دوره 12، شماره 36 - ( زمستان 1399 1399 )
جلد 12 شماره 36 صفحات 170-160 |
برگشت به فهرست نسخه ها
1- موسسه تحقیقات کشاورزی دیم کشور، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کهگیلویه و بویراحمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، گچساران، ایران
2- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم‌آباد، ایران
3- بخش تحقیقات زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران
4- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی
5- گروه زراعت و اصلاح نباتات، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم‌آباد، ایران
3- بخش تحقیقات زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران
4- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی
5- گروه زراعت و اصلاح نباتات، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
چکیده: (3581 مشاهده)
در این پژوهش، 12 ژنوتیپ پیشرفته عدس به‌‌همراه ارقام شاهد کیمیا و گچساران به مدت سه سال زراعی (92-1389) در مناطق گچساران، گنبد، خرم‌آباد و مغان در قالب طرح بلوک‌های کامل تصادفی در سه تکرار کشت شدند. آزمون نسبت درست‌نمایی (LRT) نشان داد که برهمکنش ژنوتیپ در محیط بر عملکرد دانه معنی‌دار بود و از این‌رو تجزیه مقادیر منفرد (SVD) بر روی ماتریس بهترین پیش‌بینی‌های نااُریب خطی (BLUPها) از برهمکنش‌های ژنوتیپ در محیط، برای ارزیابی پایداری ژنوتیپ‌ها انجام شد. نمودار گرمایی مبیّن تنوع عملکرد دانه ژنوتیپ‌ها در محیط‌های مختلف بود. همچنین نمودار موزائیکی نشان داد که سهم مجموع مربعات ژنوتیپ (G) و برهمکنش ژنوتیپ در محیط (GE) در مجموع مربعات کل (TSS) به‌ترتیب 17/53درصد و 82/47درصد بود. آزمون اسکریت نشان داد که پنج مؤلفه اصلی اول سهم قابل توجهی در توجیه ماتریس GEI حاصل از BLUP داشتند، به‌طوری‌که مؤلفه اصلی اول و دوم به‌ترتیب فقط 32/28درصد و 26/95درصد از تغییرات GEI را توجیه می‌کردند. بای‌پلات اولین مؤلفه اصلی محیط در برابر عملکرد اسمی نشان داد که ژنوتیپ‌های 8، 4، 3، 14 و 7 با توجه به کمترین نمره‌های مؤلفه اصلی اول، سهم ناچیزی در برهمکنش ژنوتیپ در محیط داشتند و از پایداری بیشتری برخوردار بودند. بای‌پلات عملکرد دانه در برابر میانگین وزنی نمرات مطلق (WAASB)، ژنوتیپ‌ها را در چهار ناحیه جای داد، به‌طوری‌که ژنوتیپ‌های 4، 6، 8، 9، 10 و 12 در ناحیه چهارم به‌دلیل بزرگی متغیر پاسخ (داشتن عملکرد بالا) و پایداری بالا (مقادیر پایین WAASB)، بسیار پرمحصول و پایدار بودند. شناسایی ژنوتیپ‌ها با معیار WAASBY (میانگین وزنی پایداری WAASB و عملکرد دانه) نشان داد که ژنوتیپ‌های 4، 6، 8 و 9 پرمحصول و پایدار بودند و می‌توانند نامزد معرفی ارقام جدید باشند.
واژه‌های کلیدی: تجزیه مقادیر منفرد، گزینش همزمان، میانگین وزنی نمرات مطلق، نمودار گرمایی، نمودار موزائیکی
فهرست منابع
1. Biçer, B.T., F. Kizilgeci, O. Albayrak, C. Akinci and M. Yildirim. 2018. Stability Parameters in Lentil Genotypes. El-Cezerî Journal of Science and Engineering, 5(2): 287-291. [DOI:10.31202/ecjse.403995]
2. Biçer, T. and D. Şarkar. 2006. Stability Parameters in Lentil. Journal of Central European Agriculture, 7(3): 439-444.
3. de Abreu, H.K.A., G. Ceccon, A.M. Correa, R. Fachinelli, E.L.M. Yamamoto, P.E. Teodoro. 2019. Adaptability and stability of cowpea genotypes via REML/BLUP and GGE Biplot. Bioscience Journal, 35(4): 1071-1082. [DOI:10.14393/BJ-v35n4a2019-42125]
4. Dehghani, H., S.H. Sabaghpour and N. Sabaghnia. 2008. Genotype × environment interaction for grain yield of some lentil genotypes and relationship among univariate stability statistics. Spanish Journal of Agricultural Research, 6(3): 385-394. [DOI:10.5424/sjar/2008063-5292]
5. Donoso-Ñanculao, G., M. Paredes, V. Becerra, C. Arrepol and M. Balzarini. 2016. GGE biplot analysis of multi-environment yield trials of rice produced in a temperate climate. Chilean Journal of Agricultural Research, 76(2): 152-157. [DOI:10.4067/S0718-58392016000200003]
6. dos Santos, P.R., T.R.A. de Oliveira, P. Skeen, M.R. Nascimento, K.D. da Silva Costa, E.R. Araújo, H.S. Pereira, A.F. da Costa. 2019. GGE Biplot and REML/BLUP based-analysis of yield stability and adaptability for common beans in multi-environment trials Revista Brasileira de Ciências Agrarias, 14(2): 1-6. [DOI:10.5039/agraria.v14i2a5657]
7. Eberhart, S.A. and W.A. Russel. 1966. Stability parameters for comparing varieties, Crop Science, 6: 36-40. [DOI:10.2135/cropsci1966.0011183X000600010011x]
8. Finlay, K.W. and G.M. Wilkinson. 1963. The analysis of adaptaion in the plant breeding programs Australian Journal of Agricultural Research, 14: 742-745. [DOI:10.1071/AR9630742]
9. Gauch, H.G. and R.W. Zobel. 1997. Identifying mega-environments and targeting genotypes. Crop Science, 37(1): 311-326. [DOI:10.2135/cropsci1997.0011183X003700020002x]
10. Karimizadeh, R. and M. Mohammadi. 2010. AMMI adjustment for rainfed lentil yield trials in Iran. Bulgarian Journal of Agricultural Science, 16: 66-73
11. Karimizadeh, R., M. Mohammadi and N. Sabaghnia. 2013a. Site Regression Biplot Analysis for Matching New Improved Lentil Genotypes into Target Environments. Journal of Plant Physiology and Breeding, 3(2): 51-65.
