بررسی سازگاری و پایداری عملکرد لاین‌های منتخب پاچ‌باقلا (Phaseolus vulgaris) در کشت بهاره استان گیلان

1. مقدمه

پاچ‌با‌قلا یکی از مهم­ترین حبوبات استان گیلان است که به­دلیل دامنه گسترده کشت، پایین­بودن هزینه تولید، بازده اقتصادی بالا، تناوب مناسب در کشت برنج و ارزش غذایی مناسب از اهمیت زیادی در این استان برخوردار است. این گیاه با نام پاچ‌باقلا (Phaseolus vulgaris) در واقع به لوبیا چیتی شبیه بوده ولی کشیده­تر از آن است. از دیرباز پاچ­باقلا در غذاهای شمالی از جمله خورش معروف باقالی‌قاتق استفاده می‌شود. دوره رشد این محصول کوتاه و در حدود 70-60 روز و قابلیت کشت به­صورت بهاره و تابستانه را دارد. با وجود جایگاه مناسب این گیاه در منطقه گیلان با سطح کشت سالانه 20-15 هزار هکتار (که از این میزان حدود 60 درصد مربوط به کشت بهاره است)، فعالیت تحقیقاتی در رابطه با اصلاح و معرفی ارقام آن انجام نشده و تاکنون رقمی از آن در ایران اصلاح و معرفی نشده است. در حال حاضر در مناطق شمالی کشور، کشاورزان از توده­های محلی پاچ‌باقلا استفاده می­کنند که از عملکرد چندانی برخوردار نبوده و غیر یکنواختی در تولید محصول، مشکلاتی را در کشت این گیاه ایجاد کرده است (Ghanbari, 2015). یکی از ویژگی­های توده‌های پاچ‌باقلا وجود رگه‌های مشکی، قرمز و یا قهوه‌ای روی بذر آن است که توده‌های رگه مشکی بیشتر کشت شده و مورد پسند مصرف­کننده است. پیش­بینی می­شود که در صورت ایجاد ارقام جدید این گیاه زراعی و معرفی آن به کشاورزان منطقه، سطح کشت آن تا حد قابل ملاحظه‌ای افزایش یابد. هم‌اکنون نیز اراضی وسیعی از استان گیلان به­صورت بهاره و تابستانه زیر کشت توده­های پاچ‌باقلا می­باشد. اگرچه توده­های پاچ‌باقلا مشخص و قابل تفکیک هستند؛ ولی هر کدام از توده­ها از اختلاط و تنوع ژنتیکی بالایی برخوردار هستند (Ghanbari, 2015).

ﻣﻄﺎﻟﻌﻪ و ﺳﻨﺠﺶ ﻣﯿﺰان ﺳﺎزﮔﺎری و ﭘﺎﯾﺪاری ﻋﻤﻠﮑﺮد ارﻗﺎم در ﺷﺮاﯾﻂ ﻣﺨﺘﻠﻒ ﻣﺤﯿﻄﯽ در ﺑﺮﻧامه­های اﺻﻼح ﻧﺒﺎﺗﺎت از اﻫﻤﯿﺖ وﯾﮋه­ای ﺑﺮﺧﻮردار اﺳﺖ. هر محصولی حداکثر رشد و عملکرد خود را در مجموعه خاصی از شرایط محیطی دارد. در این میان، نه­تنها محصولات، بلکه ارقام مختلف یک محصول نیز تفاوت‏های زیادی را در سازگاری با محیط‏های مختلف نشان می‏دهند (Khajehpour, 2001). بنابراین انتخاب صحیح رقم برای یک مکان خاص تاثیر زیادی بر نتایج پروژه‏های تولیدی کشاورزی دارد (Yazdi Samadi & Poustini, 1995). در مورد رقم، صفاتی که از نظر به­نژادی اهمیت دارند عبارتند از: زمان رسیدن، عادت رویشی گیاه، وضعیت غلاف، رنگ غلاف لوبیا، شکل، نرمی، عمر انباری، مقاومت در برابر بیماری­ها، زودرسی، توان رویشی گیاه، طول غلاف، مزه خوب و دلچسب و بازارپسندی (Peyvast, 2006). علاوه­بر موارد مذکور، عوامل دیگری مانند جمعیت و تقاضا، امکانات حمل و نقل، وجود کارگر و رقابت سایر محصولات نیز تعیین­کننده مرکز تولید محصولی خاص هستند
 (Ghanbari & Beyzaei, 2004).

ﻣﻌﻤﻮﻻً اﺻﻼح­ﮔﺮان ﺳﻌﯽ ﻣﯽﮐﻨﻨﺪ ژﻧﻮﺗﯿﭗ­هایی را اﻧﺘﺨﺎب ﮐﻨﻨﺪ ﮐﻪ در ﻫﻤﻪ ﺳﺎل­ﻫﺎ و ﻣﮑﺎن­ﻫﺎ ﭘﺎﯾﺪاری و ﻋﻤﻠﮑـﺮد ﺑﺎﻻ داﺷﺘﻪ ﺑﺎﺷﻨﺪ. درﻣﺠﻤﻮع، ﯾﮏ ژﻧﻮﺗﯿﭗ زﻣﺎﻧﯽ ﭘﺎﯾﺪار اﺳﺖ ﮐﻪ ﻋﻤﻠﮑﺮد آن از ﻣﯿﺎﻧﮕﯿﻦ ﻋﻤﻠﮑﺮد ﯾﮏ ﮔﺮوه از ارقام شاهد در ﻣﺤﯿﻂ­ﻫﺎی ﻣﺨﺘﻠﻒ اﻧﺤﺮاف ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ (Gancales et al., 2003). از عوامل مؤثر بر میزان تولید گیاهان زراعی، برهم­کنش ژنوتیپ × محیط می­باشد. هرچه این برهم­کنش کمتر باشد، پایداری تولید بیشتر خواهد بود. وقتی واریته­ها در محیط­های گوناگون با یکدیگر مقایسه می­شوند، وضعیت آنها در این محیط متفاوت بوده و این امر سبب می­شود که نتوان برتری یکی را بر دیگری مشخص کرد. زمانی که ارقام در شرایط محیطی مختلف مورد مقایسه قرار می­گیرند، عملکردشان نسبت به یکدیگر ممکن است یکسان نباشد. یک رقم ممکن است در یک محیط حداکثر عملکرد و در محیط­های دیگر عملکرد ناچیزی داشته باشد. تغییرات در عملکرد نسبی ژنوتیپ­ها در محیط­های مختلف به برهمکنش ژنوتیپ × محیط نسبت داده می­شود (Farshadfar, 1998).

استفاده از جمعیت‌های بومی در برنامه‌های به­نژادی لوبیا به­دلیل برتری آنها از نظر سازگاری مورد تاکید می‌باشد
 (Franca Dantas & Blumenschein, 1977). Salehi (2005) با بررسی لاین­های انتخابی از 50 توده بومی لوبیا چیتی در استان فارس، تعداد سه لاین برتر از نظر عملکرد و سایر صفات زراعی را انتخاب کرد. & Lak Beyzaei (2000) در بررسی و مقایسه عملکرد و تعیین سازگاری ده لاین لوبیا سفید، دو لاین به نام­های G-11867 و Jules را برای کشت در منطقه استان مرکزی معرفی کردند.& Ghaffari Khaliq  Molaei (2006) تعداد 12 ژنوتیپ لوبیا سفید، شامل یازده لاین و رقم شاهد دانشکده را در منطقه لردگان مورد بررسی قرار دادند. نتایج نشان داد که تفاوت بین تیمارها از نظر عملکرد دانه و اجزای آن معنی­دار بود. دو لاین Karacasehiro و Goynok98 به­ترتیب با متوسط عملکرد دانه 4282 و 3435 کیلوگرم در هکتار نسبت به شاهد برتر و لاین Goynok 98 از بازارپسندی بسیار خوبی برخوردار بود. Dorri et al. (2005) به­منظور بررسی و تعیین پایداری هشت ژنوتیپ لوبیا در محیط‌های تنش و بدون تنش، آزمایشی سه­ساله انجام دادند. تجزیه وایانس مرکب عملکرد نشان داد ژنوتیپ‌ها تفاوت معنی‌داری با یکدیگر دارند و اثرات سال و مکان نیز معنی‌دار بود. Sabbaghpour et al. (2005) سازگاری 18 لاین و رقم نخود سفید را بررسی کردند. نتایج تجزیه مرکب در شش منطقه طی سه سال نشان داد که برهمکنش سال × مکان و رقم × مکان و برهمکنش رقم × سال × مکان در سطح احتمال یک درصد معنی­دار بود. ارقام از نظر عملکرد اختلاف معنی­دار آماری داشتند. نتایج تجزیه پایداری به­ روش گزینش هم­زمان برای عملکرد و پایداری نشان داد که یکی از نمونه‌ها‌ به عنوان پایدارترین ژنوتیپ شناسایی شد. Escribano et al. (1994) برای مطالعه تنوع ژنتیکی، 56 نژاد بومی لوبیا (P. vulgaris) را در چهار محیط از شمال غربی اسپانیا کشت کردند. کلیه صفات مورد بررسی در جمیعت­های مورد مطالعه تفاوت معنی­دار نشان دادند و اغلب اثرات متقابل ژنوتیب * محیط، معنی­دار بودند. دامنه وراثت­پذیری عمومی برای صفات مورد ارزیابی از 12 درصد برای عملکرد تا 87 درصد برای طول بذر نوسان داشت. Krause et al. (2009) اظهار داشتند که تعیین تفاوت­های ژنتیکی میان ژنوتیپ­ها، امکان انتخاب والدین مناسب برای به­دست­آوردن اثر هتروزیستی و افزایش احتمال شناسایی ژنوتیپ­های برتر در نسل­های در حال تفکیک را میسر می­کند. این محققان هفت صفت زراعی را در 15 ژنوتیپ لوبیا سبز بررسی کردند تا اهمیت نسبی هر یک از صفات موجود در ژنوتیپ­ها را در برنامه­های اصلاحی مشخص کنند. صفات تعداد روز تا گلدهی، روز تا برداشت، میانگین طول غلاف، تعداد غلاف در بوته و واحد سطح، قطر غلاف و وزن کل غلاف بررسی شد. صفاتی که بیشترین تأثیر را در تنوع ژنوتیپی داشتند شامل تعداد روز تا برداشت، طول غلاف و قطر غلاف بودند.

پایداری 15 لاین لوبیا قرمز در دو سال و پنج منطقه از اتیوپی با استفاده از روش AMMI و GGE بای‌پلات بررسی شد. تجزیه وایانس مرکب عملکرد نشان داد ژنوتیپ‌ها تفاوت معنی‌داری با یکدیگر داشتند. براساس نتایج آزمایش، سه ژنوتیپ سازگار با مناطق انتخاب شدند (Zeleke et al., 2016). همچنین در تحقیقی پایداری عملکرد دانه 27 ژنوتیپ لوبیا در 9 مکان، در ایالت سانتاکاتارینا، برزیل، مورد ارزیابی قرار گرفت و یک ژنوتیپ به­عنوان پرمحصول‌ترین و پایدارترین تعیین شده که نزدیک­ترین ژنوتیپ به ژنوتیپ ایده­آل برای منطقه هدف بود (Baldin et al., 2021).Awan et al.  (2014) تعداد 30 ژنوتیپ لوبیا را از نظر صفات مورفولوژیکی و زراعی بررسی کرده و نتیجه گرفتند که تنوع بسیار بالایی از نظر عملکرد، تعداد غلاف در بوته، وزن صد­دانه و تعداد دانه در غلاف بین ژنوتیپ­ها وجود دارد. این محققان اظهار کردند که از این تنوع می­توان در برنامه­های اصلاحی استفاده کرد و یا به­طور مستقیم و پس از ارزیابی در مکان­های آزمایشی مختلف می­توان رقم مناسب برای هر منطقه را معرفی کرد. در مطالعه پایداری ژنوتیپ­های بزرک در 18 محیط در اتیوپی، از سه کمیت پارامتری و دو کمیت ناپارامتری استفاده و یک ژنوتیپ به­عنوان ژنوتیپ پایدار معرفی شد. مقایسه بین نتایج این روش­ها نشان داد که ضریب تغییرات، واریانس پایداری و واریانس رتبه با نتایج مشابهی در مورد پایداری ژنوتیپ­ها همراه بودند (Adugna & Labuschagne, 2003).

نبود ارقام اصلاح­شده پاچ‌باقلا در ایران سبب شده است که کشاورزان از توده­های بومی استفاده کنند و از طرفی، امکان کشت بهاره و تابستانه این محصول در استان گیلان، دست­یابی به ارقام اصلاح­شده با عملکرد بالا، بازارپسند و سازگار با مناطق تولید حائز اهمیت است. بر­این­اساس با هدف معرفی لاین امیدبخش پرمحصول با پایداری و سازگاری مناسب، نه لاین پاچ‌باقلا منتخب از آزمایش­های مقدماتی ارزیابی عملکرد حاصل از برنامه‌های به‌نژادی این گیاه در بخش تحقیقات سبزی و صیفی موسسه نهال و بذر به­همراه توده محلی شاهد، مورد ارزیابی قرار گرفتند.

2. روش‎شناسی پژوهش

به­منظور دست­یابی به لاین­های پرمحصول پاچ‌باقلا و سازگار به منطقه گیلان، این آزمایش طی دو سال (1395 و 1397) در فصل بهار در سه منطقه از استان گیلان (رشت، لاهیجان، شاندرمن) روی نه لاین به­همراه توده محلی کوچصفهان (G10) در قالب طرح بلوک­های کامل تصادفی با سه تکرار اجرا شد (شکل 1). این لاین‌ها منتخب توده‌های بومی منطقه بوده و در آزمایش­های مقدماتی ارزیابی عملکرد پاچ‌باقلا، برتر بوده­اند (Ghanbari, 2015). لازم به ذکر است که در سال دوم آزمایش (1396)، به­دلیل بارندگی­های شدید، طولانی و غیر معمول، تمام کرت­های آزمایشی از بین رفتند. بنابراین، آزمایش در سال سوم تکرار شد. وضعیت تغییرات دمای هوا بر اساس میانگین ماهانه طی ماه‌های سال در جدول 1 ارایه شده است.

در اواخر فروردین هر دو سال، بذور هر لاین در چهار ردیف به طول چهار متر با فاصله بذر روی ردیف 5 سانتی­متر و فاصله بین خطوط 50 سانتی­متر کشت شد. توزیع کود شیمیایی براساس توصیه کودی (کودهای شیمیایی شامل کود نیتروژن از منبع اوره به میزان 50 کیلوگرم در هکتار، فسفر به میزان 150 کیلوگرم در هکتار از منبع فسفات آمونیوم و پتاسیم به میزان 100 کیلوگرم در هکتار از منبع سولفات پتاسیم در زمان تهیه زمین) و مبارزه با آفات، بیماری­ها و علف­های هرز در مواقع مورد نیاز انجام شد. صفات مورفولوژی نظیر ارتفاع بوته، تعداد شاخه فرعی، تعداد غلاف در بوته، طول غلاف و وزن غلاف در بوته هر لاین ارزیابی و تعیین شد. زمان برداشت، مرحله آخر R8 براساس مراحل رشدی لوبیا در نظر گرفته شد (Kandel & Endres, 2019). نتایج مربوط به عملکرد غلاف تر لاین­ها پس از برداشت، برای سه منطقه مورد تجزیه واریانس مرکب با فرض ثابت­بودن اثر ژنوتیپ‌ها و تصادفی­بودن اثر سال‌ها و مکان‌ها قرار گرفت. قبل از انجام تجزیه مرکب، آزمون نرمال­بودن داده­ها و یکنواختی واریانس خطاهای آزمایشی با استفاده از آزمون بارتلت با استفاده از نرم­افزار SAS بررسی شد. در پایان دو سال، از روش GGE ‌بای‌پلات توسط نرم­افزار PBTools نسخه 2013 و تجزیه به مولفه‌های اصلی با استفاده از نرم­افزار STAR نسخه 2013 استفاده شد. از روش ناپارامتری رتبه و شاخص نسبت عملکرد (برمبنای نسبت میانگین عملکرد هر ژنوتیپ به میانگین کل ژنوتیپ­ها در محیط­های مورد بررسی، برحسب درصد (Ghanbari et al., 2022) با­استفاده­از نرم­افزار Excel استفاده شد.

جدول 1. اطلاعات هواشناسی و مشخصات جغرافیایی مکان­های اجرای آزمایش طی سال­های 1395 و 1397

منبع: https://sdi.mpogl.ir

3. یافته­های پژوهش و بحث

نتایج تجزیه واریانس مرکب صفات در سه منطقه طی دو سال نشان داد که اثر ژنوتیپ در صفت وزن غلاف تر و اثر سال در مکان در صفات تعداد دانه در غلاف وزن صد دانه، طول غلاف و عملکرد غلاف تر معنی­دار بود. همچنین برهمکنش ژنوتیپ× مکان× سال نیز در صفات وزن صد دانه، طول غلاف و عملکرد غلاف تر معنی­دار بود و حاکی از آن است که لاین­ها در مناطق مختلف دارای عکس‌العمل­های متفاوت هستند (جدول 2). در بررسی مشابهی که روی هشت لاین لوبیا سبز به منظور بررسی سازگاری و پایداری عملکرد در سه منطقه کرج، ساری و زرقان طی دو سال انجام شد، نتایج تجزیه واریانس مرکب صفت عملکرد غلاف سبز نشان داد که اثر سال و مکان معنی‌دار نبود؛ اما برهمکنش سال × مکان، ژنوتیپ × سال، ژنوتیپ × مکان و ژنوتیپ × سال × مکان معنی‌دار بود (Ghanbari et al., 2022).

جدول 2. تجزیه واریانس مرکب صفات مورد ارزیابی در سه مکان (لاهیجان، رشت، شاندرمن) طی دو سال (1397 و 1395) در کشت بهاره

لاین G9 بیشترین طول غلاف و عملکرد غلاف تر و تعداد غلاف در بوته را داشت. کمترین وزن غلاف تر مربوط به توده محلی (شاهد) بود. لاین­های G8 و G4 به­ترتیب بیشترین تعداد دانه در غلاف و وزن صد دانه را داشتند. لاین­های G8 و G4 از نظر عملکرد غلاف تر در رتبه­های دوم و سوم قرار گرفتند (جدول 3). مطابق نتایج، لاین‌های G9 و G8 بیشترین مقدار عملکرد غلاف تر و طول غلاف، وزن صد دانه، تعداد دانه در غلاف و تعداد غلاف در بوته را نسبت به توده شاهد (G10) و متوسط صفات داشتند. بنابراین، این پتانسیل را دارند که به عنوان رقم جدید معرفی شوند.

جدول 3. میانگین صفات مورد ارزیابی لاین­های پاچ‌باقلا در سه منطقه طی دو سال در کشت بهاره

بیشترین و کمترین وزن غلاف تر در هر سه منطقه لاهیجان، رشت و شاندرمن، به­ترتیب در لاین­های G9 و توده محلی (G10) مشاهده شد (جدول 4). معنی­دار­شدن برهمکنش ژنوتیپ × سال × مکان حاکی از تفاوت لاین­های مورد ارزیابی از لحاظ عملکرد و پاسخ به شرایط متفاوت محیطی در سه منطقه بوده و بیانگر این است که ژنوتیپ­ها در محیط­ها (مناطق مورد مطالعه) دارای سازگاری خصوصی هستند و گزینش ژنوتیپ­ها تنها براساس عملکرد مناسب نبوده و بررسی پایداری برای ارزیابی پتانسیل ژنوتیپ­ها لازم است، بنابراین، با معنی­دار­شدن این اثر، می­توان تجزیه پایداری ژنوتیپ­ها را انجام داد. نتایج تجزیه پایداری عملکرد غلاف تر در جدول 4 آمده است.

روش شاخص نسبت عملکرد، برمبنای نسبت میانگین هر ژنوتیپ به میانگین تمام ژنوتیپ­ها در محیط­های مورد بررسی و برحسب درصد است. برپایه این روش غیر پارامتری، ژنوتیپی پایدار است که شاخص نسبت عملکرد بیشتری داشته باشد
(Ghanbari et al., 2022). لاین G9 بیشترین مقدار شاخص و بعد از آن لاین‌های G8، G4، G7 و G6 قرار داشتند (جدول 4). در مقایسه رتبه‌بندی متوسط عملکرد لاین‌ها نتایج نشان داد که لاین  G9با متوسط عملکرد غلاف تر 4909 کیلوگرم در هکتار و کمترین میانگین (7/1) و انحراف استاندارد رتبه (82/0) به­عنوان رقم سازگار با پایداری بالا بود. در جایگاه دوم، لاین G8 و سایر لاین‌ها G4 ،G7 و G6 با­توجه­به پتانسیل بالای عملکرد، رتبه و واریانس کمتر در اولویت بعدی قرار می‌گیرند (جدول 4 و شکل 2). Beyzaei et al. (2011) در بررسی سازگاری لاین­های لوبیا در سه منطقه (خمین، بروجرد، زنجان)، با­توجه­به نتایج حاصل از تجزیه واریانس مرکب دوساله و مقایسه میانگین صفات مورد ارزیابی هر یک از مناطق و همچنین تجزیه واریانس مرکب دوساله و مقایسه میانگین صفات مورد ارزیابی در مناطق مورد اجرا و بازارپسندی و درصد پروتئین به­دست­آمده از ژنوتیپ­های مورد بررسی، دو ژنوتیپ را برای کشت در مناطق معتدل سرد کشور انتخاب کردند. et al. Ghanbari (2022) به بررسی پایداری و سازگاری هشت لاین لوبیا سبز به همراه دو شاهد پرداختند و نتایج تجزیه پایداری عملکرد به روش ناپارامتری رتبه نشان داد که دو لاین با کمترین مقدار میانگین و واریانس رتبه و میانگین عملکرد بالا، پایدارترین لاین‌ها بودند. در شکل 2 تغییرات میانگین و انحراف استاندارد رتبه عملکرد لاین‌ها، در محیط‌ها‌ی مختلف نشان داده شده است.

جدول 4. تجزیه پایداری عملکرد غلاف تر ژنوتیپ­های پاچ‌باقلا در کشت بهاره براساس روش ناپارامتری رتبه

در شکل 3 روابط و همبستگی بین محیط‌ها نشان داده شده است. هر چه زاویه بین بردارهای محیط در این نمودار نزدیک به هم (کمتر از 90 درجه) باشد نشان‌دهنده همبستگی بیشتر بین دو محیط است. زمانی که زاویه بین دو بردار محیط 90 درجه باشد همبستگی بین دو محیط صفر، اگر زاویه صفر درجه باشد همبستگی بین محیط‌ها 1+ و اگر 180 درجه باشد همبستگی 1- خواهد بود (Dadras et al., 2017; Yan & Tinker, 2006 ). بردار مکان رشت و لاهیجان (به­ترتیب  Rasو Lah) دارای زاویه کوچک می‌باشند که نشان­دهنده همبستگی نسبتا زیاد این دو محیط در طی دو سال است؛ این در حالی است که محیط شاندرمن زاویه بزرگ و نزدیک به 90 درجه داشته که بیانگر همبستگی کم این محیط‌ با سایر محیط‌های مورد آزمایش بوده که نشان‌دهنده اختلاف زیاد مشاهده­شده در طی دو سال است. همچنین طول بردارهای محیط نشان­دهنده توانایی آن محیط در تمایز ژنوتیپ‌ها بوده و هر چه طول بردار بلندتر باشد، محیط توانایی بهتری برای تمایز ژنوتیپ‌ها دارد (Yang et al., 2009). در شکل 3 طول بردار مکان شاندرمن (Shan) بلند بوده و طول بردار مکان رشت و لاهیجان (به­ترتیب  Rasو Lah) از شاندرمن کمتر بود که نشان­دهنده تاثیر کمتر این محیط در تمایز ژنوتیپ‌هاست.et al.  Yang (2009) بیان کردند که محیط‌هایی با بردارهای کوچک، پایداری تولید بالا دارند. از طرفی، محققین اظهار داشتند که حداکثر دمای ماهانه سبب تشکیل محیط‌هایی با بردارهای بزرگ بوده، زیرا دماهای بالا باعث کاهش استقرار، رشد و نمو محصول و کاهش تعداد غلاف در بوته و تعداد دانه در هر گیاه می شود (Corrêa et al., 2016c).

Corrêa et al. (2016c) از روش GGE biplot به­منظور بررسی پایداری 13 لاین لوبیا در 12 محیط استفاده کرده و دو محیط بزرگ که اثربخشی بالا در تمایز ژنوتیپ‌ها داشتند، شناسایی شدند. رتبه‌بندی محیط‌ها براساس محیط ایده‌آل در شکل 4 نشان داده شده است. در واقع محیط‌های ایده‌آل بیش‌ترین قابلیت تشخیص و نمایندگی را در بین دیگر محیط‌ها دارند (Yang et al., 2009; Yan, 2011). بر این اساس در این نمودار شاندرمن به علت قرار­گرفتن در نزدیک‌ترین دایره نسبت به مرکز دوایر متحدالمرکز به­عنوان بهترین محیط و پس از آن بردار مکانی رشت شناخته شد. همچنین تمایزی بین دو محیط لاهیجان و رشت وجود نداشت.

رتبه‌بندی ژنوتیپ‌ها براساس ژنوتیپ‌های ایده‌آل در شکل 5 نشان داده شده است. لاین‌هایی که در ابتدای مثبت این محور قرار دارند، دارای عملکرد بیشتری هستند و بالعکس. ایده‌آل‌ترین ژنوتیپ در مرکز دوایر متحدالمرکز قرار می‌گیرد
 (Yang et al., 2009). بر این اساس، لاین G9 در مرکز ‌بای‌پلات قرار گرفته و به­عنوان بهترین لاین شناخته شد. پس از آن لاین‌های G8 و G4 به­عنوان بهترین لاین‌ها معرفی شدند. سایر لاین‌ها همچون G10،G2  و G1 و غیره، نامناسب‌ترین لاین‌ها بودند. خطی که از مبدأ گذشته و روی محور میانگین محیط‌ها عمود شده است )این خط با دو علامت پیکان در شکل مشخص شده است( جهت تعیین پایداری ارقام استفاده می‌شود. ارقامی که نزدیک به مبدأ این محور قرار دارند نسبت به ارقامی که نزدیک به انتهای این خط می‌باشند از پایداری بیشتری برخوردار هستند (Yan & Rajcan, 2002). بر این اساس، G7 و G6 لاین‌هایی با پایداری بالا شناخته شدند.

در نمودار چندضلعی (شکل 6)، ژنوتیپ‌هایی که در راس چندضلعی قرار می‌گیرند در کلیه محیط‌هایی که درون آن بخش قرار گرفته‌اند، برتر و دارای سازگاری خصوصی بالایی با آن محیط‌ها می‌باشند (Yang et al., 2009). لاین‌های G8، G9، G3 و G10 در رئوس چندضلعی قرار داشته و بهترین لاین‌ها از نظر عملکرد غلاف تر، در آن محیط‌ها بودند. در هر سه محیط، لاین­های G9 و G8 بیشترین عملکرد را داشته و لاین­های برتر در این محیط‌ها بوده و سازگاری بالایی با این محیط‌ها داشتند. لاین‌های G3، G1‌‌، G5، G10 و G2 در هیچ یک از محیط‌های بزرگ قرار نگرفتند که نشان‌دهنده عملکرد نامطلوب این لاین‌ها در تمامی محیط‌ها است و لاین‌های ضعیف می‌باشند. پژوهشگران متعددی از روش گرافیکی GGE biplot از جمله نمودار چندضلعی به­منظور تفسیر اثر متقابل ژنوتیپ× محیط در لوبیا استفاده کرده و لاین‌های قابل قبولی را گزارش کرده‌اند (Corrêa et al., 2016a, 2016b; Asfaw et al., 2008; Ashango et al., 2016; SANTOS et al., 2019; Tamene et al., 2014; Tsegaye et al., 2012;
Rezene, 2019 ). Vakali et al. (2017) به بررسی پایداری عملکرد هفت توده بومی لوبیا در شرایط ارگانیک در دو منطقه یونان در سه سال پرداخته و دو رقم را با سازگاری خصوصی بالا برای دو منطقه شناسایی کردند.

به­منظور بررسی صفات موثر بر عملکرد در لاین‌های پاچ‌باقلا، همبستگی صفات مورد بررسی قرار گرفت. از­آنجایی­که در تجزیه واریانس صفات، اثر متقابل سال در رقم معنی‌دار شده است، لذا به نظر می‌رسد در سال‌های مختلف واکنش لاین‌ها از نظر عملکرد غلاف تر متفاوت بوده، بنابراین به منظور بررسی دقیق‌تر داده‌ها و بررسی ارتباط صفات با عملکرد غلاف تر، همبستگی و تجزیه به مولفه‌های اصلی در هر سال به­طور جداگانه صورت گرفت. در جدول 5 تجزیه همبستگی چهار صفت مهم زراعی با عملکرد نشان داده شده است. در متوسط دو سال، صفات تعداد دانه در غلاف و وزن 100 دانه با عملکرد غلاف تر همبستگی مثبت و معنی‌دار داشت (جدول 5). وجود رابطه مستقیم و مثبت عملکرد غلاف تر با این صفات نشان‌دهنده اهمیت آنها در افزایش عملکرد است. همچنین صفت تعداد غلاف در بوته با صفت تعداد دانه در غلاف همبستگی مثبت و معنی دار داشت (جدول 5).
Rana et al.  (2015) به ارزیابی 4274 نمونه لوبیا در هند پرداخته و همبستگی بین صفات را مورد بررسی قرار‌ دادند. نتایج نشان داد که تعداد بذر در غلاف با تعداد روز تا گلدهی، عرض برگ، تعداد غلاف در بوته و تعداد روز تا رسیدگی همبستگی مثبت و با طول بذر همبستگی منفی داشتند.

تجزیه به مؤلفه‌های اصلی براساس داده‌های به‌دست­‌آمده از اجرای آزمایش طی دو سال زراعی (جدول 6) نشان داد که دو مؤلفه در تشکیل ماتریس ضرایب شرکت کردند که در مجموع 85 درصد از کل واریانس موجود در صفات مورد بررسی را توجیه کردند. در مؤلفه اول که 62 درصد از تغییرات مشاهده­شده را به خود اختصاص داد، مهم­ترین صفات تاثیرگذار بر این مولفه عملکرد و طول غلاف بودند. این صفات دارای ارتباط قوی و مثبت با مولفه اول هستند. مولفه دوم 23 درصد از تغییرات داده‌ها را توجیه کرده و دارای ارتباط قوی و مثبت با وزن صد دانه و با صفت تعداد غلاف در بوته ارتباط منفی بود. نمودار بای‌پلات مولفه‌های اصلی اول و دوم براساس صفات مورد بررسی طی دو سال در شکل 7 نشان داده شده است.

لاین‌های G9 و G8 که نزدیک بردارهای صفات قرار گرفته‌اند دارای عملکرد بالاتر در دو سال بودند و دورتر از بردارها قرار گرفتند. نتایج تحقیقی که روی 183 توده لوبیا در ترکیه انجام شد نشان داد که پنج بردار اول، 71 درصد از تغییرات را توجیه کرده و نتایج تحلیلی به­دست­آمده از سه بردار اول نشان داد که صفات ارتفاع و وزن بوته، وزن 100 دانه و روز تا گلدهی صفات اصلی هستند که می‌توانند به­طور موثر برای شناسایی تنوع ژنتیکی و تفکیک جمعیت‌های لوبیا مورد استفاده قرار گیرند. نتایج نمودار بای‌پلات نشان داد که توده‌های لوبیا بر اساس ارتفاع بوته، عادت رشد و وزن 100 دانه آنها متمایز شده و توده­های دارای عادت رشد بوته­ای به صورت خوشه مجزا از بقیه توده­های با عادت رشد نیمه­رونده و رونده قرار گرفتند (Nadeem et al., 2020).

pod.per.plant: تعداد غلاف در بوته، leg.pod: طول غلاف، seed.per.pod: تعداد دانه در غلاف، X100.seed.weight: وزن صد دانه، yield: متوسط عملکرد (kg ha^-1).

