بررسی تنوع ژنتیکی لاین‌های ذرت (Zea mays L.) بر اساس ویژگی‌های فیزیولوژیک در شرایط بهینه و کمبود روی با استفاده از تحلیل عاملی

نوع مقاله : مقاله کامل علمی- پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه اصلاح نباتات و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه زابل، سیستان و بلوچستان، ایران.

2 استاد، گروه اصلاح نباتات و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه زابل، سیستان و بلوچستان، ایران

3 استاد، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، آذربایجان غربی، ایران.

4 استادیار، گروه مهندسی تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه سراوان، سیستان و بلوچستان، ایران.

5 محقق پسا دکتری، گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، آذربایجان‌غربی، ایران

10.22069/ejcp.2026.24131.2715

چکیده

سابقه و هدف
ذرت (Zea mays L.) یکی از مهم‌ترین محصولات زراعی جهان است که نقش کلیدی در امنیت غذایی، تغذیه دام و صنایع غذایی ایفا می‌کند. کمبود عناصر ریزمغذی، به‌ویژه روی (Zn)، یکی از چالش‌های اصلی در خاک‌های کشاورزی است که تأثیرات منفی بر رشد و عملکرد گیاهان دارد. کمبود روی یکی از شایع‌ترین کمبودهای ریزمغذی در خاک‌های زراعی است که با کاهش عملکرد و کیفیت تغذیه‌ای محصولات، تهدیدی جدی برای امنیت غذایی محسوب می‌شود. ذرت، به‌عنوان گیاهی حساس به کمبود روی و شاخصی برای ارزیابی وضعیت این عنصر در خاک، نیازمند برنامه‌های اصلاحی مبتنی بر شواهد دقیق از تنوع ژنتیکی و پاسخ‌های فیزیولوژیکی است. هدف این پژوهش، بررسی تنوع ژنتیکی و تغییرات ساختار همبستگی بین شاخص‌های فیزیولوژیکی و بیوشیمیایی تحت دو سطح تغذیه روی بود.
مواد و روش‌ها
این پژوهش با هدف بررسی تنوع ژنتیکی 95 لاین خالص ذرت تحت دو شرایط بهینه (با اعمال کود سولفات روی) و کمبود روی (بدون اعمال کود سولفات روی) انجام شد. آزمایش در قالب طرح آلفا لاتیس با دو تکرار در مدت دو سال اجرا گردید. در مجموع، 21 صفت فیزیولوژیکی مورد ارزیابی قرار گرفت. تجزیه واریانس مرکب تحت هر دو شرایط بهینه و کمبود روی با استفاده از نرم‌افزار SAS نسخه 4/9، و همبستگی پیرسون و نیز تحلیل عاملی با استفاده از بسته‌های مربوطه در نرم‌افزار R انجام شد.
یافته‌ها
بر اساس نتایج تجزیه واریانس مرکب، اثر ژنوتیپ و اثرات متقابل ژنوتیپ × محیط و ژنوتیپ × سال بر روی صفات مورد مطالعه در سطح احتمال یک درصد معنی‌دار بود که بیانگر وجود تنوع ژنتیکی قابل توجه و واکنش‌های متفاوت ژنوتیپ‌ها در شرایط محیطی مختلف بود. در شرایط کمبود روی، میانگین صفاتی نظیر کلروفیل a، کلروفیل b، کلروفیل کل، پرولین، مالون‌دی‌آلدئید، پلی‌فنل اکسیداز و محتوای آهن بذر افزایش یافت که نشانه فعال شدن مسیرهای دفاع اکسیداتیو و سازگاری متابولیکی بود. در مقابل، در شرایط بهینه، مقادیر بالاتری از صفاتی مانند کاتالاز، پروتئین بذر، کربوهیدرات بذر و عناصر معدنی مانند پتاسیم، روی و فسفر بذر مشاهده شد که بازتاب‌دهنده‌ی تخصیص بیشتر منابع به رشد و ذخیره‌سازی بود. تحلیل همبستگی نشان داد که در شرایط بهینه، همبستگی‌های مثبت و معنی‌داری بین صفات فتوسنتزی و شاخص‌های متابولیتی وجود داشت، در حالی که در شرایط کمبود روی این روابط تضعیف یا به مسیرهای دیگری منتقل شدند، مانند ارتباط کربوهیدرات بذر با صفات کلروفیل b، پرولین و پروتئین برگ. پایداری همبستگی‌های معنی‌دار بین کلروفیل a، کلروفیل b و کلروفیل کل در هر دو شرایط، نشان‌دهنده قابلیت این صفات برای استفاده به‌عنوان شاخص‌های ثابت و قابل اعتماد در غربالگری غیرمستقیم ژنوتیپ‌های متحمل است. تحلیل عاملی با چرخش واریماکس نیز ساختار پنهانی داده‌ها را آشکار ساخت. در شرایط کمبود روی، سه عامل اصلی استخراج شد که ۳۳ درصد از واریانس کل صفات را توضیح دادند. در مقابل در شرایط بهینه، هفت عامل شناسایی شد که در مجموع ۵۴ درصد از واریانس کل را توجیه کردند.
نتیجه‌گیری
نتایج این پژوهش نشان داد که تنوع ژنتیکی معنی‌داری در لاین‌های ذرت مورد بررسی برای صفات کلیدی فتوسنتزی، نیتروژنی و آنتی‌اکسیداتیو وجود دارد. این تنوع در شرایط کمبود روی بیشتر در مسیرهای فتوسنتزی و نیتروژنی برگ و بذر نمود پیدا کرد، در حالی که در شرایط بهینه، ساختار عاملی پیچیده‌تری از روابط بین صفات متابولیتی و ذخیره‌ای شکل گرفت. از آنجا که صفاتی مانند کلروفیل‌ها، پروتئین و نیتروژن برگ و بذر و برخی شاخص‌های آنتی‌اکسیداتیو، هم تنوع میان‌ژنوتیپی بالایی ایجاد کردند، هم در شرایط تنش رفتار تمایزبخش نشان دادند، می‌توانند به‌عنوان معیارهای قابل اعتماد برای غربالگری اولیه ژنوتیپ‌های توانمند در سازگاری به کمبود روی در برنامه‌های به‌نژادی ذرت مورد استفاده قرار گیرند. این یافته‌ها چشم‌انداز مناسبی برای بهره‌گیری از شاخص‌های فیزیولوژیک و بیوشیمیایی در برنامه‌های به‌نژادی ذرت فراهم می‌کند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Genetic diversity assessment of maize (Zea mays L.) inbred lines based on physiological traits under zinc-sufficient and zinc-deficient conditions using factor analysis

