مطالعه روابط بین عملکرد و اجزای عملکرد در ژنوتیپ‌های اسپرس با استفاده از روش‌های آماری چند متغیره

در این بررسی تعداد 34 ژنوتیپ اسپرس در قالب طرح بلوک کامل تصادفی با سه تکرار از نظر 18 صفت زراعی، فنولوژیک و مورفولوژیک در مزرعه مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان غربی ارزیابی شدند. نتایج حاصل از تجزیه واریانس نشان داد که بین ژنوتیپ ها از لحاظ کلیه صفات مورد بررسی اختلاف بسیار معنی داری وجود دارد که این امر حاکی از وجود تنوع ژنتیکی و گستره گزینشی بالا بین ژنوتیپ های بررسی شده است. نتایج همبستگی ساده بین صفات مورد بررسی نشان داد که عملکرد علوفه با صفات ارتفاع بوته، شاخص برداشت، وزن خشک ساقه و تعداد ساقه همبستگی مثبت و معنی داری در سطح احتمال یک درصد دارد. تجزیه به مولفه های اصلی، برای کلیه صفات، پنج مولفه را مشخص کرد که بیش از 73 درصد از تنوع موجود را توجیه کردند. به منظور گزینش صفات توجیه کننده عملکرد علوفه، تجزیه رگرسیون گام به گام انجام شد و صفات تعداد ساقه، تعداد برگ و شاخص برداشت به عنوان مهم ترین صفات موثر بر عملکرد وارد مدل شدند. با استفاده از تجزیه خوشه ای به روش وارد، ژنوتیپ های مورد مطالعه در سه گروه که به ترتیب شامل 18، 9 و 7 ژنوتیپ بودند، طبقه بندی شد. نتایج تجزیه به مولفه های اصلی، نتایج حاصل از تجزیه خوشه ای را تایید کرد.

Evaluation of Relationships between Yield and Yield Components in Sainfoin (Onobrychis Vicifolia Scop) Genotypes Using Multivariate Methods

In the present study 18 agronomic, phonological and morphological traits were evaluated in 34 genotypes of sainfoin based on a randomized complete block design with three replications in Agricultural and Natural Resources Research Center of West Azerbaijan, Iran. Analysis of variance showed that there were significant differences among the genotypes for all of the measured traits, suggesting that there is considerable genetic variation among genotypes and indicating high potential for improving these traits through targeted selection in breeding programs. Correlation analysis showed that forage yield had significantly positive correlations with plant height, harvest index, dry weight of stem, and number of stems. Principal component analysis revealed that five components justify more than 73 percent of the total variation. In order to select effective yield components, stepwise regression was undertaken and number of stems, number of leaves and harvest index were entered into the regression model. Cluster analysis using Ward algorithm classified 34 genotypes into three groups, including 18, 9 and 7 genotypes. Moreover, principle components analysis confirmed the result of cluster analysis.