دوره 17، شماره 4 - ( زمستان 1404 )                   جلد 17 شماره 4 صفحات 131-118 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Asghari A, Ebadi A, Mohammadnia S, Hassanpanah D, Shokouhian A A. (2025). Evaluation of the Yield Stability of Potato (Solanum tuberosum L.) Cultivars and Hybrids using Non-parametric Statistical Methods. J Crop Breed. 17(4), 118-131. doi:10.61882/jcb.2025.1615
URL: http://jcb.sanru.ac.ir/article-1-1615-fa.html
اصغری علی، عبادی اصغر، محمدنیا شیوا، حسن پناه داود، شکوهیان علی اکبر.(1404). ارزیابی پایداری عملکرد هیبریدهای سیب‎ زمینی (Solanum tuberosum L.) با استفاده از روش‌های آماری ناپارامتری پژوهشنامه اصلاح گیاهان زراعی 17 (4) :131-118 10.61882/jcb.2025.1615

URL: http://jcb.sanru.ac.ir/article-1-1615-fa.html


1- گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
2- گروه علوم گیاهی، دانشکده کشاورزی و منابع طبیعی مغان، دانشگاه محقق اردبیلی، پارس‌آباد، ایران
3- بخش تحقیقات زراعی و باغی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی، سازمان تحقیقات، آموزش و ترویج کشاورزی، اردبیل، ایران
4- گروه علوم باغبانی، دانشکده کشاورزی و منبع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
چکیده:   (810 مشاهده)
چکیده مبسوط
مقدمه و هدف: سیب‌زمینی (Solanum tuberosum L.) یک محصول غذایی مهم است که انرژی کم‎ هزینه و پروتئین باکیفیت فراهم می‌کند. به‎ عنوان یک محصول اساسی در کشاورزی جهانی، سیب‌زمینی به ‎ویژه در کشورهای در حال توسعه از اهمیت تغذیه‌ای بالایی برخوردار است. سیب‌زمینی سومین محصول مهم غذایی جهان پس از برنج و گندم است و به‎ عنوان منبعی مهم از ویتامین‌ها و مواد معدنی ضروری نقش کلیدی در امنیت غذایی جهانی، به‎ ویژه در کشورهای در حال توسعه، ایفا می‌کند. در ایران، سطح زیرکشت سیب‌زمینی حدود ۸۱ هزار هکتار با میانگین عملکرد 30/8 تن در هکتار و تولید سالانه 2/5 میلیون‎ تن است. با افزایش تقاضای جهانی غذا، بهبود عملکرد و پایداری تولید این محصول ضروری است. عملکرد سیب‌زمینی یک صفت کمی پیچیده است که توسط ژن‌های متعدد کنترل ‎شده، تحت ‎تأثیر ژنوتیپ، محیط و اثر متقابل آن‌ها قرار دارد. درک اثر ژنوتیپ × محیط (GE) برای ارزیابی پایداری عملکرد و سازگاری ژنوتیپ‌ها تحت شرایط مختلف ضروری است. این اثر متقابل می‌تواند علاوه ‎بر تغییر در مقدار، سبب تغییر رتبه ارقام در محیط‌های مختلف شود و چالش‌هایی را برای برنامه‌های اصلاح نباتات ایجاد کند. اثر متقابل GE به‎ طور گسترده توسط بیومتریست‌ها مورد مطالعه قرار گرفته ‎است و روش‌های متعددی برای تجزیه و تحلیل آن توسعه داده شده‎ اند. شاخص‌های مختلف پایداری به محققان این امکان را داده‎ است که ژنوتیپ‌های با پایداری و سازگاری بالا را از ژنوتیپ‌هایی که سازگار به یک محیط خاص هستند تفکیک کنند. روش‌های ناپارامتریک متعددی برای تحلیل پاسخ ژنوتیپ‌ها به تغییرات محیطی پیشنهاد شده‌اند که جایگزین‌های مناسبی برای معیارهای پایداری پارامتریک، به‎ ویژه در مواجهه با دادههای پرت، ارائه می‌دهند. روش­ های ناپارامتریک مبتنی ‎بر رتبه، ارزیابی قابل اعتمادی را از پایداری ژنوتیپ‌ها بدون نیاز به فرضیات آماری سخت‌گیرانه امکان‌پذیر می‌سازند. این پژوهش با هدف مقایسه عملکرد و بررسی اثر متقابل GE در 25 هیبرید و رقم سیب‌زمینی در پنج منطقه طی دو سال انجام شد تا ژنوتیپ‌های پرمحصول و پایدار شناسایی شوند.
مواد و روش‌ها: بیست هیبرید سیب‌زمینی همراه با پنج رقم شاهد (ساوالان، آگریا، کایزر، لوکا و ساتینا) در قالب طرح بلوک‌های کامل تصادفی با سه تکرار تحت شرایط آب و هوایی متفاوت در اردبیل، خراسان رضوی، کرج، اصفهان و همدان مورد ارزیابی قرار گرفتند. داده‌های عملکرد غده از ردیف‌های میانی هر کرت جمع‌آوری شدند. برای بررسی پایداری ارقام و هیبریدها، از روش‌های آماری ناپارامتری هان (Si(1)، Si(2)، Si(3) و Si(6)آماره ‎های تنارازو (NP1، NP2، NP3 و NP4)، آماره‌های صباغ‌نیا (NSi(1) و NSi(2)) آماره پایداری کتاتا (myσ و σr)، آماره پایداری Fox-rank و آماره پایداری مجموع رتبه استفاده شد.
یافته‌ها: تجزیه واریانس مرکب نشان داد که اثرات اصلی ژنوتیپ، سال، مکان و اثرات متقابل دو‌گانه و سه‌گانه بین ژنوتیپ، سال و مکان در سطح احتمال 1% معنی‌دار بودند. به ‎دلیل تفاوت زیاد بین محیط‌ها، بررسی پایداری پویا در اولویت قرار گرفت. آماره‌های پایداری که همبستگی بالایی با عملکرد ژنوتیپ‌ها داشتند، شامل روش فاکس، آماره σmy و میانگین رتبه پایداری انتخاب شدند. بر اساس این معیارها، هیبریدهای 5، 1 و 8 بهعنوان پایدارترین و پرمحصول‌ترین ژنوتیپ‌ها شناسایی شدند. هیبرید 5 با عملکرد 41/21 تن در هکتار، بالاترین عملکرد را در بین تمام ارقام و هیبریدهای مورد مطالعه نشان داد. با این حال، سایر روش‌های ناپارامتریک همبستگی معنی‌داری با میانگین عملکرد نداشتند و به‎ منظور استفاده کاربردی آن‎ها از پلات عملکرد و شاخص پایداری استفاده شد تا از این طریق ژنوتیپ‌هایی انتخاب شوند که همزمان پایداری و عملکرد مطلوبی داشته ‎باشند. بر اساس آماره های Si(1) و Si(2)، هیبرید شماره 5 با قرارگیری در بهترین موقعیت پلات به­ عنوان ژنوتیپ پایدار و پرمحصول معرفی شد. بر اساس آماره Si(3)، هیبریدهای 5، 6، 3 و رقم ساوالان؛ آماره Si(6)  هیبریدهای 17، 3 و 6؛ آماره NP1 هیبریدهای 17، 19 و 6؛ آماره NP2 هیبریدهای 17، 3، 6، 8 و رقم ساوالان؛ آماره‌های NP3 و NP4 هیبریدهای 17 و 6؛ آماره NSi(1) هیبریدهای 9، 3 و رقم شاهد ساتینا؛ و آماره NSi(2) هیبریدهای 3 و 6 با قرار گرفتن در ناحیه اول، به‎ عنوان ارقام و هیبریدهای دارای عملکرد بالاتر از میانگین و سازگاری عمومی به محیط‌های مختلف معرفی شدند. از ضریب همبستگی رتبه‌ای اسپیرمن برای بررسی روابط بین پارامترهای پایداری استفاده شد. همچنین، تحلیل خوشه‌ای سلسله مراتبی (براساس مقادیر وزن‎ دهی‎ نشده ژنوتیپ‌ها) برای درک ارتباط بین روش‌های ناپارامتریک انجام شد.
نتیجه‌گیری: در این مطالعه، برای ارزیابی پایداری عملکرد هیبریدهای سیب‌زمینی از روش‌های آماری ناپارامتری استفاده شد. با توجه به تأکید بر پایداری پویا، روش‌های فاکس، آماره σmy و میانگین رتبه پایداری به‎ عنوان معیارهای کلیدی انتخاب شدند که منجر به معرفی هیبریدهای 5، 1 و 8 به‎ عنوان هیبریدهای بهینه شد. با توجه به ماهیت پویای پایداری این هیبریدها، انتظار می‌رود که عملکرد آن‎ها در شرایط محیطی بهبود پیدا کند و با کاربرد نهاده‌های کشاورزی بهینه، افزایش یابد.
متن کامل [PDF 2138 kb]   (13 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح نباتات، بیومتری
دریافت: 1404/1/26 | پذیرش: 1404/5/31

فهرست منابع
1. Akbari, S., Akbarpour, O. A., & Pezeshkpour, P. (2021). Evaluation of genetic varietion and grain yield stability of lentil genotypes using non-parametric methods. Plant Genetic Researches, 8(1), 95-114. http://dx.doi.org/10.52547/pgr.8.1.7 [In Persian] [DOI:10.52547/pgr.8.1.7]
2. Alizadeh, B., Rezaizad, A., Yazdandoost Hamedani, M., Shiresmaeili, G., Nasserghadimi, F., Khademhamzeh, H. R., & Gholizadeh, A. (2020). Evaluation of seed yield stability of winter rapeseed (Brassica napus L.) genotypes using Non-Parametric methods. Journal of Crop Breeding, 12(35), 202-212. http://dx.doi.org/10.52547/jcb.12.35.202 [In Persian]
3. Amini, A., Tabatabaee, M. T., Akbari Mogadam, H., Ravari, Z., Amin Azarm, D., & Tajali. H. (2021). Evaluation of grain yield and its stability in bread wheat genotypes in saline regions of Iran. Iranian Journal of Field Crop Science, 51(4), 191-202. [DOI:10.22059/ijfcs.2020.290344.654649 [In Persian]]
4. Annicchiarico, P. (2002) Genotype × environment interactions - challenges and opportunities for plant breeding and cultivar recommendations. Food and Agriculture Organization of the United Nations (FAO), Rome.
5. Becker, H. C., & Léon, J. (1988) Stability analysis in plant breeding. Plant Breeding, 101, 1-23. [DOI:10.1111/j.1439-0523.1988.tb00261.x]
6. Ebadi-Segherloo, A., Sabaghpour, S. H., Dehghani, H., & Kamrani, M. (2008). Non-parametric measures of phenotypic stability in chickpea genotypes (Cicer arietinum L.). Euphytica, 2, 221-229. [DOI:10.1007/s10681-007-9552-x]
7. Eberhart, S. A., & Russell, W. A. (1966). Stability parameters for comparing varieties. Crop Science, 6, 36-40. [DOI:10.2135/cropsci1966.0011183X000600010011x]
