Journal of Crop Breeding

fa ارزیابی عملکرد و پایداری عملکرد ژنوتیپ های سویا تحت شرایط آلوده به بیماری پوسیدگی ذغالی با استفاده از روش GGE بای پلات Evaluation of Soybean Genotypes Yield and Yield Stability Under Charcoal Rot Disease Conditions using GGE Biplot Method اصلاح براي تنش هاي زنده و غيرزنده محيطي Special پژوهشي Research <div style="text-align: justify;">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.  </div> <div style="text-align: justify;">Extended Abstract Introduction and Objective: The most important goal in all crop breeding programs is to increase yield, and yield improvement requires the use of efficient statistical methods to identify superior genotypes. In determining the superiority of genotype, in addition to high yield, yield stability in different environments must also be considered.Biplot analyses are good tools for selecting superior genotypes and to increase efficiency in selection. Material and Methods: In the present study GGE biplot method was used for assessment yield and yield stability of 130 genotypes of soybean under two environmental conditions, natural conditions and disease stress (artificial induction of charcoal rot disease), were evaluated in a simple lattice design with two replications at Seed and Plant Improvement Research Institute (SPII), Karaj, Alborz province, Iran, during 2014 and 2015 (four environments). Results: The results of combined analysis of grain yield/plant revealed that effects of location, genotype and interaction of genotype × location were significant. The results of stability analysis using GGE-biplot method revealed that the first (Genotype) and second (genotype × environment interaction) components explained 70% and 14%, respectively, and the both components 84% of the total variation, which indicates a good validity of the biplot in explaining the variations of genotypes and genotype × environment interaction (G + GE). Polygonal biplot showed that the genotype 66 had the highest grain yield in environment E2 (disease conditions in 2014) and E4 (disease conditions in 2015), however, the genotypes 1, 3, 5, 43, 63, 66, 75, 76, 77 and 89 had a good combination of stability and yield. Conclusion: Some of these genotypes such as genotype 66 did not show any signs of charcoal rot in both experimental years, they also had a good grain yield. </div>   اثر متقابل ژنوتیپ در محیط, ژنوتیپ, GGE-بای‌پلات, Macrophomina phaseolina Genotype, Genotype × Environment interaction, GGE biplot, Macrophomina phaseolina 234 242 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-1075-2&slc_lang=fa&sid=1 ali ghorbanipour علی قربانی پور ghorbanipur.ali@gmail.com 100319475328460021264 100319475328460021264 Yes Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran گروه زراعت و اصلاح نباتات، دانشکده کشاورزی دانشگاه گیلان، رشت، ایران babak rabiei بابک ربیعی babak_rabieii@yahoo.com 100319475328460021265 100319475328460021265 No Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran گروه زراعت و اصلاح نباتات، دانشکده کشاورزی دانشگاه گیلان، رشت، ایران siamak rahmanpour سیامک رحمانپور sirahmanpour@gmail.com 100319475328460021266 100319475328460021266 No Department of oilseed plants, Seed and Plant Improvement Institute (SPII), Karaj, Iran بخش دانه های روغنی، موسسه تحقیقات اصلاح و تهیه نهال و بذر کرج، ایران seyed akbar khodaparast سید اکبر خداپرست khodaparast@guilan.ac.ir 100319475328460021267 100319475328460021267 No Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran گروه گیاهپزشکی، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایران