اهمیت صفات اگرو-مورفولوژیک در شرایط آبیاری تکمیلی به عنوان معیارهای انتخاب در به‌نژادی گندم بهاره

این تحقیق به‌ منظور بررسی ارتباط بین صفات زراعی و عملکرد دانه، با استفاده از 132 ژنوتیپ گندم بهاره و در قالب طرح آلفا لاتیس با دو تکرار؛ در مزرعه تحقیقاتی ایستگاه تحقیقات کشاورزی گنبد کاووس انجام شد. تجزیه واریانس نشان داد که ژنوتیپ‌های مورد مطالعه از نظر همه صفات مورد نظر، تفاوت معنی داری داشتند. عملکرد دانه، همبستگی بسیار بالا و با سطح 0.01 با صفات زیست‌توده (0.71)، دوره پرشدن دانه (0.48)، سرعت پر شدن دانه (0.87)، وزن هزار دانه (0.66)، وزن سنبله (0.43)، وزن دانه در سنبله (0.43)، روز تا سنبله دهی (0.59-) و روز تا رسیدگی (0.57-) داشت. عملکرد دانه به عنوان صفت وابسته در نظر گرفته شد و صفات زیست‌توده، وزن هزار دانه و طول ، تعداد و وزن سنبله، به‌ ترتیب وارد مدل رگرسیونی شدند. تجزیه کلاستر با استفاده از صفات وارد شده به مدل رگرسیونی و صفاتی که همبستگی بالایی با عملکرد دانه داشتند، انجام گرفت. نتایج تجزیه خوشه ای نشان داد که ژنوتیپ‌های گروه چهار شامل ژنوتیپ‌های شماره 10، 12، 16، 20، 22، 25، 31، 38، 53، 54، 67، 70، 72، 87، 96، 97، 98، 112 و 123 از نظر میانگین صفات عملکرد دانه، طول دوره پر شدن دانه، وزن هزار دانه، وزن سنبله، وزن دانه در سنبله، روز تا سنبله‌دهی و سرعت پر شدن دانه، برتر از ژنوتیپ‌های سایر گروه‌ها بودند.

The importance of agro-morphological traits in supplementary irrigation conditions as selection criteria for spring wheat improvement

This research was carried out to investigate the relationship between agronomic traits and yield using 132 spring wheat genotypes in alpha-lattice design with two replications at the Agricultural Research Station of Gonbad-e-Kavos. Variance analysis showed that genotypes were significantly different for all traits. The grain yield had very high correlation with the biomass, grain filling duration, seed filling rate, 1000-seed weight, spike weight, Grain weight per spike, days to heading and days to maturity at 1% of probability level. Grain yield was considered as a dependent trait. Biomass, 1000-grain weight and spike length, number and weight were entered into the regression model, respectively. The results showed that in breeding programs with the aim of increasing grain yield, selection should be based on biomass, 1000-grain weight, number and weight of spikes and days to heading. The cluster analysis was performed using the traits introduced into the regression model and traits with high correlation with the performance. Results of cluster analysis showed that genotypes 10, 12, 16, 20, 22, 25, 31, 38, 53, 54, 67, 70, 72, 87, 96, 97, 98, 112 and 123 were in group 4. Genotypes in group 4 were superior to other groups in terms of grain yield, 1000-grain weight, spike weight, grain weight per spike, days to heading and seed filling rate. It is suggested that the genotypes in group 4 should be tested in several years and locations and the best genotype(s) should be introduced.