گزینش لاین های امیدبخش گندم دوروم با توجه به عملکرد دانه و پایداری عملکرد با استفاده از روش های گرافیکی و شاخص های کیفیت

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد، موسسه تحقیقات اصلاح و تهیه نهال و بذر ،سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

2 مربی ایستگاه تحقیقات کشاورزی مرکز فارس

3 دانشیار، بخش تحقیقات علوم زراعی و باغی،مرکز تحقیقات و آموزشکشاورزی و منابع طبیعی کرمانشاه، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمانشاه،

4 استادیار، بخش تحقیقات علوم زراعی و باغی،مرکز تحقیقات و آموزشکشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران

5 مربی پژوهشی ، بخش تحقیقات علوم زراعی و باغی،مرکز تحقیقات و آموزشکشاورزی و منابع طبیعی دزفول، سازمان تحقیقات، آموزش و ترویج کشاورزی، دزفول، ایران

6 استادیار، موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

7 استادیار، بخش تحقیقات اصلاح و تهیه نهال و بذر، مرکز تحقیقات کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران

چکیده

];چکیده
سابقه و هدف: گندم دوروم (Triticum turgidum L. var. durum) محصولی صنعتی و زراعی است که عمدتاً در صنایع تولید ماکارونی استفاده می‎شود. یکی از اهداف مهم برنامه‌های به‌نژادی گندم دوروم تولید ارقام پرمحصول با ویژگی‌های مناسب برای کشت در مناطق مختلف کشور است. بنابراین، هدف از این تحقیق، بررسی برهم‌کنش ژنوتیپ × محیط از طریق روش‌ گرافیکی GGE بای‌پلات در لاین‌های امید‌بخش گندم دوروم و شناسایی و معرفی لاین‌های دارای عملکرد اقتصادی و پایدار جهت معرفی و کشت در مناطق مختلف کشور بود.
مواد و روش‌ها: در این تحقیق تعداد 18 لاین امیدبخش گندم دوروم به‌همراه دو شاهد هانا و آران در پنج ایستگاه تحقیقاتی کرج، کرمانشاه، خرم‌آباد، دزفول و داراب (در دو شرایط آبیاری نرمال و قطع آبیاری در مرحله گل‌دهی) در قالب طرح بلوک‌های کامل تصادفی در 3 تکرار و در دو فصل زراعی (1400-1398) کشت و مقایسه شدند.
یافته‌ها: نتایج تجزیه واریانس مرکب دو ساله برای عملکرد دانه در شرایط آبیاری نرمال در پنج ایستگاه تحقیقاتی داراب، دزفول، خرم‌آباد، کرج و کرمانشاه و شرایط خشکی آخر فصل در داراب نشان داد که اثر سال در هر دو شرایط و همه ایستگاه‌ها معنی‌دار شد. از نظر عملکرد دانه در شرایط آبیاری نرمال نیز اختلاف بین ژنوتیپ‌ها در ایستگاه‌های داراب، دزفول و کرمانشاه معنی‌دار بود، ولی در ایستگاه‌های کرج و خرم‌آباد معنی‌دار نبود. برهم‌کنش ژنوتیپ × سال در شرایط نرمال در داراب و کرمانشاه معنی‌دار، ولی در کرج، دزفول و خرم‌آباد معنی‌دار نبود. بر اساس میانگین عملکرد دانه، لاین‌های G8، G9، G10، G14 و G18 (به‌ترتیب با میانگین عملکرد دانه 7725، 7597، 7742، 7661 و 7558 کیلو‌گرم در هکتار) برتر از شاهد‌ها بودند. با توجه به بای‌پلات GGE، سه محیط بزرگ مشخص گردید. اولین محیط بزرگ شامل مناطق دزفول و خرم‌آباد بود که ژنوتیپ‌های G8 و G10 به‌ترتیب جزو ژنوتیپ‌های برتر در این دو منطقه بودند. دومین محیط بزرگ دربرگیرنده مناطق کرمانشاه و کرج بود که ژنوتیپ‌های G9 و G14 جزو ژنوتیپ‌های برتر در این دو منطقه بودند. سومین محیط بزرگ شامل دو شرایط اجرای آزمایش در داراب بود و ژنوتیپ‌ برتر در داراب در هر دو شرایط تنش خشکی و شرایط بدون تنش G18 بود. نتایج بای-پلات نشان داد که ژنوتیپ‌های G8 و G10 جزو پایدارترین لاین‌ها بودند که در ضمن بیش‌ترین مقدار عملکرد دانه را هم داشتند. مقایسه لاین‌های مورد بررسی با ژنوتیپ ایده‌آل نشان داد که G10 و G8 نزدیک‌ترین ژنوتیپ‌ها به ژنوتیپ ایده‌آل می‌باشند که بیش‌ترین عملکرد دانه و پایداری را داشتند. نتایج خصوصیات کیفی نشان داد میانگین درجه سختی ژنوتیپ‌های مختلف در محدوده 57- 58 قرار داشت و لاین‌های امیدبخش با ارقام شاهد تفاوت قابل توجهی با هم نداشتند. ژنوتیپ G17 کم‌ترین (14%) و ژنوتیپ G14 بیش‌ترین درصد لکه آردی دانه (45%) را داشتند. هم‌چنین، تنوع نسبتاً زیادی از نظر میزان گلوتن مرطوب مشاهده شد به‌طوری‌که ژنوتیپ‌های G9 و G13 به-ترتیب با 8/23 و 3/27 درصد، پایین‌ترین و بالاترین میزان گلوتن مرطوب را دارا بودند.
نتیجه‌گیری: در کل با در نظر گرفتن میانگین عملکرد دانه و نتایج GGE بای پلات در هر دو شرایط نرمال و خشکی و با در نظر گرفتن برخی از خصوصیات کیفی دانه، لاین‌های G8 (D-98-8) و G10 (D-98-10) به‌عنوان مناسب‌ترین لاین‌ها برای هر دو شرایط نرمال و خشکی انتخاب گردیدند. این لاین‌ها در آزمایشات تحقیقی- ترویجی در شرایط زارعین مورد بررسی بیشتر قرار گرفته و هر کدام از آن‌ها که در مزارع زارعین نیز برتری خود را نشان دهد به‌عنوان رقم جدید معرفی خواهد شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Selection of promising durum wheat lines according to grain yield and yield stability using graphic methods and quality indexes

نویسندگان [English]

  • Tohid Najafi Mirak 1
  • Manoochehr Dastfal 2
  • Shahryar Sasani 3
  • Manouchehr Sayyahfar 4
  • Hossein Farzadi 5
  • Fariba Naghipour 6
  • Hassan Zali 7
1 Seed and Plant Improvement Department, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran
2 Scientific staff of Agricultural Research station of Darab
3 Crop and Horticultural Science Research Department, Kermanshah Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Kermanshah, Iran
4 Crop and Horticultural Science Research Department, Lorestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Khorramabad, Iran
5 7. Crop and Horticultural Science Research Department, Dezful Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Dezful, Iran
6 Seed and Plant Improvement Department, Agricultural Research, Education and Extension Organization (AREEO), Karaj, iran
7 Assistant professor, Seed and Plant Improvement Department, Fars Agricultural and Natural Resources Research Center, Agricultural Research, Education and Extension Organization (AREEO), Darab, iran
چکیده [English]

Abstract
Background and objectives: Durum wheat (Triticum turgidum L. var. durum) is an industrial and agricultural product that is mainly used in pasta production industries. One of the important goals of durum wheat breeding programs is to produce high-yielding cultivars that have suitable characteristics for cultivation in different regions of the country. Therefore, the purpose of this research was to investigate the genotype × environment interaction using GGE biplot graphic method in durum wheat promising lines and to identify and introduce lines with economic and stable yield for introduction and cultivation in different regions of the country.
Materials and methods: In this research, 18 promising lines of durum wheat with two check Hana and Aran in five research stations of Karaj, Kermanshah, Khorramabad, Dezful and Darab (under two conditions of normal irrigation and interruption of irrigation during the flowering stage) in the form of randomized complete blocks design in 3 replications and in two cropping seasons (2019-2021) were cultivated and compared.
Results: The results of two-year combined variance analysis for grain yield under normal irrigation conditions in five research stations of Darab, Dezful, Khorramabad, Karaj and Kermanshah and dry conditions at the end of the season in Darab showed that the effect of year in both conditions and all stations was significant. It has been in terms of grain yield under normal irrigation conditions, the difference between genotypes was significant in Darab, Dezful and Kermanshah stations, but not significant in Karaj and Khorramabad stations. Genotype × year interaction was significant under normal conditions in Darab and Kermanshah, but not significant in Karaj, Dezful and Khorramabad. Based on the average grain yield, lines G8, G9, G10, G14 and G18 (respectively with the average grain yield of 7725, 7597, 7742, 7661 and 7558 kg ha-1) were superior to the checks. According to the GGE biplot, three large environments were identified. The first large environment included Dezful and Khorramabad regions, and G8 and G10 genotypes were among the top genotypes in these two regions, respectively. The second largest environment was Kermanshah and Karaj, and G9 and G14 genotypes were among the top genotypes in these two regions. The third large environment included two test conditions in Darab and the superior genotype in Darab was G18 in both drought stress and non-stress conditions. GGE Biplot results showed that G8 and G10 genotypes were among the most stable lines and also had the highest grain yield. The comparison of the studied lines with the ideal genotype showed that G10 and G8 are the closest genotypes to the ideal genotype, which have the highest grain yield and stability. The results of qualitative characteristics showed that the hardness index mean of different genotypes was in the range of 57-58% and the promising lines were not significantly different from the check cultivars. G17 genotype had the lowest (14%) and G14 genotype had the highest average of grain yellow berry (45%). Also, a relatively large variation was observed in terms of the amount of wet gluten, so that genotypes G9 and G13 had the lowest and highest amount of wet gluten with 23.8 and 27.3%, respectively.
Conclusion: In general, according to the average grain yield and GGE biplot results in both normal and drought conditions and according to some quality characteristics of the grain, lines G8 (D-98-8) and G10 (D-98-10) were selected as the most suitable lines for both normal and dry conditions. These lines will be tested in on-farm yield trials of next crop season and finally one of them will be introduced as a new cultivar.

کلیدواژه‌ها [English]

  • Genotype × environment interaction
  • GGE Biplot
  • Heat map
  • Qualitative characteristics
  • Multivariate methods
  1. Brennan, J. P., Aw-Hassan, A., Quade, K. J., & Nordblom, T. L. (2002). Impact of ICARDA Research on Australian Agriculture, Economic Research Report No. 11. NSW Agriculture, Wagga Wagga.
  2. Dastfal, M., Aghaee-Sarbarzeh, M., & Zali, H. (2022). Genetic diversity and selection of durum wheat pure lines with desirable agronomy traits using SIIG index. Iranian Journal of Field Crop Science, 53, 161-174. [In Persian]
  3. Gresta, F., Avolab, G., Cannavòa, S., & Santonocetoa, C. (2018). Morphological, biological, productive and qualitative characterization of guar (Cyamopsis tetragonoloba Taub.) genotypes. Industrial Crops and Products, 114, 98-107.
  4. Esmaeilzadeh Moghaddam, M., Tahmasebi, S., Lotf Ali Ayeneh, Gh A., Akbari Moghadam, H., Mahmoudi, Kh., Sayyahfar, M., Tabib Ghaffari, S. M., & Zali, H. (2018). Iranian Journal of Crop Science, 20(1), 61-76. [In Persian]
  5. Gauch, H. G. (1992). Statistical Analysis of Regional Trials. AMMI analysis of factorial designs. Elsevier, Amsterdam, Netherlands. 287pp.
  6. Yan, W., Hunt, L. A. Sheny, Q., & Szlavnics, Z. (2000). Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Science, 40, 597- 605.
  7. Yan, W., & Kang, M. S. (2003). GGE biplot analysis: A graphical tool for breeders, Geneticists and agronomists. CRC Press, Boca Raton, FL.
  8. Yan, W. 2001. GGEbiplot-A windows application for graphical analysis of multi-environment trial data and other types of two-way data. Agronomy Journal, 93, 1111-1118.
  9. Pourdad, S. S., & Jamshid Moghaddam, M. (2013). Study on genotype × environment interaction through GGE biplot for seed yield in spring rapeseed (Brassica Napus) in rain-fed condition. Journal of Crop Breeding, 5 (12), 1-14. [In Persian]
  10. Yan, W., & Tinker, N. A. (2005). An integrated biplot analysis system for displaying, interpreting and exploring genotype × environment interaction. Crop Science, 45, 1004-1016.
  11. Farshadfar, E., Zali, H., & Mohammadi, R. (2011). Evaluation of phenotypic stability in chickpea genotypes using GGE-Biplot. Annals Biological Research, 2 (6), 282-292.
  12. Najafi Mirak, T., Dastfal, M., Andarzian, B., Farzadi, H., Bahari, M., & Zali, H. (2018). Evaluation of durum wheat cultivars and promising lines for yield and yield stability in warm and dry areas using AMMI model and GGE biplot. Journal of crop Breeding, 10 (28), 1-12.
  13. Rao, P. S., Reddy, P. S. Ratore, A., Reddy B. V. S., & Panwar, S. (2011). Application GGE biplot and AMMI model to evaluate sweet sorghum (Sorghum bicolor) hybrids for genotype× environment interaction and seasonal adaptation. Indian Journal of Agricultural Science, 81, 438-444.
  14. Zali, H., Sofalian, O., Hasanloo, T., & Asghari, A. (2016). Evaluation of yield stability and drought tolerance-based AMMI and GGE biplot analysis in Brassica napus Agricultural Communications, 4(1), 1-8.
  15. Karimizadeh, R., Pezeshkpour, P., Barzali, M., Mehraban, A., & Sharifi, P. (2020). Evaluation the mean performance and stability of lentil genotypes by combining features of AMMI and BLUP techniques. Journal of Crop Breeding, 12 (36), 160-170. [In Persian]
  16. Zali, H., Barati, A., & Jabari, M. (2021). Evaluation of variation at barley inbred lines (Hordeum vulgare) using SIIG Index. Journal of Crop Breeding, 13 (39), 179-194.
  17. Mohammadi, R., Armion, M., Sadeghzadeh, B., Golkari, S., Khalilzadeh, Gh., Ahmadi, H., Abedi-Asl, Gh., & Eskandari, M. (2016). Assessment of grain yield stability and adaptability of rainfed durum wheat breeding lines. Applied Field Crops Research, 29 (4), 25-42. [In Persian]
  18. Fan, X. M., Kang, M. S. Chen, H., Zhang, Y., Tan, J., & Xu, C. (2007). Yield stability of maize hybrids evaluated in multi-environment trials in Yunnan, China. Agronomy Journal, (99), 220-228.
  19. Yan, W., & Rajcan, I. (2002). Biplot analysis of sites and trait relations of soybean in Ontario. Crop Science, (42), 11-20.
  20. Barati, A., Zali, H., Lakzadeh, I., Koohkan, Sh., Jafarby, J. A., Hosseinpour, A., Jabari, M., Marzooghian, A., Gholipour, A., Poodineh, O., & Kheirgoo, M. (2022). Study of grain yield stability of barley promising lines in warm regions using GGE biplot. Journal of Agricultural Science Sustainable Production, 1(32), 65-78. [In Persian]
  21. Farshadfar, E., Sabaghpour, S. H., & Zali, H. (2012). Comparison of parametric and non‐parametric stability statistics for selecting stable chickpea (Cicer arietinum) genotypes under diverse environments. Australian Journal of Crop Science, 6, 514‐524.
  22. Navabi, A., Yang, R., Helm, J., & Spaner, D. M. (2006). Can spring wheat-growing mega environments in the northern Great Plains be dissected for representative locations or niche adapted genotypes? Crop Science, (46), 1107–1116.
  23. Cutler, G. H., & Brinson, G. A. (1990). The granulation of whole wheat meal and a method of expressing it numerically. Cereal Chemistry, (12), 120-129.
  24. Donelson, J. R., & Yamazaki, W. T. (1982). Note on a rapid method of the estimation of damaged starch in soft wheat flours. Cereal Chemistry, (39), 460-462.
  25. Tohver, M. (2007). High molecular weight (HMW) glutenin subunit composition of Nordic and Middle European wheat. Genetic Resources and Crop Evolution, (54), 67-81.
  26. Singh, N. K., Shepherd, K. W., & Comish, G.B. (1991). Rapid communication: a simplified SDS-PAGE. Procedure for separating LMW subunits of Glutenin. Journal of Cereal Science, (14), 203-208.
  27. Walsh, D. E., & Gills, K. A. (1971). Influence of protein composition on spaghetti quality. Cereal Chemistry, 48, 544-554.
  28. Zhao, C., Ning, T., Jiao, N., Han, B., & Li, Z. (2005). Effects of genotype and environment on protein and starch quality of wheat grain. Chinese Journal of Applied Ecology, 16, 1257-1260.
  29. Guttieri, M. J., Ahmad, R., Stark, J. C., & Souza, E. (2000). End-use quality of six hard red spring wheat cultivars at different irrigation levels. Crop Science, (40), 631-635.