نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه زیست‌فناوری گیاهی و بیوتکنولوژی، دانشکده علوم و فناوری زیستی، دانشگاه شهید بهشتی، تهران

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

چکیده

اثر متقابل ژنوتیپ با محیط، امکان انتخاب ژنوتیپ‌های پایدار را برای طیف وسیعی از محیط‌ها فراهم می‌‌کند. ارزیابی برهم‌کنش ژنوتیپ با محیط برای افزایش کارایی انتخاب ارقام با عملکرد بالا و پایدار در دامنه‌های وسیعی از محیط‌های متفاوت الزامی می‌باشد. برای ارزیابی پایداری عملکرد و سازگاری 60 ژنوتیپ سیب‌زمینی (دو رقم و 58 کلون پیشرفته)، 17 آماره پارامتریک و ناپارامتریک برای عملکرد غده در هشت محیط در طول فصل رشد 2018-2019 مورد ارزیابی قرار گرفت. ژنوتیپ‌ها در شرایط نرمال و کم‌آبی در طرح کرت خرد شده در کرج و اردبیل مورد ارزیابی قرار گرفتند. تجزیه واریانس مرکب نشان داد که اثر مکان و سال و نیز اثر ژنوتیپ معنی‌دار می‌باشند. اثر متقابل سال×مکان× ژنوتیپ در سطح احتمال 1 %معنی‌دار شد. اثر ژنوتیپ نیز در سطح احتمال 1 % معنی‌دار گردید. اثرمتقابل ژنوتیپ×مکان و ژنوتیپ×سال معنی‌دار نگردید که نشان‌دهنده آن است که میانگین عملکرد ژنوتیپ‌ها در مکان‌ها و سال‌های مختلف متفاوت نیست. گروه‌بندی ژنوتیپ‌ها بر اساس میانگین عملکرد و آمار پایداری پارامتریک و ناپارامتریک نشان داد که ژنوتیپ‌ها به چهار گروه اصلی تقسیم بندی می‌شوند. نتایج آماره‌های پایداری و تجزیه خوشه‌ای نشان داد که می‌توان ژنوتیپ‌های G31، G21 و G36 را به عنوان ژنوتیپ-های پایدار و سازگار معرفی نمود. نتایج دندروگرام با نتایج آماره‌های پارامتریک و ناپارامتریک همدیگر را تایید کردند. در حالی‌که ژنوتیپ‌‌های G49، G51، G53 و G56 با بالاترین مقادیر، ناپایدارترین ژنوتیپ‌ها بودند. در مجموع بر اساس میانگین رتبه پارامترهای پایداری پارامتریک و ناپارامتریک، ژنوتیپ‌هایG31، G21 و G36کمترین تغییرات را داشتند و به‌عنوان پایدارترین ژنوتیپ‌‌ها شناخته شدند و بنابراین می‌‌توان آنها را به عنوان ژنوتیپ‌‌های پایدار معرفی نمود.

کلیدواژه‌ها

موضوعات

 
 Abdipur, M., Vaezi, B., 2014. Analysis of the genotype-by-environment interaction of winter barley tested in the Rain-fed Regions of Iran by AMMI Adjustment. Bulgarian Journal of Agriculture Science, 20, 421-427.
Abdulahi, A., Mohammadi, R., Pourdad, S.S., 2007. Evaluation of safflower (Carthamus spp.) genotypes in multi-environment trials by nonparametric methods. Asian Journal of Plant Sciences, 6, 827-832. https://doi.org/10.3923/ajps.2007.827.832
Adugna, W., Labuschagne, M.T., 2003. Parametric and nonparametric measures of phenotopic stability in linseed (linum usitatissimum L.). Euphytica. 129, 211-218. https://doi.org/10.1023/A:1021979303319
Alwala, S., Kwolek, T., Mcpherson, M., Pellow, J., Meyer, D., 2010. A comprehensive comparison between Eberhart and Russell joint regression and GGE biplot analyses to identify stable and high yielding maize hybrids. Field Crop Reseach. 119, 225-230. https://doi.org/10.1016/j.fcr.2010.07.010
Becker, H.C., Leon, J., 1988. Stability analysis in plant breeding. Plant Breeding, 101, p.1-23. https://doi.org/10.1111/j.1439-0523.1988.tb00261.x
Ebdon, J.S., Gauch, H.G., 2002. Additive main effect and multiplicative interaction analysis of national turf grass performance trial: I. interpretation of genotype× environment interaction. Crop Science, 42, 489-496. https://doi.org/10.2135/cropsci2002.4890
Eberhart, S.A.T., Russell, W.A., 1966. Stability  parameters for comparing varieties. Crop Science, 6, 36–40. https://doi.org/10.2135/cropsci1966.0011183X000600010011x
EL-hashash, E.F., Agwa, A.M., 2018. Comparison of parametric stability statistics for grain yield in barley under different stress severities. Merit Research Journal of Agricultural Science and Soil Science. 6, 098-111.
Finlay, K.W., Wilkinson. G.N., 1963. The analysis of adaptation in a plant-breeding programme. Australian Journal of Agricultural Research, 14, 742–754. https://doi.org/10.1071/AR9630742
Flores, F., Moreno, M.T., Cubero, J.I., 1998.A comparison of univariate and multivariate methods to analyze environments. Field Crops Research, 56, 271-286. https://doi.org/10.1016/S0378-4290(97)00095-6
Francis, T.R., Kannenberg, L.W., 1978.Yield stability studies in short-season maize: I. A descriptive method for grouping genotypes. Canadian Journal of Plant Science. 58, 1029–1034. https://doi.org/10.4141/cjps78-157
Gupta, A.K., Mishra, R., Lal, R.K., 2015. Genetic resources, diversity, characterization and utilization of agronomical traits in turmeric (Curcuma longa L.). Industrial Crops and Products. 77, 708-712. https://doi.org/10.1016/j.indcrop.2015.09.030
Hassanpanah, D., Hassanabadi, H., 2011. Evaluation of quantitative and qualitative characteristics of promising potato clones in Ardabil region, Iran. Modern Science of Sustainable Agriculture Journal. 7, 37-48 [In Persian]. https://doi.org/10.22092/SPIJ.2018.117867
Huhn, M., 1990. Nonparametric measures of phenotypic stability. Part 1: Theory. Euphytica. 47, 189–1990. https://doi.org/10.1007/BF00024241
Kang, M.S., 1988. A rank-sum method for selecting high-yielding, stable corn genotypes. Cereal Research Communication. 16, 113–115.
Khalili, M., Pour, AA., 2016. Parametric and non-parametric measures for evaluating yield stability and adaptability in barley doubled haploid lines. Journal of Agricultural Science and Technology. 18, 789-803.
Kilic. H., Akçura, M., Aktaş, H., 2010. Assessment of parametric and non-parametric methods for selecting stable and adapted durum wheat genotypes in multi-environments. Notulae Botanicae Horti Agrobotanici Cluj-Napoca. 38, 271-279. https://doi.org/10.15835/nbha3834742
Lipkovich, I.A., Smith, E.P., 2002. Biplot and Singular Value Decomposition Macros for Excel©. J. Stat. Softw. 7, 1-15. https://doi.org/10.18637/jss.v007.i05
Mishra, R., Gupta, AK., Lal, RK., 2020. Genotype x environment interaction, stability analysis for yield and quality traits in turmeric (Curcuma longa L.). Trends in Phytochemical Research. 4, 219-34.
Moghaddaszadeh, M., Asghari, Z.R., Hassanpanah, D., Zare, N., 2019. Non-parametric stability analysis of tuber yield In potato (Solanum Tuberosum L.) genotypes. Journal of Crop Breeding. 28, 58-63. https://doi.org/10.29252/jcb.10.28.50
Mohammadi, R., Abdulahi, A., Haghparast, R., Armion, M., 2007. Interpreting genotype × environment interactions for durum wheat grain yields using nonparametric methods. Euphytica. 157, 239-251. https://doi.org/10.1007/s10681-007-9417-3
Mut, Z., Gülümser, A., Sirat, A., 2010. Comparison of stability statistics for yield in barley (Hordeum vulgare L.). African Journal of Biotechnology. 9, 1610-1618.v https://doi.org/10.5897/AJB10.1404
Nassar, R., Huhn, M., 1987. Studies on estimation of phenotypic stability: tests of significance for nonparametric measures of phenotypic stability. Biometrics. 43, 45–53. https://doi.org/10.2307/2531947
Plaisted, R.I., Peterson, L.C., 1959. A technique for evaluating the ability of selection to yield consistently in different locations or seasons. American Potato Journal. 36, 381–385. https://doi.org/10.1007/BF02852735
Plaisted, R.L., 1960. A shorter method for evaluating the ability of selections to yield consistently over locations. American Potato Journal. 37, 166–172. https://doi.org/10.1007/BF02855271
Pour‐aboughadareh, A., Yousefian, M., Moradkhani, H., Poczai, P., Siddique, K.H., 2019. STABILITYSOFT: A new online program to calculate parametric and non‐parametric stability statistics for crop traits. Applications in Plant Sciences. 7, e01211. https://doi.org/10.1002/aps3.1211
Ravari, S.Z., Dehghani, H., Naghavi, H., 2017. Study of genetic control of salinity tolerance in bread wheat cv. Kavir-using generation mean analysis. Crop Breeding Journal. 7, pp.57-66. https://doi.org/10.22092/CBJ.2018.115180.1010
Roodi, D., Ghodrati, G., Kazerani, N., Masoudi, B., 2022. Investigation the yield stability of brassica genotypes (Brassica spp.) under drought stress by using statistical parameters and GGE biplot graphical methods. Journal of Crop Breeding. 42, 138-147. https://doi.org/10.52547/jcb.14.42.138
Sabaghnia, N. Dehghani, H. Sabaghpour, S.H., 2006. Non-parametric methods for interpreting genotype × environment interaction of lentil genotypes. Crop Science. 46, 1100-1106. https://doi.org/10.2135/cropsci2005.06-0122
Saidi, A., Akbari, A., Mozzaffari, J., Heidari, A., Seraj-azari, M., Pirayeshfar, B., Yazdansepas, A.,Torabi, M., Alizadeh, A., Vahabzadeh, M., Asadi, H., 2000. Iranian Wheat Pool. In The World Wheat Book, A History of Wheat Breeding, A.P. Bonjean and W.J. Angus, eds (Paris, France: Lavoisier Publishing), 1131.
Shukla G., 1972. Some statistical aspects of partitioning genotype environmental components of variability. Heredity. 29, 237-245. https://doi.org/10.1038/hdy.1972.87
Thennarasu, K., 1995. On certain nonparametric procedures for studying genotype Environment interactions and yield stability. PhD. thesis, PJ School IARI, New Delhi, India.
Solomon, T., 2011. Study of Useful Plants in and around GATE UDUMA (Traditional Gedeo Homegardens) in Kochere Wereda of Gedeo Zone, Ethiopia: An Ethnobotonical Approach. M.Sc. thesis Addis Ababa, Ethiopia.
Vaezi, B., Pour-Aboughadareh, A., Mohammadi, R., Armion, M., Mehraban, A., Hossein-Pour, T., Dorii, M., 2017. GGE biplot and AMMI analysis of barley yield performance in Iran. Cereal Research Communications, 45, 500–511. https://doi.org/10.1556/0806.45.2017.019
Verma, A., Kumar, V., Kharab, A.S., Singh, G.P., 2018. Parametric vis-à-vis non parametric measures to describe G × E interactions for fodder yield of dual purpose barley genotypes evaluated under MET. International Journal of Current Microbiology and Applied Sciences. 7, 226-234. https://doi.org/10.20546/ijcmas.2018.702.029
Wricke, G., 1962. Uber eine methode zur erfassung der oekologischen streubreite in feldversuchen. Zeitschr. f. Pflanzenz. 47, 92-96.
Yan, W., Hunt, L.A., 2001. Interpretation of genotype × environment interaction for winter wheat yield in Ontario. Crop Science. 41, 19–25. https://doi.org/10.2135/cropsci2001.41119x
Zali, H., Sofalian, O., Hasanloo, T., Asgharii, A., Hoseini, S.M., 2015. Appraising of drought tolerance relying on stability analysis indices in canola genotypes simultaneously, using selection index of ideal genotype (SIIG) technique: Introduction of new method. Biological Forum. 7, 703.   https://doi.org/10.29252/jcb.11.29.117