پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,764 |
| تعداد مشاهده مقاله | 115,145,661 |
| تعداد دریافت فایل اصل مقاله | 89,906,940 |
ارزیابی تنوع دورگ‌های جدید ذرت دانهای برای صفات کمی و ساختار ظاهری | ||
| علوم گیاهان زراعی ایران | ||
| مقاله 2، دوره 46، شماره 3، مهر 1394، صفحه 351-367 اصل مقاله (882.09 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijfcs.2015.55840 | ||
| نویسندگان | ||
| مژگان مسچی باهوش1؛ حمید عباس دخت* 2؛ بابک ربیعی3 | ||
| 1دانشجوی دکتری اصلاح نباتات ژنتیک بیومتری، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
| 2دانشیار گروه زراعت و اصلاح نباتات، دانشکدة علوم کشاورزی دانشگاه شاهرود | ||
| 3استاد گروه زراعت و اصلاح نباتات، دانشکدة علوم کشاورزی دانشگاه گیلان | ||
| چکیده | ||
| به منظور ارزیابی تنوع دورگ (هیبرید)های جدید ذرت دانهای برای صفات کمی و ساختار ظاهری (مورفولوژیک)، هفده دورگ سینگل‌کراس ذرت در قالب طرح بلوکهای کامل تصادفی با چهار تکرار در مرکز تحقیقات کشاورزی شاهرود کشت شدند. نتایج به‌دست‌آمده از تجزیه به عاملها بر پایة استخراج ریشه‌های مشخصه از طریق تجزیه به مؤلفههای اصلی بیانگر کفایت پنج عامل مستقل از هم برای شانزده صفت اندازهگیری‌شده بود که در مجموع 18/89 درصد از تنوع کل دادهها را تبیین کردند. عاملها با توجه به مهمترین صفاتی که در بر گرفتند به ترتیب با عنوان عامل ویژگی‌های ظاهری بوته و بلال، عامل مرتبط با عملکرد دانه، عامل نوع (تیپ) بلال، عامل اندازة بلال و عامل عملکرد اقتصادی نام گرفتند. عامل‌های اول و دوم در مجموع 8/51 درصد از تغییرپذیری‌های دادهها را شامل شدند و دورگ BC666 که از نظر این دو عامل دارای بیشترین عملکرد و اجزای عملکرد و ویژگی‌های ارتفاع متوسط بود، به عنوان دورگ برتر معرفی شد. تجزیة خوشهای با روش حداقل واریانس Ward، دورگ‌ها را در چهار گروه قرار داد. محاسبة میانگین صفات گروهها و تفاوت آنها از میانگین کل دورگ‌ها نشان داد که دورگ‌های گروه اول که شامل چهار دورگ ZP434، CISKO، BC666 و KOSS444 بود از نظر بسیاری از صفات مورد ارزیابی از جمله عملکرد و اجزای عملکرد دانه ارزش بالاتری نسبت به دیگر گروهها دارند و میتوانند به عنوان دورگ‌های پرمحصول مورد توجه قرار گیرند. گروه دوم که شامل ژن‌نمون (ژنوتیپ)های BC678، NS540، OSSK444 بود تنها از نظر صفات ارتفاع محل بلال و ارتفاع بوتة بدون گل تاجی و با گل تاجی دارای میانگین بالاتری از دیگر گروهها بود و ارزش مطلوبی برای صفات ارزیابی‌شده نداشت. گروه سوم با سه ژن‌نمون از نظر بسیاری از صفات کمترین میانگین را در بین گروهها داشت. گروه چهارم با هفت ژن‌نمون بزرگترین گروه بود و از نظر صفات قطر بلال، وزن 100 دانه، ارتفاع بوته بدون گل تاجی، ارتفاع بوته با گل تاجی، عمق دانه و عملکرد زیست‌توده (بیولوژیک) در سطحی بالاتر از میانگین کل قرار داشت. تجزیة تابع تشخیص به روش خطی فیشر با فرض وجود چهار گروه ناشی از تجزیة خوشهای، دورگ‌های مورد ارزیابی را باردیگر در چهار گروه دستهبندی کرد و نشان داد که درستی گروهبندی ناشی از تجزیة خوشهای 94 درصد بود. تجزیة واریانس چندمتغیره با آمارة ویلکس‌لامبدا نیز تفاوت معنیداری را بین چهار گروه به‌دست‌آمده نشان داد. در مجموع نتایج به‌دست‌آمده از این ارزیابی بیانگر آن بود که تنوع بسیار زیادی در بین دورگ‌های ذرت ارزیابی‌شده وجود دارد و چهار دورگ ZP434، CISKO، BC666 و KOSS444 به عنوان دورگ‌های پرمحصول برای کشت در شرایط آب و هوایی همانند شهرستان شاهرود پیشنهاد شدند. | ||
| کلیدواژه‌ها | ||
| تجزیه به عاملها؛ تجزیة تابع تشخیص؛ تجزیة خوشهای؛ تجزیة واریانس چندمتغیره؛ دورگ‌های ذرت | ||
| عنوان مقاله [English] | ||
| Diversity among New Maize Hybrids for Quantitative and Morphological Traits | ||
| نویسندگان [English] | ||
| Mojgan Mazchi Bahoosh1؛ Hamid Abbaskokht2؛ Babak Rabiee3 | ||
| 1Ph.D. Student of plant breeding and genetic biometry, Sari University of Agricultural Sciences and Natural Resources, Iran | ||
| 2Associate Professor, Department of Agronomy & Plant Breeding, Faculty of Agricultural Sciences, Shahrood University, Iran | ||
| 3Professor, Department of Agronomy & Plant Breeding, Faculty of Agricultural Sciences, University of Guilan, Iran | ||
| چکیده [English] | ||
| In order to evaluate of diversity among new maize hybrids for quantitative and morphological traits, 17 new single cross maize hybrids were studied in Shahrood Agriculture Research Station using randomized complete blocks design with four replications. Results showed that five independent factors were responsible for significant correlation between 16 measured traits and explained 89.18% of total variation. Factors with most important traits including plant and ear characteristics factor, grain yield factor, ear type, ear size and economical yield were nominated. First and second factors explained 51.8% of total variation. BC 666 hybrid had maximum yield, yield components and optimal plant height traits and introduced as the best hybrid. Cluster analysis by Ward’s minimum variance method clustered hybrids in to four groups. The creation of calculating of the groups mean and the difference from total hybrids, mean indicated that the first group including ZP 434, CISKO, BC 666 and KOSS 444 had higher value of many studied traits including yield and yield components compare to other groups and can be considered as hybrids with high yield. The second group containing genotypes of BC 678, NS 540 and OSSK 444 had higher mean than other groups for the ear height and plant height with and without tassel which was not suitable group. The third group with three genotypes had the lowest mean among groups and the fourth group with seven genotypes was the largest group and had the highest value among groups for ear diameter, 100 kernel weight, plant height with and without tassel, kernel depth and biological yield. Discrimination function analysis by Fischer’s linear method can from these results and classified hybrids in four groups and showed that the cluster analysis was corrected. Validity of grouping was confirmed by discriminate analysis (94%). Multivariate analysis of variance by Wilk’s lambda also showed that there were significant differences (p<0.05) between 4 groups. In conclusion it can be mentioned that there were high diversity among studied maize hybrids and four hybrids including ZP 434, CISKO, BC 666 and KOSS 444 were identified as hybrids with high yield for cultivation in climatic conditions similar to Shahrood. | ||
| کلیدواژه‌ها [English] | ||
| Cluster Analysis, factor analysis, discriminate function analysis and multivariate analysis, Maize hybrid | ||
| مراجع | ||
|
Ashofteh Beiragi, M., Khavari Khorasani, S., Mostafavi, Kh., Golbashy M., and Alizade, A. 2011. Study on grain yield and related traits in new corn (Zea mays L.) hybrid varieties using statistical multivariate analysis. Journal of Agronomy and Plant Breeding,7(1), 97-116.
Ashofteh Beiragi, M., Siahsar, B.A., Sadeghi Geive, H., Nasrolah Alhossini, M., Rahmani A., and Bakhtiari Gharibdoost, A. 2012. Application of the multivariate analysis method for some traits in maize. African Journal of Agricultural Research, 7(10), 1524-1533.
Camussi, A. 1979. Numerical taxonomy of Italian populations of maize based on quantitative traits. Maydica, 24, 161-174.
Choukan, R., Heidari, A., Mohammadi A., and Haddadi, M.H. 2008. Evaluation of drought tolerance in grain maize hybrides using drought tolerance indices. Seed and Plant improvement Journal, 24(3), 543-562. (In Persian)
Choukan, R., Hosseinzadeh, A., Ghanadha, M.R., Talei, A.R., and Mohammadi, A. 2005. Classification of maize inbred lines based on morphological traits. Seed and Plant, 21(1), 139- 157. (In Persian)
Galarreta, J.I.R., and Alvorez, A. 2001. Morphological classification of maize land races from northern Spain.Genetic Resources and Crop Evaluation, 48, 391-400.
Jaynes, D.B., Kaspar, T.C., Colvin T.S., and James, D.E. 2003. Cluster analysis of spatiotemporal corn (Zea mays L.) yield patterns in an Iowa field. Agronomy Journal, 95 (3), 574-586.
Khattree, R., and Naik, D.N. 2000. Multivariate data reduction and discrimination with SAS software, SAS InstituteInc., Cary, NC.
Khayatnezhad, M., Gholamin, R., and Jamaati-e-Somarin, SH. 2010. Study of genetic diversity and path analysis for yield in maize (Zea mays L.) genotypes under water and dry conditions. World Applied. Science Journal, 11(1), 96–99.
Khodarahmpou, Z. 2012. Morphological Classification of Maize (Zea mays L.) Genotypes in Heat Stress Condition. Journal of Agricultural Science, 4(5), 31-40.
Khodarahmpour, Z., and Choukan, R. 2011. Genetic Variation of Maize (Zea mays L.) Inbred Lines in Heat Stress Condition. Seed and Plant breeding Journal, (4), 539-554.
Khodarahmpour, Z., Choukan R., and Hosseinpour, B. 2011. Multivariate analysis some quantitative traits in maize inbred lines under heat stress condition. Journal of Crop Production, 4(2), 31-50.
Khodarahmpour, Z. 2013. Study of Some Quantitative Traits in Maize (Zea mays L.) Inbred lines under drought stress using multivariate analysis. International Journal of Agriculture and Crop Sciences, 5(14), 1547-1552.
Rabiei, B., and Rahimi, M. 2009. The evalution of grouping methods of rapeseed (Brassica napus L.) genotypes based on Fischer’s Liner distinguish functions analysis. Agriculture and Natural Resource Journal, 47, 529-543. (In Persian)
Rafie. M., Noormohamadi, GH., Karimi, M., and Nadian, H. 2001. Multivariate analysis of yield, yield components and harvest index of corn (Zea mays L.). Abstract of 7th coference of Agronomy and plant Breeding. Karaj. IRAN. (In Persian)
Tanavar, M., Bahrami, E., Asadolahi A.R., and Askary Kelestanie, A.R. 2014. Genetic Diversity of 13 Maize (Zea mays L.) Hybrids based on multivariate Analysis Methods. International Journal of Farming and Allied Science, 3(5), 467-470. Valizadeh, H. and Bahrampour, T. 2013. Evaluation and Grouped of Grain Maize (Zea mays L.) Hybrids Based on Grain Yield and Yield Components. International Journal of Agronomy and Plant Production, 4 (11), 3140-3146.
Zynali, H., Nasrabadi, A., Hoseinzade, H., Chokan, R., and Sabokdast, M. 2005. Factor analysis in corn (Zea mays L.) cultivars. Iranian Agriculture Science Journal, 36 (4), 895-902.
| ||
|
آمار تعداد مشاهده مقاله: 1,770 تعداد دریافت فایل اصل مقاله: 1,106 |
||