Preparation and Evaluation of Test Cross Hybrids Resistant to Rhizomania and Cyst Nematode Based on New Single Crosses in Sugar Beet

Document Type : Research Paper

Authors

1 Agricultural and Natural Resources Research Center of Fars, Agricultural Research, Education and Extension Organization (AREEO), shiraz , Iran

2 Agricultural and Natural Resources Research Center of Hamedan, Agricultural Research, Education and Extension Organization (AREEO), Iran

3 Agricultural and Natural Resources Research Center of Kermanshah, Agricultural Research, Education and Extension Organization (AREEO), Kermanshah, Iran

4 Agricultural and Natural Resources Research Center of Khorasan Razavi, Agricultural Research, Education and Extension Organization (AREEO), Mashhad, Iran

5 Agricultural and Natural Resources Research Center of West Azarbaijan, Agricultural Research, Education and Extension Organization (AREEO), orumieh, Iran

6 Agricultural and Natural Resources Research Center of Alborz, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran

Abstract

To prepare and evaluate test cross hybrids resistant to rhizomania and cyst nematode based on new single crosses, 48 test cross hybrids produced were evaluated in 2021 in the augmentation design along with Iranian and commercial hybrid varieties in six regions )Karaj, Mashhad, Shiraz, Kermanshah, Miandoab, and Hamadan(. Genotypes mean comparison showed that BTS2015N had the highest root yield in Karaj, Mashhad, Shiraz, Kermanshah, and Hamadan and an average of six locations with an average of 133.97, 114.45, 77.14, 102.80, 97.08, and 104.91 t/ha, respectively. The Wawilow cultivar also had the highest sugar content in Karaj, Mashhad, Shiraz, and Kermanshah and an average of six locations with an average of 17.61, 18.31, 24.06, 19.57, and 18.62 percent, respectively. In addition, in a total of six locations, there was no significant difference among hybrids 39, 40, 31, and 35 in terms of root yield and hybrids 24 and 47 in terms of sugar content with the external control cultivar BTS2015N. In this study, new hybrids 40, 38, 23, Nika, and Bifort cultivars have the lowest ASV values with 0.062, 0.117, 0.154, 0.245, and 0.256, respectively, were considered stable genotypes in terms of root yield. Also, based on the results of the GGE biplot method, the new hybrids 13, 24, 32, 23 had the highest general stability. In this study, the BTS2015N cultivar for the environments of Karaj, Kermanshah, Shiraz, and Hamadan and the Annamira KWS cultivar for the Miandoab environment showed high specific adaptability. 

Keywords

Main Subjects


. مقدمه

چغندر قند یکی از سودآورترین گیاهان قندی است ((Lubova et al., 2018، این محصول بومی مناطق معتدل است و حدود 35 درصد از تقاضای شکر جهان را تامین می­کند. چغندر قند را می­توان در شرایط مختلف آب و هوایی کاشت کرد. کشت این محصول به­طور گسترده در مناطق خشک صورت می­گیرد Tomaszewska et al., 2018; Bayomi et al., 2019)).

تولید و ارزش اقتصادی محصول چغندر قند تا حد زیادی به مقاومت مناسب این محصول در برابر بیماری مخرب ویروسی رایزومانیا بستگی دارد که برای دهه­ها تأثیر قابل توجهی روی صنعت چغندر قند داشته است (Safar et al., 2020). رایزومانیا به­صورت معنی­داری عملکرد ریشه و درصد قند را کاهش می­دهد. عامل این بیماری ویروس رگبرگ زرد نکروتیک چغندر
 (Beet necrotic yellow vein virus) می­باشد. این ویروس در طبیعت توسط شبه قارچ Polymyxa betae Keskin انتقال می­یابد (Rush et al., 2006). در حال حاضر موثرترین روش کنترل این بیماری استفاده­از ارقام مقاوم می­باشد. مقاومت ترکیبی به ویروس و ناقل از­طریق به­نژادی کلاسیک اقتصادی­ترین روش جهت مبارزه با این بیماری در صنعت چغندر قند معرفی شده است (McGrann et al., 2009). ارقام مقاوم به رایزومانیا به­دلیل اینکه دارای زمینه ژنوتیپی متفاوتی هستند از نظر تأثیرپذیری از بیماری و مقدار عملکرد با یکدیگر متفاوت هستند (Pavli et al., 2011). علاوه­بر­آن میزان خسارت بیماری به پاتوتیپ ویروس، میزان زاد­مایه بیماری، برهمکنش ویروس عامل بیماری با سایر بیمارگرها، زمان آلودگی و شریط اقلیمی بستگی دارد
 (McGrann et al., 2009). در ایران تحقیقات جامعی در زمینه­های مختلف بیماری از جمله تعیین پراکنش آن در کشور، شناسایی تیپ­های ویروس عامل بیماری و تهیه ارقام متحمل به رایزومانیا انجام شده است (Darabi et al., 2017).

نماتدهای سیستی از­جملـه مهـم­تـرین نماتـدهای انگـل گیـاهی هستند که اهمیت اقتصادی زیادی در بسیاری از کشورهای جهـان دارند. نماتد سیستی چغندر قند از سـال 1859 بـا گـزارش آلـودگی چغندر قند در آلمان به­عنـوان یـک بیمـارگر گیـاهی شـناخته و در سال­های بعد، این نماتـد در نـواحی کشـت چغندر قنـد کشـورهای اروپایی متعددی گـزارش شـد
 (Turner & Subbotin, 2013)، در حال حاضر Heterodera schachtii از مهـم­تـرین عوامـل خسارت­زای ایـن محصول به­شمـار مـی­رود و در اغلــب منـاطق چغندرکاری دنیـا از­جمله اروپا، آمریکای شمالی و آسیا وجود دارد (Draycott, 2006). از­آنجایی­که مدیریت شیمیایی مبارزه با نماتد با­استفاده­از نماتدکش­ها در تولید چغندر قند ترجیح داده نمی­شود، تمرکز روی راه­کارهای مدیریت جایگزین معطوف است (Reuther et al., 2017; Ashmit et al., 2021). مقاومت میزبان نسبت­به نماتد عمدتاً به عناصر ژنتیکی و غیر ژنتیکی بستگی دارد (Ullah et al., 2020; Badshah et al., 2021; Al-Nemi et al., 2022). عنصر غیر ژنتیکی شامل فعالیت­های زراعی، فرآیندهای فیزیکی و فرآیندهای شیمیایی است (Wang et al., 2013). عنصر ژنتیکی شامل شناسایی منابع مقاومت و استفاده از آن منابع در برنامه­های اصلاحی برای ایجاد ژنوتیپ­های مقاوم به نماتد است
 (Kim & Yang, 2019; Abdelsalam et al., 2022b; Elkobrosy et al., 2022). در اکوسیستم کشاورزی، افزایش مقاومت ارقام چغندر قند به نماتدها می­تواند باعث کاهش مصرف نماتدکش و کاهش آلودگی محیط زیست و هزینه­های تولید شود
(Kim &Yang, 2019; El-Saadony et al., 2021). استفاده­از ارقام مقاوم در برابر نماتدها می­تواند به مدیریت موثر و سازگار با محیط زیست محصولات کمک کند. به­طور کلی، محصول تولید­شده در ژنوتیپ­های مقاوم بیشتر از ژنوتیپ­های حساس است (Youssef et al., 2020; Ghareeb et al., 2022). بنابراین استفاده­از ژنوتیپ­های مقاوم همراه­با سایر رویکردهای مدیریتی مانند بهبود ارگانیک خاک (Abdelsalam et al., 2022b; Choudhary et al., 2022)، کنترل بیولوژیک (Mukhtar et al., 2013) و تناوب­با گیاهان غیر میزبان (Xie et al., 2016) می­تواند راهکاری برای کاهش خسارت نماتد به محصول چغندر قند باشد.

در برنامه­های معرفی ژنوتیپ­های اصلاح­شده، استفاده­از عملکرد ژنوتیپ­ها به­تنهایی معیار مطلوبی جهت گزینش نیست، بلکه میزان سازگاری و پایداری نیز نقش مهمی را ایفا می­کند. بدین­منظور آزمایش­های مقایسه عملکرد در مناطق و سال­های مختلف صورت می­پذیرد (Farshadfar & Sutka, 2006). روش­های بررسی برهمکنش ژنوتیپ و محیط به­طور کلی به دو گروه اصلی شامل روش­های تک­متغیره و چند­متغیره تقسیم می­شوند. در میان روش­های چند­متغیره، مدل اثرات اصلی افزایشی و اثرات متقابل ضرب­پذیر (AMMI) روش کارآمدی برای حذف خطا Noise)) و آشکار­کردن الگوی مناسب داده­ها است (Yan et al., 2002). روش GGE بای­پلات نیز از طریق نمایش گرافیکی اثر متقابل ژنوتیپ×محیط به به­نژادگر کمک می­کند تا به­سادگی پایداری ژنوتیپ­ها و ترکیب پایداری با عملکرد ژنوتیپ­ها در محیط­های مختلف را ارزیابی کرده و همچنین استفاده­از این روش امکان بررسی روابط میان محیط­ها و شناسایی محیط­های هدف در برنامه­های به­نژادی را به­سادگی میسر می­سازد (Yan et al., 2002).

در مطالعه Mostafavi et al. (2017) روی ژنوتیپ­های چغندر قند گزارش شد که اثر ژنوتیپ و اثر محیط و اثر متقابل ژنوتیپ در محیط از لحاظ عملکرد ریشه معنی‌دار بود. آنها اظهار داشتند دو مؤلفه اصلی اول اثر متقابل ژنوتیپ در محیط در مجموع بیش از 77 درصد از واریانس اثر متقابل را تبیین کردند، همچنن نمودار بای‌پلات حاصل از اولین مؤلفه اصلی اثر متقابل و میانگین عملکرد ریشه برای ژنوتیپ‌ها و محیط‌ها نشان داد که رقمJAAM  با عملکرد بیشتر از میانگین کل و کمترین مقدار برای اولین مؤلفه اصلی اثر متقابل به­عنوان رقم پایدار شناخته شد. Hassani et al. (2018) در ارزیابی ژنوتیپ­های چغندر قند به­روش امی (AMMI) دو مؤلفه اصلی اول با اثر متقابل ژنوتیپ در محیط معنی­دار برای عملکرد ریشه و عملکرد قند خالص شناسایی کردند که بر اساس نتایج تجزیه GGE بای­پلات دو مؤلفه اول به­ترتیب 52/60 و 9/62 درصد از تغییرات ژنوتیپ در محیط را برای عملکرد ریشه و عملکرد قند خالص را تبیین کردند. در مطالعه آنها ژنوتیپ­های G21، G28 و G29 به­عنوان ژنوتیپ­های پایدار نسبت به شرایط محیطی شناسایی شدند. بر اساس نتایج نمودار دوبعدی مربوط­به دو مؤلفه اصلی اول اثر متقابل ژنوتیپ در محیط Hasani et al. (2021) نشان دادند، ژنوتیپ 24 از لحاظ عملکرد ریشه و عملکرد قند خالص برای محیط­های همدان، شیراز و مشهد دارای سازگاری خصوصی بالایی بود، در­حالی­که ژنوتیپ 46 از لحاظ عملکرد ریشه و ژنوتیپ 36 از لحاظ عملکرد قند خالص برای محیط کرمانشاه سازگاری خصوصی مناسبی نشان دادند. در تحقیقی دیگر Rajabi et al. (2022) در ازریابی و تعیین پایداری چغندر قند تحت شرایط بیماری رایزومانیا در طول دو سال و چهار منطقه چهار عامل اصلی را شناسایی کردند که در مجموع 80/98 درصد از تغییرات اثر متقابل ژنوتیپ با محیط را تبیین کردند.

با­توجه­به گستردگی بیماری رایزومانیا و همچنین نماند در مناطق چغندرکاری کشور، شناسایی منابع ژنتیکی مقاومت به این دو عامل جهت پایداری تولید ضروری به­نظر می­رسد. بنابراین، این تحقیق با هدف تهیه و ارزیابی هیبریدهای تست کراس‎ مقاوم به ریزومانیا و نماتد مولد سیست بر پایه سینگل­کراس‌های جدید در چغندر قند انجام شد.

 

  1. روش­شناسی پژوهش

2-1. تهیه هیبریدها

در شهریور سال 1399 تعداد 24 سینگل کراس نرعقیم منوژرم مقاوم به ریزومانیا با دو لاین گرده­افشان مقاوم­به ریزومانیا و نماتد با کدهای SB53 و SB54 در کرج در قطعات ایزوله کشت شدند، اواسط تیرماه 1400 بذر هیبرید از روی بوته­های والد مادری برداشت شدند. پس از بوجاری و استانداردسازی بذر تست کراس­ها نسبت­به تهیه نقشه آزمایش و آماده­سازی بذر آزمایش­ها برای سال آینده (1401) اقدام شد (جدول 1).

2-2. اجرای طرح و عملیات زراعی

بذر تولیدی به­صورت 48 هیبرید تست کراس در سال 1401 در قالب طرح آگمنت به­همراه ارقام شاهد مقاوم داخلی و خارجی در شش منطقه البرز (ایستگاه مطهری کرج)، همدان (ایستگاه اکباتان)، فارس (ایستگاه زرقان)، خراسان رضوی (ایستگاه طرق)، آذربایجان­غربی (ایستگاه میاندوآب) و کرمانشاه (ایستگاه ماهیدشت) در مزرعه دارای آلودگی طبیعی به بیماری ریزومانیا کشت شدند. پنج تکرار برای تیمارهای شاهد داخلی و خارجی در هر مکان در­نظر­گرفته شد. آزمایش­ها در زمینی که در پاییز سال قبل شخم خورده، کود فسفره توصیه­شده به آن داده شده و جوی و پشته آن آماده شده بود، در اوایل بهار 1401 در کرت‌هایی به طول هشت متر (تک­خطی) اجرا شدند. طرفین هر تکرار نیز شش خط به­عنوان حاشیه (سه خط رقم حساس و سه خط رقم مقاوم) کشت شد که از صحت ماده آزمایشی انتخاب­شده (دارای آلودگی طبیعی به بیماری ریزومانیا) برای تأمین هدف آزمایش اطمینان حاصل شود. عملیات کوددهی، آبیاری و تنک براساس روش مرسوم در هر ایستگاه انجام شد.

در هنگام برداشت پس از حذف حاشیه­ها (نیم­متر از ابتدا و انتهای هر ردیف) تعداد ریشه­های هر کرت برداشت، شمارش و توزین شد و پس از شستشو، توسط دستگاه اتوماتیک خمیر ریشه تهیه شد. برای تعیین عیار قند نمونه­ها از دسـتگاه بتـالایزر استفاده شد (ICUMSA, 2009) .جهت کنترل علف­های هرز از بتانال­پروگرس استفاده شد و جهت کنترل آفات به­خصوص کارادرینا و کک در اوایل فصل از آفت­کش دیازینون و آوانت استفاده شد. برای کنترل بیماری سفیدک در اواخر تیر و اوایل مرداد از سم کالکسین استفاده شد. آبیاری نیز به­صورت قطره­ای (نوار تیپ) در هر شش مکان انجام گرفت.

2-3. تجزیه و تحلیل آماری

با­توجه­به نوع طرح که یک طرح آگمنت مرکب بود تحلیل واریانس براساس عملکرد و عیار قند ارقام شاهد صورت گرفت و خطای آزمایشی ناشی از این تحلیل به­عنوان خطای معیار در مقایسه­های مختلف به­کار رفت. تعدیل ارقام براساس اختلاف بین میانگین ارقام شاهد در یک بلوک و میانگین آنها در کل آزمایش انجام گرفت. پس از برقراری مفروضات تجزیه واریانس، داده­ها با­استفاده­از نرم­افزار SAS. 9.2 تجزیه و تحلیل شدند، جهت مقایسه میانگین ژنوتیپ­ها از آزمون حداقل اختلاف معنی­دار (LSD) در سطح احتمال پنج درصد استفاده شد.

برای تجزیه امی بر­اساس عملکرد ریشه و عملکرد قند خالص در محیط­های مختلف از نرم­افزار  Genstatاستفاده شد. جهت تجزیه پایداری عملکرد هیبریدهای مورد بررسی از مدل امی و از مولفه­های اثر متقابل اول و دوم امی (IPCA1, IPCA2) به­عنوان پارامترهای پایداری برای ژنوتیپ­ها و محیط­ها استفاده شد. جهت انجام آنالیز داده­های به­دست­آمده و تفسیر اثر متقابل ژنوتیپ×محیط و تعیین ابر­محیط­ها (Mega-environment) از روشGGE  بای­پلات استفاده شد. مدل GGE بای­پلات بر پایه مقادیر ویژه تفکیک­پذیر برای دو مولفه اول به­صورت رابطه] 1[ است:

 [1]

که در این مدل Yij میانگین i امین محیط، μ میانگین کل βj میانگین اثر محیط j­ام، λ2 و λ1 مقادیر ویژه برای اولین و دومین مولفه، ξi1و ξi2 بردارهای ویژه ژنوتیپی، ηj1 و ηj2 بردارهای محیطی مولفه اول و دوم و εij مقدار باقیمانده برای ژنوتیپ i­ام هستند.

 

جدول 1. لیست و شجره ژنوتیپ­های مورد بررسی

Genotype

Origin

Genotype

Origin

Genotype

Origin

1

SC (970001 * 970006) * SB 53

19

SC (980073 * 980052) * SB 53

37

SC (980042 * 980066) * SB 54

2

SC (970002 * 970006) * SB 53

20

SC (980066 * 980053) * SB 53

38

SC (980043 * 980069) * SB 54

3

SC (970003 * 970006) * SB 53

21

SC (980069 * 980053) * SB 53

39

SC (980078 * 980043) * SB 54

4

SC (970004 * 970006) * SB 53

22

SC (980077 * 980053) * SB 53

40

SC (980078 * 980051) * SB 54

5

SC (970005 * 970006) * SB 53

23

SC (980069 * 980054) * SB 53

41

SC (980066 * 980052) * SB 54

6

SC (970001 * 970007) * SB 53

24

SC (980078 * 980056) * SB 53

42

SC (980069 * 980052) * SB 54

7

SC (970002 * 970007) * SB 53

25

SC (970001 * 970006) * SB 54

43

SC (980073 * 980052) * SB 54

8

SC (970003 * 970007) * SB 53

26

SC (970002 * 970006) * SB 54

44

SC (980066 * 980053) * SB 54

9

SC (970004 * 970007) * SB 53

27

SC (970003 * 970006) * SB 54

45

SC (980069 * 980053) * SB 54

10

SC (970005 * 970007) * SB 53

28

SC (970004 * 970006) * SB 54

46

SC (980077 * 980053) * SB 54

11

SC (980042 * 980063) * SB 53

29

SC (970005 * 970006) * SB 54

47

SC (980069 * 980054) * SB 54

12

SC (980043 * 980066) * SB 53

30

SC (970001 * 970007) * SB 54

48

SC (980078 * 980056) * SB 54

13

SC (980042 * 980066) * SB 53

31

SC (970002 * 970007) * SB 54

49

Nika

14

SC (980043 * 980069) * SB 53

32

SC (970003 * 970007) * SB 54

50

BTS2015N

15

SC (980078 * 980043) * SB 53

33

SC (970004 * 970007) * SB 54

51

Annamira KWS

16

SC (980078 * 980051) * SB 53

34

SC (970005 * 970007) * SB 54

52

Wawilow

17

SC (980066 * 980052) * SB 53

35

SC (980042 * 980063) * SB 54

53

Bifort

18

SC (980069 * 980052) * SB 53

36

SC (980043 * 980066) * SB 54

 

 

             

 

  1. یافته­های پژوهش و بحث

بر اساس نتایج تجزیه واریانس­داده­ها (جداول 2 و 3) اختلاف بین ارقام از نظر عملکرد ریشه و عیار قند در محیط­های کرج، مشهد، شیراز، کرمانشاه و همدان در سطح احتمال یک درصد معنی­دار بودند. وجود اختلاف معنی­دار بین توده­های ژنتیکی در چغندر قند در مطالعات دیگری نیز گزارش شده است (Rajabi et al., 2022; Hassani et al., 2022; Hamze et al., 2021)، وجود تنوع ژنتیکی در یک توده ژنتیکی امکان گزینش ژنوتیپ­های مطلوب را برای به­نژادگر مهیا می­سازد.

 

جدول 2. تجزیه واریانس ژنوتیپ­های شاهد مورد بررسی از لحاظ عملکرد ریشه در شش محیط جداگانه

SOV

Df

Karaj

Mashhad

Shiraz

Kermanshah

Miandoab

Hamadan

Replication

4

352.49

242.03

34.16

1346.54

470.20

346.99

treatment

4

625.11**

1631.55**

1091.71**

5104.41**

884.89ns

1960.08**

Error

16

126.95

89.00

157.58

286.48

787.75

136.41

Coefficient of variation %

9.42

11.34

16.11

17.69

27.91

18.10

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

 

جدول 3. تجزیه واریانس ژنوتیپ­های شاهد مورد بررسی از لحاظ عیار قند در شش محیط جداگانه

 

SOV

Df

Karaj

Mashhad

Shiraz

Kermanshah

Miandoab

Hamadan

 

Replication

4

1.89

3.73

4.83

1.92

3.51

0.25

 

treatment

4

6.80**

8.42**

12.43**

5.68**

0.57ns

6.33**

 

Error

16

0.53

0.65

1.45

1.12

1.10

1.95

 

Coefficient of variation %

4.42

4.70

5.41

5.85

5.87

10.29

 

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

 

                               

 

3-1. عملکرد ریشه

مقایسه میانگین ژنوتیپ‌ها در محیط کرج نشان داد اگرچه رقم شاهد خارجی  BTS2015Nبا متوسط 97/133 تن در هکتار بالاترین عملکرد ریشه را به­خود اختصاص داد؛ اما اختلاف بین ژنوتیپ یاد­شده مذکور و ژنوتیپ‌های Bifort، Nika از لحاظ آماری معنی‌دار نبود، در این محیط هیبریدهای 12، 28، 22، 10 و 5 به­ترتیب با میانگین 55/64، 8/72، 05/73 ، 24/74 و 37/74 تن در هکتار کمترین عملکرد ریشه را به­خود اختصاص دادند (جدول 4). در محیط مشهد بالاترین عملکرد ریشه با میانگین 45/114 به رقم BTS2015N اختصاص داشت، در این مکان هیبریدهای 5، 3 و 4 به­ترتیب با میانگین 45/17، 09/18 و 36/20 تن در هکتار کمترین عملکرد ریشه را در­مقایسه­با دیگر ژنوتیپ‌ها به­خود اختصاص دادند (جدول 4). مقایسه میانگین ژنوتیپ­ها در محیط شیراز نشان داد ژنوتیپ Bifort با متوسط 71/97 بالاترین عملکرد ریشه را تولید کرد، اختلاف بین ژنوتیپ مذکور و ژنوتیپ­های Nika و هیبریدهای 31، 34، 35 و 8 اختلاف معنی­دار وجود نداشت، در این محیط هیبریدهای شماره 19 و 16 به­ترتیب با متوسط 37/27 و 36/31 تن در هکتار کمترین عملکرد ریشه را تولید کردند.

در مکان کرمانشاه بالاترین عملکرد ریشه با میانگین 29/114، 53/110و 5/106 تن در هکتار به هیبریدهای 39، 42 و 20 اختصاص داشت، اختلاف بین این هیبریدها با رقم Nika و هیبریدهای 47، 1، 30، رقم BTS2015N، هیبریدهای 23، 33، رقم Annamira KWS، هیبریدهای 2، 31، 14، رقم Bifort، و هیبرید 10 از لحاظ آماری معنی‌دار نبود. در محیط کرمانشاه هیبریدهای 19، 41 و 5 به­ترتیب با میانگین 48/41، 30/43 و 96/47 تن در هکتار کمترین عملکرد ریشه را تولید کردند (جدول 4).در محیط همدان نیز رقم BTS2015N با میانگین 08/97 تن در هکتار بالاترین عملکرد ریشه را تولید کرد، اختلاف بین این رقم و هیبریدهای 35 و 24 از لحاظ آماری معنی‌دار نبود. در این محیط سه هیبرید 10، 28 و 12 به­ترتیب با میانگین 88/28، 88/29 و 94/29 تن در هکتار کمترین عملکرد ریشه را تولید کردند (جدول 4).

مقایسه میانگین ژنوتیپ­ها در مجموع شش مکان حاکی از آن بود که دو ژنوتیپ BTS2015N و Nika به­ترتیب با میانگین 91/104 و 05/92 تن در هکتار بالاترین عملکرد ریشه را کسب کردند، اختلاف بین ژنوتیپ­های مذکور با دو رقم ارقام
Annamira KWS و Bifort و هیبریدهای 39، 40، 31 و 35 از لحاظ آماری معنی‌دار نبود. در این شرایط هیبریدهای 12، 5، 19 و 22 به­ترتیب با میانگین 84/48، 07/52، 40/52 و 43/54 کمترین عملکرد ریشه را به­خود اختصاص دادند (جدول 4). در مطالعه
Hasani et al. (2022) بین ژنوتیپ­ها در محیط کرج و شیراز از نظر عملکرد قند خالص اختلاف معنی‌دار دیده نشد؛ اما در مکان­های مشهد و همدان هیبرید پلی­ژرم شماره 3 (I13 * SB36) * 920760)، به­ترتیب با متوسط 24/11و 51/13 تن در هکتار و در مکان میاندوآب رقم شاهد خارجی ارس با متوسط 06/15 تن در هکتار بالاترین عملکرد قند خالص را به­خود اختصاص دادند.
Moshari et al. (2019) دریافتند که ارقام BTS 233، فلورس، دلتا و موریل علاوه­بر عملکرد قابل ملاحظه دارای مقاومت نسبی در برابر دو بیمارگر پوسیدگی‌های ریشه ناشی از R. solani و  F. oxysporumبودند.

 

جدول 4. مقایسه میانگین تصحیح­شده عملکرد ریشه در ژنوتیپ­های مورد بررسی در شش مکان.

Genotype

Origin

Karaj

Mashhad

Shiraz

Kermanshah

Miandoab

Hamadan

Average of six locations

1

SC (970001 * 970006) * SB 53

113.90

29.65

67.36

103.79

98.21

44.34

73.92

2

SC (970002 * 970006) * SB 53

95.44

29.51

59.09

96.98

63.93

39.80

67.55

3

SC (970003 * 970006) * SB 53

82.81

19.08

70.51

71.49

75.36

43.17

58.12

4

SC (970004 * 970006) * SB 53

100.44

20.36

53.09

62.11

61.07

41.34

62.59

5

SC (970005 * 970006) * SB 53

74.37

17.45

51.94

47.96

69.64

45.34

52.07

6

SC (970001 * 970007) * SB 53

101.03

40.98

52.79

68.59

109.64

33.91

59.73

7

SC (970002 * 970007) * SB 53

114.56

31.42

74.51

61.53

75.36

56.05

67.00

8

SC (970003 * 970007) * SB 53

102.21

30.56

81.65

67.95

75.35

55.77

70.44

9

SC (970004 * 970007) * SB 53

84.96

56.95

51.36

56.01

63.92

49.77

58.21

10

SC (970005 * 970007) * SB 53

74.24

42.38

61.94

92.37

103.92

28.88

60.62

11

SC (980042 * 980063) * SB 53

91.31

41.73

51.66

81.86

49.64

72.19

73.78

12

SC (980043 * 980066) * SB 53

64.5

38.44

49.09

64.25

78.21

29.94

48.84

13

SC (980042 * 980066) * SB 53

92.24

73.78

58.79

57.21

72.49

60.05

68.62

14

SC (980043 * 980069) * SB 53

84.15

27.39

68.50

94.53

98.21

46.76

66.12

15

SC (980078 * 980043) * SB 53

109.8

33.76

57.37

81.43

78.21

41.20

64.49

16

SC (980078 * 980051) * SB 53

103.3

66.6

31.36

64.79

58.21

59.08

70.57

17

SC (980066 * 980052) * SB 53

79.3

74.83

59.93

77.01

72.49

70.19

73.15

18

SC (980069 * 980052) * SB 53

103.19

63.21

64.80

89.85

63.92

52.91

74.03

19

SC (980073 * 980052) * SB 53

96.62

49.92

27.37

41.48

49.64

49.34

52.40

20

SC (980066 * 980053) * SB 53

109.87

33.53

54.80

106.50

72.49

62.62

75.11

21

SC (980069 * 980053) * SB 53

111.24

43.85

47.36

50.11

58.21

51.51

63.71

22

SC (980077 * 980053) * SB 53

73.05

45.70

40.22

82.06

61.08

50.19

54.43

23

SC (980069 * 980054) * SB 53

112.03

59.12

59.09

101.31

46.79

58.19

77.04

24

SC (980078 * 980056) * SB 53

118.465

51.62

55.94

66.18

69.65

84.62

73.36

25

SC (970001 * 970006) * SB 54

100.55

73.84

70.23

68.30

98.22

70.74

78.79

26

SC (970002 * 970006) * SB 54

81.17

36.65

68.80

78.72

35.36

35.76

63.32

27

SC (970003 * 970006) * SB 54

102.21

70.53

77.37

90.85

61.08

49.45

75.25

28

SC (970004 * 970006) * SB 54

72.8

46.02

45.65

56.05

49.65

29.88

58.10

29

SC (970005 * 970006) * SB 54

80.55

73.97

55.94

64.63

61.08

46.62

65.23

30

SC (970001 * 970007) * SB 54

88.90

63.06

70.52

103.52

58.22

61.19

74.71

31

SC (970002 * 970007) * SB 54

109.62

50.19

86.23

94.61

58.22

60.76

84.13

32

SC (970003 * 970007) * SB 54

103.74

34.56

60.22

77.17

63.36

51.37

67.55

33

SC (970004 * 970007) * SB 54

103.21

46.96

55.93

98.21

77.64

45.33

67.98

34

SC (970005 * 970007) * SB 54

106.49

39.48

85.65

71.75

83.36

42.94

65.99

35

SC (980042 * 980063) * SB 54

96.59

70.65

84.51

88.17

63.36

88.48

83.39

36

SC (980043 * 980066) * SB 54

79.28

76.69

67.66

83.43

89.07

69.76

72.98

37

SC (980042 * 980066) * SB 54

94.715

63.62

74.80

85.76

103.36

79.19

78.43

38

SC (980043 * 980069) * SB 54

85.44

53.22

67.37

60.29

71.93

79.48

68.67

39

SC (980078 * 980043) * SB 54

107.19

67.86

73.37

114.29

66.22

78.90

85.31

40

SC (980078 * 980051) * SB 54

99.59

81.04

63.37

79.98

84.50

73.05

84.45

41

SC (980066 * 980052) * SB 54

109.495

89.56

60.52

43.30

84.50

59.02

72.88

42

SC (980069 * 980052) * SB 54

103.155

59.79

80.23

110.53

61.65

60.51

79.69

43

SC (980073 * 980052) * SB 54

88.19

54.66

47.36

76.83

84.50

57.62

62.38

44

SC (980066 * 980053) * SB 54

83.8

66.08

76.23

87.40

50.22

61.60

72.22

45

SC (980069 * 980053) * SB 54

100.44

46.99

77.66

84.54

70.22

68.23

75.06

46

SC (980077 * 980053) * SB 54

110.28

76.36

61.65

86.82

78.79

50.45

73.96

47

SC (980069 * 980054) * SB 54

82.05

72.76

66.23

104.19

70.22

52.20

78.89

48

SC (980078 * 980056) * SB 54

104.3

51.85

58.80

76.63

95.93

56.48

67.71

49

Nika

121.58

78.77

87.14

105.62

101.14

58.05

92.05

50

BTS2015N

133.97

114.45

77.14

102.8

104

97.08

104.91

51

Annamira KWS

111.6

80.3

63.42

97.01

119.43

63.62

89.23

52

Wawilow

105.63

68.86

64.28

80.01

95.43

43.34

76.26

53

Bifort

125.1

73.45

97.71

93.08

82.86

60.45

88.78

 

LSD 0.05

15.10

12.69

16.83

22.69

37.63

15.65

17.89

 

2-3. عیار قند

مقایسه میانگین ژنوتیپ­ها در محیط کرج نشان داد هیبریدهای 24، 23 و 47 به­ترتیب با متوسط 64/18، 77/17 و 67/17 درصد بالاترین عیار قند را در بین ژنوتیپ­های مورد بررسی به­خود اختصاص دادند. هیبریدهای 15، 39، 40، 8، 20 و رقم Nika به­ترتیب با میانگین 04/14، 04/14، 44/14، 54/14، 55/14 و 68/14 درصد کمترین عیار قند ریشه را تولید کردند (جدول 5). در محیط مشهد بالاترین عیار قند با متوسط 00/19، 31/18، 10/18، 06/18 و 86/17 درصد به­ترتیب به هیبرید 38، ارقام Wawilow، Annamira KWS، هیبرید 19 و رقم Bifort اختصاص یافت. لازم به ذکر است که در این محیط هیبریدهای 18، 8، 26 و رقم Nika به­ترتیب با متوسط 33/14، 6/14، 07/15 و 15/15 درصد کمترین عیار قند را تولید کردند (جدول 5). در محیط شیراز اگرچه هیبرید 14 با میانگین 22/24 درصد بالاترین عیار قند را به­خود اختصاص داد؛ اما اختلاف بین این هیبرید و رقم Wawilow و هیبریدهای 11، 20، 28، 5 و رقم BTS2015N ، Annamira KWS و هیبریدهای 19، 47، 12 و 9 از لحاظ آماری معنی­دار نبود. در این مکان سه هیبرید 13، 7 و 32 به­ترتیب با میانگین 58/17، 07/18 و 38/18 تن در هکتار کمترین عیار قند را به­خود اختصاص دادند (جدول 5).

مقایسه میانگین ارقام و هیبریدها در محیط کرمانشاه نشان داد اگرچه رقم Wawilow با متوسط 57/19 درصد بالاترین عیار قند را به­خود اختصاص داد؛ اما اختلاف بین این رقم و هیبریدهای شماره 41، 47، 24، 37، 18، 38، 33، 120، 5، 25، 40 و 29 معنی­دار نبود. هیبرید شماره 1 نیز با متوسط 68/15 درصد کمترین عیار قند را تولید کرد. در محیط همدان هیبریدهای 15، 36، 41، 30، 48، 46 و 28 به­ترتیب با میانگین 83/16، 76/15، 46/15، 33/15، 28/15، 11/15 و 06/15 درصد بالاترین عیار قند را تولید کردند، در­حالی­که کمترین عیار قند با میانگین 86/9 درصد در این محیط برای هیبرید 26 ثبت شد (جدول 5).

در بررسی حاضر اگرچه رقم Wawilow با میانگین 62/18 درصد بالاترین عیار قند را در مجموع شش مکان به­خود اختصاص داد؛ اما اختلاف بین این رقم و هیبریدهای 24، 47، رقم Annamira KWS، هیبریدهای 38، 12، 44، 3، 41، رقم BTS2015N، هیبریدهای 5، 30، 36، 28، 9، رقم Bifort و هیبریدهای 19، 23، 15و 29 از لحاظ آماری معنی­دار نبود، کمترین عیار قند نیز با متوسط 01/16، 05/16 و 07/16 درصد به هیبریدهای 1 و 7 و رقم Nika اختصاص داشت (جدول 5).

3-3. تجزیه پایداری

بر اساس نتایج میانگین مربعات اثرات اصلی و ضرب پذیر برای عملکرد ریشه ژنوتیپ­های چغندر قند در شش محیط مورد بررسی دو عامل IPCA 1و IPCA 2 شناسایی شدند که در مجموع 05/62 درصد از کل تغییرات اثر متقابل ژنوتیپ در محیط را تببین کردند. Rajabi et al. (2022) در ازریابی و تعیین پایداری چغندر قند تحت شرایط بیماری ریزومانیا در طول دو سال و چهار منطقه چهار عامل اصلی را شناسایی کردند که در مجموع 80/98 درصد از تغییرات اثر متقابل ژنوتیپ با محیط را تبیین کردند (جدول 6).

 

جدول 5. مقایسه میانگین تصحیح­شده عیار قند در ژنوتیپ­های مورد بررسی در شش مکان.

Genotype

Origin

Karaj

Mashhad

Shiraz

Kermanshah

Miandoab

Hamadan

Average of six locations

1

SC (970001 * 970006) * SB 53

16.72

15.80

19.13

15.68

16.24

12.48

16.01

2

SC (970002 * 970006) * SB 53

16.09

16.86

21.15

17.48

15.54

12.63

16.63

3

SC (970003 * 970006) * SB 53

15.69

16.57

22.44

18.23

18.99

14.91

17.81

4

SC (970004 * 970006) * SB 53

16.04

17.86

20.92

16.74

13.71

11.53

16.13

5

SC (970005 * 970006) * SB 53

17.55

16.87

23.04

18.61

16.87

13.13

17.68

6

SC (970001 * 970007) * SB 53

16.77

15.88

19.97

16.93

17.60

12.23

16.56

7

SC (970002 * 970007) * SB 53

14.69

16.27

18.07

16.56

16.42

14.28

16.05

8

SC (970003 * 970007) * SB 53

14.54

14.60

19.68

17.24

17.74

13.88

16.28

9

SC (970004 * 970007) * SB 53

16.44

17.08

22.62

18.11

17.59

13.68

17.59

10

SC (970005 * 970007) * SB 53

16.35

16.83

20.90

17.64

16.51

13.71

16.99

11

SC (980042 * 980063) * SB 53

14.74

16.85

23.92

18.26

16.97

13.83

17.43

12

SC (980043 * 980066) * SB 53

16.52

17.63

22.65

18.26

19.45

13.63

18.02

13

SC (980042 * 980066) * SB 53

17.30

16.73

17.58

17.56

17.05

14.26

16.75

14

SC (980043 * 980069) * SB 53

17.12

15.32

24.22

17.51

17.56

11.31

17.17

15

SC (980078 * 980043) * SB 53

14.04

16.45

21.22

17.46

18.75

16.83

17.46

16

SC (980078 * 980051) * SB 53

16.82

16.58

22.02

16.96

16.80

13.68

17.14

17

SC (980066 * 980052) * SB 53

16.02

16.21

22.37

16.93

18.35

14.43

17.39

18

SC (980069 * 980052) * SB 53

16.09

14.33

21.30

19.01

17.94

11.68

16.73

19

SC (980073 * 980052) * SB 53

16.85

18.06

22.82

18.14

16.22

13.18

17.55

20

SC (980066 * 980053) * SB 53

14.55

16.26

23.84

17.28

19.65

12.46

17.34

21

SC (980069 * 980053) * SB 53

15.00

15.80

19.73

17.63

15.82

13.08

16.18

22

SC (980077 * 980053) * SB 53

15.92

16.62

22.53

17.14

18.20

13.23

17.27

23

SC (980069 * 980054) * SB 53

17.77

16.33

20.55

17.83

17.72

14.66

17.48

24

SC (980078 * 980056) * SB 53

18.64

16.87

21.97

19.31

19.75

13.63

18.36

25

SC (970001 * 970006) * SB 54

16.12

17.63

20.02

18.48

17.55

14.16

17.33

26

SC (970002 * 970006) * SB 54

16.62

15.07

21.32

18.13

19.69

9.86

16.78

27

SC (970003 * 970006) * SB 54

15.54

17.10

21.37

18.26

16.61

10.41

16.55

28

SC (970004 * 970006) * SB 54

16.97

16.65

23.17

17.16

16.57

15.06

17.60

29

SC (970005 * 970006) * SB 54

16.42

16.06

21.32

18.46

18.01

14.28

17.43

30

SC (970001 * 970007) * SB 54

16.92

16.56

22.00

16.98

18.05

15.33

17.64

31

SC (970002 * 970007) * SB 54

15.90

17.10

20.65

17.54

15.85

11.73

16.46

32

SC (970003 * 970007) * SB 54

16.75

16.31

18.38

18.14

15.52

12.58

16.28

33

SC (970004 * 970007) * SB 54

16.59

16.50

20.93

18.73

16.22

10.56

16.59

34

SC (970005 * 970007) * SB 54

16.45

15.57

21.32

16.69

20.20

11.63

16.98

35

SC (980042 * 980063) * SB 54

15.74

15.37

19.67

17.44

17.75

13.58

16.59

36

SC (980043 * 980066) * SB 54

16.57

16.01

22.10

18.03

17.25

15.76

17.62

37

SC (980042 * 980066) * SB 54

15.84

15.81

22.19

19.11

16.97

14.48

17.40

38

SC (980043 * 980069) * SB 54

16.79

19.00

21.72

18.83

18.75

13.23

18.05

39

SC (980078 * 980043) * SB 54

14.04

16.36

21.99

17.81

17.44

12.21

16.64

40

SC (980078 * 980051) * SB 54

14.44

15.63

22.40

18.48

16.41

13.06

16.74

41

SC (980066 * 980052) * SB 54

17.10

16.97

21.45

19.36

16.41

15.46

17.79

42

SC (980069 * 980052) * SB 54

17.32

16.90

19.12

17.13

17.57

14.83

17.15

43

SC (980073 * 980052) * SB 54

15.34

17.01

20.73

18.24

17.57

13.78

17.11

44

SC (980066 * 980053) * SB 54

16.47

16.71

22.54

18.24

18.90

14.71

17.93

45

SC (980069 * 980053) * SB 54

16.34

17.45

21.55

17.86

17.32

12.33

17.14

46

SC (980077 * 980053) * SB 54

16.47

16.12

21.08

17.83

17.20

15.11

17.30

47

SC (980069 * 980054) * SB 54

17.67

17.22

22.79

19.33

18.94

12.83

18.13

48

SC (980078 * 980056) * SB 54

16.87

16.51

21.87

16.49

17.12

15.28

17.36

116

Nika

14.68

15.15

19.99

16.78

17.83

12.01

16.07

117

BTS2015N

16.28

16.91

23.03

17.51

17.92

14.75

17.73

118

Annamira KWS

17.42

18.1

22.9

18.3

17.49

14.48

18.12

119

Wawilow

17.61

18.31

24.06

19.57

18.44

13.75

18.62

120

Bifort

16.59

17.86

21.51

18.62

17.9

12.95

17.57

 

LSD 0.05

0.97

1.08

1.61

1.41

1.40

1.87

1.17

 

در این مطالعه متوسط عملکرد ریشه ژنوتیپ­ها در شش محیط آزمایشی، مقادیر مؤلفه­های IPCA1 ، IPCA2 و آماره ASV در جدول 3 ذکر شده است. بر اساس نتایج جدول مذکور در مجموع شش مکان مورد مطالعه اگرچه رقم BTS2015N با میانگین 03/100 تن در هکتار بالاترین عملکرد ریشه را به­خود اختصاص داد. اختلاف بین این رقم و ارقام Nika (با میانگین 40/93 تن در هکتار)، Annamira KWS (با میانگین 33/90 تن در هکتار)، Bifort (با میانگین 87/89 تن در هکتار) و هیبرید 39 (با میانگین 23/84 تن در هکتار) اختلاف معنی­دار مشاهده نشد. در بین ارقام مورد بررسی هیبرید 5 با میانگین 50/48 تن در هکتار کمترین عملکرد ریشه را به­خود اختصاص داد. Hasani et al. (2021) نشان دادند دو مولفه اصلی اول (IPCA1 و IPCA2) به­ترتیب 39/62 و 08/26 درصد و در مجموع 48/95 درصد از مجموع مربعات اثر متقابل GE را توجیه کردند.

در این مطالعه ارقام 40، 38،23، Nika و Bifort به­ترتیب با 062/0، 117/0، 154/0، 245/0 و 256/0 کمترین مقادیر شاخص پایداری امی (ASV) را به­خود اختصاص دادند و ژنوتیپ­های پایدار از نظر عملکرد ریشه محسوب شدند. ارقام 16، 41 ،25، 33 و 14 به­ترتیب با مقادیر 248/1، 231/1، 132/1، 068/1 و 067/1 بالاترین مقادیر شاخص پایداری امی (ASV) را به­خود اختصاص دادند و به­عنوان ژنوتیپ­های ناپایدار شناخته شدند. در بین ارقام مورد بررسی دو رقم Nika و Bifort هم از عملکرد بالا و هم از شاخص پایداری بالاتری برخوردار بودند و به­عنوان ارقام پایدار شناخته شدند (جدول 7).

4-3. بای­پلات

براساس شکل 1، بای­پلات متوسط عملکرد ارقام در مقابل مقادیرIPCA1 ، هیبرید 40، Bifort و هیبرید 21 دارای مقادیرIPCA1 نزدیک به صفر بوده و از پایداری عملکرد و سازگاری عمومی مناسبی برخوردار بودند. رقمBTS2015N  و هیبرید 41 بیشترین مقادیر IPCA1 را به­خود اختصاص داده و به­عنوان ژنوتیپ­های ناپایدار شناسایی شدند. بای­پلات متوسط عملکرد ژنوتیپ­ها در مقابل مقادیر IPCA2  (شکل 2)، نشان داد ژنوتیپ­های 17، Nika و 40 کمترین مقادیرIPCA2  را به­خود اختصاص دادند؛ در­حالی­که هیبریدهای 33، 10، 25 و 16 بالاترین مقادیر مثبت و منفی IPCA2 را به­خود اختصاص دادند. ژنوتیپ­هایی که عملکرد کمتری دارند، اما دارای مقادیر مثبت برای مؤلفه­های اصلی اثر متقابل باشند برای مناطق و محیط­های ضعیف و فقیر مناسب می­باشد، به­عبارتی با مناطق فقیر اثر متقابل مثبت دارند. مقادیر متوسط عملکرد ریشه و چهار ژنوتیپ مناسب برای هر مکان در جدول 8 درج شده است. در این بررسی مکان­های آزمایشی کرج و مشهد به­ترتیب با میانگین 54/98 و 36/54 تن در هکتار بیشترین و کمترین عملکرد ریشه را به­خود اختصاص دادند. نتایج مربوط­به ژنوتیپ­های برتر در هر محیط نشان داد ارقام BTS2015N و رقم Nika برای چهار مکان از شش مکان مورد بررسی جزء ژنوتیپ­های مناسب بودند. همچنین ارقام Annamira KWS و Bifort برای سه مکان جزء چهار رقم برتر شناسایی شدند، در بین هیبریدهای جدید نیز هیبرید 39 برای دو مکان شیراز و کرمانشاه به­عنوان ژنوتیپ ایده­آل از لحاظ عملکرد ریشه شناسایی شدند.

3-5.GGE  بای پلات

نمایش چندضلعی (Convex hull) حاصل از تجزیه GGE ارقام و هیبریدهای مختلف چغندر قند در شش مکان مورد بررسی در شکل 3 نشان داده شده است. این نمودار (مؤلفه اصلی اول و دوم اثر متقابل) در مجموع 60/60 درصد از واریانس اثر متقابل ژنوتیپ و محیط را توجیه کردند. در این شکل، ژنوتیپ­ها و محیط­ها بر اساس مقادیر مؤلفه­های اصلی اول و دوم مشخص شده­اند، آنهایی­که از لحاظ مقادیر مؤلفه­های اصلی اول و دوم اثر متقابل فاصله کمتری از مبدأ مختصات (نزدیک به صفر) دارند کمترین مشارکت را در اثر متقابل ژنوتیپ با محیط دارند. در این نمودار، ژنوتیپ­هایی که در مجاورت یک مکان واقع شوند با آن محیط سازگاری خصوصی دارند و ژنوتیپ­هایی که نزدیک مبدأ مختصات قرار دارند دارای سازگاری عمومی (با کلیه مکان­های مورد آزمایش) هستند.

 

جدول 6. تجزیه واریانس اثرات اصلی و ضرب­پذیر برای عملکرد ریشه ژنوتیپ­های چغندر قند در چهار مکان

SOV

درجه آزادی

میانگین مربعات

درصد واریانس

ژنوتیپ

52

34608

 

محیط

5

72970

 

ژنوتیپ در محیط

260

52474

 

IPCA 1

56

16652

31.73

IPCA 2

54

15908

30.32

باقی مانده  (Noise)

150

19914

 

 

جدول 7. میانگین عملکرد ریشه ژنوتیپ­ها، ضرایب مولفه­های اثر متقابل آمارهAMMI  و آماره ASV برای ژنوتیپ­های چغندر قند

Genotype

Root yield

IPC1

IPC2

SOV

Genotype

Root yield

IPC 1

IPC 2

SOV

1

70.39e-o

2.44

0.45

0.768

28

59.83l-r

0.76

2.64

0.825

2

64.92i-q

2.02

0.73

0.663

29

69.60e-o

-2.64

-0.29

0.822

3

55.15o-r

0.99

0.59

0.355

30

71.66e-n

-1.09

-0.39

0.357

4

60.05l-r

2.72

1.24

0.921

31

84.43a-e

2.81

0.25

0.875

5

48.50r

1.29

1.09

0.517

32

67.25g-p

1.01

-0.35

0.329

6

62.43j-r

1.86

-0.62

0.605

33

66.93g-q

0.56

-3.51

1.068

7

69.17e-o

0.71

-0.84

0.334

34

67.96g-o

0.71

-1.18

0.416

8

71.05e-o

1.94

0.32

0.609

35

83.05b-g

-1.15

-0.83

0.436

9

57.63n-r

-1.15

-0.55

0.393

36

69.98e-o

-2.80

0.98

0.918

10

58.29m-r

1.06

-3.16

1.002

37

74.44c-l

-1.49

-0.99

0.548

11

72.90e-n

1.64

0.45

0.525

38

71.35e-n

-0.46

-0.20

0.154

12

51.75pqr

0.91

-0.41

0.309

39

84.23a-f

-0.89

-2.01

0.663

13

67.92g-o

-0.60

1.05

0.367

40

81.11b-h

0.10

0.18

0.062

14

63.64i-r

1.91

-2.96

1.067

41

74.14d-m

-3.69

1.52

1.231

15

67.71g-p

1.68

-1.07

0.610

42

74.39c-m

-0.91

-1.65

0.569

16

72.38e-n

0.72

4.09

1.248

43

63.71i-r

-2.37

-1.44

0.851

17

78.68b-i

-1.28

0.14

0.400

44

77.47b-j

-1.31

-0.77

0.467

18

75.60c-l

0.53

-1.58

0.501

45

76.63c-k

0.33

-1.95

0.593

19

50.78qr

-2.37

1.15

0.810

46

72.41e-n

-2.22

1.29

0.789

20

70.22e-o

1.94

0.99

0.671

47

78.34b-j

-0.54

1.51

0.484

21

65.21h-q

0.24

0.99

0.306

48

71.34e-n

-0.98

-0.88

0.402

22

57.82n-r

-0.81

-1.67

0.562

Annamira KWS

90.33abc

0.65

1.73

0.556

23

68.19f-o

0.32

-0.21

0.117

Bifort

89.87a-d

0.21

-0.82

0.256

24

72.21e-n

-0.79

1.16

0.427

BTS2015N

100.03a

-3.00

1.24

1.002

25

77.64b-j

-0.50

3.74

1.132

Nika

93.40ab

0.77

0.16

0.245

26

60.65k-r

1.49

1.39

0.621

Wawilow

78.92b-i

0.59

1.53

0.493

27

73.10e-n

-1.87

-2.28

0.897

 

 

 

 

 

 

 

 

شکل 1. بای­پلات متوسط عملکرد ریشه ژنوتیپ­ها در مقابل مقادیر IPCA1.

 

 

شکل 2. بای­پلات متوسط عملکرد ریشه ژنوتیپ­ها در مقابل مقادیر IPCA2.

 

در تحقیق حاضر هیبریدهای 13، 24، 32، 23 نزدیک­ترین ارقام به مبدأ مختصات بوده و به­عنوان پایدارترین ژنوتیپ شناسایی شدند. در این بای­پلات یک چندضلعی مشاهده می­شود که ارقام برتر برای هر محیط را مشخص می­کند بر این اساس برای محیط­های کرج، کرمانشاه، شیراز و همدان رقم خارجی BTS2015N و برای محیط میاندوآب رقم خارجی Annamira KWS در رأس چندضلعی قرار گرفته و به­واسطه سازگاری خصوصی بالا به­عنوان ارقام مناسب برای این محیط­ها تشخیص داده شدند. هیبرید شماره 5 که در رأس چندضلعی قرار داشتند برای هیچ محیطی مناسب تشخیص داده نشده­اند، با­مراجعه­به جدول 4 مشاهده شد که این ژنوتیپ از کمترین مقدار عملکرد ریشه در مجموع شش مکان برخوردار بود. در مطالعه Mostafavi et al. (2017) ژنوتیپ­های 1571، (113*KWS)*302- HSF.20، (I13*A37).1)*S1.88239، BR1 و ARAS 101 در محیط مغان و کرمانشاه، ژنوتیپ­های (I13*A37.1)*SH-1-HSF.5 و JAAM در مشهد و اصفهان و ژنوتیپ­های 7233 و IC در محیط کرج دارای سازگاری خصوصی بوده و از عملکرد نسبتاً خوبی برخوردار بودند.

 

جدول 8. متوسط عملکرد ریشه، مقادیر مولفه­های اصلی AMMI و مناسب­ترین ژنوتیپ­ها برای محیط­های مورد بررسی.

Environment

Mean

Score

1

2

3

4

Miandoab

74.45

5.521

Annamira KWS

16

31

25

Kermanshah

78.08

2.641

39

Bifort

33

Nika

Shiraz

64.11

1.833

Nika

Bifort

BTS2015N

39

Karaj

98.54

1.811

BTS2015N

Nika

Annamira KWS

31

Hamedan

55.76

-3.141

BTS2015N

Nika

Annamira KWS

Bifort

Mashhad

54.36

-8.665

BTS2015N

41

36

46

 

 

شکل 3. نمایش گرافیکی GGE بای­پلات جهت تعیین برتری کدام ژنوتیپ)ها( در کدام محیط(ها) برای ژنوتیپ­های چغندر قند.

 

3-6. میانگین عملکرد و پایداری

خط مورب که از مرکز بای­پلات و از نقطه ایده­آل (که نماینده متوسط ضرایب دو مؤلفه اول اثر متقابل در مدل GGE بای­پلات است) می­گذرد، خط متوسط عملکرد محیطی (Average Environment Coordination) نامیده می­شود. ژنوتیپ­هایی که به مرکز دایره که روی این خط قرار دارند نزدیک­تر باشند دارای عملکرد بیشتری هستند. خطی که بر خط متوسط عملکرد محیطی عمود و از مرکز بای­پلات می­گذرد معیار سنجش پایداری ژنوتیپ­ها است. هر چه ژنوتیپ­ها از این خط فاصله بیشتری داشته باشند، در اثر متقابل نقش بیشتری داشته و پایداری کمتری خواهند داشت. دایره کوچک در شکل 2 که روی محور افقی ACE واقع است و با یک پیکان به آن اشاره شده است، نشان­دهنده رقم ایده­آل است که به­وسیله دو معیار تعریف می­شود: 1) دارای بالاترین عملکرد در محیط­های مورد مطالعه است، و 2) کاملاً پایدار نسبت به شرایط محیطی است زیرا بر محور افقی ACE قرار گرفته­اند.

در این مطالعه ارقام BTS2015N، Nika و Bifort به­واسطه نزدیکی به خطACE  هم از پایداری مناسب و هم از عملکرد بالاتری در­مقایسه­با دیگر ارقام برخوردار بودند. هیبریدهای 40، 38، 17، 24، 13، 23 و 32 اگرچه از پایداری بالایی در مجموع شش مکان برخوردار بودند، اما مقدار عملکرد ریشه در آنها بالا نبود. بر اساس نتایج این شکل دو هیبرید 27 و 16 بیشترین فاصله را از خط AEC داشته و به­عنوان ژنوتیپ­های ناپایدار شناخته شدند (شکل 4).

 

 

شکل 4. خط متوسط عملکرد محیطی در مقایسه ژنوتیپ­های مورد بررسی بر اساس عملکرد ریشه و پایداری در شش محیط آزمایشی.

 

 

شکل 5. ارزیابی ژنوتیپ­های مورد بررسی نسبت­به ژنوتیپ ایده­آل در شش محیط مورد آزمایش بر اساس عملکرد ریشه.

برای استفاده از ژنوتیپ ایده­آل به­عنوان مرجع ارزیابی، دایره­های هم­مرکزی در بای­پلات به­منظور تعیین گرافیکی فاصله بین ژنوتیپ­های مطالعه­شده با ژنوتیپ ایده­آل ایجاد شده است. دوایر هم­مرکز، با برخورداری از ژنوتیپ ایده­آل در مرکز، به تجسم فاصله بین ژنوتیپ­های مورد مطالعه و رقم ایده­آل کمک می­کند. بر­این­اساس ارقام BTS2015N، Nika و Bifort نزدیک­ترین ژنوتیپ به ژنوتیپ ایده­آل بوده و مطلوب­تر از کلیه ژنوتیپ­های مورد بررسی بودند. در مقابل، هیبرید جدید 5 به­واسطه فاصله زیاد از رقم ایده­آل به­عنوان نامطلوب­ترین رقم شناسایی شد (شکل 5). Moradi et al. (2012) در ارزیابی اثر متقابل ژنوتیپ و محیط ارقام منوژرم چغندر قند بر اساس عملکرد ریشه با­استفاده­از روش امی نشان دادند که دو مؤلفه اثر متقابل اول بیش از 99 درصد از واریانس داده­ها را تبیین کردند. در مطالعه آنها رقم زرقان بیشترین سازگاری عمومی و رقم لاتیتیا کمترین سازگاری عمومی را نشان داد. بر اساس نتایج نمودار دو­بعدی مربوط­به دو مؤلفه اصلی اول اثر متقابل ژنوتیپ در محیط Hasani et al. (2021) روی چغندر قند نشان دادند ژنوتیپ 24 از لحاظ عملکرد ریشه و عملکرد قند خالص برای محیط­های همدان، شیراز و مشهد دارای سازگاری خصوصی بالایی بود؛ در حالی­که ژنوتیپ 46 از لحاظ عملکرد ریشه و ژنوتیپ 36 از لحاظ عملکرد قند خالص برای محیط کرمانشاه سازگاری خصوصی مناسبی نشان دادند. همچنین ژنوتیپ شماره 37 از لحاظ عملکرد ریشه و ژنوتیپ 44 از نظر عملکرد قند خالص نسبت­به سایر ژنوتیپ­ها از سازگاری عمومی بالاتری برخوردار بودند. در بررسی حاضر ارقام Bifort، Nika و هیبریدهای 23 و 38 در هر دو روش AMMI و GGE-biplot به­عنوان ژنوتیپ­های پایدار شناسایی شدند.

 

  1. نتیجه­گیری

با­توجه­به هدف تحقیق حاضر، هیبریدهای 39، 40، 31 و 35 از نظر عملکرد ریشه و هیبریدهای 24 ،47، 38، 12، 44، 3، 41، 19، 23، 15و 29 از لحاظ عیار قند با رقم شاهد خارجی BTS2015N در یک گروه قرار گرفتند و اختلاف معنی­داری بین آنها یافت نشد. بالاترین پایداری عملکرد ریشه نیز برای هیبریدهای 40، 23، 38 ، 21، 12، 32، 7، 3، 30، 13، 9 و 17 ثبت شد؛ بنابراین گزینش هیبرید40 به­واسطه عملکرد ریشه بالا و پایداری مناسب و هیبرید 12 به­واسطه عیار قند بالا برای آزمون تعیین ارزش زراعی در نسل آینده قابل توصیه هستند.

 

  1. منابع

Abdelsalam, N.R., Balbaa, M.G., Osman, H.T., Ghareeb, R.Y., Desoky, E.S.M., & Elshehawi, A.M. (2022b). Inheritance of resistance against northern leaf blight of maize using conventional breeding methods. Saudi Journal of Biological Sciences, 29, 1747–1759.

Al-Nemi, R., Makki, A.A., Sawalha, K., Hajjar, D., & Jaremko, M. (2022). Untargeted metabolomic profiling and antioxidant capacities of different solvent crude extracts of Ephedra foeminea. Metabolites, 12, 451. Doi: 10.3390/ metabo12050451.

Ashmit, K.C., Yan, G., Acharya, K., Plaisance, A., & Khan, M.F. (2021). Occurrence of plant-parasitic nematodes in sugarbeet fields of North Dakota and Minnesota. Crop Protection, 142, 105503.

Badshah, S.L., Faisal, S., Muhammad, A., Poulson, B.G., Emwas, A.H., & Jaremko, M. (2021). Antiviral activities of flavonoids. Biomed. Pharmacother, 140, 111596. Doi: 10.1016/j.biopha.2021.111596.

Bayomi, K.E.M., El-Hashash, E.F., & Moustafa, E.S.A. (2019). Comparison of genetic parameters in non-segregating and segregating populations of sugar beet in Egypt. Asian Journal of Crop Science, 3, 1–12.

Choudhary, R.C., Bairwa, H.L., Kumar, U., Javed, T., Asad, M., & Lal, K. (2022). Influence of organic manures on soil nutrient content, microbial population, yield and quality parameters of pomegranate (Punica granatum l.) cv. bhagwa. PloS One, 17, e0266675.

Darabi, S., Bazrafshan, M., Babaee, B., & Mahmoodi, S.B. (2017). Impact of rhizomania virus (beet necrotic yellow vein virus) on sugar beet yield and qualitative characters. Journal of Applied Research in Plant Protection, 6(3), 67-82.

Draycott, A.P. (2006). Sugar Beet. Blackwell Publishing Co Ltd. UK. 514 p.

Elkobrosy, D.H., Aseel, D.G., Hafez, E.E., El-Saedy, M.A., Al-Huqail, A.A., & Ali, H.M. (2022). Quantitative detection of induced systemic resistance genes of potato roots upon ethylene treatment and cyst nematode, Globodera rostochiensis, infection during plant–nematode interactions. Saudi Journal of Biological Sciences, 29, 3617–3625.

El-Saadony, M.T., Abuljadayel, D.A., Shafi, M.E., Albaqami, N.M., Desoky, E.S.M., & El-Tahan, A.M. (2021). Control of foliar phytoparasitic nematodes through sustainable natural materials: Current progress and challenges. Saudi Journal of Biological Sciences, 28, 7314–7326.

Farshadfar, E., & Sutka, J. (2006). Biplot analysis of genotype-environment interaction in durum wheat using the AMMI model. Acta Agronomica Hungarica, 54(4), 459-467.

Ghareeb, R.Y., Alfy, H., Fahmy, A.A., Ali, H.M., & Abdelsalam, N.R. (2020). Utilization of Cladophora glomerata extract nanoparticles as eco-nematicide and enhancing the defense responses of tomato plants infected by Meloidogyne javanica. Scientific Reports, 10, 19968.

Hamze, H., Mahdi, H., & Mansouri, H. (2021). Screening O-type lines of sugar beet in terms of resistance to rhizoctonia root rot. Journal of Sugar Beet, 37(2), 153-162. (In Persian).

Hasani, M., Hamze, H., & Mansori, H. (2021). Evaluation of adaptability and stability of root yield and white sugar yield (Beta vulgaris L.) in sugar beet genotypes using multivariate AMMI and GGE biplot method. Journal of Crop Breeding, 13(37), 222-235. (In Persian).

Hasani, M., Hamze, H., & Mansori, H. (2022). Compatibility and stability of new rhizomania resistant multigerm hybrids in sugar beet (Beta vulgaris L.). Journal of Agricultural Science and Sustainable Production, 0.22034/SAPS.2022.49322.2787.

Hassani, M., Heidari, B., Dadkhodaie, A., & Stevanato, P. (2018). Genotype by environment interaction components underlying variations in root, sugar and white sugar yield in sugar beet (Beta vulgaris L.). Euphytica, 214(79), 4-21.

ICUMSA (2009). International Commission for Uniform Methods of Sugar Analysis, Methods Book. Berlin, Bartens.

Kim, Y.H., & Yang, J.W. (2019). Recent research on enhanced resistance to parasitic nematodes in sweet potato. Plant Biotechnology Reports, 13, 559–566.

Lubova, T.N., Islamgulov, D.R., Ismagilov, K.R., Ismagilov, R.R., Mukhametshin, A.M., & Alimgafarov, R.R. (2018). Economic efficiency of sugar beet production. Journal of Engineering and Applied Science, 13, 6565–6569.

McGrann, G.R., Grimmer, M.K., Mutasa-Göttgens, E.S., & Stevens, M. (2009). Progress towards the understanding and control of sugar beet rhizomania disease. Molecular Plant Pathology, 10, 129-141.

Moradi, F., Safari, H., & Jalilian, A. (2012). Study of genotype×environment interaction for sugar beet monogerm cultivars using AMMI method. Journal of Sugar Beet, 1(1), 66-55. (In Persian).

Moshari, S., Hemati, R., Mahmoudi, S.B., & Pedram, A. (2019). Evaluation of sugar beet commercial cultivars resistance against root rot caused by R. solani and F. oxysporum. Journal of Sugar Beet, 35(2), 121-139. (In Persian).

Mostafavi, K., Orazizadeh, M.R., & Rajabi, A. (2017). Genotype-environment interaction pattern analysis for sugar beet (Beta vulgaris L.) cultivars yield using AMMI multivariate method. Journal of Sugar Beet, 33(2), 135-147. (In Persian).

Mukhtar, T., Arshad Hussain, M., & Zameer Kayani, M. (2013). Biocontrol potential of Pasteuria penetrans, Pochonia chlamydosporia, Paecilomyces lilacinus and Trichoderma harzianum against Meloidogyne incognita in okra. Phytopathol Mediterr, 52, 66–76. Doi: 10.14601/Phytopathol_Mediterr-11305

Pavli, O.I., Stevanato, P., Biancardi, E., & Skaracis, G.N. (2011). Achievements and prospects in breeding for rhizomania resistance in sugar beet. Field Crop Research, 122, 165-172.

Rajabi, A., Ahmadi, M., Bazrafshan, M., Hassani, M., & Saremirad, A. (2022). Evaluation of resistance and determination of stability of different sugar beet (Beta vulgaris L.) genotypes in rhizomania-infected conditions. Food Science & Nutrition, 11, 1403–1414.

Reuther, M., Lang, C., & Grundler, F.M. (2017). Nematode-tolerant sugar beet varieties–resistant or susceptible to the beet cyst nematode Heterodera schachtii. Sugar Industry, 142, 277–284.

Rush, C.M., Liu, H.Y., Lewellen, R.T., & Acosta-Leal, R. (2006). The continuing saga of rhizomania of sugar beets in the United State. Plant Disease, 90, 4-15.

Safar, S., Bazrafshan, M., Khoshnami, M,. Behrooz, A.A., Hedayati, F., Maleki, M., Mahmoudi, S.B., & Ali Malboobi, M. (2020). Field evaluation for rhizomania resistance of transgenic sugar beet events based on gene silencing. Canadian Journal of Plant Pathology, 2, 1-10.

Tomaszewska, J., Bieliński, D., Binczarski, M., Berlowska, J., Dziugan, P., & Piotrowski, J. (2018). Products of sugar beet processing as raw materials for chemicals and biodegradable polymers. RSC Advances, 8, 3161–3177.

Turner, S.J., & Subbotin, S.A. (2013). Cyst nematodes. In: Plant nematology. 2nd Eds. Perry RN and Moens M. CABI Publishing. Wallingford, Oxfordshire, England. Pp. 109-143.

Ullah, A., Munir, S., Badshah, S.L., Khan, N., Ghani, L., & Poulson, B.G. (2020). Important flavonoids and their role as a therapeutic agent. Molecules, 25, 5243.

Wang, Q.X., Yan, D.D., Mao, L.G., Ma, T.T., Liu, P.F., & Wu, Z.F. (2013). Efficacy of 1, 3-dichloropropene plus chloropicrin gelatin capsule formulation for the control of soilborne pests. Crop Protection, 48, 24–28.

Xie, G.H., Cui, H.D., Dong, Y., Wang, X.Q., Li, X.F., & Deng, R.K. (2016). Crop rotation and intercropping with marigold are effective for root-knot nematode (Meloidogyne sp.) control in angelica (Angelica sinensis) cultivation. Canadian Journal of Plant Science, 97, 26–31.

Yan, W., Hunt, L.A., Sheng, Q., & Szlavnics, Z. (2002). Cultivar evaluation and mega environment investigations based on the GGE biplot. Crop Science, 40, 597-605.

Youssef, N.H., Al-Huqail, A.A., Ali, H.M., Abdelsalam, N.R., & Sabra, M.A. (2020). The role of Serendipita indica and Lactobacilli mixtures on mitigating mycotoxins and heavy metals’ risks of contaminated sewage sludge and its composts. Scientific Reports, 10, 15159.

 

References:
Abdelsalam, N.R., Balbaa, M.G., Osman, H.T., Ghareeb, R.Y., Desoky, E.S.M., & Elshehawi, A.M. (2022b). Inheritance of resistance against northern leaf blight of maize using conventional breeding methods. Saudi Journal of Biological Sciences, 29, 1747–1759.
Al-Nemi, R., Makki, A.A., Sawalha, K., Hajjar, D., & Jaremko, M. (2022). Untargeted metabolomic profiling and antioxidant capacities of different solvent crude extracts of Ephedra foeminea. Metabolites, 12, 451. Doi: 10.3390/ metabo12050451.
Ashmit, K.C., Yan, G., Acharya, K., Plaisance, A., & Khan, M.F. (2021). Occurrence of plant-parasitic nematodes in sugarbeet fields of North Dakota and Minnesota. Crop Protection, 142, 105503.
Badshah, S.L., Faisal, S., Muhammad, A., Poulson, B.G., Emwas, A.H., & Jaremko, M. (2021). Antiviral activities of flavonoids. Biomed. Pharmacother, 140, 111596. Doi: 10.1016/j.biopha.2021.111596.
Bayomi, K.E.M., El-Hashash, E.F., & Moustafa, E.S.A. (2019). Comparison of genetic parameters in non-segregating and segregating populations of sugar beet in Egypt. Asian Journal of Crop Science, 3, 1–12.
Choudhary, R.C., Bairwa, H.L., Kumar, U., Javed, T., Asad, M., & Lal, K. (2022). Influence of organic manures on soil nutrient content, microbial population, yield and quality parameters of pomegranate (Punica granatum l.) cv. bhagwa. PloS One, 17, e0266675.
Darabi, S., Bazrafshan, M., Babaee, B., & Mahmoodi, S.B. (2017). Impact of rhizomania virus (beet necrotic yellow vein virus) on sugar beet yield and qualitative characters. Journal of Applied Research in Plant Protection, 6(3), 67-82.
Draycott, A.P. (2006). Sugar Beet. Blackwell Publishing Co Ltd. UK. 514 p.
Elkobrosy, D.H., Aseel, D.G., Hafez, E.E., El-Saedy, M.A., Al-Huqail, A.A., & Ali, H.M. (2022). Quantitative detection of induced systemic resistance genes of potato roots upon ethylene treatment and cyst nematode, Globodera rostochiensis, infection during plant–nematode interactions. Saudi Journal of Biological Sciences, 29, 3617–3625.
El-Saadony, M.T., Abuljadayel, D.A., Shafi, M.E., Albaqami, N.M., Desoky, E.S.M., & El-Tahan, A.M. (2021). Control of foliar phytoparasitic nematodes through sustainable natural materials: Current progress and challenges. Saudi Journal of Biological Sciences, 28, 7314–7326.
Farshadfar, E., & Sutka, J. (2006). Biplot analysis of genotype-environment interaction in durum wheat using the AMMI model. Acta Agronomica Hungarica, 54(4), 459-467.
Ghareeb, R.Y., Alfy, H., Fahmy, A.A., Ali, H.M., & Abdelsalam, N.R. (2020). Utilization of Cladophora glomerata extract nanoparticles as eco-nematicide and enhancing the defense responses of tomato plants infected by Meloidogyne javanica. Scientific Reports, 10, 19968.
Hamze, H., Mahdi, H., & Mansouri, H. (2021). Screening O-type lines of sugar beet in terms of resistance to rhizoctonia root rot. Journal of Sugar Beet, 37(2), 153-162. (In Persian).
Hasani, M., Hamze, H., & Mansori, H. (2021). Evaluation of adaptability and stability of root yield and white sugar yield (Beta vulgaris L.) in sugar beet genotypes using multivariate AMMI and GGE biplot method. Journal of Crop Breeding, 13(37), 222-235. (In Persian).
Hasani, M., Hamze, H., & Mansori, H. (2022). Compatibility and stability of new rhizomania resistant multigerm hybrids in sugar beet (Beta vulgaris L.). Journal of Agricultural Science and Sustainable Production, 0.22034/SAPS.2022.49322.2787.
Hassani, M., Heidari, B., Dadkhodaie, A., & Stevanato, P. (2018). Genotype by environment interaction components underlying variations in root, sugar and white sugar yield in sugar beet (Beta vulgaris L.). Euphytica, 214(79), 4-21.
ICUMSA (2009). International Commission for Uniform Methods of Sugar Analysis, Methods Book. Berlin, Bartens.
Kim, Y.H., & Yang, J.W. (2019). Recent research on enhanced resistance to parasitic nematodes in sweet potato. Plant Biotechnology Reports, 13, 559–566.
Lubova, T.N., Islamgulov, D.R., Ismagilov, K.R., Ismagilov, R.R., Mukhametshin, A.M., & Alimgafarov, R.R. (2018). Economic efficiency of sugar beet production. Journal of Engineering and Applied Science, 13, 6565–6569.
McGrann, G.R., Grimmer, M.K., Mutasa-Göttgens, E.S., & Stevens, M. (2009). Progress towards the understanding and control of sugar beet rhizomania disease. Molecular Plant Pathology, 10, 129-141.
Moradi, F., Safari, H., & Jalilian, A. (2012). Study of genotype×environment interaction for sugar beet monogerm cultivars using AMMI method. Journal of Sugar Beet, 1(1), 66-55. (In Persian).
Moshari, S., Hemati, R., Mahmoudi, S.B., & Pedram, A. (2019). Evaluation of sugar beet commercial cultivars resistance against root rot caused by R. solani and F. oxysporum. Journal of Sugar Beet, 35(2), 121-139. (In Persian).
Mostafavi, K., Orazizadeh, M.R., & Rajabi, A. (2017). Genotype-environment interaction pattern analysis for sugar beet (Beta vulgaris L.) cultivars yield using AMMI multivariate method. Journal of Sugar Beet, 33(2), 135-147. (In Persian).
Mukhtar, T., Arshad Hussain, M., & Zameer Kayani, M. (2013). Biocontrol potential of Pasteuria penetrans, Pochonia chlamydosporia, Paecilomyces lilacinus and Trichoderma harzianum against Meloidogyne incognita in okra. Phytopathol Mediterr, 52, 66–76. Doi: 10.14601/Phytopathol_Mediterr-11305
Pavli, O.I., Stevanato, P., Biancardi, E., & Skaracis, G.N. (2011). Achievements and prospects in breeding for rhizomania resistance in sugar beet. Field Crop Research, 122, 165-172.
Rajabi, A., Ahmadi, M., Bazrafshan, M., Hassani, M., & Saremirad, A. (2022). Evaluation of resistance and determination of stability of different sugar beet (Beta vulgaris L.) genotypes in rhizomania-infected conditions. Food Science & Nutrition, 11, 1403–1414.
Reuther, M., Lang, C., & Grundler, F.M. (2017). Nematode-tolerant sugar beet varieties–resistant or susceptible to the beet cyst nematode Heterodera schachtii. Sugar Industry, 142, 277–284.
Rush, C.M., Liu, H.Y., Lewellen, R.T., & Acosta-Leal, R. (2006). The continuing saga of rhizomania of sugar beets in the United State. Plant Disease, 90, 4-15.
Safar, S., Bazrafshan, M., Khoshnami, M,. Behrooz, A.A., Hedayati, F., Maleki, M., Mahmoudi, S.B., & Ali Malboobi, M. (2020). Field evaluation for rhizomania resistance of transgenic sugar beet events based on gene silencing. Canadian Journal of Plant Pathology, 2, 1-10.
Tomaszewska, J., Bieliński, D., Binczarski, M., Berlowska, J., Dziugan, P., & Piotrowski, J. (2018). Products of sugar beet processing as raw materials for chemicals and biodegradable polymers. RSC Advances, 8, 3161–3177.
Turner, S.J., & Subbotin, S.A. (2013). Cyst nematodes. In: Plant nematology. 2nd Eds. Perry RN and Moens M. CABI Publishing. Wallingford, Oxfordshire, England. Pp. 109-143.
Ullah, A., Munir, S., Badshah, S.L., Khan, N., Ghani, L., & Poulson, B.G. (2020). Important flavonoids and their role as a therapeutic agent. Molecules, 25, 5243.
Wang, Q.X., Yan, D.D., Mao, L.G., Ma, T.T., Liu, P.F., & Wu, Z.F. (2013). Efficacy of 1, 3-dichloropropene plus chloropicrin gelatin capsule formulation for the control of soilborne pests. Crop Protection, 48, 24–28.
Xie, G.H., Cui, H.D., Dong, Y., Wang, X.Q., Li, X.F., & Deng, R.K. (2016). Crop rotation and intercropping with marigold are effective for root-knot nematode (Meloidogyne sp.) control in angelica (Angelica sinensis) cultivation. Canadian Journal of Plant Science, 97, 26–31.
Yan, W., Hunt, L.A., Sheng, Q., & Szlavnics, Z. (2002). Cultivar evaluation and mega environment investigations based on the GGE biplot. Crop Science, 40, 597-605.
Youssef, N.H., Al-Huqail, A.A., Ali, H.M., Abdelsalam, N.R., & Sabra, M.A. (2020). The role of Serendipita indica and Lactobacilli mixtures on mitigating mycotoxins and heavy metals’ risks of contaminated sewage sludge and its composts. Scientific Reports, 10, 15159.
Volume 54, Issue 3
October 2023
Pages 207-222
  • Receive Date: 24 April 2023
  • Revise Date: 30 May 2023
  • Accept Date: 05 June 2023
  • Publish Date: 23 September 2023