تحليل هاي آماري چند متغيره براي صفات نخود(Cicer arietinum L.) در شرايط آبياري محدود

Multivariate statistical analysis in chickpea (Cicer arietinum L.) under limited irrigation

به‌منظور مطالعه روابط همبستگی بین صفات زراعی و تحلیل های آماری چند متغیره نخود با عملكرد، جهت معرفی صفات مهم و تسهیل در گزینش واریته های پر محصول در شرایط آبیاری محدود، تحقیقی بر روی هفت ژنوتیپ برتر از نظر تحمل به خشكی در قالب طرح آزمایشی بلوك های كامل تصادفی با چهار تكرار در سال زراعی 1390-1389، در مزرعه تحقیقاتی دانشكده كشاورزی دانشگاه مشهد، به مورد اجرا گذاشته شد. در طی فصل رشد دو نوبت آبیاری انجام شد. اولین آبیاری بعد از كاشت و دیگری در اواخر گلدهی انجام شد. نتایج حاصل از تجزیه واریانس صفات، اختلاف معنی‌داری در صفات وزن صد دانه، تعداد شاخه های اولیه، تعداد دانه در بوته، تیپ رشدی گیاه، شاخص برداشت و عملكرد دانه مشاهده شد (05/0≥P). بیشترین همبستگی با عملكرد دانه را صفات تیپ رشدی گیاه (*44/0r=)، عملكرد بیولوژیك (**64/0r=) و شاخص برداشت (**63/0r=) نشان دادند. رگرسیون گام به گام، صفات شاخص برداشت، روز تا غلاف دهی، تعداد شاخه های اولیه و تعداد دانه در بوته را در مرحله ی اول و صفات روز تا رسیدگی، تعداد دانه در غلاف، تعداد شاخه های ثانویه و عملكرد بیولوژیك را در مرحله ی دوم به‌عنوان صفات مهم نشان داد. همچنین نتایج حاصل از آنالیز علیّت نشان داد كه صفات شاخص برداشت، عملكرد بیولوژیك و صفت تعداد دانه در بوته، شاخص های انتخابی هستند كه باید به‌طور غیر مستقیم، در شرایط كم آبیاری مورد توجه واقع شوند. تجزیه به مؤلفه های اصلی نیز، پنج مؤلفه را كه بیش از 76 درصد از تغییرات را توجیه می نمود، معرفی كرد.

In order to evaluate of yield and yield components of chickpea genotypes, path analysis set to facilitate the selection of high yielding varieties in limited irrigation. Research was canducted in 2010-2011 growing season at the Agricultural Research Station, Ferdowsi University of Mashhad, by using seven drought tolerante genotypes (recommended from a previous research) in a randomized complete block experimental design with four replications. Plots irrigated twice, first after planting and the second was in late flowering stage. Analysis of variance indicated a significant difference in seed weight, number of primary branches, type of plant growth, number of seeds per plant, harvest index and seed yield (P≤0/05). Analysis showed maximum correlation between biological yield and seed yield (r = +0.64**), followed by harvest index with seed yield (r = + 63/0**) and Type of plant growth. (r =+ 44/0**). Stepwise regression introduced number of primary and secondary branches, number of pod per plant, number of seeds per pod, biological yield, harvest index, Days to pod formation and maturationPath analysis introduced harvest index, biological yield and number of seeds per plant, as important characters, that should be selected indirectly. Principal components analysis, identified five components that explained more than 76 % of the seed yeild variation.