گروهبندی تعدادی ژنوتیپ نخود کابلی با استفاده از روشهای آماری چندمتغیره

نوع مقاله : مقالات پژوهشی

نویسندگان

دانشکده کشاورزی دانشگاه تهران

چکیده

به‌منظور ارزیابی و شناخت تنوع ژنتیکی و تعیین روابط ژنتیکی 64ژنوتیپ نخود کابلی، آزمایشی در قالب طرح لاتیس ساده (8×8) در مزرعه تحقیقاتی پردیس کشاورزی و منابع طبیعی دانشگاه تهران در سال زراعی 89- 1388 اجرا گردید. نتایج همبستگیهای فنوتیپی نشان داد که عملکرد دانه در بوته به‌ترتیب با صفات وزن دانه با غلاف، عملکرد بیولوژیک، تعداد غلافهای پُر، وزن100دانه، قطر دانه و قطر شاخه اصلی، همبستگی مثبت معنیداری در سطح احتمال 1درصد و با تعداد روز تا گلدهی و تعداد روز تا غلافدهی، همبستگی منفی معنیداری نشان داد. البته مقادیر عددی این همبستگیها کم بود که ممکن است دال بر عدم وجود همبستگی ژنتیکی بین صفات باشد که در نتیجه، اهمیت بیولوژیک آنها را کاهش می‌دهد. بر اساس تجزیه به عاملها، چهار عامل که در مجموع 79درصد از تغییرات موجود در کل دادهها را توجیه کردند، انتخاب شدند. عامل اول و دوم که بیشترین تغییرات واریانس دادهها را توجیه کردند، شامل صفات وزن100دانه، ارتفاع بوته، طول و قطر غلاف، طول و قطر دانه، صفات تعداد غلافهای پُر، وزن دانه با غلاف، عملکرد بیولوژیک، صفات عملکرد دانه در بوته و قطر شاخه اصلی بودند. سپس از این دو عامل، جهت به‌دست‌آوردن پراکنش و شناسایی ژنوتیپهای برتر در دستگاه مختصات استفاده شد و ژنوتیپهای 2، 22، 29، 36،120، 139، 198، 239، 335، 345، 356، 357، 375، 473، 474، 534، 552، 555 و 629 به همراه ژنوتیپهای شاهد جم (998) و کوروش (999) که از نظر عاملهای اول و دوم، مثبت و بالاتر بودند، به‌عنوان ژنوتیپهای برتر انتخاب شدند. با توجه به نتایج تجزیة خوشهای بر اساس صفات مورفولوژیک، ژنوتیپهای مورد بررسی در پنج گروه، دستهبندی شدند که ژنوتیپهای گروه سوم و چهارم از نظر اکثر صفات زراعی مورد بررسی و عملکرد، میانگین بالاتری را در میان سایر گروهها و همچنین میانگین کل ژنوتیپها داشتند و در عین حال نسبت به سایر گروهها، زودرستر نیز بودند. بنابراین با توجه به نتایج تجزیة خوشه‌ای، میتوان از تلاقی ژنوتیپهای گروه سوم و چهارم و ژنوتیپهای شاهد جم و کوروش، برای تولید ژنوتیپهای جدید با عملکرد بالا بهره جست.

کلیدواژه‌ها


عنوان مقاله [English]

Grouping of Kabuli chickpea genotypes using multivariate statistical methods

نویسندگان [English]

  • Hadimohammad Alipoor Yamchi
  • Mohammadreza Bihamta
  • Seyyed Ali Peyghambari
  • Mohammadreza Naghavi
  • Naser Majnoon Hoseini
چکیده [English]

In order to assess and identify genetic diversity and genetic relationships of the 64 Kabuli chickpeas genotypes, an experimental design was carried out in a simple lattice design (8×8) in 2009-2010 cropping season on the Research Field of College of Agriculture and Natural Resource of Tehran University. The results of phenotypic correlation showed that grain yield per plant had significant and positive correlation with seed and pod weight, biological yield, number of filled pods, 100 seed weight, number of seeds per plant, seed diameter and main branch diameter at 1% level probability and negative correlation with day to 50% flowering and days to 50% podding. Based on factor analysis, four factors were selected that in total 79% of the total variation was explained. The first and second factors were explained high percent of variation that including 100-seed weight, plant height, pod length, pod diameter, seed length, seed diameter, number of filled pods, seed and pod weight, biological yield, grain yield and main branch diameter. Therefore, these two factors used to identify genotypes with high yield and yield components and genotypes 2, 22, 29, 36, 120, 139, 198, 239, 335, 345, 356, 357, 375, 473, 474, 534, 552, 555 and 629 with two control genotypes Jam (998) and Korosh (999) were selected as high yield and component yield genotypes. According to the result of cluster analysis, the genotypes were classified in 5 clusters. The genotypes of third and fourth cluster had high yield and earliness in compare with other clusters and genotype average. According to the result of cluster analysis, we can use third and fourth cluster genotypes and two control genotypes (Jam and Korosh) for producing new genotypes with high yield.

کلیدواژه‌ها [English]

  • Cluster analysis
  • Factor analysis
  • Kabuli Chickpea
  • morphological traits
  • Multivariate analysis of variance