ارزیابی لاین های برتر گندم نان با استفاده از شاخص انتخاب FAI-BLUP در اقلیم گرم و خشک جنوب استان فارس
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 2
فایل این مقاله در 12 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_IJFCS-56-3_003
تاریخ نمایه سازی: 29 دی 1404
چکیده مقاله:
شناسایی ژنوتیپ هایی با خصوصیات زراعی مطلوب یکی از اهداف مهم اصلاح نباتات است؛ از اینرو، شاخص های گزینشی متعددی برای شناسایی ژنوتیپ های برخوردار از مجموعهای از صفات مطلوب زراعی معرفی شده است. در این تحقیق، به منظور شناسایی لاین های برتر گندم نان بر اساس برخی صفات مورفو-فنولوژیک از شاخص انتخاب طراحی ایدئوتیپ از طریق پیشبینی نااریب بهترین خط (FAI-BLUP) استفاده شد. بدین منظور، دو آزمایش مستقل در سال های زراعی ۱۴۰۲-۱۴۰۱ و ۱۴۰۳-۱۴۰۲ در مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس انجام شد. در سال اول، ۳۲۰ لاین خالص و چهار شاهد بررسی و ۱۰۶ لاین برتر انتخاب و در سال دوم، این لاین ها تحت طرح آلفا لاتیس در دو تکرار آزمایش شدند. در سال اول، نتایج نشان داد که عملکرد دانه و وزن هزار دانه بالاترین ضریب تغییرات را داشتند. میانگین عملکرد دانه در لاین های انتخابشده ۱۹/۶ تن در هکتار بود که از متوسط عملکرد ژنوتیپ های شاهد و مجموع ژنوتیپ ها بیشتر بود. نتایج تجزیه واریانس صفات در سال دوم نشان داد که لاین ها از نظر صفات تعداد روز تا گلدهی، تعداد روز تا رسیدگی، وزن هزار دانه و عملکرد دانه مورد مطالعه تفاوت معنی داری داشتند. همچنین، دیفرانسیل انتخاب در این سال برای صفات مختلف بین ۲/۱- تا ۹۴/۴ متغیر بود. در نهایت، لاین های انتخابی براساس این شاخص، شامل لاین های ۱۹، ۶۷، ۹۳، ۲۷، ۱۶، ۳۹، ۴، ۲۱، ۶۳، ۱۰۷، ۸، ۶۵، ۹، ۶۴ و ۶۸ بودند که برای بررسی های تکمیلی مانند آزمایش های سازگاری انتخاب شدند.
کلیدواژه ها:
نویسندگان
علیرضا عسکری کلستانی
بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی (AREEO)، داراب، ایران.
محسن اسماعیل زاده مقدم
موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی (AREEO)، کرج، ایران
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 :