دوره 18، شماره 2 - ( تابستان 1405 )
جلد 18 شماره 2 صفحات 116-103 |
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:
Jafari Solhdarkalaee R, Sadeghzadeh Hemayati S, Mostafavi K, Saremirad A, Mohammadi A. (2026). Evaluation of the Genetic Potential and Selection of Superior Sugar Beet Hybrids Based on Root Yield and Technological Quality. J Crop Breed. 18(2), 103-116. doi:10.61882/jcb.2026.1625
URL: http://jcb.sanru.ac.ir/article-1-1625-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1625-fa.html
جعفری صلحدارکلائی روحاله، صادق زاده حمایتی سعید، مصطفوی خداداد، صارمی راد علی، محمدی عبداله.(1405). ارزیابی پتانسیل ژنتیکی و گزینش هیبریدهای برتر چغندرقند بر پایه عملکرد و کیفیت تکنولوژیک پژوهشنامه اصلاح گیاهان زراعی 18 (2) :116-103 10.61882/jcb.2026.1625
1- گروه زراعت و اصلاح نباتات، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
2- مؤسسه تحقیقات اصلاح و تهیه بذر چغندرقند، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
2- مؤسسه تحقیقات اصلاح و تهیه بذر چغندرقند، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
چکیده: (723 مشاهده)
چکیده مبسوط
مقدمه و هدف: چغندر قند بهعنوان یکی از دو منبع اصلی تولید شکر در جهان، نقشی حیاتی را در امنیت غذایی و پایداری اقتصاد کشاورزی کشورها ایفا میکند. با توجه به رشد روزافزون جمعیت و نیاز فزاینده به شکر، بهبود مستمر پتانسیل ژنتیکی این گیاه برای دستیابی به عملکرد بالاتر، کیفیت مطلوب و سازگاری با شرایط متغیر اقلیمی، یک ضرورت انکارناپذیر است. هدف اصلی در برنامههای بهنژادی چغندرقند، بهبود همزمان عملکرد ریشه و کیفیت تکنولوژیک (درصد قند بالا و ناخالصیهای کم) است. با این حال، دستیابی به این هدف بهدلیل وجود همبستگی منفی فیزیولوژیک بین این دو صفت، همواره یکی از چالشهای اساسی در برنامههای بهنژادی بوده است. این تضاد فیزیولوژیک، بهکارگیری روشهای آماری و گزینشی پیشرفته را برای شناسایی ژنوتیپهایی با تعادل بهینه بین صفات اجتنابناپذیر میسازد. ارزیابی دقیق ژرمپلاسم و برآورد پارامترهای ژنتیکی اطلاعاتی ارزشمندی را در اختیار بهنژادگران قرار میدهد تا بتوانند مؤثرترین برنامه گزینش را تدوین نمایند. در همین راستا، مطالعه حاضر با هدف ارزیابی پتانسیل ژنتیکی و گزینش هیبریدهای برتر چغندرقند بر پایه تجزیه و تحلیل صفات کمی و کیفی طراحی و اجرا گردید تا از یک سو برترین هیبریدها برای معرفی و ورود به مراحل بعدی ارزیابی شناسایی شوند و از سوی دیگر، والدین امیدبخش برای تلاقیهای آینده و ایجاد ژنوتیپهای جدید انتخاب گردند.
مواد و روشها: این مطالعه در سال ۱۴۰۲ در ایستگاه تحقیقات چغندرقند مهندس مطهری کرج وابسته به مؤسسه تحقیقات اصلاح و تهیه بذر چغندرقند انجام شد. مواد گیاهی شامل ۱۴۰ هیبرید آزمایشی به همراه چهار رقم شاهد خارجی بودند. به دلیل تعداد زیاد ژنوتیپها، جهت ارزیابی دقیق آنها، از طرح مقایسه عملکرد مقدماتی (آگمنت) در قالب پنج بلوک ناقص استفاده شد. این طرح با تکرار ارقام شاهد در تمام بلوک ها، امکان کنترل خطای محیطی و در نتیجه، برآورد مقادیر تصحیح شده صفات برای هیبریدهای آزمایشی (بدون تکرار) را فراهم آورد. کلیه عملیات زراعی بر اساس دستورالعملهای استاندارد منطقه اجرا گردیدند. در مرحله برداشت، صفات کلیدی شامل عملکرد ریشه، درصد قند ناخالص و عملکرد شکر مورد ارزیابی قرار گرفتند. تجزیههای آماری با استفاده از نرمافزار R انجام شدند. تجزیه واریانس برای ارزیابی معنیداری تفاوتهای ژنتیکی انجام گرفت. پارامترهای ژنتیکی شامل واریانسهای فنوتیپی و ژنتیکی، ضرایب تنوع فنوتیپی و ژنتیکی، وراثتپذیری عمومی و پیشرفت ژنتیکی مورد انتظار از گزینش برآورد شدند. برای گزینش همزمان بر اساس چند صفت و شناسایی ژنوتیپهای نزدیک به ژنوتیپ ایدهآل، شاخص گزینش ژنوتیپ ایدهآل (SIIG) بهکار گرفته شد. در نهایت، بهمنظور طبقهبندی ژنوتیپها تجزیه خوشهای به روش Ward بر اساس فاصله اقلیدسی انجام پذیرفت.
یافتهها: نتایج تجزیه واریانس حاکی از وجود تنوع ژنتیکی معنیدار برای صفات عملکرد ریشه و عملکرد شکر در بین ژنوتیپهای مورد مطالعه بودند که پیشنیاز اصلی برای موفقیت در گزینش ژنوتیپها است. در مقابل، برای صفت درصد قند تفاوت معنیداری چه در بین کل ژنوتیپها و چه در مقایسه درونگروهی هیبریدها و شاهدها مشاهده نشد که میتواند به دلیل دامنه محدودتر تنوع ژنتیکی برای این صفت در مواد آزمایشی یا اثر غالب محیط در سال اجرای آزمایش باشد. برآورد پارامترهای ژنتیکی، اطلاعات عمیقتری را در خصوص کنترل ژنتیکی صفات فراهم آورد. صفات عملکرد ریشه و عملکرد شکر، وراثتپذیری عمومی بسیار بالایی (بیش از ۷۰ درصد) را به همراه پیشرفت ژنتیکی مورد انتظار قابل توجهی نشان دادند. این نتیجه، به ویژه هنگامی که همراه با پیشرفت ژنتیکی بالای مورد انتظار در نظر گرفته شود، قویاً بر اهمیت بالای اثرات ژنتیکی افزایشی در کنترل این صفات دلالت دارد و نشان میدهد که گزینش مستقیم فنوتیپی میتواند با کارایی بالا منجر به بهبود ژنتیکی آنها شود. در مقابل، وراثتپذیری پایین برآورد شده برای درصد قند ناخالص، تأثیرپذیری بیشتر این صفت از عوامل محیطی و پیچیدگی کنترل ژنتیکی آن را در این مجموعه مواد گیاهی نشان داد. نتایج مقایسه میانگینها نشان دادند که هیبریدهای 35458 و 37350 با عملکرد ریشه بیش از ۱۱۴ تن در هکتار، برتری قابل توجهی نسبت به شاهدها داشتند. از نظر عملکرد شکر نیز ژنوتیپ 35458 با تولید 17/61 تن در هکتار، عملکردی همتراز با بهترین شاهد خارجی یعنی BTS6975N به ثبت رساند. برای گزینش بر مبنای چندصفت، شاخص SIIG به کار گرفته شد. شاهد BTS6975N با امتیاز شاخص SIIG 0/88 و هیبرید 35458 با امتیاز شاخص SIIG 0/85 بهعنوان نزدیکترین ژنوتیپها به ژنوتیپ ایدهآل شناسایی شدند. همخوانی بالای نتایج این شاخص با نتایج مقایسه میانگین، اعتبار ژنوتیپهای برتر شناساییشده را دوچندان کرد. در نهایت، تجزیه خوشهای ژنوتیپها را در پنج گروه متمایز طبقهبندی نمود. ژنوتیپهای برتر عمدتاً در دو خوشه با ویژگیهای عملکرد ریشه بالا و عملکرد ریشه متعادل و با کیفیت تکنولوژیک بالا قرار گرفتند. فاصله ژنتیکی قابل توجه بین این خوشهها، پتانسیل بالایی را برای ایجاد هتروزیس در صورت استفاده از لاینهای والدی این هیبریدها در تلاقیهای آینده نشان میدهد.
نتیجهگیری: نتایج مطالعه حاضر نشان می دهند که ژرمپلاسم مورد بررسی، منبع غنی از تنوع ژنتیکی برای بهبود صفات در چغندرقند است. هیبریدهای مطلوبی همچون 35458، 37412 و 37352 بهعنوان کاندیداهای مناسبی برای پیشبرد مراحل بعدی برنامههای اصلاحی و یا معرفی برای کشت شناسایی شدند. نتایج بهوضوح نشان می دهند که در این مجموعه مواد ژنتیکی، تمرکز بر گزینش برای عملکرد ریشه بالا، مؤثرترین و کارآمدترین راه برای دستیابی به حداکثر عملکرد شکر است. گروهبندی ژنتیکی بهدستآمده نیز میتواند بهعنوان یک نقشه راه عملی برای طراحی تلاقیهای هدفمند و بهرهگیری از پتانسیل ژنتیکی موجود برای تولید نسل بعدی هیبریدهای برتر مورد استفاده قرار گیرد.
مقدمه و هدف: چغندر قند بهعنوان یکی از دو منبع اصلی تولید شکر در جهان، نقشی حیاتی را در امنیت غذایی و پایداری اقتصاد کشاورزی کشورها ایفا میکند. با توجه به رشد روزافزون جمعیت و نیاز فزاینده به شکر، بهبود مستمر پتانسیل ژنتیکی این گیاه برای دستیابی به عملکرد بالاتر، کیفیت مطلوب و سازگاری با شرایط متغیر اقلیمی، یک ضرورت انکارناپذیر است. هدف اصلی در برنامههای بهنژادی چغندرقند، بهبود همزمان عملکرد ریشه و کیفیت تکنولوژیک (درصد قند بالا و ناخالصیهای کم) است. با این حال، دستیابی به این هدف بهدلیل وجود همبستگی منفی فیزیولوژیک بین این دو صفت، همواره یکی از چالشهای اساسی در برنامههای بهنژادی بوده است. این تضاد فیزیولوژیک، بهکارگیری روشهای آماری و گزینشی پیشرفته را برای شناسایی ژنوتیپهایی با تعادل بهینه بین صفات اجتنابناپذیر میسازد. ارزیابی دقیق ژرمپلاسم و برآورد پارامترهای ژنتیکی اطلاعاتی ارزشمندی را در اختیار بهنژادگران قرار میدهد تا بتوانند مؤثرترین برنامه گزینش را تدوین نمایند. در همین راستا، مطالعه حاضر با هدف ارزیابی پتانسیل ژنتیکی و گزینش هیبریدهای برتر چغندرقند بر پایه تجزیه و تحلیل صفات کمی و کیفی طراحی و اجرا گردید تا از یک سو برترین هیبریدها برای معرفی و ورود به مراحل بعدی ارزیابی شناسایی شوند و از سوی دیگر، والدین امیدبخش برای تلاقیهای آینده و ایجاد ژنوتیپهای جدید انتخاب گردند.
مواد و روشها: این مطالعه در سال ۱۴۰۲ در ایستگاه تحقیقات چغندرقند مهندس مطهری کرج وابسته به مؤسسه تحقیقات اصلاح و تهیه بذر چغندرقند انجام شد. مواد گیاهی شامل ۱۴۰ هیبرید آزمایشی به همراه چهار رقم شاهد خارجی بودند. به دلیل تعداد زیاد ژنوتیپها، جهت ارزیابی دقیق آنها، از طرح مقایسه عملکرد مقدماتی (آگمنت) در قالب پنج بلوک ناقص استفاده شد. این طرح با تکرار ارقام شاهد در تمام بلوک ها، امکان کنترل خطای محیطی و در نتیجه، برآورد مقادیر تصحیح شده صفات برای هیبریدهای آزمایشی (بدون تکرار) را فراهم آورد. کلیه عملیات زراعی بر اساس دستورالعملهای استاندارد منطقه اجرا گردیدند. در مرحله برداشت، صفات کلیدی شامل عملکرد ریشه، درصد قند ناخالص و عملکرد شکر مورد ارزیابی قرار گرفتند. تجزیههای آماری با استفاده از نرمافزار R انجام شدند. تجزیه واریانس برای ارزیابی معنیداری تفاوتهای ژنتیکی انجام گرفت. پارامترهای ژنتیکی شامل واریانسهای فنوتیپی و ژنتیکی، ضرایب تنوع فنوتیپی و ژنتیکی، وراثتپذیری عمومی و پیشرفت ژنتیکی مورد انتظار از گزینش برآورد شدند. برای گزینش همزمان بر اساس چند صفت و شناسایی ژنوتیپهای نزدیک به ژنوتیپ ایدهآل، شاخص گزینش ژنوتیپ ایدهآل (SIIG) بهکار گرفته شد. در نهایت، بهمنظور طبقهبندی ژنوتیپها تجزیه خوشهای به روش Ward بر اساس فاصله اقلیدسی انجام پذیرفت.
یافتهها: نتایج تجزیه واریانس حاکی از وجود تنوع ژنتیکی معنیدار برای صفات عملکرد ریشه و عملکرد شکر در بین ژنوتیپهای مورد مطالعه بودند که پیشنیاز اصلی برای موفقیت در گزینش ژنوتیپها است. در مقابل، برای صفت درصد قند تفاوت معنیداری چه در بین کل ژنوتیپها و چه در مقایسه درونگروهی هیبریدها و شاهدها مشاهده نشد که میتواند به دلیل دامنه محدودتر تنوع ژنتیکی برای این صفت در مواد آزمایشی یا اثر غالب محیط در سال اجرای آزمایش باشد. برآورد پارامترهای ژنتیکی، اطلاعات عمیقتری را در خصوص کنترل ژنتیکی صفات فراهم آورد. صفات عملکرد ریشه و عملکرد شکر، وراثتپذیری عمومی بسیار بالایی (بیش از ۷۰ درصد) را به همراه پیشرفت ژنتیکی مورد انتظار قابل توجهی نشان دادند. این نتیجه، به ویژه هنگامی که همراه با پیشرفت ژنتیکی بالای مورد انتظار در نظر گرفته شود، قویاً بر اهمیت بالای اثرات ژنتیکی افزایشی در کنترل این صفات دلالت دارد و نشان میدهد که گزینش مستقیم فنوتیپی میتواند با کارایی بالا منجر به بهبود ژنتیکی آنها شود. در مقابل، وراثتپذیری پایین برآورد شده برای درصد قند ناخالص، تأثیرپذیری بیشتر این صفت از عوامل محیطی و پیچیدگی کنترل ژنتیکی آن را در این مجموعه مواد گیاهی نشان داد. نتایج مقایسه میانگینها نشان دادند که هیبریدهای 35458 و 37350 با عملکرد ریشه بیش از ۱۱۴ تن در هکتار، برتری قابل توجهی نسبت به شاهدها داشتند. از نظر عملکرد شکر نیز ژنوتیپ 35458 با تولید 17/61 تن در هکتار، عملکردی همتراز با بهترین شاهد خارجی یعنی BTS6975N به ثبت رساند. برای گزینش بر مبنای چندصفت، شاخص SIIG به کار گرفته شد. شاهد BTS6975N با امتیاز شاخص SIIG 0/88 و هیبرید 35458 با امتیاز شاخص SIIG 0/85 بهعنوان نزدیکترین ژنوتیپها به ژنوتیپ ایدهآل شناسایی شدند. همخوانی بالای نتایج این شاخص با نتایج مقایسه میانگین، اعتبار ژنوتیپهای برتر شناساییشده را دوچندان کرد. در نهایت، تجزیه خوشهای ژنوتیپها را در پنج گروه متمایز طبقهبندی نمود. ژنوتیپهای برتر عمدتاً در دو خوشه با ویژگیهای عملکرد ریشه بالا و عملکرد ریشه متعادل و با کیفیت تکنولوژیک بالا قرار گرفتند. فاصله ژنتیکی قابل توجه بین این خوشهها، پتانسیل بالایی را برای ایجاد هتروزیس در صورت استفاده از لاینهای والدی این هیبریدها در تلاقیهای آینده نشان میدهد.
