Genotype and environment interaction analysis for grain yield of chickpea genotypes using AMMI and GGE biplot models

Document Type : Research Paper

Authors

1 Dryland Agricultural Research Institute (DARI), Maragheh, Iran

2 Dept. of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Urmia, Iran

3 Plant Production and Genetics, Faculty of Agriculture and Natural Resources, Urmia University, Urmia, Iran Dryland Agricultural Research Institute (DARI), Maragheh, Iran

4 Agricultural and Natural Resource Research Center (ANRRC) of Kordestan, AREEO, Sanandaj, Iran

5 Dryland Agricultural Research Institute (DARI), Shirvan, Iran

Abstract

In the present study, 18 lines and cultivars of chickpea were evaluated in three cold dryland stations including Maragheh, Kurdestan and Shirvan for three years (2014-2016). Results showed that the environments, genotypes and their interaction effects were significant. Interaction analysis using the AMMI model indicated that the two principal components (IPCAs) significantly accounted for 67.9% of the total variation. However, these two components accounted for about 65% of the changes in the GGE biplot method. Evaluation of genotype yield stability using AMMI statistics was very similar to AMMI2 biplot. This similarity was also partially observed between the AMMI and GGE biplot methods. In both models, the environments were subdivided into groups with separate superior genotypes and the behavior of some sites in the selection of genotypes was similar across years, while in some other sites, it was different. Therefore, it is concluded that the reproducibility pattern of superior genotypes in each site is challenging under dryland conditions. Control cultivars of Samin, Gazvin and Jam showed good grain yield and stability. Although, the ability to select high yielding and stable genotypes among the lines was poor compared to control cultivars, genotypes NO. 1, 3, 6, 12 and 14, due to their high yield, can be used in specific adaptation and suitable genetic sources for introducing drought and cold tolerant cultivars in the studied fields.

Keywords


مقدمه

نخود (Cicer arietinum L.) با دارا بودن انواع ویتامین­ها، مواد معدنی و پروتئین، سومین گیاه مهم از تیره حبوبات در جهان و مهم­ترین آن­ها در ایران است (Kanouni et al., 2016). این گیاه علاوه بر اهمیت تغذیه­ای، به­عنوان یک محصول کم­هزینه در نظام­های زراعی نیز مطرح است. گرچه نخود قابلیت سازگاری به طیف وسیعی از شرایط محیطی را دارد، اما همانند دیگر گیاهان زراعی و دارویی، تنش­های محیطی از جمله کم آبی، کاهش­دهنده رشد و عملکرد نخود به­ویژه در مناطق خشک و نیمه­خشک دنیاست. این مورد، ضرورت افزایش تولید نخود در واحد سطح به ویژه در دیم‌زارها را نشان می‌دهد.

از زمان­های گذشته، فرآیند گزینش ژنوتیپ­های مطلوب، امری متداول در به­نژادی گیاهان بوده است، اما اثر متقابل ژنوتیپ و محیط، کارایی انتخاب این ژنوتیپ­ها را کاهش می‌دهد و تفسیر نتایج را پیچیده می‌کند و به­نژادگران را در معرفی ارقام با چالش مواجه ساخته است (Annicchiarico & Perenzin, 1994). این اثر به این دلیل است که یک ژنوتیپ خاص در مواجه با شرایط محیطی مختلف، پاسخ­های متفاوتی می­دهد و در بدترین حالت، تفاوت پاسخ­ها به اندازه‌ای است که رتبه عملکرد ژنوتیپ­ها را در محیط­های مختلف تغییر می­دهد؛ بنابراین احتمال وجود اثر متقابل ژنوتیپ و محیط، ارزیابی ژنوتیپ­ها را در مکان­ها و سال­ها مختلف توجیه می­کند. نتایج چنین آزمایش­های پرهزینه­ای که از آن‌ها با عنوان آزمایش­های چندمحیطی یاد می­شود، منجر به توصیه­های قابل اعتمادتری از سوی به­نژادگران می­گردد. در حالت کلی، نخستین گام در تجزیه داده­های ارزشمند چندمحیطی، انجام تجزیه واریانس و بررسی وجود اثر متقابل معنی­دار ژنوتیپ و محیط است. اما باید توجه داشت که همگنی واریانس خطاهای آزمایشی در محیط­های مورد آزمون، بسیار مهم است، زیرا در صورت همگن نبودن واریانس­ها، الگوهای مشاهده شده در تحلیل­های بعدی می­تواند ناشی از خطاها باشد و منجر به نتایج گمراه کننده­ای شود
(Laffont et al., 2013).

 در سال­های اخیر، رویکردهای مختلفی برای تشریح اثر متقابل ژنوتیپ و محیط ابداع شده است که مدل اثرهای اصلی افزایشی و اثر متقابل ضرب­پذیر[1] (AMMI) و بای­پلات GGE[2]، از جمله پرکاربردترین و مؤثرترین آن­ها است (Shahriari et al., 2018). مناسب بودن مدل AMMI در بررسی آزمایش­های چندمحیطی به اثبات رسیده است
(Ndhlela et al., 2014)؛ هم­چنین کاربرد این روش در تجزیه اثر متقابل ژنوتیپ و محیط و سودمندی آن در تعیین پایداری عملکرد لاین­ها تأیید شده است (Babaei et al., 2018). روش بای­پلات GGE نیز با حذف اثر محیط و ترکیب اثر ژنوتیپ و اثرمتقابل ژنوتیپ و محیط، منجر به ارائه نتایج قابل اعتمادتری می­شود (Yan et al., 2007). بای­پلات­های ارائه شده توسط این روش­ها می­توانند در ارزیابی هم­زمان ­عملکرد و پایداری و نیز انتخاب ژنوتیپ­ها با سازگاری عمومی و خصوصی بالا مورد استفاده قرار گیرند. این دو مفهوم از سازگاری، رویکرد عمده به­نژادگران در انتخاب ژنوتیپ­ها طی آزمایش­های چند محیطی می­باشد؛ به این صورت که سازگاری عمومی بر اساس متوسط عملکرد ژنوتیپ­ها در تمام محیط­ها می­باشد، در حالی که سازگاری خصوصی، انتخاب بر پایه متوسط عملکرد ژنوتیپ­ها در یک زیرمجموعه از محیط­های خاص است (Gauch et al., 2008). علاوه بر بای­پلات که تفسیر نتایج را تسهیل می­کند، پژوهش­گران، چندین آماره در مدل AMMI پیشنهاد داده­اند که پرکاربردترین آن، ارزش پایداری AMMI یا ASV می­باشد که مبتنی بر دو مؤلفه اول است؛ درحالی که سایر آماره­ها از مؤلفه­های دیگر هم استفاده می­کنند و هر کدام جنبه­های مختلفی از تغییرات را با استفاده از مؤلفه­های باقی­مانده در مدل نشان می­دهند (Akbarpour et al., 2011; Zali et al., 2012; Ajay et al., 2020).

وجود اثر متقابل معنی­دار ژنوتیپ و محیط بر عملکرد دانه نخود در چندین پژوهش گزارش شده است و پژوهش­گران از روش­های مختلفی جهت بررسی آن استفاده کرده­اند. Zali et al (2011) با بهره­گیری از آماره­های یک متغیره و مدل­های رگرسیونی بیان کردند که حساسیت تعداد دانه در غلاف به تغییرات محیطی کمتر است و این جزء از عملکرد می­تواند تحت شرایط دیم، نقش بیشتری را در پایداری عملکرد نخود داشته باشد. Farshadfar et al (2012) از آماره چند متغیره ASV در کنار آماره­های پارامتری و ناپارامتری جهت انتخاب ژنوتیپ­های پایدار نخود استفاده کردند. در پژوهشی دیگر و در آزمایش­های چندمحیطی عملکرد دانه نخود، Kanouni et al (2016) تحت شرایط دیم دو ژنوتیپ با قابلیت سازگاری خصوصی بالا و سه ژنوتیپ با سازگاری عمومی مطلوب را از طریق روش بای­پلات GGE شناسایی کردند. Pouresmael et al (2018) عملکرد و پایداری عملکرد ژنوتیپ­های بومی نخود تیپ کابلی را به همراه سه رقم شاهد تحت شرایط دیم مورد ارزیابی قرار دادند؛ نتایج حاصل از روش­های چندمتغیره از جمله AMMI و بای­پلات GGE، پنج ژنوتیپ با عملکرد بالاتر از میانگین و پایداری مطلوب را برای توسعه ارقام جدید معرفی نمودند. هدف از پژوهش حاضر، بررسی پایداری عملکرد دانه ژنوتیپ­های نخود و سازگاری عمومی و خصوصی این ژنوتیپ­ها بر اساس مدل­های AMMI و بای­پلات GGE بود.

 

مواد و روش­ها

تعداد 18 لاین و رقم نخود سفید، به­صورت طرح پایه بلوک‌های کامل تصادفی در چهار تکرار و در سه ایستگاه سردسیری تحقیقات کشاورزی دیم شامل مراغه، کردستان و شیروان، به‌مدت سه سال زراعی (1392-95) در کشت بهاره ارزیابی شدند. مشخصات ژنوتیپ­ها و محیط­های مورد مطالعه در جدول 1 ارائه شده است.

 

جدول 1- مشخصات ژنوتیپ­ها و محیط­های مورد مطالعه

Table 1. Characteristics of the studied genotypes and environments

Genotypes

  Origin

Name

No.

 

           Origin

Name

No.

ICARDA

FLIP 06-88C

G10

 

ICARDA

ILC 484

G1

ICARDA

FLIP 07-6C

G11

 

ICARDA

FLIP 86-5C

G2

ICARDA

FLIP 07-105C

G12

 

ICARDA

FLIP 86-6C

G3

ICARDA

FLIP 07-109C

G13

 

ICARDA

FLIP 87-45C

G4

ICARDA

FLIP 08-10C

G14

 

ICARDA

FLIP 88-85C

G5

ICARDA

FLIP 08-55C

G15

 

ICARDA

FLIP 93-58C

G6

IRAN

Samin Check

G16

 

ICARDA

FLIP 03-22C

G7

IRAN

Gazvin Check

G17

 

ICARDA

FLIP 03-50C

G8

IRAN

Jam Check

G18

 

ICARDA

FLIP 06-52C

G9

Environments

Altitude

Longitude

Latitude

Annual rainfall (mm)

Year

Location

No.

 

1720 m

 

46.15 E

 

37.15 N

289.2

2014

Maragheh

M1

424.9

2015

Maragheh

M2

429.3

2016

Maragheh

M3

 

2100 m

 

48.08 E

 

35.43 N

332.6

2014

Kordestan

K1

235.4

2015

Kordestan

K2

381.5

2016

Kordestan

K3

 

 

 

200.4

2014

Shirvan

S1

1086 m

57.55 E

37.23 N

316.2

2015

Shirvan

S2

 

 

 

334.2

2016

Shirvan

S3

                     

 

 

هر واحد آزمایشی در چهار خط به طول چهار متر، با فاصلة خطوط 25 سانتی‌متر و با تراکم 40 بوته در متر مربع کشت شدند و بذور به فاصله حدود 10 سانتی‌متر بر روی خطوط کشت قرار گرفتند. به­منظور جلوگیری از آلودگی‌های قارچی، بذرها قبل از کاشت با استفاده از یک قارچ‌کش مناسب (کاربوکسین تیرام به نسبت دو در هزار) ضدعفونی  و سپس کشت شدند. در اوایل پائیز هر سال، عملیات آماده‌سازی و تهیه زمین شامل شخم پائیزه با گاوآهن قلمی و تسطیح انجام شد. همچنین به­منظور تغذیه گیاهان و همزمان با عملیات آماده‌سازی زمین، از فرمول کودی N20-P30 (20 کیلوگرم در هکتار نیتروژن خالص از منبع کودی نیترات آمونیوم و 30 کیلوگرم در هکتار فسفر خالص از کود سوپر فسفات تریپل) استفاده شد که در آن، تمامی کود فسفره، قبل از کشت و به هنگام تهیه زمین در پاییز و کود نیتروژنی پس ازکشت در بهار و به­عنوان آغازگر به مزرعه داده شد. عملیات کشت با توجه به میزان رطوبت خاک، در اولین فرصت پس از آماده شدن شرایط مزرعه، در نیمه دوم اسفند و یا نیمه اول فروردین هر سال و به صورت دستی انجام گرفت. در طول دوره رشد و نمو بوته‌ها، مراقبت­های زراعی شامل وجین دستی علف­های‌هرز در دو مرحله و مبارزه با آفات طوقه خوار (آگروتیس) و پیله­خوار (هلیوتیس) با استفاده از سموم مناسب انجام گرفت. پس از رسیدن کامل محصول و با حذف دو ردیف کناری و 25 سانتی­متر از ابتدا و انتهای خطوط هر کرت به­عنوان حاشیه، اقدام به برداشت بوته‌های باقی­مانده از سطحی معادل 75/1 متر مربع شد و پس از بوجاری، عملکرد دانه ژنوتیپ‌های مورد مطالعه بر حسب تن در هکتار ثبت شد.

جهت تجزیه پایداری به روش AMMI، تجزیه واریانس انجام شد و درآیه­های مؤلفه­های اصلی برای هر ژنوتیپ و محیط تعیین شدند (Zobel et al., 1988). سپس بای­پلات­های مربوط، برای تفسیر برهم­کنش­های ژنوتیپ و محیط و تعیین سازگاری عمومی و خصوصی ژنوتیپ­ها رسم شدند. هم­چنین آماره­های مبتنی بر روش چند متغیره AMMI بر اساس روابط موجود در جدول 2 محاسبه شدند (Zali et al., 2012; Ajay et al., 2020). تجزیه AMMI با استفاده از بسته agricolae انجام شد و آماره­های AMMI با استفاده از بسته ammistability در نرم­افزار R محاسبه شد و تری­پلات AMMI نیز با استفاده از نرم­افزار GEA-R ترسیم شدند. در نهایت بای­پلات­های GGE و طرح موزاییکی آن، به­ترتیب با استفاده از بسته GGEBiplotGUI و دستورات ارایه شده توسط Laffont et al (2007) در نرم­افزار R رسم شدند.

 

 

جدول 2- آماره­های مدل AMMI و جزئیات آن­ها

Table 2- AMMI model statistics and their details

Reference

Details

AMMI Stability Parameter

 

Purchase, (1997)

 

 

AMMI Stability Value

 

Jambhulkar et al. (2017)

 

 

AMMI Stability Index

 

Sneller et al. (1997)

 

 

Sum across environments of absolute value of GEI modelled by AMMI

 

Annicchiarico, (1997)

 

 

Annicchiarico’s D parameter

 

Zhang et al. (1998)

 

 

Zhang’s D parameter

 

Sneller et al. (1997)

 

 

Averages of the squared eigenvector values

 

Zali et al. (2012)

 

 

Stability measure based on fitted AMMI model

 

Sneller et al. (1997)

 

 

Sums of the absolute value of the IPC scores

 

Zali et al. (2012)

 

 

Absolute value of the relative contribution of IPCs to the interaction

IPC: interaction principal components, SSIPCn: sum of squares of the nth IPC, N´: number of significant IPCAs, θn: percentage sum of squares explained by nth principal component interaction effect, E: number of environments, λn: singular value for nth IPC, ϓin: eigenvector value for ith genotype and δjn: eigenvector value for jth environment.

 

 

 

نتایج و بحث

پس از تأیید همگنی واریانس اشتباهات آزمایشی با آزمون بارتلت (ns08/9=χ2)، تجزیه واریانس مرکب آزمایش­ها نشان داد که اثرهای اصلی محیط و ژنوتیپ در سطح احتمال یک درصد و اثر متقابل ژنوتیپ و محیط در سطح احتمال 5 درصد معنی­دار بودند (جدول 3). به دلیل تغییرات شرایط آب و هوایی، معنی­داری اثر محیط از مکانی به مکانی دیگر و از سالی به سالی دیگر امری بدیهی است. هم­چنین اختلاف ژنتیکی بین ژنوتیپ­ها شماره 18 با بیشترین عملکرد و ژنوتیپ شماره 10 با کمترین عملکرد در جدول 4 دیده می­شود. معنی­داری اثرمتقابل ژنوتیپ و محیط، حاکی از تفاوت واکنش ژنوتیپ­ها در محیط­های مورد مطالعه می­باشد. این یافته­ها هم­سو با نتایج سایر پژوهش­گران در آزمایش­های چندمحیطی نخود است (Farshadfar et al., 2012; Kanouni et al., 2016; Karakoy et al., 2018).

 

 

جدول 3- تجزیه واریانس عملکرد دانه 18 ژنوتیپ نخود کابلی در نه محیط با استفاده از روش AMMI

Table 3. Variance analysis of the grain yield of 18 Kabouli chickpea genotypes in 9 environments using AMMI method

Acum

Percent

Pr(>F)

F.value

Mean Sq

Sum Sq

Df

S.O.V

 

 

5.551e-16

68.75

5.483

43.862

8

ENV

 

 

2.532e-14

5.10

0.080

2.153

27

REP(ENV)

 

 

0.002797

2.27

0.035

0.602

17

GEN

 

 

0.010554

1.36

0.021

2.890

136

ENV:GEN

46.5

46.5

0.0000

3.58

0.056

1.344

24

PC1

67.9

21.4

0.0149

1.80

0.028

0.619

22

PC2

84.9

16.9

0.0583

1.56

0.024

0.489

20

PC3

100

15.2

 

 

0.006

0.437

70

Noise

 

 

 

 

0.016

7.175

459

Residuals

Coefficient of variation (CV%)              28.30

 

جدول 4- عملکرد دانه و آماره­های مختلف AMMI برای 18 ژنوتیپ در نه محیط مورد ارزیابی

Table 4. Grain yield and different AMMI statistics for 18 chickpea genotypes in 9 evaluated environments

ZA

SIPC

FA

EV

DZ

DA

AV

ASI

ASV

GY

Gen

0.11

0.26

0.017

0.050

0.32

0.13

0.33

0.053

0.25

0.466

G1

0.18

0.34

0.034

0.059

0.34

0.19

0.38

0.108

0.50

0.441

G2

0.10

0.26

0.021

0.067

0.37

0.15

0.33

0.052

0.24

0.466

G3

0.06

0.16

0.009

0.030

0.24

0.10

0.23

0.033

0.15

0.464

G4

0.05

0.09

0.002

0.004

0.09

0.05

0.10

0.029

0.13

0.451

G5

0.09

0.15

0.010

0.015

0.17

0.10

0.22

0.061

0.28

0.470

G6

0.22

0.38

0.065

0.098

0.44

0.25

0.50

0.155

0.72

0.434

G7

0.21

0.41

0.050

0.089

0.42

0.22

0.46

0.129

0.60

0.428

G8

0.05

0.11

0.003

0.007

0.11

0.05

0.13

0.024

0.11

0.427

G9

0.15

0.31

0.024

0.050

0.32

0.16

0.36

0.083

0.39

0.365

G10

0.22

0.44

0.051

0.099

0.44

0.22

0.47

0.124

0.58

0.399

G11

0.32

0.65

0.107

0.219

0.66

0.33

0.75

0.176

0.82

0.454

G12

0.10

0.25

0.016

0.046

0.30

0.12

0.32

0.049

0.23

0.420

G13

0.10

0.24

0.015

0.045

0.30

0.12

0.31

0.049

0.23

0.473

G14

0.11

0.19

0.017

0.026

0.23

0.13

0.26

0.080

0.37

0.452

G15

0.10

0.17

0.016

0.023

0.22

0.13

0.26

0.077

0.36

0.475

G16

0.16

0.32

0.027

0.055

0.33

0.16

0.34

0.088

0.41

0.471

G17

0.07

0.16

0.006

0.016

0.18

0.08

0.17

0.035

0.16

0.495

G18

GY: Grain yield (t/ha-1), ASV: AMMI stability value, ASI: AMMI stability index, AV: Absolute value of the sum across environments, DA: Annicchiarico’s D parameter, DZ: Zhang’s D parameter or AMMI distance, EV: Averages of the squared eigenvector values, FA: Stability measure based on fitted AMMI model, SIPC: Sums of the absolute value of the IPC scores, ZA: Absolute value of the relative contribution of IPCs to the interaction.

 

 

تجزیه واریانس تنها می­تواند درباره وجود اثر متقابل معنی­دار ژنوتیپ و محیط اطلاعاتی فراهم آورد و قابلیت بررسی الگوی پاسخ ژنوتیپ­ها به محیط­ها را ندارد (Samonte et al., 2005)، اما مدل AMMI علاوه بر تقسیم واریانس به اثرات اصلی افزایشی (محیط و ژنوتیپ)، برای اثر متقابل ضرب­پذیر، تجزیه به مؤلفه­های اصلی انجام می­دهد؛ بنابراین در این مدل اثر ژنوتیپ و اثر متقابل ژنوتیپ و محیط که برای به­نژادگران بسیار حائز اهمیت هستند، به­صورت جداگانه تحلیل می­شوند (Gauch et al., 2008). بر این اساس، مؤلفه­های اصلی اول، دوم و سوم، به­ترتیب 5/46، 4/21 و 9/16 درصد از تغییرات اثر متقابل ژنوتیپ و محیط را توجیه کردند و سایر مؤلفه­ها با توجیه 2/15 درصد از تغییرات در منبع نویز ادغام شدند. دو مؤلفه نخست که به صورت تجمعی 9/67 درصد از تغییرات را توجیه کرده و از نظر آماری معنی­دار بودند، می­تواند نشان از سودمندی مدل AMMI در تجزیه اثر متقابل باشد. معنی­داری تعداد مؤلفه­ها می­تواند معیاری از پیچیدگی اثرمتقابل ژنوتیپ در محیط باشد و این مورد به تعداد محیط­ها، مواد ژنتیکی و شرایط آن­ها بستگی دارد. به­عنوان نمونه، در پژوهشی که 15 ژنوتیپ بومی نخود در 12 محیط بررسی شده بودند، تعداد پنج مؤلفه در سطح احتمال یک درصد معنی­دار شدند (Pouresmael et al., 2018).

بای­پلات AMMI1 پراکنش ژنوتیپ­ها و محیط­ها را بر اساس میانگین عملکرد دانه و درآیه­های مربوط به مؤلفه­های اصلی اول محیط­ها و ژنوتیپ­ها نشان می­دهد. این بای­پلات الگویی برای بررسی هم­زمان عملکرد و پایداری عملکرد ژنوتیپ­ها می­باشد (شکل 1). در این تصویر، خط عمود بر محور افقی از میانگین کل آزمایش یعنی 447/0 تن در هکتار می­گذرد و ژنوتیپ­ها و محیط­ها را بر اساس عملکرد دانه به دو قسمت بالاتر از متوسط (سمت راست) و پایین­تر از متوسط (سمت چپ) تقسیم می­­کند. هم­چنین خط قائم بر محور عمودی، مقدار صفر برای مؤلفه نخست را نشان می­دهد. تفاوت نقاط، صرف­نظر از جهت مثبت یا منفی در طول این محور، بیان­گر اختلاف در سهم آن­ها در تغییرات ناشی از اثر متقابل ژنوتیپ و محیط از نظر مؤلفه­ی اول خواهد بود. بر این اساس، ژنوتیپ شماره 12 و هفت و پس از آن­ها ژنوتیپ­های شماره هشت، 11 و دو به­ترتیب دارای بیش­ترین اثرمتقابل و کم­ترین پایداری بودند. هم­چنین ژنوتیپ شماره چهار با عملکرد متوسط، به­عنوان پایدارترین ژنوتیپ شناسایی شد. بدیهی است که ژنوتیپ­های مطلوب قبل از پایداری عملکرد باید عملکرد بالاتری نیز داشته باشند بنابراین ژنوتیپ­های شماره 18، سه و 14 با عملکرد بالاتر از متوسط و درآیه­ی کم مؤلفه اول، در زمره ژنوتیپ­های مطلوب بودند. از طرف دیگر، به­نظر می­رسد که ژنوتیپ­های شماره یک، شش، 16 و 17 با عملکرد بالا و پایداری ضعیف، دارای سازگاری خصوصی بودند.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 1- بای­پلات میانگین عملکرد دانه در برابر مؤلفه اصلی اول (AMMI1) و بای­پلات مؤلفه اصلی اول در برابر مؤلفه اصلی دوم (AMMI2)

Figure 1. Biplot of the grain yield means versus first principal component (AMMI1) and first principal component versus second principal component (AMMI2)

 

 

در همین باره، Gauch (2013) بیان می­کند که تجزیه اثرمتقابل ژنوتیپ و محیط برای ژنوتیپ­هایی که عملکرد دانه پایین­تری دارند، به نسبت بی­نتیجه خواهد بود، در حالی­که این تجزیه برای ژنوتیپ­هایی با عملکرد بالا بسیار مهم است و منجر به انتخاب ژنوتیپ­های مختلف و توصیه آن­ها به محیط­های خاص می­شود. لازم به اشاره است که از بای­پلات AMMI1 می­توان برای ارزیابی محیط­ها نیز استفاده نمود؛ بنابراین مشابه تفسیرهای فوق، ژنوتیپ­ها در ایستگاه مراغه در سال دوم و شیروان در سال اول، به­ترتیب بیش­ترین و کم­ترین عملکرد دانه را داشتند؛ این امر متأثر از شرایط بارندگی در محیط­های یاد شده بود.

جهت بررسی سازگاری خصوصی ژنوتیپ­ها می­توان بای­پلات دیگری ترسیم نمود که در آن، مؤلفه اصلی اول روی محور افقی و مؤلفه اصلی دوم روی محور عمودی­ باشد. همان­طور که اشاره شد، تفسیرهای حاصل از بای­پلات AMMI2 با درصد توجیه حدود 68 درصدی می­تواند به­طور نسبی قابل اطمینان باشد. ژنوتیپ­های شماره پنج، شش، نه و 18، به مبدأ بای­پلات نزدیک بودند و از پایداری بالایی برخوردارند و از بین آن­ها، ژنوتیپ­های شماره شش و 18 با توجه به میانگین عملکرد بالا قابل توصیه به تمام محیط­ها بودند. کسینوس زاویه بین بردارهای محیطی، تقریبی از میزان همبستگی بین آن­ها است؛ یعنی محیط­هایی که زاویه بردارهای آن­ها کمتر از 90 درجه می­باشد، به صورت مشابهی ژنوتیپ­ها را رتبه­بندی کرده­اند و یا به عبارت درست­تر، ژنوتیپ­ها پاسخ تقریباً یکسانی در این محیط­ها داشته­اند. به این ترتیب، محیط­های کردستان در هر سه سال و شیروان در سال دوم، به­عنوان یک ابرمحیط در نظر گرفته شدند و ژنوتیپ­های شماره سه، 10، 13، 14 و 18 واکنش اثرمتقابل مشابه با این محیط­ها داشتند و به دلیل پاسخ بهتر به محیط­های مذکور، سازگاری خصوصی نشان دادند. هم­چنین ژنوتیپ­های شماره هفت، هشت، 11 و 15، به محیط­های مراغه سال اول و شیروان سال اول و ژنوتیپ­های شماره یک، چهار، پنج، شش، نه و 16، به محیط­های مراغه در سال دوم و سوم و شیروان در سال دوم سازگاری خصوصی داشتند (شکل 1). الگوی گروه­بندی محیط­ها تا حد زیادی متأثر از شرایط بارندگی بود (جدول 1). در پژوهشی به وسیله­ی Zali et al (2008)، پایداری عملکرد ژنوتیپ­های نخود با استفاده از مدل AMMI مورد بررسی قرار گرفت. چهار مؤلفه اصلی، 94 درصد از تغییرات اثرمتقابل ژنوتیپ در محیط را توجیه کردند. هم­چنین ترسیم بای­پلات­ها، سه ژنوتیپ را به­عنوان ژنوتیپ پایدار شناسایی نمود که تنها یکی از آن­ها عملکرد دانه بالاتری داشت. نظر به این­که مؤلفه اصلی سوم، سطح احتمالی نزدیک به معنی­داری داشت و نیز درصدی از تغییرات را توجیه کرد، امکان ترسیم تری­پلاتی که در آن هر سه مؤلفه اصلی نخست، به­طور همزمان حضور داشته باشند، فراهم شد (شکل 2). بر این اساس، به‌نظر می­رسد که ژنوتیپ­ها در محیط شیروان سال دوم، کمترین و در محیط مراغه سال سوم و شیروان سال اول، بیشترین اثرمتقابل ژنوتیپ در محیط را داشته­اند. این نتایج در راستای یافته­های حاصل از بای­پلات AMMI2 بود. استفاده از نمودار سه بعدی AMMI جهت بررسی پایداری ژنوتیپ­ها قبلاً گزارش شده است
 (Darai et al., 2017). گرچه استفاده از مؤلفه­های اضافی می­تواند درصد بالاتری از تغییرات را توجیه نماید، اما بایستی توجه داشت که این امر، نه تنها منجر به از بین رفتن دید دو بعدی ساده می­شود، بلکه ممکن است ساختارهای کاذبی را ارائه دهد
(Laffont et al., 2007).

میانگین عملکرد دانه و آماره­های مختلف AMMI در جدول 4 ارائه شده است. آماره ASV با بررسی هم­زمان دو مؤلفه اول، نقش مهمی در تفسیر نتایج تجزیه AMMI دارد و بر اساس آن، ژنوتیپ­های شماره نه، پنج و چهار، پایداری بیش­تری داشتند. آماره ASI یا شاخص پایداری AMMI همانند آماره ASV از دو مؤلفه نخست بهره می­برد و بر پایه آن، ژنوتیپ­های شماره نه، پنج و چهار، پایداری خوبی داشتند. بر پایه آماره AV، ژنوتیپ­های شماره پنج، نه و 18 پایدارترین ژنوتیپ­ها بودند. بر اساس معیار فاصله اقلیدسی از مبدأ مؤلفه­های معنی­دار یا شاخص DA و همچنین بر طبق فاصله AMMI یا DZ، ژنوتیپ­های شماره پنج، نه، شش و 18، کمترین اثرمتقابل ژنوتیپ در محیط و بالاترین پایداری را نشان دادند. مطابق با آماره EV یا میانگین مربعات بردار مؤلفه­ها، ژنوتیپ­های شماره پنج، نه و شش، از پایداری مطلوبی برخوردار بودند. با برازش مدل AMMI یا FA، ژنوتیپ­های شماره پنج، نه و 18 انتخاب شدند. بر اساس آماره SIPC که از مجموع قدر مطلق مقادیر ویژه ژنوتیپی مؤلفه­های باقی­مانده استفاده می­کند، ژنوتیپ­های شماره پنج، نه و شش، ژنوتیپ­های پایداری بودند. در انتها مطابق با آماره ZA که ارزش مطلق سهم نسبی مؤلفه­ها را نشان می­دهد، ژنوتیپ­های شماره پنج، نه و چهار به­عنوان ژنوتیپ­های پایدار معرفی شدند.

 

K2

S3

M2

1

18

5

16

12

4

8

7

11

S1

M1

S2

10

9

K3

15

13

K1

14

3

17

2

M3

6

 

شکل 2- تری­پلات سه مؤلفه اصلی اول در مدل AMMI

Figure 2. The first three components of the triplet in the AMMI model

 

 

نتایج آماره­های AMMI که با استفاده از چهار مؤلفه اصلی معنی­دار محاسبه شده بودند، ژنوتیپ­هایی را به­عنوان پایدار شناسایی نمودند که پراکنشی نزدیک به مرکز بای­پلات AMMI2 داشتند (Abdipur & Vaezi, 2014). این امر ناشی از توجیه درصد پایین تغییرات توسط مؤلفه­های سوم و چهارم بود. با این حال، بدیهی است که آماره­های AMMI، منجر به رتبه­بندی تقریباً مشابه ژنوتیپ­ها از نظر پایداری می­شود
(Vaezi et al., 2018) و نتایج آن­ها در راستای بای­پلات AMMI2 یا اندکی متفاوت از آن است و انتخاب هر کدام از آن­ها برای مطالعه اثرمتقابل ژنوتیپ در محیط، بستگی به نظر محقق دارد، به­طوری‌که برخی به دلیل بالا بودن تعداد مؤلفه­های معنی­دار در مدل AMMI تنها از آماره­های آن استفاده کرده­اند و استفاده از بای­پلات را توصیه نمی­کنند (Zali et al., 2012; Karimizadeh et al., 2016)، اما در حالت کلی و با توجه به تفسیر ساده بای­پلات، پژوهش­گران بیشتر تمایل به استفاده گرافیکی از مدل AMMI دارند.

نتایج تجزیه بای­پلات GGE نشان داد که مؤلفه اول، 52/45 درصد و مؤلفه دوم، 81/18 درصد از تغییرات کل داده­هایی که اثر اصلی محیط از آن­ها برچیده شده بود را توجیه کردند. این موضوع می­تواند توسط طرح موزاییکی به دقیق­ترین شکل ممکن مورد بررسی قرار گیرد (شکل 3). در این تصویر، تمام مؤلفه­ها به صورت ستون­هایی مشخص می­باشند و سهم هر مؤلفه از توجیه تغییرات ژنوتیپ و اثرمتقابل ژنوتیپ در محیط به­ترتیب، با رنگ­های تیره و روشن به نمایش درآمده است. همان­طور که مشاهد می­شود، در هر دو مؤلفه اول و دوم، تقریباً 20 درصد از تغییرات ناشی از اثر ژنوتیپ بود، در حالی­که اثرمتقابل ژنوتیپ در محیط، سهم بیشتری از تغییرات را به خود اختصاص داد. بزرگی اثرمتقابل نسبت به اثر ژنوتیپ، در راستای گزارشات قبلی است (Dia et al., 2016). Alipour et al (2019) از طرح موزاییکی استفاده کردند و مفید بودن آن را گزارش نمودند. آگاهی از سهم هر مؤلفه در توجیه اثرات می­تواند تفسیر بای­پلات­های GGE را تسهیل بخشد (Laffont et al., 2007; Laffont et al., 2013).

 

 

شکل 3- طرح موزاییکی نمایش سهم مؤلفه­های اصلی از واریانس ژنوتیپ (G) + اثرمتقابل ژنوتیپ و محیط (GE)

Figure 3. Mosaic plot to show the component contribution of the variance G + GE

 

 

در الگوی عملکرد در برابر پایداری، محور [3]AEC در راستای هیچ­کدام از مؤلفه­ها نیست (شکل 4)، زیرا سهم تغییرات هر مؤلفه از توجیه اثر ژنوتیپ یا اثرمتقابل ژنوتیپ در محیط برابر است. از آن جایی­که تصویر ارقام بر روی محور AEC، تقریبی از عملکرد ژنوتیپ­ها است، بنابراین ژنوتیپ­های شماره شش، 18 و سه، بیشترین عملکرد و ژنوتیپ شماره 10 کمترین عملکرد را داشتند. رتبه­بندی صورت گرفته بر اساس محور AEC به­طور دقیق، بیانگر واقعیت نیست، زیرا 36 درصد از تغییرات را شامل نمی­شود، اما نتایج آن تا حدود زیادی به واقعیت نزدیک است؛ بنابراین می­توان نتیجه گرفت که بای­پلات AMMI1 نسبت به بای­پلات GGE به شکل دقیق­تری عملکرد ارقام را به تصویر می­کشد. از سوی دیگر، فاصله از محور AEC، تقریبی از میزان اثرمتقابل ژنوتیپ در محیط است. به این ترتیب، ژنوتیپ­های شماره 12، هفت و نه، بیشترین اثرمتقابل و کمترین پایداری را داشتند، در حالی­که ژنوتیپ­های شماره 10 و 13 که عملکرد پایین­تری نیز از خود نشان دادند، دارای اثرمتقابل کوچک­تر و پایداری بیشتری بودند. 

با اتصال ژنوتیپ­های رأسی که بیشترین فاصله را از مبدأ بای­پلات دارند، یک چندضلعی ترسیم می­شود که سایر ژنوتیپ­ها در داخل آن محصور می­مانند. این الگو که با عنوان کدام/برتر/کجا نیز نامیده می­شود، در شکل 4 به نمایش درآمده است. ژنوتیپ 12 به محیط مراغه و شیروان در سال سوم، سازگاری خصوصی نشان داد و ژنوتیپ شماره شش در محیط­های مراغه و شیروان در سال دوم، بیشترین عملکرد را داشت. همچنین ژنوتیپ شماره سه به محیط­های کردستان در هر سه سال، سازگاری خصوصی نشان داد. این وضعیت برای ژنوتیپ شماره 14 و محیط مراغه سال اول و نیز ژنوتیپ شماره هفت و محیط شیروان سال اول به همین صورت بود. نتایج نشان داد که رفتار برخی مکان‌ها از جمله ایستگاه کردستان در گزینش ژنوتیپ‌ها در همه سال­ها مشابه بود، اما ایستگاه‌های مراغه و شیروان در گزینش ژنوتیپ‌ها طی سه سال مورد بررسی متفاوت از هم عمل کردند.
 Kanouni et al (2016) در بررسی پایداری لاین­های نخود با استفاده از بای­پلات GGE نشان دادند که برخی از ایستگاه­ها در سال­های مورد بررسی در یک گروه محیطی کلان قرار نمی­گیرند. بنابراین به نظر می­رسد شناخت الگوی تکرارپذیری ژنوتیپ­های برتر در هر مکان از سالی به سال دیگر تحت شرایط دیم، با چالش همراه است. گرچه ژنوتیپ شماره 10 جزو ژنوتیپ­های رأسی بود، اما در هیچ­ یک از محیط­ها عملکرد بالایی از خود نشان نداد. همانند بای­پلات­های مدل AMMI2، در این­جا نیز ژنوتیپ‌هایی که نزدیک مرکز بای‌پلات واقع شدند، از اثرمتقابل کمتری برخوردار بودند. محیط‌های آزمون نزدیک به مرکز بای‌پلات (کردستان سال دوم و سوم) این مفهوم را می‌رسانند که عملکرد نسبی همه ژنوتیپ‌ها در آن محیط‌ها مشابه هستند؛ بنابراین این محیط­ها اطلاعات اندکی در رابطه با اثر ژنوتیپ یا اثرمتقابل ژنوتیپ و محیط در اختیار می‌گذارند. با مقایسه دو روش درمی­یابیم که نتایج بای­پلات GGE تا حدودی مشابه با نتایج AMMI بود و تفاوت­ها، ناشی از دخالت اثر اصلی محیط در مدل AMMI است.

 

 

  

شکل 4- الگوی بررسی هم­زمان عملکرد و پایداری و الگوی چندضلعی بر اساس روش بای­پلات GGE

Figure 4. Mean vs. stability and polygon patterns based on GGE biplot method

 

 

 

نتیجه­گیری کلی

معنی­داری دو مؤلفه اصلی در مدل AMMI که نشان از عدم وجود اثرمتقابل پیچیده بود منجر شد تا آماره­های چندمتغیره، نتایجی مشابه با بای­پلات AMMI2 داشته باشند؛ بنابراین استفاده از آماره­های AMMI در صورت باقی­ماندن تعداد مؤلفه بیشتر در مدل توصیه می­شود. همچنین یافته­های تحقیق حاضر نشان داد که نتایج مدل­های AMMI و بای­پلات GGE تا حدودی مشابه هم می­باشند. ژنوتیپ­های شماره 16، 17 و 18 که به­ترتیب ارقام شاهد ثمین، قزوین و جم بودند، عملکرد دانه و پایداری عملکرد مطلوبی از خود نشان دادند. با وجود این­که امکان انتخاب ژنوتیپ­های پرمحصول و پایدار در بین لاین­ها نسبت به ارقام شاهد ضعیف بود، اما ژنوتیپ­های شماره یک (ILC 484)، سه (FLIP 86-6C)، شش (FLIP 93-58C)، 12 (FLIP 07-105C) و 14 (FLIP 08-10C) با توجه به عملکرد بالا می­توانند در سازگاری خصوصی مورد استفاده قرار گیرند و منابع ژنتیکی مطلوبی برای معرفی ارقام متحمل به تنش خشکی و سرما در دیم­زارهای مورد مطالعه باشند.

 

سپاسگزاری

از مؤسسه تحقیقات کشاورزی دیم کشور به خاطر مساعدت و همکاری در انجام این پژوهش، تشکر و سپاسگزاری می‌شود.

 

REFERENCES

  1. Abdipur, M. & Vaezi, B. (2014). Analysis of the genotype-by-environment interaction of winter barley tested in the rain-fed regions of Iran by AMMI adjustment. Bulgarian Journal of Agricultural Science, 20(2), 421-427.
  2. Ajay, B. C., Bera, S. K., Singh, A. L., Kumar, N., Gangadhar, K. & Kona, P. (2020). Evaluation of genotype× environment interaction and yield stability analysis in peanut under phosphorus stress condition using stability parameters of AMMI model. Agricultural Research, 9(4), 477-486.
  3. Akbarpour, O. A., Dehghani, H. & Sorkhi, B. (2011). Investigating univariate and multivariate stability parameters of barley (Hordeum voulgare) promising genotypes in cold climate of Iran. Iranian Journal of Field Crop Science, 41(1), 23-32. (In Persian)
  4. Alipour, H., Abdi, H., Rahimi, Y. & Bihamta, M. R. (2019). Investigating grain yield and yield stability of wheat cultivars introduced in Iran over the last half century. Cereal Research, 9(2), 157-167. (In Persian)
  5. Annicchiarico, P. & Perenzin, M. (1994). Adaptation patterns and definition of macro‐environments for selection and recommendation of common wheat genotypes in Italy. Plant Breeding, 113(3), 197-205.
  6. Annicchiarico, P. (1997). Joint regression vs AMMI analysis of genotype-environment interactions for cereals in Italy. Euphytica, 94(1), 53-62.
  7. Babaei, H. R., Sabzi, H. & Razmi, N. (2018). Application of AMMI approach in genotype × environment interaction analysis and determining yield stability of soybean purelines [Glycine max (L.) Merril]. Iranian Journal of Field Crop Science, 50(1), 129-137. (In Persian)
  8. Darai, R., Sarker, A., Sah, R. P., Pokhrel, K. & Chaudhary, R. (2017). AMMI biplot analysis for genotype × environment interaction on yield trait of high Fe content lentil genotypes in Terai and Mid-Hill environment of Nepal. Annals of Agricultural and Crop Sciences, 2(1026), 1028-1032.
  9. Dia, M., Wehner, T. C., Hassell, R., Price, D. S., Boyhan, G. E., Olson, S., King, S., Davis, A. R., Tolla, G. E., Bernier, J. & Juarez, B. (2016). Value of locations for representing mega-environments and for discriminating yield of watermelon in the US. Crop Science, 56(4), 1726-1735.
  10. Farshadfar, E., Sabaghpour, S. H. & Zali, H. (2012). Comparison of parametric and non-parametric stability statistics for selecting stable chickpea (Cicer arietinum) genotypes under diverse environments. Australian Journal of Crop Science, 6(3), 514-524.
  11. Gauch, H. G. (2013). A simple protocol for AMMI analysis of yield trials. Crop Science, 53(5), 1860-1869.
  12. Gauch, H. G., Piepho, H. P. & Annicchiarico, P. (2008). Statistical analysis of yield trials by AMMI and GGE: Further considerations. Crop Science, 48(3), 866-889.
  13. Jambhulkar, N. N., Rath, N. C., Bose, L. K., Subudhi, H. N., Biswajit, M., Lipi, D. & Meher, J. (2017). Stability analysis for grain yield in rice in demonstrations conducted during rabi season in India. Oryza, 54(2), 236-240.
  14. Kanouni, H., Farayedi, Y., Sabaghpour, S. H. & Saeid, A. (2016). Assessment of genotype × environment interaction effect on seed yield of chickpea (Cicer arietinum ) lines under rainfed winter planting conditions. Iranian Journal of Crop Sciences, 18(1), 63-75. (In Persian)
  15. Karakoy, T., Ton, A. & Anlarsal, A. E. (2018). Genotype × environment interactions and stability analysis for the yield and yield components in winter chickpea (Cicer arientinum). Fresenius Environmental Bulletin, 27, 6291-6296.
  16. Karimizadeh, R., Asghari, A., Chinipardaz, R., Sofalian, O. & Ghaffari, A. (2016). Determining yield stability and model selection by AMMI method in rain-fed durum Wheat genotypes. Turkish Journal of Field Crops, 21(2), 174-183.
  17. Laffont, J. L., Hanafi, M. & Wright, K. (2007). Numerical and graphical measures to facilitate the interpretation of GGE biplots. Crop Science, 47(3), 990-996.
  18. Laffont, J. L., Wright, K. & Hanafi, M. (2013). Genotype plus genotype × block of environments biplots. Crop Science, 53(6), 2332-2341.
  19. Ndhlela, T., Herselman, L., Magorokosho, C., Setimela, P., Mutimaamba, C. & Labuschagne, M. (2014). Genotype × environment interaction of maize grain yield using AMMI biplots. Crop Science, 54(5), 1992-1999.
  20. Pouresmael, M., Kanouni, H., Hajihasani, M., Astraki, H., Mirakhorli, A., Nasrollahi, M. & Mozaffari, J. (2018). Stability of chickpea (Cicer arietinum) landraces in national plant gene bank of Iran for drylands. Journal of Agricultural Science and Technology, 20(2), 387-400.
  21. Purchase, J. L. (1997). Parametric analysis to describe genotype × environment interaction and yield stability in winter wheat. Ph.D. thesis, Department of Agronomy, Faculty of Agriculture of the University of the Free State, Bloemfontein, South Africa.
  22. Samonte, S. O. P., Wilson, L. T., McClung, A. M. & Medley, J. C. (2005). Targeting cultivars onto rice growing environments using AMMI and SREG GGE biplot analyses. Crop Science, 45(6), 2414-2424.
  23. Shahriari, Z., Heidari, B. & Dadkhodaie, A. (2018). Dissection of genotype × environment interactions for mucilage and seed yield in Plantago species: Application of AMMI and GGE biplot analyses. Plos One, 13(5), e0196095.
  24. Sneller, C. H., Kilgore-Norquest, L. & Dombek, D. (1997). Repeatability of yield stability statistics in soybean. Crop Science, 37(2), 383-390.
  25. Vaezi, B., Pour-Aboughadareh, A., Mehraban, A., Hossein-Pour, T., Mohammadi, R., Armion, M. & Dorri, M. (2018). The use of parametric and non-parametric measures for selecting stable and adapted barley lines. Archives of Agronomy and Soil Science, 64(5), 597-611.
  26. Yan, W., Kang, M. S., Ma, B., Woods, S. & Cornelius, P. L. (2007). GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop Science, 47(2), 643-653.
  27. Zali, H., Farshadfar, E. & Sabaghpour, S. H. (2011). Evaluation of stability of grain yield and contribution of the yield components in chickpea genotypes under rainfed contribution. Crop Production in Environmental Stress, 3, 17-30. (In Persian)
  28. 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(7), 3126-3136.
  29. Zali, H., Sabaghpour, S. H., Farshadfar, E., Pezeshkpour, P., Safikhani, M., Sarparast, R. & Hashem Beygi, A. (2008). Stability analysis of yield in Chickpea genotypes by additive main effects and multiplicative interaction (AMMI). Journal of Water and Soil Science, 11(42), 173-180. (In Persian)
  30. Zhang, Z., Lu, C. & Xiang, Z. (1998). Analysis of variety stability based on AMMI model. Acta Agronomica Sinica, 24(3), 304-309.
  31. Zobel, R. W., Wright, M. J. & Gauch, H. G. (1988). Statistical analysis of a yield trial. Agronomy Journal, 80, 388-393.

 

 

[1] Additive main effects and multiplicative interaction

[2] Genotype plus genotype × environment biplot

[3] Average Environment Coordination

  1. REFERENCES

    1. Abdipur, M. & Vaezi, B. (2014). Analysis of the genotype-by-environment interaction of winter barley tested in the rain-fed regions of Iran by AMMI adjustment. Bulgarian Journal of Agricultural Science, 20(2), 421-427.
    2. Ajay, B. C., Bera, S. K., Singh, A. L., Kumar, N., Gangadhar, K. & Kona, P. (2020). Evaluation of genotype× environment interaction and yield stability analysis in peanut under phosphorus stress condition using stability parameters of AMMI model. Agricultural Research, 9(4), 477-486.
    3. Akbarpour, O. A., Dehghani, H. & Sorkhi, B. (2011). Investigating univariate and multivariate stability parameters of barley (Hordeum voulgare) promising genotypes in cold climate of Iran. Iranian Journal of Field Crop Science, 41(1), 23-32. (In Persian)
    4. Alipour, H., Abdi, H., Rahimi, Y. & Bihamta, M. R. (2019). Investigating grain yield and yield stability of wheat cultivars introduced in Iran over the last half century. Cereal Research, 9(2), 157-167. (In Persian)
    5. Annicchiarico, P. & Perenzin, M. (1994). Adaptation patterns and definition of macro‐environments for selection and recommendation of common wheat genotypes in Italy. Plant Breeding, 113(3), 197-205.
    6. Annicchiarico, P. (1997). Joint regression vs AMMI analysis of genotype-environment interactions for cereals in Italy. Euphytica, 94(1), 53-62.
    7. Babaei, H. R., Sabzi, H. & Razmi, N. (2018). Application of AMMI approach in genotype × environment interaction analysis and determining yield stability of soybean purelines [Glycine max (L.) Merril]. Iranian Journal of Field Crop Science, 50(1), 129-137. (In Persian)
    8. Darai, R., Sarker, A., Sah, R. P., Pokhrel, K. & Chaudhary, R. (2017). AMMI biplot analysis for genotype × environment interaction on yield trait of high Fe content lentil genotypes in Terai and Mid-Hill environment of Nepal. Annals of Agricultural and Crop Sciences, 2(1026), 1028-1032.
    9. Dia, M., Wehner, T. C., Hassell, R., Price, D. S., Boyhan, G. E., Olson, S., King, S., Davis, A. R., Tolla, G. E., Bernier, J. & Juarez, B. (2016). Value of locations for representing mega-environments and for discriminating yield of watermelon in the US. Crop Science, 56(4), 1726-1735.
    10. Farshadfar, E., Sabaghpour, S. H. & Zali, H. (2012). Comparison of parametric and non-parametric stability statistics for selecting stable chickpea (Cicer arietinum) genotypes under diverse environments. Australian Journal of Crop Science, 6(3), 514-524.
    11. Gauch, H. G. (2013). A simple protocol for AMMI analysis of yield trials. Crop Science, 53(5), 1860-1869.
    12. Gauch, H. G., Piepho, H. P. & Annicchiarico, P. (2008). Statistical analysis of yield trials by AMMI and GGE: Further considerations. Crop Science, 48(3), 866-889.
    13. Jambhulkar, N. N., Rath, N. C., Bose, L. K., Subudhi, H. N., Biswajit, M., Lipi, D. & Meher, J. (2017). Stability analysis for grain yield in rice in demonstrations conducted during rabi season in India. Oryza, 54(2), 236-240.
    14. Kanouni, H., Farayedi, Y., Sabaghpour, S. H. & Saeid, A. (2016). Assessment of genotype × environment interaction effect on seed yield of chickpea (Cicer arietinum ) lines under rainfed winter planting conditions. Iranian Journal of Crop Sciences, 18(1), 63-75. (In Persian)
    15. Karakoy, T., Ton, A. & Anlarsal, A. E. (2018). Genotype × environment interactions and stability analysis for the yield and yield components in winter chickpea (Cicer arientinum). Fresenius Environmental Bulletin, 27, 6291-6296.
    16. Karimizadeh, R., Asghari, A., Chinipardaz, R., Sofalian, O. & Ghaffari, A. (2016). Determining yield stability and model selection by AMMI method in rain-fed durum Wheat genotypes. Turkish Journal of Field Crops, 21(2), 174-183.
    17. Laffont, J. L., Hanafi, M. & Wright, K. (2007). Numerical and graphical measures to facilitate the interpretation of GGE biplots. Crop Science, 47(3), 990-996.
    18. Laffont, J. L., Wright, K. & Hanafi, M. (2013). Genotype plus genotype × block of environments biplots. Crop Science, 53(6), 2332-2341.
    19. Ndhlela, T., Herselman, L., Magorokosho, C., Setimela, P., Mutimaamba, C. & Labuschagne, M. (2014). Genotype × environment interaction of maize grain yield using AMMI biplots. Crop Science, 54(5), 1992-1999.
    20. Pouresmael, M., Kanouni, H., Hajihasani, M., Astraki, H., Mirakhorli, A., Nasrollahi, M. & Mozaffari, J. (2018). Stability of chickpea (Cicer arietinum) landraces in national plant gene bank of Iran for drylands. Journal of Agricultural Science and Technology, 20(2), 387-400.
    21. Purchase, J. L. (1997). Parametric analysis to describe genotype × environment interaction and yield stability in winter wheat. Ph.D. thesis, Department of Agronomy, Faculty of Agriculture of the University of the Free State, Bloemfontein, South Africa.
    22. Samonte, S. O. P., Wilson, L. T., McClung, A. M. & Medley, J. C. (2005). Targeting cultivars onto rice growing environments using AMMI and SREG GGE biplot analyses. Crop Science, 45(6), 2414-2424.
    23. Shahriari, Z., Heidari, B. & Dadkhodaie, A. (2018). Dissection of genotype × environment interactions for mucilage and seed yield in Plantago species: Application of AMMI and GGE biplot analyses. Plos One, 13(5), e0196095.
    24. Sneller, C. H., Kilgore-Norquest, L. & Dombek, D. (1997). Repeatability of yield stability statistics in soybean. Crop Science, 37(2), 383-390.
    25. Vaezi, B., Pour-Aboughadareh, A., Mehraban, A., Hossein-Pour, T., Mohammadi, R., Armion, M. & Dorri, M. (2018). The use of parametric and non-parametric measures for selecting stable and adapted barley lines. Archives of Agronomy and Soil Science, 64(5), 597-611.
    26. Yan, W., Kang, M. S., Ma, B., Woods, S. & Cornelius, P. L. (2007). GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop Science, 47(2), 643-653.
    27. Zali, H., Farshadfar, E. & Sabaghpour, S. H. (2011). Evaluation of stability of grain yield and contribution of the yield components in chickpea genotypes under rainfed contribution. Crop Production in Environmental Stress, 3, 17-30. (In Persian)
    28. 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(7), 3126-3136.
    29. Zali, H., Sabaghpour, S. H., Farshadfar, E., Pezeshkpour, P., Safikhani, M., Sarparast, R. & Hashem Beygi, A. (2008). Stability analysis of yield in Chickpea genotypes by additive main effects and multiplicative interaction (AMMI). Journal of Water and Soil Science, 11(42), 173-180. (In Persian)
    30. Zhang, Z., Lu, C. & Xiang, Z. (1998). Analysis of variety stability based on AMMI model. Acta Agronomica Sinica, 24(3), 304-309.
    31. Zobel, R. W., Wright, M. J. & Gauch, H. G. (1988). Statistical analysis of a yield trial. Agronomy Journal, 80, 388-393.
Volume 52, Issue 1
April 2021
Pages 155-166
  • Receive Date: 07 December 2019
  • Revise Date: 30 March 2020
  • Accept Date: 04 April 2020
  • Publish Date: 21 March 2021