شناسایی ژنوتیپ‌های برتر کلزا در دو محیط عادی و تنش خشکی با استفاده از نمودار دووجهی ژنوتیپ × صفت و نمودار دووجهی ژنوتیپ × محیط

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار، گروه زراعت و اصلاح نباتات، دانشکدۀ کشاورزی، دانشگاه بیرجند

چکیده

هدف از این بررسی شناسایی پایداری ژنوتیپ‌های کلزا در دو محیط عادی و تنش خشکی بود. آزمایش در قالب طرح بلوک‌های کامل تصادفی با سه تکرار و ده تیمار در دو شرایط عادی و تنش خشکی در سال 92-1391 در مزرعۀ پژوهشی دانشگاه بیرجند به اجرا در آمد. در محیط عادی 31/59 درصد، محیط تنش 33/62 درصد و در دو محیط 01/62 درصد از کل تنوع موجود در داده‌های استانداردشده با نمودار دووجهی (بای‌پلات) ژنوتیپ × صفت توجیه شد. بیشترین تنوع توجیه‌شده توسط نمودار دووجهی ژنوتیپ × صفت در محیط عادی ناشی از عملکرد دانه، عملکرد زیست‌توده (بیوماس)، شمار دانه در غلاف و شمار غلاف در ساقۀ اصلی؛ در محیط تنش ناشی از عملکرد دانه، شاخص برداشت، طول غلاف، شمار غلاف در شاخۀ فرعی و شمار کل غلاف در بوته و در دو محیط ناشی از عملکرد دانه، طول غلاف، شمار غلاف در شاخۀ فرعی و شمار کل غلاف در بوته بود. با توجه به نمودار چندضلعی ژنوتیپ × صفت؛ در محیط عادی، تنش و دو محیط عادی و تنش ژنوتیپ هایولا‌308 از لحاظ صفات تاریخ 50 درصد گلدهی، عملکرد زیست‌توده، شمار شاخۀ فرعی، شمار غلاف در شاخۀ فرعی و شمار کل غلاف در بوته؛ ژنوتیپ لیکورد و زرفام از لحاظ صفت وزن هزاردانه و ژنوتیپ هایولا‌401از لحاظ صفت طول غلاف بهترین ژنوتیپ‌ها بودند. مقایسۀ ژنوتیپ‌ها بر پایۀ عملکرد با استفاده از نمودار دووجهی ژنوتیپ × محیط نشان داد که هایولا‌308 بیشترین عملکرد و پس از آن لیکورد، زرفام، اکاپی، مودنا عملکرد بالایی داشتند. هایولا‌401، SLM046، ساری گل و اپرا کمترین عملکرد را داشتند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Identification of superior genotypes of Rapeseed by GTBiplot and GGEBiplot methodology in normal and stressed conditions

نویسنده [English]

  • Mohammad Zabet
Assistant of Professor, Department of Agronomy and Plant Breeding, Faculty of Agriculture, University of Birjand, Iran
چکیده [English]

The objective of this study was to investigate the stability of rapeseed genotypes using GTBiplot and GGEBiplot in two normal and stress conditions. The experiment was conducted in a randomized complete block design with three replications and ten treatments in the research field of Birjand University in 2012-2013. The GTBiplot explained %59.31, %62.33 and %62.01 of total variation of the standard data in normal, stress, and both, respectively. The most of variation was explained by GTBiplot caused by seed and biological yield, number of seeds per pod and number of pods per main branch in normal environment. The most of variation was explained by GTBiplot caused by seed yield, harvest index, pod length, number of auxiliary branches and number of pods per plant in stress condition.  The most of variation was explained by GTBiplot caused by seed yield, pod length, number of pods per auxiliary branch and the total of pods per plant in normal and stress conditions. According to GTBiplot polygon it was revealed that the Hay-308 genotype in view of day to 50% flowering, biological yield, number of auxiliary branches, number of pods per auxiliary branch and number of pods per plant was the best genotypes in normal and stress conditions.  Licord and Zarfam genotypes had the most of 1000-seed weight. Hay-401 genotype had the most of pod length. Genotypes comparison using Biplot cleared that the Hay-308 had the highest yield. The Hay-401, SLM046, Sarigol and opera genotypes had the lowest yield. The other genotypes had high yield.

کلیدواژه‌ها [English]

  • Bi Plot
  • graphical
  • rapeseed
  • yield
Cooper, M. & Hammer, G. L. (1996). Plant adaptation and crop improvement. CAB International/ IRRI/ICRISAT, Wallingford, Oxon, UK.
Dehghani, H., Omidi, H. & Sabaghnia, N. (2008). Graphic analysis of trait relations of Rapeseed using the Biplot method. Agronomy Journal, 100(100), 1443-1449.
Escobar, M., Berti, M., Matus, I., Tapia, M. & Johnson, B. (2011). Genotype × environment interaction in Canola (Brassica napus L.), seed yield in Chile. Chilean Journal of Agricultural Research, 71(2), 175-186.
Faramarzi, A., Saleh Pile Rod, F., Mostefaei, H. & Mardan, R. (2010). Evaluation and comparison of 17 promising genotypes of spring canola under dry land conditions in the Meyaneh. 3th International Seminar oilseeds and edible oils. Tehran, pp.139-144.
Gabriel, K. R. (1971). The Biplot graphic display of matrices with application to principal component analysis. Biometrika, 58, 453-467.
Gunasekera, C. P., Martin, L. D., Siddique, K. H. M. & Walton, G. H. (2006). Genotype by Environment interactions of Indian mustard (B. juncea L.) and canola (B. napus L.) in Mediterranean-type environments: 1. Crop growth and seed yield. European Journal of Agronomy, 25(1), 1-12.
Kang, M. S. (1990). Genotype-by-environment interaction and plant breeding. Louisiana State University Agriculture Center, Baton Rouge, Louisiana. pp. 261-272.
Kang, M. S. & Gauch, H. G. (1996). Genotype-by-environment interaction. CRC. Press, Boca Raton, Florida, pp. 199-234.
Mostafavi, KH., Mohammadi, A., Khodarahmi, M. & Zabet, M. (2011). Response study of canola cultivars to multi-environments using genotype plus genotype environment interaction (GGE) Biplot method in Iran. African Journal of Biotechnology, 10(53), 10877-10881.
Ozoni, D. A. & Esfahani, M. (2009). Relationships between yield and related traits in Rapeseed (Brassica napus L.). 1th National Conference on Oilseeds, Esfahan, Iran, pp.130-135. (in Farsi)
Sabaghnia, N., Dehghani, H., Alizadeh, B. & Moghaddam, M. (2011).Yield analysis of Rapeseed under water-stress conditions using GGE Biplot methodology. Journal of Crop Improvement, 5, 26-45.
Yan, W. (1999). Methodology of cultivar evaluation based on yield trial data with special reference to winter wheat in Ontario. Ph. D Thesis, University of Guelph, Guelph, ON, Canada.
Yan, W. & Wallace, D. H. (1995). Breeding for negatively associated traits. Plant Science, Plant Breeding Review, 13, 141-177
Yan, W. & Rajcan, I. (2002). Biplot Analysis of test sites and trait relations of Soybean in Ontario. Crop Science, 42, 11-20.
Yan, W., Hunt, L. A., Sheng, Q. & Szlavnics, Z. (2000). Cultivar evaluation and mega environment investigation based on the GGEBiplot. Crop Science, 40, 597-605.
Yan, W., Kang, M., Ma, B., Woods, S. & Cornelius, P. (2007). GGE Biplot vs. AMMI analysis of genotype by environment data. Crop Science, 47, 643-653.