8. FAO. (2023). Production year book, 2003. Food and Agricultural Organization.
9. Farshadfar, E., & Bahadori, Z. (2014). Comparison of non parametric stability statistics for improvement of adaptation in wheat-rye disomic addition lines. Annual Research & Review in Biology, 4(22), 3409- 3419. [DOI:10.9734/ARRB/2014/10996]
10. Fox, P. N., Skovmand, B., Thompson, B. K., & Braun, H.J. (1990). Yield and adaptation of hexaploid spring triticale. Euphytica, 47(1), 57-64. [DOI:10.1007/BF00040364]
11. Goksoy, A. T., Sincik, M., Erdogmus, M., Ergin, M., Aytac, S., Gumuscu, G., Gunduz, O., Keles, R., Bayram, G., & Senyigit, E. (2019). The parametric and non-parametric stability analyses for interpreting genotype by environment interaction of some soybean genotypes. Turkish Journal of Field Crops, 24(1), 28-38. [DOI:10.17557/tjfc.562637]
12. Hassanpanah, D., & Azizi Chakherchaman, S. H. (2010). Estimating rank and stability analysis of potato cultivars by nonparametric stability analysis. Research Journal of Environmental Sciences, 4, 173-179. [DOI:10.3923/rjes.2010.173.179]
13. Huehn, M. (1990). Nonparametric measures of phenotypic stability‎: Part 1. Theory. Euphytica, 47, 189-194. [DOI:10.1007/BF00024241]
14. Huhn, M. (1979). Beiträge zur Erfassung der phänotypischen stabilität. I. Vorschlag einiger auf rang informationnen beruhenden stabilitatsparameter. EDV in Medizin und Biologie, 10, 112-117.
15. Kang, M. S. (1988). A rank-sum method for selecting high-yielding, stable corn genotypes. Cereal Research Communication, 16, 113-115. https://www.jstor.org/stable/23782771
16. Kang, M. S., & Pham, H. N. (1991). Simultaneous selection for high yielding and stable crop genotypes. [DOI:10.2134/agronj1991.00021962008300010037x]
17. Agronomy Journal, 83, 161-165. [DOI:10.2134/agronj1991.00021962008300010037x]
18. Karimizadeh, R., Asghari, A., Sofalian, O., Shahbazi, K., Hosseinpour, T., Ghojogh, H., & Armion. M. (2019). Identification of the most stable durum wheat genotypes using nonparametric yield stability statistics. Journal of Crop Production and Processing, 9(1), 189-203. http://dx.doi.org/10.29252/jcpp.9.1.189 [In Persian]
19. Karimizadeh, R., Hosseinpour, T., Sharifi, P., Alt Jafarby, J., Shahbazi Homonlo K., & Keshavarzi, K. (2021). Evaluation of grain yield stability of durum wheat genotypes using parametric and non-parametric methods. Plant Genetic Researches, 8(1), 115-123. http://dx.doi.org/10.52547/pgr.8.1.8 [In Persian]
20. Kaya, Y., & Taner, S. (2002). Estimating genotypic ranks by nonparametric stability analysis in bread wheat (Triticum aestivum L.). Central European Agriculture, 4‎‎‎,‎ 47-53. [DOI:10.5513/jcea.v4i1.158]
21. Kaya, Y., & Turkoz, M. (2016). Evaluation of genotype by environment interaction for grain yield in durum wheat using non-parametric stability statistics. Turkish Journal of Field Crops, 21(1), 51-59. [DOI:10.17557/tjfc.48198]
22. Ketata, H., Yan S. K. M., & Nachit, M. (1989). Relative consistency performance across environments. Int. Symposium on Physiology and Breeding of Winter Cereals for stressed Mediterranean Environments. Montpellier, July, 3-6.
23. Khalid, W., Khalid, W., Zubair Khalid, M., Aziz, A., Tariq, A., Ikram, A., Rehan, M., Younas, S., Bashir, A., & Fatima, A. (2020) Nutritional composition and health benefits of potato. Advanced Food and Nutritional Sciences, 5, 7-16, [DOI:10.21065/25631640.5.7]
24. Khalili, M., & Pour-Aboughadareh, A. (2016). Parametric and non-parametric measures for evaluating yield stability and adaptability in barley doubled haploid lines. Journal of Agricultural Science and Technology, 18, 789-803. http://ir.jkuat.ac.ke/handle/123456789/3969
25. Moghaddaszadeh, M., Asghari Zakaria, R., Hassanpanah, D., & Zare, N. (2019). Non-parametric stability analysis of tuber yield in potato (Solanum tuberosum L.) genotypes. Journal of Crop Breeding, 10(28), 50-63. http://dx.doi.org/10.29252/jcb.10.28.50 [In Persian] [DOI:10.29252/jcb.10.28.50]
26. Mohammadi, R., Abdullahi, A., Haghparast, R., Aghaee, M., & Rostaii, M. (2007). Nonparametric methods for evaluating of winter wheat genotypes in multi-environment trials. World Journal of Agricultural Sciences, 3(2), 137-242. https://api.semanticscholar.org/CorpusID:18224626
27. Najafi Mirak, T., Agaee Sarbarzeh, M., Moayedi, A. A., Kaffashi A. K. & Sayahfar, M. (2021). Yield stability analysis of durum wheat genotypes using AMMI method. Journal of Sustainable Agriculture and Production Science, 31(2), 17-28. [DOI:10.22034/saps.2021.13087 [In Persian]]
28. Nassar, R., & Hühn, M. (1987). Studies on estimation of phenotypic stability: Test of significance for nonparametric measures of phenotypic stability. Biometrics, 43, 45-53. [DOI:10.2307/2531947]
29. Nowosad, K., Liersch, A., Popławska, W., & Bocianowski, J. (2016). Genotype by environment interaction for seed yield in rapeseed (Brassica napus L.) using additive main effects and multiplicative interaction model. Euphytica, 208(1), 187-194. [DOI:10.1007/s10681-015-1620-z]
30. Pourdad, S. S. (2011). Repeatability and relationships among parametric and non-parametric yield stability measures in safflower (Carthamus tinctorius L.) genotypes. Crop Breeding Journal, 1(2), 109-118. [DOI:10.22092/cbj.2011.100360]
31. Pourdad, S., Jamshidmoghaddam, M., Faraji, A. & Naraki, H. (2014). Study on different nonparametric stability methods on seed yield of spring rapeseed varieties and hybrids. Iranian Journal of Field Crop Science, 44(4), 539-548. [DOI:10.22059/ijfcs.2013.50326 [In Persian]]
32. Roemer, T. (1917). Sind die Ertragsreichen Sorten Erteragssichers? Mitt. DLG, 32, 87-89.
33. Sabaghnia, N. (2015). Identification of the most stable genotypes in multi-environment trials by using nonparametric methods. Acta Agriculturae Slovenica, 5(1), 103-110. [DOI:10.14720/aas.2015.105.1.11]
34. Sabaghnia, N., Dehghani, H., & Sbaghpour, H. (2006). Nonparametric methods for interpreting genotype × environment interaction of lentil genotypes. Crop Science, 46, 1100-1106. [DOI:10.2135/cropsci2005.06-0122]
35. Shukla, G. K. (1972). Some statistical aspects of partitioning genotype-environmental components of variability. Heredity, 29(2), 237- 245. [DOI:10.1038/hdy.1972.87]
36. Taghizadeh, A.A., Aminian dehkordi, R., & Zeinanloo, A.A. (2020). Estimation of compatibility of some olive cultivars and genotypes in tarom climate conditions using non-parametric methods. Iranian Journal of Horticultural Science, 51(3), 657-668. [DOI:10.22059/ijhs.2019.283230.1662 [In Persian]]
37. Thennarasu, K. (1995). On certain non-parametric procedures for studying genotype-environment interactions and yield stability. Indian Journal of Genetics, 60‎, 433-439.
38. Veisizadeh, Z., Khademian, R., & Alizadeh, B. (2021). Assessment of the adaptation of oilseed rape (Brassica napus L.) genotypes using non-parametric statistical methods. Iranian Journal of Crop Sciences, 23(1), 67-80. http://dorl.net/dor/20.1001.1.15625540.1400.23.1.5.9 [In Persian]
39. Yan, W., Hunt, L. A., Sheng, Q., & Szlavnics, Z. (2000) Cultivar evaluation and mega environment investigation based on the GGE biplot. Crop Science, 40, 597-605. [DOI:10.2135/cropsci2000.403597x]

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