دوره 15، شماره 45 - ( بهار 1402 )
جلد 15 شماره 45 صفحات 10-1 |
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:
Pour-Aboughadareh A, Barati A, Zali H, Koohkan S A, Hosseinpour A, Gholipoor A et al . (2023). Analysis of Genotype-by-Environment Interaction in Advanced Genotypes of Barley using AMMI and BLUP-Based Indices. jcb. 15(45), 1-10. doi:10.52547/jcb.15.45.1
URL: http://jcb.sanru.ac.ir/article-1-1367-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1367-fa.html
پورابوقداره علیرضا، براتی علی، زالی حسن، کوهکن شیرعلی، حسین پور آرش، قلی پور احمد و همکاران.. تجزیه برهمکنش ژنوتیپ - محیط در ژنوتیپ های پیشرفته جو با استفاده از شاخص های مبتنی بر مدل AMMI و BLUP پژوهشنامه اصلاح گیاهان زراعی 1402; 15 (45) :10-1 10.52547/jcb.15.45.1
تجزیه برهمکنش ژنوتیپ - محیط در ژنوتیپ های پیشرفته جو با استفاده از شاخص های مبتنی بر مدل AMMI و BLUP
علیرضا پورابوقداره 
، علی براتی ، حسن زالی ، شیرعلی کوهکن ، آرش حسین پور ، احمد قلی پور ، اکبر مرزوقیان
، علی براتی ، حسن زالی ، شیرعلی کوهکن ، آرش حسین پور ، احمد قلی پور ، اکبر مرزوقیان
موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
چکیده: (1212 مشاهده)
چکیده مبسوط
مقدمه و هدف: آزمایش های چند محیطی و بررسی برهمکنش ژنوتیپ و محیط نقش مهمی در انتخاب ژنوتیپ های پرعملکرد و پایدار در مناطق مختلف قبل از معرفی دارد. این مطالعه با هدف ارزیابی مجموع های از ژنوتیپ های پیشرفته جو از نظر عملکرد دانه و برخی از خصوصیات زراعی و همچنین تجزیه برهمکنش ژنوتیپ - محیط اجرا شد.
مواد و روش ها: در این مطالعه 19 ژنوتیپ جو در ایستگاه های تحقیقاتی مغان، زابل، گنبد و داراب در قالب طرح بلوک های کامل تصادفی با سه تکرار از نظر تعداد روز تا ظهور سنبله، تعداد روز تا رسیدگی فیزیولوژیکی، دوره پر شدن دانه، ارتفاع بوته، وزن هزار دانه و عملکرد دانه طی سال زراعی 1400-1399 مورد ارزیابی قرار گرفتند.
یافته ها: نتایج تجزیه های آماری نشان داد اثرات محیط، ژنوتیپ و برهمکنش ژنوتیپ - محیط برای عملکرد دانه و سایر صفات معنی دار بود. با توجه به معنی دار بودن برهمکنش ژنوتیپ در محیط، آزمون نسبت درست نمایی (LRT) برای برهمکنش ژنوتیپ در محیط بر عملکرد دانه و سایر صفات ارزیابی شده و تجزیه بهترین
مقدمه و هدف: آزمایش های چند محیطی و بررسی برهمکنش ژنوتیپ و محیط نقش مهمی در انتخاب ژنوتیپ های پرعملکرد و پایدار در مناطق مختلف قبل از معرفی دارد. این مطالعه با هدف ارزیابی مجموع های از ژنوتیپ های پیشرفته جو از نظر عملکرد دانه و برخی از خصوصیات زراعی و همچنین تجزیه برهمکنش ژنوتیپ - محیط اجرا شد.
مواد و روش ها: در این مطالعه 19 ژنوتیپ جو در ایستگاه های تحقیقاتی مغان، زابل، گنبد و داراب در قالب طرح بلوک های کامل تصادفی با سه تکرار از نظر تعداد روز تا ظهور سنبله، تعداد روز تا رسیدگی فیزیولوژیکی، دوره پر شدن دانه، ارتفاع بوته، وزن هزار دانه و عملکرد دانه طی سال زراعی 1400-1399 مورد ارزیابی قرار گرفتند.
