ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووس
سابقه و هدف: با توجه به اینکه تنش خشکی به عنوان یک محدودیت بزرگ در تولید و عملکرد پایدار محصولات گیاهی از جمله سویا محسوب می‌گردد، شناسایی ژنوتیپ‌های متحمل به کم‌آبی می‌تواند یک راهکار ارزشمند در مقابله با این معضل باشد. پژوهش حاضر با هدف ارزیابی و گروهبندی ارقام و لاین‌های پیشرفته سویا بر اساس صفات...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Gorgan University of Agricultural Sciences and Natural Resources
2016-09-01
|
| Series: | تولید گیاهان زراعی |
| Subjects: | |
| Online Access: | https://ejcp.gau.ac.ir/article_3240_7c76b727cfce02e2308d4de64ff2bbad.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1846144724910473216 |
|---|---|
| author | احمدرضا دادرس حبیب ا.. سمیع زاده حسین صبوری |
| author_facet | احمدرضا دادرس حبیب ا.. سمیع زاده حسین صبوری |
| author_sort | احمدرضا دادرس |
| collection | DOAJ |
| description | سابقه و هدف: با توجه به اینکه تنش خشکی به عنوان یک محدودیت بزرگ در تولید و عملکرد پایدار محصولات گیاهی از جمله سویا محسوب می‌گردد، شناسایی ژنوتیپ‌های متحمل به کم‌آبی می‌تواند یک راهکار ارزشمند در مقابله با این معضل باشد. پژوهش حاضر با هدف ارزیابی و گروهبندی ارقام و لاین‌های پیشرفته سویا بر اساس صفات مختلف زراعی جهت توصیه برترین ارقام و لاین‌ها در محیط بدون تنش و تحت تنش خشکی در دو منطقه رشت و گنبد کاووس طراحی شد. مواد و روش‌ها: مواد گیاهی شامل 100 لاین پیشرفته به همراه 21 رقم سویا بود که در دو محیط تحت تنش آبی (25 درصد ظرفیت زراعی) و بدون تنش و در دو منطقه در سال زراعی 1393 در قالب طرح بلوک‌های کامل تصادفی در سه تکرار کشت شد. تعداد 21 صفت شامل صفات فنولوژیکی، موفولوژیکی و عملکرد و اجزای عملکرد مورد ارزیابی قرار گرفتند. تجزیه واریانس مرکب، تجزیه خوشه‌ای، تجزیه تابع تشخیص و تجزیه به مؤلفه‌های اصلی انجام گرفت. یافته‌ها: نتایج تجزیه واریانس برای 21 صفت مورد بررسی نشان داد برای تمامی صفات اختلاف بین ژنوتیپ‌ها و حداقل یکی از برهمکنش‌ها در سطح احتمال یک درصد معنی‌دار بودند که نشان‌دهنده تنوع بالا و واکنش متفاوت ارقام و لاین‌ها در محیط‌های مختلف از لحاظ صفات اندازه‌گیری شده بود. بر این اساس سایر تجزیه‌ها در هر کدام از محیط‌ها به طور مجزا مورد بررسی قرار گرفت. تجزیه خوشه‌ای ارقام و لاین‌ها را در هر کدام از محیط‌ها به دو تا سه گروه تقسیم‌بندی نمود. ارقام و لاین‌های برتر در خوشه‌هایی قرار گرفتند که میانگین اکثر صفات مهم آنها بالاتر از سایر گروه‌ها و میانگین کل بود. در مجموع ارقام و لاین‌های 8، 16، 36، 37، 42، 63، 67، 72 و 86 هم در شرایط بدون تنش و هم در شرایط تنش خشکی رشت در گروه برتر واقع شدند و ارقام و لاین‌های 34، 43، 62، 66 و 70 در هر دو شرایط بدون تنش و تنش خشکی در گنبد کاووس نمود بهتری داشتند. تجزیه تابع تشخیص بر روی گروه‌های منفک از تجزیه خوشه‌ای نشان داد در اغلب محیط‌ها، صفات وزن کل بوته، وزن دانه در کل غلاف‌ها، تعداد کل غلاف و تعداد دانه در کل غلاف‌ها بیشترین تأثیر را در تمایز گروه‌ها داشتند. به طوری‌که گروه‌های شامل ارقام و لاین‌های برتر از لحاظ این صفات ارزش‌های بالاتری را به خود اختصاص دادند. نتیجه گیری: انتظار می‌رود بتوان پس از تأیید نتایج در چند سال، از لاین‌ها و ارقام متحمل شناسایی شده در مناطق مورد بررسی استفاده نمود و با توجه به نقش مؤثرتر برخی از صفات از جمله وزن کل بوته، وزن دانه در کل غلاف‌ها و تعداد غلاف، باید در برنامه‌های به-نژادی از قبیل غربال و بهبود ژنوتیپ‌ها در اولویت قرار گیرند. |
| format | Article |
| id | doaj-art-6d6eb641ad4b444d8f3bcf36b2e0450f |
| institution | Kabale University |
| issn | 2008-739X 2008-7403 |
| language | fas |
| publishDate | 2016-09-01 |
| publisher | Gorgan University of Agricultural Sciences and Natural Resources |
| record_format | Article |
| series | تولید گیاهان زراعی |
| spelling | doaj-art-6d6eb641ad4b444d8f3bcf36b2e0450f2024-12-02T06:57:34ZfasGorgan University of Agricultural Sciences and Natural Resourcesتولید گیاهان زراعی2008-739X2008-74032016-09-019310513210.22069/ejcp.2016.9760.17583240ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووساحمدرضا دادرس0حبیب ا.. سمیع زاده1حسین صبوری2دانشگاه گیلاندانشگاه گیلاندانشگاه گنبد کاووسسابقه و هدف: با توجه به اینکه تنش خشکی به عنوان یک محدودیت بزرگ در تولید و عملکرد پایدار محصولات گیاهی از جمله سویا محسوب می‌گردد، شناسایی ژنوتیپ‌های متحمل به کم‌آبی می‌تواند یک راهکار ارزشمند در مقابله با این معضل باشد. پژوهش حاضر با هدف ارزیابی و گروهبندی ارقام و لاین‌های پیشرفته سویا بر اساس صفات مختلف زراعی جهت توصیه برترین ارقام و لاین‌ها در محیط بدون تنش و تحت تنش خشکی در دو منطقه رشت و گنبد کاووس طراحی شد. مواد و روش‌ها: مواد گیاهی شامل 100 لاین پیشرفته به همراه 21 رقم سویا بود که در دو محیط تحت تنش آبی (25 درصد ظرفیت زراعی) و بدون تنش و در دو منطقه در سال زراعی 1393 در قالب طرح بلوک‌های کامل تصادفی در سه تکرار کشت شد. تعداد 21 صفت شامل صفات فنولوژیکی، موفولوژیکی و عملکرد و اجزای عملکرد مورد ارزیابی قرار گرفتند. تجزیه واریانس مرکب، تجزیه خوشه‌ای، تجزیه تابع تشخیص و تجزیه به مؤلفه‌های اصلی انجام گرفت. یافته‌ها: نتایج تجزیه واریانس برای 21 صفت مورد بررسی نشان داد برای تمامی صفات اختلاف بین ژنوتیپ‌ها و حداقل یکی از برهمکنش‌ها در سطح احتمال یک درصد معنی‌دار بودند که نشان‌دهنده تنوع بالا و واکنش متفاوت ارقام و لاین‌ها در محیط‌های مختلف از لحاظ صفات اندازه‌گیری شده بود. بر این اساس سایر تجزیه‌ها در هر کدام از محیط‌ها به طور مجزا مورد بررسی قرار گرفت. تجزیه خوشه‌ای ارقام و لاین‌ها را در هر کدام از محیط‌ها به دو تا سه گروه تقسیم‌بندی نمود. ارقام و لاین‌های برتر در خوشه‌هایی قرار گرفتند که میانگین اکثر صفات مهم آنها بالاتر از سایر گروه‌ها و میانگین کل بود. در مجموع ارقام و لاین‌های 8، 16، 36، 37، 42، 63، 67، 72 و 86 هم در شرایط بدون تنش و هم در شرایط تنش خشکی رشت در گروه برتر واقع شدند و ارقام و لاین‌های 34، 43، 62، 66 و 70 در هر دو شرایط بدون تنش و تنش خشکی در گنبد کاووس نمود بهتری داشتند. تجزیه تابع تشخیص بر روی گروه‌های منفک از تجزیه خوشه‌ای نشان داد در اغلب محیط‌ها، صفات وزن کل بوته، وزن دانه در کل غلاف‌ها، تعداد کل غلاف و تعداد دانه در کل غلاف‌ها بیشترین تأثیر را در تمایز گروه‌ها داشتند. به طوری‌که گروه‌های شامل ارقام و لاین‌های برتر از لحاظ این صفات ارزش‌های بالاتری را به خود اختصاص دادند. نتیجه گیری: انتظار می‌رود بتوان پس از تأیید نتایج در چند سال، از لاین‌ها و ارقام متحمل شناسایی شده در مناطق مورد بررسی استفاده نمود و با توجه به نقش مؤثرتر برخی از صفات از جمله وزن کل بوته، وزن دانه در کل غلاف‌ها و تعداد غلاف، باید در برنامه‌های به-نژادی از قبیل غربال و بهبود ژنوتیپ‌ها در اولویت قرار گیرند.https://ejcp.gau.ac.ir/article_3240_7c76b727cfce02e2308d4de64ff2bbad.pdfتجزیه به مؤلفه های اصلیتجزیه تابع تشخیصتجزیه خوشه ایتنش کم آبیسویا |
| spellingShingle | احمدرضا دادرس حبیب ا.. سمیع زاده حسین صبوری ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووس تولید گیاهان زراعی تجزیه به مؤلفه های اصلی تجزیه تابع تشخیص تجزیه خوشه ای تنش کم آبی سویا |
| title | ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووس |
| title_full | ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووس |
| title_fullStr | ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووس |
| title_full_unstemmed | ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووس |
| title_short | ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووس |
| title_sort | ارزیابی و گروهبندی ارقام و لاین‌های سویا در شرایط بدون تنش و تنش خشکی با استفاده از روش‌های چند متغیره آماری در دو منطقه رشت و گنبد کاووس |
| topic | تجزیه به مؤلفه های اصلی تجزیه تابع تشخیص تجزیه خوشه ای تنش کم آبی سویا |
| url | https://ejcp.gau.ac.ir/article_3240_7c76b727cfce02e2308d4de64ff2bbad.pdf |
| work_keys_str_mv | AT ạḥmdrḍạdạdrs ạrzyạbywgrwhbndyạrqạmwlạynhạyswyạdrsẖrạyṭbdwntnsẖwtnsẖkẖsẖḵybạạstfạdhạzrwsẖhạycẖndmtgẖyrhậmạrydrdwmnṭqhrsẖtwgnbdḵạwws AT ḥbybạsmyʿzạdh ạrzyạbywgrwhbndyạrqạmwlạynhạyswyạdrsẖrạyṭbdwntnsẖwtnsẖkẖsẖḵybạạstfạdhạzrwsẖhạycẖndmtgẖyrhậmạrydrdwmnṭqhrsẖtwgnbdḵạwws AT ḥsynṣbwry ạrzyạbywgrwhbndyạrqạmwlạynhạyswyạdrsẖrạyṭbdwntnsẖwtnsẖkẖsẖḵybạạstfạdhạzrwsẖhạycẖndmtgẖyrhậmạrydrdwmnṭqhrsẖtwgnbdḵạwws |