Journal of Crop Breeding

fa بررسی پایداری عملکرد دانه لاین‌های امیدبخش جو (.Hordeum vulgare L) در مناطق مشهد و نیشابور Investigating the Grain Yield Stability of Barley Promising Lines (Hordeum vulgare L.) in Mashhad and Neishabour Regions اصلاح نباتات، بیومتری اصلاح نباتات، بیومتری پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: جو بعد از گندم از لحاظ سطح زیر کشت در ایران مقام دوم را دارد و طبق آخرین آمار سطح زیر کشت آن در کشور 1/685 میلیون هکتار گزارش شده است که از این سطح مقدار تولید دانه 3/177 میلیون تن بوده است. استان خراسان رضوی با تولید 415736 تن در هکتار رتبه اول تولید جو در کشور را دارد. با توجه به کم‌توقعی جو نسبت به شرایط آبی و خاک، این محصول می‌تواند جایگاه بهتری در اکثر اراضی فقیر، کم باران، شور و کم آب کشور داشته باشد. شناسایی ژنوتیپ‌های برتر در برنامه‌های به‌نژادی همواره به&lrm; دلیل تغییرات محیطی در مناطق هدف و اثر متقابل این تغییرات با ژنوتیپ‌های مورد بررسی مشکل است. در گیاه جو نیز همانند سایر محصولات عدم پایداری عملکرد می&lrm; تواند به‌عنوان یکی از عوامل ایجاد فاصله بین عملکرد واقعی و عملکرد بالقوه شناخته شود. بنابر این، به‌منظور اطمینان از تولید محصول و پایداری عملکرد در برنامه‌های به‌نژادی، لاین‌های پیشرفته باید در محیط‌های با شرایط آب و هوایی مختلف و در سال‌های متفاوت ارزیابی شوند. مدل‌های آماری زیادی برای تجزیه اثر متقابل ژنوتیپ × محیط پیشنهاد شده‌اند. این مدل‌ها از ناپارامتری تا پارامتری تک&lrm; متغیره و چندمتغیره متفاوت هستند. استفاده از روش مبتنی بر رگرسیون، در زمره اولین روش‌های مورد استفاده است. از میان روش‌های چندمتغیره می‌توان به روش بای‌پلات که مبتنی بر تجزیه به مولفه‌های اصلی است، اشاره نمود. روش GGE‌ بای‌پلات این امکان را فراهم می‌کند که دو اثر ژنوتیپ و ژنوتیپ × محیط هم‌زمان و به‌صورت ترسیمی مورد بررسی قرار گیرند. هدف از این پژوهش، گزینش بهترین ژنوتیپ‌های جو بر اساس عملکرد دانه و پایداری آن در مناطق معتدل استان خراسان رضوی بود. مواد و روش‌ها: به‌منظور شناسایی ژنوتیپ‌های مطلوب جو، 19 لاین امیدبخش به همراه رقم  به رخ در قالب طرح بلوک‌های کـامل تصادفی در سه تکرار در دو ایستگاه تحقیقاتی نیشابور و مشهد طی دو سال زراعی 98-1397 و 99-1398 کشت و مورد مطالعه قرار گرفتند. از تجزیه GGE (ژنوتیپ و ژنوتیپ×محیط) بای‌پلات، نمودارهای ضریب تغییرات محیطی بر مبنای میانگین عملکرد و ضریب رگرسیون بر مبنای انحراف از خط رگرسیون جهت بررسی اهداف این پژوهش استفاده شد. به‌منظور رسم نمودارهای GGE بای‌پلات، ضریب تغییرات و پارامترهای ابرهارت و راسل و تجزیه واریانس مرکب داده‌ها از نرم‌افزارهای ADEL-R و GEA-R استفاده شد. یافته‌ها: تجزیه واریانس مرکب داده‌ها نشان داد که اثر اصلی محیط، ژنوتیپ و اثر متقابل ژنوتیپ × محیط از نظر آماری معنی‌دار بودند. تفکیک سهم اثرات مختلف نشان داد که حدود 51/02 درصد از کل تغییرات مربوط به اثر محیط، 5/24 درصد مربوط به اثر ژنوتیپ و 19/41 درصد مربوط به اثر متقابل ژنوتیپ × محیط بودند. میانگین عملکرد دانه لاین‌های جو در سال&lrm; ها و مکان &lrm;های مورد بررسی، در دامنه‌ای بین 5/838 تا 6/651 تن در هکتار و میانگین کل عملکرد دانه برای مکان‌های اجرای آزمایش 6/271 تن در هکتار بودند. بر اساس نمودار ضریب تغییرات محیطی بر مبنای میانگین عملکرد، سه لاین G11، G9 و G19 جزء ژنوتیپ‌های پایدار با عملکرد بالاتر از متوسط انتخاب شدند. نمودار ضریب رگرسیون و ضریب انحراف از رگرسیون ابرهارت و راسل نشان داد که ژنوتیپ G2 با عملکرد کمتر از متوسط، ژنوتیپی پایدار و G8 به عنوان پرمحصول‌ترین لاین،‌ ژنوتیپی با سازگاری بالا بود. ژنوتیپ G2 که دارای ضریب رگرسیون پایین بود برای زمین‌های غیر حاصل خیز مناسب تشخیص داده شد. جهت بررسی هم‌زمان پایداری و عملکرد لاین‌ها از نمودار مختصات محیط متوسط استفاده شد. بر این اساس، ژنوتیپ‌ G8 ژنوتیپ‌‌ برتر (با عملکرد و پایداری مطلوب) بود و ژنوتیپ‌های G20، G6، G11 و G19 نیز از عملکرد و پایداری عملکرد مناسبی برخوردار بودند. بر اساس بای‌پلات "قابلیت تفکیک بین ژنوتیپ‌ها در مقابل نماینده بودن آن‌ها"، بین محیط‌های دو سال مشهد (گروه محیطی اول) و نیز بین محیط‌های دو سال نیشابور (گروه محیطی دوم) تشابه زیادی وجود داشت. زاویه بین این دو گروه محیطی بیشتر از 90 درجه بود که نشان‌دهنده رفتار متفاوت این محیط‌ها در رتبه‌بندی ژنوتیپ‌ها بود. در میان محیط‌های مورد بررسی، محیط مشهد در سال 1397 به شرایط محیط‌ ایده‌آل نزدیک بود. نتایج بای‌پلات ژنوتیپ ایده‌آل، ژنوتیپ G8 را به‌عنوان ژنوتیپ ایده‌آل معرفی کرد و نزدیک‌ترین ژنوتیپ‌ها به آن، ژنوتیپ‌های G20 و G19 بودند. در مجموع، لاین‌های امیدبخش مذکور نسبت به سایر ژنوتیپ‌ها از برآیند عملکرد بالا وپایداری و سازگاری عمومی خوب در محیط‌های مورد بررسی برخوردار بودند. روش GGE بای‌پلات بر مبنای سازگاری و پایداری زراعی استوار است و لذا ژنوتیپ‌هایی که از این طریق گزینش می‌شوند، علاوه بر پایداری و سازگاری، دارای عملکرد بالایی نیز هستند. به این ترتیب، روش گرافیکی GGE بای‌پلات، روش مناسبی برای گزینش هم‌زمان عملکرد و پایداری در ژنوتیپ‌های مورد ارزیابی است.  نتیجه‌گیری: بر اساس نتایج حاصل از این پژوهش، لاین‌های G8، G20 و G19 از عملکرد دانه بالا و پایداری و سازگاری عمومی خوب در نواحی معتدل و معتدل سرد استان خراسان رضوی برخوردار بودند. لذا می‌توان لاین یا لاین‌های امیدبخشی را که پس از بررسی در آزمایش‌های تحقیقی ترویجی در مزارع کشاورزان مناطق معتدل عملکرد بالا و خصوصیات مطلوب خود را در مقایسه با ارقام شاهد حفظ کنند، به‌عنوان کاندید برای نام‌گذاری و معرفی گزینش نمود.  </div> <div style="text-align: justify;">Extended Abstract Background: After wheat, barley is the main crop in Iran and, according to the latest statistics from the Ministry of Agriculture (2023), the area under cultivation in Iran was reported to be 1.685 million hectares, of which the grain production was 3.177 million tons. Khorasan Razavi Province ranks first in barley production in Iran, with the production of 415,736 tons per hectare. Due to the low expectation of the barley crop in relation to water and soil conditions, this crop can have a better position in most of the poor, low rainfall, salty, and low-water lands of the country. An increase in yield is one of the primary aims pursued in plant breeding programs. Similar to other crops, insufficient yield stability in barley is recognized as one of the factors responsible for the gap between actual yield and potential yield. In breeding programs, the identification of superior genotypes is difficult due to the environmental variability of target locations and the interaction of these variabilities with the investigated genotypes. Therefore, it is important to evaluate the advanced agronomic lines across various environments and over multiple years to ensure their yield stability and production. Many statistical models have been suggested to analyze the G × E interaction. The GGE (genotype plus genotype-by-environment) biplot method is a multivariate model based on principal component analysis, which simultaneously represents the G, E, and G × E interaction on a graph known as the biplot. The GGE biplot is widely used in agricultural research as it provides a simple graphical interpretation of the G × E interaction. The main objective of this study was to select the superior barley genotypes based on grain yield and their stability in the temperate regions of Khorasan Razavi Province. Methods: Nineteen promising barley lines, along with a check cultivar Behrokh, were studied during 2018-2020 in Neishabour and Mashhad regions located in Khorasan Razavi Province. The experimental design was a randomized complete block with three replications. Univariate (the environmental coefficient of variation and Eberhart and Russell parameters) and multivariate (GGE biplot) methods were used to yield the stability assessment of genotypes. Combined analysis of variance for grain yield was analyzed using ADEL-R software. The methodologies for the GGE biplot and univariate stability indices biplots were employed to analyze the G × E interaction and characterize barley genotypes using GEA-R software. Results: The