دوره 16، شماره 49 - ( بهار 1403 )
جلد 16 شماره 49 صفحات 102-86 |
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:
Asadi B, Shobeiri S S, Asadi A A. (2024). Investigating of the Genotype × Environment Interaction Effect for
Grain Yield in Red Bean Genotypes Using AMMI and GGE Biplot Methods. jcb. 16(49), 86-102.
URL: http://jcb.sanru.ac.ir/article-1-1485-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1485-fa.html
اسدی بهروز، شبیری سیده سودابه، اسدی علی اکبر، آسترکی حسین، صالحی فرود. بررسی اثر متقابل ژنوتیپ × محیط برای عملکرد دانه در ژنوتیپهای لوبیا قرمز با استفاده از روش‌های AMMI و GGE Biplot پژوهشنامه اصلاح گیاهان زراعی 1403; 16 (49) :102-86
سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران-زنجان
چکیده: (203 مشاهده)
چکیده مبسوط
مقدمه و هدف: ارزیابی اثر متقابل ژنوتیپ × محیط اطلاعات ارزشمندی در رابطه با عملکرد ارقام گیاهی در محیط‌های مختلف فراهم کرده و نقش مهمی در بررسی پایداری عملکرد ارقام اصلاح شده دارد. اثرات متقابل ژنوتیپ × محیط به‌ویژه در محیط‌های تنش‌دار از عوامل مهم محدودکننده در معرفی ارقام جدید محسوب می‌شود. لذا شناخت نوع و ماهیت اثر متقابل و دستیابی به ارقامی که کمترین واکنش را نسبت بـه اثرات متقابل نشان دهند از اهمیت ویژه‌ای برخوردار است. روش‌های مختلفی برای ارزیابی اثرات متقابل معرفی شده است که هریک ماهیت اثر متقابل را از دیدگاه مشخصی بررسی می‌کند. نتایج روش‌های مختلف ممکن است با هم یکسان نباشند، اما بهترین نتیجه زمانی حاصل می‌شود که یک ژنوتیپ بـا روش‌های مختلف ارزیابی، نتیجه مشابهی از نظر پایداری نشان دهد. هدف از انجام این پژوهش، ارزیابی اثر متقابل ژنوتیپ × محیط در آزمایش‌های انجام گرفته در محیط‌های مختلف جهت تعیین روابط بین ژنوتیپ‌ها و محیط‌ها و معرفی پایدارترین ژنوتیپهای لوبیا قرمز بود.
مواد و روش‌ها: در این تحقیق 14 لاین لوبیا قرمز بههمراه ارقام شاهد یاقوت، افق و دادفر در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در ایستگاه‌های تحقیقاتی خمین، بروجرد، شهرکرد و زنجان بهمدت 2 سال زراعی در شرایط یکسان کشت شدند. پس از تجزیه واریانس مرکب با توجه به معنی‌دار بودن اثر متقابل ژنوتیپ × محیط، برای تعیین سازگاری و پایداری ژنوتیپ‌ها از روش‌های تجزیه AMMI و GGE-Biplot انجام شد. پس از تجزیه AMMI، پارامترهای پایداری AMMI نیز محاسبه شد. علاوه بر پارامترهای پایداری AMMI، شاخص گزینش همزمان نیز برای هریک از شاخص‌ها محاسبه شد که حاصل جمع رتبه ژنوتیپ‌ها بر پایه هریک از شاخص‌های پایداری AMMI و رتبه میانگین عملکرد دانه ژنوتیپ‌ها در تمام محیط‌ها بود
یافته‌ها: معنی‌دار شدن اثرات متقابل دوگانه و سه‌گانه ژنوتیپ با سال و مکان (محیط) در این مطالعه نشان داد که ژنوتیپ‌ها در محیط‌های متفاوت پاسخ‌های متفاوتی نشان داده و به‌عبارت‌دیگر اختلاف بین ژنوتیپ‌ها از محیطی به محیطی دیگر یکسان نیست و در این شرایط پایداری عملکرد دانه می‌تواند مورد ارزیابی قرار گیرد. سهم حدود 2/5 برابری اثر متقابل ژنوتیپ × محیط از مجموع مربعات کل، در مقایسه با اثر ژنوتیپ، بیانگر احتمال وجود گروه‌های کلان محیطی بود که برخی ژنوتیپ‌ها حداکثر پتانسیل عملکرد خود را در آن گروه‌های محیطی نشان می‌دهند. ژنوتیپهای G12، G5 و G17 بهترتیب با داشتن عملکردهای 3288، 3136 و 3111 کیلوگرم در هکتار بیشترین مقدار عملکرد دانه را در بین ژنوتیپ‌ها دارا بودند. تجزیه AMMI نشان داد که مؤلفه اصلی اول تا هفتم در سطح احتمال 1 درصد معنی‌دار بودند و علیرغم معنی‌دار شدن تمامی مؤلفه‌های مدل، اولین و دومین مؤلفه اصلی، بیشترین سهم را در بیان اثر متقابل ژنوتیپ × محیط داشتند (66/5 درصد). برپایه نمودار AMMI1 ژنوتیپهای G4، G5، G16، G17 و G12 دارای بیشترین مقادیر (مثبت و منفی) IPCA1 بودند. در مقابل ژنوتیپهای G8، G3، G2، G7 و G11 دارای مقادیر IPCA1 نزدیک به صفر بودند. با اینحال تنها ژنوتیپ G11 عملکردی بالاتر از میانگین عملکرد کل نشان داد و بههمین دلیل می‌تواند به‌عنوان ژنوتیپ پایدار با سازگاری عمومی بالا معرفی شود. بر پایه نمودار بای‌پلات AMMI2، ژنوتیپهای G2، G7، G3 و تا حدودی G8 و G13 به‌عنوان ژنوتیپهای پایدار معرفی شدند ولی تنها ژنوتیپ G13 در تمامی محیط‌ها دارای مقدار عملکرد بیشتری بود، بنابراین این ژنوتیپ را می‌توان به‌عنوان ژنوتیپ پایدار با عملکرد مناسب معرفی کرد. همچنین هر دو سال یک مکان مورد بررسی دارای همبستگی زیادی با هم بودند به‌طوری‌که محیط‌های Bro1 و Bro2 از یک‌طرف و محیط‌های Kho1 و Kho2 و درنهایت Zan1 و Zan2 از طرف دیگر با هم دارای همبستگی مثبت بالا (اثر یکسان) جهت ایجاد اثر متقابل نشان دادند. در مجموع شاخص‌های انتخاب همزمان محاسبه شده بر پایه تجزیه AMMI، ژنوتیپهای G11، G17، G7، G13 و G12 به‌عنوان ژنوتیپهای پایدار با عملکرد بالا معرفی شدند. تجزیه GGE-Biplot بر اساس میانگین عملکرد و پایداری نشان داد که ژنوتیپهای G1، G2، G3، G8 و G7 دارای بیشترین پایداری عمومی نسبت به سایر ژنوتیپ‌ها علیرغم داشتن کمترین عملکرد بودند. در مقابل ژنوتیپهای G12، G5 و G17 دارای بیشترین عملکرد با پایداری کمتر قرار داشتند. هیچ محیط ایده آلی مشاهده نشد. ولی محیط‌های Kho1، Kho2 و Sha1 نسبت به محیط‌های دیگر به محیط ایده‌آل نزدیک‌تر بوده و می‌توانند تا حدودی جهت تمایز ژنوتیپهای مورد مطالعه از آن‌ها استفاده کرد. از طرف دیگر، ژنوتیپ G12 را می‌توان به‌عنوان ژنوتیپ مطلوب که دارای میانگین عملکرد بالا و نیز پایداری عملکرد بالایی باشد، در نظر گرفت. بههمین ترتیب ژنوتیپهای G17، G5 و G11 در مرحله بعد نسبت به ژنوتیپ ایده‌آل قرار داشتند و تا حدودی می‌توان آن‌ها را نیز به‌عنوان ژنوتیپهای مطلوب در نظر گرفت.
نتیجهگیری: با توجه به تمامی نتایج می‌توان ژنوتیپ G12 را به‌عنوان ژنوتیپ مطلوب که دارای میانگین عملکرد بالا و نیز دارای پایداری عملکرد باشد، در نظر گرفت و در مرحله بعد ژنوتیپهای G17، G5 و G11 قرار داشتند.
مقدمه و هدف: ارزیابی اثر متقابل ژنوتیپ × محیط اطلاعات ارزشمندی در رابطه با عملکرد ارقام گیاهی در محیط‌های مختلف فراهم کرده و نقش مهمی در بررسی پایداری عملکرد ارقام اصلاح شده دارد. اثرات متقابل ژنوتیپ × محیط به‌ویژه در محیط‌های تنش‌دار از عوامل مهم محدودکننده در معرفی ارقام جدید محسوب می‌شود. لذا شناخت نوع و ماهیت اثر متقابل و دستیابی به ارقامی که کمترین واکنش را نسبت بـه اثرات متقابل نشان دهند از اهمیت ویژه‌ای برخوردار است. روش‌های مختلفی برای ارزیابی اثرات متقابل معرفی شده است که هریک ماهیت اثر متقابل را از دیدگاه مشخصی بررسی می‌کند. نتایج روش‌های مختلف ممکن است با هم یکسان نباشند، اما بهترین نتیجه زمانی حاصل می‌شود که یک ژنوتیپ بـا روش‌های مختلف ارزیابی، نتیجه مشابهی از نظر پایداری نشان دهد. هدف از انجام این پژوهش، ارزیابی اثر متقابل ژنوتیپ × محیط در آزمایش‌های انجام گرفته در محیط‌های مختلف جهت تعیین روابط بین ژنوتیپ‌ها و محیط‌ها و معرفی پایدارترین ژنوتیپهای لوبیا قرمز بود.
مواد و روش‌ها: در این تحقیق 14 لاین لوبیا قرمز بههمراه ارقام شاهد یاقوت، افق و دادفر در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در ایستگاه‌های تحقیقاتی خمین، بروجرد، شهرکرد و زنجان بهمدت 2 سال زراعی در شرایط یکسان کشت شدند. پس از تجزیه واریانس مرکب با توجه به معنی‌دار بودن اثر متقابل ژنوتیپ × محیط، برای تعیین سازگاری و پایداری ژنوتیپ‌ها از روش‌های تجزیه AMMI و GGE-Biplot انجام شد. پس از تجزیه AMMI، پارامترهای پایداری AMMI نیز محاسبه شد. علاوه بر پارامترهای پایداری AMMI، شاخص گزینش همزمان نیز برای هریک از شاخص‌ها محاسبه شد که حاصل جمع رتبه ژنوتیپ‌ها بر پایه هریک از شاخص‌های پایداری AMMI و رتبه میانگین عملکرد دانه ژنوتیپ‌ها در تمام محیط‌ها بود
یافته‌ها: معنی‌دار شدن اثرات متقابل دوگانه و سه‌گانه ژنوتیپ با سال و مکان (محیط) در این مطالعه نشان داد که ژنوتیپ‌ها در محیط‌های متفاوت پاسخ‌های متفاوتی نشان داده و به‌عبارت‌دیگر اختلاف بین ژنوتیپ‌ها از محیطی به محیطی دیگر یکسان نیست و در این شرایط پایداری عملکرد دانه می‌تواند مورد ارزیابی قرار گیرد. سهم حدود 2/5 برابری اثر متقابل ژنوتیپ × محیط از مجموع مربعات کل، در مقایسه با اثر ژنوتیپ، بیانگر احتمال وجود گروه‌های کلان محیطی بود که برخی ژنوتیپ‌ها حداکثر پتانسیل عملکرد خود را در آن گروه‌های محیطی نشان می‌دهند. ژنوتیپهای G12، G5 و G17 بهترتیب با داشتن عملکردهای 3288، 3136 و 3111 کیلوگرم در هکتار بیشترین مقدار عملکرد دانه را در بین ژنوتیپ‌ها دارا بودند. تجزیه AMMI نشان داد که مؤلفه اصلی اول تا هفتم در سطح احتمال 1 درصد معنی‌دار بودند و علیرغم معنی‌دار شدن تمامی مؤلفه‌های مدل، اولین و دومین مؤلفه اصلی، بیشترین سهم را در بیان اثر متقابل ژنوتیپ × محیط داشتند (66/5 درصد). برپایه نمودار AMMI1 ژنوتیپهای G4، G5، G16، G17 و G12 دارای بیشترین مقادیر (مثبت و منفی) IPCA1 بودند. در مقابل ژنوتیپهای G8، G3، G2، G7 و G11 دارای مقادیر IPCA1 نزدیک به صفر بودند. با اینحال تنها ژنوتیپ G11 عملکردی بالاتر از میانگین عملکرد کل نشان داد و بههمین دلیل می‌تواند به‌عنوان ژنوتیپ پایدار با سازگاری عمومی بالا معرفی شود. بر پایه نمودار بای‌پلات AMMI2، ژنوتیپهای G2، G7، G3 و تا حدودی G8 و G13 به‌عنوان ژنوتیپهای پایدار معرفی شدند ولی تنها ژنوتیپ G13 در تمامی محیط‌ها دارای مقدار عملکرد بیشتری بود، بنابراین این ژنوتیپ را می‌توان به‌عنوان ژنوتیپ پایدار با عملکرد مناسب معرفی کرد. همچنین هر دو سال یک مکان مورد بررسی دارای همبستگی زیادی با هم بودند به‌طوری‌که محیط‌های Bro1 و Bro2 از یک‌طرف و محیط‌های Kho1 و Kho2 و درنهایت Zan1 و Zan2 از طرف دیگر با هم دارای همبستگی مثبت بالا (اثر یکسان) جهت ایجاد اثر متقابل نشان دادند. در مجموع شاخص‌های انتخاب همزمان محاسبه شده بر پایه تجزیه AMMI، ژنوتیپهای G11، G17، G7، G13 و G12 به‌عنوان ژنوتیپهای پایدار با عملکرد بالا معرفی شدند. تجزیه GGE-Biplot بر اساس میانگین عملکرد و پایداری نشان داد که ژنوتیپهای G1، G2، G3، G8 و G7 دارای بیشترین پایداری عمومی نسبت به سایر ژنوتیپ‌ها علیرغم داشتن کمترین عملکرد بودند. در مقابل ژنوتیپهای G12، G5 و G17 دارای بیشترین عملکرد با پایداری کمتر قرار داشتند. هیچ محیط ایده آلی مشاهده نشد. ولی محیط‌های Kho1، Kho2 و Sha1 نسبت به محیط‌های دیگر به محیط ایده‌آل نزدیک‌تر بوده و می‌توانند تا حدودی جهت تمایز ژنوتیپهای مورد مطالعه از آن‌ها استفاده کرد. از طرف دیگر، ژنوتیپ G12 را می‌توان به‌عنوان ژنوتیپ مطلوب که دارای میانگین عملکرد بالا و نیز پایداری عملکرد بالایی باشد، در نظر گرفت. بههمین ترتیب ژنوتیپهای G17، G5 و G11 در مرحله بعد نسبت به ژنوتیپ ایده‌آل قرار داشتند و تا حدودی می‌توان آن‌ها را نیز به‌عنوان ژنوتیپهای مطلوب در نظر گرفت.
نتیجهگیری: با توجه به تمامی نتایج می‌توان ژنوتیپ G12 را به‌عنوان ژنوتیپ مطلوب که دارای میانگین عملکرد بالا و نیز دارای پایداری عملکرد باشد، در نظر گرفت و در مرحله بعد ژنوتیپهای G17، G5 و G11 قرار داشتند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح نباتات
دریافت: 1402/4/3 | ویرایش نهایی: 1403/1/29 | پذیرش: 1402/8/27 | انتشار: 1403/1/29
دریافت: 1402/4/3 | ویرایش نهایی: 1403/1/29 | پذیرش: 1402/8/27 | انتشار: 1403/1/29
فهرست منابع
1. Ahmadi, K., Ebadzadeh, H.R., Hatami, F., Shahriar Mohammadnia Afroozi, S., Esfandiaripour E. & Abbas taghani, R. (2020). Agricultural statistics of crop year 2018-2019, First Volume: Crops. Statistics of Agricultural Products, Ministry of Jihad Agriculture, Planning and Economic Deputy, Information and Communication Technology Center,
2. Ajay, B.C., Aravind, J., & Abdul, Fiyaz R. (2018). Ammistability: additive main effects and multiplicative interaction model stability parameters. https://cran.r-project.org/src/contrib/Archive/ammistability/.
3. Akbari, M., Aghaie Sarbarzeh, M. & Mostafavi, K.H. (2014). Evaluation of yield stability of durum wheat using parametric and non-parametric methods, International Conference on New Achievements in Engineering and Basic Sciences. January 8-9, Odessa, Ukraine
4. Annicchiarico, P. (1997). Joint regression vs AMMI analysis of genotype-environment interactions for cereals in Italy. Euphytica, 94: 53-62. [DOI:10.1023/A:1002954824178]
5. Barati, A., Lakzadeh, I., Jabbari, M., Poodineh, O., Jafarbby, J., Shahbazihomonlo, K., Gholipour, A. & Tabatabaei Fard, N.A. (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 with English Abstract).
6. Barati, A., Tabatabaee, S.A., Mahlooji, M. & Saberi. M.H. (2019). Evaluation of grain yield and it's stability in barley promising lines in saline areas. Agricultural Science and Sustainable Production, 29(1): 1-13.
7. Becker, H.C. & Leon, J. (1988). Stability analysis in plant breeding. Plant Breeding 101:1-25. [DOI:10.1111/j.1439-0523.1988.tb00261.x]
8. Broughton, W. J., Hernandez, G., Blair, M., Beebe, S., Gepts, P. & Vanderleyden, J. (2003). Beans (Phaseolus spp.) model food legumes. Plant soil, 252: 55-128. [DOI:10.1023/A:1024146710611]
9. Danyali, S.F., Razavi, F., Ebadi Segherloo, A., Dehghani, H. & Sabaghpour, S.H. (2012). Yield stability in chickpea (Cicer arietinum L.) and study relationship among the univariate and multivariate stability parameters. Research in Plant Biology, 2(3), 46-61.
10. Dorri, H.R., Lak, M.R. & Assadi, B. (2014). Stability of bean (Phaseoulus vulgaris L.) genotypes in common bacterial blight condition using regression analysis, the additive main effects and multiplicative interactions (AMMI) and Muir methods, Iranian Journal of Pulses Research, 5(2), 119-130 (In Persian with English Summary).
11. Esmailzadeh Moghaddam, M., Zakizadeh, M., Akbari Moghaddam, H., Abedini Esfahlani, M., Sayahfar, M., Nikzad, AR., Tabib Ghafari, S.M. & Lotfali Ayeneh, G.A. (2011). Genotype × environment interaction and stability of grain yield of bread wheat genotypes in dry and warm areas of Iran. Seed and Plant Improvement Journal. 27(2), 257-273 (In Persian with English Abstract).
12. Elakhdar, A., Kumamaru, T., Smith, K.P., Brueggeman, R.S., Capo-chichi, L.J.A. & Solanki, S. (2017). Genotype by environment interactions (GEIs) for barley grain yield under salt stress condition. Journal of Crop Science and Biotechnology, 20(3), 193-204. [DOI:10.1007/s12892-017-0016-0]
13. Falconer, D.S. (1981). Introduction to quantitive genetics. 2nd Ed. Longman, London, UK.
14. Farayedi, Y., Asadi, A.A., Ahak Paz, F., Saeed, A., Kanoni, H. & Nosrati, A.E. (2020). Evaluation of genotype -environment interaction for grain yield of chickpea genotypes (Cicer arietinum L.) in cold agro-climate zone of Iran by GGE Biplot method, Journal of Crop Breeding, 12(36), 66-76 (In Persian with English Abstract). [DOI:10.52547/jcb.12.36.66]
15. Farshadfar, E., Rashidi, M., Jowkar, M.M. & Zali, H. (2012). GGE Biplot analysis of genotype × environment interaction in chickpea genotypes. European Journal of Experimental Biology, 3(1),417-423.
16. Farshadfar, E. (2008). Incorporation of AMMI stability value and grain yield in a single non-parametric index (GSI) in bread wheat. Pakistan Journal of Biological Science, 11: 1791-1796. [DOI:10.3923/pjbs.2008.1791.1796]
17. Gauch, H.G. & Zobel., R.W. (1996). AMMI analysis of yield trials. P. 85-122. In: Kang, M.S., Gauch, H.G. (eds.) Genotype by environment interaction, 1-14 pp., CRC press. Boca Raton. [DOI:10.1201/9781420049374.ch4]
18. Gauch, H.G. (1992). Statistical analysis of regional yield trials: AMMI analysis of factorial designs. Elsevier Science Publishers, Amesterdam, the Netherlands
19. Golkari, S., Hagparast, R., Roohi, E., Nazari, H., Ahmadi, M.M., Abedi Asl, G.H. & Babaei, T. (2021). Genotype × Environment Interactions effects on Grain Yield in Winter Wheat grown under rainfed conditions, Applied Research in Field Crops, 34(1), 55-70 (In Persian with English Abstract).
20. Jafari, T. & Farshadfar, E. (2018). Stability analysis of bread wheat genotypes (Triticum aestivum L.) by GGE biplot. Cereal Research, 8: 199-208 (In Persian with English Abstract).
21. Jambhulkar, N.N., Bose L.K. & Singh O.N. (2014). AMMI stability index for stability analysis. In: Mohapatra, T. (Eds.), Central Rice Research Institute, Cuttack, Orissa. 35: 15-15.
22. Jamshidi Moghaddam, M. & Pourdad., S. (2012) Evaluation of seed yield adaptability of spring safflower genotypes using nonparametric parameters and GGE biplot method in rain-fed conditions. Seed and Plant Improvement Journal, 29(1), 29-41 (In Persian with English Abstract).
23. Javidfar, F., Alizadeh, B., Amirioghan, H. & Sabbagnia, N. (2011). A study of genotype by environment interaction in oilseed rape genotypes, using GGE Biplot method. Iranian Journal of Field Crop Science, 41: 771-779 (In Persian with English Abstract).
24. Kang, M.S. (1988). A rank-sum method for selecting high yielding, stable corn genotypes. Cereal Research Communication 16:113-115.
25. Kanouni, H., Sadeghzadeh Ahari, D. & Khoshro, H.H. (2018). Chickpea research and production in Iran. 7th International Food Legume Research Conference (IFLRC-VII), At Marrakech, Morocco.Karadavut, U., Palta, C., Kavur maci, Z. & Block, Y. (2010). Some grain yield parameters of multi-environmental trials in faba bean (Vicia faba) genotypes. International Journal of Agricultural Research, 12(2), 217-220.
26. Koochaki, A & Bnayanaval, M. (2008). Cereals cultivation. Publications of University of Mashhad, Pp. 205-208 (In Persian with English Summary).
27. Karimizadeh, R., Pezeshkpour, P., Mehraban, A., Sharifi, P. & Barzali, M. (2021). Grain yield stability analysis of lentil genotypes by AMMI method indices, Iranian Journal of Field Crop Science, 52(4), 197-209 (In Persian with English Abstract).
28. Karimzadeh, R., Hosseinpour, T., Sharifi, P., Alt Jafarby, J., Shahbazi Homonlo, K. & Keshavarzi, K. (2020). Grain yield stability of durum wheat genotypes in semi-warm rainfed regions, Cereal Research, 10(2), 135-147, (In Persian with English Summary).
29. Karimizadeh, R., Mohammadi, M., Alt Jafarbay, J. & Hosseinpour, T. (2014). Evaluation of grain yield stability of durum wheat genotypes using classical parametric methods, 13th Iranian Conference on Plant Science and Plant Breeding and 3rd Science Conference and Seed Technology of Iran, Karaj.
30. Kaya, Y., Akcura, M. & Taner, S. (2006). GGE-bi-plot analysis of multi environment yield trials in bread wheat. Turkish Journal of Agriculture and Forestry, 30: 325-337.
31. Kooshki, M.H., Ghaedrahmati, M., Salehi, F., Dorri, H.R., Shobeiri, S.S. & Khorshidi Benam, M.B. (2017). Study of genotype × environment interaction effect on seed yield of red bean (Phaseolus vulgaris L.) genotypes using AMMI method. Iranian Journal of Crop Sciences, 19(1), 26-39 (In Persian with English Summary).
32. Kroonenberg, P.M. (1995). Introduction to biplots for GE tables. Department of Mathematics, Research Report 51. Australia: Univ. of Queensland. 22 p.
33. Letta T.D., Egidio, M.G. & Abinasa, M. (2008) Analysis of multi-environment yield trials in durum wheat based on GGE-biplot electronic resource. Journal of Food, Agriculture and Environment, 6(2), 217-221.
34. Mekbib, F. (2004). Yield stability in common bean (Phaseolus vulgaris L.) genotypes. Biomedical and Sciences, 130: 147-153.
35. Mohammadi, R. & Amri, A. (2013). Genotype × environment interaction and genetic improvement for yield and yield stability of rainfed durum wheat in Iran. Euphytica, 192 (2), 227-249. [DOI:10.1007/s10681-012-0839-1]
36. Mohammadi, R., Haghparast, R., Amri, A. & Ceccarelli, S. (2010). Yield stability of rainfed durum wheat and GGE bi-plot analysis of multi-environment trials. Crop and Pasture Science, 61: 92-101. [DOI:10.1071/CP09151]
37. Mortazavian, S.M., NikKhah, M., Hassani, H.R., Sharif-al-Hosseini, F.A., Taheri, M. & Mahlooji, M.M. (2014). GGE-biplot and AMMI analysis of yield performance of barley genotypes across different environments in Iran. Journal of Agricultural Science and Technology, 16: 609-622 (In Persian with English Summary).
38. Olivoto, T. (2019). Metan: multi environment trials analysis. R package version 1.1.0. https://github.com/TiagoOlivoto/metan (accessed 24 June 2019).
39. Philipo, M., Ndakidemi, P.A. & Mbega, E.R. (2021). Environmentally stable common bean genotypes for production in different agro-ecological zones of Tanzania, Heliyon, 7(21), 1-12. [DOI:10.1016/j.heliyon.2021.e05973]
40. Pouresmael, M., Kanouni, H., Hajihasani, M., Astraki, H., Mirakhorli, A., Nasrollahi, M. & Mozaffari, J. (2018). Stability of chickpea (Cicer arietinum L.) landraces in national plant gene bank of Iran for drylands. Journal of Agricultural Science and Technology, 20: 387-400.
41. Purchase, J.L., Hatting, H. & Van Deventer C.S. (2000). Genotype x environment interaction of winter wheat in South Africa: II. Stability analysis of yield performance. South Africa journal of plant and soil, 17(3), 101-107. [DOI:10.1080/02571862.2000.10634878]
42. Rabiei, M. & Khodambashi, M. (2020). Assessment of yield stability in common bean cultivars based on univariate and multivariate methods. Journal of Crop Production and Processing, 9 (4), 33-45 (In Persian with English Summary). [DOI:10.47176/jcpp.9.4.26763]
43. Rahmati, H., Nakhzari Moghaddam, A., Rahemi Karizaki, A. & Orsaji, Z. (2021). Evaluation of grain yield stability in advanced genotypes of durum wheat (Triticum turgidum var. Durum) using parametric and non-parametric methods of stability analysis. Journal of Crop Breeding, 13(37), 63-74 (In Persian(. [DOI:10.52547/jcb.13.37.63]
44. Raju B.M.K. (2002). A study on AMMI model and its biplots. Journal of the Indian Society of Agricultural Statistics, 55: 297-322.
45. Rao A.R., & Prabhakaran V.T. (2005). Use of AMMI in simultaneous selection of genotypes for yield and stability. Journal of the Indian Society of Agricultural Statistics, 59: 76-82.
