دوره 18، شماره 1 - ( بهار 1405 )
جلد 18 شماره 1 صفحات 58-43 |
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:
Pezeshkpour P, Vaezi B, Sabzi Z, Mahinkhah M. (2026). Stability Analysis of Grain Yields of Vetch Genotypes by Multivariate Methods and the Superiority Index. J Crop Breed. 18(1), 43-58. doi:10.61882/jcb.2026.1614
URL: http://jcb.sanru.ac.ir/article-1-1614-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1614-fa.html
پزشکپور پیام، واعظی بهروز، سبزی زینب، مهین خواه مسلم.(1405). تجزیه پایداری عملکرد دانه ژنوتیپ های ماشک با استفاده از روش های چندمتغیره و شاخص برتری پژوهشنامه اصلاح گیاهان زراعی 18 (1) :58-43 10.61882/jcb.2026.1614
پیام پزشکپور*1 
، بهروز واعظی2، زینب سبزی3، مسلم مهین خواه3
، بهروز واعظی2، زینب سبزی3، مسلم مهین خواه3
1- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران،
2- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کهگیلویه و بویراحمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یاسوج، ایران
3- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی ایلام، سازمان تحقیقات، آموزش و ترویج کشاورزی، ایلام، ایران
2- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کهگیلویه و بویراحمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یاسوج، ایران
3- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی ایلام، سازمان تحقیقات، آموزش و ترویج کشاورزی، ایلام، ایران
چکیده: (1236 مشاهده)
چکیده مبسوط
مقدمه و هدف: ماشک معمولی (sativa L.ssp. Vicia sativa) به دلیل کاربردهای متعدد، ارزش غذایی بالا و توانایی رشد در شرایط محیطی مختلف، یکی از مهمترین حبوبات دامی در محیط وسیع مدیترانه است. افزایش نیازهای غذایی دام‌ها مستلزم معرفی لگوم علوفه ای برای خوراک دام در تناوب‌های زراعی است. ماشک معمولی به عنوان یکی از بهترین گزینه‌ها برای قرار گرفتن در تناوب‌های زراعی، به ویژه در مناطق کم‌باران، و جایگزین خوبی برای کشت تک‌محصولی غلات در نظر گرفته می‌شود، زیرا در مقایسه با غلات عملکرد دانه و پروتئین بالاتری تولید می‌کند. یکی دیگر از مزایای کشت ماشک، سازگاری آن با سیستم‌های کشاورزی ارگانیک و کم‌نهاده است. سودمندی آن بر اساس بهره‌برداری از نیتروژن اتمسفری است که در مناطق کشت معین رضایت‌بخش است. کشت‌های مخلوط ماشک و غلات، بدون نیاز به کودهای نیتروژنی، عملکرد پروتئین قابل توجه بالاتری در خاک تولید می‌کنند. کشت گونه‌های محلی یا مخلوط‌هایی از آنها، برای حفظ عملکرد در سیستم‌های کشاورزی کم‌نهاده که عمدتاً از دامداری پشتیبانی می‌کنند، یک رویکرد معمول است. کشت پاییزه ماشک از نظر افزایش راندمان بهرهوری از بارش، موجب افزایش عملکرد دانه نسبت به کشت بهاره در شرایط دیم می‌شود. علاوه بر این، برای به حداکثر رساندن عملکرد و کنترل بیان فنوتیپی، بهنژادگران باید ژنوتیپ‌های خاصی را انتخاب کنند که در یک محیط خاص پایدار یا سازگار با آن باشند. بنابر این، شناسایی ژنوتیپهایی با عملکرد بالا و سازگار به دامنه گستردهای از محیطها، یکی از هدفهای عمده در برنامههای بهنژادی گیاهان زراعی است. در آزمایش‌های چندمحیطی، عملکرد ماشک تحت تأثیر ساختار ژنتیکی، محیطی و اثر متقابل ژنوتیپ × محیط قرار میگیرد. برای تفسیر بهتر برهمکنش ژنوتیپ × محیط، مدل اثرات اصلی افزایشی و برهمکنش ضرب پذیر (AMMI) یکی از متداول‌ترین روش‌ها در مطالعه آزمایش‌های چندمحیطی است. هدف از پژوهش حاضر، بررسی برهمکنش ژنوتیپ و محیط بر ژنوتیپ‌های ماشک و شناسایی ژنوتیپ‌های پایدار، پرمحصول و سازگار با شرایط آب و هوایی مناطق دیم معتدل کشور بود.
مواد و روش‌ها: در این پژوهش، هشت ژنوتیپ امیدبخش ماشک به همراه ارقام شاهد (مراغه و طلوع) در قالب طرح بلوکهای کامل تصادفی به مدت پنج سال زراعی متوالی (403-1398) در کهگیلویه و بویر احمد (گچساران)، لرستان (خرم آباد) و ایلام (مهران و چرداول) کشت شدند. در مزرعه، هر کرت شامل چهار خط کاشت به طول 7 متر با فاصله 25 سانتی متر و تراکم 150 دانه در متر مربع بود. تجزیه پایداری با استفاده از روش چندمتغیره امی انجام شد. تجزیههای آماری با استفاده از بسته تجزیه آزمایش‌های چندمحیطی با نام Metan و GGE در نرمافزار R انجام شدند.
یافتهها: تجزیه واریانس AMMI نشان داد که اثرات محیط، ژنوتیپ، و برهمکنش ژنوتیپ × محیط و پنج مؤلفه اصلی اول معنیدار بودند. بنابر این، با توجه به معنیدار بودن برهمکنش ژنوتیپ × محیط، امکان انجام تجزیه پایداری روی این دادهها وجود دارد. بر اساس تجزیه AMMI، اولین و دومین مؤلفه اصلی برهمکنش ژنوتیپ × محیط، بهترتیب 51/6 و 25/6 درصد از تغییرات برهمکنش ژنوتیپ × محیط را توجیه کردند. اثر پنج مؤلفه اصلی اول، معنیدار بود و در مجموع 96/5 درصد از تغییرات برهمکنش ژنوتیپ در محیط را توجیه کردند. سهم محیط (مکان، سال و مکان در سال)، ژنوتیپ و برهمکنش ژنوتیپ × محیط در مجموع مربعات کل، به ترتیب 35/45 ، 55/65 و 8/908 درصد بود. در بین ژنوتیپ‌های مطالعه شده، بیشترین عملکرد دانه در ژنوتیپ شماره دو (1/541 تن در هکتار) و در پی آن در ژنوتیپ‌های شماره 1، 5 و 3 دیده شد. بر اساس شاخص پایداری ASV، ژنوتیپ‌های شماره 4، 6 و 5، بر اساس شاخص SIPC، ژنوتیپ‌های 5، 1، 2 و 4، بر اساس شاخص EV، ژنوتیپ‌های شماره 1، 4 ، 3 و 10 و بر اساس شاخص Za ژنوتیپ‌های 5، 7، 2 و 6 پایدارترین ژنوتیپها بودند. بر مبنای شاخص انتخاب همزمان ssiASV، ژنوتیپ‌های 2، 3، 8 و 1، بر مبنای شاخص ssiSIPC، ژنوتیپ‌های شماره 2، 1، 5 و 3، بر مبنای شاخص ssiEV ژنوتیپ‌های 1، 2، 3 و 4، بر مبنای شاخص ssiZA، ژنوتیپ‌های شماره 2، 5 و 1 و بر مبنای شاخص ssiWAAS، ژنوتیپ‌های 5، 1، 2 و 7 برترین ژنوتیپ ها از نظر عملکرد و پایداری بودند. بر اساس بایپلات AMMI1، ژنوتیپ های شماره 4، 7، 5، 1 و 6 با عملکرد دانه بیشتر از عملکرد میانگین کل و کمترین مقادیر IPCA1، به عنوان ژنوتیپ‌های پایدار با سازگاری عمومی بالا شناسایی شدند. در بایپلات AMMI2، ژنوتیپ‌های 4، 5 و 6 علاوه بر پایداری عمومی بالا، دارای عملکرد دانه بالاتر از میانگین کل بودند. علاوه بر شاخصهای AMMI، از شاخص برتری لین و بینز برای شناسایی ژنوتیپ‌های برتر استفاده شد که بر این اساس ژنوتیپ‌های شماره 1 ،3 ،5 و 2 برترین ژنوتیپها در محیطهای مطالعه شده بودند.
