Journal of Crop Breeding

fa گزینش لاین ‎های برتر گوجه ‎فرنگی با استفاده از روش ‎های آماری چندمتغیره در منطقه جیرفت Selection of Superior Tomato Lines using Multivariate Statistical Methods in the Jiroft Region اصلاح نباتات General پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: گوجه &lrm;فرنگی (L.Solanum lycopersicum  ) یکی از مهم&lrm;ترین محصولات زراعی در سراسر جهان است، و سطح زیر کشت این گیاه در ایران (103 هزار هکتار) و میزان تولید آن (بیش از 5 میلیون تن) بر اهمیت این گیاه دلالت دارند. در اصلاح نباتات از روش &lrm;های مختلفی در گزینش ژنوتیپ &lrm;ها استفاده می &lrm;شود. برای گزینش برترین ژنوتیپ &lrm;ها نیاز به روشی است که بتواند همه صفات را براساس مطلوبیت و عدم مطلوبیت در گزینش &lrm;ها مدنظر قرار دهد. شاخص انتخاب ژنوتیپ برتر (SIIG) یکی از روش &lrm;هایی است که می &lrm;تواند علاوه&lrm;بر انتخاب ژنوتیپ &lrm;های برتر، فاصله بین ژنوتیپ&lrm; ها را هم مشخص کند. در این روش، امکان شناسایی ژنوتیپ&lrm; هایی با خصوصیات خاص وجود دارد. به&lrm; عنوان مثال، با روش SIIG می &lrm;توان ژنوتیپ &lrm;هایی با عملکرد بالا و زودرس را شناسایی و گزینش کرد. هدف این مطالعه، ارزیابی ژنوتیپ &lrm;های گوجه&lrm;فرنگی از طریق صفات کمی و کیفی و گزینش برترین&lrm; ها برای شرایط آب و هوایی منطقه جیرفت بود. مواد و روش&lrm; ها: به &lrm;منظور ارزیابی و گزینش لاین&lrm; های برتر گوجه&lrm; فرنگی در منطقه جیرفت، آزمایشی با 11 ژنوتیپ (10 لاین امیدبخش به&lrm;&lrm; همراه رقم کارون) در قالب طرح بلوک &lrm;های کامل تصادفی با سه تکرار در طی دو سال زراعی (1401-1400 و 1402-1401) در مزرعه تحقیقاتی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب استان کرمان (جیرفت) انجام شد. لاین&lrm; ها به&lrm; صورت نشاء و در تاریخ اول بهمن زیر پلاستیک کشت گردیدند. آبیاری به &lrm;صورت قطره&lrm;ای و علف&lrm;های هرز به&lrm;صورت دستی وجین شدند. در طی فصل رشد و پس از برداشت (اردیبهشت)، صفات کیفی شامل یکنواختی، ترک&lrm;خوردگی، شانه سبزی، نوع گل&lrm;آذین و داشتن لایه سواگر برای هر ژنوتیپ ثبت شدند. صفات میزان بریکس، pH، سفتی بافت، تعداد حفره، طول میوه، عرض میوه، وزن میوه و عملکرد هر بوته در آزمایشگاه اندازه&lrm; گیری شدند. صفات روز تا گلدهی، روز تا رسیدگی و تعداد گل&lrm; آذین نیز در هر کرت ثبت گردیدند. تجزیه&lrm; های آماری با استفاده از نرم &lrm;افزار SAS (9.4) انجام شدند و محاسبات مربوط به روش SIIG با استفاده از ماتریس &lrm;های مربوطه انجام شدند. یافته &lrm;ها: تجزیه واریانس مرکب داده&lrm; ها در طی دو سال آزمایش نشان داد که اثر سال بر تمامی صفات مورد مطالعه، به &lrm;جز صفت تعداد حفره، معنی &lrm;دار بود. این موضوع نشان دهنده شرایط متفاوت در طی دو سال آزمایش و تأثیرپذیری صفات مورد مطالعه از شرایط آزمایشی است. اثر ژنوتیپ و برهمکنش ژنوتیپ در سال بر تمامی صفات مورد مطالعه، به&lrm; جز تعداد گل &lrm;آذین، معنی &lrm;دار بود. این نتیجه بیانگر تنوع موجود بین لاین&lrm; های مورد آزمایش از لحاظ صفات مورد مطالعه است. نتایج مقایسه میانگین اثر ژنوتیپ نشان داد که لاین&lrm; های شماره 14 و 6-33 توانستند با توجه به گلدهی زودهنگام، زودتر به مرحله برداشت برسند. ژنوتیپ &lrm;های شماره 8 و 32 بیشترین عملکرد میوه را داشتند و کمترین مقدار از لحاظ این صفت به لاین&lrm; های 6-33 و 7-22 اختصاص داشت. مقایسه میانگین میان ژنوتیپ &lrm;ها نشان داد که گزینش برترین&lrm; ها برمبنای همه صفات ممکن نبود چون صفات به&lrm; صورت منفرد مقایسه شدند. چنانچه گزینش تنها برمبنای عملکرد صورت گیرد در گروه برتر 2 لاین شماره 8 و 32 قرار می &lrm;گیرند. گروه &lrm;بندی بر اساس تجزیه کلاستر در گروه برتر، چهار لاین با شماره 8، 7-22، 11 و رقم کارون را قرار داد. گروه &lrm;بندی لاین&lrm; های گوجه&lrm;فرنگی بر مبنای شاخص SIIG، شش لاین را در گروه برتر قرار داد. برتری روش SIIG نسبت به سایر روش &lrm;ها، گروه&lrm; بندی لاین &lrm;ها براساس مطلوبیت صفات است (به &lrm;طور مثال، میانگین کم ژنوتیپ&lrm; ها در صفات روز تا گل&lrm;دهی و روز تا رسیدگی مطلوب هستند). بنا بر این، لاین&lrm; های گزینش شده از طریق شاخص SIIG به&lrm; عنوان لاین &lrm;های برتر با در نظر گرفتن تمامی صفات در منطقه جنوب کرمان معرفی می&lrm; گردند. با توجه به این&lrm;که روش SIIG تنها صفات کمی را در نظر می&lrm; گیرد و صفات غیرپارامتری در این گزینش دخیل نیستند، اشاره می &lrm;گردد که رقم کارون به&lrm;دلیل ترک&lrm; خوردگی میوه &lrm;ها و لاین شماره 7 به&lrm; دلیل عدم وجود یکنواختی و نداشتن لایه سواگر، برای گزینش در شرایط جنوب کرمان مطلوب نیستند. </div> <div style="text-align: justify;">Extended Abstract Background: Tomato (Solanum lycopersicum L.) is one of the most important crops in the world. The cultivated area of this plant in Iran is 103,000 hectares, and its production amount is more than 5 million tons, which indicates the importance of this plant. In plant breeding, different methods are used in genotype selection. To select the best genotypes, a method is needed that can consider all traits based on desirability and undesirability in selections. The ideal genotype selection index (SIIG) is one of the methods that can determine the distance between genotypes in addition to selecting ideal genotypes. In this method, it is possible to identify genotypes with special characteristics. For example, genotypes with high yield and early maturity can be identified and selected with the SIIG method. This study aimed to evaluate tomato genotypes through quantitative and qualitative traits and to select the best ones for climatic conditions in southern Kerman. Methods: To evaluate and select the best tomato lines in the Jiroft region, an experiment with 11 genotypes (10 promising lines and the Karoon variety) based on a randomized complete blocks design with three replications was carried out in the research farm of the Southern Kerman Agricultural and Natural Resources Research and Education Center during two crop years (2021-2022 and 2022-2023). Cultivation was carried out under plastic on 20 February. Following drip irrigation, weeds were controlled by hand. During the growing season and after harvesting (May), qualitative traits, including uniformity, growth crack, green shoulders, type of inflorescence, and having an abscission layer, were recorded for each genotype. Brix, pH, tissue firmness, the number of locules, fruit length, fruit width, fruit weight, and the yield of each plant were measured in the laboratory. The days to flowering, days to ripening, and the number of inflorescences were also the traits recorded in each plot. Statistical analyses were performed using SAS software (9.4), and calculations related to the SIIG method were performed using the relevant matrices. Results: A compound variance analysis during the two years of the experiment showed that the effect of the year was significant on all studied traits, except for the number of locules trait. This shows the different conditions during the two experimental years and the influence of the studied traits on the experimental conditions. The effect of the genotype and the interaction of the genotype in the year were significant on all studied traits, except for the number of inflorescences, showing the diversity between the tested genotypes in terms of the studied traits. The mean comparison results of genotype effect showed that lines 14 and 6-33 were able to reach maturity earlier due to early flowering. Genotypes 8 and 32 produced the highest fruit yield, and the lowest amount of this trait belonged to lines 33-6 and 22-7. Since the traits were compared separately, a mean comparison among the genotypes showed that it was not possible to select the best based on all traits. If the selection was based only on yield, they would be placed in the top group 2 lines 8 and 32. Grouping based on cluster analysis placed four lines (8, 7-22, 11, and the Karoon variety) in the top group. Grouping tomato lines based on the SIIG index placed six lines in the top group. The superiority of the SIIG method compared to other methods is the grouping of lines based on the desirability of the traits (for example, low-average genotypes in the days to flowering and days to ripening are desirable traits). Therefore, the lines selected through the SIIG index are introduced as superior lines considering all traits in the south of Kerman. The SIIG method considers only quantitative traits, and non-parametric traits are not involved in this selection. Therefore, the Karoon cultivar, due to the fruit growth crack and line 7, due to the lack of uniformity and lack of the abscission layer, are not suitable for selection in the south of Kerman. Conclusions: By using the SIIG method and using all the traits, lines 33-4, 11, 13, and 8 were selected as the best lines in Jiroft conditions.  </div> بریکس, تجزیه کلاستر, شاخص SIIG, عملکرد میوه Brix, Cluster analysis, Fruit yield, SIIG index 1 11 http://jcb.sanru.ac.ir/browse.php?a_code=A-10-849-3&slc_lang=fa&sid=1 Seid Mohammad Alavi-Siney سید محمد علوی سینی M.alavis@areeo.ac.ir 100319475328460025954 100319475328460025954 Yes Crop and Horticultural Science Research Department, Southern Kerman Agricultural and Natural Resources Research and Education Center, AREEO, Jiroft, Iran بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب استان کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، جیرفت، ایران Mahyar Abedi ماهیار عابدی mah679@yahoo.com 100319475328460025955 100319475328460025955 No Institute of Seed and Plant Improvement, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران