دوره 15، شماره 45 - ( بهار 1402 )
جلد 15 شماره 45 صفحات 182-172 |
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:
Ghadiri A, Shobeiri S, Asadi1 A A. (2023). Genotype × Environment Interactions Effects on Grain Yield in Chitti Bean Genotypes. J Crop Breed. 15(45), 172-182. doi:10.61186/jcb.15.45.172
URL: http://jcb.sanru.ac.ir/article-1-1398-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1398-fa.html
غدیری عادل، شبیری سودابه، اسدی علی اکبر. بررسی اثر متقابل ژنوتیپ در محیط برای عملکرد دانه در ژنوتیپ‌های لوبیاچیتی پژوهشنامه اصلاح گیاهان زراعی 1402; 15 (45) :182-172 10.61186/jcb.15.45.172
1- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مرکزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، اراک، ایران
2- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات آموزش کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران
2- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات آموزش کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران
چکیده: (1510 مشاهده)
چکیده مبسوط
مقدمه و هدف: وجود اثر متقابل ژنوتیپ در محیط برای صفات کمی مثل عملکرد دانه می‌تواند انتخاب ژنوتیپ‌های برتر را برای توسعه ارقام اصلاح‌شده محدود کند. به‌منظور محاسبه اثر متقابل ژنوتیپ در محیط، به‌نژادگران ژنوتیپ‌ها را در چندین محیط ارزیابی می‌کنند تا ژنوتیپ‌های با عملکرد و پایداری بالا شناسایی شوند. این آزمایش به‌منظور بررسی اثر متقابل ژنوتیپ در محیط بر روی تعداد 11 ژنوتیپ لوبیا چیتی با استفاده از روش‌های پارامتری و ناپارامتری و مدلGGE بای‌پلات به‌منظور ارزیابی ژنوتیپ‌ها و محیط‌ها، تعیین روابط بین ژنوتیپ‌ها و محیط‌ها و شناسایی ژنوتیپ ایده‌آل انجام شد.
مواد و روش‌ها: در این آزمایش تعداد 9 لاین لوبیاچیتی به همراه ارقام غفار و لاین Cos16 (در مجموع 11 لاین)، طی سال های 1399 و 1400 در دو ایستگاه خمین و زنجان در قالب طرح بلوک‌های کامل تصادفی با سه تکرار به‌منظور دستیابی به ارقام لوبیاچیتی با عملکرد بالا و بازارپسندی مطلوب انجام گرفت. جهت انتخاب ژنوتیپ‌های پایدار با عملکرد بالا از روش‌های پارامتری و ناپارامتری و جهت گزینش ژنوتیپ‌های برتر و سازگار با محیط‌های انجام آزمایش از تجزیه GGE بای‌پلات استفاده شد.
یافته‌ها: وجود اثر متقابل معنی‌دار ژنوتیپ × محیط حاکی از واکنش متفاوت ژنوتیپ‌ها به محیط‌های مختلف بود. در روش‌های پارامتری ژنوتیپ‌های G4، G8، G9 و تا حدودی G2 و در روش‌های ناپارامتری ژنوتیپ‌های G2، G8،G3، G4 و تا حدودیG9 با عنوان ارقام پایدار معرفی شدند. تجزیه بای‌پلات نشان داد که ژنوتیپ Cos16 در محیط‌های زنجان سال اول و دوم و ژنوتیپ G2 در محیط‌های خمین سال اول و دوم بیشترین عملکرد را از خود نشان دادند. ژنوتیپ‌هایG11 وG7 با بیشترین فاصله تا خط ATC دارای عملکرد پایین و نیز پایداری عملکرد پایین بودند. هیچ‌کدام از ژنوتیپ‌ها به‌عنوان ژنوتیپ مطلوب که دارای میانگین عملکرد بالا و نیز پایداری عملکرد بالایی باشند وجود نداشتند ولی ژنوتیپ G2 و در مرحله بعد ژنوتیپ G4 در فاصله اندکی نسبت به ژنوتیپ ایده‌آل قرار داشتند. هیچ‌کدام از محیط‌های مورد بررسی نیز به محیط ایده‌آل نزدیک نبوده و بنابراین نمی‌توان هیچ‌کدام از آن‌ها را به‌عنوان نماینده محیط‌ها برای تفکیک ژنوتیپ‌ها در نظر گرفت.
نتیجه گیری: شاهد Cos16 در محیط‌های زنجان سال اول و دوم و ژنوتیپG2 در محیط‌های خمین سال اول و دوم بیشترین عملکرد را دارا هستند. هیچ ژنوتیپ ایده‌آلی مشاهده نشد ولی دو ژنوتیپ شاهد Cos16 و G4 را می‌توان به‌عنوان ژنوتیپ‌های برتر معرفی کرد.
مقدمه و هدف: وجود اثر متقابل ژنوتیپ در محیط برای صفات کمی مثل عملکرد دانه می‌تواند انتخاب ژنوتیپ‌های برتر را برای توسعه ارقام اصلاح‌شده محدود کند. به‌منظور محاسبه اثر متقابل ژنوتیپ در محیط، به‌نژادگران ژنوتیپ‌ها را در چندین محیط ارزیابی می‌کنند تا ژنوتیپ‌های با عملکرد و پایداری بالا شناسایی شوند. این آزمایش به‌منظور بررسی اثر متقابل ژنوتیپ در محیط بر روی تعداد 11 ژنوتیپ لوبیا چیتی با استفاده از روش‌های پارامتری و ناپارامتری و مدلGGE بای‌پلات به‌منظور ارزیابی ژنوتیپ‌ها و محیط‌ها، تعیین روابط بین ژنوتیپ‌ها و محیط‌ها و شناسایی ژنوتیپ ایده‌آل انجام شد.
مواد و روش‌ها: در این آزمایش تعداد 9 لاین لوبیاچیتی به همراه ارقام غفار و لاین Cos16 (در مجموع 11 لاین)، طی سال های 1399 و 1400 در دو ایستگاه خمین و زنجان در قالب طرح بلوک‌های کامل تصادفی با سه تکرار به‌منظور دستیابی به ارقام لوبیاچیتی با عملکرد بالا و بازارپسندی مطلوب انجام گرفت. جهت انتخاب ژنوتیپ‌های پایدار با عملکرد بالا از روش‌های پارامتری و ناپارامتری و جهت گزینش ژنوتیپ‌های برتر و سازگار با محیط‌های انجام آزمایش از تجزیه GGE بای‌پلات استفاده شد.
یافته‌ها: وجود اثر متقابل معنی‌دار ژنوتیپ × محیط حاکی از واکنش متفاوت ژنوتیپ‌ها به محیط‌های مختلف بود. در روش‌های پارامتری ژنوتیپ‌های G4، G8، G9 و تا حدودی G2 و در روش‌های ناپارامتری ژنوتیپ‌های G2، G8،G3، G4 و تا حدودیG9 با عنوان ارقام پایدار معرفی شدند. تجزیه بای‌پلات نشان داد که ژنوتیپ Cos16 در محیط‌های زنجان سال اول و دوم و ژنوتیپ G2 در محیط‌های خمین سال اول و دوم بیشترین عملکرد را از خود نشان دادند. ژنوتیپ‌هایG11 وG7 با بیشترین فاصله تا خط ATC دارای عملکرد پایین و نیز پایداری عملکرد پایین بودند. هیچ‌کدام از ژنوتیپ‌ها به‌عنوان ژنوتیپ مطلوب که دارای میانگین عملکرد بالا و نیز پایداری عملکرد بالایی باشند وجود نداشتند ولی ژنوتیپ G2 و در مرحله بعد ژنوتیپ G4 در فاصله اندکی نسبت به ژنوتیپ ایده‌آل قرار داشتند. هیچ‌کدام از محیط‌های مورد بررسی نیز به محیط ایده‌آل نزدیک نبوده و بنابراین نمی‌توان هیچ‌کدام از آن‌ها را به‌عنوان نماینده محیط‌ها برای تفکیک ژنوتیپ‌ها در نظر گرفت.
نتیجه گیری: شاهد Cos16 در محیط‌های زنجان سال اول و دوم و ژنوتیپG2 در محیط‌های خمین سال اول و دوم بیشترین عملکرد را دارا هستند. هیچ ژنوتیپ ایده‌آلی مشاهده نشد ولی دو ژنوتیپ شاهد Cos16 و G4 را می‌توان به‌عنوان ژنوتیپ‌های برتر معرفی کرد.
فهرست منابع
1. Barati, A., I. Lakzadeh, M. Jabbari, O. Poodineh, J. Jafarbby, K. Shahbazihomonlo, A. Gholipour and N.A. Tabatabaei Fard. 2020. Evaluation of grain yield stability of irrigated barley (Hordeum vulgare L.) promising lines in warm regions of Iran using GGE biplot analysis. Iranian Journal of Crop Science, 22: 212-224 (In Persian).
2. Blanche, S.B. and G.O. Myers. 2006. Identifying discriminating locations for cultivar selection in Louisiana. Crop Science, 46: 946-949. [DOI:10.2135/cropsci2005.0279]
3. Dashtaki, M., A. YazdanSepas, T. NajafiMirak, M.R. Ghanadha, R. Joukar, M.R. Islampour, A.A. Moayedi, M. Nazeri, M.S. AbediOskooie, G. Aminzadeh, R. Soltani, S. Ashouri and A.R. Kouchaki. 2004. Stability of grain yield and harvest index in winter and facultative bread wheat (Triticum aestivum l.) Genotypes. Seed and Plant Improvement Journal, 20(3): 263-280 (In Persian).
4. Donoso-Ñanculao, G., M. Paredes, V. Becerra, C. Arrepol and C. Balzarini. 2018. GGE-Biplot analysis of multienvironment yield trials of rice produced in a temperate climate. Chilean Journal of Agricultural Research, 76(2): 152-157. [DOI:10.4067/S0718-58392016000200003]
5. Ebadi Segherloo, A., S.H. Sabaghpour, H. Dehghani and M. Kamrani. 2008. Nonparametric measures of phenotypic stability in chickpea genotypes (Cicer arietinum L.). Euphytica, 162: 221-229. [DOI:10.1007/s10681-007-9552-x]
6. Ebdon, J.S. and H.G. Gauch. 2002. Additive main effects and multiplicative interaction analysis of national turf grass performance trials. Crop Science, 42: 497-506. [DOI:10.2135/cropsci2002.4970]
7. Fan, X.M., M.S. Kang, H. Chen, Y. Zhang, J. Tan and C. Xu. 2007. Yield stability of maize hybrids evaluated in multi-environment trials in Yunnan, China. Agronomy Journal, 99: 220-228. [DOI:10.2134/agronj2006.0144]
8. FAO (Food and Agriculture Organization). 2020. Production and Trade yearbook, 2007. FAO, Rome.
9. Farshadfar, E. and J. Sutka. 2000. Combining ability analysis of drought tolerance in wheat over different water regimes. Acta Agronomica Hungarica, 48: 353-361. [DOI:10.1556/AAgr.48.2000.4.5]
10. Finlay, K.W. and G.N. Wilkinson. 1963. The analysis of adaptation in plant breeding program. Australian Journal of Agricultural Research, 14: 752-754. [DOI:10.1071/AR9630742]
11. Francis, T.R. and L.W. Kannenberg. 1978. Yield stability studies in short-season maize: Ι- A descriptive method for grouping genotypes. Canadian Journal of Plant Science, 58: 1029-1034. [DOI:10.4141/cjps78-157]
12. Huehn, V.M. 1990. Non-parametric measures of phenotypic stability. Part I: Theory. Euphytica, 47: 189-194. [DOI:10.1007/BF00024241]
13. Kang, M.S. 1990. Understanding and utilization of genotype-by-environment interaction in plant breeding, 52-68 pp. In: Kang, M.S. (ed.) Genotype- by- Environment, Interaction and Plant Breeding, Louisiana State University, Department of Agronomy, Baton Rouge, Louisian, USA.
14. Kang, M.S. 1988. A rank-sum method for selecting high-yielding, stable corn genotypes. Cereal Research Communications, 16: 113-115.
15. Kaya, Y., M. Akcura and S. Taner. 2006. GGE-Biplot analysis of multi-environment yield trials in bread wheat. Turkish Journal of Agriculture and Forestry, 30: 325-337.
16. Laffont, J.L., M. Hanafi and K. Wright. 2007. Numerical and graphical measures to facilitate the interpretation of GGE biplots, Crop Science, 47: 990-996. [DOI:10.2135/cropsci2006.08.0549]
17. Majnoun Hosseini, N. 2015. Agriculture and production of cereals (new edition of cereals in Iran). Tehran University Jihad Publishing Organization. 283 p.
18. Makumbi, D., A. Diallo, K. Kanampiu, S. Mugo and H. Karaya. 2015. Agronomic performance and genotype × environment interaction of herbicide-resistant maize varieties in Eastern Africa. Crop Science, 55: 540-555. [DOI:10.2135/cropsci2014.08.0593]
19. Moghaddam, M.J. and S.S. Pourdad. 2009. Comparison of parametric and nonparametric methods for analyzing genotype × environment interactions in safflower (Carthamus tinctorius L.). Journal of Agricultural Science, Cambridge, 147: 601-612. [DOI:10.1017/S0021859609990050]
20. Mohammadi, R., M. Armion, E. Zadhassan and M. Eskandari. 2014. Analysis of genotype and environment interaction for grain yield in rain-fed durum wheat. Iranian Dryland Agronomy Journal, 1(4): 23-32 (In Persian).
21. Mohammadi, R., M. Armion, E. Zadhasan, M.M. Ahmadi and D. Sadeghzadeh Ahari. 2012. Genotype environment interaction for grain yield of rainfed durum wheat using the GGE bipot model, Seed and Plant Journal, 28(3): 503-518 (In Persian).
22. Mohammadi, R., R. Haghparast, A. Amri and S. Ceccarelli. 2010. Yield stability of rainfed durum wheat and GGE biplot analysis of multi-environment trials. Crop and Pasture Science, 61: 92-101. [DOI:10.1071/CP09151]
23. Mohammadi, R., A. Abdulahi, R. Haghparast and M. Armion. 2007. Interpreting genotype × environment interactions for durum wheat grain yields using nonparametric methods. Euphytica, 157: 239-251. [DOI:10.1007/s10681-007-9417-3]
24. Najafian, G., A.K. Kaffashi and A. Jafar-Nezhad. 2010. Analysis of grain yield stability in hexaploid wheat genotypes grown in temperate regions of Iran using additive main effects and multiplicative interaction. Journal of Agricultural Science and Technology, 12: 213-222 (In Persian).
25. Nassar, R. and M. Huehn. 1987. Studies on estimation of phenotypic stability: Tests of significance for nonparametric measures of phenotypic stability. Biometrics, 43: 45-53. [DOI:10.2307/2531947]
26. Omrani, S., A. Omrani, M. Afshari, A. Saremi-rad, S. Bardehji and P. Foroozesh. 2019. Application of multivariable of additive main effects and multiplicative interaction and Biplot graphical analysis multivariate methods on the study of genotype environment interaction on safflower genotypes grain yield. Journal of Crop Breeding, 11(31): 153-163. [DOI:10.29252/jcb.11.31.153]
27. Osiru, M.O., O.M. Olanya, E. Adipala, R. Kapinga and B. Lemaga. 2009. Yield stability analysis of Ipomoea batatus L. cultivars in diverse environments. Australian Journal of Crop Science, 3: 213-220.
28. Perez de la Vega, M., M. Santalla, and F. Marsolais. 2017. The common bean genome. Springer International Publishing. 304 p. [DOI:10.1007/978-3-319-63526-2]
29. Plaisted, R.L. 1960. A shorter method for evaluating the ability of selections to yield consistently over locations. American Potato Journal, 37: 166-172. [DOI:10.1007/BF02855271]
30. Plasted, R.L. and Peterson, L.C. 1959. A technique for evaluation the ability of selections to yield consistently in different locations or seasons. American Potato Journal, 36: 281-285. [DOI:10.1007/BF02852735]
31. Pour-Aboughadareh, A., M. Yousefian, H. Moradkhani, P. Poczai and K.H.M. Siddique. 2019. STABILITYSOFT: A new online program to calculate parametric and non-parametric stability statistics for crop traits. Applications in Plant Sciences, 7(1): e1211. [DOI:10.1002/aps3.1211]
32. Pourdad, S. and M. Jamshidi Moghaddam. 2013. Study on genotype and environment interaction through GGE biplot for seed yield in spring rapeseed (Brassica napus L.) in rain-Fed condition. Journal of Crop Breeding, 5(12): 12-23 (In Persian).
33. Ramazani, A. 2012. The study of yield stability of rice genotypes in Isfahan province. Cereal Research, 2(3): 181-192 (In Persian).
34. Romer, T. 1917. Sind die ertragsreichen sorten ertragssichers? Milt. DLG. 32: 87-89.
35. Roustaie, M., D. Sadeghzadeh Ahari, A. Hesami, K. Soleymani, H. Pashapour, K. Nader-Mahmoudi, M.M. Pour Siahbidi, M. Ahmadi, M. Hassanpour Hosni, and M. Abedi-Asl. 2003. Study of adaptability and stability of grain yield of bread wheat genotypes in cold and moderate-cold dry land areas. Seed and Plant Improvement Journal. 19(2): 263-275 (In Persian).
36. Sabaghnia, N., H. Dehghani and S.H. Sabaghpour. 2008. Graphic analysis of genotype and environment interaction for lentil (Lens culinaris Medik) yield in Iran. Agronomy Journal, 100: [DOI:10.2134/agronj2006.0282]
37. 764 (In Persian).
38. Sabaghnia, N., H. Dehghani and S.H. Sabaghpour. 2006. Nonparametric methods for interpreting genotype × environment interaction of lentil genotypes. Crop Science, 46: 1100-1106. [DOI:10.2135/cropsci2005.06-0122]
39. Sabah, M.A., M.M. El-Hady, A.M. El-Taweel and E.H. El-Harty. 2007. Stability statistics of some faba bean genotypes. Annals of Agricultural Sciences, 45: 525-544.
40. Saremi Rad, A., K. Mostafavi and A. Mohammadi. 2020. Genotype-environment interaction study base GGE biplot method for kernel yield in sunflower (Helianthus annuus L.) cultivars. Journal of Crop Breeding, 12(34): 43-53. [DOI:10.29252/jcb.12.34.43]
41. Ssemakula, G. and A. Dixon. 2007. Genotype × environment interaction, stability and agronomic performance of carotenoid-rich cassava clones. Scientific Research and Essays, 2: 390-399.
42. Shukla, G.K. 1972. Some statistical aspects of partitioning genotype - environmental components of variability. Heredity, 29: 237-245. [DOI:10.1038/hdy.1972.87]
43. Soughi, H.A., N.A. Babaeian Jelodar, G.A. Ranjbar and M. Hadi Pahlevani. 2016. Simultaneous selection based on yield and yield stability in bread wheat genotypes. Journal of Crop Breeding, 8(18): 119-125 (In Persian). [DOI:10.29252/jcb.8.18.119]
44. Thennarasu, K. 1995. On certain non-parametric procedures for studying genotype-environment interactions and yield stability. Ph.D. Thesis. P.J. School, IARI, New Delhi. India.
45. Vaezi, B., J. Ahmadi and A.R. Pour-Aboughadareh. 2015. Stability analysis of barley advanced lines under Gachsaran tropical environment. Cereal Research, 5(3): 261-272.
46. Van Schoonhoven, A. and O. Voysest. 1993. Common beans: research for crop improvement. CIAT, Cali. Colombia, 980 p.
47. Wricks, G. 1962. uber eine method zur erfassung der okoiogschen streubreite in feldversuchen. Z. Pflanzenzuchtg, 47: 92-96.
48. 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: 643-655. [DOI:10.2135/cropsci2006.06.0374]
49. Yan, W. and N.A. Tinker. 2006. Biplot analysis of multi-environment trial data: Principles and applications. Canadian Journal of Plant Science, 86: 623-645. [DOI:10.4141/P05-169]
50. Yan, W. and M.S. Kang. 2003. GGE Biplot analysis: A graphical tool for breeders, geneticists, and agronomists.' CRC Press: Boca Raton, FL. [DOI:10.1201/9781420040371]
51. Yan, W. and I. Rajcan. 2002. Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42:11-20. [DOI:10.2135/cropsci2002.1100]
52. Yan, W. 2002. Singular-value partitioning in biplot analysis of multi-environment trial data. Agronomy Journal, 94: 990-996. [DOI:10.2134/agronj2002.9900]
53. Yan, W., P.L. Cornelius, J. Crossa and L.A. Hunt. 2001. Two types of GGE biplots for analyzing multi environment trial data. Crop Science, 41: 656-663. [DOI:10.2135/cropsci2001.413656x]
54. Zaifizadeh, M., M. Mogaddam, M. Ghasemi, S. Mahfouzi and A. Ahmadi. 1996. Stability analysis of grain yield of spring bread wheat cultivars in Caspian Sea regions. Iranian Journal of Agricultural Sciences. 7(1): 45-51 (In Persian).
55. Zali, H., E. Farshadfar and S.H. Sabaghpour. 2011. Non-parametric analysis of phenotypic stability in chickpea (Cicer arietinum L.) genotypes in Iran. Crop Breeding Journal, 1: 89-100 (In Persian).
56. Zarei, L., E. Farshadfar, R. Haghparast, R. Rajabi, M. Mohammadi Sarab Badieh and H. Zali. 2012. Comparison of different methods of stability evaluation in bread wheat genotypes under drought stress conditions. Electronic Journal of Crop Breeding, 5(3): 81-97 (In Persian).
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