نتیجهگیری: در مجموع و بر اساس شاخصهای مختلف، ژنوتیپ‌های شماره 1(V.S.IVAT- 2003)، 2 (V.S.IVAT- 2556) و 5 (V.S.IVAT- 2709) در بسیاری از محیطها دارای عملکرد بالا و در بیشتر روش‌ها، دارای پایداری مطلوبی بودند و میتوانند گزینه های معرفی ارقام جدید باشند.
مقدمه و هدف: ماشک معمولی (sativa L.ssp. Vicia sativa) به دلیل کاربردهای متعدد، ارزش غذایی بالا و توانایی رشد در شرایط محیطی مختلف، یکی از مهمترین حبوبات دامی در محیط وسیع مدیترانه است. افزایش نیازهای غذایی دام‌ها مستلزم معرفی لگوم علوفه ای برای خوراک دام در تناوب‌های زراعی است. ماشک معمولی به عنوان یکی از بهترین گزینه‌ها برای قرار گرفتن در تناوب‌های زراعی، به ویژه در مناطق کم‌باران، و جایگزین خوبی برای کشت تک‌محصولی غلات در نظر گرفته می‌شود، زیرا در مقایسه با غلات عملکرد دانه و پروتئین بالاتری تولید می‌کند. یکی دیگر از مزایای کشت ماشک، سازگاری آن با سیستم‌های کشاورزی ارگانیک و کم‌نهاده است. سودمندی آن بر اساس بهره‌برداری از نیتروژن اتمسفری است که در مناطق کشت معین رضایت‌بخش است. کشت‌های مخلوط ماشک و غلات، بدون نیاز به کودهای نیتروژنی، عملکرد پروتئین قابل توجه بالاتری در خاک تولید می‌کنند. کشت گونه‌های محلی یا مخلوط‌هایی از آنها، برای حفظ عملکرد در سیستم‌های کشاورزی کم‌نهاده که عمدتاً از دامداری پشتیبانی می‌کنند، یک رویکرد معمول است. کشت پاییزه ماشک از نظر افزایش راندمان بهرهوری از بارش، موجب افزایش عملکرد دانه نسبت به کشت بهاره در شرایط دیم می‌شود. علاوه بر این، برای به حداکثر رساندن عملکرد و کنترل بیان فنوتیپی، بهنژادگران باید ژنوتیپ‌های خاصی را انتخاب کنند که در یک محیط خاص پایدار یا سازگار با آن باشند. بنابر این، شناسایی ژنوتیپهایی با عملکرد بالا و سازگار به دامنه گستردهای از محیطها، یکی از هدفهای عمده در برنامههای بهنژادی گیاهان زراعی است. در آزمایش‌های چندمحیطی، عملکرد ماشک تحت تأثیر ساختار ژنتیکی، محیطی و اثر متقابل ژنوتیپ × محیط قرار میگیرد. برای تفسیر بهتر برهمکنش ژنوتیپ × محیط، مدل اثرات اصلی افزایشی و برهمکنش ضرب پذیر (AMMI) یکی از متداول‌ترین روش‌ها در مطالعه آزمایش‌های چندمحیطی است. هدف از پژوهش حاضر، بررسی برهمکنش ژنوتیپ و محیط بر ژنوتیپ‌های ماشک و شناسایی ژنوتیپ‌های پایدار، پرمحصول و سازگار با شرایط آب و هوایی مناطق دیم معتدل کشور بود.
مواد و روش‌ها: در این پژوهش، هشت ژنوتیپ امیدبخش ماشک به همراه ارقام شاهد (مراغه و طلوع) در قالب طرح بلوکهای کامل تصادفی به مدت پنج سال زراعی متوالی (403-1398) در کهگیلویه و بویر احمد (گچساران)، لرستان (خرم آباد) و ایلام (مهران و چرداول) کشت شدند. در مزرعه، هر کرت شامل چهار خط کاشت به طول 7 متر با فاصله 25 سانتی متر و تراکم 150 دانه در متر مربع بود. تجزیه پایداری با استفاده از روش چندمتغیره امی انجام شد. تجزیههای آماری با استفاده از بسته تجزیه آزمایش‌های چندمحیطی با نام Metan و GGE در نرمافزار R انجام شدند.
یافتهها: تجزیه واریانس AMMI نشان داد که اثرات محیط، ژنوتیپ، و برهمکنش ژنوتیپ × محیط و پنج مؤلفه اصلی اول معنیدار بودند. بنابر این، با توجه به معنیدار بودن برهمکنش ژنوتیپ × محیط، امکان انجام تجزیه پایداری روی این دادهها وجود دارد. بر اساس تجزیه AMMI، اولین و دومین مؤلفه اصلی برهمکنش ژنوتیپ × محیط، بهترتیب 51/6 و 25/6 درصد از تغییرات برهمکنش ژنوتیپ × محیط را توجیه کردند. اثر پنج مؤلفه اصلی اول، معنیدار بود و در مجموع 96/5 درصد از تغییرات برهمکنش ژنوتیپ در محیط را توجیه کردند. سهم محیط (مکان، سال و مکان در سال)، ژنوتیپ و برهمکنش ژنوتیپ × محیط در مجموع مربعات کل، به ترتیب 35/45 ، 55/65 و 8/908 درصد بود. در بین ژنوتیپ‌های مطالعه شده، بیشترین عملکرد دانه در ژنوتیپ شماره دو (1/541 تن در هکتار) و در پی آن در ژنوتیپ‌های شماره 1، 5 و 3 دیده شد. بر اساس شاخص پایداری ASV، ژنوتیپ‌های شماره 4، 6 و 5، بر اساس شاخص SIPC، ژنوتیپ‌های 5، 1، 2 و 4، بر اساس شاخص EV، ژنوتیپ‌های شماره 1، 4 ، 3 و 10 و بر اساس شاخص Za ژنوتیپ‌های 5، 7، 2 و 6 پایدارترین ژنوتیپها بودند. بر مبنای شاخص انتخاب همزمان ssiASV، ژنوتیپ‌های 2، 3، 8 و 1، بر مبنای شاخص ssiSIPC، ژنوتیپ‌های شماره 2، 1، 5 و 3، بر مبنای شاخص ssiEV ژنوتیپ‌های 1، 2، 3 و 4، بر مبنای شاخص ssiZA، ژنوتیپ‌های شماره 2، 5 و 1 و بر مبنای شاخص ssiWAAS، ژنوتیپ‌های 5، 1، 2 و 7 برترین ژنوتیپ ها از نظر عملکرد و پایداری بودند. بر اساس بایپلات AMMI1، ژنوتیپ های شماره 4، 7، 5، 1 و 6 با عملکرد دانه بیشتر از عملکرد میانگین کل و کمترین مقادیر IPCA1، به عنوان ژنوتیپ‌های پایدار با سازگاری عمومی بالا شناسایی شدند. در بایپلات AMMI2، ژنوتیپ‌های 4، 5 و 6 علاوه بر پایداری عمومی بالا، دارای عملکرد دانه بالاتر از میانگین کل بودند. علاوه بر شاخصهای AMMI، از شاخص برتری لین و بینز برای شناسایی ژنوتیپ‌های برتر استفاده شد که بر این اساس ژنوتیپ‌های شماره 1 ،3 ،5 و 2 برترین ژنوتیپها در محیطهای مطالعه شده بودند.
نتیجهگیری: در مجموع و بر اساس شاخصهای مختلف، ژنوتیپ‌های شماره 1(V.S.IVAT- 2003)، 2 (V.S.IVAT- 2556) و 5 (V.S.IVAT- 2709) در بسیاری از محیطها دارای عملکرد بالا و در بیشتر روش‌ها، دارای پایداری مطلوبی بودند و میتوانند گزینه های معرفی ارقام جدید باشند.
فهرست منابع
1. Abdulrahman, O. L., Lawal, O. O., Nofiu, N. B., Olooto, F. M., Ayanda, I. F., & Ishola, H. (2021). Application of principal component and stability analyses to some traits in forage legumes. Tropical and Subtropical Agroecosystems, 24(2). https://doi.org/ 10.56369/tsaes.3537.
https://doi.org/10.56369/tsaes.3537 [DOI:10.56369/tsaes.3537.]
2. Ahmadi, J., Vaezi, B., Shaabani, A., Khademi, K., Fabriki Ourang, S., & Pour-Aboughadareh, A. (2015). Non- parametric measures for yield stability in grass pea (Lathyrus sativus L.) advanced lines in semi warm regions. Journal of Agricultural Science and Technology, 17(7), 1825-1838.
3. Akdeniz, H., Koc, A., Islam, M. S., & El Sabagh, A. (2018). Performances of hairy vetch varieties under different locations of Mediterranean environment. Fresenius Environmental Bulletin, 27(6), 4263-4269.
4. Anonymus. (2000). Forage crops, such as vetches and chicklings, are beginning to replace fallow in the countries of Central Asia and the Caucasus (CAC), giving agriculture an important boost. Caravan ICARDA Issue No. 13
5. Anonymous. (2023). Agricultural statistics farming year of 2022, Vol. 1: crops. Tehran, Ministry of Agriculture - Jahad, Deputy of Planning and Economics, Information and Communication Technology Center. [In Persian]
6. Caballero, R., Fernández, E., & Rioperez, J. (1992). Some blood and rumen constituents in Manchega ewes grazing cereal stubbles and cultivated pastures. Small Ruminant Research, 7(4), 331-345. [DOI:10.1016/0921-4488(92)90166-2]
7. Dechev, D. (2004). Genotype-Environment interaction and stability for some traits of durum wheat genotypes. Agrarian Science 2, 62-66.
8. Ebadi, A. A., Sharifi, P., & Taher Hallajian, M. (2022). Stability analysis of grain yield of rice mutants by multivariate methods and superiority index. Journal of Agricultural Science and Sustainable Production, 32(2), 313-332.
9. Farshadfar, E. (2008). Incorporation of AMMI stability value and grain yield in a single non-parametric index (GSI) in bread wheat. Pakistan Journal of Biological Science, 11, 1791-1796.
https://doi.org/10.3923/pjbs.2008.1791.1796 [DOI:10.3923/pjbs.2008.1791.1796.]
10. Fırıncıoğlu, H. K., Tate, M., Ünal, S., Doğruyol, S., & Özcan, İ. (2007). A selection strategy for low toxin vetches. Turkish Journal of Agriculture and Forestry, 31, 303-311.
11. Gauch, H. G., & Zobel, R. W. (1988). Predictive and postdictive success of statistical analyses of yield trials. Theoretical and Applied Genetics, 76(1), 1-10.
https://doi.org/10.1007/BF00288824 [DOI:10.1007/BF00288824.]
12. Georgieva, N., Nikolova, I., & Kosev, V. (2015). Stability analysis for seed yield in vetch cultivars. Emirates Journal of Food and Agriculture, 27(12), 903-910. [DOI:10.9755/ejfa.2015-04-172]
13. Georgieva, N., Nikolova, I., & Delchev, G. (2020). Response of spring vetch (Vicia sativa L.) to organic production conditions. Bulgarian Journal of Agricultural Science, 26(3). https://doi.org/ 10.13140/RG.2.2.28349.28640 [DOI:10.13140/RG.2.2.28349.28640]
14. Greveniotis, V., Bouloumpasi, E., Zotis, S., Korkovelos, A., & Ipsilandis, C. G. (2021). A stability analysis using AΜΜΙ and GGE biplot approach on forage yield assessment of common vetch in both conventional and low-input cultivation systems. Agriculture, 11(6), 567.https://doi.org/ 10.3390/agriculture11060567 [DOI:10.3390/agriculture11060567]
15. Hargrove, W. L. (1986). Winter Legumes as a Nitrogen Source for No‐Till Grain Sorghum 1. Agronomy Journal, 78(1), 70-74. [DOI:10.2134/agronj1986.00021962007800010016x]
16. Heidarpour, N., Namdari, A. & Baghbani-Arani, A. (2018). Evaluation of quantitative yield and some physical properties of soil in three years mixed Barley (Khorram) Vetch forage (Vicia sativa) cropping system under rain-fed conditions. Sustainable Agriculture and Production Science, 28(4), 1-13. [In Persian]
17. Hoffman, M. L., Regnier, E. E., & Cardina, J. (1993). Weed and corn (Zea mays) responses to a hairy vetch (Vicia villosa) cover crop. Weed Technology, 7(3), 594-599. [DOI:10.1017/S0890037X00037398]
18. Jiang, J., Su, M., Chen, Y., Gao, N., Jiao, C., Sun, Z., .. & Wang, C. (2013). Correlation of drought resistance in grass pea (Lathyrus sativus) with reactive oxygen species scavenging and osmotic adjustment. Biologia, 68, 231-240. [DOI:10.2478/s11756-013-0003-y]
19. Karimizadeh, R., Pezeshkpour, P., Mirzaee, A., Barzali, M., Sharifi, P., & Motlagh, M. S. (2023). Stability analysis for seed yield of chickpea (Cicer arietinum L.) genotypes by experimental and biological approaches. Vavilov Journal of Genetics and Breeding, 27(2), 135. https://doi.org/ 10.18699/VJGB-23-19 [DOI:10.18699/VJGB-23-19]
20. Kurdali, F., Sharabi, N.E., & Arslan, A. (1996). Rainfed vetch-barley mixed cropping in the Syrian semi-arid conditions: I. Nitrogen nutrition using 15 N isotopic dilution. Plant and Soil, 183, 137-148. [DOI:10.1007/BF02185573]
21. Lameie hervani G,(2012). Evaluation of mono culturing and intercropping three annual forage legumes with barley under rain fed conditions. Final report, Dry land Agricultural Research Institute. Code: 89/664.
22. Lawal, O. O., Abdulrahman, O. L., Ayanda, I. F., Ishola, H., Olk, L. K. O., & Iuy, U. Y. I. (2020). Comparative evaluation of forage grasses for stability analysis using GGE biplot and AMMI and forage yield modelling. Research on Crops, 21(4), 830-838. https://doi.org/ 10.31830/2348-7542.2020.127 [DOI:10.31830/2348-7542.2020.127]
23. Lin, C. S., & Binns, M. R. (1988). A superiority measure of cultivar performance for cultivar × location data. Canadian Journal of Plant Science, 68(1), 193-198. [DOI:10.4141/cjps88-018]
24. Ma, L., Wang, X., Yan, M., Liu, F., Zhang, S., & Wang, X. (2022). Genome survey sequencing of common vetch (Vicia sativa L.) and genetic diversity analysis of Chinese germplasm with genomic SSR markers. Molecular Biology Reports, 49(1), 313-320.
https://doi.org/10.1007/s11033-021-06875-z [DOI:10.1007/s11033-021- 06875-z]
25. Moghadam, A. (2003). Simultaneous selection for yield and stability and its comparison with different stability statistics. Seed and Plant Journal, 19(1), 1-13. https://doi.org/ 10.22092/SPIJ.2017.110935. [DOI:10.22092/SPIJ.2017.110935.]
26. [In Persian]
27. 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]
28. 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]
29. Papastylianou, P., Vlachostergios, D. N., Dordas, C., Tigka, E., Papakaloudis, P., Kargiotidou, A., .. & Kostoula, S. (2021). Genotype x environment interaction analysis of faba bean (Vicia faba L.) for biomass and seed yield across different environments. Sustainability, 13(5), 2586. https://doi.org/ 10.3390/su13052586 [DOI:10.3390/su13052586]
30. Pezeshkpour, P., Amiri, R., Karami, I., & Mirzaei, A. (2024 a). Grain Yield Stability Analysis of Lentil Genotypes by AMMI Indices. Journal of Crop Breeding, 16(4), 1-12.
https://doi.org/10.61186/jcb.16.2.42 [DOI:10.61186/jcb.16.2.42. [In Persian]]
31. Pezeshkpour, P., Amiri, R., Karami, I., & Mirzaei, A. (2024 b). Evaluation of Seed Yield Stability of Lentil Genotypes Based on REML/BLUP and Multi-Trait Stability Index (MTSI). Journal of Crop Breeding, 16(2), 42-52. https:// doi:10.61186/jcb.16.2.42. [In Persian] [DOI:10.61186/jcb.16.2.42]
32. Purchase, J. L., Hatting, H., & Van Deventer, C. S. (2000). Genotype × environment interaction of winter wheat (Triticum aestivum L.) in South Africa: II. Stability analysis of yield performance. South African Journal of Plant and Soil, 17(3), 101-107.
https://doi.org/10.1080/02571862.2000.10634878 [DOI:10.1080/02571862.2000.10634878.]
33. Resende, M. D. V. D. (2016). Software Selegen-REML/BLUP: a useful tool for plant breeding. Crop Breeding and Applied Biotechnology,16(04), 330-339.https://doi.org/ 10.1590/1984- 70332016v16n4a49
https://doi.org/10.1590/1984-70332016v16n4a49 [DOI:10.1590/1984- 70332016v16n4a49]
34. De Resende, M. D. V., & de Resende, M. D. V. (2007). SELEGEN-REML/BLUP: sistema estatístico e seleção genética computadorizada via modelos lineares mistos.
35. Rinnofner, T., Friedel, J. K., De Kruijff, R., Pietsch, G., & Freyer, B. (2008). Effect of catch crops on N dynamics and following crops in organic farming. Agronomy for Sustainable Development, 28, 551-558. [DOI:10.1051/agro:2008028]
36. Torres Filho, J., dos Santos Oliveira, C. N. G., da Silveira, L. M., de Sousa Nunes, G. H., da Silva, A. J. R., & da Silva, M. F. N. (2017). INTERAÇÃO GENÓTIPOS x AMBIENTES EM GENÓTIPOS DE FEIJÃO-CAUPI VERDE ANALISADA VIA MODELOS MISTOS. Revista Caatinga, 30(3), 687-697 https://doi.org/ /10.1590/1983-21252017v30n317rc. [DOI:/10.1590/1983-21252017v30n317rc.]
37. Sabaghpour, S. H. (2007). Stability analysis of grain yield for promising lentil lines in autumn planting under dryland conditions. Iranian Journal of Crop Sciences, 8(4), 312-322. 20.1001.1.15625540.1385.8.4.3.8. [In Persian].
38. Sanadya, S. K., Sood, V. K., Kumar, S., Sharma, G., Sood, R., Katna, G., .. & Sahoo, S. (2025). Stability Indices, AMMI and GGE Biplots Analysis of Forage Oat Germplasm Under Variable Growing Regimes in the Northwestern Himalayas. Agricultural Research, 1-10. https://doi.org/ 10.1007/s40003-025-00846-7 [DOI:10.1007/s40003-025-00846-7]
39. Sayar, M.S. (2017). Additive main effects and multiplicative interactions (AMMI) analysis for fresh forage yield in common vetch (Vicia sativa L.) genotypes. Poljoprivreda i Sumarstvo, 63(1), p.119. https://doi.org/ 10.17707/AgricultForest.63.1.14 [DOI:10.17707/AgricultForest.63.1.14]
40. Sneller, C. H., Kilgore-Norquest, L., & Dombek, D. (1997). Repeatability of yield stability statistics in soybean. Crop Science, 37(2), 383-390. [DOI:10.2135/cropsci1997.0011183X003700020013x]
41. Sousa, A. M., Silva, V. B., Lopes, Â. C., Gomes, R., & Carvalho, L. (2020). Prediction of grain yield, adaptability, and stability in landrace varieties of lima bean (Phaseolus lunatus L.). Crop Breeding and Applied Biotechnology, 20, e295120115. https://doi.org/ 1 0. 1 5 9 0 / 1 9 8 4 - 7 0 3 3 2 0 2 0 v 2 0 n 1 a 1 5 [DOI:1 0. 1 5 9 0 / 1 9 8 4 - 7 0 3 3 2 0 2 0 v 2 0 n 1 a 1 5]
42. Turk, M., Tawaha, A., & Samara, N. (2003). Effects of seeding rate and date and phosphorus application on growth and yield of narbon vetch (Vicia narbonensis). Agronomie, 23(4), 355-358. [DOI:10.1051/agro:2003009]
43. Vaezi, B., Maleki, H. H., Yousefzadeh, S., Pirooz, R., Jozeyan, A., Mohtashami, R., & Sabaghnia, N. (2023). Graphical analysis of forage yield stability under high and low potential circumstances in 16 grass pea (Lathyrus sativus L.) genotype. Acta agriculturae Slovenica, 119(1), 1-8. https://doi.org/ 10.14720/aas.2023.119.1.2227 [DOI:10.14720/aas.2023.119.1.2227]
44. Vlachostergios, D., Lithourgidis, A., Korkovelos, A., Baxevanos, D., Lazaridou, T., Khah, A., & Mavromatis, A. (2011). Mixing ability of conventionally bred common vetch ('Vicia sativa'L.) cultivars for grain yield under low-input cultivation. Australian Journal of Crop Science, 5(12), 1588-1594.
45. Wright, K., & Laffont, J. L. (2018). R package for GGE biplot. Github Company, Newyork, USA.
46. Yan, W., Hunt, L. A., Sheng, Q., & Szlavnics, Z. (2000). Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Science, 40(3), 597-605.
https://doi.org/10.2135/cropsci2000.403597x [DOI:10.2135/cropsci2000.403597x.]
47. Yan, W., & Kang, M. S. (2002). GGE biplot analysis: A graphical tool for breeders, geneticists, and agronomists. CRC press. [DOI:10.1201/9781420040371]
48. Yau, S. K., Bounejmate, M., Ryan, J., Baalbaki, R., Nassar, A., & Maacaroun, R. (2003). Barley-legumes rotations for semi-arid areas of Lebanon. European Journal of Agronomy, 19(4), 599-610. [DOI:10.1016/S1161-0301(03)00006-6]
49. Zali, H., Farshadfar, E., Sabaghpour, S. H., & Karimizadeh, R. (2012). Evaluation of genotype × environment interaction in chickpea using measures of stability from AMMI model. Annals of Biological Research, 3(7), 3126-3136.
50. Zobel, R. W., Wright, A. J., & Gauch, H. G. (1988). Statistical analysis of a yield trial. Agronomy Journal, 80(3), 388-393. [DOI:10.2134/agronj1988.00021962008000030002x]
51. Zubair, M., Anwar, M., Haqqani, A. M., & Zahid, M. A. (2002). Genotype-Environment interaction for grain yield in mash (Vigna mungo L. Happer). Asian Journal of Plant Sciences, 1(2), 128-129. [DOI:10.3923/ajps.2002.128.129]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
