژنوتیپ‌ها و همچنین تعیین فاصله بین ژنوتیپ‌ها و گروه‌بندی آن‌ها استفاده می‌شود. با افزایش تعداد صفات یا شاخص‌ها، انتخاب ژنوتیپ مناسب دشوار می‌شود. در شاخص SIIG همه شاخص‌ها یا صفات به یک شاخص تبدیل می‌شوند و رتبه‌بندی و شناسایی ژنوتیپ‌های برتر آسان‌تر می‌شود.
مواد و روش‌ها: به‌منظور ارزیابی تنوع ژنتیکی و غربال اولیه ژنوتیپ‌های برتر جو، آزمایشی با 108 ژنوتیپ خالص به‌همراه چهار رقم شاهد (ارمغان، ریحان 03، فرات 03 و V Morales) در یک قالب طرح حجیم شده (آگمنت) در سال زراعی 1402-1401 در ایستگاه تحقیقات کشاورزی و منابع طبیعی داراب انجام شد. به‌منظور انتخاب ژنوتیپ‌های برتر از نظر عملکرد دانه و سایر صفات مورد بررسی، از شاخص انتخاب ژنوتیپ ایده‌آل (SIIG) و تجزیه به مؤلفه‌های اصلی (PCA) استفاده شد. ژنوتیپ‌های مورد بررسی بر روی سه خط بهطول 2/5 متر به فاصله 15 سانتیمتر از یکدیگر کشت شدند. تراکم بذر مصرفی 300 بذر در متر مربع برای هر ژنوتیپ تعیین گردید. صفات مورد بررسی شامل عملکرد دانه (GY)، وزن هزار دانه (TGW)، سرعت پرشدن دانه (GFR)، ارتفاع بوته (PLH)، تعداد روز تا ظهور سنبله (DHE) و تعداد روز تا رسیدگی فیزیولوژیک (DMA) بودند. به‌منظور برآورد اجزای واریانس و مقایسه میانگین صفات از نرمافزار ACBD استفاده شد. برای محاسبه شاخص SIIG و انجام تجزیه به مولفههای اصلی از نرم افزار R استفاده شد.
یافتهها: نتایج تجزیه REML نشان دادند که کمترین میزان وراثتپذیری صفات به‌ترتیب مربوط به وزن هزار دانه (60 درصد) و تعداد روز تا رسیدگی (66 درصد) و بیشترین مقدار وراثتپذیری به‌ترتیب مربوط به ارتفاع بوته (96 درصد) و سرعت پرشدن دانه (91 درصد) بود. عملکرد دانه ژنوتیپ‌ها بین 1600 تا 7833 کیلوگرم در هکتار بود که این نتایج نشاندهنده تفاوت چشمگیر میان ژنوتیپ‌ها و همچنین تنوع ژنتیکی بالا بین آن‌ها بودند. بیشترین عملکرد دانه به‌ترتیب مربوط به ژنوتیپ‌های شماره 83، 57 و 27 به‌ترتیب با مقادیر 7833، 7300 و 7100 کیلوگرم در هکتار بود. بیشترین و کمترین وزن هزار دانه به‌ترتیب به ژنوتیپ‌های شماره 17 (67/1 گرم) و 56 (36/2 گرم) تعلق داشتند. بیشترین وزن هزار دانه در ژنوتیپ‌های دوردیفه مشاهده شد. در مجموع، نتایج نشان داد که میانگین وزن هزار دانه در ژنوتیپ‌های دوردیفه 52/6 گرم و در ژنوتیپ‌های ششردیفه 45/8 گرم بود. میانگین سرعت پرشدن دانه در جوهای دوردیفه (120/7 کیلوگرم در هکتار) از میانگین سرعت پرشدن دانه در جوهای شش ردیفه (110/3 کیلوگرم در هکتار) بیشتر بود. تعداد روز تا رسیدگی ژنوتیپ‌ها بین 131 تا 144 روز بود. میانگین تعداد روز تا رسیدگی در جوهای دوردیفه 139 روز و در جوهای ششردیفه 141 بود. به منظور گروه بندی ژنوتیپ‌ها با استفاده از شاخص SIIG و بررسی ارتباط صفات مورد بررسی، از روش تجزیه به مولفههای اصلی (PCA) استفاده شد. اولین و دومین مولفه به‌ترتیب 43/0 و 29/7 درصد تغییرات ارتباط بین صفات و دستهبندی ژنوتیپ‌ها را توجیه نمودند. در مولفه اول، شاخص SIIG و صفات GY و GFP به‌ترتیب بیشترین سهم را داشتند و صفات DMA، DHE، TGW و PLH به‌ترتیب دارای بیشترین سهم در دومین مولفه بودند. نتایج PCA نشان دادند که عملکرد دانه و سرعت پرشدن دانه بیشترین همبستگی را با شاخص SIIG داشتند. بر اساس نتایج PCA، ژنوتیپ‌های مورد بررسی در چهار گروه قرار گرفتند. گروه اول شامل ژنوتیپ‌های برتر (ژنوتیپ‌های شماره 57، 83، 63، 66، 25، 68، 60، 61، 27، 23، 1، 3، 34، 25، 12 و 20) با شاخص SIIG بزرگتر از 6/0 بودند. گروه چهار شامل ژنوتیپهایی با شاخص SIIG کمتر از 0/4 بودند.
نتیجهگیری کلی: در مجموع، نتایج این تحقیق نشان از تنوع ژنتیکی بالایی بین ژنوتیپ‌های مورد بررسی دارند. بر اساس نتایج PCA، ژنوتیپ‌های گروه یک (با مقادیر SIIG بالای 0/6) جزو ژنوتیپ‌های برتر در این بررسی بودند و میتوان از آن‌ها برای انجام آزمایشات تکمیلی استفاده نمود. همچنین انطباق بالایی بین نتایج شاخص SIIG و تجزیه به مولفههای اصلی مشاهده شد.
فهرست منابع
1. Amiri, R., Rostami-Ahmadvandi, H., & Sayyahfar, M. (2023). Evaluation of the genetic variation of oil-rich camelina advanced lines under rainfed conditions. Journal of Crop Breeding, 15(47), 152-164.
https://doi.org/10.61186/jcb.15.47.152 [DOI:10.52547/jcb.15.47.152. [In Persian]]
2. Barati, A., Zali, H., Marzoqian, A., Koohkan, S., & Gholipour, A. (2021). Selection of barley pure lines with high yield and desirable agronomic characteristics in warm areas of Iran. Journal of Crop Production, 14(1), 199-218. [DOI:10.22069/EJCP.2021.18845.2403. [In Persian]]
3. Barati, A., Zali, H., Koohkan, Sh., Marzoqian, A., & Golipor, A. (2022). Evaluation of the application of SIIG index in the selection of barley pure lines with high yield and desirable agronomic characteristics in warm areas of Iran. Environmental Stresses in Crop Science, 15(3), 801-815. [DOI:20.1001.1.22287604.1401.15.3.18.6. [In Persian]]
4. Bavei, V., Vaezi, B., Abdipour, M., Kamali, M.R.J., & Roustaii, M. (2011). Screening of tolerant spring barleys for terminal heat stress: Different importance of yield components in barleys with different row type. International Journal of Plant Breeding and Genetic, 5, 175-193. https://doi.org/ 10.3923/ijpbg.2011.175.193 [DOI:10.3923/ijpbg.2011.175.193]
5. Blum, A. (2005). Drought resistance, water-use efficiency, and yield potential: Are they compatible, dissonant, or mutually exclusive? Australian Journal of Agricultural Research, 56, 1159-1168. [DOI:10.1071/AR05069]
6. Dastfal, M., Aghaee-Sarbarzeh, M., & Zali, H. (2022). Genetic diversity and selection of durum wheat pure lines with desirable agronomy traits using SIIG index. Iranian Journal of Field Crop Science, 53(1), 161-174. [DOI:10.22059/IJFCS.2021.298388.654691. [In Persian]]
7. Golestani, M. (2024). Selection index of ideal genotype (SIIG) in order to evaluate drought stress tolerance in some sunflower cultivars. Journal of Crop Breeding, 15(48), 31-39.
https://doi.org/10.61186/jcb.15.48.31 [DOI:10.61186/jcb.15.48.31. [In Persian]]
8. Hadado, T., Rau, D., Bitocchiand, E., & Pado, R. (2009). Genetic diversity of barley (Hordeum vulgre L.) landraces from the central highlands of Eithiopia: comparison between the Belg and Meher growing seasons using morphological traits. Genetic Resources and Crop Evolution, 56, 1131-1148. [DOI:10.1007/s10722-009-9437-z]
9. Haghighatnia, H., & Alhani, F. (2020). Evaluation of irrigation water salinity tolerance indices in new cultivars and lines of safflower. Iranian Journal of Soil and Water Research, 51(7), 1181-1821. [DOI:10.22059/ijswr.2020.299239.668552. [In Persian]]
10. Jalata, Z., Ayana, A., & Zeleke, H. (2011). Variability, heritability and genetic advance for some yield and yield related traits in Ethiopian barley (Hordeum vulgare L.) landraces and crosses. International Journal of Plant Breeding and Genetics, 5(1), 44-52. [DOI:10.3923/ijpbg.2011.44.52]
11. Kassambara, A., & Mundt, F. (2020). Factoextra: extract and visualize the results of multivariate data analyses. R Package Version 1.0.7.
12. Le Gouis, J. (1992). A comparison between two-and six-row winter barley genotypes for above-ground dry matter production and distribution. Agronomy, 12(2), 163-171. [DOI:10.1051/agro:19920204]
13. Maidl, F. X., Panse, A., Dennert, J., Ruser, R., & Fischbeck, G. (1996). Effect of varied N rates and N timings on yield, N uptake and fertilizer N use efficiency of a six-row and a two-row winter barley. Journal of Agronomy, 5, 247-257. [DOI:10.1016/S1161-0301(96)02023-0]
14. Martin, J.M., Blake, T.K., & Hockett, E.A. (1991). Diversity among North American spring barley cultivars based on coefficients of parentage. Crop Science, 31, 1131-1137. [DOI:10.2135/cropsci1991.0011183X003100050009x]
15. Mohammadi, S. A., & Prasanna, B. M. (2003). Analysis of genetic diversity in crop plants- Salient statistical tools and considerations. Crop Science, 43, 1235-1248. [DOI:10.2135/cropsci2003.1235]
16. Nahar, K., Ahamed, K. U., & Fujita, M. (2010). Phenological variation and its relation with yield in several wheat (Triticum aestivum L.) cultivars under normal and late sowing mediated heat stress condition. Notulae Scientia Biologicae, 2, 51-56.
https://doi.org/10.15835/nsb234723 [DOI:10.15835/nsb.2.3.4723]
17. Olivoto, T., Lúcio, A. D. C., da Silva, J. A. G., Marchioro, V. S., de Souza, V. Q., & Jost, E. (2019). Mean performance and stability in multi‐environment trials I: combining features of AMMI and BLUP techniques. Agronomy Journal, 111(6), 2949-2960. [DOI:10.2134/agronj2019.03.0220]
18. Olivoto, T., & Nardino, M. (2020). MGIDI: A novel multi-trait index for genotype selection in plant breeding. Bioinformatics, 1-22. [DOI:10.1101/2020.07.23.217778]
19. Pour-Aboughadareh, A., Barati, A., Gholipoor, A. Zali, H., Marzoghian, A., Koohkan, S. A., Shahbazi-Homonloo, K., & Houseinpour, A. (2023). Deciphering genotype-by-environment interaction in barley genotypes using different adaptability and stability methods. Journal of Crop Breeding and Biotechnology, 26, 547-562. [DOI:10.1007/s12892-023-00199-z]
20. Resende, M.D.Vd. (2016). Software Selegen-REML/BLUP: A useful tool for plant breeding. Crop Breeding and Applied Biotechnology, 16, 330-339. [DOI:10.1590/1984-70332016v16n4a49]
21. Rocha, J.R.do A.S.de C., Machado, J.C., & Carneiro, P.C.S. (2018). Multitrait index based on factor analysis and ideotype‐design: Proposal and application on elephant grass breeding for bioenergy. Global Change Biology Bioenergy, 10(1), 52-60. [DOI:10.1111/gcbb.12443]
22. Rodríguez, F., Alvarado, G., Pacheco, Á., & Burgueño, J. (2017). ACBD-R. Augmented complete block design with R for windows. Version 3.0. https://hdl.handle.net/11529/10855. CIMMYT Research Data & Software Repository Network.
23. Sabzi, Z., Fazeli, A., & Vaezi, B. (2024). Application of drought tolerance indices for grouping advanced barley cultivars and lines. Journal of Crop Breeding, 15(48), 189-200.
https://doi.org/10.61186/jcb.15.48.189 [DOI:10.61186/jcb.15.48.189. [In Persian]]
24. Sadat Hashemi, P., Mohammadi, A., Alizadeh, B., Mostafavi, K., & Amiri Oghan, H. (2023). Simultaneous selection of oil yield and other agronomic characteristics in winter rapeseed hybrids. Journal of Crop Breeding, 15(45), 60-68.
https://doi.org/10.61186/jcb.15.45.60 [DOI:10.61186/jcb.15.45.60. [In Persian]]
25. Shahmoradi, S., Shafaoddin, S., & Yousefi, A. (2011). Phenotypic diversity of arid- zone ecotypes in barley collection of national plant gene bank of Iran. Seed and Plant Improvement Journal, 1(4), 495-515. [DOI:10.22092/SPIJ.2017.111079. [In Persian]]
26. Shahmoradi Sh. (2022). Analysis of traits of two-row and six-row barley with emphasis on climatic conditions of origin. Iranian Journal of Field Crop Science, 52(4), 35-44. [DOI:10.22059/IJFCS.2020.292355.654657. [In Persian]]
27. Shirzad, A., Asghari, A., Zali, H., Sofalian, O., & Mohammaddoust Chamanabad, H. (2022). Selection of barley superior lines with desirable agronomic characteristics using the selection index of ideal genotype (SIIG). Journal of Crop Production and Processing, 12(1), 97-117.
https://doi.org/10.47176/jcpp.12.1.32902 [DOI:10.47176/jcpp.12.1.32902. [In Persian]]
28. Smith, A.B., Cullis, B.R., & Thompson, R. (2005). The analysis of crop cultivar breeding and evaluation trials: An overview of current mixed model approaches. Journal of Agriculture Science, 143(1), 449-462. [DOI:10.1017/S0021859605005587]
29. Vanda, M., Hekmat, M., & Alishah, O. (2022). Investigation of genetic diversity and identification of superior cotton cultivars (Gossypium Hirsutum L.) using SIIG index. Journal of Crop Breeding, 14(44), 181-189.
https://doi.org/10.52547/jcb.14.44.181 [DOI:10.52547/jcb.14.44.181]
30. Zali, H., & A. Barati. (2020). Evaluation of selection index of ideal genotype (SIIG) in other to selection of barley promising lines with high yield and desirable agronomy traits. Journal of Crop Breeding, 12(34), 93-104.
https://doi.org/10.29252/jcb.12.34.93 [DOI:10.29252/jcb.12.34.93. [In Persian]]
31. Zali, H., Barati, A., Jabari, M. (2021). Evaluation of variation at barley inbred lines (Hordeum vulgare L.) using SIIG index. Journal of Crop Breeding, 13(39), 179-194.
https://doi.org/10.52547/jcb.13.39.179 [DOI:10.52547/jcb.13.39.179. [In Persian]]
32. Zali, H., Sofalian, O., Hasanloo, T., Asghari, A., & Hoseini, S. M. (2015). Appraising of drought tolerance relying on stability analysis indices in canola genotypes simultaneously, using selection index of ideal genotype (SIIG) technique: Introduction of new method. Biological Forum - An International Journal, 7(2), 703-711.
33. Zali, H., Barati, A., & Pour-Aboughadareh, A. (2023a). Screening of barley elite genotypes using different selection indices based on multi-traits. Journal of Crop Production, 15(4), 159-182.
https://doi.org/10.61186/jcb.15.45.1 [DOI:10.22069/ejcp.2023.20071.2498. [In Persian]]
34. Zali, H., Barati, A., Pour-Aboughadareh, A., Gholipour, A., Koohkan, S., Marzoghiyan, A., Bocianowski, J., Bujak, H., & Nowosad, K. (2023b). Identification of superior barley genotypes using selection index of ideal genotype (SIIG). Plants, 12, 1843. [DOI:10.3390/plants12091843]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
