ارزیابی پایداری عملکرد ژنوتیپ‎های نخود بر اساس شاخص‎های مبتنی بر مدل‎هایAMMI ، BLUP، MTSI و MGIDI

نوع مقاله : مقاله پژوهشی

نویسندگان

1 بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی،

2 مؤسسه تحقیقات کشاورزی دیم کشور، معاونت سرارود، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه، ایران

10.22034/saps.2024.60435.3177

چکیده

مقدمه و هدف:
نخود به واسطه درصد پروتئین و ارزش تغذیه‎ای زیاد، یکی از حبوبات مهم محسوب می‎شود. گزینش پایداری چند صفتی به ارزیابی بهتر ژنوتیپ‌های گیاهی و دستیابی به نتایج دقیق‌تر کمک می‌کند. این پژوهش برای شناسایی ژنوتیپ‎های پایدار و پر محصول نخود انجام شد.
مواد و روش‎ها:
در این پژوهش، 13 ژنوتیپ پیشرفته نخود همراه با دو شاهد منصور و توده محلی بیونیج در قالب طرح بلوک‎های کامل تصادفی در سه تکرار، در ایستگاه تحقیقات کشاورزی و منابع طبیعی سراب چنگائی خرم آباد (لرستان) به مدت سه سال زراعی (1398-1401)، مورد ارزیابی قرار گرفتند.
یافته‎ها: نمودار موزائیکی نشان داد که سهم مجموع مربعات ژنوتیپ و برهمکنش ژنوتیپ در محیط (سال) در مجموع مربعات کل به‎ترتیب 97/29 و 79/36 درصد بود. آزمون نسبت درست‎نمایی نشان داد که برهمکنش ژنوتیپ در سال بر عملکرد دانه، وزن صد دانه، ارتفاع بوته، تعداد روز تا گلدهی، تعداد روز تا رسیدگی، دوره پرشدن دانه سرعت پرشدن دانه، بهره‎وری از بارش، سرعت تشکیل عملکرد دانه و وزن تک دانه معنی‎دار بود. آزمون اسکریت نشان داد دو مؤلفه اصلی اولیه سهم قابل توجهی در توجیه برهمکنش ماتریس ژنوتیپ در محیط حاصل از داشتند، به‎طوری که مؤلفه اصلی اول و دوم به ترتیب 5/69 و 5/30 درصد از تغییرات برهمکنش ژنوتیپ در محیط را توجیه کردند.
نتیجه‎گیری: در مجموع، بر اساس نتایج کل روش‎ها و انتخاب همزمان بر اساس پایداری عملکرد دانه و همه صفات اندازه‎گیری شده، ژنوتیپ‎های شماره 2 (X010TH163K2) و 12 (X010TH72K2) ژنوتیپ‎هایی پایدار و برتر نسبت به میانگین کل ژنوتیپ‎ها بودند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluation of performance stability of chickpea genotypes using AMMI, BLUP, MTSI and MGIDI Indexes

نویسندگان [English]

  • Payam Pezeshkpour 1
  • Reza Amiri 1
  • Adel Jahangiri 2
1 Crop and Horticultural Science Research Department, Lorestan Agricultural and Natural Resources Research and Education Center, AREEO, Khorramabad, Iran
2 Dryland Agricultural Research Institute, Sararood Branch, Agricultural Research, Education and Extension (AREEO), Kermanshah, Iran
چکیده [English]

Extended Abstract
Chickpea is considered one of the most important legumes due to their protein percentage and high nutritional value. Multi-trait stability selection (MTSI) helps to better evaluate plant genotypes and achieve more accurate results. This research was done to identify stable and high-yielding chickpea genotypes.
Material and Methods:
In this study, thirteen advanced chickpea genotypes were evaluated along with two check varieties (Mansour and Bivanij) based on randomized complete block design with three replications at Sarab Changai Agricultural and Natural Resources Research Station Khoramabad Lorestan for three crop years (2020-2022).
Results: The mosaic diagram showed that the contribution of the sum of squares of genotype and the genotype × environment in the total sum of squares was 29.97 and 36.79%, respectively. The Likelihood Ratio Test (LRT) showed that the effect of genotype by environment interactions (GEI) was significant on grain yield, 100-seed weight, plant height, number of days to flowering, number of days to maturity, grain filling rate and grain filling period. The Scree test showed that the first two principal components had a significant contribution to the GEI matrix derived from BLUP, as the first and second principal components explained 69.5% and 30.58% of the GEI variation respectively.
Conclusion: In general, based on the results of all methods and simultaneous selection based on grain yield stability and all measured traits (MTSI), genotypes 2(X010TH163K2) and 12( X010TH72K2 ) were stable and superior genotypes, compared to the average of the total traits of the genotypes.

کلیدواژه‌ها [English]

  • Single Value Decomposition (SVD)
  • Multi- trait stability index (MTSI)
  • Simultaneous selection
  • Mosaic plot
  • Heatmap plot