مطالعه روابط بين عملكرد و اجزاي عملكرد در ژنوتيپ‌هاي اسپرس با استفاده از روش‌هاي آماري چند متغيره

Evaluation of Relationships between Yield and Yield Components in Sainfoin (Onobrychis Vicifolia Scop) Genotypes Using Multivariate Methods

در اين بررسي تعداد 34 ژنوتيپ اسپرس در قالب طرح بلوك كامل تصادفي با سه تكرار از نظر 18 صفت زراعي، فنولوژيك و مورفولوژيك در مزرعه مركز تحقيقات كشاورزي و منابع طبيعي آذربايجان غربي ارزيابي شدند. نتايج حاصل از تجزيه واريانس نشان داد كه بين ژنوتيپ ها از لحاظ كليه صفات مورد بررسي اختلاف بسيار معني داري وجود دارد كه اين امر حاكي از وجود تنوع ژنتيكي و گستره گزينشي بالا بين ژنوتيپ هاي بررسي شده است. نتايج همبستگي ساده بين صفات مورد بررسي نشان داد كه عملكرد علوفه با صفات ارتفاع بوته، شاخص برداشت، وزن خشك ساقه و تعداد ساقه همبستگي مثبت و معني داري در سطح احتمال يك درصد دارد. تجزيه به مولفه هاي اصلي، براي كليه صفات، پنج مولفه را مشخص كرد كه بيش از 73 درصد از تنوع موجود را توجيه كردند. به منظور گزينش صفات توجيه كننده عملكرد علوفه، تجزيه رگرسيون گام به گام انجام شد و صفات تعداد ساقه، تعداد برگ و شاخص برداشت به عنوان مهم ترين صفات موثر بر عملكرد وارد مدل شدند. با استفاده از تجزيه خوشه اي به روش وارد، ژنوتيپ هاي مورد مطالعه در سه گروه كه به ترتيب شامل 18، 9 و 7 ژنوتيپ بودند، طبقه بندي شد. نتايج تجزيه به مولفه هاي اصلي، نتايج حاصل از تجزيه خوشه اي را تاييد كرد.

In the present study 18 agronomic, phonological and morphological traits were evaluated in 34 genotypes of sainfoin based on a randomized complete block design with three replications in Agricultural and Natural Resources Research Center of West Azerbaijan, Iran. Analysis of variance showed that there were significant differences among the genotypes for all of the measured traits, suggesting that there is considerable genetic variation among genotypes and indicating high potential for improving these traits through targeted selection in breeding programs. Correlation analysis showed that forage yield had significantly positive correlations with plant height, harvest index, dry weight of stem, and number of stems. Principal component analysis revealed that five components justify more than 73 percent of the total variation. In order to select effective yield components, step-wise regression was undertaken and number of stems, number of leaves and harvest index were entered into the regression model. Cluster analysis using Ward algorithm classified 34 genotypes into three groups, including 18, 9 and 7 genotypes. Moreover, principle components analysis confirmed the result of cluster analysis