دوره 18، شماره 2 - ( تابستان 1405 )                   جلد 18 شماره 2 صفحات 102-92 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Seifolahpour B, Bahraminejad S, Cheghamirza K, Sasani S, Mohammadi S A. (2026). Localization of QTLs Related to Phonological Traits in a Population Derived from a Cross between Wheat Cultivars “Norstar” × “Marvdasht”. J Crop Breed. 18(2), 92-102. doi:10.61882/jcb.2026.1635
URL: http://jcb.sanru.ac.ir/article-1-1635-fa.html
سیف اله پور بهناز، بهرامی نژاد صحبت، چقامیرزا کیانوش، ساسانی شهریار، محمدی سیدابوالقاسم.(1405). مکان‌یابی جایگاه‎ های ژنی کنترل کننده (QTL) صفات فنولوژیک در جمعیت حاصل از تلاقی ارقام گندم نورستار × مرودشت پژوهشنامه اصلاح گیاهان زراعی 18 (2) :102-92 10.61882/jcb.2026.1635

URL: http://jcb.sanru.ac.ir/article-1-1635-fa.html


1- گروه مهندسی تولید و ژنتیک گیاهی، دانشکده علوم و مهندسی کشاورزی، دانشگاه رازی، کرمانشاه، ایران
2- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمانشاه، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران
3- گروه به نژادی و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
چکیده:   (599 مشاهده)
چکیده مبسوط
مقدمه و هدف: گندم نان
(Triticum aestivum L.) به ‎عنوان یک محصول غذایی اصلی محور اصلی تحقیقات کشاورزی و بیولوژیکی است. بنابر این، توجه ویژه‎ ای به تکامل، ژنتیک، تنوع زیستی و بوم‌شناسی آن معطوف شده است. در میان گونه‌های مختلف گندم، گندم نان به‎ دلیل ارزش غذایی بالا و کشت گسترده آن، بیشتر مورد تحقیق و مطالعه قرار گرفته است. این محصول منبع مواد مغذی برای حدود 40 درصد از جمعیت جهان است. اخیراً، تغییرات اقلیمی و گرمایش جهانی با شدت فراوان و وسعت تنش‌های متعدد، مستقیماً بر عملکرد و کیفیت محصولات کشاورزی تأثیر گذاشته اند. بنابر این، افزایش عملکرد گندم یک نیاز ضروری برای تحقق امنیت غذایی و تغذیه‌ای جهانی است. به‎ نژادگران گندم به‌دلیل تنوع ژنتیکی گسترده این محصول، تاریخ رسیدگی مطلوب را برای مطابقت با شرایط اقلیمی در محیط‎ های هدف خود انتخاب می‎ کنند. ژنوتیپ‌هایی که قادر به سازگاری با آب و هوای متغیر هستند، می ‎توانند با تنظیم زمان گلدهی خود با شرایط فصلی برای محافظت از اندام ‎های گل، از عوامل تنش نامناسب مانند یخبندان، گرما و خشکی عبور کنند. تنوع در صفات فنوتیپی نشان‌دهنده تنوع ژنتیکی است و امکان شناسایی ژنوتیپ‌ها با ویژگی‌های مطلوب را برای برنامه‌های اصلاحی فراهم می‌کند. نقشه‌برداری QTL با ارائه یک رویکرد جایگزین برای بهبود روش‎ های اصلاحی مرسوم با استفاده از نشانگرهای مولکولی که ارتباط تنگاتنگی با صفات فنولوژی دارند، نقش مهمی را درکاهش طول دوره رشد و افزایش عملکرد دانه ایفا می‌کند. هدف مطالعه حاضر، شناسایی لاین های زودرس، مکان QTLهای صفات فنولوژیک گندم در یک جمعیت اینبرد لاین‎ های نوترکیب، و شناسایی نشانگرهای پیوسته با صفات فنولوژیک جهت استفاده در گزینش به کمک نشانگر بود.
مواد و روش‌ها: در این پژوهش، برای تسهیل اصلاح صفات مهم در گندم، 131 لاین F6 حاصل از تلاقی ارقام گندم نورستار و مرودشت به‎ همراه والدین در قالب طرح آلفا لاتیس با دو تکرار در سال زراعی 99-1398 در مزرعه تحقیقاتی پردیس کشاورزی و منابع طبیعی دانشگاه رازی کشت شدند. در طول این دوره، کل بارندگی 409/9 میلی‌متر بود. بذرها به‎ صورت دستی در کرت‌هایی شامل سه ردیف، هرکدام به طول یک متر، با فاصله ردیف 0/22 متر و تراکم کاشت ۴۰۰ بذر در متر مربع کاشته شدند. صفات فنولوژیک شامل روز تا آبستنی، روز تا ظهور سنبله، روز تا گرده افشانی، طول دوره پرشدن دانه‌ و روز تا رسـیدگی فیزیولوژیک ثبت شد. پس از بررسی نرمال بودن، داده ‎ها با استفاده از نرم ‎افزار SAS 9.1،  تجزیه واریانس و مقایسه میانگین‌ها به ‎روش LSD انجام شدند. تجزیه کلاستر نیز با استفاده نرم ‎افزار JMP 13 انجام گرفت. نقشه پیوستگی با 55 نشانگر SSR و هشت نشانگر رتروترانسپوزون IRAP با استفاده از نرم ‎افزار JoinMap® 4 با LOD حداقل سه انجام و میزان نوترکیبی از تابع هالدن به فاصله نقشه تبدیل شد. جایگاه‎ های کنترل کننده صفات مورد مطالعه با روش مکان‎ یابی فاصله ‎ای مرکب (CIM) و LOD حداقل دو با نرم ‎افزار WinQTL Cartographer ver.2.5 شناسایی گردید.
یافته‌ها: نتایج حاصل از تجزیه واریانس داده‌ها نشان دادند که بین لاین‎ ها از نظر کلیه صـفات مورد بررسی تفاوت معنی‎ داری وجود داشت که حاکی از وجود تنوع کافی بین آنها بود. لاین‎ های 16، 23، 69، 81 و 101 کمترین میانگین برای طول دوره پر شدن دانه را داشتند. دامنه وراثت‌پذیری عمومی بالایی (99/05 تا 99/82 درصد) برای این صفات مشاهده شد که نشان‌دهنده سهم بالای ژنتیک در کنترل این صفات است. براساس تجزیه خوشه ‎ای، لاین‎ ها به‎ همراه والدین به چهار گروه تقسیم شدند که گروه سوم با میانگین روز تا رسیدگی فیزیولوژیک 194 روز زودرس ‎ترین و گروه چهارم شامل دیررس‎ ترین لاین‎ ها با میانگین روز تا رسیدگی فیزیولوژیک 203 روز بودند. براساس تجزیه QTL برای صفات روز تا رسیدگی فیزیولوژیک و طول دوره پر شدن دانه، چهار QTL شناسایی شد. برای روز تا رسیدگی فیزیولوژیک، دو QTL روی گروه پیوستگی ناشناخته اول و گروه پیوستگی 1B برای والد مادری مرودشت ضریب تبیین 19/08 درصد و برای طول دوره پر شدن دانه دو QTL روی کروموزوم‎ های 1B و 3B با اثر بخشی والد پدری نورستار و ضریب تبیین 22/48 درصد برآورد شد.
نتیجه‎ گیری: برای صفات فنولوژیک مورد مطالعه تفکیک متجاوز مشاهده شد. دامنه وراثت‌پذیری عمومی بالا برای این صفات می‎ تواند نشان‌دهنده سهم بالای عوامل ژنتیکی در کنترل این صفات باشد. تعدادی لاین با طول دوره رسیدگی کوتاه یا زودرس شناسایی شدند. حفظ و مطالعه این تنوع منحصر به فرد برای توسعه گونه‌هایی با کیفیت بالا که بتوانند در برابر عوامل تنش‌زای زیستی و غیر زیستی مقاومت کنند، ضروری هستند. این عوامل در مواجهه با تغییرات اقلیمی و تخریب محیط زیست به‎ طور فزاینده‌ای اهمیت پیدا می‌کنند. QTL‎های شناسایی شده روی گروه ‎های پیوستگی 1B، 3B و ناشناخته اول قرار داشتند. برای روز تا رسیدگی فیزیولوژیک، یک QTL روی گروه پیوستگی 1B شناسایی شد که با نشانگر GWM11 پیوستگی شدید نشان داد. این مطالعه اطلاعات ارزشمندی را از جایگاه‌های ژنتیکی آنها که زیر بنای صفاتی مانند روز تا رسیدگی فیزیولوژیک و طول دوره پرشدن دانه هستند، ارائه می‌دهد که به‎ عنوان عوامل مهم در افزایش عملکرد در نظر گرفته می‌شوند. طبق نتایج این مطالعه، انتظار می‌رود که ژنوتیپ‌های ایده‌آل با پایداری بالا، در محیط‌هایی که میزان بارندگی به‎ دلیل تغییرات اقلیمی از سالی به سال دیگر نوسان دارد، مرحله ظهور سنبله و روز تا رسیدگی متوسطی داشته باشند.

 
متن کامل [PDF 1277 kb]   (93 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح نباتات مولكولي
دریافت: 1405/1/13 | پذیرش: 1404/11/23

فهرست منابع
1. Ain, Q. U., Rasheed, A., Anwar, A., Mahmood, T., Imtiaz, M., Xia, X., He, Z., & Quraishi, U. M. (2015). Genome-wide association for grain yield under rainfed conditions in historical wheat cultivars from Pakistan. Frontiers in Plant Science, 6, 743. [DOI:10.3389/fpls.2015.00743]
2. Aleliunas, A., Gorash, A., Armoniene, R., Tamm, I., Ingver, A., Bleidere, M., Fetere, V., Kollist, H., Mroz, T., Lillemo, M., & Brazauskas, G. (2024). Genome-wide association study reveals 18 QTL for major agronomic traits in a Nordic-Baltic spring wheat germplasm. Plant Science, 15, 1393170. https://doi.org/10.3389/fpls.2024.1393170 [DOI:10.1016/j.plantsci.2023.1393170]
3. Alemu, A., Suliman, S., Hagras, A., Thabet, S., Al-Abdallat, A., Abdelmula, A. A., & Tadesse, W. (2021). Multi-model genome-wide association and genomic prediction analysis of 16 agronomic, physiological and quality-related traits in ICARDA spring wheat. Euphytica, 217, 205. https://doi.org/10.1007/s10681-021-02933-6 [DOI:10.1007/s10681-021-02904-8]
4. Ararsa, L., Mulugeta, B., Geleta, N., Nigusse, M., Bekele, E., & Geleta, M. (2025). Phenological, physiological, and agronomic trait variation and heritability in durum wheat (Triticum turgidum L. ssp. durum Desf.) genotypes. African Journal of Agricultural Research, 21(2), 87-101. [DOI:10.5897/AJAR2024.16814]
5. Ashraf, M., Akram, N. A., Mehboob-ur-Rahman, & Foolad, M. R. (2012). Marker-assisted selection in plant breeding for salinity tolerance. In S. Shabala & T. A. Cuin (Eds.), Plant salt tolerance: Methods and protocols (305-332). Springer. [DOI:10.1007/978-1-61779-986-0_19]
6. Ayik, B., Güleç, T., Aydın, N., Türkoglu, A., & Bocianowski, J. (2024). Pre-harvest sprouting resistance in bread wheat: A speed breeding approach to assess dormancy QTL in backcross lines. Plants, 13, 3437. https://doi.org/10.3390/plants13233437 [DOI:10.3390/13243437]
7. Borras Gelonch, G., Rebetzke, G. J., Richards, R. A., & Romagosa, I. (2012). Genetic control of duration of pre-anthesis phases in wheat (Triticum aestivum L.) and relationships to leaf appearance, tillering, and dry matter accumulation. Journal of Experimental Botany, 63, 69-89. [DOI:10.1093/jxb/err258]
8. Brajeh Fard, M., Siahpoosh, M. R., & Modarresi, M. (2023). Mapping the QTLs associated with pre- and post-anthesis developmental stages of wheat under normal and heat conditions. Research Square, 1-9. https://doi.org/10.21203/rs.3.rs-3217638/v1 [DOI:10.21203/rs.3.rs-1234567/v1]
9. Chao, J., Li, Z., Sun, Y., Aluko, O. O., Wu, X., Wang, Q., & Liu, G. (2021). MG2C: A user-friendly online tool for drawing genetic maps. Molecular Horticulture, 1, 16. https://doi.org/10.1186/s43897-021-00020-x [DOI:10.1186/s43897-021-00016-2]
10. Chen, H., Bemister, D. H., Iqbal, M., Strelko, S. E., & Spaner, D. M. (2020). Mapping genomic regions controlling agronomic traits in spring wheat under conventional and organic managements. Crop Science, 60, 2038-2052. [DOI:10.1002/csc2.20183]
11. Chen, H., Iqbal, M., Perez-Lara, E., Yang, R., Pozniak, C., & Spaner, D. (2015). Earliness per se quantitative trait loci and their interaction with Vrn-B1 locus in a spring wheat population. Molecular Breeding, 35, 182. https://doi.org/10.1007/s11032-015-0373-7 [DOI:10.1007/s11032-015-0232-4]
12. Chowdhury, M. K., Hasan, M. A., Bahadur, M. M., Islam, M. R., Hakim, M. A., Iqbal, M. A., Javed, T., Raza, A., Shabbir, R., Sorour, S., Norhan, E. M., Anwar, S., Alamri, S., El Sabagh, A., & Islam, M. S. (2021). Evaluation of drought tolerance of some wheat (Triticum aestivum L.) genotypes through phenology, growth, and physiological indices. Agronomy, 11, 1792. [DOI:10.3390/agronomy11091792]
13. EL Sabagh, A., Islam, M.S., Skalicky, M., Raza, M.A., Singh, K., Anwar Hossain, M., Hossain, A., Mahboob, W., Iqbal, M.A., & Ratnasekaera, D. (2021). Salinity Stress in Wheat (Triticum aestivum L.) in the Changing Climate: Adaptation and Management Strategies. Frontiers in Agronomy, 3, 661932. [DOI:10.3389/fagro.2021.661932]
14. Erenstein, O., Jaleta, M., Mottaleb, K.A., Sonder, K., Donovan, J., & Braun, H. J. (2022). Global trends in wheat production, consumption and trade. In Wheat Improvement: Food Security in a Changing Climate; Springer International Publishing: Cham, Switzerland. 47-66. [DOI:10.1007/978-3-030-90673-3_4]
15. Fourquet, L., Barber, T., Campos-Mantello, C., Howell, P., Orman-Ligeza, B., Percival-Alwyn, L., Rose, G.A., Sheehan, H., Wright, T.I.C., Longin, F., Wurschum, T., Novoselovic, D., Greenland, A.J., Mackay, I.J., Cockram, J. & Bentley, A.R. (2024). An eight-founder wheat MAGIC population allows fine-mapping of flowering time loci and provides novel insights into the genetic control of flowering time. Theoretical and Applied Genetics, 137(12):277. [DOI:10.1007/s00122-024-04787-7]
16. Gahlaut, V., Jaiswal, V., Singh, S., Balyan, H.S., & Gupta, P.K. (2019). Multi-locus genome wide association mapping for yield and its contributing traits in hexaploid wheat under diferent water regimes. Scientific Reports, 9, 19486. https://doi.org/10.1038/s41598-019-55520-0 [DOI:s41598-019-55520-0]
17. Gomes, M. C., Costa, R. Rodrigo, S. Rolo, V. Pinheiro, N. Bagulho, A. S. Costa, A., & Maças, B. (2025). Wheat Phenology and Yield in a Mediterranean Scenario of Climate Change. Triticum - The Pillar of Global Food Security. [DOI:10.5772/intechopen.1009841]
18. Haghnazar, M., Fazeli, A., & Arminian, A. . (2025). Evaluation of cultivar diversity and correlation analysis of some agronomic characteristics in bread wheat. Crop Production Journal, 17, 41-66. [DOI:10.22069/EJCP.2025.22414.2625]
19. Haixia, Y., Xi-xian, D., Ai-qing, S., Xiao-xiao, S., Jing-juan, Z., Hua-qing, S., Yan-yan, S., Tang-yuan, N., Ji-chun, T., Dong-xue, W., Hao, L., Ke-xin, F., Ai-ping, W., Wu-jun, M. & Jian-sheng, C. (2022). Genetic dissection of the grain-filling rate and related traits through linkage analysis and genome-wide association study in bread wheat. Journal of Integrative Agriculture, 21(10), 2805-2817. [DOI:10.1016/j.jia.2022.07.032]
20. Haldane, J. (1919). The mapping function. Journal of Genetics, 8. [DOI:10.1007/s10709-008-9287-1]
21. Isham, K., Wang, R., Zhao, W., Wheeler, J., Klassen, N., Akhunov, E., & Chen, J. (2021). QTL mapping for grain yield and three yield components in a population derived from two high-yielding spring wheat cultivars. Theoretical and Applied Genetics, 134, 2079-2095. [DOI:10.1007/s00122-021-03806-1]
22. Jansen, R. C., & Stam, P. (1994). High resolution of quantitative traits into multiple loci via interval mapping. Genetics, 136(4), 1447-55. [DOI:10.1093/genetics/136.4.1447]
23. Krishnappa, G., Savadi, S., Tyagi, B.S., Singh, S.K., Mamrutha, H.M., Kumar, S., Mishra, C.N., Khan, H., Gangadhara, K., & Uday, G. (2021). Integrated genomic selection for rapid improvement of crops. Genomics, 113(3), 1070-1086. [DOI:10.1016/j.ygeno.2021.02.007]
24. Li, F., Wen, W., Liu, J., Zhang, Y., Cao, S., He, Z., Rasheed, A., Jin, H., Zhang, C., & Yan, J. (2019). Genetic architecture of grain yield in bread wheat based on genome-wide association studies. BMC Plant Biology, 19, 168. [DOI:10.1186/s12870-019-1781-3]
25. Ma, J., Liu, Y., Zhang, P., Chen, T., Tian, T., Wang, P., Che, Z., Shahinnia, F., & Yang, D. (2023). Identification of quantitative trait loci (QTL) and meta-QTL analysis for kernel size-related traits in wheat (Triticum aestivum L.). BMC Plant Biology, 22, 607. [DOI:10.1186/s12870-022-03989-9]
26. Muhleisen, J., Piepho, H.P., Maurer, H.P., Longin, C.F.H., & Reif, J.C. (2014). Yield stability of hybrids versus lines in wheat, barley, and triticale. Theoretical and Applied Genetics, 127(2), 309-16. doi: 10.1007/s00122-013-2219-1 [DOI:10.1007/s00122-013-2219-1]
27. Mujtaba, H., Jabeen, N., Younis, M.A., Iqbal, A., Saeed, W., Shahzad, Z., Faisal, M.K., Sidduqe, U., Khan, B., Khan, M.S., & Khizar, N.Z. (2024). Exploring the Genetic Variability and Traits Interaction to Enhance Wheat Yield. Planta Animalia, 3(1), 93-99. [DOI:10.71454/PA.003.01.0042]
28. Mulugeta, B., Tesfaye, K., Ortiz, R., Johansson, E., Hailesilassie, T., Hammenhag, C., Hailu, F., & Geleta, M. (2023). Marker-trait association analyses revealed major novel QTLs for GYD and related traits in durum wheat. Frontiers in Plant Science, 13. [DOI:10.3389/fpls.2022.1009244]
29. Naseri, R., Cheghamirza, K., Mohammadi, R., Zarei, L., & Beheshti Aleagha, A. (2023). Localization of QTLs controlling flagleaf and peduncle related traits in durum wheat. Cereal Biotechnology and Biochemistry, 2(1), 42-63. [DOI:10.22126/cbb.2023.8638.1030 [In Persian]]
30. Pinke, Z., Decsi, B., Jambor, A., Kardos, M. K., Kern, Z., & Kozma, Z. (2022). Climate change and modernization drive structural realignments in European grain production. Scientific Reports, 12, 7374. [DOI:10.1038/s41598-022-10670-6]
31. Qin, R., Cao, M., Dong, J., Chen, L., Guo, H., Guo, Q., Cai, Y., Han, L., Huang, Z., Xu, N., Yang, A., Xu, H., Wu, Y., Sun, H., Liu, X., Ling, H., Zhao, C., Li, J., & Cui, F. (2024). Fine mapping of a major QTL, qKl-1BL controlling kernel length in common wheat. Theoretical and Applied Genetics, 137, 4037-4062. [DOI:10.1007/s11426-024-2179-6]
32. Rathan, N. D., Krishnappa, G., Singh, A.M., & Govindan, V. (2023). Mapping QTL for Phenological and Grain-Related Traits in a Mapping Population Derived from High-Zinc-Biofortified Wheat. Plants, 12(1), 220. [DOI:10.3390/plants12010220]
33. Ren, T., Fan, T., Chen, S., Li, C., Chen, Y., Ou, X., Jiang, Q., Ren, Z., Tan, F., & Luo, P. (2021). Utilization of a Wheat 55K SNP array-derived high-density genetic map for high-resolution mapping of quantitative trait loci for important kernel-related traits in common wheat. Theoretical and Applied Genetics, 134(3), 807-821. [DOI:10.1007/s00122-020-03732-8]
34. Sanna, G., Giunta, F., Motzo, R., Mastrangelo, A.M., & De, V.P. (2014). Genetic variation for the duration of pre-anthesis development in durum wheat and its interaction with vernalization treatment and photoperiod. Journal of Experimental Botany, 65(12), 3177-88. [DOI:10.1093/jxb/eru170]
35. Schittenhelm, S., Langkamp-Wedde, T., Kraft, M., Kottmann, L., & Matschiner, K. (2020). Effect of two-week heat stress during grain filling on stem reserves, senescence, and grain yield of European winter wheat cultivars. Journal of Agronomy and Crop Science, 206, 722-733. [DOI:10.1111/jac.12410]
36. Sharma, D.S.R., Rane J, Gupta, V.K., Mamrutha, H.M., & Tiwari, R. (2016). Mapping quantitative trait loci associated with grain lling duration and grain number under terminal heat stress in bread wheat (Triticum aestivum L.). Plant Breeding, 35(5), 538-545, [DOI:10.1111/pbr.12405]
37. Sheoran, S., Jaiswal, S., Kumar, D., Raghav, N., Sharma, R., Pawar, S., Paul, S., Iquebal, M.A., Jaiswar, A., & Sharma, P. (2019). Uncovering genomic regions associated with 36 agro-morphological traits in Indian spring wheat using GWAS. Front Plant Science, 10, 527. [DOI:10.3389/fpls.2019.00527]
38. Siti Athirah, B. I., & Kalaivani, K.N. (2024). Meta-Analysis of Quantitative Trait Loci (QTL) for Growth and Yield Related Traits under Drought Stress in Wheat (Triticum aestivum L.). Journal of Advanced Research in Computing and Applications, 37(1), 1-20. [DOI:10.37934/arca.37.1.120]
39. Soriano, J. M., Malosetti, M., Roselló, M., Sorrells, M.E., & Royo, C. (2017). Dissecting the old Mediterranean durum wheat genetic architec- ture for phenology, biomass and yield formation by association mapping and QTL meta-analysis. PLoS ONE, 12. [DOI:10.1371/journal.pone.0178290]
40. Tian, Z., Wang, J. W., Li, J., & Han, B. (2021). Designing future crops: challenges and strategies for sustainable agriculture. Plant Journal, 105. 1165-1178. [DOI:10.1111/tpj.15107]
41. Xiong, W., Reynolds, M. P., Crossa, J., Schulthess, U., Sonder, K., & Montes, C. (2021). Increased ranking change in wheat breeding under climate change. Nature Plants, 7(9), 1207-1212. [DOI:10.1038/s41477-021-00988-w]
42. Yadava, Y. K., Chaudhary, P., Yadav, S., Rizvi, A.H., Kumar, T., Srivastava, R., Soren, K.R., Bharadwaj, C., Srinivasan, R., Singh, N.K., & Jain, P.K. (2023). Genetic mapping of quantitative trait loci associated with drought tolerance in chickpea (Cicer arietinum L.). Scientific Reports, 13(1), 17623. [DOI:10.1038/s41598-023-44990-y]
43. doi: 10.1038/s41598-023-44990-y [DOI:10.1038/s41598-023-44990-y]
44. Younus, S., Saeed, M.U., & Sajid, M. (2024). Assessment of Phenological and Physiological Traits in Wheat under Normal and Delayed Sowing Conditions. Journal of Biological and Agricultural Advancements, 7(12), 464-469. [DOI:10.33545/2618060X.2024.v7.i12f.2197]
45. Zeleke, K. (2021). Simulating agronomic adaptation strategies to mitigate the impacts of climate change on wheat yield in South-Eastern Australia. Agronomy, 11(2), 337. [DOI:10.3390/agronomy11020337]

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

© 2026 CC BY-NC 4.0 | Journal of Crop Breeding

Designed & Developed by: Yektaweb