تحلیل میزان ریسک معرفی ارقام با پتانسیل عملکرد بالا و پایدار در ذرت

نادیده‌گرفتن برهمکنش ژنوتیپ × محیط در آزمایش‌های چندمحیطی می‌تواند احتمال ارائه توصیه‌های نادرست به کشاورزان را افزایش دهد. برای اتخاذ تصمیمات آگاهانه، ارقامی که احتمال تجربه بازده بسیار پایین را به حداقل می‌رسانند، ترجیح داده می‌شوند. پیشرفت‌های اخیر در تئوری احتمال و نرم‌افزارهای پیشرفته، رویکرد کارآمدتری برای انتخاب کاندیدهای مناسب در محیط‌های مختلف ارائه می‌دهد. برای بهره‌مندی از مزیت‌های تعیین احتمال عملکرد بهتر یک ژنوتیپ در چارچوب بیزی، آزمایشی با 38 هیبرید ذرت و در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در پنج مکان مختلف انجام شد. مولفه‌های واریانس برآوردشده برای اثرات ژنوتیپ، محیط و ژنوتیپ × محیط در مدل بیزی به ترتیب 0.550، 71.528 و 0.736 بود که نشان‌دهنده سهم بیشتر عوامل محیط از تغییرات کل است. شدت انتخاب 20 درصد با هدف افزایش میانگین عملکرد دانه در پانل ژنوتیپ‌های انتخابی اعمال شد. در مکان های مختلف هیبرید شماره 15 در 98 درصد مواقع عملکرد بهتری نسبت به هیبرید شاهد نشان داد، اما تنها در 4% موارد پایداری بهتری داشت. لذا برای شناسایی ژنوتیپ‌هایی با عملکرد و پایداری بالا به طور هم‌زمان، تجزیه و تحلیل احتمال توام ضروری است. بر اساس این تجزیه و تحلیل، هیبریدهای شماره 12، 13 و 15 به عنوان بهترین‌ها شناخته شدند. نتایج نشان می‌دهد که استفاده از روش ریسک/احتمال می‌تواند منجر به تصمیم‌گیری دقیق‌تری برای انتخاب و توصیه رقم شود.

the risk analysis for high-potential and stable cultivars recommendation in maize

neglecting genotype × environment interactions in multi-environment trials can increase the likelihood of incorrect cultivar recommendations to farmers. to support informed decision-making, cultivars that minimize the risk of extremely low yields are generally preferred. recent advancements in probability theory and advanced software have enabled more efficient approaches for selecting suitable cultivars across diverse environments. to explore the advantages of estimating the probability of a genotype outperforming its competitors within a bayesian framework, a multi-location experiment was conducted. the trial involved 38 maize hybrids evaluated using a randomized complete block design across five locations. the estimated variance components for genotype, environment, and genotype × environment interaction were 0.550, 71.528, and 0.736, respectively, indicating that the environment had the greatest contribution to yield variability. a selection intensity of 20% was applied to enhance the mean grain yield in the selected genotype panel. across locations, hybrid number 15 outperformed the control hybrid in 98% of comparisons; however, it demonstrated superior stability in only 4% of cases. to identify genotypes that exhibit both high performance and stability is essential to analyze their joint probability of superiority and consistency. this joint probability analysis identified hybrids 12, 13, and 15 as top-performing and stable candidates. the findings suggest that incorporating risk-based or probabilistic methods for assessing both performance and stability can improve the accuracy of cultivar selection and recommendation.