دوره 14، شماره 41 - ( بهار 1401 )
جلد 14 شماره 41 صفحات 107-97 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Shadan E, najafizarrini H, Alizadeh B, ranjbar G, Kiani G. (2022). Evaluation of Seed Yield Stability and Compatibility in Some Winter Rapeseed Genotypes. J Crop Breed. 14(41), 97-107. doi:10.52547/jcb.14.41.97
URL: http://jcb.sanru.ac.ir/article-1-1320-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1320-fa.html
شادان الهه، نجفی زرینی حمید، علیزاده بهرام، رنجبر غلامعلی، کیانی غفار. بررسی پایداری و سازگاری عملکرد دانه برخی ژنوتیپ‌های کلزای زمستانه پژوهشنامه اصلاح گیاهان زراعی 1401; 14 (41) :107-97 10.52547/jcb.14.41.97
1- دانشگاه علوم کشاورزی و منابع طبیعی ساری
2- بخش تحقیقات دانه‌های روغنی، مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
2- بخش تحقیقات دانه‌های روغنی، مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
چکیده: (2051 مشاهده)
چکیده مبسوط
مقدمه و هدف: کلزا یکی از مهمترین گونه‌های گیاهی دانه روغنی در مناطق با شرایط معتدل آب و هوایی است. در اکثر برنامه‌های به‌نژادی مخصوصا در مقایسه ژنوتیپ‌ها در محیط‌های مختلف، به دلیل وجود اثر متقابل ژنوتیپ × محیط تظاهر ژنوتیپ‌ها در محیط‌های مختلف، متفاوت است. بنابراین برای برآورد دقیق میزان عملکرد دانه، بایستی آزمایشات تکرار‌دار منطقه‌ای توسط به‌نژادگران انجام گیرد.
مواد و روش‌ها: به‌منظور مطالعه برهمکنش ژنوتیپ × محیط و شناسایی ژنوتیپ‌های پایدار، تعداد 16 ژنوتیپ کلزا طی آزمایشی در پنج منطقه کرج، کرمانشاه، اصفهان، مشهد و همدان در قالب طرح بلوک‌های کامل تصادفی در سه تکرار و به مدت دو سال زراعی 95-96 و 96-97 مورد بررسی قرار گرفتند. به منظور تجزیه و تحلیل برهمکنش ژنوتیپ با محیط از مدل اثرات اصلی افزایشی و اثرات متقابل ضرب‌پذیر (AMMI) و مدلGGE بای پلات (ژنوتیپ و اثر متقابل ژنوتیپ در محیط) استفاده شد. برای بررسی پایداری ژنوتیپ‌ها از آماره ارزش پایداری امی (ASV) استفاده شد.
یافته‌ها: نتایج تجزیه واریانس مرکب نشان داد که به‌ترتیب 40/59 ، 26/01 و 33/39 درصد از کل تغییرات مربوط به اثر محیط، اثر ژنوتیپ و اثر متقابل ژنوتیـپ × محـیط بود. نتایج نشان داد که چهار مؤلفه اصلی مدل AMMI معنی‌دار بودند و 88/5 درصد از مجموع مربعات اثر متقابل ژنوتیپ×محیط را توجیه کردند. ژنوتیپ‌های شماره 7 و 2 با داشتن کم‌ترین میزان ASV و عملکردی بالاتر از میانگین کل به‌عنوان ژنوتیپ‌هایی با پایداری عمومی خوب شناخته شدند. بررسی بای‌پلات چند ضلعی منجر به شناسایی چهار ژنوتیپ برتر و دو محیط بزرگ شده و ژنوتیپ‌های مناسب در هر محیط بزرگ نیز مشخص گردید. پنج ژنوتیپ دیگر در نواحی قرار گرفتند که هیچ محیطی در آن قرار نداشت و ارقامی ضعیف در اکثر محیط‌ها بودند. بررسی همزمان پایداری و عملکرد ژنوتیپ‌ها با استفاده از بای‌پلات مختصات محیط متوسط نیز نشان داد که ژنوتیپ‌های 13 و 15 با عملکرد بالا جزء ناپایدارترین ژنوتیپ‌ها بودند. ژنوتیپ 9 با بالاترین عملکرد دانه و پایداری عملکرد نسبی گزینش شد. همچنین دو ژنوتیپ 9 و 7 نزدیکترین ژنوتیپ به ژنوتیپ ایده آل بودند.
نتیجه‌گیری: تجزیه AMMI و شــاخص پایداری امی (ASV) در مقایســه با نتایج GGE بای‌پلات نشــان داد تمام این شــاخص‌ها از پتانســیل خوبی برای ارزیابی پایداری عملکرد ژنوتیپ‌ها برخوردار بودند، اما GGE بای‌پلات بسیار کاربردی‌تر بوده و می‌تواند به صورت گسترده‌ای در بررسی پایداری و سازگاری ژنوتیپ‌ها در مناطق و سال‌های متعدد در برنامه‌های اصلاح کلزای زمستانه بکار گرفته شود. بر اساس نتایج حاصل از این شاخص‌ها ژنوتیپ‌های شماره 7 و 2 پایدارترین ژنوتیپ‌ها با سازگاری عمومی بالا بودند.
مواد و روش‌ها: به‌منظور مطالعه برهمکنش ژنوتیپ × محیط و شناسایی ژنوتیپ‌های پایدار، تعداد 16 ژنوتیپ کلزا طی آزمایشی در پنج منطقه کرج، کرمانشاه، اصفهان، مشهد و همدان در قالب طرح بلوک‌های کامل تصادفی در سه تکرار و به مدت دو سال زراعی 95-96 و 96-97 مورد بررسی قرار گرفتند. به منظور تجزیه و تحلیل برهمکنش ژنوتیپ با محیط از مدل اثرات اصلی افزایشی و اثرات متقابل ضرب‌پذیر (AMMI) و مدلGGE بای پلات (ژنوتیپ و اثر متقابل ژنوتیپ در محیط) استفاده شد. برای بررسی پایداری ژنوتیپ‌ها از آماره ارزش پایداری امی (ASV) استفاده شد.
یافته‌ها: نتایج تجزیه واریانس مرکب نشان داد که به‌ترتیب 40/59 ، 26/01 و 33/39 درصد از کل تغییرات مربوط به اثر محیط، اثر ژنوتیپ و اثر متقابل ژنوتیـپ × محـیط بود. نتایج نشان داد که چهار مؤلفه اصلی مدل AMMI معنی‌دار بودند و 88/5 درصد از مجموع مربعات اثر متقابل ژنوتیپ×محیط را توجیه کردند. ژنوتیپ‌های شماره 7 و 2 با داشتن کم‌ترین میزان ASV و عملکردی بالاتر از میانگین کل به‌عنوان ژنوتیپ‌هایی با پایداری عمومی خوب شناخته شدند. بررسی بای‌پلات چند ضلعی منجر به شناسایی چهار ژنوتیپ برتر و دو محیط بزرگ شده و ژنوتیپ‌های مناسب در هر محیط بزرگ نیز مشخص گردید. پنج ژنوتیپ دیگر در نواحی قرار گرفتند که هیچ محیطی در آن قرار نداشت و ارقامی ضعیف در اکثر محیط‌ها بودند. بررسی همزمان پایداری و عملکرد ژنوتیپ‌ها با استفاده از بای‌پلات مختصات محیط متوسط نیز نشان داد که ژنوتیپ‌های 13 و 15 با عملکرد بالا جزء ناپایدارترین ژنوتیپ‌ها بودند. ژنوتیپ 9 با بالاترین عملکرد دانه و پایداری عملکرد نسبی گزینش شد. همچنین دو ژنوتیپ 9 و 7 نزدیکترین ژنوتیپ به ژنوتیپ ایده آل بودند.
نتیجه‌گیری: تجزیه AMMI و شــاخص پایداری امی (ASV) در مقایســه با نتایج GGE بای‌پلات نشــان داد تمام این شــاخص‌ها از پتانســیل خوبی برای ارزیابی پایداری عملکرد ژنوتیپ‌ها برخوردار بودند، اما GGE بای‌پلات بسیار کاربردی‌تر بوده و می‌تواند به صورت گسترده‌ای در بررسی پایداری و سازگاری ژنوتیپ‌ها در مناطق و سال‌های متعدد در برنامه‌های اصلاح کلزای زمستانه بکار گرفته شود. بر اساس نتایج حاصل از این شاخص‌ها ژنوتیپ‌های شماره 7 و 2 پایدارترین ژنوتیپ‌ها با سازگاری عمومی بالا بودند.
واژه‌های کلیدی: اثر متقابل ژنوتیپ×محیط، آزمایش‌های چندمحیطی، پایداری عمومی، ژنوتیپ ایده‌آل، محیط ایده‌آل
فهرست منابع
1. Akter, A., M.J. Hasan, M.U. Kulsum, M.H. Rahman, A.K. Paul, L.F. Lipi and S. Akter. 2015. Genotype × environment interaction and yield stability analysis in hybrid rice (Oryza sativa L.) by AMMI biplot. Bangladesh Rice Journal, 19(2): 79-866. [DOI:10.3329/brj.v19i2.28168]
2. Alizadeh, B., A. Rezaizad, M. Yazdandoost Hamedani, Gh. Shiresmaeili, F. Nasserghadimi, H.R. Khademhamzeh and A. Gholizadeh. 2021. Analysis of genotype × environment interaction for seed yield in winter rapeseed cultivars and lines using multivariate method of additive main effects and multiplicative interaction. Journal of Crop Production and Processing, 11(1): 95-108 (In Persian). [DOI:10.47176/jcpp.11.1.36131]
3. Amiri Oghan, H., V. Rameeh, A. Faraji, A.H. Askari and H.R. Fanayi. 2021. Assessment of seed yield stability of spring oilseed rape (Brassica napus L.) promising lines using GGE-biplot analysis. Iranian Journal of Crop Sciences, 23(1): 113-126 (In Persian).
4. AmiriOghan, H., H. Zeinalzadeh-Tabrizi, H.R. Fanaei, N. Khatoon Kazerani, Gh. Ghodrati, A. Danaie and M.B. Valipuor. 2019. Investigation of stability of seed yield in promising lines of spring oilseed rape in southern warm regions of Iran. Journal of Crop Breeding, 11(31): 42-54 (In Persian). [DOI:10.29252/jcb.11.31.42]
5. Bassa, D., F. Gurmu and H. Mohammed. 2019. Comparison of univariate and multivariate models to analyze stability of Common Bean (Phaseolus vulgaris L.) genotypes in Ethiopia. Agrotechnology, 8(188): 1-7. [DOI:10.35248/2168-9881.19.8.188]
6. Bornhofen, E., G. Benin, L. Storck, L.G. Woyann, T. Duarte, M.G. Stoco and S.V. Marchioro. 2017. Statistical methods to study adaptability and stability of wheat genotypes. Bragantia, 76(1): 1-10. [DOI:10.1590/1678-4499.557]
7. Bocianowski, J., J. Niemann, K. Nowosad. 2019. Genotype-by-environment interaction for seed quality traits in interspecific cross-derived Brassica lines using additive main effects and multiplicative interaction model. Euphytica, 215(7). [DOI:10.1007/s10681-019-2515-1]
8. Dadras, A.R., M. Azimi, M. Khodadadi, M. Aghabeygi, A. Abdolahi and A. Mohamadi. 2020. Investigation the agronomic traits, yield and stability of different pea (Pisum Sativum L.) cultivars in tarom region of Iran using graphical analysis. Journal of Vegetables Sciences, 4(7): 113-130 (In Persian).
