. مقدمه

گندم به­عنوان محصولی بنیادین، نقشی محوری در تأمین امنیت غذایی و استواری اقتصادی ایفا می‌نماید
 (Mottaleb & Govindan, 2023). این گیاه با قابلیت تولید فرآورده‌های نانوایی تخمیری، به عنوان غذای اصلی در فرهنگ‌های متعدد شناخته می‌شود (Sertse et al., 2023). ارزش تغذیه‌ای بالای گندم، به­ویژه محتوای کربوهیدرات‌ها، پروتئین، فیبر، ویتامین‌های B و عناصر معدنی، آن را به رکن اساسی سیستم‌های تغذیه‌ای جهانی تبدیل نموده است (Latorre et al., 2023; Mao et al., 2023; Basile et al., 2022; Filip et al., 2023; Khalid et al., 2023; Senbeta & Worku, 2023;
Silva et al., 2023). با­توجه­به افزایش جمعیت جهانی، تقاضا برای گندم نیز رو به افزایش نهاده است
(Kheiralipour et al., 2024).

تنش شوری ناشی از تغییرات اقلیمی و مدیریت نادرست آبیاری، به­عنوان یک چالش رو به فزونی در کشاورزی جهانی، به­طور فزاینده‌ای بر رشد و عملکرد گندم تأثیر می‌گذارد (Hassani et al., 2021). افزایش شوری خاک، به­ویژه در مناطق خشک و نیمه‌خشک، منجر به کاهش جذب آب و مواد معدنی توسط گیاه گندم می‌شود (Bouras et al., 2019; Hassani et al., 2021; Mukhopadhyay et al., 2021; Wang et al., 2023). این امر، به نوبه خود، باعث اختلال در فرآیند فتوسنتز و کاهش رشد گیاه می‌شود (Mishra et al., 2023). تنش شوری، با ایجاد اختلال در تعادل یونی، تجمع یون‌های سمی در بافت گیاه را به همراه دارد (Amiri et al., 2024). این امر، منجر به تغییرات در رشد ریشه و کاهش جذب عناصر ضروری می‌شود (Qiao et al., 2024). همچنین، شاخص‌های رشد رویشی از جمله طول ساقه، تعداد پنجه و سطح برگ، به­طور قابل توجهی کاهش می‌یابند
(Ain et al., 2024; Giordano et al., 2021; Wei et al., 2023). در شرایط تنش شوری، کاهش تعداد سنبله‌ها و وزن هزار دانه نیز مشاهده می‌شود که مستقیماً بر عملکرد نهایی گندم تأثیر می‌گذارد (Wei et al., 2023). از سوی دیگر، تنش شوری بر بیان ژن‌های مرتبط با تحمل به شوری در گیاه گندم تأثیر می‌گذارد (Alsamadany et al., 2024; Cao et al., 2023;
Tajdari et al., 2024). این تغییرات در بیان ژن، مکانیسم‌های مولکولی پیچیده‌ای را فعال می‌کند که به گیاه در مقابله با تنش شوری کمک می‌کند (Li et al., 2024).

علاوه­بر­این، شوری تأثیرات قابل توجهی بر ویژگی‌های فیزیکی و ریخت­شناسی دانه اعمال می‌کند (El Sabagh et al., 2021). این تأثیرات که عمدتاً ناشی از اختلال در فرآیند تکثیر و تمایز سلولی در مراحل پر شدن دانه است (Atta et al., 2023)، منجر به کاهش ابعاد دانه (طول، عرض و ضخامت) و وزن هزار دانه، به عنوان شاخص محوری عملکرد می‌شود (Hussain et al., 2022). جذب ناکافی آب و عناصر غذایی، نمو نامطلوب و کاهش وزن دانه‌ها را به دنبال دارد (El Sabagh et al., 2021;
Zahra et al., 2023). تغییر در شکل دانه، از جمله دگرگونی شاخص‌های گردی، فشردگی و کروی­بودن، کاهش یکنواختی و حجم دانه و افزایش تراکم آن، از دیگر پیامدهای شوری است (Rashid & Nasrin, 2015). سختی و مقاومت دانه نیز در اثر تغییر در ترکیب نشاسته و پروتئین دچار دگرگونی شده و کیفیت آرد و فرآورده‌های نانوایی را تحت تأثیر قرار می‌دهد (He et al., 2013)، این دگرگونی‌ها در نهایت بر کیفیت خمیر، حجم نان و پایداری آن اثرگذار خواهد بود. با این وجود، میزان این تأثیرات در میان ژنوتیپ‌های گندم متفاوت است؛ به­طوری­که برخی ژنوتیپ‌ها توانایی بیشتری در حفظ ابعاد، وزن و کیفیت فیزیکی دانه در شرایط شور دارند (Abd El-Aleem et al., 2022). این تفاوت‌ها بیانگر اهمیت اصلاح ژنتیکی و شناسایی ارقام مقاوم به شوری در راستای افزایش بهره‌وری و حفظ کیفیت محصولات گندمی در شرایط نامساعد محیطی است (Elkot et al., 2023).

تحلیل خصوصیات مورفومتریک دانه، نقشی بنیادین در ارزیابی کمی و کیفی و بهینه‌سازی عملکرد ژنوتیپ‌های گوناگون گندم ایفا می‌نماید (Rabieyan et al., 2022). شیوه­های سنتی اندازه‌گیری نظیر استفاده از کولیس و ترازوهای الکترونیکی، از جمله روش‌های مرسوم و قابل دسترس برای سنجش ابعاد هندسی و نیز برای تعیین جرم دانه محسوب می‌شوند
 (Cervantes et al., 2016; Duc et al., 2023). با این وجود، در دهه‌های اخیر، روش‌های پیشرفته مبتنی بر پردازش تصویر، به عنوان ابزاری دقیق و کارآمد در تحلیل ابعاد هندسی و ریخت‌شناسی دانه، مورد توجه پژوهشگران قرار گرفته‌اند
(Khan et al., 2024). این روش­ها با بهره‌گیری از تصاویر دیجیتال و نرم‌افزارهای تخصصی، امکان استخراج پارامترهای کمی متنوعی از قبیل نسبت ابعاد طولی به عرضی، میزان کروی­بودن، تراکم و تحدب سطح دانه را فراهم می‌آورند
(Ghimire et al., 2023). مقایسه روش­های سنتی و پردازش تصویر، حاکی از برتری روش‌های تصویربرداری در تحلیل جزئیات ساختاری دانه است و علاوه­بر کاهش خطای انسانی، امکان بررسی حجم عظیمی از نمونه‌ها را در بازه زمانی کوتاه‌تری مهیا می‌سازند (Cervantes et al., 2016; Di Santo et al., 2021; Morales et al., 2024; Zhou et al., 2021). داده‌های حاصل از این شیوه­ها، علاوه بر کاربرد در ارزیابی کیفی دانه، می‌توانند در اصلاح ژنتیکی گیاهان و طراحی سامانه‌های نوین کشاورزی، به منظور انتخاب ژنوتیپ‌های برتر و مقاوم به شرایط محیطی مختلف، مورد بهره‌برداری قرار گیرند.

این پژوهش با هدف بررسی تأثیر تنش شوری بر ویژگی‌های فیزیکی و ساختاری دانه گندم و شناسایی شاخص‌های مؤثر در گزینش ارقام متحمل به شوری انجام شده است. با­توجه­به محدودیت مطالعات جامع در این زمینه، تمرکز بر تغییرات ابعاد هندسی، جرم، و سایر ویژگی‌های فیزیکی دانه می‌تواند به درک بهتر سازوکار واکنش ژنوتیپ‌ها نسبت به شرایط شور کمک کند. در این راستا، از فناوری پردازش تصویر به‌عنوان روشی دقیق‌تر و کم‌خطاتر نسبت به روش‌های سنتی برای استخراج شاخص‌های مورفومتریک استفاده شده است.

2. روش­شناسی پژوهش

2-1. مواد گیاهی و طرح آزمایشی

در این پژوهش، مجموعه‌ای شامل ۳۲۰ ژنوتیپ گندم نان (۱۰۸ رقم زراعی و ۲۱۲ توده بومی خالص‌سازی‌شده ایرانی) به‌منظور ارزیابی میزان تحمل به تنش شوری، در قالب طرح آلفا-لاتیس با دو تکرار (هر تکرار شامل 20 بلوک و هر بلوک، 16 پلات بود) در سال زراعی ۱۴۰۲–۱۴۰۳ در ایستگاه تحقیقات کشاورزی کبوترآباد اصفهان (عرض جغرافیایی ۳۲°۹۹′ شمالی، طول ۵۱°۱۷′ شرقی، ارتفاع ۱۵۴۵ متر از سطح دریا) مورد بررسی قرار گرفتند. هر واحد آزمایشی شامل یک کرت به ابعاد یک در دو متر با چهار خط کاشت به فاصله ردیف ۲5 سانتی‌متر و فاصله بوته‌ها پنج سانتی‌متر بود. منطقه مورد مطالعه دارای اقلیم نیمه‌خشک با میانگین بارش سالانه ۱۲۰ میلی‌متر و میانگین دمای سالانه ۱۶ درجه سانتی‌گراد است. خاک مزرعه از نوع رسی-لومی با pH برابر 8/7 و هدایت الکتریکی 5/2 دسی‌زیمنس بر متر بود. تنش شوری از مرحله پنجه‌زنی آغاز شد و در دو سطح شوری اعمال گردید: شرایط پایه یا کنترل که با استفاده از چاه شماره یک با هدایت الکتریکی شش دسی‌زیمنس بر متر، و شرایط شور با استفاده از چاه شماره دو با هدایت الکتریکی ۱0 دسی‌زیمنس بر متر. فاصله این دو چاه حدود ۵۰۰ متر بود و مشخصات شیمیایی آب آن‌ها پیش از شروع آزمایش اندازه‌گیری و پایش شد. آبیاری اولیه تمام تیمارها با آب رودخانه زاینده‌رود با هدایت الکتریکی 5/3 دسی‌زیمنس بر متر انجام شد و سپس آبیاری‌ها بر اساس سطح شوری اختصاص‌یافته، تا پایان فصل رشد با استفاده از آب چاه مربوطه و به‌صورت یکنواخت و منظم انجام گرفت. برای بررسی میزان تحمل ژنوتیپ‌ها به شوری، درصد کاهش وزن هزار دانه (TKW) در تیمار شور نسبت به شرایط پایه به‌عنوان شاخص تحمل به شوری محاسبه شد. همچنین برخی شاخص‌های مرتبط با کاهش حجم، چگالی و سایر پارامترهای مورفومتریک نیز مورد استفاده قرار گرفتند.

2-2. اندازه­گیری صفات

برای ارزیابی ویژگی‌های فیزیکی و مورفومتریک دانه‌های گندم، آماده‌سازی دقیق نمونه‌ها ضروری بود. ابتدا، دانه‌های گندم در مرحله رسیدگی کامل و به‌صورت یکنواخت برداشت شدند تا از تنوع ناخواسته در نتایج جلوگیری شود. پس از برداشت، دانه‌ها در شرایط کنترل‌شده و دمای اتاق خشک شدند تا به رطوبت استاندارد (معمولاً حدود ۱۲ تا ۱۴ درصد) برسند. این فرآیند خشک‌کردن برای جلوگیری از تغییرات در ویژگی‌های فیزیکی دانه‌ها و اطمینان از پایداری نمونه‌ها در طول آنالیزها ضروری بود. پس از خشک‌شدن، دانه‌ها در ظروف دربسته و در محیط خشک و خنک نگهداری شدند تا از جذب رطوبت و آلودگی‌های محیطی مصون بمانند. این روش‌های استاندارد آماده‌سازی نمونه‌ها، دقت و قابلیت اطمینان نتایج اندازه‌گیری‌های فیزیکی و مورفومتریک دانه‌های گندم را تضمین کردند.

برای ارزیابی ویژگی‌های فیزیکی دانه‌های گندم با استفاده از عکسبرداری، ابتدا نمونه‌های دانه‌های گندم از هر ژنوتیپ به‌صورت تصادفی 30 دانه انتخاب شدند. این دانه‌ها در شرایط استاندارد خشک و در دمای اتاق نگهداری شدند تا رطوبت محیط را جذب نکنند. سپس، دانه‌ها روی سطح صاف و یکنواختی قرار داده شدند و با استفاده از دوربین دیجیتال Canon EOS 250D با سنسور CMOS و رزولوشن 1/24 مگاپیکسل، تصاویر تهیه شد.

تصاویر به‌دست‌آمده با استفاده از کتابخانه‌های پردازش تصویر در پایتون تجزیه‌وتحلیل شدند. پردازش و جداسازی دانه‌ها از پس‌زمینه با استفاده از روش آستانه‌گذاری خودکار Otsu و الگوریتم تشخیص لبه Canny انجام شد. این روش عکسبرداری و تحلیل تصویر، ارزیابی دقیق، سریع و غیرمخرب ویژگی‌های فیزیکی دانه‌های گندم را فراهم می‌کند. در این مطالعه، ویژگی‌های مورفومتریک دانه‌ها در سه نمای پشتی (Dorsal)، جانبی (Lateral) و عمودی (Vertical) اندازه‌گیری شدند (جدول 1).

3-2. تجزیه و تحلیل آماری

برای تجزیه و تحلیل داده‌های حاصل از ارزیابی ژنوتیپ‌های گندم تحت شرایط پایه و شور، از نرم‌افزارهای  SASو R استفاده شد. این نرم‌افزارها امکان پردازش داده‌ها، بررسی معنی‌داری تفاوت‌ها، تجزیه همبستگی، مدل‌سازی اثرات شوری، و گروه‌بندی ژنوتیپ‌ها را فراهم کردند. برای ارزیابی اثر شوری بر صفات مختلف، داده‌ها با استفاده از مدل اثرات آمیخته (Mixed-Effects Model) در نرم‌افزار SAS مورد تجزیه و تحلیل قرار گرفتند. در این مدل، اثر ژنوتیپ، شوری، و برهم‌کنش ژنوتیپ × شوری به‌عنوان اثر ثابت در نظر گرفته شدند، در­حالی­که اثرات بلوک و تکرار (درون هر سطح شوری) به‌عنوان اثر تصادفی لحاظ گردیدند. معنی‌داری اثر دو سطح شوری (پایه و شور) بر صفات با استفاده از آزمون F از تجزیه واریانس در مدل اثرات آمیخته و در سطح احتمال پنج درصد ارزیابی شد. تجزیه همبستگی پیرسون برای بررسی ارتباط بین ویژگی‌های فیزیکی دانه و شاخص‌های مورفومتریک به­کار رفت. برای بررسی رابطه بین صفات و اثرات شوری، از مدل‌های رگرسیون چندگانه و تجزیه مؤلفه‌های اصلی (PCA) استفاده شد. پیش‌فرض‌های لازم برای رگرسیون از جمله نرمال­بودن باقیمانده‌ها، استقلال خطاها، عدم هم‌خطی بین متغیرها (بررسی با شاخص VIF)، و عدم وجود داده‌های پرت (بررسی با نمودارهای Residual و Cook's Distance) مورد ارزیابی قرار گرفتند. همچنین، تجزیه PCA با استفاده از ماتریس همبستگی (با­توجه­به تفاوت مقیاس صفات) انجام شد تا مؤلفه‌های اصلی شناسایی و ابعاد داده‌ها کاهش یابند. برای بررسی توانایی تفکیک ژنوتیپ‌های گندم تحت شرایط آبیاری پایه و شور، از تحلیل تفکیک خطی (LDA) استفاده شد.

این روش با هدف جداسازی بهینه بین گروه‌ها بر اساس ترکیب خطی متغیرهای صفات فنوتیپی به­کار می‌رود. در این پژوهش، LDA  به منظور ارزیابی تمایز فنوتیپی ژنوتیپ‌ها تحت دو شرایط آبیاری اعمال شد. با هدف بررسی ساختار ژنتیکی ژنوتیپ‌ها، ابتدا تحلیل عاملی روی داده‌های فنوتیپی انجام شد و سپس از بارهای عاملی حاصل‌شده به‌عنوان ورودی در خوشه‌بندی سلسله‌مراتبی با روش Ward و فاصله اقلیدسی استفاده گردید و برای بررسی صحت ساختار خوشه‌بندی، ضریب همبستگی کوپهن
(Cophenetic Correlation Coefficient) محاسبه گردید. برای بررسی کفایت داده‌ها جهت تحلیل عاملی، از شاخص
 Kaiser-Meyer-Olkin (KMO) و آزمون کروی­بودن Bartlett استفاده شد. مقدار بالای KMO نشان‌دهنده کفایت نمونه‌گیری و معناداری آزمون Bartlett و بیانگر مناسب‌بودن همبستگی بین متغیرها برای تحلیل عاملی است.

3. نتایج پژوهش و بحث

3-1. تجزیه واریانس صفات

نتایج ارائه­شده در جداول 3 و 2 به وضوح نشان می‌دهد که شوری تأثیر قابل توجهی بر ویژگی‌های مختلف دانه‌های گندم دارد. به­طور خاص، مقایسه میانگین‌ها نشان داد که در شرایط شوری، کاهش قابل توجهی در صفات ریخت­شناسی مانند وزن هزار دانه، طول دانه و عرض دانه مشاهده شد. به­علاوه، صفات عملکردی مانند عملکرد دانه نیز تحت تأثیر منفی شوری قرار گرفتند. این کاهش‌ها نشان­دهنده تأثیرات مضر شوری بر رشد و نمو گیاه گندم است.

جدول 1. شاخص‌ها و پارامترهای مورفومتریک استخراج‌شده از تصاویر دانه بر اساس نماهای مختلف.

Table 1. Morphometric indices and parameters extracted from seed images based on different views.

جدول 2. آماره‌های توصیفی صفات مورفومتریک در ژنوتیپ‌های گندم تحت شرایط پایه و تنش شوری.

Table 2. Descriptive statistics of morphometric traits in wheat genotypes under baseline (N) and saline (S) conditions.

برای اختصارات به بخش مواد و روش­ها رجوع شود Refer to the “Materials and Methods” section for abbreviations.                                                            .

تحلیل واریانس تفاوت‌های معنی‌دار (p<0.05) بین میانگین‌های صفات در دو شرایط آبیاری را آشکار کرد. به­طور خاص، تأثیر منفی شوری بر صفاتی مانند محیط، مساحت، حجم، چگالی و وزن هزار دانه به وضوح مشهود بود.

جدول 3. تجزیه واریانس صفات مورفومتریک در ژنوتیپ‌های گندم تحت شرایط پایه و تنش شوری.

Table 3. Analysis of variance of morphometric traits in wheat genotypes under baseline and saline conditions.

^(*، ^** و ^ns به‌ترتیب معنی‌داری در سطح احتمال یک و پنج درصد و غیرمعنی­دار). برای اختصارات به بخش مواد و روش­ها رجوع شود.

* and **: Significant at the 1% and 5% probability levels and not-significant, respectively. Refer to the “Materials and Methods” section for abbreviations.

تحلیل واریانس نشان داد که اثر شرایط آبیاری (پایه و شوری) و ژنوتیپ بر صفات محیط و مساحت دانه گندم به‌طور معنی‌داری متفاوت است (جدول 2). میانگین محیط دانه در شرایط پایه (N) برابر با 43/43 میلی­متر با انحراف معیار 85/8 بود، در­حالی­که در شرایط شوری (S) این مقدار به 05/32 میلی­متر با انحراف معیار 86/6 کاهش یافت (جدول 2). این کاهش معنی‌دار، تأثیر منفی تنش شوری بر رشد و توسعه دانه گندم را نشان می‌دهد. علاوه­بر­این، اثر ژنوتیپ بر این صفت بسیار معنی‌دار بود
 (F= 171.898, p< 0.0001 ) که نشان‌دهنده تفاوت‌های ژنتیکی قابل توجه در پاسخ به تنش شوری است. این یافته‌ها با مطالعات پیشین (Farooq et al., 2024; Khan et al., 2022) همخوانی دارد که نشان داده‌اند تنوع ژنتیکی در صفات مرتبط با دانه می‌تواند نقش کلیدی در تحمل به شوری ایفا کند. همچنین، اثر شرایط آبیاری به‌طور معنی‌داری بر مساحت دانه تأثیر گذاشت
 F= 4.056, ) (p< 0.0001، به­طوری­که کاهش آن تحت شوری احتمالاً ناشی از اختلال در تقسیم و گسترش سلولی در دانه‌های در حال رشد است. این نتایج مطابق با گزارش‌های پیشین (Ibrahimova et al., 2025; Lindberg & Premkumar, 2023) است که نشان دادند تنش شوری با ایجاد استرس اسمزی و سمیت یونی، مسیرهای متابولیکی را مختل کرده و سبب کاهش اندازه و وزن دانه می‌شود. علاوه­بر­این، تعامل بین ژنوتیپ و شرایط آبیاری برای هر دو صفت محیط و مساحت دانه معنی‌دار بود (به‌ترتیب
 F= 29.980, p< 0.0001 و F= 0.750, p< 0.0001) که نشان می‌دهد ژنوتیپ‌های مختلف پاسخ‌های متفاوتی به تنش شوری دارند. برخی ژنوتیپ‌ها ممکن است با بهره‌گیری از مکانیسم‌های تحمل به شوری مانند تنظیم اسمزی و تغییر در توزیع منابع، توانایی حفظ صفات مرتبط با دانه را داشته باشند؛ در­حالی­که سایر ژنوتیپ‌ها ممکن است کاهش قابل توجهی در این صفات تجربه کنند. این یافته‌ها با نتایج پیشین که نشان داده‌اند تعامل ژنوتیپ و شوری می‌تواند به بهبود یا حفظ صفات مرتبط با دانه در ژنوتیپ‌های مقاوم منجر شود، همسو است (Elfanah et al., 2023; Karimzadeh et al., 2023). بنابراین، شناسایی ژنوتیپ‌های مقاوم به شوری و استفاده از آن‌ها در برنامه‌های اصلاحی می‌تواند راهکاری مؤثر برای بهبود عملکرد دانه در شرایط تنش‌های محیطی باشد. 

بررسی آماری با استفاده از تجزیه واریانس مشخص کرد که ژنوتیپ تأثیر معنی‌داری بر کمترین و بیشترین شعاع دانه، طول و عرض دانه دارد (p< 0.0001). این نتایج حاکی از وجود تنوع ژنتیکی قابل توجه در ابعاد دانه بین ژنوتیپ‌های مورد بررسی است (جدول 2). این تنوع می‌تواند ناشی از تفاوت در بیان ژن‌های کنترل‌کننده رشد دانه، فعالیت مسیرهای تنظیمی و ترکیب هورمونی بذر باشد. برای نمونه، ژنTaGS5-3A  که در تعیین اندازه و عرض دانه نقش دارد، ممکن است در ژنوتیپ‌های مختلف به­طور متفاوتی تنظیم شوند که این امر منجر به تغییرات مشاهده­شده در اندازه دانه می‌شود (Ma et al., 2016). علاوه­بر ژنوتیپ، شوری نیز تأثیر معنی‌داری بر تمامی پارامترهای اندازه‌گیری­شده داشته و منجر به کاهش اندازه دانه شده است (p< 0.0001). این کاهش احتمالاً ناشی از ایجاد تنش اسمزی، کاهش جذب آب و مواد مغذی و اختلال در فرآیندهای متابولیکی دانه است. در شرایط تنش شوری، کاهش فعالیت آنزیم‌های درگیر در رشد سلولی می‌تواند گسترش دانه را محدود کرده و شعاع و قطر آن را کاهش دهد. این نتایج با یافته‌های پیشین که کاهش اندازه دانه را تحت تنش شوری گزارش کرده‌اند، همخوانی دارد (Karimzadeh et al., 2023).

از منظر فیزیولوژیکی، این اثرات ممکن است به تغییر در تعادل یونی و کاهش تنظیم اسمزی مرتبط باشد که رشد دانه را در گونه‌های حساس محدود می‌کند. تعامل بین ژنوتیپ و شرایط شوری نیز از نظر آماری معنی‌دار بوده است که نشان‌دهنده واکنش‌های متفاوت ژنوتیپ‌ها به تنش شوری است. برخی ژنوتیپ‌ها ممکن است دارای مکانیسم‌های تحمل مؤثرتری باشند، مانند افزایش بیان ژن‌های مرتبط با تحمل به شوری یا تنظیم بهتر اسمزی که به آن‌ها امکان حفظ اندازه دانه در شرایط تنش را می‌دهد. در مقابل، ژنوتیپ‌های حساس ممکن است کاهش بیشتری در اندازه دانه نشان دهند. این یافته‌ها بر اهمیت شناسایی ژنوتیپ‌های مقاوم برای استفاده در برنامه‌های اصلاح نباتات تأکید دارد، زیرا انتخاب و به‌کارگیری این ژنوتیپ‌ها می‌تواند به بهبود تحمل به شوری و حفظ کیفیت محصول در شرایط تنش کمک کند (Ahsan Irshad et al., 2022).

یافته‌های تجزیه واریانس حاکی از آن است که ژنوتیپ به­طور معنی‌داری بر نسبت طول به عرض دانه
(F= 3867.698, p< 0.0001) و گردی دانه (p< 0.0002) تأثیرگذار است. این نتایج، وجود تنوع ژنتیکی چشمگیر در ویژگی‌های ریخت شناسی دانه بین ژنوتیپ‌های مورد بررسی را تأیید می‌کند. این تنوع می‌تواند ناشی از تفاوت در الگوی بیان ژن‌های تنظیم‌کننده رشد و نمو دانه، میزان فعالیت مسیرهای پیام‌رسانی رشد و پروفایل هورمونی بذر باشد. به­عنوان مثال، تغییرات در بیان ژن‌هایی نظیر GSW3 که نقش کلیدی در تنظیم اندازه دانه دارد، می‌تواند عامل این تفاوت‌ها در بین ژنوتیپ‌ها باشد
(Bai et al., 2023). از دیدگاه زیستی، این تنوع ژنتیکی می‌تواند ناشی از تفاوت در فعالیت ژن‌های محوری دخیل در رشد دانه باشد. ژن‌هایی نظیر GS3 و GW7 نقش اساسی در تنظیم طول و عرض دانه ایفا می‌کنند و تغییرات در فعالیت آن‌ها می‌تواند منجر به تفاوت در اندازه دانه بین ژنوتیپ‌ها شود. علاوه­بر­این، تفاوت در میزان فعالیت مسیرهای پیام‌رسانی رشد و پروفایل هورمونی بذر نیز می‌تواند در این تنوع نقش داشته باشد (Ahmed et al., 2023).

علاوه­بر ژنوتیپ، شرایط آبیاری (شوری) نیز تأثیر معنی‌داری بر نسبت طول به عرض دانه (F= 14.033, p< 0.0001) و گردی دانه (p < 0.001) نشان داد. اثر منفی شوری بر کاهش یکنواختی رشد و تغییر ریخت‌شناسی دانه در تمامی پارامترهای اندازه‌گیری‌شده مشهود بود (جدول 2). این تأثیر احتمالاً به دلیل القای تنش اسمزی، کاهش جذب آب و مواد مغذی و اختلال در فرآیندهای متابولیکی دانه است. کاهش فعالیت آنزیم‌های دخیل در رشد سلولی و اختلال در توزیع ذخایر نشاسته تحت تنش شوری، منجر به محدود شدن رشد دانه و تغییر شکل آن می‌شود. Ehtaiwesh et al. (2024) نیز آشکار ساخته‌اند که شوری از طریق تأثیر بر مسیرهای پیام‌رسانی تنظیم‌کننده هم‌ایستایی یونی و تنظیم هورمون‌های رشد نظیر اکسین و جیبرلین، اندازه و شکل دانه را در گونه‌های حساس به شوری کاهش می‌دهد. از منظر فیزیولوژیکی، تأثیر منفی شوری بر اندازه و شکل دانه می‌تواند به دلیل القای تنش اسمزی، کاهش جذب آب و مواد مغذی و اختلال در فرآیندهای متابولیکی دانه باشد (Chourasia et al., 2021;
Hameed et al., 2021; Zhang et al., 2022). شوری می‌تواند منجر به کاهش فعالیت آنزیم‌های دخیل در رشد سلولی و اختلال در توزیع ذخایر نشاسته و در نتیجه محدودشدن رشد دانه شود. علاوه­بر­این، شوری می‌تواند با تأثیر بر مسیرهای پیام‌رسانی تنظیم‌کننده هم‌ایستایی یونی و تنظیم هورمون‌های رشد، اندازه و شکل دانه را کاهش دهد (Pastuszak et al., 2022;
Zhang et al., 2022). تعامل معنی‌داری بین ژنوتیپ و شرایط شوری، پاسخ‌های متفاوت ژنوتیپ‌ها به تنش شوری را در رابطه با نسبت طول به عرض دانه (F= 2.194, p< 0.0001) و گردی دانه (p< 0.05) آشکار می‌سازد. برخی ژنوتیپ‌ها ممکن است دارای مکانیسم‌های تحمل برتری باشند که به آن‌ها امکان حفظ تعادل رشد سلولی و شکل دانه تحت تنش شوری را می‌دهد؛ در­حالی­که برخی دیگر به دلیل حساسیت بیشتر، ناهماهنگی در رشد و تغییر شکل بیشتری را نشان می‌دهند. شناسایی ژنوتیپ‌هایی که توانایی حفظ اندازه و شکل مطلوب دانه در شرایط شور را دارند، می‌تواند در برنامه‌های اصلاحی برای بهبود تحمل به شوری و حفظ کیفیت دانه مفید باشد (Munns, 2005).

با استناد به تحلیل واریانس، می‌توان نتیجه گرفت که شرایط آبیاری (پایه و شوری) به­طور معنی‌داری بر حجم دانه
 (p< 0.001) و تراکم دانه (F= 7.347، p< 0.001) تأثیرگذار است (جدول 2). این یافته‌ها تأییدکننده تأثیر قابل توجه تنش شوری بر این ویژگی‌ها است. تنش شوری منجر به کاهش حجم دانه می‌شود که احتمالاً ناشی از کاهش تکثیر و انبساط سلولی و همچنین اثرات منفی بر ذخیره‌سازی مواد اندوخته‌ای در دانه است. Rui Zhang et al. (2022) نیز گزارش کرده‌اند که تنش شوری از طریق اختلال در جذب آب و کاهش سنتز کربوهیدرات‌ها، تأثیر منفی بر رشد و نمو دانه دارد. همچنین، تنش شوری با ایجاد اخلال در فرآیندهای رشد و نمو دانه، می‌تواند منجر به تغییر در تراکم دانه شود. از منظر فیزیولوژیکی، تنش شوری با ایجاد اخلال در فرآیندهای رشد و نمو دانه، منجر به تغییر در حجم و تراکم دانه می‌شود. اختلال در جذب آب و کاهش سنتز کربوهیدرات‌ها منجر به کاهش حجم دانه می‌شود. همچنین، اخلال در فرآیندهای رشد و نمو دانه می‌تواند منجر به تغییر در تراکم دانه شود
 (He et al., 2013; Rui Zhang et al., 2022).

اثر ژنوتیپ بر حجم دانه (p< 0.001) و تراکم دانه (F= 1860.915، p< 0.001) نیز به­طور قابل توجهی معنی‌دار بود. این نتایج نشان‌دهنده تفاوت‌های ژنتیکی قابل ملاحظه بین ژنوتیپ‌های مورد بررسی در این ویژگی‌ها است. برخی ژنوتیپ‌ها ظرفیت بالاتری برای حفظ حجم و تراکم دانه دارند که می‌تواند ناشی از ویژگی‌های ژنتیکی مرتبط با کارایی بهره‌وری از منابع، تنظیم فشار اسمزی، تخصیص بهینه مواد غذایی و عوامل ژنتیکی مؤثر بر صفات فیزیکی دانه باشد. یافته‌های حاضر همسو با مطالعات قبلی است که نشان داده‌اند ژنوتیپ‌های مقاوم به شوری می‌توانند از طریق سازوکارهای تنظیم اسمزی و سازگاری متابولیکی، کاهش حجم و تراکم دانه را در شرایط شوری به حداقل برسانند و برخی صفات فیزیکی دانه تحت تأثیر عوامل ژنتیکی قوی هستند. از منظر زیست‌شناختی، تفاوت‌های ژنتیکی بین ژنوتیپ‌ها نقش مهمی در تعیین حجم و تراکم دانه ایفا می‌کنند (Li et al., 2015). اثر متقابل ژنوتیپ و شرایط آبیاری بر حجم دانه (p< 0.01) و تراکم دانه (F= 1.271، p< 0.001) نیز معنی‌دار بود. این نتایج نشان‌دهنده پاسخ‌های متفاوت ژنوتیپ‌ها به تنش شوری در مورد حجم و تراکم دانه است. برخی ژنوتیپ‌ها ممکن است تحت تنش شوری نسبت به سایرین کاهش کمتری در حجم و تراکم دانه نشان دهند و توانایی بیشتری برای حفظ تراکم طبیعی دانه داشته باشند. این یافته حاکی از آن است که تفاوت در توانایی ژنوتیپ‌ها در حفظ جذب آب، متابولیسم نشاسته و تنظیم بیان ژن‌های مرتبط با رشد دانه و همچنین تفاوت در بیان ژن‌های مرتبط با مقاومت به تنش و تنظیم‌کننده‌های رشد می‌تواند منجر به واکنش‌های متفاوت ژنوتیپ‌ها به شرایط محیطی شود (Razzaque & Juenger, 2022).

پژوهش حاضر با استفاده از تحلیل واریانس آشکار ساخت که ژنوتیپ تأثیر معنی‌داری بر شاخص گردی دانه
(F= 0.106, p< 0.001) اعمال نمود. این یافته‌ها تأییدکننده وجود تفاوت‌های ژنتیکی در میان ژنوتیپ‌های مورد ارزیابی در این ویژگی است. این یافته حاکی از آن است که ژنوتیپ‌ها از حیث ساختار و ابعاد دانه متمایز هستند که می‌تواند ناشی از تفاوت در الگوی بیان ژن‌های تنظیم‌کننده رشد و ریخت‌شناسی دانه باشد. مطالعه­ی پیشین نیز تصدیق کرده‌ است که شاخص گردی دانه به عنوان یک صفت ریخت‌شناختی، تحت تأثیر عوامل ژنتیکی و سازوکارهای تنظیم‌کننده رشد دانه قرار دارد (Wang et al., 2024). اثر شرایط آبیاری (شوری در مقابل شرایط پایه) بر شاخص گردی دانه نیز به­طور معنی‌داری تأثیرگذار بود (F= 0.003, p< 0.001). این نتیجه آشکار می‌سازد که تنش شوری می‌تواند به­طور مستقیم بر این ویژگی اعمال نفوذ نموده و منجر به تغییر در نسبت طول به عرض دانه شود. تحقیقات نشان داده‌اند که شوری می‌تواند از طریق کاهش تکثیر سلولی و تغییر در انتقال مواد مغذی، سبب تغییر در شکل دانه گردد. در برخی گونه‌ها، تنش شوری باعث افزایش کشیدگی دانه شده است؛ در­حالی­که در سایر گونه‌ها ممکن است کاهش طول و تغییر در نسبت ابعاد دانه مشاهده شود (Al-Ashkar et al., 2021; Gupta et al., 2025). از سوی دیگر، اثر متقابل ژنوتیپ و شوری بر شاخص گردی دانه معنی‌دار نبود (F= 0.001, p= 0.88) که آشکار می‌سازد پاسخ ژنوتیپ‌های متمایز نسبت به شوری از نظر این ویژگی تفاوت قابل توجهی ندارد. این نتیجه حاکی از آن است که اگرچه ژنوتیپ‌ها در شرایط عادی تفاوت‌هایی در شاخص شکل دانه دارند، اما این تفاوت‌ها در مواجهه با تنش شوری تغییر قابل توجهی نشان نمی‌دهد. یافته‌های متناقضی در تحقیق Wang et al. (2024) گزارش شده‌اند که آشکار می‌سازند برخی صفات ریخت‌شناختی، اگرچه تحت تأثیر ژنتیک قرار دارند، اما در شرایط تنش محیطی، الگوی پایداری از خود نشان می‌دهند. این نتایج می‌تواند در برنامه‌های اصلاحی برای گزینش ژنوتیپ‌هایی با شاخص شکل پایدارتر در شرایط شوری مورد استفاده قرار گیرد و به توسعه ارقام مقاوم به تنش کمک کند.

2-3. بررسی رابطه صفات

3-2-1. تحلیل همبستگی بین صفات

همبستگی قوی بین طول (Feret) و عرض (Breadth) دانه (r=0.983, p<0.01) نشان‌دهنده هماهنگی در رشد ابعادی دانه‌ها است (شکل 1). این نتیجه بیانگر آن است که افزایش در یکی از این ابعاد معمولاً با افزایش در دیگری همراه است. همچنین، طول و عرض هر دو با حجم دانه (Volume) ارتباط مثبت و معنی‌داری دارند (r=0.746 و r=0.754، p<0.01) که نشان می‌دهد افزایش در هر یک از این دو ویژگی به افزایش حجم کلی دانه منجر می‌شود. از سوی دیگر، وزن هزار دانه (TKW) با هر سه بعد دانه (طول، عرض و ضخامت) همبستگی مثبت داشت، اما این ارتباط برای ضخامت (r=0.966، p<0.01) در مقایسه با طول
 (r=0.836، (p<0.01و عرض (r=0.854، p<0.01) قوی‌تر بود. این یافته‌ها نشان می‌دهد که در مقایسه با سایر ابعاد، ضخامت دانه نقش تعیین‌کننده‌تری در وزن نهایی دانه دارد. نتایج این مطالعه با یافته‌های سایر تحقیقات در زمینه ابعاد دانه و وزن آن هم­راستا است و تأیید می‌کند که ابعاد دانه به­طور هماهنگ رشد می‌کنند و ضخامت دانه عامل اصلی تعیین­کننده وزن نهایی دانه است
 (Herrera & Calderini, 2020). ضخامت دانه علاوه­بر ارتباط قوی با وزن هزار دانه، با حجم دانه نیز همبستگی مثبت و معنی­داری نشان داد (r=0.55،p<0.01 ). این نتیجه تأکید می‌کند که دانه‌های ضخیم‌تر معمولاً حجم بیشتری دارند که می‌تواند به دلیل افزایش مواد ذخیره‌ای درون دانه باشد. از سوی دیگر، نسبت طول به عرض (AspRatio) دانه‌ها همبستگی معنی‌داری با گردی (Roundness) و کرویت (Sphericity) نشان داد (r=0.717، p<0.01) که بیانگر این است که دانه‌هایی با نسبت طول به عرض بالاتر تمایل به داشتن شکل‌های گردتر و کروی‌تری دارند. این ویژگی ممکن است بر نحوه قرارگیری دانه‌ها در سنبله و همچنین بر فرآوری و کیفیت دانه‌ها در صنایع غذایی تأثیرگذار باشد. یافته‌های این پژوهش که با نتایج سایر مطالعات همخوانی دارد، نشان می‌دهد که ضخامت و نسبت طول به عرض دانه، عوامل کلیدی تعیین‌کننده حجم و شکل دانه‌ها هستند (Xuedan et al., 2023).

ارتباط بین صفات فیزیکی دانه‌ها نیز حائز اهمیت است. گردی و کرویت دانه با فشردگی (Compactness) همبستگی مثبت نشان دادند (r=0.424،p<0.01 ) که نشان می‌دهد دانه‌های گردتر و کروی‌تر ساختار فشرده‌تری دارند (شکل 1). علاوه­بر­این، فشردگی دانه‌ها همبستگی بسیار قوی با وزن هزار دانه داشت (r=0.995،p<0.01 ) که بیانگر نقش کلیدی این ویژگی در تعیین وزن نهایی دانه است. از­آنجایی­که فشردگی با نسبت طول به عرض نیز همبستگی مثبت و معنی‌داری نشان داد (r=0.974، p<0.01)، می‌توان نتیجه گرفت که دانه‌های دارای نسبت طول به عرض بالاتر تمایل به داشتن ساختار فشرده‌تری دارند که ممکن است بر چگالی و قابلیت ذخیره‌سازی آن‌ها تأثیرگذار باشد. نتایج این مطالعه با یافته‌های سایر تحقیقات هم­راستا است و تأیید می‌کند که فشردگی دانه، نقش مهمی در تعیین وزن نهایی دانه و همچنین ارتباط معنی‌داری با گردی و نسبت طول به عرض دانه دارد (Hoyle et al., 2019).

در مجموع، تجزیه همبستگی‌ها نشان می‌دهد که صفات مورفولوژیک و فیزیکی دانه‌ها به‌طور پیچیده‌ای با یکدیگر در ارتباط هستند. افزایش طول، عرض و ضخامت دانه به‌طور مستقیم بر حجم و وزن دانه تأثیر دارد؛ در­حالی­که نسبت طول به عرض، گردی و کرویت دانه‌ها بر فشردگی و وزن دانه اثرگذارند. نتایج این مطالعه اهمیت توجه هم‌زمان به این صفات را برای بهبود عملکرد و کیفیت دانه‌ها در شرایط تنش شوری نشان می‌دهد، به‌ویژه اینکه برخی از این ویژگی‌ها مانند ضخامت و فشردگی دانه نقش تعیین‌کننده‌تری در افزایش وزن دانه دارند.

شکل 1. نمودار هیت­مپ همبستگی ارقام گندم در شرایط پایه و شوری در کل مجموعه داده‌ها.

شدت رنگ نمایانگر میزان همبستگی؛ قرمز پررنگ: همبستگی مثبت قوی (+1) و آبی پررنگ: همبستگی منفی قوی (−1).(^* و ^**: به‌ترتیب معنی‌داری در سطح احتمال یک و پنج درصد.). برای اختصارات به بخش مواد و روش­ها رجوع شود.

Figure 1. Heatmap of correlation analysis of wheat genotypes under Baseline and salinity conditions* and

**: Significant at the 1% and 5% probability levels, respectively. Refer to the “Materials and Methods” section for abbreviations.

3-2-2. تحلیل تفکیک خطی  (LDA: Linear Discriminant Analysis)

تحلیل تفکیک خطی (LDA) نشان داد که تفکیک بین ژنوتیپ‌های گندم تحت شرایط آبیاری شور و پایه به طور معنی‌داری قابل تشخیص است(p< 0.001) (شکل 2). این یافته با نتایج پژوهش‌ پیشین که نشان داده‌ ویژگی‌های ریخت­شناسی دانه تحت تنش شوری تغییر کرده و منجر به تمایز ژنوتیپی می‌شوند همخوانی دارد (Karimzadeh et al., 2023). ضرایب تفکیکی محاسبه‌شده نشان داد که برخی ویژگی‌های هندسی مانند طول دانه (Feret)، عرض دانه (Breadth) و ضخامت دانه (Thickness) بیشترین سهم را در تفکیک ژنوتیپ‌ها داشتند. همچنین شاخص‌هایی مانند نسبت وزن به ابعاد، شاخص هم‌مرکزی (CAI) و نسبت سطح به وزن تأثیر زیادی بر تمایز بین نمونه‌ها نشان دادند. مطالعه حاضر تأیید می‌کند که تنش شوری باعث تغییرات قابل توجهی در ویژگی‌های ظاهری و ژنتیکی دانه‌های گندم می‌شود. این یافته‌ها با نتایج تحقیقات پیشین همخوانی دارد
 (Al-Ashkar et al., 2020; Sen et al., 2022). مدل LDA توانست با دقت 96%، ژنوتیپ‌ها را در گروه‌های مربوطه طبقه‌بندی کند. ژنوتیپ‌هایی با امتیاز LDA مثبت بیشتر در دسته شور و ژنوتیپ‌هایی با امتیاز LDA منفی بیشتر در دسته پایه قرار گرفتند. بیشترین مقدار امتیاز LDA (4.678) به ژنوتیپ اوحدی تحت شرایط شور و کمترین مقدار LDA Score (-9.900) به ژنوتیپ داراب2 تحت شرایط پایه تعلق داشت. میانگین LDA Score در ژنوتیپ‌های آبیاری پایه 282/1- و در ژنوتیپ‌های شور 282/1 بود. بررسی ضرایب تفکیکی نشان داد که متغیر "Area_D" با ضریب LD1= -0.701 بیشترین تاثیر را در تفکیک گروه‌ها داشت. این ضریب منفی نشان می‌دهد که کاهش این ویژگی با افزایش احتمال طبقه‌بندی نمونه‌ها در گروه شور ارتباط دارد. در مقابل، متغیر تحدب "Convex_D"  با ضریبLD1= 0.104 کمترین تاثیر را در تفکیک داشت. سایر متغیرهای مؤثر عبارتند از فاکتور شکل
"Shape_D" (LD1= -0.436)  و محیط جانبی "Perim_L"، (LD1= -0.307) که هر دو تاثیر منفی در تفکیک داشتند. متغیر مساحت جانبی "Area_L"  نیز با ضریب LD1= -0.141، در دسته صفات با تاثیر کم قرار گرفت.

ژنوتیپ‌هایی با نمره LDA نزدیک به صفر، بیشترین احتمال را برای اشتباه در طبقه‌بندی داشتند (میزان خطای طبقه‌بندی مدل 4% بود). به­عنوان مثال، ژنوتیپ هما با امتیاز LDA برابر با 002/0، به اشتباه از گروه پایه به شور طبقه‌بندی شد. بررسی ویژگی‌های ریخت­شناسی و فیزیکی این ژنوتیپ‌ها نشان داد که آن‌ها دارای صفات مشترک بین دو گروه بوده‌اند. بررسی امتیازات تفکیکی (Discriminant Scores) نشان داد که ژنوتیپ‌های مقاوم به شوری الگوهای متفاوتی از ویژگی‌های ریخت­شناسی دانه نسبت به ژنوتیپ‌های حساس دارند. این مسئله را می‌توان به توانایی این ژنوتیپ‌ها در تنظیم فیزیولوژیکی و آناتومیکی دانه برای مقابله با اثرات تنش شوری نسبت داد. به­عنوان مثال، ژنوتیپ‌های مقاوم معمولاً ساختار سلولی فشرده‌تری دارند که باعث کاهش تبخیر و بهبود نگهداری آب در بافت‌ها می‌شود (Irshad et al., 2022; Nassar et al., 2020).

شکل 2. نمودار بارگذاری‌های تجزیه تفکیکی خطی (LDA) برای بررسی ساختار داده‌ها.

برای اختصارات به بخش مواد و روش­ها رجوع شود.

Figure 2. LDA loadings plots for exploring data structure

Refer to the Materials and Methods section for abbreviations.

3-2-3. تحلیل عاملی

به­منظور بررسی ساختار پنهان میان صفات ریخت­شناسی دانه گندم تحت تنش شوری، تجزیه عاملی اکتشافی انجام شد (شکل 3). در ابتدا، کفایت داده‌ها برای انجام این تجزیه از طریق دو آزمون مهم مورد بررسی قرار گرفت. شاخص کفایت نمونه‌گیری
 Kaiser-Meyer-Olkin (KMO) مقدار0.902  را نشان داد که در سطح "بسیار عالی" قرار دارد و بیانگر مناسب­بودن اندازه داده‌ها برای تجزیه به عامل­ها است. همچنین، آزمون کرویت بارتلت (χ² = 347.654، درجه آزادی= 485/1، p< 0.001) نشان داد که همبستگی بین متغیرها از لحاظ آماری معنی‌دار است و ماتریس همبستگی داده‌ها شرایط لازم برای تجزیه به عامل­ها را دارد. نتایج محاسبه میزان تبیین واریانس (Communalities) نشان داد که برخی از صفات مانند عرض ماکزیمم (Breadth_D: 0.993)، وزن هزار دانه (TKW: 0.989)، طول ماکزیمم (Feret_D: 0.983) و مساحت دانه (Area_D: 0.982) بالاترین مقدار واریانس تبیین‌شده را داشته و بنابراین نقش مهمی در ساختار عاملی دارند (جدول 4). در مقابل، صفاتی مانند سطح ویژه دانه ) SSA: 0.202)، تقارن عرضی (TSym: 0.207)، نسبت وزن به سطح (WSI: 0.283)، و استوانه‌ای­بودن (Cylindr: 0.455) کمترین میزان واریانس تبیین‌شده را نشان دادند که بیانگر ارتباط ضعیف‌تر آن‌ها با ساختار استخراج‌شده است. بر اساس معیار Kaiser، عواملی که مقدار ویژه (Eigenvalue) آن‌ها بیشتر از یک است به‌عنوان عوامل معنی‌دار در نظر گرفته شدند. در این پژوهش، چهار عامل استخراج شد که در مجموع 5/83٪ از واریانس کل داده‌ها را تبیین کردند.

جدول 4. نتایج تحلیل عاملی صفات گندم تحت شرایط پایه و تنش شوری (مقدار ویژه و درصد واریانس تبیین‌شده).

Table 4. Factor analysis results of wheat traits under baseline and salinity stress conditions

(Eigenvalues and percentage of explained variance).

نتایج ماتریس بارهای عاملی نشان داد که عامل اول که 65/48 % از واریانس را تبیین می‌کند، مربوط به صفات اندازه و حجم دانه مانند وزن هزار دانه، عرض، طول، و حجم دانه است. بارهای عاملی نشان می‌دهند که این صفات به‌شدت تحت تأثیر عامل اول هستند و کاهش مقادیر این صفات در شرایط شوری احتمالاً نشان‌دهنده اثر منفی تنش شوری بر رشد دانه‌هاست. پیش از این نیز نشان داده شده بود که شوری باعث کاهش وزن هزار دانه و کاهش ابعاد دانه در گونه‌های حساس به تنش شوری می‌شود (Mubushar et al., 2024). علاوه­بر­این، بررسی‌های مشابه در سایر گیاهان زراعی نیز روند مشابهی را تأیید کرده‌اند، جایی­که کاهش ابعاد دانه با کاهش شاخص‌های رشد کلی گیاه همبستگی دارد. عامل دوم که 18/22 درصد از واریانس را تبیین می‌کند، به صفات مرتبط با شکل و تقارن دانه‌ها مانند دایره‌ای­بودن (Circularity)، یکپارچگی (Solidity)، و محیط دانه (Perimeter) مربوط می‌شود. این نتایج نشان می‌دهد که شوری ممکن است بر یکنواختی و ساختار هندسی دانه تأثیرگذار باشد و این تغییرات می‌توانند بر کیفیت آسیابانی گندم اثر منفی داشته باشند. مطالعات دیگری نیز تایید کرده­اند که کاهش تقارن و افزایش بی‌نظمی در شکل دانه تحت تأثیر شوری می‌تواند قابلیت فرآوری دانه را کاهش داده و باعث افت کیفیت نهایی محصول شود. این نتایج بیانگر آن است که صفات مرتبط با شکل دانه می‌توانند معیارهای مهمی در گزینش ژنوتیپ‌های مقاوم به شوری باشند، به‌ویژه در برنامه‌های اصلاحی که بر کیفیت فرآوری و ارزش صنعتی گندم تمرکز دارند (Aniskina et al., 2023). عامل سوم که 55/8% از واریانس را توضیح می‌دهد، مربوط به ناهمواری‌های سطح دانه و میزان انحنای آن است. صفاتی مانند ناهمواری (Concavity) و شاخص شکل (Shape Index) در این عامل بار عاملی بالایی دارند که نشان می‌دهد افزایش شوری باعث افزایش ناهمواری سطح دانه‌ها می‌شود. این تغییرات می‌توانند بر قابلیت جذب آب دانه و در نتیجه بر جوانه‌زنی و رشد اولیه آن تأثیرگذار باشند (Jin et al., 2024; Reed et al., 2022). عامل چهارم که 12/4 % از واریانس را تبیین می‌کند، مرتبط با تراکم و چگالی دانه است و صفاتی مانند استوانه‌ای­بودن (Cylindricity) و شاخص هم‌مرکزی (CAI) در این گروه قرار می‌گیرند. مقادیر منفی بارهای عاملی در این عامل نشان‌دهنده کاهش چگالی و تراکم دانه‌ها تحت تنش شوری است که می‌تواند بر کیفیت و استحکام ساختاری دانه‌ها اثر بگذارد. بر اساس نتایج تجزیه به عامل­ها، امکان خوشه‌بندی صفات ریخت‌شناسی دانه در چهار گروه مجزا فراهم شد (شکل 3). گروه اول شامل صفات مربوط به ابعاد اولیه دانه مانند طول ماکزیمم (Feret)، عرض ماکزیمم (Breadth) و مساحت دانه (Area) است. گروه دوم شامل صفات مرتبط با تقارن و شکل‌پذیری مانند دایره‌ای­بودن (Circularity) و یکپارچگی (Solidity) است که نشان‌دهنده تأثیر شوری بر یکنواختی دانه است. گروه سوم مربوط به صفات مرتبط با میزان انحنا و ناهمواری سطح دانه مانند ناهمواری (Concavity)  و شاخص شکل (Shape Index) است که می‌تواند بر فرآیند جوانه‌زنی تأثیر بگذارد. گروه چهارم شامل صفاتی مانند استوانه‌ای­بودن (Cylindricity) و شاخص هم‌مرکزی (CAI) است که ویژگی‌های تراکم و چگالی دانه را نشان می‌دهند.

در مجموع، یافته‌های این پژوهش تأیید می‌کند که تنش شوری تأثیر منفی بر ابعاد، شکل، تقارن، و تراکم دانه‌های گندم دارد. این تغییرات می‌توانند بر ویژگی‌های فیزیولوژیکی و کاربردی دانه تأثیر بگذارند و بر انتخاب ژنوتیپ‌های مقاوم به شوری در برنامه‌های به‌نژادی اثرگذار باشند. بر این اساس، می‌توان از شاخص‌های استخراج‌شده در این تحلیل برای شناسایی و اصلاح ژنوتیپ‌های دارای تحمل بالاتر به شوری استفاده کرد.

3-2-4. تحلیل مسیر

نتایج مدل‌سازی مسیر ویژگی‌های مورفوفیزیولوژیک دانه گندم تحت تأثیر شوری نشان داد که حجم دانه (Vol_V) بیشترین تأثیر مثبت و معنی‌دار را بر وزن هزار دانه (TKW) داشت (β=0.95, p<0.01) که نشان‌دهنده نقش کلیدی افزایش حجم در بهبود وزن دانه است. عرض دانه (Breadth_D) نیز اثر مثبت قابل توجهی بر TKW داشت (β=0.43, p=0.06)؛ هرچند این ارتباط از نظر آماری در آستانه معنی‌داری (p<0.1) قرار گرفت (شکل 4). در مقابل، ضخامت دانه (Thick_L) تأثیر منفی بر TKW نشان داد
(β=-0.11, p<0.05) که احتمالاً ناشی از تغییرات ساختاری دانه تحت تأثیر شوری است.

در ارتباط با چگالی دانه (Density)، حجم دانه (Vol_V) به­عنوان تعیین‌کننده اصلی چگالی ظاهری شناسایی شد
(β=0.55, p=0.07) که نشان می‌دهد افزایش حجم، چگالی دانه را کاهش می‌دهد. با توجه به فرمول (Density= TKW/Volume) وزن هزار دانه (TKW) نیز اثر مثبت مرزی بر چگالی داشت (β=0.40, p=0.02)، اما این اثر به دلیل وابستگی فرمولی چگالی به وزن هزار دانه (TKW) و حجم دانه (Volume)، نیاز به تفسیر احتیاط‌آمیز دارد. شاخص پایداری (SI) تحت تأثیر چندین عامل قرار داشت. شاخص هم‌مرکزی (CAI) تأثیر مثبت مرزی بر SI نشان داد  (β=0.39, p=0.06)که حاکی از نقش هماهنگی بین شعاع دایره محاطی و محیطی در پایداری ساختار دانه است. همچنین، وزن هزار دانه (TKW) نیز ارتباط مثبتی با SI داشت
(β=0.59, p=0.07) که احتمالاً بازتابی از تأثیر ابعاد دانه بر پایداری آن است. ویژگی‌های هندسی و مورفولوژیک دانه نیز تحت تأثیر شوری قرار گرفتند. نسبت طول به عرض (AspRatio) به شدت تحت تأثیر عرض دانه (Breadth) قرار داشت (β=0.94, p<0.05) که نشان می‌دهد کاهش عرض ناشی از شوری، نسبت طول به عرض دانه را افزایش می‌دهد. فشردگی دانه (Compact) بیشترین تأثیر را از طول ماکزیمم (Feret) پذیرفت (β=0.76, p=0.06) که بیانگر نقش محوری طول دانه در تراکم ساختاری آن است. شاخص استوانه‌ای­بودن (Cylindr) نیز به­طور همزمان تحت تأثیر ضخامت (Thick_L) و طول ماکزیمم (Feret) قرار داشت (به­ترتیب β=0.77 و  (β=0.78, p≈0.06که نشانگر تغییرات هندسی دانه تحت استرس شوری است. در سطح دانه، مساحت قاب محدب (Chull_D)  به­طور معنی‌داری با محیط دانه (Perim_D) مرتبط بود  (β=0.60, p=0.07)که تأییدکننده نقش پیچیدگی مرز دانه در تعیین مساحت قاب محدب است. همبستگی مثبت بین مساحت دانه (Area_D) و شاخص هم‌مرکزی (CAI) مشاهده شد
(β=0.48, p<0.05) که نشان می‌دهد دانه‌های با مساحت بیشتر، هماهنگی بهتری بین شعاع‌های محاطی و محیطی دارند. مسیرهای غیرمستقیم نیز نقش مهمی در تعیین ویژگی‌های دانه داشتند. طول ماکزیمم (Feret) از طریق تأثیر بر نسبت طول به عرض (AspRatio)، (β=0.66, p=0.08) و فشردگی (Compact_D) (β=0.76, p=0.06)، به­صورت غیرمستقیم بر کیفیت دانه اثر گذاشت. علاوه­بر­این، حجم دانه (Vol_V) به­عنوان واسطه‌ای کلیدی، اثرات ابعاد دانه(طول، عرض و ضخامت)،
(Feret_D, Breadth_D, Thick_L)  را بر وزن هزار دانه (TKW) منتقل نمود.

شکل 3. نمودار خوشه‌بندی سلسله مراتبی تحلیل عاملی.

برای اختصارات به بخش مواد و روش­ها رجوع شود.

Figure 3. Hierarchical clustering of factor analysis.

Refer to the “Materials and Methods” section for abbreviations.

در نتیجه، مدل پیشنهادی نشان داد که شوری از طریق کاهش ابعاد دانه (Feret_D, Breadth_D, Thick_L) و افزایش انحنا دانه(Concav_D)، به­طور مستقیم و غیرمستقیم بر شاخص‌های کیفی مانند وزن هزاردانه و چگالی (TKWو Density) تأثیر می‌گذارد. این یافته‌ها بر اهمیت تمرکز بر بهبود پایداری ابعادی دانه‌های گندم در شرایط شوری تأکید می‌کنند. با این حال، برخی ضرایب (مانند اثر طول دانه بر وزن هزاردانه TKW) با وجود بزرگی ضریب، به دلیل پراکندگی داده‌ها فاقد معنی‌داری آماری بودند. بنابراین، پیشنهاد می‌شود در مطالعات آتی از نمونه‌های بزرگ‌تری استفاده شود.

با توجه به نتایج به‌دست‌آمده از تحلیل‌های آماری مختلف (تحلیل همبستگی، تفکیک خطی، تحلیل عاملی و تحلیل مسیر)، می‌توان دریافت که برخی صفات نقش کلیدی و تعیین‌کننده‌ای در تمایز ژنوتیپ‌ها و همچنین در درک بهتر از سازوکارهای مرتبط با عملکرد دانه در شرایط پایه و شور ایفا می‌کنند. به‌ویژه صفاتی مانند ضخامت دانه (Thickness)، فشردگی (Compactness)، وزن هزار دانه (TKW) و نسبت طول به عرض (AspRatio) به‌صورت مکرر در هر چهار نوع تحلیل به‌عنوان عوامل مؤثر ظاهر شده‌اند.

در نتیجه، توصیه می‌شود برای ادامه تحلیل‌ها و نتیجه‌گیری نهایی، به‌ویژه در زمینه شناسایی ژنوتیپ‌های برتر و مقاوم به شوری، بر صفات زیر تمرکز بیشتری صورت گیرد: 1- ضخامت دانه (Thickness)، 2- فشردگی دانه (Compactness)، 3- وزن هزار دانه (TKW)، 4- نسبت طول به عرض دانه (AspRatio)، 5- حجم دانه (Volume)، 6- شاخص‌های مساحت دانه و فاکتور شکل (Area_D و Shape_D) با­توجه­به نقش آنها در تفکیک ژنوتیپ‌ها. این صفات نه تنها از لحاظ آماری معنی‌دار و قابل اعتماد هستند، بلکه از نظر فیزیولوژیکی و کاربردی نیز با ویژگی‌های مهم عملکردی و مقاومتی دانه‌ها تحت شرایط تنش شوری ارتباط مستقیم دارند.

شکل 4. نمودار تجزیه مسیر صفات مورفومتریک در ژنوتیپ‌های گندم.

برای اختصارات به بخش مواد و روش­ها رجوع شود.

Figure 4. Path analysis diagram of morphometric in wheat genotypes

Refer to the “Materials and Methods” section for abbreviations.

4. نتیجه­گیری

این پژوهش با ارزیابی ۳۲۰ ژنوتیپ گندم تحت شرایط پایه و شوری، تأثیرات تنش شوری بر ویژگی‌های مورفومتریک و فیزیکی دانه را با استفاده از روش‌های پیشرفته پردازش تصویر و تحلیل‌های آماری چندمتغیره بررسی کرد. نتایج حاصل از تجزیه واریانس (ANOVA)  نشان داد که تنش شوری به‌طور معنی­داری (p<0.0001) وزن هزار دانه (TKW) را 5/28 % کاهش داده و ابعاد دانه (طول، عرض، ضخامت) را تحت تأثیر منفی قرار می‌دهد. تجزیه تفکیک خطی (LDA) با دقت ۹۶٪، تفاوت‌های ژنوتیپی در پاسخ به شوری را تأیید کرد و نشان داد متغیرهای مرتبط با ابعاد دانه (طول، عرض و ضخامت) بیشترین سهم را در تفکیک ژنوتیپ‌ها دارند. تجزیه به عامل­ها چهار مؤلفه اصلی استخراج نمود که 5/83 % از واریانس داده‌ها را تبیین می‌کنند: عامل اول (65/46 %) مربوط به ابعاد و حجم دانه، عامل دوم (18/22 %) به شکل و تقارن، عامل سوم (55/8 %) به ناهمواری سطح، و عامل چهارم
 (12/4 %) به تراکم دانه مرتبط بودند. تنش شوری با ایجاد اختلال در جذب آب و مواد مغذی، کاهش فعالیت آنزیم‌های رشد و تغییر تعادل یونی، منجر به کاهش هماهنگ ابعاد دانه و وزن هزار دانه شد. همبستگی قوی بین ضخامت دانه و وزن هزار دانه TKW (r=0.966)  و تأثیر حجم دانه بر وزن (β=0.95) نشان داد که ضخامت و حجم، عوامل کلیدی در تعیین عملکرد نهایی دانه هستند. تفاوت‌های ژنتیکی معنی‌دار بین ژنوتیپ‌ها، به‌ویژه در صفاتی مانند نسبت طول به عرض و گردی دانه (p<0.0001)، بیانگر پتانسیل بالای انتخاب ژنوتیپ‌های مقاوم (مانند اوحدی) با توانایی حفظ ساختار دانه تحت شوری است. کاربرد فنون پردازش تصویر و تحلیل‌های چندمتغیره در این پژوهش، امکان شناسایی دقیق و غیرمخرب شاخص‌های مورفومتریک را فراهم کرد که نقش محوری در غربالگری ژنوتیپ‌های متحمل دارد. این یافته‌ها نه تنها به بهبود برنامه‌های اصلاحی برای توسعه ارقام مقاوم به شوری کمک می‌کند، بلکه با حفظ کیفیت و عملکرد دانه در شرایط نامساعد، به تضمین امنیت غذایی در مناطق خشک و نیمه‌خشک جهان یاری می‌رساند. برای تحقیقات آینده، پیشنهاد می‌شود مکانیسم‌های مولکولی مرتبط با تحمل به شوری (مانند بیان ژن‌های TaGS5-3A  و GSW3) در ژنوتیپ‌های مقاوم بررسی شود. علاوه­بر­این، اعتبارسنجی شاخص‌های مورفومتریک در جمعیت‌های بزرگ‌تر و ادغام داده‌های فنوتیپی با اطلاعات ژنومی می‌تواند توسعه‌ نشانگرهای مولکولی کارآمد برای تسریع در گزینش ارقام مقاوم به تنش را تسهیل کند. مطالعات طولانی‌مدت بر تأثیر شوری بر کیفیت فرآوری گندم و پایداری این ویژگی‌ها در نسل‌های بعدی نیز ضروری است. در مجموع، این پژوهش گامی کلیدی در جهت درک پاسخ ژنوتیپ‌های گندم به تنش شوری و ارائه راهکارهای عملی برای بهبود پایداری تولید گندم در شرایط تغییرات اقلیمی محسوب می‌شود.

5. منابع

Abd El-Aleem, O., Nawar, A., Barakat, M., Milad, S., & Sabry, S. (2022). Salinity stress affects field performance of wheat genotypes differing in genetic background. Alexandria Science Exchange Journal, 43, 651-667. https://doi.org/10.21608/asejaiqjsae.

Ahmed, H.G.M.D., Zeng, Y., Khan, M.A., Rashid, M.A.R., Ameen, M., Akrem, A., & Saeed, A. (2023). Genome-wide association mapping of bread wheat genotypes using yield and grain morphology-related traits under different environments. Frontiers in Genetics, 13. https://www.frontiersin.org/journals/genetics/articles/10.3389/fgene.2022.1008024.

Ain, Q.U., Hussain, H.A., Zhang, Q., Kamal, F., Charagh, S., Imran, A., Hussain, S., & Bibi, H. (2024). Deciphering the role of nanoparticles in stimulating drought and salinity tolerance in plants: Recent insights and perspective. Journal of Plant Growth Regulation, 43(5), 1605-1630.

Al-Ashkar, I., Alderfasi, A., Ben Romdhane, W., Seleiman, M.F., El-Said, R.A., & Al-Doss, A. (2020). Morphological and genetic diversity within salt tolerance detection in eighteen wheat genotypes. Plants, 9(3).

Al-Ashkar, I., Romdhane, W.B., El-Said, R.A., Ghazy, A., Attia, K., & Al-Doss, A. (2021). Agro-physiologic responses and stress-related gene expression of four doubled haploid wheat lines under salinity stress conditions. Biology (Basel), 10(1). https://doi.org/10.3390/biology10010056.

Alsamadany, H., Abdulbaki, A.S., & Alzahrani, Y. (2024). Unravelling drought and salinity stress responses in barley genotypes: Physiological, biochemical, and molecular insights. Frontiers in Plant Science, 15, 1417021.

Amiri, H., Banakar, M.H., & Hemmati Hassan Gavyar, P. (2024). Polyamines: New plant growth regulators promoting salt stress tolerance in plants. Journal of Plant Growth Regulation, 1-18.

Aniskina, T.S., Baranova, E.N., Lebedev, S.V., Reger, N.S., Besaliev, I.N., Panfilov, A.A., Kryuchkova, V.A., & Gulevich, A.A. (2023). Unexpected effects of sulfate and sodium chloride application on yield qualitative characteristics and symmetry indicators of hard and soft wheat kernels. Plants (Basel), 12(5). https://doi.org/10.3390/plants12050980.

Atta, K., Mondal, S., Gorai, S., Singh, A.P., Kumari, A., Ghosh, T., Roy, A., Hembram, S., Gaikwad, D.J., Mondal, S., Bhattacharya, S., Jha, U.C., & Jespersen, D. (2023). Impacts of salinity stress on crop plants: Improving salt tolerance through genetic and molecular dissection. Frontiers in Plant Science, 14, 1241736. https://doi.org/10.3389/fpls.2023.1241736.

Bai, F., Ma, H., Cai, Y., Shahid, M.Q., Zheng, Y., Lang, C., Chen, Z., Wu, J., Liu, X., & Wang, L. (2023). Natural allelic variation in GRAIN SIZE AND WEIGHT 3 of wild rice regulates the grain size and weight. Plant Physiology, 193(1), 502-518. https://doi.org/10.1093/plphys/kiad320.

Basile, G., De Maio, A.C., Catalano, A., Ceramella, J., Iacopetta, D., Bonofiglio, D., Saturnino, C., & Sinicropi, M. (2022). Ancient wheats as promising nutraceuticals for the prevention of chronic and degenerative diseases. Current Medicinal Chemistry. https://doi.org/10.2174/0929867329666220915122216.

Bouras, E., Jarlan, L., Khabba, S., Er-Raki, S., Dezetter, A., Sghir, F., & Tramblay, Y. (2019). Assessing the impact of global climate changes on irrigated wheat yields and water requirements in a semi-arid environment of Morocco. Scientific Reports, 9(1), 19142. https://doi.org/10.1038/s41598-019-55251-2.

Cao, H., Ding, R., Kang, S., Du, T., Tong, L., Zhang, Y., Chen, J., & Shukla, M.K. (2023). Chapter three - Drought, salt, and combined stresses in plants: Effects, tolerance mechanisms, and strategies. In D. L. Sparks (Ed.), Advances in Agronomy, 178, 107-163. Academic Press. https://doi.org/https://doi.org/10.1016/bs.agron.2022.11.004.

Cervantes, E., Martín, J.J., & Saadaoui, E. (2016). Updated methods for seed shape analysis. Scientifica (Cairo), 5691825. https://doi.org/10.1155/2016/5691825.

Chourasia, K.N., Lal, M.K., Tiwari, R.K., Dev, D., Kardile, H.B., Patil, V.U., Kumar, A., Vanishree, G., Kumar, D., Bhardwaj, V., Meena, J.K., Mangal, V., Shelake, R.M., Kim, J.Y., & Pramanik, D. (2021). Salinity stress in potato: Understanding physiological, biochemical and molecular responses. Life(Basel), 11(6). https://doi.org/10.3390/life11060545.

Di Santo, L.N., Polgar, M., Nies, S., Hodgkiss, P., Canning, C.A., Wright, J.W., & Hamilton, J.A. (2021). Seed morphological traits as a tool to quantify variation maintained in ex situ collections: A case study in Pinus torreyana. Aob Plants, 13(5), plab058. https://doi.org/10.1093/aobpla/plab058.

Duc, N.T., Ramlal, A., Rajendran, A., Raju, D., Lal, S.K., Kumar, S., Sahoo, R.N., & Chinnusamy, V. (2023). Image-based phenotyping of seed architectural traits and prediction of seed weight using machine learning models in soybean. Frontiers in Plant Science, 14. https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2023.1206357.

Ehtaiwesh, A., Sunoj, V.S.J., Djanaguiraman, M., & Prasad, P.V.V. (2024). Response of winter wheat genotypes to salinity stress under controlled environments. Frontiers in Plant Science, 15, 1396498. https://doi.org/10.3389/fpls.2024.1396498.

El Sabagh, A., Islam, M.S., Skalicky, M., Ali Raza, M., Singh, K., Anwar Hossain, M., Hossain, A., Mahboob, W., Iqbal, M.A., Ratnasekera, D., Singhal, R.K., Ahmed, S., Kumari, A., Wasaya, A., Sytar, O., Brestic, M., ÇIg, F., Erman, M., Habib Ur Rahman, M., ..., Arshad, A. (2021). Salinity stress in wheat (Triticum aestivum L.) in the changing climate: Adaptation and management strategies. Frontiers in Agronomy, 3. https://www.frontiersin.org/journals/agronomy/articles/10.3389/fagro.2021.661932.

Elfanah, A.M.S., Darwish, M.A., Selim, A.I., Elmoselhy, O.M.A., Ali, A.M., El-Maghraby, M.A., & Abdelhamid, M.T. (2023). Hyperspectral reflectance and agro-physiological traits for field identification of salt-tolerant wheat genotypes using the genotype by yield*trait biplot technique. Frontiers in Plant Science, 14. https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2023.1165113.

Elkot, A., ElRashidy, Z., & Mokhtar, A. (2023). Evaluation of eight bread wheat cultivars for soil salinity tolerance. Egyptian Journal of Agronomy. https://doi.org/10.21608/agro.2023.217410.1378.

Farooq, M., Zahra, N., Ullah, A., Nadeem, F., Rehman, A., Kapoor, R., Al-Hinani, M.S., & Siddique, K.H.M. (2024). Salt stress in wheat: Effects, tolerance mechanisms, and management. Journal of Soil Science and Plant Nutrition, 24(4), 8151-8173. https://doi.org/10.1007/s42729-024-02104-1.

Filip, E., Woronko, K., Stępień, E., & Czarniecka, N. (2023). An overview of factors affecting the functional quality of common wheat (Triticum aestivum L.). International Journal of Molecular Sciences, 2(4). https://doi.org/10.3390/ijms24087524.

Ghimire, A., Kim, S.H., Cho, A., Jang, N., Ahn, S., Islam, M.S., Mansoor, S., Chung, Y.S., & Kim, Y. (2023). Automatic evaluation of soybean seed traits using RGB image data and a python algorithm. Plants (Basel), 12(17). https://doi.org/10.3390/plants12173078.

Giordano, M., Petropoulos, S.A., & Rouphael, Y. (2021). Response and defence mechanisms of vegetable crops against drought, heat and salinity stress. Agriculture, 11(5), 463. https://www.mdpi.com/2077-04463/5/11/72.

Gupta, S., Niels Groen, S., Zaidem, M.L., Sajise, A.G.C., Calic, I., Natividad, M., McNally, K., Vergara, G.V., Satija, R., Franks, S.J., Singh, R.K., Joly-Lopez, Z., & Purugganan, M.D. (2025). Systems genomics of salinity stress response in rice. eLife, 13, RP99352. https://doi.org/10.7554/eLife.99352.

Hameed, A., Ahmed, M.Z., Hussain, T., Aziz, I., Ahmad, N., Gul, B., & Nielsen, B.L. (2021). Effects of salinity stress on chloroplast structure and function. Cells, 10(8). https://doi.org/10.3390/cells10082023.

Hassani, A., Azapagic, A., & Shokri, N. (2021). Global predictions of primary soil salinization under changing climate in the 21st century. Nature Communications, 12(1), 6663. https://doi.org/10.1038/s41467-021-26907-3.

He, J.F., Goyal, R., Laroche, A., Zhao, M.L., & Lu, Z.X. (2013). Effects of salinity stress on starch morphology, composition and thermal properties during grain development in triticale. Canadian Journal of Plant Science, 93(5), 765-771. https://doi.org/10.4141/cjps2013-065.

Herrera, J., & Calderini, D.F. (2020). Pericarp growth dynamics associate with final grain weight in wheat under contrasting plant densities and increased night temperature. Annals of Botany, 126(6), 1063-1076. https://doi.org/10.1093/aob/mcaa131.

Hoyle, A., Brennan, M., Jackson, G., & Hoad, S. (2019). Specific weight of barley grains is determined by traits affecting packing efficiency and by grain density. Journal of the Science of Food and Agriculture, 99(5), 2548-2555. https://doi.org/10.1002/jsfa.9465.

Hussain, S., Zhang, R., Liu, S., Wang, Y., Ahmed, I., Yinglong, C., Hou, H., & Dai, Q. (2022). Salt stress affects the growth and yield of wheat (Triticum aestivum L.) by altering the antioxidant machinery and expression of hormones and stress- specific genes. Phyton, 92. https://doi.org/10.32604/phyton.2023.025487.

Ibrahimova, U., Talai, J., Mahadi Hasan, M., Huseynova, I., Raja, V., Rastogi, A., Ghaffari, H., Zivcak, M., Yang, X., & Brestic, M. (2025). Dissecting the osmotic and oxidative stress responses in salt-tolerant and salt-sensitive wheat genotypes under saline conditions. Plant, Soil and Environment, 71(1), 36-47. https://pse.agriculturejournals.cz/artkey/pse-202501-0004.php. http://dx.doi.org/10.17221/459/2024-PSE.

Irshad, A., Ahmed, R.I., Ur Rehman, S., Sun, G., Ahmad, F., Sher, M.A., Aslam, M.Z., Hassan, M.M., Qari, S.H., Aziz, M.K., & Khan, Z. (2022). Characterization of salt tolerant wheat genotypes by using morpho-physiological, biochemical, and molecular analysis [Original Research]. Frontiers in Plant Science, 13. https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2022.956298.

Irshad, A., Ahmed, R.I., Ur Rehman, S., Sun, G., Ahmad, F., Sher, M.A., Aslam, M.Z., Hassan, M.M., Qari, S.H., Aziz, M.K., & Khan, Z. (2022). Characterization of salt tolerant wheat genotypes by using morpho-physiological, biochemical, and molecular analysis. Frontiers in Plant Science, 13, 956298. https://doi.org/10.3389/fpls.2022.956298.

Jin, W., Wei, Z., Li, L., Ashraf, U., He, W., Zhang, Y., & Qi, S. (2024). Grain quality deterioration of hybrid rice is associated with alterations in physicochemical and structural properties of starch under saline conditions. Crop Science, 64. https://doi.org/10.1002/csc2.21186.

Karimzadeh, H., Borzouei, A., Naserian, B., Tabatabaee, S.A., & Rahemi, M.R. (2023). Investigating the response mechanisms of bread wheat mutants to salt stress. Scientific Reports, 13(1), 18605. https://doi.org/10.1038/s41598-023-45009-2.

Khalid, A., Hameed, A., & Tahir, M. (2023). Wheat quality: A review on chemical composition, nutritional attributes, grain anatomy, types, classification, and function of seed storage proteins in bread making quality. Frontiers in Nutrition, 10. https://doi.org/10.3389/fnut.2023.1053196.

Khan, R.W.A., Khan, R.S.A., Awan, F.S., Akrem, A., Iftikhar, A., Anwar, F.N., Alzahrani, H.A.S., Alsamadany, H., & Iqbal, R.K. (2022). Genome-wide association studies of seedling quantitative trait loci against salt tolerance in wheat. Frontiers in Genetics, 13, 946869. https://doi.org/10.3389/fgene.2022.946869.

Khan, T., Jamil, M., Ali, A., Rasheed, S., Irshad, A., Maqsood, M.F., Zulfiqar, U., Chaudhary, T., Ali, M.A., & Elshikh, M.S. (2024). Exploring water-absorbing capacity: A digital image analysis of seeds from 120 wheat varieties. Scientific Reports, 14(1), 6757. https://doi.org/10.1038/s41598-024-57193-w.

Kheiralipour, K., Brandão, M., Holka, M., & Choryński, A. (2024). A review of environmental impacts of wheat production in different agrotechnical systems. Resources. https://doi.org/10.3390/resources13070093.

Latorre, S.M., Were, V.M., Foster, A.J., Langner, T., Malmgren, A., Harant, A., Asuke, S., Reyes-Avila, S., Gupta, D.R., Jensen, C., Ma, W., Mahmud, N.U., Mehebub, M.S., Mulenga, R.M., Muzahid, A.N.M., Paul, S.K., Rabby, S.M.F., Rahat, A.A.M., Ryder, L., ..., & Kamoun, S. (2023). Genomic surveillance uncovers a pandemic clonal lineage of the wheat blast fungus. Plos Biology, 21(4), e3002052. https://doi.org/10.1371/journal.pbio.3002052.

Li, N., Peng, W., Shi, J., Wang, X., Liu, G., & Wang, H. (2015). The natural variation of seed weight is mainly controlled by maternal genotype in rapeseed (Brassica napus L.). Plos One, 10(4), e0125360. https://doi.org/10.1371/journal.pone.0125360.

Li, Q., Zhu, P., Yu, X., Xu, J., & Liu, G. (2024). Physiological and molecular mechanisms of rice tolerance to salt and drought stress: Advances and future directions. International Journal of Molecular Sciences, 25(17), 9404.

Lindberg, S., & Premkumar, A. (2023). Ion changes and signaling under salt stress in wheat and other important crops. Plants (Basel), 13(1). https://doi.org/10.3390/plants13010046.

Ma, L., Li, T., Hao, C., Wang, Y., Chen, X., & Zhang, X. (2016). Ta5-3A, a grain size gene selected during wheat improvement for larger kernel and yield. Plant Biotechnology Journal, 14(5), 1269-1280. https://doi.org/https://doi.org/10.1111/pbi.12492.

Mao, H., Jiang, C., Tang, C., Nie, X., Du, L., Liu, Y., Cheng, P., Wu, Y., Liu, H., Kang, Z., & Wang, X. (2023). Wheat adaptation to environmental stresses under climate change: Molecular basis and genetic improvement. Molecular Plant, 16(10), 1564-1589. https://doi.org/10.1016/j.molp.2023.09.001.

Mishra, A.K., Das, R., George Kerry, R., Biswal, B., Sinha, T., Sharma, S., Arora, P., & Kumar, M. (2023). Promising management strategies to improve crop sustainability and to amend soil salinity [Review]. Frontiers in Environmental Science, 10. https://doi.org/10.3389/fenvs.2022.962581.

Morales, M.A., Worral, H., Piche, L., Adeniyi, A.S., Dariva, F., Ramos, C., Hoang, K., Yan, C., Flores, P., & Bandillo, N. (2024). High-throughput phenotyping of seed quality traits using imaging and deep learning in dry pea. BioRxiv, 583-564. https://doi.org/10.1101/2024.03.05.583564.

Mottaleb, K A., & Govindan, V. (2023). How the ongoing armed conflict between Russia and Ukraine can affect the global wheat food security?. Frontiers in Food Science and Technology, 3. https://doi.org/10.3389/frfst.2023.1072872.

Mubushar, M., El-Hendawy, S., Dewir, Y.H., & Al-Suhaibani, N. (2024). Ability of different growth indicators to detect salt tolerance of advanced spring wheat lines grown in real field conditions. Plants, 13(6).

Mukhopadhyay, R., Sarkar, B., Jat, H.S., Sharma, P.C., & Bolan, N.S. (2021). Soil salinity under climate change: Challenges for sustainable agriculture and food security. The Journal of Environmental Management, 280, 111736. https://doi.org/10.1016/j.jenvman.2020.111736.

Munns, R. (2005). Genes and salt tolerance: Bringing them together. New Phytologist, 167(3), 645-663. https://doi.org/https://doi.org/10.1111/j.1469-8137.2005.01487.x.

Nassar, R.M.A., Kamel, H.A., Ghoniem, A.E., Alarcón, J.J., Sekara, A., Ulrichs, C., & Abdelhamid, M.T. (2020). Physiological and anatomical mechanisms in wheat to cope with salt stress induced by seawater. Plants (Basel), 9(2). https://doi.org/10.3390/plants9020237.

Pastuszak, J., Dziurka, M., Hornyák, M., Szczerba, A., Kopeć, P., & Płażek, A. (2022). Physiological and biochemical parameters of salinity resistance of three durum wheat genotypes. International Journal of Molecular Sciences, 23(15). https://doi.org/10.3390/ijms23158397.

Qiao, M., Hong, C., Jiao, Y., Hou, S., & Gao, H. (2024). Impacts of drought on photosynthesis in major food crops and the related mechanisms of plant responses to drought. Plants, 13(13), 1808.

Rabieyan, E., Bihamta, M.R., Moghaddam, M.E., Mohammadi, V., & Alipour, H. (2022). Genome-wide association mapping for wheat morphometric seed traits in Iranian landraces and cultivars under rain-fed and well-watered conditions. Scientific Reports, 12(1), 17839. https://doi.org/10.1038/s41598-022-22607-0.

Rashid, M.H., & Nasrin, S. (2015). Productivity and preference of salt tolerant Boro rice varieties in saline non-gher and gher ecosystems. Bangladesh Rice Journal, 18, 18. https://doi.org/10.3329/brj.v18i1-2.22996.

Razzaque, S., & Juenger, T.E. (2022). The ecology and quantitative genetics of seed and seedling traits in upland and lowland ecotypes of a perennial grass. Evolution Letters, 6(6), 460-473. https://doi.org/10.1002/evl3.297.

Reed, R.C., Bradford, K.J., & Khanday, I. (2022). Seed germination and vigor: Ensuring crop sustainability in a changing climate. Heredity (Edinb), 128(6), 450-459. https://doi.org/10.1038/s41437-022-00497-2.

Sen, A., Islam, M.M., Zaman, E., Ghosh, U.K., Momtaz, M.B., Islam, M.A., Urmi, T.A., Mamun, M.A., Rahman, M.M., Kamal, M.Z., Rahman, G.K.M.M., Haque, M.M., & Murata, Y. (2022). Agro-morphological, yield and biochemical responses of selected wheat (Triticum aestivum L.) genotypes to salt stress. Agronomy, 12(12).

Senbeta, A.F., & Worku, W. (2023). Ethiopia's wheat production pathways to self-sufficiency through land area expansion, irrigation advance, and yield gap closure. Heliyon, 9(10), e20720. https://doi.org/10.1016/j.heliyon.2023.e20720.

Sertse, D., You, F.M., Klymiuk, V., Haile, J.K., N’Diaye, A., Pozniak, C.J., Cloutier, S., & Kagale, S. (2023). Historical selection, adaptation signatures, and ambiguity of introgressions in wheat. International Journal of Molecular Sciences, 24(9), 8390. https://www.mdpi.com/1422-0067/24/9/8390.

Silva, J.V., Jaleta, M., Tesfaye, K., Abeyo, B., Devkota, M., Frija, A., Habarurema, I., Tembo, B., Bahri, H., Mosad, A., Blasch, G., Sonder, K., Snapp, S., & Baudron, F. (2023). Pathways to wheat self-sufficiency in Africa. Global Food Security, 37, 100684. https://doi.org/10.1016/j.gfs.2023.100684.

Tajdari, H.R., Soleymani, A., Montajabi, N., Naderi Darbaghshahi, M.R., & Javanmard, H.R. (2024). The effect of foliar application of plant growth regulators on functional and qualitative characteristics of wheat (Triticum aestivum L.) under salinity and drought stress conditions. Applied Water Science, 14(6), 1-15.

Wang, Y., Chen, W., Xing, M., Sun, J., Wang, S., Yang, Z., Huang, J., Nie, Y., Zhao, M., Li, Y., Guo, W., Wang, Y., Chen, Z., Zhang, Q., Hu, J., Li, Y., Huang, K., Zheng, X., Zhou, L., . . ., & Qiao, W. (2024). Wild rice GL12 synergistically improves grain length and salt tolerance in cultivated rice. Nature Communications, 15(1), 9453. https://doi.org/10.1038/s41467-024-53611-9.

Wang, Y., Gao, M., Chen, H., Fu, X., Wang, L., & Wang, R. (2023). Soil moisture and salinity dynamics of drip irrigation in saline-alkali soil of Yellow River basin. Frontiers in Environmental Science, 11. https://doi.org/10.3389/fenvs.2023.1130455.

Wei, H., Geng, X., Zhu, W., Zhang, X., Zhang, X., Chen, Y., Huo, Z., Xu, K., Zhou, G., Meng, T., & Dai, Q. (2023). Individual and combined influences of salinity and drought stress on the agro-physiological traits and grain yield of rice. Field Crops Research, 304, 109172. https://doi.org/https://doi.org/10.1016/j.fcr.2023.109172.

Xuedan, L., Fan, L., Yunhua, X., Feng, W., Guilian, Z., Huabing, D., & Wenbang, T. (2023). Grain shape genes: Shaping the future of rice breeding. Rice Science, 30(5), 379-404. https://doi.org/https://doi.org/10.1016/j.rsci.2023.03.014.

Zahra, N., Hafeez, M.B., Wahid, A., Al Masruri, M.H., Ullah, A., Siddique, K.H.M., & Farooq, M. (2023). Impact of climate change on wheat grain composition and quality. Journal of the Science of Food and Agriculture, 103(6), 2745-2751. https://doi.org/https://doi.org/10.1002/jsfa.12289.

Zhang, R., Wang, Y., Hussain, S., Yang, S., Li, R., Liu, S., Chen, Y., Wei, H., Dai, Q., & Hou, H. (2022). Study on the effect of salt stress on yield and grain quality among different rice varieties. Frontiers in Plant Science, 13, 918460. https://doi.org/10.3389/fpls.2022.918460.

Zhang, R., Wang, Y., Hussain, S., Yang, S., Li, R., Liu, S., Chen, Y., Wei, H., Dai, Q., & Hou, H. (2022). Study on the effect of salt stress on yield and grain quality among different rice varieties. Frontiers in Plant Science, 13. https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2022.918460.

Zhou, Y., Kusmec, A., Mirnezami, S.V., Attigala, L., Srinivasan, S., Jubery, T.Z., Schnable, J.C., Salas-Fernandez, M.G., Ganapathysubramanian, B., & Schnable, P.S. (2021). Identification and utilization of genetic determinants of trait measurement errors in image-based, high-throughput phenotyping. The Plant Cell, 33(8), 2562-2582. https://doi.org/10.1093/plcell/koab134.