Plonowanie odmian pszenicy ozimej w różnych środowiskach — jednoroczna seria PDOiR
Wiesław Mądry
wieslaw_madry@sggw.ed.plKatedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa (Poland)
Jakub Paderewski
Katedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa (Poland)
Jan Rozbicki
Katedra Agronomii, SGGW, Warszawa (Poland)
Dariusz Gozdowski
Katedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa (Poland)
Jan Golba
Katedra Agronomii, SGGW, Warszawa (Poland)
Mariusz Piechociński
Katedra Agronomii, SGGW, Warszawa (Poland)
Marcin Studnicki
Katedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa (Poland)
Adriana Derejko
Katedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa (Poland)
Abstrakt
Celem pracy jest odpowiednie przygotowanie i przedstawienie statystycznej metodyki wnioskowania o adaptacyjnej reakcji odmian na zróżnicowane warunki środowiskowe w miejsco-wościach, na podstawie danych kompletnych z jednorocznej, wielokrotnej serii dwuczynnikowych doświadczeń PDOiR oraz empiryczna ilustracja zastosowania i ocena przydatności tej metodyki dla plonu ziarna pszenicy ozimej. Rozpatrywane dane doświadczalne stanowią trójkierunkową kompletną klasyfikację o postaci Odmiana × Agrotechnika × Miejscowość. Stosowana metodyka statystyczna obejmuje łączną trójkierunkową analizę wariancji opartą na modelu stałym dla danych z wymienionej serii doświadczeń, analizę AMMI dla interakcji odmiany x miejscowości (interakcji GL) oraz analizę skupień dla odmian, w której zmiennymi opisującymi odmiany były średnie poprawione przez model AMMI dla plonu w badanych miejscowościach. Te średnie poprawione były obliczane poprzez dwie badane intensywności agrotechniki, A1 i A2, z wykorzystaniem istotnych multiplikatywnych składników efektów interakcyjnych GL otrzymanych w analizie AMMI. Proponowana metodyka okazała się skutecznym narzędziem do rozróżniania rodzajów adaptacyjnej reakcji 28 odmian pszenicy ozimej na warunki środowiskowe, czyli agroekosystemy. Umożliwia ona efektywne poszukiwanie odmian o szerokiej i wąskiej adaptacji. Stwierdzono, że w sezonie wegetacyjnym 2008/2009 szeroką adaptację wykazały dwie odmiany, tj. polska odmiana Bogatka (wyhodowana przez DANKO Hodowla Roślin sp. z o.o.) oraz niemiecka odmiana Jenga (wyhodowana przez Nordsaat Saatzuchtgesellschaft mbH). Pozostałe odmiany były wąsko zaadaptowane do niektórych badanych środowisk lub były relatywnie nie zaadaptowane do żadnych spośród testowanych środowisk, ponieważ plonowały zawsze znacząco poniżej średnich środowiskowych.
Instytucje finansujące
Słowa kluczowe:
adaptacja odmian, analiza AMMI, analiza skupień, PDOiR, plon ziarna, pszenica ozimaBibliografia
Anderson W.K. 2010. Closing the gap between actual and potential yield of rained wheat. The impacts of environment, management and cultivar. Field Crops Research 116: 14 — 22.
Google Scholar
Anderson W.K., Van Burgel A.J., Sharma D.L., Shackley B.J., Zaicou-Kunesch C.M., Miyan M.S., Amjad M. 2011. Assessing specific agronomic responses of wheat cultivars in a winter rainfall environment. Crop and Pasture Science 62: 115 — 124.
Google Scholar
Annicchiarico P. 2002. Genotype × environment interactions — challenges and opportunities for plant breeding and cultivar recommendations, FAO plant productions and protection paper 174. FAO, Rome
Google Scholar
Annicchiarico P. 2009. Coping with and exploiting genotype × environment interactions. In: Ceccarelli S., Guimarães E. P., Weltzien E. (eds), Plant Breeding and Farmer Participation, Food and Agricultural Organization, Rome: 519 — 564.
Google Scholar
Annicchiarico P., Chiapparino E., Perenzin M. 2010. Response of common wheat varieties to organic and conventional production systems across Italian locations, and implications for selection. Field Crops Res. 116: 230 — 238.
Google Scholar
Annicchiarico P., Iannucci A. 2008. Adaptation strategy, germplasm type and adaptive traits for field pea improvement in Italy based on variety responses across climatically contrasting environments. Field Crops Res. 108: 133 — 142.
Google Scholar
Annicchiarico P., Pecetti L., Abdelguerfi A., Bouizgaren A., Carroni A. M., Hayek T., M’Hammadi Bouzina M., Mezni M. 2011 a. Adaptation of landrace and variety germplasm and selection strategies for lucerne in the Mediterranean basin. Field Crops Res. 120: 283 — 291.
Google Scholar
Annicchiarico P., Pecetti L., Bouzerzour H., Kallida R., Khedim A., Porqueddu C., Simoes N.M., Volaire F., Lelièvre F. 2011. Adaptation of contrasting cocksfoot plant types to agricultural environments across the Mediterranean basin. Environ. Experim. Bot. 74: 82 — 89.
Google Scholar
Ayoub M., Guertin S., Fregeau-Reid J., Smith D.L. 1994. Nitrogen fertilizer effect on breadmaking quality of hard red spring wheat in eastern Canada. Crop Sci. 34:.1346 — 1352.
Google Scholar
Basford K. E., Cooper M. 1998. Genotype x environment interactions and some considerations of their implications for wheat breeding in Australia. Austr. J. Agric. Res. 49: 153 — 174.
Google Scholar
Bradu D. Gabriel K.R. 1978. The biplot as a diagnostic tool for model of two-way tables. Technometrics 1978: 47 — 63.
Google Scholar
Carr P.M., Horsley R.D., Poland W.W. 2003. Tillage and seeding rate effects on wheat cultivars: I. grain production. Crop Sci. 43: 202 — 209.
Google Scholar
Casanoves F., Baldessari J., Balzarini M. 2005. Evaluation of multi environment trials of peanut cultivars. Crop Sci. 45: 18 — 26.
Google Scholar
Cornelius P.L., Crossa J., Seyedsadr M. 1996 Statistical tests and estimators of multiplicative models for genotype-by-environment interaction. In: Kang M.S., Gauch H.G. (Eds.), Genotype by Environment Interaction. CRC Press, Boca Raton: 199 — 234.
Google Scholar
Crossa J., Fox P.N., Pfeiffer W.H., Rajaram S., Gauch H.G. 1991. AMMI adjustment for statistical analysis of an international wheat yield trial. Theor. Appl. Genet. 81:27 — 37.
Google Scholar
Crossa J., Vargas M., Joshi A.K. 2010. Linear, bilinear, and linear-bilinear fixed and mixed models for analyzing genotype environment interaction in plant breeding and agronomy. Can. J. Plant Sci. 90:561 — 574.
Google Scholar
Dias C., Krzanowski W. 2003. Model selection and cross validation in additive main effect and multiplicative interaction models. Crop Sci. 43:865 — 873.
Google Scholar
COBORU. 2002. Zboża. Metodyka badania wartości odmian. COBORU, Słupia Wielka.
Google Scholar
Cooper M., Woodruff D.R., Phillips I.G., Basford K.E., Gilmour A. R. 2001. Genotype-by-management interactions for grain yield and grain protein concentration of wheat. Field Crops Research, 69: 47 — 67.
Google Scholar
Denčić S., Mladenov N., Kobiljski B. 2011. Effects of genotype and environment on breadmaking quality in wheat. Int. J. Plant Prod. 5:71 — 82.
Google Scholar
Derejko A., Mądry W., Gozdowski D., Rozbicki J., Golba J., Piechociński M., Studnicki M. 2011. Wpływ odmian, miejscowości i intensywności uprawy oraz ich interakcji na plon pszenicy ozimej w doświadczeniach PDO. Biul. IHAR 259: 131 — 146.
Google Scholar
Dhungana P., Eskridge K.M., Baenziger P.S., Campbell B.T., Gill K.S., Dweikat I. 2007. Analysis of genotype-by-environment interaction in wheat using a structural equation model and chromosome substitution lines. Crop Sci. 47: 477 — 484.
Google Scholar
Elandt R. 1964. Statystyka matematyczna w zastosowaniu do doświadczalnictwa rolniczego. PWN, Warszawa.
Google Scholar
Fan X.M., Kang M.S., Chen H., Zhang Y., Tan J., Xu C. 2007. Yield stability of maize hybrids evaluated in multi-environment trials in Yunnan, China. Agron. J. 99: 220 — 228.
Google Scholar
Gauch H.G. 1988. Model selection and validation for yield trials with interaction. Biometrics 44:705 — 715
Google Scholar
Gauch H.G. 1992. Statistical analysis of regional yield trials. AMMI analysis of factorial designs. Elsevier Science, New York, NY.
Google Scholar
Gauch, H.G., Piepho H.P., Annicchiarico P. 2008. Statistical analysis of yield trials by AMMI and GGE: Further considerations. Crop Sci. 48: 866 — 889.
Google Scholar
Gauch H. G., Zobel R.W. 1997. Identifying mega-environments and targeting genotypes. Crop Sci. 37: 311 — 326.
Google Scholar
Geleta B., Atak M., Baenziger P.S., Nelson L.A., Baltenesperger D.D., Eskridge K.M., Shipman M.J., Shelton D.R. 2002. Seeding rate and genotype effect on agronomic performance and end-use quality of winter wheat. Crop Sci. 42: 827 — 832.
Google Scholar
Ma B.L., Yan W., Dwyer L.M., Fregeau-Reid J., Voldeng H. D., Dion Y., Nass H. 2004. Graphic analysis of genotype, environment, nitrogen fertilizer, and their interactions on spring wheat yield. Agron. J. 96: 169 — 180.
Google Scholar
Mądry W., Gacek E.S., Paderewski J., Gozdowski D., Drzazga T., 2011. Adaptive yield response of winter wheat cultivars across environments in Poland using combined AMMI and cluster analyses. Int. J. Plant Prod. 5: 299 — 310.
Google Scholar
Mądry W., Iwańska M. 2011. Przydatność metod oraz miar statystycznych do oceny stabilności i adaptacji odmian: przegląd literatury. Biul. IHAR 260/261: 193 — 218.
Google Scholar
McIntosh M.S 1983. Analysis of combined experiments. Crop Sci. 75:153 — 156.
Google Scholar
Mejza I. 1999. Planowanie serii doświadczeń dwuczynnikowych z rozszczepionymi jednostkami i analiza wyników. Roczniki Akademii Rolniczej w Poznaniu, vol. 301.
Google Scholar
Mintenko A. S., Smith S. R., Cattani D. J. 2002. Turfgrass evaluation of native grasses for the Northern Great Plains Region. Crop Sci. 42: 2018 — 2024.
Google Scholar
Miyan M.S., Impiglia A., Anderson W. K. 2011. Agronomic practices for durum wheat in an area new to the crop. Communications in Biometry and Crop Sci. 6: 64 — 79.
Google Scholar
Oscarsson M., Anderrsson R., Aman P., Jonsson A. 1998. Effects of cultivar, nitrogen fertilization rate and environment on yield and grain quality of barley. J. Sci. Food Agric. 78: 359 — 366.
Google Scholar
Paderewski J., Gauch H. G., Mądry W., Drzazga T., Rodrigues P. C. 2011 Yield response of winter wheat to agro-ecological conditions using additive main effects and multiplicative interaction and cluster analysis, Crop Sci. 51: 969 — 980.
Google Scholar
Paderewski J., Mądry W. 2012. Zastosowania modelu AMMI do analizy reakcji odmian na środowiska.
Google Scholar
Biul. IHAR 263: 161 — 188.
Google Scholar
Pena R. J. 2007. Current and future trends of wheat quality needs. In: Buck H. T., Nisi J. E., Salomon N. (Eds.). Wheat production in stressed environments. Springer Verlag: 411 — 424.
Google Scholar
R Development Core Team. 2009. R: A language and environment for statistical computing. Available at http://www.Rproject.org (verified 3 Dec. 2010). R Foundation for Statistical Computing, Vienna, Austria.
Google Scholar
SAS Institute. 2004. SAS system for Windows. v. 8.2. SAS Inst., Cary, NC.
Google Scholar
Schmidt J. P., Lamb J.A., Schmitt M.A., Randall G.W., Orf J. H., Gollany H. T. 2001. Soybean varietal response to liquid swine manure application. Agron. J. 93: 358 — 363.
Google Scholar
Sharma R. C., Morgounov A. I., Braun H.J., Akin B., Keser M., Bedoshvili D., Bagci A., Martius C., van Ginkel M. 2009. Identifying high yielding stable winter wheat genotypes for irrigated environments in Central and West Asia. Euphytica, 171: 53 — 64.
Google Scholar
Sivapalan S., O’Brien L., Ortiz-Ferrera G., Hollamby G. J., Barclay I., Martin P. J. 2000. An adaptation analysis of Australian and CIMMYT/ICARDA wheat germplasm in Australian production environments. Aust. J. Agric. Res. 51: 903 — 915.
Google Scholar
Souza E. J., Martin J.M., Guttieri M.J., O'Brien K. M., Habernicht D. K., Lanning S. P., McLean R., Carlson G. R., Talbert L. E. 2004. Influence of genotype, environment, and nitrogen management on spring wheat quality. Crop Sci. 44: 425 — 432.
Google Scholar
Virk D. S., Witcombe J. R. 2008. Evaluating cultivars in unbalanced on-farm participatory trials. Field Crops Res. 106: 105 — 115.
Google Scholar
Yan W., Kang M.S. 2003. GGE Biplot Analysis: A Graphical tool for breeders, geneticists, and agronomists. CRC Press. Boca Raton, FL.
Google Scholar
Zhang Y., He Z., Zhang A., van Ginkel M., Ye G. 2006. Pattern analysis on grain yield of Chinese and CIMMYT spring wheat cultivars grown in China and CIMMYT. Euphytica 147: 409 — 420.
Google Scholar
Autorzy
Wiesław Mądrywieslaw_madry@sggw.ed.pl
Katedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa Poland
Autorzy
Jakub PaderewskiKatedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa Poland
Autorzy
Jan RozbickiKatedra Agronomii, SGGW, Warszawa Poland
Autorzy
Dariusz GozdowskiKatedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa Poland
Autorzy
Jan GolbaKatedra Agronomii, SGGW, Warszawa Poland
Autorzy
Mariusz PiechocińskiKatedra Agronomii, SGGW, Warszawa Poland
Autorzy
Marcin StudnickiKatedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa Poland
Autorzy
Adriana DerejkoKatedra Doświadczalnictwa i Bioinformatyki, SGGW, Warszawa Poland
Statystyki
Abstract views: 47PDF downloads: 39
Licencja
Prawa autorskie (c) 2012 Wiesław Mądry, Jakub Paderewski, Jan Rozbicki, Dariusz Gozdowski, Jan Golba, Mariusz Piechocziński, Marcin Studnicki, Adriana Derejko
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Z chwilą przekazania artykułu, Autorzy udzielają Wydawcy niewyłącznej i nieodpłatnej licencji na korzystanie z artykułu przez czas nieokreślony na terytorium całego świata na następujących polach eksploatacji:
- Wytwarzanie i zwielokrotnianie określoną techniką egzemplarzy artykułu, w tym techniką drukarską oraz techniką cyfrową.
- Wprowadzanie do obrotu, użyczenie lub najem oryginału albo egzemplarzy artykułu.
- Publiczne wykonanie, wystawienie, wyświetlenie, odtworzenie oraz nadawanie i reemitowanie, a także publiczne udostępnianie artykułu w taki sposób, aby każdy mógł mieć do niego dostęp w miejscu i w czasie przez siebie wybranym.
- Włączenie artykułu w skład utworu zbiorowego.
- Wprowadzanie artykułu w postaci elektronicznej na platformy elektroniczne lub inne wprowadzanie artykułu w postaci elektronicznej do Internetu, lub innej sieci.
- Rozpowszechnianie artykułu w postaci elektronicznej w internecie lub innej sieci, w pracy zbiorowej jak również samodzielnie.
- Udostępnianie artykułu w wersji elektronicznej w taki sposób, by każdy mógł mieć do niego dostęp w miejscu i czasie przez siebie wybranym, w szczególności za pośrednictwem Internetu.
Autorzy poprzez przesłanie wniosku o publikację:
- Wyrażają zgodę na publikację artykułu w czasopiśmie,
- Wyrażają zgodę na nadanie publikacji DOI (Digital Object Identifier),
- Zobowiązują się do przestrzegania kodeksu etycznego wydawnictwa zgodnego z wytycznymi Komitetu do spraw Etyki Publikacyjnej COPE (ang. Committee on Publication Ethics), (http://ihar.edu.pl/biblioteka_i_wydawnictwa.php),
- Wyrażają zgodę na udostępniane artykułu w formie elektronicznej na mocy licencji CC BY-SA 4.0, w otwartym dostępie (open access),
- Wyrażają zgodę na wysyłanie metadanych artykułu do komercyjnych i niekomercyjnych baz danych indeksujących czasopisma.
Inne teksty tego samego autora
- Wiesław Mądry, Dariusz Gozdowski, Historia rozwoju statystycznych metod planowania i analizy doświadczeń rolniczych na świecie oraz w Polsce , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 288 (2020): Wydanie regularne
- Joanna Ukalska, Krzysztof Ukalski, Tadeusz Śmiałowski, Wiesław Mądry, Badanie zmienności i współzależności cech użytkowych w kolekcji roboczej pszenicy ozimej (Triticum aestivum L.) za pomocą metod wielowymiarowych. Część II. Analiza składowych głównych na podstawie macierzy korelacji fenotypowych i genotypowych , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 249 (2008): Wydanie regularne
- Dariusz Gozdowski, Wiesław Mądry, Zdzisław Wyszyński, Analiza korelacji i współczynników ścieżek w ocenie współzależności plonu ziarna i jego składowych u dwóch odmian jęczmienia jarego , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 248 (2008): Wydanie regularne
- Krzysztof Ukalski, Joanna Ukalska, Tadeusz Śmiałowski, Wiesław Mądry, Badanie zmienności i współzależności cech użytkowych w kolekcji roboczej pszenicy ozimej (Triticum aestivum L.) za pomocą metod wielowymiarowych. Część I. Korelacje fenotypowe i genotypowe , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 249 (2008): Wydanie regularne
- Marcin Studnicki, Wiesław Mądry, Tadeusz Śmiałowski, Wielocechowa analiza różnorodności fenotypowej w kolekcji roboczej pszenicy jarej , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 252 (2009): Wydanie regularne
- Helena Kubicka, Dariusz Gozdowski, Jerzy Puchalski, Wiesław Łuczak, Wielocechowa ocena zróżnicowania form lokalnych żyta o różnym pochodzeniu geograficznym pod względem cech morfologicznych i użytkowych , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 264 (2012): Wydanie regularne
- Adriana Derejko, Wiesław Mądry, Dariusz Gozdowski, Jan Rozbicki, Jan Golba, Mariusz Piechociński, Marcin Studnicki, Wpływ odmian, miejscowości i intensywności uprawy oraz ich interakcji na plon pszenicy ozimej w doświadczeniach PDO , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 259 (2011): Wydanie regularne
- Dariusz Gozdowski, Daniel Sas, Stanisław Samborski, Andrzej Kapeliński, Ocena zmienności przestrzennej zasobności gleby i plonowania pszenicy ozimej z wykorzystaniem pakietu R , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 259 (2011): Wydanie regularne
- Anna Rajfura, Wiesław Mądry, Tadeusz Drzazga, Marzena Iwańska, Wydzielanie grup miejscowości na podstawie serii doświadczeń wielokrotnych ze zmiennym składem odmian w latach przy użyciu pakietu SEQRET. Część II. Przykład dla plonu ziarna z doświadczeń przedrejestrowych z pszenicą ozimą , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 250 (2008): Wydanie regularne
- Dariusz Gozdowski, Wiesław Mądry, Charakterystyka i empiryczne porównanie prostej oraz złożonej analizy ścieżek w ocenie determinacji plonu roślin przez ich cechy plonotwórcze. Część I. Prezentacja stosowanych metod , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 249 (2008): Wydanie regularne