تجزيه اثرات متقابل ژنوتيپ در محيط براي عملكرد دانه در گندم دوروم

Analysis of genotype × environment interaction for grain yield in rainfed durum wheat

اين تحقيق به منظور تجزيه اثرات متقابل ژنوتيپ در محيط (G×E) براي عملكرد دانه درآزمايشات چند محيطي گندم دوروم در ايستگاه‌هاي تحقيقات كشاورزي ديم كشور با استفاده از مدل‌هاي آماري GGEباي‌پلات (اثر ژنوتيپ + اثر متقابل G×E) و رگرسيون توام (ضريب رگرسيون + واريانس انحراف از رگرسيون) انجام شد. بر اساس نتايج تجزيه واريانس، سهم اثرات اصلي محيط، اثر متقابل G×E و اثر ژنوتيپ به ترتيب 84%، 7/7% و 3/2% تغييرات كل بود. تجزيه همبستگي بين محيط‌ها نشان داد كه گروه محيط‌هاي مربوط به مراغه و شيروان (اقليم سرد) ازگروه محيط‌هاي مربوط به ايلام (اقليم گرم) از نظر رتبه‌بندي و تعيين سازگاري ژنوتيپ‌ها متفاوت بودند. در حاليكه محيط‌هاي مربوط به كرمانشاه (اقليم معتدل) با هر دو گروه محيطي بسته به سال زراعي همبستگي معني‌دار نشان دادند. بر اساس مدل GGE باي‌پلات، ژنوتيپ‌هاي G21(ساجي)، G11 و G16 داراي تركيب بالايي از پايداري و عملكرد بودند. بر اساسGGE باي‌پلات ژنوتيپ‌هاي G16، G4 و G13 پايدار و ژنوتيپ‌هاي G23 و G22 ناپايدار بودند. بر اساس رگرسيون توام ژنوتيپ‌هاي G7، G18، G17 و G19 با بيشترين ضريب رگرسيون داراي سازگاري به شرايط مطلوب و ژنوتيپ‌هاي G23 و G22 با كمترين ضريب رگرسيون داراي سازگاري به شرايط نامطلوب بودند. ژنوتيپ‌هاي G16 و G8 با كمترين واريانس انحراف از رگرسيون داراي پايداري استاتيكي به محيط‌هاي مختلف بودند و ژنوتيپ‌هاي G23، G1 و G4 ناپايدار بودند. ژنوتيپ‌هاي G16، G5 و G18 بر اساس رگرسيون توام داراي تركيب مناسبي از عملكرد و پايداري بودند. هر دو مدل GGE باي‌‌پلات و رگرسيون توام لاين اصلاحي G16 را بعنوان ژنوتيپ پايدار با عملكرد بالا و ژنوتيپ G23 بعنوان ژنوتيپ ناپايدار با عملكرد پايين شناسايي نمودند. بر اساس نتايج حاصل، روش GGE باي‌پلات نسبت به روش رگرسيون توام به دليل ارائه اطلاعات بيشتر ابزار مناسب‌تري براي مطالعه و تفسير اثرات متقابل G×E بود.

This research was investigated to analyze genotype × environment (GE) interaction for grain yield in durum wheat multi-environment trials (MET) conducted in dryland agricultural research stations (DARI) using GGE (G + GE interaction) biplot methodology and joint regression analysis (b + S2di). The environment, GE interaction and genotype effects were accounted for 84%, 7.7% and 2.3% of total sum of squares. The large variations due to environment effects are indicating environmental diversity that causes significant GE interaction and consequently variation in genotypic yields. Correlation analysis among environments indicated that the environment group corresponding to Maragheh and Shirvan locations (cold locations) differed from environment group corresponding to Ilam location (warm location) in genotypes ranking, whereas environments corresponding to Kermanshah location (moderate location), depending on cropping season, were correlated with the both environmental groups. Based on GGE biplot, the genotypes G21 (Saji cultivar), G11 and G16 had the high combination of yield and stability, while the genotypes G16, G4 and G13 were stable and G23 and G22 were unstable. According to joint regression analysis (JRA), genotypes G7, G18 and G17 with regression coefficients higher than unit were adapted to favorable environments, while G23 and G22 with lowest regression coefficients were adapted to unfavorable environments. Genotypes G16, G8 and G6 with lowest variance in regression deviation were among the first three most stable genotypes and genotypes G23, G1 and G2 vice versa. Genotypes G16, G5 and G18 based on JRA had a good combination of yield and stability. Based on both methods (GGE biplot and JRA) genotype G16 was identified as high yielding and stable genotype and G23 as unstable genotype with low yielding performance. The GGE biplot due to provide more information on GE interaction was a useful tool than the JRA.