combined analysis of variance showed that the main effect of the environment and the G × E interaction were significant at the 1% probability level, while the main effect of the genotype was significant at the 5% probability level. Moreover, about 51%, 5.24%, and 19.41% of the total variation were related to the environment effect, the genotype effect, and the G × E interaction, respectively. Overall, the average grain yield of the evaluated lines ranged from 5.838 to 6.651 ton /ha, and the G15, G16, and G12 lines produced the lowest, and G8, G9, G11, G19, and G20 presented the highest grain yields, respectively. Based on the environmental coefficient of variation, G3 and G2 were the most stable genotypes, respectively, but their grain yield was lower than the overall average. Based on this method, G11, G9, and G19 were selected as stable genotypes with higher-than-average yields. The regression coefficient graph and the deviation coefficient from regression introduced the G2 genotype, which produced a below-average yield, as a stable genotype and G8, which was one of the most yielding lines, as the genotype with high compatibility. The simultaneous evaluation of grain yield and stability through the average environment coordinate (AEC) biplot showed that genotype G8 with a high grain yield was the most stable genotype. There were many similarities between 2 years of Mashhad (the first environmental group) and 2 years of Neishbour (the second environmental group). The angles between these two environmental groups were about 90 degrees, indicating that they were independent in ranking genotypes. Among the investigated environments, the environment of Mashhad in 2017 was close to the ideal environment. An ideal environment should clearly discriminate among genotypes and simultaneously be a good representative of the target environment. According to the resulting biplot of barley promising lines in comparison with the ideal genotype, G8 was identified as the ideal genotype. Moreover, the closest genotypes to it were G20 and G19. Overall, the mentioned promising lines presented high grain yield, stability, and good general compatibility in the investigated environments compared to the other genotypes. The GGE biplot method is based on agronomic compatibility and stability, and therefore, the genotypes that are selected in this way have high performance, in addition to stability and compatibility. Conclusion: Based on the results of this study, lines G8, G20, and G19 showed high grain yield, good stability, and general adaptability in temperate and cold temperate regions of Khorasan Razavi Province. Therefore, the promising line/lines that retain their high yield and favorable characteristics compared to check cultivars after being examined in extension research experiments at farmers’ conditions of temperate regions, can be selected as candidates for naming and introduction.  </div> اثر متقابل ژنوتیپ × محیط, جو, ژنوتیپ مطلوب, سازگاری Barley, Compatibility, Genotype × Environment Interaction, Ideal genotype 118 131 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-656-6&slc_lang=fa&sid=1 Majid Taherian مجید طاهریان majidtaherian1@gmail.com 100319475328460027096 100319475328460027096 Yes Horticulture Crop Research Department, Khorasan Razavi Agricultural and Natural Resources Research and Education Center, AREEO, Mashhad, Iran بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران Hamid Reza Nikkhah حمید رضا نیکخواه nikkhah_hr@yahoo.com 100319475328460027097 100319475328460027097 No Horticulture Crop Research Department, Khorasan Razavi Agricultural and Natural Resources Research and Education Center, AREEO, Mashhad, Iran بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران