دوره 13، شماره 40 - ( زمستان 1400 1400 )
جلد 13 شماره 40 صفحات 20-11 |
برگشت به فهرست نسخه ها
گروه زراعت و اصلاح نباتات، واحد کرج، دانشگاه آزاد اسلامی
چکیده: (1649 مشاهده)
چکیده مبسوط
مقدمه و هدف: کلزا یکی از مهترین گیاهان روغنی در ایران و جهان می‌باشد. با توجه به وابستگی ایران به واردات دانه های روغنی و وجود شرایط مناسب برای تولید این محصول، تعیین ژنوتیپ های پایدار از نظر عملکرد دانه و توصیه بهترین ژنوتیپ ها برای گروه های محیطی مختلف ضروری است.
مواد و روش ها: به منظور مطالعه اثر برهمکنش ژنوتیپ و محیط، تعداد 10 رقم کلزا در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در پنج منطقه شامل بیرجند، کرج، کاشمر، سنندج و شیراز در سال زراعی 98-1397، کشت و از نظر عملکرد دانه ارزیابی شدند.
یافته ها: نتایج تجزیه واریانس مرکب عملکرد دانه نشان داد که اثر محیط، تیمار و اثر متقابل ژنوتیپ × محیط معنی‌دار می‌باشد. محیط، ژنوتیپ و اثر متقابل ژنوتیپ × محیط به ترتیب 74، 12 و 14 درصد از واریانس دادهها را به خود اختصاص دادند. در بین محیط‌ها بیشترین میزان عملکرد دانه مربوط به کرج با میانگین عملکرد 51/6 تن در هکتار بود. در بین ارقام بیشترین عملکرد دانه مربوط به Hyola401 و Okapi به ترتیب برابر با 5/54 و 5/20 تن در هکتار بود. مؤلفه‌های اول و دوم در روش GGE biplot به ترتیب 88/8 و 5/9 درصد و مجموعاً 94/7 از تغییرات عملکرد دانه را تبیین نمود. نمودار بررسی هم‌زمان پایداری و عملکرد، ژنوتیپ‌های Hyola401 و Opera را تحت عنوان ژنوتیپ‌های پایدار با عملکرد بالا معرفی کرد. با استفاده از نمودار چند ضلعی بای‌پلات، شش ژنوتیپ برتر و سه ابرمحیط شناسایی شد. نمودار روابط میان ارقام، ژنوتیپ‌های مورد بررسی را در دو گروه طبقه‌بندی نمود. گروه اول شامل ژنوتیپ‌های Zarfam، Likord، Sarigol، Hyola401، Opera و Okapi و گروه دوم شامل ارقام Hyola308، Modena، Option500 و Modena بود. در محیطهای کرج، بیرجند و سنندج ژنوتیپ‌های Hyola401 و Opera، در محیط کاشمر ژنوتیپ Zarfam و در محیط شیراز ژنوتیپ Okapi مطلوب‌ترین ژنوتیپها از لحاظ عملکرد دانه بودند. ژنوتیپ Likord دارای پایداری عمومی نسبت به تمام محیط‌ها بود.
نتیجهگیری: بهطورکلی میتوان اینگونه نتیجه گیری نمود که ژنوتیپ Hyola401 نسبت به سایر ژنوتیپها از مطلوبیت بیشتری برخوردار بوده و همچنین منطقه کرج در بین محیطهای مورد مطالعه از میانگین عملکرد بیشتری برخوردار است.
مقدمه و هدف: کلزا یکی از مهترین گیاهان روغنی در ایران و جهان می‌باشد. با توجه به وابستگی ایران به واردات دانه های روغنی و وجود شرایط مناسب برای تولید این محصول، تعیین ژنوتیپ های پایدار از نظر عملکرد دانه و توصیه بهترین ژنوتیپ ها برای گروه های محیطی مختلف ضروری است.
مواد و روش ها: به منظور مطالعه اثر برهمکنش ژنوتیپ و محیط، تعداد 10 رقم کلزا در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در پنج منطقه شامل بیرجند، کرج، کاشمر، سنندج و شیراز در سال زراعی 98-1397، کشت و از نظر عملکرد دانه ارزیابی شدند.
یافته ها: نتایج تجزیه واریانس مرکب عملکرد دانه نشان داد که اثر محیط، تیمار و اثر متقابل ژنوتیپ × محیط معنی‌دار می‌باشد. محیط، ژنوتیپ و اثر متقابل ژنوتیپ × محیط به ترتیب 74، 12 و 14 درصد از واریانس دادهها را به خود اختصاص دادند. در بین محیط‌ها بیشترین میزان عملکرد دانه مربوط به کرج با میانگین عملکرد 51/6 تن در هکتار بود. در بین ارقام بیشترین عملکرد دانه مربوط به Hyola401 و Okapi به ترتیب برابر با 5/54 و 5/20 تن در هکتار بود. مؤلفه‌های اول و دوم در روش GGE biplot به ترتیب 88/8 و 5/9 درصد و مجموعاً 94/7 از تغییرات عملکرد دانه را تبیین نمود. نمودار بررسی هم‌زمان پایداری و عملکرد، ژنوتیپ‌های Hyola401 و Opera را تحت عنوان ژنوتیپ‌های پایدار با عملکرد بالا معرفی کرد. با استفاده از نمودار چند ضلعی بای‌پلات، شش ژنوتیپ برتر و سه ابرمحیط شناسایی شد. نمودار روابط میان ارقام، ژنوتیپ‌های مورد بررسی را در دو گروه طبقه‌بندی نمود. گروه اول شامل ژنوتیپ‌های Zarfam، Likord، Sarigol، Hyola401، Opera و Okapi و گروه دوم شامل ارقام Hyola308، Modena، Option500 و Modena بود. در محیطهای کرج، بیرجند و سنندج ژنوتیپ‌های Hyola401 و Opera، در محیط کاشمر ژنوتیپ Zarfam و در محیط شیراز ژنوتیپ Okapi مطلوب‌ترین ژنوتیپها از لحاظ عملکرد دانه بودند. ژنوتیپ Likord دارای پایداری عمومی نسبت به تمام محیط‌ها بود.
نتیجهگیری: بهطورکلی میتوان اینگونه نتیجه گیری نمود که ژنوتیپ Hyola401 نسبت به سایر ژنوتیپها از مطلوبیت بیشتری برخوردار بوده و همچنین منطقه کرج در بین محیطهای مورد مطالعه از میانگین عملکرد بیشتری برخوردار است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح نباتات
دریافت: 1399/9/28 | ویرایش نهایی: 1400/10/25 | پذیرش: 1400/6/13 | انتشار: 1400/10/26
دریافت: 1399/9/28 | ویرایش نهایی: 1400/10/25 | پذیرش: 1400/6/13 | انتشار: 1400/10/26
فهرست منابع
1. Amiri, O.H., Z.K.M. Alem and F. Javidfar. 2004. Stability of seed yield in spring Rapeseed (brassica napus L.) genotypes.
2. Brar, K.S., P. Singh, V.P. Mittal, P. Singh, M.L. Jakhar, Y. Yadav and C. Kumar. 2016. GGE biplot analysis for visualization of mean performance and stability for seed yield in taramira at diverse locations in India. Journal of Oilseed Brassica, 1(2): 66-74.
3. Crossa, J., P.N. Fox, W.H. Pfeiffer, S. Rajaram and H.G. Gauch. 1991. AMMI adjustment for statistical analysis of an international wheat yield trial. Theoretical and Applied Genetics, 81(1): 27-37. [DOI:10.1007/BF00226108]
4. D'Andrea, K.E., M.E. Otegui, A. Cirilo and G. Eyherabide. 2006. Genotypic variability in morphological and physiological traits among maize inbred lines. I. Response to nitrogen availability. Crop Science, 46: 1266-1276. [DOI:10.2135/cropsci2005.07-0195]
5. Diepenbrock, W. 2000. Yield analysis of winter oilseed rape (Brassica napus L.): a review. Field crops research, 67(1): 35-49. [DOI:10.1016/S0378-4290(00)00082-4]
6. Escobar, M., M. Berti, I. Matus, M. Tapia and B. Johnson. 2011. Genotype × environment interaction in canola (Brassica napus L.) seed yield in Chile. Chilean Journal of Agricultural Research, 71(2): 175. [DOI:10.4067/S0718-58392011000200001]
7. Farshadfar, E., R. Mohammadi, M. Aghaee and Z. Vaisi. 2012. GGE biplot analysis of genotype x environment interaction in wheat-barley disomic addition lines. Australian Journal of Crop Science, 6(6): 1074-1079.
8. Gauch Jr, H.G. 2006. Statistical analysis of yield trials by AMMI and GGE. Crop science, 46(4): 1488-1500. [DOI:10.2135/cropsci2005.07-0193]
9. Gauch Jr, H.G. and R.W. Zobel. 1997. Identifying mega‐environments and targeting genotypes. Crop science, 37(2): 311-326. [DOI:10.2135/cropsci1997.0011183X003700020002x]
10. Javidfar, F., M.H. Alam-Khoomaram, H. Amiri-Oghan and S.H. Azizinia. 2004. Stability of seed yield in winter rapeseed (Brassica napus) genotypes. Seed and Plant, 20(3): 315-328.
11. Karimizadeh, R., M. Mohammadi, N. Sabaghnia and M.K. Shefazadeh. 2012. Using Huehn's nonparametric stability statistics to investigate genotype × environment interaction. Notulae Botanicae Horti Agrobotanici Cluj-Napoca, 40(1): 293-301. [DOI:10.15835/nbha4017593]
12. Khatamain, O.S., S.A.M. Modares Sanavy, F. Ghanati and M. Mostavafi. 2011. Evaluation of yield, its components and some morphological traits of sixteen rapeseed oil cultivars in arak region. Journal of Agricultural Science and Sustainable Production, 21(3): 147-161.
13. Khoshnazar-Porshokohei, R., M.R. Ahmadi and M.R. Ghannadha. 2000. A study of adaptation and yield capacity of rapeseed (Brassica napus L.) cultivars and lines. Iranian Journal of Agricultural Sciences, 31(2): 341-352.
14. Kroonenberg, P.M. 1995. Introduction to biplot for G×E tables. Res. Rep. 51. Dep. of Mathematics, Univ. of Queensland, Brisbane, Australia.
15. Lin, C.S., M.R. Binns and L.P. Lefkovitch.1986. Stability analysis: where do we stand? Crop science, 26(5): 894-900. [DOI:10.2135/cropsci1986.0011183X002600050012x]
16. Lin, C.S. and G. Butler.1990. Cluster analyses for analyzing two‐way classification data. Agronomy Journal, 82(2): 344-348. [DOI:10.2134/agronj1990.00021962008200020034x]
17. Ma, B.L., W. Yan, L.M. Dwyer, J. Fregeau‐Reid, H.D. Voldeng, Y. Dion and H. Nass. 2004. Graphic analysis of genotype, environment, nitrogen fertilizer, and their interactions on spring wheat yield. Agronomy Journal, 96(1): 169-180. [DOI:10.2134/agronj2004.1690]
18. Makumbi, D., A. Diallo, F. Kanampiu, S. Mugo and H. Karaya. 2015. Agronomic Performance and Genotype× Environment Interaction of Herbicide‐Resistant Maize Varieties in Eastern Africa. Crop Science, 55(2): 540-555. [DOI:10.2135/cropsci2014.08.0593]
19. Mostafavi, K., H. Shojaei, N. Khodarahmi and A. Mohammadi. 2010. The interaction of genotype and environment in canola with using GGE biplot graphical methods. In Third International Seminar of oilseeds and edible oils. Tehran: Coordination Center of Science and Industry Oilseeds.
20. Muller, M.H., F. Delieux, J.M. Fernandez-Martinez, B. Garric, V. Lecomte, G. Anglade and R. Segura. 2009. Occurrence, distribution and distinctive morphological traits of weedy Helianthus annuus L. populations in Spain and France. Genetic Resources and Crop Evolution, 56(6): 869-877. [DOI:10.1007/s10722-009-9409-3]
21. Navabi, A., R.C. Yang, J. Helm and D.M. Spaner. 2006. Can spring wheat‐growing megaenvironments in the northern Great Plains be dissected for representative locations or niche‐adapted genotypes? Crop Science, 46(3): 1107-1116. [DOI:10.2135/cropsci2005.06-0159]
22. Roozeboom, K.L., W.T. Schapaugh, M.R. Tuinstra, R.L. Vanderlip and G.A. Milliken. 2008. Testing wheat in variable environments: genotype, environment, interaction effects, and grouping test locations. Crop Science, 48(1): 317-330. [DOI:10.2135/cropsci2007.04.0209]
23. Roy. D. 2000. Plant breeding: Analysis and exploitation of variation. Alpha Science Int'l Ltd.
24. Yan. W. 2001. GGEbiplot-A Windows application for graphical analysis of multi environment trial data and other types of two‐way data. Agronomy journal, 93(5): 1111-1118. [DOI:10.2134/agronj2001.9351111x]
25. Yan. W. 2002. Singular‐value partitioning in biplot analysis of multi environment trial data. Agronomy Journal, 94(5): 990-996. [DOI:10.2134/agronj2002.9900]
26. 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(3): 597-605. [DOI:10.2135/cropsci2000.403597x]
27. 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(2): 643-653. [DOI:10.2135/cropsci2006.06.0374]
28. Yan, W. and I. Rajcan. 2002. Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42(1): 11-20. [DOI:10.2135/cropsci2002.1100]
29. Yang, R.C., J. Crossa, P.L. Cornelius and J. Burgueño. 2009. Biplot analysis of genotype × environment interaction: Proceed with caution. Crop Science, 49(5): 1564-1576. [DOI:10.2135/cropsci2008.11.0665]
30. 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]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |