بررسی روابط بین عملکرد و اجزای عملکرد دانه در ارقام بهاره کلزا با استفاده از روش‌های آماری چند متغیره

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانش‌آموخته کارشناسی‌ارشد بیوتکنولوژی، گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبد کاووس، گنبد کاووس، ایران.

2 نویسنده مسئول، استادیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی گنبد، دانشگاه گنبد کاووس، گنبد کاووس، ایران.

3 استادیار بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران

4 دانشیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی گنبد، دانشگاه گنبد کاووس، گنبد کاووس، ایران

5 استادیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی گنبد، دانشگاه گنبد کاووس، گنبد کاووس، ایران.

چکیده

سابقه و هدف: کلزا با نام علمی (.Brassica napus L) یکی از مهمترین گیاهان دانه روغنی در جهان است. با توجه به نیاز روز افزون کشور به واردات روغن و اهمیت کلزا در بین دانه‌های روغنی، افزایش عملکرد دانه و درصد روغن از اهمیت زیادی برخوردار است. بنابراین شناخت صفاتی که موجب افزایش عملکرد دانه می‌شوند، نقش مهمی در موفقیت برنامه‌های بـه نـژادی دارند. عملکرد یک صفت پیچیده است که تحت تأثیر عوامل زیادی قرار می‌گیرد. انتخاب مستقیم یک رقم برای عملکرد اغلب چندان مؤثر نیست، بنابراین بررسی روابط بین عملکرد دانه و صفات دیگر برای انتخاب غیرمستقیم ممکن است مؤثر باشد. در چنین شرایطی همبستگی‌ها ممکن است به خوبی ارتباط‌ها را روشن نکنند، لذا روش‌های آماری چند متغیره و تجزیه مسیر می‌توانند در درک ماهیت رابطه بین صفات برای انتخاب مستقیم یا غیرمستقیم و در نتیجه بهبود کارایی انتخاب اصلاحی در برنامه‌های اصلاح نباتات مفید واقع گردند.
مواد و روش‌ها: در این مطالعه هشت ژنوتیپ کلزای بهاره (SPN-202، SPN-204، SPN-206، SPN-207، SPN-217، SPN-225،SPN-227 و SPN-182) به همراه 56 هیبرید کلزا (F1) در سال زراعی 99-1398 در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در مزرعه تحقیقاتی ایستگاه تحقیقات کشاورزی گرگان کشت شدند. در طول آزمایش صفات فنولوژیک، مورفولوژیک، عملکرد و اجزای عملکرد یادداشت برداری شدند و نرمال بودن داده‌ها بر اساس روش کولموگروف- اسمیرنوف ارزیابی شد. برای درک روابط بین صفات و شناخت صفات موثر در عملکرد دانه از تجزیه ضرایب همبستگی بین صفات، رگرسیون گام به گام و تجزیه به مولفه‌های اصلی استفاده شد. همچنین از تجزیه علیت بر مبنای ضرایب همبستگی برای مشخص کردن اثر مستقیم و غیر-مستقیم صفات استفاده شد. در نهایت تمامی صفات بر اساس تحلیل مؤلفه‌های اصلی گروه‌بندی شدند.
یافته‌ها: نتایج تجزیه واریانس نشان‌دهنده وجود اختلاف معنی‌دار برای تمامی صفات مورد مطالعه در سطح احتمال یک درصد است. ضریب تغییرات (C.V) برای صفات از 37/1 (رسیدگی فیزیولوژیک) تا 31/10 (تعداد شاخه‌های فرعی) متغیر بود که نشان‌دهنده دقت کافی در انجام پژوهش است. نتایج ارزیابی همبستگی نشان داد که صفت تعداد خورجین در شاخه‌های فرعی (864/0)، تعداد کل خورجین در بوته (865/0)، تعداد شاخه‌های فرعی (466/0)، رسیدگی فیزیولوژیک (329/0) و تعداد دانه درخورجین (358/0) با عملکرد دانه همبستگی مثبت و معنی‌داری داشتند. تجزیه و تحلیل رگرسیون گام به گام نشان داد که صفات تعداد کل خورجین در بوته، تعداد دانه در خورجین و وزن هزار دانه نقش تعیین کننده‌ای بر عملکرد دانه دارند. بر اساس نتایج تجزیه علیت، تعداد کل خورجین در بوته بیشترین تأثیر مستقیم (881/0) و تعداد دانه در خورجین از طریق تعداد کل خورجین در بوته بیشترین تأثیر غیرمستقیم (053/0) را بر عملکرد دانه نشان دادند. بر اساس نتایج تجزیه مؤلفه‌های اصلی، چهار مؤلفه شناسایی شد که توانستند 28/79 درصد از تغییرات داده‌های اندازه‌گیری شده در 64 ژنوتیپ کلزا را تبیین کنند.
نتیجه‌گیری: نتایج تجزیه علیت نشان داد که صفات تعداد کل خورجین در بوته، تعداد دانه خورجین و وزن هزار دانه اثر مثبت مستقیم بر عملکرد دانه داشتند. همچنین تجزیه و تحلیل رگرسیون گام به گام نیز بیانگر این بود که صفات بیان شده دارای بالاترین ضرایب رگرسیونی هستند، لذا انتخاب برای این صفات در جهت نیل به عملکرد بالا می‌تواند بسیار موثر ‌باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigating the relationship between grain yield and yield components in spring rapeseed cultivars using multivariate analysis

نویسندگان [English]

  • Mohammad Amin Norouzi 1
  • leila ahangar 2
  • Kamal Payghamzadeh 3
  • hossein sabouri 4
  • Sayed Javad Sajadi 5
1 M.Sc. Graduate of Biotechnology, Dept. of Plant Production, College of Agriculture and Natural Resources, Gonbad Kavous University, Gonbad Kavous, Iran.
2 Corresponding Author, Assistant Prof., Dept. of Plant Production, College of Agriculture and Natural Resources, Gonbad Kavous University, Gonbad Kavous, Iran.
3 Associate Prof., Dept. Horticulture Crops Research, Golestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Gorgan, Iran.
4 Associate Prof., Dept. of Plant Production, College of Agriculture and Natural Resources, Gonbad Kavous University, Gonbad Kavous, Iran.
5 Assistant Prof., Dept. of Plant Production, College of Agriculture and Natural Resources, Gonbad Kavous University, Gonbad Kavous, Iran.
چکیده [English]

Background and objectives: Rapeseed with the scientific name (Brassica napus L.) are one of the most important oilseed crops in the world. Considering the country's increasing need to import oil and the importance of rapeseed among oilseeds plants, increasing the yield and percentage of oil is very important. Therefore, identification the traits that increase seed yield, play an important role in the success of breeding programs. Yield is a complex trait that is affected by many factors. direct selection of a variety for yield is not often very effective, so investigating the relationships between grain yield and other traits for indirect selection may be effective. In such a situation, correlations may not clarify the relationships well, therefore, multivariate statistical methods and path analysis can help in understanding the nature of the relationship between traits for direct or indirect selection and improve the efficiency of selection in breeding programs plants become useful.
Materials and Methods: In this study, eight genotypes of spring rapeseed (SPN-202, SPN-204, SPN-206, SPN-207, SPN-217, SPN-225, SPN-227, SPN-182) along with 56 rapeseed hybrids (F1) were planted in a randomized complete block design with three replications in 2019-2020 crop years in the research farm of Gorgan Agricultural Research Station. During the experiment, phenological, morphological traits, yield and yield components were recorded. The normality of the data was evaluated based on the Kolmogorov-Smirnov method. In order to understand the relationships between traits and to identify the traits affecting on grain yield, at first, correlation coefficients were estimated, then stepwise regression were done. Then, path analysis based on correlation coefficients was used to determine the direct and indirect effects of traits. Finally, all traits were grouped based on principal component analysis.
Results: The results of analysis of variance indicate a significant difference for all studied traits at the probability level of one percent. The coefficient of variation (C.V) for the traits varied from 1.37 (physiological maturity) to 10.31 (number of sub-branches), which indicates that there is sufficient accuracy in conducting the research. The results of correlation evaluation showed that number of pod per lateral branches (0.864), number pods per Plant (0.865), number of lateral branches (0.466), physiological maturing (0.329) and number of grain per pod (0.358) had a positive and significant correlation with grain yield (P<0.01). Stepwise regression analysis showed that the traits of number of pods per plant, number of grain per pod and 1000-grain weight has a decisive role on grain yield. Based on the results of path analysis, number of pods per plant had the most direct effect (0.881) and number of grain per pod had the most indirect effect (0.053) through the number of pods per plant on grain yield. In order the results of principal component analysis, four components were able to explain 75.91% of the changes in the measured data of 64 rapeseed varieties.
Conclusions: Results of the path analysis showed that number of pods per plant, number of grain per pod and 1000-grain weight had a direct positive effect on grain yield. Also, the stepwise regression analysis showed that the stated traits have the highest regression coefficients. Therefore, selection for these traits can be very effective in achieving high performance

کلیدواژه‌ها [English]

  • Path Analysis
  • Regression
  • Multivariate Statistical Methods
  • Rapeseed
  • Correlation
1.Ishaq, M., Razi, R. & Khan, S. A. (2017). Exploring genotypic variations for improved oil content and healthy
fatty acids composition in Rapeseed (Brassica napus L.). J. Sci. Food. Agric. 97 (6),1924-1930.‏
2.Deputy of plant production improvement of Golestan agricultural jihad organization. (2021). Report of rapeseed cultivation area in Golestan province in the crop year 2020-2021. 91p (https://www.maj.ir/Dorsapax/userfiles/Sub65/amar99-1400.pdf).
3.Moradi, M., Soltani Hoveize, M. & Shahbazi, E. (2017). Study the relations between grain yield and related traits in canola by multivariate analysis. J. Crop Breed. 9(23), 187-194. [In Persian with English abstract]
4.Abdollahi Hesar, A., Sofalian, O., Alizade, B., Asghari, A. & Zali, H. (2020). Evaluation of some autumn rapeseed genotypes based on morphological traits and SIIG index. J. Crop Breed. 12(34), 151-159. [In Persian with English abstract]
5.Arshadi Bidgoli, M., Amiri Oghan, H., Fotokian, M. H. & Alizadeh, B. (2018). Evaluation of diversity and relationship among yield and yield components of rapeseed genotypes (Brassica napus L.). J. Crop Breed. 10(27), 115-124.
[In Persian with English abstract]
6.Laghari, K., Baloch, M., Sootaher, J. K., Menghwar, K. K., Kachi, M., Kumbhar, Z. M., Shah, W. H., Soothar, M. K. & Daudpotto, I. (2020). Correlation and heritability analysis in Rapeseed (Brassica napus L.) genotypes. Pure Appl. Biol. 9(1), 507-516.
7.Singh, V. K., Avtar, R., Mahavir, N. K., Manjeet, R. K. & Rathore, V. (2020). Assessment of genetic relationship among diverse Indian mustard (Brassica juncea L.) genotypes using XLSTAT. Elec. J. Plant Breed. 11(02), 674-680.‏
8.Banerjee, H., Chatterjee, S., Sarkar, S., Gantait, S. & Samanta, S. (2017). Evaluation of rapeseed-mustard cultivars under late sown condition in coastal ecosystem of West Bengal. J. Appl. Nat. Sci. 9(2), 940-949.
9.Ismaili, A., Nourozi Asl, A., Zebarjadi, A., Drikvand, R. & Azizi, Kh. (2015). Study on heritability and path analysis of different traits, seed yield and oil yield of canola in climatically condition of Khoram Abad, Iran. J. Appl. Crop
Res
. 28(106), 162-170. [In Persian with English abstract]
10.Roostabaghi, B., Dehghan, H. Alizadeh, B. & Sabaghnia, N. (2013). Study of diversity and evaluation of relationships between yield and yield components of rapeseed via multivariate methods. J. Crop Prod. Proces. 2(6), 53-63.
[In Persian with English abstract]
11.Rahimi, M., Ramezani, M. & Ozoni Davaji, A. (2016). Investigation of Path and Correlation analysis of pattern and plant densities effect on two Rapeseed Cultivars. J. Crop Breed. 8(19), 218-227. [In Persian with English abstract]
12.Sandhu, S. K., Kang, M. S. Akash, M. W. & Singh, P. (2019). Selection indices for improving selection efficiency in Indian mustard. J. Crop Improv. 33(1), 25-41.
13.Faraji, A., Kiani, A., Younesabadi, M., Mubasheri, M. T., Aghajani, M. A., Peyghamzadeh, K., Habibian, L., Ghazaeian, M., Sadeghnejad, H. R. & Bagheri, M. (2020). Rapeseed cultivation in Golestan province (Practical tips in farm management). Gol. Agric. Nat. Resour. Res. Train. Cen. 32 p. [In Persian with English abstract]
14.IBM Corp. Released (2013). IBM SPSS Statistics for Windows, Version 22.0. Armonk, NY: IBM Corp.
15.Rao, S. H., Qambrani, Z., Gandahi, N., Yasir, T. A., Bano, S., Nahiyoon, Q. A., Liaquat, B. & Baloch, A. W. (2020). Assessment of genetic parametersin rapeseed genotypes. Pak. J. Biotec. 17(4), 183-187.
16.Saroj, R., Soumya, S. L., Singh, S., Sankar, S. M. & Chaudhary, R. (2021). Unraveling the Relationship Between Seed Yield and Yield-Related Traits in a Diversity Panel of (Brassica juncea) Using Multi-Traits Mixed Model [Online]. Plant Sci. 12, 651936.
17.Kumar, R., Gaurav, S. S., Jayasudha, S. & Kumar, H. (2016). Study of correlation and path coefficient analysis in germplasm lines of Indian mustard (Brasica juncea L.). Agric. Sci. Diges. Res. J. 36(2), 92-96.‏
18.Sharafi, Y., Majidi, M. M., Jafarzadeh, M. & Mirlohi, A. (2015). Multivariate analysis of genetic variation in winter rapeseed (Brassica napus L.) cultivars. J. Agric. Sci. Tech. 17 (5), 1319-1331.
19.Tiwari, A. K., Singh, S. K., Tomar, A. & Singh, M. (2017). Heritability, genetic advance and correlation coefficient analysis in Indian mustard (Brassica juncea L. Czern & Coss). J. Pharm. Phyto. 6(1), 356–359. 
20.Radic, V., Balalic, I., Krstic, M. & Marjanovic-Jeromela, A. (2021). Correlation and Path analysis of yield and yield components in winter Rapeseed. Genetika. 53(1), 157-166.‏
21.Tahira, M. A., Khan, M. A. & Khan, M. A. (2017). Cluster analysis, associationand Path coefficient analysis for seed yield improvement in Rapeseed. Pak. J. Agric. Res. 30(4), 315-322.
22.Jan, S. A., Shinwari, Z. K., Ali, N. & Rabbani, M. A. (2018). Morphometric analysis of Brassica Carinata elite lines reveals variation for yield related traits. Pak. J. Bot. 50(4), 1521-1524.‏
23.Bakhshi, B., Amiri Oghan, H., Alizadeh, B., Rameeh, V., Payghamzadeh, K., Kiani, D., Rabiee, M., Rezaizad, A., Shiresmaeili, Gh., Dalili, A. & Kia, Sh. (2021). Identification of Promising Oilseed Rape Genotypes for the Tropical Regions of Iran Using Multivariate Analysis. Agrotec. Ind. Crops. 1(1), 11-18.