دوره 9، شماره 23 - ( پاییز 1396 )
جلد 9 شماره 23 صفحات 26-18 |
برگشت به فهرست نسخه ها
دانشکده کشاورزی و منابع طبیعی دانشگاه گنبد کاووس
چکیده: (3946 مشاهده)
ارزیابی ارقام و لاینهای سویا تحت تنش خشکی به بهنژادگران در شناسایی ژنوتیپهای با عملکرد بالا و پایدار کمک
میکند. در این راستا آزمایشی در قالب طرح بلوکهای کامل تصادفی با سه تکرار در شرایط نرمال و تنش خشکی در دو مکان رشت و گنبد (در چهار محیط) طرحریزی شد. نتایج تجزیه مرکب عملکرد دانه در بوته نشان داد که اثر تنش، مکان، ژنوتیپ، اثر متقابل تنش در مکان، ژنوتیپ در تنش، ژنوتیپ در مکان و ژنوتیپ در تنش در مکان معنیدار است. در این مطالعه از روش GGE بایپلات برای بررسی 121 رقم و لاینهای پیشرفته سویا در چهار محیط استفاده شد. نتایج حاصل از روش بایپلات نشان داد که مؤلفه اول 66 و مؤلفه دوم 22 درصد (در مجموع 88 درصد) از کل تغییرات را توجیه نمودند که نشاندهنده اعتبار نسبتاً خوب بایپلات در توجیه تغییرات G+GE است. نتایج روش گرافیکی نشان داد که محیطهای گنبد (تنش و نرمال) نسبت به محیطهای رشت (تنش و نرمال) در رتبه بندی و تعیین سازگاری کاملاً متفاوت بودند. در بررسی بایپلات چندضلعی مشاهده شد که در RD (مکان رشت تحت تنش خشکی)، GN (مکان گنبد نرمال) و GD (مکان گنبد تحت تنش خشکی) ژنوتیپ 37 و 34 بیشترین عملکرد را داشتند و علاوهبراین میتوان این سه محیط را بهعنوان یک محیط کلان (Mega-Environment) در نظر گرفت. تعدادی از ژنوتیپها در موقعیتی قرار گرفتند که هیچ محیطی درآنجا قرار نداشت. این ژنوتیپها در اکثر محیطها دارای عملکرد پایین بودند. در نمودار رتبه پایداری ژنوتیپهای 8، 9، 49، 63، 42، 86، 39و 46 دارای عملکرد متوسط و سازگاری بالایی داشتند که دارای ترکیب مناسبی از پایداری (سازگاری) و عملکرد بودند.
میکند. در این راستا آزمایشی در قالب طرح بلوکهای کامل تصادفی با سه تکرار در شرایط نرمال و تنش خشکی در دو مکان رشت و گنبد (در چهار محیط) طرحریزی شد. نتایج تجزیه مرکب عملکرد دانه در بوته نشان داد که اثر تنش، مکان، ژنوتیپ، اثر متقابل تنش در مکان، ژنوتیپ در تنش، ژنوتیپ در مکان و ژنوتیپ در تنش در مکان معنیدار است. در این مطالعه از روش GGE بایپلات برای بررسی 121 رقم و لاینهای پیشرفته سویا در چهار محیط استفاده شد. نتایج حاصل از روش بایپلات نشان داد که مؤلفه اول 66 و مؤلفه دوم 22 درصد (در مجموع 88 درصد) از کل تغییرات را توجیه نمودند که نشاندهنده اعتبار نسبتاً خوب بایپلات در توجیه تغییرات G+GE است. نتایج روش گرافیکی نشان داد که محیطهای گنبد (تنش و نرمال) نسبت به محیطهای رشت (تنش و نرمال) در رتبه بندی و تعیین سازگاری کاملاً متفاوت بودند. در بررسی بایپلات چندضلعی مشاهده شد که در RD (مکان رشت تحت تنش خشکی)، GN (مکان گنبد نرمال) و GD (مکان گنبد تحت تنش خشکی) ژنوتیپ 37 و 34 بیشترین عملکرد را داشتند و علاوهبراین میتوان این سه محیط را بهعنوان یک محیط کلان (Mega-Environment) در نظر گرفت. تعدادی از ژنوتیپها در موقعیتی قرار گرفتند که هیچ محیطی درآنجا قرار نداشت. این ژنوتیپها در اکثر محیطها دارای عملکرد پایین بودند. در نمودار رتبه پایداری ژنوتیپهای 8، 9، 49، 63، 42، 86، 39و 46 دارای عملکرد متوسط و سازگاری بالایی داشتند که دارای ترکیب مناسبی از پایداری (سازگاری) و عملکرد بودند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح نباتات، بیومتری
دریافت: 1396/9/28 | ویرایش نهایی: 1398/1/25 | پذیرش: 1396/9/28 | انتشار: 1396/9/28
دریافت: 1396/9/28 | ویرایش نهایی: 1398/1/25 | پذیرش: 1396/9/28 | انتشار: 1396/9/28
فهرست منابع
1. Alizadeh, A. 2011. Soil, Water, Plant Relationship. Ferdowsi University of Mashhad Iran, 722 pp (In Persian).
2. Arzani, A. 2011. Breeding Field Crops - Fourth Edition. Isfahan University of Technology Publication Center, 627 pp.
3. Blanche, S.B. and G.O. Myers. 2006. Identifying discriminating locations for cultivar selection in Louisiana. Crop Science, 46: 946-949. [DOI:10.2135/cropsci2005.0279]
4. Changizi, M., R. Choukan, E. Majidi Heravan, M.R. Bihamta and F. Darvish. 2014. Evaluation of genotype×environment interaction and stability of corn hybrids and relationship among univariate parametric methods. Canadian Journal of Plant Science, 94: 1255-1267. [DOI:10.4141/cjps2013-386]
5. Choukan, R. 2011. Genotype, environment and genotype×environment interaction effects on the performance of maize (Zea mays L.) inbred lines. Crop Breeding Journal, 1: 97-103.
6. Cooper, M. and I.H. DeLacy. 1994. Relationships among analytical methods used to study genotypic variation and genotype-by-environment interaction in plant breeding multi-environment experiments. Theoretical and Applied Genetics, 88: 561-572. [DOI:10.1007/BF01240919]
7. 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]
8. Dimitrios, B., G. Christos, R. Jesus and B. Eva. 2008. Separation of cotton cultivar testing sites based on representativeness and discriminating ability using GGE biplots. Agronomy Journal,100: 1230-1236. [DOI:10.2134/agronj2007.0363]
9. Fallconer, D.S. 1981. Introduction to Quantitative Genetics. 2nd ed. Longman Press. London, UK. 384 pp.
10. Fan, X.M., M.S. Kang, H. Chen, Y. Zhang, J. Tan and C. Xu. 2007. Yield stability of maize hybrids evaluated in multi-environment trials in Yunnan, China. Agronomy Journal, 99: 220-228. [DOI:10.2134/agronj2006.0144]
11. FAO. 2014. Food Agriculture Organization statistics on line. ttp://faostat.fao.org/site/567/DesktopDefault.aspx?PageID=567#ancor
12. Gabriel, K.R. 1971. The biplot graphic display of matrices with application to principal component analysis. Biometrika, 58: 453-467. [DOI:10.1093/biomet/58.3.453]
13. Jandong, E.A., M.I. Uguru and B.C. Oyiga. 2011. Determination of yield stability of soybean genotypes across diverse soil pH levels. Journal of Applied Biosciences, 43: 2924-2941.
14. Kempton, R.A. 1984. The use of bi-plots in interpreting variety-by-environment interactions. Journal of Agricultural Science, Cambridge, 103: 123-135 [DOI:10.1017/S0021859600043392]
15. Khajepoor, M.R. 1992. Principles of Agronomy. Isfahan University of Technology Publication, 412 pp (In Persian).
16. Koocheki, A.R., B. Sorkhilaleloo and M.R. Eslamzadeh Hesari. 2012. Yield stability of barley elite genotypes in cold regions of Iran using GGE biplot. Seed and Plant Improvement Journal, 28: 533-543 (In Persian).
17. Latifi, N. 1996. Soybean farming. Mashad jahad daneshgahi publication, 11 pp.
18. Manavalan, L.P., S.K. Guttikonda, L.S.P. Tran and H.T. Nguyen. 2009. Physiological and molecular approaches to improve drought resistance in soybean. Plant and Cell Physiology, 50: 1260-1276. [DOI:10.1093/pcp/pcp082]
19. Meseka, S.K., A. Menkir and A.E.S. Ibrahim. 2008. Yield potential and yield stability of maize hybrids selected for drought tolerance. Journal of Applied Biosciences, 3: 82-90.
20. Moghaddam, M., P. Safari and S.F. Danyali. 2012. GGE Biplot Analysis: A graphical Tool for Breeders, Geneticists and Agronomists. First Edition. Parivar publication, 375 pp.
21. Mohammadi, R., M. Armion, E. Zadhasan, M.M. Ahmadi and D. Sadeghzadeh Ahari. 2012. Genotype×nvironment interaction for grain yield of rainfed durum wheat using the GGE bipot model. Seed and Plant Improvement Journal, 28: 503-518 (In Persian).
22. Mohammadi, R., R. Haghparast, A. Amri and S. Ceccarelli. 2010. Yield stability of rainfed durum wheat and GGE biplot analysis of multi-environment trials. Crop and Pasture Science, 61: 92-101. [DOI:10.1071/CP09151]
23. Mortazavian, S.M.M., H.R. Nikkhah, F.A. Hassani, M. Sharif-al-Hosseini, M. Taheri and M. Mahlooji. 2014. GGE-biplot and AMMI analysis of yield performance of barley genotypes across different environments in Iran. Journal of Agricultral Science and Technology, 16:609-622.
24. Perkins, J.M. and J.L. Jinks. 1971. Environmental and genotype environment components of variability. III. Multiple line and crosses. Heredity, 23: 339-356. [DOI:10.1038/hdy.1968.48]
25. Pourdad, S.S. and J.M. Moghaddam. 2013. Study on Genotype×Environment Interaction Through GGE Biplot for Seed Yield in Spring Rapeseed (Brassica Napus L.) in Rain-Fed Condition. Journal of Crop Breeding, 5: 1-14.
26. Shiri, M., M. Valizadeh, E. Magjidi, 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).
27. Yan, W. 1999. A study on the methodology of cultivar evaluation based on yield trial data- with special reference to winter wheat in Ontario. PhD Thesis, university of Guelph, Guelph, Ontario, Canada.120 pp
28. Yan, W., P.L. Cornelius, J. Crossa and L.A. Hunt. 2001. Two types of GGE biplots for analyzing multi-environment trial data. Crop Science, 41: 656-663. [DOI:10.2135/cropsci2001.413656x]
29. Yan, W. and L.A. Hunt. 2002. Biplot analysis of diallel data. Crop Science, 42: 21-30 [DOI:10.2135/cropsci2002.0021]
30. Yan, W., L.A. Hunt, Q. Sheny and Z. Szlavnics. 2000. Cultivar evaluation and mega-environment nvestigation based on the GGE biplot. Crop Science, 40: 597-605. [DOI:10.2135/cropsci2000.403597x]
31. Yan, W. and M.S. Kang. 2003. GGE biplot analysis: A graphical tool for breeders, geneticists and agronomists.CRC Press, Boca Raton, 605 pp [DOI:10.1201/9781420040371]
32. 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]
33. Yan, W. and N.A. Tinker. 2005. An integrated biplot analysis system for displaying, interpreting and exploring genotype × environment interaction. Crop Science, 45: 1004-1016. [DOI:10.2135/cropsci2004.0076]
34. Zare, M., H. Zeinali Khaneghah and J. Daneshian. 2004. An evaluation of tolerance of some soybean genotypes to drought stress. Iranian Journal Agronomy Plant Science, 35: 859-867 (In Persian).
35. Zobel, R.W., M.J. Wright and H.G. Gauch. 1988. Statistical analysis of a yield trial. Agronomy Journal, 80: 388-393. [DOI:10.2134/agronj1988.00021962008000030002x]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |