دوره 11، شماره 29 - ( بهار 1398 )                   جلد 11 شماره 29 صفحات 104-116 | برگشت به فهرست نسخه ها

DOI: 10.29252/jcb.11.29.104


XML English Abstract Print


دانشگاه آزاد اسلامی
چکیده:   (351 مشاهده)

روش ­های تجزیه تشخیص کانونیکی (CDA) در ترکیب با روش تجزیه خوشه­ ای و تجزیه بای پلات ژنوتیپ × صفت (GT) برای بررسی واکنش به تنش کم آبی 9 رقم گندم برخوردار از درجات مختلف تحمل به تنش به همراه 36 هیبرید F1 حاصل از تلاقی دی الل جزئی بین آنها، با استفاده از شاخص ­های تحمل به تنش، در دو شرایط آبیاری و قطع آبیاری در زمان گرده­ افشانی مورد استفاده قرار گرفتند. تجزیه خوشه­ ای ژنوتیپ­ ها را به سه گروه تفکیک کرد و از نتایج آن به عنوان متغیر طبقه ­بندی برای انجام تجزیه تشخیص کانونیکی استفاده شد. اولین متغیر کانونیکی تحت تاثیر ضرایب زیاد برای شاخص تحمل به تنش (STI)، میانگین هارمونیک عملکرد (HM)، میانگین حسابی عملکرد (MP)، میانگین هندسی عملکرد (GMP)، عملکرد در شرایط نرمال (Yp) و عملکرد در شرایط تنش (Ys) بود. ضرایب کانونیکی شاخص ­های حساسیت به تنش (SSI) و شاخص تحمل (TOL) در دومین متغیر کانونیکی قابل توجه بودند. بنابراین متغیر کانونیکی اول، ژنوتیپ­ ها را بر اساس پتانسیل عملکرد و تحمل به تنش و دومین متغیر کانونیکی ژنوتیپ­ های متحمل به تنش را از حساس متمایز کرد. نمودار پراکنش دو متغیر کانونیکی معنی­ دار، سه گروه را متمایز کرد و تمام جفت فواصل ماهالانوبیس میان گروه ­ها معنی­ دار بودند. ژنوتیپ­ های گروه 1 عملکرد بالایی در محیط­ های تنش و غیر تنش دارا بودند و ژنوتیپ­ های گروه 3 تحمل به تنش بیشتر و حساسیت کمتری به تنش داشتند. برای شناسایی ژنوتیپ­ های متحمل و پر محصول در هر دو شرایط تنش و غیر تنش از تجزیه بای پلات GT بر اساس ترکیب دو شاخص STI و SSI استفاده شد و ژنوتیپ­ های برتر (قدس، بم، روشن، مغان و ...) که همزمان از پتانسیل عملکرد و تحمل به تنش بیشتری برخوردار هستند، معرفی شدند.
 

متن کامل [PDF 1672 kb]   (112 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح براي تنش هاي زنده و غيرزنده محيطي
دریافت: ۱۳۹۶/۳/۷ | ویرایش نهایی: ۱۳۹۸/۲/۲۴ | پذیرش: ۱۳۹۷/۵/۱۶ | انتشار: ۱۳۹۸/۲/۱۸

فهرست منابع
1. Abdi, H. and M.T. Mazandarani. 2016. Study of drought tolerance in bread wheat cultivars using biplot. International Journal of Life-Sciences Scientific Research, 2(6): 651-657. [DOI:10.21276/ijlssr.2016.2.6.2]
2. Abdolshahi, R., M. Nazari, A. Safarian, T.S. Sadathossini, M. Salarpour and H. Amiri. 2015. Integrated selection criteria for drought tolerance in wheat (Triticumaestivum L.) breeding programs using discriminant analysis. Field Crops Research, 174: 20-29. [DOI:10.1016/j.fcr.2015.01.009]
3. Clarke, J.M., R.M. DePauw and T.F. Townley-Smith. 1992. Evaluation of methods for quantification of drought tolerance in wheat. Crop Science, 32(3): 723-728. [DOI:10.2135/cropsci1992.0011183X003200030029x]
4. Cruz-Castillo, J.G., S. Ganeshanandam, B.R. MacKay, G.S. Lawes, C.R.O. Lawoko and D.J. Woolley. 1994. Applications of canonical discriminant analysis in horticultural research. Horticultural Science, 29(10): 1115-1119. [DOI:10.21273/HORTSCI.29.10.1115]
5. Dillon, W.R. and M. Goldstein. 1984. Multivariate analysis: methods and applications. John Wiley and Sons, New York
6. Farshadfar, E., B. Jamshidi and M. Aghaee. 2012. Biplot analysis of drought tolerance indicators in bread wheat landraces of Iran. International Journal of Agriculture and Crop Sciences, 4(5): 226-233.
7. Fernandez, G.C. 1992. Effective selection criteria for assessing plant stress tolerance. In: Proceedings of the International Symposium on Adaptation of Vegetables and other Food Crops in Temperature and Water Stress, pp: 257-270.
8. Fischer, R.A. and R. Maurer. 1978. Drought resistance in spring wheat cultivars. I. Grain yield responses. Crop and Pasture Science, 29(5): 897-912. [DOI:10.1071/AR9780897]
9. Gomez, K.A. and A.A. Gomez. 1984. Statistical procedures for agricultural research. John Wiley & Sons.
10. Henshaw, F.O., K.H. McWatters, J.O. Akingbala and Y.C. Hung. 2002. Functional characterization of flour of selected cowpea (Vignaunguiculata) varieties: canonical discriminant analysis. Food Chemistry, 79(3): 381-386. [DOI:10.1016/S0308-8146(02)00190-5]
11. Hossain, A.B.S., R.G. Sears, T.S. Cox and G.M. Paulsen. 1990. Desiccation tolerance and its relationship to assimilate partitioning in winter wheat. Crop Science, 30(3): 622-627. [DOI:10.2135/cropsci1990.0011183X003000030030x]
12. Loos, B.P. 1993. Morphological variation in Lolium (poacea) as a measure of species relationships. The genus Lolium; taxonomy and genetic resources. Plant Systematics and Evolution, (2): 23-35.
13. Mohammadnia, S., A. Asghari, O. Sofalian, H. MohammaddoustChamanabad, R. Karimizadeh and A.K. Shokouhian. 2016. Evaluation of durum wheat lines using drought stress indices. Journal of Crop Breeding, 8(20): 11-23.
14. Nezhadahmadi, A., Z.H. Prodhan and G. Faruq. 2013. Drought tolerance in wheat. The Scientific World Journal, 2013: 1-12. [DOI:10.1155/2013/610721]
15. Ramirez-Vallejo, P. and J.D. Kelly. 1998. Traits related to drought resistance in common bean. Euphytica, 99(2): 127-136. [DOI:10.1023/A:1018353200015]
16. Rao, C.R. 2009. Linear statistical inference and its applications (Vol. 22). John Wiley & Sons.
17. Rascio, A., E. Carlino, G. Santis and N. Fonzo. 2012. A discriminant analysis to categorize durum wheat varieties in drought-tolerance classes on the basis of rheological and physiological traits. Cereal Research Communications, 41(1): 88-96. [DOI:10.1556/CRC.2012.0016]
18. Riggs, T.J. 1973. The use of canonical analysis for selection within a population of spring barley. Annals of Applied Biology, 74(2): 249-258. [DOI:10.1111/j.1744-7348.1973.tb07745.x]
19. Rosielle, A.A. and J. Hamblin. 1981. Theoretical aspects of selection for yield in stress and non-stress environment. Crop science, 21(6): 943-946. [DOI:10.2135/cropsci1981.0011183X002100060033x]
20. SAS Institute. 2002. SAS user's guide: Statistics version 9 for windows. SAS Institute. Carry, NC.
21. Sayyah, S.S., M. Ghobadi, S. Mansoorifar and A.R. Zebarjadi. 2012. Evaluation of drought tolerant in some wheat genotypes to post-anthesis drought stress. Journal of Agricultural Science, 4(11): 248-256. [DOI:10.5539/jas.v4n11p248]
22. Schneider, K.A., R. Rosales-Serna, F. Ibarra-Perez, B. Cazares-Enriquez, J.A. Acosta-Gallegos, P. Ramirez-Vallejo, N. Wassimi and J.D. Kelly. 1997. Improving common bean performance under drought stress. Crop Science, 37(1): 43-50. [DOI:10.2135/cropsci1997.0011183X003700010007x]
23. SPSS. 2007. The SPSS system for Windows. Release 16.0. SPSS Inc., an IBM Company Headquarters, USA.
24. Vaylay, R. and E. van Santen. 2002. Application of canonical discriminant analysis for the assessment of genetic variation in tall fescue. Crop Science, 42(2): 534-539. [DOI:10.2135/cropsci2002.5340]
25. Winter, S.R., J.T. Musick and K.B. Porter. 1988. Evaluation of screening techniques for breeding drought-resistanct winter wheat. Crop science, 28(3): 512-516. [DOI:10.2135/cropsci1988.0011183X002800030018x]
26. Yan, W. 2014. Crop variety trials: data management and analysis. Wiley-Blackwell. [DOI:10.1002/9781118688571]
27. Yan, W. and M.S. Kang. 2003. GGE biplot analysis: A graphical tool for geneticists, breeders, and agronomists. CRC Press. Boca Raton, FL. [DOI:10.1201/9781420040371]
28. Yan, W. and I. Rajcan. 2002. Biplot analysis of test sites and trait relations of soybean in Ontario.Crop Science, 42(1): 11-20. [DOI:10.2135/cropsci2002.1100]
29. Yeater, K.M., G.A. Bollero, D.G. Bullock, A.L. Rayburn and S. Rodriguez-Zas. 2004. Assessment of genetic variation in hairy vetch using canonical discriminant analysis. Crop Science, 44(1): 185-189. [DOI:10.2135/cropsci2004.1850]
30. Zangi, M.R. 2005. Correlation between drought resistance indices and cotton yield in stress and non-stress conditions. Asian Journal of Plant Science, 4: 106-108. [DOI:10.3923/ajps.2005.106.108]