GGE biplot анализ урожайности и стабильности генотипов пшеницы твердой в экологическом сортоиспытании в Алжире

Авторы

  • A. Bendjama Технический институт полевых культур, Алжир, Algeria
  • M. Solonechnyi Институт растениеводства им. В. Я. Юрьева НААН, Украина, Ukraine

DOI:

https://doi.org/10.30835/2413-7510.2018.152126

Ключевые слова:

GGE биплот, пшеница твердая, урожайность, адаптивность, взаимодействие генотип-среда, стабильность

Аннотация

Введение. В засушливых условиях Алжира урожайный потенциал сортов пшеницы твердой реализуется не полной мерой. При таких неблагоприятных условиях отбор лучших генотипов усложнен, особенно если они оцениваются только в одной среде. Поэтому для более эффективной оценки продуктивности и адаптивного потенциала перспективных генотипов было проведено экологическое сортоиспытание на четырех экспериментальных станциях Технического института полевых культур (Алжир).

Целью данного исследования была оценка урожайности и стабильность генотипов твердой пшеницы с использованием GGE биплот анализа для отбора генотипов с высокой продуктивностью и фенотипической стабильностью.

Материалы и методы. Исследования проведены в 2008–09 и 2009–10 годах в четырех пунктах испытания с полной рандомизацией с четырьмя повторениями. Исходным материалом были 23 генотипа твердой пшеницы – коммерческие сорта и селекционные линии из национальных и CIMMYT-ICARDA селекционных программ.

Обсуждение результатов. На урожайность всех генотипов значительно повлияли условия выращивания, этот фактор обуславливал 88,2 % от общей дисперсии урожайности, тогда как влияние генотипа и взаимодействия между генотипом и средой составляло 2,9 % и 8,9 % соответственно. GGE биплот отображал большую часть вариации, вызванную эффектами взаимодействия генотипа и генотипа-среды в первых двух основных компонентах – 69,9 %. GGE биплот "какой генотип где выигрывает" показал, что восемь исследованных сред сформировали три мега-среды, в которых наиболее продуктивными были генотипы G20, G19 и G9. Генотипы G19, G3, G12, G20 и G21 характеризовались наибольшей средней урожайностью. При этом урожайность генотипа G21 была наиболее вариабельна, тогда как генотипы G20 и G12 характеризовались высокой и стабильной продуктивностью. Сравнение с «идеальным» генотипом показало, что лучшими по уровню урожайности и его стабильного проявления были генотипы G19, G20 и G12. Анализ дифференцирующей способности и репрезентативности сред показал, что среда E4 (Khroub09/10) была идеальной для тестирования генотипов. Эта среда была наиболее информативной и репрезентативной, то есть она является оптимальной для отбора лучших генотипов. Среды E2 (Guelma 09/10) и E8 (Tiaret 08/09) были не информативными относительно дифференциации генотипов.

Выводы. Детально оценено взаимодействие генотип-среда при помощи GGE биплот анализа, что позволило отобрать наиболее продуктивные и стабильные генотипы, а также генотипы с широкой и специфической адаптивностью.

Библиографические ссылки

Annicchiarico P, Bellah F, Chiari T. Repeatable genotype x location interaction and its exploitation by conventional and GIS-based cultivar recommendation for durum wheat in Algeria. Eur. J. Agron. 2006; 24:70–81.

Chennafi H, Aidaoui A, Bouzerzour H, Saci A. Yield response of durum wheat (Triticum durum Desf.) cultivar Waha to deficit irrigation under semi arid growth conditions. Asian Journal of Plant Sciences Volume. 2006; 5(5): 854–860. DOI: 10.3923/ajps.2006.854.860.

Bahlouli F, Bouzerzour H, Benmahammed A. Hassous KL. Selection of high yielding and risk efficient durum wheat (Triticum durum Desf.) cultivars under semi-arid conditions. Pak. J. Agro. 2005; 4: 360–365. DOI: 10.1016/j.envexpbot.2011.05.002.

Nouar H, Bouzerzour H, Haddad L, Menad A. Genotype x environment interaction assessment in durum wheat (Triticum durum Desf.) using AMMI and GGE models. Adv. Environ. Biol. 2012; 6: 3007–3015.

Kadi Z, Adjel F, Bouzerzour H. Analysis of the Genotype X Environment interaction of barley grain yield (Hordeum vulgare L.) under semi arid conditions. Adv. Environ. Biol. 2010; 4(1): 34–40.

Meziani NH, Bouzerzour A, Benmahammed A et al. Performance and adaptation of barley genotypes (Hordeum vulgare L.) to diverse locations. Adv. Environ. Biol. 2011; 5: 1465–1465.

Farshadfar E, Sutka J. Multivariate analysis of drought tolerance in wheat substitution lines. Cereal Research Communications. 2003; 31(1–2): 33–40.

Oosteroom EJ, Ceccarelli S, Peacock JM. Yield response of barley to rainfall and temperature in Mediterranean environments. The Journal of Agricultural Science. 1993; 121(03): 307–313. DOI: 10.1017/S0021859600085488.

Annicchiarico P, Pecetti L, Abdelguerfi A, Bouizgaren A, Carroni AM, Hayek T, Hammadi Bouzina MM, Mezni M. Adaptation of landrace and variety germplasm and selection strategies for lucerne in the Mediterranean basin. Field Crops Res. 2011; 120: 283–291. DOI: 10.1016/j.fcr.2010.11.003.

Solonechnyi P, Vasko N, Naumov O, Solonechnaya O, Vazhenina O, Bondareva O, Logvinenko Yu. GGE biplot analysis of genotype by environment interaction of spring barley varieties. Zemdirbyste-Agriculture. 2015; 102(4): 431–436. DOI: 10.13080/z-a.2015.102.055.

Solonechnyi P, Kozachenko M, Vasko N et al. AMMI and GGE biplot analysis of yield performance of spring barley (Hordeum vulgare L.) varieties in multi environment trials. Agriculture & Forestry. 2018; 64(1): 121–132. DOI: 10.17707/AgricultForest. 64.1.15

Yan W, Kang MS. GGE biplot analysis: a graphical tool for breeders, geneticists and agronomists. Boca Raton, USA. 2003.

Dehghani H, Sabaghpour SH, Ebadi-Segherioo A. Study of genotype × environment interaction for chickpea yield in Iran. Agronomy Journal. 2010; 102: 1–8.

Annicchiarico P. Genotype×environment interactions: challenges and opportunities for plant breeding and cultivar recommendations. FAO Plant Production and Protection Paper. FAO, Rome. 2002. P. 174.

Karimizadeh R, Mohammadi M, Shefazadeh MK, Karimpour F. Relationship among and repeatability of ten stability indices for grain yield of food lentil genotypes in Iran. Turkish J. Field Crop. 2012; 17(1): 51–61.

Mortazavian SMM, Nikkhah HR, Hassani FA, Sharif-al-Hosseini M, Taheri M, Mahlooji M. GGE biplot and AMMI analysis of yield performance of barley genotypes across different environments in Iran. J. Agr. Sci. Tech. 2014; 16: 609–622.

Finlay KW, Wilkinson GN. The analysis of adaptation in a plant-breeding programme. Australian Journal of Agricultural Research. 1963; 14: 742–754. DOI: 10.1071/AR9630742.

Zobel RW, Wright AJ, Gauch HG. Statistical analysis of a yield trial. Agronomy Journal. 1988; 80: 388–393. DOI: 10.2134/agronj1988.00021962008000030002x.

Yan W, Hunt LA, Sheny Q, Szlavnics Z. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Science. 2000; 40: 597–605. DOI: 10.2135/cropsci2000.403597x.

Yan W, Hunt LA. Interpretation of genotype – environment interaction for winter wheat yield in Ontario. Crop Science. 2001; 41: 19–25.

Gabriel KR. The biplot graphic display of matrices with application to principal component analysis. Biometrika. 1971; 58(3): 453–467. DOI: 10.2307/2334381.

Yan W. Singular-value partitioning in biplot analysis of multi-environment trial data. Agronomy Journal. 2002; 94: 990–996. DOI: 10.2134/agronj2002.9900.

Gauch HGJr, Piepho PH, Annicchiarico P. Statistical analysis of yield trials by AMMI and GGE: further considerations. Crop Science. 2008; 48: 866–889. DOI: 10.2135/cropsci2007.09.0513.

Yan W, Kang MS, Ma B, Woods S. GGE biplot vs. AMMI analysis of genotype by environment data. Crop Science. 2007; 47: 643–655. DOI: 10.2135/cropsci2006.06.0374.

Yan W, Tinker NA. Biplot analysis of multi-environment trial data: principles and applications. Can. J. Plant Sci. 2006; 86: 623–645. DOI: 10.4141/P05-169.

Yan W, Rajcan I. Biplot evaluation of test sites and trait relations of soybean in Ontario. Crop Science. 2002; 42: 11–20.

Загрузки

Опубликован

2018-12-28

Выпуск

Раздел

МЕТОДЫ И РЕЗУЛЬТАТЫ СЕЛЕКЦИИ