دوره 16، شماره 4 - ( زمستان 1403 )                   جلد 16 شماره 4 صفحات 141-129 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Akbari N, Darvishzadeh R. (2024). A Study on the Yield Stability of Oilseed Sunflower Genotypes under Drought Stress. J Crop Breed. 16(4), 129-141. doi:10.61186/jcb.16.4.129
URL: http://jcb.sanru.ac.ir/article-1-1549-fa.html
اکبری نسرین، درویش زاده رضا. بررسی پایداری عملکرد ژنوتیپ‎ های آفتابگردان دانه روغنی تحت تنش خشکی پژوهشنامه اصلاح گیاهان زراعی 1403; 16 (4) :141-129 10.61186/jcb.16.4.129

URL: http://jcb.sanru.ac.ir/article-1-1549-fa.html

بررسی پایداری عملکرد ژنوتیپ‎ های آفتابگردان دانه روغنی تحت تنش خشکی
نسرین اکبری1، رضا درویش زاده* 2
1- گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی دانشگاه ارومیه، ارومیه،ایران
2- استاد، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
چکیده:   (371 مشاهده)
چکیده مبسوط
مقدمه و هدف: فرآیند انتخاب و معرفی ژنوتیپ‎های سازگار با پتانسیل عملکرد بالا، نیازمند ارزیابی در سال‎ها و مکان‎های مختلف می‎باشد. با توجه به تغییرات شدید و سریع اقلیمی، که محصولات زراعی را با انواع تنش‎ها بخصوص تنش خشکی مواجه می‎سازد؛ پیش‌بینی می‎‌شود سطح زیرکشت محصولاتی مانند آفتابگردان، که به‎دلیل دارا بودن ویژگی‎های خاصی از مقبولیت بالایی جهت کشت برخوردار است کاهش یابد. بی‎شک بهبود توان مقاومت به خشکی و توسعه ارقام پرمحصول از مهم‎ترین اهداف در برنامه‎های به‎نژادی گیاه است. از سوی دیگر در گزینش و معرفی ژنوتیپ، عملکرد مهم‎ترین صفت برنامه اصلاحی است؛ که به‎دلیل طبیعت پلی‎ژنیکی که دارد، شدیداً متأثر از تنش‎های زیستی و غیرزیستی است. بنابراین با در نظر گرفتن کمّی بودن کنترل آن، و اثرات محیط و برهمکنش ژنوتیپ در محیط، گزینش برای این صفت پیچیده، پرهزینه و زمان‎بر می‎باشد؛ بنابراین درک برهمکنش ژنوتیپ در محیط جهت توسعه ژنوتیپ‎های پرمحصول و پایدار حیاتی است. پایداری محصول در مفهوم زراعی به‎معنی عدم انحراف از پاسخ پیش‎بینی شده برای محصول می‎باشد. بر این اساس روش‎های متعددی جهت انتخاب ژنوتیپ‎های پایدار با صحت بالا ارایه شده‎اند. این روش‎ها به دو گروه عمده شاخص‎های پایداری پارامتری و ناپارامتریک تفکیک می‎شوند. هریک از این دو گروه دارای مزایا و معایبی هستند. به‎طوری‎که اگر روش‎های پارامتری در ارزیابی اثرات متقابل ژنوتیپ × محیط و تجزیه پایداری توانمندتر هستند، روش‎های ناپارامتریک قابلیت بالاتری در تجزیه برهمکنش‎های غیر‎متقاطع دارند. اما به‎نظر بیشتر هدف اصلاح‎گر و همچنین اندازه نمونه مورد مطالعه است که در برتریت این آمار‎ه‎ها نسبت به‎هم تعیین کننده می‎باشد. چنانچه هدف اصلاح‎گر فقط رتبه‌بندی ژنوتیپ‎ها در بین محیط‌‎ها باشد، آمار‎ه‎های ناپارامتریک مناسب‎تر هستند. در صورت کوچک بودن اندازه نمونه، استفاده از آماره‎های پارامتری در مقایسه با ناپارامتری مناسب‎تر خواهند بود، اما در صورت بزرگ بودن اندازه نمونه کارایی هر دو نوع آماره برابر خواهد بود. به‎نظر می‎رسد استفاده از مجموع هر دو شاخص‎های پایداری کمک شایانی در انتخاب ژنوتیپ‎های با عملکرد پایدار می‎نماید. در این پژوهش سعی گردیده است با استفاده از هر دو گروه شاخص‎ها به اطلاعات جامع از پایداری ژنوتیپ‎های مورد مطالعه دست یافت.
مواد و روش‎ها: تعداد 100 ژنوتیپ آفتابگردان دانه روغنی در قالب طرح لاتیس ساده 10 × 10 تحت دو شرایط نرمال و تنش خشکی (محدودیت آبیاری) طی دو سال 1392و 1393 (چهار محیط) از نظر صفت عملکرد دانه ارزیابی شدند. این پژوهش در روستای قِزِلجه در آذربایجان غربی انجام گرفت. به این‎منظور کشت در خطوط به‎طول 5 متر انجام گرفت. فاصله بین خطوط کشت 60 سانتی‎متر و بین بوته‎ها در روی خطوط کشت 50 سانتی‎متر در نظر گرفته شد. معیار اعمال تیمار میزان تبخیر از تشتک تبخیر کلاس A در نظر گرفته شد. در هر دو سال، تا مرحله 8 برگی آبیاری مزرعه در هر دو آزمایش آبیاری معمول و آبیاری محدود بعد از 90 میلی‎متر تبخیر از تشتک تبخیر کلاس A انجام گرفت. از مرحله 8 برگی به بعد در آزمایش آبیاری معمول آبیاری تا انتهای فصل رشد به‎همین منوال ادامه یافت. اما در آبیاری محدود، آبیاری بعد از 180 میلی‎متر تبخیر از تشتک تبخیر کلاس A انجام گرفت. جهت گزینش ژنوتیپ‎های با عملکرد بالا و پایدار از آماره‎های پایداری پارامتری و ناپارامتری استفاده گردید. در این راستا ابتدا تجزیه واریانس با مدل خطی مخلوط و رویه mixed با در نظر گرفتن محیط و ژنوتیپ به‎عنوان اثر ثابت و سال و تکرار به‎عنوان اثر تصادفی انجام گرفت. از نرم‎افزار SAS نسخه 9/4 برای تجزیه واریانس و برنامه STABILITYSOFT تحت محیط R برای تجزیه پایداری استفاده شد. تجزیه پایداری با 7 روش مختلف پارامتریک (مبتنی بر تجزیه واریانس و مبتنی بر تجزیه رگرسیون) و 11 روش ناپارامتریک انجام گرفت. همچنین ارتباط میان آماره‎های مختلف پایداری در قالب یک Heat map plot با استفاده از برنامه STABILITYSOFT ارایه گردید.
یافته‎ها: بر اساس نتایج تجزیه واریانس مرکب، اثرات ژنوتیپ و ژنوتیپ × محیط معنی‎دار بود. با توجه به تنوع مشاهده شده بین ژنوتیپ‎ها و واکنش متفاوت ژنوتیپ‎ها از محیطی به محیطی دیگر، به‎منظور انتخاب ژنوتیپ‎های پایدار، تجزیه پایداری با روش‎های مختلف پارامتری و ناپارامتری انجام گرفت. بر اساس نتایج همبستگی، میانگین عملکرد (MY) با آمارهS(3)  در سطح احتمال پنج درصد، با آماره‎های S(6)، NP(2)،NP(3) ، NP(4)، (θ(i)) GE و Kang در سطح احتمال یک درصد همبستگی منفی و با آماره‎های NP(1)، Wi2، σi2، Reg، (θi) MV و Sdi2 در سطح یک درصد همبستگی مثبت و معنی‎دار نشان داد. سه شاخص آماره شوکلا (σi2)، اکووالانس ریک (Wi2) و (θi) MV با عملکرد همبستگی مثبت نشان دادند. به‎طوری‎که استفاده از آنها به‎جای هم امکان‎پذیر بوده و کارایی دارد. بر اساس جمیع شاخص‎های پارامتری و ناپارامتری ژنوتیپ AS613 به‎عنوان ژنوتیپ با عملکرد بالا و پایداری مطلوب معرفی شد.
نتیجه‎گیری: معرفی و استفاد از شاخص‎های پایداری، به‎واسطه ارزیابی پایداری مواد ژنتیکی تا حد زیادی می‎تواند در گزینش هدفمند ژنوتیپ‎ها در راستای انتخاب ژنوتیپ‎های مطلوب و کارآمد و توسعه ارقام پُرمحصول و متحمل به تنش سودمند باشد.
 
واژه‌های کلیدی: آفتابگردان، تنش کمبود آب، تجزیه پایداری، سازگاری، عملکرد
متن کامل [PDF 2015 kb]   (149 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح براي تنش هاي زنده و غيرزنده محيطي
دریافت: 1403/2/7 | پذیرش: 1403/7/1
فهرست منابع
1. Aarthi, S., Suresh, J., Leela, N., & Prasath, D. (2020). Multi environment testing reveals genotype-environment interaction for curcuminoids in turmeric (Curcuma longa L.). Industrial Crops and Products, (145), 112090. [DOI:10.1016/j.indcrop.2020.112090]
2. Akbari, s., Akbarpour, O., & Pezeshkpour, P. (2022). Evaluation of Grain Yield Stability of Lentil Genotypes using Parametric Methods in Rainfed Conditions of Khorramabad. Journal of Crop Breeding, (14)44, 227-238. doi:10.52547/jcb.14.44.227 [In Persian] [DOI:10.52547/jcb.14.44.227]
3. Alemu, A., Åstrand, J., Montesinos-Lopez, O.A., y Sanchez, J.I., Fernandez-Gonzalez, J., Tadesse, W., Vetukuri, R.R., Carlsson, A.S., Ceplitis, A., Crossa, J. & Ortiz, R. (2024). Genomic selection in plant breeding: Key factors shaping two decades of progress. Molecular Plant, 17(4), 552-578. [DOI:10.1016/j.molp.2024.03.007]
4. Alizadeh, B., Rezaizad, A., Yazdandoost Hamedani, M., Shiresmaeili, G., Nasserghadimi, F., Khademhamzeh, H. R., & Gholizadeh, A. (2020). Evaluation of Seed Yield Stability of Winter Rapeseed (Brassica napus L.) Genotypes Using Non-Parametric Methods. Journal of Crop Breeding, (12)35, 202-212. doi:10.52547/jcb.14.44.227 [In Persian] [DOI:10.52547/jcb.14.44.227]
5. Balalic, I., Zoric, M., Miklic, V., Dusanic, N., Terzic, S., & Radic, V. (2011). Non-parametric stability analysis of sunflower oil yield trials. Helia, (34)54, 67-77. doi. 10.2298/hel1154067b [DOI:10.2298/HEL1154067B]
6. Ballén-Taborda, C., Lyerly, J., Smith, J., Howell, K., Brown-Guedira, G., Babar, M. A., ... & Boyles, R. E. (2022). Utilizing genomics and historical data to optimize gene pools for new breeding programs: A case study in winter wheat. Frontiers in Genetics, 13, 964684. [DOI:10.3389/fgene.2022.964684]
7. Becker, H. (1981). Correlations among some statistical measures of phenotypic stability. Euphytica, (30)3, 835-840. [DOI:10.1007/BF00038812]
8. Becker, H., & Leon, J. (1988). Stability analysis in plant breeding. Plant Breeding, (101)1. [DOI:10.1111/j.1439-0523.1988.tb00261.x]
9. Chakraborty, N. R., Lakshman, S. S., Debnath, S., & Rahimi, M. (2022). Yield stability and economic heterosis analysis in newly bred sunflower hybrids throughout diverse agro-ecological zones. BMC Plant Biology, (22)1, 579. doi.10.1186/s12870-022-03983-1 [DOI:10.1186/s12870-022-03983-1]
10. Darvishzadeh, R., Maleki, H. H., & Sarrafi, A. (2011). Path Analysis of the Relationships between Yield and Some Related Traits in Diallel Population of Sunflower (Helianthus annuus L.) under Well-Watered and Water-Stressed Conditions. Australian Journal of Crop Science, (5)6, 674-680.
11. Dawson, J., Endelman, J., Heslot, N., Crossa, J., Poland, J., Dreisigacker, S., et al. (2013). The use of unbalanced historical data for genomic selection in an international wheat breeding program. Field Crops Res, 154, 12-22. doi: 10.1016/j.fcr.2013.07.020 [DOI:10.1016/j.fcr.2013.07.020]
12. Dufresne, J.-L., y Mélia, D. S., Denvil, S., Tyteca, S., Arzel, O., Bony, S., Braconnot, P., Brockmann, P., Cadule, P., & Caubel, A. (2006). Simulation de l'évolution récente et future du climat par les modèles du CNRM et de l'IPSL. La Météorologie, (55), 45-59. [DOI:10.4267/2042/20120]
13. Ebdon, J., & Gauch Jr, H. (2002). Additive main effect and multiplicative interaction analysis of national turfgrass performance trials: I. Interpretation of genotype× environment interaction. Crop Science, (42)2, 489-496. [DOI:10.2135/cropsci2002.4890]
14. Eberhart, S. t., & Russell, W. (1966). Stability parameters for comparing varieties 1. Crop Science, (6)1, 36-40. [DOI:10.2135/cropsci1966.0011183X000600010011x]
15. Fernandez, O., Urrutia, M., Berton, T., Bernillon, S., Deborde, C., Jacob, D., Maucourt, M., Maury, P., Duruflé, H., & Gibon, Y. (2019). Metabolomic characterization of sunflower leaf allows discriminating genotype groups or stress levels with a minimal set of metabolic markers. Metabolomics, (15), 1-14. [DOI:10.1007/s11306-019-1515-4]
16. Fernández-González, J., Haquin, B., Combes, E., Bernard, K., Allard, A., & Isidro y Sánchez, J. (2024). Maximizing efficiency in sunflower breeding through historical data optimization. Plant methods, 20(1), 42. [DOI:10.1186/s13007-024-01151-0]
17. Fick, G. N., & Miller, J. F. (1997). Sunflower breeding. Sunflower Technology and Production, (35), 395-439. [DOI:10.2134/agronmonogr35.c8]
18. Finlay, K., & Wilkinson, G. (1963). The analysis of adaptation in a plant-breeding programme. Australian Journal of Agricultural Research, (14)6, 742-754. [DOI:10.1071/AR9630742]
19. Flores, F., Moreno, M., & Cubero, J. (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]
20. Fox, P., Skovmand, B., Thompson, B., Braun, H.-J., & Cormier, R. (1990). Yield and adaptation of hexaploid spring triticale. Euphytica, (47), 57-64. [DOI:10.1007/BF00040364]
21. Francis, T., & Kannenberg, L. (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]
22. Ghaffari, M., & Shariati, F. (2018). Combining ability of sunflower inbred lines under drought stress. Helia, (41)69, 201-212. doi. 10.1515/helia-2017-0009 [DOI:10.1515/helia-2017-0009]
23. Goksoy, A. T., Sincik, M., Erdogmus, M., Ergin, M., Aytac, S., Gumuscu, G., Gunduz, O., Keles, R., Bayram, G., & Senyigit, E. (2019). The Parametric and Non-Parametric Stability Analyses for Interpreting Genotype by Environment Interaction of Some Soybean Genotypes. Turkish Journal of Field Crops, 28-38. doi.10.17557/tjfc.562637 [DOI:10.17557/tjfc.562637]
24. Golkar, P., Rahmatabadi, N., & Mirmohammady Maibody, S. A. M. (2020). Improvement of yield and yield stability in safflower using multivariate, parametric and non-parametric methods under different irrigation treatments and planting date. Acta agriculturae Slovenica, 115. doi. 10.14720/aas.2020.115.2.1257 [DOI:10.14720/aas.2020.115.2.1257]
25. Huehn, M. (1979). Beitrage zur erfassung der phanotypischen stabilitat. EDV Medicine and Biology, 10, 112-117.
26. Hühn, M. (1996). Non-parametric analysis of genotype x environment interactions by ranks. Genotype by environment interaction. CRC Press, Boca Raton, FL, 213-228. [DOI:10.1201/9781420049374.ch9]
27. Kang, M. (1988). A rank-sum method for selecting high-yielding, stable corn genotypes. Cereal Research Communications, (16), 113-115.
28. Kang, M. S. (1993). Simultaneous selection for yield and stability in crop performance trials: Consequences for growers. Agronomy Journal, (85)3, 754-757. [DOI:10.2134/agronj1993.00021962008500030042x]
29. Kaya, Y., & Taner, S. (2003). Estimating genotypic ranks by nonparametric stability analysis in bread wheat (Triticum aestivum L.). Journal of Central European Agriculture, 4(1), 47-54.
30. Kaya, Y., & Turkoz, M. (2016). Evaluation of Genotype by Environment Interaction for Grain Yield in Durum Wheat Using Non-Parametric Stability Statistics. Turkish Journal of Field Crops, (21)1, 50. doi. 10.17557/tjfc.48198. [DOI:10.17557/tjfc.48198]
31. Ketata, H. (1988). Genotype× environment interaction. Proceedings of Biometrical Techniques for Cereal Breeders. ICARDA, Aleppo, Syria, 16-32.
32. Khaki, S., Khalilzadeh, Z. & Wang, L. (2020). Predicting yield performance of parents in plant breeding: A neural collaborative filtering approach. Plos One, 15(5), p. e0233382. [DOI:10.1371/journal.pone.0233382]
33. Messina, C. D., Podlich, D., Dong, Z., Samples, M., & Cooper, M. (2011). Yield-trait performance landscapes: from theory to application in breeding maize for drought tolerance. Journal of Experimental Botany, (62)3, 855-68. doi. 10.1093/jxb/erq329 [DOI:10.1093/jxb/erq329]
34. Moghaddaszadeh, M., Zakaria, R. A., &, D. H., and Zare, N. (2019). Non-Parametric Stability Analysis of Tuber Yield in Potato (Solanum tuberosum L.) Genotypes. Journal of Crop Breeding, (10)28, 50-63. [In Persian] [DOI:10.29252/jcb.10.28.50]
35. Mohtashami, R. (2023). Genotype × environment interaction and grain yield stability analysis of rice genotypes (Oryza sativa L.). Journal of Crop Breeding, 15(47), 113-122. [In Persian] [DOI:10.61186/jcb.15.47.113]
36. Nassar, R., & Huehn, M. (1987). Studies on estimation of phenotypic stability: Tests of significance for nonparametric measures of phenotypic stability. Biometrics, 45-53. [DOI:10.2307/2531947]
37. Perkins, J. M., & Jinks, J. (1968). Environmental and genotype-environmental components of variability. Heredity, (23)3, 339-356. [DOI:10.1038/hdy.1968.48]
38. Plaisted, R. (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]
39. Pour-Aboughadareh, A., Khalili, M., Poczai, P., & Olivoto, T. (2022). Stability Indices to Deciphering the Genotype-by-Environment Interaction (GEI) Effect: An Applicable Review for Use in Plant Breeding Programs. Plants (Basel), (11)3, 414. doi. 10.3390/plants11030414 [DOI:10.3390/plants11030414]
40. Pour-Aboughadareh, A., Yousefian, M., Moradkhani, H., Poczai, P., & Siddique, K. H. M. (2019). Stability Soft: A new online program to calculate parametric and non-parametric stability statistics for crop traits. Applications in Plant Sciences, (7)1, e01211. doi. 10.1002/aps3.1211 [DOI:10.1002/aps3.1211]
41. Pourdad, S. S., & Mohammadi, R. (2007). Use of Stability Parameters for Comparing Safflower Genotypes in Multi-Environment Trials. Asian Journal of Plant Sciences, (7)1, 100-104. doi.10.3923/ajps.2008.100.104 [In Persian] [DOI:10.3923/ajps.2008.100.104]
42. Radanovic, A., Miladinovic, D., Cvejic, S., Jockovic, M., & Jocic, S. (2018). Sunflower Genetics from Ancestors to Modern Hybrids-A Review. Genes (Basel), (9)11. doi. 10.3390/genes9110528 [DOI:10.3390/genes9110528]
43. Raiger, H. L., & Prabhakaran, V. (2001). A study on the performance of a few non-parametric stability measures using pearl-millet data. Indian Journal Of Genetics and Plant Breeding, (61)1, 7-11.
44. Rauf, S. (2019). Breeding strategies for sunflower (Helianthus annuus L.) genetic improvement. Advances in Plant Breeding Strategies: Industrial and Food Crops, (6), 637-673. [DOI:10.1007/978-3-030-23265-8_16]
45. Rea, R., Sousa-Vieira, O. D., Díaz, A., Ramón, M., & Briceño, R. (2017). Genotype by environment interaction and yield stability in sugarcane. Revista Facultad Nacional de Agronomía Medellín, (70)2, 8129-8138. [DOI:10.15446/rfna.v70n2.61790]
46. Rinaldi, M., Losavio, N., & Flagella, Z. (2003). Evaluation and application of the OILCROP-SUN model for sunflower in southern Italy. Agricultural Systems, (78)1, 17-30. [DOI:10.1016/S0308-521X(03)00030-1]
47. Roemer, J. (1917). Sinde die ertagdreichen Sorten ertagissicherer. Mitt DLG, (32)1, 87-89.
48. 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. Journal of Crop Breeding, 14(43). 49-63. [In Persian] [DOI:10.52547/jcb.14.43.49]
49. Seiler, G. J., & Gulya, T. J. (2016). Sunflower: Overview. In "Encyclopedia of Food Grains". 247-253. doi 10.1016/b978-0-12-394437-5.00027-9 [DOI:10.1016/B978-0-12-394437-5.00027-9]
50. Seiler, G. J., Qi, L. L., & Marek, L. F. (2017). Utilization of sunflower crop wild relatives for cultivated sunflower improvement. Crop Science, 57(3), 1083-1101. [DOI:10.2135/cropsci2016.10.0856]
51. Shooshtari, M., Safari, H., Fayaz, M., Akbarzadeh, M. a., & Nateghi, S. (2013). Evaluation of forage production stability of a few rangeland species using univariate parametric and nonparametric methods on Gavanbane Harsin rangelands in Kermanshah province. Iranian Journal of Range and Desert Reseach, (20), 570-583. doi.org/10.22092/ijrdr.2013.5798 [In Persian]
52. Shukla, G. (1972). Some statistical aspects of partitioning genotype-environmental components of variability. [DOI:10.1038/hdy.1972.87]
53. Syukur, M., Sujiprihati, S., Yunianti, R., & Kusumah, D. A. (2014). Non paramectric stability analysis for yield of hybrid chili pepper (Capsicum annuum L.) across six different environments. Jurnal Agronomi Indonesia (Indonesian Journal of Agronomy), (42)1.
54. Tiiennarasu, K. (1995). On Certain Non-Parametric Procedures For Studying Genotype-Environmentinteractions. And Yield Stability, IARI, Division of Agricultural Statistics: New Delhi.
55. Velu, G., & Palanisami, K. (2001). Impact of moisture stress and ameliorants on growth and yield of sunflower. Madras Agricultural Journal, 88(10/12), 660-665. [DOI:10.29321/MAJ.10.A00398]
56. Wricke, G. (1962). Uber eine methode zur erfassung der okologischen streubreite in feldversucen.
57. Z. Pflanzenzuchtung, 47, 92-96.
58. Yaşar, M., Çil, A. N., & Abdullah, Ç. (2023). Investigation of Genotype× Environment Interaction in Some Sunflower (Helianthus annuus L.) Genotypes in Different Environmental Conditions. MAS Journal of Applied Sciences, (8)1, 42-55.
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهشنامه اصلاح گیاهان زراعی می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Crop Breeding

Designed & Developed by: Yektaweb