AMMI и GGE biplot анализ взаимодействия генотип–среда линий ячменя ярового


https://doi.org/10.18699/VJ17.283

Полный текст:


Аннотация

Стабильность урожайности зависит от устойчивости сортов и гибридов к стрессовым факторам окружающей среды. Оценка степени взаимодействия генотип–среда помогает селекционерам выбрать лучшие генотипы для передачи в Государственное сортоиспытание. В статье представлены результаты АММI (additive main effect and multiplicative interaction) и GGE (genotype plus genotype-environment interaction) biplot анализа урожайности восьми перспективных линий ячменя ярового селекции Института растениеводства им. В.Я. Юрьева НААН Украины и двух сортов-стандартов в 2012–2015 гг. Целью исследований было определить степень влияния генотипа, среды и их взаимодействия на урожайность и выделить стабильные и продуктивные генотипы. Опыт был заложен рандомизированно в четырех повторениях. Дисперсионный анализ данных урожайности позволил оценить влияние эффектов среды (85.8 %), генотипа (8.1 %) и взаимодействия генотип– среда (6.1 %) на вариабельность урожайности. Для оценки влияния эффекта генотип-средового взаимодействия на уровень урожайности данные были проанализированы с помощью АММI и GGE biplot анализа. Модель AMMI оказалась более эффективной, сохраняя большую часть вариации в первых двух главных компонентах – 95.7 %, в то время как GGE biplot – 82.9 %. Обе модели указали на линии 09-837 (G8) и 08-1385 (G9) как наиболее урожайные и стабильные. Эти линии переданы в Государственное испытание под названием «Авгур» и «Велес». Результаты исследований показали информативность использования методов АММI и GGE biplot для оценки стабильности и адаптивности генотипов в практической селекции и рекомендации сортов для Государственного сортоиспытания.

 


Об авторе

П. Н. Солонечный
Институт растениеводства им. В.Я. Юрьева Национальной академии аграрных наук Украины, Харьков
Украина


Список литературы

1. Annicchiarico P. Joint regression vs AMMI analysis of genotype-environment interactions for cereals in Italy. Euphytica. 1997;94:53-62. DOI 10.1023/A:1002954824178.

2. Bajpai P.K., Prabhakaran V.T. A new procedure of simultaneous selection for high yielding and stable crop genotypes. Indian J. Genet. Pl. Br. 2000;60:141-146.

3. Balestre M., Von Pinho R.G., Souza J.C., Oliveira R.L. Genotypic stability and adaptability in tropical maize based on AMMI and GGE biplot analysis. Genet. Mol. Res. 2009;8(4):1311-1322. DOI 10.4238/vol8-4gmr658.

4. Cornelius P.L., Crossa J., Seyedsadr M.S. Statistical tests and estimators of multiplicative models for genotype-by-environment interaction. In: M.S. Kang, H.G. Gauch (Eds.). Genotype-by-Environment Interaction. FL, USA: CRC Press, Boca Raton, 1996;199-234.

5. Crossa J., Gauch H.G., Zobel R.W. Additive main effects and multiplicative analysis of two international maize cultivar trials. Crop Sci. 1990;30:493-500.

6. Dashiell K.E., Ariyo O.J., Bello L. Genotype × environment interaction and simultaneous selection for high yield and stability in soybeans (Glycine max (L.) Merr.). Ann. Appl. Biol. 1994;124:133-139.

7. Eskridge K.M. Selection of stable cultivars using a safety-first rule. Crop Sci. 1990;30:369-374.

8. Farshadfar E. Incorporation of AMMI stability value and grain yield in a single non-parametric index (GSI) in bread wheat. Pak. J. Biol. Sci. 2008;11(14):1791-1796.

9. Gauch H.G., Zobel R.W. AMMI analysis of yield trials. Ch. 4. In: M.S. Kang, H.G. Gauch (Eds.). Genotype-by-Environment Interaction. FL, USA: CRC Press, Boca Raton, 1996:85-122.

10. Kang M.S. Simultaneous selection for yield and stability in crop performance trials: Consequences for growers. Agron. J. 1993;85:754-757. DOI 10.2134/agronj1993.00021962008500030042x.

11. Kiliç H. Additive main effects and multiplicative interactions (AMMI) analysis of grain yield in barley genotypes across environments. Tarım Bilimleri Dergisi = J. Agric. Sci. 2014;20:337-344.

12. Mirosavljević M., Pržulj N., Čanak P. Analysis of new experimental barley genotype performance for grain yield using AMMI biplots. Selekcija i Semenarstvo. 2014;XX(1):27-36.

13. Mohammadi R., Abdulahi A., Haghparast R., Armion M. Interpreting genotype-environment interactions for durum wheat grain yields using non-parametric methods. Euphytica. 2007;57:239-251. DOI 10.1007/s10681-007-9417-3.

14. Mohammadi R., Amri A. Comparison of parametric and non-parametric methods for selecting stable and adapted durum wheat genotypes in variable environments. Euphytica. 2008;159:419-432. DOI 10.1007/s10681-007-9600-6.

15. Moreno-González J., Crossa J., Cornelius P.L. Genotype × environment interaction in multi-environment trials using shrinkage factors for AMMI models. Euphytica. 2004;137:119-127.

16. Mortazavian S.M.M., Nikkhah H.R., Hassani F.A., 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.

17. Oliveira E.J., Freitas J.P.X., Jesus O.N. AMMI analysis of the adaptability and yield stability of yellow passion fruit varieties. Sci. Agric. 2014;71(2):139-145.

18. Purchase J.L., Hatting H., van Deventer C.S. Genotype × environment interaction of winter wheat (Triticum aestivum L.) in South Africa: Stability analysis of yield performance. South Afric. J. Plant Soil. 2000;17:101-107. DOI 10.1080/02571862.2000.10634878.

19. Rao A.R., Prabhakaran V.T. Use of AMMI in simultaneous selection of genotypes for yield and stability. Ind. Soc. Agric. Statist. 2005; 59(1):76-82.

20. 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.

21. Yan W. GGEbiplot – a Windows application for graphical analysis of multienvironment trial data and other types of two-way data. Agron. J. 2001;93:1111-1118. DOI 10.2134/agronj2001.9351111x.

22. Yan W. Singular-value partitioning in biplot analysis of multi-environment trial data. Agron. J. 2002;94:990-996. DOI 10.2134/agronj 2002.9900.

23. Yan W. Crop Variety Trials: Data Management and Analysis. John Wiley and Sons, 2014. DOI 10.1002/9781118688571.

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

25. Yan W., Kang M.S. GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists and Agronomists. Boca Raton, USA: CRC Press, 2003.

26. Yan W., Kang M.S., Ma B., Woods S., Cornelius P.L. GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop Sci. 2007; 47:643-655. DOI 10.2135/cropsci2006.06.0374.

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

28. Zobel R.W., Wright A.J., Gauch H.G. Statistical analysis of a yield trial. Agron. J. 1988;80:388-393.


Дополнительные файлы

Просмотров: 150

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2500-0462 (Print)
ISSN 2500-3259 (Online)