تجزیه‌وتحلیل‌های آماری چندمتغیره صفات وابسته به عملکرد دانه در ارقام کلزای بهاره

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه زراعت و اصلاح نباتات، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران

2 گروه زراعت و اصلاح نباتات، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

چکیده

به‌منظور بررسی صفات مؤثر بر عملکرد و نیز تعیین عوامل پنهانی دخیل در ایجاد تنوع و دسته‌بندی ژنوتیپ‌های کلزای بهاره (Brassica napus L.) آزمایشی در قالب طرح بلوک‌های کامل تصادفی با 17 ژنوتیپ در ٤ تکرار در سال زراعی 1395-1394 در مزرعه‌ای در صفی‌آباد واقع در شهرستان دزفول اجرا گردید. نتایج ضرایب هم‌بستگی نشان داد که عملکرد دانه با وزن هزاردانه و تعداد دانه در غلاف بیشترین هم‌بستگی مثبت را داشت و در سطح احتمال 1 درصد معنی‌دار بود. انجام رگرسیون مرحله‌ای برای کلیه صفات نشان‌دهنده اهمیت و نقش تعیین‌کننده صفات وزن هزاردانه، تعداد دانه در غلاف، شاخص برداشت و تعداد روز تا رسیدگی بر عملکرد ژنوتیپ‌ها بود. نتایج تجزیه مسیر نشان داد که صفات تعداد دانه در غلاف و وزن هزاردانه بیشترین اثر مستقیم مثبت را بر عملکرد دانه دارا بودند. نتایج تجزیه به مؤلفه‌های اصلی نشان داد که صفات تعداد دانه در غلاف، وزن هزاردانه، شاخص برداشت و عملکرد دانه بیشترین هم‌بستگی را با مؤلفه اول و صفات تعداد روز تا رسیدگی، تعداد روز تا گل‌دهی و طول دوره گل‌دهی بیشترین هم‌بستگی را با مؤلفه دوم داشتند. با انجام تجزیه‌وتحلیل عامل‌ها، دو عامل مهم شناسایی شدند که عامل اول «صفات مرتبط با عملکرد و یا عامل مقصد فیزیولوژیک» و عامل دوم عامل «رشد رویشی» تعیین گردید. بنابراین امکان استفاده از این صفات در برنامه‌های اصلاحی برای بهبود عملکرد دانه ارقام بهاره کلزا به‌عنوان معیار انتخاب وجود دارد. تجزیۀ خوشه‌ای به‌روش وارد، ژنوتیپ‌ها را در 5 گروه قرارداد و بیشترین فاصلۀ ژنتیکی بین ژنوتیپ‌های گروه 1 و 5 مشاهده شد. بنابراین، پیش‌بینی می‌شود که تلاقی ژنوتیپ‌های گروه 1 و 5 بهترین دو رگ‌ها را ایجاد و در نسل‌های در حال تفرق تنوع مطلوبی برای برنامه‌های بهنژادی فراهم کند.

کلیدواژه‌ها


عنوان مقاله [English]

Multivariate analysis of the grain yield and related traits in spring rapeseed

نویسندگان [English]

  • Mohammad Moradi 1
  • Mehdi Soltani Hoveize 2
1 Department of Plant Breeding, Shoushtar Branch, Islamic Azad University, Shoushtar, Iran
2 Department of Plant Breeding, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran
چکیده [English]

This experiment was conducted to investigate the identify traits explaining yield variation, recognize relationships between traits and classify accessions in spring rapeseed, at Dezful, Khozestan Province Iran,  in the agricultural year in 2015–2016. A randomized complete block design with four replications was used. The results of stepwise regression analysis revealed that 1000-grain weight, number of pods per plant, HI and days to maturity significantly had more important effects respectively on seed yield. The results of path analysis indicated that the number of grain per pod and 1000-grain weight had the largest direct effects on the grain yield. According to the results of the principal component analysis, PC1 was moderately correlated with number of seeds per pod, 1000-seed weight and seed yield. PC2 was moderately correlated with days to flowering, days to maturity and plant height. The results of factor analysis exhibited two factors including sink factor (number of seeds per pod, 1000-seed weight and seed yield) and fixed capital factor (phonological traits). It seems that its seams possible to use their traits as a selection criteria in breeding programs for improve seed yield of spring rapeseed cultivars. using WARD method cluster analysis revealed five groups and there was highest genetic distance between 1 and 5 groups, thus predict that hybridization of between 1 and 5 groups could provide best hybrids and supply a desirable genetic diversity in segregated generations for breeding programs.

کلیدواژه‌ها [English]

  • Cluster Analysis
  • Multivariate analysis
  • Path analysis
  • rapeseed
  • simple correlation
  1. بیات م، ربیعی ب ربیعی م و مومنی ع (1387) ارزیابی روابط بین عملکرد دانه و صفات مهم زراعی کلزا به عنوان کشت دوم در شالیزار. مجله علوم و فنون کشاورزی و منابع طبیعی. سال دوازدهم. شماره چهل و پنجم. 486-475.
  2. روستاباغی ب.، دهقانی ح علیزاده ب و صباغ‌نیا ن (1391) بررسی تنوع و ارزیابی روابط بین عملکرد و اجزای عملکرد کلزا به روش‌های چندمتغیره. مجله تولید و فرآوری محصولات زراعی و باغی. سال دوم. شماره ششم. 62-53.
  3. فرشادفر ع (1380) اصول و روش‌های آماری چند متغیره. انتشارات طاق‌بستان، کرمانشاه. 312 ص.
  4. کاکایی م، زبرجدی ع ر مصطفایی ع و رضایی‌زاد ع (1393) بررسی تنوع ژنتیکی و روابط بین صفات در برخی ژنوتیپ‌های کلزا با استفاده از روش‌های آماری چندمتغیره در دو شرایط رطوبتی. به‌نژادی گیاهان زراعی و باغی. 2(1): 45-31.
  5. ناصری ف (1370) دانه‌های روغنی (ترجمه). چاپ اول انتشارات آستان قدس رضوی.
  6. Baradaran R, Majidi E, Darvish F and Azizi M (2006) Study of correlation relationships and path coefficient analysis between yield and yield components in rapeseed (Brassica napus L.). Journal of Agri Sciences. 12: 811-819.
  7. Brandle JK and Mcvetty PBE (1989) Heterosis and combining ability in hybrids derived from oilseed rape cultivars and inbred lines. Crop Science. 29: 1191-1195.
  8. Clark JM and Simpson GM (1978) Growth analysis of Brassica napus. Canadian Journal of Plant Science. 58: 587-597.
  9. Dehghani H, Omidi H and Sabaghnia N (2008) Graphic analysis of relation of rapeseed using the biplot method. Agronomy Journal. 100: 1443-1449.
  10. Guo JC, Guo XX and Liu RH (1987) A study of correlations between yield components in mutants of Brassica napus L. Oil Crops of China. 2: 23-25.
  11. Guertin WH and Bailey JP (1982) Introduction to Modern Factor Analysis. Edwards Brothers Inc., Michigan.
  12. Hamza S, Hamida WB, Rebai A and Harrabi M (2004) SSR-based genetic diversity assessment among Tunisian winter barley and relationship with morphological traits. Euphytica.135:107-118.
  13. Harman HH (1976) Modern Factor Analysis, Third Edition Revised, University of Chicago Press.
  14. Ivanovska S, Stojkovski C, Marjanovic-Jeromela A, Jankulovska M and Jankuloski L (2007) Interrelationship between yield and yield related traits of spring canola (Brassica napus L.) genotypes. Genetika. 39: 325-332.
  15. Jeromela AM, Marinkovic R, Mijic A, Zdunic Z And Jankulovska M (2008) Correlation and path analysis of quantitative traits in winter rapeseed (Brassica napus L.). Agricultural Conspec. Sciences. 73(1): 13-18.
  16. Johnson RA and Wichern DW (1992) Applied multivariate statistical analysis. 3rded. Englewood  Cliffs, NJ: Prentice Hall. Pp. 767.
  17. Khan FA, Ali S, Shakeel A, Saeed A and Abbas G (2006) Correlation analysis of some quantitative characters in Brassica napus L. Journal of Agricultural Research. 44: 7-14.
  18. Leilah AA and Al-Khateeb SA (2005) Yield analysis of canola (Brassica napus L.) using some statistical procedures. Saudi Journal of Biological Sciences. 12: 103-112.
  19. Manly BFJ (2004) Multivariate Statistical Methods a Primer. 3rd ed., Chapman & Hall/CRC Inc., 226 p.
  20. Mohammadi SA and Prasanna BM (2003) Analysis of genetic diversity in crop plants salient statistical tools and considerations. Crop Science. 43: 1235-1248.
  21. Mahasi MJ and Kamundia JW (2007) Cluster analysis in rapeseed (Brassica napus L.). African Journal of Agriculture Research. 2: 409-411.
  22. Murat T and Vahdettin C (2007) Relationships between yield and some yield components in rapeseed (Brassica napus L.) cultivars by using correlation and path analysis. Pakistan Journal of Botany. 39: 81-84.
  23. Naderi R and Toorchi M (2012) Path analysis of the relationships between yield and some related traits in canola (Brassica napus L.) under salinity stress conditions. Annals of Biological Research. 3 (4): 1731-1734.
  24. Ramee V (2012) Correlation and factor analyses of quantitative traits in rapeseed (Brassica napus L.). Agriculture Innovations and Research. 1(1): 2319-1473.
  25. Rameeh V (2013) Multivariate analysis of some important quantitative traits in rapeseed (Brassica napus L.) advanced lines. Journal of Oilseed Brassica. 4(2): 75-82.
  26. Rameeh, V. (2014). Multivariate Regression Analyses of Yield Associated Traits in Rapeseed (Brassica napus L.) Genotypes. Advances in Agriculture. Article ID 626434, 5 pages.
  27. Sabaghnia N, Dehghani H, Alizadeh B and Moghaddam M (2010) Interrelationships between seed yield and 20 related traits of 49 canola (Brassica napus L.) genotypes in non-stressed and water-stressed environments. Spanish Journal of Agricultural Research. 8: 356-370.
  28. Seiler GJ and Stafford RE (1979) Factor analysis of components of yields in guar. Crop Science. 25: 905-908.
  29. Sharma S (1996) Applied multivariate techniques. 1nd ed. John Wiley and Sons, New York. 493 p.
  30. Vafaei SN, Tobeh A, Taee A and Jamaati-e-Somarin S (2010) Study of phenology, harvest index, yield, yield components and oil content of different cultivars of rain-fed safflower. World Applied Science Journal. 8: 820-827.