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