الصنف لفول الصويا X تحليل التداخل البيئي الوراثي والصفة
عباس واخرون )2012( ،44-35 :)2(43 – مجلة العلوم الزراعية العراقية الصنف لفول الصوياX تحليل التداخل البيئي الوراثي والصفة نوفل حميد عبداهلل 2 علي فدعم المحمدي 1 جاسم محمد عباس ،قسم علوم المحاصيل الحقلية\ كلية الزراعة جامعة بغداد-1 قسم علوم المحاصيل الحقلية\ مركز دراسات الصحراء\ جامعة االنبار-2 المستخلص البيئي واختبار أداء هذهX لتحليل بيانات حاصل ثمانية أصناف مزروعة في أربع بيئات بهدف دراسة تأثير التداخل الوراثيGGE-Biplot استخدمت طريقة فقد فسرت. لدراسة ارتباط هذه الصفات مع بعضها البعضGT-Biplot اختبر سلوك ست صفات لفول الصويا بتطبيق طريقة.األصنا ف تحت هذه البيئات بينت هذه. بالتتابع، من التباين% 2..2 و% 5..5 إذ فسر تحليل المكونين الرئيسيين األولين، من التباين الكلي% ...8 GGE-Biplot طريقة كما. إذ إن هذه األصناف تفوقت في هذه البيئات باعتماد بيانات حاصل البذور،M103 وLee74 وDT84 الطريقة إن البيئات األربع تالءم األصناف من التباين الكلي الناتج عن سلوك الصفات مع بعضها% 8..7 فقد فسرتGT-Biplot أما طريقة.TN12 أوضحت الطريقة أن أكثر األصناف ثباتاً كان GT- أشارت طريقة. ثابتاً في كل الصفاتAK09 كان سلوك الصنف. بالتتابع، من التباين% 22.2 و% 77.8 إذ فسر أول مكونين رئيسيين،البعض يمكن أن يستنتج أن هاتين الطريقتين. إلى وجود ارتباط عالي المعنوية بين حاصل البذور وعدد القرنات في النبات وبين ارتفاع النبات ووزن البذرةBiplot فعالتين في استخالص التباينات الناتجة عن البيئة وعن سلوك الصفات كما أنهما فعالتين في استظهار االرتباط بين الصفات بالزاوية الحادة بين متجهات على سبيل. البيئي واالنتخاب على أساس الصفات األشد ارتباطاً مع حاصل البذورX لذا يوصى باستخدام هذه الطريقة في دراسة التداخل الوراثي.الصفات . على أساس صفات المادة الجافة وحاصل البذور وعدد القرنات بالنباتLee74 يمكن انتخاب الصنف،المثال The Iraqi Journal of Agricultural Science 35 (2) : 35-44 (2022) Abbas et el. ANALYSIS OF GENOTYPE x ENVIRONMENT INTERACTION AND CULTIVAR X TRAIT DATA FOR SOYBEAN Jasim M.Abbas1 Ali F.A.Almehemdi2 Hameed N.Abdullah 1-Dept. of Field Crop Science / College of Agriculture/ University of Baghdad, 2- Dept. of Field Crop Science / Center of Desert Studies (CDS) / University of Alanbar ABSTRACT GGE-Biplot was used to analyze yield data of eight cultivars of soybean that sown in four environments(2 locations X 2 years) to investigate the effect of genotype X environment interaction and test the performance of these cultivars under that environments. Performance of six traits was tested by GT-Biplot to study simple correlations among them. Whereas, GGE-Biplot interpreted 88.7% of total variance, whereas the first two principal components were explained 59.5% and 29.2 % of total variance, respectively. This technique showed that the four environments were suitable for soybean cultivars DT84,Lee74 and M103 which were superior under these environments based on yield data.TN12 was most stable as shown on biplot. GT-Biplot interpreted 70.3% of total variance resulted from traits behavior among them. However, the first two principal components explained 43.7% and 26.6% of total variance, respectively. AK09 behavior was stable in all traits. GT-Biplot indicated that there was significant correlation (acute angle) between seed yield and pods per plant, and plant height and seed weight. It could be concluded that the two techniques were effective to partition variances resulted from environments and trait response as well as to extract correlation among traits using acute angle among traits vectors; therefore, it could be recommended to use these techniques to study genotype-environment interaction and selection based on traits that had the strongest correlation with seed yield. For example, Lee74 could be selected based on traits of dry matter, seed yield and pods per plant. 53 عباس واخرون مجلة العلوم الزراعية العراقية – )2012( ،44-35 :)2(43 المقدمة يختبر تفوق األصناف بتطبيق تجارب في بيئات متعددة التراكيب الوراثية وتمييز بيئة االختبار بسبب خاصية وبصفات عديدة لضمان انتخاب أصناف مقبولة األداء في . inner-productوأظهرت طريقة GGE biplot بيئات متباينة ضمن منطقة الهدف لتلبية حاجات المنتج إن البيئات وقعت في بيئتين كبريين وان تأثير GEفي )Morill L.من المحاصيل المهمة في العالم ,لذا فالتداخل لوزن الحبة واإلزهار المبكر ( . )17أشار Kayaوآخرون والمستهلك .يعد محصول فول الصويا ( Glycin max الحاصل يمكن أن يكتشف من خالل االنتخاب غير المباشر بين التركيب الوراثي والبيئة ينتج عنه اختالفات مهمة جدا ( )10أن قيم PC1للتراكيب الوراثية اكبر من صفر في أداء تلك التراكيب الوراثية عندما تقيم في مواقع مختلفة شخصت التراكيب الوراثية المتطبعة أو األعلى حاصال. ( )22إذ يؤثر التداخل البيئي الوراثي في القيمة السوقية لهذا بينما األقل من صفر مثلت التراكيب الوراثية غير المتطبعة استخدم Yanو (16) Rajcanو Yanو)17(Tinker تمثل التراكيب الوراثية األكثر ثباتا باستخدام طريقة GGE GGE .)18( biplotأستخدم Rubioوآخرون ( )15وOkoye biplotو GT biplotالتي تعرف العالقة بين التراكيب وآخرون ( )13و Dolatabadوآخرون ( )3طريقة GT والصفات لتسهيل تقييم الصنف على أساس بيانات البيئات لمحاصيل الترمس ونخيل الزيت والذرة الصفراء بالتتابع فقد المتعددة والصفات العديدة .شخص Dehghaniوآخرون وجدوا إن هذه الطريقة فعالة في عرض العالقات المتداخلة ( ) 2ثالث بيئات كبرى لمحصول الشعير باستخدام طريقة بين الصفات وتسهيل المقارنة من الرسم بين التراكيب أساس بيئة المواقع المختلفة بتطبيق طريقة GGE biplot المحاصيل الحقلية المهمة في االنظمه الزراعية في العراق , (1و5و8و9و11و .)12أشار Petersonوآخرون ()14 لذا فمن الطرائق المتبعة لزيادة إنتاجه تتم بزراعة األصناف إن تطبيق طريقة principal component analysis األكثر تأقلما لبيئات وظروف نمو مختلفة لذا يجب biplotأظهرت اختالفا واضحا في صفات البروتين والزيت االستمرار بتجارب البيئات المتعددة في العراق لتقييم أداء الوراثية قد أبدت ثبات تجاه البيئات األخرى واستجابت بشكل الصويا على أساس طريقتي GGE biplotوGT biplot مختلف .اتضح من عدد من المقاالت إن طريقة GGE الختبار فائدتهما في عرض العالقة بين الصفات ومقارنة biplotكانت فعالة لتحليل بيانات البيئات الكبرى وتقييم األصناف. المواد والطرائق مصدر البيانات المحصول كصفات البروتين والزيت واألحماض الدهنية. و Yanوآخرون ( )18نوعين من biplotهما واألقل حاصل.أما قيم PC1و PC2القريبة من صفر فإنها biplotلدراسة العالقات بين صفات أصناف مختلفة الوراثية والبيئات من خالل الرسم وبين التراكيب الوراثية الوراثية واالنتخاب منها .يعد محصول فول الصويا من biplotمشي ار إلى إمكانية تحسين التقدم في االنتخاب على أصناف فول الصويا ,لذا تهدف الدراسة تقييم أصناف فول بين عام 2222وبقية السنوات كما بينت إن بعض التراكيب المعامالت تحت تصميم القطاعات الكاملة المعشاة بثالثة تم الحصول على بيانات كل سنة من محطات أبحاث المحاصيل الحقلية التابعة لو ازرة الزراعة ومن موقعين هما مكررات ,وسجلت المشاهدات على هذه األصناف .يوضح بغداد وصال ح الدين ولموسمين 2227و ,2228بالتتابع. جدوالن 1و 2متوسطات قيم الحاصل لألصناف في أربع زرعت األصناف المدخلة من خارج العراق للموعد 7/1 بيئات مع بعض صفات الحاصل. ولكل موسم بكثافة نباتية 152ألف نبات .هكتار .1-وزعت 53 عباس واخرون مجلة العلوم الزراعية العراقية – )2012( ،44-35 :)2(43 جدول .1متوسط حاصل ثمانية أصناف من فول الصويا في أربع بيئات البيئات Salahddin02 Salahddin01 Baghdad02 Baghdad01 485.04 5242 50.. 5.8802 484. 4938 484.05 44.. 409.05 4503 409. 423802 452502 4252 452502 448902 433204 4208 433200 1578.8 548900 42.. 448900 409009 554802 4905 5548 52.2 558505 485. 5585 550.00 األصناف DT84 MV1 AK09 TN3 TN12 DT93 M103 Lee74 جدول .2سلوك ست صفات لثمانية أصناف في أربع البيئات الصفات األصناف SH% DTM PH OHSW PNP SY 44052 4..052 550.. 4202. 93049 559.002 DT84 44052 4450.. 0302. 4902. 58022 4253022 MV1 49052 44.052 5909. 45029 24088 4294039 AK09 530.. 4.2052 050.9 42089 92052 429.082 TN3 9202. 449052 0002. 42058 9.052 494.098 TN12 4502. 4.40.. 0202. 42058 9402. 40..088 DT93 42052 4.4052 54052 4203. 24052 5.50082 M103 .0.. 452052 280.. 49088 2.052 558805. Lee74 = SYحاصل البذور = PNP ,عدد القرنات بالنبات = OHSW ,وزن مائة بذرة = PH ,ارتفاع النبات = DTM ,عدد األيام حتى النضج = SH% ,نسبة االنفراط األنموذج الرياضي واختبار : Biplot استخدمت تقنية Biplotالمطورة من قبل (6) Gabriel يمثل مربعها مجموع المربعات المفسر بقيم ξin .PCnوηjn ببرنامج حاسوبي softwareمن قبل )21( Yanوالمشار تمثل قيم األصناف ithوالبيئات jthبالتتابع للمكونات إليها من قبل Elsahookieو )4( Almehemdiلعرض الرئيسية . PCnيسمح تحليل القيمة الشاذة بعرض جدول أداء كل تركيب وراثي في كل بيئة برسم مفرد يمكن إن متوسطات gxeفي لوحة plotتمتلك نقاط gللتراكيب تقرب مصفوفة متوسطات الحاصل ( ) gxeلألصناف ()g الوراثية مضافا إليها نقاط eالخاصة بالبيئات .يمكن أن في البيئات ( (eبتحليل القيمة الشاذة كناتج لمصفوفة يعبر عن التراكيب الوراثية بنقاط تسمى معالم markers األصناف ومصفوفة البيئات لذا فحاصل األصناف iفي معرفة بقيم التراكيب في كل المكونات الرئيسية ,كذلك تمثل البيئات , Yij ,jيقرب كما في المعادلة : البيئات بمؤشر يعرف من خالل قيم البيئات في كل λn ξin ηjn ….1 n-1 ∑r = المكونات الرئيسية .تسمى مثل هذه اللوحة (الرسم) بلوحة Yij إذ إن rتمثل عدد PCsالمطلوبة لتقريب البيانات األصلية ثنائية ( (biplotبسبب إن كال من التراكيب الوراثية والبيئات عند ) λn, r≤ min (geتمثل القيمة الشاذة لقيم , PCnإذ بأبعاد ترسم في لوحة مفردة .يمكن أن تكون biplot 53 عباس واخرون مجلة العلوم الزراعية العراقية – )2012( ،44-35 :)2(43 متعددة ,لكن biplotذات البعدين تتألف من مكونين موديل انحدار المواقع رئيسين أثنين فقط .إلتمام تعديل متجانس بين قيم األصناف بحذف αiواخضاع Фijالتي تمثل (environment- وقيم البيئات ,فأن المعادلة .1تكتب بالصيغة اآلتية : ∑rn-1 ξin* ηjn* …..1a = المتحصل عليها من المعادلة 2 )centered yieldإلى تحليل القيمة الشاذة . * ηjn …..3 Yij r * n=1 ξin Фij= Yij-μ-βj=Σ إذ إن * λ0.5nξin= ξinو* .λ0.5nηjn = ηjnيوصف متوسط يحتوي biplotالمعتمد على المعادلة ( G )3مضافا إليه حاصل األصناف iفي البيئات jبالموديل الخطي العام GEالذي سيميز بطريقة , GGE biplotبالمقابل فإن إذ إن μيمثل المتوسط العام αi ,متوسط تأثير األصناف يحتوي فقط التداخل GEويشار إليه GE biplotيمتلك βj, ithمتوسط تأثير البيئات jthوФij التداخل بين environment-standardized i αو βjأو Yij=μ+αi+βj+Фij….2 األصناف أو البيئات . jيسمح حذف biplotالمعتمد على تحليل القيمة الشاذة لمصفوفة Фij موديل SREG ) )μ+αi+βjبتفسير التباين من خالل دمج قيم هذه version : * ηjn …..3a r * n=1 ξin )Yij-μ-βj)/zj=Σ المعايير إلى , Фijبذا تنشأ مصفوفة قيم Фijالتي تخضع إذ إن ziأما تمثل االنحراف القياسي المظهري بين Фijإلى هذا متوسطات الصنف في البيئة jأو الخطأ القياسي لمتوسط التحليل ينتج عنه موديل التداخل المتضاعف والتأثيرات الصنف ضمن البيئة jيفضل الخطأ القياسي عند توفر Additive Main effects and بيانات بمكررات ألنها تزيل أي تأثير للبيئة إلى عدم التماثل إلى تحليل القيمة الشاذة وبإخضاع قيم الرئيسية اإلضافية )Interaction(AMMI 1988و Multiplicative البيئي لتباين الخطأ . (,Gauch Zobelوآخرون 7()1988,و )23أستخدم طريقة GT-biplotلدراسة الصفات يمكن لبرنامج GGE-Biplotأن يحلل بيانات ذات إذ أن Tijتمثل متوسط الصنف iللصفة T j , jمتوسط اتجاهين (األعمدة والصفوف) ,أو مواقع × أصناف ,بيئات الصفة jلكل المعامالت ) Sj, (Overallاالنحراف القياسي × تراكيب وراثية أو صفات × تراكيب وراثية ,لذا استخدمت للصفة jبين متوسطات المعاملة ξi1.و ξi2تمثل قيم PC1 هذه الطريقة لدراسة صفات xأصناف ,الن هذا البرنامج و PC2للمعاملة τj1. iو , τj2تمثل قيم PC1وPC2 يعرض النتائج بشكل رسم biplotباستخدام األنموذج للصفة , jبالتتابع εij.تمثل الخطأ أو المتبقي من الموديل الرياضي المرتبط من المعاملة iوالصفة λ1. jو λ2تمثل القيم الشاذة .تمثل المعادلة أعاله تحليل المكون الرئيس لبيانات 1 i1 j1 2 j 2 j 2 ij .. T. j ij T قياسية بمكونين رئيسيين .يتم إنشاء رسم GT- biplot Sj برسم قيم PC1ضد قيم PC2لكل من الصنف )(G والصفات ).(T تحليل األصناف× البيئة النتائج والمناقشة تم تقريب بيانات حاصل أصناف فول الصويا location- مضافا إليه ناتج تحليل المكون الرئيس الثاني لألصناف × centeredعن طريق الرسم المتجانس symmetrically ناتج التحليل للمكون الرئيس الثاني للمواقع .يمثل هذا GGE biplotببعدين باستخدام ناتج تحليل المكون الرئيس هندسيا طول متجه المواقع ( المسافة المطلقة من نقطة األول لألصناف × ناتج تحليل المكون الرئيس األول للمواقع أصل الرسم إلى مؤشر الموقع ) مضروبا في طول متجه 53 عباس واخرون مجلة العلوم الزراعية العراقية – )2012( ،44-35 :)2(43 الصنف ( المسافة المطلقة بين نقطة أصل الرسم ومؤشر الصنف M103بالصنف .DT93كذلك يكون امتداد الصنف) ومن خالل جيب تمام الزاوية بينها .تسمح هذه TN12عمودي على الطول الجانبي الذي يربط الصنف وهي التشابه واالختالف بين المواقع في تمييز األصناف, على ضلع الصنفين TN3و DT93والصنفين DT93و كذلك التشابه واالختالف بين األصناف في استجابتها M103وألن هذا الصنف يمثل مركز ونقطة أصل الشكل للمواقع فضال عن طبيعة وأهمية التداخل بين أي صنف متعدد األضالع وهو يمثل أكثر األصناف ثباتا لذا تقسم DT84بالصنف ,Lee74كذلك يكون TN12عموديا الخاصية بالحصول على المعلومات التالية وعرضها بسرعة وأي موقع .يبين الشكالن 1و 2إن تحليل المكون الرئيس هذه االمتدادات الشعاعية أو الخطوط العمودية الخمسة إلى أعطى معدل %88.7من مجموع التباين الكلي ,إذ أعطى خمسة مقاطع ,تقع البيئات في اثنين منها .فموقع الزراعة المكون الرئيس األول %59.5والمكون الرئيس الثاني بغداد 2228وموقع الزراعة صال ح الدين 2227قد وقعا %29.2من التباين كل على إنفراد المج أز بطريقة GGE في المقطع المحصور بين امتداد TN12العمودي على biplotمفترضا إن biplotالخاص بالمكونين األول طول الخط الواصل بين الصنف DT84والصنف centeredيشير biplotإنها which-won-whereإن الصنف DT84والصنف .Lee74أما موقع الزراعة بغداد هذه الطريقة من الرسم مهمة لدراسة إيجاد بيئات كبرى 2227وصال ح الدين 2228فقد وقعا في المقطع الواقع مختلفة في منطقة ما .إذ يعرف الشكل متعدد اإلضالع بين امتداد TN12العمودي على الخط الجانبي الواصل MET العمودي على الخط الواصل بين الصنف M103والصنف TN3وامتداد TN12العمودي على طول الخط الواصل بين والثاني قد قربت تماما بيانات الحاصل environment- () GGE biplotالنمط أعاله بشكل واضح وهذا يمثل خالصة لنمط التداخل GEلمجموعة بيانات بين الصنف DT84والصنف Lee74وامتداد TN12 .DT93 ,Multi-Environment Trialsمن جهة ,ومن جهة أخرى يكون شبه عمودي على الطول الجانبي الذي يربط 53 عباس واخرون مجلة العلوم الزراعية العراقية – )2012( ،44-35 :)2(43 أنموذج الرسم = Transformتحويل البيانات إذا كانت حسب المعادلة = E:\JASIM.xls , G+GEموقع ملف نسب = Scaling ,طريقة تعديل البيانات ,رقم 1يمثل البيانات على الحاسوب و اسم الملف ونوعه ,إذ يؤخذ مع الرسم بالبرنامج. استخدام االنحراف القياسي = Centring , SDطريقة تمركز البيانات ,رقم 2يمثل تمركز على أساس الفاحص فالشكل متعدد األضالع polygonينشأ من ربط مؤشرات العمودية األضالع الجانبية أو امتدادها للشكل متعدد األصناف البعيدة عن نقطة أصل biplotوهذا يعني كل األضالع .الحظ امتداد الصنف TN12يكون عموديا على السمة المميزة لهذا العرض لطريقة GGE biplotهي إن حاصل لهاتين البيئتين .وبنفس الطريقة فإن بيئتي بغداد صنف القمة (رأس المقطع) لكل مقطع يمتلك أعلى حاصل 2227وصال ح الدين 2228واقعتان في المقطع الواقع بين في كل البيئات الواقعة في المقطع ,إذ إن البيئتين بغداد امتداد TN12العمودي على طول الضلع الواصل بين 2222وصال ح الدين 2221الواقعة في المقطع المتمثل الصنفين DT84والصنف Lee74وامتداد TN12شبه تتمثل ,DT93وقد أمتلك الصنف Lee74قمة في الشكل ويعني بصنف القمة DT84هذا يعني إن DT84أمتلك أعلى البيئتين. الطول الجانبي الذي يربط الصنف DT84بالصنفTN3 األصناف داخلة في الشكل متعدد اإلضالع .تمثل الخطوط بامتداد TN12العمودي على الخط الواصل بين DT84و TN3وامتداده العمودي على DT84 وLee74 العمودي على طول الضلع الواصل بين الصنفين M103و انه 34 أمتلك أعلى حاصل في هاتين عباس واخرون مجلة العلوم الزراعية العراقية – )2012( ،44-35 :)2(43 يمكن أن تكون هذه الحاالت أكثر ثباتا في نمط which- نوع العبور ,فاألصناف ذات قيم مكون رئيس أول األكبر ( won-whereأيهما -رابح -أين) المعتمدة على biplot يمكن أن تتميز بسهولة في البيئات ذات قيم مكون رئيس من التباين (أقل من )% 122بطريقة GGE biplotوقد والثاني الخاصين بالبيئات امتلكا قيم موجبة وسالبة ,ما تكون هذه الطريقة أكثر قوة من نقاط البيانات الفردية في يؤدي إلى ظهور تداخل بيئي وراثي من نوع العبور ,بذا البيانات الخام (األصلية) بسبب اعتماد طريقة biplotعلى تزيل االختالفات البيئية في حاصل األصناف تجاه البيئات. ) Environment Yield Trials (MEYTsتتضمن خليط وقد يمتلك تداخالت سالبة مع بيئات أخرى .بذا يكون موقع من أنواع من العبور والالعبور الخاصة بالتداخل البيئي الزراعة في بغداد لموسمين هو أفضل بيئة اختبار ,فقد الوراثي .فيمثل الشكالن نمط هذه البيئات .إذ يمتلك تحليل امتلكت قيم مكون رئيس أول كبيرة (األكثر تميي از لألصناف) المكون الرئيسي األول الخاص بالبيئات قيم موجبة فقط ,بذا وقيم مكون رئيس ثاني قريبة من ( 2األكثر تمثيال لمتوسط أول األكبر ( . )18بالمقابل فإن المكون الرئيس األول من البيانات األصلية (جدول )1,بسبب تفسير % 88.7 قد يمتلك الصنف تداخالت موجبة كبيرة مع بعض البيئات كل نقاط البيانات .من الشائع جدا إن بيانات Multi- البيئة) (.)21 يمثل المكون الرئيس األول اختالف حاصل األصناف النسبية تجاه البيئات مما يؤدي إلى تداخل بيئي وراثي من التحليل بطريقة GT biplot تحتوي طريقة GT biplotمؤشرات لثمانية أصناف يمكن إذا كانت الزاوية منفرجة (> Yan( )92و Kang تمييزها عن مؤشرات الصفات (شكل . )3إذ أن األنموذج ,)22()2223,إذ بينت طريقة biplotأكثر العالقات برو از المستخدم لعمل الرسم biplotالمشار إليه في زاوية الرسم وهي عالقة ارتباط سالبة جدا بين النسبة المئوية لالنفراط العليا من جهة اليسار مفسرة بنسبة مئوية لمحورين بطريقة % SHوحاصل البذور ) )SYوبين ارتفاع النبات ()PH , GTفقد فسرت طريقة % 43.7( % 72.3 GT biplot وعدد األيام من الزراعة إلى النضج (, )DTMكما هو للمكون الرئيس األول و % 22.2للمكون الرئيس الثاني ) واضح من الزوايا المنفرجة بين متجهات الصفات .كذلك من التباين الكلي الناتج عن تداخل األصناف × الصفات , أشارت الطريقة إلى وجود ارتباط موجب جدا بين صفات قد تمثل نسبة تباين المنخفضة العالقات المعقدة بين ارتفاع النبات ( )PHووزن 122بذرة ( )OHSWوبين عدد biplotباتجاه كل مؤشر الخاص بكل صفة من مقدرة هذه ظهر من خالل الزوايا الحادة بين متجهات الصفات وكانت الطريقة في عرض العالقات بين الصفات .يتقارب جيب أكثر الصفات ارتباطا بحاصل البذور هي عدد القرنات تمام الزاوية بين كل متجهين لصفتين من قيم معامالت بالنبات .أظهرت طريقة biplotعالقات موجبة أخرى هي بشكل كاف ,بذا تعد كل صفتين مرتبطتين إيجابا إذا كانت االنفراط المئوية ( )SH %مع بعضها البعض بشكل الزاوية بين متجههما حادة (< ,)92بينما تعد مرتبطتين سلبا موجب. القرنات بالنبات ( )PNPوبين حاصل البذور( , )SYكما الصفات المقاسة .يزيد المتجه المرسوم من نقطة أصل ارتباط ارتفاع النبات ( )PHووزن البذرة ( )OHSWونسبة االرتباط بينهما ,إذا تم تقريب البيانات بطريقة biplot 32 عباس واخرون مجلة العلوم الزراعية العراقية – )2012( ،44-35 :)2(43 يمثل شكل 4نسخة محسنة للشكل ,3إذ يوضح أن GT كان األفضل في عدد القرنات بالنبات وحاصل البذور تاله biplotيمكن أن تستخدم لتمييز األصناف على أساس الصنف M103مقارنة بالصنف . Lee74كما كان صفات متعددة فقد تكون جيدة في صفات معينة بشكل األفضل في ارتفاع النبات ووزن البذرة مقارنة بأصناف خاص ,بذا يمكن أن ترشح كآباء في تربية فول الصويا . TN12و TN3و . DT93قد ال تعكس طريقة GT , biplotوبذا يحتوي المضلع على كل األصناف المتبقية . في البيانات لكنها تعرض أكثر األنماط أهمية للبيانات تسهل الخطوط العمودية على جوانب المضلع المقارنة بين ( , )16إذ إنها أداة فعالة إلظهار العالقات المتداخلة بين رؤوس المضلع (المتجهات) ,فالصنف الواقع في نهاية صفات فول الصويا وعرض المقارنات بين األصناف على المتجه لكل مقطع يمتلك أعلى القيم لكل الصفات الواقعة أساس الصفات المتعددة .كما أنها أكثر تفسي ار ومعلوماتية الصويا .أوضحت طريقة GT biplotأن الصنف DT84 تزداد المقدرة على فهم األنماط بين الصفات. biplotالمتوسطات بشكل دقيق ألنها ال تفسر كل التباين يرسم المضلع على األصناف البعيدة عن نقطة أصل لتداخل األصناف × الصفات بعرض البيانات بالرسم ,بذا ضمن هذا المقطع ,بهذا يمكن أن ترشح كآباء لتربية فول 32 عباس واخرون )2012( ،44-35 :)2(43 – مجلة العلوم الزراعية العراقية :المصادر 1- Dehaghi,M.A. and A.Mollfilabi.2011. Evaluation of some drought resistance criteria in cumin Cuminum cyminum L. landraces. Advan. Environ. Biol.5(2): 237-242. 2- Dehghani, H., A. Ebadi and A.Yousefi. 2006. Biplot analysis of genotype by environment interaction for barley yield in Iran. Agron. J. 98: 388-393. 3- Dolatabad,S.S.,R.Choukan,E.M. Hervan and H. Dehghani. 2010. Multi- environment analysis of traits relation and hybrids comparison of maize based on genotype by trait biplot. Amer. J. Agric. Biol. Sci. 5(1): 107-113. 4- Elsahookie,M.M. and A.F.Almehemdi. 2008. Principal component analysis to test stability of cultivars across environments: A tutorial review article. Iraqi J. Agric. Sci. 39(1): 102-115. 5Fritsche-Neto, R., G.V.Miranda, R.O.Delima, H.N.de Souza. 2010. Factor analysis and SREG GGE-Biplot for the genotype X environment interaction stratification in maize. Ciencia Rural. 40(5):1043-1048. 6-Gabriel,K.R.1971. The biplot graphic display of matrices with application to principal component analysis. Biometrika 58:453-467. 7- Gauch, H.G.1988. Model selection and validation for yield trials with interaction. Biometrics 44:705-715. 8-Hamayoon, R., H.Khan, S.Shah, L.Naz, I.Munir, M.Arif, I.A.Khalil and A.Z.Khan.2011. Performance of chickpea genotypes under two different environmental conditions. Afric. J. Biotech.10(9):1534-1544. 9-Jalata,Z. 2011. GGE-Biplot analysis of multi-environment yield trials of barley Hordeum vulgare L. genotypes in southeastern Ethiopia highlands. Inter. J. Plant Breed.Genet.5(1):59-75. 35 عباس واخرون )2012( ،44-35 :)2(43 – مجلة العلوم الزراعية العراقية genotype by environment interaction. Crop Sci. 45:1004-1016. 18-Yan,W.,L.A.Hunt,Q.Sheng and Z . Szlavnics .2000. Cultivar evaluation and mega-environment investigation based on the GGE-biplot. Crop Sci.40: 597-605. 19-Yan,W.2001. GGE-biplot: A windows application for graphical analysis of multienvironment trial data and other types of twoway data. Agron. J. 93:1111-1118. 20- Yan,W. and M.S.Kang. 2003. GGE-biplot analysis: A graphical tool for breeders, geneticists and agronomists. CRC Press, Boca Raton, FL. USA. 21-Yan,W.2002.Singular-value partitioning in biplot analysis of multi-environment trial data. Agron. J. 94: 990-996. 22-Zhe,Y., J.G.Lauer, R.Borges and N. de Leon.2010. Effect of genotype X environment interaction on agronomic traits in sorghum. Crop Sci. 50: 696-702. 23Zobel, R.W., M.J.Wright and H.G.Gauch.1988. Statistical analysis of a yield trial. Agron. J.80:388-393. 10-Kaya,Y.,M.Akcura and S.Trener. 2006. GGE-Biplot analysis of multi-environment yield trials in bread wheat. Turk. J. Agric. For. 30:325-337. 11- Mohammadi, R., R.Haghparast, A.Amri and S.Ceccarelli. 2010. Yield stability of rainfed durum 42- Mujahid, M.Y., Z.Ahmad, M.Ashraf, M.A.Khan, M.Asif and M.Qamar. 2011. GGEBiplot analysis of advanced bread wheat lines across different sites of Pakistan. Pak. J. Bot. 43(1):293-299. 13-Okoye,N.M.,C.O.Okwuagwu, M.I. Uguru, C.D.Ataga and E.C.Okolo. 2007. Genotype by trait relations of oil yield in oil palm Elaeis guineensis Jacq. Based on GT-Biplot. Afric. Crop Sci. Conf. Proc. 8:723-728. 14-Peterson ,D.M ., D. M. Wesenberg, D .E . Burrup and C.A.Erickson. 2005. Relationships among agronomic traits and grain composition in oat genotypes grown in different environments. Crop Sci. 45:1249-1255. 15-Rubio,J., J.I.Cubero, L.M.Martin, M.J.Suso and F.Flores. 2004. Biplot analysis of trait relations of white lupine in Spain. Euphytica 135:217-224. 16-Yan,W. and I.Rajcan.2002. Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Sci. 42:11-20. 17-Yan,W. and N.A.Tinker.2005. An integrated system of biplot analysis for displaying, interpreting and exploring 33
© Copyright 2025