دوره 15، شماره 47 - ( پاییز 1402 )
جلد 15 شماره 47 صفحات 205-195 |
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:
Messhenas M, Najafi Zarini H, Rameei V, Ranjbar G. (2023). Identification of Stable and Drought-Tolerant Soybean Cultivars using AMMI and GGE Biplot Analysis. J Crop Breed. 15(47), 195-205. doi:10.61186/jcb.15.47.195
URL: http://jcb.sanru.ac.ir/article-1-1434-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1434-fa.html
مس‌شناس مرتضی، نجفی زرینی حمید، رامئه ولی الله، رنجبر غلامعلی. شناسایی ارقام پایدار و متحمل به تنش خشکی گیاه سویا با استفاده از تجزیه و تحلیل AMMI و GGE biplot پژوهشنامه اصلاح گیاهان زراعی 1402; 15 (47) :205-195 10.61186/jcb.15.47.195
مرتضی مس‌شناس1 
، حمید نجفی زرینی*1 ، ولی الله رامئه2 ، غلامعلی رنجبر3
، حمید نجفی زرینی*1 ، ولی الله رامئه2 ، غلامعلی رنجبر3
1- ژنتیک و بهنژادی گیاهی دانشگاه علوم کشاورزی و منابع طبیعی ساری
2- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی
3- گروه ژنتیک و بهنژادی گیاهی دانشگاه علوم کشاورزی و منابع طبیعی ساری
2- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی
3- گروه ژنتیک و بهنژادی گیاهی دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده: (1525 مشاهده)
چکیده مبسوط
مقدمه و هدف: پایداری و عملکرد بالا ژنوتیپ سویا عامل مهمی برای توسعه بلند مدت و امنیت غذایی است. بروز تنش‌های مختلف از جمله تنش خشکی می‌تواند خسارات بالایی را در تولید و تأمین این محصول ایجاد نماید. این عامل موجب توجه گسترده محققان به ارزیابی ژنوتیپ‌های پایدار و متحمل به تنش خشکی در محیط‌های مختلف جهت معرفی بهترین رقم شده است.
مواد و روش‌ها: اثرات متقابل G × E و ثبات عملکرد در 12 ژنوتیپ سویا در چهار محیط مختلف شمال ایران در این تحقیق مورد بررسی قرار گرفت. این آزمایش در قالب طرح بلوکهای کامل تصادفی با سه تکرار در هر محیط انجام شد. طی برداشت‌های متعدد، صفات اجزای عملکرد مانند ارتفاع گیاه، تعداد غلاف، تعداد دانه در غلاف، وزن هزار دانه، عملکرد بیولوژیکی، شاخص برداشت، عملکرد دانه، درصد روغن، عملکرد روغن و میزان پروتئین دانه در سال‌های 1400 و 1401 مورد ارزیابی قرار گرفت. آزمون های پایداری برای پارامترهای پایداری چند متغیره بر اساس تحلیل AMMI و GGE biplot انجام شد.
یافته‌ها: در بین ارقام مورد بررسی رقم ساری از بیشترین عملکرد در هر سه منطقه مورد بررسی برخوردار بود و رقم هیل کمترین مقدار عملکرد را در بین ارقام به خود اختصاص داد. رقم ساری در دو محیط قراخیل و کاپیک و ارقام تپور و SBA2 به منطقه بایع‌کلا نسبت به بقیه ارقام سازگاری بیشتری داشتند. ارقام ساری، تپور، کاسپین و SBA3 در این محدوده (بایع کلا) واقع شدند. و ارقام تلار، نکادر، SBA2 و SBA4 در محدوده دو شاخص TOL و SSI قرار گرفتند این ارقام نیز به‌عنوان ارقام حساس به خشکی شناسایی شدند.
نتیجه‌گیری: رقم ساری علاوه بر پایداری عملکرد در دو منطقه به تنش خشکی نیز متحمل بود و نسبت بقیه ارقام مورد مطالعه عملکرد بالاتری داشت. این رقم دارای ژن‌های تحمل خشکی و بهترین والد برای انتقال این ژن‌ها میباشد. بر اساس نتایج تجزیه خوشه‌ای ارقام هیل و SBA2 دورترین فاصله را با SBA6 داشتند. بهترین والدین برای بهبود نسل در تلاقی برای ایجاد جمعیت متنوع در پی تولید ارقام یا ژنوتیپ‌هایی برتر هستند.
مقدمه و هدف: پایداری و عملکرد بالا ژنوتیپ سویا عامل مهمی برای توسعه بلند مدت و امنیت غذایی است. بروز تنش‌های مختلف از جمله تنش خشکی می‌تواند خسارات بالایی را در تولید و تأمین این محصول ایجاد نماید. این عامل موجب توجه گسترده محققان به ارزیابی ژنوتیپ‌های پایدار و متحمل به تنش خشکی در محیط‌های مختلف جهت معرفی بهترین رقم شده است.
مواد و روش‌ها: اثرات متقابل G × E و ثبات عملکرد در 12 ژنوتیپ سویا در چهار محیط مختلف شمال ایران در این تحقیق مورد بررسی قرار گرفت. این آزمایش در قالب طرح بلوکهای کامل تصادفی با سه تکرار در هر محیط انجام شد. طی برداشت‌های متعدد، صفات اجزای عملکرد مانند ارتفاع گیاه، تعداد غلاف، تعداد دانه در غلاف، وزن هزار دانه، عملکرد بیولوژیکی، شاخص برداشت، عملکرد دانه، درصد روغن، عملکرد روغن و میزان پروتئین دانه در سال‌های 1400 و 1401 مورد ارزیابی قرار گرفت. آزمون های پایداری برای پارامترهای پایداری چند متغیره بر اساس تحلیل AMMI و GGE biplot انجام شد.
یافته‌ها: در بین ارقام مورد بررسی رقم ساری از بیشترین عملکرد در هر سه منطقه مورد بررسی برخوردار بود و رقم هیل کمترین مقدار عملکرد را در بین ارقام به خود اختصاص داد. رقم ساری در دو محیط قراخیل و کاپیک و ارقام تپور و SBA2 به منطقه بایع‌کلا نسبت به بقیه ارقام سازگاری بیشتری داشتند. ارقام ساری، تپور، کاسپین و SBA3 در این محدوده (بایع کلا) واقع شدند. و ارقام تلار، نکادر، SBA2 و SBA4 در محدوده دو شاخص TOL و SSI قرار گرفتند این ارقام نیز به‌عنوان ارقام حساس به خشکی شناسایی شدند.
نتیجه‌گیری: رقم ساری علاوه بر پایداری عملکرد در دو منطقه به تنش خشکی نیز متحمل بود و نسبت بقیه ارقام مورد مطالعه عملکرد بالاتری داشت. این رقم دارای ژن‌های تحمل خشکی و بهترین والد برای انتقال این ژن‌ها میباشد. بر اساس نتایج تجزیه خوشه‌ای ارقام هیل و SBA2 دورترین فاصله را با SBA6 داشتند. بهترین والدین برای بهبود نسل در تلاقی برای ایجاد جمعیت متنوع در پی تولید ارقام یا ژنوتیپ‌هایی برتر هستند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح براي تنش هاي زنده و غيرزنده محيطي
دریافت: 1401/9/19 | پذیرش: 1402/1/29
دریافت: 1401/9/19 | پذیرش: 1402/1/29
فهرست منابع
1. Adaawen, S. )2021(. Understanding climate change and drought perceptions, impact and responses in the rural ravannah, West Africa. Atmosphere, 12: 594. [DOI:10.3390/atmos12050594]
2. Aghaei, H., N. Babaeian and N. Bagheri.) 2017(. Correlation and path analysis of morphological and grain yield traits in Iranian rice genotypes under drought stress conditions. Biological Forum-An International Journal. 9: 23-27.
3. Amin Panah, H., P. Sharifi and A. Abedi. )2018(. Evaluation of rice genotypes based on yield and its components under conditions of full irrigation and drought stress and drought tolerance indices by biplot analysis method. Cereal Research, 8(2): 169-183 (In Persian).
4. Andrade, M.I., A. Naico, J. Ricardo, R. Eyzaguirre, G.S. Makunde, R. Ortiz and W.J. Grüneberg. )2016(. Genotype×environment interaction and selection for drought adaptation in sweetpotato (Ipomoea batatas [L.] Lam.) in Mozambique. Euphytica, 209(1): 261-280. [DOI:10.1007/s10681-016-1684-4]
5. Behzadi Z, H. Najafi Zarini, G. Ranjbar, A. Pakdin Parizi. (2022). Investigation of Genetic Diversity and Relationships Among Agronomic Traits of Some Flax Genotypes. jcb; 14 (43) :76-83 (In Persian). [DOI:10.52547/jcb.14.43.76]
6. Beltrano, J. and G.R. Marta. )2008(. Improved tolerance of wheat plants (Triticum aestivum L.) to drought stress and re‐watering by the arbuscular mycorrhizal fungus Glomus claroideum: Effect on growth and cell membrane stability. Brazilian Journal of Plant Physiology, 20: 29‐37. [DOI:10.1590/S1677-04202008000100004]
7. Boerma, H.R., J.E. Specht and R.F. Wilson. 2004. Soybeans: Improvement, Production, and Uses, 3rd Edition, ASA, CSSA, and SSSA, Madison, 621-668.
8. Chaudhary, K.R. and J. Wu.) 2012(. Stability analysis for yield and seed quality of soybean (Glycine max) Merril] across different environments in Eastern South Dakota. Conference on Applied Statistics in Agriculture. [DOI:10.4148/2475-7772.1033]
9. Cober, E.R. and M.J. Morrison. )2010(. Regulation of seed yield and agronomic characters by photoperiod sensitivity and growth habit genes in soybean. Theoretical and applied genetics, 120(5): 1005-1012. [DOI:10.1007/s00122-009-1228-6]
10. Ding, M., B. Tier and W. Yan. )2007(. Application of GGE biplot analysis to evaluate genotype (G), environment (E) and G x E interaction on P. radiata: a case study. Australasian Forest Genetics Conference Breeding for Wood Quality, Tasmania, Australia.
11. Fabio, E.S., T.A. Volk, R.O. Miller, M.J. Serapiglia, H.G. Gauch, Van Rees and L.B. Mart. )2017(. Genotype×environment interaction analysis of North American shrub willow yield trials confirms superior performance of triploid hybrids. Gcb Bioenergy, 9(2): 445-459. [DOI:10.1111/gcbb.12344]
12. Fischer, F.A. and R. Maurer. )1978(. Drought resistance in spring wheat cultivars, I. Grain yield Food Crops to Temperature and Water Stress. Taiwan,13-18 August. genetic diversity in CIMMYT improved wheat germplasm. Euphytica, 149: 289-301.
13. Gabriel, K.R. )1971(. The biplot graphic display of matrices with application to principal component analysis. Biomet 58: 453-467. [DOI:10.1093/biomet/58.3.453]
14. Gauch, H.G. and R.W. Zobel. )1997(. Identifying mega-environments and targeting genotypes. Crop Science, 37: 311-326. [DOI:10.2135/cropsci1997.0011183X003700020002x]
15. Gavuzzi, P., F. Rizza, M. Palumbo, R.G. Campaline, G.L. Ricciaroli and B. Borghi. )1997(. Evalution of field and laboratory predictors of drought and heat tolerance in winter cereals. Canadian Journal of Plant Science, 77: 523-531. [DOI:10.4141/P96-130]
16. Greveniotis, V., E. Bouloumpasi, S. Zotis, A. Korkovelos, C.G. Ipsilandis. )2021(. A Stability Analysis Using AMMI and GGE Biplot Approach on Forage Yield Assessment of Common Vetch in Both Conventional and Low-Input Cultivation Systems. Agriculture, 11: 567. [DOI:10.3390/agriculture11060567]
17. Haghpanah K, mirfakhraee S, khodadadi M, shamsifar S.(2020)Study on Genetic Diversity of some Barley (Hordeum vulgare L.) Cultivars using SSR Marker and Physiological Traits Plant Pigments and Proline undar Late Cold Stress. jcb 2020; 12 (34) :199-209 (In Persian). [DOI:10.29252/jcb.12.34.199]
18. Ilker, E., F.A. Tonk, O. Caylak, M. Tosun and İ. Özmen. )2009(. Assessment of Genotype X Enviroment Interactions for Grain Yield in Maize Hybrids Using AMMI and GGE Biplot Analyses. Turkish Journal of Field Crops, 14(2): 123-135.
19. Jafari Nazarabadi, T., A.A. Nasraleh Nejad Qomi, A. Kurdanaij and K. Zainlinejad. )2022(. Evaluation of genotype × environment interaction and grain yield stability of advanced backcross lines of bread wheat by GGE Biplot method. Agricultural Plant Breeding Journal, 14(43): 10-1 (In Persian). [DOI:10.52547/jcb.14.43.1]
20. Kamali, A., B. Fakheri and M. Zabet. )2014(. Investigating the effects of drought stress on yield and yield components of cotton using biplot analysis. Iran Cotton Research, 3(1): 33-47 (In Persian).
21. Kim, H.J., B.K. Ha, K.S. Ha, J.H. Chae, J.H. Park, M.S. Kim, S. Asekova, J.G. Shannon and C.K. Son, J.D. Lee. )2015(. Comparison of a high oleic acid soybean line to cultivated cultivars for seed yield, protein and oil concentrations. Euphytica, 201: 285-292. [DOI:10.1007/s10681-014-1210-5]
22. Kumar, A., A.C. Jnanesha, V.M. Kumar and R.K. Lal. )2022(. GGE biplot vs. AMMI analysis of genotype-by-environment data on essential oil yield in lemongrass (Cymbopogon flexuosus (nees ex. Steud) wats.] grown in semi-arid tropical regions of southern India under different agro-climatic conditions. Biochemical Systematics and Ecology, 103: 104439. [DOI:10.1016/j.bse.2022.104439]
23. Mohammadi, M., P. Sharifi and R. Karimizadeh. )2015(. Stability Analysis of Seed Yield of Safflower Genotypes (Carthamus tinctorius). Journal of Crop Breeding, 104-114 (In Persain).
24. Mustamu, Y.A., K. Tjintokohadi, W.J. Grüneberg, A. Karuniawan and D. Ruswandi. )2018(. Selection of superior genotype of sweet-potato in Indonesia based on stability and adaptability. Chilean journal of agricultural research, 78(4): 461-469. [DOI:10.4067/S0718-58392018000400461]
25. Prado, E.E.D., D.M. Hiromoto, V.D.P.C. Godinho, M.M. Utumi and A.R. Ramalho. )2001(. Adaptabilidade e estabilidade de cultivares de soja em cinco épocas de plantio no cerrado de Rondônia. Pesqui. Agropecuária Bras, 36: 625-635. [DOI:10.1590/S0100-204X2001000400005]
26. Purchase, J.L. )1997(. Parametric analysis to described G x E interaction and yield stability in winter yield.Ph.D Thesis. Department of Agronomy, Falculty of Agriculture, University of Orange Free State, Bloemfontein, South Africa. 4-83.
27. Ray, C.L., E.R. Shipe and W.C. Bridges. )2008(. Planting date influence on soybean agronomic traits and seed composition in modified fatty acid breeding lines. Crop Science, 48: 181-188. [DOI:10.2135/cropsci2007.05.0290]
28. Raza, A., A. Razzaq, S.S. Mehmood, X. Zou, X. Zhang, Y. Lv and J. Xu. )2019(. Impact of climate change on crops adaptation and strategies to tackle its outcome: A review. Plants, 8: 34. [DOI:10.3390/plants8020034]
29. Sharifi, P., H. Aminpanah, R. Erfani, A. Mohaddesi and A. Abbasian. )2017(. Evaluation of genotype× environment interaction in rice based on AMMI model in Iran. Rice science, 24(3): 173-180. [DOI:10.1016/j.rsci.2017.02.001]
30. Specht, J.E., B.W. Diers, R.L. Nelson, J.F.F. de Toledo, J.A. Torrion and P. Grassini. )2014(. Soybean. Yield gains in major US field crops, 33: 311-355. [DOI:10.2135/cssaspecpub33.c12]
31. Sudarić, A., M. Matoša Kočar, T. Duvnjak, Z. Zdunić and A. Markulj Kulundžić. )2020(. Improving Seed Quality of Soybean Suitable for Growing in Europe. In Soybean for Human Consumption and Animal Feed; IntechOpen: London, UK, pp. 416-680. [DOI:10.5772/intechopen.89922]
32. Tiwari, J.K. )2019(. GGE biplot and AMMI model to evaluate spine gourd (Momordica dioica Roxb.) for genotype× environment interaction and seasonal adaptation. Electron. Journal Plant Breed, 10: 264-271. doi: 10.5958/0975- 928x.2019.00031.0 [DOI:10.5958/0975-928X.2019.00031.0]
33. Voss-Fels, K.P., A. Stahl and L.T.Q. Hickey. )2019(. Modern crop breeding for future food security. BMC Biology, 17: 1-7. [DOI:10.1186/s12915-019-0638-4]
34. Wang, Y.Y., Y.Q. Li, H.Y. Wu, B. Hu, J.J. Zheng, H. Zhai and Z.J. Xia. )2018(. Genotyping of soybean cultivars with medium-density array reveals the population structure and QTNs underlying maturity and seed traits. Frontiers in plant science, 9: 610. [DOI:10.3389/fpls.2018.00610]
35. Wang, Y., L. Zhang, A. Nafisah, L. Zhu, J. Xu and Z. Li. )2013(. Selection efficiencies for improving drought. Salt tolerances and yield using introgression breeding in rice (Oryza sativa L.) The Crop Journal, 1: 134-142. [DOI:10.1016/j.cj.2013.07.006]
36. Wardofa, G.A., D. Asnake and H. Mohammed. )2019(. GGE biplot analysis of genotype by environment interaction and grain yield stability of bread wheat genotypes in central Ethiopia. Journal of Plant Breeding and Genetics, 7(2): 75-85. [DOI:10.33687/pbg.007.02.2846]
37. Wilcox, J.R. and R.M. Shibles. )2001(. Interrelationships among seed quality attributes in soybean. Crop science, 41: 11-14. [DOI:10.2135/cropsci2001.41111x]
38. Wolf, W.J., J. Cowan. )1975(. Soybeans as a Food Source; CRC Press: Boca Raton, FL, USA, ISBN 0878191127.
39. Workie, A., Z. Habtamu and D. Yigzaw. )2021(. Genotype X environment interaction of maize (Zea mays L.) across North Western Ethiopia. Journal of Plant Breeding and Crop Science, 5(9): 171-181. [DOI:10.5897/JPBCS2013.0406]
40. Yan, W. )2001(. GGE Biplot-A Windows application for graphical analysis of multi-environment trial data and other types of two-way data. Agron. Journal, 93: 1111-1118. [DOI:10.2134/agronj2001.9351111x]
41. Yan, W., L.A. Hunt, Q. Sheng and Z. Szlavnics. )2000(. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop science, 40: 597-605. [DOI:10.2135/cropsci2000.403597x]
42. Yu, J., J.B. Holland, M.D. McMullen and E.S. Buckler. )2008(. Genetic design and statistical power of nested association mapping in maize. Genetics, 178(1): 539-551. [DOI:10.1534/genetics.107.074245]
43. Zhang, H., Z. Feng, J. Wang, X. Yun, F. Qu, C. Sun and Q. Wang. )2022(. Genotype by environment interaction for grain yield in foxtail millet (Setarai italica) using AMMI model and GGE Biplot. Plant Growth Regulation, 1-12. [DOI:10.21203/rs.3.rs-1730323/v1]
44. Zobel, R.W., M.J. Wright and H.G. Gauch Jr. )1988(. Statistical analysis of a yield trial. Agronomy journal, 80(3): 388-393. [DOI:10.2134/agronj1988.00021962008000030002x]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
