دوره 14، شماره 43 - ( پاییز 1401 1401 )
جلد 14 شماره 43 صفحات 63-49 |
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:
Saremirad A, Taleghani D. (2022). Utilization of Univariate Parametric and non-Parametric Methods in the Stability Analysis of Sugar Yield in Sugar Beet (Beta vulgaris L.) Hybrids. jcb. 14(43), 49-63. doi:10.52547/jcb.14.43.49
URL: http://jcb.sanru.ac.ir/article-1-1324-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1324-fa.html
صارمی راد علی، طالقانی داریوش. بهره‌گیری از روش‌های پارامتری تک متغیره و ناپارامتری در تجزیه پایداری عملکرد قند هیبریدهای چغندرقند (Beta vulgaris L.) پژوهشنامه اصلاح گیاهان زراعی 1401; 14 (43) :63-49 10.52547/jcb.14.43.49
گروه زراعت و اصلاح نباتات، دانشگاه آزاد اسلامی، واحد کرج، باشگاه پژوهشگران و نخبگان جوان، کرج، ایران
چکیده: (1204 مشاهده)
چکیده مبسوط
مقدمه و هدف: قند یک ماده مقوی است که سبب تولید بخش اعظمی از انرژی در جیره غذایی جمعیت کره زمین می‌شود. جایگاه چغندرقند در تأمین بخشی از قند مورد نیاز جامعه بشری بر کسی پوشیده نیست. با توجه به نیاز جامعه، اصلاح هیبریدهای چغندرقندی که به لحاظ کمی و کیفی از مقادیر قند بالایی برخوردارند، یک امر اجتناب‌ناپذیر است. در این میان علاوه بر ژنتیک گیاه و عوامل محیطی، برهمکنش میان ژنوتیپ- محیط با تأثیر بر جنبه‌های مختلف فرآیندهای گیاهی، نهایتاً عدم یکنواختی عملکرد در شرایط محیطی مختلف را باعث می‌شود. از این‌رو، مطالعه حاضر با هدف بررسی تأثیر برهمکنش ژنوتیپ- محیط بر پایداری هیبریدهای مختلف چغندرقند در شرایط محیطی متفاوت به مرحله اجرا درآمد.
مواد و روش‌ها: تعداد 155 هیبرید چغندرقند، در نتیجه تلاقی میان 155 لاین اینبرد با سینگل کراس نرعقیم منوژرم تجاری تحت کد 7112×SB36 حاصل شد. هیبریدهای منوژرم در قالب طرح آماری مقایسه عملکرد مقدماتی (آگمنت) به همراه یک شاهد داخلی (سینا) و چهار شاهد خارجی (نووودورا، مودکس، لوریکوئیت و پیرولا) در هفت منطقه خوی، شیراز، کرج، کرمانشاه، مشهد، میاندوآب و همدان در سال 1399 کشت شدند. پس از برداشت محصول و برآورد عملکرد قند مربوط به هر یک از هیبریدهای آزمایشی، تجزیه پایداری ویژگی مذکور با به‌کارگیری روش‌های پارامتری تک متغیره و ناپارامتری انجام شد.
یافته‌ها: تجزیه پایداری عملکرد قند هیبریدها بر اساس آماره‌های پارامتری ضریب تغییرات محیطی هیبریدهای 146، 139 و 47، اکووالانس ریک هیبریدهای 6 و 18، ضریب رگرسیونی فینلی و ویلکینسون هیبریدهای 126 و 100، ضریب تبیین پنتوس هیبریدهای 52، 119، 104، 6 و 59 و مدل رگرسیونی پرکینز و جینکز هیبریدهای 8 و 143 را به‌عنوان پایدارترین هیبریدها معرفی کردند. آماره‌های ناپارامتری مجموع رتبه کنگ هیبرید 96 و رقم لوریکوئیت، معیار بیشینه فاکس رقم پیرولا، معیارهای هان هیبریدهای 96 و 18 و رقم لوریکوئیت و معیارهای تنارازو هیبریدهای 18، 6، 63 و 127 و رقم سینا را تحت عنوان ژنوتیپ‌هایی که از پایداری مناسبی برخوردارند، معرفی نمودند.
نتیجه‌گیری: نتایج به‌دست‌آمده از مطالعه حاضر، حاکی از این بود که برهمکنش ژنوتیپ- محیط، ویژگی‌های کمی و کیفی عملکرد قند هیبریدهای چغندرقند را تحت‌الشعاع قرار می‌دهد، لذا هنگام اصلاح هیبریدهای جدید باید این موضوع مد نظر قرار گیرد؛ زیرا برآورد برهمکنش ژنوتیپ- محیط این امکان را فراهم می‌نماید تا در خصوص اصلاح برای سازگاری عمومی یا خصوصی که بستگی به ثبات و پایداری عملکرد در یک دامنه محدود یا گسترده‌ای از شرایط محیطی دارد، تصمیم‌گیری شود و گام مؤثری در جهت توسعه ارقام حائز پایداری و سازگاری با محیط های هدف طی گردد.
مقدمه و هدف: قند یک ماده مقوی است که سبب تولید بخش اعظمی از انرژی در جیره غذایی جمعیت کره زمین می‌شود. جایگاه چغندرقند در تأمین بخشی از قند مورد نیاز جامعه بشری بر کسی پوشیده نیست. با توجه به نیاز جامعه، اصلاح هیبریدهای چغندرقندی که به لحاظ کمی و کیفی از مقادیر قند بالایی برخوردارند، یک امر اجتناب‌ناپذیر است. در این میان علاوه بر ژنتیک گیاه و عوامل محیطی، برهمکنش میان ژنوتیپ- محیط با تأثیر بر جنبه‌های مختلف فرآیندهای گیاهی، نهایتاً عدم یکنواختی عملکرد در شرایط محیطی مختلف را باعث می‌شود. از این‌رو، مطالعه حاضر با هدف بررسی تأثیر برهمکنش ژنوتیپ- محیط بر پایداری هیبریدهای مختلف چغندرقند در شرایط محیطی متفاوت به مرحله اجرا درآمد.
مواد و روش‌ها: تعداد 155 هیبرید چغندرقند، در نتیجه تلاقی میان 155 لاین اینبرد با سینگل کراس نرعقیم منوژرم تجاری تحت کد 7112×SB36 حاصل شد. هیبریدهای منوژرم در قالب طرح آماری مقایسه عملکرد مقدماتی (آگمنت) به همراه یک شاهد داخلی (سینا) و چهار شاهد خارجی (نووودورا، مودکس، لوریکوئیت و پیرولا) در هفت منطقه خوی، شیراز، کرج، کرمانشاه، مشهد، میاندوآب و همدان در سال 1399 کشت شدند. پس از برداشت محصول و برآورد عملکرد قند مربوط به هر یک از هیبریدهای آزمایشی، تجزیه پایداری ویژگی مذکور با به‌کارگیری روش‌های پارامتری تک متغیره و ناپارامتری انجام شد.
یافته‌ها: تجزیه پایداری عملکرد قند هیبریدها بر اساس آماره‌های پارامتری ضریب تغییرات محیطی هیبریدهای 146، 139 و 47، اکووالانس ریک هیبریدهای 6 و 18، ضریب رگرسیونی فینلی و ویلکینسون هیبریدهای 126 و 100، ضریب تبیین پنتوس هیبریدهای 52، 119، 104، 6 و 59 و مدل رگرسیونی پرکینز و جینکز هیبریدهای 8 و 143 را به‌عنوان پایدارترین هیبریدها معرفی کردند. آماره‌های ناپارامتری مجموع رتبه کنگ هیبرید 96 و رقم لوریکوئیت، معیار بیشینه فاکس رقم پیرولا، معیارهای هان هیبریدهای 96 و 18 و رقم لوریکوئیت و معیارهای تنارازو هیبریدهای 18، 6، 63 و 127 و رقم سینا را تحت عنوان ژنوتیپ‌هایی که از پایداری مناسبی برخوردارند، معرفی نمودند.
نتیجه‌گیری: نتایج به‌دست‌آمده از مطالعه حاضر، حاکی از این بود که برهمکنش ژنوتیپ- محیط، ویژگی‌های کمی و کیفی عملکرد قند هیبریدهای چغندرقند را تحت‌الشعاع قرار می‌دهد، لذا هنگام اصلاح هیبریدهای جدید باید این موضوع مد نظر قرار گیرد؛ زیرا برآورد برهمکنش ژنوتیپ- محیط این امکان را فراهم می‌نماید تا در خصوص اصلاح برای سازگاری عمومی یا خصوصی که بستگی به ثبات و پایداری عملکرد در یک دامنه محدود یا گسترده‌ای از شرایط محیطی دارد، تصمیم‌گیری شود و گام مؤثری در جهت توسعه ارقام حائز پایداری و سازگاری با محیط های هدف طی گردد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح نباتات، بیومتری
دریافت: 1400/9/7 | ویرایش نهایی: 1401/7/20 | پذیرش: 1400/9/23 | انتشار: 1401/7/20
دریافت: 1400/9/7 | ویرایش نهایی: 1401/7/20 | پذیرش: 1400/9/23 | انتشار: 1401/7/20
فهرست منابع
1. Abdulahi, A., R. Mohammadi and S.S. Pourdad. 2007. Evaluation of safflower (Carthamus spp.) genotypes in multi-environment trials by nonparametric methods. Asian Journal of Plant Sciences, 6: 827-832. [DOI:10.3923/ajps.2007.827.832]
2. Aberkane, H., A. Amri, B. Belkadi, A. Filali-Maltouf, J. Valkoun and Z. Kehel. 2021. Contribution of Wild Relatives to Durum Wheat (Triticum turgidum subsp. durum) Yield Stability across Contrasted Environments. Agronomy, 11(10): 1992. [DOI:10.3390/agronomy11101992]
3. Akcura, M. and Y. Kaya. 2008. Nonparametric stability methods for interpreting genotype by environment interaction of bread wheat genotypes (Triticum aestivum L.). Genetics and Molecular Biology, 31(4): 906-913. [DOI:10.1590/S1415-47572008005000004]
4. Akçura, M., Y. Kaya and S. Taner. 2005. Genotype-environment interaction and phenotypic stability analysis for grain yield of durum wheat in the Central Anatolian Region. Turkish Journal of Agriculture and Forestry, 29(5): 369-375.
5. Alizadeh, B., A. Rezaizad, M. Yazdandoost Hamedani, G. Shiresmaeili, F. Nasserghadimi and H. R. Khademhamzeh. 2021. Investigation of genotype× environment interaction and seed yield stability of rapeseed genotypes in cold and mild cold regions of Iran. Plant Genetic Researches, 7(2): 65-82. [DOI:10.52547/pgr.7.2.6]
6. Annicchiarico, P. 2002. Genotype x environment interactions: challenges and opportunities for plant breeding and cultivar recommendations. Food & Agriculture Org.
7. Anonymous. 2020. Agriculture-Iran-Statistics.https://www.maj.ir/Dorsapax/userfiles/Sub65/Amarnamehj1-97-98-site.pdf
8. Anonymous. 2020. Agriculture-Iran-Statistics.
9. Baker, R. 1988. Tests for crossover genotype-environmental interactions. Canadian Journal of plant science, 68(2): 405-410. [DOI:10.4141/cjps88-051]
10. Becker, H. and J. Leon. 1988. Stability analysis in plant breeding. Plant Breeding, 101(1): 1-23. [DOI:10.1111/j.1439-0523.1988.tb00261.x]
11. Duraisam, R., K. Salelgn and A. K. Berekete. 2017. Production of beet sugar and bio-ethanol from sugar beet and it bagasse: a review. Int J Eng Trends Technol, 43(4): 222-233. [DOI:10.14445/22315381/IJETT-V43P237]
12. Ebadi-Segherloo, A., S. H. Sabaghpour, H. Dehghani and M. Kamrani. 2008. Non-parametric measures of phenotypic stability in chickpea genotypes (Cicer arietinum L.). Euphytica, 162(2): 221-229. [DOI:10.1007/s10681-007-9552-x]
13. Eberhart, S. and W. Russell. 1966. Stability parameters for comparing varieties 1. Crop Science, 6(1): 36-40. [DOI:10.2135/cropsci1966.0011183X000600010011x]
14. FAO. 2021. Plant production and area harvested.
15. Farshadfar, E. 1997. Application of quantitative genetics in plant breeding., Kermanshah, Iran, Taq Bostan Publications, 381 pp.
16. Farshadfar, E., S. H. Sabaghpour and H. Zali. 2012. Comparison of parametric and non-parametric stability statistics for selecting stable chickpea (Cicer arietinum L.) genotypes under diverse environments. Australian Journal of Crop Science, 6(3): 514-524.
17. Finlay, K. and G. Wilkinson. 1963. The analysis of adaptation in a plant-breeding programme. Australian Journal of Agricultural Research, 14(6): 742-754. [DOI:10.1071/AR9630742]
18. Flores, F., M. Moreno and J. Cubero. 1998. A comparison of univariate and multivariate methods to analyze G× E interaction. Field crops research, 56(3): 271-286. [DOI:10.1016/S0378-4290(97)00095-6]
19. Fox, P., B. Skovmand, B. Thompson, H.-J. Braun and R. Cormier. 1990. Yield and adaptation of hexaploid spring triticale. Euphytica, 47(1): 57-64. [DOI:10.1007/BF00040364]
20. Francis, T. and L. Kannenberg. 1978. Yield stability studies in short-season maize. I. A descriptive method for grouping genotypes. Canadian Journal of Plant Science, 58(4): 1029-1034. [DOI:10.4141/cjps78-157]
21. Freeman, G. and J. M. Perkins. 1971. Environmental and genotype-environmental components of variability VIII. Relations between genotypes grown in different environments and measures of these environments. Heredity, 27(1): 15-23. [DOI:10.1038/hdy.1971.67]
22. Hashim, N., M. Y. Rafii, Y. Oladosu, M. R. Ismail, A. Ramli, F. Arolu and S. Chukwu. 2021. Integrating multivariate and univariate statistical models to investigate genotype-environment interaction of advanced fragrant rice genotypes under rainfed condition. Sustainability, 13(8): 4555. [DOI:10.3390/su13084555]
23. Huehn, M. 1990. Nonparametric measures of phenotypic stability. Part 1: Theory. Euphytica, 47(3): 189-194. [DOI:10.1007/BF00024241]
24. Hühn, M. and J. Léon. 1995. Nonparametric analysis of cultivar performance trials: experimental results and comparison of different procedures based on ranks. Agronomy journal, 87(4): 627-632. [DOI:10.2134/agronj1995.00021962008700040004x]
25. Kang, M. 2004. Breeding: genotype by environment interaction. In 'Encyclopedia of plant and crop science'.(Ed. RM Goodman). Marcel Dekker: New York, 218-221 pp. [DOI:10.1081/E-EPCS-120010525]
26. Kang, M. and J. Miller. 1984. Genotype✕ environment interactions for cane and sugar yield and their implications in sugarcane breeding 1. Crop Science, 24(3): 435-440. [DOI:10.2135/cropsci1984.0011183X002400030002x]
27. Kang, M.S. 1991. Modified rank-sum method for selecting high yielding, stable crop genotypes. Cereal Research Communications: 361-364.
28. Kang, M.S. 1997. Using genotype-by-environment interaction for crop cultivar development. Advances in agronomy, 62(1): 199-252. [DOI:10.1016/S0065-2113(08)60569-6]
29. Karimizadeh, R., A. Asghari, O. Sofalian, K. Shahbazi, T. Hosseinpour, H. Ghojogh and M. Armion. 2019. Identification of the most stable durum wheat genotypes using nonparametric yield stability statistics. Journal of Crop Production and Processing, 9(1): 189-203. [DOI:10.29252/jcpp.9.1.189]
30. Kaya, Y. and S. Taner. 2003. Estimating genotypic ranks by nonparametric stability analysis in bread wheat (Triticum aestivum L.). Journal of Central European Agriculture, 4(1): 47-54.
31. Kaya, Y. and M. Turkoz. 2015. Evaluation of genotype by environment interaction for grain yield in durum wheat using non-parametric stability statistics. Bulgarian Journal of Agricultural Science, 21(1): 134-144. [DOI:10.17557/tjfc.48198]
32. Kilic, H., M. AKÇURA and H. AKTAŞ. 2010. Assessment of parametric and non-parametric methods for selecting stable and adapted durum wheat genotypes in multi-environments. Notulae Botanicae Horti Agrobotanici Cluj-Napoca, 38(3): 271-279.
33. Kunz, M., D. Martin and H. Puke. 2002. Precision of beet analyses in Germany explained for polarization. Zuckerindustrie, 127(1): 13-21.
34. Leiva-Eriksson, N., P.A. Pin, T. Kraft, J.C. Dohm, A.E. Minoche, H. Himmelbauer and L. Bülow. 2014. Differential Expression Patterns of Non-Symbiotic Hemoglobins in Sugar Beet (Beta vulgaris ssp. vulgaris). Plant and Cell Physiology, 55(4): 834-844. [DOI:10.1093/pcp/pcu027]
35. Lin, C.S., M.R. Binns and L.P. Lefkovitch. 1986. Stability analysis: where do we stand? 1. Crop Science, 26(5): 894-900. [DOI:10.2135/cropsci1986.0011183X002600050012x]
36. Lu, H.Y. 1995. PC‐SAS program for estimating Hühn's nonparametric stability statistics. Agronomy Journal, 87(5): 888-891. [DOI:10.2134/agronj1995.00021962008700050018x]
37. McMichael, B. and J. Quisenberry. 1993. The impact of the soil environment on the growth of root systems. Environmental and experimental botany, 33(1): 53-61. [DOI:10.1016/0098-8472(93)90055-K]
38. Mohammadi, R., A. Abdulahi, R. Haghparast, M. Aghaee and M. Rostaee. 2007. Nonparametric methods for evaluating of winter wheat genotypes in multi-environment trials. World J. Agric. Sci, 3(2): 137-242.
39. Mohammadi, R. and A. Amri. 2008. Comparison of parametric and non-parametric methods for selecting stable and adapted durum wheat genotypes in variable environments. Euphytica, 159(3): 419-432. [DOI:10.1007/s10681-007-9600-6]
40. Mohammadi, S.A. 2001. Analysis of genetic diversity in indian maize inbred lines using microsatellite markers a thesis. Indian Agricultural Research Institute; New Delhi.
41. Monteiro, F., L. Frese, S. Castro, M.C. Duarte, O.S. Paulo, J. Loureiro and M.M. Romeiras. 2018. Genetic and genomic tools to asssist sugar beet improvement: the value of the crop wild relatives. Frontiers in plant science, 9: 74-90. [DOI:10.3389/fpls.2018.00074]
42. Movahhedi, Z., H. Dehghani and M. Mofidian. 2010. A study of yield stability in cold region ecotypes of alfalfa (Medicago sativa L.) through non-parametric measures. Iranian Journal of Field Crop Science, 40(4): 103-111.
43. Nassar, R. and M. Huehn. 1987. Studies on estimation of phenotypic stability: Tests of significance for nonparametric measures of phenotypic stability. Biometrics, 1: 45-53. [DOI:10.2307/2531947]
44. Noruzi, E. and A. Ebadi. 2015. Comparison of parametric and non-parametric methods for analysing genotype× environment interactions in sunflower (Helianthus annuus L.) inbred lines. Jordan Journal of Agricultural Sciences, 11(4): 959-979.
45. Pardo, A., M. Amato and F.Q. Chiarandà. 2000. Relationships between soil structure, root distribution and water uptake of chickpea (Cicer arietinum L.). Plant growth and water distribution. European Journal of Agronomy, 13(1): 39-45. [DOI:10.1016/S1161-0301(00)00056-3]
46. Perkins, J.M. and J. Jinks. 1968. Environmental and genotype-environmental components of variability. Heredity, 23(3): 356-359. [DOI:10.1038/hdy.1968.48]
47. Pinthus, M.J. 1973. Estimate of genotypic value: A proposed method. Euphytica, 22(1): 121-123. [DOI:10.1007/BF00021563]
48. Raiger, H. and V. Prabhakaran. 2001. A study on the performance of a few non-parametric stability measures using pearl-millet data. Indian J. Genet, 61(1): 7-11.
49. Ranji, Z., M. Mesbah, R. Amiri and S. Vahedi. 2005. Study on the efficiency of AMMI method and pattern analysis for determination of stability in sugar beet varieties. Iranian Journal of Crop Science, 7(1): 1-20.
50. Ribeiro, I.C., C. Pinheiro, C.M. Ribeiro, M.M. Veloso, M.C. Simoes-Costa, I. Evaristo, O.S. Paulo and C.P. Ricardo. 2016. Genetic diversity and physiological performance of Portuguese wild beet (Beta vulgaris spp. maritima) from three contrasting habitats. Frontiers in plant science, 7: 1293. [DOI:10.3389/fpls.2016.01293]
51. Romagosa, I. and P. Fox. 1993. Genotype by environment interaction and adaptation. p. 373-390. MD Hayward et al.(ed.) Plant breeding: Principles and prospects. Chapman and Hall, London. Genotype by environment interaction and adaptation. p. 373-390. In MD Hayward et al.(ed.) Plant breeding: Principles and prospects. Chapman and Hall, London. [DOI:10.1007/978-94-011-1524-7_23]
52. Rommer, T. 1917. Sind die ertragreicheren sorten ertragssicherer. DGL-Mitt, 32(1): 87-89.
53. Roustaei, M., M. Moghaddam and S. Mahfozi. 1996. Comparison of methods for estimating stability parameters for selection in stable and high yielding wheat and barley cultivars in Iranian drylands. Isfahan University of Technology, 159 p.
54. Sabaghnia, N., H. Dehghani and S.H. Sabaghpour. 2006. Nonparametric methods for interpreting genotype× environment interaction of lentil genotypes. Crop Science, 46(3): 1100-1106. [DOI:10.2135/cropsci2005.06-0122]
55. Shukla, G. 1972. Some statistical aspects of partitioning genotype environmental components of variability. Heredity, 29(2): 237-245. [DOI:10.1038/hdy.1972.87]
56. Signor, C.E.L., S. Dousse, J. Lorgeou, J.B. Denis, R. Bonhomme, P. Carolo and A. Charcosset. 2001. Interpretation of genotype× environment interactions for early maize hybrids over 12 years. Crop Science, 41(3): 663-669. [DOI:10.2135/cropsci2001.413663x]
57. Tardieu, F. 2013. Plant response to environmental conditions: assessing potential production, water demand, and negative effects of water deficit. Frontiers in physiology, 4(17): 1-11. [DOI:10.3389/fphys.2013.00017]
58. Temesgen, T., G. Keneni, T. Sefera and M. Jarso. 2015. Yield stability and relationships among stability parameters in faba bean (Vicia faba L.) genotypes. The crop journal, 3(3): 258-268. [DOI:10.1016/j.cj.2015.03.004]
59. Thennarasu, K. 1995. On Certain Non-Parametric Procedures For Studying Genotype-Environmentinteractions. And Yield Stability. IARI, Division of Agricultural Statistics: New Delhi.
60. Wricke, G. 1692. Uber eine Methode zur Erfassung der okologischen Streubreite in Feldverzuchen. Z. pflanzenzuchtg, 47: 92-96.
61. Zali, H., E. Farshadfar, S.H. Sabaghpour and R. Karimizadeh. 2012. Evaluation of genotype× environment interaction in chickpea using measures of stability from AMMI model. Annals of Biological Research, 3(7): 3126-3136.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