نتیجهگیری: نتایج مطالعه حاضر نشان می دهند که ژرمپلاسم مورد بررسی، منبع غنی از تنوع ژنتیکی برای بهبود صفات در چغندرقند است. هیبریدهای مطلوبی همچون 35458، 37412 و 37352 بهعنوان کاندیداهای مناسبی برای پیشبرد مراحل بعدی برنامههای اصلاحی و یا معرفی برای کشت شناسایی شدند. نتایج بهوضوح نشان می دهند که در این مجموعه مواد ژنتیکی، تمرکز بر گزینش برای عملکرد ریشه بالا، مؤثرترین و کارآمدترین راه برای دستیابی به حداکثر عملکرد شکر است. گروهبندی ژنتیکی بهدستآمده نیز میتواند بهعنوان یک نقشه راه عملی برای طراحی تلاقیهای هدفمند و بهرهگیری از پتانسیل ژنتیکی موجود برای تولید نسل بعدی هیبریدهای برتر مورد استفاده قرار گیرد.
فهرست منابع
1. Abdollahi Hesar, A., Sofalian, O., Alizadeh, B., Asghari, A., & Zali, H. (2021). Investigation of Frost Stress Tolerance in Some Promising Rapeseed Genotypes. Journal of Agricultural Science and Sustainable Production, 31(2), 271-288.
2. Amiri, R., Pezeshkpour, P., & Karami, I. (2021). Identification of Lentil Desirable Genotypes Using Multivariate Statistical Methods and Selection Index of Ideal Genotype under Rainfed Conditions. Journal of Crop Breeding, 13(39), 140-151. http://jcb.sanru.ac.ir/article-1-1250-en.html [DOI:10.52547/jcb.13.39.140]
3. Anonymous. (2021). Climatic features of Karaj. http://www.alborz-met.ir/Index.aspx?page_=form&lang=1&sub=0&tempname=Default&PageID=7971
4. Comstock, R., & Robinson, H. (1952). Genetic parameters, their estimation and significance. Proceedings of the 6th international Grassland Congress.
5. Cooke, D. A., & Scott, R. K. (1993). The Sugar Beet Crop: Science Into Practice. Chapman & Hall. https://books.google.com/books?id=r0hDnQAACAAJ [DOI:10.1007/978-94-009-0373-9]
6. Dohm, J. C., Minoche, A. E., Holtgräwe, D., Capella-Gutiérrez, S., Zakrzewski, F., Tafer, H., Rupp, O., Sörensen, T. R., Stracke, R., & Reinhardt, R. (2014). The genome of the recently domesticated crop plant sugar beet (Beta vulgaris). Nature, 505(7484), 546-549. [DOI:10.1038/nature12817]
7. Ebrahimi Koulaei, H., Mansouri, H., Soltani, J., Mahmoudi, S. B., Aghaeezadeh, M., Hasani, M., Orazizadeh, M. R., & Pedram, A. (2019). Ekbatan: The First Iranian Sugar beet Cultivar with Resistance to Rhizoctonia and Tolerance to Rhizomania. Research Achievements for Field and Horticulture Crops, 8(1), 117-134.
8. Falconer, D. S. (1996). Introduction to quantitative genetics. Pearson Education India.
9. FAO. (2009). Global agriculture towards 2050. How to feed the world 2050: High-level expert forum.
10. FAO. (2023). The State of Food Security and Nutrition in the World. Building Climate Resilience for Food Security and Nutrition. The State of the World.
11. Gippert, A.-L., Madritsch, S., Woryna, P., Otte, S., Mayrhofer, M., Eigner, H., Garibay-Hernández, A., D'Auria, J. C., Molin, E. M., & Mock, H.-P. (2022). Unraveling metabolic patterns and molecular mechanisms underlying storability in sugar beet. BMC Plant Biology, 22(1), 430. [DOI:10.1186/s12870-022-03784-6]
12. Hamed, L. M. M., El-Manhaly, M. M. M., El-Kady, M. S., El-Mogy, M. M., El-Beltagi, H. S., & Emara, E. I. R. (2025). Assessment of sugar beet agricultural practices for sustainable production under semi-arid environments. Cogent Food & Agriculture, 11(1), 2449200. [DOI:10.1080/23311932.2024.2449200]
13. Hassani, M., Mahmoudi, S. B., Saremirad, A., & Taleghani, D. (2024a). Genotype by environment and genotype by yield*trait interactions in sugar beet: analyzing yield stability and determining key traits association. Scientific Reports, 13(1), 23111. [DOI:10.1038/s41598-023-51061-9]
14. Hassani, M., Norouzi, P., Soltani, J., Jalilian, A., Kakoueinezhad, M., Rezaei, J., Darabi, S., Taleghani, D., Mahmoudi, S. B., Hamzeh, H., & Saremirad, A. (2024b). Hosna: Monogerm sugar beet cultivar with dual resistance to rhizomania and cyst nematode. Research Achievements for Field and Horticulture Crops, 13(1), 133-158.
https://doi.org/10.1038/s41598-023-51061-9 [DOI:10.22092/rafhc.2024.364574.1338]
15. Hassani, M., Saremirad, A., & Mansouri, H. (2024c). Selection of superior sugar beet genotypes using the analysis of quantitative and qualitative traits. Journal of Crop Breeding, 16(4), 64-76. [In Persian] [DOI:10.61186/jcb.16.4.64]
16. Hoffmann, C. (2010). Sucrose accumulation in sugar beet under drought stress. Journal of Agronomy and Crop Science, 196(4), 243-252. [DOI:10.1111/j.1439-037X.2009.00415.x]
17. Johnson, H. W., Robinson, H., & Comstock, R. (1955). Estimates of genetic and environmental variability in soybeans 1. Agronomy Journal, 47(7), 314-318. [DOI:10.2134/agronj1955.00021962004700070009x]
18. Mahmoudi, S., Aghaeezadeh, M., Mehdikhani, P., Ahmadi, M., Soltani, J., Ghaemi, A., Bazrafshan, M., Fotohi, K., Darabi, S., & Matloubi, F. (2019). Shokoufa, sugar beet monogerm variety resistant to rhizomania and cyst nematode. Research Achievements for Field and Horticulture Crops, 8(1), 145-156.
19. Martínez-Arias, R., Müller, B. U., & Schechert, A. (2017). Near-infrared determination of total soluble nitrogen and betaine in sugar beet. Journal of Sugar Tech, 19(5), 526-531. [DOI:10.1007/s12355-016-0496-0]
20. Monteiro, F., Frese, L., Castro, S., Duarte, M. C., Paulo, O. S., Loureiro, J., & Romeiras, M. M. (2018). Genetic and genomic tools to asssist sugar beet improvement: the value of the crop wild relatives. Frontiers in Plant Science, 9, 74-89. [DOI:10.3389/fpls.2018.00074]
21. Najafi Mirak, T., Dastfal, M., Andarzian, B., Farzadi, H., Bahari, M., & Zali, H. (2018). Evaluation of durum wheat cultivars and promising lines for yield and yield stability in warm and dry areas using AMMI model and GGE biplot. Journal of Crop Breeding, 10(28), 1-12. [In Persian] [DOI:10.29252/jcb.10.28.1]
22. Panella, L. W., & Lewellen, R. T. (2011). Beta maritima: The origin of beets. Springer Science & Business Media.
23. R Core Team. (2018). R: A Language and Environment for Statistical Computing. In. Vienna, Austria: R Foundation for Statistical Computing.
24. Rajabi, A., Ahmadi, M., Bazrafshan, M., Hassani, M., & Saremirad, A. (2023). Evaluation of resistance and determination of stability of different sugar beet (Beta vulgaris L.) genotypes in rhizomania-infected conditions. Food Science & Nutrition, 11(3), 1403-1414.
https://doi.org/10.1002/fsn3.3180 [DOI:https://doi.org/10.1002/fsn3.3180]
25. Reinfeld, E., Emmerich, A., Baumgarten, G., Winner, C., & Beiss, U. (1974). Zur voraussage des melassezuckers aus rubenanalysen. Zucker, 27, 2-15.
26. Ribeiro, I. C., Pinheiro, C., Ribeiro, C. M., Veloso, M. M., Simoes-Costa, M. C., Evaristo, I., Paulo, O. S., & Ricardo, C. P. (2016). Genetic diversity and physiological performance of Portuguese wild beet (Beta vulgaris spp. maritima) from three contrasting habitats. Frontiers in Plant Science, 7, 193305. [DOI:10.3389/fpls.2016.01293]
27. Sadeghzadeh Hemayati, S., Bazrafshan, M., Hassanvandi, M. S., & Saremirad, A. (2025a). Evaluation of quantitative and qualitative yield, bolting rate and Cercospora leaf spot disease severity of different sugar beet genotypes in autumn cultivation. Journal of Sugar Beet, 40(2), 149-164. [DOI:10.22092/jsb.2025.368599.1382]
28. Sadeghzadeh Hemayati, S., Saremirad, A., Hosseinpour, M., Jalilian, A., Ahmadi, M., Azizi, H., Hamidi, H., Hamdi, F., & Matloubi Aghdam, F. (2022). Evaluation of white sugar yield stability of some commercially released sugar beet cultivars in Iran from 2011-2020. Seed and Plant Journal, 38(3), 339-364. [DOI:10.22092/spj.2023.362024.1305]
29. Sadeghzadeh Hemayati, S., Taleghani, D., Soltani idliki, J., Darabi, S., Hassani, M., Fasahat, P., Rezaei, J., Sharifi, M., Azizi, H., Hamzeh, H., Nadali, F., & Saremirad, A. (2025b). Ziba and Yalda, the first sugar beet monogerm hybrids of the fourth generation with dual resistance to rhizomania and cyst nematode. Research Achievements for Field and Horticulture Crops, 13(2), 159-175. [DOI:10.22092/rafhc.2025.367748.1352]
30. Saremirad, A., Hamdi, F., & Taleghani, D. (2023). Evaluation of genetic diversity in sugar beet (Beta vulgaris L.) hybrids in terms of yield, qualitative and germination traits. Applied Field Crops Research, 35(3), 87-67. [DOI:10.22092/aj.2023.357194.1580]
31. Singh, A., & Chaudhary, R. (1996). Dithizone and thiosemicarbazide as inhibitors of corrosion of type 304 stainless steel in 1· 0M sulphuric acid solution. British Corrosion Journal, 31(4), 300-304. [DOI:10.1179/bcj.1996.31.4.300]
32. Taleghani, D., Rajabi, A., Saremirad, A., & Darabi, S. (2024). Estimation of gene action and genetic parameters of some quantitative and qualitative characteristics of sugar beet (Beta vulgaris L.) by line × tester analysis. Journal of Crop Breeding, 15(48), 201-212. [In Persian] [DOI:10.61186/jcb.15.48.201]
33. Taleghani, D., Rajabi, A., Saremirad, A., & Fasahat, P. (2023). Stability analysis and selection of sugar beet (Beta vulgaris L.) genotypes using AMMI, BLUP, GGE biplot and MTSI. Scientific Reports, 13(1), 10019. [DOI:10.1038/s41598-023-37217-7]
34. United Nations. (2017). World Population Prospects: the 2017 Revision. United Nations. Department of International Economic. https://population.un.org/wpp/
35. Voss-Fels, K. P., Stahl, A., & Hickey, L. T. (2019). Q&A: Modern crop breeding for future food security. BMC Biology, 17(1), 1-7. [DOI:10.1186/s12915-019-0638-4]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
