استفاده از مدل های رگرسیونی برای شناسایی صفات گیاهی مرتبط با عملکرد دانه ژنوتیپ های باقلا (Vicia faba L.)

در برنامه های به نژادی، برآورد میزان افزایش عملکرد بر اساس تغییر در صفات موثر گیاهی از اهمیت بالایی برخوردار است که با استفاده از مدل سازی رگرسیونی می توان آنها را شناسایی کرد. به همین منظور 52 ژنوتیپ متنوع باقلا در یک آزمایش در قالب طرح بلوک های کامل تصادفی با سه تکرار در بهار سال 1393 در ایستگاه تحقیقات کشاورزی و منابع طبیعی گرگان مورد ارزیابی قرار گرفتند. نتایج تجزیه رگرسیونی نشان داد که عملکرد دانه می تواند از 1665 کیلوگرم در هکتار تا 2880 کیلوگرم در هکتار (1215 کیلوگرم در هکتار) افزایش یابد. بر اساس نتایج، تغییر در چهار صفت گیاهی؛ ارتفاع بوته، تعداد غلاف در بوته، تعداد دانه در غلاف و تعداد روز تا گل دهی، می توانند باعث افزایش عملکرد دانه ژنوتیپ های باقلا شوند. نتایج نشان داد که اثر مثبت مطلوب سازی صفات یاد شده با دامنه افزایش عملکرد دانه مشاهده شده در آزمایش مزرعه ای، مطابقت داشته و بین صفات نیز همبستگی منفی وجود نداشت. سهم هر یک از صفات در افزایش عملکرد برای ارتفاع بوته 503 کیلوگرم در هکتار، تعداد غلاف در بوته 344 کیلوگرم در هکتار، تعداد دانه در غلاف 327 کیلوگرم در هکتار و تعداد روز تا گل دهی 41 کیلوگرم در هکتار بود. نتایج این آزمایش نشان داد که با استفاده از مدل سازی رگرسیونی می توان سودمندی برنامه های به نژادی باقلا را در منطقه اجرای آزمایش بهبود داد.