دوره 14، شماره 43 - ( پاییز 1401 1401 )
جلد 14 شماره 43 صفحات 10-1 |
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:
Jafari Nazarabadi T, nasrollahnejad ghomi2 A A, Kordenaeej A, Zenalinezhad K. (2022). Evaluation of Genotype × Environment Interaction and Grain Yield Stability of Advanced Bread Wheat Cross-bred lines by GGE Biplot Method. jcb. 14(43), 1-10. doi:10.52547/jcb.14.43.1
URL: http://jcb.sanru.ac.ir/article-1-1306-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1306-fa.html
جعفری نظرآبادی طیبه، نصراله نژادقمی علی اصغر، کردنائیج علاءالدین، زینلی نژاد خلیل. ارزیابی اثر متقابل ژنوتیپ × محیط و پایداری عملکرد دانه لاین های تلاقی برگشتی پیشرفته گندم نان با روش GGE Biplot پژوهشنامه اصلاح گیاهان زراعی 1401; 14 (43) :10-1 10.52547/jcb.14.43.1
گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه شاهد، تهران، ایران
چکیده: (1244 مشاهده)
چکیده مبسوط
مقدمه و هدف: بررسی اثر متقابل ژنوتیپ×محیط و شناسایی ارقام پایدار و پرمحصول در شرایط محیطی مختلف اهمیت زیادی در اصلاح نباتات دارد. اهداف از این تحقیق حاضر، بررسی اثر متقابل ژنوتیپ×محیط با استفاده از روش گرافیکیGGE bilpot در لاین های تلاقی برگشتی پیشرفته گندم نان، شناسایی و معرفی لاین‌های دارای عملکرد اقتصادی بالا و پایدار است.
مواد و روش‌ها: در این تحقیق پایداری عملکرد دانه هفت لاین حاصل از تلاقی برگشتی پیشرفته گندم نان (BC2F6) در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در مکان‌های تهران، کرمانشاه و گرگان و سال‌های زراعی (97-1396) و (98-1397) مورد بررسی قرارگرفت. هر یک از لاین‌ها در کرت‌هایی با هشت خط چهار متری با فاصله خطوط 25 سانتی‌متر کاشته شد. در پایان فصل محصول سنبله‌ها از هر کرت به‌صورت دستی برداشت و خرمنکوبی شد و وزن دانه‌های بدست آمده توسط ترازوی دیجیتال اندازه‌گیری و در متر‌مربع گزارش شد.
یافته‌ها: نتایج حاصل از تجزیه واریانس مرکب اختلاف معنی داری را در سطح احتمال یک درصد برای اثر محیط و اثر متقابل ژنوتیپ×محیط نشانداد. بین لاین‌های مورد بررسی اختلاف معنی‌داری برای عملکرد دانه مشاهده نشد. بر اساس نتایج حاصل ازGGE Biplot لاین های L4، L6 و L3 نزدیکترین لاین‌ها به لاین ایده آل بودند. بررسی همزمان پایداری و عملکرد دانه لاین‌های L4 و L6 را لاین‌های پایدار با عملکرد بالا شناسائی کرد. بررسی نمودار چندضلعی منجر به شناسایی سه محیط بزرگ شد. محیط بزرگ اول شامل محیطهای E1 (گرگان 97-96)، E2 (گرگان 98-97) و E4 (تهران 98-97) بود که L2 لاین برتر این محیط ها و محیط بزرگ دوم شامل محیط E6 (کرمانشاه 98-97) بود که لاین‌های L4 و L6 به عنوان لاین‌های برتر در این محیطها معرفی شد. محیط بزرگ سوم شامل محیطهای E3 (تهران 98 -97) و E5 (کرمانشاه 98-97) بود که لاین L3 سازگاری خصوصی را با محیطهای مذکور نشان داد.
نتیجه‌گیری: به طور کلی بر اساس نتایج به‌دست آمده لاین L4 به عنوان لاین پایدار باعملکرد بالا معرفی و برای به‌دست آوردن حداکثر عملکرد، کشت این لاین در محیطهای مورد بررسی پیشنهاد می‌شوند و لاین‌های L2 و L1 به عنوان ناپایدارترین لاین ها باکمترین عملکرد معرفی و کشت آن‌ها هیچکدام از محیطهای مورد بررسی پیشنهاد نمی‌شود.
مقدمه و هدف: بررسی اثر متقابل ژنوتیپ×محیط و شناسایی ارقام پایدار و پرمحصول در شرایط محیطی مختلف اهمیت زیادی در اصلاح نباتات دارد. اهداف از این تحقیق حاضر، بررسی اثر متقابل ژنوتیپ×محیط با استفاده از روش گرافیکیGGE bilpot در لاین های تلاقی برگشتی پیشرفته گندم نان، شناسایی و معرفی لاین‌های دارای عملکرد اقتصادی بالا و پایدار است.
مواد و روش‌ها: در این تحقیق پایداری عملکرد دانه هفت لاین حاصل از تلاقی برگشتی پیشرفته گندم نان (BC2F6) در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در مکان‌های تهران، کرمانشاه و گرگان و سال‌های زراعی (97-1396) و (98-1397) مورد بررسی قرارگرفت. هر یک از لاین‌ها در کرت‌هایی با هشت خط چهار متری با فاصله خطوط 25 سانتی‌متر کاشته شد. در پایان فصل محصول سنبله‌ها از هر کرت به‌صورت دستی برداشت و خرمنکوبی شد و وزن دانه‌های بدست آمده توسط ترازوی دیجیتال اندازه‌گیری و در متر‌مربع گزارش شد.
یافته‌ها: نتایج حاصل از تجزیه واریانس مرکب اختلاف معنی داری را در سطح احتمال یک درصد برای اثر محیط و اثر متقابل ژنوتیپ×محیط نشانداد. بین لاین‌های مورد بررسی اختلاف معنی‌داری برای عملکرد دانه مشاهده نشد. بر اساس نتایج حاصل ازGGE Biplot لاین های L4، L6 و L3 نزدیکترین لاین‌ها به لاین ایده آل بودند. بررسی همزمان پایداری و عملکرد دانه لاین‌های L4 و L6 را لاین‌های پایدار با عملکرد بالا شناسائی کرد. بررسی نمودار چندضلعی منجر به شناسایی سه محیط بزرگ شد. محیط بزرگ اول شامل محیطهای E1 (گرگان 97-96)، E2 (گرگان 98-97) و E4 (تهران 98-97) بود که L2 لاین برتر این محیط ها و محیط بزرگ دوم شامل محیط E6 (کرمانشاه 98-97) بود که لاین‌های L4 و L6 به عنوان لاین‌های برتر در این محیطها معرفی شد. محیط بزرگ سوم شامل محیطهای E3 (تهران 98 -97) و E5 (کرمانشاه 98-97) بود که لاین L3 سازگاری خصوصی را با محیطهای مذکور نشان داد.
نتیجه‌گیری: به طور کلی بر اساس نتایج به‌دست آمده لاین L4 به عنوان لاین پایدار باعملکرد بالا معرفی و برای به‌دست آوردن حداکثر عملکرد، کشت این لاین در محیطهای مورد بررسی پیشنهاد می‌شوند و لاین‌های L2 و L1 به عنوان ناپایدارترین لاین ها باکمترین عملکرد معرفی و کشت آن‌ها هیچکدام از محیطهای مورد بررسی پیشنهاد نمی‌شود.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح نباتات، بیومتری
دریافت: 1400/7/5 | ویرایش نهایی: 1401/7/20 | پذیرش: 1400/8/11 | انتشار: 1401/7/20
دریافت: 1400/7/5 | ویرایش نهایی: 1401/7/20 | پذیرش: 1400/8/11 | انتشار: 1401/7/20
فهرست منابع
1. Blanche, S.B. and G.O. Myers. 2006. Identifying discriminating locations for cultivar selection in Louisiana. Crop Science, 46: 946-949. [DOI:10.2135/cropsci2005.0279]
2. Bradley, J.V. 1982. The insidious L-Shaped distance. Bull. Psychonomic Society, 20: 85-88. [DOI:10.3758/BF03330089]
3. Cooper, M. and I.H. DeLacy. 1994. Relationships among analytical methods used to study genotypic variation and genotype-by-environment interaction in plant breeding multi-environment experiments. Theoretical and Applied Genetics, 88: 561-572. [DOI:10.1007/BF01240919]
4. Cornelius, P.L. and J. Crossa. 1999. Prediction assessment of shrinkage estimators of multiplicative models for multi-environment cultivar trials. Crop Science. 39: 98-109. [DOI:10.2135/cropsci1999.0011183X003900040007x]
5. Dehghani, H., A. Ebadi and A. Yousefi. 2006. Biplot analysis of genotype by environment interaction for barley yield in Iran. Agronomy Journal, 98: 388-393. [DOI:10.2134/agronj2004.0310]
6. Delacy, I.H., K.E. Basford, M. Cooper, J.K. Bull and C.G. McLaren. 1996. Analysis of multi-environment trials an historical perspective. In: Cooper, M., and Hammer, G.L. (Eds.), Plant adaptation and crop improvement, Oxford: CAB International: 39-124.
7. Esmaeilzadeh Moghaddam, M., S. Tahmasebi, G.A.L.A. Ayeneh, H. Akbari Moghadam, K. Mahmoudi, M. Sayyahfar, S.M. Tabib Ghaffari and H. Zali. 2018. Yield stability evaluation of bread wheat promising lines using multivariate methods. Cereal Research, 8(3): 333-344 (In Persian with English Abstract).
8. Farshadfar, E. 2008. In corporation of AMMI stability value and Grain yield in a single Non-Parametric Index (GSI) in Bread wheat. Pakistan Journal of Biological Sciences, 11(14): 1791-1796. [DOI:10.3923/pjbs.2008.1791.1796]
9. Farshadfar, E. 2015. The interaction effect of genotype and environment in plant breeding. First volume. Islamic Azad University Press. Kermanshah (In Persian).
10. Gauch, H.G. and R.W. Zobel. 1996. AMMI analyses of yield trials. In Kang, M.S., and Gauch, H.G. (Eds.), Genotype by Environment Interaction. CRC. Boca Raton, Florida, 85-122 pp. [DOI:10.1201/9781420049374.ch4]
11. Hayword, M.D., N.O. Bosemard and I. Romagosa. 1993. Plant Breeding. Chapman and Hall Press, U.K.
12. Hugh, G. and G.H. Gauch. 1988. Model selection and validation for yield trials with interaction. Biometrics. 44: 705-715. [DOI:10.2307/2531585]
13. Jafari, T. and E. Farshadfar. 2018. Stability analysis of bread wheat genotypes (Triticum aestivum L.) by GGE biplot. Cereal Research, 8(2): 1-13 (In Persian).
14. Kempton, R.A. 1984. The use of biplot in interpreting variety by environment interaction. Journal of agricultural science, 122: 335-342.
15. Kroonenberg, P.M. 1995. Introduction to biplots for G × E tables. Centre for Statistics. Research Report 51. The University of Queensland. Brisbane, Australia. 22 pp.
16. Najafi Mirak, T., M. Dastfal, B. Andarzian, H. Farzadi, M. Bahari and H. Zali. 2019. Evaluation of durum wheat cultivars and promising lines for yield and yield stability in warm and dry areas using AMMI model and GGE biplot. Journal of Crop Breeding, 10(28): 1-12 (In Persian). [DOI:10.29252/jcb.10.28.1]
17. Sabaghnia, N., H. Dehghani and S.H. sabaghpour. 2007. Nonparametric methods for interpreting genotype x enviroment inteaction of lentil genotype. Crop science, 46: 1100-1106. [DOI:10.2135/cropsci2005.06-0122]
18. Sadegzadeh Ahari, D., K. Hossaini and K. Alizadeh. 2005. Study of adaptability and stability of durum wheat lines in tropical and sub-tropical dry land areas. Journal of Seed and Plant, 21: 561-576 (In Persian).
19. Singh, C., A. Gupta, V. Gupta, P. Kumar, R. Sendhil, B.S. Tyagi, G. Singh, R. Chatrath and G.P. Singh. 2019. Genotype x environment interaction analysis of multi-environment wheat trials in India using AMMI and GGE biplot models. Crop Breeding and Applied Biotechnology, 19(3): 309-318. [DOI:10.1590/1984-70332019v19n3a43]
20. Temesgen, M., S. Alamerew and F. Eticha. 2015. GGE Biplot Analysis of Genotype by Environment Interaction and Grain Yield Stability of Bread Wheat Genotypes in South East Ethiopia. Agricultural Sciences, 11(4): 183-190.
21. Vargas, M., J. Crossa, K. Sayre, M. Reynolds, M.E. Ramirez and M. Talbot. 1998. Interpreting genotype-environment interaction in wheat by partial least squares regression. Crop Science, 38: 679-689. [DOI:10.2135/cropsci1998.0011183X003800030010x]
22. Yan, W. 1999. A study on the methodology of yield trial data analysis-with special reference to winter wheat in Ontario. Ph.D. Thesis, University of Guelph, Ontario, Canada.
23. Yan, W. 2001. GGEbiplot-A widow's application for graphical analysis of multi environment trial data and other types of two-way data. Agronomy Journal, 93: 1111-1118. [DOI:10.2134/agronj2001.9351111x]
24. Yan, W. and L.A. Hunt. 2002. Biplot analysis of diallel data. Crop science, 42(1): 21-30. [DOI:10.2135/cropsci2002.0021]
25. Yan, W., L. A. Hunt, Q. Sheng and Z. Szlavnics. 2000. Cultivar evaluation andmega-environment investigations based on the GGE biplot. Crop Science, 40: 597-605. [DOI:10.2135/cropsci2000.403597x]
26. Yan, W. and M.S. Kang. 2002. GGE biplot analysis: A graphical tool for breeders, geneticists, and agronomists: CRC press, USA. 288 pp. [DOI:10.1201/9781420040371]
27. Yan, W. and M.S. Kang. 2003. GGE biplot analysis: A graphical tool for breeders, geneticists and agronomists. CRC Press, Boca Raton, USA. [DOI:10.1201/9781420040371]
28. Yan, W., M.S. Kang, S. Ma, S. Woods and P.L. Cornelius. 2007. GGE biplot vs AMMI analysis of genotype-by-environment data. Crop Science, 47: 596-605. [DOI:10.2135/cropsci2006.06.0374]
29. Yan, W. and I. Rajcan. 2002. Biplot analysis of sites and trait relations of soybean in Ontario. Crop Science, 42: 11-20. [DOI:10.2135/cropsci2002.1100]
30. Yan, W. and N.A. Tinker. 2006. Biplot analysis of multi-environment trial data: Principles and applications. Canadian Journal of Plant Science, 86(3): 623-645. [DOI:10.4141/P05-169]
31. Yang, R., J. Crossa, P. Cornelius and J. Bugueno. 2009. Biplot analysis of genotype x environment interaction: Proceed with caution. Crop Science, 49: 1564-1576. [DOI:10.2135/cropsci2008.11.0665]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
