BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Ukalski Krzysztof (Szkoła Główna Gospodarstwa Wiejskiego w Warszawie), Śmiałowski Tadeusz (Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie), Ukalska Joanna (Szkoła Główna Gospodarstwa Wiejskiego w Warszawie)
Tytuł
Analiza plonowania i stabilności genotypów owsa za pomocą metody graficznej typu GGE
Yield and Stability Analysis of Oat Genotypes Using Graphical GGE Method
Źródło
Żywność: nauka - technologia - jakość, 2010, R. 17, nr 3 (70), s. 127-140, rys., tab., bibliogr. 26 poz.
Słowa kluczowe
Zboża, Towaroznawstwo żywności, Surowce roślinne
Corn, Food commodities, Raw plant materials
Uwagi
streszcz., summ.
Abstrakt
W pracy wykonano analizę plonu rodów owsa oplewionego i nieoplewionego. Dane pochodziły z doświadczeń wstępnych przeprowadzonych w 2008 r. Badano 27 rodów owsa oplewionego i 2 wzorce w 6 miejscowościach oraz 12 rodów owsa nieoplewionego i 2 wzorce w 5 miejscowościach. Do analizy plonu wykorzystano metodę graficzną biplot typu GGE (na efekty GGE składają się efekty główne genotypów G oraz efekty interakcji genotypowo środowiskowej GEI). Na podstawie wykresów biplot typu GGE scharakteryzowano genotypy oraz wskazano te o największym efekcie GGE w każdym środowisku. Spośród rodów owsa nieoplewionego we wszystkich badanych miejscowościach najwyżej plonowały i były dobrze adaptowalne: STH6264, CHD1368, a w przypadku owsa oplewionego: CHD1534, STH149, STH6038, STH12, KREZUS, POB3107. Zbadano stabilność genotypów typu dynamicznego tzn. wskazano genotypy, które nie wykazywały interakcji genotypowo środowiskowej GEI. Najbardziej stabilnymi rodami owsa nieoplewionego były: STH6294, CHD1408, CHD1438, CHD2567, CHD1368, a najmniej stabilnymi: STH108 i STH6315. Wśród rodów owsa oplewionego najbardziej stabilnymi były: CHD1156, CHD3833, STH12, CHD1193, zaś najmniej STH132 i POB3672. Określono genotyp idealny. Wśród rodów owsa nieoplewionego idealnym genotypem był STH6264, a w przypadku rodów owsa oplewionego STH12. (abstrakt oryginalny)

Under this study, a yield analysis of covered grain and naked grain oat strains was carried out. The data originated from the preliminary trial experiments accomplished in 2008. There were examined: 27 covered grain oat genotypes and 2 standards in 6 environments, and 12 naked grain oat genotypes and 2 standards in 5 environments. A graphical bi-plot method of GGE type was applied to the yield analysis (the GGE effects comprise a sum of main effects of G genotypes and the effects of GEI genotypic environmental interaction). Based on the GGE bi-plots, the genotypes were characterized and those showing the highest GGE effect in each environment were pointed out. From among the naked grain oat strains in all the environments studied, STH6264 and CHD1368 had the highest yield and were well adaptable, and as for the covered grain oat strains: CHD1534, STH149, STH6038, STH12, KREZUS, POB3107. A dynamic concept of stability was studied, i.e. those oat genotypes were identified, which did not show any genotypic environment interaction. The most stable naked grain oat strains were: STH6294, CHD1408, CHD1438, CHD2567, CHD1368 and the most unstable: STH108 and STH6315. The most stable covered grain oat strains were: CHD1156, CHD3833, STH12, CHD1193 and the most unstable STH132 and POB3672. An ideal genotype was determined. Among the naked grain oat strains, STH6264 was the most ideal genotype, whereas among the covered grain genotypes: STH12. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Annicchiarico P.: Genotype x Environment Interactions - Challenges and Opportunities for Plant Breeding and Cultivar Recommendations. Plant Production and Protection Paper 174, FAO, Rome 2002.
  2. Atlin G.N., McRae K.B., Lu X.: Genotype x region interaction for two-row barley yield in Canada. Crop Sci., 2000, 40, 1-6.
  3. Atlin G.N., Baker R.J., McRae K.B., Lu X.: Selection response in subdivadied target regions. Crop Sci., 2000, 40, 7-13.
  4. Baker R.J.: Genotype-environment interactions. (http:/homepage.usask.ca/~rjb609/gxe.html) 2002.
  5. Gabriel K.R.: The biplot graphic display of matrices with application to principal component analysis. Biometrika, 1971, 58, 453-467.
  6. Gauch G.H., Zobel R.W.: Interpreting mega-environments and targeting genotypes. Crop Sci., 1997, 37, 311-326.
  7. Hill J., Becker H.C., Tigerstedt P.M.A.: Quantitative and ecological aspects of plant breeding. Chapmann and Hall, London 1998.
  8. Jankowski P., Zieliński A., Mądry W.: Analiza interakcji genotyp-środowisko dla pszenicy ozimej z wykorzystaniem metody graficznej biplot typu GGE. Część I. Metodyka. Biuletyn IHAR, 2006, 240/241, 51-60.
  9. Kang M. S.: Genotype-environment interactions: Progress and procpects. In: M.S. Kang (Ed), Quantitative Genetics, Genomics and Plant Breeding, CAB International Wallingford, UK 2002, pp. 221-243.
  10. Khattree R., Naik D.N.: Multivariate data reduction and discrimination with SAS software. SAS Institute Inc., Cary, NC 2000.
  11. Krzanowski W.: Principles of multivariate analysis. A user's perspactive. Clarendon Press, Oxford 1988.
  12. Lin C.S., Binns M.R.: Concepts and methods for analyzing regional trial data for cultivar and location selection. Plant Breeding Reviews, 1994, 12, 271-297.
  13. Littell R.C., Milliken G.A., Stroup W.W., Wolfinger R.D.: SAS system for mixed models. SAS Institute Inc., Cary, NC 1996.
  14. Matus-Cadiz M.A., Hucl P., Perron C.E., Tyler R.T.: Genotype x environment interaction for grain color in hard white spring wheat. Crop Sci., 2003, 43, 219-226.
  15. Mądry W., Talbot M., Ukalski K., Drzazga T., Iwańska M.: Podstawy teoretyczne znaczenia efektów genotypowych i interakcji w hodowli roślin na przykładzie pszenicy ozimej. Biuletyn IHAR, 2006, 240/241, 13-32.
  16. Samonte S.O.P. B., Wilson L.T., McClung A.M., Medley J.C.: Targeting cultivars onto rice growing environments using AMMI and SREG GGE biplot analysis. Crop Sci., 2005, 45, 2414-2424.
  17. SAS/STAT User's Guide, Version 9.1. SAS Institute, Cary NC 2004.
  18. Simmonds N.W., Smartt J.: Principles of Crop Improvemnt. Blackwell Science, Oxford 1999.
  19. Voltas J., Eeuwijk F., Igartua E., Garcia del Moral L.F., Molina-Cano J.L., Romagosa I.: Genotype by environment interaction and adaptation in barley breeding: basic concepts and methods of analysis. In: Barley science recent advances from molecular biology to agronomy of yield and quality (Eds.: G.A. Slaver, J.L. Molina-Cano, R. Savin, J.L. Araus and I. Romagosa). The Haworth Press, NY 2002, pp. 205-241.
  20. Yan W.: Singular-value partitioning in biplot analysis of multienvironment trial data. Agron. J., 2002, 94, 990-996.
  21. Yan W., Cornelius P.L., Crossa J., Hunt L.A.: Two types of GGE biplots for analyzing multienvironment trial data. Crop Sci., 2001, 41, 656-663.
  22. Yan W., Hunt L.A.: Interpretation of genotype x environment interaction for winter wheat yield in Ontario. Crop Sci., 2001, 41, 19-25.
  23. Yan W., Hunt L. A., Johnson P., Stewart G., Lu X.: On-farm strip trials vs. Replicated performance trials for cultivar evaluation. Crop Sci., 2002, 42, 385-392.
  24. Yan W., Hunt L.A., Sheng Q., Szlavnics Z.: Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Sci., 2000, 40, 597-605.
  25. Yan W., Kang M.S.: GGE biplot analysis: a graphical tool for breeders, genetics and agronomists. CRC Press, Boca Raton, FL 2003.
  26. Yan W., Rajcan I.: Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Sci., 2002, 42, 11-20.
Cytowane przez
Pokaż
ISSN
2451-0769
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu