اخبار و اعلانات
آمار
| تعداد نشریات | 20 |
| تعداد شماره‌ها | 401 |
| تعداد مقالات | 3,281 |
| تعداد مشاهده مقاله | 4,653,150 |
| تعداد دریافت فایل اصل مقاله | 3,158,266 |
Identification of high-yielding and stable barley genotypes for warm climates in Iran using the GGE biplot method | ||
| Iranian Journal of Genetics and Plant Breeding | ||
| دوره 14، شماره 1 - شماره پیاپی 27، تیر 2025، صفحه 1-8 اصل مقاله (598.82 K) | ||
| نوع مقاله: علمی- پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30479/ijgpb.2024.20098.1368 | ||
| نویسندگان | ||
| Ali Barati* 1؛ Alireza Pour-Aboughadareh1؛ Hassan Zali2؛ Ahmad Gholipour3؛ Shirali Koohkan4؛ Kamal Shahbazihomounlo5؛ Ali Omrani5؛ Akbar Marzooghian6؛ Mehdi Jabari2؛ Omid Poodineh4؛ Masoumeh Kheirgoo3 | ||
| 1Seed and Plant Improvement Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran. | ||
| 2Crop and Horticultural Science Research Department, Fars Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Darab, Iran. | ||
| 3Crop and Horticultural Science Research Department, Golestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Gonbad, Iran. | ||
| 4Crop and Horticultural Science Research Department, Sistan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Zabol, Iran. | ||
| 5Crop and Horticultural Science Research Department, Ardabil Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Moghan, Iran. | ||
| 6Crop and Horticultural Science Research Department, Khuzestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Ahvaz, Iran. | ||
| تاریخ دریافت: 21 اسفند 1402، تاریخ بازنگری: 07 مهر 1403، تاریخ پذیرش: 16 مهر 1403 | ||
| چکیده | ||
| One of the primary objectives in the development of new crop varieties is to elucidate the genotype-by-environment interaction (GEI) effects observed in multi-environment trials (METs). Consequently, the primary aim of the present study was to identify superior barley genotypes in terms of grain yield and stability for potential application in the warm regions of Iran. To achieve this, a selection of genetic materials comprising 18 promising genotypes, in addition to a local cultivar (Oxin, serving as the reference check), was evaluated across five research stations: Darab, Ahvaz, Zabol, Moghan, and Gonbad, during the cropping seasons of 2019-2021. The findings indicated that the main effects of environment (E), genotypes (G), and their interactions (GEI) were highly significant. Mean comparisons revealed that the highest grain yields were recorded for genotypes G16, G8, G15, G1, and G9, respectively, when compared to other genotypes. The GGE biplot analysis demonstrated that the first two principal components accounted for 33% and 14.67% of the total variation in grain yield, respectively. Utilizing the polygon viewpoint of the GGE biplot, four mega-environments were identified within the warm climate of Iran. Based on these results, genotype G16 is recommended as a well-adapted genotype exhibiting high grain yield and stability in the target environments. Therefore, further comprehensive research on this genotype is warranted prior to its release for commercial cultivation. | ||
| کلیدواژه‌ها | ||
| GGE biplot؛ Mega-environment؛ Stability؛ Warm regions | ||
| عنوان مقاله [English] | ||
| شناسایی ژنوتیپ پرعملکرد و پایدار جو برای مناطق گرمسیری ایران با استفاده از روش GGE بای پلات | ||
| نویسندگان [English] | ||
| علی براتی1؛ علیرضا پورابوقداره1؛ حسن زالی2؛ احمد قلی پور3؛ شیرعلی کوهکن4؛ کمال شهبازی هومونلو5؛ علی عمرانی5؛ اکبر مرزوقیان6؛ مهدی جباری2؛ امید پودینه4؛ معصومه خیرگو3 | ||
| 1موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران. | ||
| 2گروه تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران. | ||
| 3گروه تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گنبد، ایران. | ||
| 4گروه تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی سیستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زابل، ایران. | ||
| 5گروه تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی، مغان، ایران. | ||
| 6گروه تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خوزستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اهواز، ایران. | ||
| چکیده [English] | ||
| ارزیابی اثر متقابل ژنوتیپ در محیط (GEI) بواسطه آزمایش‌های چند محیطی (MET) یکی از اقدامات اساسی در مراحل توسعه و معرفی واریته‌های جدید می‌باشد. به عبارت دیگرتفسیر صحیح اثر متقابل GE در آزمایش‌های MET می‌تواند کمک قابل توجهی به به‌نژادگران برای در انتخاب ژنوتیپ‌های برتر با بالاترین عملکرد و پایداری در شرایط محیطی مختلف نماید. از این‌رو، هدف اصلی مطالعه حاضر شناسایی ژنوتیپ‌های برتر از نظر عملکرد دانه و پایداری آن جهت کشت در مناطق گرمسیری بود. برای این منظور، مجموعه‌ای شامل 18 ژنوتیپ امیدبخش به همراه رقم اکسین به عنوان شاهد در پنج ایستگاه تحقیقاتی واقع در داراب، اهواز، زابل، مغان و گنبد در دو سال زراعی 1400-1398 مورد ارزیابی قرار گرفتند. با توجه به نتایج به دست آمده اختلاف معنی‌داری بین ژنوتیپ‌ها، محیط‌ها و اثر متقابل ژنوتیپ و محیط از نظر عملکرد دانه وجود داشت. بر اساس مقایسه میانگین داده‌های عملکرد، ژنوتیپ‌های G16، G8، G15، G1 و G9 به ترتیب دارای عملکرد دانه بیشتری نسبت به سایر ژنوتیپ‌ها بودند. نتایج تجزیه GGE نشان دادد دو مؤلفه نخست به ترتیب 33 ئ 67/14 درصد از کل تغییرات عملکرد دانه را توجیه کردند. بر اساس بای‌پلات چندوجهی چهار ابر محیط برای مناطق گرمسیری ایران شناسایی شد. با توجه به نتایج به دست آمده ژنوتیپ G16 می‌تواند به عنوان ژنوتیپ سازگار و پایدار با عملکرد بالا در محیط‌های هدف مورد استفاده قرار گیرد. بنابراین، انجام مطالعات جامع‌تر بر روی این ژنوتیپ قبل از معرفی به عنوان رقم تجاری قابل توصیه می‌باشد. | ||
| کلیدواژه‌ها [English] | ||
| تجزیه GGE, ابر محیط, پایداری, اقلیم گرم | ||
| مراجع | ||
|
Ahakpaz F., and Ahakpaz, F. (2014). Stability analysis of barley lines and cultivars grain yield using GGE biplot model. Agroecology Journal, 9: 1-12. Ahmadi J., Vaezi B., and Fotokian M. H. (2012). Graphical analysis of multi-environment trials for barley yield using AMMI and GGE-biplot under rain-fed conditions. Journal of Plant Physiology and Breeding, 2: 43-54. Amelework A. B., Bairu M. W., Marx R., Laing M., and Venter S. L. (2023). Genotype×environment interaction and stability analysis of selected cassava cultivars in South Africa. Plants, 12: 2490. Anderson T., and Lee C. R. (2014). Strong selection genome-wide enhances fitness trade-offs across environments and episodes of selection. Evolution, 68: 16-31. Anonymous. (2022). Agricultural statistics (2020-2021 cropping year). Vol 1: Crops Plants. Ministry of Agriculture-Jahad, Iran, pp. 93. Bakhshi B., and Shahmoradi S. S. (2023). Simultaneous selection of high-yielding and drought-tolerant barley landraces using GT, GYT and GYSI methodologies. Cereal Research Communication, 51: 237-248. Barati A., Ghazvini H., Nikkhah H. R., Kouhkan S. H. A., et al. (2023). Golchin, a new barley cultivar for planting in warm zone of Iran. Research Achievements for Field and Horticulture Crops, 11: 97-108. Ebem E. C., Afuape S. O., Chukwu S. C., and Ubi B. E. (2021). Genotype×environment interaction and stability analysis for root yield in sweet potato [Ipomoea batatas (L.) Lam]. Frontiers in Agronomy, 3: 665564 Farshadfar E. (2008). Incorporation of AMMI stability value and grain yield in a single non-parametric index (GSI) in bread wheat. Pakistan Journal of Biological Sciences, 11: 1791. Gerrano A. S., Rensburg W. S. J., Mathew I., Shayanowko A. I. T., et al. (2022). Genotype and genotype×environment interaction effects on the grain yield performance of cowpea genotypes in dryland farming system in South Africa. Euphytica, 216: 80. Ghaffari M., Gholizadeh A., Andarkhor S. A., Zareei Siahbidi A., Ahmadi S. A., Shariati F., and Rezaeizad A. (2021). Stability and genotype×environment analysis of oil yield of sunflower single cross hybrids in diverse environments of Iran. Euphytica, 217: 187. Ghazvini H., and Yousefi A. (1999). Evaluation of adaptability and yield comparison of advanced barley lines in warm zones. Iranian Journal of Crop Sciences, 1: 29- 41. Ghazvini H., Bagherikia S., Pour-Aboughadareh A., Sharifalhossaini M., et al. (2021). GGE biplot analysis of promising barley lines in the cold regions of Iran. Journal of Crop Improvement, 36: 461-472. Ghazvini H., Lakzadeh I., Kouhkan S. H. A., Fallahi H. A., et al. (2020). Nowruz, a new barley cultivar with lodging resistance appropriate for cultivation in the south warm and dry climate zone of Iran. Research Achievements for Field and Horticulture Crops, 9: 53-66. Ghazvini H., Lakzadeh I., Kouhkan S. H. A., Jabbari M., et al. (2019). Oxin, a new irrigated six-rowed barley cultivar with wide adaptability in warm agro-climate zone of Iran. Research Achievements for Field and Horticulture Crops, 7: 149-159. Ghazvini H., Pour-Aboughadareh A., Jasemi S. S., Chaichi M., Tajali H., and Bocianowski J. (2024). A framework for selection of high-yielding and drought-tolerant genotypes of barley: applying yield-based indices and multi-index selection models. Journal of Crop Health, 76: 601-616. Ghazvini H. O., Kouhkan S. H. A., Lakzadeh I., Fahhahi H. A., et al. (2014). Zahak, a new irrigated barley cultivar with wide adaptability in the warm and dry agro-climate zone in the south of Iran. Research Achievements for Field and Horticulture Crops, 3: 15-26 Hilmarsson H. S., Rio S., and Sanchez, J. I. Y. (2021). Genotype by environment interaction analysis of agronomic spring barley traits in Iceland using AMMI, factorial regression model and linear mixed model. Agronomy, 11: 499. Hossain M. A., Sarker U., Azam M. G., Kobir M. S., et al. (2023). Integrating BLUP, AMMI, and GGE models to explore GE interactions for adaptability and stability of winter lentils (Lens culinaris Medik.). Plants, 12: 2079. Jalata Z. (2011). GGE-biplot analysis of multi-environment yield trials of barley (Hordeum vulgare L.) Genotypes in southeastern Ethiopia highlands. International Journal of Plant Breeding and Genetics, 5: 59-75. Jamshidmoghaddam M., and Pourdad S. S. (2013). Genotype×environment interactions for seed yield in rainfed winter safflower (Carthamus tinctorius L.) multi-environment trials in Iran. Euphytica, 190: 357-369. Jedzura S., Bocianowski J., and Matysik P. (2023). The AMMI model application to analyze the genotype–environmental interaction of spring wheat grain yield for the breeding program purposes. Cereal Research Communications, 51: 197-205. Kendal E. (2016). GGE biplot analysis of multi-environment yield trials in barley (Hordeum vulgare L.) cultivars. Ekin Journal of Crop Breedhng and Genetics, 2: 90-99. Linus R. A., Olanrewaju O. S., Oyatomi O., Idehen E. O., and Abberton M. (2023). Assessment of yield stability of bambara groundnut (Vigna subterranea (L.) Verdc.) using genotype and genotype–environment interaction biplot analysis. Agronomy, 13: 2558. Mortazavian S. M., Nikkhah H. R., Hassani F. A., Shari-al-Hosseini M., Taheri M., and Mahlooji M. (2014). GGE biplot and AMMI analysis of yield performance of barley genotypes across different environments in Iran. Journal of Agricultural and Science Technology, 16: 609-622. Olivoto T., and Lucio A. D. (2020). Metan: An R package for multi-environment trial analysis. Methods in Ecology and Evolution, 11: 783-789. Perkins, J. M., and Jinks J. L. (1968). Environments and genotype environment components of variability III. multiple lines and crosses. Heredity, 23: 339-356. Pour-Aboughadareh A., Barati A., Gholipoor A., Zali H., Marzooghian A., Koohkan S. A., Shahbazi-Homonloo K., and Houseinpour A. (2023a). Deciphering genotype-by-environment interaction in barley genotypes using different adaptability and stability methods. Journal of Crop Science and Biotechnology, 26: 547-562. Pour-Aboughadareh A., Ghazvini H., Jasemi S. S., Mohammadi S., et al. (2023b). Selection of high-yielding and stable genotypes of barley for the cold climate in Iran. Plants, 12: 2410. R Core Team, (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Available online at https://www.R-project.org/. Taheripourfard Z. S., Izadi-darbandi A., Ghazvini H., Ebrahimi M., Mortazavian S. M., and Abdipour M. (2017). Identifying superior barley (Hordeum vulgare L.) genotypes using GGE biplot across warm and moderate environments under irrigated conditions in Iran. Crop Breeding Journal, 7: 23-35. Vaezi B., Pour-Aboughadareh A., Mohammadi R., Armion M., Mehraban A., Hossein-Pour T., and Dorri M. (2017). GGE biplot and AMMI analysis of barley yield performance in Iran. Cereal Research Communication, 45: 500-511. Vaezi B., Pour-Aboughadareh A., Mohammadi R., Mehraban A., et al. (2019). Integrating different stability models to investigate genotype×environment interactions and identify stable and high yielding barley genotypes. Euphytica, 215: 63. Van Eeuwijk F. A., Bustos-Korts D. V., and Malosetti M. (2016). What should students in plant breeding know about the statistical aspects ofgenotype×Environment interactions? Crop Science, 56: 2119-2140. Wodebo K. Y., Tolemariam T., Demeke S., Garedew W., et al. (2023). AMMI and GGE biplot analyses for mega-environment identification and selection of some high-yielding oat (Avena sativa L.) genotypes for multiple environments. Plants, 12: 3064. Yan W., and Kang M. S. (2002). GGE biplot analysis: A graphical tool for breeders, geneticists and agronomists. CRC Press, USA, pp. 286. Yan W., and Tinker N. A. (2006). Biplot analysis of multi-environment trial data: principles and applications. Canadian Journal of Plant Science, 86: 623-645. Yan W., Fregeau-reid J. A., Pageau D., Martin R. A., et al. (2010). Identifying essential test locations for oat breeding in eastern Canada. Crop Science, 50: 504-515. Yan W., Hunt L. A., Sheng Q., and Szlavnics Z. (2000). Cultivar evaluation and mega-environment investigations based on the GGE biplot. Crop Science, 40: 597-605. | ||
|
آمار تعداد مشاهده مقاله: 247 تعداد دریافت فایل اصل مقاله: 28 |
||