تنوع ژنتیکی هیبریدهای ذرت از گروه زودرس بر اساس صفات فنولوژیکی و زراعی با استفاده از روش‌های آماری چند متغیره

نوع مقاله : مقاله پژوهشی

نویسندگان

1 بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اردبیل، سازمان تحقیقات، آموزش و ترویج کشاورزی، مغان، ایران

2 موسسه تحقیقات اصالح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

چکیده

مقدمه: ذرت یکی از مهم­ترین محصولات کشاورزی در جهان است. این ماده منبع اصلی غذایی برای انسان­ها و حیوانات است. ذرت زودرس برای کشت در مناطقی با فصل رشد کوتاه مناسب است. هیبریدهای ذرت که از تلاقی دو یا چند لاین خالص ایجاد می­شوند، عملکرد بالاتری نسبت به ذرت­های خالص دارند. بهبود عملکرد ذرت از طریق اصلاح ژنتیکی، یکی از راه­های اصلی افزایش تولید این محصول است. پژوهش حاضر با هدف ارزیابی ارقام مختلف ذرت از گروه زودرس جهت شناسایی برترین هیبرید بر اساس صفات فنولوژیکی و زراعی طی دو سال زراعی در منطقه مغان اجرا گردید.
مواد و روش‌ها: در این پژوهش، نه هیبرید ذرت شامل H1 (KE 79017/5111× K1264/5-1)، H2 (KE72012/12× B73)، H3 (KE76009/311× B73)، H4 (KE77003/3× B73)، H5 (KE79015/6222× B73)، H6 (OH43/1-42× B73)، H7 (K1263/17× S61)، H8 (KE72012/12× K1263/1) و H9 (KE76009/311× K1264/5-1) در قالب طرح پایه بلوک­های کامل تصادفی در سه تکرار طی دو سال زراعی 1401 و 1402 در ایستگاه تحقیقات کشاورزی مغان مورد مطالعه قرار گرفت. در این پژوهش، صفات فنولوژیکی، مورفولوژیکی، عملکرد و اجزای عملکرد دانه با استفاده از روش­های آماری چند متغیره جهت شناسایی برترین هیبرید­ها از گروه زودرس مورد بررسی قرار گرفتند.
یافته‌ها: نتایج نشان داد که اختلاف معنی­دار بین هیبریدها از نظر صفات روز از سبز شدن تا ظهور کاکل، روز تا رسیدن فیزیولوژیکی، ارتفاع بلال، تعداد دانه در ردیف بلال، تعداد ردیف دانه در بلال، قطر بلال، قطر چوب بلال، وزن صد دانه، عملکرد بلال و عملکرد دانه وجود داشت. مقایسه میانگین برهمکنش سال در هیبرید ذرت نشان داد که هیبرید H6 (OH43/1-42× B73)، برترین هیبرید از لحاظ ارتفاع بوته، ارتفاع بلال، عمق دانه، قطر بلال و قطر چوب بلال در هر دو سال زراعی  بود. بر اساس صفات فنولوژیکی، هیبریدهای H7 (K1263/17× S61) و H2 (KE72012/12× B73) با عملکرد بلال 78/9 تن در هکتار و عملکرد دانه 71/8 تن در هکتار برترین هیبریدها در بین هیبریدهای مورد ارزیابی از گروه زودرس بودند. همبستگی بین صفات فنولوژیکی و زراعی با عملکرد دانه نشان داد که عملکرد دانه ارتباط مثبت و معنی­دار با عملکرد بلال و قطر بلال دارد. تجزیه خوشه­ای، 9 هیبرید ذرت را بر اساس صفات فنولوژیکی و زراعی در دو گروه متفاوت تقسیم­بندی کرد، به­طوریکه هیبریدهای H1 (KE 79017/5111× K1264/5-1)، H2 (KE72012/12× B73)، H6 (OH43/1-42× B73) و H7 (K1263/17× S61) با عملکرد بالا در یک گروه قرار گرفتند. تجزیه به مؤلفه­های اصلی صفات فنولوژیکی، موفولوژیکی، عملکرد و اجزای عملکرد دانه نشان داد که هیبرید H2 (KE72012/12× B73) با بالاترین عملکرد دانه ،جزء پایدارترین و برترین هیبریدها در مطالعه حاضر شناسایی شد.
نتیجه‌گیری: هیبریدهای ذرت از گروه زودرس در پژوهش حاضر از تنوع ژنتیکی بالایی برخوردار بودند به­طوریکه افراد دارای والد پدری مشترک با خصوصیات زراعی یکسان در یک گروه قرار گرفتند. که نشان از هدفمند بودن تلاقی­های ذرت مورد ارزیابی با تکیه بر افزایش عملکرد دانه انجام گرفته است. بر اساس نتایج حاصل، هیبریدH2 (KE72012/12× B73) جزء بهترین هیبریدها با عملکرد و قابلیت ترکیب­پذیری بالا برای منطقه مغان معرفی شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Genetic diversity of early maturing corn hybrids based on phenological and agronomic traits using multivariate statistical methods

نویسندگان [English]

  • Sajjad Moharramnejad 1
  • Mohammadreza Shiri 2
1 Crop and Horticultural Science Research Department, Ardabil Agricultural and Natural Resources Research and Education Center, AREEO, Moghan, Iran
2 Seed and Plant Improvement Institute, Agricultural Research Education and Extension Organization (AREEO): Karj, Iran
چکیده [English]

Introduction: Corn is one of the most important crops in the world. This commodity is a primary source of food for both humans and animals. Early-maturing corn grows during the early stages of the growing season. This corn variety is suitable for cultivation in regions with a short growing season. Corn hybrids created by crossing two or more pure lines, have a higher grain yield than pure varieties. Improving corn performance through genetic modification is one of the main ways to increase the production of this crop. The present study aimed to evaluate different early-maturing corn varieties to identify the superior hybrid based on phenological and agronomic traits over two growing seasons in the Moghan region.
Materials and methods: In this study, nine corn hybrids, including H1 (KE 79017/5111× K1264/5-1), H2 (KE72012/12× B73), H3 (KE76009/311× B73), H4 (KE77003/3× B73), H5 (KE79015/6222× B73), H6 (OH43/1-42× B73), H7 (K1263/17× S61), H8 (KE72012/12× K1263/1), and H9 (KE76009/311× K1264/5-1), were evaluated in a randomized complete block design with three replications over two growing seasons (2021 and 2022) at the Moghan Agricultural Research Station. This research assessed phenological, morphological, yield, and yield components using multivariate statistical methods to evaluate the superior early-maturing corn hybrids.
Results: The findings revealed significant variations among the hybrids in days from emergence to silk emergence, days to physiological maturity, ear height, number of kernels per row, number of kernel rows per ear, ear diameter, cob diameter, hundred-grain weight, ear yield, and grain yield. The traits of plant height, ear height, kernel depth, ear diameter, and cob diameter were also significantly different across the two growing seasons (2022 and 2023). The mean comparison of the year-by-hybrid interaction showed that the hybrid H6 (OH43/1-42× B73) was the best hybrid in terms of plant height, ear height, kernel depth, ear diameter, and cob diameter in both growing seasons. Based on the phenological traits, the hybrids H7 (K1263/17× S61) with 9.78 ton per hectare ear yield and H2 (KE72012/12× B73)  with 8.71 ton per hectare grain yield showed the best performance among the earliest maturing hybrids. The correlation analysis between the phenological and agronomic traits and the grain yield of the early-maturing hybrids showed that the grain yield had a positive significant correlation with ear yield and ear diameter. The cluster analysis of the nine maize hybrids based on the phenological and agronomic traits divided them into two distinct groups. High-yielding hybrids H1 (KE 79017/5111× K1264/5-1), H2 (KE72012/12× B73), H6 (OH43/1-42× B73), and H7 (K1263/17× S61) were grouped in a distinct cluster. The principal component analysis of the phenological, morphological, yield, and yield components traits for the nine maize hybrids revealed that the hybrid H2 (KE72012/12× B73) with the highest grain yield was among the most stable and superior hybrids among the early-maturing group in the present study.
Conclusion: The early-maturing maize hybrids in this study demonstrated high genetic diversity. Hybrids with a common paternal parent and similar agronomic traits were grouped in a distinct cluster. This reflects the purposeful nature of the evaluated maize crosses, aimed at enhancing grain yield. Based on the results, the hybrid H2 (KE72012/12× B73) has been identified as one of the best-performing hybrids, exhibiting superior yield and combining ability for the Moghan region.

کلیدواژه‌ها [English]

  • Cluster
  • Correlation
  • Grain yield
  • Hybrid
  • Principal component analysis
Ahmad, I., Ahmad, B., Boote, K. & Hoogenboom, G. 2020. Adaptation strategies for maize production under climate change for semi-arid environments. European Journal of Agronomy, 115, 126040. https://doi.org/10.1016/j.eja.2020.126040
Al-Naggar, A., Shafik, M., Musa, R. J. A. R. & Biology, R. 2020. Genetic diversity based on morphological traits of 19 maize genotypes using principal component analysis and GT biplot. Annual Research & Reviewe in Biology, 35 (2), 68-85. https://doi.org/10.9734/arrb/2020/v35i230191
Anonymous. 2023. https://amar.maj.ir/page-amar/FA/65/form/pId3352. (In Persian).
Beiragi, M. A., Ebrahimi, M., Mostafavi, K., Golbashy, M. & Khorasani, S. K. 2011. A study of morphological basis of corn (Zea mays L.) yield under drought stress condition using correlation and path coefficient analysis. Journal of Cereals and Oilseeds, 2(2), 32-37. https://doi.org/10.5897/JCO.9000001
Beyene, Y., Gowda, M., Pérez-Rodríguez, P., Olsen, M., Robbins, K. R., Burgueño, J., Prasanna, B. M. & Crossa, J. 2021. Application of genomic selection at the early stage of breeding pipeline in tropical maize. Frontiers in Plant Science, 12, 685488. https://doi.org/10.3389/fpls.2021.685488
Choukan, R., Hosseinzadeh, A., Ghanadha, M., Taleei, M. & Mohammadi, S. 2005. Classification of maize inbred lines based on morphological traits. Seed and Plant Journal, 21(1), 139-139. (In Persian). https://doi.org/10.22092/SPIJ.2017.110799
Erenstein, O., Jaleta, M., Sonder, K., Mottaleb, K. & Prasanna, B. M. 2022. Global maize production, consumption and trade: trends and R&D implications. Food Security, 14(5), 1295-1319. https://doi.org/10.1007/s12571-022-01288-7
Erfani Moghadam, Z., Fotovat, R., Mohseni Fard, E. and Rodriguez, V. 2023. Genetic analysis of grain yield and related traits in maize (Zea mays L.) using graphical diallel analysis. Cereal Research, 13(2), pp. 129-143. (In Persian). https://doi.org/10.22124/CR.2023.24880.1774
Gezahegn, A. M. 2021. Role of integrated nutrient management for sustainable maize production. International Journal of Agronomy, 2021(1), 9982884. https://doi.org/10.1155/2021/9982884  
Kaman, H., Kirda, C. & Sesveren, S. 2011. Genotypic differences of maize in grain yield response to deficit irrigation. Agricultural Water Management, 98(5), 801-807. https://doi.org/10.1016/j.agwat.2010.12.003
Khan, R., Gao, F., Khan, K., Shah, M. A., Ahmad, H., Fan, Z. P. & Zhou, X. 2024. Evaluation of maize varieties via multivariate analysis: Roles of ionome, antioxidants, and autophagy in salt tolerance. Plant Physiology, 38865493. https://doi.org/10.1093/plphys/kiae335
Lindsey, A. J., Minyo, R., Geyer, A. B. & Thomison, P. R. 2020. Comparing the agronomic performance of short-season and commonly grown corn hybrid maturities in Ohio. Crop, Forage &Turfgrass Management, 6, e20019. https://doi.org/10.1002/cft2.20019
Moharramnejad, S. & Shiri, M. 2020. Study of genetic diversity in maize genotypes by ear yield and physiological traits. Journal of Crop Breeding, 12(35), 30-40. (In Persian). https://doi.org/10.52547/jcb.12.35.30 
Moharramnejad, S., Shiri, M. R. & Parchami-Araghi, F. 2022. Evaluation of stability of FAO 600 corn hybrids by grain yield and its components. Journal of Agricultural Science and Sustainable Production, 32(2), 299-312. (In Persian). https://doi.org/10.22034/SAPS.2022.49312.2786
Omar, M., Rabie, H. A., Mowafi, S. A., Othman, H. T., El-Moneim, D. A., Alharbi, K., Mansour, E. & Ali, M. M. 2022. Multivariate analysis of agronomic traits in newly developed maize hybrids grown under different agro-environments. Plants, 11(9), 1187. https://doi.org/10.3390/plants11091187
Piran, M., Asghari, A., Moharramnejad, S. & Mohammaddoust Chaman Abad, H. 2021. Evaluation of diversity to selecting best maize hybrids. Journal of Crop Breeding, 13(39), 98-107. (In Persian). https://doi.org/10.52547/jcb.13.39.98
Rizzo, G., Monzon, J. P., Tenorio, F. A., Howard, R., Cassman, K. G. & Grassini, P. 2022. Climate and agronomy, not genetics, underpin recent maize yield gains in favorable environments. Agricultural Sciences, 119(4), e2113629119. https://doi.org/10.1073/pnas.211362911
Ruzbehani, A., Bsaki, T., Karami, S. & Azizi, F. 2018. Evaluation of promising forage maize hybrids under Markazi province climatic condition. Applied Field Crops Research, 31(1), 87-92. (In Persian). https://doi.org/10.22092/AJ.2018.121177.1265
Shiri, M., Moharramnejad, S., Estakhr, A., Fareghi, S., Najafinezhad, H., Khavari Khorasani, S., Afarinesh, A., Anvari, K., Eshraghi-Nejad, M., & Mohseni, M. J. J. O. C. B. (2024). Determining the stability of new maize hybrids with WAASBY and MTSI indices. Journal of Crop Breeding, 16(2), 14-28. (In Persian). https://doi.org/10.61186/jcb.16.2.14
Zhang, Z., Wei, J., Li, J., Jia, Y., Wang, W., Li, J., Lei, Z. & Gao, M. 2022. The impact of climate change on maize production: Empirical findings and implications for sustainable agricultural development. Frontiers in Environmental Science, 10, 954940. https://doi.org/10.3389/fenvs.2022.954940.