
تعداد نشریات | 13 |
تعداد شمارهها | 622 |
تعداد مقالات | 6,489 |
تعداد مشاهده مقاله | 8,605,484 |
تعداد دریافت فایل اصل مقاله | 8,198,782 |
ارزیابی لاین های موتانت پیشرفته برنج (Oryza sativa L.) طارم محلی با استفاده از تجزیه علیت و عامل ها | ||
مجله تولید گیاهان زراعی | ||
مقاله 8، دوره 11، شماره 3، آذر 1397، صفحه 115-130 اصل مقاله (1.03 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/ejcp.2019.12762.1998 | ||
نویسندگان | ||
غلامرضا چلوئی* 1؛ غلامعلی رنجبر2؛ نادعلی باباییان3؛ نادعلی باقری4؛ محمد زمان نوری دلاور5 | ||
1دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
2دانشیار اصلاح نباتات، گروه اصلاح نباتات و بیوتکنولوژی، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
3عضو هیئت علمی | ||
4دانشکده منابع طبیعی ساری | ||
5مجری طرح های برنج مرکز تحقیقات برنج آمل | ||
چکیده | ||
سابقه و هدف: با توجه به اهمیت غذائی برنج و همچنین افزایش جمعیت، ایجاد لاینهای جدید برنج و به دنبال آن گزینش برای بهبود عملکردآنها ضروری است. شناسائی اثرات مستقیم و غیر مستقیم صفات مؤثر بر عملکرد دانه موجب تسهیل در یک گزینش موفق میشود. با توجه به اهمیت عوامل پنهانی در شکلگیری صفات و تأثیر آنها بر عملکرد دانه، لزوم تعیین مسیرهای برهمکنش اجزای عملکرد بر عملکرد دانه جهت بهبود در برنامههای اصلاحی، شناخت روابط داخلی بین صفات و تعیین مهمترین صفات مرتبط با عملکرد دانه در گزینش لاینهای موتانت پیشرفته طارم محلی این پژوهش انجام شد. مواد و روشها: تعداد 12 لاین موتانت پیشرفته طارم محلی به همراه ارقام طارم هاشمی، ندا و طارم محلی در دو منطقه ساری و تنکابن در قالب طرح بلوکهای کامل تصادفی با سه تکرار در سال زراعی 1395 مورد ارزیابی قرار گرفتند. صفات اندازهگیری شده شامل روز تا 50 درصد گلدهی، روز تا رسیدن کامل دانه، ارتفاع بوته، تعداد پنجه بارور، طول خوشه، تعداد دانه پر و پوک در خوشه، وزن هزار دانه ، طول و عرض دانه، نسبت طول به عرض دانه، طول و عرض برگ پرچم، نسبت طول به عرض برگ پرچم و عملکرد دانه بودند. از طریق رگرسیون گام به گام متغیرهای مستقلی که اثر ناچیزی بر روی متغیر تابع داشتند حذف گردید و برازش بهترین مدل انجام شد. تجزیه علیت برای تعیین آثار مستقیم و غیر مستقیم صفات مورد بررسی بر عملکرد دانه محاسبه گردید، همچنین به منظور توجیه و تفسیر بهتر روابط داخلی بین صفات و شناخت عوامل پنهان از تجزیه به عاملها استفاده شد. یافتهها: نتایج نشان داد عملکرد دانه با صفات وزن هزار دانه (*354/0 و *304/0 به ترتیب در منطقه ساری و تنکابن) و تعداد پنجه بارور(**627/0 و **442/0) همبستگی مثبت و معنی دار و با ارتفاع بوته (*300/0- و **501/0-)همبستگی منفی و معنی دار داشت که در واقع بیان میکند ژنوتیپهای پاکوتاه با تعداد پنجه و وزن هزار دانه بیشتر عملکرد دانه بیشتری دارند. بر اساس نتایج تجزیه علیت مشخص شد که در منطقه ساری بیشترین اثر مستقیم به ترتیب مربوط به صفات تعداد پنجه بارور (613/0)و روز تا رسیدگی کامل (242/0) بودند، بنابراین ژنوتیپهای دیررستر با تعداد پنجه بارور بیشتر، عملکرد دانه بیشتری خواهند داشت. در منطقه تنکابن ارتفاع بوته (452/0-) در جهت عکس و روز تا رسیدگی کامل دانه(431/0)در جهت مثبت بیشترین تأثیر را بر صفت عملکرد داشتند و ژنوتیپهای پاکوتاهتر و دیررستر عملکرد بیشتری را نشان دادند. بر اساس تجزیه به عاملها در منطقه ساری، پنج عامل انتخاب شدند که در مجموع بیش از 77 درصد تغییرات عملکرد را توجیه کردند که عامل اول مرفو-فنولوژی، عامل دوم خوشه و اجزای آن، عامل سوم تولید دانه، عامل چهارم اندازه دانه و عامل پنجم به عنوان اندازه برگ پرچم نامگذاری شدند. در منطقه تنکابن چهار عامل شناخته شدند که بیش از 70 درصد تغییرات عملکرد را توجیه کردند که عامل اول به عنوان ویژگی دانه و فنولوژی، عامل دوم به همراه عامل چهارم، مرفولوژی و اجزای تولید دانه و عامل سوم به عنوان تولید دانه و دیررسی نامیده شدند نتیجهگیری: ضرائب مسیر نشان داد که صفت روز تا رسیدگی کامل دانه،افزایش تعداد پنچه بارور و کاهش ارتفاع بوته کارائی بیشتری داشتند و در برنامههای به نژادی میتوانند به عنوان شاخص گزینش مورد استفاده قرار گیرند. بر اساس نتایج حاصل از تجزیه به عاملها مشخص شد که انتخاب برای افزایش عملکرد دانه، افزایش دوره رشد رویشی و افزایش تعداد پنجه بارور در لاینهای موتانت مورد بررسی به طور همزمان امکان-پذیر میباشد. | ||
کلیدواژهها | ||
موتانت؛ همبستگی؛ تجزیه علیت و تجزیه عاملی | ||
مراجع | ||
1. Abouzari Gazafrodi, A., Honarnegad, R., Fotokian, M.H. and Alami, A. 2006. Study of correlations among agronomic traits and path analysis in rice (Oryza sativa L.). J. Sci. Tech. Agric. Natu. Res., 10(2): 99-107. 2. Adu-Dupaah, H.K., and Sang Won, R.S. 2005. Improving bambra groundnut productivity using gamma irradiation and in vitro techniques. Afr. J. Biotechnol., 3(5): 260-265. 3. Agahi, K., Fotokian, M.H., and Younesi, Z. 2012. Study of genetic diversity and important correlations of agronomic traits in rice genotypes (Oryza sativa L.). Iran. J. Biol., 25(1): 97-110. (In Persian) 4. Alahgholipour, M., and Mohammad Salehi, M.S. 2003. Factor and path analysis in different rice genotypes. Seed plant Imp. J., 19(1): 76-86. (In Persian) 5. Ashfaq, M., Khan, A.S., Khan, S.H.U., Ahmad, R. 2012. Association of various morphological traits with yield and genetic divergence in rice (Oryza Sativa L.). Int. J. Agric. Biol., 14(1): 55–62. 6. Bagheri, N., Babaeian-Jelodar, N., and Pasha, A. 2011. Path coefficient analysis for yield and yield components in diverse rice (Oryza sativa L.) genotypes. Bih. Biol., 5(1): 32-35. 7. Bakhsh Balouchzaehi, A., and Kiani, G. 2013. Determination of selection criteria for yield improvement in rice through path analysis. J. Crop Breed., 5(12): 75-84. 8. Beikzadeh, H., Alavi Siney, S.M., Bayat, M., and Ezady, A.A. 2013. Estimation of genetic parameters of effective agronomical traits on yield in some of Iranian rice cultivar. Agron. J., (Pajouhesh and Sazandegi) 104: 73-78. (In Persian) 9. Bhadru, D., Chandra Mohan, Y., Tirumala Rao, V., Bharathi, D., and Krishna, L. 2012. Correlation and path analysis studies in gallmidge resistant cultures of rice (Oryza sativa L.). IJABPT., 3(2): 137-140. 10. Dewy, D.R., and Lu. K.H. 1959. A correlation and path coefficient analysis of component of crested wheat grass seed production. Agron. J., 51: 515-518. 11. Eidi kohnaki, M., Kiani, G., and Nematzadeh, G. 2013. Relationship between morphological traits in rice restorer lines at F 3 generation using multivariate Analysis. Int. J. Adv. Biol. Biom. Res., 1: 6. 572-577. 12. Ghavami, F., and Rezai, A. 2000. Variation and relation of morphological and phonological traits in mungbean. Iran. J. Agric. Sci., 31(1): 1.147-158. (In Persian) 13. Ghorbani, H., Samizadeh Lahiji, H.A., Rabiei, B., and Allahgholipour, M. 2011. Grouping Different Rice Genotypes Using Factor and Cluster Analyses. J. Agric. Sci., 21(2): 3: 89-104. (In Persian) 14. Hasan, M.J., Kulsum, M.U., Akter, A., Masuduzzaman, A.S.M., and Ramesha, M.S. 2011. Genetic variability and character association for agronomic traits hybrid rice (Oryza sativa L.). Bangladesh J. Plant. Breed. Gen. 24(1): 45-51. 15. Heidari, B., Saeidi, Q.A., and Seyed-Ebrahimi, B. 2007. Factor analysis for quantitative traits and path analysis for grain yield in wheat. J. WSS., 11(42): 135-143. 16. Honarnejad, R. 2002. Study of correlation between some quantitative traits and grain yield in rice (Oryza sativa L.) using path analysis. Iran J. Crop Sci., 4(1): 25-34. (In Persian) 17. IRRI. 1996. Standard evaluation system for rice 4th edition Manila, Philippines. Int. Rice Res. Inst., 52p. 18. Islam, M.A., Raffi, S.A., Hossain, M.A. and Hasan, A.K. 2015. Character association and path coefficient analysis of grain yield and yield related traits in some promising early to medium duration rice advanced lines. Int. J. Expt. Agric., 5(1): 8-12. 19. Khaldari, M. 2011. Statistical Methods. Jahad daneshgahi Publisher, Tehran, 862p. (In Persian) 20. Lestari, A.P., Abdollah, B., Junaedi, A. and Aswidinnoor, H. 2010. Yield stability and adaptability ofaromatic new plant type (NPT) rice lines. Indonesia J. Agron., 38(3): 199-204. 21. Lin, J.H., Singh, H., Chang, Y.T., and Chang, Y.H. 2011. Factor analysis of the functional properties of rice flours from mutant genotypes. Food Chem., 126(3): 1108-1114. 22. Mohammadi, S. 2014. Evaluation of grain yield and its components relationships in bread wheat genotypes under full irrigation and terminal water stress conditions using multivariate statistical analysis. Iran. J. Field Crops Res., 1(12): 99-109. 23. Moradi, M., Rezai, A., and Arzani, A. 2005. Path analysis for yield and related traits in oats. J. Sci., Technol. Agric. Nat. Res., 9(1): 173-180. (In Persian) 24. Nachimuthu, V.V., Robin, S., Sudhakar, D., Raveendran, M., Rajeswari, S., and Manonmani, S. 2014. Evaluation of rice genetic diversity and variability in a population panel by principal component analysis. Indi. J. Sci. Technol., 7(10): 1555-1562. 25. Nandan, R., Sweta and Singh, S.K. 2010. Character association and path analysis in rice (Oryza sativa L.) genotypes. World J. Agric. Sci., 6(2): 201-206. 26. Oad, F.C., Samo, M.A., Hassan, Z., Cruz, P.S., and Oad, N.L. 2002. Correlation and path analysis of quantitative characters of rice ratoon cultivars and advance lines. Int. J. Agric. Biol., 4(2): 204-207. 27. Rahim-Souroush, H., Mesbah, M., and Hossainzadeh, A.H. 2004. A study of relationship between grain yield and yield components in rice. Iran. J. Agirc. Sci., 35(4): 983-993. 28. Ratna, M., Begum, S., Husna, A., Dey, S.R., and Hossain, M.S. 2015. Correlation and path coefficients analysis in basmati rice. Bangladesh J. Agric. Res., 40(1): 153-161. 29. Ravindra Babu, V.R., Shreya, K., Singh Dangi, K., Usharani, G., and Siva Shankar, A. 2012. Correlation and path analysis studies in popular rice hybrids of india. Int. J. Sci. Res., 2(3): 1-5. 30. Sabouri, H., Biabani, A., Fazlalipour, M. and Sabouri, A. 2010. Determination of best selection indices for facilitating selection in rice. J. Plant Prod., 17(4): 1-25. (In Persian) 31. Sabouri, H., Rabiei, B., and Fazlalipour, M. 2008. Use of Selection Indices Based on Multivariate Analysis for Improving Grain Yield in Rice. Rice Sci., 15(4): 303-310. 32. Samadi Gorji, M., Zaman Mirabadi, A., Rammeah, V., Hasanpour, M., and Esmailifar, A. 2015. Evaluation of agronomic traits of mutants induced by gamma irradiation in PF and RGS003 varieties of rapeseed (Brassica napus L.). J. Crop Breed., 7(15): 135-114. 33. Satheeshkumar, P., and Saravanan, K. 2012. Genetic variability correlation and path analysis in rice (Oryza sativa L.). Int. J. Cur. Res., 4(9): 82-85. 34. Sharifi, P., Dehghani, H., Moneni, A. and Moghadam, M. 2013. Study the genetic relations of some of rice agronomic traits with train yield by using multivariate statistical methods. Iran. J. Field Crop Sci., 44(2): 273-282. (In Persian) 35. Tourchi, M., and Rezai, A.M. 1996. Correlation between traits and path analysis for grain yield in sorghum (Sorghum bicolor. L. Moench). Iran J. Agric. Sci., 28(1): 73-86. (In Persian) 36. Wright, S. 1921. Correlation and causation. J. Agric. Res., 20: 557-585. | ||
آمار تعداد مشاهده مقاله: 435 تعداد دریافت فایل اصل مقاله: 360 |