46. Roustaie, M., Sadeghzadeh Ahari, D., Hesami, A., Soleymani, K., Pashapour, H., Nader-Mahmoudi, K., Pour Siahbidi, M.M., Ahmadi, M., Hassanpour Hosni, M. & Abedi-Asl, M. (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 with English Summary).
47. Sabaghnia, N., Dehghani, H. & Sabaghpour, S.H. (2008). Graphic analysis of genotype and environment interaction for lentil (Lens culinaris Medik) yield in Iran. Agronomy Journal, 100: 760-764. [DOI:10.2134/agronj2006.0282]
48. Samonte, S.O.P., Wilson, L.T., Mc-Clung, A.M. & Medley, J.C. (2005). Targeting cultivars onto rice growing environments using AMMI and SREG GGE bi-plot analyses. Crop Science, 45: 2414-2424. [DOI:10.2135/cropsci2004.0627]
49. Scapim, C.A., Oliveira, V.R., Braccini, A.L., Cruz, C.D., Andrade, C.A.B. & Vidigal, C.G.M. (2000). Yield stability in maize (Zea mays L.) and correlations among the parameters of the Eberhart and Russell, Lin and Binns and Huehn models. Genetics and Molecular Biology, 23(2), 387-393. [DOI:10.1590/S1415-47572000000200025]
50. Sharifi, P. (2020). Application of multivariate analysis methods in agricultural sciences. Rasht Branch, Islamic Azad University press. 308 p. (In Persian with English Summary).
51. Sneller, C.H., Kilgore-norquest, L, & Dombek, D. (1997). Repeatability of yield stability statistics in soybean. Crop Science, 7: 383-390. [DOI:10.2135/cropsci1997.0011183X003700020013x]
52. Yan, W., Fregeau-Reid, J.A., Pageau, D., Martin, R.A., Mitchell fetch, J.W., Etienne, M., Rowsell, J., Scott, P., Price, M., De Haan, B., Cummiskey, A., Lajeunesse, J., Durand, J, & Sparry, E. (2010) Identifying essential test locations for oat breeding in eastern Canada. Crop Science, 50: 504-515. [DOI:10.2135/cropsci2009.03.0133]
53. Yan, W. & Tinker, N.A. (2006). Biplot analysis of multi-environment trial data: Principles and applications. Canadian Journal of Plant Science, 86: 623-645. [DOI:10.4141/P05-169]
54. Yan, W. & Kang., M.S. (2003). GGE biplot analysis: a graphical tool for breeders, Geneticists and Agronomists. 1st Edn, CRC Press LLC., Boca Raton, Florida, pp: 271. [DOI:10.1201/9781420040371]
55. Yan, W. & Hunt, L.A. (2003). Biplot analysis of multi-environment trial data. p. 289-303. In: Kang, M.S. (ed.) Quantitative Genetics, Genomics, and Plant Breeding, CAB International, Wallingford, Oxon, UK. [DOI:10.1079/9780851996011.0289]
56. Yan, W. & Rajcan, I. (2002). Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42(1),11-20. [DOI:10.2135/cropsci2002.1100]
57. Zali, H., Farshadfar, E., Sabaghpour, S.H. & Karimizadeh, R. (2012). Evaluation of genotype×environment interaction in chickpea using measures of stability from AMMI model. Annals of Biological Research, 3: 3126-3136.
58. Zali, H., Sabaghpour, S., Farshadfar, E., Pezeshkpour, P., Safikhani, M., Sarparast, R. & Hashembeigi, A. (2007). Stability analysis of yield in chickpea genotypes by additive main effects and multiplicative interaction (AMMI). J. Crop Prod. Process. 11(42),173-180. (In Persian with English abstract).
59. Zhang, Z., Lu C. & Xiang, Z. (1998). Analysis of variety stability based on AMMI model. Acta Agronomica Sinica, 24, 304-309.
60. Zobel, R.W., Wright, A.J. & Gauch, H.G. (1988). Statistical analysis of a yield trial. Agronomy Journal, 80, 388-393. [DOI:10.2134/agronj1988.00021962008000030002x]
61. Zubair, M. & Ghafoor, A. (2001). Genotype environment interaction in mungbean. Pakistan Journal of Botany, 33, 187-190.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
