2

fa ارزیابی صفات مؤثر بر عملکرد دانه و گزینش ژنوتیپ‌های برتر کاملینا در شرایط دیم Evaluation of traits affecting seed yield and selection of superior camelina genotypes under rainfed Conditions اکوفیزیولوژِی Ecophysiology پژوهشي Research <div style="text-align: justify;">مقدمه: کاملینا به ‌عنوان یک گیاه دانه روغنی، دارای ویژگی‌های زراعی منحصر به فردی و ظرفیت بالایی برای کشت در شرایط دیم است. در شرایط تغییر اقلیم و محدودیت منابع آب، شناسایی ژنوتیپ‌های سازگار و پربازده مناسب برای کشت در شرایط دیم اهمیت ویژه‌ای دارد. گزینش ژنوتیپ‌های مطلوب از طریق ارزیابی روابط بین صفات مختلف و ارزیابی همزمان براساس مجموعه‌ای از صفات، رویکردی کارآمد در برنامه‌های اصلاحی محسوب می‌شود. بنابراین، هدف از این تحقیق ارزیابی صفات مرتبط با عملکرد دانه و شناسایی ژنوتیپ‌های برتر کاملینا در شرایط دیم با بهره‌گیری از ماتریس ضرایب همبستگی پیرسون و تحلیل خوشه‌ای مبتنی بر نقشه حرارتی و شاخص طراحی ایدئوتیپ از طریق پیش‌بینی نااریب بهترین خط (FAI-BLUP) بود. مواد و روش‌ها: در این تحقیق 28 ژنوتیپ کاملینا در ایستگاه ملی تحقیقات کشاورزی و تولید بذر دیم گنبد کاووس به مدت دو سال زراعی (1403-1401) در قالب طرح بلوک کامل تصادفی با سه تکرار مورد ارزیابی قرار گرفتند. نحوه کشت به صورت دستی و سطحی بود و همچنین کنترل علف‌های هرز نیز به صورت دستی انجام شد. صفات تعداد روز تا گلدهی، روز تا رسیدگی، ارتفاع بوته، ارتفاع شاخه‌بندی، تعداد شاخه جانبی، تعداد خورجینک در شاخه اصلی، تعداد خورجینک در شاخه فرعی، تعداد کل خورجینک در بوته، تعداد دانه در خورجینک، وزن هزار دانه و عملکرد دانه محاسبه گردید. تجزیه و تحلیل‌های آماری شامل تجزیه واریانس مرکب و مقایسه میانگین با استفاده از نرم‌افزارهای SAS ver 9.4 انجام شد. همچنین برای ترسیم ماتریس ضرایب همبستگی پیرسون و تحلیل خوشه‌ای مبتنی بر نقشه حرارتی و محاسبه شاخص FAI-BLUP از نرم‌افزار RStudio استفاده گردید. نتایج: نتایج تجزیه واریانس مرکب نشان داد اثر سال، ژنوتیپ و اثر متقابل ژنوتیپ × سال برای تمامی صفات در سطح احتمال 1 درصد معنی‌دار بود. مقایسه میانگین‌ها نشان داد که ژنوتیپ‌های کاملینا تفاوت قابل توجهی از نظر کلیه صفات مورد مطالعه و عملکرد دارند؛ به‌گونه‌ای که بیشترین عملکرد دانه مربوط به ژنوتیپ‌های 3، 17، 18، 23، 19، 25 و20 بود. ژنوتیپ شماره 10 دارای بیشترین تعداد خورجینک در بوته بود و ژنوتیپ‌های 3 و 10 به ترتیب دارای بیشترین و کمترین وزن هزار دانه بودند. نتایج همبستگی بین صفات نشان داد عملکرد دانه با صفات تعداد کل خورجینک در بوته و تعداد خورجینک در شاخه اصلی و شاخه فرعی همبستگی مثبت و قوی دارد. نتایج تحلیل خوشه‌ای مبتنی بر نقشه حرارتی منجر به شناسایی سه خوشه اصلی شد؛ که خوشه اول (ژنوتیپ‌های 3، 4، 10، 11، 14، 15، 17، 18، 19 و 26) در اکثر صفات اندازه‌گیری شده دارای مقادیر بالایی بودند. براساس شاخص FAI-BLUP ژنوتیپ‌های‌ 19، 23، 12 و 17 به‌عنوان ژنوتیپ‌های برتر شناسایی شدند. نتیجه‌گیری کلی: روابط همبستگی صفات نشان داد صفات تعداد خورجینک در شاخه اصلی و شاخه فرعی و وزن هزار دانه می‌توانند به‌عنوان شاخص‌های انتخاب غیرمستقیم برای بهبود عملکرد در شرایط دیم مورد استفاده قرار گیرند. نتایج تحلیل خوشه‌ای مبتنی بر نقشه حرارتی و شاخص FAI-BLUP نشان داد ژنوتیپ‌های 3، 10، 12، 17، 18، 19، 23 و 25 با عملکرد بالا (2819، 2475، 2487، 2740، 2627، 2569، 2586 و 2539 کیلو گرم در هکتار) به‌عنوان ژنوتیپ‌های برتر گزینش شدند. در مجموع، این ژنوتیپ‌ها در اکثر شاخص‌ها و صفات زراعی برتر بودند و می‌توانند به عنوان منابع ژنتیکی ارزشمند در برنامه‌های به‌نژادی باشند. </div> <div style="text-align: justify;">Introduction: Camelina, as an oilseed crop, possesses unique agronomic traits and a high potential for cultivation under dryland conditions. In the context of climate change and limited water resources, identifying high-yielding and well-adapted genotypes suitable for dryland farming is of particular importance. Selecting superior genotypes through the evaluation of interrelationships among traits and simultaneous assessment based on a set of traits represents an efficient approach in breeding programs. Therefore, the objective of this study was to evaluate yield-related traits and identify superior camelina genotypes under dryland conditions by employing Pearson’s correlation matrix, cluster analysis based on heatmap visualization, and the factor analysis ideotype-design-best linear unbiased prediction (FAI-BLUP) index. Materials and methods: In this study, 28 camelina genotypes were evaluated at the National Agricultural Research Station and Dryland Seed Production of Gonbad-e Kavus over two cropping seasons (2021–2023) using a randomized complete block design (RCBD) with three replications. Sowing was performed manually and at shallow depth, and weed control was also carried out manually. The recorded traits included days to flowering, days to ripening, plant height, branching height, number of sub-branches, number of pods on the main branch, number of pods on the sub-branch, number of pods per plant, number of seeds per pod, thousand-kernel weight, seed yield. Statistical analyses comprised combined analysis of variance and mean comparison using SAS software (version 9.4). In addition, Pearson’s correlation matrix, cluster analysis based on heatmap visualization, and calculation of the FAI-BLUP index were performed using RStudio.   Results: The combined analysis of variance revealed that the effects of year, genotype, and the genotype × year interaction were significant (p < 0.01) for all traits. Mean comparison indicated substantial differences among camelina genotypes in all studied traits and seed yield. The highest seed yield was recorded for genotypes 3, 17, 18, 23, 19, 25, and 20. Genotype 10 exhibited the greatest number of siliques per plant, while genotypes 3 and 10 had the highest and lowest thousand-seed weights, respectively. Correlation analysis demonstrated that seed yield was strongly and positively associated with the total number of siliques/pods per plant, as well as the number of pods on both the main branch and sub-branch. Cluster analysis based on heatmap visualization identified three major groups, with the first cluster (genotypes 3, 4, 10, 11, 14, 15, 17, 18, 19, and 26) showing high values across most measured traits. According to the FAI-BLUP index, genotypes 19, 23, 12, and 17 were identified as superior. Conclusion: Correlation analysis indicated that the number of pods on the main branch and sub-branch, and thousand-kernel weight can serve as indirect selection indices for improving seed yield under dryland conditions. Cluster analysis based on heatmap visualization and the FAI-BLUP index identified genotypes 3, 10, 12, 17, 18, 19, 23, and 25 as superior, with high seed yields of 2819, 2475, 2487, 2740, 2627, 2569, 2586, and 2539 kg·ha⁻¹, respectively. Overall, these genotypes exhibited favorable performance across multiple agronomic traits and can serve as valuable genetic resources in breeding programs.</div> کاملینا, کشت دیم, عملکرد دانه, تغییر اقلیم Camelina, dryland cultivation, seed yield, climate change 1 12 http://arpe.gonbad.ac.ir/browse.php?a_code=A-10-34-118&slc_lang=fa&sid=1 Hossein Ahmadi Ochtapeh حسین احمدی اوچ‌تپه 10031947532846003097 10031947532846003097 Yes Hossein Rostami Ahmadvandi حسین رستمی احمدوندی 10031947532846003098 10031947532846003098 No Mehdi Jamshid Moghaddam مهدی جمشیدمقدم 10031947532846003099 10031947532846003099 No