ارزیابی تنوع ژنتیکی، عملکرد علوفه و گروه بندی ژنوتیپ های گونه علوفه ای-مرتعی علف قناری Phalaris aquatica L از طریق بررسی کلونی
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 136
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJRFP-28-2_005
تاریخ نمایه سازی: 29 شهریور 1403
چکیده مقاله:
این تحقیق به منظور ارزیابی تنوع ژنتیکی ۲۶ ژنوتیپ انتخابی از گونه علوفه ای- مرتعی علف قناری (Phalaris aquatica L.) بر اساس صفات مهم زراعی انجام شد. هر یک از ژنوتیپها از طریق تقسیم بوته به چهار کلون تقسیم شدند و در یک طرح آزمایشی بلوکهای کامل تصادفی در چهار تکرار در مزرعه تحقیقاتی خلعت پوشان دانشگاه تبریز در شرایط آبیاری کشت گردیدند. اندازه گیری صفات از فروردین ۱۳۹۶ شروع و برای دو سال انجام شد. نتایج تجزیه واریانس دادهها نشان داد که تفاوت ژنوتیپهای مورد مطالعه برای بیشتر صفات در سطح احتمال یک درصد معنیدار بود و بر همین اساس مقایسه میانگین صفات بین ژنوتیپها انجام شد. با تجزیه به مولفههای اصلی، دو مولفه اول در مجموع بیش از ۶۶ درصد از کل واریانس متغیرها را توجیه کردند. صفات عملکرد علوفه در هر دو چین، قطر یقه، ارتفاع بوته و عملکرد بذر عمده ترین نقش را در تبیین مولفه اول داشتند. بر اساس تجزیه خوشهای ۲۶ ژنوتیپ مورد مطالعه در چهار گروه ژنوتیپی مختلف قرار گرفتند. بر اساس نتایج بهدست آمده از مقایسه میانگینها، تجزیه به مولفههای اصلی و تجزیه خوشهای، تعداد ۱۲ ژنوتیپ که دارای بیشترین عملکرد علوفه در هر دو سال بودند و عملکرد بذر بالایی نیز داشتند به عنوان ژنوتیپهای برتر انتخاب شدند. ازاین رو جمعیت مورد مطالعه زمینه ژنتیکی مناسبی را برای انتخاب ژنوتیپهای برتر فراهم کرد که میتوان از آنها در آزمون نتاج پلیکراس و تولید ارقام ترکیبی استفاده نمود.
کلیدواژه ها:
نویسندگان
R. Mohammadi
Assist. Prof., Branch for Northwest & West region, Agricultural Biotechnology Research Institute of Iran (ABRII), Agricultural Research, Education and Extension Organization (AREEO), Tabriz, I.R. Iran, E-mail: r.mohammadi@abrii.ac.ir
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :