Path analysis of effective traits on oil and protein yield in sesame genotypes under different moisture conditions and mycorrhiza utilization

Document Type : Research Paper

Authors

1 Associate Professor, Department of Agronomy, Payame Noor University, Tehran, Iran

2 Professor, Department of Plant Breeding and Biotechnology, Urmia University, Urmia, Iran

Abstract

To determine the traits affecting oil and protein yield and selection of suitable sesame cultivars under inoculum conditions and lack of inoculation with mycorhizal fungi and different levels of irrigation, an experiment was conducted as factorial-split plot design with three replications in research farm of Agricultural Research Center (Saatloo station of Urmia) during 2015 -2016 cropping seasons. The main plots consisted of factor A: three different levels of irrigations (normal irrigation: irrigation after 70 mm evaporation of crop or ETc, moderate drought stress: irrigation after 90 mm ETc and severe drought stress: irrigation after 110 mm ETc) and factor B: three levels of inoculation: two kinds of mycorrhizal fungi Glomus mosseae, Glomus intraradices and non-inoculated (control). Sub plots (factor C) consisted of eight commercial cultivars of sesame. In stepwise regression analysis, regarding oil and protein yield as response variables, in addition to grain yield and oil percentage and protein percentage, different traits were introduced under different conditions of mycorrhiza and water stress conditions. In path analysis (traits entered on the model included seed yield, oil percentage, seeds per square, protein percentage, capsules per plant, seeds per capsule, biological yield, protein yield, 1000-seed weight, oil yield, number of branches, plant height, stem diameter and root colonization) under different experimental conditions, the highest direct effect on oil and protein yield was obtained from oil percentage and protein percentage, respectively. Based on cluster analysis results, the "Darab 2" and "Darab 14" cultivars are suitable for cultivation in different conditions. Also, it sems that seed yield and oil percentage traits to achieve high oil yield and seed yield and protein percentage traits as selective indices to achieve high protein yield suitable.

Keywords

Full Text

مقدمه

کنجد (Sesamum indicum L.) گیاه دانه­روغنی مهمی است که روغن آن در مقایسه با سایر روغن­های گیاهی از ارزش تجاری و تغذیه­ای بالایی برخوردار است. این گیاه همچنین دارای پروتئین بالا است و غنی از میتیونین و تریپتوفان و آمینواسیدهایی است که به ندرت در دیگر منابع پروتئینی یافت می­شوند (Lal et al., 2016). سطح زیر کشت، میزان تولید و عملکرد دانه کنجد در جهان به ترتیب 5/10 میلیون هکتار، 11/6 میلیون تن و 577 کیلوگرم در هکتار است سطح زیر کشت، میزان تولید و عملکرد دانه کنجد در ایران به ترتیب 3/62 هزار هکتار، 1/56 هزار تن و 901 کیلوگرم بر هکتار می­باشد (FAO, 2016).

با استفاده از تجزیه علیت، امکان شناسایی آثار مستقیم و غیر مستقیم صفات مرتبط با عملکرد وجود دارد (Kumar et al., 2013). در گلرنگ در شرایط عدم تنش خشکی، عملکرد بیولوژیک (99/0) و شاخص برداشت (90/0) بود و در شرایط تنش در زمان گلدهی، وزن 1000 دانه (82/1) و در شرایط تنش در زمان دانه­بندی، شاخص برداشت (60/1)، بیشترین اثر مستقیم را بر عملکرد دانه گلرنگ داشتند (Yari & Keshtkar, 2016 ).

براساس نتایج رگرسیون گام به گام در گیاه گلرنگ، تعداد دانه در طبق و تعداد طبق در بوته، بیشترین سهم را در توجیه تغییرات عملکرد دانه داشتند (Amini et al., 2008). محققان در کلزا نشان دادند که صفت تعداد غلاف در بوته، بیشترین اثر مستقیم را بر عملکرد دانه دارد (Nouryan et al., 2008). در رگرسیون گام به گام و تجزیه علیت در سویا مشخص شد که وزن صد دانه، تعداد غلاف در گیاه، تعداد دانه در غلاف و تعداد دانه در گیاه، بیشترین تأثیر را بر عملکرد دانه دارند (Ghorbanzadeh Neghab, 2015). یافته­های محققان نشان داد که در شرایط بدون تنش، صفات وزن 1000 دانه و قطر ساقه، دارای اثر مستقیم روی عملکرد دانه در گلرنگ بودند در حالی که در شرایط تنش خشکی، وزن دانه در بوته و وزن 1000 دانه، بیشترین اثر مستقیم را نشان داشتند (Hosseini, 2016). در پژوهش دیگری بر روی ژنوتیپ­های گلرنگ مشخص شد که تعداد دانه در بوته و وزن 1000 دانه، بالاترین تاثیر مستقیم را بر عملکرد دانه دارد و تعداد غلاف در بوته، بالاترین اثر غیرمستقیم را از طریق تعداد دانه در بوته بر عملکرد دانه داشت (Azeez & Morakinyo, 2011). محققان نشان دادند که زیست‌توده، تعداد طبق در بوته، تعداد دانه در طبق و درصد روغن، 98 درصد تغییرات عملکرد دانه گلرنگ را توجیه می­کند
(Salamati, 2012). در نتایج سایر محققان نیز صفت عملکرد دانه، بیشترین اثر مستقیم مثبت را بر عملکرد روغن کلزا نشان داده است (Marjanovic-Jeromela et al., 2007). Hamzehpour et al  (2017) اعلام کردند که بر اساس نتایج رگرسیون گام به گام، سه صفت عملکرد پروتئین، درصد پروتئین و عملکرد روغن، در مجموع 95 درصد از تغییرات عملکرد دانه را توجیه می­کنند. Balesini et al (2006) نشان دادند که سه صفت تعداد دانه در خورجین، درصد روغن و تعداد کل خورجین، عمده­ترین صفات تبیین کننده عملکرد روغن در گیاه کلزا در شرایط تنش خشکی می­باشند. نتایج تجزیه علیت و رگرسیون گام به گام نشان داد که میزان پروتئین دانه و تعداد روز از جوانه­زنی تا شروع گلدهی، دارای اثر مستقیم منفی و وزن 100 دانه، دارای اثر مستقیم مثبت روی عملکرد روغن در گیاه سویا بودند. تعداد شاخه و تعداد کپسول در هر گیاه می­توانند شاخص­های خوبی برای عملکرد دانه در گیاه کنجد باشند (Bharathi Kumar & Vivekanandan, 2009). تجزیه علیت نشان داد که تعداد دانه در هر کپسول در گیاه کنجد، بیشترین اثر مستقیم را بر عملکرد دانه داشت (Daniya et al., 2013). در تحقیق دیگری، عملکرد دانه، بیشترین اثر مثبت مستقیم را بر عملکرد روغن در گیاه کنجد داشت (Thiyagu et al., 2007).

 این تحقیق با هدف شناسایی صفاتی که دارای بیشترین تأثیر بر عملکرد روغن و پروتئین در شرایط مختلف تنش رطوبتی، و تلقیح و عدم تلقیح با قارچ­های میکوریزا داشتند انجام گرفت.

 

مواد و روش­ها

آزمایش به صورت طرح فاکتوریل- اسپلیت پلات با سه تکرار اجرا شد. کرت­های اصلی شامل ترکیب عاملA  یعنی سه سطح مختلف آبیاری (آبیاری نرمال: آبیاری بعد از 70 میلیمتر تبخیر و تعرق گیاه یا (ETc)، تنش ملایم: آبیاری بعد از  90 میلیمتر تبخیر و تعرق گیاه یا (ETc) و تنش شدید: آبیاری بعد از  110 میلیمتر تبخیر و تعرق گیاه یا (ETc)) و عامل B یعنی سه سطح تلقیح با قارچ میکوریزا Glomus mosseae، تلقیح با قارچ میکوریزا Glomus intraradices و عدم تلقیح بودند. کرت­های فرعی در برگیرنده عامل C شامل هشت رقم تجاری کنجد به نام­های  ناز تک شاخه،  ناز چند شاخه، دشتستان پنج، دشتستان دو،  داراب دو،  داراب 14، هلیل و پال بود. از هر یک از قارچ­های G. mosseae و intraradices G. ، مخلوطی از اسپور (20 اسپور در هر گرم مایه تلقیح)، هیف و قطعات جدا شده ریشه­های آلوده به عنوان تلقیح کننده (10 گرم مایه تلقیح در هر کپه) در عمق دو سانتی­متری زیر هر بذر استفاده شد. هر کرت دارای چهار خط کاشت به طول چهار متر بود. کاشت به صورت جوی و پشته،با فاصله ردیف 50 و فاصله بوته 15 سانتی­متر و با تراکم 133333 بوته در هکتار انجام گرفت. در هنگام کاشت، در هر کپه سه عدد بذر قرار داده شد که بعدا در مرحله دو تا چهار برگی، بوته­های اضافی تنک شدند. تا مرحله دو تا چهار برگی و استقرار کامل گیاه، همه تیمارها به طور یکسان آبیاری شدند و بعد از این مرحله، سطوح مختلف تنش خشکی اعمال شد. اولین آبیاری حدود 10 روز بعد از کاشت انجام شد. فاصله هر کرت فرعی از کرت فرعی دیگر به صورت یک خط نکاشت و فاصله میان هر دو کرت اصلی دو متر در نظر گرفته شد. بنابراین مساحت هر کرت فرعی و اصلی به‌ترتیب 10 و 96 مترمربع و مساحت کل قطعه آزمایشی با احتساب فواصل بین واحد‌های آزمایشی و کانال‌های آبیاری در حدود 3000 متر مربع بود. این تحقیق در دو سال زراعی 1394 و 1395 و در مزرعه تحقیقاتی ساعتلوی مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان غربی، با طول جغرافیایی 45 درجه و دو دقیقه شرقی، عرض جغرافیایی 37 درجه و 44 دقیقه شمالی و ارتفاع 1352 متر از سطح دریا واقع، در 25 کیلومتری ارومیه اجرا شد. این ایستگاه  از نظر اقلیمی، جزو مناطق خشک و نیمه خشک محسوب می شود. با توجه به آمار هواشناسی بلند مدت در ارومیه، متوسط بارندگی سالیانه 390 میلیمتر، متوسط دما 3/11 درجه سانتیگراد و میانگین رطوبت نسبی 75 درصد می­باشد. خاک محل آزمایش دارای بافت لوم - لوم رسی، pH حدود هشت و Ec حدود 5/1 دسی زیمنس بر متر بود که برای کشت کنجد مشکلی را ایجاد نمی­کرد. در سال 1394، بذرها در تاریخ 20 اردیبهشت ماه و در سال 1395 در تاریخ 13 اردیبهشت ماه، به طریقه هیرم­کاری کشت شدند. بذرها پیش از کاشت با بنومیل دو در هزار ضدعفونی شدند. وجین علف‌های‌هرز به صورت دستی، در دو مرحله 20 و 40 روز بعد از کاشت انجام گرفت. در طی رشد گیاه، بیماری و آفت خاصی در مزرعه مشاهده نشد. جهت تعیین ظرفیت زراعی[1]، نقطه پژمردگی دائم[2]و وزن مخصوص ظاهری خاک محل مورد آزمایش، ابتدا از عمق 30-0 سانتی­متری خاک مزرعه با سیلندرهای هفت سانتی­متری، دو نمونه خاک دست نخورده از چند نقطه مزرعه به تصادف برداشت شد و به آزمایشگاه بخش فنی و مهندسی مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان­ غربی منتقل شد. سپس نمونه­ها را در آونی با دمای 105 درجه سانتی­گراد به مدت 24 ساعت قرار داده شدند و بلافاصله پس از در آوردن از آون، با ترازوی دقیق وزن شدند تا از آن برای تعیین وزن مخصوص ظاهری استفاده شود. مقداری از خاک دست نخورده (از هر نمونه سه تکرار) نیز در داخل دستگاه صفحات فشاری[3] روی صفحات 3/0 و 15 اتمسفری، در ظروف دایره­ای شکل قرار داده شدند و سپس خاک داخل صفحات فشاری، به نقطه اشباع رسانده شد و پس از تنظیم فشار دستگاه روی 3/0 و 15 اتمسفر، موتور دستگاه روشن شد و این فشار تا مدتی که کاملاً آب خروجی از شلنک کناری قطع شود ادامه داشت. پس از خاموشی دستگاه، دکمه فشار آن بسته شد و تا زمان کم شدن فشار داخل محفظه، در دستگاه بسته ماند. سپس مقداری از نمونه­های تحت فشار 3/0 و 15 اتمسفر در ظروف قرار داده شدند و به آون منتقل شدند و بعد از 24 ساعت که کاملا آب آن‌ها خارج شده بود، از آون خارج شدند و فورا با ترازوی دقیق وزن شدند و در نهایت وزن مخصوص ظاهری، ظرفیت زراعی و نقطه پژمردگی دائم به ترتیب برابر با 37/1، 25 و 12 محاسبه شد.

معادله1 

      

در این معادله: RAW ، آب سهل­الوصول بر حسب میلی­متر؛ FC ، ظرفیت زراعی؛ PWP ، نقطه پژمردگی دایم؛ ، وزن مخصوص ظاهری؛ D، عمق توسه ریشه بر حسب میلی­متر و MAD ، ضریب آب سهل­الوصول است.

در خاک لوم-لوم رسی، ظرفیت زراعی، نقطه پژمردگی دایم و وزن مخصوص ظاهری خاک به ترتیب 25، 12 و 37/1 می باشد. عمق توسعه ریشه در کنجد 600 میلی متر در نظر گرفته شد و ضریب آب سهل الوصول یا F یا  MAD یا θ می باشد.

معادله 2   

در این معادله، MAD ، ضریب آب سهل الوصول همان آب قابل استفاده است که بین ظرفیت زراعی و نقطه پژمردگی دایم قرار گرفته است. این ضریب در آبیاری مطلوب، تنش ملایم و تنش شدید به‌ترتیب 65/0،8/0 و 95/0 در نظر گرفته شد. در شرایط آبیاری مطلوب، تنش ملایم و تنش شدید خشکی، آب سهل الوصول یا RAW  به ترتیب برابر 70، 85 و 100 میلیمتر به‌دست آمد که معادل تبخیر و تعرق گیاه یا ETc در نظر گرفته شد.

 معادله 3   

     

 معادله 4

در این معادلات:ETo ، تبخیر و تعرق پتانسیل گیاه؛ ETp ، تبخیر و تعرق تشتک تبخیر؛ Etc، تبخیر و تعرق گیاه؛ Kc ، ضریب گیاهی کنجد و Kp ، ضریب تشتک تبخیر است.

به منظور محاسبه میزان آبیاری واحدهای آزمایشی، از روش WSC[4] (Chamberlain, 1952) فلوم تیپ سه استفاده شد. در موقع برداشت و برای حذف اثر حاشیه، ردیف­های کناری و نیم متر از ابتدا و انتهای هر ردیف حذف شد. درصد روغن با دستگاه سوکسله (A.O.A.C., 1990) و درصد پروتئین با دستگاه کجلدال مدل v40 اندازه­گیری شد. در این روش، درصد نیتروژن محاسبه شد و سپس در عدد 25/6 ضرب شد. عملکرد روغن از حاصل ضرب درصد روغن در عملکرد دانه و عملکرد پروتئین از حاصل ضرب درصد پروتئین در عملکرد دانه محاسبه شد. برای تعیین درصد کلونیزاسیون ریشه، در مرحله انتهایی رشد، ریشه 10 بوته از هر تیمار به‌طور تصادفی برداشت شدند و پس از شستن ریشه­ها، حدود یک گرم از ریشه­های ظریف و ریز در محلول FAA (13 میلی لیتر فرمالدئید غلیظ + پنج میلی­لیتر اسید استیک غلیظ + 90 میلی لیتر اتانول 50%) قرار داده شدند تا نمونه­ها تثبیت شوند. برای رنگ­آمیزی، ریشه­ها با آب معمولی شسته شدند و سپس قطعات ریشه (به طول یک سانتی­متر) در داخل KOH 10% و به مدت یک ساعت، در دمای 90 درجه سانتی­گراد قرار گرفتند. پس از سرد شدن، ریشه­ها پس از شسته شدن، به مدت سه دقیقه در اسید کلردیک یک ئرصد گذاشته شدند و سپس روی آن‌ها محلول رنگی (ترپان بلو 05/0 درصد) اضافه شد و به ­مدت 15 دقیقه در دمای 90 درجه سانتیگراد قرار داده شدند. سپس محلول رنگی خالی شد و پس از آن محلول رنگ­زدایی لاکتوگلیسرول (یک به یک به یک اسید لاکتیک، گلیسرول، آب) به آن‌ها اضافه شد و به مدت یک ساعت در دمای 100 درجه سانتی­گراد در داخل حمام آب قرار داده شدند. پس از آن برای مشاهده در زیر میکروسکوپ نوری، ریشه­ها به پتری‌دیش­های حاوی 50% گلیسرول منتقل شدند. محلول، رنگ را از روی تمام مواد رنگی  بافت ریشه به جز اندام­های قارچی خارج می‌کند و در نتیجه اندام‌های قارچی در داخل و خارج ریشه،  به طور مشخصی به رنگ آبی دیده می­شوند (Philips & Hayman, 1970). برای تعین درصد کلونیزاسیون ریشه­ها از روش تلاقی خطوط مشبک استفاده شد؛ در این روش، کاغذ شطرنجی به پشت یک پتری دیش چسبانده شد و تعدادی از ریشه­های رنگ آمیزی شده، به‌طور تصادفی در داخل پتری دیش قرار داده شد. سپس زیر لوپ آزمایشگاهی، میزان هم­زیستی ریشه بر حسب طول ریشه کلنی شده تعیین شد. بدین ترتیب که از سمت چپ، تعداد مناطقی از ریشه که با خطوط افقی و عمودی برخورد نموده­اند شمارش شدند و سپس نواحی که رنگ آبی پر رنگ بودند نیز به همین روش شمارش شدند. از تقسیم تعداد نقاط آبی رنگ بر تعداد کل برخوردها، درصد طول ریشه کلونیزه شده تخمین زده شد. این عمل برای تمام تیمارها با سه تکرار انجام شد (Giovannetti & Mosse, 1980).

تجزیه رگرسیون گام به گام و علیت در هر یک از شرایط محیطی، با استفاده از نرم افزارهای SPSS 20 و Path2 و نیز تجزیه خوشه­ای ژنوتیپ­ها در هریک از شرایط محیطی بعد از استاندارد کردن داده­ها، با نرم افزار  Minitab 16 انجام گرفت.

 

نتایج و بحث

تجزیه رگرسیون گام به گام

خلاصه نتایج تجزیه واریانس صفات در جدول 1 ارائه شده است. در تجزیه رگرسیون، عملکرد روغن و پروتئین به­طور جداگانه به‌عنوان متغیرهای وابسته و صفات عملکرد دانه، عملکرد بیولوژیک، وزن 1000 دانه، تعداد کپسول در هر بوته، تعداد دانه در هر کپسول، تعداد دانه در مترمربع، تعداد شاخه فرعی، ارتفاع بوته، قطر ساقه، کلونیزاسیون ریشه، درصد روغن و درصد پروتئین به عنوان متغیرهای مستقل در نظر گرفته شدند.

برای عملکرد روغن در تیمار آبیاری مطلوب و بدون تلقیح با قارچ میکوریزا، عملکرد دانه اولین صفتی بود که در مدل وارد شد. درصد روغن و تعداد دانه در مترمربع، صفات بعدی بودند که در مدل قرار گرفتند . در تیمار آبیاری مطلوب و تلقیح با میکوریزای
G. mosseae، در گام چهارم درصد پروتئین هم در مدل قرار گرفت. در تیمار آبیاری مطلوب و تلقیح با
G. intraradices، در گام اول عملکرد دانه تاثیر گذار بود و در گام­های بعدی، به ترتیب صفات درصد روغن، تعداد دانه در مترمربع، تعداد کپسول در هر بوته و تعداد دانه در هر کپسول وارد مدل شدند. در تیمار تنش خشکی ملایم و بدون تلقیح با میکوریزا، صفاتی که در گام­های مختلف وارد مدل شدند، عملکرد دانه، درصد روغن و تعداد دانه در مترمربع بودند. در تیمار تنش خشکی ملایم و تلقیح با G. mosseae، صفات وارد شده از گام اول تا گام پنجم به ترتیب عملکرد دانه، درصد روغن، وزن 1000 دانه، عملکرد پروتئین و عملکرد بیولوژیک بودند. در تیمار تنش خشکی ملایم و تلقیح با G. intraradices، صفات مشابه تیمار تیمار تنش خشکی ملایم و تلقیح با G. mosseae، به‌غیر از عملکرد بیولوژیک در معادله رگرسیونی قرار گرفتند. در تیمارهای تلقیح و عدم تلقیح با میکوریزا در شرایط تنش خشکی شدید، در دو گام، صفات عملکرد دانه و درصد روغن در معادله قرار گرفتند (جدول 2). سایر محققان نیز نشان دادند عملکرد روغن به‌وسیله عملکرد دانه و درصد روغن توجیه شد که با نتایج این تحقیق مطابقت داشت (Qavami et al., 2012). در تحقیق Rabiee et al (2011) رگرسیون گام به گام نشان داد که صفات عملکرد دانه و درصد روغن و روز تا گلدهی، بیشترین تاثیر را بر عملکرد روغن کلزا داشتند و 99 درصد از تغییرات عملکرد روغن را توجیه کردند (Rabiee et al., 2011).

در سایر آزمایش­ها گزارش شده است که برای عملکرد روغن، صفات عملکرد بیولوژیک، تعداد غوزه، تعداد شاخه فرعی و تعداد دانه در غوزه در مدل وارد شد و 83 درصد تغییرات عملکرد روغن، توسط صفات وارده توجیه شد (Omidi Tabrizi, 2002). Golparvar & Ghasemi Pirbalouti (2012) نشان دادند در شرایط آبیاری معمول، صفات وزن 1000 دانه، روز تا رسیدگی فیزیولوژیک و تعداد دانه در گیاه، به‌ترتیب وارد مدل شدند و 88 درصد از تغییرات عملکرد روغن را به خود اختصاص دادند. همچنین صفات وزن 1000 دانه و تعداد دانه در گیاه، بهترین شاخص­ها برای بهبود ژنتیکی عملکرد روغن ارقام گلرنگ بهاره در شرایط تنش خشکی بودند. یافته­های ما در این تحقیق با نتایج سایر محققان مطابقت داشت (Mozaffari & Asadi, 2006; Arsalan, 2007).

 

جدول 1- تجزیه واریانس صفات مورد مطالعه در کنجد در شرایط مختلف رطوبتی و استفاده از میکوریزا در دو سال

Table 1. Variance analysis of studied traits under different moisture conditions and mycorrhiza utilization in two years

Mean square

 

 

Oil yield

Number of branches

Plant height

Stem diameter

Root colonization

1000-seed weight

Protein yield

Biological yield

Number of seeds per capsule

Number of capsules per plant

Protein percentage

Number of seeds per square meter

Oil percentage

Seed yield

df

Source of variation

10452.14 **

11.51 **

3325.22 **

1.96 **

1.86 **

0.69 **

2622.90 **

323842.42 **

8.36 **

263.65 **

54.02 **

343492.92 **

48.48 **

51871.92 **

1

Year (Y)

99.29

3.72

232.49

0.43

0.144

0.14

41.65

173643.75

2.93

14.38

1.80

22479.92

0.45

603.52

4

Block/year

17316.52 **

15.72 **

16781.45 **

2.91 **

1.72 **

4.84 **

4612.75 **

650440.97 **

130.76 **

175.01 **

56.38 **

533534.39 **

200.24 **

85338.44 **

2

Irrigation (I)

592.99 **

0.43 ns

518.75 **

0.046 **

0.00081 **

0.05 ns

118.99 **

17021.030 ns

0.40 ns

3.69 **

2.94 **

43.34 ns

8.95 **

2306.90 **

2

Year × irrigation

5801.41 **

16.54 **

8930.01 **

1.46 **

4.84 **

4.06 **

2023.84 **

314531.36 **

59.94 **

113.52 **

72.24 **

296568.16 **

81.57 **

29405.81 **

2

Mycorrhizal (M)

648.25 **

0.65 **

418.67 **

0.0022 ns

0.0374 **

0.00 ns

194.59 **

11559.30 ns

0.02 ns

2.99 ns

0.0027 ns

864.39 ns

0.00 **

3258.31 **

2

Y × M

224.57 **

0.09 ns

8.43 ns

0.0009 ns

0.0148 **

0.02 ns

76.32 **

3608.13 ns

0.28 ns

0.106 ns

7.55 **

1572.82 ns

0.91 *

905.40 **

4

I × M

16.99 ns

0.12 ns

18.23 ns

0.0023 ns

0.0028 **

0.00 ns

4.52 ns

377.94 ns

0.00046 ns

0.14 ns

0.0028 ns

190.61 ns

0.00 ns

60.33 ns

4

Y × I × M

3.13

0.19

79.50

0.015

0.00265

0.01

2.003

2630.11

0.48

1.13

1.41

1852.73

0.19

16.99

32

Error a

17727.43 **

5.78 **

4705.68 **

0.87 **

0.418 **

3.72 **

5555.85 **

814383.93 **

22.24 **

151.91 **

0.84 **

283481.22 **

0.50 ns

96179.62 **

7

Cultivar (C)

986.19 **

0.50 **

468.44 **

0.092 **

0.0010 ns

0.00 ns

263.38 **

56704.68 **

0.0091 ns

8.71 **

0.0028 ns

10742.09 **

0.00 ns

5010.10 **

7

Y × C

161.91 **

0.14 ns

11.25 ns

0.0037 ns

0.041 **

0.01 ns

54.11 **

4236.62 ns

0.095 ns

0.104 ns

0.69 **

1198.48 ns

0.54 ns

761.41 **

14

M × C

53.54 **

0.12 ns

13.92 ns

0.0018 ns

0.00030 ns

0.00 ns

16.86 **

1662.29 ns

0.00022 ns

0.15 ns

0.0029 ns

207.90 ns

0.00 ns

275.07 **

14

Y × M × C

1323.39 **

0.21 ns

58.27 **

0.039 **

0.00399 **

0.03 **

370.56 **

28319.46 **

0.35 **

1.29 *

1.47 **

4351.50 **

0.97 **

6497.26 **

14

I × C

82.06 **

0.15 ns

23.21 ns

0.015 ns

0.00021 ns

0.00 ns

23.06 **

2976.23 ns

0.00020 ns

0.94 ns

0.0029 ns

13050.03 ns

0.00 ns

419.76 **

14

Y × I × C

18.11 **

0.07 ns

8.088 ns

0.0031 ns

0.00102 **

0.0072 ns

5.72 **

181.31 ns

0.038 ns

0.07 ns

0.479 **

91.70 ns

0.43 ns

82.62 **

28

I × M × C

13.25 ns

0.08 ns

5.37 ns

0.0023 ns

0.000035 ns

0.00 ns

4.39 ns

219.03 ns

0.000044 ns

0.06 ns

0.0029 ns

68.93 ns

0.00 ns

70.79 ns

28

Y × I × M × C

7.45

0.13

30.94

0.0096

0.000473

0.01

2.58

4744.85

0.10

0.70

0.26

953.41

0.35

41.004

252

Error b

11.63

21.18

10.60

16.32

3.83

6.50

12.29

35.26

4.53

13.31

2.16

14.79

1.41

11.71

-

CV. (%)

ns، * و ** به ترتیب نشان دهنده غیر معنی‌دار و معنی دار در سطح پنج و یک درصد می باشند.  

 

**, * and ns show significant at 1% and 5% of probability levels and non-significant, respectively.

 

جدول 2- تجزیه رگرسیونی عملکرد روغن به عنوان متغیر وابسته و دیگر صفات به عنوان متغیر مستقل در ارقام کنجد در شرایط مختلف رطوبتی و استفاده از میکوریزا در دو سال

Table 2. Stepwise regression of oil yield as the response and other traits as predictors in sesame cultivars under different moisture conditions and mycorrhiza utilization in two years

Condition

Step Number

Regression equation

Durbin- Watson

I1M1

Step 3

Y=-20.73 +0.435 (SY) + 0.484 (OP) + 0.000459 (SS)

1.61

I1M2

Step 4

Y= -46.108 +0.448 (SY) + 0.798 (OP) - 0.00000657 (SS) + 0.455 (PP)

1.57

I1M3

Step 5

Y= -38.613 +0.447 (SY) + 0.779 (OP) - 0.00003353 (SS) + 0.041 (CP) + 1.851 (TSW)

1.995

I2M1

Step 3

Y= -16.89 +0.417 (SY) + 0.407 (OP) - 0.000002366 (SS)

2.16

I2M2

Step 5

Y= -20.67 +0.39 (SY) + 0.516 (OP) - 0.666 (TSW) + 0.174 (PY) - 0.001 (BY)

2.05

I2M3

Step 5

Y= -20.21 +0.389 (SY) + 0.497 (OP) + 0.002 (BY) - 0.709 (TSW) + 0.154 (PY)

2.15

I3M1

Step 2

Y= -11.11 + 0.405 (SY) + 0.274 (OP)

1.85

I3M2

Step 2

Y= -13.96 + 0.416 (SY) + 0.335 (OP)

2.36

I3M3

Step 2

Y= -15.59 + 0.423 (SY) + 0.369 (OP)

2.19

I1، I2 و I3: به ترتیب تیمارهای آبیاری مطلوب، تنش ملایم و تنش شدید خشکی 

M1، M2 و M3: به ترتیب تیمارهای بدون میکوریزا، میکوریزا G. mossae  و میکوریزا G. intraradices

SY، OP، SS، PP،CP، SC، BY و TSW: به ترتیب عملکرد دانه، درصد روغن، تعداد دانه در مترمربع، درصد پروتئین، تعداد کپسول در بوته، تعداد دانه در کپسول، عملکرد بیولوژیک و وزن 1000 دانه

I1,I2andI3:  Optimum irrigation, moderate drought stress and severe drought stress, respectively

M1,M2andM3:  Non mycorrizal, G. mossae and G. intraradices, respectively

SY, OP, SS, PP, CP, SC, BY and TSW: Seed yield, oil percentage, seeds per square meters, protein percentage, capsules per plant, seeds per capsule, biological yield and 1000-seed weight, respectively.

 

 

برای عملکرد پروتئین در تیمار آبیاری مطلوب و بدون تلقیح با قارچ میکوریزا، عملکرد دانه اولین صفتی بود که در مدل وارد شد. درصد پروتئین و تعداد دانه در کپسول صفات بعدی بودند که در مدل قرار گرفتند . در تیمار آبیاری مطلوب و تلقیح با میکوریزای G. mossae ، عملکرد بیولوژیک هم در گام سوم در مدل قرار گرفت. در تیمار آبیاری مطلوب و تلقیح با G. intraradices، عملکرد دانه در گام اول تاثیر گذار بود و در گام­ دوم، صفت درصد پروتئین وارد مدل شد. در تیمار تنش خشکی ملایم و بدون تلقیح با میکوریزا، صفات عملکرد دانه، درصد پروتئین، عملکرد بیولوژیک، تعداد دانه در مترمربع، تعداد کپسول در هر بوته، عملکرد روغن و تعداد شاخه فرعی در گام­های مختلف وارد مدل شدند. در تیمار تنش خشکی ملایم و تلقیح با میکوریزای G. mossae ، صفات وارد شده از گام اول تا گام پنجم، به‌ترتیب عملکرد دانه، درصد پروتئین، عملکرد بیولوژیک، تعداد دانه در مترمربع و تعداد شاخه فرعی بودند. در تیمار تنش خشکی ملایم و تلقیح با
G. intraradices، صفات عملکرد دانه، درصد پروتئین و ارتفاع بوته در معادله رگرسیونی قرار گرفتند. در تیمار تنش خشکی شدید و بدون تلقیح با میکوریزا، صفات عملکرد دانه، درصد پروتئین، تعداد کپسول در هر بوته، عملکرد روغن و درصد کلونیزاسیون ریشه در معادله قرار گرفتند. در تیمار تنش خشکی شدید و تلقیح با
G. mossae، صفات عملکرد دانه، درصد پروتئین و عملکرد بیولوژیک وارد مدل رگرسیونی شدند. در تیمار تنش خشکی شدید و تلقیح با G. intraradices، صفات عملکرد دانه، درصد پروتئین، ارتفاع بوته و درصد کلونیزاسیون ریشه بر عملکرد پروتئین موثر بودند و در معادله رگرسیونی قرار گرفتند (جدول 3). نتایج این پژوهش با نتایج سایر محققان مطابقت داشت (Bagheri et al., 2001).

تجزیه علیت برای عملکرد روغن

در تیمار آبیاری مطلوب و بدون تلقیح با قارچ میکوریزا، صفت عملکرد دانه، بیشترین اثر مستقیم را روی عملکرد روغن، به داشت و بیشترین اثر غیر مستقیم بر عملکرد روغن، به تعداد دانه در مترمربع و عملکرد دانه تعلق داشت (جدول 4)؛ بنابراین جهت تاثیر مثبت تعداد دانه در مترمربع روی عملکرد روغن، باید عملکرد دانه را هم در نظر گرفت. در شکل 1، نمودار تجزیه علیت تحت شرایط مختلف آزمایش برای عملکرد روغن ارائه شده است.

در تیمار آبیاری مطلوب و تلقیح با میکوریزای
G. mossae، بیشترین اثر مستقیم روی عملکرد روغن، از عملکرد دانه به‌دست آمد؛ بنابراین جهت افزایش عملکرد روغن در شرایط آبیاری مطلوب (زمانی که قارچ G. mossae به خاک اضافه شده باشد) باید عملکرد دانه را افزایش داد. حداکثر اثرات غیر مستقیم روی عملکرد روغن از صفات تعداد دانه در مترمربع با عملکرد دانه حاصل شد. در تیمار آبیاری مطلوب و تلقیح با
G. intraradices، بیشترین اثر مستقیم روی عملکرد روغن به صفت عملکرد دانه مربوط بود؛ بنابراین با افزایش عملکرد دانه، عملکرد روغن افزایش خواهد یافت. بیشترین اثر مستقیم منفی روی عملکرد روغن از صفت تعداد کپسول در بوته حاصل شد و حداکثر اثر غیر مستقیم روی عملکرد روغن، از طریق تعداد دانه در مترمربع با عملکرد دانه مشاهده شد (جدول 4). نتایج به‌دست آمده از تجزیه علیت در شرایط عدم تنش خشکی روی سویا توسط سایر محققان نیز این موضوع را تایید می­کند (Ghodrati, 2012). بررسی‌های دیگر محققان نیز نشان داد که عملکرد روغن به‌وسیله اثر مستقیم و مثبت تعداد کاپیتول، قطر کاپیتول اصلی و درصد روغن، مهم‌ترین اجزای تشکیل دهنده عملکرد روغن می­باشند (Qavami et al., 2012).

در شرایط تنش خشکی ملایم و بدون تلقیح میکوریزا، عملکرد دانه و تعداد دانه در مترمربع، بیشترین اثر مستقیم را روی عملکرد روغنداشتند. حداکثر اثر غیر مستقیم روی عملکرد روغن، به تعداد دانه در مترمربع با عملکرد دانه تعلق داشت (جدول 4)؛ بنابراین جهت تاثیر مثبت تعداد دانه در مترمربع روی عملکرد روغن، باید عملکرد دانه را هم در نظر داشت.

در شرایط تنش خشکی ملایم و تلقیح با قارچ
G. mossae، بیشترین اثر مستقیم روی عملکرد روغن، به صفات عملکرد بیولوژیک، عملکرد دانه و عملکرد پروتئین مربوط بود. بنابراین با افزایش عملکردهای بیولوژیک، دانه و پروتئین، عملکرد روغن افزایش خواهد یافت. حداکثر اثر غیر مستقیم روی عملکرد روغن، از طریق عملکردهای پروتئین و دانه با عملکرد بیولوژیک مشاهده شد (جدول 4)؛ از این رو جهت تاثیر مثبت عملکرد بیولوژیک روی عملکرد روغن، باید عملکرد دانه و عملکرد پروتئین را هم در نظر گرفت. تحت شرایط تنش خشکی ملایم، تلقیح با قارچ G. intraradices، بیشترین اثر مستقیم روی عملکرد روغن، به عملکردهای بیولوژیک و پروتئین مربوط بود.

 

جدول 3- تجزیه رگرسیونی عملکرد پروتئین به عنوان متغیر تابع و دیگر صفات به عنوان متغیر مستقل در ارقام کنجد در شرایط مختلف رطوبتی و استفاده از میکوریزا در دو سال

Table 3. Stepwise regression of Protein yield as the response and other traits as predictors in sesame cultivars under different moisture conditions and mycorrhiza utilization in two years

Condition

Step Number

Regression equation

Durbin- Watson

I1M1

Step 3

Y=-20.11 +0.226 (SY) + 1.03 (PP) - 0.383 (SC)

2.15

I1M2

Step 3

Y= -28.74 +0.249 (SY) + 1.17 (PP) - 0.002 (BY)

1.71

I1M3

Step 2

Y= -17.60 + 0.236 (SY) + 0.748 (PP)

2.70

I2M1

Step 7

Y= -4.96 +0.32 (SY) + 0.216 (PP) + 0.004 (BY) + 0.000023 (SS) – 0.019 (CP) – 0.254 (OY) – 0.040 (NB)

2.36

I2M2

Step 5

Y= -14.46 +0.246 (SY) + 0.6 (PP) - 0.002 (BY) + 0.000003663 (SS) - 0.059 (NB)

2.12

I2M3

Step 3

Y= -10.42 +0.234 (SY) + 0.413 (PP) + 0.013 (PH)

1.83

I3M1

Step 5

Y= -3.01 + 0.323 (SY) + 0.126 (PP) + 0.006 (CP) – 0.216 (OY) – 0.009 (RC)

1.59

I3M2

Step 3

Y= -8.91 + 0.236 (SY) + 0.353 (PP) + 0.003 (BY)

1.51

I3M3

Step 4

Y= -6.96 + 0.246 (SY) + 0.270 (PP) + 0.011 (PH) – 0.006 (RC)

1.54

I1، I2 و I3: به ترتیب تیمارهای آبیاری مطلوب، تنش ملایم و تنش شدید خشکی 

M1، M2 و M3: به ترتیب تیمارهای بدون میکوریزا، میکوریزا G. mossaeو میکوریزا G. intraradices

SY، PP، SS،CP، SC، BY، OY، NB، RC و PH: به ترتیب عملکرد دانه، درصد پروتئین، تعداد دانه در مترمربع، تعداد کپسول در بوته، تعداد دانه در کپسول، عملکرد بیولوژیک، عملکرد روغن، تعداد شاخه فرعی، کلونیزاسیون ریشه و ارتفاع بوته

I1,I2andI3:  Optimum irrigation, moderate drought stress and severe drought stress, respectively

M1,M2andM3:  Non mycorrizal, G. mosseae and G. intraradices, respectively

SY, PP, SS, CP, SC, BY, OY, NB, RC and PH: Seed yield, protein percentage, seeds per square meters, capsules per plant, seeds per capsule, biological yield, oil yield, number of branches, root colonization and plant height, respectively.

 

 

جدول 4- تجزیه علیت عملکرد روغن در ارقام تجاری کنجد در شرایط مختلف رطوبتی و استفاده از میکوریزا در دو سال

Table 4. Path analysis of oil yield in commercial sesame cultivars under different moisture conditions and mycorrhiza utilization in two years

Condition

Traits

SY

OP

SS

PP

CP

SC

TSW

PY

BY

Sum of effects

I1M1

SY

0.743

-0.003

0.248

-

-

-

-

-

-

0.99

OP

0.453

0.004

0.17

-

-

-

-

-

-

0.62

SS

0.728

-0.003

0.253

-

-

-

-

-

-

0.98

Residual

0.132

I1M2

SY

0.727

0.009

0.254

-0.003

-

-

-

-

-

0.99

OP

0.473

0.014

0.174

-0.002

-

-

-

-

-

0.66

SS

0.713

0.009

0.26

-0.003

-

-

-

-

-

0.98

PP

0.094

0.001

0.049

-0.016

-

-

-

-

-

0.129

Residual

0.13

I1M3

SY

0.857

0.004

0.134

-

-0.051

-

0.043

-

-

0.99

OP

-0.652

-0.007

-0.103

-

0.038

-

-0.039

-

-

-0.76

SS

0.823

0.004

0.14

-

-0.053

-

0.044

-

-

0.959

CP

0.814

0.004

0.138

-

-0.053

-

0.044

-

-

0.949

TSW

0.729

0.004

0.121

-

-0.047

-

0.05

-

-

0.86

Residual

0.134

I2M1

SY

0.652

0.008

0.328

-

-

-

-

-

-

0.99

OP

-0.105

-0.056

0.01

-

-

-

-

-

-

-0.151

SS

0.632

-0.002

0.339

-

-

-

-

-

-

0.97

Residual

0.13

I2M2

SY

0.267

0.008

-

-

-

-

0.012

0.265

0.435

0.99

OP

0.066

0.034

-

-

-

-

0.003

0.066

0.088

0.259

TSW

0.251

0.009

-

-

-

-

0.013

0.251

0.413

0.939

PY

0.265

0.008

-

-

-

-

0.012

0.267

0.435

0.99

BY

0.265

0.006

-

-

-

-

0.012

0.265

0.44

0.99

Residual

0.111

I2M3

SY

0.32

0

-

-

-

-

0.027

0.314

0.326

0.99

OP

-0.049

-0.003

-

-

-

-

-0.003

-0.051

-0.037

-0.141

TSW

0.301

0

-

-

-

-

0.029

0.298

0.31

0.939

PY

0.317

0

-

-

-

-

0.027

0.317

0.326

0.99

BY

0.317

0

-

-

-

-

0.027

0.314

0.329

0.99

Residual

0.115

I3M1

SY

0.991

-0.002

-

-

-

-

-

-

-

0.99

OP

-0.129

0.008

-

-

-

-

-

-

-

-0.12

Residual

0.14

I3M2

SY

0.982

0.007

-

-

-

-

-

-

-

0.99

OP

-0.649

-0.012

-

-

-

-

-

-

-

-0.661

Residual

0.14

I3M3

SY

0.991

-0.002

-

-

-

-

-

-

-

0.99

OP

-0.06

0.019

-

-

-

-

-

-

-

-0.04

Residual

0.139

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  

 

 

 

 

 

 

 

 

 

 

 

 

 

I1، I2 و I3: به ترتیب تیمارهای آبیاری مطلوب، تنش ملایم و تنش شدید خشکی 

M1، M2 و M3: به ترتیب تیمارهای بدون میکوریزا، میکوریزا G. mossae  و میکوریزا G. intraradices

SY، OP، SS، PP،CP، SC، BY، PY و TSW: به ترتیب عملکرد دانه، درصد روغن، تعداد دانه در مترمربع، درصد پروتئین، تعداد کپسول در بوته، تعداد دانه در کپسول، عملکرد بیولوژیک، عملکرد پروتئین و وزن 1000 دانه

I1,I2andI3:  Optimum irrigation, moderate drought stress and severe drought stress, respectively

M1,M2andM3:  Non mycorrizal, G. mossae and G. intraradices, respectively

SY, OP, SS, PP, CP, SC, BY, PY and TSW: Seed yield, oil percentage, seeds per square meters, protein percentage, capsules per plant, seeds per capsule, biological yield, protein yield and 1000-seed weight, respectively.

 

حداکثر اثر غیر مستقیم روی عملکرد روغن، از طریق عملکرد پروتئین با عملکرد بیولوژیک مشاهده شد (جدول 4)؛ از این روجهت تاثیر مثبت عملکرد پروتئین روی عملکرد روغن، باید عملکرد بیولوژیک را هم در نظر گرفت. در هر سه شرایط عدم تلقیح و تلقیح با قارچ­های میکوریزا تحت شرایط تنش خشکی شدید، صفت عملکرد دانه، بیشترین اثر مستقیم را روی عملکرد روغن داشت. همچنین در این شرایط، حداکثر اثر منفی غیر مستقیم روی عملکرد روغن، از صفت درصد روغن با عملکرد دانه حاصل شد (جدول 4)؛ بنابراین عملکرد دانه می­تواند معیار گزینش مناسبی برای افزایش عملکرد روغن در کنجد باشد به‌طوری‌که انتخاب ژنوتیپ­های با عملکرد دانه بالا، افزایش عملکرد روغن را به دنبال خواهد داشت. سایر محققان نیز به نتایج مشابهی دست یافتند (Thiyagu et al., 2007). صفات روز تا 80 درصد رسیدگی، تعداد دانه در هر کپسول و تعداد شاخه ثانویه، از شاخص­های مهم در تعیین عملکرد دانه می­باشد (Lalpantluangi & Shah, 2018). Basalma  (2008) نیز نشان داد که عملکرد دانه و به‌دنبال آن درصد روغن به ترتیب (883/0 و 453/0 در سال اول و 785/0 و 363/0 در سال دوم)، بیشترین اثرات مستقیم را روی عملکرد روغن داشتند که با نتایج این تحقیق همخوانی داشت. تایج دیگر تحقیقات نیز نشان داد که بیشترین اثر مستقیم بر عملکرد روغن را عملکرد دانه و به‌دنبال آن درصد روغن داشتند که با نتایج این تحقیق مطابقت داشت (Rabiee et al., 2011). مشخص شده است که صفات طول دوره رویشی، وزن 1000 دانه و درصد پروتئین، صفات موثر بر عملکرد روغن می­باشند (Mirmosavi et al., 2006). در نتایج سایر محققان نیز عملکرد دانه، دارای بیشترین اثر مستقیم مثبت (96/0) روی عملکرد روغن بود؛ درصد روغن اثر مستقیمی برابر با 108/0 روی عملکرد روغن داشت  و این نشان داد که 9/99 درصد از تغییرات عملکرد روغن، از طریق دو صفت عملکرد دانه و درصد روغن در ارقام سویا قابل توجیه است (Ghorbanzadeh Neghab, 2015) که این نتایج با یافته­های ما در این تحقیق مطابقت داشت. نتایج تجزیه علیت و رگرسیون گام به گام سایر محققان نشان داد که میزان پروتئین دانه و تعداد روز از جوانه­زنی تا شروع گلدهی، دارای اثر مستقیم منفی و وزن 100 دانه، دارای اثر مستقیم مثبت روی عملکرد روغن در گیاه سویا بودند (Masoudi et al., 2011). محققان دیگری نیز نشان دادند که صفات تعداد روز روز از جوانه­زنی تا شروع گلدهی و روز تا رسیدگی، به ترتیب دارای اثرات مثبت مستقیم و منفی روی عملکرد روغن بودند (Zeinali et al., 2002). نتایج تجزیه علیت روی عملکرد روغن در گیاه گلرنگ نشان داد که جهت افزایش عملکرد روغن، ابتدا باید عملکرد دانه را افزایش داد که خود تابعی از زیست‌توده گیاه و تعداد غوزه در بوته است (Omidi Tabrizi, 2002). سایر محققان نیز بهترین انتخاب جهت افزایش روغن در گلرنگ را تعداد غوزه بالا و پوست نازک دانه اعلام نمود (Paramswarapa, 1984). دیگر محققان نیز صفات ارتفاع بوته، قطر ساقه، تعداد برگ و سطح برگ را مهم‌ترین عوامل در جهت افزایش عملکرد روغن دانسته­اند (Chauhary et al., 1981).

 

تجزیه علیت عملکرد پروتئین

بر اساس جدول 5، در تیمار آبیاری مطلوب و بدون تلقیح با قارچ میکوریزا، صفات عملکرد دانه (666/0) و درصد پروتئین (333/0)، بیشترین اثر مستقیم را روی عملکرد پروتئینداشتند؛ بنابراین با افزایش عملکرد دانه و درصد پروتئین، عملکرد پروتئین افزایش خواهد یافت. شکل 2، نمودار تجزیه علیت تحت شرایط مختلف آزمایش برای عملکرد پروتئین ارائه شده است.

حداکثر اثر غیر مستقیم روی عملکرد پروتئین از طریق درصد پروتئین با عملکرد دانه مشاهده شد (جدول 5)؛ بنابراین جهت تاثیر مثبت عملکرد دانه روی عملکرد پروتئین، باید درصد پروتئین را هم در نظر گرفت. در تیمار آبیاری مطلوب و تلقیح با قارچ میکوریزای
G. mossae ، بیشترین اثر مستقیم روی عملکرد پروتئین از صفت عملکرد دانه (833/0) به‌دست آمد؛ از این رو و جهت افزایش عملکرد پروتئین در شرایط آبیاری مطلوب (زمانی که قارچ G. mossae به خاک اضافه شده باشد)، باید عملکرد دانه را افزایش داد. حداکثر اثرات غیر مستقیم روی عملکرد پروتئین، از صفات عملکرد بیولوژیک با عملکرد دانه حاصل شد. در تیمار آبیاری مطلوب و تلقیح با G. intraradices، صفت عملکرد دانه (979/0)، بیشترین اثر مستقیم را روی عملکرد پروتئینداشت؛ بنابراین با افزایش عملکرد دانه، عملکرد پروتئین افزایش خواهد یافت. حداکثر اثر غیر مستقیم روی عملکرد پروتئین، از طریق درصد پروتئین با عملکرد دانه مشاهده شد (جدول 5).

در شرایط تنش خشکی ملایم و بدون تلقیح میکوریزا، بیشترین اثر مستقیم روی عملکرد پروتئین به صفات عملکرد روغن (379/0) و عملکرد بیولوژیک (362/0) مربوط بود. حداکثر اثر غیر مستقیم روی عملکرد پروتئین از طریق عملکرد دانه با عملکرد روغن مشاهده شد (جدول 5). در شرایط تنش خشکی ملایم و تلقیح با قارچ G. mossae، بیشترین اثر مستقیم روی عملکرد پروتئین به صفات تعداد دانه در مترمربع (164/1) و

 

جدول 5- تجزیه علیت عملکرد پروتئین در ارقام تجاری کنجد در شرایط مختلف رطوبتی و استفاده از میکوریزا در دو سال

Table 5. Path analysis of protein yield in commercial sesame cultivars under different moisture conditions and mycorrhiza utilization in two years

Condition

Traits

SY

PP

SC

BY

SS

CP

OY

NB

PH

RC

Sum of effects

I1M1

SY

0.666

0.323

0

-

-

-

-

-

-

 

0.99

PP

0.646

0.333

0

-

-

-

-

-

-

 

0.98

SC

0.593

0.296

0

-

-

-

-

-

-

 

0.889

Residual

0.115

I1M2

SY

0.833

0.004

-

0.151

-

-

-

-

-

 

0.99

PP

0.108

0.035

-

0.006

-

-

-

-

-

 

0.15

BY

0.825

0.001

-

0.153

-

-

-

-

-

 

0.98

Residual

0.138

I1M3

SY

0.979

0.01

-

-

-

-

-

-

-

 

0.99

PP

0.705

0.014

-

-

-

-

-

-

-

 

0.72

Residual

0.14

I2M1

SY

0.239

-0.01

-

0.359

0.118

0.032

0.375

-0.126

-

-

0.99

PP

0.064

-0.035

-

0.097

0.035

0.009

0.102

-0.006

-

-

0.27

BY

0.237

-0.01

-

0.362

0.119

0.032

0.375

-0.129

-

-

0.99

SS

0.232

-0.011

-

0.355

0.121

0.033

0.367

-0.131

-

-

0.97

CP

0.227

-0.011

-

0.348

0.119

0.033

0.36

-0.13

-

-

0.949

OY

0.237

-0.01

-

0.359

0.118

0.032

0.379

-0.127

-

-

0.99

NB

0.215

-0.002

-

0.333

0.114

0.031

0.345

-0.14

-

-

0.899

Residual

0.111

I2M2

SY

-0.698

0.001

-

0.94

1.153

-

-

-0.408

-

-

0.99

PP

-0.028

0.027

-

0.019

0.023

-

-

0.008

-

-

0.05

BY

-0.691

0

-

0.95

1.141

-

-

-0.412

-

-

0.99

SS

-0.691

0

-

0.931

1.164

-

-

-0.417

-

-

0.99

NB

-0.663

-0.001

-

0.912

1.129

-

-

-0.429

-

-

0.949

Residual

0.052

I2M3

SY

0.876

-0.001

-

-

-

-

-

-

0.114

-

0.99

PP

-0.447

0.001

-

-

-

-

-

-

-0.055

-

-0.501

PH

0.806

-0.001

-

-

-

-

-

-

0.124

-

0.93

Residual

0.132

I3M1

SY

0.426

0.01

-

-

-

0.067

0.422

-

-

0.063

0.99

PP

-0.128

-0.035

-

-

-

-0.022

-0.128

-

-

0.011

-0.301

CP

0.409

0.01

-

-

-

0.07

0.409

-

-

0.06

0.959

OY

0.422

0.01

-

-

-

0.067

0.426

-

-

0.063

0.99

RC

0.366

-0.006

-

-

-

0.057

0.366

-

-

0.073

0.86

Residual

0.119

I3M2

SY

0.746

0.005

-

0.237

-

-

-

-

-

-

0.99

PP

-0.635

-0.008

-

-0.209

-

-

-

-

-

-

-0.851

BY

0.731

0.006

-

0.242

-

-

-

-

-

-

0.98

Residual

0.132

I3M3

SY

0.442

-0.015

-

-

-

-

-

-

0.207

0.355

0.99

PP

-0.208

0.031

-

-

-

-

-

-

-0.127

-0.167

-0.47

PH

0.419

-0.019

-

-

-

-

-

-

0.218

0.33

0.949

RC

0.433

-0.015

-

-

-

-

-

-

0.198

0.362

0.98

Residual

0.12

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

   

 

 

 

 

 

 

 

 

 

 

 

 

 

I1، I2 و I3: به ترتیب تیمارهای آبیاری مطلوب، تنش ملایم و تنش شدید خشکی 

M1، M2 و M3: به ترتیب تیمارهای بدون میکوریزا، میکوریزا G. mossae  و میکوریزا G. intraradices

SY، PP، SC، BY، SS، CP، OY، NB، PH و RC: به ترتیب عملکرد دانه، درصد پروتئین، تعداد دانه در کپسول، عملکرد بیولوژیک، تعداد دانه در مترمربع، تعداد کپسول در بوته، عملکرد روغن، تعداد شاخه فرعی، ارتفاع بوته و کلونیزاسیون ریشه

I1,I2andI3:  Optimum irrigation, moderate drought stress and severe drought stress, respectively

M1,M2andM3:  Non mycorrizal, G. mossae and G. intraradices, respectively

SY, PP, SC, BY, SS, CP, OY, NB, PH and RC: Seed yield, protein percentage, seeds per capsule, biological yield, seeds per square meters, capsules per plant, oil yield, number of branches, plant height and root colonization, respectively.

 

 

عملکرد بیولوژیک (95/0) مربوط بود. بیشترین اثر مستقیم منفی روی عملکرد پروتئین، از صفت عملکرد دانه (698/0-) حاصل شد و حداکثر اثر غیر مستقیم روی عملکرد پروتئین، از طریق عملکرد دانه با تعداد دانه در مترمربع مشاهده شد (جدول 5). تحت شرایط تنش خشکی ملایم و تلقیح با قارچ G. intraradices، بیشترین اثر مستقیم روی عملکرد پروتئین، به صفت عملکرد دانه (876/0) مربوط بود و حداکثر اثر غیر مستقیم روی این صفت، از طریق ارتفاع بوته با عملکرد دانه مشاهده شد (جدول 5)؛ بنابراین جهت تاثیر مثبت ارتفاع بوته روی عملکرد پروتئین، باید عملکرد دانه را هم در نظر گرفت.

در شرایط تنش خشکی شدید و عدم تلقیح با قارچ میکوریزا، بیشترین اثر مستقیم روی عملکرد پروتئین، به صفات عملکرد روغن (426/0) و عملکرد دانه (426/0) مربوط بود و حداکثر اثر غیر مستقیم روی این صفت، از طریق عملکرد دانه با عملکرد روغن مشاهده شد (جدول 5). در شرایط تنش خشکی شدید و تلقیح با قارچ G. mossae، بیشترین اثر مستقیم روی عملکرد پروتئین به صفت عملکرد دانه (746/0) مربوط بود و حداکثر اثر غیر مستقیم، از طریق عملکرد بیولوژیک با عملکرد دانه مشاهده شد (جدول 5). تحت شرایط تنش خشکی شدید تلقیح با قارچ G. intraradices، بیشترین اثر مستقیم روی عملکرد پروتئین به صفت عملکرد دانه (442/0) مربوط بود و حداکثر اثر غیر مستقیم، از طریق ارتفاع بوته با عملکرد دانه و درصد کلونیزاسیون ریشه با عملکرد دانه مشاهده شد (جدول 5). سایر محققان نیز نشان دادند بیشترین اثر مستقیم و مثبت بر عملکرد دانه مربوط به وزن صد دانه و کمترین آن مربوط تعداد دانه در گیاه بود. محققان دیگر نیز گزارش کردند که تعداد غلاف در بوته، تعداد دانه در غلاف، وزن 100 دانه و ارتفاع گیاه بر عملکرد دانه در سویا اثرگذار است (Iqbal et al., 2003). نتایج تجزیه علیت و رگرسیون گام به گام سایر محققان نشان داد وزن 100 دانه، از اثر مستقیم مثبت و میزان روغن دانه و وزن خشک تک بوته، از اثر مستقیم منفی زیادی روی عملکرد پروتئین برخوردار بودند (Masoudi et al., 2011). محققان، ژنوتیپ­های سویا را از نظر 21 صفت مورد ارزیابی قرار دادند و اعلام کردند عملکرد دانه در بوته، اثر مستقیم مثبت بالایی روی عملکرد پروتئین در گیاه داشت و بعد از عملکرد دانه، تعداد دانه در بوته، بیشترین تاثیر را داشت (Masoudi et al., 2011).

تجزیه خوشه ­ای 

در شرایط آبیاری مطلوب و عدم تلقیح با قارچ میکوریزا و تلقیح با قارچ میکوریزای G. mossae، دو رقم تجاری داراب دو و 14 در گروه یک، ارقام دشتستان دو، دشتستان پنج و نازچند شاخه در گروه دو و سه رقم پال، هلیل و ناز تک شاخه در گروه سه قرار گرفتند. در شرایط آبیاری مطلوب و تلقیح با قارچ میکوریزای G. intraradices، دو رقم تجاری داراب دو و 14 در گروه یک، ارقام دشتستان دو و پنج در گروه دو و چهار رقم پال، هلیل، ناز تک شاخه و نازچند شاخه در گروه سه قرار گرفتند (شکل 3).

 

 

در شرایط تنش خشکی ملایم و عدم تلقیح با قارچ میکوریزا، دو رقم تجاری داراب دو و 14 در گروه یک، دو رقم دشتستان دو و پنج در گروه دو و ارقام پال، هلیل، ناز تک شاخه و نازچند شاخه در گروه سه قرار گرفتند. در شرایط تنش خشکی ملایم و تلقیح با قارچ میکوریزای G. mossae، دو رقم تجاری داراب دو و 14 در گروه یک، سه رقم دشتستان دو و پنج و ناز چند شاخه در گروه دو و ارقام پال، هلیل و ناز تک شاخه در گروه سه قرار گرفتند. در شرایط تنش خشکی ملایم و تلقیح با قارچ میکوریزای G. intraradices، رقم تجاری داراب دو در گروه یک، دو رقم داراب 14 و دشتستان دو در گروه دو و ارقام دشتستان پنج، پال، هلیل، ناز تک شاخه و نازچند شاخه در گروه سه قرار گرفتند (شکل 4).

 

 

 

در شرایط تنش خشکی شدید و عدم تلقیح با قارچ میکوریزا، رقم تجاری داراب دو در گروه یک، دو رقم داراب 14 و دشتستان دو) در گروه دو و پنج رقم دشتستان پنج، پال، هلیل، ناز چند شاخه و تک شاخه در گروه سه قرار گرفتند. در شرایط تنش خشکی شدید و تلقیح با قارچ میکوریزای G. mossae، دو رقم تجاری (داراب دو و 14 در گروه یک، سه رقم دشتستان دو و پنج و ناز چند شاخه در گروه دو و سه رقم پال، هلیل و ناز تک شاخه در گروه سه قرار گرفتند. در شرایط تنش خشکی شدید و تلقیح با قارچ میکوریزای G. intraradices، دو رقم تجاری (داراب 14 و دو در گروه یک، دو رقم دشتستان دو و پنج در گروه دو و ارقام پال، ناز چند شاخه، هلیل و ناز تک شاخه در گروه سه قرار گرفتند (شکل 5).

بر اساس تجزیه خوشه­ای، ارقام تجاری مورد مطالعه کنجد در شرایط مختلف تنش رطوبتی و تلقیح و عدم تلقیح با قارچ­های میکوریزا، در سه گروه قرار گرفتند. این موضوع  نشان می­دهد تنوع قابل توجهی در بین ارقام تجاری برای تحمل به خشکی وجود دارد. Hassanzadeh et al (2009) در بررسی تحمل به تنش خشکی در ژنوتیپ­های کنجد، بر اساس شاخص­های تحمل و عملکرد دانه در هر دو شرایط تنش خشکی و شرایط نرمال، ژنوتیپ­ها را به سه گروه تقسیم کردند. Golestani & Pakniat (2007) نشان دادند که بر اساس تجزیه خوشه­ای، ژنوتیپ­ها به سه گروه تقسیم شدند؛ در این پژوهش، توده محلی دزفول و رقم محلی دزفول، به عنوان ژنوتیپ­های متحمل به خشکی و ژنوتیپ­های TN238، TN239 و TN240 به عنوان لاین­های حساس به خشکی شناخته شدند. همچنین لاین یک از نتاج توده محلی داراب و لاین دو از نتاج توده محلی داراب، از نظر تحمل به خشکی در حد متوسط قرار داشتند. Ahmadpour et al (2017) نشان دادند که در شرایط بدون تنش، رگه­های آفتابگردان در شش گروه قرار گرفتند اما در شرایط تنش شوری، در پنج گروه قرار گرفتند.

 

 

نتیجه گیری کلی

 بر اساس نتایج رگرسیون گام به گام و تجزیه علیت صفات، می­توان به این نتیجه رسید که در شرایط مختلف رطوبتی و تلقیح و عدم تلقیح با میکوریزا، صفات عملکرد دانه و درصد روغن برای عملکرد روغن و صفات عملکرد دانه و درصد پروتئین برای عملکرد پروتئین، وارد معادله رگرسیونی شدند و بیشترین اثر مستقیم برای عملکرد روغن و پروتئین را به ترتیب درصد روغن و درصد پروتئین داشتند. بنابراین جهت افزایش عملکرد روغن و پروتئین ارقام کنجد، می­توان صفات موثر بر عملکرد دانه را اصلاح نمود و آن‌ها را بهبود بخشید. بنابراین افزایش عملکرد دانه در هکتار و افزایش درصد روغن دانه، باعث افزایش عملکرد روغن در هکتار خواهد شد. از طریق انتخاب ارقام با عملکرد دانه بالا می­توان به ارقامی که عملکرد روغن و پروتئین بیشتری دارند دست یافت.

سپاسگزاری

این مقاله مستخرج از طرح ملی به شماره 93014474 تاریخ تصویب 21/11/93  که بخشی از بودجه آن توسط صندوق حمایت از پژوهشگران و فناوران کشور وابسته به معاونت علمی و فناوری ریاست جمهوری تامین اعتبار شده بود  بدین وسیله از حمایت­های مادی و معنوی ایشان تشکر و قدردانی می­شود.

 

 

 

REFERENCES

  1. Ahmadpour, S., Sofalian, O. & Darvishzadeh, R. (2017). Genetic diversity of oily sunflower lines under normal and salt stress conditions using multivariate statistical analysis methods. Iranian Journal of Field Crop Science, 48(2),399-411. (In Persian).
  2. Amini, F., Saeidi, G. & Arzani, A. (2008). Relationship among seed yield and its components in genotypes of safflower (Carthamus tinctorius L.). Journal of Science and Technology of Agriculture and Natural Resources, Water and Soil Science, 12, 525-535. (In Persian).
  3. Arslan, B. (2007). Assessing of heritability and variance components of yield and some agronomic traits of different safflower cultivars. Asian Journal of Plant Sciences, 6(3), 554-557.
  4. Association Official Analytical Chemists. (1990). Official method of analysis. Washington, DC, USA.
  5. Azeez, M. A. & Morakinyo, J. A. (2011). Path Analysis of the relationships between Single plant seed yield and some morphological traits in sesame (Genera Sesamum and Ceratotheca). International Journal of Plant Breeding and Genetics, 5, 358-368.
  6. Bagheri, A., Yazdi-Samadi, B., Taeb, M. & Ahmadi, M. R. (2001). Study of correlations and relations between plant yield and quantitative and qualitative other traits in safflower. Iranian Journal of Agricultural Sciences, 32(2), 295-307. (In Persian).
  7. Balesini, H., Saba, J., Faramarzi, A., Jamshidi, S. & Salehi, M. (2006). Evaluation of relationships of agronomic traits using GMP of canola yield via successive path analysis. Journal of Modern Agricultural Knowledge, 2(4), 25-40. (In Persian).
  8. Basalma, D. (2008). The correlation and path analysis of yield and yield components of different winter rapeseed (Brassica napus L.) cultivars. Research Journal of Agriculture and Biological Sciences, 4(2), 120-125.
  9. Bharathi Kumar, K. & Vivekanandan, P. (2009). Correlation and path analysis for seed yield in sesame (Sesamum indicum L.). Electronic Journal of Plant Breeding, 1, 70-73.
  10. Chamberlain, A. R. (1952). Measuring water in small channels with WSC flume. Agricultural Experiment Station Circular 200. State College of Washington, Pullman.
  11. Chaudhary, B. D., Arora, S. K. & Gupta, S. C. (1981). Correlation and path coefficient analysis of safflower increase rainfed condition. Proceedings of the First International Safflower Conference. USA. P: 144-149.
  12. Daniya, E., Dadari, S. A., Ndahi, W. B., Kuchinda, N. C. & Babaji, B. A. (2013). Correlation and path analysis between seed yield and some weed and quantitative components in two sesame (Sesamum indicum L.) varieties as influenced by seed rate and nitrogen fertilizer. Journal of Biology, Agriculture and Healthcare, 3(15), 11-17.
  13. Food and Agriculture Organization. (2016). Year book production. FAO Pub. Rome, Italy.
  14. Ghodrati, G. M. (2012). Evaluation of relationships between yield and yield components in soybean lines. Quarterly Journal of Plant Physiology, 4(15), 59-70.
  15. Ghorbanzadeh Neghab, M. (2015). Study of genetic diversity and relationships among quantitative and qualitative traits in different soybean (Glaycine max L.) cultivars. Journal of Oil Plants Production, 2(1), 29-41.(In Persian).
  16. Giovannetti, M. & Mosse, B. (1980). An evaluation of techniques for measuring vesicular arbuscular mycorrhizal colonization in roots. New Phytologist, 84, 489–500.
  17. Golestani, M. & Pakniat, H. (2007). Evaluation of drought tolerance indices in sesame lines. Journal of Scientific and Technological Agriculture, 11(41), 141-149. (In Persian)
  18. Golparvar, A. R. & Ghasemi Pirbalouti, A. (2012). Evaluation of correlation and path analysis of grain and oil yield in safflower cultivars under optimum irrigation and drought stress. New Agricultural Findings, 6(3), 255-267. (In Persian).
  19. Hamzehpour, G., Tobeh, A. & Sheikhzadeh, P. (2017). Study of correlations and regression analysis between quantitative and qualitative characteristics in different cultivars of rapeseed (Brassica napus L.) in different planting patterns. Plant Ecophysiology, 9(31), 158-171. (In Persian).
  20. Hassanzadeh, M., Ashari, A., Jamaati-e-Somarin, S., Saeidi, M., Zabihi-e-Mahmoodabad, R. & Hokmalipour, S. (2009). Effects of water deficit on drought tolerance indices of sesame (Sesamum indicum L.) genotypes in Moghan Region. Research Journal of Environmental Sciences, 3(1), 116-121.
  21. Hosseini, S. Z. (2016). Correlation and path analysis of yield and yield components of safflower genotypes under late season drought stress conditions. Journal of Crop Ecophysiology, 10(3), 697-716. (In Persian).
  22. Iqbal, S., Mahmood, T., Tahira, M. A., Anwar, M. & Sarwar, M. (2003). Path coefficient analysis in different genotypes of soybean (Glycine Max L.). Pakistan Journal of Biological Science, 6(12), 1085-1087.
  23. Kumar, V., Nandan, R., Srivastava, K., Sharma, S. K., Kumar, R. & Kumar, A. (2013). Genetic parameters and correlation study for yield and quality traits in tomato (Solanum lycopersicum L.). Plant Archives, 13(1), 463-467.
  24. Lal, M., Dutta, S., Saikia, D. & Bhau, B. S. (2016). Assessment of selection criteria increase sesame by using correlation and path coefficient analysis under high moisture and acidic stress soil condition. Indian Journal of Science and Technology, 9(4), 1-5.
  25. Lalpantluangi, P. C. & Shah, P. (2018). Character association and path coefficient analysis in sesame (Sesamum indicum L.) genotypes under foothill condition of Nagaland. The Pharma Innovation Journal, 7(5), 82-87.
  26. Marjanovic-Jeromela, A., Marinkovic, R., Mijic, A., Jankulovsca, M. & Zdonic, Z. (2007). Interrelationship between oil yield and other quantitative traits in rapeseed (Brassica napus L.). Journal of Central European Agriculture, 8(2), 165- 170.
  27. Masoudi, B., Bihamta, M. R., Peyghambari, S. A. & Babaie, H. R. (2011). Relationships of grain oil and protein contents with some important agronomic traits increase soybean using path and canonical correlation analysis. Iranian Journal of Crop Sciences, 13(1), 194-205. (In Persian).
  28. Mirmosavi, S. A., Zeinali, H. & Hassanzadeh, A. A. (2006). Genetic correlation of oil content with some quantitative and qualitative traits in canola through multivariate statistical analysis. Iranian Journal of Agricultural Science, 37(1), 177-186. (In Persian).
  29. Mozaffari, K. & Asadi, A. A. (2006). Relationships among traits using correlation, principal components and path analysis in safflower mutants sown in irrigated and drought stress condition. Asian Journal of Plant Sciences, 5(6), 977-983.
  30. Nouryan, M., Azhari, O., Amiry Oghan, H., Alizadeh, B. & Valizadeh, M. (2008). Evaluation of genetic diversity among 49 canola (Brassica napus L.) genotypes in Golestan province. Journal of Daneshvar Agricultural Sciences, 1(2), 49-60. (In Persian).
  31. Omidi Tabrizi, A. H. (2002). Correlation between traits and path analysis for grain and oil yield in spring safflower. Plant and Seed, 18(2), 229-240. (In Persian).
  32. Qavami, N., Labbafi, M. R., Dehghani-Meshkani, M. R. & Mehrafarin, A. (2012). Determination of seed and oil yield and yield components in two variety of milk thistle (Silybum marianum gaetrn) based on path analysis and regression. Journal of Medicinal Plants, 4(44), 1-9. (In Persian).
  33. Paramaswarapa, K. G. (1984). Genetic analysis of oil yield and other quantitative characters in safflower. Agronomy Journal, 17, 83-86.
  34. Phillips, J. M. & Hayman, D. S. (1970). Improved procedures for clearing roots and staining parasitic and vesicular arbuscular mycorrhizal fungi for rapid assessment of colonization. Transactions of the British Mycological Society, 55, 158–161.
  35. Rabiee, M., Rahimi, M. & Kord-Rostami, M. (2011). Correlation and path coefficient analysis between oil yield and agronomical characters in fourtheen cultivars of rapeseed (Brassica napus L.). Agricultural Knowledge and Sustainable Production, 21(4), 17-27.(In Persian).
  36. Salamati, M. S.  (2012). Path analysis on seed yield components on Iranian Carthamus tinctorius L. genotypes. Agronomy Journal (Pajouhesh & Sazandegi), 97, 105-111. (In Persian).
  37. Thiyagu, K., Kandasamy, G., Manivannan, N., Muralidharan, V. & Uma, D. (2007). Correlation and path analysis for oil yield and its components in cultivated sesame (Sesamum indicum L.). Agricultural Science Digest, 27(1), 62-64.
  38. Yari, P. & Keshtkar, A. H. (2016). Correlation between traits and path analysis of safflower grain yield under water stress conditions. Iranian Journal of Field Crops Research, 14(3), 427-437. (In Persian).
  39. Zeinali, H., Hezarjaribi, E. & Ahmadi, M. R. (2002). Evaluation of genetic correlation of seed oil with some important agronomic traits in soybean through path analysis. Iranian Journal of Agriculture Sciences, 33(4), 699-705. (In Persian).

1- Field capacity  

2- Permanent wilting point

[3]- Pressure plate

[4] - Washington State College

References

  1. REFERENCES

    1. Ahmadpour, S., Sofalian, O. & Darvishzadeh, R. (2017). Genetic diversity of oily sunflower lines under normal and salt stress conditions using multivariate statistical analysis methods. Iranian Journal of Field Crop Science, 48(2),399-411. (In Persian).
    2. Amini, F., Saeidi, G. & Arzani, A. (2008). Relationship among seed yield and its components in genotypes of safflower (Carthamus tinctorius L.). Journal of Science and Technology of Agriculture and Natural Resources, Water and Soil Science, 12, 525-535. (In Persian).
    3. Arslan, B. (2007). Assessing of heritability and variance components of yield and some agronomic traits of different safflower cultivars. Asian Journal of Plant Sciences, 6(3), 554-557.
    4. Association Official Analytical Chemists. (1990). Official method of analysis. Washington, DC, USA.
    5. Azeez, M. A. & Morakinyo, J. A. (2011). Path Analysis of the relationships between Single plant seed yield and some morphological traits in sesame (Genera Sesamum and Ceratotheca). International Journal of Plant Breeding and Genetics, 5, 358-368.
    6. Bagheri, A., Yazdi-Samadi, B., Taeb, M. & Ahmadi, M. R. (2001). Study of correlations and relations between plant yield and quantitative and qualitative other traits in safflower. Iranian Journal of Agricultural Sciences, 32(2), 295-307. (In Persian).
    7. Balesini, H., Saba, J., Faramarzi, A., Jamshidi, S. & Salehi, M. (2006). Evaluation of relationships of agronomic traits using GMP of canola yield via successive path analysis. Journal of Modern Agricultural Knowledge, 2(4), 25-40. (In Persian).
    8. Basalma, D. (2008). The correlation and path analysis of yield and yield components of different winter rapeseed (Brassica napus L.) cultivars. Research Journal of Agriculture and Biological Sciences, 4(2), 120-125.
    9. Bharathi Kumar, K. & Vivekanandan, P. (2009). Correlation and path analysis for seed yield in sesame (Sesamum indicum L.). Electronic Journal of Plant Breeding, 1, 70-73.
    10. Chamberlain, A. R. (1952). Measuring water in small channels with WSC flume. Agricultural Experiment Station Circular 200. State College of Washington, Pullman.
    11. Chaudhary, B. D., Arora, S. K. & Gupta, S. C. (1981). Correlation and path coefficient analysis of safflower increase rainfed condition. Proceedings of the First International Safflower Conference. USA. P: 144-149.
    12. Daniya, E., Dadari, S. A., Ndahi, W. B., Kuchinda, N. C. & Babaji, B. A. (2013). Correlation and path analysis between seed yield and some weed and quantitative components in two sesame (Sesamum indicum L.) varieties as influenced by seed rate and nitrogen fertilizer. Journal of Biology, Agriculture and Healthcare, 3(15), 11-17.
    13. Food and Agriculture Organization. (2016). Year book production. FAO Pub. Rome, Italy.
    14. Ghodrati, G. M. (2012). Evaluation of relationships between yield and yield components in soybean lines. Quarterly Journal of Plant Physiology, 4(15), 59-70.
    15. Ghorbanzadeh Neghab, M. (2015). Study of genetic diversity and relationships among quantitative and qualitative traits in different soybean (Glaycine max L.) cultivars. Journal of Oil Plants Production, 2(1), 29-41.(In Persian).
    16. Giovannetti, M. & Mosse, B. (1980). An evaluation of techniques for measuring vesicular arbuscular mycorrhizal colonization in roots. New Phytologist, 84, 489–500.
    17. Golestani, M. & Pakniat, H. (2007). Evaluation of drought tolerance indices in sesame lines. Journal of Scientific and Technological Agriculture, 11(41), 141-149. (In Persian)
    18. Golparvar, A. R. & Ghasemi Pirbalouti, A. (2012). Evaluation of correlation and path analysis of grain and oil yield in safflower cultivars under optimum irrigation and drought stress. New Agricultural Findings, 6(3), 255-267. (In Persian).
    19. Hamzehpour, G., Tobeh, A. & Sheikhzadeh, P. (2017). Study of correlations and regression analysis between quantitative and qualitative characteristics in different cultivars of rapeseed (Brassica napus L.) in different planting patterns. Plant Ecophysiology, 9(31), 158-171. (In Persian).
    20. Hassanzadeh, M., Ashari, A., Jamaati-e-Somarin, S., Saeidi, M., Zabihi-e-Mahmoodabad, R. & Hokmalipour, S. (2009). Effects of water deficit on drought tolerance indices of sesame (Sesamum indicum L.) genotypes in Moghan Region. Research Journal of Environmental Sciences, 3(1), 116-121.
    21. Hosseini, S. Z. (2016). Correlation and path analysis of yield and yield components of safflower genotypes under late season drought stress conditions. Journal of Crop Ecophysiology, 10(3), 697-716. (In Persian).
    22. Iqbal, S., Mahmood, T., Tahira, M. A., Anwar, M. & Sarwar, M. (2003). Path coefficient analysis in different genotypes of soybean (Glycine Max L.). Pakistan Journal of Biological Science, 6(12), 1085-1087.
    23. Kumar, V., Nandan, R., Srivastava, K., Sharma, S. K., Kumar, R. & Kumar, A. (2013). Genetic parameters and correlation study for yield and quality traits in tomato (Solanum lycopersicum L.). Plant Archives, 13(1), 463-467.
    24. Lal, M., Dutta, S., Saikia, D. & Bhau, B. S. (2016). Assessment of selection criteria increase sesame by using correlation and path coefficient analysis under high moisture and acidic stress soil condition. Indian Journal of Science and Technology, 9(4), 1-5.
    25. Lalpantluangi, P. C. & Shah, P. (2018). Character association and path coefficient analysis in sesame (Sesamum indicum L.) genotypes under foothill condition of Nagaland. The Pharma Innovation Journal, 7(5), 82-87.
    26. Marjanovic-Jeromela, A., Marinkovic, R., Mijic, A., Jankulovsca, M. & Zdonic, Z. (2007). Interrelationship between oil yield and other quantitative traits in rapeseed (Brassica napus L.). Journal of Central European Agriculture, 8(2), 165- 170.
    27. Masoudi, B., Bihamta, M. R., Peyghambari, S. A. & Babaie, H. R. (2011). Relationships of grain oil and protein contents with some important agronomic traits increase soybean using path and canonical correlation analysis. Iranian Journal of Crop Sciences, 13(1), 194-205. (In Persian).
    28. Mirmosavi, S. A., Zeinali, H. & Hassanzadeh, A. A. (2006). Genetic correlation of oil content with some quantitative and qualitative traits in canola through multivariate statistical analysis. Iranian Journal of Agricultural Science, 37(1), 177-186. (In Persian).
    29. Mozaffari, K. & Asadi, A. A. (2006). Relationships among traits using correlation, principal components and path analysis in safflower mutants sown in irrigated and drought stress condition. Asian Journal of Plant Sciences, 5(6), 977-983.
    30. Nouryan, M., Azhari, O., Amiry Oghan, H., Alizadeh, B. & Valizadeh, M. (2008). Evaluation of genetic diversity among 49 canola (Brassica napus L.) genotypes in Golestan province. Journal of Daneshvar Agricultural Sciences, 1(2), 49-60. (In Persian).
    31. Omidi Tabrizi, A. H. (2002). Correlation between traits and path analysis for grain and oil yield in spring safflower. Plant and Seed, 18(2), 229-240. (In Persian).
    32. Qavami, N., Labbafi, M. R., Dehghani-Meshkani, M. R. & Mehrafarin, A. (2012). Determination of seed and oil yield and yield components in two variety of milk thistle (Silybum marianum gaetrn) based on path analysis and regression. Journal of Medicinal Plants, 4(44), 1-9. (In Persian).
    33. Paramaswarapa, K. G. (1984). Genetic analysis of oil yield and other quantitative characters in safflower. Agronomy Journal, 17, 83-86.
    34. Phillips, J. M. & Hayman, D. S. (1970). Improved procedures for clearing roots and staining parasitic and vesicular arbuscular mycorrhizal fungi for rapid assessment of colonization. Transactions of the British Mycological Society, 55, 158–161.
    35. Rabiee, M., Rahimi, M. & Kord-Rostami, M. (2011). Correlation and path coefficient analysis between oil yield and agronomical characters in fourtheen cultivars of rapeseed (Brassica napus L.). Agricultural Knowledge and Sustainable Production, 21(4), 17-27.(In Persian).
    36. Salamati, M. S.  (2012). Path analysis on seed yield components on Iranian Carthamus tinctorius L. genotypes. Agronomy Journal (Pajouhesh & Sazandegi), 97, 105-111. (In Persian).
    37. Thiyagu, K., Kandasamy, G., Manivannan, N., Muralidharan, V. & Uma, D. (2007). Correlation and path analysis for oil yield and its components in cultivated sesame (Sesamum indicum L.). Agricultural Science Digest, 27(1), 62-64.
    38. Yari, P. & Keshtkar, A. H. (2016). Correlation between traits and path analysis of safflower grain yield under water stress conditions. Iranian Journal of Field Crops Research, 14(3), 427-437. (In Persian).
    39. Zeinali, H., Hezarjaribi, E. & Ahmadi, M. R. (2002). Evaluation of genetic correlation of seed oil with some important agronomic traits in soybean through path analysis. Iranian Journal of Agriculture Sciences, 33(4), 699-705. (In Persian).
Iranian Journal of Field Crop Science
Volume 51, Issue 1
April 2020
Pages 177-194

Files

History

  • Receive Date: 28 November 2018
  • Revise Date: 18 February 2019
  • Accept Date: 10 March 2019
  • Publish Date: 20 April 2020

Share

How to cite

Statistics