Document Type : Research Paper
Authors
1 7. Crop and Horticultural Science Research Department, Fars Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Darab, iran
2 Faculty member of department of cereal research of seed and plant improvement institute, Karaj
Abstract
Keywords
مقدمه
جو (Hordeum vulgare L.) یکی از مهمترین گیاهان خانواده غلات است و از نظر اهمیت اقتصادی پس از گندم، برنج و ذرت در رتبه چهارم جهان قرار گرفته است (فریرا و همکاران 2016). جو بعد از گندم با سطح زیر کشت 4/1 میلیون هکتار و تولید 1/3 میلیون تن، دومین گیاه زراعی مهم ایران از نظر ارزش زراعی و تغذیهای بهشمار میرود (احمدی و همکاران 2019). همچنین بر اساس آمار منتشره در سال 2019، در جهان میزان تولید جو حدود 9/158 میلیون تن و در ایران 6/3 میلیون تن بود (فائو 2019). در مجموع جو با درجه سازگاری وسیعتر ولی با ارزش اقتصادی کمتر، در مناطقی از نواحی خشک ایران که بارندگی برای تولید گندم کافی نیست، جایگزین گندم میشود (کوچکی 1994).
با توجه به نقش تنوع ژنتیکی در پیشبرد اهداف برنامههای بهنژادی و نقش لاینهای پیشرفته در این خصوص، بدون شک بررسی لاینهای جدید جو با خصوصیات مورفولوژیک مطلوب، از جمله روشهای مناسب برای دستیابی به معیارهای انتخاب در جهت بهبود عملکرد و اصلاح و معرفی ارقام تجاری است که نهایتاً منجر به افزایش تولید جو خواهد شد. روشهای مختلفی برای برآورد تنوع ژنتیکی در گونههای گیاهی وجود دارد. از آنجاییکه روشهای چند متغیره بهطور همزمان چندین اندازهگیری را مدنظر قرار میدهند، لذا در تجزیه و تحلیل تنوع ژنتیکی بر پایه دادههای مورفولوژیک، بیوشیمیایی و مولکولی کاربرد وسیعی دارند (محمدی و پرانسانا 2003). در بین روشهای مختلف آنالیز چندمتغیره تجزیه خوشهای، تجزیه مولفههای اصلی و تجزیه مختصات اصلی مهمترین روشها هستند. در تحقیقی 8 صفت مورفولوژیک سنبله در 130 جمعیت محلی اندازهگیری شد و مشخص شد که تنوع در جو دیم رابطهای پیچیده با گستردگی در محیط اکوسیستم زراعی دارد. در این تحقیق جوهای با تعداد ردیف نامنظم و شش ردیف بیشترین فراوانی (بهترتیب 49 و 46 درصد) و جوهای دو ردیفه کمترین فراوانی (5/4 درصد) را داشتند (هودادو و همکاران 2009).
مطالعات زیادی در ارتباط با ارزیابی صفات و تعیین ماهیت، اهمیت و ارتباط آنها با عملکرد دانه با استفاده از تجزیه به عاملها و سایر روشهای چندمتغیره شده است (دریکوند 2011، زنگ 2015، محتشمی 2015). در بیشتر این تحقیقات بحث در مورد ارتباط بین صفات با عملکرد دانه و نهایتاً گروهبندی آنها شده است ولی در بسیاری از آنها بحثی در مورد انتخاب برترین ژنوتیپها نشده است. بنابراین نیاز به روشهایی است که بتواند انتخاب ژنوتیپهای مطلوب را با توجه به صفات مورد بررسی بهطور مناسبی انجام دهد و شاخص انتخاب ژنوتیپ ایدهآل (SIIG)[1] (زالی و همکاران 2015، زالی و همکاران 2017) یکی از این روشها میباشد که میتواند علاوه بر انتخاب ژنوتیپهای ایدهآل، فاصله بین ژنوتیپها را هم مشخص کند. امامی و همکارن (2019) بهمنظور بررسی تحمل تنش اسمزی در لاینهای پیشرفته گندم دوروم از شاخص SIIG استفاده کردند و بیان نمودند نتایج شاخص SIIG با نتایج تجزیه خوشهای انطباق بالایی نشان داد.
از آنجاییکه عملکرد به مقدار زیادی تحت تأثیر محیط و اثر متقابل ژنوتیپ در محیط قرار می گیرد. بنابراین بهنظر بسیاری از محققین برای صفاتی مثل عملکرد، انتخاب غیرمستقیم از طریق سایر صفات که همبستگی بالایی با عملکرد دارند از کارایی بیشتری برخوردار است (ربیعی و همکاران 2004). بههمین دلیل محققان شاخصهای مختلفی را برای افزایش کارایی انتخاب معرفی نمودهاند (بریم 1959، لین 1978، کمپتورت و نوردسکوک 1959). در شاخص انتخاب اسمیت-هیزل (اسمیت 1936) و پسک-بیکر (پسک و بیکر 1969) گزینش همزمان برای چندین صفت مهم با در نظر گرفتن ارزش اقتصادی و فنوتیپی و وراثتپذیری آنها و همبستگی بین صفات مختلف انجام میشود. اما در روش SIIG نیازی به محاسبه وراثتپذیری و ارزش فنوتیپی و اقتصادی نمیباشد. در این روش امکان شناسایی ژنوتیپهایی با خصوصیات خاص وجود دارد. بهعنوان مثال با روش SIIG میتوان ژنوتیپهایی با عملکرد دانه و وزن هزار دانه بالا، ارتفاع بوته کم و زودرس را در صورت وجود داشتن، شناسایی و انتخاب نمود (زالی و براتی 2020).
روشSIIG، برای اولین بار توسط زالی و همکاران (2015) برای ادغام روشهای مختلف تجزیه پایداری معرفی شد. از روش SIIG میتوان برای رتبه‌بندی و مقایسه بهتر ژنوتیپهای مختلف و انتخاب برترین ژنوتیپها و تعیین فواصل بین ژنوتیپها و گروهبندی آنها استفاده نمود. از ویژگیهای روش SIIG این است که برای محاسبه آن میتوان از شاخصهای مختلف، صفات مورفولوژیک، صفات فیزیولوژیک و ... استفاده نمود و کارایی انتخاب را افزایش داد. از آنجاییکه ممکن است هر ژنوتیپی از نظر یک شاخص یا صفتی برتر باشد و در نهایت با افزایش تعداد صفات یا شاخصها، ممکن است انتخاب ژنوتیپ مناسب برای محقق دشوار شود، به کمک روش SIIG، تمام شاخصها و صفات بهصورت یک شاخص واحد درآمده و رتبه‌بندی و تعیین ژنوتیپهای برتر بسیار راحتتر میشود. همچنین اگر تعداد صفات کم باشد اما تعداد ژنوتیپها زیاد باشد شاخص SIIG انتخاب ژنوتیپهای مطلوب را آسانتر میکند. از جمله مزیت‌های این روش آن است که معیارها یا شاخصهای بهکار رفته برای مقایسه میتوانند دارای واحدهای سنجش متفاوتی بوده و طبیعت منفی و مثبت داشته باشند (زالی و همکاران 2015، زالی و همکاران 2017).
