نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران

2 مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

چکیده

گشنیز یکی از مهم‌ترین گیاهانی است که در صنایع دارویی استفاده می‌شود. بررسی ژنوتیپ‌های مختلف گشنیز تحت شرایط محیطی متفاوت به به‌نژادگران در شناسایی ژنوتیپ‌های با عملکرد بالا و پایدار کمک می‌کند. در این راستا آزمایشی در قالب طرح بلوک‌های کامل تصادفی با سه تکرار تحت سه شرایط مختلف آبیاری شامل آبیاری نرمال (E1)، تنش ملایم (E2) و تنش شدید (E3) انجام گرفت. از روش GGE بای‌‌پلات برای بررسی 21 ژنوتیپ گشنیز در سه محیط استفاده شد. تجزیه مرکب عملکرد روغن نشان داد که اثر محیط، اثر ژنوتیپ و اثر متقابل ژنوتیپ × محیط معنی‌دار بود. نتایج حاصل از روش بای‌پلات نشان داد که مولفه اول 71.9 و مولفه دوم 24 درصد (در مجموع 95.9 درصد) از کل تغییرات را توجیه نمودند. بر اساس بای‌پلات ژنوتیپ فرضی ایده‌‌آل، ژنوتیپ‌های G17 و G4 از نظر هر دو عامل پایداری و میانگین عملکرد روغن، بهتر از سایر ژنوتیپ‌ها بودند و سازگاری عمومی بالایی در همه محیط‌های مورد بررسی داشتند. علاوه بر آن، ژنوتیپ G18 در محیط‌های E2 و E3 و ژنوتیپ G9 در محیط E1 ژنوتیپ‌های برتر و با سازگاری خصوصی بالا بودند. بررسی و مقایسه محیط‎ها نیز نشان داد که محیط‌های E2 و E3 از نظر رتبه ‎بندی، گروه‌بندی و تعیین سازگاری ژنوتیپ‌ها، کاملاً مشابه هم عمل کردند، در صورتی که محیط E1 متفاوت از سایر محیط‌ها بود. در مجموع نتایج نشان داد که کلیه محیط‌ها دارای قابلیت تمایز بالایی بودند. محیط E2 نزدیک‌ترین محیط‌ به محیط ایده‌آل بود و بیشترین تمایز و بیانگری را نشان داد.

کلیدواژه‌ها

موضوعات

Alinian, S., Razmjoo, J., 2014. Phenological, yield, essential oil yield and oil content of cumin accessions as affected by irrigation regimes. Industrial Crops and Products. 54, 167-174.
Alizadeh, B., Rezaizad, A., Yazdandoost Hamedani, M., Shiresmaeili, G., Nasserghadimi, F., Khademhamzeh, H., Gholizadeh, A., 2021. Analysis of genotype × environment interaction for seed yield in winter rapeseed cultivars and lines using multivariate method of additive main effects and multiplicative interaction. Journal of Crop Production and Processing. 11, 95-108. [In Persian with English Summary].
Alizadeh, B., Rezaizad, A., Yazdandoost Hamedani, M., Shiresmaeili, G., Nasserghadimi, F., Khademhamzeh, H.R., Gholizadeh, A., 2020. Evaluation of seed yield stability of winter rapeseed (Brassica napus L.) genotypes using non-parametric methods. Journal of Crop Breeding. 12, 202-212. [In Persian with English Summary].
Allahgholipour, M., 2016. Genotype × environment interaction effect in rice genotypes using GGE Biplot. Cereal Research. 6, 1-14. [In Persian with English Summary].
Amiri Oghan, H., Rameeh, V., Faraji, A., Fanaei, H.R., Kazerani, N.K., Rahmanpour, S., 2020. Evaluation of seed yield stability of spring rapeseed genotypes using GGE biplot analysis. Seed and Plant Improvment Journal. 36, 207-222. [In Persian with English Summary].
Badri, H., Mohammadi, R., Etminan, A., 2018. Study of genotype × environment interaction for grain yield of durum wheat genotypes under rainfed and supplemental irrigation conditions by GGE biplot. Cereal Research. 8, 73-83. [In Persian with English Summary].
Blanche, S.B., Myers, G.O., 2006. Identifying discriminating locations for cultivar selection in Louisiana. Crop Science. 46, 946-949.
Changizi, M., Choukan, R., Heravan, E.M., Bihamta, M.R., Darvish, F., 2014. Evaluation of genotype × environment interaction and stability of corn hybrids and relationship among univariate parametric methods. Canadian Journal of Plant Science. 94, 1255-1267.
Choukan, R., 2011. Genotype, environment and genotype × environment interaction effects on the performance of maize (Zea mays L.) inbred lines. Crop Breeding Journal. 1, 97-103. [In Persian with English Summary].
Dehghani, H., Ebadi, A., Yousefi, A., 2006. Biplot analysis of genotype by environment interaction for barley yield in Iran. Agronomy Journal. 98, 388-393.
Dehghani, M., Majidi, M., Saeidi, G., Mirlohi, A., Amiri, R., Sorkhilalehloo, B., 2015. Application of GGE biplot to analyse stability of Iranian tall fescue (Lolium arundinaceum) genotypes. Crop and Pasture Science. 66, 963-972.
Eberhart, S.T., Russell, W., 1966. Stability parameters for comparing varieties 1. Crop Science. 6, 36-40.
Falconer, D.S., 1981. Introduction to quantitative genetics. 2nd Ed. Longman, London, UK.
Gauch, H., Zobel, R.W., 1997. Identifying mega-environments and targeting genotypes. Crop Science. 37, 311-326.
Gauch, H.G., 2006. Statistical analysis of yield trials by AMMI and GGE. Crop Science. 46, 1488-1500.
Hemmati, I., Pourdad, S.S., Choukan, R., 2018. Studying the genotype × environment interaction under different conditions of moisture stress using graphical GGE biplot analysis in synthetic varieties of sunflower (Helianthus annuus L.). Environmental Stresses in Crop Sciences. 11, 471-480. [In Persian with English Summary].
Jafari, T., Farshadfar, E., 2018. Stability analysis of bread wheat genotypes (Triticum aestivum L.) by GGE biplot. Cereal Research. 8, 199-208. [In Persian with English Summary].
Jamshidmoghaddam, M., Pourdad, S.S., 2013. Genotype × environment interactions for seed yield in rainfed winter safflower (Carthamus tinctorius L.) multi-environment trials in Iran. Euphytica. 190, 357-369.
Khodadadi, M., Dehghani, H., Javaran, M.J., Christopher, J.T., 2016. Fruit yield, fatty and essential oils content genetics in coriander. Industrial Crops and Products. 94, 72-81.
Moreno-Gonzalez, J., Crossa, J., Cornelius, P., 2004. Genotype × environment interacion in multi-environment trials using shrinkage factors for AMMI models. Euphytica. 137, 119-127.
Najafi Mirak, T., Dastfal, M., Andarzian, B., Farzadi, H., Bahari, M., Zali, H., 2018. 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, 1-12. [In Persian with English Summary].
Pourdad, S.S., Jamshidi Mohjadam, M., 2013. Study on genotype × environment interaction through GGE biplot for seed yield in spring rapeseed (Brassica napus L.) in rain-fed condition. Journal of Crop Breeding. 5, 1-13. [In Persian with English Summary].
Rakshit, S., Ganapathy, K., Gomashe, S., Rathore, A., Ghorade, R., Kumar, M.N., Ganesmurthy, K., Jain, S., Kamtar, M., Sachan, J., 2012. GGE biplot analysis to evaluate genotype, environment and their interactions in sorghum multi-location data. Euphytica. 185, 465-479.
Sabaghnia, N., Dehghani, H., Sabaghpour, S.H., 2008. Graphic analysis of genotype by environment interaction for lentil yield in Iran. Agronomy Journal. 100, 760-764.
Saleem, R., Ashraf, M., Khalil, I.A., Anees, M.A., Javed, H.I., Saleem, A., 2016. GGE Biplot: stability a windows based graphical analysis of yield stability and adaptability of millet cultivars across Pakistan. Academia Journal of Biotechnology. 4, 186-193.
Segherloo, A.E., Sabaghpour, S., Dehghani, H., Kamrani, M., 2010. Screening of superior chickpea genotypes for various environments of Iran using genotype plus genotype × environment (GGE) biplot analysis. Journal of Plant Breeding and Crop Science. 2, 286-292.
Setimela, P., Vivek, B., Bänziger, M., Crossa, J., Maideni, F., 2007. Evaluation of early to medium maturing open pollinated maize varieties I n SADC region using GGE biplot based on the SREG model. Field Crops Research. 103, 161-169.
Shiri, M.R., Bahrampour, T., 2015. Genotype × environment interaction analysis using GGE biplot in grain maize (Zea mays L.) hybrids under different irrigation conditions. Cereal Research. 5, 83-94. [In Persian with English Summary].
SPSS, Inc., 2010. SPSS 20. Users Guied. Chicago, USA.
Temesgen, M., Alamerew, S., Eticha, F., 2015. GGE Biplot Analysis of Genotype by Environment Interaction and Grain Yield Stability of Bread Wheat Genotypes in South East Ethiopia. World Journal of Agricultural Sciences. 11, 183-190.
Yan, W., Cornelius, P.L., Crossa, J., Hunt, L., 2001. Two types of GGE biplots for analyzing multi-environment trial data. Crop Science. 41, 656-663.
Yan, W., Hunt, L., Sheng, Q., Szlavnics, Z., 2000. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Science. 40, 597-605.
Yan, W., Kang, M.S., 2003. GGE biplot analysis: A graphical tool for breeders, geneticists and
agronomists. CRC Press, Boca Raton, FL, USA.
Yan, W., Kang, M.S., Ma, B., Woods, S., Cornelius, P.L., 2007. GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop Science. 47, 643-655.
Yan, W., Rajcan, I., 2002. Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science. 42, 11-20.
Yau, S., Ortiz-Ferrara, G., Srivastava, J., 1991. Classification of diverse bread wheat-growing environments based on differential yield responses. Crop Science. 31, 571-576.
Zeleke, A., Berhanu, F., 2016. AMMI and GGE models analysis of stability and GEI of common bean (Phaseolus vulgaris L.) lines in Ethiopia. Journal of Biology Agricuiture and Helathcare. 6, 127-135.
Zobel, R.W., Wright, M.J., Gauch, H.G., 1988. Statistical analysis of a yield trial. Agronomy Journal. 80, 388-393