بررسی روابط بین عملکرد دانه و صفات وابسته به آن در ارقام کلزای بهاره با استفاده از تجزیه علیت
Publish place: Journal of Crop Breeding، Vol: 10، Issue: 27
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 247
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCB-10-27_014
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
کارایی هر برنامه اصلاحی عمدتا به همبستگی بین عملکرد و اجزای عملکرد و اهمیت نسبی اجزای شرکت کننده در افزایش عملکرد دانه بستگی دارد. جهت تعیین موثرترین صفات در عملکرد دانه ارقام کلزا، آزمایشی در قالب طرح بلوک های کامل تصادفی با ۱۷ ژنوتیپ در ۴ تکرار در سال زراعی ۱۳۹۵-۱۳۹۴ اجرا شد. نتایج حاصل از تجزیه واریانس نشان داد که ارقام کلزا از نظر تمامی صفات بررسی شده دارای اختلاف معنی داری بودند که می تواند بیانگر وجود تنوع ژنتیکی قابل استفاده در بین ارقام جهت داشتن یک انتخاب موثر برای بهبود عملکرد باشد. مقایسه میانگین ارقام بررسی شده نشان داد که ارقام RGS۰۰۳ و هایولا۴۰۱ بیشترین عملکرد دانه را به خود اختصاص دادند. نتایج ضرایب همبستگی نشان داد که عملکرد دانه با وزن هزار دانه و تعداد دانه در غلاف بیشترین همبستگی مثبت را داشت و در سطح احتمال ۱ درصد معنی دار بود. رگرسیون گام به گام برای تمامی صفات نشاندهنده اهمیت و نقش تعیین کننده صفات وزن هزار دانه، تعداد دانه در غلاف و تعداد روز تا رسیدگی بر عملکرد ژنوتیپ ها بود. نتایج حاصل از تجزیه مسیر نشان داد که صفات تعداد دانه در غلاف و وزن هزار دانه بیشترین اثر مستقیم و مثبت را بر عملکرد دانه دارا بودند. بنابراین امکان استفاده از این صفات برای بهبود عملکرد دانه در برنامه های اصلاحی ارقام بهاره کلزا به عنوان معیار انتخاب وجود دارد.
Keywords:
Correlation , Stepwise regression , Path analysis , Grain yield , Canola , همبستگی , رگرسیون گام به گام , تجزیه علیت و کلزا
Authors
مهدی سلطانی حویزه
Islamic Azad University
محمد مرادی
Islamic Azad University
طیب ساکی نژاد
Islamic Azad University
سعید زاکر نژاد
Islamic Azad University
عادل اعطا
Islamic Azad University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :