ارزیابی پایداری عملکرد دانه و زیست توده ژنوتیپ‎های ماشک بر اساس شاخص‎های مبتنی بر مدل‎هایAMMI ، BLUP و MTSI MTSI

نوع مقاله : مقاله کامل علمی- پژوهشی

نویسندگان

1 دانشیار پژوهشی، بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج

2 مربی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کهگیلویه و بویراحمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یاسوج، ایران

3 مربی، بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی ایلام، سازمان تحقیقات، آموزش و ترویج کشاورزی، ایلام،

10.22069/ejcp.2026.23678.2688

چکیده

چکیده
مقدمه و هدف:
ماشک معمولی (Vicia sativa L.) یکی از مهم‌ترین گیاهان خانواده حبوبات است که به‌طور گسترده در جهان پراکنش دارد و به‌عنوان علوفه و کود سبز مورد استفاده قرار می‎گیرد. این گیاه می‌تواند در مناطق مرتعی ایران، که در زمستان و اوایل بهار با کمبود علوفه مواجه هستند، منبع مناسبی برای تأمین خوراک دام باشد. با وجود اهمیت این گیاه، اطلاعات محدودی درباره تنوع ژنتیکی صفات زراعی آن، به‌ویژه عملکرد دانه و زیست توده، در دسترس است. ماشک معمولی به دلیل سازگاری با سیستم‌های کشاورزی ارگانیک و کم‌نهاده و توانایی تثبیت نیتروژن اتمسفری، گزینه‌ای مناسب برای استفاده در تناوب‌های زراعی، به‌ویژه در مناطق کم‌باران، محسوب می‌شود و می‌تواند جایگزین مناسبی برای کشت تک‌محصولی غلات باشد. همچنین کشت مخلوط ماشک با غلات بدون نیاز به کودهای نیتروژنی می‌تواند موجب افزایش عملکرد پروتئین در خاک شود. با مدل‌های اثرات مختلط، مقادیر BLUP برآورد می‌شود تا برهم‌کنش ژنوتیپ × محیط به‌طور دقیق محاسبه گردد. سپس این مقادیر با تجزیه AMMI و تحلیل تجزیه مقدار منفرد بررسی می‌شوند. ترکیب دو روش AMMI و BLUP، ارزیابی دقیق‌تری از اثرات تصادفی و محاسبه شاخص پایداری ژنوتیپ‌ها بر اساس «میانگین وزنی نمرات مطلق BLUP» را ممکن می‌سازد. در برنامه‌های به‌نژادی، شناسایی ژنوتیپ‌های پرمحصول و پایدار در محیط‌های مختلف از اهمیت زیادی برخوردار است. در این راستا، شاخص گزینش پایداری چندصفتی (MTSI) می‌تواند در ارزیابی دقیق‌تر ژنوتیپ‌ها مؤثر باشد. بنابراین، این پژوهش با هدف شناسایی ژنوتیپ‌های پرمحصول و پایدار ماشک معمولی از نظر عملکرد دانه و زیست توده در شرایط کشت پاییزه انجام شد.
مواد و روش‎ها: در این پژوهش، هشت ژنوتیپ پیشرفته ماشک همراه با دو شاهد مراغه و طلوع در قالب طرح بلوک‎های کامل تصادفی در سه تکرار، در کهگیلویه و بویر احمد (گچساران)، لرستان (خرم آباد) و ایلام (مهران و چرداول) به مدت پنج سال زراعی (1403-1398)، مورد ارزیابی قرار گرفتند. میزان بذر مصرفی 150 دانه در متر مربع تعیین شد. کاشت بذرها در چهار خط به طول هفت متر به فاصله 25 سانتی‌متر بین خطوط (7 متر مربع) و به فاصله نیم متر بین هر کدام از کرت‌ها، انجام شد. عملکرد دانه، وزن صد دانه، عملکرد علوفه تر‌، عملکرد زیست توده، تعداد غلاف در بوته، وزن صد دانه، شاخص برداشت، عملکرد کاه و وزن تک دانه در سال‎های مختلف برای هر ژنوتیپ اندازه‎گیری شد. برای تعیین پایداری ژنوتیپ‌ها و تجزیه‎های آماری از جمله برآورد شاخص‎ MTSI و پارامترهای ژنتیکی با استفاده از بسته تجزیه آزمایش‎های چندمحیطی با نام metan و GGE در نرم‎افزار R انجام شد. برای تعیین کمیت پایداری ژنوتیپی، از تجزیه مقادیر منفرد، روی ماتریس بهترین پیش‎بینی‎های نااریب خطی (BLUP) برهمکنش‎های ژنوتیپ در محیط با یک مدل اثر مختلط خطی استفاده شد. اجزای واریانس با روش حداکثر درست‎نمایی محدود شده برآورد شدند و برای ارزیابی معنی‎داری اثرهای تصادفی، آزمون‎ نسبت درست‎نمایی (LRT) به کار گرفته شد.

یافته‎ها: سهم مجموع مربعات ژنوتیپ و برهمکنش ژنوتیپ در محیط در مجموع مربعات کل به‎ترتیب 91/8 و 65/55 درصد بود. آزمون نسبت درست‎نمایی نشان داد که برهمکنش ژنوتیپ در محیط بر عملکرد دانه، عملکرد علوفه تر، عملکرد زیست توده، وزن صد دانه، شاخص برداشت، عملکرد کاه، و وزن تک دانه معنی‎دار بود. آزمون اسکریت نشان داد پنج مؤلفه اصلی اولیه سهم قابل توجهی در توجیه برهمکنش ماتریس ژنوتیپ در محیط حاصل از داشتند، به‎طوری که مؤلفه‎های اصلی اول تا ششم به ترتیب 6/51، 6/25، 1/10، 5‌، 2/4 و 8/1 درصد از تغییرات برهمکنش ژنوتیپ در محیط را توجیه کردند.
نتیجه‎گیری: در مجموع، بر اساس نتایج کل روش‎ها و انتخاب همزمان بر اساس پایداری عملکرد دانه و همه صفات اندازه‎گیری شده، ژنوتیپ‎های شماره 1‌،2‌،5‌،3 و 4 ژنوتیپ‎هایی پایدار و برتر نسبت به میانگین کل ژنوتیپ‎ها بودند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluation of grain yield and biological yield performance stability of vetch genotypes using AMMI, BLUP and MTSI Indexes

نویسندگان [English]

  • payam pezeshkpour 1
  • Behrouz Vaezi 2
  • Zainab Sabzi 3
  • Moslem Mahinkhah 3
1 Associate Professor, Crop and Horticultural Science Research Department, Lorestan Agricultural and Natural Resources Research and Education Center, AREEO, Khorramabad, Iran
2 - Researcher , Kohgiluyeh and Boyerahmad Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Yasuj, Iran
3 Researcher, Crop and Horticultural Science Research Department, Ilam Agricultural and Natural Resources Research and Education Center, AREEO, Ilam, Iran
چکیده [English]

Extended Abstract
Common vetch (Vicia sativa L.) is a widely distributed legume used mainly as forage and green ma-nure. It is an important feed source in Iran’s rangelands, especially during winter and early spring, yet its genetic diversity for key agronomic traits such as forage and seed yield is still poorly understood. Because of its adaptability to low‑input and organic farming systems and its nitrogen‑fixing ability, common vetch is well suited for crop rotation in low‑rainfall areas as an alternative to continuous ce-real cultivation. Additionally, intercropping vetch with cereals, without requiring nitrogen fertilizers, can improve soil fertility and increase overall system productivity. Using mixed-effects models, Best Linear Unbiased Predictions (BLUPs) are estimated to accurately quantify the genotype × environment interaction (G×E). These estimates are subsequently evaluated through the Additive Main effects and Multiplicative Interaction (AMMI) analysis and singular value decomposition (SVD). The integration of AMMI and BLUP methodologies enables a more precise assessment of random effects and facili-tates the computation of genotype stability indices based on the Weighted Average of Absolute BLUP Scores (WAASB). The study aims to identify high‑yielding and stable common vetch genotypes un-der autumn sowing conditions. Using the Multi‑Trait Stability Index (MTSI), researchers evaluate gen-otypes more accurately by simultaneously considering multiple traits across different environments.
Material and Methods:
In this study, 8 promising vetch genotypes along with “Maragheh”, and “Tolo” cultivars were cultivat-ed in a randomized complete block design for five consecutive cropping years (2019-2024) in Kogiluyeh and Boyer Ahmad / Gachsaran, Lorestan/Khoramabad, Ilam/chardavel and Mehran. The seeding rate was set at 150 seeds per square meter. Seeds were sown in four rows, each 7 m in length, with a row spacing of 25 cm, covering an area of approximately 7 m². A distance of 0.5 m was main-tained between adjacent plots. For each genotype, several agronomic traits were measured across dif-ferent years, including grain yield, hundred‑seed weight, fresh forage yield, total biomass yield, num-ber of pods per plant, harvest index, straw yield, and single‑seed weight. Genotype stability assess-ment and statistical analyses, including the estimation of the Multi‑Trait Stability Index (MTSI) and genetic parameters, were conducted using the multi‑environment trial analysis package metan and the GGE method implemented in the R statistical software environment (R Core Team). To quantify genotypic stability, singular value decomposition was applied to the matrix of best linear unbiased predictions (BLUPs) of genotype × environment interactions using a linear mixed‑effects model. Vari-ance components were estimated using the restricted maximum likelihood (REML) method, and the significance of random effects was evaluated using the likelihood ratio test (LRT).
Results: The mosaic diagram showed that the contribution of the sum of squares of genotype and the genotype × environment in the total sum of squares was 8.91 and 55.65%, respectively. The Likeli-hood Ratio Test (LRT) showed that the effect of genotype by environment interactions (GEI) was sig-nificant on grain yield, feresh forage yield, biological yield, 100-seed weight, harvest index, straw yield, and Single seed weight. The Screet test showed that the five primary components had a signifi-cant contribution to the GEI matrix derived from BLUP, So that the first to sixth principal components explained 51.6, 25.6, 10.1, 5, 4.2, and 1.8 percent of the variation in genotype-environment interac-tion, respectively.
Conclusion: In general, based on the results of all methods and simultaneous selection based on grain yield stability and all measured traits (MTSI), genotypes 1, 2, 5, 3 and 4 were stable and superior geno-types, compared to the average of the total traits of the genotypes.

کلیدواژه‌ها [English]

  • Single Value Decomposition (SVD)
  • Multi- trait stability index (MTSI)
  • Simultaneous selection

مراجع

  1. Ren, J. Z., Xu, G., Li, X. L., Lin, H. L., & Tang, Z. (2016). Trajectory and prospect of China’s prataculture. Chinese Science Bulletin, 61, 178-192.
  2. Larbi, A., & Nie, B. (2006). Productivity of vetches (Vicia spp.) under alpine grassland conditions in China. Tropical Grasslands, 40, 177-182.
  3. Dong, R., Jahufer, M. Z. Z., Dong, D. K., Wang, Y. R., & Liu, Z. P. (2016). Characterization of the morphological variation for seed traits among 537 germplasm accessions of common vetch (Vicia sativa L.) using digital image analysis. New Zealand Journal of Agricultural Research, 59(4), 422-435.
  4. Cakmakci, S. A. D. I. K., Aydinoglu, B. İ. L. A. L., Karaca, M. E. H. M. E. T., & Bilgen, M. E. H. M. E. T. (2006). Heritability of yield components in common vetch (Vicia sativa L.). Acta Agriculturae Scandinavica Section B-Soil and Plant Science, 56(1), 54-59.
  5. Fracchiolla, M., Lasorella, C., Laudadio, V., & Cazzato, E. (2018). Trifolium mutabile as new species of annual legume for Mediterranean climate zone: first evidences on forage biomass, nitrogen fixation and nutritional characteristics of different accessions. Agriculture, 8(7), 113.
  6. Fırıncıoğlu, H. K. (2014). A comparison of six vetches (Vicia spp.) for developmental rate, herbage yield and seed yield in semi‐arid central Turkey. Grass and Forage Science, 69(2), 303-314.
  7. Humphreys, M. O. (1991). A genetic approach to the multivariate differentiation of perennial ryegrass (Lolium perenne L.) populations. Heredity, 66(3), 437-443.
  8. Firincioglu, H. K., Erbektas, E., Dogruyol, L., Mutlu, Z., Ünal, S., & Karakurt, E. (2009). Phenotypic variation of autumn and spring-sown vetch (Vicia sativa ssp.) populations in central Turkey. Spanish Journal of Agricultural Research, (3), 596-606.
  9. Annese, V., Cazzato, E., & Corleto, A. (2006). Quantitative and qualitative traits of natural ecotypes of perennial grasses (Dactylis glomerata L., Festuca arundinacea Schreb., Phalaris tuberosa L., Brachypodium rupestre (Host) R. et S.) collected in Southern Italy. Genetic Resources and Crop Evolution, 53(2), 431-441.
  10. Sharifi, P., Aminpanah, H., Erfani, R., Mohaddesi, A., & Abbasian, A. (2017). Evaluation of genotype× environment interaction in rice based on AMMI model in Iran. Rice science, 24(3), 173-180.
  11. Jahufer, M. Z. Z., & Casler, M. D. (2015). Application of the Smith‐Hazel selection index for improving biomass yield and quality of switchgrass. Crop Science, 55(3), 1212-1222.
  12. Olivoto, T., & Nardino, M. 2020. MGIDI: A novel multi-trait index for genotype selection in plant breeding. Bioinformatics, 1-22.
  13. Olivoto, T., Lúcio, A. D., da Silva, J. A., Sari, B. G., & Diel, M. I. (2019 a). Mean performance and stability in multi‐environment trials II: Selection based on multiple traits. Agronomy Journal, 111(6), 2961-2969.
  14. Olivoto, T., Lúcio, A. D., da Silva, J. A., Marchioro, V. S., de Souza, V. Q., & Jost, E. (2019 b). Mean performance and stability in multi‐environment trials I: combining features of AMMI and BLUP techniques. Agronomy journal, 111(6), 2949-2960.
  15. Sharifi, P. (2020). Evolution, Domestication, Breeding Methods and the Latest Breeding Findings in Rice. Agricultural and Natural Resources Engineering Organization of IRAN, IR, 254 PP [In Persian].
  16. Wright, K., & Laffont, J L. (2018). Genotype plus genotype-by-environment biplots. R package. https:// Kwstat. Github.io/gge/index.html.
