ارزش‌گذاری متغیرها به‌عنوان شاخص انتخاب برای بهبود عملکرد دانه در گندم نان

شناسایی شاخص های انتخاب مهم‌ترین مرحله یک پروژه اصلاحی است که با هدف بهبود عملکرد دانه صورت می گیرد. تعریف شاخص انتخاب معمولاً با ارزشیابی متغیرها در روش های آماری چندمتغیره انجام می شود. در پژوهش حاضر ارتباط بین عملکرد دانه و اجزای آن در ژنوتیپ‌های گندم نان با روش‌های آماری چندمتغیره صورت گرفت. آزمایش در قالب طرح بلوک های کامل تصادفی در 3 تکرار در مزرعه تحقیقاتی دانشگاه علوم کشاورزی و منابع طبیعی گرگان در سال زراعی 981397 اجرا گردید. ده رقم تجاری گندم نان به‌همراه نتاج حاصل از تلاقی مستقیم و معکوس آن ها در یک آرایش دی آلل از نظر صفات مورفولوژیکی، فنولوژیکی به‌ویژه عملکرد دانه و اجزای آن مورد ارزیابی قرار گرفتند. نتایج ضرایب همبستگی ژنوتیپی و فنوتیپی نشان داد که بین عملکرد دانه و صفات طول سنبله، وزن سنبله، تعداد پنجه بارور، تعداد دانه در سنبله، تعداد سنبلچه در سنبله، وزن هزاردانه، عملکرد بیولوژیک و شاخص برداشت همبستگی مثبت و معنی داری در سطح احتمال 1 درصد وجود داشت. بر اساس نتایج حاصل از تجزیه رگرسیون گام به گام، صفات عملکرد بیولوژیک، شاخص برداشت، تعداد دانه در سنبله اصلی و وزن سنبله اصلی به‌ترتیب وارد مدل رگرسیونی شده و در مجموع 98 درصد از تغییرات عملکرد دانه را توجیه کردند. بر اساس نتایج تجزیه علیت، عملکرد بیولوژیک بالاترین اثر مستقیم را بر عملکرد دانه داشت. پس از عملکرد بیولوژیک، بیشترین اثر مستقیم بر عملکرد دانه مربوط به صفت وزن سنبله اصلی بود. همچنین با در نظر گرفتن مقادیر ویژه بزرگ‌تر از یک در تجزیه به عامل ها، 8 عامل پنهانی شناسایی شد که در مجموع 75.18 درصد از تغییرات داده ها را توجیه نمودند. به‌طور کلی می‌توان نتیجه گرفت که عملکرد بیولوژیک، شاخص برداشت، تعداد دانه در سنبله و وزن سنبله نسبت به سایر صفات می‌توانند به‌عنوان شاخص‌های مناسب در برنامه‌های اصلاحی برای انتخاب ژنوتیپ‌های با عملکرد بالا در شرایط مزرعه مورد استفاده قرار گیرند. همچنین ژنوتیپ‌های گنبد♀ × احسان♂ و احسان از بیشترین ارزش برای صفات مورد بررسی برخوردار بودند که در تحقیقات به نژادی آینده می توان از آن ها استفاده کرد.

Valuations of Variables as Selection Index for Improving Grain Yield in Bread Wheat

Identifying selection indices is the most important step of a breeding project that aims to improve grain yield. The definition of the selection index is usually done by evaluating the variables in multivariate statistical methods. In the present study, the relationship between grain yield and its components in bread wheat genotypes was determined by multivariate statistical methods. The experiment was conducted in a randomized complete block design with 3 replications in the research farm of Gorgan University of Agricultural Sciences and Natural Resources in the 201819 crop years. Ten commercial cultivars of bread wheat along with their offspring from direct and inverse crosses in a dialysis arrangement were evaluated for morphological and phenological traits, especially grain yield and its components. The results of genotypic and phenotypic correlation coefficients showed a positive and significant correlation (at 1% probability level) between grain yield and spike length, spike weight, number of fertile tillers, number of seeds per spike, number of spikes per spike, 1000seed weight, biological yield and harvest index. Based on the results of stepwise regression analysis, biological yield, harvest index, number of grains per main spike and main spike weight were entered into the regression model, respectively, and explained a total of 98% of the variation in grain yield. Based on the results of path analysis, biological yield had the highest direct effect on grain yield. After biological yield, the most direct effect on grain yield was related to the weight of main spike. Also, by considering eigenvalues greater than one in factor analysis, 8 hidden factors were identified that explained a total of 75.18% of the data changes. In general, it can be concluded that biological yield, harvest index, number of seeds per spike and weight of spike compared to other traits can be used as appropriate indicators in breeding programs to select highyield genotypes in field conditions. Genotypes Alo, Ehsan♂ × Gonbad♀ and Ehsan had the highest value for the studied traits, which can be used in future breeding researches.