دوره 16، شماره 2 - ( تابستان 1403 )
جلد 16 شماره 2 صفحات 28-14 |
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:
Shiri M, Moharramnejad S, Estakhr A, Fareghi S, Najafinezhad H, Khavari Khorasani S, et al . (2024). Determining the Stability of New Maize Hybrids with WAASBY and MTSI Indices. J Crop Breed. 16(2), 14-28. doi:10.61186/jcb.16.2.14
URL: http://jcb.sanru.ac.ir/article-1-1468-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1468-fa.html
شیری محمدرضا، محرم نژاد سجاد، استخر افشار، فارغی شراره، نجفی نژاد حمید، خاوری خراسانی سعید، و همکاران. و همکاران.. تعیین پایداری هیبریدهای جدید ذرت با شاخص های WAASBY و MTSI پژوهشنامه اصلاح گیاهان زراعی 1403; 16 (2) :28-14 10.61186/jcb.16.2.14
محمدرضا شیری* 
1، سجاد محرم نژاد2 ، افشار استخر3 ، شراره فارغی4 ، حمید نجفی نژاد5 ، سعید خاوری خراسانی6 ، عزیز آفرینش7، کامران انوری8، مرتضی اشراقی نژاد9 ، مسعود محسنی10
1، سجاد محرم نژاد2 ، افشار استخر3 ، شراره فارغی4 ، حمید نجفی نژاد5 ، سعید خاوری خراسانی6 ، عزیز آفرینش7، کامران انوری8، مرتضی اشراقی نژاد9 ، مسعود محسنی10
1- موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
2- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی، مغان، ایران
3- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ایران
4- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کرمانشاه، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران
5- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران
6- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران
7- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی دزفول، سازمان تحقیقات، آموزش و ترویج کشاورزی، دزفول، ایران
8- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان غربی، سازمان تحقیقات، آموزش و ترویج کشاورزی، ارومیه، ایران
9- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، جیرفت، ایران
10- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران
2- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی، مغان، ایران
3- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ایران
4- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کرمانشاه، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران
5- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران
6- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران
7- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی دزفول، سازمان تحقیقات، آموزش و ترویج کشاورزی، دزفول، ایران
8- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان غربی، سازمان تحقیقات، آموزش و ترویج کشاورزی، ارومیه، ایران
9- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، جیرفت، ایران
10- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران
چکیده: (1126 مشاهده)
چکیده مبسوط
مقدمه و هدف: ذرت یکی از مهمترین گیاهان زراعی است که در بسیاری از نقاط جهان کشت میشود. ارزیابی ژنوتیپها در برنامههای بهنژادی اغلب با دو چالش مهم، اثر متقابل ژنوتیپ × محیط برای صفت هدف و روابط نامطلوب بین صفات هدف، روبرو است. علی‌رغم اینکه روش های زیادی برای تجزیه پایداری، بهویژه ابزارهای گرافیکی و کارایی نسبتاً خوب آنها در تفسیر نتایج، ارایه شده است. در این میان، بهنظر میرسد روش بهترین پیشبینیهای نااُریب خطی (BLUP) که میانگین ها را با دقت بالا، بهویژه در مدلهای مختلط تخمین میزند، برای ارزیابی دادههای آزمایشهای چندمحیطی (MET) از کارایی بالاتری برخودار باشند. لذا با شاخص پایداری میانگین وزنی نمرات مطلق (WAASB) که از ادغام دو روش پایداری اثرات اصلی جمع پذیر و برهمکنش های ضرب پذیر (AMMI) و بهترین پیش بینی های نااُریب خطی برآورد می گردد، می توان در آزمایش های چند محیطی پایداری ژنوتیپ ها را دقیق تر تخمین زد. در برنامه های به نژادی ذرت در کنار عملکرد دانه بالا، زودرسی دارای جایگاه ویژهای است. برای انتخاب همزمان چند صفت یکی از کارآمدترین و جدیدترین روش ها، شاخص پایداری چندصفتی (MTSI) بوده که بر اساس میانگین عملکرد و پایداری همزمان ژنوتیپ ها در صفات و محیط های مختلف برآورد می گردد. لذا پژوهش حاضر با هدف تعیین هیبرید پایدار با عملکرد بالا بههمراه سطح مطلوب صفات درصد رطوبت دانه هنگام برداشت، تعداد روز تا رسیدن فیزیولوژیکی با بهره گیری از ترکیب دو روش AMMI و BLUP با شاخص های WAASB، WAASBY و MTSI انجام گرفت.
مواد و روشها: این پژوهش بهمنظور بررسی پایداری هفت هیبرید امیدبخش ذرت بههمراه چهار رقم تجاری شامل SC647، TWC647، SC704 و SC715 در آزمایش چند محیطی ذرت در قالب طرح آزمایشی بلوک های کامل تصادفی در چهار تکرار در 10 منطقه (کرج، مغان، شیراز، کرمانشاه، کرمان، مشهد، دزفول، میاندوآب، جیرفت و ساری) بهمدت دو سال زراعی 1398 و 1399 انجام گرفت. در این بررسی صفات عملکرد دانه با رطوبت دانه 14 درصد، درصد رطوبت دانه هنگام برداشت و تعداد روز تا رسیدن فیزیولوژیکی اندازه گیری شدند. پایداری ژنوتیپی برای هر ژنوتیپ با میانگین وزنی نمرات مطلق (WAASB)، که از تجزیه مقادیر منفرد (SVD) ماتریس بهترین پیش بینی های نااُریب خطی (BLUP) از اثر متقابل ژنوتیپ × محیط که با یک مدل اثر مختلط خطی ایجاد شده بود، برآورد گردید. همچنین انتخاب همزمان برای عملکرد و پایداری با شاخص WAASBY با دادن وزنهای مختلف به میانگین عملکرد (Y) و شاخص پایداری (WAASB) انجام شد. علاوه بر اینها، انتخاب همزمان برای میانگین عملکرد و پایداری بر اساس چند صفت با استفاده از نمرات بهدست آمده از یک تجزیه عاملی اکتشافی (شاخص پایداری چندصفتی) انجام گرفت.
یافتهها: بر اساس میانگین 10 محیط در سال های زراعی 1398 و 1399، هیبرید امیدبخش شماره 3 با 80/12 تن در هکتار بالاترین عملکرد دانه را داشت. بر اساس آزمون درست نمایی نسبی (LRT) برهمکنش ژنوتیپ و محیط برای صفات عملکرد دانه، درصد رطوبت دانه موقع برداشت و تعداد روز تا رسیدن فیزیولوژیک معنی دار بود. لذا برآورد آماره های پایداری با روشBLUP امکانپذیر بود. بر همین اساس برآورد BLUPها برای هیبریدها انجام و سپس تجزیه پایداری بهروش AMMI بر روی اینBLUPها صورت گرفت. نتایج نشان داد دو مولفه اول و دوم بهترتیب 7/27 و 6/24 درصد از تغییرات برهمکنش هیبرید در محیط را توجیه کردند. بالاترین عملکرد دانه پیشبینی شده با روشBLUP مربوط به هیبریدهای شماره 3، 2، 4 و 1 بودند که عملکرد دانه پیش بینی شده بالاتر از میانگین کل داشتند. بر اساس بای پلات اولین مؤلفه اصلی محیط در برابر عملکرد اسمی، هیبریدهای شماره 2، 6، 3 و 1با داشتن کمترین نمره های مؤلفه اصلی اول (ضریب b یا شیب خط)، سهم ناچیزی در برهمکنش هیبرید در محیط داشتند و پایدار تشخیص داده شدند. به منظور گزینش همزمان برای عملکرد و پایداری، شاخص WAASBY با تلفیق دو شاخص عملکرد (Y) و آماره پایداری WAASB برآورد گردید. با لحاظ سهم 50 درصد برای هر یک از دو جزء عملکرد و پایداری، پنچ هیبرید شماره 1، 2، 3، 6 و 4 دارایWAASBY بالاتر از میانگین هیبریدها بودند. در این میان هیبریدهای شماره ی 1، 2 و 3 به طور قابل توجهی میزان آمارهWAASBY بالاتر از سایر هیبریدها داشتند. هر چهار رقم شاهد SC647، TWC647، SC704 و SC715 میزان آماره WAASBY کمتر از میانگین را داشتند. همچنین بر اساس شاخص پایداری چند صفتی (MTSI) نیز هیبرید شماره 3 بهعنوان برترین هیبرید انتخاب شد. علاوه بر این ها برآورد اجزای واریانس با روش درستنمایی محدود شده (REML) نشان داد برای عملکرد دانه، 75/72 و 7/57 درصد از واریانس فنوتیپی بهترتیب توسط واریانس محیطی و واریانس برهمکنش هیبرید در محیط توجیه شدند. در صورتیکه سهم واریانس باقیمانده از واریانس فنوتیپی 16/77 درصد بود.
نتیجهگیری کلی: براساس نتایج حاصل هیبرید شماره 3 (K47/2-2-1-4-2-1-1-1× MO17) به عنوان هیبرید پر محصول و پایدار بود که می توان آنرا جزء هیبرید برتر با عملکرد بالا به بهرهبرداران معرفی نمود. بهنظر میرسد استفاده از نمودار نسبت شاخص پایداری WAASB به عملکرد دانه (WAASBY) و گزینش هیبرید برتر بر اساس شاخص MTSI با بهرهگیری از تجزیههایی همچون تجزیه عاملی، BLUP و AMMI توانایی شناسایی هیبریدهای با عملکرد دانه بالا، پایدار با سطح مطلوب صفات زراعی مهم دارا میباشد.
مقدمه و هدف: ذرت یکی از مهمترین گیاهان زراعی است که در بسیاری از نقاط جهان کشت میشود. ارزیابی ژنوتیپها در برنامههای بهنژادی اغلب با دو چالش مهم، اثر متقابل ژنوتیپ × محیط برای صفت هدف و روابط نامطلوب بین صفات هدف، روبرو است. علی‌رغم اینکه روش های زیادی برای تجزیه پایداری، بهویژه ابزارهای گرافیکی و کارایی نسبتاً خوب آنها در تفسیر نتایج، ارایه شده است. در این میان، بهنظر میرسد روش بهترین پیشبینیهای نااُریب خطی (BLUP) که میانگین ها را با دقت بالا، بهویژه در مدلهای مختلط تخمین میزند، برای ارزیابی دادههای آزمایشهای چندمحیطی (MET) از کارایی بالاتری برخودار باشند. لذا با شاخص پایداری میانگین وزنی نمرات مطلق (WAASB) که از ادغام دو روش پایداری اثرات اصلی جمع پذیر و برهمکنش های ضرب پذیر (AMMI) و بهترین پیش بینی های نااُریب خطی برآورد می گردد، می توان در آزمایش های چند محیطی پایداری ژنوتیپ ها را دقیق تر تخمین زد. در برنامه های به نژادی ذرت در کنار عملکرد دانه بالا، زودرسی دارای جایگاه ویژهای است. برای انتخاب همزمان چند صفت یکی از کارآمدترین و جدیدترین روش ها، شاخص پایداری چندصفتی (MTSI) بوده که بر اساس میانگین عملکرد و پایداری همزمان ژنوتیپ ها در صفات و محیط های مختلف برآورد می گردد. لذا پژوهش حاضر با هدف تعیین هیبرید پایدار با عملکرد بالا بههمراه سطح مطلوب صفات درصد رطوبت دانه هنگام برداشت، تعداد روز تا رسیدن فیزیولوژیکی با بهره گیری از ترکیب دو روش AMMI و BLUP با شاخص های WAASB، WAASBY و MTSI انجام گرفت.
مواد و روشها: این پژوهش بهمنظور بررسی پایداری هفت هیبرید امیدبخش ذرت بههمراه چهار رقم تجاری شامل SC647، TWC647، SC704 و SC715 در آزمایش چند محیطی ذرت در قالب طرح آزمایشی بلوک های کامل تصادفی در چهار تکرار در 10 منطقه (کرج، مغان، شیراز، کرمانشاه، کرمان، مشهد، دزفول، میاندوآب، جیرفت و ساری) بهمدت دو سال زراعی 1398 و 1399 انجام گرفت. در این بررسی صفات عملکرد دانه با رطوبت دانه 14 درصد، درصد رطوبت دانه هنگام برداشت و تعداد روز تا رسیدن فیزیولوژیکی اندازه گیری شدند. پایداری ژنوتیپی برای هر ژنوتیپ با میانگین وزنی نمرات مطلق (WAASB)، که از تجزیه مقادیر منفرد (SVD) ماتریس بهترین پیش بینی های نااُریب خطی (BLUP) از اثر متقابل ژنوتیپ × محیط که با یک مدل اثر مختلط خطی ایجاد شده بود، برآورد گردید. همچنین انتخاب همزمان برای عملکرد و پایداری با شاخص WAASBY با دادن وزنهای مختلف به میانگین عملکرد (Y) و شاخص پایداری (WAASB) انجام شد. علاوه بر اینها، انتخاب همزمان برای میانگین عملکرد و پایداری بر اساس چند صفت با استفاده از نمرات بهدست آمده از یک تجزیه عاملی اکتشافی (شاخص پایداری چندصفتی) انجام گرفت.
یافتهها: بر اساس میانگین 10 محیط در سال های زراعی 1398 و 1399، هیبرید امیدبخش شماره 3 با 80/12 تن در هکتار بالاترین عملکرد دانه را داشت. بر اساس آزمون درست نمایی نسبی (LRT) برهمکنش ژنوتیپ و محیط برای صفات عملکرد دانه، درصد رطوبت دانه موقع برداشت و تعداد روز تا رسیدن فیزیولوژیک معنی دار بود. لذا برآورد آماره های پایداری با روشBLUP امکانپذیر بود. بر همین اساس برآورد BLUPها برای هیبریدها انجام و سپس تجزیه پایداری بهروش AMMI بر روی اینBLUPها صورت گرفت. نتایج نشان داد دو مولفه اول و دوم بهترتیب 7/27 و 6/24 درصد از تغییرات برهمکنش هیبرید در محیط را توجیه کردند. بالاترین عملکرد دانه پیشبینی شده با روشBLUP مربوط به هیبریدهای شماره 3، 2، 4 و 1 بودند که عملکرد دانه پیش بینی شده بالاتر از میانگین کل داشتند. بر اساس بای پلات اولین مؤلفه اصلی محیط در برابر عملکرد اسمی، هیبریدهای شماره 2، 6، 3 و 1با داشتن کمترین نمره های مؤلفه اصلی اول (ضریب b یا شیب خط)، سهم ناچیزی در برهمکنش هیبرید در محیط داشتند و پایدار تشخیص داده شدند. به منظور گزینش همزمان برای عملکرد و پایداری، شاخص WAASBY با تلفیق دو شاخص عملکرد (Y) و آماره پایداری WAASB برآورد گردید. با لحاظ سهم 50 درصد برای هر یک از دو جزء عملکرد و پایداری، پنچ هیبرید شماره 1، 2، 3، 6 و 4 دارایWAASBY بالاتر از میانگین هیبریدها بودند. در این میان هیبریدهای شماره ی 1، 2 و 3 به طور قابل توجهی میزان آمارهWAASBY بالاتر از سایر هیبریدها داشتند. هر چهار رقم شاهد SC647، TWC647، SC704 و SC715 میزان آماره WAASBY کمتر از میانگین را داشتند. همچنین بر اساس شاخص پایداری چند صفتی (MTSI) نیز هیبرید شماره 3 بهعنوان برترین هیبرید انتخاب شد. علاوه بر این ها برآورد اجزای واریانس با روش درستنمایی محدود شده (REML) نشان داد برای عملکرد دانه، 75/72 و 7/57 درصد از واریانس فنوتیپی بهترتیب توسط واریانس محیطی و واریانس برهمکنش هیبرید در محیط توجیه شدند. در صورتیکه سهم واریانس باقیمانده از واریانس فنوتیپی 16/77 درصد بود.
نتیجهگیری کلی: براساس نتایج حاصل هیبرید شماره 3 (K47/2-2-1-4-2-1-1-1× MO17) به عنوان هیبرید پر محصول و پایدار بود که می توان آنرا جزء هیبرید برتر با عملکرد بالا به بهرهبرداران معرفی نمود. بهنظر میرسد استفاده از نمودار نسبت شاخص پایداری WAASB به عملکرد دانه (WAASBY) و گزینش هیبرید برتر بر اساس شاخص MTSI با بهرهگیری از تجزیههایی همچون تجزیه عاملی، BLUP و AMMI توانایی شناسایی هیبریدهای با عملکرد دانه بالا، پایدار با سطح مطلوب صفات زراعی مهم دارا میباشد.
فهرست منابع
1. Ahmadi, K., Ebadzadeh, H. R., Hatami, F., Abdshah, H., & Kazemian, A. (2019). Agricultural Statistics of 2017-18 Growing Year. Volume One: Crop Products. Ministry of Jihad Agriculture, Deputy of Planning and Economy, Information and Communication Technology Center, IR (In Persian).
2. Akter, A., Jamil Hassan, M., Umma Kulsum, M., Islam, M. R., Hossain, K., & Mamunur Rahman, M. (2014). AMMI biplot analysis for stability of grain yield in hybrid rice (Oryza sativa L.). Journal of Rice Research, 2(2), 126-138. http://dx.doi.org/10.4172/jrr.1000126 [DOI:10.4172/jrr.1000126]
3. Balestre, M., Von Pinho, R. G., Souza, J. C., & Oliveira, R. L. (2009). Genotypic stability and adaptability in tropical maize based on AMMI and GGE biplot analysis. Genetic Moleular Research, 8(4), 1311-1322. [DOI:10.4238/vol8-4gmr658]
4. Bocianowski, J., Niemann, J., & Nowosad, K. (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), 1-13. [DOI:10.1007/s10681-018-2328-7]
5. Bornhofen, E., Benin, G., Storck, L., Woyann, L. G., Duarte, T., Stoco, M. G., & Marchioro, S. V. (2017). Statistical methods to study adaptability and stability of wheat genotypes. Bragantia, 76(1), 1-10. [DOI:10.1590/1678-4499.557]
6. Bose, L. K., Jambhulkar, N. N., Pande, K., & Singh, O. N. (2014a). Use of AMMI and other stability statistics in the simultaneous selection of rice genotypes for yield and stability under direct-seeded conditions. Chilean Journal of Agricultural Research, 74(1), 1-7. http://dx.doi.org/10.4067/S0718-58392014000100001 [DOI:10.4067/S0718-58392014000100001]
7. Bose, L. K., Jambhulkar, N. N., Pande, K., & Singh, O. N. (2014b). Additive main effects and multiplicative interaction (AMMI) analysis of grain yield stability in early duration rice. Journal of Animal and Plant Science, 24(6), 1885-1897.
8. Donoso-Ñanculao, G., Paredesm M., Becerram V., Arrepol, C., & Balzarini, M. (2016). GGE biplot analysis of multi -environment yield trials of rice produced in a temperate climate. Chilean Journal of Agricultural Research, 76(2), 152-157. http://dx.doi.org/10.4067/S0718-58392016000200003 [DOI:10.4067/S0718-58392016000200003]
9. Gauch, H. G. (1988). Model selection and validation for yield trials with interaction. Biometrics, 44(3), 705-715. [DOI:10.2307/2531585]
10. Gauch, H. G., & Zobel, R. W. (1988). Predictive and postdictive success of statistical analyses of yield trials. Theoretical and Applied Genetis, 76(1), 1-10. [DOI:10.1007/BF00288824]
11. Gauch, H. G. & Zobel, R. W. (1997). Identifying mega-environments and targeting genotypes. Crop Science, 37(1), 311-326. [DOI:10.2135/cropsci1997.0011183X003700020002x]
12. Katsenios, N., Sparangis, P., Leonidakis, D., Katsaros, G., Kakabouki, I., Vlachakis, D. & Efthimiadou, A. (2021). Effect of genotype× Environment interaction on yield of maize hybrids in Greece using AMMI analysis. Agronomy, 11(3), 479. [DOI:10.3390/agronomy11030479]
13. Kempton, R. A. (1984). The use of biplots in interpreting variety by environment interactions. Journal of Agricultural Science, 103(1), 123-135. [DOI:10.1017/S0021859600043392]
14. Liu, C., Ma, C., Lü, J. & Ye, Z. (2022). Yield stability analysis in maize hybrids of southwest China under genotype by environment interaction using GGE biplot. Agronomy, 12(5), 1189. [DOI:10.3390/agronomy12051189]
15. Mohaddesi, A., Erfani, R., Sharifi, P., Aminpanah, H., & Abbasian. A. (2017). Studying the relationships between yield and yield components and stability of some of rice genotypes using biplot method. Cereal Research, 6(4): 411-421 (In Persian).
16. Moharramnejad, S., Shiri M. (2020). Study of Genetic Diversity in Maize Genotypes by Ear Yield and Physiological Traits. Journal of Crop Breeding, 12(35), 30-40 (In Persian). [DOI:10.52547/jcb.12.35.30]
17. Nardino, M., D. Baretta, Carvalho, I. R., Olivoto, T., Follmann, D. N., Vincius, J. S., Ferrari, M., de Pelegrin, A. J., Konflanz, V.A., & de Souza, V.Q. (2016). Restricted maximum likelihood/best linear unbiased prediction (REML/BLUP) for analyzing the agronomic performance of corn. African Journal of Agricultural Research, 11(48), 4864-4872. [DOI:10.5897/AJAR2016.11691]
18. Olivoto, T., Lúcio, A. D. C., da Silva, J. A. G., Sari, B. G., & Diel, M. I. (2019a). Mean performance and stability in multi-environment trials II: selection based on multiple traits. Agronomy Journal, 111(6), 2961-2969. [DOI:10.2134/agronj2019.03.0221]
19. Olivoto, T., Lúcio, A. D. C., da Silva, J. A. G., Marchioro, V. S., de Souza, V. Q., & Jost, E. (2019b). Mean performance and stability in multi -environment trials I: combining features of AMMI and BLUP techniques. Agronomy Journal, 111(6), 2949-2960. [DOI:10.2134/agronj2019.03.0220]
20. Olivoto, T., Nardino, M., Carvalho, I. R., Follmann, D. N., Ferrari, M., Szareski, V. J., de Pelegrin, A. J. & de Souza, V. Q. (2017). REML/BLUP and sequential path analysis in estimating genotypic values and interrelationships among simple maize grain yield-related traits. Genetics and Molecular Research, 16(1), 1-19. [DOI:10.4238/gmr16019525]
21. Piran, M., Asghari, A., Moharramnejad, S., & Mohammaddoust Chaman Abad H. (2021). Evaluation of diversity to selecting best maize hybrids. Journal of Crop Breeding, 13(39), 98-107 (In Persian). [DOI:10.52547/jcb.13.39.98]
22. Rahayu, S. (2020). Yield stability analysis of rice mutant lines using AMMI method. IOP Conf. Series: Journal of Physics: Conference Series, 1436(1): 1-9. [DOI:10.1088/1742-6596/1436/1/012019]
23. Rocha, J. R., Machado, J. C., & Carneiro, P. C. S. (2018). Multi-trait index based on factor analysis and ideotype -design: Proposal and application on elephant grass breeding for bioenergy. Global Change Biology and Bioenergy, 10(1), 52-60. [DOI:10.1007/s12155-015-9709-8]
24. Sadimantara, G. R., Kadidaa, B., Suaib, L., & Safuan, O. (2018). Growth performance and yield stability of selected local upland rice genotypes in Buton Utara of Southeast Sulawesi. IOP Conference Series: Earth and Environment Science, 122(1), 1-7. [DOI:10.1088/1755-1315/122/1/012094]
25. Samonte, S. O. P., Wilson, L. T., McClung, A. M., & Medley, J. C. (2005). Targeting cultivars onto rice growing environments using AMMI and SREG GGE biplot analyses. Crop Science, 45(6), 2414-2424. [DOI:10.2135/cropsci2004.0627]
26. Sharifi, P. (2020a). Application of Multivariate Analysis Methods in Agricultural Sciences. Rasht Branch, Islamic Azad University Press, IR (In Persian).
27. Sharifi, P. (2020b). Evolution, Domesicatin, Breeding Methods and the Latest Breeding Findings in Rice. Agricultural and Natural Resources Engineering Organization of IRAN, IR (In Persian).
28. Sharifi, P., Abbasian, A. & Mohaddesi, A. (2021). Evaluation the mean performance and stability of rice genotypes by combining features of AMMI and BLUP techniques and selection based on multiple traits. Plant Genetic Researches, 7(2), 163-180 (In Persian). [DOI:10.52547/pgr.7.2.13]
29. Sharifi, P., Aminpanah, H., Erfani, R., Mohaddesi, A., & Abbasian, A. (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. Sharifi, P., & Aminpanah, H. (2016). Evaluation of genotype × environment interactions, stability and a number of genetic parameters in rice genotypes. Plant Genetic Researches, 3(2), 25-42 (In Persian). [DOI:10.29252/pgr.3.2.25]
31. Shiri, M. R. (2013). Grain yield stability analysis of maize (Zea mays L.) hybrids under different drought stress conditions using GGE biplot analysis. Crop Breeding Journal, 3(2), 107-112. http://dx.doi.org/10.22092/cbj.2012.100456
32. Smith, A. B., Cullis, B. R., & Thompson, R. (2005). The analysis of crop cultivar breeding and evaluation trials: An overview of current mixed model approaches. Journal of Agriculture Science, 143(1), 449-462. [DOI:10.1017/S0021859605005587]
33. Ullman, J. B. (2006). Structural equation modeling: Reviewing the basics and moving forward. Journal of Personality Assessment, 87, 35-50. [DOI:10.1207/s15327752jpa8701_03]
34. Van Eeuwijk, F. A., Bustos-Korts, D. V., & Malosetti, M. (2016). What should students in plant breeding know about the statistical aspects of genotype × environment interactions? Crop Science, 56(5), 2119-2140. [DOI:10.2135/cropsci2015.06.0375]
35. Veenstra, L. D., Santantonio, N., Jannink, J. L., & Sorrells, M. E. (2019). Influence of genotype and environment on wheat grain fructan content. Crop Science, 59(5), 190-198. [DOI:10.2135/cropsci2018.06.0363]
36. Yan, W., Hunt, L. A., Sheng, Q., & Szlavnics, Z. (2000). Cultivar evaluation and mega -environment investigation based on the GGE biplot. Crop Science, 40, 597-605. [DOI:10.2135/cropsci2000.403597x]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
