پديد آورندگان :
ياراحمدي، سعيد دانشگاه علوم كشاورزي و منابع طبيعي ساري - دانشكده علوم زراعي - گروه به نژادي گياهي , نعمت زاده، قربانعلي دانشگاه علوم كشاورزي و منابع طبيعي ساري - دانشكده علوم زراعي - گروه به نژادي گياهي , صبوري، حسين دانشگاه گنبد كاووس , نجفي زريني، حميد دانشگاه علوم كشاورزي و منابع طبيعي ساري - دانشكده علوم زراعي - گروه به نژادي گياهي
كليدواژه :
انتخاب غيرمستقيم , تجزيه عليت , رگرسيون گام به گام , گروه بندي , گندم
چكيده فارسي :
اين تحقيق به‌منظور بررسي ارتباط بين صفات زراعي و عملكرد دانه، با استفاده از 132 ژنوتيپ گندم بهاره و در قالب طرح آلفا لاتيس با دو تكرار؛ در مزرعه تحقيقاتي ايستگاه تحقيقات كشاورزي گنبد كاووس انجام شد. تجزيه واريانس نشان داد كه ژنوتيپ‌هاي مورد مطالعه از نظر همه صفات مورد نظر، تفاوت معني داري داشتند. عملكرد دانه، همبستگي بسيار بالا و با سطح 01/0 با صفات زيست‌توده (71/0)، دوره پرشدن دانه (48/0)، سرعت پر شدن دانه (87/0)، وزن هزار دانه (66/0)، وزن سنبله (43/0)، وزن دانه در سنبله (43/0)، روز تا سنبله دهي (59/0-) و روز تا رسيدگي (57/0-) داشت. عملكرد دانه به عنوان صفت وابسته در نظر گرفته شد و صفات زيست‌توده، وزن هزار دانه و طول ، تعداد و وزن سنبله، به‌ترتيب وارد مدل رگرسيوني شدند. تجزيه كلاستر با استفاده از صفات وارد شده به مدل رگرسيوني و صفاتي كه همبستگي بالايي با عملكرد دانه داشتند، انجام گرفت. نتايج تجزيه خوشه اي نشان داد كه ژنوتيپ‌هاي گروه چهار شامل ژنوتيپ‌هاي شماره 10، 12، 16، 20، 22، 25، 31، 38، 53، 54، 67، 70، 72، 87، 96، 97، 98، 112 و 123 از نظر ميانگين صفات عملكرد دانه، طول دوره پر شدن دانه، وزن هزار دانه، وزن سنبله، وزن دانه در سنبله، روز تا سنبله‌دهي و سرعت پر شدن دانه، برتر از ژنوتيپ‌هاي ساير گروه‌ها بودند.
كليدواژه‌ها
چكيده لاتين :
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.