نویسندگان [English]

  • Maryam Harati Rad 1
  • Nafiseh Mahdinezhad 2
  • Reza Darvishzadeh 3
  • Baratali Fakheri 2
  • Mitra Jabari 4
  • Sorour Arzhang 5
1 Department of Plant Breeding and Biotechnology, Faculty of Agriculture, University of Zabol, Sistan and Baluchestan, Iran.
2 Department of Plant Breeding and Biotechnology, Faculty of Agriculture, University of Zabol, Sistan and Baluchestan, Iran.
3 Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Western Azerbaijan, Iran.
4 Department of plant production and genetic engineering, Faculty of Agriculture, University of Saravan. Saravan, Sistan and Baluchestan, Iran.
5 Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University,Western Azerbaijan, Iran.
چکیده [English]

Background and objectives
Maize (Zea mays L.) is one of the most important cereal crops worldwide, playing a key role in food security, livestock nutrition, and the food industry. Micronutrient deficiencies, particularly zinc (Zn), are among the major constraints in agricultural soils, exerting detrimental effects on plant growth and yield. Zinc deficiency is one of the most widespread micronutrient disorders in cropping systems, reducing productivity and nutritional quality and thereby representing a serious threat to food security. As a Zn-sensitive crop and an indicator of soil Zn status, maize requires breeding programs informed by precise evidence on genetic diversity and physiological responses. The objective of this study was to investigate the genetic diversity and changes in the correlation structure of physiological and biochemical traits under two Zn nutritional levels.
Materials and Methods
This study evaluated 95 maize inbred lines under two nutritional regimes: Zn-sufficient (with zinc sulfate fertilizer) and Zn-deficient (without zinc sulfate). The experiment was conducted using an alpha-lattice design with two replications over two years. In total, 21 physiological and biochemical traits were assessed. Combined ANOVA under both Zn regimes was performed using SAS 9.4, and Pearson correlation analysis as well as factor analysis were conducted in R using the relevant statistical packages.
Results
Combined ANOVA revealed significant effects of genotype as well as genotype × environment and genotype × year interactions at the 1% probability level, indicating substantial genetic variation and differential responses across environments. Under Zn deficiency, mean values of chlorophyll a, chlorophyll b, total chlorophyll, proline, malondialdehyde (MDA), polyphenol oxidase (PPO), and seed iron increased, indicating activation of oxidative defense pathways and metabolic adjustment. In contrast, under Zn sufficiency, higher levels of catalase (CAT), seed protein, seed carbohydrate, and mineral elements such as potassium, zinc, and phosphorus were observed, reflecting a greater allocation of resources to growth and storage. Correlation analysis showed positive and significant associations between photosynthetic pigments and metabolic indicators under Zn sufficiency, whereas these associations weakened or shifted under Zn deficiency—for example, seed carbohydrate became associated with chlorophyll b, proline, and leaf protein. The stability of significant correlations among chlorophyll a, chlorophyll b, and total chlorophyll under both Zn regimes indicates their potential as reliable and stable indicators for indirect screening of Zn-efficient genotypes. Factor analysis with varimax rotation highlighted the latent structure of the traits: three factors were extracted under Zn deficiency, explaining 33% of the total variance, whereas under Zn sufficiency, seven factors were identified, accounting for 54% of the total variance.
Conclusion
The findings demonstrated significant genetic diversity among the evaluated maize lines for key photosynthetic, nitrogen-related, and antioxidative traits. This diversity was more evident in photosynthetic and nitrogen-associated pathways in leaves and seeds under Zn deficiency, whereas under Zn sufficiency, a more complex factorial structure involving metabolic and storage-related traits emerged. Since traits such as chlorophyll pigments, leaf and seed protein, leaf and seed nitrogen, as well as selected antioxidative indicators exhibited both high inter-genotypic variability and differential behavior under Zn deficiency, they can serve as reliable criteria for preliminary screening of genotypes capable of adapting to Zn-limited conditions. These findings provide a suitable perspective for the use of physiological and biochemical traits in maize breeding programs aimed at improving Zn efficiency.

کلیدواژه‌ها [English]

  • Antioxidant enzymes
  • Factor analysis
  • Genetic diversity
  • Photosynthetic pigments
  • Zinc deficiency

مراجع

  1. Kumari, V.N., Sivakumar, S. & Himakara, D.M. (2025). Multivariate analysis and multi-trait index-based selection of maize (Zea mays) inbreds for agromorphological and yield components. Plant Science Today,12(3). https://doi.org/10.14719/pst.4206
  2. Zhang, L., Yan, M., Ren, Y., Chen, Y. & Zhang, S. (2021). Zinc regulates the hydraulic response of maize root under water stress conditions. Plant Physiology and Biochemistry. 159, 123–134. https://doi.org/10.1016/j.plaphy.2020.12.014
  3. Cakmak, I. & Kutman, U.B. (2018). Agronomic biofortification of cereals with zinc: a review. European Journal of Soil Science. 69, 172–180. https://doi.org/10.1111/ejss.12437
  4. Rehman, R., Asif,M., Cakmak, I. & Ozturk, L. (2021). Differences in uptake and translocation of foliar-applied Zn in maize and wheat. Plant Soil. 462, 235–244. https://doi.org/10.1007/s11104-021-04867-3
  5. Aziz, M.A., Ahmad, H.R., Corwin, D.L., Sabir, M., Hakeem, K.R. & Ozturk, M. (2017). Influence of farmyard manure on retention and availability of nickel, zinc and lead in metal-contaminated calcareous loam soils. Journal of Environmental Engineering and Landscape Management. 25(3), 289–296. https://doi.org/10.3846/16486897.2016.1254639
  6. Yu, B.G., Chen, X.X., Cao, W.Q., Liu, Y.M. & Zou, C.Q. (2020). Responses in zinc uptake of different mycorrhizal and non-mycorrhizal crops to varied levels of phosphorus and zinc applications. Frontiers in Plant Science. 11, 606472. https://doi.org/10.3389/fpls.2020.606472
  7. Shahzad, Z., Rouached, H. & Rakha, A. (2014). Combating mineral malnutrition through iron and zinc biofortification of cereals. Comprehensive Reviews in Food Science and Food Safety. 13, 329–346.  https://doi.org/10.1111/1541-4337.12063
  8. Candan, N., Cakmak, I. & Ozturk, L. (2018). Zinc-biofortified seeds improved seedling growth under zinc deficiency and drought stress in durum wheat. Journal of Plant Nutrition and Soil Science. 181(3), 388–395.  https://doi.org/10.1002/jpln.201800014
  9. Chen, W.R., He, Z.L., Yang, X.E. & Feng, Y. (2009). Zinc efficiency is correlated with root morphology, ultrastructure, and antioxidative enzymes in rice. Journal of Plant Nutrition. 32, 287–305. https://doi.org/ 10.1080/01904160802608627
  10. Mondal, T.K., Ganie, S.A., Rana, M.K. & Sharma, T.R. (2014). Genome-wide analysis of zinc transporter genes of maize (Zea mays). Plant Molecular Biology Reporter. 32, 605–616. https://doi.org/10.1007/s11105-013-0664-2
  11. Montoya, M., Guardia, G., Recio, J., Castellano-Hinojosa, A., Ginés, C., Bedmar, E. J. (2021). Zinc-nitrogen co-fertilization influences N2O emissions and microbial communities in an irrigated maize field. Geoderma 383,114735. https://doi.org/10.1016/j.geoderma.2020.114735
  12. Sunday, S.S.M. & Eruni, E.K. (2022). Physiological responses of maize (Zea mays) to zinc (Zn) induced stress. International Journal of Botany Studies, 7(3), 203‑210.
  13. Vassilev, A., Nikolova, A., Koleva, L. & Lidon, F. (2011). Effects of excess Zn on growth and photosynthetic performance of young bean plants. Journal of Phytology, 3(6), 58-62.
  14. Lalelou, F.S., Shafagh-Kolvanagh, J., Fateh, M. (2013). Effect of various concentrations of zinc on chlorophyll, starch, soluble sugars and proline in naked pumpkin (Cucurbita pepo). International Journal of Farming and Allied Sciences, 2(24), 1198-1202.
  15. Oladele, E.O., Odeigah, P.G.C., & Taiwo, I.A. (2013). The genotoxic effect of lead and zinc on bambara groundnut (Vigna subterranean). African Journal of Environmental Science and Technology, 7(1), 9-13.
  16. Winter, S.R., Musik, J.T. & porter, K.B. (1998). Evaluation of screening Technique for Breeding, Drought- resistant winter wheat. Crop Science, 28, PP: 512-516.
  17. Ghodsizad, L., Rahimzadeh Khoei, F., & Sadeghzade, B. (2013). Zinc absorption evaluation in barley varieties and landraces under cold dryland conditions. Master of Science, Tabriz Azad University. [In Persian].
  18. Akbari, A.R., Ghasemi, S.H., Saremi-Rad, A., & Shojaei,S.H. (2018). Genetic diversity study of corn (Zea mays ) genotype for morpho-physiological traits under drought stress. Journal of Agronomy and PlantBreeding, 14(2), 9-23. [In Persian].
  19. Hoxha, S., Shariflou, M. R., & Sharp, P. (2004). Evaluation of genetic diversity in Albanian maize using SSR markers. Maydica, 49(2), 97-103
  20. Silva, T. N., Moro, G. V., Moro, F.V., Santos, D.M.M.D., & Buzinaro, R. (2016). Correlation and path analysis of agronomic and morphological traits in maize. Revista Ciência Agronômica, 47, 351-357.
  21. Nourinejad, H., Alami Saeid, Kh., & Sadat, Sh. (2024). A Study on Genetic Diversity, Heritability, Genetic Advance, and Factor Analysis of Trait Yields and Yield Components in Promising Maize Lines. Journal of Crop Breeding, 16(2), 104‑117. https://doi.org/10.61186/jcb.16.2.104
  22. Khadem Hosseini, Z., & Rabiei, B. (2021). Investigating the relationships between grain yield and quality related traits in some promising lines of rice (Oryza sativa ). Cereal Research, 11(2), 105-119. https://doi.org /10.22124/CR.2021.20707.1692. [In Persian]
  23. Kamara, A. Y., Kling, J. G., Menkir, A., & Ibikunle, O. (2003). Agronomic performance of maize (Zea mays ) breeding lines derived from a low nitrogen maize population. The Journal of Agricultural Science, 141(2), 221-230. https://doi.org /10.1017/S0021859603003514
  24. Adiko, N.N., Ratnadewi, D., & Miftahudin. (2017). Physiological responses of rice (Oryza sativa) to zinc treatments under drought stress. Pakistan Journal of Biotechnology, 14(2), 173–181. http://www.pjbt.org
  25. Aslam, M., Khan, S.H., Beshir, A., Hussain, M. & Aslam, M.A. (2024). Genetic divergence and extent of association among indicators linked to zinc contents and yield in tropical maize. SABRAO Journal of Breeding and Genetics, 56(3), 1001-1011. http://doi.org/10.54910/sabrao2024.56.3.9
  26. Hanway, J. (1971). How a Corn Plant Develops. Iowa State Univ. Sp. Rpt. No. 48.
  27. Wei, T., & Simko, V. R. (2021). package “corrplot”: Visualization of a Correlation Matrix (Version 0.92). Package Corrplot for R Software.
  28. Revelle, W. (2022). Package “Psych”: Procedures for Psychological, Psychometric, and Personality Research. https://personality-project.org/r/psych
  29. Arzhang, S., Darvishzadeh, R. & Alipour, H. (2021). Evaluation of genetic diversity of maize lines (Zea mays) under normal and salinity stress conditions. Cereal Research. 11(3), 243-268. http://doi.org/10.22124/CR.2022.21075.1699.
  30. Arnon, D.I. (1949). Copper enzymes in isolated chloroplasts. Polyphenoloxidase in Beta vulgaris. Plant Physiology. 24, 1–15.
  31. Lichtenthaler, H.K. (1987). Chlorophylls and carotenoids: pigments of photosynthetic biomembranes. Methods in Enzymology. 148, 350–382.
  32. Dubois, M., Gilles, K.A., Hamilton, J.K., Rebers, P.A. & Smith, F. (1956). Colorimetric method for Determination of sugars and Related Substances. Analytical Chemistry. 28,
  33. Bates, L.S., Waldren, R.P. & Teare, I.D. (1973). Rapid determination of free proline for water-stress studies. Plant Soil. 39, 205–207. https://doi.org/10.1007/BF00018060
  34. Lowry, O.H., Rosebrough, N.J., Farr, A.L. & Randall, R.J. (1951). Protein measurement with the Folin phenol reagent. The Journal of biological chemistry. 193(1), 265–275.
  35. Guebel, D., Nudel, C. & Giulietti, A. (1991). A simple and rapid micro-Kjeldahl method for total nitrogen analysis. Biotechnology Techniques. 5(6), 427-430. https://doi.org/10.1007/BF00155487.
  36. Chance, B. & Maehly, A.C. (1955). Assay of Catalase and Peroxidase. Methods in Enzymology. 2, 764-775. http://dx.doi.org/10.1016/S0076-6879(55)02300-8
  37. Gao, R., Yuan, Zh., Zhao, Zh. & Gao, X. (1998). Mechanism of pyrogallol autoxidation and determination of superoxide dismutase enzyme activity. Bioelectrochemistry and Bioenergetics. 45(1), 41-45. https://doi.org/10.1016/S0302-4598(98)00072-5.
  38. Nakano, Y. & Asada, K. (1981). Hydrogen Peroxide Is Scavenged by Ascorbate-Specific Peroxidase in Spinach Chloroplasts. Plant and Cell Physiology. 22, 867-880.
  39. Heath, R.L. & Packer, L. (1968). Photoperoxidation in Isolated Chloroplasts: I. Kinetics and Stoichiometry of Fatty Acid Peroxidation. Archives of Biochemistry and Biophysics. 125, 189-198.
    http://dx.doi.org/10.1016/0003-9861(68)90654-1
  40. AOAC International. (2013). AOAC Official Methods of Analysis - Appendix K: Guidelines for Dietary Supplements and Botanicals.
  41. Luque de Castro, M.D. & Garcı́a-Ayuso, L.E. (1998). Soxhlet extraction of solid materials: an outdated technique with a promising innovative future. Analytica Chimica Acta. 369 (1–2), 1-10. https://doi.org/10.1016/S0003-2670(98)00233-5.
  42. Engelbrecht, R.M. & McCoy, F.A. (1956). Determination of potassium by tetraphenylborate method. Analytical Chemistry. 28 (11), 1772–1773.
  43. Page, A.L., Miller, R.H. & Keeney, D.R. (Eds.). (1982). Methods of Soil Analysis, Part 2: Chemical and Microbiological Properties. the American Society of Agronomy, Inc., Soil Science Society of America, Inc. https://doi.org/10.2134/agronmonogr9.2.2ed
  44. Murphy, J. & Riley, J. P. (1962). A modified single solution method for the determination of phosphate in natural waters. Analytica Chimica Acta. 27, 31–36. https://doi.org/10.1016/S0003-2670(00)88444-5
  45. Harati Rad, M., Mehdinejad, N., Darvishzadeh, R., Fakheri, B. & Jabbari, M. (2023). .Investigation of genetic diversity of maize lines (Zea mays) based on agromorphological traits using factor analysis under zinc (Zn) deficiency conditions. Journal of Grain Research. 13 (1), 47-63. https://doi.org/10.22124/cr.2023.24502.1767. [In Persian]
  46. Xu, Y., Tang, J., Wang, R., Lau, W. C. Y., Zhang, L., Feng, J., Chen, X., Chen, P., Zhao, H., Yu, P., & Li, C. (2021). Tolerance of maize (Zea mays) to zinc deficiency stress is mainly related to root morphological adaptation associated with the enhanced expression of Zn transporter genes. Frontiers in Plant Science, 12, 736658. https://doi.org/10.3389/fpls.2021.736658.
  47. Zeng, H., Wu, H., Yan, F., Yi, K., & Zhu, Y. (2021). Molecular regulation of zinc deficiency responses in plants. Journal of Plant Physiology, 261, https://doi.org/10.1016/j.jplph.2021.153419
  48. Suganya, A., Saravanan, A., & Manivannan, N. (2020). Role of zinc nutrition for increasing zinc availability, uptake, yield, and quality of maize (Zea mays) grains: An overview. Communications in Soil Science and Plant Analysis, 51(15), 2001–2021. https://doi.org/10.1080/00103624.2020.1820030
  49. Annicchiarico, P. (1997). Additive main effects and multiplicative interaction (AMMI) analysis of genotype-location interaction in variety trials repeated over years. Appl. Genet. 4, 1072–1077.
  50. Alam, M. A., Rahman, M., Ahmed, S., Jahan, N., Khan, M. A.-A., Islam, M. R., Alsuhaibani, A. M., Gaber, A., & Hossain, A. (2022). Genetic variation and genotype by environment interaction for agronomic traits in maize (Zea mays) hybrids. Plants, 11(11), 1522. https://doi.org/10.3390/plants11111522
  51. Sarviya, R., & Patel, R. (2024). Study of genetic variability and diversity analysis in maize (Zea mays). The Pharma Innovation Journal, 13(9), 105-109.
  52. Imran, M., Sun, X., Hussain, S., Ali, M. U., Ahmad, M., Mubeen, M., & Tang, X. (2023). Zinc nutrition and chlorophyll metabolism in plants under abiotic stresses: Physio-biochemical and molecular aspects. Environmental and Experimental Botany, 206, https://doi.org/10.1016/j.envexpbot.2023.105179
  53. Rizwan, M., Ali, S., Qayyum, M. F., Ok, Y. S., Adrees, M., Ibrahim, M., Zia-ur-Rehman, M., Farid, M., & Abbas, F. (2022). Zinc nutrition and plant growth: An update. Plant and Soil, 474(1–2), 1–40. https://doi.org/10.1007/s11104-021-05108-w
  54. Khayatnezhad, M., Gholamin, R., Jamaati-e-Somarin, S., Zabihi-e-Mahmoodabad, R., & Badrzadeh, S. (2011). Study of Morphological Traits of Maize Cultivars Through Factor Analysis. Advances in Environmental Biology. 5(1), 104–108.
  55. Kaiser, H.F. (1974). An index of factorial simplicity. Psychometrika, 39, 31-36.
  56. , M.C. (2016). A Review of Exploratory Factor Analysis Decisions and Overview of Current Practices: What We Are Doing and How Can We Improve?. International Journal of Human-Computer Interaction. 32,1, 51-62, https://doi.org/10.1080/10447318.2015.1087664
  57. Maschi Bahoosh, M., Abbaskokht, H., & Rabiee, B. (2015). Diversity among new maize hybrids forquantitative and morphological traits. Iranian Journal of Field Crop Science. 46(3),351-367. [In Persian]
  58. Shojaei, S.H., Mostafavi, Kh., Khosroshahli, M., Bihmata, M.R., & Ramshini, H. (2022). Evaluation of yield relationships and yield components in maize hybrids using multivariate and graphical methods in karaj region. Journal of Crop Breeding. 14(41), 174-183.https://doi.org/10.52547/jcb.14.41.174. [In Persian]
مجله تولید گیاهان زراعی
دوره 18، شماره 4
دی 1404
صفحه 119-142

فایل ها

هم رسانی

ارجاع به این مقاله

آمار