وبلاگ

1. ضریب تشخیص رگرسیون خطی (Ri2)

در سال ۱۹۷۳ پنتوس برای تعیین پایداری استفاده از ضریب تشخیص به جای مربعات انحراف از میانگین در روش رگرسیون را ارائه نمود زیرا ri2 به شدت وابسته به S2di می باشد.

ژنوتیپی پایدار است که ضریب تشخیص آن کم باشد (Pinthus, 1973). مزیت این روش نبود واحد اندازه گیری بوده و واحد اندازه گیری در آن تاثیر ندارد و بر اساس این روش ژنوتیپ پایدار دارای حداکثر میزان ضریب تبیین می باشند.

1. گزینش همزمان برای عملکرد و پایداری (i SY)

جز پایداری در i SY بر اساس آماره واریانس پایداری شوکلا (Shukla, 1972) می باشد که واریانس پایداری مقدار سهم هر ژنوتیپ را در کل اثر متقابل ژنوتیپ در محیط مربوط به کلیه ژنوتیپ های مورد آزمایش را مشخص می کند، به علاوه این مقدار می تواند به عنوان عملکرد ژنوتیپ در یک محیط معین یا به عنوان مقدار نسبی عملکرد دیگر ژنوتیپ های تحت آزمایش در نظر گرفته شود. با ادغام دو روش غیرپارامتری رتبه بندی (Kang, 1998) و پارامتری واریانس پایداری شوکلا (Shukla, 1972)، روش گزینش همزمان برای عملکرد و پایداری (Kang, 1993) معرفی شد و در این روش ابتدا ژنوتیپ ها بر اساس عملکردشان مرتب می شوند. بدین ترتیب ژنوتیپی که بالاترین عملکرد را تولید نموده از نظر مقداری بالاترین رتبه و ژنوتیپ با پایین ترین عملکرد رتبه یک را به خود اختصاص می دهد با توجه به آماره پایداری شوکلا (Shukla, 1972) و روش رتبه بندی (Kang, 1998) در نهایت عملکرد و پایداری ژنوتیپ ها تعیین می گردد.

1. روش غیرپارامتری رتبه بندی:

طبق این روش لاین و ژنوتیپ دارای بالاترین عملکرد رتبه اول را داشته و بقیه ژنوتیپ ها به ترتیب مقدار عملکرد رده بندی خواهند شد. ژنوتیپ هایی که دارای کمترین میانگین در رتبه بندی و کمترین انحراف معیار را داشته باشد به عنوان ژنوتیپ و لاین پایدار شناخته می شود (Kang, 1998).

1. روش AMMI:

روش چند متغیره بر خلاف روش های کلاسیک ساختار درونی داده ها را به روشنی نمایان کرده و مشخص می کند کدام روش آماری برای تست داده ها مناسب است (Gauch, 1982b). جهت به کارگیری هر دو مدل جمع پذیر و ضرب پذیر در ارزیابی ارقام مدل توام اثرات اصلی جمع پذیر اثرات متقابل ضرب پذیر ارائه شده است (Gauch and Zobel, 1996). این روش به دلیل سه هدف عمده به کار گرفته می شود: ۱) مدل تشخیصی است و سودمندی بیشتری در مقایسه با سایر روش ها دارد زیرا ابزاری جهت تشخیص سایر مدل های فرعی را فراهم می آورد. ۲) بیان ماهیت اثر متقابل رقم و محیط را ایجاد می کند.۳) دقت برآورد عملکرد را همانند نقش افزایش تکرار در آزمایشات افزایش می دهد (Crossa, 1990).
مدل AMMI به شرح زیر می باشد:

عملکرد ژنوتیپ iام در محیط jام برای تکرار r،  میانگین ژنوتیپ iام منهای میانگین کل،  میانگین محیط jام منهای میانگین کل،  مجذور مربعات مقادیر ویژه kامین مولفه حاصل از تجزیه به مولفه های اصلی،  و  بردارهای مولفه های اصلی برای kامین مولفه ژنوتیپ iام و محیط jام حاصل از تجزیه به مولفه های اصلی،  باقیمانده،  اشتباه مدل.

1. مدل GGE Biplot

مفهوم بای پلات اولین با توسط گابریل در سال ۱۹۷۱ پیشنهاد شده است (Gabriel, 1971). مدل GGE بای پلات، مدلی گرافیکی است که اثر متقابل ژنوتیپ در محیط را در آزمایش های چند مکانی به نمایش می گذارد. مدل پایه ای برای GGE بای پلات به صورت زیر است:

میانگین عملکرد ژنوتیپ i در محیط j،  میانگین عملکرد همه ژنوتیپ ها در محیط j،  و  به ترتیب مقادیر ویژه اولین و دومین مولفه اصلی،  و  به ترتیب مقادیر مولفه اصلی اول و دوم برای ژنوتیپ iام،  و  به ترتیب مقادیر مولفه اصلی برای محیط jام ،  مقدار باقیمانده ژنوتیپ iام در محیط jام .(Yan, 2001)
3-3- تجزیه مسیر
تجزیه مسیر ضرایب همبستگی کل را به اثرات مستقیم و غیر مستقیم صفات مختلف تفکیک می کند و به فهم رابطه بین متغیرها بر پایه یک مدل اولیه کمک می کند. ضرایب مسیر مستقیم و غیر مستقیم همانطور که توسط لینچ و والش توصیف شده محاسبه می شود. جهت تعیین ارزش های ضریب مسیر
ماتریس مربع ضرایب همبستگی بین صفات مستقل در همه جفت های ممکن وارونه شده و سپس به وسیله ضرایب همبستگی بین صفات وابسته و مستقل ضرب می شوند (Lynch and Walsh, 1998). در آخر همبستگی های ژنتیکی توسط روش ضریب مسیر تجزیه و تحلیل می شود. این تکنیک ضرایب همبستگی را توسط ویژگی ها یا مسیرهای متناوب به اثرات مستقیم و غیر مستقیم تقسیم می کند و بنابراین بررسی مفیدی از اجزای موثر بر همبستگی های موجود را فراهم می کند و در تنظیم استراتژی موثر انتخاب مفید خواهد بود (Shipley, 1997).
فصل چهارم
نتایج و بحث

1. نتایج و بحث

۴-۱- تجزیه واریانس مرکب عملکرد دانه در مکان ها
نتایج حاصل از تجزیه واریانس عملکرد در هر مکان طی دو سال زراعی در جدول ۴-۱ نشان داده شده است. آزمون F برای معنی داری کلیه منابع تغییرات با بهره گرفتن از امید ریاضی میانگین مربعات با فرض ثابت بودن اثر ژنوتیپ و تصادفی بودن اثر سال انجام گرفت. اثر سال به جز ایستگاه های زنجان، مشهد، تبریز و اقلید در بقیه مناطق معنی دار بود (کرج، اراک، جلگه رخ، میاندوآب در سطح یک درصد و همدان، اردبیل و قزوین در سطح پنج درصد) بنابراین در بین سال ها اختلاف از نظر عملکردی وجود داشته است. بین ژنوتیپ ها در تمام مناطق آزمایش به جز ایستگاه زنجان اختلاف معنی داری از نظر عملکرد وجود داشت. از آنجائیکه اثر ژنوتیپ در سطوح مختلف پنج درصد و یک درصد معنی دار گشتند بنابراین در بین ژنوتیپ ها تنوع ژنتیکی وجود داشت. اثر متقابل ژنوتیپ × سال نیز در برخی ایستگاه ها از جمله اراک، قزوین، مشهد، جلگه رخ، اردبیل و میاندوآب در سطح یک درصد معنی دار شد که نشان از تفاوت موجود بین ژنوتیپ ها از سالی به سال دیگر می باشد ولی در بقیه ایستگاه ها این اثر غیر معنی دار گردید. در بین مکان ها جلگه رخ و قزوین با ۷۶۰۳ و ۵۸۵۳ کیلوگرم در هکتار به