[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 22، شماره 2 - ( تابستان 1399 ) ::
جلد 22 شماره 2 صفحات 183-197 برگشت به فهرست نسخه ها
ارزیابی سازگاری و پایداری عملکرد دانه لاین‌های امید بخش سویا (Glycine max L. Merril) با استفاده از روش GGE بای‌پلات
حمید رضا بابائی، نسرین رزمی، سامیه رئیسی، حسین سبزی
بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران
چکیده:   (206 مشاهده)
گزینش ژنوتیپ‌های مطلوب با عملکرد و پایداری بالا هدف نهائی اغلب برنامه‌های اصلاحی سویا است. با هدف بررسی سازگاری و پایداری عملکرد دانه لاین‌های امیدبخش سویا، 19 لاین امیدبخش به همراه رقم ویلیامز (شاهد) در قالب طرح بلوک‌های کامل تصادفی با چهار تکرار در مناطق کرج، گرگان، مغان و خرم‌آباد طی دو سال زراعی (1392 و1393) مورد ارزیابی قرار گرفتند. جهت تعیین سازگاری و پایداری عملکرد از تجزیه GGE بای‌پلات استفاده شد. تجزیه واریانس مرکب نشان داد
که اثرات سال، مکان، سال در مکان، ژنوتیپ، ژنوتیپ در سال، ژنوتیپ در مکان و ژنوتیپ در سال در مکان در سطح 1 % معنی‌دار بودند. سهم واریانس اثرات سال، مکان و ژنوتیپ به‌ترتیب 01/0، 60/0 و 02/0 بود که بیانگر سهم قابل توجه اثر مکان‌ آزمایشی بود. دو مولفه
PC1 و PC2 در مجموع 58 درصد از واریانس مربوط به اثر ژنوتیپ به اضافه اثر متقابل ژنوتیپ در محیط را توجیه نمودند. در این تحقیق سه محیط کلان مشخص شدند که اولین محیط کلان شامل محیط‌های E2 (کرج 1393)، E5 (مغان 1392)
 و E8 (گرگان 1393) و لاین G16 برترین ژنوتیپ این محیط بود، دومین محیط کلان شامل محیط‌های E3 (خرم‌آباد 1392)
و
E4 (خرم‌آباد 1393) و لاین G8 برترین ژنوتیپ این محیط بود و سومین محیط کلان شامل محیط‌های E1 (کرج 1392) و E7 (گرگان 1392) و لاین G17 برترین ژنوتیپ این محیط بودند. نتایج تجزیه GGE بای‌پلات نشان داد که لاین G17 (L85-3059)
با 2702 کیلوگرم در هکتار و لاین G16 (L12/Chaleston × Mostang) با 2750 کیلوگرم در هکتار، مطلوب‌ترین ژنوتیپ‌ها
 از نظر عملکرد دانه و پایداری بودند. همچنین محیط‌
E7 (گرگان 1392) مطلوب‌ترین محیط از نظر قدرت تمایز بین ژنوتیپ‌های سویا و بهترین نماینده منطقه هدف در نظر گرفت.
واژه‌های کلیدی: اثر متقابل ژنوتیپ در محیط، تجزیه بای‌پلات، سویا، ژنوتیپ مطلوب و محیط مطلوب.
متن کامل [PDF 572 kb]   (64 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1398/6/6 | پذیرش: 1399/4/8 | انتشار: 1399/6/10
فهرست منابع
1. Akura, M., S.Taner, Y. Kaya. 2011. Evaluation of bread wheat genotypes under irrigated multi-environment conditions using GGE biplot analyses. Agriculture Journal. 98(1): 35-40.
2. Amira, J. O., D. K. Ojo, O. J. Ariyo, O. A. Oduwaye, and M. A. Ayo-Vaughan. 2013. Relative Discriminating Powers of GGE and AMMI Models in the selection of Tropical Soybean Genotypes. African Crop Science Journal. 21 (1): 67-73.
3. Alake, C. O. and O. J. Ariyo. 2012. Comparative Analysis of Genotype × Environment Interaction Techniques in West African Okra. Journal of Agricultural Science. 4(4): 135-150. [DOI:10.5539/jas.v4n4p135]
4. Atnaf, M., S. Kidane, S. Abadi, and Z. Fisha. 2013. GGE biplots to analyse soybean multi-environment yield trial data in north Western Ethiopia. Journal of Plant Breeding and Crop Science. 5: 245-254. [DOI:10.5897/JPBCS13.0403]
5. Basford, K. E., and M. Cooper. 1998. Genotype by environment interactions and some considerations of their implication for wheat breeding in Australia. Australian Journal of Agricultural Research. 49: 154-175. [DOI:10.1071/A97035]
6. Bhartiya, A., J. P. Aditya,K. S. Pushpendra, J. P. Purwar and A. Agarwal. 2017. AMMI & GGE biplot analysis of multi environment yield trial of soybean in North Western Himalayan state Uttarakhand of India. Legume Research Journal. 40 (2): 306-312. [DOI:10.18805/lr.v0iOF.3548]
7. Chaudhary, K. J. and J. Wu. 2012. Stability analysis for yeild and seed quality of soybean (Glycine max) across different environment in eastern South Dakota. Annual Conference on Applied Statistics in Agriculture [Online]. Available at http://newprairiepress.org/agstatconference/2012/proceedings/11 [DOI:10.4148/2475-7772.1033]
8. Eberhart, S. A. And W. A. Russel.1966. Stability parameters for comparing varieties. Crop Sci. 6: 36-40. [DOI:10.2135/cropsci1966.0011183X000600010011x]
9. Finlay, K. W. and G. N. Wilkinson. 1963. The analysis of adaptation in a plant breeding program. Australian Journal of Agricultural Research. 14: 742 -754. [DOI:10.1071/AR9630742]
10. Eskridge, K. M. 1996. Analysis of multi environment trial using the probability of outperforming a check. p. 273 -307. In : M. S. Kang and Guach, J., (eds. ) Genotype by Environment Interaction. CRC Press. [DOI:10.1201/9781420049374.ch10]
11. Gauch, H. G. J. and R. W. Zobel. 1996. AMMI analysis of yield trials. p. 85 - 122. In : M. S. Kang and Guach, J., (eds.) Genotype by environment interaction. CRC Press. [DOI:10.1201/9781420049374.ch4]
12. Gurmu, F., H. Mohammed, G. Alemaw. 2009. Genotype x Environment interactions and stability of soybean for grain yield and nutrition quality. African Crop Science Journal. 17: 87 - 99. [DOI:10.4314/acsj.v17i2.54202]
13. Kang, M. S. 1993. Simultaneous selection for yield and stability in crop performance Trials. Consequences for growers. Agronomy Journal. 85: 754 -757. [DOI:10.2134/agronj1993.00021962008500030042x]
14. Pacheco, R. M., J. B. Duarte, P. I. M. Souza, S. A. Silva, and J. Nunes. 2009. Key locations for soybean genotype assessment in Central Brazil. Pesquisa Agropecuária Brasileia. 44 ( 5): 478 - 486. [DOI:10.1590/S0100-204X2009000500007]
15. Payne, R.W., S. A. Harding,D. A. Murray, and D. M. Soutar. 2009. GenStat Release 12. Published by VSN International, 5 The Waterhouse, Waterhouse Street, Hemel Hempstead, Hertfordshire HP1 1ES, UK.
16. Silveira, D. A., L. F. Pricinotto, M. Nardino, C. A. Bahry, C. E. Cavenaghi Prete, L. Cruz. 2016. Determination of the adaptability and stability of soybean cultivars in different locations and at different sowing times in Parana state using the AMMI and Eberhart and Russel methods [Online]. Available at https://www.researchgate.net/publication/311849977 [DOI:10.5433/1679-0359.2016v37n6p3973]
17. Yan, W. 1999. The interconnectedness among the traits of wheat and its implication in breeding for higher yield. Cereal Crops. (1): 43 - 45.
18. Yan, W. 2000. Singular-value partitioning in biplot analysis of multi -environment trial data. Agronomy Journal. 94: 990 - 996. [DOI:10.2134/agronj2002.0990]
19. Yan, W. and I. Rajcan. 2002. Biplot analysis of sites and trait relations of soybean in Ontario. Crop Science. 42: 11-20. [DOI:10.2135/cropsci2002.1100]
20. Yan, W. and M. S. Kang. 2003. GGE biplot analysis : A graphical tool for breeders, Geneticists and agronomists. CRC Press. [DOI:10.1201/9781420040371]
21. Yan, W., M. S. Kang, B. Ma, S. woods, and P. L. Cornelius. 2007. GGE biplot vs. AMMI analysis of genotype by environment data. Crop Science. 47: 643 - 655. [DOI:10.2135/cropsci2006.06.0374]
22. Yates, F. and W. G. Cochran. 1956. The analysis of experiments. Journal of Agronomic Science. 14: 742 -754.
23. Akmal, C. M. Gunarsih and M. Y. Samaullah. 2014. Adaptation and stability of aromatic rice lines in North Sumatera (in Indonesian). Food Crop Res. J. 33 (1): 9-16 [DOI:10.21082/jpptp.v33n1.2014.p9-16]
24. Alake, C. O. and O. J. Ariyo. 2012. Comparative analysis of genotype × environment interaction techniques in West African okra. J. Agric. Sci. 4(4): 135-150. [DOI:10.5539/jas.v4n4p135]
25. Amira, J. O., D. K. Ojo, O. J. Ariyo, O. A. Oduwaye and M. A. Ayo-Vaughan. 2013. Relative discriminating powers of GGE and AMMI models in the selection of tropical soybean genotypes. Afr. Crop Sci. J. 21 (1): 67-73.
26. Atnaf, M., S. Kidane, S. Abadi and Z. Fisha. 2013. GGE biplots to analyse soybean multi-environment yield trial data in north Western Ethiopia. J. Plant Breed. Crop Sci. 5: 245-254. [DOI:10.5897/JPBCS13.0403]
27. Babaei, H. R., M. Bagheri and N. Razmi. 2016. Study on adaptability of new soybean pure lines. Registered Final Report of Research Project (Registeration number: 55194 - 5.3.2019). Agricultural Research, Education and Extension Organization (AREEO). (In Persian with English abstract).
28. Basford, K. E. and M. Cooper. 1998. Genotype by environment interactions and some considerations of their implication for wheat breeding in Australia. Aust. J. Agric. Res. 49: 154-175. [DOI:10.1071/A97035]
29. Bhartiya, A., J. P. Aditya, K. S. Pushpendra, J. P. Purwar and A. Agarwal. 2017. AMMI & GGE biplot analysis of multi environment yield trial of soybean in North Western Himalayan state Uttarakhand of India. Legume Res. J. 40 (2): 306-312. [DOI:10.18805/lr.v0iOF.3548]
30. Chaudhary, K. J. and J. Wu. 2012. Stability analysis for yield and seed quality of soybean (Glycine max) across different environment in eastern South Dakota. Annual Conference on Applied Statistics in Agriculture [Online]. Available at http://newprairiepress.org/agstatconference/2012/proceedings/11 [DOI:10.4148/2475-7772.1033]
31. Crossa, J., P. L. Cornelius and W. Yan. 2002. Biplots of linear-bilinear models for studying crossover genotype × environment interaction. Crop Sci. 42 (2): 619- 633. [DOI:10.2135/cropsci2002.6190]
32. Eberhart, S. A. And W. A. Russel.1966. Stability parameters for comparing varieties. Crop Sci. 6: 36-40. [DOI:10.2135/cropsci1966.0011183X000600010011x]
33. Eskridge, K. M. 1996. Analysis of multi environment trial using the probability of outperforming a check. p. 273 -307. In: M. S. Kang and Guach, J., (Eds.) Genotype by Environment Interaction. CRC Press. [DOI:10.1201/9781420049374.ch10]
34. Finlay, K. W. and G. N. Wilkinson. 1963. The analysis of adaptation in a plant breeding program. Aust. J. Agric. Res. 14: 742 -754. [DOI:10.1071/AR9630742]
35. Jandong E. A., M. I. Uguru and B. C. Oyiga. 2011. Determination of yield stability of seven soybean (Glycine max) genotypes across diverse soil pH levels using GGE biplot analysis. J. Appl. Bio. Sci. 43: 2924- 2941.
36. Kang, M. S. 1993. Simultaneous selection for yield and stability in crop performance Trials. Consequences for growers. Agron. J. 85: 754 -757. [DOI:10.2134/agronj1993.00021962008500030042x]
37. Karakus, M. and U. A. Yildirim. 2019. GGE biplot analysis of genotype × environment interaction in soybean grown as a second crop. Turk. J. Field Crops. 24(2): 145-154.
38. Kocaturk, M, P. Cubuku, A. T. Goksoy, M. Sincik, E. Ilke, A. Kadiroglu, Y. Vurarak, Y. Sahin, M.
39. Mohammadi, R., M. Armion, H. Esmaeilzadeh, M. Eskandari. 2013. Analysis of genotype × environment interaction for grain yield in rainfed durum wheat. Iran. J. Dryland Agric. J. 4 (1): 1-16 (in Persian with English abstract).
40. Makinde S.C. O. and O. J. Ariyo. 2011. Analysis of genotype× environment interaction of groundnut (Arachis hypogaea L.). Malaysian J. Appl. Biol. 40 (2): 19-26.
41. Payne, R. W., S. A. Harding, D. A. Murray and D. M. Soutar. 2009. GenStat Release 12. Published by VSN International, 5 The Waterhouse, Waterhouse Street, Hemel Hempstead, Hertfordshire HP1 1ES, UK.
42. Pourdad, S. S. and M. Jamshid-Mogaddam .2013. Study on genotype × environment interaction through GGE Biplot for seed yield in spring rapeseed (Brassica Napus L.) in rainfed condition. J. Crop Breed. 12(5): 1- 14 (in Persian with English abstract).
43. Ramos, J. E. U., R. L. Brogin, V. P. C. Godinho, F. J. E. Botelho, F. D. Tardin and P. E. Teodoro. 2017. Identification of soybean genotypes with high stability for the Brazilian macro-region 402 via biplot analysis. Genet. Mol. Res. 16(3): 1-10. [DOI:10.4238/gmr16039786]
44. Silveira, D. A., L. F. Pricinotto, M. Nardino, C. A. Bahry, C. E. Cavenaghi Prete and L. Cruz. 2016. Determination of the adaptability and stability of soybean cultivars in different locations and at different sowing times in Parana state using the AMMI and Eberhart and Russel methods [Online]. Available at https://www.researchgate.net/publication/311849977 [DOI:10.5433/1679-0359.2016v37n6p3973]
45. Van Euwijk F. A., A. Elgersma. 1993. Incorporating environmental information in an analysis of G × E interaction for seed yield in perennial ryegrass. Heredity, 70: 447-457. [DOI:10.1038/hdy.1993.66]
46. Yan, W. 1999. The interconnectedness among the traits of wheat and its implication in breeding for higher yield. Cereal Crops. (1): 43 - 45.
47. Yan, W. 2000. Singular-value partitioning in biplot analysis of multi -environment trial data. Agron. J. 94: 990 - 996. [DOI:10.2134/agronj2002.0990]
48. Yan, W. and I. Rajcan. 2002. Biplot analysis of sites and trait relations of soybean in Ontario. Crop Sci. 42: 11-20. [DOI:10.2135/cropsci2002.1100]
49. Yan, W. and M. S. Kang. 2003. GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists and Agronomists. CRC Press. [DOI:10.1201/9781420040371]
50. Yan, W., M. S. Kang, B. Ma, S. woods and P. L. Cornelius. 2007. GGE biplot vs. AMMI analysis of genotype by environment data. Crop Sci. 47: 643 - 655. [DOI:10.2135/cropsci2006.06.0374]
51. Yang, R., J. Crossa, P. L. Cornelius and J. Burgueno. 2009. Biplot analysis of GEI effect. Crop Sci. 49: 1564-1576. [DOI:10.2135/cropsci2008.11.0665]
52. Yan, W. and N. A. Tinker. 2006. Biplot analysis of multi-environment trial data: Principles and applications. Can. J. Plant Sci. 86: 623-645. [DOI:10.4141/P05-169]
53. Zhang, M., M. S. Kang, P. F. Reese Jr and H. L. Bhardwaj. 2006. Soybean cultivar evaluation via GGE biplot analysis. J. New Seeds. 7 (4): 37-50. [DOI:10.1300/J153v07n04_03]
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Babaei H R, Razmi , N, Raeisi S, Sabzi H. Evaluation of adaptability and seed yield stability of soybean (Glycine max L. Merril) promising lines using GGE biplot analysis. علوم زراعی. 2020; 22 (2) :183-197
URL: http://agrobreedjournal.ir/article-1-1027-fa.html

بابائی حمید رضا، رزمی نسرین، رئیسی سامیه، سبزی حسین. ارزیابی سازگاری و پایداری عملکرد دانه لاین‌های امید بخش سویا (Glycine max L. Merril) با استفاده از روش GGE بای‌پلات. نشریه علوم زراعی ایران. 1399; 22 (2) :183-197

URL: http://agrobreedjournal.ir/article-1-1027-fa.html



دوره 22، شماره 2 - ( تابستان 1399 ) برگشت به فهرست نسخه ها
نشریه علوم زراعی ایران Iranian Journal of Crop Sciences
Persian site map - English site map - Created in 0.05 seconds with 29 queries by YEKTAWEB 4237