بررسي رابطه ژنتيكي برخي از صفات مهم زراعي با عملكرد دانه در سويا از طريق روش‌هاي آماري چند متغيره

Evaluation of Genetic Relationship of Some Important Agronomic Traits with Seed Yield in Soybean [Glycine max (L.) Merr.] by Multivariate Analysis Methods

سي رقم سويا از گروه‌هاي رسيدگي متفاوت، در سال زراعي 83 ، در مزرعه تحقيقاتي دانشكده كشاورزي دانشگاه تهران واقع در كرج در قالب طرح بلوك هاي كامل تصادفي با چهار تكرار به منظور بررسي رابطه ژنتيكي برخي از صفات مهم زراعي و ارتباط آنها با عملكرد دانه مورد ارزيابي قرار گرفتند. نتايج تجزيه واريانس نشان داد كه ارقام از نظر صفات مورد بررسي اختلاف معني‌داري داشتند كه دلالت بر وجود تنوع ژنتيكي بين ارقام دارد. صفات تعداد غلاف دربوته، تعداد دانه در بوته و وزن صد دانه (اجزاي عملكرد) به ترتيب هم‌بستگي مثبت ومعني داري را با عملكرد دانه داشتند. در مدل رگرسيون چند گانه، حدود 85/6 درصد تغييرات عملكرد دانه به عنوان متغير وابسته توسط صفات شاخص برداشت، عملكرد بيولوژيكي، درصد پروتئين و تعداد دانه در بوته توجيه گرديد، كه اهميت شاخص برداشت بيش از صفات ديگر بود. طبق نتايج تجزيه عليت بيشترين وكمترين اثر مستقيم و مثبت بر عملكرد دانه به ترتيب مربوط به صفت شاخص برداشت (0/54=P) و درصد پروتئين (0/008=P) بود. بنابراين شاخص برداشت را مي توان به عنوان معيار گزينش در برنامه‌هاي اصلاحي براي بهبود عملكرد دانه مورد استفاده قرار داد. طبق نتايج تجزيه به عامل‌ها، پنج عامل مستقل از هم، مجموعا" 80/2 درصد از تغييرات كل داده‌ها را توجيه نمودند. عامل اول، 28/21 درصد از واريانس كل را توجيه نمود و به عنوان عامل فنولوژيكي نام‌گذاري شد.

Thirty soybean cultivars from different maturity groups were evaluated in a randomized complete block design with four replications in Research Station of College of Agriculture at Tehran University in Karaj in 2004. The purpose was to determine genetic relationship of some important agronomic traits related to seed yield. Analysis of variance showed that there were significant differences among varieties for the traits under study, indicating the existence of genetic variation among varieties. Number of pods/plant, number of seeds/plant and 100-seed weight, all of which are considered yield components, had the highest genotypic correlation with seed yield. Using stepwise regression analysis, 85.6 % of seed yield variation was attributed to four traits, including harvest index, biological yield, protein precent and number of seeds /plant. Harvest index was more important for predicting seed yield compared to other traits based on standardized ßs. Results of path analysis showed that the harvest index and protein precentage had the highest and lowest direct and positive effect (p=0.536), (p=0.008), respectively. Therefore, harvest index may be considered as a selection criteria to improve seed yield in breeding programs. Results of factor analysis showed five independent factors accounted for 80.2 % of total variations in data. The first principle determined 28.2 % of total variation and was designated as phenologic factor.