تجزیه پایداری ژنوتیپ‎ های گندم نان (.triticum aestivum l ) با استفاده از روش gge-biplot

مقدمه و هدف: تولید ارقام دارای عملکرد بالا و پایدار مهم‎ترین هدف برنامه‎های اصلاحی محصولات زراعی از جمله گندم نان می‎باشد. امروزه گندم یکی از مهمترین محصولاتی است که در ایران کشت می‎شود. عملکرد نهایی هر محصول بوسیله پتانسیل ژنوتیپ، محیط و اثر متقابل ژنوتپ×محیط تعیین می‎شود. مطالعات اثر متقابل ژنوتیپ×محیط می‎تواند به تعیین انتخاب یک یا چند ژنوتیپ پایدار با عملکرد بالا در طیف وسیعی از محیط‌ها کمک کند. روش‌های مختلفی (تک متغییره و چند متغییره) برای ارزیابی اثرات متقابل معرفی شده است که هریک ماهیت اثر متقابل را از دیدگاه مشخصی بررسی می‌کند. نتایج روش‌های مختلف ممکن است با هم یکسان نباشند، اما بهترین نتیجه زمانی حاصل می‌شود که یک ژنوتیپ با روش‌های مختلف ارزیابی، نتیجه مشابهی از نظر پایداری نشان دهد. روش‎های تک متغییره تصویر کاملی از ماهیت پیچیده و چند بعدی اثر متقابل ژنوتیپ×محیط ارائه نمی‎کنند، از این‎رو استفاده از روش‎های چند متغییره برای رفع این مشکل پیشنهاد شده است. در بین روش‎های چند متغییره، روش ژنوتیپ×ژنوتیپ-محیط از اهمیت بیشتری برخوردار می‎باشد. بنابراین، این مطالعه به‎منظور شناسایی بهترین لاین‎های امیدبخش گندم نان پایدار برای اقلیم گرم و خشک توسط روش بای‎پلات ژنوتیپ×ژنوتیپ-محیط انجام شد.مواد و روش‎ها: سازگاری و پایداری 37 لاین امیدبخش گندم نان به‎همراه 3 شاهد (چمران 2، مهرگان و سارنگ) در 10 محیط مورد ارزیابی قرار گرفتند. آزمایش با استفاده از طرح بلوک‎های کامل تصادفی با سه تکرار در دو فصل زراعی (1399-1400 و 1401-1400) در پنج ایستگاه تحقیقاتی (داراب، اهواز، دزفول، خرم‎آباد و زابل) اجرا شد. در مزرعه هر کرت با تراکم چهارصد و پنجاه بذر در مترمربع کشت شد. هریک از ژنوتیپ‎ها در کرت‎هایی با شش خط پنج متری با فاصله خطوط 20 سانتی‎متر کاشته شد. در پایان فصل محصول سنبله‌های شش ردیف پنج ‌متری از هر کرت به‎وسیله کمباین وینتراشتایگر برداشت شد و وزن دانه‌های به‎دست آمده توسط ترازوی دیجیتال اندازه‌گیری و در هکتار گزارش شد. برای عملکرد دانه، داده‎ها مورد تجزیه واریانس مرکب قرار گرفتند. از روش آماری بای‎پلات ژنوتیپ×ژنوتیپ-محیط با مدل اثر ژنوتیپ + برهم‎کنش ژنوتیپ × محیط برای ارزیابی پایداری و سازگاری ژنوتیپ‎ها درمحیط‎های مورد بررسی استفاده شد. از نرم‎افزار spssv22 برای تجزیه مرکب و از نرم‎افزار gge-biplot برای تجزیه داده‎های آزمایشی به‎روش گرافیکی ژنوتیپ×ژنوتیپ-محیط استفاده شد.یافته‎ها: آزمون کولموگراف اسمیرنوف جهت بررسی آزمون خطای باقیمانده‎ها در هر محیط انجام گرفت. نتایج آن در مورد هر محیط، به‎طور جداگانه نشان داد که باقیمانده داده‎ها در کلیه محیط‎ها نرمال بودند. نتیجه آزمون بارتلت برای محیط‎ها، همگن بودن واریانس خطاها را نشان داد، از این‎رو می‎توان تجزیه مرکب را انجام داد. تجزیه واریانس مرکب داده‎ها نشان داد که اثرات اصلی محیط، ژنوتیپ و برهمکنش ژنوتیپ×محیط بر عملکرد دانه معنی‎دار بود. 70/12 درصد تغییرات مربوط به اثر محیط، 1/24 درصد مربوط به اثر ژنوتیپ و 9/57 درصد تغییرات مربوط به برهم‎کنش ژنوتیپ×محیط بود. معنی‌دار شدن اثرات متقابل در این مطالعه نشان‌ داد که ژنوتیپ‌ها در محیط‌های متفاوت پاسخ‌های متفاوتی نشان داده و به‌عبارت ‌دیگر اختلاف بین ژنوتیپ‌ها از محیطی به محیطی دیگر یکسان نیست و در این شرایط پایداری عملکرد دانه می‌تواند مورد ارزیابی قرار گیرد. نتایج نشان داد که دو مولفه‌‎ی اول در مجموع 54 درصد از کل تنوع زراعی موجود بین داده‌‎ها را توجیه کردند. مولفه اصلی اول 29 درصد و مولفه اصلی دوم 25 درصد از واریانس موجود بین داده‌‎ها را توجیه کردند. بای‎پلات ژنوتیپ×ژنوتیپ-محیط به‎دست آمده در آزمایشات چند محیطی منجر به شناسایی 4 ابر محیط و 5 ژنوتیپ برتر شد. نمودار چندضلعی حاصل، نشان داد که ژنوتیپ‎‌های g31،g21 ، g29، g27 و g32 که در رئوس چندضلعی قرار داشتند، ژنوتیپ‌‎های برتر بودند. نتایج بای‎پلات مختصات محیط متوسط در این تحقیق نشان داد که ژنوتیپ‎های g29، g28 و g16 دارای عملکرد دانه و پایداری عملکرد بالا بودند. بررسی بای‎پلات همبستگی بین محیط‎ها نشان داد که بردارهای محیطی مناطق اهواز و زابل دارای زاویه نزدیک به 90 درجه بود که نشان‎دهنده عدم تشابه این دو منطقه است. همچنین نتایج نشان داد که کلیه محیط‎ها دارای قابلیت تمایز بالایی بوده و توانستند تفاوت‎های بین ژنوتیپ‎ها را به‎خوبی آشکار کنند. بر اساس نتایج حاصله، می‎توان محیط زابل را به‎عنوان محیط مطلوب جهت انتخاب ژنوتیپ‎های برتر گندم نان معرفی کرد.نتیجه‎گیری کلی: در مجموع با توجه به تغییرات اقلیمی در کشور به‎خصوص در مناطق گرم و خشک جنوب کشور، لزوم استفاده از ارقام پایدار با پتاسیل عملکرد بالا همواره مطرح است. این مطالعه به‎وضوح و به‎راحتی به شناسایی ژنوتیپ‎های پایدار و برتر به‎صورت گرافیکی کمک کرده است. اصلاح‎گرهای گندم در سراسر جهان ارقام اصلاحی برای مناطق مختلف جغرافیایی و اقلیمی کشاورزی در نظر می‎گیرند. سازگاری عمومی ارقام برای چندین منطقه در این مطالعه شناسایی شد. در این بررسی، محیط زابل را می‎توان به‎عنوان محیط مطلوب جهت انتخاب ژنوتیپ‎های برتر گندم نان معرفی کرد. در نهایت توصیه می‎شود ژنوتیپ‎های g29، g28 و g16 پس از تکثیر بذر و انتخاب برترین آنها در شرایط مزرعه، وارد آزمایشات تحقیقی و ترویجی گردد و در نهایت وارد فرایند معرفی ارقام جدید گندم نان نمود. همچنین نتایج به‌دست‌آمده در این مطالعه کارایی روش بای‎پلات ژنوتیپ×ژنوتیپ-محیط را برای انتخاب ارقام پرمحصول و پایدار نشان داد. 

stability analysis of bread wheat (triticum aestivum l.) genotypes by the genotype × genotype-environment biplot

extended abstractbackground: the production of high-yielding and stable cultivars is the most important objective of crop breeding programs, including wheat. wheat is one of the key crops cultivated in iran. the final yield of each plant is determined by the genotype potential, the environmental effect, and the interaction effect of genotype × environment. studies on genotype × environment interactions can help determine whether a genotype is stable in performance across a wide range of environments. various methods (univariate and multivariate methods) have been introduced to evaluate the interaction effect, each of which examines the nature of the interaction effect from a specific point of view. the results of different methods may not be the same, but the best result is obtained when a genotype with different evaluation methods shows similar results in terms of stability. univariate methods do not provide a complete view of the complex and multidimensional nature of genotype × environment interaction, therefore, the use of multivariate methods is suggested to solve this problem. among the multivariate methods, genotype × genotype-environment (gge) biplot methods are more important. therefore, this study aimed to identify promising and stable top-performing lines of bread wheat for warm and dry climates using the gge biplot method.methods: the adaptability and stability of 37 promising bread wheat lines were evaluated in 10 environments, along with three checks (chamran2, sarang, and mehregan). the experiment was conducted using a randomized complete block design with three replications in two cropping seasons (2020-2021 and 2021-2022) at five research stations (darab, ahvaz, dezful, khorramabad, and zabol). in the field, each plot was planted with a density of 450 seeds/m2. each line was planted in plots with six four-meter lines with 20 cm line spacing. at the end of the growing season, six rows of five-meter spikes from each plot were harvested and threshed by a wintersteiger combine. the weight of the obtained grains was measured by a digital scale and reported in hectares.grain yield was determined using combined analyses of variance. the gge biplot statistical method (genotype effect + genotype × environment interaction) was used to study the stability of genotypes in the studied environments. spssv22 software was used to analyze the experimental data using the analysis of the combined experiment. the data were analyzed with gge-biplot software using the gge biplot graphic method. results: the smirnov-kolmogorov test was conducted to examine residual errors in each environment. the results for each environment separately showed that the residual data were normal in all environments. bartlett’s test results for the environments indicated the homogeneity of error variances, allowing for a combined analysis of variance, which showed the significant main effects of the environment, genotype, and genotype × environment interaction for grain yield. the significance of the interaction effects of genotypes in this study showed that the genotypes responded differently in different environments; in other words, the difference between genotypes is not the same from one environment to another, and the stability of grain yield can be evaluated in these conditions. the environment, genotype, and genotype × environment interaction effects accounted for 70.12%, 1.24% and 9.57% of the total variation, respectively. the results showed that the three pcas explained 54% of the total agronomical variability residing in the tested wheat genotypes. the first two pcas accounted for 29% and 25% of the total variation, respectively. the gge biplot analysis revealed four mega-environments and five superior genotypes. the polygonal diagram obtained from the analysis showed that the genotypes gt biplot arising g31،g21 ،g29, g27, and g32, which were located at the vertices of the polygon, were the superior genotypes. the average environmental coordinate of the gge biplot analysis showed that genotypes g29, g28, and g16 had high grain yield and stability. the biplot of the correlation among environments revealed that the environmental vectors of ahwaz and zabol were near 90◦, thus these locations were different environments.  based on the results, the environment of zabol can be introduced as a favorable environment for selecting the best bread wheat genotypes.conclusion: given the climate change in iran, particularly in the hot and dry regions of the south, there is always a pressing need for using sustainable varieties with high performance. this study has clearly and easily aided in the identification of stable and superior genotypes graphically. wheat breeders worldwide consider breeding varieties specifically adapted to different geographical and climatic agricultural regions. the general adaptability of varieties to several regions was identified in this study, indicating that the zabol environment could be introduced as a suitable environment for selecting superior genotypes of bread wheat. finally, it is recommended to select genotypes g29, g28, and g16 for further testing and promotion after seed multiplication and selection under farm conditions, eventually introducing them as new wheat varieties. the results obtained in this study demonstrate the efficiency of the gge biplot technique for selecting high-yielding and stable varieties.