دوره 16، شماره 3 - ( پاییز 1403 )
جلد 16 شماره 3 صفحات 24-13 |
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:
Esmaeilzadeh Moghadam M, Dastfal M, Tabib Ghaffary S M, Anderzian S B A, Sayyahfar M, Miri K, et al . (2024). Stability Analysis of Bread Wheat (Triticum aestivum L.) Genotypes by the Genotype × Genotype-Environment Biplot. J Crop Breed. 16(3), 13-24. doi:10.61186/jcb.16.3.13
URL: http://jcb.sanru.ac.ir/article-1-1475-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1475-fa.html
اسماعیل زاده مقدم محسن، دست فال منوچهر، طبیب غفاری سید محمود، اندرزیان سید بهرام، سیاح فر منوچهر، میری خالد، و همکاران.. تجزیه پایداری ژنوتیپ های گندم نان (.Triticum aestivum L ) با استفاده از روش GGE-biplot پژوهشنامه اصلاح گیاهان زراعی 1403; 16 (3) :24-13 10.61186/jcb.16.3.13
محسن اسماعیل زاده مقدم1، منوچهر دست فال2، سید محمود طبیب غفاری3، سید بهرام اندرزیان4، منوچهر سیاح فر5، خالد میری6، شیرعلی کوهکن7، علیرضا عسکری کلستانی* 
2
2
1- مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات و آموزش و ترویج کشاورزی، کرج، ایران
2- تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران
3- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی صفیآباد، سازمان تحقیقات، آموزش و ترویج کشاورزی، دزفول، ایران
4- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خوزستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اهواز، ایران
5- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرمآباد، ایران
6- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی بلوچستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، ایرانشهر، ایران
7- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی سیستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زابل، ایران
2- تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران
3- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی صفیآباد، سازمان تحقیقات، آموزش و ترویج کشاورزی، دزفول، ایران
4- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خوزستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اهواز، ایران
5- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرمآباد، ایران
6- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی بلوچستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، ایرانشهر، ایران
7- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی سیستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زابل، ایران
چکیده: (353 مشاهده)
چکیده مبسوط
مقدمه و هدف: تولید ارقام دارای عملکرد بالا و پایدار مهمترین هدف برنامههای اصلاحی محصولات زراعی از جمله گندم نان میباشد. امروزه گندم یکی از مهمترین محصولاتی است که در ایران کشت می‌شود. عملکرد نهایی هر محصول بوسیله پتانسیل ژنوتیپ، محیط و اثر متقابل ژنوتپ×محیط تعیین می‌شود. مطالعات اثر متقابل ژنوتیپ×محیط می‌تواند به تعیین انتخاب یک یا چند ژنوتیپ پایدار با عملکرد بالا در طیف وسیعی از محیط‌ها کمک کند. روش‌های مختلفی (تک متغییره و چند متغییره) برای ارزیابی اثرات متقابل معرفی شده است که هریک ماهیت اثر متقابل را از دیدگاه مشخصی بررسی می‌کند. نتایج روش‌های مختلف ممکن است با هم یکسان نباشند، اما بهترین نتیجه زمانی حاصل می‌شود که یک ژنوتیپ بـا روش‌های مختلف ارزیابی، نتیجه مشابهی از نظر پایداری نشان دهد. روش‌های تک متغییره تصویر کاملی از ماهیت پیچیده و چند بعدی اثر متقابل ژنوتیپ×محیط ارائه نمیکنند، از اینرو استفاده از روش‌های چند متغییره برای رفع این مشکل پیشنهاد شده است. در بین روش‌های چند متغییره، روش ژنوتیپ×ژنوتیپ-محیط از اهمیت بیشتری برخوردار میباشد. بنابراین، این مطالعه بهمنظور شناسایی بهترین لاینهای امیدبخش گندم نان پایدار برای اقلیم گرم و خشک توسط روش بایپلات ژنوتیپ×ژنوتیپ-محیط انجام شد.
مواد و روشها: سازگاری و پایداری 37 لاین امیدبخش گندم نان بههمراه 3 شاهد (چمران 2، مهرگان و سارنگ) در 10 محیط مورد ارزیابی قرار گرفتند. آزمایش با استفاده از طرح بلوکهای کامل تصادفی با سه تکرار در دو فصل زراعی (1399-1400 و 1401-1400) در پنج ایستگاه تحقیقاتی (داراب، اهواز، دزفول، خرمآباد و زابل) اجرا شد. در مزرعه هر کرت با تراکم چهارصد و پنجاه بذر در مترمربع کشت شد. هریک از ژنوتیپ‌ها در کرتهایی با شش خط پنج متری با فاصله خطوط 20 سانتیمتر کاشته شد. در پایان فصل محصول سنبله‌های شش ردیف پنج متری از هر کرت بهوسیله کمباین وینتراشتایگر برداشت شد و وزن دانه‌های بهدست آمده توسط ترازوی دیجیتال اندازه‌گیری و در هکتار گزارش شد. برای عملکرد دانه، دادهها مورد تجزیه واریانس مرکب قرار گرفتند. از روش آماری بایپلات ژنوتیپ×ژنوتیپ-محیط با مدل اثر ژنوتیپ + برهمکنش ژنوتیپ × محیط برای ارزیابی پایداری و سـازگاری ژنوتیپ‌ها درمحیطهای مورد بررسی استفاده شد. از نرمافزار SPSSv22 برای تجزیه مرکب و از نرمافزار GGE-Biplot برای تجزیه دادههای آزمایشی بهروش گرافیکی ژنوتیپ×ژنوتیپ-محیط استفاده شد.
یافتهها: آزمون کولموگراف اسمیرنوف جهت بررسی آزمون خطای باقیماندهها در هر محیط انجام گرفت. نتایج آن در مورد هر محیط، بهطور جداگانه نشان داد که باقیمانده دادهها در کلیه محیط‌ها نرمال بودند. نتیجه آزمون بارتلت برای محیط‌ها، همگن بودن واریانس خطاها را نشان داد، از اینرو میتوان تجزیه مرکب را انجام داد. تجزیه واریانس مرکب دادهها نشان داد که اثرات اصلی محیط، ژنوتیپ و برهمکنش ژنوتیپ×محیط بر عملکرد دانه معنی‌دار بود. 70/12 درصد تغییرات مربوط به اثر محیط، 1/24 درصد مربوط به اثر ژنوتیپ و 9/57 درصد تغییرات مربوط به برهمکنش ژنوتیپ×محیط بود. معنی‌دار شدن اثرات متقابل در این مطالعه نشان داد که ژنوتیپ‌ها در محیط‌های متفاوت پاسخ‌های متفاوتی نشان داده و به‌عبارت دیگر اختلاف بین ژنوتیپ‌ها از محیطی به محیطی دیگر یکسان نیست و در این شرایط پایداری عملکرد دانه می‌تواند مورد ارزیابی قرار گیرد. نتایج نشان داد که دو مؤلفهی اول در مجموع 54 درصد از کل تنوع زراعی موجود بین دادهها را توجیه کردند. مؤلفه اصلی اول 29 درصد و مؤلفه اصلی دوم 25 درصد از واریانس موجود بین دادهها را توجیه کردند. بایپلات ژنوتیپ×ژنوتیپ-محیط بهدست آمده در آزمایشات چند محیطی منجر به شناسایی 4 ابر محیط و 5 ژنوتیپ برتر شد. نمودار چندضلعی حاصل، نشان داد که ژنوتیپهای G31،G21 ، G29، G27 و G32 که در رئوس چندضلعی قرار داشتند، ژنوتیپهای برتر بودند. نتایج بایپلات مختصات محیط متوسط در این تحقیق نشان داد که ژنوتیپهای G29، G28 و G16 دارای عملکرد دانه و پایداری عملکرد بالا بودند. بررسی بایپلات همبستگی بین محیط‌ها نشان داد که بردارهای محیطی مناطق اهواز و زابل دارای زاویه نزدیک به 90 درجه بود که نشاندهنده عدم تشابه این دو منطقه است. همچنین نتایج نشان داد که کلیه محیط‌ها دارای قابلیت تمایز بالایی بوده و توانستند تفاوتهای بین ژنوتیپ‌ها را بهخوبی آشکار کنند. بر اساس نتایج حاصله، میتوان محیط زابل را بهعنوان محیط مطلوب جهت انتخاب ژنوتیپهای برتر گندم نان معرفی کرد.
