بررسی اثر متقابل ژنوتیپ × محیط برای پایداری عملکرد دانه گلرنگ از طریق روش GGE بای‌پلات

نوع مقاله : مقاله پژوهشی

نویسندگان

1 مربی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کهگیلویه و بویر احمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یاسوج، ایران

2 استاد، گروه ژنتیک و به‌نژادی گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی، قزوین، ایران

3 کارشناس‌ارشد، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کهگیلویه و بویر احمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یاسوج، ایران

4 دانشجوی دکتری، گروه ژنتیک و به‌نژادی گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی، قزوین، ایران

چکیده

گلرنگ به‌عنوان گیاهی متحمل به شوری و خشکی و سازگار با شرایط آب و هوایی ایران دارای اهمیت ویژه‌ای می‌باشد. آزمایش‌های ناحیه‌ای ارقام جدید نقش مهمی در برنامه‌های اصلاحی گیاهان زراعی جهت جستجوی ارقام با عملکرد و پایداری بالا ایفا می‌کنند. در این مطالعه 15 رقم و لاین اصلاح شده گلرنگ همراه با رقم محلی اصفهان و رقم سینا به‌عنوان شاهد در منطقه گرمسیر گچساران در شرایط دیم به‌مدت سه سال زراعی (86-1384) در قالب طرح بلوک‌های کامل تصادفی با سه تکرار از نظر پایداری عملکرد دانه مورد ارزیابی قرار گرفتند. بر اساس نتایج تجزیه واریانس مرکب، اثر اصلی محیط و ژنوتیپ در سطح احتمال یک درصد و اثر متقابل ژنوتیپ و محیط در سطح احتمال پنج درصد روی پایداری عملکرد دانه گلرنگ معنی‌دار گردیدند. نتایج تجزیه واریانس نشان داد که 2/45 درصد از کل تغییرات، مربوط به اثر محیط و 26 درصد متعلق به اثر ژنوتیپ و اثر متقابل ژنوتیپ × محیط بود. دو مؤلفه اصلی اول و دوم اکثر ( 4/92 درصد) تغییرات موجود را توجیه نمودند. ژنوتیپ‌های سینا، Syrian، Cyprus Bergon و Cw-4440 کم‌ترین فاصله را از ژنوتیپ ایده‌آل داشتند و بنابراین برترین ژنوتیپ‌ها بودند و ژنوتیپ‌هایEsfahan ، Cw-74 و Hartman با بیش‌ترین فاصله از ژنوتیپ ایده‌آل نامطلوب‌ترین ژنوتیپ‌ها محسوب شدند.

کلیدواژه‌ها

عنوان مقاله [English]

Investigation of Genotype × Environment Interaction for the Stability of Safflower Seed Yield through the GGE Biplot Analysis

نویسندگان [English]

  • Behrouz Vaezi 1
  • Jafar Ahmadi 2
  • Hoshangh Naraki 3
  • Valiallah Yousefi 4
1 Instructor, Kohgiluyeh and Boyerahmad Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization(AREEO), Yasuj, Iran.
2 Professor, Department of Genetics and Plant Breeding, Faculty of Agriculture and Natural Resources, Imam Khomeini International University, Qazvin, Iran.
3 MSc, Kohgiluyeh and Boyerahmad Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Yasuj, Iran.
4 PhD Student, Department of Genetics and Plant Breeding, Faculty of Agriculture and Natural Resources, Imam Khomeini International University, Qazvin, Iran.
چکیده [English]

Safflower is an important drought and salt tolerant plant adapted to the climate conditions of Iran. Multi-environment trials play an important role in crop breeding programs to identify genotypes with high and stable yield. In the present study, yield stability of 17 safflower genotypes were tested under the rainfed condition in a three years trials based on randomized complete block design with 3 replications at Gachsaran Agricultural Research Station during 2004-2006 cropping seasons. The results of the combined analysis of variance showed that main effects of genotype and environment on the stability of Safflower Seed Yield were significant at 1%, and GEI was significant at 5% probability level. The results of analysis of variance showed that 45.2% of total variation was due to environment while 26.0% of variation was belonged to genotype and G×E interaction. GGE (G plus GE) biplot model was used to evaluate seed yield stability in safflower genotypes. The first two principle components (PC1 and PC2) together explained 94.2% of the total variability, therefore most of the information could be graphically displayed in the PC1 vs. PC2 biplot. The biplot of comparison of the safflower genotypes with the ideal genotype revealed that Sina, Syrian, Cyprus Bergon and Cw-4440 were the closest genotypes to the ideal cultivar, and Esfahan, Cw-74 and Hartman had the most distance from the ideal cultivar.

کلیدواژه‌ها [English]

  • Salt
  • Drought
  • Rainfed condition
  • Combined analysis of variance

مراجع

باقری، ح.، عندلیبی، ب. و عظیمی مقدم، م. ر. 1391. اثر کاربرد ماده ضدتعرق آترازین بر بهبود صفات فیزیولوژیکی، عملکرد و اجزای عملکرد گلرنگ در شرایط دیم. مجله به‌زراعی کشاورزی، 14 (2): 16-1.
پورداد، س. س. 1385. گلرنگ (ترجمه). مرکز نشر سپهر، تهران. 123 صفحه.
پورداد، س. س. و جمشید مقدم، م. 1392. مطالعه بررسی اثر متقابل ژنوتیپ و محیط از طریق روش GGE بای‌پلات برای عملکرد دانه ارقام بهاره کلزا (Brassica napus L.) در شرایط دیم. پژوهشنامه اصلاح گیاهان زراعی، 5 (12): 14-1.
جاویدفر، ف.، علیزاده، ب.، امیری اوغان، ح. و صباغ‌نیا، ن. 1389. مطالعه اثر متقابل ژنوتیپ و محیط در ژنوتیپ‌های کلزا به روش GGE بای‌پلات. مجله علوم گیاهان زراعی ایران، 41 (4): 779-771.
جمشیدی مقدم، م. و پورداد، س. س. 1392. ارزیابی پایداری عملکرد دانه ژنوتیپ‌های گلرنگ با استفاده از معیارهای ناپارامتری و روش GGE بای‌پلات در شرایط دیم. مجله به‌نژادی نهال و بذر، 29 (1): 63-45.
کوچکی، ا. ر.، سرخی الله لو، ب. و اسلام‌زاده حصاری، م. ر. 1391. پایداری عملکرد ژنوتیپ‌های امیدبخش جو در مناطق سرد ایران با استفاده از روش GGE Biplot. مجله به‌نژادی نهال و بذر، 1-28(4): 543-533.
محمدی، ر.، آرمیون، م.، زادحسن، ا.، احمدی، م. م. و صادق‌زاده اهری، د. 1391. اثر متقابل ژنوتیپ×محیط برای عملکرد دانه گندم دوروم دیم با استفاده از مدل GGE بای‌پلات. مجله به‌نژادی نهال و بذر. 1-28 (4): 518-503.
محمدی، ر.، آرمیون، م.، زادحسن، ا. و اسکندری، م. 1392. تجزیه اثرات متقابل ژنوتیپ در محیط برای عملکرد دانه در گندم درووم. نشریه زراعت دیم ایران، 1 (4):16-1.
مصطفوی، خ.، محمدی، ع.، خدارحمی، م.، ضابط، م. و زراع، م. 1391. واکنش عملکرد ارقام تجاری کلزا به محیط‌های مختلف با استفاده از روش گرافیکی GGE Biplot. مجله زراعت و اصلاح نباتات، 8 (4): 143-133.
واعظی، ب.، احمدی، ج. و نارکی، ه. 1390. اثر متقابل ژنوتیپ × محیط و تجزیه پایداری ژنوتیپ‌های گلرنگ در شرایط دیم. گرمسیر. مجله علوم زراعی ایران، 13 (2): 407-395.
یونس سینکی، ن. 1387. بررسی وضعیت کمی و کیفی روغن موجود در ارقام مختلف گلرنگ تولید شده در سال 87. ماهنامه آفتابگردان، 11: 27.
Abay, F. and Bjørnstad, A. 2009. Specific adaptation of barley varieties in different locations in Ethiopia. Euphytica, 167: 181-195.
Bach, S., Yada, R. Y. Bizimungu, B. and Sullivan, J. A. 2012. Genotype by environment interaction effects on fibre components in potato (Solanum tuberosum L.). Euphytica, 187: 77-86.
Bassil, B. S. and Kaffka, S. R. 2002. Response of safflower (Carthamus tinctorius L.) to saline soils and irrigation. II. Crop response to salinity. Agriculture Water Management, 54: 81-92.
Correia, I., Alía, R., Yan, W., David, T., Aguiar, A. and Almeida, M. H. 2010. Genotype × Environment interactions in Pinus pinaster at age 10 in multi-environment trial in Portugal: a maximum likelihood approach. Annals of Forest Science, 67: 612.
Crossa, J., Cornelius, P. L. and Yan, W. 2002. Biplots of linear-bilinear models for studying crossover genotype × environment interaction. Crop Science, 42: 136-144.
Gabriel, K. R. 1971. The biplot graphic display of matrices with application to principal component analysis. Biometrika. 58: 453-467.
Gauch, H. G. and Zobel, R. W. 1977. Identifying mega-environments and targeting genotypes. Crop Science, 37: 311-326.
Haldane, J. B. S. 1946. The interaction of nature and nurture. Annals of Eugenics, 13: 197-205.
Jamshidmoghadam, M. and Pourdad, S. S. 2009. Comparison of parametric and non-parametric methods for analyzing genotype × environment interactions in safflower (Carthamus tinctorius L.). Journal of Agricultural Science, 147: 601-612.
Kempton, R. A. 1984. The use of biplots in interpreting variety by environment interactions. The Journal of Agricultural Science, 103: 123-135.
Laffont, T., D’Egidio, M. G. and Wright, K. 2007. Numerical and graphical measures to facilitate the interpretation of GGE-biplot. Crop Science, 47: 990-996.
Mitrovic, B., Stanisavljevi, D., Treski, S., Stojakovic, M., Ivanovic, M., Bekavac, G. and Rajkovic, M. 2012. Evaluation of experimental maize hybrids tested in multi-location trials using AMMI and GGE biplot analysis. Turkish Journal of Field Crops, 17 (1): 35-40.
Mohammadi, R. and Amri, A. 2011. Genotype × Environment interaction and genetic improvement for yield and yield stability of rainfed dueum wheat in Iran. Euphytica, 192: 227-249.
Mohammadi, R. and Amri, A. 2013. Genotype x Environment interaction for durum wheat grain yield and selection for drought tolerance in irrigated and droughted environments in Iran. Journal of Crop Science and Biotechnology, 14 (4): 265-274.
Pande, S., Sharma, M., Gaur, P. M., Basandrai, A. K., Kaur, L., Hooda, K. S., Basandrai, D., Kiran Babu, T., Jain, S. K. and Rathore, A. 2013. Biplot analysis of genotype × environment interactions and identification of stable sources of resistance to Ascochyta blight in chickpea (Cicer arietinum L.). Australasian Plant Pathology, 42: 561-571.
Perkins, J. M. and Jinks, J. L. 1971. Environmental and genotype environment components of variability: III. Multiple line and crosses. Heredity, 23: 339-356.
Rakshit, S., Ganapathy, K. N., Gomashe, S. S., Rathore, A., Ghorade, R. B., Nagesh Kumar, M. V., Ganesmurthy, K., Jain, S. K., Kamtar, M. Y., Sachan, J. S., Ambekar, S. S., Ranwa, B. R., Kanawade, D. G., Balusamy, M., Kadam, D., Sarkar, A., Tonapi, V. A. and Patil, J. V. 2012. GGE biplot analysis to evaluate genotype, environment and their interactions in sorghum mutli-location data. Euphytica, 185: 465-479.
Rodriguez, M., Rau Domenico, R., Papa, R. and Attene, G. 2008. Genotype by environment interactions in barley (Hordeum vulgare L.): different responses of landraces, recombinant inbred lines and varieties to Mediterranean environment. Euphytica, 163: 231-247.
Roy, D. 2000. Plant breeding analysis and exploitation of variation. Alpha Science International ltd. UK.
Scapim, C. A., Oliveira, V. R., Braccini, A. L., Cruz, C. D., Andrade, C. A. B. and Vidigal, M. C. G. 2000. Yield stability in maize (Zea mays L.) and correlations among the parameters of the Eberhart and Russell, Lin and Binns and Huehn models. Genetics and Molecular Biology, 23: 387-393.
Snedecor, G. W. and Cochran, W. G. 1980. Statistical methods. 7th Ed. The Iowa State University Press, Iowa, 593p.
Tsehaye, Y., Bjørnstad, Å. and Abay, F. 2012. Phenotypic and genotypic variation in flowering time in Ethiopian barleys. Euphytica, 188: 309-323.
Turuspekov, Y., Sariev, B., Chudinov, V., Sereda, G., Tokhetova, L., Ortaev, A., Tsygankov, V., Doszhanov, M., Volis, S. and Abugalieva, S. 2013. Genotype × Environment interaction patterns for grain yield of spring barley in different regions of Kazakhstan. Russian Journal of Genetics, 49 (2): 196-205.
Weis, E. A. 2000. Oilseed Crops. Blackwell Science, Ltd, Oxford. 364pp.
Wright, A. J. 1971. The analysis and prediction of some two factor interactions in grass breeding. The Journal of Agricultural Science, 76: 301-306.
Yan, W., Hunt, L. A., Sheng, Q. T. L. and Szlavnies, Z. 2000. Cultivar evaluation and mega-environment investigation based on GGE biplot. Crop Science, 40: 596-605.
Yan, W., Kang, M. S., Ma, B., Woods, S. and Cornelius, P. L. 2007. GGE biplot vs. AMMI analysis of genotype by environment data. Crop Science, 47: 643-655.
Yan, W. and Kang, M. S. 2003. GGE Biplot Analysis: A graphical tool for breeders, geneticists, and agronomists. CRC Press. Boca Raton.
Yan, W. and Rajcan, I. 2002. Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42: 11-20.
Yan, W. and Tinker, N. A. 2006. Biplot analysis of multi-environment trial data: principles and applications. Canadian Journal of Plant Science, 86: 623-645.
Yan, W. 2002. Singular-value partitioning in biplot analysis of multienvironment trial data. Agronomy Journal, 94: 990-996.
Zobel, R. W., Wright, M. J. and Gauch, H. G. 1988. Statistical analysis of a yield trial. Agronomy Journal, 80: 388-393.
دوفصلنامه فنآوری تولیدات گیاهی
دوره 12، شماره 2
آذر 1399
صفحه 9-19

فایل ها

هم رسانی

ارجاع به این مقاله

آمار