ارزیابی تنوع ژنتیکی ارقام گندم بهاره ایرانی تحت تنش شوری در مرحله گیاهچه‌ای با استفاده از روش‌های آماری چندمتغیره

مقدمه و هدف: در مناطق خشک و نیمه‎خشک، تنش‌های زیستی و غیرزیستی می‌توانند به‎صورت مستقیم یا غیرمستقیم منجر به محدودیت و کاهش رشد گیاهان مختلف می‌شوند. در این مناطق، تنش شوری یکی از چالش‌های بزرگ پیش روی حوزه کشاورزی و تولید محصول است که سالانه خسارات زیادی به عملکرد محصولات زراعی وارد می‌نماید. میزان کم شوری در خاک محدودیت رشد گیاه را به‎دنبال داشته و افزایش مقدار شوری خاک سبب می‌شود جذب آب و عناصر غذایی ضروری برای گیاه مختل و رشد گیاه کاهش یافته و در ادامه می‌تواند منجر به مرگ گیاه شود. کاهش رشد و توسعه ریشه‌ها، کاهش جذب عناصر غذایی، افزایش احتمال ایجاد حساسیت به بیماری‌ها و آفات، کاهش عملکرد و کیفیت محصول نهایی مانند کمبود عناصر غذایی، افزایش میزان عناصر سمی از جمله اثرات منفی شوری بر گیاه می‌باشند. عوامل مختلفی در ایجاد شوری نقش دارند که از مهم‌ترین آن‌ها می‎توان به تغییرات اقلیمی، هوازدگی سنگ مادر، آبیاری نادرست، خشکسالی، مصرف بی‌رویه کودها و کاهش سطح آب دریاها و اقیانوس‌ها ایجاد شود. به‎دنبال تغییرات اقلیمی، این خسارات هر ساله در حال افزایش است. باتوجه به افزایش رشد جمعیت، افزایش تقاضا برای تولید غذای بیشتر روز به‎روز در حال افزایش است. گندم به‎عنوان مهم‌ترین غله در تامین نیاز غذایی جهان شناخته می‌شود، بنابراین تولید پایدار آن بسیار حائز اهمیت است. شوری به‎عنوان یک عامل مهم در کاهش عملکرد گندم شناخته می‌شود و ممکن است باعث افزایش تجمع نمک‌های مضر در بافت گیاه شود که منجر به آسیب‌های فیزیولوژیک و کاهش رشد در گیاه می‌شود. اثرات شوری خاک بسته به مقدار شوری، نوع شوری و نوع گندم متفاوت است. یکی از راه‌های پیشگیری از اثرات منفی شوری، استفاده از ارقام گندم مقاوم به شوری است. گستره تنوع در ارتباط با تحمل به تنش شوری در گیاهان مختلف به‎ویژه گیاه گندم، به عوامل مختلفی از جمله ژنوتیپ گیاهی، مدت زمان تنش، مرحله رشدی گیاه بستگی دارد. مرحله گیاهچه در گندم یکی از مراحل مهم در ارتباط با تحمل به تنش شوری می‌باشد. هدف از این مطالعه، بررسی پاسخ ارقام زراعی گندم بهاره در مرحله گیاهچه‌ای به تنش شوری می‌باشد.مواد و روش‌ها: در پژوهش حاضر واکنش 64 ژنوتیپ گندم بهاره ایرانی در مرحله گیاهچه‌ای تحت دو شرایط نرمال و تنش شوری 12 دسی‌زیمنس بر متر در دو تکرار در قالب طرح لاتیس ساده در گلخانه تحقیقاتی دانشکده کشاورزی دانشگاه ارومیه در سال زراعی 1401-1400 بررسی شدند. در این پژوهش، در مرحله چهاربرگی تنش شوری به‎صورت تدریجی در طی دو روز اعمال شد و سپس صفات سبزینگی برگ (spad)، دمای کانوپی (canopy)، طول ساقچه (sl)، طول ریشه‌چه (rl)، طول گیاهچه (pl)، میزان پتاسیم اندام هوایی (ks)، میزان پتاسیم ریشه‌چه (kr)، میزان سدیم اندام هوایی (nas)، میزان سدیم ریشه‌چه (nar)، نسبت پتاسیم به سدیم اندام هوایی (knas)، نسبت پتاسیم به سدیم ریشه‌چه (knar)، حجم ریشه‌چه (rv)، شاخص سطح برگ (lai)، وزن تر ریشه‌چه (fwr)، وزن خشک ریشه‌چه (dwr)، محتوای نسبی آب برگ (rwc)، وزن تر ساقچه (fws)، وزن خشک ساقچه (dws)، وزن تر گیاهچه (fwp)، وزن خشک گیاهچه (dwp) مورد مطالعه قرار گرفتند. تجزیه داده‌های صفات مورد مطالعه در قالب طرح بلوک کامل تصادفی انجام شد. برای تجزیه واریانس از proc glm در نرم‌افزار sas 9.4 استفاده شد. همبستگی با استفاده از proc corr و تجزیه به عامل‌ها با استفاده از proc factor صورت گرفت. گروه‌بندی ارقام با استفاده از بسته نرم افزاری gplots و ترسیم نمودار بای‎پلات با بسته نرم‎افزاری factoextra در محیط r 4.1 انجام شد. همچنین برای تجزیه واریانس چند متغیره از گزاره manova در proc glm در نرم‌افزار sas 9.4 استفاده شد.یافته‌ها: براساس نتایج تجزیه واریانس، اختلاف آماری معنی‌داری بین ارقام مورد بررسی، براساس صفات مورد مطالعه در مرحله گیاهچه‌ای از جمله وزن تر گیاهچه (fwp)، وزن خشک گیاهچه (dwp)، وزن تر ریشه‌چه (fwr)، وزن خشک ریشه‌چه (dwr)، وزن تر ساقچه (fws)، وزن خشک ساقچه (rws) و طول گیاهچه (pl) مشاهده شد. همچنین در هر دو شرایط نرمال و تنش شوری، وزن خشک گیاهچه (dwp) بیشترین همبستگی معنی‌دار را با وزن تر گیاهچه (fwp) و وزن خشک ساقچه (dws) و وزن خشک ریشه‌چه (dwr) نشان داد. در شرایط تنش شوری وزن تر ساقچه (fws) نیز همبستگی معنی‌داری با صفات وزن خشک ساقچه (dws)، وزن تر گیاهچه (fwp) و وزن خشک گیاهچه (dwp) داشت. براساس تجزیه به عامل‌ها صفات مورد مطالعه در هر دو شرایط نرمال و تنش شوری در هفت عامل گروه‎بندی شدند که این هفت عامل در شرایط نرمال 77/93 درصد و در شرایط تنش شوری 76/44 درصد از تغییرات کل را توجیه نمودند. با استفاده از تجزیه خوشه‌ای، ارقام تحت هر دو شرایط نرمال و تنش شوری در سه خوشه گروه‎بندی شدند. نتیجه‌گیری: براساس نتایج بای‌پلات حاصل از تجزیه به عامل‌ها و تجزیه خوشه‌ای، ارقام مارون، دریا، شیرودی، مغان 3، داراب 2، روشن، پیشگام، پیشتاز به‎عنوان ارقام مطلوب و ارقام چمران، بم، البرز و مرودشت به‎عنوان ارقام نامطلوب معرفی شدند که در پروژه‌های به‎نژادی آتی گندم می‎توانند مورد استفاده قرار گیرند. 

evaluation of genetic diversity of iranian spring wheat cultivars under salinity stress at the seedling stage using multivariate statistical methods

background: in arid and semi-arid regions, biotic and abiotic stresses can directly or indirectly lead to restrictions and decreased growth of different plants. in these areas, salinity stress is one of the major challenges facing agriculture and crop production that causes huge damage to crop yields annually. the amount of salinity in the soil results in plant growth limitation, and increased soil salinity disrupts water and essential nutrient absorption for the plant and reduces plant growth, which can then lead to plant death. reduced root growth and development, decreased nutrient absorption, increased likelihood of allergies to diseases and pests, decreased yield, and final product quality (e.g., nutrient deficiency), and increased toxic elements, are among the negative effects of salinity on plants. various factors are involved in the creation of salinity, the most important of which can be climate change, source rock weathering, improper irrigation, drought, excessive consumption of fertilizers, and reduced seawater levels. following climate change, these damages are on the rise every year. due to the increase in population growth, demand for food production is increasing day by day. wheat is known as the major grain in the supply of nutritional needs in the world, hence its sustainable production is of paramount importance. salinity is recognized as an important factor in reducing wheat yield, and it may increase the accumulation of harmful salts in the plant tissue, which can lead to physiological damage and decreased plant growth. the effects of soil salinity vary depending on the amount of salinity, the type of salinity, and the type of wheat. one way to prevent the negative effects of salinity is to use salinity-resistant wheat cultivars. the range of diversity in relation to salt stress tolerance in different plants, especially the wheat plant, depends on various factors such as plant genotype, duration of stress, and plant growth stage. the seedling stage in wheat is one of the important stages regarding tolerance to salt stress. this study aims to investigate the response of spring wheat cultivars in the seedling stage to salinity stress.methods: in the present study, the reaction of 64 iranian spring wheat genotypes at the seedling stage under normal conditions and 12 ds/m salinity stress was investigated in two replications in a simple lattice design at the research greenhouse of the faculty of agriculture, urmia university in 2021-2022. in this study, in the four-leaf stage, salinity stress was applied gradually for two days. the measured traits were chlorophyll (spad), canopy temperature, shoot length (sl), root length (rl), seedling length (pl), shoot potassium content (ks) ), root potassium content (kr), shoot sodium content (nas), root sodium content (nar), shoot potassium to sodium ratio (knas), root potassium to sodium ratio (knar), root volume (rv), leaf area index (lai), radicle fresh weight (fwr), radicle dry weight (dwr), relative leaf water content (rwc), shoot fresh weight (fws), shoot dry weight (dws), seedling fresh weight (fwp), weight dry matter of seedlings (dwp). the data of the studied traits were obtained in a random complete block design. proc glm was used for the analysis of variance (anova) in sas 9.4 software. the correlation was examined using proc corr and decomposition into factors using proc factor. the figures were grouped using the gplots software package and the biplot diagram was drawn with the factoextra software package in the r 4.1 environment. the manova statement in proc glm was used in sas 9.4 software for multivariate variance analysis.results: based on the results of anova, statistically significant differences were observed between the tested cultivars based on the traits studied in the seedling stage, including fwp, dwp, fwr, dwr, fws, rws, and (pl). in both normal and salt stress conditions, dwp showed the most significant correlation with fwp, dws, and dwr. under the salinity stress conditions, fws was significantly correlated with dws, fwp, and dwp. based on factor analysis, the studied traits in both normal and salinity stress conditions were grouped into seven factors, which explained 77.93% and 76.44% of the total changes in normal and salinity stress conditions, respectively. using cluster analysis, cultivars under both normal and salt stress conditions were grouped into three clusters.conclusion: based on the biplot results of factor analysis and cluster analysis, maron, darya, shiroodi, moghan 3, darab 2, roshan, pishgam, and pishtaz cultivars are introduced as favorable cultivars. chamran, bam, alborz, and maroodasht cultivars are categorized as unfavorable cultivars that can be used in further wheat breeding programs.