Grain yield stability analysis of lentil genotypes by AMMI method indices

Document Type : Research Paper

Authors

1 1. Assistant professor, Kohgiloyeh and Boyerahmad Agricultural and Natural Resources Research and Education Center, Dryland Agricultural Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Gachsaran, Iran.

2 Lorestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Khorramabad, Iran.

3 Ardabil Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Moghan, Iran.

4 Department of Agronomy and Plant Breeding, Rasht Branch, Islamic Azad University, Rasht, Iran.

5 Golestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Gorgan, Iran.

Abstract

In this study, 12 promising lentil genotypes along with Kimia and Gachsaran cultivars were cultivated during three cropping years (2010-2011) in Gachsaran, Gonbad, Khorramabad and Moghan regions. AMMI analysis of variance showed that the effects of environment, genotype and their interaction and the first six main components were significant. Genotype 4 (1196 kg / ha) had the highest grain yield. 8, 11, 14, 10 and 6 genotypes based on ASV index, 9, 14, 11, 10 and 12 genotypes based on SIPC index, 9, 12, 14, 10 and 4 genotypes based on EV index, selected genotypes 14, 11, 9, 8 and 6 based on ZA index and 11, 14, 8, 6 and 1 genotypes based on WAAS index were selected as the most stable genotypes. The best genotypes in terms of yield and stability were  4, 8, 6, 10 and 7 genotypes based on ssiASV, 9, 4, 6 and 8 genotypes based on ssiSIPC index, 4, 9 and 12 genotypes based on ssiEV index, 6, 8, 9 and 4 genotypes based on ssiZA index and 4, 6 and 8 genotypes based on ssiWAAS index.  Based on AMMI1 biplot, 6, 4 and 8 genotypes with mean grain yield higher than total yield average and lowest values of IPCA1 were identified as stable genotypes with high general compatibility. In AMMI2 biplot, 4, 8, 9 and 12 genotypes high general stability and higher grain yield than the total average. The most stable genotypes in the superiority index were 4 and 6 genotypes. In general, based on different indices, 4, 6 and 8 genotypes had high yield in many environments and in the most methods, had good stability and could be candidates for introduction of new cultivars.
 

Keywords

Main Subjects


مقدمه

عدس (Lens culinaris Medik) یکی از گیاهان زراعی اصلی در بین حبوبات است که نقش مهمی را در تغذیه مردم در کشورهای درحال توسعه بازی می‌کند (Karimizadeh & Mohammadi, 2010). از آن‌جا که در ایران معمولاً عدس در شرایط دیم در بهار کشت می‌شود، کشت پاییزه آن از نظر افزایش راندمان بهره‌وری مصرف آب، موجب افزایش عملکرد دانه نسبت به کشت بهاره در شرایط دیم می‌شود .(Sabaghnia et al., 2006) دستیابی به ارقامی که بتواند به طیف گسترده‌ای از مناطق سازگار باشد، یکی از هدف‌های مهم در برنامه‌های به‌نژادی است (Karimizadeh et al., 2013a).

از آن‌جا که تجزیه واریانس مرکب، فقط اطلاعاتی درباره برهمکنش ژنوتیپ و محیط به دست می‌دهد، پژوهش­گران روش‌های گوناگونی را برای تعیین میزان پایداری عملکرد ژنوتیپ‌ها و گروه‌بندی آن‌ها ‌به‌کار برده‌اند. آگاهی از برهمکنش ژنوتیپ و محیط به به‌نژادگران کمک می‌کند که در ارزیابی ژنوتیپ‌‌ها با دقت بیشتری عمل نمایند و بهترین ژنوتیپ‌ها را گزینش کنند (Lin et al., 1986). پایداری یک گیاه زراعی، توانایی آن را برای زنده ماندن و تولید محصول در یک محیط ویژه نشان می‌دهد، به‌طوری‌که گیاه بتواند سرما، گرما، کمبود یا بیشبود آب، تغییرات طول روز، شدت نور و دامنهی گسترده‌ای از شرایط شیمیایی و فیزیکی خاک را تحمل کند. بخش زیادی از این سازگاری به‌وسیله ژن‌های بزرگ اثر و کوچک اثر کنترل می‌شوند. سازگاری ممکن است در نتیجه‌ یک واکنش ویژه‌ای برای تحمل خشکی، سرما، یخبندان و غیره و یا نسبت به دامنه‌ گسترد‌ه‌ای از شرایط گوناگون محیطی در تولید عملکرد بالا باشد (Hawtin et al., 1996). روش‌های گوناگونی برای ارزیابی و تحلیل پایداری ژنوتیپ‌های عدس به‌کار گرفته شده است؛ ژنوتیپ پایدار در روش‌های ناپارامتری تجزیه پایداری، رتبه‌های همانندی در محیط‌های مختلف خواهد داشت و در نتیجه، دارای کم­ترین واریانس رتبه در محیط‌های مختلف خواهد بود. در این روش‌ها، برقراری فرض‌های اولیه هم­چون نرمال بودن توزیع، مستقل بودن و یکنواختی واریانس‌ها ضرورتی ندارد (Bortz et al., 1990) و همچنین اضافه یا کم کردن یک یا تعداد کمی از ژنوتیپ‌ها، بر شاخص پایداری اثری ندارد و تجزیه، تحلیل و تفسیر معیارهای ناپارامتری، بسیار ساده‌تر از معیارهای پارامتری است (Nassar & Huehn, 1987). در روش چندمتغیره اثرات اصلی جمع‌پذیر و اثرات متقابل ضرب‌پذیر (AMMI)، ابتدا تجزیه واریانس معمولی روی داده‌های مربوط به عملکرد  ژنوتیپ‌‌ها در محیط‌‌های مختلف انجام می‌شود و سپس اثرات متقابل با روش تجزیه به مؤلفه‌های اصلی (PCA) تحلیل و بررسی می‌شود (Gauch & Zobel, 1988).

شاخص برتری (Superiority index, Pi) که میانگین مربعات فاصله بین واکنش یک ژنوتیپ و حداکثر واکنش در محیط‌ها را نشان می‌دهد، توسط
 Lin & Binns (1988) ارائه شد و برای بررسی اثرمتقابل ژنوتیپ و محیط به‌کار می‌رود و محدودیت‌های روش رگرسیون را ندارد (Scapim et al., 2000). هر چه مقدار Pi کوچکتر باشد، فاصله بین ژنوتیپ با ژنوتیپ دارای بیشترین میزان عملکرد، کمترمی‌شود و ژنوتیپ بهتری به‌شمار می‌آید. این شاخص که حاصل تلفیق توانایی تولید و پایداری است، ژنوتیپ پایدار را به‌عنوان ژنوتیپی با تظاهر نزدیک به بیشترین میزان عملکرد در محیط‌های مختلف تعریف می‌کند (Lin & Binns, 1988). از این‌رو، این شاخص به هدف به‌نژادگران که در آن، رقم برتر بایستی پرمحصول‌ترین رقم در بیشترین تعداد از محیط‌ها باشد، بسیار نزدیک است و می‌تواند ژنوتیپ‌های برتر را شناسایی کند.

تعدادی از پژوهش­گران با روش‌های مختلف، پایداری ژنوتیپ‌های عدس را ارزیابی کرده‌اند. در پژوهشی، با استفاده از روش‌های چندمتغیره تجزیه به مؤلفه‌های اصلی و بای‌پلات، پایداری 11 ژنوتیپ عدس در هفت منطقه از ایران در سه سال زراعی ارزیابی و نشان داده شد که دو مؤلفه اصلی اول و دوم، به‌ترتیب 6/61 و 2/31 درصد از تغییرات برهمکنش ژنوتیپ در محیط را توجیه می‌کردند (Dehghani et al., 2008). در پژوهشی دیگر و با ارزیابی 18 ژنوتیپ عدس با روشGGE  بای‌پلات نشان داده شد که دو مؤلفه اصلی اول، به‌ترتیب 49 و 20 درصد از مجموع مربعات برهمکنش ژنوتیپ در محیط را توجیه می‌کرد و در بای‌پلات به‌دست آمده از این دو مؤلفه، ژنوتیپ‌های پایدار شناسایی شدند (Karimizadeh et al., 2013b). همچنین در تحقیقی دیگر، با ارزیابی پایداری 10 ژنوتیپ عدس با روش GGE بای‌پلات، توجیه 48 و 41 درصد از برهمکنش ژنوتیپ در محیط با دو مؤلفه اصلی اول و دوم دیده شد و بنابراین با اطمینان بالا نسبت به ارزیابی پایداری ژنوتیپ‌ها و شناسایی ژنوتیپ‌های پایدار اقدام شد (Karimizadeh et al., 2013a). همچنین ارزیابی 10 ژنوتیپ عدس با روش تجزیه پایداری AMMI نشان داد که اثر محیط، ژنوتیپ و برهمکنش این دو معنی‌دار بود و این سه جزء، به‌ترتیب 89، 2 و 6/8 درصد از مجموع مربعات کل ترکیبات تیماری را در بر می‌گرفتند (Karimizadeh & Mohammadi, 2010). در تحقیقی دیگر با روش‌های ناپارامتری، پایدارترین ژنوتیپ‌های عدس دیم در مناطق معتدل و نیمه گرمسیری ایران تعیین شدند (Sabaghnia et al., 2006). برای تعیین سازگاری لاین‌های امیدبخش عدس در شرایط دیم منطقه اردبیل، از روش ناپارامتری رتبه‌ای استفاده شد و پایدارترین و پرمحصول‌ترین لاین معرفی شد (Allahyari, 2006). همچنین در بررسی پایداری عملکرد ارقام جدید عدس نشان داده شد که گزینش هم‌زمان برای عملکرد و هر یک از پارامترهای پایداری می‌تواند به شناسایی ژنوتیپ‌های پایدار کمک کند (SolhNejad, 2004).

هدف از پژوهش حاضر، بررسی برهمکنش ژنوتیپ و محیط بر ژنوتیپ‌های عدس و شناسایی ژنوتیپ­های پایدار با استفاده از روش‌های تجزیه پایداری AMMI و ناپارامتری رتبه بود.

 

مواد و روش‌ها

برای انجام این پژوهش که هدف آن، دستیابی به ارقام پرمحصول و سازگار با شرایط آب و هوایی مناطق دیم گرمسیری و نیمه‌گرمسیری کشور بود، در هر سال پیش از کشت، زمینی که در سال پیش از آن آیش بود، با گاوآهن شخم زده شد و با دیسک و روتیواتور نرم‌ شد. کود شیمیایی بر مبنای 100 کیلوگرم فسفات آمونیوم و 35 کیلوگرم اوره، به هنگام عملیات تهیه زمین، به‌طور یکنواخت با خاک مخلوط شد. تعداد 12 ژنوتیپ پیشرفته عدس به همراه ارقام شاهد کیمیا و گچساران (جدول 1) که از آزمایش‌های پیشرفته مقایسه عملکرد سال زراعی 89-1388 گزینش شده‌ بودند، در قالب طرح بلوک‌های کامل تصادفی در سه تکرار و چهار منطقه گچساران، گنبد، خرم‌آباد و مغان، به‌مدت سه سال زراعی (1392-1389) و در کرت‌‌هایی به طول پنج و عرض یک متر، روی پنج خط با فاصله 25 سانتی‌متر و تراکم 200 دانه در مترمربع کشت شدند. ویژگی‌های جغرافیایی و میزان بارندگی سالانه مناطق اجرای آزمایش، به‌ترتیب در جدول‌های 2 و 3 نشان داده شده است. پس از برداشت، عملکرد دانه توزین شد.

تجزیه آماری

تجزیه‌های آماری با استفاده از بسته تجزیه آزمایش‌های چندمحیطی با نام METANetan (Multi environment trial analysis) (Olivoto, 2020) و GGE (Wright & Laffont, 2018) در نرم‌افزار R انجام شد. در این پژوهش، از پارامترهای تجزیه AMMI استفاده شد که روابط آن در جدول 4 نشان داده شده‌اند.

در رابطه 1 (ASV)، نسبت SSIPC1/SSIPC2، وزن اختصاص داده شده به نخستین محور مؤلفه اصلی (IPC1) است که با تقسیم مجموع مربعات IPC1 بر مجموع مربعات IPC2 (دومین محور مؤلفه اصلی) به‌دست می‌آید. ارزیابی ژنوتیپ‌ها با این شاخص، فقط بر اساس دو مؤلفه اصلی اول انجام می‌شود.

 

جدول 1- نام و منشأ ژنوتیپ‌های عدس بررسی شده

Table 1. Name and origin of studied lentil genotypes

NO.

Name

Origin

1

FLIP 2005-4L

ICARDA

2

FLIP 2007-6L

ICARDA

3

FLIP 2006-3L

ICARDA

4

FLIP 2007-103L

ICARDA

5

Bilsen-365

ICARDA

6

FLIP 2005-32L

ICARDA

7

FLIP 2005-53L

ICARDA

8

FLIP 2005-3L

ICARDA

9

FLIP 2006-7L

ICARDA

10

FLIP 2007-12L

ICARDA

11

FLIP 2007-30L

ICARDA

12

FLIP 2007-34L

ICARDA

13

KIMIA

IRAN

14

GACHSARAN

IRAN

 

جدول 2- ویژگی‌های جغرافیایی مناطق اجرای آزمایش

Table 2. Geographic characteristics of experimental area

Average rainfall (mm)

Latitude

Longitude

Above mean sea level (m)

Location

450

30°,17' N

50°,50' E

710

Gachsaran

550

37°,16' N

55°,12' E

45

Gonbad

312

47°,88' N

39°,39' E

100

Moghan

445

33°,29' N

48°,18' E

1147

Khoramabad

 

جدول 3- میزان بارندگی سالانه مناطق اجرای آزمایش در طول فصل زراعی در سال‌های 1389 تا 1392

Table 3. Annual rainfall of experimental areas during the cropping seasons (2013-2016)

Cropping Season

Location

2012-2013

2011-2012

2010-2011

503.7 (E9)

420.6 (E5)

417.1 (E1)

Gachsaran

363.6 (E10)

294.1 (E6)

364.2 (E2)

Khoramabad

534.8 (E11)

476.1 (E7)

279.7 (E3)

Gonbad

247.9 (E12)

356.1 (E8)

229.7 (E4)

Moghan

 

 

در رابطه 2، λn، ریشه مشخصه IPC در محور nأم است. در این رابطه، برای SIPC1،N  برابر با یک و برای SIPCF، N برابر با تعداد IPC‌هایی است که در مدل باقی مانده است. در رابطه‌های‌ 3 و4، γin، ریشه مشخصه برای محور nأم و N (N′ در رابطه 4)، تعداد مؤلفه‌های اصلی است که در تجزیه واریانس AMMI با آزمون F معنی‌دار شده است. در رابطه 4، θn، درصد مجموع مربعات توجیه شده به‌وسیله nاُمین محور IPC است. ارزیابی ژنوتیپ‌ها با رابطه‌های 2 تا 4 بر پایه تمام مؤلفه‌های اصلی باقیمانده در مدل انجام می‌شود و از این رو می‌تواند نسبت به شاخص ASV دارای برتری باشند. چهار شاخص بالا، برای شناسایی ژنوتیپ‌های پایدار، بدون در نظر گرفتن عملکرد دانه به‌کار گرفته می‌شوند و بر اساس آن، ژنوتیپ‌های دارای کمترین میزان این شاخص‌ها، پایدار نظر گرفته می‌شوند.

در رابطه 5، WAASi میانگین وزنی نمرات مطلق (weighted average of absolute scores) ژنوتیپ iاُم؛ IPCAin، نمره ژنوتیپ iاُم در nاُمین محور مؤلفه اصلی برهمکنش (IPCA)؛ و EPn، مقدار واریانس توجیه شده توسط nاُمین IPCA است. ژنوتیپ با کمترین مقدار WAAS، پایدار در نظر گرفته می‌شود
(Olivoto et al., 2019).

در رابطه 6، R(AMMI stability Indices)، رتبه ژنوتیپ‌ها بر پایه هرکدام از شاخص‌های پایداری AMMI گفته شده در بالا و RY، رتبه میانگین عملکرد دانه ژنوتیپ‌ها در تمام محیط‌ها است. کاربرد این شاخص برای شناسایی ژنوتیپ‌های برتر از نظر عملکرد دانه و پایداری عملکرد دانه است که در گزینش ژنوتیپ‌ها به هر دو شاخص میانگین عملکرد دانه و پایداری عملکرد دانه توجه شده است.

 

جدول 4- شاخص‌های تجزیه پایداری

Table 4. Stability analysis indices

References

Furmula

Index

Code

Purchase et al., 2000

 

AMMI stability value (ASV)

1

Sneller et al., 1997

 

Sum of IPCs scores (SIPC)

2

Zobel et al., 1988

 

Eigenvalue (EV) stability parameter of AMMI

3

Zali et al., 2012

 

Absolute value of the relative contribution of IPCs to the interaction (Za)

4

Olivoto et al., 2019a

 

Weighted average of absolute scores (WASS)

5

Farshadfar, 2008

SSI = R(AMMI stability Indices) + RY

Simultaneous selection index (ssi)

6

i= 1, …, 12 (تعداد ژنوتیپ‌ها)؛) n=1,…, p تعداد مؤلفه‌های اصلی)

i= 1, …, 12 (number of genotypes); n=1,…, p (number of principal components)      

 

 

نمودارهای بای‌پلات نوع اول AMMI1 (IPCA1 vs grain yield) و نوع دوم AMMI2 (IPCA1 vs IPCA2) با روش استاندارد توضیح داده شده توسط Zobel et al. ( 1988) کشیده شدند.

برای محاسبه شاخص برتری Lin & Binns (1988) از رابطه 7 استفاده شد که در آن، Pi، برتری ژنوتیپ iاُم؛ Xij، عملکرد ژنوتیپ iاُم در محیط jاُم؛ Mj، حداکثر پاسخ به دست آمده در میان همه ارقام در محیط jاُم و n تعداد محیط‌ها است.

رابطه 7        

 

نتایج و بحث

تجزیه واریانس AMMI

تجزیه واریانس نشان داد که اثرات محیط، ژنوتیپ و برهمکنش این دو در سطح احتمال یک درصد بر عملکرد دانه ژنوتیپ‌های مطالعه شده معنی‌دار بود. با توجه به معنی‌دار بودن برهمکنش ژنوتیپ و محیط، امکان تجزیه پایداری بر روی این داده‌ها وجود دارد؛ از این‌رو تجزیه پایداری به روش AMMI  انجام شد. برای انجام تجزیه AMMI، ابتدا ماتریس Z یا ماتریس انحراف حاصل از اثرات جمع‌پذیر محاسبه شد و سپس تجزیه به مولفه‌های اصلی، یک بار بر روی ماتریس Z برای ژنوتیپ‌ها و بار دیگر بر روی ماتریسZ´ برای محیط‌ها انجام شد. اولین (IPC1) و دومین (IPC2) مؤلفه اصلی برهمکنش ژنوتیپ در محیط، به‌ترتیب 36 و 9/22 درصد از تغییرات برهمکنش ژنوتیپ و محیط را توجیه کردند و مؤلفه‌های باقی­مانده در درجه‌های بعدی اهمیت قرار داشتند. در تطابق با این نتیجه، پژوهش­گران دیگری نیز سهم 6/61 و 2/31 درصدی (Dehghani et al., 2008)، 49 و 20 درصدی (Karimizadeh et al., 2013b) و 48 و 41 درصدی (Karimizadeh et al., 2013a) دو مؤلفه اصلی اول و دوم را در برهمکنش ژنوتیپ در محیط در ارزیابی ژنوتیپ‌های عدس نشان دادند. این نتایج هم­چنین نشان داد که اثر شش مؤلفه اصلی اول، معنی‌دار بود و در مجموع 7/97 درصد از تغییرات برهمکنش ژنوتیپ در محیط را توجیه ‌می‌کردند. سهم محیط، ژنوتیپ و برهمکنش این دو در مجموع مربعات کل، به‌ترتیب 87، 3/2 و 7/10 درصد بود (جدول 5). در تطابق با این نتیجه، در پژوهشی دیگر نیز سهم بیشتر اثر محیط در مجموع مربعات کل برای عملکرد دانه ژنوتیپ‌های عدس گزارش شده بود (Karimizadeh & Mohammadi, 2010). اثر معنی‌دار ژنوتیپ و محیط، نشانه‌ای از پیش‌زمینه ژنتیکی گسترده مواد آزمایشی و تنوع مکان‌های آزمایشی و سال‌های زراعی است. اثر معنی‌دار GEI، عملکرد متفاوت ژنوتیپ‌ها را در محیط‌های مختلف نشان می‌دهد؛ بنابراین با توجه به وابستگی تنوع عملکرد دانه ژنوتیپ‌های عدس به محیط، نیاز به انجام تجزیه‌های بیشتر برای افزایش بازده گزینش ژنوتیپ‌ها است. به عبارت دیگر، وجود GEI معنی‌دار، نیاز به تشخیص عملکرد و سازگاری ژنوتیپ‌ها را بر اساس ارزیابی‌ها در چندین مکان و سال زراعی نشان می‌دهد. کاهش GEI متضمن گزینش ژنوتیپ‌هایی با بالاترین پایداری در طیف گسترده‌ای از محیط‌ها است.

 

جدول 5- تجزیه واریانس مرکب روش امی برای عملکرد دانه ژنوتیپ‌های عدس

Table 5. AMMI combined analysis of variance for seed yield of lentil genotypes

S.O.V.

df

MS

Percent

ENV

11

11943970**

87

REP(ENV)

24

241105

 

"GEN     "

13

264388**

2.3

ENV×GEN

143

113063**

10.7

PC1

23

252952**

36

PC2

21

176364**

22.9

PC3

19

118632**

13.9

PC4

17

113040**

11.9

PC5

15

92410**

8.6

PC6

13

55313*

4.4

Residuals

35

365624

2.3

Error

312

29240

.-

CV (%)

-

16.51

 

ns، * و **: به‌ترتیب غیر معنی‌دار و معنی‌دار در سطوح احتمال پنج و یک درصد.

ns, * and **: Non-significant and significant at 5% and 1% of probability levels, respectively.

 

 

از آن‌جا که برهمکنش ژنوتیپ در محیط می‌تواند هر گونه پیشرفت برآمده از گزینش را کاهش دهد، بنابراین در گزینش ارقام، تلفیق پایداری با عملکرد می‌تواند نتایج خوبی را در پی داشته باشد. معنی دار شدن اثر شش مؤلفه اصلی، بر پیچیدگی زیاد اثر توأم ژنوتیپ و محیط در این آزمایش دلالت دارد و از این‌رو برای کاهش تأثیرات منفی این پیچیدگی، پژوهش‌گر باید از شاخص‌هایی در تجزیه پایداری استفاده کند که در برآورد آن‌ها، تعداد بیشتری از مؤلفه‌ها نقش دارند. از این‌رو، از شاخص‌های مختلف AMMI برای ارزیابی پایداری ژنوتیپ‌ها و رسیدن به یک نتیجه با اعتبار بالا استفاده شد.

شاخص‌های پایداری AMMI و شاخص انتخاب هم­زمان (Simultaneous selection index, ssi)

با استفاده از پارامترهای مختلف AMMI، ابعاد گوناگون تغییرات ناشی از برهمکنش ژنوتیپ و محیط ارزیابی شد. در جدول 6، میانگین عملکرد هر کدام از ژنوتیپ‌ها در تمام محیط‌ها نشان می‌دهد که بیش­ترین عملکرد دانه در ژنوتیپ چهار (1196 کیلوگرم در هکتار) و در پی آن در ژنوتیپ‌های شماره شش، هفت، هشت و 13 دیده شد. بر اساس شاخص پایداری ASV، ژنوتیپ‌های شماره هشت، 11، 14، 10 و شش با نمره‌های پایین، پایدارترین ژنوتیپ‌ها بودند. از شاخص ASV به‌عنوان یک معیار مفید برای شناسایی ژنوتیپ‌های پایدار در عدس استفاده شده است (Dehghani et al., 2008; Karimizadeh & Mohammadi, 2010; Karimizadeh et al., 2013a; Karimizadeh et al., 2013b).

بر اساس شاخص SIPC، ژنوتیپ‌های شماره نه، 14، 11، 10 و 12، پایدارترین ژنوتیپ‌ها بودند، در حالی‌که بر اساس شاخص EV، ژنوتیپ‌های شماره نه، 12، 14، 10 و چهار از پایداری بیشتری برخوردار بودند. شاخص ZA نیز ژنوتیپ‌های شماره 14، 11، نه، هشت و شش را به‌عنوان پنج ژنوتیپ پایدار شناسایی کرد. بر پایه شاخص WAAS که برای برآورد آن، تمامی مؤلفه‌های اصلی معنی‌دار مدل با وزن‌های متفاوت به‌کار گرفته می‌شوند، ژنوتیپ‌های شماره 11، 14، هشت، شش و یک، پایدارترین ژنوتیپ‌ها بودند. مزیت این شاخص نسبت به سایر شاخص‌های AMMI این است که در برآورد آن، از تمام مؤلفه‌های مدل با وزن‌های متفاوت استفاده می‌شود
(Olivoto et al., 2019).

 

 

 

جدول 6- شاخص‌های پایداری، رتبه ژنوتیپ‌ها و شاخص انتخاب همزمان

Table 6. Stability indices, rank of genotypes and Simultaneous selection index (ssi)

Code

Yield (kg ha-1)

ASV

SIPC

EV

ZA

rY

rASV

rSIPC

rEV

rZA

ssiASV

ssiSIPC

ssiEV

ssiZA

WAAS

rWAAS

ssiWAAS

G1

994

10.7

38.9

0.0848

0.177

10

6

9

12

7

16

19

22

17

5.53

5

15

G2

1011

22.5

44.3

0.0778

0.28

9

12

11

11

12

21

20

20

21

9.53

12

21

G3

964

12.5

55.6

0.136

0.264

12

8

14

14

11

20

26

26

23

8.34

10

22

G4

1196

11.4

36.8

0.0559

0.199

1

7

6

5

8

8

7

6

9

6.52

8

9

G5

875

38.3

54.9

0.128

0.374

14

14

13

13

14

28

27

27

28

13.3

14

28

G6

1152

10.6

37.8

0.076

0.171

2

5

8

10

5

7

10

12

7

5.26

4

6

G7

1132

22.2

46.2

0.0693

0.283

3

11

12

9

13

14

15

12

16

9.65

13

16

G8

1084

6.66

37

0.069

0.167

4

1

7

8

4

5

11

12

8

5.19

3

7

G9

1047

16.5

24.3

0.026

0.16

6

9

1

1

3

15

7

7

9

5.66

7

13

G10

1019

10

33.6

0.0536

0.174

8

4

4

4

6

12

12

12

14

5.64

6

14

G11

947

7.45

32.7

0.0616

0.154

13

2

3

7

2

15

16

20

15

4.85

1

14

G12

1046

16.6

33.8

0.0505

0.203

7

10

5

2

9

17

12

9

16

6.9

9

16

G13

1048

27.1

39.6

0.0601

0.26

5

13

10

6

10

18

15

11

15

9.17

11

16

G14

982

9.28

29.3

0.0515

0.152

11

3

2

3

1

14

13

14

12

4.93

2

13

ASV: ارزش ﭘﺎﯾﺪاری اﻣﯽ، SIPC: مجموع نمره‌های محورهای مؤلفه‌ها،EV : مقدار ویژه پارامتر پایداری AMMI، Za: قدرمطلق سهم نسبی IPC  در برهمکنش، WASS: میانگین وزنی نمرات مطلق، ssi: شاخص انتخاب همزمان.

 ASV: AMMI stability value, SIPC: Sum of IPCs scores, EV: Eigenvalue stability parameter of AMMI, Za: Absolute value of the relative contribution of IPCs to the interaction;WASS: Weighted average of absolute scores, ssi: Simultaneous selection index.

 

 

از آن­جا که در ارزیابی ژنوتیپ‌ها و برگزیدن ژنوتیپ‌های برتر با شاخص‌های بالا، فقط به جنبه پایداری ژنوتیپ‌ها اهمیت داده ‌شده است، امکان برگزیدن ژنوتیپ‌هایی با عملکرد پایین همچون ژنوتیپ‌های شماره یک، 11 و 14 وجود دارد که عملکرد آن‌ها، پایین‌تر از متوسط کل ژنوتیپ‌ها است؛ بنابراین از شاخص انتخاب هم­زمان (ssi) بر پایه هر کدام از شاخص‌های بالا استفاده شد، به‌طوری‌که بر مبنای شاخص انتخاب هم­زمان ssiASV که بر پایه شاخص پایداری ASV است، ژنوتیپ‌های شماره چهار، هشت، شش، 10 و هفت را می‌توان ژنوتیپ‌های برتر از نظر پایداری و عملکرد دانه شناسایی کرد. انتخاب هم­زمان ژنوتیپ‌ها بر اساس شاخص SIPC و عملکرد دانه، ژنوتیپ‌های نه، چهار، شش و هشت را به عنوان  برترین ژنوتیپ‌ها نظر گرفت. بر اساس انتخاب هم­زمان بر پایه ssiEV، ژنوتیپ‌های شماره چهار، نه و 12 و برای ssiZA، ژنوتیپ‌های شماره شش، هشت، نه و چهار به‌عنوان ژنوتیپ‌های برتر شناسایی شدند. بر پایه شاخص ssiWAAS که در برآورد آن، افزون بر تمام مؤلفه‌های برهمکنش ژنوتیپ در محیط، به عملکرد دانه ژنوتیپ‌ها نیز توجه ‌شده است، ژنوتیپ‌های شماره چهار، شش و هشت برترین ژنوتیپ‌ها بودند (جدول 6). همان‌گونه که گفته شد، آماره‌های ssi که در برآورد آن‌ها به هر دو جنبه پایداری و متوسط عملکرد یک ژنوتیپ توجه می‌شود و این معیارها در یک شاخص گرد آورده می‌شوند، محدودیت‌های گزینش ژنوتیپ فقط بر پایه شاخص پایداری کاهش می‌یابد ‌و بهره‌گیری از این شاخص‌ها وابسته به این واقعیت است که پایدارترین ژنوتیپ‌ها همیشه بالاترین عملکرد را ندارند؛ از طرفی ژنوتیپ‌های پایدار اما با عملکرد پایین نیز با این شیوه برگزیده نمی‌شوند (Farshadfar, 2008). روش گزینش هم­زمان برای عملکرد و پایداری در عدس (Sabaghnia et al., 2006)، برای تعیین پایداری ژنوتیپ‌ها استفاده شده است. هم­چنین Sabaghpour  (2007)، از شاخص Ysi که توسط Kang (1988) معرفی شده بود، برای گزینش هم­زمان برای عملکرد و پایداری استفاده کردند. در توجیه کاربرد روش گزینش هم­زمان برای ارزیابی عملکرد و پایداری، Moghadam  (2003) با مقایسه این آماره با آماره‌‌های مختلف پایداری هم­چون واریانس محیطی، ضریب تغییرات محیطی، ضریب رگرسیون، انحراف از خط رگرسیون و ضریب تبیین نشان داد که استفاده از روش گزینش هم­زمان برای عملکرد و پایداری می‌تواند با اطمینان بیشتری فرایند گزینش را انجام دهد. هم­چنین در پژوهشی دیگر برای بررسی پایداری عملکرد ارقام جدید عدس نشان داده شد که گزینش هم‌زمان برای عملکرد و هر یک از پارامترهای پایداری می‌تواند به شناسایی ژنوتیپ‌های پایدار کمک کند (SolhNejad, 2004).

با وجود آن­که گفته شده است که در صورت وجود برهمکنش معنی‌دار ژنوتیپ و محیط، اگر دو مؤلفه اصلی اول بیش از 50 درصد از کل تغییرات را توجیه کند، بای‌پلات می‌تواند ابزار مناسبی برای مطالعه برهمکنش ژنوتیپ در محیط (GEI) باشد (Crossa, 1990) و با آن­که دو مؤلفه اصلی اول در این پژوهش، 9/58 درصد از GEI را توجیه کردند، اما مشاهده شد که گزینش ژنوتیپ‌ها فقط بر پایه این دو مؤلفه و صرف­­‌نظر از سایر مؤلفه‌ها و هم­چنین عملکرد دانه می‌تواند منجر به نتایج نادرستی شود. برای نمونه، ژنوتیپ 14 که در هر چهار شاخص‌ AMMI پایدار بود، زمانی‌که از ssi برای هر یک از شاخص‌ها استفاده شد، جزو ژنوتیپ‌های منتخب قرار نگرفت. در سوی مقابل، ژنوتیپ‌ شماره 10 بود که بر اساس پارامترهای AMMI پایدار نبود، اما به‌عنوان یک ژنوتیپ برتر با توجه به شاخص‌های ssi آن‌ها برگزیده شد.

در این باره گفته شده است که زمانی‌که توجیه الگوی GEI با دو IPCA اول، کم تا متوسط می‌باشد (برای نمونه در محاسبه شاخص ASV)، لازم است در تفسیر احتیاط شود، زیرا ممکن است که تعداد بیشتری از محورها در الگوی GEI نقش داشته باشند، به‌طوری‌که حتی مؤلفه‌های اصلی آخر نیز سهمی در این برهمکنش‌ها می‌توانند داشته باشند (Olivoto et al., 2019).

روش امی در هر محیط، چهار ژنوتیپ برتر را از نظر عملکرد و پایداری انتخاب می‌کند که نتایج حاصل از این تجزیه در جدول 7 نشان داده شده است.

 

 

جدول 7- چهار ژنوتیپ انتخابی هر محیط توسط روش امی

Table 7. Four selected genotypes in each environments based on AMMI method

Forth rank

Third rank

Second rank

First rank

score

Yield (kg ha-1)

Environment

G13

G6

G7

G4

-14.295

1377

E1

G6

G9

G10

G13

11.640

1560

E2

G13

G12

G9

G2

10.952

1298

E3

G3

G6

G2

G12

6.116

378

E4

G4

G13

G6

G7

1.340

1694

E5

G7

G8

G3

G6

3.010

682

E6

G4

G12

G5

G2

2.781

1337

E7

G12

G6

G7

G4

4.200

274

E8

G14

G13

G4

G7

-5.325

1391

E9

G1

G6

G3

G7

-1.463

845

E10

G7

G4

G8

G5

-25.134

954

E11

G4

G12

G7

G6

6.1764

336

E12

 

با نگاهی به این جدول در می‌یابیم که ژنوتیپ شش در دو محیط شش (سال دوم خرم‌آباد) و 12 (سال سوم مغان) به‌عنوان برترین ژنوتیپ، در محیط پنج (سال دوم گچساران) در رتبه دوم، در محیط‌های شماره یک (سال اول گچساران)، چهار (سال اول مغان)، هشت ( سال دوم مغان) و 10 (سال سوم خرم‌آباد) در رتبه سوم و در محیط‌ دو (سال دوم خرم‌آباد) هم در رتبه چهارم قرار گرفته است؛ بنابراین می‌تواند به‌عنوان یکی از پایدارترین ژنوتیپ‌ها در این روش انتخاب ‌شود. ژنوتیپ شماره چهار در دو محیط یک (سال اول گچساران) و هشت (سال دوم مغان) به‌عنوان برترین ژنوتیپ، در محیط نه (سال سوم گچساران) در رتبه دوم، در محیط 11 (سال سوم گنبد) در رتبه سوم و در محیط‌های پنج (سال دوم گچساران)، هفت (سال دوم گنبد) و چهار (سال اول مغان) هم در رتبه چهارم قرار گرفته است؛ بنابراین می‌تواند به‌عنوان یکی از پایدارترین ژنوتیپ‌ها در این روش انتخاب ‌شود.

تفسیر بای‌پلات

دو محور افقی و عمودی بای‌پلات نوع اول AMMI (عملکرد دانه در برابر مؤلفه‌ اصلی اول)، به‌ترتیب به عملکرد دانه به‌عنوان نمود یا بیان فنوتیی یک ژنوتیپ و نخستین مؤلفه اصلی برهمکنش ژنوتپ در محیط (IPC1) اختصاص داده می‌شوند و بر مبنای بزرگی (مثبت یا منفی) و کوچکی (نزدیک به صفر و مبدأ مختصات) ضرایب ژنوتیپ‌ها و محیط‌ها در این مولفه اصلی، پایداری آن‌ها شناسایی می‌شود. ژنوتیپ‌های دارای مقادیر اولین مولفه اصلی (IPCA1) بزرگ (مثبت یا منفی)، برهمکنش بالایی با محیط دارند، در حالی‌که ژنوتیپ‌ها و محیط‌های دارای مقادیر اولین مولفه اصلی نزدیک به صفر، دارای برهمکنش پایینی هستند. بنابراین بر این اساس، ژنوتیپ‌های شماره یک، سه، چهار، شش، هشت، 14، 10 و 11 دارای کم­ترین مقادیر IPCA1 بودند، ولی فقط میانگین عملکرد دانه ژنوتیپ‌های شماره شش، چهار و هشت بیش­تر از میانگین کل (5/1035 کیلوگرم در هکتار) و شاهد گچساران (982کیلوگرم در هکتار) بود و به‌عنوان ژنوتیپ‌های پایدار با سازگاری عمومی بالا معرفی ‌شدند. از سوی دیگر، ژنوتیپ‌های شماره پنج و 13، دورترین ژنوتیپ‌ها از مبدأ بای‌پلات (دارای بیش­ترین ضرایب در مؤلفه اصلی اول) بودند و بر اساس این شاخص، ناپایدار بودند (شکل 1)؛ البته بیشتر ژنوتیپ‌ها در اطراف محور عمودی پراکنده بودند و کم­ترین فاصله را از این محور داشتند. محیط‌های شماره شش، 10، هفت، یک و سه به‌ترتیب خرم‌آباد (سال دوم)، خرم‌آباد (سال سوم)، گنبد (سال دوم)، گچساران (سال اول) و گنبد (سال اول) ، دارای کمترین مقدار IPCA1 و کمترین برهمکنش ژنویپ در محیط بودند؛ به این ترتیب این محیط‌ها به نسبت محیط‌های دیگر، پایداری عملکرد بهتری داشتند، ولی بجز محیط‌های‌ یک (سال اول گچساران)، هفت (سال دوم گنبد) و سه (سال دوم گنبد)، دیگر محیط‌ها میانگین عملکرد پایین‌تری نسبت به میانگین کل داشتند (شکل 1). توضیح این نکته ضروری است که اگر تصمیم‌گیری برای شناساندن ژنوتیپ‌های پایدار بر مبنای این نمودار باشد که در کشیدن آن، فقط از مؤلفه اصلی نخست بهره گرفته شده است که تنها 36 درصد از تغییرات برهمکنش ژنوتیپ در محیط را توجیه می‌کند، می‌تواند به نتایج نادرستی بیانجامد؛ از این رو، از روش بای‌پلات نوع دوم AMMI استفاده شد که در آن از ضرایب هر دو مؤلفه اصلی اول و دوم بهره گرفته شده است.

با توجه به سهم بالای دو مؤلفه اصلی اول و دوم در برهمکنش ژنوتیپ و محیط (9/58 درصد) نسبت به بای‌پلات نوع اول، به‌‌نظر می‌رسد که ارزیابی ژنوتیپ‌ها با بای‌پلات نوع دوم AMMI به واقعیت نزدیک‌تر باشد و ژنوتیپ‌های پایدار را به شکل بهتری شناسایی کند (Olivoto et al., 2019). در این نمودار، ژنوتیپ‌های شماره هفت، پنج، دو، 13، یک و شش با بیشترین فاصله از مبدأ بای‌پلات، سهم بالایی در برهمکنش ژنوتیپ در محیط داشتند و ژنوتیپ‌های ناپایداری بودند، اما این ژنوتیپ‌‌ها، بهترین یا ضعیف‌­ترین در برخی یا تمام محیط‌ها و دارای سازگاری به برخی از محیط‌ها بودند، به‌طوری‌که در هر بخش، ژنوتیپ جای‌گرفته در رأس آن، بهترین ژنوتیپ برای محیط‌های واقع در آن است (Yan et al., 2000). در هرکدام از بخش‌های این نمودار چندضلعی، ژنوتیپ‌های سازگار با برخی از محیط‌ها قابل شناسایی است. بر این اساس، ژنوتیپ پنج به‌عنوان ژنوتیپ رأسی و ژنوتیپ‌های شماره سه، 14 و هشت درون آن بخش‌ها، بهترین ژنوتیپ‌ها برای محیط‌های شماره 11، هفت، شش و هشت بودند.

در بخش بعدی این چندضلعی، ژنوتیپ‌های شماره دو، 12 و نه، بهترین ژنوتیپ برای محیط‌های شماره چهار، 12 و سه بودند. در بخش سوم، ژنوتیپ‌های شماره 13، 10 و 11، بهترین ژنوتیپ‌ها برای محیط‌های شماره دو، پنج و نه بودند. ژنوتیپ‌های شماره یک و شش بر پایه این نمای بای‌پلات، برای هیچ‌کدام از محیط‌ها شایستگی نداشتند. در آخرین بخش از این نمودار، ژنوتیپ‌های شماره هفت و چهار، مناسب برای محیط‌های شماره 10 و یک شناسایی شدند. از دیگر کاربردهای این نمودار، علاوه بر شناسایی ژنوتیپ‌های سازگار به هر محیط، معرفی ژنوتیپ‌های با پایداری عمومی است، به‌طوری‌که ژنوتیپ‌های شماره هشت، 14، سه، چهار، 11، 10 و تا حدودی نه و 12، دارای پایداری عمومی بالایی بودند. در تطابق با یافته حاضر، پژوهشگران دیگری نیز با استفاده از روش بای‌پلات نوع دوم، ژنوتیپ‌های پایدار عدس را شناسایی کرده‌اند (Karimizadeh & Mohammadi, 2010; Karimizadeh et al., 2013a; Karimizadeh et al., 2013b).

 

 

شکل 1- بای‌پلات AMMI1 برای شناسایی ژنوتیپ‌های برتر عدس بر پایه میانگین عملکرد دانه و مولفه اصلی اول. اسامی ژنوتیپ‌ها مطابق با جدول 1 و اسامی محیط‌ها مطابق با جدول 3 است.

Figure 1. AMMI1 biplot to identity the superior lentil genotypes based on mean seed yield and PC1.

 

 

شکل 2- بای‌پلات AMMI2 برای شناسایی ژنوتیپ‌های برتر عدس بر پایه دو مولفه اصلی اول. اسامی ژنوتیپ‌ها مطابق با جدول 1 و اسامی محیط‌ها مطابق با جدول 3 است.

Figure 2. AMMI2 biplot to identity the superior lentil genotypes based on the first two PCs. The name of genotypes and environments are based on the table 1 and 3, respectively.

 

 

شناسایی ژنوتیپ‌های برتر بر پایه شاخص برتری لین و بینز

در این پژوهش علاوه بر شاخص‌های مختلف AMMI، از شاخص برتری (PI) Lin and Binns (1988) هم استفاده شده است که این شاخص، برتری عمومی رقم را در تمام محیط‌ها (Pi_a)، محیط‌های مطلوب (Pi_f) و محیط‌های نامطلوب (Pi_u) اندازه‌گیری می‌کند. بر اساس شاخص Pi_a، ژنوتیپ‌های شماره چهار، شش، هفت و هشت ژنوتیپ‌های برتر بودند. در محیط‌های مطلوب نیز چهار ژنوتیپ برتر به‌ترتیب عبارت از ژنوتیپ‌های شماره چهار، شش، 13 و هفت بودند، درحالی‌که در محیط‌های نامطلوب، ژنوتیپ‌های هفت، شش، چهار و سه برترین ژنوتیپ‌ها بودند. بنابراین و بر اساس این سه شاخص، ژنوتیپ‌های شماره چهار و شش، برترین ژنوتیپ‌ها در محیط‌های مطالعه شده بودند. در تطابق با این نتیجه، Dehghani et al (2008) با استفاده از شاخص Pi در ژنوتیپ‌های عدس، پایدارترین ژنوتیپ‌ها را شناسایی کردند.

 

 

جدول 8- شناسایی ژنوتیپ‌های برتر عدس با شاخص برتری در کل محیط‌‌ها، محیط‌های مطلوب و نامطلوب

Table 8. Identification the superior lentil genotypes by supriority index in all, favourable and unfavourable environments.

GEN

Y

Pi_a

R_a

Pi_f

R_f

Pi_u

R_u

G1

994

86382

10

134375

12

38388

6

G2

1011

95297

11

102149

9

88445

12

G3

964

112256

13

206517

13

17994

4

G4

1196

15569

1

16004

1

15134

3

G5

875

162612

14

279697

14

45527

8

G6

1152

24804

2

39592

2

10017

2

G7

1132

37276

3

65724

4

8828

1

G8

1084

48285

4

68090

5

28479

5

G9

1047

63149

5

69995

6

56304

10

G10

1019

74967

7

104433

11

45502

7

G11

947

104767

12

104139

10

105396

14

G12

1046

69825

6

85037

8

54613

9

G13

1048

76141

8

62507

3

89774

13

G14

982

82793

9

84555

7

81032

11

 

 

نتیجه‌گیری کلی

از آن­جا که نتایج تجزیه واریانس مرکب، گویای معنی‌دار بودن اثر محیط، ژنوتیپ و برهمکنش ژنوتیپ و محیط بود، تجزیه پایداری با شاخص‌ها و بای‌پلات‌های AMMI انجام شد. سهم محیط، ژنوتیپ و برهمکنش این دو در مجموع مربعات کل، به‌ترتیب 80، 3/2 و 7/10 درصد بود. تجزیه واریانس AMMI نشان داد که شش مؤلفه اصلی اول، اثر معنی‌داری در برهمکنش ژنوتیپ و محیط داشتند. در بین ژنوتیپ‌های مطالعه شده، بیشترین عملکرد دانه در ژنوتیپ چهار (1196 کیلوگرم در هکتار) و در پی آن در ژنوتیپ‌های شماره شش، هفت، هشت و 13 دیده شد. بر اساس شاخص پایداری ASV، ژنوتیپ‌های شماره هشت، 11، 14، 10 و شش، شاخص SIPC، ژنوتیپ‌های شماره نه، 14، 11، 10 و 12؛ شاخص EV، ژنوتیپ‌های شماره نه، 12، 14، 10 و 4، شاخص ZA نیز ژنوتیپ‌های شماره 14، 11، نه، هشت و شش و شاخص WAAS، ژنوتیپ‌های شماره 11، 14، هشت، شش و یک پایدارترین ژنوتیپ‌ها بودند. بر مبنای شاخص انتخاب همزمان ssiASV، ژنوتیپ‌های شماره چهار، هشت، شش، 10 و هفت، شاخص ssiSIPC، ژنوتیپ‌های شماره نه، چهار، شش و هشت، شاخص ssiEV، ژنوتیپ‌های شماره چهار، نه و 12، شاخص ssiZA، ژنوتیپ‌های شماره شش، هشت، نه و چهار و شاخص ssiWAAS، ژنوتیپ‌های شماره چهار، شش و هشت برترین ژنوتیپ‌ها بودند. بر پایه بای‌پلات AMMI1، ژنوتیپ‌های شماره شش، چهار و هشت با میانگین بیشتر از میانگین کل (5/1035 کیلوگرم در هکتار) و شاهد گچساران (982کیلوگرم در هکتار) و کمترین مقادیر IPCA1، به‌عنوان ژنوتیپ‌های پایدار با سازگاری عمومی بالا بودند. بر پایه بای‌پلات AMMI2، ژنوتیپ‌های شماره چهار، هشت، نه و 12، علاوه بر پایداری عمومی بالا، دارای میانگینی بالاتر از میانگین کل بودند. این نمودار، افزون بر شناسایی ژنوتیپ‌های با پایداری عمومی بالا، ژنوتیپ‌های سازگار برای هر محیط را نیز شناسایی کرد. در ارتباط با مقایسه شاخص‌ها، از آن‌جا که در محاسبه شاخص WAAS، تمامی مؤلفه‌های اصلی معنی‌دار با وزن‌های متفاوت به‌کار گرفته شده‌اند، پایداری عملکرد را به شکل بهتری نشان می‌دهند و ژنوتیپ‌های برگزیده با این شاخص از پایداری مطمئن‌تری برخوردار هستند و پیشنهاد می‌شود در پژوهش‌های آینده برای تعیین پایداری ژنوتیپ‌ها، این روش بیشتر مورد توجه قرار گیرد. علاوه بر شاخص‌های AMMI، از شاخص برتری لین و بینز نیز برای شناسایی ژنوتیپ‌های برتر استفاده شد که بر این اساس نیز ژنوتیپ‌های شماره چهار و شش، برترین ژنوتیپ‌ها در محیط‌های مطالعه شده بودند. در مجموع و بر پایه شاخص‌های مختلف، ژنوتیپ‌های شماره چهار، شش و هشت در بسیاری از محیط‌ها (ترکیبی از سال و مکان) و در بیشتر روش‌ها، دارای عملکرد و پایداری مطلوبی بودند و می‌توانند نامزد معرفی ارقام جدید باشند.

 

 

REFERENCES

  1. Allahyari, N. (2006). Determining the compatibility of promising lentil lines in the dryland conditions of Ardabil region. 9th Iranian Crop Sciences Congress. Abu Raihan Campus, University of Tehran. P: 231. (In Persian)
  2. Bortz, J., Lienert G. A. & Boehnke, K. (1990). Verteilungsfreie methoden in der biostatistik (1st). Springer-Verlag Berlin Heidelberg.
  3. Dehghani, H., Sabaghpour, S. H. & Sabaghnia, N. (2008). Genotype × environment interaction for grain yield of some lentil genotypes and relationship among univariate stability statistics. Spanish Journal of Agricultural Research, 6(3), 385-394.
  4. Farshadfar, E. (2008). Incorporation of AMMI stability value and grain yield in a single non-parametric index (GSI) in bread wheat. Pakistan Journal of Biological Science, 11, 1791–1796.
  5. Gauch, H. G. & Zobel, R. W. (1988). Predictive and postdictive success of statistical analyses of yield trials. Theoretical and Applied Genetics, 76(1), 1–10.
  6. Hawtin, G., Iwanage, M. & Hodykin, T. (1996). Genetic resources in breeding for adaptation. Euphytica, 92, 255-266.
  7. Kang, M.S. (1988). A rank-sum method for selecting high-yielding, stable corn genotypes. Cereal Research Communicatio, 16, 113-115.
  8. Karimizadeh, R. & Mohammadi, M. (2010). AMMI adjustment for rainfed lentil yield trials in Iran. Bulgarian Journal of Agricultural Science, 16: 66-73.
  9. Karimizadeh, R., Mohammadi M. & Sabaghnia, N. (2013a). Site Regression Biplot Analysis for Matching New Improved Lentil Genotypes into Target Environments. Journal of Plant Physiology and Breeding, 3(2), 51-65.
  10. Karimizadeh, R., Mohammadi, M., Sabaghnia, N., Mahmoodi, A. A., Roustami, B., Seyyedi, F. & Akbari, F. (2013b). GGE biplot analysis of yield stability in multi-environment trials of lentil genotypes under rainfed condition. Notulae Scientia Biologicae, 5(2), 256-262
  11. Lin, C. S., Binns, M. R. & Lefcovitch, L. P. (1986). Stability analysis: Where do we stand? Crop Science, 26, 894-900.
  12. Lin, C. S. & M. R. Binns. (1988). A superiority measure of cultivar performance for cultivar x location data. Canadian Journal of Plant Science, 68, 193-198.
  13. Moghadam, A. (2003). Simultaneous selection for yield and stability and it's comparison with stability different statistics. Seed and Plant Journal, 19, 1-13. (In Persian)
  14. Nassar, R., & Huehn, M. (1987). Studies on estimation of phenotypic stability: Tests of significance for nonparametric measures of phenotypic stability. Biometrics, 43, 1. 45-53.
  15. Olivoto, T. & DalCol Lucio, A. (2020). Metan: an R package for multi-environment trial analysis, Methods in Ecology Evolution, 11,783–789.
  16. Olivoto, T., Lucio, A. D. C., da Silva, J. A. G., Marchioro, V. S., de Souza, V. Q. & Jost, E. (2019). Mean performance and stability in multi-environment trials I: Combining features of AMMI and BLUP techniques. Agronomy Journal, 111, 2949-2960.
  17. Purchase, J. L., Hatting, H. & Van Deventer, C. S. (2000). Genotype× environment interaction of winter wheat (Triticum aestivum) in South Africa: II. Stability analysis of yield performance. South African Journal of Plant and Soil, 17(3), 101-107.
  18. Scapim, C. A., Oliveira, V. R., Braccini, A. L., Cruz, C., Andrade, C. A. B. & Vidigal, M. C. G. (2000). Yield stability in maize (Zea mays ) and correlations among the parameters of the Eberhart and Russell, Lin and Binns and Huehn models. Genetics and Molecular Biology. 23 (2), 387-393.
  19. Sabaghnia, N., Dehghani., H. & Sabaghpour, S. H. (2006). Non parametric methods for interpreting genotype × environment interaction of Lentil genotypes. Crop Science, 46, 1100-1106.
  20. Sabaghpour, S. H. (2007). Stability analysis of grain yield for promising lentil lines in autumn planting under dryland conditions. Iranian Journal of Crop Sciences, 8 (4), 312-322. (In Persian)
  21. Sneller, C. H., Kilgore-norquest, L. & Dombek, D. (1997). Repeatability of yield stability statistics in soybean. Crop Science, 7, 383–390
  22. SolhNejad, B. (2004). Evaluation of yield stability of new lentil cultivars. MSc Thesis. Islamic Azad University of Ardabil Branch, Iran. (In Persian)
  23. Wright, K. & Laffont, J. L. (2018). R package for GGE biplot. Github Company, Newyork, USA.
  24. Zali, H., Farshadfar, E., Sabaghpour, S. H. & Karimizadeh, R. (2012). Evaluation of genotype × environment interaction in chickpea using measures of stability from AMMI model. Annals of Biological Research, 3, 3126–3136.
  25. Zobel, R. W., Wright, A. J. & Gauch, H. G. (1988). Statistical analysis of a yield trial. Agronomy Journal, 80, 388-393.

 

  1. REFERENCES

    1. Allahyari, N. (2006). Determining the compatibility of promising lentil lines in the dryland conditions of Ardabil region. 9th Iranian Crop Sciences Congress. Abu Raihan Campus, University of Tehran. P: 231. (In Persian)
    2. Bortz, J., Lienert G. A. & Boehnke, K. (1990). Verteilungsfreie methoden in der biostatistik (1st). Springer-Verlag Berlin Heidelberg.
    3. Dehghani, H., Sabaghpour, S. H. & Sabaghnia, N. (2008). Genotype × environment interaction for grain yield of some lentil genotypes and relationship among univariate stability statistics. Spanish Journal of Agricultural Research, 6(3), 385-394.
    4. Farshadfar, E. (2008). Incorporation of AMMI stability value and grain yield in a single non-parametric index (GSI) in bread wheat. Pakistan Journal of Biological Science, 11, 1791–1796.
    5. Gauch, H. G. & Zobel, R. W. (1988). Predictive and postdictive success of statistical analyses of yield trials. Theoretical and Applied Genetics, 76(1), 1–10.
    6. Hawtin, G., Iwanage, M. & Hodykin, T. (1996). Genetic resources in breeding for adaptation. Euphytica, 92, 255-266.
    7. Kang, M.S. (1988). A rank-sum method for selecting high-yielding, stable corn genotypes. Cereal Research Communicatio, 16, 113-115.
    8. Karimizadeh, R. & Mohammadi, M. (2010). AMMI adjustment for rainfed lentil yield trials in Iran. Bulgarian Journal of Agricultural Science, 16: 66-73.
    9. Karimizadeh, R., Mohammadi M. & Sabaghnia, N. (2013a). Site Regression Biplot Analysis for Matching New Improved Lentil Genotypes into Target Environments. Journal of Plant Physiology and Breeding, 3(2), 51-65.
    10. Karimizadeh, R., Mohammadi, M., Sabaghnia, N., Mahmoodi, A. A., Roustami, B., Seyyedi, F. & Akbari, F. (2013b). GGE biplot analysis of yield stability in multi-environment trials of lentil genotypes under rainfed condition. Notulae Scientia Biologicae, 5(2), 256-262
    11. Lin, C. S., Binns, M. R. & Lefcovitch, L. P. (1986). Stability analysis: Where do we stand? Crop Science, 26, 894-900.
    12. Lin, C. S. & M. R. Binns. (1988). A superiority measure of cultivar performance for cultivar x location data. Canadian Journal of Plant Science, 68, 193-198.
    13. Moghadam, A. (2003). Simultaneous selection for yield and stability and it's comparison with stability different statistics. Seed and Plant Journal, 19, 1-13. (In Persian)
    14. Nassar, R., & Huehn, M. (1987). Studies on estimation of phenotypic stability: Tests of significance for nonparametric measures of phenotypic stability. Biometrics, 43, 1. 45-53.
    15. Olivoto, T. & DalCol Lucio, A. (2020). Metan: an R package for multi-environment trial analysis, Methods in Ecology Evolution, 11,783–789.
    16. Olivoto, T., Lucio, A. D. C., da Silva, J. A. G., Marchioro, V. S., de Souza, V. Q. & Jost, E. (2019). Mean performance and stability in multi-environment trials I: Combining features of AMMI and BLUP techniques. Agronomy Journal, 111, 2949-2960.
    17. Purchase, J. L., Hatting, H. & Van Deventer, C. S. (2000). Genotype× environment interaction of winter wheat (Triticum aestivum) in South Africa: II. Stability analysis of yield performance. South African Journal of Plant and Soil, 17(3), 101-107.
    18. Scapim, C. A., Oliveira, V. R., Braccini, A. L., Cruz, C., Andrade, C. A. B. & Vidigal, M. C. G. (2000). Yield stability in maize (Zea mays ) and correlations among the parameters of the Eberhart and Russell, Lin and Binns and Huehn models. Genetics and Molecular Biology. 23 (2), 387-393.
    19. Sabaghnia, N., Dehghani., H. & Sabaghpour, S. H. (2006). Non parametric methods for interpreting genotype × environment interaction of Lentil genotypes. Crop Science, 46, 1100-1106.
    20. Sabaghpour, S. H. (2007). Stability analysis of grain yield for promising lentil lines in autumn planting under dryland conditions. Iranian Journal of Crop Sciences, 8 (4), 312-322. (In Persian)
    21. Sneller, C. H., Kilgore-norquest, L. & Dombek, D. (1997). Repeatability of yield stability statistics in soybean. Crop Science, 7, 383–390
    22. SolhNejad, B. (2004). Evaluation of yield stability of new lentil cultivars. MSc Thesis. Islamic Azad University of Ardabil Branch, Iran. (In Persian)
    23. Wright, K. & Laffont, J. L. (2018). R package for GGE biplot. Github Company, Newyork, USA.
    24. Zali, H., Farshadfar, E., Sabaghpour, S. H. & Karimizadeh, R. (2012). Evaluation of genotype × environment interaction in chickpea using measures of stability from AMMI model. Annals of Biological Research, 3, 3126–3136.
    25. Zobel, R. W., Wright, A. J. & Gauch, H. G. (1988). Statistical analysis of a yield trial. Agronomy Journal, 80, 388-393.
Volume 52, Issue 4
January 2022
Pages 197-209
  • Receive Date: 13 October 2020
  • Revise Date: 14 November 2020
  • Accept Date: 18 November 2020
  • Publish Date: 22 December 2021