
تعداد نشریات | 13 |
تعداد شمارهها | 622 |
تعداد مقالات | 6,491 |
تعداد مشاهده مقاله | 8,611,701 |
تعداد دریافت فایل اصل مقاله | 8,200,914 |
بررسی روابط بین عملکرد و اجزای عملکرد دانه در ارقام بهاره کلزا با استفاده از روشهای آماری چند متغیره | ||
پژوهشهای تولید گیاهی | ||
دوره 30، شماره 3، مهر 1402، صفحه 85-100 اصل مقاله (1.25 M) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jopp.2023.20680.2971 | ||
نویسندگان | ||
محمد امین نوروزی1؛ لیلا آهنگر* 2؛ کمال پیغام زاده3؛ حسین صبوری4؛ سید جواد سجادی5 | ||
1دانشآموخته کارشناسیارشد بیوتکنولوژی، گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبد کاووس، گنبد کاووس، ایران. | ||
2نویسنده مسئول، استادیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی گنبد، دانشگاه گنبد کاووس، گنبد کاووس، ایران. | ||
3استادیار بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران | ||
4دانشیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی گنبد، دانشگاه گنبد کاووس، گنبد کاووس، ایران | ||
5استادیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی گنبد، دانشگاه گنبد کاووس، گنبد کاووس، ایران. | ||
چکیده | ||
سابقه و هدف: کلزا با نام علمی (.Brassica napus L) یکی از مهمترین گیاهان دانه روغنی در جهان است. با توجه به نیاز روز افزون کشور به واردات روغن و اهمیت کلزا در بین دانههای روغنی، افزایش عملکرد دانه و درصد روغن از اهمیت زیادی برخوردار است. بنابراین شناخت صفاتی که موجب افزایش عملکرد دانه میشوند، نقش مهمی در موفقیت برنامههای بـه نـژادی دارند. عملکرد یک صفت پیچیده است که تحت تأثیر عوامل زیادی قرار میگیرد. انتخاب مستقیم یک رقم برای عملکرد اغلب چندان مؤثر نیست، بنابراین بررسی روابط بین عملکرد دانه و صفات دیگر برای انتخاب غیرمستقیم ممکن است مؤثر باشد. در چنین شرایطی همبستگیها ممکن است به خوبی ارتباطها را روشن نکنند، لذا روشهای آماری چند متغیره و تجزیه مسیر میتوانند در درک ماهیت رابطه بین صفات برای انتخاب مستقیم یا غیرمستقیم و در نتیجه بهبود کارایی انتخاب اصلاحی در برنامههای اصلاح نباتات مفید واقع گردند. مواد و روشها: در این مطالعه هشت ژنوتیپ کلزای بهاره (SPN-202، SPN-204، SPN-206، SPN-207، SPN-217، SPN-225،SPN-227 و SPN-182) به همراه 56 هیبرید کلزا (F1) در سال زراعی 99-1398 در قالب طرح بلوکهای کامل تصادفی با سه تکرار در مزرعه تحقیقاتی ایستگاه تحقیقات کشاورزی گرگان کشت شدند. در طول آزمایش صفات فنولوژیک، مورفولوژیک، عملکرد و اجزای عملکرد یادداشت برداری شدند و نرمال بودن دادهها بر اساس روش کولموگروف- اسمیرنوف ارزیابی شد. برای درک روابط بین صفات و شناخت صفات موثر در عملکرد دانه از تجزیه ضرایب همبستگی بین صفات، رگرسیون گام به گام و تجزیه به مولفههای اصلی استفاده شد. همچنین از تجزیه علیت بر مبنای ضرایب همبستگی برای مشخص کردن اثر مستقیم و غیر-مستقیم صفات استفاده شد. در نهایت تمامی صفات بر اساس تحلیل مؤلفههای اصلی گروهبندی شدند. یافتهها: نتایج تجزیه واریانس نشاندهنده وجود اختلاف معنیدار برای تمامی صفات مورد مطالعه در سطح احتمال یک درصد است. ضریب تغییرات (C.V) برای صفات از 37/1 (رسیدگی فیزیولوژیک) تا 31/10 (تعداد شاخههای فرعی) متغیر بود که نشاندهنده دقت کافی در انجام پژوهش است. نتایج ارزیابی همبستگی نشان داد که صفت تعداد خورجین در شاخههای فرعی (864/0)، تعداد کل خورجین در بوته (865/0)، تعداد شاخههای فرعی (466/0)، رسیدگی فیزیولوژیک (329/0) و تعداد دانه درخورجین (358/0) با عملکرد دانه همبستگی مثبت و معنیداری داشتند. تجزیه و تحلیل رگرسیون گام به گام نشان داد که صفات تعداد کل خورجین در بوته، تعداد دانه در خورجین و وزن هزار دانه نقش تعیین کنندهای بر عملکرد دانه دارند. بر اساس نتایج تجزیه علیت، تعداد کل خورجین در بوته بیشترین تأثیر مستقیم (881/0) و تعداد دانه در خورجین از طریق تعداد کل خورجین در بوته بیشترین تأثیر غیرمستقیم (053/0) را بر عملکرد دانه نشان دادند. بر اساس نتایج تجزیه مؤلفههای اصلی، چهار مؤلفه شناسایی شد که توانستند 28/79 درصد از تغییرات دادههای اندازهگیری شده در 64 ژنوتیپ کلزا را تبیین کنند. نتیجهگیری: نتایج تجزیه علیت نشان داد که صفات تعداد کل خورجین در بوته، تعداد دانه خورجین و وزن هزار دانه اثر مثبت مستقیم بر عملکرد دانه داشتند. همچنین تجزیه و تحلیل رگرسیون گام به گام نیز بیانگر این بود که صفات بیان شده دارای بالاترین ضرایب رگرسیونی هستند، لذا انتخاب برای این صفات در جهت نیل به عملکرد بالا میتواند بسیار موثر باشد. | ||
کلیدواژهها | ||
تجزیه علیت؛ رگرسیون؛ روشهای آماری چندمتغیره؛ کلزا؛ همبستگی | ||
مراجع | ||
1.Ishaq, M., Razi, R. & Khan, S. A. (2017). Exploring genotypic variations for improved oil content and healthy fatty acids composition in Rapeseed (Brassica napus L.). J. Sci. Food. Agric. 97 (6),1924-1930. 2.Deputy of plant production improvement of Golestan agricultural jihad organization. (2021). Report of rapeseed cultivation area in Golestan province in the crop year 2020-2021. 91p (https://www.maj.ir/Dorsapax/userfiles/Sub65/amar99-1400.pdf).
3.Moradi, M., Soltani Hoveize, M. & Shahbazi, E. (2017). Study the relations between grain yield and related traits in canola by multivariate analysis. J. Crop Breed. 9(23), 187-194. [In Persian with English abstract]
4.Abdollahi Hesar, A., Sofalian, O., Alizade, B., Asghari, A. & Zali, H. (2020). Evaluation of some autumn rapeseed genotypes based on morphological traits and SIIG index. J. Crop Breed. 12(34), 151-159. [In Persian with English abstract]
5.Arshadi Bidgoli, M., Amiri Oghan, H., Fotokian, M. H. & Alizadeh, B. (2018). Evaluation of diversity and relationship among yield and yield components of rapeseed genotypes (Brassica napus L.). J. Crop Breed. 10(27), 115-124. [In Persian with English abstract] 6.Laghari, K., Baloch, M., Sootaher, J. K., Menghwar, K. K., Kachi, M., Kumbhar, Z. M., Shah, W. H., Soothar, M. K. & Daudpotto, I. (2020). Correlation and heritability analysis in Rapeseed (Brassica napus L.) genotypes. Pure Appl. Biol. 9(1), 507-516.
7.Singh, V. K., Avtar, R., Mahavir, N. K., Manjeet, R. K. & Rathore, V. (2020). Assessment of genetic relationship among diverse Indian mustard (Brassica juncea L.) genotypes using XLSTAT. Elec. J. Plant Breed. 11(02), 674-680.
8.Banerjee, H., Chatterjee, S., Sarkar, S., Gantait, S. & Samanta, S. (2017). Evaluation of rapeseed-mustard cultivars under late sown condition in coastal ecosystem of West Bengal. J. Appl. Nat. Sci. 9(2), 940-949.
9.Ismaili, A., Nourozi Asl, A., Zebarjadi, A., Drikvand, R. & Azizi, Kh. (2015). Study on heritability and path analysis of different traits, seed yield and oil yield of canola in climatically condition of Khoram Abad, Iran. J. Appl. Crop Res. 28(106), 162-170. [In Persian with English abstract] 10.Roostabaghi, B., Dehghan, H. Alizadeh, B. & Sabaghnia, N. (2013). Study of diversity and evaluation of relationships between yield and yield components of rapeseed via multivariate methods. J. Crop Prod. Proces. 2(6), 53-63. [In Persian with English abstract] 11.Rahimi, M., Ramezani, M. & Ozoni Davaji, A. (2016). Investigation of Path and Correlation analysis of pattern and plant densities effect on two Rapeseed Cultivars. J. Crop Breed. 8(19), 218-227. [In Persian with English abstract]
12.Sandhu, S. K., Kang, M. S. Akash, M. W. & Singh, P. (2019). Selection indices for improving selection efficiency in Indian mustard. J. Crop Improv. 33(1), 25-41.
13.Faraji, A., Kiani, A., Younesabadi, M., Mubasheri, M. T., Aghajani, M. A., Peyghamzadeh, K., Habibian, L., Ghazaeian, M., Sadeghnejad, H. R. & Bagheri, M. (2020). Rapeseed cultivation in Golestan province (Practical tips in farm management). Gol. Agric. Nat. Resour. Res. Train. Cen. 32 p. [In Persian with English abstract]
14.IBM Corp. Released (2013). IBM SPSS Statistics for Windows, Version 22.0. Armonk, NY: IBM Corp.
15.Rao, S. H., Qambrani, Z., Gandahi, N., Yasir, T. A., Bano, S., Nahiyoon, Q. A., Liaquat, B. & Baloch, A. W. (2020). Assessment of genetic parametersin rapeseed genotypes. Pak. J. Biotec. 17(4), 183-187.
16.Saroj, R., Soumya, S. L., Singh, S., Sankar, S. M. & Chaudhary, R. (2021). Unraveling the Relationship Between Seed Yield and Yield-Related Traits in a Diversity Panel of (Brassica juncea) Using Multi-Traits Mixed Model [Online]. Plant Sci. 12, 651936.
17.Kumar, R., Gaurav, S. S., Jayasudha, S. & Kumar, H. (2016). Study of correlation and path coefficient analysis in germplasm lines of Indian mustard (Brasica juncea L.). Agric. Sci. Diges. Res. J. 36(2), 92-96.
18.Sharafi, Y., Majidi, M. M., Jafarzadeh, M. & Mirlohi, A. (2015). Multivariate analysis of genetic variation in winter rapeseed (Brassica napus L.) cultivars. J. Agric. Sci. Tech. 17 (5), 1319-1331.
19.Tiwari, A. K., Singh, S. K., Tomar, A. & Singh, M. (2017). Heritability, genetic advance and correlation coefficient analysis in Indian mustard (Brassica juncea L. Czern & Coss). J. Pharm. Phyto. 6(1), 356–359.
20.Radic, V., Balalic, I., Krstic, M. & Marjanovic-Jeromela, A. (2021). Correlation and Path analysis of yield and yield components in winter Rapeseed. Genetika. 53(1), 157-166.
21.Tahira, M. A., Khan, M. A. & Khan, M. A. (2017). Cluster analysis, associationand Path coefficient analysis for seed yield improvement in Rapeseed. Pak. J. Agric. Res. 30(4), 315-322.
22.Jan, S. A., Shinwari, Z. K., Ali, N. & Rabbani, M. A. (2018). Morphometric analysis of Brassica Carinata elite lines reveals variation for yield related traits. Pak. J. Bot. 50(4), 1521-1524.
23.Bakhshi, B., Amiri Oghan, H., Alizadeh, B., Rameeh, V., Payghamzadeh, K., Kiani, D., Rabiee, M., Rezaizad, A., Shiresmaeili, Gh., Dalili, A. & Kia, Sh. (2021). Identification of Promising Oilseed Rape Genotypes for the Tropical Regions of Iran Using Multivariate Analysis. Agrotec. Ind. Crops. 1(1), 11-18. | ||
آمار تعداد مشاهده مقاله: 202 تعداد دریافت فایل اصل مقاله: 200 |