پایداری عملکرد دانه ژنوتیپ‏های عدس(Lens culinaris) با استفاده از آماره‏‌های ناپارامتری و روش چند متغیره تجزیه AMMI

پژوهش‌های حبوبات ایران

مقاله 8، دوره 16، شماره 1 - شماره پیاپی 31، خرداد 1404، صفحه 131-143   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/ijpr.2025.90778.1101

نویسندگان

امین نامداری^{* 1}؛ پیام پزشکپور²؛ محمد برزعلی³؛ اصغر مهربان⁴؛ امیر میرزایی⁵؛ مصطفی حق پناه¹

¹مؤسسه تحقیقات کشاورزی دیم کشور، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کهگیلویه و بویراحمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، گچساران، ایران

²مؤسسه تحقیقات کشاورزی دیم کشور، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران

³مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گنبد، ایران

⁴مؤسسه تحقیقات کشاورزی دیم کشور، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی، مغان، ایران

⁵مؤسسه تحقیقات کشاورزی دیم کشور، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی ایلام، سازمان تحقیقات، آموزش و ترویج کشاورزی، ایلام، ایران

چکیده

شناسایی ژنوتیپ­هایی با میانگین و پایداری عملکرد بالا، یکی از هدف­های عمده در برنامه­های به­نژادی گیاهان زراعی می­باشد. در این پژوهش، پایداری عملکرد دانه 15 لاین پیشرفته عدس (Lens culinaris) به همراه دو رقم شاهد گچساران و سپهر در قالب طرح بلوک­های کامل تصادفی در سه تکرار و در هشت محیط (چهار منطقه گچساران، خرم‏آباد، مغان و ایلام طی دو سال) مورد ارزیابی قرار گرفت. آزمون همگنی واریانس­ها توسط آزمون بارتلت انجام شد و با توجه به همگنی واریانس­ها، تجزیه مرکب برای هشت محیط انجام‌پذیرفت. براساس نتایج تجزیه واریانس مرکب، برهم‌کنش ژنوتیپ و محیط بسیار معنی­دار بود و برای ارزیابی این برهم‌کنش، روش‌‌های تجزیه پایداری مورد استفاده قرار گرفت. آماره ناپارامتری TOP، ژنوتیپ‏های 12 و 10 را به‌عنوان پایدارترین ژنوتیپ­‏ها نشان داد و آماره کانگ نیز ژنوتیپ­های 12 و 13 را در رتبه‏های برتر قرار داد. آماره‌‌های تنارازو، نصار و هیون، ژنوتیپ­های با میانگین عملکرد پایین را در رتبه‌‌های برتر قرار دادند و عموماً ژنوتیپ‌‌های پرعملکرد در رتبه‌‌های بالایی قرار نداشتند. با محاسبه آماره SIIG و در نظر گرفتن همه آماره‏های ناپارامتری، ژنوتیپ 12 در بهترین شرایط از نظر عملکرد و پایداری عملکرد قرار گرفت. همچنین نتایج تجزیه AMMI نشان داد که دو مؤلفه نخست در مجموع 67 درصد برهم‌کنش ژنوتیپ و محیط را توجیه می­کنند. بای‌پلات AMMI1 ژنوتیپ‏های 10، 11 و 12 را به‌عنوان ژنوتیپ‏های برتر شناسایی نمود و بای‌پلات AMMI 2 نیز ژنوتیپ 12 را در بهترین شرایط از نظر پایداری عملکرد تشخیص داد. با در نظر گرفتن نتایج حاصل از این پژوهش می­توان نتیجه گرفت که ژنوتیپ 12 با فاصله به‌عنوان بهترین ژنوتیپ از نظر پایداری و عملکرد دانه می‏باشد و می­تواند به‌عنوان نامزد معرفی رقم زراعی جدید در نظر گرفته شود.

کلیدواژه‌ها

اقلیم گرم و نیمه‌گرم؛ آماره SIIG؛ ژنوتیپ پایدار؛ سازگاری؛ Lens culinaris

مراجع

Abdulahi, A., Mohammadi, R., & Pourdad, S. S. (2007). Evaluation of safflower (Carthamus spp.) genotypes in multi-environment trials by nonparametric methods. Asian Journal of Plant Sciences, 6(5), 827–832. https://doi.org/10.3923/ajps.2007.827.832

Aghaei-Sarbarze, M., Dastfal, M., Farzadi, H., Andarzian, B., Shahbazpour-Shahbazi A, Bahari, M., & Rostami, H. (2014). Evaluation of yield and yield stability of durum wheat genotypes in tropical and dried region of Iran. Seed and Plant Improvement Journal, 28, 315-325. (In Persian). https://doi.org/10.22092/spij.2017.111109

Amelework, A. B., Bairu, M. W., Marx, R., Laing, M., & Venter, S. L. (2023). Genotype × environment interaction and stability analysis of selected cassava cultivars in South Africa. Plants, 12(13), 2490. https://doi.org/10.3390/plants12132490

Farshadfar, E., Mahmudi, N., & Sheibanirad, A. (2014). Nonparametric methods for interpreting genotype×environment interaction in bread wheat genotypes. Journal of Biodiversity and Environmental Sciences, 4(3), 55–62.

Fox, P. N., Skovmand, B., Thompson, B. K., Braun, H. J., & Cormier, R. (1990). Yield and adaptation of hexaploid spring triticale. Euphytica, 47(1), 57–64. https://doi.org/10.1007/BF00040364

Haghpanah, M., Kazemitabar, S. K., Hashemi, S. H., & Alavi, S. M. (2015). Evaluation of Mazandaran nettle (Urtica dioica) population structure and genetic diversity by AFLP markers. Iranian Journal of Rangelands and Forests Plant Breeding and Genetic Research, 22(2), 241-250. (In Persian). https://doi.org/10.22092/ijrfpbgr.2015.12227

Jamshidmoghaddam, M., & Pourdad, S. S. (2013). Genotype × environment interactions for seed yield in rainfed winter safflower (Carthamus tinctorius L.) multi-environment trials in Iran. Euphytica, 190(3), 357–369. https://doi.org/10.1007/s10681-012-0776-z

Kang, M. S. (1993). Simultaneous selection for yield and stability in crop performance trials: Consequences for growers. Agronomy Journal, 85(3), 754–757. https://doi.org/10.2134/agronj1993.00021962008500030042x

Katsenios, N., Sparangis, P., Leonidakis, D., Katsaros, G., Kakabouki, I., Vlachakis, D., & Efthimiadou, A. (2021). Effect of genotype × environment interaction on yield of maize hybrids in Greece using AMMI analysis. Agronomy, 11(3), 479. https://doi.org/10.3390/agronomy11030479

Katsura, K., Tsujimoto, Y., Oda, M., Matsushima, K., Inusah, B., Dogbe, W., & Sakagami, J. I. (2016). Genotype-by-environment interaction analysis of rice (Oryza spp.) yield in a floodplain ecosystem in West Africa. European Journal of Agronomy, 73, 152–159. https://doi.org/10.1016/j.eja.2015.11.014

Najafi Mirak, T., Dastfal, M., Andarzian, B., Farzadi, H., Bahari, M., & Zali, H. (2018). Stability analysis of grain yield of durum wheat promising lines in warm and dry areas using parametric and non-parametric methods. Journal of Crop Production and Processing, 8(2), 79-96. (In Persian). https://doi.org/10.29252/jcpp.8.2.79

Namdari, A., Pezeshkpoor, P., Mehraban, A., Mirzaei, A., & Vaezi, B. (2022a). Evaluation of grain yield stability of advanced rainfed lentil genotypes using multivariate AMMI method. Journal of Crop Breeding, 14(42), 169-176. (In Persian). https://doi.org/10.52547/jcb.14.42.169

Namdari, A., Pezeshkpour, P., Mehraban, A., Naseri, A., Vaezi, B., & Nazarli, H. (2022b). Evaluation the grain yield stability of promising rainfed lentil genotypes using parametric and non-parametric statistics. Iranian Journal of Field Crop Science, 53(3), 145-159. (In Persian). https://doi.org/10.22059/ijfcs.2021.330502.654854

Nassar, R., & Huehn, M. (1987). Studies on estimation of phenotypic stability: Tests of significance for nonparametric measures of phenotypic stability. Biometrics, 43, 45–53. https://doi.org/10.2307/2531947

Olivoto, T., & Lúcio, A. D. (2020). Metan: An R package for multi‐environment trial analysis. Methods in Ecology and Evolution, 11(6), 783–789. https://doi.org/10.1111/2041-210X.13384

Omrani, A., Omrani, S., Khodarahmi, M., Shojaei, S. H., Illés, Á., Bojtor, C., Mousavi, S. M. N., & Nagy, J. (2022). Evaluation of grain yield stability in some selected wheat genotypes using AMMI and GGE biplot methods. Agronomy, 12(5), 1130. https://doi.org/10.3390/agronomy12051130

Pezeshkpour, P., & Karimizadeh, R. (2023). Evaluation of the mean performance and stability of chickpea genotypes by integration AMMI and BLUP models and selection based on Multi-Trait Stability Index (MTSI). Journal of Crop Breeding, 15(46), 73-83. (In Persian). https://doi.org/10.61186/jcb.15.46.73

Pour-Aboughadareh, A., Khalili, M., Poczai, P., & Olivoto, T. (2022). Stability indices to deciphering the Genotype-by-Environment Interaction (GEI) effect: An applicable review for use in plant breeding programs. Plants, 11(3), 414. https://doi.org/10.3390/plants11030414

Senguttuvel, P., Sravanraju, N., Jaldhani, V., Divya, B., Beulah, P., Nagaraju, P., Manasa, Y., Prasad, A. S. H., Brajendra, P., Gireesh, C., Anantha, M. S., Suneetha, K., Sundaram, R. M., Madhav, M. S., Tuti, M. D., Subbarao, L. V., Neeraja, C. N., Bhadana, V. P., Rao, P. R., Voleti, S. R., & Subrahmanyam, D. (2021). Evaluation of genotype by environment interaction and adaptability in lowland irrigated rice hybrids for grain yield under high temperature. Scientific Reports, 11(1), 15825. https://doi.org/10.1038/s41598-021-95264-4

Singh, C., Gupta, A., Gupta, V., Kumar, P., Sendhil, R., Tyagi, B., Singh, G., Chatrath, R., & Singh, G. (2019). Genotype x environment interaction analysis of multi-environment wheat trials in India using AMMI and GGE biplot models. Crop Breeding and Applied Biotechnology, 19(3), 309–318. https://doi.org/10.1590/1984-70332019v19n3a43

Song, W., Sun, S., Ibrahim, S. E., Xu, Z., Wu, H., Hu, X., Jia, H., Cheng, Y., Yang, Z., Jiang, S., Wu, T., Sinegovskii, M., Sapey, E., Nepomuceno, A., Jiang, B., Hou, W., Sinegovskaya, V., Wu, C., Gai, J., & Han, T. (2019). Standard cultivar selection and digital quantification for precise classification of maturity groups in soybean. Crop Science, 59(5), 1997–2006. https://doi.org/10.2135/cropsci2019.02.0095

Subedi, M., Khazaei, H., Arganosa, G., Etukudo, E., & Vandenberg, A. (2021). Genetic stability and genotype × environment interaction analysis for seed protein content and protein yield of lentil. Crop Science, 61(1), 342–356. https://doi.org/10.1002/csc2.20282

Sun, X., Ma, P., & Mumm, R. H. (2012). Nonparametric method for genomics-based prediction of performance of quantitative traits involving epistasis in plant breeding. Plos One, 7(11), e50604. https://doi.org/10.1371/journal.pone.0050604

Thennarasu, K. (1995). On certain non-parametric procedures for studying genotype environment interactions and yield stability. IARI, Division of Agricultural Statistics. New Delhi.

Whitley, E., & Ball, J. (2002). Statistics review 6: Nonparametric methods. Critical Care, 6(6), 509. https://doi.org/10.1186/cc1820

Zali, H., & Barati, A. (2020). Evaluation of selection index of ideal genotype (SIIG) in other to selection of barley promising lines with high yield and desirable agronomy traits. Journal of Crop Breeding, 12(34), 93-104. (In Persian). https://doi.org/10.29252/jcb.12.34.93

Zali, H., Farshadfar, E., & Sabaghpour, S. H. (2011). Non-parametric analysis of phenotypic stability in chickpea (Cicer arietinum L.) genotypes in Iran. Crop Breeding Journal, 1, 89-100. (In Persian).

Zeinalzadeh-Tabrizi, H., Mansouri, S., & Fallah-Toosi, A. (2021). Evaluation of seed yield stability of promising sesame lines using different parametric and nonparametric methods. Plant Genetic Researches, 8(1), 43-60. (In Persian).