عبدالهی حصار و همکاران (2021) از شاخص SIIG برای ادغام شاخصهای مختلف تحمل به یخزدگی استفاده نموده و بیان کردند که شاخص SIIG یک روش مناسب برای شناسایی ژنوتیپهای متحمل به یخزدگی، از طریق ادغام سایر شاخصهای دیگر تحمل به یخزدگی میباشد. در تحقیق دیگری بهمنظور ارزیابی 22 ژنوتیپ کلزا با استفاده صفات مختلف مورفولوژیک، از شاخص SIIG استفاده شد. در این تحقیق 13 صفت مورفولوژیک با استفاده از شاخص SIIG ادغام و تبدیل به یک شاخص واحد شد و در نهایت برای انتخاب برترین ژنوتیپها ازیک نمودار دو بعدی عملکرد و شاخص SIIG استفاده شد (عبدالهی حصار و همکاران 2020). رمزی و همکاران (رمزی و همکاران 2018) از شاخص SIIG بهمنظور بررسی تحمل لاینهای پیشرفته گندم دوروم تحت شرایط تنش آلومینیوم استفاده نمودند و بیان شد که در استفاده از شاخص تحمل Ti (مقدار صفت در سطح تنش تقسیم بر مقدار صفت در سطح شاهد) بهدلیل وجود Tiهای مختلف بر اساس صفات متفاوت تصمیمگیری روی لاینهای حساس و متحمل کار راحتی نیست. در صورتیکه، با جمع این شاخصها در قالب یک شاخص تحت عنوان شاخص SIIG کار تصمیمگیری راحتتر میشود. نجفی میرک و همکاران (2018) از شاخص SIIG بهمنظور ادغام روشهای مختلف تجزیه پایداری ناپارامتری در گندم دوروم استفاده نمودند و با استفاده از شاخص SIIG و عملکرد در یک نمودار دو بعدی توانستند ژنوتیپهای پایدار با عملکرد بالا را معرفی نمایند. در تحقیقی دیگر یاقوتیپور و همکاران (2017) از شاخص SIIG بهمنظور ادغام شاخصهای مختلف تحمل به خشکی در گندم نان استفاده نمودند و بیان داشتند که شاخص SIIG یک روش ترکیبی جدید و کارا در انتخاب موثرتر ژنوتیپهای مطلوب میباشد. طهماسبی و همکاران (2018) از شاخص SIIG بهمنظور ادغام شاخصهای مختلف تحمل به خشکی در ژنوتیپهای گندم نان استفاده نمودند. آنها شاخص SIIG را روشی مناسب برای ادغام شاخصهای مختلف تحمل به خشکی معرفی نمودند که کارایی انتخاب را افزایش میدهد.
یکی از روشهای مهمی که برای تجزیه دادهها معرفی شده، روش تجزیه با استفاده از حداکثر درستنمایی محدود شده (REML)[2] است. در این روش محدودیت تجزیه واریانس به روش کمترین مربعات برای دادههای نامتعادل برطرف میشود (هلند 2006). مدلهای مخلوط مانند REML برای بدست آوردن اجزای واریانس و پیشبینی نااریب بهترین خط (BLUP)[3] برای پیشبینی مقادیر ژنتیکی و اجزای واریانس استفاده میشوند (ریسند 2016). روش REML/BLUP بهواسطه در نظر گرفتن مقادیر ژنوتیپی (نه مقادیر فنوتیپی) دقت بهتری در روند برنامههای اصلاحی ایجاد میکند و اجازه انتخاب بهترین ژنوتیپها را میدهد (ریسند 2004).
برای انتخاب ارقام مطلوب با ویژگیهای خاص استفاده از یک صفت بهتنهایی ممکن است منجر به نتایج مطلوبی نباشد، بر همین اساس در این تحقیق از شاخص انتخاب ژنوتیپ ایدهآل (SIIG) (زالی و همکاران 2015، زالی و همکاران 2017) بهمنظور ادغام تعدادی از صفات مهم مورفو-فنولوژیک، برای ارزیابی بهتر لاینها و تنوع فنوتیپی آنها در آزمایشات مقدماتی مقایسه عملکرد استفاده شد.
مواد و روشها
بهمنظور بررسی تنوع فنوتیپی لاینهای خالص جو، انتخاب شده از آزمایشات بین المللی و داخلی جو (98-1397)، تعداد 107 لاین خالص (جدول 1) در قالب طرح بدون تکرار آگمنت همراه با چهار شاهد (نوروز، اکسین، WB-90-14 و WB-96-16) در سه بلوک، در مزرعه ایستگاه تحقیقات کشاورزی و منابع طبیعی داراب، طی سال زراعی 99-1398 ارزیابی شدند. ارتفاع منطقه مورد آزمایش از سطح دریا 1107 متر با اقلیم گرم و خشک و متوسط بارندگی 248 میلیمتر و زمستانهای معتدل میباشد. مشخصات جغرافیایی آن بهترتیب 54 درجه و 30 دقیقه طول شرقی و 50 درجه و 28 دقیقه عرض شمالی است. سایر اطلاعات هواشناسی مربوط به سال زراعی در شکل 1 نشان داده شده است. ارقام و لاینهای مورد بررسی در 20 آذر در شش خط بهطول شش متر (2/7 مترمربع) بهفاصله 15 سانتیمتر از همدیگر کشت و بهصورت نشتی آبیاری شدند. میزان بذر مصرفی بر مبنای 300 دانه در متر مربع و با در نظر گرفتن وزن هزار دانه برای هر لاین تعیین گردید. همچنین قبل از برداشت نیم متر از ابتدا و انتهای هر کرت حذف و بقیه (6 مترمربع) برداشت شد. در طول فصل زراعی، کلیه عملیات زراعی مرسوم انجام شد. مبارزه با علفهای هرز پهنبرگ و نازکبرگ بهترتیب با استفاده از علفکشهای توفوردی و اکسیال با مقدار 5/1 لیتر در هکتار و همچنین بهصورت مکانیکی در مرحله پنجهزنی تا ساقهرفتن انجام شد. در طول دوره رشد علاوه بر مراقبت‌های زراعی، یادداشت برداری از صفات تعداد روز تا گلدهی، تعداد روز تا رسیدگی، ارتفاع بوته، وزن هزار دانه، درصد خوابیدگی و عملکرد دانه بعمل آمد.
بهمنظور بررسی تنوع فنوتیپی و ادغام صفات مورفو-فنولوژیک مختلف از روش SIIG (زالی و همکاران 2015، زالی و همکاران 2017) استفاده شد.
رابطه (1)
در این رابطه di+ فاصله از ژنوتیپهای ایدهآل و di- فاصله از ژنوتیپهای ضعیف است. مقدار SIIGi بین صفر تا یک تغییر میکند و هر چه گزینه مورد نظر به ژنوتیپ ایدهآل نزدیک‌تر باشد مقدار SIIG آن به یک نزدیک‌تر خواهد بود. بر اساس این روش، برترین ژنوتیپ، نزدیک‌ترین ژنوتیپ به ژنوتیپهای ایدهآل و دورترین از ژنوتیپهای ضعیف است (زالی و همکاران 2015، زالی و همکاران 2017، زالی و همکاران 2020).
بهمنظور محاسبه مدلهای خطی و اجزای واریانس از مدلهای زیراستفاده شد:
رابطه (2)
رابطه (3)
در این روبط μ میانگین صفت مربوطه، Blocki اثر بلوک iام، Entryj اثر اینتری jام است (رابطه 2). در رابطه 3 تفاوت در اثر اینتری jام است که به IDCheck، Gen، Check که بهترتیب مربوط به اثر شناسه شاهدها، ژنوتیپهای بدون تکرار و شاهدهایی که در هر بلوک تکرار میشوند تقسیم میشود. اثر بلوک بهعنوان اثر ثابت فرض شده است. هنگام محاسبه Blueها[4]، اثراتEntry ، IDCheck، Gen و Check بهعنوان اثرات ثابت در نظر گرفته میشوند و هنگام محاسبه Blupها و وراثتپذیری عمومی، این اثرات تصادفی در نظر گرفته میشوند (رودریگرز و همکاران 2017).
در این تحقیق، برای انجام تجزیه REML و ترسیم گرافهای تنوع فنوتیپی از نرمافزار ACBD-R (رودریگرز و همکاران 2017) و برای محاسبه شاخص انتخاب ژنوتیپ ایدهآل (SIIG) از نرمافزار Excel استفاده شد.
جدول 1- شجره لاینهای جو مورد بررسی در سال زراعی 99-1398
|
لاینها |
شجره |
|
لاینها |
شجره |
|
2 |
Kavir/Badia/3/Torsh/9cr.279-07//Bgs/4/Karoon/Kavir/5/Nik |
62 |
IQBA07-22 Sel.6AP-0AP-0TR-0TR-0AREC |
|
|
3 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Sahra |
|
63 |
DeirAlla106//DL71/Strain205/3/DL529/4/Aths/Lignee686 |
|
4 |
Assala'S'//Avt/Aths/3/Arinar/Aths//D529/4/Sahra |
|
64 |
Zarjau/80-5151//OK84817 ICBH94-0402-0AP-0AP-17AP-0AP-12AP-11AP-0AP-0TR-0TR-0AREC |
|
5 |
Bgs/Dajia//L.1242/3/L.B.IRAN/Una8271//Gloria'S'/3/Alm/Una80//..4/ Torsh |
|
65 |
Zarjau/80-5151//OK84817 ICBH94-0402-0AP-0AP-17AP-0AP-12AP-16AP-0AP-0TR-0TR-0AREC |
|
6 |
Bgs/Dajia//L.1242/3/L.B.IRAN/Una8271//Gloria'S'/3/Alm/Una80//..4/ Torsh |
|
66 |
Harmal-02/ArabiAbiad*2/4/Soufara-02/3/RM1508/Por//WI2269 |
|
7 |
PINON/3/QUINN/ALOE//CARDO/4/CIRU/5/Rhn03 |
|
67 |
PETUNIA 1/5/POST/COPAL//GLORIA-BAR/COME/3/SIND89A-148/4/ |
|
8 |
Sahra//Triton/Yazd-5 |
|
68 |
Avt/Attiki//M-Att-73-337-1/3/Aths/Lignee686/4/Kabaa |
|
9 |
Zahak/4/ Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S" |
|
69 |
AwBlack/Aths//Arar/3/9Cr279-07/Roho/6/Alanda-01/5/CI01021/4/CM67/U .Sask.1800//Pro/CM67/3/DL70 |
|
10 |
Zahak/4/Bgs/Dajia//L.1242/3/(L.B.IRAN/Una8271//Gloria'S'/3/Alm/Una80//....) |
|
70 |
AwBlack/Aths//Arar/3/9Cr279-07/Roho/6/Alanda-01/5/CI01021/4/CM67/ U.Sask.1800//Pro/CM67/3/DL70 |
|
12 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Bereke-54 |
|
72 |
Carbo/Hamra/4/Rhn-08/3/DeirAlla106//DL71/Strain205/5/ Lignee527/Aths//Lignee527/NK1272 |
|
13 |
LB.Iran/Una8271//Gloria"S"/Com"S"/3/Torsh/9cr.279-07//Bgs *2/4/Triton/Yazd-5 |
|
73 |
Hma-02//11012-2/CM67/3/Alanda/5/Rhn-03//Lignee527/NK1272/4/ Lignee527/Chn-01/3/Alanda/6/Rhn//Bc/Coho/3/DeirAlla106//Api/EB89-8-2-15-4/5/CM67/3/Apro//Sv02109/Mari/4/Carbo |
|
14 |
Nimrooz/4/Rihane-03/3/As46/Aths*2//Aths/Lignee686 |
|
74 |
Alanda/8/Harma-02//11012- 2/CM67/7/Mola/4/Brea'S'/DL70// Mozdosky/3/Nopal'S'/5/CI10622/CI05824/6/Lignee640 |
|
15 |
Jonoob/5/Carbo/Hamra/4/Rhn-08/3/DeirAlla106//DL71/Strain205 |
|
75 |
BBSC/CONGONA//FRESA |
|
16 |
Briges/4/Anoidium/Arbayan-01/3/Lignee527/NK1272//JLB70-63 |
|
76 |
BREA/DL70//3*TOCTE/3/6B03-4452 |
|
17 |
Briges/4/Rihane-03/3/As46/Aths*2//Aths/Lignee686 |
|
77 |
CIRU/TOCTE |
|
18 |
Arabian Barley/Gloria'S'/Copal'S'//As46/Aths/3/Rhn-03 |
|
78 |
B081J//DEFRA/DESCONOCIDA-BAR/3/ALELI/CANELA//GOB96DH |
|
19 |
Beecher/4/Rihane-03/3/As46/Aths*2//Aths/Lignee686 |
|
79 |
ADABELLA/ESMERALDA/6/P.STO/3/LBIRAN/UNA80//LIGNEE640/4/BLLU/5/PETUNIA 1 |
|
20 |
Zahak/4/Anoidium/Arbayan-01/3/Lignee527/NK1272//JLB70-63 |
|
80 |
PENCO/CHEVRON-BAR/6/P.STO/3/LBIRAN/UNA80// LIGNEE640/4/BLLU/5/PETUNIA 1 |
|
22 |
Zahak/Zarqa |
|
82 |
CIRU/TOCTE |
|
23 |
Ashar/Beecher//Zarqa |
|
83 |
P.STO/3/LBIRAN/UNA80//LIGNEE640/4/BLLU/5/PETUNIA 1 |
|
24 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Gloria'S'/Copal'S'//As46/Aths/3/Rhn-03 |
|
84 |
M126/CM67//As/Pro/3/Alanda/4/Ssn/Bda//Arar/3/F2CC33MS/CI07555/5/Lignee640/Lignee527//Lignee527/Rihane/6/Rhn-03/Eldorado/5/Rhn-03//Lignee527/NK1272/4/Lignee527/Chn-01/3/Alanda |
|
25 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Teran 78 |
|
85 |
ALISO/CI3909-2//FALCON-BAR/3/HIGO/7/Lignee527/Chn-01//Alanda/3/ Arar/Rhn-03/6/Rhn-03/5/Arizona5908/Aths//Avt/ Attiki/3/S.T.Barley/4 /Aths /Lignee686 |
|
26 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/ Briges |
|
86 |
Baca'S'/3/AC253//CI08887/CI05761/4/Cen/Bglo'S'/5/Alanda/Hamra//Alanda-01 |
|
27 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/73M4-30 |
|
87 |
Rhn-03/Eldorado/5/Rhn-03//Lignee527/NK1272/4/Lignee527/ Chn-01/3/ Alanda/6/Maknusa |
|
28 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Lignee527/NK1272//JLB70-63 |
|
88 |
NISKA/H00057 |
|
29 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Anoidium/Arbayan-01/3/Lignee527/… |
|
89 |
PENCO/CHEVRON-BAR//BICHY2000 |
|
30 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/1-BC-80012 |
|
90 |
CANELA//LIMON/BICHY2000 |
|
32 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/1-BC-80152 |
|
92 |
ZIGZIG/3/LBIRAN/UNA80//LIGNEE640 |
|
33 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Rihane-03 |
|
93 |
GLORIA-BAR/COPAL//M104 |
|
34 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Rihane-03 |
|
94 |
Arta/Zabad/4/Pamir-147/Sonata/3/Pamir-154//SICB-100709/WB156 |
|
35 |
Anoidium/Arbayan-01/3/Lignee527/NK1272//JLB70-63/4/ Beecher |
|
95 |
Rhn-03/Eldorado/5/Rhn-03//Lignee527/NK1272/4/Lignee527/ Chn-01/3/ Alanda/6/Rhn-03/Eldorado/5/Rhn-03//Lignee527 /NK1272/4/Lignee527/ Chn-01/3/Alanda |
|
36 |
Anoidium/Arbayan-01/3/Lignee527/NK1272//JLB70-63/4/ Beecher |
|
96 |
Rihane-03//Lignee527/Aths/6/Rhn-03/Eldorado/5/Rhn-03//Ligne e527/ NK1272/4/Lignee527/Chn-01/3/Alanda |
|
37 |
Anoidium/Arbayan-01/3/Lignee527/NK1272//JLB70-63/4/Bgs/Dujia//L.1242 |
|
97 |
Alanda-01/3/Alanda//Lignee527/Arar/6/Alanda-01//Gerbel/Hma/ 5/Chn-01/3/Arizona5908/Aths//Bgs/4/Lignee640/Bgs//Cel |
|
38 |
Anoidium/Arbayan-01/3/Lignee527/NK1272//JLB70-63/4/Zarqa |
|
98 |
Alanda-01//Gerbel/Hma/5/Chn-01/3/Arizona5908/Aths //Bgs/4/ Lignee640/ Bgs//Cel/6/Arig 8-1 |
|
39 |
26216/4/Arar/3/Mari/Aths*2//M-Att-73-337-1/5/Nosrat/6/Rhn-03//L.527/NK1272 |
|
99 |
Tadmor//Roho/Mazurka/3/Tadmor/5/Arig8/Imperial//M7/3/Rt013/4/Alanda-1 |
|
40 |
Bgs/Dajia//L.1242/3/(L.B.IRAN/Una8271//Gloria'S'/3/Alm/Una80//....)/4/Nosrat/5/Rhn-03//L.527/NK1272 |
|
100 |
Lignee527/NK1272//JLB70-063/3/IPA99/5/Arig8/Imperial//M7/ 3/Rt013/4/ Alanda-01 |
|
42 |
NK1272//Manker/Arig8/3/Alanda/Hamra-01/4/Avt/Attiki//M-Att-73-337-1/3/Aths/Lignee686/5/Yousef/6/Sahra |
|
102 |
Lignee 527/NK1272//JLB 70-63/3/Rhn-03//Lignee527/As45 |
|
43 |
Zahak/4/Bgs/Dajia//L.1242/3/(L.B.IRAN/Una8271//Gloria'S'/3/Alm/Una80//....)/4/Rojo… |
|
103 |
Lignee 527/NK1272//JLB 70-63/3/Rhn-03//Lignee527/As45 |
|
44 |
Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S"/4/Trompilo/L.Moghan//CM/5/Zahak |
|
104 |
Lignee 527/NK1272//JLB 70-63/3/Rhn-03//Lignee527/As45 |
|
45 |
Arar/3/Cr.115/Por//Giza 121/4/Arabian Barley/5/Zahak |
|
105 |
Lignee 527/NK1272//JLB 70-63/3/Rhn-03//Lignee527/As45 |
|
46 |
Numar/3/POA/HJO//QJINA/4/Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S" |
|
106 |
Lignee 527/NK1272//JLB 70-63/3/Rhn-03//Lignee527/As45 |
|
47 |
Numar/3/POA/HJO//QJINA/4/Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S" |
|
107 |
Lignee 527/NK1272//JLB 70-63/3/Rhn-03//Lignee527/As45 |
|
48 |
Lignee527/NK1272//JLB70-63/3/Arabian Barley/4/Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S" |
|
108 |
Lignee 527/NK1272//JLB 70-63/3/Rhn-03//Lignee527/As45 |
|
49 |
Ashar/Beecher/4/Arar/3/Cr.115/Por//Giza 121/5/Rojo/3/LB.IRAN/Una8271//Gloria"S"/Com"S" |
|
109 |
Lignee 527/NK1272//JLB 70-63/3/Rhn-03//Lignee527/As45 |
|
50 |
Nosrat/AFZAL//ROJO |
|
110 |
KAROON/KAVIR/4/Rhodes'S'//Tb/Chzo/3/Gloria'S'/5/Legia |
|
52 |
Nosrat/4/LB.Iran/Una 8271//Gloria"S"/Come"s"-11M/3/Kavir/5/Numar |
|
112 |
KAROON/KAVIR//Rhodes'S'//Tb/Chzo/3/Gloria'S' /4/Sahra/5/Yousef |
|
53 |
composite-ahwaz |
|
113 |
(Salt-4)LB.Iran/Una 8271//Gloria"S"/Come"s"-11M/3/Kavir/4/Karoon |
|
54 |
Merzaga(Orge077)/Alanda-01 |
|
114 |
(Salt-4)LB.Iran/Una 8271//Gloria"S"/Come"s"-11M/3/Kavir/4/Karoon |
|
55 |
LIMON/BICHY2000//DEFRA/DESCONOCIDA-BAR |
|
115 |
(Salt-12)ROHO/MAZORKA//TROMPILO/3/Lignee 527/NK1272//JLB 70-63 |
|
56 |
Ghinneri(smooth_awns)/5/CM67/3/Apro//Sv02109/Mari/4/Carbo |
|
116 |
Courlis/Rhn-03//Jonoob |
|
57 |
Alanda-01/3/Alanda//Lignee527/Arar ICB97-0754-0AP-20AP-5TR-19AP-0AP-1AP-0AP-0AP-0TR-0AREC |
|
117 |
26216/4/Arar/3/Mari/Aths*2//M-Att-73-337-1/5/Sahra/6/(D10)Rhn-03//L.527/NK1272 |
|
58 |
Ager//Api/CM67/3/Cel/WI2269//Ore/4/Alanda/5/Rhn-01/Hml-01 |
|
118 |
Sahra/3/Hml-02//WI2291/Bgs |
|
59 |
Arar/H.spont.19-15//Hml/3/H.spont.41-1/Tadmor/4/Barque |
|
119 |
Manal/Alanda-01//1-BC-80152
|
|
60 |
Nadawa/Rhn-03/3/Lignee527/Rihane//Arar |
|
|
|
شکل 1- دادههای هواشناسی ماهیانه در فصل زراعی 99-1398
نتایج و بحث
از برآورد حداکثر درستنمایی محدود شده (REML) برای بررسی میزان وارثتپذیری صفات مختلف و مقایسه صفات مختلف در لاینها و ژنوتیپهای شاهد استفاده شد (جدول 2). نتایج تجزیه REML نشان داد کمترین میزان وراثتپذیری صفات در لاینهای مورد بررسی مربوط به وزن هزار دانه (417/0) و بیشترین مقدار وراثتپذیری بهترتیب مربوط به تعداد روز تا رسیدن و تعداد روز تا گلدهی (بهترتیب 891/0 و 887/0) بود. از مزایای روش REML نسبت به روشهای کلاسیک، بازدهی بالا برای طرحهای آگمنت و همچنین کاهش تعداد برآوردهای منفی پارامترهای ژنتیکی، که بهدلیل مشکلاتی مانند مناسب نبودن طرح آزمایشی که در روشهای کلاسیک ایجاد میشود، اشاره نمود (هلند 2006). در جدول 2 مقادیر واریانس ژنتیکی صفات مختلف مربوط به لاینها و ژنوتیپهای شاهد و مقادیر میانگین صفات بر اساس روش BLUE و BLUP نشان داده شده است.
مقادیر میانگین، حداقل، حداکثر، انحراف معیار و ضریب تغییرات در 107 لاین مورد مطالعه در جدول 3 نشان داده شده است. بیشترین میانگین عملکرد دانه ژنوتیپهای شاهد بهترتیب مربوط به ژنوتیپهای WB-96-19 (7384 کیلوگرم در هکتار) و اکسین (6827 کیلوگرم در هکتار) بود. حداقل و حداکثر عملکرد دانه لاینها بهترتیب برابر با 3900 و 8293 کیلوگرم در هکتار بود (جدول 3) که بیانگر تنوع بالا برای عملکرد دانه است. برای صفات تعداد روز تا گلدهی، تعداد روز تا رسیدگی، وزن هزار دانه و ارتفاع بوته مشاهده شد که حداقل مقادیر این صفات از متوسط عملکرد دانه ژنوتیپهای شاهد پایینتر است اما حداکثر مقادیر برای این صفات از میانگین عملکرد دانه ژنوتیپهای شاهد بیشتر بود که این مطلب حاکی از آن است که تعدادی از لاینها از نظر صفات مورفو-فنولوژیک مورد مطالعه از ژنوتیپهای شاهد برتر هستند (جدول 3).
شکل 2، نمایش گرافیکی تنوع فنوتیپی در صفات تعداد روز تا گلدهی، تعداد روز تا رسیدگی، ارتفاع بوته، وزن هزار دانه و عملکرد دانه در لاینها و ژنوتیپهای شاهد است. در این شکلها مقادیر عددی صفات مختلف هر لاین و ژنوتیپهای شاهد بهصورت رنگی متفاوت نشان داده شده است. با یک نگاه کلی به هر کدام از صفات میتوان تنوع فنوتیپی موجود را مشاهد نمود.
جدول 2- نتایج تجزیه REML مربوط به صفات مختلف مورفو-فنولوژیک در لاینهای امیدبخش جو
|
DHE |
DMA |
PLH
|
TKW
|
YLD
|
منابع تغییرات |
|
887/0 |
891/0 |
707/0 |
417/0 |
634/0 |
وراثتپذیری عمومی (لاینها) |
|
968/0 |
660/0 |
829/0 |
527/0 |
688/0 |
وراثتپذیری عمومی (شاهد) |
|
491/6 |
70/6 |
8/85 |
01/9 |
518394 |
واریانس ژنتیکی (لاینها) |
|
7/24 |
59/1 |
9/171 |
04/14 |
660080 |
واریانس ژنتیکی (شاهد) |
|
824/0 |
824/0 |
6/35 |
6/12 |
299124 |
واریانس باقیمانده |
|
9/102 |
2/142 |
2/97 |
2/46 |
5956 |
میانگین لاینها (Blup) |
|
5/104 |
5/141 |
4/99 |
1/44 |
5855 |
میانگین لاینها (Blue) |
|
26/1 |
25/1 |
2/7 |
3/3 |
624 |
تفاوت خطای استاندارد میانگین (لاینها) |
|
49/2 |
49/2 |
3/14 |
6/6 |
1235 |
LSD0.05 (لاینها) |
|
4/103 |
5/142 |
1/97 |
2/47 |
6472 |
میانگین لاینها (Blup) |
|
7/104 |
3/143 |
5/94 |
6/49 |
6635 |
میانگین لاینها (Blue) |
|
91/0 |
802/0 |
6/5 |
9/2 |
486 |
تفاوت خطای استاندارد میانگین (شاهد) |
|
80/1 |
59/1 |
1/11 |
7/5 |
962 |
LSD0.05 (شاهد) |
DHE: تعداد روز تا گلدهی (روز)؛ DMA: تعداد روز تا رسیدگی (روز)؛ PLH: ارتفاع بوته (سانتیمتر)؛ TKW: وزن هزار دانه (گرم)؛ YLD: عملکرد دانه (کیلوگرم در هکتار)
جدول 3- آمار توصیفی مربوط به صفات مختلف مورفو-فنولوژیک در لاینهای امیدبخش جو
|
صفات
|
میانگین
|
حداقل
|
حداکثر
|
انحراف معیار |
ضریب تغییرات |
|
شاهد |
|||
|
نوروز |
اکسین |
WB-90-14 |
WB-96-19 |
|||||||
|
(روز)DHE |
101 |
97 |
111 |
78/2 |
7/1 |
|
109 |
99 |
110 |
101 |
|
(روز) DMA |
141 |
131 |
149 |
82/2 |
0/2 |
|
143 |
141 |
143 |
145 |
|
PLH (سانتیمتر) |
99 |
73 |
128 |
99/10 |
0/11 |
|
76 |
103 |
97 |
100 |
|
(گرم)TKW |
44 |
30 |
58 |
82/4 |
9/10 |
|
1/48 |
7/44 |
6/55 |
149 |
|
(درصد)Lodg |
17 |
0 |
100 |
9/32 |
190 |
|
0 |
0 |
0 |
2 |
|
YLD (کیلوگرم در هکتار) |
5851 |
3900 |
8293 |
925 |
8/15 |
|
5953 |
6827 |
5960 |
7384 |
DHE: تعداد روز تا گلدهی؛ DMA: تعداد روز تا رسیدگی؛ PLH: ارتفاع بوته؛ TKW: وزن هزار دانه؛ Lodg: درصد خوابیدگی؛ YLD: عملکرد دانه
برآورد ضرایب همبستگی (جدول 4) نشان داد که ارتباط معنیداری بین عملکرد دانه با تعداد روز تا رسیدگی (**379/0) و ارتفاع بوته (**314/0) وجود دارد. بنابراین در این تحقیق برای انتخاب لاینهایی با عملکرد بالا و صفات مطلوب از جمله وزن هزار دانه بالا و لاینهای زودرس از شاخص SIIG استفاده شد.
در این تحقیق بهمنظور محاسبه شاخص SIIG فرض بر این بود که لاینهایی با بیشترین عملکرد دانه، وزن هزار دانه و ارتفاع بوته و از طرفی با کمترین تعداد روز تا رسیدگی و تعداد روز تا گلدهی ایدهآل میباشند. لاینهای مورد بررسی بر اساس شاخص SIIG، بهمنظور بررسی کارایی شاخص SIIGدر انتخاب لاینهای برتر و با استفاده از صفات عملکرد دانه، وزن هزار دانه، ارتفاع بوته، تعداد روز تا گلدهی و تعداد روز تا رسیدگی در 4 دسته گروهبندی شدند (جدول 6). لاینهایی که مقدار عددی شاخص SIIG آنها بزرگتر مساوی 6/0 و کوچکتر از 7/0 (7/0 >≤ SIIG 6/0) بود در گروه یک قرار گرفتند. لاینهایی که شاخص SIIG آنها بزرگتر مساوی 5/0 و کوچکتر از 6/0 (6/0 >≤ SIIG 5/0) بود در گروه دو دستهبندی شدند. لاینهای گروه 3 در دامنه بزرگتر مساوی 4/0 و کوچکتر از 5/0 (5/0>≤ SIIG 4/0) شاخص SIIG قرار گرفتند و در نهایت لاینهایی که مقدار شاخص SIIG آنها کوچکتر مساوی از 4/0 بود در گروه 4 قرار گرفتند. با یک نگاه کلی به جدول 6 مشاهده شد که هر چه مقدار شاخصSIIG کاهش مییابد مقدار عملکرد دانه، وزن هزار دانه و درصد خوابیدگی نیز کاهش یافته است ولی تغییر زیادی در مقدار صفات تعداد روز تا گلدهی و تعداد روز تا رسیدگی مشاهده نشد. ولی با کاهش مقدار SIIG میانگین ارتفاع بوته گروهها افزایش یافته است. این مطلب نشان داد که شاخص SIIG توانسته بهطور همزمان، ژنوتیپهای پرمحصول با وزن هزار دانه بالا و درصد خوابیدگی کمتر را انتخاب کند.
نتایج گروهبندی لاینهای مورد بررسی بر اساس شاخص SIIG (جدول 6) نشان داد که در گروه یک، 11 لاین قرار دارد که متوسط عملکرد دانه آنها 7337 کیلوگرم در هکتار با متوسط وزن هزار دانه 7/45 گرم و ارتفاع بوته 97 سانتیمتر بود. میانگین درصد خوابیدگی در این گروه 5 درصد بود. متوسط عملکرد دانه گروه اول از متوسط عملکرد همه ژنوتیپهای شاهد (بهجزء لاین WB-96-16) بیشتر بود. متوسط وزن هزار دانه این گروه تنها از میانگین رقم اکسین بالاتر بود. از آنجایی که ژنوتیپهای نوروز، WB-90-14 و WB-96-19 دو ردیفه بودند وزن هزار دانه آنها از بسیاری از لاینهای مورد بررسی بالاتر بود. همچنین همه ژنوتیپهای شاهد (بهجزء اکسین) در گروه یک قرار گرفتند. برترین لاین این گروه که در مجموع برترین لاین آزمایش است لاین شماره 102، با متوسط عملکرد دانه 8293 کیلوگرم در هکتار و ارتفاع بوته 91 سانتی متر بود. لاین شماره 83 با مقدار SIIG بالا (688/0) در رتبه دوم گروه یک قرار داشت متوسط عملکرد آن 7927 کیلوگرم در هکتار بود. لاین شماره 34 کمترین وزن هزار دانه را داشت (6/37 گرم) ولی بهعلت داشتن عملکرد 7703 کیلوگرم در هکتار و ارتفاع بوته 87 سانتی متر در گروه یک قرار گرفته است. در مجموع لاینهای شماره 102، 83، 3، 43، 58، 103، 73، 87، 34، 95 و 75 با SIIG بیشتر از 600/0 جزء برترین لاینها در درجه اول از نظر عملکرد دانه و در درجه دوم از نظر صفات وزن هزار دانه و درصد خوابیدگی بوته بودند (جدول 5). از آنجاییکه میزان تغییرات SIIG بین 0 تا 1 میباشد بنابراین این شاخص، روشی مناسب برای نشان دادن فاصله بین ژنوتیپها بر اساس صفات مورد مطالعه میباشد (زالی و همکاران 2015، زالی و همکاران 2017).
در گروه دو، 35 لاین وجود دارد که متوسط عملکرد دانه، وزن هزار دانه و ارتفاع بوته آنها بهترتیب 6253 کیلوگرم در هکتار، 9/46 گرم و 99 سانتیمتر بود. درصد خوابیدگی بوته در لاینهای این گروه 7 درصد بود. در این گروه بهترتیب لاینهای شماره 106، 49، 88، 84، 25، 96، 104، 35، 94، 54، 109، 16، 105، 92، 114، 118، 76، 65، 28، 46، 99، 24، 48، 56، 30، 110، 47، 55، 86، 26، 85، 37، 37، 100، 1120و 23 با مقدار SIIG بزرگتر مساوی 5/0 و کوچکتراز 6/0، جزء لاینهای انتخابی با مقدار SIIG برابر 568/0 در این گروه قرار داشت. لاین شماره 35 با وجود عملکرد بالا (8003 کیلوگرم در هکتار) ولی بهدلیل وزن هزار دانه پایین و ارتفاع بوته زیاد در گروه دو قرار گرفت. همچنین در این گروه لاین شماره 44، که یک لاین دو ردیفه بود، کمترین عملکرد را داشت (4993 کیلوگرم در هکتار) ولی بهعلت داشتن وزن هزار دانه زیاد (6/53 گرم) و ارتفاع بوته کم (88 سانتی متر) در این گروه قرار گرفت. بنابراین بعد از گروهبندی، باید به لاینهای منتخب در هر گروه توجه کرد و لاینهای ضعیف را حذف نمود. نتایج نشان داد در انتخاب ارقام و لاینها بر اساس شاخص SIIG، باید به همبستگی این شاخص با عملکرد دانه که یک صفت مهم و تأثیرگذار است توجه نمود و در صورتی از شاخص SIIG استفاده نمود که همبستگی آن با عملکرد دانه بالا و معنیدار باشد.
در گروه سه، 46 لاین وجود داشت که متوسط عملکرد دانه، وزن هزار دانه و ارتفاع بوته آنها بهترتیب 5485 کیلوگرم، 5/43 گرم و 99 سانتیمتر بود (جدول 6). نتایج شاخص SIIG نشان داد هر چند لاینهای این گروه دارای مقدار SIIG متوسط (5/0 > SIIG ≤4/0) هستند ولی لاینهای شماره 13، 116، 29، 7، 77، 89 و 72 بهدلیل عملکرد بالاتر از 6000 کیلوگرم در هکتار برتر از سایر لاینهای این گروه بودند. علت قرار گرفتن این لاینها در گروه 3، وزن هزار دانه پایین (بهجزء لاین شماره 13) بوده است. نتایج نشان داد که این لاینها با وجود پایین بودن وزن هزار دانه ولی پتانسیل عملکرد بالایی داشتند. لاینهای شماره 115 و 5 با وجود عملکرد بالا، بهترتیب دچار 90 و 100 درصد خوابیدگی بوته شدند که نشان از حساسیت این دو لاین به خوابیگی بوته است.
شکل 2- نقشه حرارتی تنوع فنوتیپی صفات مختلف مورفو-فنولوژیک در لاینهای امیدبخش جو و ژنوتیپهای شاهد
DHE: تعداد روز تا گلدهی (روز)؛ DMA: تعداد روز تا رسیدگی (روز)؛ PLH: ارتفاع بوته (سانتیمتر)؛ TKW: وزن هزار دانه (گرم)؛ Lodg: درصد خوابیدگی (درصد)؛ YLD: عملکرد دانه (کیلوگرم)
جدول 4- ضرایب همبستگی بین صفات مورفو-فنولوژیک و شاخص SIIG
|
Lodg |
YLD |
TKW |
PLH |
DMA |
DHE |
|
|
|
|
|
|
|
**493/0 |
تعداد روز تا رسیدگی (DMA) |
|
|
|
|
|
**291/0 |
081/0 |
ارتفاع بوته (PLH) |
|
|
|
|
054/0- |
*211/0- |
*229/0- |
وزن هزار دانه (TKW) |
|
|
|
080/0 |
**314/0 |
**379/0 |
036/0- |
عملکرد دانه (YLD) |
|
|
070/0- |
**299/0- |
**373/0 |
*234/0 |
018/0 |
خوابیدگی بوته (Lodg) |
|
**405/0- |
**702/0 |
**609/0 |
*237/0- |
021/0 |
*227/0- |
SIIG |
* و **: بهترتیب معنیدار در سطح احتمال 5 و 1 درصد میباشد.
در گروه چهار، نیز 15 لاین با متوسط عملکرد دانه 4947، وزن هزار دانه 9/37 گرم و ارتفاع بوته 103 سانتیمتر قرار داشتند. متوسط درصد خوابیدگی در این گروه 38 درصد بود (جدول 6). نتایج SIIG نشان داد لاینهای این گروه شامل لاینهای شماره 9، 10، 90، 27، 44، 22، 19، 45، 52، 36، 6، 17، 79، 14 و 18 بهترتیب با کمترین مقدار SIIG (بهترتیب 200/0، 247/0، 266/0، 284/0، 296/0، 321/0، 340/0، 356/0، 360/0، 362/0، 363/0، 381/0، 393/0 394/0 و 396/0) جزء ضعیفترین لاینها بهترتیب از نظر عملکرد دانه و وزن هزار دانه بهطور همزمان بودند (جدول 5). زالی و براتی (2020) بهمنظور بررسی کارایی شاخصSIIG در انتخاب برترین لاینهای جو از نظر عملکرد دانه، وزن هزار دانه، ارتفاع بوته، تعداد روز تا گلدهی و تعداد رو تا رسیدگی بهطور همزمان از این شاخص استفاده نمودند. در این تحقیق لاینهای مورد بررسی بر اساس شاخص SIIG در 6 دسته گروهبندی شدند. همچنین نتایج نشان داد که شاخص SIIG بهخوبی توانسته ژنوتیپها را بر اساس سه صفت عملکرد دانه، وزن هزار دانه و ارتفاع بوته دستهبندی نماید.
شاخص انتخاب ژنوتیپ ایدهآل (SIIG) یک مدل گزینشگر بوده و بهمنظور انتخاب ایدهآلترین ارقام و لاینها از بین ژنوتیپهای مورد بررسی بهکار میرود. محققان میتوانند از شاخص SIIG، بهمنظور انتخاب برترین ژنوتیپها با استفاده از ادغام شاخصهای مختلف تحمل به خشکی (زالی و همکاران 2017)، پارامترهای تجزیه پایداری (زالی و همکاران 2015، نجفی میرک و همکاران 2018) یا صفات مختلف مورفولوژیک (زالی و براتی 2020، عبدالهی حصار و همکاران 2020) و فیزیولوژیک استفاده کنند. بهعبارتدیگر با استفاده از روش SIIG میتوان صفات مختلف را بهصورت یک شاخص واحد درآورد و انتخاب ژنوتیپهای برتر را مطمئنتر و دقیقتر انجام داد. از دیگر ویژگیهای شاخص SIIG، ادغام صفات با واحدهای مختلف است. همانطور که مشاهده شد در این تحقیق از صفاتی با واحدهای متفاوت استفاده شد. همچنین باید توجه داشت هر چه صفتی دارای تنوع فنوتیپی بیشتری باشد نقش آن در مقدار عددی شاخص SIIG بیشتر خواهد بود. در صورتیکه در تحقیقی تعداد صفات مورد بررسی زیاد باشد برای انتخاب ژنوتیپهای با عملکرد دانه بالا و صفات مطلوب بهتر است شاخص SIIG بر مبنای همه صفات بهجزء عملکرد دانه محاسبه شود و در نهایت انتخاب ژنوتیپها در یک نمودار دو بعدی که یک محور آن شاخص SIIG و محور دیگر آن عملکرد دانه است صورت گیرد.
در نهایت نتایج این تحقیق نشان داد که شاخص SIIG بهخوبی توانسته ژنوتیپها را بر اساس صفات عملکرد دانه، وزن هزار دانه و همچنین درصد خوابیدگی بوته دستهبندی نماید. نتایج گروهبندی لاینها بر اساس شاخص SIIG نشان داد همه لاینهای گروه یک، همه لاینهای گروه دو (بهجزء لاین 55) و لاینهای شماره13، 116، 29، 7، 77، 89 و 72 از گروه سه بهدلیل داشتن عملکرد بالاتر از متوسط کل و هم از بیشتر ژنوتیپهای شاهد جزء لاینهای برتر در این تحقیق بودند. در ضمن این لاینها دارای وزن هزار دانه بالایی نیز بودند و میتوان از آنها را برای آزمایشات بیشتر از جمله آزمایشات سازگاری استفاده نمود.
جدول 5- مقادیر صفات مختلف مورفو-فنولوژیکی و شاخص SIIG در 107 لاین امیدبخش جو
|
شماره لاینها |
DHE (Day) |
DMA (Day) |
PLH (cm) |
TKW (g) |
YLD (kg. ha-1) |
Lodg (%) |
RT |
|
SIIG |
رتبه |
گروه |
|
2 |
104 |
144 |
81 |
42 |
5097 |
0 |
6 |
465/0 |
66 |
3 |
|
|
3 |
102 |
144 |
91 |
47 |
6947 |
0 |
6 |
|
651/0 |
4 |
1 |
|
4 |
99 |
141 |
106 |
41 |
5593 |
100 |
6 |
|
402/0 |
94 |
3 |
|
5 |
102 |
145 |
116 |
42 |
6293 |
100 |
6 |
|
438/0 |
76 |
3 |
|
6 |
102 |
144 |
119 |
40 |
5883 |
70 |
6 |
|
363/0 |
101 |
4 |
|
7 |
100 |
139 |
102 |
40 |
6113 |
0 |
6 |
|
461/0 |
68 |
3 |
|
8 |
103 |
143 |
111 |
45 |
5427 |
70 |
6 |
|
401/0 |
96 |
3 |
|
9 |
110 |
145 |
128 |
36 |
4983 |
100 |
6 |
|
200/0 |
111 |
4 |
|
10 |
103 |
145 |
116 |
34 |
5250 |
90 |
6 |
|
247/0 |
110 |
4 |
|
12 |
100 |
140 |
101 |
46 |
5177 |
0 |
6 |
|
435/0 |
78 |
3 |
|
13 |
101 |
143 |
126 |
50 |
6470 |
0 |
6 |
|
492/0 |
54 |
3 |
|
14 |
102 |
142 |
87 |
38 |
4920 |
0 |
6 |
|
394/0 |
98 |
4 |
|
15 |
102 |
142 |
88 |
45 |
4967 |
0 |
6 |
|
464/0 |
67 |
3 |
|
16 |
103 |
140 |
104 |
45 |
6810 |
0 |
6 |
|
566/0 |
27 |
2 |
|
17 |
101 |
142 |
95 |
41 |
4790 |
0 |
6 |
|
381/0 |
100 |
4 |
|
18 |
101 |
139 |
96 |
48 |
3900 |
0 |
6 |
|
396/0 |
97 |
4 |
|
19 |
99 |
137 |
87 |
34 |
4250 |
0 |
6 |
|
340/0 |
105 |
4 |
|
20 |
102 |
141 |
91 |
46 |
5150 |
0 |
6 |
|
475/0 |
59 |
3 |
|
22 |
111 |
146 |
99 |
41 |
4400 |
0 |
6 |
|
321/0 |
106 |
4 |
|
23 |
101 |
141 |
81 |
45 |
5167 |
0 |
6 |
|
504/0 |
50 |
2 |
|
24 |
105 |
143 |
84 |
38 |
6643 |
0 |
6 |
|
543/0 |
37 |
2 |
|
25 |
103 |
142 |
101 |
48 |
6610 |
0 |
6 |
|
586/0 |
19 |
2 |
|
26 |
100 |
141 |
79 |
46 |
5080 |
0 |
6 |
|
512/0 |
45 |
2 |
|
27 |
111 |
144 |
98 |
34 |
4730 |
0 |
6 |
|
284/0 |
108 |
4 |
|
28 |
98 |
135 |
84 |
50 |
5277 |
0 |
2 |
|
553/0 |
34 |
2 |
|
29 |
103 |
142 |
99 |
40 |
6330 |
0 |
6 |
|
485/0 |
57 |
3 |
|
30 |
101 |
143 |
100 |
49 |
5850 |
0 |
6 |
|
531/0 |
40 |
2 |
|
32 |
103 |
142 |
107 |
40 |
5790 |
60 |
6 |
|
403/0 |
93 |
3 |
|
33 |
107 |
142 |
94 |
43 |
5970 |
0 |
6 |
|
498/0 |
51 |
3 |
|
34 |
101 |
143 |
87 |
38 |
7703 |
0 |
6 |
|
612/0 |
10 |
1 |
|
35 |
101 |
142 |
110 |
40 |
8003 |
0 |
6 |
|
572/0 |
22 |
2 |
|
36 |
107 |
145 |
114 |
38 |
5967 |
60 |
6 |
|
362/0 |
102 |
4 |
|
37 |
97 |
143 |
101 |
42 |
6413 |
0 |
6 |
|
511/0 |
47 |
2 |
|
38 |
101 |
143 |
118 |
46 |
5600 |
90 |
6 |
|
412/0 |
88 |
3 |
|
39 |
103 |
139 |
101 |
48 |
5620 |
0 |
6 |
|
498/0 |
52 |
3 |
|
40 |
101 |
139 |
95 |
46 |
5087 |
0 |
6 |
|
456/0 |
72 |
3 |
|
42 |
101 |
137 |
86 |
46 |
4560 |
0 |
6 |
|
457/0 |
70 |
3 |
|
43 |
100 |
144 |
102 |
46 |
7653 |
50 |
6 |
|
645/0 |
5 |
1 |
|
44 |
103 |
144 |
128 |
41 |
5343 |
95 |
6 |
|
296/0 |
107 |
4 |
|
45 |
99 |
142 |
101 |
38 |
5247 |
95 |
6 |
|
356/0 |
104 |
4 |
|
46 |
103 |
142 |
104 |
42 |
7100 |
20 |
6 |
|
551/0 |
35 |
2 |
|
47 |
98 |
141 |
102 |
42 |
6707 |
10 |
6 |
|
530/0 |
42 |
2 |
|
48 |
100 |
142 |
85 |
44 |
5810 |
0 |
6 |
|
535/0 |
38 |
2 |
|
49 |
98 |
149 |
73 |
46 |
5823 |
100 |
6 |
|
593/0 |
16 |
2 |
|
50 |
103 |
142 |
99 |
40 |
5550 |
100 |
6 |
|
415/0 |
87 |
3 |
|
52 |
103 |
143 |
93 |
36 |
5053 |
5 |
6 |
|
360/0 |
103 |
4 |
|
53 |
103 |
142 |
99 |
38 |
5737 |
0 |
6 |
|
412/0 |
89 |
3 |
|
54 |
103 |
143 |
95 |
45 |
6487 |
0 |
6 |
|
569/0 |
24 |
2 |
|
55 |
101 |
141 |
81 |
54 |
4493 |
0 |
2 |
|
525/0 |
43 |
2 |
|
56 |
100 |
142 |
105 |
47 |
6307 |
0 |
6 |
|
534/0 |
39 |
2 |
|
57 |
100 |
142 |
97 |
40 |
5380 |
0 |
6 |
|
408/0 |
90 |
3 |
|
58 |
102 |
142 |
107 |
50 |
7267 |
0 |
6 |
|
638/0 |
6 |
1 |
|
59 |
102 |
141 |
88 |
42 |
4773 |
0 |
2 |
|
416/0 |
86 |
3 |
|
60 |
99 |
140 |
92 |
44 |
5577 |
0 |
6 |
|
496/0 |
53 |
3 |
|
62 |
97 |
131 |
81 |
44 |
3967 |
0 |
6 |
|
431/0 |
81 |
3 |
|
63 |
98 |
136 |
96 |
42 |
5197 |
0 |
6 |
|
425/0 |
85 |
3 |
جدول 5: ادامه
|
شماره لاینها |
DHE (Day) |
DMA (Day) |
PLH (cm) |
TKW (g) |
YLD (kg. ha-1) |
Lodg (%) |
RT |
|
SIIG |
رتبه |
گروه |
|
64 |
100 |
142 |
111 |
50 |
5703 |
0 |
6 |
487/0 |
55 |
3 |
|
|
65 |
102 |
142 |
112 |
51 |
6437 |
0 |
6 |
|
553/0 |
33 |
2 |
|
66 |
99 |
134 |
95 |
51 |
4733 |
0 |
2 |
|
485/0 |
58 |
3 |
|
67 |
103 |
139 |
94 |
40 |
5743 |
0 |
6 |
|
449/0 |
75 |
3 |
|
68 |
98 |
136 |
86 |
42 |
5233 |
50 |
6 |
|
470/0 |
64 |
3 |
|
69 |
98 |
132 |
97 |
50 |
4797 |
0 |
6 |
|
473/0 |
60 |
3 |
|
70 |
98 |
133 |
94 |
48 |
4690 |
0 |
6 |
|
457/0 |
71 |
3 |
|
72 |
102 |
142 |
107 |
38 |
6020 |
0 |
6 |
|
402/0 |
95 |
3 |
|
73 |
99 |
141 |
93 |
46 |
6857 |
0 |
6 |
|
631/0 |
8 |
1 |
|
74 |
100 |
140 |
95 |
40 |
5813 |
50 |
6 |
|
454/0 |
74 |
3 |
|
75 |
102 |
142 |
104 |
49 |
6770 |
0 |
6 |
|
600/0 |
14 |
1 |
|
76 |
103 |
143 |
112 |
42 |
7670 |
0 |
6 |
|
560/0 |
32 |
2 |
|
77 |
103 |
143 |
109 |
38 |
6397 |
0 |
6 |
|
434/0 |
79 |
3 |
|
78 |
103 |
142 |
108 |
44 |
5470 |
0 |
6 |
|
408/0 |
91 |
3 |
|
79 |
103 |
141 |
87 |
41 |
4483 |
0 |
6 |
|
393/0 |
99 |
4 |
|
80 |
102 |
139 |
83 |
42 |
4520 |
0 |
6 |
|
429/0 |
82 |
3 |
|
82 |
107 |
144 |
82 |
41 |
5203 |
0 |
6 |
|
459/0 |
69 |
3 |
|
83 |
109 |
145 |
94 |
46 |
7927 |
0 |
2 |
|
688/0 |
2 |
1 |
|
84 |
99 |
140 |
104 |
42 |
7477 |
40 |
6 |
|
589/0 |
18 |
2 |
|
85 |
99 |
143 |
116 |
47 |
6520 |
0 |
6 |
|
511/0 |
46 |
2 |
|
86 |
98 |
140 |
95 |
48 |
5580 |
0 |
6 |
|
523/0 |
44 |
2 |
|
87 |
99 |
141 |
92 |
43 |
7097 |
0 |
6 |
|
623/0 |
9 |
1 |
|
88 |
100 |
142 |
94 |
52 |
5937 |
0 |
6 |
|
592/0 |
17 |
2 |
|
89 |
101 |
143 |
104 |
36 |
6353 |
0 |
6 |
|
426/0 |
84 |
3 |
|
90 |
103 |
143 |
103 |
30 |
5007 |
50 |
6 |
|
266/0 |
109 |
4 |
|
92 |
102 |
143 |
95 |
50 |
5813 |
0 |
6 |
|
563/0 |
29 |
2 |
|
93 |
100 |
140 |
98 |
47 |
6733 |
0 |
6 |
|
607/0 |
12 |
1 |
|
94 |
99 |
139 |
87 |
51 |
5467 |
0 |
2 |
|
571/0 |
23 |
2 |
|
95 |
100 |
145 |
105 |
43 |
5613 |
0 |
6 |
|
427/0 |
83 |
3 |
|
96 |
100 |
144 |
102 |
48 |
6513 |
0 |
6 |
|
574/0 |
20 |
2 |
|
97 |
102 |
144 |
103 |
44 |
5973 |
0 |
6 |
|
472/0 |
61 |
3 |
|
98 |
100 |
142 |
97 |
45 |
5113 |
0 |
6 |
|
436/0 |
77 |
3 |
|
99 |
97 |
139 |
112 |
58 |
5617 |
0 |
6 |
|
548/0 |
36 |
2 |
|
100 |
102 |
142 |
94 |
50 |
5247 |
0 |
6 |
|
507/0 |
48 |
2 |
|
102 |
98 |
143 |
91 |
43 |
8293 |
0 |
6 |
|
696/0 |
1 |
1 |
|
103 |
103 |
143 |
107 |
48 |
7463 |
0 |
6 |
|
635/0 |
7 |
1 |
|
104 |
103 |
143 |
109 |
50 |
6618 |
0 |
6 |
|
573/0 |
21 |
2 |
|
105 |
103 |
143 |
108 |
49 |
6570 |
0 |
6 |
|
566/0 |
28 |
2 |
|
106 |
103 |
143 |
95 |
46 |
6593 |
0 |
6 |
|
597/0 |
15 |
2 |
|
107 |
103 |
143 |
111 |
42 |
5813 |
95 |
6 |
|
405/0 |
92 |
3 |
|
108 |
99 |
139 |
91 |
48 |
4737 |
95 |
6 |
|
466/0 |
65 |
3 |
|
109 |
98 |
137 |
99 |
51 |
5880 |
0 |
6 |
|
568/0 |
25 |
2 |
|
110 |
100 |
142 |
98 |
47 |
5917 |
0 |
6 |
|
531/0 |
41 |
2 |
|
112 |
100 |
143 |
120 |
43 |
7117 |
30 |
6 |
|
507/0 |
49 |
2 |
|
113 |
103 |
144 |
104 |
49 |
5403 |
0 |
6 |
|
471/0 |
62 |
3 |
|
114 |
101 |
143 |
105 |
47 |
6630 |
0 |
6 |
|
562/0 |
30 |
2 |
|
115 |
103 |
142 |
102 |
42 |
6097 |
90 |
6 |
|
471/0 |
63 |
3 |
|
116 |
99 |
140 |
106 |
39 |
6680 |
50 |
6 |
|
486/0 |
56 |
3 |
|
117 |
100 |
141 |
112 |
46 |
5553 |
50 |
6 |
|
432/0 |
80 |
3 |
|
118 |
99 |
142 |
113 |
50 |
6673 |
40 |
6 |
|
561/0 |
31 |
2 |
|
119 |
107 |
142 |
95 |
46 |
5213 |
0 |
6 |
|
455/0 |
73 |
3 |
|
Auxin |
99 |
141 |
103 |
45 |
6827 |
0 |
6 |
|
568/0 |
26 |
2 |
|
Norooze |
109 |
143 |
76 |
48 |
5953 |
0 |
6 |
|
611/0 |
11 |
1 |
|
WB-90-14 |
110 |
143 |
97 |
56 |
5960 |
0 |
6 |
|
669/0 |
13 |
1 |
|
WB-96-19 |
101 |
145 |
100 |
49 |
7384 |
2 |
6 |
|
669/0 |
3 |
1 |
DHE: تعداد روز تا گلدهی؛ DMA: تعداد روز تا رسیدگی؛ PLH: ارتفاع بوته؛ TKW: وزن هزار دانه؛ Lodg: درصد خوابیدگی؛ YLD: عملکرد دانه، RT: تعداد ردیف در خوشه جو
جدول 6- گروهبندی لاینهای جو بر اساس شاخص SIIG و میانگین صفات مختلف مورفو-فنولوژیک در هر گروه
|
میانگین گروهها |
|
تعداد لاین |
گروه |
شاخص SIIG |
|||||
|
YLD (kg. ha-1) |
Lodg (%) |
TKW (g) |
PLH (cm) |
DMA (day) |
DHE (day) |
||||
|
7337 |
5 |
7/45 |
97 |
143 |
101 |
|
11 |
1 |
7/0 > SIIG ≤ 6/0 |
|
6253 |
7 |
9/46 |
99 |
142 |
101 |
|
35 |
2 |
6/0 > SIIG ≤ 5/0 |
|
5485 |
22 |
5/43 |
99 |
141 |
101 |
|
46 |
3 |
5/0 > SIIG ≤4/0 |
|
4947 |
38 |
9/37 |
103 |
143 |
104 |
|
15 |
4 |
4/0 > SIIG ≤ 2/0 |
DHE: تعداد روز تا گلدهی؛ DMA: تعداد روز تا رسیدگی؛ PLH: ارتفاع بوته؛ TKW: وزن هزار دانه؛ Lodg: درصد خوابیدگی؛ YLD: عملکرد دانه
سپاسگزاری
از همه همکاران مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس (ایستگاه داراب) که نسبت به اجرا و یادداشتبرداری صفات مورد بررسی همکاری مفید و موثری داشتهاند تشکر و قدردانی میشود.
[1] - Selection index of ideal genotype
[2] - Restricted maximum likelihood
[3] - Best linear unbiased prediction
[4] - Best linear unbiased estimation
)