  17. Smith, H. F. (1936). A discriminant function for plant selection. Annals of eugenics, 7(3), 240-250.
  18. Joudi, M., & Ebadi, A. (2015). Evaluation of agronomic traits of Iranian wheat (Triticum aestivum L.) cultivars and their associations under terminal heat stress. Research in Field Crop Journal, 3(1), 42-54.
  19. Olivoto, T. (2019). Metan: multi environment trials analysis. R package version 1.1. 0.
  20. 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]
  21. Parissi, Z., Irakli, M., Tigka, E., Papastylianou, P., Dordas, C., Tani, E., & Vlachostergios, D. N. (2022). Analysis of genotypic and environmental effects on biomass yield, nutritional and antinutritional factors in common vetch. Agronomy, 12(7), 1678.
  22. Dong, R., Shen, S. H., Jahufer, M. Z., Dong, D. K., Luo, D., Zhou, Q., & Liu, Z. P. (2019). Effect of genotype and environment on agronomical characters of common vetch (Vicia sativa L.). Genetic Resources and Crop Evolution, 66(7), 1587-1599.
  23. Greveniotis, V., Bouloumpasi, E., Zotis, S., Korkovelos, A., & Ipsilandis, C. G. (2021). A stability analysis using AΜΜΙ and GGE biplot approach on forage yield assessment of common vetch in both conventional and low-input cultivation systems. Agriculture, 11(6), 567.
  24. Verma, A., & Singh, G. P. (2021). AMMI with BLUP analysis for stability assessment of wheat genotypes under multi locations timely sown trials in Central Zone of India. Journal of Agricultural Science and Food Technology, 7, 118-124.
  25. Sayar, M. S. (2017). Additive main effects and multiplicative interactions (AMMI) analysis for fresh forage yield in common vetch (Vicia sativa L.) genotypes. Poljoprivreda i Sumarstvo, 63(1), 119.
  26. Laffont, J. L., Hanafi, M., & Wright, K. (2007). Numerical and graphical measures to facilitate the interpretation of GGE biplots. Crop science, 47(3), 990-996.
  27. Aydemir, S. K., Karakoy, T., Kokten, K., & Nadeem, M. A. (2019). Evaluation of yield and yield components of common vetch (Vicia sativa L.) genotypes grown in different locations of Turkey by GGE biplot analysis. Applied ecology and environmental research, 17(6).
  28. Gauch Jr, H. G., & Zobel, R. W. (1988). Predictive and postdictive success of statistical analyses of yield trials. Theoretical and Applied genetics, 76(1), 1-10.
  29. Smith, A. B., Cullis, B. R., & Thompson, R. (2005). The analysis of crop cultivar breeding and evaluation trials: an overview of current mixed model approaches. The Journal of Agricultural Science, 143(6), 449-462.
  30. Nardino, M., Baretta, D., Carvalho, I. R., Olivoto, T., Follmann, D. N., Szareski, V. J., & de Souza, V. Q. (2016). Restricted maximum likelihood/best linear unbiased prediction (REML/BLUP) for analyzing the agronomic performance of corn. African Journal of Agricultural Research, 11(48), 4864-4872.
  31. Maleki, H. H., Vaezi, B., Jozeyan, A., Mirzaei, A., Darvishzadeh, R., Dashti, S., & Zeinalzadeh-Tabrizi, H. (2024). Deciphering genotype-by-environment interaction of grass pea genotypes under rain-fed conditions and emphasizing the role of monthly rainfall. BMC Plant Biology, 24(1), 559.
  32. Ullman, J. B., & Bentler, P. M. (2012). Structural equation modeling. Handbook of Psychology, second edition, 2(87): 35-50.
  33. Yue, H., Wei, J., Xie, J., Chen, S., Peng, H., Cao, H., & Jiang, X. (2022). A study on genotype-by-Environment interaction analysis for agronomic traits of maize genotypes across Huang-Huai-Hai region in China. Phyton, 91(1), 57-81.
مجله تولید گیاهان زراعی
دوره 19، شماره 2
تیر 1405
صفحه 23-49

فایل ها

هم رسانی

ارجاع به این مقاله

آمار