4. نتیجه‌گیری

براساس نتایج حاصل، بیشترین عملکرد غلاف تر در میانگین دو سال به­ترتیب در لاین‌های G9، G8 و G4 مشاهده شد. این لاین‌ها با داشتن عملکرد بالاتر از توده محلی و همچنین بالاتر از متوسط کل در هر دو سال، به­عنوان ژنوتیپ مناسب با منطقه گیلان شناخته شدند. براساس نمودار سه­بعدی میانگین، انحراف معیار رتبه و عملکرد غلاف تر، لاین‌های G9، G8 و G4 کمترین اثر متقابل را با محیط داشته و به­عنوان لاین پایدار شناسایی شدند. همچنین براساس نمودار چندضلعی GGE، لاین‌های G9 و G8 با سه منطقه مورد بررسی سازگاری خصوصی خوبی را نشان دادند. بنابراین در این تحقیق لاین­های G9 و G8 با میانگین عملکرد بالاتر از میانگین کل و توده شاهد به­عنوان لاین‌های مناسب جهت کشت در منطقه گیلان معرفی شدند. نتایج این تحقیق منتج به معرفی اولین رقم­های اصلاح­شده و مناسب پاچ‌باقلا برای استان گیلان با نام‌های ساحل (G9) و گیل (G8) شد.

5. سپاس‌گزاری

این مقاله مستخرج از پـروژه شــماره 95110-03-03-0 بوده و نویسندگان وظیفه خود می‌دانند مراتــب سپاس‌گزاری از موسسه تحقیقات اصلاح و تهیه نهال و بذر بابت حمایت‌هـای به­عمـل­آمده اعـلام دارند.

6. منابع

Adugna, W., & Labuschagne, M.T. (2003). Parametric and nonparametric measures of phenotypic stability in linseed (Lignum ustatissimum L.). Euphytica, 129, 211-218.

Asfaw, A., Assefa, T., Amsalu, B., Negash, K., Alemayehu, F., Grum, F., & Daba, C. (2008). Adaptation and yield stability of small red beans elite lines in Ethiopia. International Journal of Plant Breeding and Genetics, 2(2), 51-63.

Ashango, Z., Amsalu, B., Fikre, A., Tumisa, K., & Negash, K. (2016). Seed yield stability and genotype x environment interaction of common bean (Phaseolus vulgaris L.) lines in Ethiopia. International Journal of Plant Breeding and Crop Science, 3(2), 135-144.

Awan, F.K., Khurshid, M.Y., Afzal, O., Ahmed, M., & Chaudhry, A.N. (2014). Agro-morphological evaluation of some exotic common bean (Phaseolus vulgaris L.) genotypes under rainfed conditions of Islamabad, Pakistan. Pakistan Journal of Botany, 46(1), 259-264.

Baldin, R.C., Kavalco, S.A.F.K., Woyann, L.G., Rodrigues Junior, A.A., Gobatto, D.R., Silva, G.R.da, Benin, G., & Finatto, T. (2021). Yield stability of common bean genotypes in the state of Santa Catarina, Brazil. Pesquisa Agropecuária Brasileira, 56(6), 1-9.

Beyzaei, I., & Lak, M.R. (2000). Evaluation and comparing yield and determining compatibility of white bean cultivars. )Report of Project No. 100-12-77236(. Seed and Plant Improvement Institute, 14. (In Persian).

Beyzaei, I., Ghanbari, A.A., Kooshki, M.H., & Kamel, M. (2011). Evaluation and comparing yield and determining the compatibility of white bean cultivars and lines. (Report of Project No. 0-100-12-21-84164). Seed and Plant Improvement Institute, 18. (In Persian).

Corrêa, A.M., Teodoro, P.E., Gonçalves, M.C., & Barroso, L.M.A. (2016a). Adaptability and phenotypic stability of common bean genotypes through Bayesian inference. Genetic and Molecular Research, 15(2), 1-11.

Corrêa, A.M., Teodoro, P.E., Gonçalves, M.C., & Barroso, L.M.A. (2016b). Artificial intelligence in the selection of common bean genotypes with high phenotypic stability. Genetic and Molecular Research, 15(2), 1-12.

Corrêa, A.M., Teodoro, P.E., Gonçalves, M.C., Santos A., & Torres, F.E. )2016c(. Selection of common bean (Phaseolus vulgaris L.) genotypes using a genotype plus genotype x environment interaction biplot. Genetics and Molecular Research, 15(3), 1-9.

Dadras, A.R., Samizadeh, H., & Sabouri, H. )2017(. Evaluation of soybean varieties and advanced lines yield under drought stress. Conditions using GGE biplot analysis. Journal of Crop Breeding, 9(23), 18-26. (In Persian).

Dorri, H.R., Lak, M.R., & Ghanbari, A.A. (2005). Stability study of bean cultivars in stress and non-stress weed environments. The first Iranian pulse crops symposium. 20-21 November. Ferdowsi University of Mashhad, Mashhad, Iran.1-6. (In Persian).

Escribano, M.R., Deron, A.M., & Amurrio, J.M. (1994). Diversity in agronomical traits in common bean population from north western Spain. Euphytica, 76, 1-6.

Farshadfar, E. (1998). Application of quantitative genetics in plant breeding. Tagh Bostan Publications, Kermanshah, Iran. Pp. 381. (In Persian).

Franca Dantas, M.S., & Blumenschein, A. (1977). Value of regional population of beans (Phaseolus vulgaris) in breeding programs. Annual Report of the Bean Improvement Cooperative, 20, 44-45.

Gancales, P.S., Bortoletto, N.A., Mellomartins, L., Costa, R.B., & Gallo, P.B. (2003). Genotype-environment interaction and phenotypic stability for girth growth and rubber yield Hevea clones in São Paulo State, Brazil. Genetics and Molecular Biology, 26, 441-448.

Ghanbari, A.A., & Beyzaei, E. (2004). Study and comparing yield of white, red and Chitti beans. (Report of Project No. 121-12-80321). Seed and Plant Improvement Institute. 28. (In Persian).

Ghanbari, A.A. (2015). Purification and evaluation of Pach Baghala (Phaseolus vulgaris) populations for cultivar(s) release. (Report of Project No. 04-03-03-91203). Seed and Plant Improvement Institute. 33. (In Persian).

Ghanbari, A.A., Sarparast, R., Tavassoli, A., & Ahmadvand, R. )2022(. Evaluation of compatibility and yield stability of green bean (Phaseolus vulgaris L.) lines. Journal of Vegetables Sciences. 6(1), 1-11. (In Persian).

Kandel, H., & Endres, G.) 2019(. Dry bean production guide, Northarvest Bean Growers Association. NDSU Distribution Center. Pp. 128.

Khajehpour, M.R. (2001). Principles of agronomy. Jihad Isfahan University of Technology. 386. (In Persian).

Krause, W., Rodrigues, R., Gonçalves, L.S.A., Bezerra Neto, F.V., & Leal, N.R. (2009). Genetic divergence in snap bean based on agronomic traits and resistance to bacterial wilt. Crop Breeding and Applied Biotechnology, 9(3), 246-252.

Molaei, A., & Ghaffari Khaliq, H. (2006). Characterization of Karakasehiro and Goynok 98 white bean lines in Lordegan region. 9th Iranian Congress of Crop Science and Plant Breeding. Abu Reihan Campus, University of Tehran, Iran.. Pp. 1-6. (In Persian).

Nadeem, M.A., Karaköy, T., Yeken, M.Z., Habyarimana, E., Hatipo˘glu, R., Çiftçi, V., Nawaz, M.A., Sönmez, F., Shahid, M.Q., Yang, S.H., Chung, G., & Baloch, F.S. (2020). Phenotypic characterization of 183 Turkish common bean accessions for agronomic, trading, and consumer-preferred plant characteristics for breeding purposes. Agronomy, 10(272), 1-20.

Peyvast, G.A. (2006). Vegetables. Daneshpazir Publications, Rasht, Iran. Pp. 577. (In Persian).

Rana, J., Sharma, T.R., Tyagi, R., & Chahota, R.K. (2015). Characterisation of 4274 accessions of common bean (Phaseolus vulgaris L.) germplasm conserved in the Indian gene bank for phenological, morphological and agricultural traits. Euphytica, 205(2), 441–457.

Rezene, Y. (2019). GGE-biplot analysis of multi-environment yield trials of common bean (Phaseolus vulgaris L.) in the southern Ethiopia. Journal of Plant Studies, 8(1), 35-44.

Sabbaghpour, S.H., Pezeshkpour, P., Safikhani, M., Sarparast, R., Saeed, A., Beygi, A., Mahmoudi, F., & Zali, H. (2005). Study and comparison of yield and determination of compatibility of white chickpea cultivars in autumn cultivation in rainfed conditions. The first Iranian pulse crops symposium. 20-21 November. Ferdowsi University of Mashhad, Mashhad, Iran. Pp. 1-6. (In Persian).

Salehi, P. (2005). Selection of pure and superior lines among the native populations of chitti beans in Fars province. The first Iranian pulse crops symposium. 20-21 November. Ferdowsi University of Mashhad, Mashhad, Iran. Pp. 1-6. (In Persian).

Santos, P.R.de., Oliveira, T.R.A. de., Skeen, P., Nascimento, M.R., Costa, K.D.da S., Araújo, E.R., Pereira, H.S., & Costa, A.F.da. (2019). GGE biplot and REML/BLUP based-analysis of yield stability and adaptability for common beans in multi-environment trials. Revista Brasileira de Ciências Agrárias, 14(2), 1-6.

Tamene, T.T., & Tadese, S.G. (2014). Sites regression GGE biplot analysis of haricot bean (Phaseolus vulgaris L.) genotypes in three contrasting environments. World Journal of Agricultural Research, 2(5), 228-236.

Tsegaye, D., Tadesse, W., & Bayable, M. (2012). Genotype X environment interactions and grain yield stability of haricot bean varieties in Northwest Ethiopia. Scientific Research and Essays, 41, 3487-3493.

Vakali, C., Baxevanos, D., Vlachostergios, D., Tamoutsidis, E., Papathanasiou, F., & Papadopoulos, I. (2017). Genetic characterization of agronomic, physiochemical, and quality parameters of dry bean landraces under low-input farming. Journal of Agricultural Science and Technology, 19, 957-967.

Yan, W., & Rajcan, I. (2002). Biplot evaluation of test sites and trait relations of soybean in Ontario. Crop Science, 42, 11-20.

Yan, W. (2011). GGE biplot vs. AMMI graphs for genotype-by-environment data analysis. Journal of Indian Society Agricultural Statistics, 65(2), 181-193.

Yan, W., & Tinker, N.A. (2006). Biplot analysis of multi-environment trial data: Principles and applications. Canadian Journal of Plant Science, 86, 623-645.

Yang, R.C., Crossa, J., Cornelius, P.L., & Burgueño, J. (2009). Biplot analysis of genotype x environment interaction: proceed with caution. Crop Science, 49, 1564-1576.

Yazdi Samadi, B., & Poustini, K. (1995). Principles of crop production. Jihad Daneshgahi Publications, University of Tehran, Iran. Pp. 304. (In Persian).

Zeleke, A.A., & Amsalu Berhanu, F. (2016). AMMI and GGE models analysis of stability and GEI of common bean (Phaseolus vulgaris L.) lines in Ethiopia. Journal of Biology, Agriculture and Healthcare, 6(9), 127-135.