9. Dezfouli, P.M., M. Sedghi, M.E. Shariatpanahi, M. Niazian and B. Alizadeh. 2019. Assessment of general and specific combining abilities in doubled haploid lines of rapeseed (Brassica napus L.). Industrial Crops and Products, 141: 111754. [DOI:10.1016/j.indcrop.2019.111754]
10. Eckes, A.H., H. Annemarie, T. Gubala, P. Nowakowski, T. Szymczyszyn, R. Wells, J.A. Irwin, C. Horro, J.M. Hancock, G. King, S.C. Dyer and W. Jurkowski. 2017. Introducing the Brassica information portal: towards integrating genotypic and phenotypic Brassica crop data. F1000 Research, 6:465. [DOI:10.12688/f1000research.11301.2]
11. Ghaffari, M., A. Gholizadeh, S.A. Andarkhor, A. Zareei Siahbidi, S.A. Kalantar Ahmadi, F. Shariati and A. Rezaeizad. 2021. Pattern analysis of genotype × environment interaction for seed yield in sunflower using multivariate method of additive main effects and multiplicative interaction. Journal of Crop Breeding, 13(39): 208-218 (In Persian).
12. Gauch, H.G. 2006. Statistical analysis of yield trials by AMMI and GGE. Crop Science, 46(4): 1488-1500. [DOI:10.2135/cropsci2005.07-0193]
13. Gauch, H.G. and R.W. Zobel. 1988. Predictive and postdictive success of statistical analysis of yield trials. Theoretical and Applied Genetics, 76: 1-10. [DOI:10.1007/BF00288824]
14. Kang, M.S. 1993. Simultaneous selection for yield and stability in crop performance trials: Consequences for growers. Agronomy Journal, 85(3): 754-757. [DOI:10.2134/agronj1993.00021962008500030042x]
15. Liersch, A., J. Bocianowski, K. Nowosad, K. Mikolłajczyk, S. Spasibionek, F. Wielebski, M. Matuszczak, L. Szala, T. Cegielska-Taras, K. Sosnowska and I. Bartkowiak-Broda. 2020. Effect of genotype × environment interaction for seed traits in winter oilseed rape (Brassica napus L.) Agriculture, 10(12): 607. [DOI:10.3390/agriculture10120607]
16. Machado, N.G., N. Lotufo-Neto and K. Hongyu. 2019. Statistical analysis for genotype stability and adaptability in maize yield based on environment and genotype interaction models. Ciencia e Natur, 41: 01-09. [DOI:10.5902/2179460X32873]
17. Mohamed, N.E.M. 2013. Genotype by environment interactions for grain yield in bread wheat (Triticum aestivum L.). Journal of Plant Breeding and Crop Science, 7(5): 150-157. [DOI:10.5897/JPBCS2013.0390]
18. Mohammadi, M., R. Karimizadeh, T. Hosseinpour, H. Ghojogh, K. Shahbazi and P. Sharifi. 2018. Use of parametric and non-parametric methods for genotype × environment interaction analysis in bread wheat genotypes. Plant Genetic Researches, 4(2): 75-88 (In Persian). [DOI:10.29252/pgr.4.2.75]
19. Nachit, M.M., H. Ketata and E. Acevedo. 1991. Selection of morpho-physiological traits for multiple abiotic stresses resistance in durum wheat. Physiology-breeding of winter cereal for stressed Mediterranean. Environments, 8(30): 391-400.
20. Najafi Mirak, T., M. Dastfal, B. Andarzian, H. Farzadi, M. Bahari and H. Zali. 2019. Evaluation of durum wheat cultivars and promising lines for yield and yield stability in warm and dry areas using AMMI model and GGE biplot. Journal of Crop Breeding, 10(28): 1-12 (In Persian). [DOI:10.29252/jcb.10.28.1]
21. Omrani, S., A.M. Naji and M. Esmaeilzadeh Moghaddam. 2017. Yield stability analysis of promising bread wheat lines in southern warm and dry agro climatic zone of Iran using GGE biplot model. Journal of Crop Breeding, 9(23): 157-165 (In Persian). [DOI:10.29252/jcb.9.23.157]
22. Purchase, J., H. Hatting and C. Van Deventer. 2000. Genotype × environment interaction of winter wheat (Triticum aestivum L.) in South Africa: II. Stability analysis of yield performance. South African Journal of Plant and Soil, 17(3): 101-107. [DOI:10.1080/02571862.2000.10634878]
23. Sattari, A., M. Solouki, N. Bagheri, B. Fakheri and A. Nabipour. 2019. Analysis of genotype, environment interaction and grain yield stability of rice (Oryza sativa L.) genotypes in Mazandaran province. Journal of Crop Breeding, 11(31): 1-10 (In Persian). [DOI:10.29252/jcb.11.31.1]
24. Senguttuvel, P., N. Sravanraju1, V. Jaldhani1, B. Divya1, P. Beulah1, P. Nagaraju1, Y. Manasa, A.S. Hari Prasad, P. Brajendra1, C. Gireesh1, M.S. Anantha, K. Suneetha, R.M. Sundaram, M. Sheshu Madhav, M.D. Tuti1, L.V. Subbarao, C.N. Neeraja, V.P. Bhadana, P.R. Rao, S.R. Voleti and D. Subrahmanyam. 2021. Evaluation of genotype by environment interaction and adaptability in lowland irrigated rice hybrids for grain yield under high temperature. Scientific Reports. 11(15825). [DOI:10.1038/s41598-021-95264-4]
25. Sinapidou, V., Ch. Pankou, F. Gekas, I. Sistanis, C. Tzantarmas, M. Tokamani, I. Mylonas, I. Papadopoulos, A. Kargiotidou, E. Ninou, F. Papathanasiou, R. Sandaltzopoulos and I.S. Tokatlidis. 2020. Plant yield efficiency by homeostasis as selection tool at ultra-low density. A comparative study with common stability measures in Maize. Agronomy, 10(8): 1203. [DOI:10.3390/agronomy10081203]
26. Sincik, M., A. Tanju Goksoy, E. Senyigit, Yahya Ulusoy, M. Acar, S. Gizlenci, G. Atagun and S. Suzer. 2021. Response and yield stability of canola (Brassica napus L.) genotypes to multi environments using GGE biplot analysis. Bioagro, 33(2): 105-114. [DOI:10.51372/bioagro332.4]
27. Spasibionek, S., K. Mikolajczyk, H. Cwiek Kupczynska, T. Pietka, K. Krotka and M. Matuszczak. 2020. Marker assisted selection of new high oleic and low linolenic winter oilseed rape (Brassica napus L.) inbred lines revealing good agricultural value. Plos One, 15(6). [DOI:10.1371/journal.pone.0233959]
28. Szydlowska Czerniak, A., I. Bartkowiak Broda, I. Karlovic, G. Karlovits and E. Szlyk. 2011. Antioxidant capacity, total phenolics, glucosinolates and colour parameters of rapeseed cultivars. Food Chemistry, 127(2): 556-563. [DOI:10.1016/j.foodchem.2011.01.040]
29. Vaezi, B., A. Pour-Aboughadareh, R. Mohammadi, M. Armion, A. Mehraban, T. Hossein-Pour and M. Dorii. 2017. GGE biplot and AMMI analysis of barley yield performance in Iran. Cereal Research Communications, 45(3): 500-511. [DOI:10.1556/0806.45.2017.019]
30. Vargas, M., J. Crossa, F. Van Eeuwijk, K.D. Sayre and M.P. Reynolds. 2001. Interpreting treatment × environment interaction in agronomy trials. Agronomy Journal, 93(4): 949-960. [DOI:10.2134/agronj2001.934949x]
31. Yan, W. 2001. GGE biplot- A windows application for graphical analysis of multienvironment trial data and other types of two-way data. Agronomy Journal, 93(5): 1111-1118. [DOI:10.2134/agronj2001.9351111x]
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(2): 643-655. [DOI:10.2135/cropsci2006.06.0374]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
