
تعداد نشریات | 13 |
تعداد شمارهها | 622 |
تعداد مقالات | 6,501 |
تعداد مشاهده مقاله | 8,616,365 |
تعداد دریافت فایل اصل مقاله | 8,206,313 |
شناسایی صفات زراعی کلیدی در انتخاب لاینهای برتر سویا در دشت مغان | ||
پژوهشهای تولید گیاهی | ||
مقاله 7، دوره 31، شماره 3، مهر 1403، صفحه 127-145 اصل مقاله (656.79 K) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jopp.2023.21773.3076 | ||
نویسندگان | ||
نسرین رزمی1؛ بهرام مسعودی* 2؛ ابراهیم هزارجریبی3 | ||
1استادیار بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی، پارسآباد، ایران. | ||
2نویسنده مسئول، استادیار مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، 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. | ||
چکیده | ||
سابقه و هدف: دانه سویا به دلیل داشتن میزان پروتئین بالا، روغن غیر اشباع با کیفیت بالا و موارد متعدد مصارف مستقیم و غیر مستقیم به عنوان یک گیاه صنعتی با ارزش در کل دنیا شناخته شده است. صفات رویشی و زایشی به مقادیر متفاوت در میزان عملکرد دانه سویا نقش دارند. گاهی بهبود یک صفت خاص موجب تغییرات همزمان در یک یا چند صفت دیگر شده و امکان استفاده از انتخاب غیرمستقیم را مهیا میکند .هدف از اجرای این آزمایش، بررسی همبستگی بین صفات فنوتیپی و اجزای عملکرد با عملکرد دانه سویا و ارائه روابط علت و معلولی بین صفات مختلف و تعیین آثار مستقیم و غیر مستقیم صفات بر عملکرد دانه بود. مواد و روشها: در این تحقیق، تعداد 13 لاین حاصل از برنامههای به نژادی به همراه دو رقم شاهد امیر و صبا به صورت طرح بلوکهای کامل تصادفی در سه تکرار طی دو سال زراعی (1399 و 1400) در مزرعه تحقیقاتی مرکز تحقیقات کشاوری و منابع طبیعی استان اردبیل (مغان) مورد مقایسه قرار گرفتند. جهت درک عمیق روابط بین صفات از ضرایب همبستگی، برآورد دقیق اثر مستقیم و غیر مستقیم صفات بر عملکرد دانه از تجزیه علیت و انتخاب لاینهای مطلوب از روش تجزیه به عاملها و تجزیه کلاستر استفاده شد. یافتهها: بر اساس نتایج حاصل از تجزیه واریانس مرکب، لاینها از لحاظ صفات رویشی، اجزای عملکرد و عملکرد دانه با یکدیگر اختلاف معنیداری در سطح 1 درصد داشتند. همبستگی ساده بین صفات فنوتیپی نشان داد تعداد گره در بوته هبستگی مثبت و معنیداری با تعداد غلاف در بوته و تعداد دانه در بوته دارد. همچنین همبستگی تعداد دانه در بوته با عملکرد دانه مثبت و معنیدار(**76/0 r=) بود. نتایج تجزیه علیت نشان داد صفات مرتبط با تعداد دانه در بوته مانند تعداد غلاف در بوته، تعداد دانه در بوته اثرات مستقیم و غیر مستقیم بالایی با عملکرد دانه نشان دادند. اثر مستقیم تعداد دانه با عملکرد مثبت و معنیدار (66/0) بود، در حالیکه وزن صد دانه اثر مستقیم منفی بالایی (44/0-) با عملکرد دانه و اثر غیر مستقیم مثبت از طریق روز تا گلدهی (24/0) داشت. نتایج حاصل از تجزیه به عاملها نشان داد عامل اول 2/41 درصد از تغییرات متغییرها را توجیه نمود و بزرگترین ضرایب عاملی مثبت آن متعلق به ارتفاع بوته، تعداد گره، تعداد کل غلاف ها، تعداد دانه در گیاه و عملکرد دانه بود. عامل دوم 78/21 درصد از تغییرات متغییرها را توجیه نموده و بزرگترین ضرایب عاملی آن متعلق به روز تا شروع گلدهی، روز تا رسیدگی، تعداد شاخه فرعی و وزن صد دانه بود. تجزیه به عاملها توانست لاینهای زودرس با عملکرد بالا را شناسایی کند، این لاینها در گروه 2 تجزیه کلاستر قرار گرفتند. نتیجهگیری: نتایج تجزیه به عاملها نشان داد که دو عامل مشترک در مجموع98/62 درصد از کل واریانس متغیرها را توجیه کردند. بر اساس نتایج تجزیه علیت، در بین اجزای عملکرد تعداد دانه در بوته در تعیین میزان عملکرد بیشرین سهم را داشته و صفت تعداد غلاف در بوته که باعث تولید تعداد دانه بیشتر در لاینهای سویا میشوند، باید در برنامههای بهنژادی و انتخاب ارقام برتر در اولویت قرار گیرند. لاینهای G14، G5، G2، G10 و G8 در گروه لاینهایی با عملکرد در واحد سطح بالا و زودرس قرار گرفتند. | ||
کلیدواژهها | ||
تجزیه به عامل ها؛ تعداد دانه؛ تعداد غلاف؛ وزن صد دانه | ||
مراجع | ||
1.Food and Agriculture Data FAOSTAT. (2021). Food and Agriculture Organization of the United Nations (FAO).http://www.fao.org/faostat/en/#data/QCL.
2.Anda, A., Soos, G., Menyhart, L., Kucserka, T., & Simon, B. (2020). Yield features of two soybean varieties under different water supplies and field conditions. Field crops research, 245, 107673.
3.Dubey, N., Avinashe, H. A., & Shrivastava, A. N. (2018). Principal component analysis in advanced genotypes of soybean [Glycine max (L.) Merrill] over seasons. Plant Archives, 18 (1), 501-506.
4.Vogel, J. T., Liu, W., Olhoft, P., Crafts-Brandner, S. J., Pennycooke, J. C., & Christiansen, N. (2021). Soybean yield formation physiology–a foundation for precision breeding based improvement. Frontiers in plant science, 12, 719706.
5.Egli, D. B. (2019). Crop growth rate and the establishment of sink size: a comparison of maize and soybean. Journal of Crop Improvement, 33 (3), 346-362.
6.Kahlon, C. S., Li, B., Board, J., Dia, M., Sharma, P., & Jat, P. (2018). Cluster and principle component analysis of soybean grown at various row spacings, planting dates and plant populations. Open Agriculture, 3 (1), 110-121.
7.Carvalho, I. C., Souza, V. Q., Nardino, M., Follmann, D. N., Silva, A. D. B., Szareski, V. J., & Olivoto, T. (2015). Associations phenotypic between physiological traits of soybean contrasting growth habits. Global Science and Technology, 8 (3), 30-40.
8.Bisinotto, F. F., Hamawaki, O. T., Nogueira, A. P. O., Hamawaki, R. L., Glansenapp, J. S., & Hamawaki, C. L. (2017). Path analysis and traits correlation in soybean. Communications in Plant Sciences, 7 (1/2), 27-33.
9.Viotto Del Conte, M., Carneiro, P. C. S., Vilela de Resende, M. D., Lopes da Silva, F., & Peternelli, L. A. (2020). Overcoming collinearity in path analysis of soybean [Glycine max (L.) Merr.] grain oil content. Plos One, 15 (5), e0233290.
10.Sulistyo, A., & Sari, K. P. (2018). Correlation, path analysis and heritability estimation for agronomic traits contribute to yield on soybean. In IOP Conference Series: Earth and Environmental Science, 102 (1), 012034.
11.Dalla Lana, F., Ziegelmann, P. K., Maia, A. D. H., Godoy, C. V., & Del Ponte, E. M. (2015). Meta-analysis of the relationship between crop yield and soybean rust severity. Phytopathology, 105 (3), 307-315.
12.Ferrari, M., Carvalho, I. R., de Pelegrin, A. J., Nardino, M., Szareski, V. J., Olivoto, T., ... & da Rosa, T. C. (2018). Path analysis and phenotypic correlation among yield components of soybean using environmental stratification methods. Australian Journal of Crop Science, 12 (2), 193-202.
13.Wei, M. C. F., & Molin, J. P. (2020). Soybean yield estimation and its components: A linear regression approach. Agriculture, 10 (8), 348.
14.Księżak, J., & Bojarszczuk, J. (2022). The seed yield of soybean cultivars and their quantity depending on sowing term. Agronomy, 12 (5), 1066.
15.Corassa, G. M., Santi, A. L., Amado, T. J. C., Reimche, G. B., Gaviraghi, R., Bisognin, M. B., & Pires, J. L. F. (2019). Performance of soybean varieties differs according to yield class: a case study from Southern Brazil. Precision Agriculture, 20, 520-540.
16.Gao, M., & Li, S. (2017, May). Relationship between soybean yield/ quality and soil quality in a major soybean-producing area based on a 2D-QSAR model. In AIP Conference Proceedings (Vol. 1839, No. 1). AIP Publishing.
17.Lu, S., Zhao, X., Hu, Y., Liu, S., Nan, H., Li, X., ... & Kong, F. (2017). Natural variation at the soybean J locus improves adaptation to the tropics and enhances yield. Nature genetics, 49 (5), 773-779.
18.Berhanu, H., Tesso, B., & Lule, D. (2021) Correlation and Path Coefficient Analysis for Seed Yield and Yield Related Traits in Soybean (Glycine max (L.)) Genotypes. Plant, 9 (4), 106-110.
19.Jarquin, D., Howard, R., Xavier, A., & Das Choudhury, S. (2018). Increasing predictive ability by modeling interactions between environments, genotype and canopy coverage image data for soybeans. Agronomy, 8 (4), 51.
20.Farhang-Asa, K., Khalili, A., Karami, A., & Bagheri, A. (2022). Comparison of the Yield and Yield Components of Four Imported Soybean Cultivars from Brazil with Domestic Cultivars in Khuzestan. Agrotechniques in Industrial Crops, 2 (4), 198-206.
21.Ghanbari, S., Nooshkam, A., Fakheri, B. A., & Mahdinezhad, N. (2018). Assessment of yield and yield component of soybean genotypes (Glycine max L.) in north of Khuzestan. Journal of Crop Science and Biotechnology, 21, 435-441. | ||
آمار تعداد مشاهده مقاله: 160 تعداد دریافت فایل اصل مقاله: 94 |