دوره 13، شماره 40 - ( زمستان 1400 1400 )
جلد 13 شماره 40 صفحات 82-74 |
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:
Masoudi B, Hezarjaribi E, andarkhor S A, Faraji A, Kia S. (2021). Yield Evaluation of Soybean Genotypes across Diverse Environments by Statistical Parameters and GGE biplot. J Crop Breed. 13(40), 74-82. doi:10.52547/jcb.13.40.74
URL: http://jcb.sanru.ac.ir/article-1-1278-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1278-fa.html
رزمی نسرین، مسعودی بهرام، هزار جریبی ابراهیم، اندرخور سید عباسعلی، فرجی ابوالفضل، کیا شهریار. ارزیابی عملکرد دانه ژنوتیپ های سویا در محیط های مختلف با استفاده از پارامترهای آماری و روش‌های گرافیکی GGE بایپلات پژوهشنامه اصلاح گیاهان زراعی 1400; 13 (40) :82-74 10.52547/jcb.13.40.74
1- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اردبیل (پارس آباد مغان)، سازمان تحقیقات، آموزش و ترویج کشاورزی، پارس آباد، ایران
2- موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
3- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران
4- تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران
5- بخش تحقیقات زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات،آموزش و ترویج کشاورزی، گرگان، ایران
2- موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
3- بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران
4- تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران
5- بخش تحقیقات زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات،آموزش و ترویج کشاورزی، گرگان، ایران
چکیده: (2397 مشاهده)
چکیده مبسوط
مقدمه و هدف: شرایط محیطی و بهخصوص تفاوت طول روز ناشی از عرض جغرافیایی مهمترین عامل محیطی در تعیین سازگاری ژنوتیپهای سویا در اقلیمهای متفاوت میباشد. پاسخ متفاوت ژنوتیپها به شرایط مختلف محیطی نتیجه اثر متقابل ژنوتیپ و ژنوتیپ × محیط است. ارزیابی اثر متقابل ژنوتیپ × محیط برای افزایش کارایی برنامه های اصلاحی و انتخاب ارقامی که در دامنه وسیعتری از محیطهای متفاوت عملکرد دائمی بالایی داشته باشند ضروری است.
مواد و روش ها: تعداد 23 ژنوتیپ سویا با دو ر قم شاهد (صبا و امیر) در سه منطقه گرگان، ساری و مغان در قالب طرح بلوک‌های کامل تصادفی در سه تکرار در سال زراعی (1398-1397) مورد ارزیابی قرار گرفتند. عملکرد دانه ژنوتیپها برای هر منطقه بطور جداگانه مورد تجزیه واریانس قرار گرفت و برای کلیه مناطق تجزیه واریانس مرکب انجام گرفت. از آماره‌های تکمتغیره ضریب رگرسیون، واریانس انحراف از رگرسیون، واریانس پایداری شوکلا و اکووالانس ریک برای ارزیابی میزان پایداری عملکرد دانه ژنوتیپها استفاده شد. به منظور تحلیل بهتر اثرات متقابل ژنوتیپ با مکان از تجزیه مدل GGE بایپلات استفاده گردید.
یافته ها: تجزیه مرکب داده‌ها حاکی از معنی‌دار بودن اثر مکان، ژنوتیپ و اثر متقابل ژنوتیپ × مکان برای عملکرد دانه بود. بر اساس پارامترهای پایداری محاسبه شده، ژنوتیپ G18 دارای عملکرد بیشتر از میانگین کل، اکووالانس ریک و واریانس پایداری شوکلا پایین‌تر، ضریب رگرسیون معادل یک و کمترین واریانس انحراف از خط رگرسیون بود. ژنوتیپهای G16 و G23 نیز به ترتیب در رتبه بعدی قرار داشتند. نتایج فوق در تجزیه بایپلات نیز مورد تایید قرار گرفت. بررسی همزمان اثر ژنوتیپ و اثر متقابل ژنوتیپ در محیط با خط متوسط عملکرد محیطی (AEC) از بای پلات نشان داد ژنوتیپ‌هایی نزدیک به خط AEC شامل G22، G23 و G17 در برهمکنش نقش کمتری داشته و جزو پایدارترین ژنوتیپها محسوب می‌شوند. همچنین ژنوتیپهای G18، G16 و امیر جزو ژنوتیپ‌هایی با پایداری متوسط محسوب می‌شوند. نمای برداریGGE بایپلات نشان داد محیط‌ها به دو و ژنوتیپها به سه گروه تفکیک شدند. در اولین گروه محیطی (مغان و گرگان) ژنوتیپهای G2، G15 و G18 بیشترین عملکرد را داشتند. در دومین گروه محیطی (ساری) ژنوتیپ G1 بیشترین عملکرد را داشت. ژنوتیپهای G9، G13، G10 و G8 در هیچ یک از محیط‌ها برتر نبودند و کمترین متوسط عملکرد را در تمامی محیط‌ها داشتند.
نتیجه گیری: ژنوتیپ G18 (Charleston× Sari) نوسانات کمتری را در محیطهای مورد آزمایش نشان داد و با میانگین عملکرد 3421 کیلوگرم در هکتار در جایگاه مناسبی نسبت به سایر ژنوتیپها قرار داشت و می‌توان از آن در برنامه‌های اصلاحی آتی استفاده نمود.
مقدمه و هدف: شرایط محیطی و بهخصوص تفاوت طول روز ناشی از عرض جغرافیایی مهمترین عامل محیطی در تعیین سازگاری ژنوتیپهای سویا در اقلیمهای متفاوت میباشد. پاسخ متفاوت ژنوتیپها به شرایط مختلف محیطی نتیجه اثر متقابل ژنوتیپ و ژنوتیپ × محیط است. ارزیابی اثر متقابل ژنوتیپ × محیط برای افزایش کارایی برنامه های اصلاحی و انتخاب ارقامی که در دامنه وسیعتری از محیطهای متفاوت عملکرد دائمی بالایی داشته باشند ضروری است.
مواد و روش ها: تعداد 23 ژنوتیپ سویا با دو ر قم شاهد (صبا و امیر) در سه منطقه گرگان، ساری و مغان در قالب طرح بلوک‌های کامل تصادفی در سه تکرار در سال زراعی (1398-1397) مورد ارزیابی قرار گرفتند. عملکرد دانه ژنوتیپها برای هر منطقه بطور جداگانه مورد تجزیه واریانس قرار گرفت و برای کلیه مناطق تجزیه واریانس مرکب انجام گرفت. از آماره‌های تکمتغیره ضریب رگرسیون، واریانس انحراف از رگرسیون، واریانس پایداری شوکلا و اکووالانس ریک برای ارزیابی میزان پایداری عملکرد دانه ژنوتیپها استفاده شد. به منظور تحلیل بهتر اثرات متقابل ژنوتیپ با مکان از تجزیه مدل GGE بایپلات استفاده گردید.
یافته ها: تجزیه مرکب داده‌ها حاکی از معنی‌دار بودن اثر مکان، ژنوتیپ و اثر متقابل ژنوتیپ × مکان برای عملکرد دانه بود. بر اساس پارامترهای پایداری محاسبه شده، ژنوتیپ G18 دارای عملکرد بیشتر از میانگین کل، اکووالانس ریک و واریانس پایداری شوکلا پایین‌تر، ضریب رگرسیون معادل یک و کمترین واریانس انحراف از خط رگرسیون بود. ژنوتیپهای G16 و G23 نیز به ترتیب در رتبه بعدی قرار داشتند. نتایج فوق در تجزیه بایپلات نیز مورد تایید قرار گرفت. بررسی همزمان اثر ژنوتیپ و اثر متقابل ژنوتیپ در محیط با خط متوسط عملکرد محیطی (AEC) از بای پلات نشان داد ژنوتیپ‌هایی نزدیک به خط AEC شامل G22، G23 و G17 در برهمکنش نقش کمتری داشته و جزو پایدارترین ژنوتیپها محسوب می‌شوند. همچنین ژنوتیپهای G18، G16 و امیر جزو ژنوتیپ‌هایی با پایداری متوسط محسوب می‌شوند. نمای برداریGGE بایپلات نشان داد محیط‌ها به دو و ژنوتیپها به سه گروه تفکیک شدند. در اولین گروه محیطی (مغان و گرگان) ژنوتیپهای G2، G15 و G18 بیشترین عملکرد را داشتند. در دومین گروه محیطی (ساری) ژنوتیپ G1 بیشترین عملکرد را داشت. ژنوتیپهای G9، G13، G10 و G8 در هیچ یک از محیط‌ها برتر نبودند و کمترین متوسط عملکرد را در تمامی محیط‌ها داشتند.
نتیجه گیری: ژنوتیپ G18 (Charleston× Sari) نوسانات کمتری را در محیطهای مورد آزمایش نشان داد و با میانگین عملکرد 3421 کیلوگرم در هکتار در جایگاه مناسبی نسبت به سایر ژنوتیپها قرار داشت و می‌توان از آن در برنامه‌های اصلاحی آتی استفاده نمود.
فهرست منابع
1. Anda, A., B. Simon, G. Soos, J.A. Teixeira da Silva, Z. Farkas and L. Menyhar. 2020. Assessment of soybean evapotranspiration andcontrolled water stress using traditional and converted evapotranspirometers. Atmosphere, doi: 10.3390/atmos11080830. [DOI:10.3390/atmos11080830]
2. Arega, A., A. Dabessa, M. Tola and C. Dabala. 2018. Genotype and genotype by environment interactionand grain yield stability of medium maturity groups of soybean [Glycine max (L.) Merrill] varieties in western Oromia, Ethiopia. African Journal of Plant Science, 12(9): 227-237. [DOI:10.5897/AJPS2018.1674]
3. Babaei, H.R., N. Razmi, E. Hazarjaribi and M. Hashemijazi. 2020. Study on Adaptability and Grain Yield Stability ofSoybean Genotypes [Glycine Max (L.) Merril] Through AMMI & GGE Biplot Analysis. Journal of Crop Breeding, 12(35): 238-250 (In Persian).
4. Babaei, H.R., N. Razmi, S. Raeisi, and H. Sabzi. 2020. Evaluation of adaptability and seed yield stability of soybean (Glycine max L. Merril) promising lines using GGE biplot analysis. Iranian Journal of Crop Sciences, 22(2): 183-197(In Persian). [DOI:10.29252/abj.22.2.183]
5. Belay, F., H. Meresa and A. Gebreslasie. 2018. Evaluation of the performance of some white seeded sesame (Sesamum Indicum L.) genotypes using GGE biplot analysis in Northern Ethiopia. Journal of Cereals and Oilseeds, 9(1): 1-9. [DOI:10.5897/JCO2018.0180]
6. Carneiro, A.K., A. Teodoro Bruzi, J.de Andrade Rezende Pereira and E. Vinicius Zambiazzi. 2019. Stability analysis of pure lines and a multiline of soybean in different locations. Crop Breeding and Applied Biotechnology, 19(4): 395-401. [DOI:10.1590/1984-70332019v19n4a56]
7. Dadras, A.R., H. Samizadeh and H. Sabouri. 2017. Evaluation of soybean varieties and advanced lines yield under drought stress conditions using GGE biplot analysis. Journal of Crop Breeding, 9(23): 18-26 (In Persian). [DOI:10.29252/jcb.9.23.18]
8. Deresse, D., M. Malede, A. Amogne and G. Tefera. 2019. Genotype by environment interaction and yield stability studies on medium maturing soybean genotypes tested in northwest, southern and western parts of Ethiopia for two consecutive years (2016-2017) across five testing locations. Acta Scientific Agriculture, 3(9): 104-112. [DOI:10.31080/ASAG.2019.03.0616]
9. Erdemci, I. 2018. Investigation of genotype × environment interaction in chickpea genotypes using AMMI and GGE biplot analysis. Turkish Journal of Field Crop, 23(1): 20-26. [DOI:10.17557/tjfc.414846]
10. Finlay, K.W. and G.N. Wilkinson. 1963. The analysis of adaptation in a plant breeding program. Australian Journal of Agricultural Research, 14(6): 742-754. [DOI:10.1071/AR9630742]
11. Freiria G.H., L.S. Gonçalves, F.F. Furlan, N.D.S. Junior, W.F. Lima and C.E.C. Prete. 2018. Statistical methods to study adaptability and stability in breeding lines of food-type soybeans. Bragantia, 77(2): 253-264. [DOI:10.1590/1678-4499.2017076]
12. Ghanbari, S., A. Nooshkam, B.A. Fakheri and N. Mahdinezhad. 2019. Relationship between yield and its Component in soybean genotypes (Glycine Max L.) using multivariate statistical methods. Journal of Crop Breeding, 11(1): 85-92 (In Persian). [DOI:10.29252/jcb.11.29.85]
13. Jorge, G.L., A.P.O. Nogueira, O.T. Hamawaki, B.Q.V. Machado, A.J.O. Santana, B.A.M. Borges, R.L. Hamawaki and C.D.L. Hamawaki. 2019. Line selection and correlation between traits of soybean genotypes under high naturally occurring stink bug infestation. Genetics and Molecular Research, 18 (1): gmr18182. [DOI:10.4238/gmr18182]
14. Karimizadeh, R., A. Asghari, R. Chinipardaz, O. Sofalian and A. Ghaffari. 2016. Application of GGE biplot analysis to evaluate grain yield stability of rainfed spring durum wheat genotypes and test locations by climatic factors in Iran. Crop Breeding Journal, 6(2): 41-49.
15. Kocaturk, M., P. Cubuku, A.T. Goksoy, M. Sincik, E. Ilke, A. Kadiroglu, Y. Vurarak and M. Sahin. 2019. GGE biplot analysis of genotype × environment interaction in soybean grown as a second crop. Turkish Journal of Field Crops, 24(2): 145-154. [DOI:10.17557/tjfc.615175]
16. Li, M., Y. Liu, Ch. Wang, X. Yang, D. Li and X. Zhang. 2020. Identification of traits contributing to high and stable yields in different soybean varieties across three Chinese latitudes. Frontiers in Plant Science, Doi: org/10.3389/fpls.2019.01642. [DOI:10.3389/fpls.2019.01642]
17. Morsy, A.R., W.M. Fares, S.B. Ragheb, and M.A. Ibrahim. 2015. Stability analysis of some soybean genotypes using a simplified statistical model. Journal Plant Production, 6(12): 1975-1990. [DOI:10.21608/jpp.2015.52124]
18. Mwiinga, B., J. Sibiya, A. Kondwakwenda, C. Musvosvi and G. Chigeza, 2018. Genotype x environment interaction analysis of soybean (Glycine max (L.) Merrill) grain yield across production environments in Southern Africa. Field Crops Research, doi:org/10.1016/j.fcr.2020.107922.
19. Razmi,N., V. Rameeh, E. Hezarjeribi and A. Kalantar Ahmad.2021. nvestigation of Grain Yield, Number of Pods and PlantHeight of New Soybean Linesin Sari, Gorgan, Moghan and Dezful Regions. Journal of Crop Breeding. 12(36): 21-29 (In Persian).
20. Shukla, G.K. 1972. Some statistical aspects of partitioning genotype-environmental components of variability. Heredity, 29(2): 237-245. [DOI:10.1038/hdy.1972.87]
21. Wricke, G. 1962. Uber eine methode zur refassung der okologischen streubretite in feldversuchen. Flazenzuecht, 47: 92-96.
22. Wu, Y., J. Sun, G. Cao, L., Han, Y.P., Zhao, X., Q. Wang. 2015. Protein content stability analysis in soybean through GGE Biplot. Soybean Science, 34: 172-174. Doi: 10.18805/lr.v0i084.
23. Yamaguchi, N., Y. Tsuji, H. Suzuki, T. Kitabatake and T. Yoshihira. 2019. Evaluation of high-yielding Canadian soybean cultivars suited to Japanese growing conditions. Agrosystems, Geosciences and Environment. Doi:10.2134/age2018.12.0061. [DOI:10.2134/age2018.12.0061]
24. Yan, W. and J. Frégeau-Reid. 2018. Genotype by yield× trait (GYT) biplot: a Novel Approach for genotype selection based on multiple traits. Scientific Reports, Doi: 10.1038/s41598-018-266. [DOI:10.1038/s41598-018-26688-8]
25. Yahaya, S.U. and E. Ankrumah. 2017. Character association and path coefficient analysis for yield components and grain yield in soybean [Glycine max (L) Merill.]. Legume Research, 40: 630-634. doi: 10.1002/9781118688571. [DOI:10.1002/9781118688571]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