12. Karimizadeh, R., M. Mohammadi, N. Sabaghnia, A.A. Mahmoodi, B. Roustami, F. Seyyedi, F. Akbari. 2013b. GGE Biplot Analysis of Yield Stability in Multi-environment Trials of Lentil Genotypes under Rainfed Condition. Notulae Scientia Biologicae, 5(2): 256-262. [DOI:10.15835/nsb529067]
13. Karimizadeh, R., M. Safikhani., M. Mohammadi., F. Seyyedi., A. Mahmoodi. and B. Rostami. 2008. Determining rank and stability of lentil in rainfed condition by nonparametric statistics. Journal of Science and Technology in Agriculture and Natural Resources, 43 (1): 93-103.
14. Kumar, R., S.K. Sharma, O.P. Luthra and S. Sharma. 2005. Phenotypic stability of lentil genotypes under different environments. Annals of Biology, 21: 155-158.
15. Laffont, J.L., M. Hanafi and K. Wright. 2007. Numerical and graphical measures to facilitate the interpretation of GGE biplots. Crop Science, 47: 990-996. [DOI:10.2135/cropsci2006.08.0549]
16. Lin, C.S. and M.R. Binns.1988. Amethod of analysing cultivar x location x year expriments a new stability parameter. Theoretical and Applied Genetics, 76: 425-430. [DOI:10.1007/BF00265344]
17. Mohammadi, M., Sharifi, P., and Karimizadeh, R. 2016. Stability analysis of seed yield of safflower genotypes (Carthamus tinctorius L.). Journal of Crop Breeding, 7(16):104-114 (In Persian).
18. Nardino, M., D. Baretta, I.R. Carvalho, T. Olivoto, D.N. Follmann, J.S. Vincius, M. Ferrari, A.J. de Pelegrin, V.A. Konflanz, and V.Q. de Souza. 2016. Restricted maximum likelihood/best linear unbiased prediction (REML/BLUP) for analyzing the agronomic performance of corn. African Journal of Agricultural Research, 11(48): 4864-4872. [DOI:10.5897/AJAR2016.11691]
19. Olivoto T (2019) Metan: multi environment trials analysis. R package version 1.1.0. https://github.com/TiagoOlivoto/metan (accessed 24 June 2019).
20. Olivoto, T., A.D.C. Lucio, J.A.G. da Silva, B.G. Sari and M.I. Diel. 2019a. 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]
21. Olivoto, T., A.D.C. Lucio, J.A.G. da Silva, V.S. Marchioro, V.Q. de Souza and E. Jost. 2019b. 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]
22. Pezeshkpour, P. and S. Afkar. 2019. Assessment of variability of lentil genotypes for agronomic traits using multivariate Analyses. Journal of Crop Breeding, 11(30): 142-151 (In Persian). [DOI:10.29252/jcb.11.30.142]
23. Sabaghnia, N., H. Dehghani and S.H. Sabaghpour. 2006. Non parametric methods for interpreting genotype × environment interaction of Lentil genotypes. Crop Science, 46: 1100-1106. [DOI:10.2135/cropsci2005.06-0122]
24. Sabaghnia, N., H. Dehghani and S.H. Sabaghpour. 2008. Graphic analysis of genotype by environment interaction for lentil yield in Iran. Agronomy Journal, 100: 760-764. [DOI:10.2134/agronj2006.0282]
25. 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 (In Persian).
26. Sarker, A., W. Erskine and M. Singh. 2003. Regression models for lentil seed and straw yields in Near East. Agrical and Forestry Meteorology, 116: 61-72. [DOI:10.1016/S0168-1923(02)00247-2]
27. Smith, A.B., B.R. Cullis and R. Thompson. 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]
28. Wright K. and J.L. Laffont. 2018. Package 'gge'. https://github.com/kwstat/gge/issues.
29. Yan, W., L.A. Hunt, Q. Sheny and Z. Szlavnics. 2000. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Science, 40: 597-605. [DOI:10.2135/cropsci2000.403597x]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |