كاربرد روش هاي آماري چند متغيره در شناسايي صفات موثر بر عملكرد گندم نان تحت شرايط تنش رطوبتي

Application of multivariate statistical methods in detection of effective traits on bread wheat (Triticum aestivum L.) yield under moisture stress condition

به منظور بررسي كارايي روش هاي آماري چند متغيره در شناسايي مهم‌ترين صفات موثر بر عملكرد دانه، تعيين سهم هر صفت در تغييرات عملكرد و گروه بندي 20 لاين اميد بخش گندم نان تحت شرايط تنش رطوبتي آخر فصل، به صورت قطع كامل عمل آبياري از مرحله ظهور سنبله ها به بعد، آزمايشي در قالب طرح بلوك هاي كامل تصادفي با 3 تكرار در سال زراعي 91-1390 انجام شد. بر اساس نتايج تجزيه به مولفه هاي اصلي سه مولفه اول در مجموع 72 درصد از تغييرات داده ها را توجيه كردند كه طبق اين نتايج، صفات شاخص برداشت سنبله، آب حفظ شده برگ هاي جدا شده (ELWR) و شاخص برداشت به عنوان معيارهايي مناسب در انتخاب لاين ها، تاثير قابل توجهي در واريانس دو مولفه مهم اول داشتند. تجزيه خوشه اي به روش Ward، لاين هاي مورد بررسي را در چهار گروه قرار داد كه نتايج حاصله از تجزيه تابع تشخيص نيز اين گروه بندي را تاييد كرد. نتايج تجزيه رگرسيون گام به گام بيانگر اين بود كه مهم ترين صفات تاثيرگذار بر عملكرد اقتصادي به ترتيب شامل شاخص برداشت، عملكرد زيست توده و RWC بودند كه در مجموع 94 درصد از تغييرات عملكرد دانه را توجيه كردند. بر اساس نتايج تجزيه عليت، صفت شاخص برداشت بيشترين تاثير مثبت مستقيم و صفت زيست توده بيشترين تاثير منفي غير مستقيم را (از طريق كاهش شاخص برداشت) بر عملكرد اقتصادي داشتند كه با توجه به ماهيت هر اثر، مي توان از اين صفات در انتخاب ارقام پر محصول گندم در شرايط تنش رطوبتي آخر فصل استفاده كرد.

To evaluate performance of multivariate statistical methods in detection of the most important effective traits on grain yield of 20 promising bread wheat lines and for determination of the role of each trait on yield changes, an experiment was conducted based on randomize complete block design with 3 replications in 2011-2012. Results of principal components analysis showed that three first principal components explained 72 % of the total variance. Accordion to the results, spike harvest index, ELWR and harvest index had highest effects on two first principal components. Cluster analysis by Ward’s method grouped the lines in 4 clusters. Discrimination function analysis confirmed the four groups derived from cluster analysis. Stepwise regression analysis indicated that harvest index, biomass and RWC were the most important effective traits on economic yield and explained 94% of its total variance. Results of path analysis showed that harvest index and biomass had maximum positive direct and negative indirect effect on economic yield, respectively, which can be used for selection of wheat varieties under terminal moisture stress condition.