نتیجهگیری کلی: در مجموع با توجه به تغییرات اقلیمی در کشور بهخصوص در مناطق گرم و خشک جنوب کشور، لزوم استفاده از ارقام پایدار با پتاسیل عملکرد بالا همواره مطرح است. این مطالعه بهوضوح و بهراحتی به شناسایی ژنوتیپهای پایدار و برتر بهصورت گرافیکی کمک کرده است. اصلاحگرهای گندم در سراسر جهان ارقام اصلاحی برای مناطق مختلف جغرافیایی و اقلیمی کشاورزی در نظر میگیرند. سازگاری عمومی ارقام برای چندین منطقه در این مطالعه شناسایی شد. در این بررسی، محیط زابل را میتوان بهعنوان محیط مطلوب جهت انتخاب ژنوتیپهای برتر گندم نان معرفی کرد. در نهایت توصیه می‌شود ژنوتیپهای G29، G28 و G16 پس از تکثیر بذر و انتخاب برترین آنها در شرایط مزرعه، وارد آزمایشات تحقیقی و ترویجی گردد و در نهایت وارد فرایند معرفی ارقام جدید گندم نان نمود. همچنین نتایج به‌دست‌آمده در این مطالعه کارایی روش بایپلات ژنوتیپ×ژنوتیپ-محیط را برای انتخاب ارقام پرمحصول و پایدار نشان داد.
مقدمه و هدف: تولید ارقام دارای عملکرد بالا و پایدار مهمترین هدف برنامههای اصلاحی محصولات زراعی از جمله گندم نان میباشد. امروزه گندم یکی از مهمترین محصولاتی است که در ایران کشت می‌شود. عملکرد نهایی هر محصول بوسیله پتانسیل ژنوتیپ، محیط و اثر متقابل ژنوتپ×محیط تعیین می‌شود. مطالعات اثر متقابل ژنوتیپ×محیط می‌تواند به تعیین انتخاب یک یا چند ژنوتیپ پایدار با عملکرد بالا در طیف وسیعی از محیط‌ها کمک کند. روش‌های مختلفی (تک متغییره و چند متغییره) برای ارزیابی اثرات متقابل معرفی شده است که هریک ماهیت اثر متقابل را از دیدگاه مشخصی بررسی می‌کند. نتایج روش‌های مختلف ممکن است با هم یکسان نباشند، اما بهترین نتیجه زمانی حاصل می‌شود که یک ژنوتیپ بـا روش‌های مختلف ارزیابی، نتیجه مشابهی از نظر پایداری نشان دهد. روش‌های تک متغییره تصویر کاملی از ماهیت پیچیده و چند بعدی اثر متقابل ژنوتیپ×محیط ارائه نمیکنند، از اینرو استفاده از روش‌های چند متغییره برای رفع این مشکل پیشنهاد شده است. در بین روش‌های چند متغییره، روش ژنوتیپ×ژنوتیپ-محیط از اهمیت بیشتری برخوردار میباشد. بنابراین، این مطالعه بهمنظور شناسایی بهترین لاینهای امیدبخش گندم نان پایدار برای اقلیم گرم و خشک توسط روش بایپلات ژنوتیپ×ژنوتیپ-محیط انجام شد.
مواد و روشها: سازگاری و پایداری 37 لاین امیدبخش گندم نان بههمراه 3 شاهد (چمران 2، مهرگان و سارنگ) در 10 محیط مورد ارزیابی قرار گرفتند. آزمایش با استفاده از طرح بلوکهای کامل تصادفی با سه تکرار در دو فصل زراعی (1399-1400 و 1401-1400) در پنج ایستگاه تحقیقاتی (داراب، اهواز، دزفول، خرمآباد و زابل) اجرا شد. در مزرعه هر کرت با تراکم چهارصد و پنجاه بذر در مترمربع کشت شد. هریک از ژنوتیپ‌ها در کرتهایی با شش خط پنج متری با فاصله خطوط 20 سانتیمتر کاشته شد. در پایان فصل محصول سنبله‌های شش ردیف پنج متری از هر کرت بهوسیله کمباین وینتراشتایگر برداشت شد و وزن دانه‌های بهدست آمده توسط ترازوی دیجیتال اندازه‌گیری و در هکتار گزارش شد. برای عملکرد دانه، دادهها مورد تجزیه واریانس مرکب قرار گرفتند. از روش آماری بایپلات ژنوتیپ×ژنوتیپ-محیط با مدل اثر ژنوتیپ + برهمکنش ژنوتیپ × محیط برای ارزیابی پایداری و سـازگاری ژنوتیپ‌ها درمحیطهای مورد بررسی استفاده شد. از نرمافزار SPSSv22 برای تجزیه مرکب و از نرمافزار GGE-Biplot برای تجزیه دادههای آزمایشی بهروش گرافیکی ژنوتیپ×ژنوتیپ-محیط استفاده شد.
یافتهها: آزمون کولموگراف اسمیرنوف جهت بررسی آزمون خطای باقیماندهها در هر محیط انجام گرفت. نتایج آن در مورد هر محیط، بهطور جداگانه نشان داد که باقیمانده دادهها در کلیه محیط‌ها نرمال بودند. نتیجه آزمون بارتلت برای محیط‌ها، همگن بودن واریانس خطاها را نشان داد، از اینرو میتوان تجزیه مرکب را انجام داد. تجزیه واریانس مرکب دادهها نشان داد که اثرات اصلی محیط، ژنوتیپ و برهمکنش ژنوتیپ×محیط بر عملکرد دانه معنی‌دار بود. 70/12 درصد تغییرات مربوط به اثر محیط، 1/24 درصد مربوط به اثر ژنوتیپ و 9/57 درصد تغییرات مربوط به برهمکنش ژنوتیپ×محیط بود. معنی‌دار شدن اثرات متقابل در این مطالعه نشان داد که ژنوتیپ‌ها در محیط‌های متفاوت پاسخ‌های متفاوتی نشان داده و به‌عبارت دیگر اختلاف بین ژنوتیپ‌ها از محیطی به محیطی دیگر یکسان نیست و در این شرایط پایداری عملکرد دانه می‌تواند مورد ارزیابی قرار گیرد. نتایج نشان داد که دو مؤلفهی اول در مجموع 54 درصد از کل تنوع زراعی موجود بین دادهها را توجیه کردند. مؤلفه اصلی اول 29 درصد و مؤلفه اصلی دوم 25 درصد از واریانس موجود بین دادهها را توجیه کردند. بایپلات ژنوتیپ×ژنوتیپ-محیط بهدست آمده در آزمایشات چند محیطی منجر به شناسایی 4 ابر محیط و 5 ژنوتیپ برتر شد. نمودار چندضلعی حاصل، نشان داد که ژنوتیپهای G31،G21 ، G29، G27 و G32 که در رئوس چندضلعی قرار داشتند، ژنوتیپهای برتر بودند. نتایج بایپلات مختصات محیط متوسط در این تحقیق نشان داد که ژنوتیپهای G29، G28 و G16 دارای عملکرد دانه و پایداری عملکرد بالا بودند. بررسی بایپلات همبستگی بین محیط‌ها نشان داد که بردارهای محیطی مناطق اهواز و زابل دارای زاویه نزدیک به 90 درجه بود که نشاندهنده عدم تشابه این دو منطقه است. همچنین نتایج نشان داد که کلیه محیط‌ها دارای قابلیت تمایز بالایی بوده و توانستند تفاوتهای بین ژنوتیپ‌ها را بهخوبی آشکار کنند. بر اساس نتایج حاصله، میتوان محیط زابل را بهعنوان محیط مطلوب جهت انتخاب ژنوتیپهای برتر گندم نان معرفی کرد.
نتیجهگیری کلی: در مجموع با توجه به تغییرات اقلیمی در کشور بهخصوص در مناطق گرم و خشک جنوب کشور، لزوم استفاده از ارقام پایدار با پتاسیل عملکرد بالا همواره مطرح است. این مطالعه بهوضوح و بهراحتی به شناسایی ژنوتیپهای پایدار و برتر بهصورت گرافیکی کمک کرده است. اصلاحگرهای گندم در سراسر جهان ارقام اصلاحی برای مناطق مختلف جغرافیایی و اقلیمی کشاورزی در نظر میگیرند. سازگاری عمومی ارقام برای چندین منطقه در این مطالعه شناسایی شد. در این بررسی، محیط زابل را میتوان بهعنوان محیط مطلوب جهت انتخاب ژنوتیپهای برتر گندم نان معرفی کرد. در نهایت توصیه می‌شود ژنوتیپهای G29، G28 و G16 پس از تکثیر بذر و انتخاب برترین آنها در شرایط مزرعه، وارد آزمایشات تحقیقی و ترویجی گردد و در نهایت وارد فرایند معرفی ارقام جدید گندم نان نمود. همچنین نتایج به‌دست‌آمده در این مطالعه کارایی روش بایپلات ژنوتیپ×ژنوتیپ-محیط را برای انتخاب ارقام پرمحصول و پایدار نشان داد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح براي تنش هاي زنده و غيرزنده محيطي
دریافت: 1402/11/22 | پذیرش: 1403/3/25
دریافت: 1402/11/22 | پذیرش: 1403/3/25
فهرست منابع
1. Abyar, S., Navabpour, S., Karimizadeh, R., Gholizadeh, A., Nasrollahnejad Ghomi, A. A., & Kiani, G. (2023). Graphic analysis of genotype, environment and genotype× environment interaction of seed yield trait in bread wheat (Triticum aestivum L.) under dryland conditions. Environmental Stresses in Crop Sciences, 16(1), 155-168. [In Persian]
2. Adjebeng-Danquah, J., Manu-Aduening, J., Gracen, V. E., Asante, I. K., & Offei, S. K. (2017). AMMI stability analysis and estimation of genetic parameters for growth and yield components in cassava in the forest and Guinea savannah ecologies of Ghana. International journal of agronomy, 2017(1), 8075846. [DOI:10.1155/2017/8075846]
3. Altieri, M. A., Nicholls, C. I., Henao, A., & Lana, M. A. (2015). Agroecology and the design of climate change-resilient farming systems. Agronomy for sustainable development, 35(3), 869-890. [DOI:10.1007/s13593-015-0285-2]
4. Bayissa, T., Mengistu, G., Gerema, G., Balcha, U., Feyisa, H., Kedir, A., Legese, Z., Asegid, D., Leta, T., & Jobe, T. (2023). Genotype× environment interaction of lowland bread wheat varieties for irrigation in different areas of Oromia. Plant‐Environment Interactions, 4(1), 2-10. [DOI:10.1002/pei3.10097]
5. Begna, T. (2020). The role of genotype by environmental interaction in plant breeding. International Journal of Research Studies in Agricultural Sciences, 8(2), 1-12.
6. Bilgrami, S. S., Ramandi, H. D., Shariati, V., Razavi, K., Tavakol, E., Fakheri, B. A., Mahdi Nezhad, N., & Ghaderian, M. (2020). Detection of genomic regions associated with tiller number in Iranian bread wheat under different water regimes using genome-wide association study. Scientific Reports, 10(1), 14034. [DOI:10.1038/s41598-020-69442-9]
7. Bishwas, K., Poudel, M. R., & Regmi, D. (2021). AMMI and GGE biplot analysis of yield of different elite wheat line under terminal heat stress and irrigated environments. Heliyon, 7(6). [DOI:10.1016/j.heliyon.2021.e07206]
8. Bocci, R., Bussi, B., Petitti, M., Franciolini, R., Altavilla, V., Galluzzi, G., Di Luzio, P., Migliorini, P., Spagnolo, S., & Floriddia, R. (2020). Yield, yield stability and farmers' preferences of evolutionary populations of bread wheat: A dynamic solution to climate change. European Journal of Agronomy, 121, 126156. [DOI:10.1016/j.eja.2020.126156]
9. Bosi, S., Negri, L., Fakaros, A., Oliveti, G., Whittaker, A., & Dinelli, G. (2022). GGE biplot analysis to explore the adaption potential of Italian common wheat genotypes. Sustainability, 14(2), 897. [DOI:10.3390/su14020897]
10. Ceccarelli, S., Grando, S., & Booth, R. H. (1996). International breeding programmes and resource-poor farmers: Crop improvement in difficult environments.
11. Crespo-Herrera, L., Crossa, J., Huerta-Espino, J., Vargas, M., Mondal, S., Velu, G., Payne, T., Braun, H., & Singh, R. (2018). Genetic gains for grain yield in CIMMYT's semi‐arid wheat yield trials grown in suboptimal environments. Crop Science, 58(5), 1890-1898. [DOI:10.2135/cropsci2018.01.0017]
12. Ebem, E. C., Afuape, S. O., Chukwu, S. C., & Ubi, B. E. (2021). Genotype× environment interaction and stability analysis for root yield in sweet potato [Ipomoea batatas (L.) Lam]. Frontiers in Agronomy, 3, 665564. [DOI:10.3389/fagro.2021.665564]
13. Gauch Jr, H. G., & Zobel, R. W. (1997). Identifying mega‐environments and targeting genotypes. Crop Science, 37(2), 311-326. [DOI:10.2135/cropsci1997.0011183X003700020002x]
14. Güngör, H., Çakır, M. F., & Dumlupınar, Z. (2022). Evaluation of wheat genotypes: genotype× environment interaction and gge biplot analysis. Turkish Journal of Field Crops, 27(1), 149-157. [DOI:10.17557/tjfc.1081513]
15. Jafari, T., & Farshadfar, E. (2018). Stability analysis of bread wheat genotypes (Triticum aestivum L.) by GGE biplot. Cereal Research, 8(2), 199-208.
16. Jandong, E., Uguru, M., & Oyiga, B. (2011). Determination of yield stability of seven soybean (Glycine max) genotypes across diverse soil pH levels using GGE biplot analysis.
17. Kahiluoto, H., Kaseva, J., Balek, J., Olesen, J. E., Ruiz-Ramos, M., Gobin, A., Kersebaum, K. C., Takáč, J., Ruget, F., & Ferrise, R. (2019). Decline in climate resilience of European wheat. Proceedings of the National Academy of Sciences, 116(1), 123-128. [DOI:10.1073/pnas.1804387115]
18. Karimizadeh, R., Hosseinpour, T., Sharifi, P., Alt Jafarby, J., Shahbazi Homonlo, K., & Keshavarzi, K. (2020). Grain yield stability of durum wheat genotypes in semi-warm rainfed regions. Cereal Research, 10(2), 135-147. [In Persian]
19. Kaya, Y., Akçura, M., & Taner, S. (2006). GGE-biplot analysis of multi-environment yield trials in bread wheat. Turkish journal of agriculture and forestry, 30(5), 325-337.
20. Khare, V., Shukla, R. S., Pandey, S., Singh, S. K., & Singh, C. (2024). Exploring the genotype-environment interaction of bread wheat in ambient and high-temperature planting conditions: a rigorous investigation. Scientific Reports, 14(1), 2402. [DOI:10.1038/s41598-024-53052-w]
21. Lin, C.-S., Binns, M. R., & Lefkovitch, L. P. (1986). Stability analysis: where do we stand? 1. Crop Science, 26(5), 894-900. [DOI:10.2135/cropsci1986.0011183X002600050012x]
22. Melkamu Temesgen, M. T., Sentayehu Alamerew, S. A., Firdissa Eticha, F. E., & Muez Mehari, M. M. (2015). Genotype× environment interaction and yield stability of bread wheat genotypes in South East Ethiopia. World Journal of Agricultural Sciences, 11(3), 121-127.
23. Mohammadi, R., Farshadfar, E., & Amri, A. (2015). Interpreting genotype× environment interactions for grain yield of rainfed durum wheat in Iran. The Crop Journal, 3(6), 526-535. [DOI:10.1016/j.cj.2015.08.003]
24. Saeidnia, F., Taherian, M., & Nazeri, S. M. (2023). Graphical analysis of multi-environmental trials for wheat grain yield based on GGE-biplot analysis under diverse sowing dates. BMC Plant Biology, 23(1), 198. [DOI:10.1186/s12870-023-04197-9]
25. Saleem, R., Ashraf, M., Khalil, I., Anees, M., Javed, H., & Saleem, A. (2016). GGE Bi-plot Analysis: Windows Based Graphical Analysis of Yield Stability and Adaptability of Millet Cultivars Across Pakistan. Academia Journal of Biotechnology, 4, 186-193.
26. Segherloo, A. E., Sabaghpour, S., Dehghani, H., & Kamrani, M. (2010). Screening of superior chickpea genotypes for various environments of Iran using genotype plus genotype? environment (GGE) biplot analysis. Journal of Plant Breeding and Crop Science.
27. Setimela, P., Vivek, B., Bänziger, M., Crossa, J., & Maideni, F. (2007). Evaluation of early to medium maturing open pollinated maize varieties in SADC region using GGE biplot based on the SREG model. Field Crops Research, 103(3), 161-169. [DOI:10.1016/j.fcr.2007.05.010]
28. Shiri, M. R., & Bahrampour, T. (2015). Genotype× environment interaction analysis using GGE biplot in grain maize (Zea mays L.) hybrids under different irrigation conditions. Cereal Research, 5(1), 83-94. [In Persian]
29. Semakula, G., & Dixon, A. (2007). Genotype X environment interaction, stability and agronomic performance of carotenoid-rich cassava clones. Scientific Research and Essays.
30. Tadesse, T., Tekalign, A., Sefera, G., & Muligeta, B. (2017). AMMI model for yield stability analysis of linseed genotypes for the highlands of Bale, Ethiopia. Plant, 5(6), 93-98. [DOI:10.11648/j.plant.20170506.12]
31. Tanin, M. J., Sharma, A., Saini, D. K., Singh, S., Kashyap, L., Srivastava, P., Mavi, G., Kaur, S., Kumar, V., & Kumar, V. (2022). Ascertaining yield and grain protein content stability in wheat genotypes having the Gpc-B1 gene using univariate, multivariate, and correlation analysis. Frontiers in Genetics, 13, 1001904. [DOI:10.3389/fgene.2022.1001904]
32. Teodoro, P., Almeida Filho, J., Daher, R., de Menezes, C., Cardoso, M., Godinho, V., Torres, F., & Tardin, F. (2016). Identification of sorghum hybrids with high phenotypic stability using GGE biplot methodology. [DOI:10.4238/gmr.15027914]
33. Vaezi, B., Pour-Aboughadareh, A., Mohammadi, R., Armion, M., Mehraban, A., Hossein-Pour, T., & Dorii, M. (2017). GGE biplot and AMMI analysis of barley yield performance in Iran. Cereal Research Communications, 45(3), 500-511. [DOI:10.1556/0806.45.2017.019]
34. Yan, W. (2001). GGEbiplot-A Windows application for graphical analysis of multienvironment trial data and other types of two‐way data. Agronomy journal, 93(5), 1111-1118. [DOI:10.2134/agronj2001.9351111x]
35. Yan, W., & Kang, M. S. (2002). GGE biplot analysis: A graphical tool for breeders, geneticists, and agronomists. CRC press. [DOI:10.1201/9781420040371]
36. Yan, W., & Rajcan, I. (2002). Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42(1), 11-20. [DOI:10.2135/cropsci2002.1100]
37. Yan, W., Hunt, L. A., Sheng, Q., & Szlavnics, Z. (2000). Cultivar evaluation and mega‐environment investigation based on the GGE biplot. Crop Science, 40(3), 597-605. [DOI:10.2135/cropsci2000.403597x]
38. Yan, W., Kang, M. S., Ma, B., Woods, S., & Cornelius, P. L. (2007). GGE biplot vs. AMMI analysis of genotype‐by‐environment data. Crop Science, 47(2), 643-653. [DOI:10.2135/cropsci2006.06.0374]
39. Ye, X., Li, J., Cheng, Y., Yao, F., Long, L., Wang, Y., Wu, Y., Li, J., Wang, J., & Jiang, Q. (2019). Genome-wide association study reveals new loci for yield-related traits in Sichuan wheat germplasm under stripe rust stress. BMC genomics, 20(1), 1-17. [DOI:10.1186/s12864-019-6005-6]
40. Zhang, P. P., Hui, S., Ke, X. W., Jin, X. J., Yin, L. H., Yang, L., ... & Feng, B. L. (2016). GGE biplot analysis of yield stability and test location representativeness in proso millet (Panicum miliaceum L.) genotypes. Journal of Integrative Agriculture, 15(6), 1218-1227. [DOI:10.1016/S2095-3119(15)61157-1]
41. Zobel, R. W., Wright, M. J., & Gauch Jr, H. G. (1988). Statistical analysis of a yield trial. Agronomy journal, 80(3), 388-393. [DOI:10.2134/agronj1988.00021962008000030002x]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |