گروهبندی لاینهای اینبرد نوترکیب گندم از نظر صفات زراعی به کمک تجزیه خوشهای
پذیرفته شده برای پوستر
عنوان دوره: سیزدهمین کنگره زراعت و اصلاح نباتات ایران
نویسندگان
1دانشجوی کارشناسیارشد اصلاح نباتات دانشکده کشاورزی دانشگاه تبریز
2استادیار و دانشیارگروه به نژادی و بیوتکنولوژی گیاهی دانشکده کشاورزی دانشگاه تبریز
چکیده
با وجود تلاشهای انجام شده میانگین عملکرد گندم در کشور با میانگین جهانی آن فاصله دارد. در این راستا، به منظور شناسایی لاینهای گندم پر محصول با خصوصیات مطلوب، 40 لاین اینبرد نوترکیب گندم نان حاصل از تلاقی ارقام نورستار (پاییزی) و زاگرس (بهاری) در قالب طرح بلوکهای کامل تصادفی با سه تکرار از نظر صفات زراعی و مورفولوژیک مورد ارزیابی قرار گرفتند. صفات مورد اندازهگیری شامل وزن پدانکل، وزن میانگره دوم، وزن سنبله، تعداد دانه در سنبله، تعداد سنبله در کرت، بیوماس کل، عملکرد دانه، وزن هزار دانه، ارتفاع بوته، طول پدانکل، طول میانگره دوم، طول سنبله، شاخص برداشت، مساحت برگ پرچم و عملکرد کاه بودند.برای گروه بندی لاینهی مورد مطالعه از روش تجزیه خوشهای بر اساس کلیه صفات و نیز بر اساس عملکرد دانه و صفات مرتبط با آن که در مدل رگرسیون گام به گام باقی مانده بودند انجام شد. این تجزیه بر اساس میانگین دادههای استاندارد شده و به روش WARD انجام شد در حالت اول چهار گروه و در حالت دوم سه گروه به دست آمد. در حالت اول لاینهای گروه اول و در حالت دوم لاینهای گروه سوم از لحاظ عملکرد دانه و صفات مرتبط با آن برتر بودند. از لاینهای موجود در گروهی که درصد انحراف از میانگینهای بالاتری در اکثر صفات مرتبط با عملکرد داشتند برای افزایش عملکرد دانه در برنامههای اصلاحی بهره جست.
کلیدواژه ها
Title
Classification of wheat recombinant inbred lines based on agronomical traits using Cluster analysis
Authors
Abstract
In spite of efforts have been carried out in this area, the mean of wheat yield in Iran is less than its world average. To identify high yielding wheat lines with optimal characteristics and determination of traits to use as selection index, 40 recombinant inbred lines derived from a cross between Norstar (winter wheat) and Zagros (spring wheat) cultivars were evaluated in a randomized complete block design with three replication. The measured characters consisted of peduncle weight, second internode weight, spike weight, kernels per spikes, biomass, grain yield, 1000 kernel weight, plant height, peduncle length, second internode length, spike length, harvest index, flog leaf area and straw yield.. Cluster analysis was performed based on all the traits as well as using grain yield and its related traits which identified based on stepwise regression analysis. The analyses were carried out using WARD algorithm and standardized data. Cluster analysis based on all traits and yield related traits assigned the lines into four and three groups, respectively. In these grouping, group one and three lines showed highest mean of grain yield and its related traits, respectively.