دوره 15، شماره 45 - ( بهار 1402 )
جلد 15 شماره 45 صفحات 242-234 |
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:
ghorbanipour A, rabiei B, rahmanpour S, khodaparast S A. (2023). Evaluation of Soybean Genotypes Yield and Yield Stability Under Charcoal Rot Disease Conditions using GGE Biplot Method. J Crop Breed. 15(45), 234-242. doi:10.61186/jcb.15.45.234
URL: http://jcb.sanru.ac.ir/article-1-1386-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1386-fa.html
قربانی پور علی، ربیعی بابک، رحمانپور سیامک، خداپرست سید اکبر. ارزیابی عملکرد و پایداری عملکرد ژنوتیپ های سویا تحت شرایط آلوده به بیماری پوسیدگی ذغالی با استفاده از روش GGE بای پلات پژوهشنامه اصلاح گیاهان زراعی 1402; 15 (45) :242-234 10.61186/jcb.15.45.234
1- گروه زراعت و اصلاح نباتات، دانشکده کشاورزی دانشگاه گیلان، رشت، ایران
2- بخش دانه های روغنی، موسسه تحقیقات اصلاح و تهیه نهال و بذر کرج، ایران
3- گروه گیاهپزشکی، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران
2- بخش دانه های روغنی، موسسه تحقیقات اصلاح و تهیه نهال و بذر کرج، ایران
3- گروه گیاهپزشکی، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران
چکیده: (1628 مشاهده)
چکیده مبسوط
مقدمه و هدف: مهمترین هدف در تمام برنامه های اصلاحی محصولات زراعی افزایش عملکرد است و بهبود عملکرد نیازمند استفاده از روش های آماری کارآمد برای تعیین ژنوتیپ های برتر است. در تعیین برتری ژنوتیپ ها علاوه بر عملکرد بالا، پایداری عملکرد در محیط های مختلف نیز باید در نظر گرفته شود. تجزیه بای پلات روش مناسبی برای انتحاب ژنوتیپ های برتر و افزایش کارایی انتخاب است.
مواد و روش‌ها: در این مطالعه 130 ژنوتیپ مختلف سویا در دو شرایط محیطی طبیعی (بدون بیماری) و تنش بیماری (القای مصنوعی بیماری پوسیدگی ذغالی) در طی سال های 1393 و 1394 (چهار محیط) در موسسه تحقیقات اصلاح و تهیه نهال و بذر کرج در قالب طرح لاتیس ساده با دو تکرار کشت شدند و پایداری عملکرد ژنوتیپها از طریق روش GGE بایپلات مورد ارزیابی قرار گرفت.
یافته‌ها: نتایج تجزیه مرکب عملکرد دانه نشان داد که اثر محیط، ژنوتیپ و اثرات متقابل ژنوتیپ در محیط معنی دار است. نتایج حاصل از تجزیه پایداری ژنوتیپ ها به روشGGE بایپلات نشان داد که مولفه اول (اثر اصلی ژنوتیپ) 70 درصد و مولفه دوم (اثر متقابل ژنوتیپ در محیط) 14 درصد و در مجموع دو مولفه اصلی 84 درصد از کل تغییرات داده ها را توجیه کردند که نشان دهنده اعتبار نسبتاً خوب بای پلات در توجیه تغییرات ژنوتیپ و برهمکنش ژنوتیپ × محیط (G+GE) بود. در بررسی بای پلات چند ضلعی مشاهده شد که بیشترین عملکرد دانه در محیط E2 (وجود بیماری پوسیدگی ذغالی در سال 93) و E4 (وجود بیماری پوسیدگی ذغالی در سال 94) متعلق به ژنوتیپ شماره 66 بود، اما ژنوتیپ های شماره 1، 3، 5، 43، 63، 66، 75، 76، 77 و 89 دارای ترکیب مناسبی از پایداری و عملکرد بودند.
نتیجه‌گیری: بهطور کلی، تعداد قابل توجهی از ژنوتیپ ها دارای مقاومت یا تحمل مناسبی نسبت به بیماری پوسیدگی ذغالی بودند. برخی از این ژنوتیپ ها مانند ژنوتیپ شماره 66 ضمن اینکه هیچگونه علائمی از بیماری پوسیدگی ذغالی در دو سال اجرای آزمایش نشان ندادند، دارای عملکرد دانه مناسبی نیز بودند.
مقدمه و هدف: مهمترین هدف در تمام برنامه های اصلاحی محصولات زراعی افزایش عملکرد است و بهبود عملکرد نیازمند استفاده از روش های آماری کارآمد برای تعیین ژنوتیپ های برتر است. در تعیین برتری ژنوتیپ ها علاوه بر عملکرد بالا، پایداری عملکرد در محیط های مختلف نیز باید در نظر گرفته شود. تجزیه بای پلات روش مناسبی برای انتحاب ژنوتیپ های برتر و افزایش کارایی انتخاب است.
مواد و روش‌ها: در این مطالعه 130 ژنوتیپ مختلف سویا در دو شرایط محیطی طبیعی (بدون بیماری) و تنش بیماری (القای مصنوعی بیماری پوسیدگی ذغالی) در طی سال های 1393 و 1394 (چهار محیط) در موسسه تحقیقات اصلاح و تهیه نهال و بذر کرج در قالب طرح لاتیس ساده با دو تکرار کشت شدند و پایداری عملکرد ژنوتیپها از طریق روش GGE بایپلات مورد ارزیابی قرار گرفت.
یافته‌ها: نتایج تجزیه مرکب عملکرد دانه نشان داد که اثر محیط، ژنوتیپ و اثرات متقابل ژنوتیپ در محیط معنی دار است. نتایج حاصل از تجزیه پایداری ژنوتیپ ها به روشGGE بایپلات نشان داد که مولفه اول (اثر اصلی ژنوتیپ) 70 درصد و مولفه دوم (اثر متقابل ژنوتیپ در محیط) 14 درصد و در مجموع دو مولفه اصلی 84 درصد از کل تغییرات داده ها را توجیه کردند که نشان دهنده اعتبار نسبتاً خوب بای پلات در توجیه تغییرات ژنوتیپ و برهمکنش ژنوتیپ × محیط (G+GE) بود. در بررسی بای پلات چند ضلعی مشاهده شد که بیشترین عملکرد دانه در محیط E2 (وجود بیماری پوسیدگی ذغالی در سال 93) و E4 (وجود بیماری پوسیدگی ذغالی در سال 94) متعلق به ژنوتیپ شماره 66 بود، اما ژنوتیپ های شماره 1، 3، 5، 43، 63، 66، 75، 76، 77 و 89 دارای ترکیب مناسبی از پایداری و عملکرد بودند.
نتیجه‌گیری: بهطور کلی، تعداد قابل توجهی از ژنوتیپ ها دارای مقاومت یا تحمل مناسبی نسبت به بیماری پوسیدگی ذغالی بودند. برخی از این ژنوتیپ ها مانند ژنوتیپ شماره 66 ضمن اینکه هیچگونه علائمی از بیماری پوسیدگی ذغالی در دو سال اجرای آزمایش نشان ندادند، دارای عملکرد دانه مناسبی نیز بودند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح براي تنش هاي زنده و غيرزنده محيطي
دریافت: 1401/3/11 | پذیرش: 1401/8/11
دریافت: 1401/3/11 | پذیرش: 1401/8/11
فهرست منابع
1. Akmal, C.M.G. and M.Y. Samaullah. 2014. Adaptation and stability of aromatic rice lines in North Sumatera (in Indonesian). Food Crop Research Journal 33 (1): 9-16. [DOI:10.21082/jpptp.v33n1.2014.p9-16]
2. Babaei, H.R., N. Razmi, S. Raeisi and H. Sabzi. 2020. Evaluation of adaptability and seed yield stability of soybean (Glycine max L. Merril) promising lines using GGE biplot analysis. Iranian Journal of Crop Sciences. 22(2): 183-197. (In Persian) [DOI:10.29252/abj.22.2.183]
3. Babu, B.K., A.K. Saxena, A.K. Srivastava and D.K. Arora. 2007. Identification and detection of Macrophomina phaseolina by using specific species oligonucleotide primers and prob. Mycologia. 99: 797-803. [DOI:10.3852/mycologia.99.6.797]
4. Bhartiya, A., J.P. Aditya, K.S. Pushpendra, J.P. Purwar and A. Agarwal. 2017. AMMI and GGE biplot analysis of multi environment yield trial of soybean in North Western Himalayan state Uttarakhand of India. Legume Research Journal. 40 (2): 306-312. [DOI:10.18805/lr.v0iOF.3548]
5. Bramel-Cox, P.J.L. and E. Claflin. 1989. Selection for resistance to Macrophomina phaseolina and Fusarium moniliforme in sorghum. Crop Science. 29: 1468-1472. [DOI:10.2135/cropsci1989.0011183X002900060029x]
6. Cornelius, P.L. and J. Crossa. 1999. Prediction assessment of shrinkage estimators of multiplicative models for multi-environment cultivar trials. Crop Science. 39: 998-1009. [DOI:10.2135/cropsci1999.0011183X003900040007x]
7. Dallo, S.C., A.D. Zdziarski, L.G. Woyann, A.S. Milioli, R. Zanella, J. Conte and G. Benin. 2019. Across year and year-by-year GGE biplot analysis to evaluate soybean performance and stability in multi-environment trials. Euphytica. 215: 113-125. [DOI:10.1007/s10681-019-2438-x]
8. Diepenbrock, W. 2000. Yield analysis of winter oilseed rape (Brassica napus L.): a review. Field crops research. 67(1): 35-49. [DOI:10.1016/S0378-4290(00)00082-4]
9. Gauch Jr, H.G. and R.W. Zobel. 1997. Identifying mega‐environments and targeting genotypes. Crop science. 37(2): 311-326. [DOI:10.2135/cropsci1997.0011183X003700020002x]
10. Gul, F., B. Andrew, S. Leong and L. Ismail. 1989. Factors influencing choice of discipline of study accountancy, engineering, law and medicine. Accounting and Finance. 29(2): 93-103. [DOI:10.1111/j.1467-629X.1989.tb00105.x]
11. Gupta, P.K. and R.K. Varshney. 2005. Cereal genomics: an overview. Cereal Genomics. Springer. 1-18. [DOI:10.1007/1-4020-2359-6_1]
12. Jana, T., T. Sharma, R.D. Prasad, and D.K. Arora. 2003. Molecular characterization of Macrophomina phaseolina and Fusarium species by a single primer RAPD technique. Microbiological Research. 158: 249-257. [DOI:10.1078/0944-5013-00198]
13. Javidfar, F., B. Alizadeh, H. Amiri Oghan, and N. Sabaghnia. 2010. A study of genotype by environment interaction in oilseed rape genotypes using GGE Biplot method. Iranian Journal of Field Crop Science. 41 (4): 771-779. (In Persian)
14. Luc, M., R.A. Sikora and J. Bridge. 2005. Plant parasitic nematodes in subtropical and tropical agriculture. 2nd Edition. Oxford University Press. UK. 896 pp. [DOI:10.1079/9780851997278.0000]
15. 17. Ma, B.L., W. Yan, L.M. Dwyer, J. Fregeau‐Reid, H.D. Voldeng, Y. Dion and H. Nass. 2004. Graphic analysis of genotype, environment, nitrogen fertilizer, and their interactions on spring wheat yield. Agronomy Journal. 96(1): 169-180. [DOI:10.2134/agronj2004.1690]
16. Mengistu, A., J.R. Ray, J.R. Smith, P. R. Arelli, B. Bellaloui, P. Chen, G. Shannon and D. Boykin. 2018. Effect of charcoal rot on selected putative drought tolerant soybean genotypes and yield. Crop Protection. 105: 90-101. [DOI:10.1016/j.cropro.2017.11.012]
17. Mengistu, A., J.D. Ray, J.R. Smith and R.L. Paris. 2007. Charcoal rot disease assessment of soybean genotypes using a colony forming unit index. Crop Science. 47: 2453-2461. [DOI:10.2135/cropsci2007.04.0186]
18. Moghadam, M., P. Safari and S.F. Daniali. 2012. GGE-bioplot analysis, graphic tool for plant breeding, genetics and agronomy science. Parivar publications, Tabriz, Iran. (In Persian)
19. Nowosad, K., A. Liersch, W. Popławska, and J. Bocianowski. 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]
20. Pourdad, S. and M. Jamshid Moghaddam. 2013. Study on genotype×environment interaction through GGE biplot in spring safflower (Carthamus tinctorius L.). Journal of Crop Production and Processing. 2(6): 99-108.
21. Ramos, J.E. U., R.L. Brogin, V.P.C. Godinho, F.J.E. Botelho, F.D. Tardin and P.E. Teodoro. 2017. Identification of soybean genotypes with high stability for the Brazilian macro-region 402 via biplot analysis. Genetics Molecular Research. 16(3): 1-10. [DOI:10.4238/gmr16039786]
22. Rayatpanah, S., V. Alavi and G. Arab. 2007. Reaction of some soybean advanced lines to charcoal rot disease, Macrophomina phaseolina (Tassi) Goid. in east Mazandaran. Seed and Plant Improvment Journal. 23(2): 181-186. (In Persian).
23. Roy, D. 2001. Plant Breeding: Analysis and exploitation of variation. Alpha Science International. 701 pp.
24. Saidinejad, S.M.R., M. Aghajani and I. Hezarjeribi. 2013. Response of soybean promising lines and commercial cultivars to charcoal rot disease in Gorgan region. Iranian Journal of Oilseed Plant. 2(1): 30-44 (In Persian).
25. Shiri, M., M. Valizadeh, E. Majidi, A. Sanjari and A. Gharib-Eshghi. 2010. Evaluation of wheat tolerance indices to moisture stress condition. Electronic Journal of Crop Production. 3: 153-171. (In Persian)
26. Silveira, D.A., L.F. Pricinotto, M. Nardino, C.A. Bahry, C.E. Cavenaghi Prete and L. Cruz. 2016. Determination of the adaptability and stability of soybean cultivars in different locations and at different sowing times in Parana state using the AMMI and Eberhart and Russel methods [Online]. Available at https://www.researchgate.net/publication/311849977. [DOI:10.5433/1679-0359.2016v37n6p3973]
27. Tadele, T., S. Gashaw, and T. Amanuel. 2018. Genotypes × environment interac analysis for Ethiopian mustard (Brassica carinata L.) genotypes using AMMI .Journal of Plant Breeding and Crop Science 10 (4): 86-92. [DOI:10.5897/JPBCS2017.0701]
28. Taliei, F., N. Safaie and M.A. Aghajani. 2012. Relationship between disease incidence and severity of soybean charcoal rot in Golestan province. Journal of Plant Production. 19(3): 142-125. (In Persian)
29. Tesso, T. and G. Ejeta. 2011. Stalk strength and reaction to infection by Macrophomina phaseolina of brown midrib maize (Zea mays) and sorghum (Sorghum bicolor). Field Crops Research. 120(2): 271-275. [DOI:10.1016/j.fcr.2010.10.015]
30. Yan, W. 1999. A study on the methodology of cultivar evaluation based on yield trial data-with special reference to winter wheat in Ontario. Ph.D. Thesis, university of Guelph, Guelph, Ontario, Canada.120 pp.
31. Yan W., L.A. Hunt, Q. Sheng 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]
32. Yan, W. and M.S. Kang. 2003. GGE bi-plot analysis: A graphical tool for breeders, geneticists, and agronomists. CRC Press, Boca Raton, FL. [DOI:10.1201/9781420040371]
33. Yan, W., M.S. Kang, B.Ma, S. Woods and P.L.Cornelius. 2007. GGE biplot vs. AMMI analysis of genotype by environment data. Crop Science. 47: 643-655. [DOI:10.2135/cropsci2006.06.0374]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |