ارزیابی عملکرد ارقام و لاین های پیشرفته سویا تحت تنش خشکی با استفاده از تجزیه GGE بای پلات

ارزیابی ارقام و لاین­های سویا تحت تنش خشکی به به­نژادگران در شناسایی ژنوتیپ­های با عملکرد بالا و پایدار کمک می­کند. در این راستا آزمایشی در قالب طرح بلوک­های کامل تصادفی با سه تکرار در شرایط نرمال و تنش خشکی در دو مکان رشت و گنبد (در چهار محیط) طرح­ریزی شد. نتایج تجزیه مرکب عملکرد دانه در بوته نشان داد که اثر تنش، مکان، ژنوتیپ، اثر متقابل تنش در مکان، ژنوتیپ در تنش، ژنوتیپ در مکان و ژنوتیپ در تنش در مکان معنی­دار است. در این مطالعه از روش GGE بای­پلات برای بررسی ۱۲۱ رقم و لاین­های پیشرفته سویا در چهار محیط استفاده شد. نتایج حاصل از روش بای­پلات نشان داد که مولفه اول ۶۶ و مولفه دوم ۲۲ درصد (در مجموع ۸۸ درصد) از کل تغییرات را توجیه نمودند که نشاندهنده اعتبار نسبتا خوب بای­پلات در توجیه تغییرات G+GE است. نتایج روش گرافیکی نشان داد که محیط­های گنبد (تنش و نرمال) نسبت به محیط­های رشت (تنش و نرمال) در رتبه بندی و تعیین سازگاری کاملا متفاوت بودند. در بررسی بای­پلات چندضلعی مشاهده شد که در RD (مکان رشت تحت تنش خشکی)، GN (مکان گنبد نرمال) و GD (مکان گنبد تحت تنش خشکی) ژنوتیپ ۳۷ و ۳۴ بیشترین عملکرد را داشتند و علاوه­بر­این می­توان این سه محیط را به­عنوان یک محیط کلان (Mega-Environment)  در نظر گرفت. تعدادی از ژنوتیپ­ها در موقعیتی قرار گرفتند که هیچ محیطی درآنجا قرار نداشت. این ژنوتیپ­ها در اکثر محیط­ها دارای عملکرد پایین بودند. در نمودار رتبه پایداری ژنوتیپ­های ۸، ۹، ۴۹، ۶۳، ۴۲، ۸۶، ۳۹و ۴۶ دارای عملکرد متوسط و سازگاری بالایی داشتند که دارای ترکیب مناسبی از پایداری (سازگاری) و عملکرد بودند. 

Keywords:

Combined analysis , Environmental stress , InteractionGGE Graphical method , Mega-Environment , اثر متقابل , تنش های محیطی , تجزیه مرکب , روش گرافیکی GGE , محیط کلان