بررسی روابط بین عملکرد و اجزای عملکرد در ژنوتیپ‌های امیدبخش پنبه (Gossypiume hirsutum L.)

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 نویسنده مسئول، استادیار مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران

2 محقق مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، داراب، ایران.

3 دانشیار بخش به‌نژادی تحقیقات پنبه کشور، مؤسسه تحقیقات پنبه کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران.

چکیده

سابقه و هدف: عملکرد و اکثر صفات مهم و مورد توجه از نظر اقتصادی و به‌نژادی صفات چند ژنی هستند و انتخاب مستقیم برای آن-ها چندان موفقیت‌آمیز نبوده است. این تحقیق در راستای شناخت روابط میان عملکرد و صفات وابسته به آن و تعیین مهمترین صفات موثر بر عملکرد وش پنبه انجام گردید.
مواد و روش‌ها: آزمایشی شامل نه ژنوتیپ همراه با دو رقم تجاری استان فارس (بختگان و گلستان) به عنوان شاهد، در قالب طرح بلوک‌های کامل تصادفی با چهار تکرار، در ایستگاه تحقیقات کشاورزی داراب طی دو سال زراعی 1397 و 1398 اجرا شد. در این مطالعه صفات ارتفاع بوته، طول شاخه زایا، تعداد شاخه زایا، طول شاخه رویا، تعداد شاخه رویا، تعداد غوزه در بوته، وزن غوزه، درصد زودرسی و عملکرد وش مورد بررسی قرار گرفتند.
یافته‌ها: نتایج تجزیه واریانس مرکب برای صفات مورد مطالعه نشان داد اثر ژنوتیپ در کلیه صفات مورد مطالعه به جز طول شاخه رویا و تعداد شاخه زایا در سطح احتمال 1 درصد معنی‌دار بود. بررسی مقایسه میانگین ژنوتیپ‌ها نشان داد که ژنوتیپ‌های A-NB414 و A-NBK به ترتیب با عملکرد 5445 و 5154 کیلوگرم در هکتار بیشترین عملکرد را داشتند. عملکرد این دو ژنوتیپ با سایر ژنوتیپ‌ها تفاوت معنی‌دار داشت. ژنوتیپ‌های A-NB414 و A-NBK در صفات ارتفاع بوته، تعداد شاخه زایا، تعداد غوزه در بوته، درصد زودرسی نیز از سایر ژنوتیپ‌ها برتر بودند. بررسی همبستگی فنوتیپی بیانگر وجود همبستگی بالا و معنی‌دار در سطح احتمال یک درصد، بین عملکرد وش با تعداد غوزه در بوته (**80/0r= )، وزن غوزه (**36/0r= ) و ارتفاع بوته (**60/0r= ) بود. نتایج تجزیه رگرسیون گام به گام نشان داد که صفات تعداد غوزه، وزن غوزه، ارتفاع بوته و طول شاخه زایا بشترین تغییرات عملکرد وش را توجیه می‌کنند (59/77 =R2). طبق نتایج حاصل از تجزیه مسیر، بیشترین اثر مستقیم بر صفت عملکرد وش مربوط به تعداد غوزه در بوته بود ( 78/0=P ). بیشترین اثر غیرمستقیم ارتفاع بوته از طریق تعداد غوزه در بوته بر عملکرد وش اعمال گردید.
نتیجه‌گیری: با توجه به همبستگی بسیار بالای عملکرد وش با تعداد غـوزه در بوتـه، می‌توان بیان کرد که تعداد غـوزه در بوتـه عامـل اصـلی اختلاف ژنوتیپ در رابطه با عملکرد وش می‌باشد. از آنجایی که وزن غوزه، تعداد غوزه و ارتفاع بوته بزرگترین اثرات مستقیم بر عملکرد وش را دارا می‌باشند می‌توان از این صفات به عنوان معیار انتخاب استفاده نمود. همچنین با توجه به اینکه تعداد غوزه بیشترین اثر را در افزایش عملکرد وش، به‌طور مستقیم و غیرمستقیم دارد، می‌توان از این صفت جهت افزایش عملکرد وش در برنامه‌های به‌نژادی بهره برد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigating relationships between yield and yield components in promising cotton genotypes (Gossypiume hirsutum L.)

نویسندگان [English]

  • Mitra Vanda 1
  • Mohammadhasan Hekmat 2
  • omran alishsh 3
1 Corresponding Author, Assistant Prof., Fars Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Darab, Iran.
2 Researcher, Fars Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Darab, Iran
3 Associate Prof., Cotton Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Gorgan, Iran
چکیده [English]

Background and Objective: Cotton yield and most important traits in terms of economic and breeding values are polygenic traits, and direct selection for them has not been very successful. This study was conducted to identify the relationships between yield and its related traits and to determine the most important traits affecting cotton lint-yield.
Materials and Methods: an experiment including nine genotypes with two commercial varieties of Fars province (Bakhtegan and Golestan) as controls, in a randomized complete blocks design with four replications, was carried out at Darab Agricultural Research Station during two years of 2017 and 2018. In this study, the traits of plant height, monopodial length, monopodial number, sympodial length, sympodial number, number of boll per plant, boll weight, earliness percentage and lint-yield were investigated.
Findings: The combined variance analysis results for the studied traits showed that the genotype had a significant effect on all traits except for the monopodial length and the sympodial number at the 1% probability level. The comparison of genotype means showed that the genotypes A-NB414 and A-NBK had the highest lint-yield of 5445 and 5154 kg/ha, respectively. The lint-yield of these two genotypes were significantly different from those of the other genotypes. The genotypes A-NB414 and A-NBK also had higher values for plant height, sympodial number, number of boll per plant, and earliness percentage than the other genotypes. The phenotype correlation analysis showed a significant positive correlation between lint-yield and number of boll per plant (r= 0.80**), boll weight (r= 0.36**), and plant height (r= 0.60**) at the 1% probability level. The stepwise regression analysis results showed that the traits of number of boll per plant, boll weight, plant height, and sympodial length had the most significant effects on cotton lint-yield (R2=0.77). According to the results of the path analysis, the number of boll per plant had the most direct effect on lint-yield (P=0.78). The indirect effect of plant height on lint-yield was exerted through the number of boll per plant. The lint-yield of these two genotypes was significantly different from other genotypes. A-NB414 and A-NBK genotypes were superior to other genotypes in plant height, sympodial number, number of boll per plant, and earliness percentage. The phenotypic correlation showed a high and significant correlation at 1 % level of probability respectively between the lint-yield and the number of boll per plant (r= 0.80**), boll weight (r= 0.36**) and plant height (r= 0.60**). The results of step-by-step regression analysis showed that the traits of boll number, boll weight, plant height and sympodial length explain the most lint-yield changes (R2 = 77.59). According to the results of the path analysis, the most direct effect on the lint-yield trait was related to the number of boll per plant (P=0.78). The most indirect effect of plant height was exerted on lint-yield through the number of boll per plant.
Conclusion: Considering the very high correlation between the lint-yield and the number of boll per plant, it can be concluded that the number of boll per plant is the main factor causing genotype differences in lint-yield. Since boll weight, number of boll per plant and plant height have the largest direct effects on cotton lint-yield, these traits can be used as selection criteria. Additionally, since the number of boll per plant has the most direct and indirect effect on lint-yield, it can be used to increase lint-yield in breeding programs.

کلیدواژه‌ها [English]

  • Stepwise Regression
  • Path Analysis
  • Correlation
1.Kakaei, M., Kahrizi, D. & Moosavi, S. S. (2016). Assessing the relationships of lint-yield and cottonseed-yield with some agro-morphological traits of Gossypium hirsutum var. Varamin by path analysis. Iranian Journal of Cotton Researches,
4 (2), 101-114. doi: 10.22092/ijcr.2019. 120125.1105. [In Persian]
2.Talat, F., Badri Anarjan, M. & Setoodehmaram, K. (2018). Multivariate analyses of quantitative and qualitative characteristics of hopeful cotton varieties under cold weather conditions. Iranian Journal of Field Crop Science,
49 (1), 189-195. doi: 10.22059/ijfcs. 2017.228676.654288. [In Persian]
3.Arumuganathan, K. & Earle, E. D. (1991). Nuclear DNA content of some important plant species. Plant Molecular Biology Reporter, 9, 208-218. doi: 10. 1007/BF02672069.
4.Shruti, H. C., Sowmya, J. M., Nidagundi, R., Lokesha, B., Arunkumar & Shankar M. Murthy. (2020). Correlation and path coefficient analysis for seed cotton yield, yield attributing and fibre quality traits in cotton (Gossypium hirsutum L.). International Journal of Current Microbiology and Applied Sciences, 9 (2), 200-207. doi: 10.20546/ijcmas. 2020.902.025.
5.Ariyo, O. J., Pkenova, M. E. & Fatoku, C. A. (1986). Plant character correlations and path analysis of pod yield in okra. Euphytica, 36, 677-686. doi: 10.1007/ BF00041518.
6.Dewey, D. R. & Lu, K. H. (1959). A correlation and path analysis of components of crested wheatgrass seed production. Agronomy Journal, 51, 515-518. doi: 10.2134/agronj1959. 00021962005100090002x.
7.Arminian, A., Kang, M., Kozak, M., Houshmand, S. & Mathews, P. (2008). MULTPATH: A comprehensive Minitab program for computing path coefficients and multiple regressions for multivariate analyses. Journal of Crop Improvement, 22, 82-120. doi: 10.1080/154275208020 43182.
8.Thiyagu, K., Nadarajan, N., Rajarathinam, S., Sudhakar, D. & Rajendran, K. (2010). Association and Path analysis for seed cotton yield improvement in interspecific crosses of Cotton (Gossypium spp.). Electronic Journal of Plant Breeding, 1 (4), 1001-1005.
9.Mehrabadi, H. R., Nezami, A., Kafi, M. & Ramezani Moghadam, M. R. (2015). Investigating yield, yield components, correlation coefficients and causality analysis of cotton cultivars under drought stress conditions. Journal of Crop Production and Processing, 5 (17), 217-228. doi: 10.18869/acadpub.jcpp.5.17.217. [In Persian]  
10.SAS Institute. SAS/STAT Softwar. (1997). Changes and Enhancements through Release 6.12, Cary NC: SAS Institute Inc. 1162 pp.
11.Nawaz Shah, M. K., Malik, S. A., Murtaza, N., Ullah, I., Rahman, H. & Younis, U. (2010). Early and rapid flowering coupled with shorter boll maturation period offers selection criteria for early crop maturity in upland cotton. Pakistan Journal of Botany, 42, 3569-3576. http://www.pakbs.org/ pjbot/PDFs/42(5)/PJB42(5)3569.pdf.
12.Heitholt, J. J. (1995). Cotton flowering and boll retention in different planting configurations and leaf shapes. Agronomy Journal, 87, 994-998. doi: 10.2134/agronj1995.00021962008700050037x.
13.Taghvaei, M., Jafari, M., Assadpoor, E., Nowrouzieh, Sh. & Alishah, O. (2014). Optimization of microwave-assisted extraction of cottonseed oil and evaluation of its oxidative stability and physicochemical properties. Food Chemistry, 160, 90-97. https://doi.org/ 10.1016/j.foodchem.2014.03.064.
14.Sahar, A., Zafar, M. M., Razzaq, A., Manan, A., Haroon, M., Sajid, S., Rehman, A., Mo, H., Ashraf, M., Ren, M., Shakeel, A. & Yuan, Y. (2021). Genetic variability for yield and fiber related traits in genetically modified cotton. Journal of Cotton Research, 19, 4.1-9. doi: 10.1186/s42397-021-00094-4.
15.Mawblei, Ch., Premalatha, N., Rajeswari, S. & Manivannan. A. (2022). Genetic variability, correlation and path analysis of upland cotton (Gossypium hirsutum L.) germplasm for seed cotton yield. Electronic Journal of Plant Breeding, 13 (3), 820-825. doi: 10.37992/ 2022.1303.104.
16.Alaedin, N., Navabpour, S. & Fathi Sadabadi, M. (2022). Investigation of the relationship between quantitative and qualitative characteristics with yield and yield components in cotton cultivars. Iranian Journal of Cotton Researches,
9 (2), 142-164. doi: 10.22092/IJCR. 2021.356497.1178. [In Persian]
17.Rehman, A., Mustafa, N., DU, X. & Azhar, M. T. (2020). Heritability and correlation analysis of morphological and yield traits in genetically modified cotton. Journal of Cotton Research,3 (1), 23-41. doi: 10.1186/s42397-020-00067-z.
18.Jafaraghaei, M. & Jalali, A. H. 2015. Evaluation of some early varieties of cotton in the Golpaygan region. Journal of Crop Production and Processing, 5 (17), 359-368. doi: 10.18869/acadpub. jcpp.5.17.359. [In Persian]
19.Sedigh, S., Zabet, M., Ghader Ghaderi, M. & Samadzadeh, A. R. (2015). Investigation of correlation and causal relationships affecting yield of 14 cotton genotypes in normal conditions and imposing drought stress after flowering. Journal of Plant Physiology, 7 (22), 17-30. doi: 6a270d2e18a7f3789 abc3bc4ae80413e. [In Persian]
20.Shaheen, M., Abdul Rauf, H., Ahmed Taj, M., Yousaf Ali, M., Amjad Bashir, M., Atta, S., Farooq, H., Alajm, R. A., Hashem, M. & Alamri, S. (2021). Path analysis based on genetic association of yield components and insects pest in upland cotton varieties. PloS One, 16, 12.e0260971. doi: 10.1371/journal. pone.0272390.eCollection 2022.