ارزیابی عملکرد و اجزای عملکرد دانه ژنوتیپ‌های باقلا (Vicia faba L.) با استفاده از روش‌های آماری چندمتغیره

پژوهش‌های حبوبات ایران

مقاله 6، دوره 11، شماره 1 - شماره پیاپی 21، مرداد 1399، صفحه 74-87   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/ijpr.v11i1.70916

نویسندگان

حسین آسترکی¹؛ پیمان شریفی^{* 2}؛ فاطمه شیخ³؛ علی ایزدی دربندی⁴

¹سازمان تحقیقات آموزش و ترویج جهاد کشاورزی، مرکز تحقیقات کشاورزی و منابع طبیعی لرستان، ایستگاه تحقیقات کشاورزی بروجرد، ایران

²گروه زراعت و اصلاح نباتات، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

³مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، ایستگاه تحقیقات کشاورزی گرگان، گرگان، ایران

⁴گروه زراعت و اصلاح نباتات، دانشکده علوم زراعی و اصلاح نباتات، پردیس ابوریحان، دانشگاه تهران، تهران، ایران

چکیده

آزمایش حاضر به‌منظور بررسی روابط بین عملکرد و اجزای عملکرد 26ژنوتیپ باقلا در استان لرستان به‌صورت طرح بلوک‌های کامل تصادفی با سه تکرار در سال زراعی94-1393 انجام شد. نتایج برآورد ضرایب همبستگی نشان داد که عملکرد دانه با صفات تعداد روز تا جوانه‌زنی، تعداد روز تا گلدهی، ارتفاع بوته، تعداد غلاف در بوته، تعداد گره در بوته، وزن100دانه، طول غلاف، عملکرد بیولوژیک و شاخص برداشت همبستگی مثبت داشت. بر اساس نتایج تجزیه رگرسیون، صفات ارتفاع بوته، تعداد غلاف در بوته، تعداد شاخه در بوته، تعداد گره در شاخه، تعداد دانه در غلاف، وزن100دانه و طول غلاف می‌توانند به‌‌عنوان متغیرهای پیشگویی‌‌کننده‌ برای عملکرد دانه وارد مدل شوند. تجزیه علیت نشان داد که ارتفاع بوته(51/0)، تعداد غلاف در بوته(51/0)، تعداد گره در شاخه(11/0)، تعداد دانه در غلاف(20/0)، وزن100دانه(34/0) و طول غلاف(41/0) اثرات مستقیم مثبت بر عملکرد دانه دارد. در مجموع بایستی به صفاتی مانند ارتفاع بوته، تعداد غلاف در بوته، تعداد گره در شاخه و طول غلاف برای افزایش عملکرد دانه توجه شود و این صفات می‌توانند به‌عنوان شاخص‌های انتخاب در برنامه‌های اصلاح باقلا استفاده شوند. تجزیه به مؤلفه‌های اصلی شش مؤلفه را معرفی کرد که حدود80درصد از تغییرات را توجیه می‌نمود. توزیع ژنوتیپ‌ها در فضای نمودار دوبعدی (بای‌پلات)، وجود تنوع ژنتیکی بالای بین ژنوتیپ‌ها را از نظر صفات مورد مطالعه نشان داد. در مجموع، می‌توان اظهار داشت که ژنوتیپ‌های با عملکرد بالا شامل 9 و 22 می‌توانند برای بهبود عملکرد دانه باقلا استفاده شوند و سبب افزایش تولید این محصول شوند.

کلیدواژه‌ها

باقلا؛ تجزیه مؤلفه‌های اصلی؛ تجزیه علیت؛ همبستگی؛ عملکرد

مراجع

1. Alghamd, S.S. 2007. Genetic behavior of some selected faba bean genotypes. African Crop Science Conference Proceedings 8: 709-714.

2. Amini, A., Ghanadha, M.R., and Abdmishani, S. 2002. Genetic variation and correlation between different traits in common bean. Journal of Agricultural Sciences 33: 605-615. (In Persian with English Summary).

3. Azarpour, E., Bidarigh, S., Moraditochaee, M., Khosravi Danesh, R., Bozorgi H.R., and Bakian, M. 2012. Path coefficient analysis of seed yield and its components in faba bean (Vicia faba L.) under nitrogen and zinc fertilizer management. International Journal of Agriculture and Crop Sciences 4(21): 1559-1561.

4. Badolay, A., Hooda, J.S., and Malik, B.P.S. 2009. Correlation and path analysis in faba bean (Vicia faba L.). Journal of Haryana Agronomy 25: 94-95.

5. Chaieb, N., Bouslama, M., and Messaoud, M. 2011. Growth and yield parameters variability among faba bean (Vicia faba L.) genotypes. Natural Production Plant Resources 4: 39-45.

6. Ghafari, M. 2004. Use of principal component analysis method for selection of superior three way cross hybrids in sunflower. Seed and Plant 19(4): 513-527.

7. Hair, J.R., Anderson, R.E., Tatham, R.L., and Black, W.C. 1995. Multivariate Data Analysis with Readings. Prentice Hall, Englewood, NJ.

8. Hashemi, M., and Mohammady, S. 2016. Evaluation of grain yield and yield components in some imported faba bean genotypes (Vicia faba L.). Journal of Crop Breeding 8(18): 97-103. (In Persian with English Summary).

9. Kanouni, H., and Malhotra, R. 2003. The study of genetic diversity and relationships among agronomic traits in chickpea genotypes under dryland conditions. Journal of Crop Science 5: 1-11. (In Persian with English Summary).

10. Kumar, P., Das, R.R., Bishnoi, S.K., and Sharma, V. 2017. Inter-correlation and path analysis in faba bean (Vicia faba L.). Electronic Journal of Plant Breeding 8(1): 395-397.

11. Maalouf, F., Khalil, S., Ahmad, S., Akintunde, A., Kharrat, N.M., Shamaa, K.E., Hajjar, S., and Mahotra, R.S. 2011. Yield stability of faba bean lines under diverse broomrape prone production environments. Field Crops Research 124: 288-294.

12. Mohammadi, S.A., Prasanna, B.M., and Singh, N.N. 2003. Sequential path model for determining interrelationships among grain yield and related characters in maize. Crop Science 43: 1690-1697.

13. Ouji, A., Rouaissi, M., Abdellaoui, R., and El Gazzah, M. 2011. The use of reproductive vigor descriptors in studying genetic variability in nine Tunisian faba bean (Vicia faba L.) populations. African Journal of Biotecnology 10(6): 896-904.

14. Rasheed, S., Hanif, M., Sadiq, S., Abbas, GH. Jawad Asghar, M., and Ahsanul Haq, M. 2008. Inheritance of seed yield and related traits in some lentil (Lens culinaris Medik) genotypes. Pakistan Journal of Agricultural Sciences 45(3): 49-52.

15. Ringner, M. 2008. What is principal component analysis? Nature Biothechnology 26: 303-304.

16. Pirzadeh Moghaddam, M., Bagheri, A., Malekzadeh-Shafaroudi, S., and Ganjeali, A. 2014. Multivariate statistical analysis in chickpea (Cicer arietinum L.) under limited irrigation. Iranian Journal of Pulses Research 5(2): 99-110. (In Persian with English Summary).

17. Sabori, H., Mohammadinejad, G., and Fazlalipour, M. 2011. Selection for improve rice yield by multivariate analysis. Iranian Journal of Field Crops Research 9(4): 639-650. (In Persian with English Summary).

18. Sarparast, R., Sheikh, F., and Sowghi, H.A. 2011. Investigation of genotype and environment interaction and cluster analysis for seed yield in different lines of faba bean (Vicia faba L.). Iranian Journal of Pulses Research 2(1): 99-106.

19. Sharifi, P. 2014. Correlation and path coefficient analysis of yield and yield component in some of broad bean (Vicia faba L.) genotypes. Genetika 46(3): 905-914.

20. Sharifi, P., and Aminpanah, H. 2014. A study on the genetic variation in some of faba bean genotypes using multivariate statistical techniques. Tropical Agriculture (Trinidad) 91(2): 87-97.

21. Sharifi, P., Astereki, H., and Safari Motlagh, M.R. 2014. Evaluation of genotype, environment and genotype×environment interaction effects on some of important quantitative traits of faba bean (Vicia faba L.). Journal of Crop Breeding 6(13): 73-88. (In Persian with English Summary).

22. Tadayyon, A., Hashemi, L., and Khodambashi, M. 2011. Effective morphological and phenological traits on seed and biological yield in lentil genotypes in Shahrekord region. Iranian Journal of Pulses Research 2(2): 47-62. (In Persian with English Summary).

23. Tadesse, T., Fikere, M., Legesse, T., and Parven, A. 2011. Correlation and path coefficient analysis of yield and its component in faba bean (Vicia faba L.) germplasm. International Journal of Biodiversity Conservation 3: 376-382.

24. Turpin, J.E., Robertson, M.J., Hillcoat, N.S., and Herridage, D.E. 2002. Faba bean (Vicia faba L.) in Australia northern grains belt: canopy development, biomass and nitrogen accumulation and partitioning. Auh Journal of Agriculture 53: 227-237.

25. Ulukan, H., Mustafa, G., and Siddik, K. 2003. A path coefficient analysis some yield and yield components in faba bean (Vicia faba L.) genotypes. Pakistan Journal of Biological Science 6: 1951-1955.

26. Wright, S. 1921. Correlation and causation. Journal of Agricultural Research 20: 557-585.

27. Yadav, R.B., Dubey, R.K., Srivastava, M.K., and Sharma, K.K. 1995. Path coefficient analysis under three densities in rice. Journal of Soils and Crops 5(1): 43-45.