یافته ها: نتایج تجزیه های آماری نشان داد اثرات محیط، ژنوتیپ و برهمکنش ژنوتیپ - محیط برای عملکرد دانه و سایر صفات معنی دار بود. با توجه به معنی دار بودن برهمکنش ژنوتیپ در محیط، آزمون نسبت درست نمایی (LRT) برای برهمکنش ژنوتیپ در محیط بر عملکرد دانه و سایر صفات ارزیابی شده و تجزیه بهترین
پیش بینی نااریب خطی (BLUP) صورت گرفت. مقادیر اجزای واریانس ژنتیکی برآورده شده بر اساس روش BLUP نشان داد سهم برهمکنش ژنوتیپ در محیط در توجیه واریانس فنوتپی برای کلیه صفات بالا بود. علاوه براین، در بین صفات ارزیابی شده ارتفاع بوته، وزن هزار دانه و عملکرد دانه دارای بیشترین میزان وراثت پذیری بودند. شاخص گزینش پایداری چندصفت (MTSI) ژنوتیپ های G5، G6، G8 و G17 را به عنوان برترین ژنوتیپ ها مشخص نمود. از طرفی با توجه به نتایج به دست آمده از بای پلات عمکلرد و میانگین وزنی نمرات مطلق (WAASB) ژنوتیپ های G5، G9، G10 و G17 با بیشترین عملکرد دانه و ضریب پایداری از دیگر ژنوتیپ ها متمایز شدند.
نتیجه گیری: به طور کلی نتایج این تحقیق نشان داد ژنوتیپ G5 دارای بیشترین سازگاری عمومی در بین سایر ژنوتیپ ها بود. سایر ژنوتیپ های انتخاب شده نیز دارای سازگاری خصوصی با برخی از مناطق گرم شمال و جنوب کشور بودند. از این رو با بررسی پایداری این ژنوتیپ در چند سال زراعی دیگر و مشاهده برتری نسبی آن در مقایسه با سایر ارقام تجاری، می توان آن را به عنوان یک رقم پایدار و پربازده معرفی نمود.
نتیجه گیری: به طور کلی نتایج این تحقیق نشان داد ژنوتیپ G5 دارای بیشترین سازگاری عمومی در بین سایر ژنوتیپ ها بود. سایر ژنوتیپ های انتخاب شده نیز دارای سازگاری خصوصی با برخی از مناطق گرم شمال و جنوب کشور بودند. از این رو با بررسی پایداری این ژنوتیپ در چند سال زراعی دیگر و مشاهده برتری نسبی آن در مقایسه با سایر ارقام تجاری، می توان آن را به عنوان یک رقم پایدار و پربازده معرفی نمود.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح نباتات، بیومتری
دریافت: 1401/1/31 | ویرایش نهایی: 1402/3/21 | پذیرش: 1401/3/11 | انتشار: 1402/3/21
دریافت: 1401/1/31 | ویرایش نهایی: 1402/3/21 | پذیرش: 1401/3/11 | انتشار: 1402/3/21
فهرست منابع
1. Ahakpaz, F., H. Abdi, E. Neyestani, A. Hesami, B. Mohammadi, N. Mahmoudi, G. Abedi Asl, M.R. Jazayeri Noshabadi, F. Ahakpaz and H. Alipour. 2021. Genotype by environment interaction analysis for grain yield of barley genotypes under dryland conditions and the role of monthly rainfall. Agricultural Water Management, 245:106665. [DOI:10.1016/j.agwat.2020.106665]
2. Ahmadi, J., B. Vaezi and A. Pour-Aboughadareh. 2016. Analysis of variability, heritability, and interrelationships among grain yield and related characters in barley advanced lines. Genetika, 48: 73-85. [DOI:10.2298/GENSR1601073A]
3. Ahmadi, K., H. Hatami, F. Abdeshah and V. Kazemian. 2020. Agricultural Statistics (2019-2020 Cropping Year): Crop Plants. Ministry of Agriculture-Jahad 1: 97.
4. Akbarpour, A., H. Dehghani, M. Roustai and A. Amini. 2015. Evaluation of some properties of Iranian wheat genotypes in normal and salt-stressed conditions using Restricted Maximum Likelihood (REML). Iranian Journal of Field Crop Science, 46: 57-69 (In Persian).
5. Barati, A., H. Zali, A. Pour-Aboughadareh, A. Gholipour, S. Koohkan, K. Shahbazi Momounlo, A. Marzoghian, M. Jabbari, O. Poodineh and M. Kheirgoo. 2022. Identification of irrigated barley genotypes with high and stable grain yield in warm regions of Iran. Journal of Crop Breeding, 40: 162-172 (In Persian). [DOI:10.52547/jcb.13.40.162]
6. Benakanahalli, N.K., S. Sridhara, N. Ramesh, T. Olivoto, G. Sreekantappa, N. Tamam, A.M.M. Abdelbacki, H.O. Elansary and S.A.M. Abdelmohsen. 2021. A framework for identification of stable genotypes based on MTSI and MGDII Indexes: an example in guar (Cymopsis tetragonoloba L.). Agronomy, 11: 1221. [DOI:10.3390/agronomy11061221]
7. Eberhart, S.A.T. and W.A. Russell. 1966. Stability parameters for comparing varieties. Crop Science, 6: 36-40. [DOI:10.2135/cropsci1966.0011183X000600010011x]
8. Francis, T.R. and L.W. Kannenberg. 1987. Yield stability studies in short-season maize: I.A descriptive method for grouping genotypes. Canadian Journal of Plant Science, 58: 1029-1034. [DOI:10.4141/cjps78-157]
9. Ghazvini, H., S. Bagherikia, A. Pour-Aboughadareh, M. Sharifalhossaini, S.A. Razavi, S. Mohammadi, M. Ghasemikalkhoran, A. Fathihafshejania and G. Khakizadeh. 2021. GGE biplot analysis of promising barley lines in the cold regions of Iran. Journal of Crop Improvement. [DOI:10.1080/15427528.2021.1977448]
10. Ghazvini, H., S.A. Kohkan, I. Lakzadeh, H.A. Fallahi, J. Alt-Jafarbay, M. Ghasemi, A.A. Amini, S.M. Tabib-Ghafari and B. Sorkhi-Lalelu. 2014. Zahak, a new irrigated barley cultivar with wide adaptability in the warm and dry agro-climate zone in the south of Iran. Research Achievements for Field and Horticulture Crops, 3: 15-26.
11. Henderson, C.R. 1984. Applications of Linear Models in Animal Breeding. Guelph, Ont.: University of Guelph.
12. Holland, J.B. 2006. Estimating genotypic correlations and their standard errors using multivariate restricted maximum likelihood estimation with SAS Proc MIXED. Crop Science, 46: 642-654. [DOI:10.2135/cropsci2005.0191]
13. Kang, M.S. 1988. A rank-sum method for selecting high yielding stable corn genotypes. Cereal Research Communications, 16: 113-115.
14. Karimizadeh, R., P. Pezeshkpour, M. Barzali, A. Mehrabam and P. Sharifi. 2021. Evaluation the mean performance and stability of lentil genotypes by combining features of AMMI and BLUP techniques. Journal of Crop Breeding, 36: 160-170 (In Persian). [DOI:10.52547/jcb.12.36.160]
15. Khalili, M., A. Pour-Aboughadareh and M.R. Naghavi. 2016. Assessment of drought tolerance in barley: integrated selection criterion and drought tolerance indices. Environmental and Experimental Biology, 14: 33-41. [DOI:10.22364/eeb.14.06]
16. Lin, C.S. and M.R. Binns. 1988. A method of analyzing cultivar x location x year experiments a new stability parameter. Theoretical and Applied Genetics, 76: 425-430. [DOI:10.1007/BF00265344]
17. Liu, B.H., S. Knapp and D. Birkes. 1997. Sampling distributions, biases, variances, and confidence intervals for genetic correlations. Theoretical and Applied Genetics, 94: 8-19. [DOI:10.1007/s001220050375]
18. Mwando, E., Y. Han, T.T. Angessa, G. Zhou, C.B. Hill, X.Q. Zhang and C. Li. 2020. Genome wide association study of salinity tolerance during germination in barley (Hordeum vulgare L.). Frontiers in Plant Science, 11: 118. [DOI:10.3389/fpls.2020.00118]
19. Nassar, R. and M. Huehn. 1987. Studies on estimation of phenotypic stability: tests of significance for nonparametric measures of phenotypic stability. Biometrics, 43: 45-53. [DOI:10.2307/2531947]
20. Olivoto, T. and A.D.C. Lucio. 2020. Metan: An R package for multi-environment trial analysis. Methods in Ecology and Evolution, 11:783-789. [DOI:10.1111/2041-210X.13384]
21. 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: 2961-2969. [DOI:10.2134/agronj2019.03.0221]
22. 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: 2949-2960. [DOI:10.2134/agronj2019.03.0220]
23. Pinthus, J.M. 1973. Estimate of genotype value: a proposed method. Euphytica, 22: 121-123. [DOI:10.1007/BF00021563]
24. Plaisted, R.I. and L.C. Peterson. 1959. A technique for evaluating the ability of selection to yield consistently in different locations or seasons. American Potato Journal, 36: 381-385. [DOI:10.1007/BF02852735]
25. Pour-Aboughadareh, A., S. Sanjani, H. Nikkhah-Chamanabad, M.R. Mehrvar, A. Asadi and A. Amini. 2021. Identification of salt-tolerant barley genotypes using multiple-traits index and yield performance at the early growth and maturity stages. Bulletin of the National Research Centre, 45: 117. [DOI:10.1186/s42269-021-00576-0]
26. Purchase, J.L., H. Hatting, C.S. Van Deventer. 2000. Genotype × environment interaction of winter wheat in South Africa: II. Stability analysis of yield performance. South African Journal of Plant and Soil, 17: 101-107. [DOI:10.1080/02571862.2000.10634878]
27. Raju, B.M.K. 2002. A study on AMMI model and its biplots. Journal of the Indian Society of Agricultural Statistics, 55: 297-322.
28. Searle, S.R., G. Casella and C. McCulloch. 1992. Variance components. Wiley, New York. [DOI:10.1002/9780470316856]
29. Sharifi, P. 2020b. Evolution, Domesicatin, Breeding Methods and the Latest Breeding Findings in Rice. Agricultural and Natural Resources Engineering Organization of Iran, IR (In Persian).
30. Sharifi, P., A. Abbasian and A. Mohaddesi. 2021. Evaluation the mean performance and stability of rice genotypes by combining features of AMMI and BLUP techniques and selection based on multiple traits. Plant Genetic Researches, 7: 163-180. [DOI:10.52547/pgr.7.2.13]
31. Shukla, G.K. 1972. Some statistical aspects of partitioning genotype-environmental components of variability. Heredity, 28: 237-245. [DOI:10.1038/hdy.1972.87]
32. Vaezi, B., A. Pour Aboughadareh, A. Mehraban, T. Hossein Pour, R. Mohammadi, M. Armion and Dorri, M. 2018. The use of parametric and nonparametric measures for selecting stable and adapted barley lines. Archives of Agronomy and Soil Science, 64: 597-611. [DOI:10.1080/03650340.2017.1369529]
33. Vaezi, B., A. Pour Aboughadareh, R. Mohammadi, A. Mehraban, T. Hossein Pour, E. Koohkan, S. Ghasemi, H. Moradkhani and K.H. Siddique. 2019. Integrating different stability models to investigate genotype × environment interactions and identify stable and high yielding barley genotypes. Euphytica, 215: 63. [DOI:10.1007/s10681-019-2386-5]
34. Viotto Del Conte, M., P.C.S. Carneiro, M.D. Vilela de Resende, F. Lopes da Silva and L.A. Peternelli. 2020. Overcoming collinearity in path analysis of soybean [Glycine max (L.) Merr.] grain oil content. PLoS One, 15: e0233290. [DOI:10.1371/journal.pone.0233290]
35. Yang, R.C. 2010. Towards understanding and use of mixed-model analysis of agricultural experiments. Canadian Journal of Plant Science, 90: 605-627. [DOI:10.4141/CJPS10049]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
