Investigating the Phenotypic Diversity of Vetch (Vicia L.) Genotypes from Different Species Under the Rain-fed Conditions of Maragheh City

Document Type : Original Article

Authors

1 Ph.D. Student, Department of Plant Production and Genetics, Urmia University, Urmia, Iran

2 Assistant Professor, Dryland Agricultural Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Maragheh, Iran

3 Professor, Dryland Agricultural Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Maragheh, Iran

4 Researcher, Dryland Agricultural Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Maragheh, Iran

Abstract

Vicia L. is a significant fodder plant, widely affected by drought conditions. This study aimed to identify the phenotypic diversity and select superior vetch genotypes. To this end, 120 vetch genotypes from five species: Vicia ervilia L., Vicia sativa L., Vicia narbonensis L., Vicia dasycarpa L., and Vicia pannonica L. were evaluated under the rain-fed conditions of Maragheh city. Data analysis revealed considerable variation among vetch species genotypes in all studied traits. Grain yield showed a positive and significant correlation with biological yield and the number of days to maturity. Principal Component Analysis (PCA) biplot demonstrated clear separation among vetch species. Furthermore, cluster analysis results classified the studied vetch genotypes into two main groups and four subgroups, with genotypes in the third and fourth subgroups exhibiting the highest values for most traits. Genotypes G1, G3, G4, G6, G7, G8, and G12, all belonging to the V. ervilia species, were consistently selected based on the MGIDI and Smith indices. The findings of this study provide valuable insights for the collection, preservation, and utilization of vetch germplasm resources.
Introduction
Vicia L., belonging to the Fabaceae family, is a special type of fodder plant well-suited for cold and dry regions (Ma et al., 2022). In terms of some quality characteristics, vetch is comparable to alfalfa (Hasanvand et al., 2010). For decades, evaluating the diversity of agronomical and morphological traits has been a fundamental step in studying plant germplasm. These traits are crucial for evolutionary and taxonomic studies. To date, the taxonomy and biosystematics of the genus Vicia have been explored in several studies (Hanelt & Mettin, 1989; Maxted, 1993; Jalilian et al., 2014). Although drought stress can reduce the grain and fodder yield of vetch, some species exhibit high tolerance to this stress (Alizadeh, 2019). Significant phenotypic variation among vetch genotypes under drought stress conditions has been reported (Mirfakhraee et al., 2010; Abbasi et al., 2014). Considering the importance of fodder production in Iran, this study was undertaken to determine the phenotypic diversity and select superior vetch genotypes from five species (Vicia ervilia, Vicia sativa, Vicia narbonencis, Vicia dassycarpa, and Vicia panonica) under the rain-fed conditions of Maragheh city.
 
Materials and Methods
In this study, 120 vetch genotypes from the ICARDA international germplasm collection were cultivated in 1m² plots using an augmented design under rain-fed conditions in the spring. Due to germination issues and insufficient growth, data from only 60 genotypes were viable for analysis. These genotypes were evaluated at the Dryland Agricultural Research Institute (DARI) in Maragheh city, located at a latitude of 37°16′12″ E, a longitude of 46°27′36″ N, and an altitude of 1720 meters. The total rainfall during the experimental months amounted to 58 mm. The traits assessed included plant height (PH), number of days to maturity (DM), hundred kernel weight (HKW), biological yield (BY), and grain yield (GY). A variety of statistical analyses, such as analysis of variance (ANOVA), principal component analysis (PCA), and cluster analysis using Ward's method, were conducted to explore the phenotypic variation among genotypes. Pearson's correlation coefficient was applied to assess relationships between traits. Additionally, the Smith Index (Smith, 1936) and the multi-trait genotype-ideotype distance index (MGIDI) were utilized for the selection of superior genotypes (Olivoto & Nardino, 2021). All statistical analyses were executed using SAS 9.4 and R 4.2.2 software.
 
Research Findings
The analysis of variance (ANOVA) results revealed significant differences between the vetch species for all studied traits at the 0.1% probability level. Vicia panonica exhibited the highest plant height (PH) at 42.19 cm, while Vicia sativa required the longest duration to reach maturity. Biological yield (BY) was significantly higher in Vicia sativa (1605.5 kg/ha) and Vicia panonica (1331.1 kg/ha) compared to other species. Although Vicia narbonencis recorded the highest hundred kernel weight (HKW) at 16.37 g, the greatest grain yield (GY) of 502 kg/ha was observed in Vicia sativa. Correlation analysis between traits indicated a positive and significant correlation of GY with BY (r=0.81**) and days to maturity (DM) (r=0.80**). A similar positive correlation was noted between BY and DM (r=0.57**) as well as PH (r=0.54**). The only negative relationship was observed between PH and HKW traits (r=-0.45**). The first two components of the principal component analysis (PCA) explained nearly 80% of the total variation. The PCA biplot showed that genotypes of each species were similarly distributed based on the first two principal components. Cluster analysis dendrogram divided vetch genotypes into two main groups and four subgroups. According to the multi-trait genotype-ideotype distance index (MGIDI) selection index, genotypes G6, G5, G4, G10, G9, G12, G7, G1, G8, G92, G3, and G23 were identified as the preferred genotypes. Genotypes G1, G3, G4, G6, G7, G8, G12, G77, G100, G101, G110, and G119 were selected based on the Smith Index (SH). A comparison of these two indices revealed that seven genotypes were consistently chosen, all of which belonged to the Vicia ervilia species. This selection underscores the potential of V. ervilia for specific agronomic traits, thereby contributing valuable insights for future breeding and conservation efforts.
 
Discussion of Results and Conclusion
The considerable diversity observed among vetch species in terms of yield and main agronomic traits aligns with previous reports (Mirfakhraee et al., 2010; Abbasi et al., 2014; Javanmard et al., 2019), highlighting the varied responses of these species to drought stress. Each species may employ different mechanisms to tolerate drought, contributing to this observed diversity. The traits evaluated in this study effectively distinguished between vetch species, particularly Vicia ervilia, which exhibited more distinct distribution than other species. Although cluster analysis did not group all genotypes of each species into the same subgroup, the first main group primarily comprised Vicia narbonensis and Vicia sativa, while the second main group predominantly included Vicia panonica, Vicia dassycarpa, and Vicia ervilia. The genotypes in the third subgroup are recommended for further development and introduction of vetch cultivars. Javadi et al. (2022) similarly classified 58 vetch genotypes into five groups, with some clusters encompassing genotypes from different species. While yield is a crucial trait, selecting genotypes based on multiple traits is essential in plant breeding ((Yan & Frégeau-Reid, 2018). The common genotypes selected using the Smith Index (SH) and the Multi-Trait Genotype-Ideotype Distance Index (MGIDI) were predominantly from the V. ervilia species, with limited selections from other species by one of the indices. This variation in results is attributed to the differences in the calculation methods of the indices and the definition of the ideal genotype. The diversity revealed in this study offers valuable insights for vetch taxonomy and biosystematics programs. Future studies should investigate the molecular aspects of this diversity to further understand the genetic basis of these phenotypic variations.

Keywords

Main Subjects


مقدمه

کمبود مواد غذایی و افزایش روزافزون جمعیت، به‌‌ویژه در کشورهای درحال توسعه، نگرانی‌‌های جدی در رابطه با تأمین غذا در آینده به وجود آورده است و در این میان نقش لگوم‌‌های علوفه‌‌ای در تعلیف دام و درنتیجه تأمین نیاز انسان به فرآورده‌‌های دامی اهمیت انکارناپذیری دارد. ماشک (Vicia L.) از تیرۀ بقولات (Fabaceae)، از انواع گیاهان علوفه‌‌ای خاص و مناسب مناطق سرد و خشک است (Ma et al., 2022). این گیاه از لحاظ پروتئین و خاکستر با یونجه مقایسه می‌‌شود (Hasanvand et al., 2010)؛ همچنین ماشک گیاهی مهم در کشاورزی پایدار است؛ زیرا موجب اصلاح و تقویت خاک می‌‌شود و ازت را در خاک تثبیت می‌‌کند (Ibañez et al., 2020). گزارش شده است که در میان گونه‌‌های علوفه‌‌ای، ماشک مناسب‌‌ترین لگوم علوفه‌‌ای برای کشت در سال‌‌های آیش مناطق دیم است (Monirifar, 2016). مطابق آمارنامۀ رسمی کشاورزی، 6/9 درصد از سطح برداشت و 4/27 درصد از میزان تولید محصولات زراعی کشور به نباتات علوفه‌‌ای اختصاص دارد. اگرچه آمار دقیقی از سطح زیر کشت و میزان تولید ماشک در داخل کشور وجود ندارد، گزارش شده است که 65 هزار هکتار از اراضی دیم کشور به محصولات علوفه‌‌ای به‌‌غیر از یونجه، شبدر و ذرت علوفه‌‌ای اختصاص دارد (Ministry of Jihad Agriculture, 2022).

از حدود 150 گونۀ مختلف ماشک شناسایی‌‌شده، تنها تعداد محدودی از آن در تولید علوفه در شرایط دیم استفاده می‌‌شود. بیشتر گونه‌‌های ماشک متحمل به خشکی هستند؛ هرچند میزان تحمل خشکی در گونه‌‌های مختلف ماشک متفاوت است و گونه‌‌های Vicia ervilia L. و Vicia dassycarpa L. در مقایسه با سایر گونه‌‌ها مقاومت به خشکی بیشتری دارند (Alizadeh, 2019). مهم‌‌ترین گونه‌‌های ماشک کشت‌‌شده در ایران شامل ماشک معمولی، ماشک گل‌‌خوشه‌‌ای و ماشک خزری است (Javanmard et al., 2019). با وجود اینکه مؤسسۀ تحقیقات کشاورزی دیم کشور ارقام مختلفی از ماشک علوفه‌ای را برای کاشت در اراضی دیم معرفی کرده است (Alizade Dizaj et al., 2013; Alizade Dizaj et al., 2016)، برای بهره‌‌وری زیاد به معرفی ارقام جدیدتر نیاز است.

تنوع فنوتیپی و ژنتیکی کلید دستیابی به پیشرفت در به‌‌نژادی است. از دهه‌‌های گذشته، ارزیابی تنوع صفات زراعی و مورفولوژیکی یکی از ابتدایی‌‌ترین گام‌‌ها در بررسی ژرم‌‌پلاسم گیاهی است. چنین صفاتی در مطالعات تکاملی و تاکسونومیکی اهمیت دارد. هانلت و متین در یکی از نخستین مطالعات، بیوسیستماتیک جنس Vicia L. را بررسی کردند (Hanelt & Mettin, 1989). در پژوهشی دیگر با هدف طبقه‌‌بندی گونه‌‌های ماشک، تنوع مورفولوژی بیش از 1500 نمونه ماشک از گونه‌‌های مختلف ارزیابی شد و نتایج 38 گونه و 14 زیرگونه در جنس Vicia L. را تأیید کرد (Maxted, 1993). علاوه‌‌بر صفات مورفولوژیکی، تنوع گونه‌‌های جنس ماشک در سطح مولکولی نیز بررسی شده است (Sun et al., 2022a; Yildirim et al., 2022). به‌‌طور کلی، مطالعات انجام‌‌شده روی تنوع ژنتیکی ماشک‌‌ها در ایران محدود است. حسنوند و همکاران در بررسی عملکرد و کیفیت علوفه در شش تودۀ بومی ماشک در شرایط آبی و دیم منطقۀ لرستان، تنوع مطلوبی برای این صفات گزارش کردند و توده‌‌های دورود و الیگودرز، نمونه‌‌های متحمل به خشکی شناسایی شد (Hasanvand et al., 2010). میرفخرایی و همکاران واکنش 12 ژنوتیپ ماشک کرک‌‌دار (Vicia dassycarpa L.) را نسبت به تنش خشکی بررسی کردند و نشان دادند تنش خشکی بر تمام صفات به‌‌جز تعداد دانه در نیام به‌‌طور معنی‌‌داری تأثیر می‌‌گذارد و عملکرد دانه و بیوماس بیشترین مقدار کاهش را در اثر تنش خشکی داشتند (Mirfakhraee et al., 2010). علاوه‌‌بر زیست تودۀ اندام هوایی، سطح برگ ماشک گل‌‌خوشه‌‌ای در اثر کمبود آب ناشی از افزایش دور آبیاری، کاهش می‌‌یابد (Rastegari et al., 2017). ارزیابی 89 ژنوتیپ ماشک گل‌‌خوشه‌‌ای تحت شرایط نرمال و تنش خشکی نشان داد بین آنها به لحاظ خصوصیات مورفولوژیک و زراعی تنوع ژنتیکی مطلوبی وجود داشت (Abbasi et al., 2014). در پژوهشی، جوانمرد و همکاران عملکرد کمی و کیفی 15 تودۀ بومی ماشک را در شرایط دیم بررسی کردند و نتیجه گرفتند که یک تودۀ بومی به‌‌دلیل عملکرد علوفۀ زیاد و یک تودۀ بومی به‌‌دلیل دارابودن کیفیت علوفۀ مطلوب، توده‌‌های بومی مناسب برای کشت در شرایط دیم هستند (Javanmard et al., 2019). در مطالعه‌‌ای دیگر با هدف بررسی پارامترهای مرتبط با تنش خشکی در 47 ژنوتیپ از گونۀ Vicia sativa L.، تنوع زیادی در بین مواد ژنتیکی مشاهده شد (De la Rosa et al., 2021). جوادی و همکاران با بررسی عملکرد و سایر صفات مورفولوژیک در 58 ژنوتیپ ماشک از گونه‌‌های مختلف بانک ژن منابع طبیعی ایران نتیجه گرفتند که بین ژرم‌‌پلاسم مطالعه‌‌شده ازنظر تمام صفات، اختلاف آماری معنی‌‌داری وجود دارد و ژنوتیپ‌‌ها قابلیت گروه‌‌بندی در خوشه‌‌های مشابه را دارند (Javadi et al., 2022). نظر به اهمیت تولید علوفه در کشور، مطالعۀ حاضر با هدف تعیین تنوع فنوتیپی و گزینش ژنوتیپ‌‌های برتر ماشک از پنج گونۀ Vicia ervilia L.، Vicia sativa L.، Vicia narbonencis L.، Vicia dassycarpa L. و Vicia panonica L. تحت شرایط دیم در شهرستان مراغه اجرا شد.

 

مواد و روش‌‌ها

مواد گیاهی و طرح آزمایشی

در پژوهش حاضر، تعداد 120 ژنوتیپ ماشک از مجموعۀ ژرم‌‌پلاسم بین‌‌المللی ارسالی از مرکز جهانی تحقیقات کشاورزی نواحی خشک (International Center for Agricultural Research in the Dry Areas) (ICARDA) در کرت‌‌هایی به اندازۀ یک متر مربع (با تعداد 250 بذر در هر متر مربع) در قالب طرح آگمنت و تحت شرایط دیم به‌‌صورت بهاره کشت شد. جزئیات مربوط به ژنوتیپ‌‌های مطالعه‌‌شده ازجمله نام، گونه و منشأ آنها در جدول 1 تنظیم شده است. با توجه به اینکه نیمی از ژنوتیپ‌‌ها به‌‌طور احتمالی به‌‌دلیل نگهداری طولانی‌‌مدت در بانک ژن با نبود جوانه‌‌زنی مواجه بودند و رشد لازم را نداشتند، تنها اطلاعات 60 ژنوتیپ ارائه شد. این ژنوتیپ‌‌ها در مزرعۀ ستاد مؤسسۀ تحقیقات کشاورزی دیم کشور واقع در شهرستان مراغه با عرض جغرافیایی ″12′16°37 شمالی و طول جغرافیایی ″36′27°46 شرقی و 1720 متر ارتفاع از سطح دریای آزاد ارزیابی شد. میزان بارندگی در ماههای اجرای آزمایش یعنی ماههای فروردین، اردیبهشت، خرداد و تیر سال 1401 به‌‌ترتیب برابر با 8/16، 4/33، 3/6 و 5/1 میلی‌‌متر بود. صفات ارزیابی‌‌شده شامل ارتفاع بوته (میانگین ارتفاع پنج بوتۀ تصادفی از هر کرت در زمان رسیدگی برحسب سانتی‌‌متر)، تعداد روز تا رسیدگی (شمار روزها از زمان کاشت تا 50 درصد رسیدگی در کرت‌‌ها)، وزن صد دانه (برحسب گرم)، عملکرد بیولوژیک و عملکرد دانه (با استفاده از کل بوته‌‌های کرت بعد از حذف حاشیه‌‌ها و بیان آن به‌‌صورت کیلوگرم در هکتار) بود.

 

جدول 1- اطلاعات ژنوتیپ‌‌های ماشک مطالعه‌‌شده

Table 1- The information of the genotypes of the studied vetch

کد

نام

منشأ

گونه

 

کد

نام

منشأ

گونه

G1

V.E Sel 2510

Cyprus

V. ervilia

 

G76

V.D Sel2457

Turkey

V. dassycarpa

G3

V.E Sel 2512

Cyprus

V. ervilia

 

G77

V.D Sel2562

Syria

V. dassycarpa

G4

V.E Sel 2513

Cyprus

V. ervilia

 

G78

V.D Sel2565

Australia

V. dassycarpa

G5

V.E Sel 2515

Cyprus

V. ervilia

 

G86

V.D Sel2439

Turkey

V. dassycarpa

G6

V.E Sel 2516

Cyprus

V. ervilia

 

G89

V.N Sel 2376

Lebanon

V. narbonencis

G7

V.E Sel 2517

Cyprus

V. ervilia

 

G91

V.N Sel 2380

Lebanon

V. narbonencis

G8

V.E Sel 2518

Syria

V. ervilia

 

G92

V.N Sel 2383

Lebanon

V. narbonencis

G9

V.E Sel 2519

Syria

V. ervilia

 

G93

V.N Sel 2384

Lebanon

V. narbonencis

G10

V.E Sel 2520

Syria

V. ervilia

 

G94

V.N Sel 2386

Lebanon

V. narbonencis

G12

V.E Sel 2563

Syria

V. ervilia

 

G95

V.N Sel 2387

Lebanon

V. narbonencis

G14

V.E Sel 2647

Bulgaria

V. ervilia

 

G96

V.N Sel 2392

Lebanon

V. narbonencis

G16

V.S Sel 2003

Hungery

V. sativa

 

G97

V.N Sel 2393

Syria

V. narbonencis

G18

V.S Sel 2490

Syria

V. sativa

 

G98

V.N Sel 2466

Turkey

V. narbonencis

G20

V.S Sel 2558

Italy

V. sativa

 

G99

V.N Sel 2469

Lebanon

V. narbonencis

G21

V.S Sel 2560

Syria

V. sativa

 

G100

V.N Sel 2470

Lebanon

V. narbonencis

G23

V.S Sel 2616

Turkey

V. sativa

 

G101

V.N Sel 2471

Lebanon

V. narbonencis

G24

V.S Sel 2714

ICARDA

V. sativa

 

G102

V.N Sel 2561

Iraq

V. narbonencis

G25

V.S Sel 2717

ICARDA

V. sativa

 

G104

V.D Sel 2450

 Unknown

V. dassycarpa

G41

IFVS SEL 2746

 Unknown

V. sativa

 

G105

V.D Sel 2437

 Unknown

V. dassycarpa

G42

IFVN 556 Sel 2376

 Unknown

V. narbonencis

 

G106

V.D Sel 2434

Turkey

V. dassycarpa

G46

IFVN 121 Sel 2466

Turkey

V. narbonencis

 

G107

V.D Sel 2432

Turkey

V. dassycarpa

G47

IFVN 561 Sel 2469

 Unknown

V. narbonencis

 

G108

V.P 3 Sel 3

Iran

V. panonica

G49

IFVN 67 Sel 2561

Italy

V. narbonencis

 

G109

V.P 4 Sel 4

Iran

V. panonica

G55

IFVS 505 Sel 2754

 Unknown

V. sativa

 

G110

V.P 7 Sel 7

Iran

V. panonica

G56

IFVS 505 Sel 2755

 Unknown

V. sativa

 

G111

V.P 14 Sel 14

Iran

V. panonica

G64

V.D Sel2431

Syria

V. dassycarpa

 

G113

V.P 16 Sel 16

Iran

V. panonica

G65

V.D Sel2433

Tukey

V. dassycarpa

 

G114

V.P 17 Sel 17

Iran

V. panonica

G66

V.D Sel2435

Unknown

V. dassycarpa

 

G116

V.P 19 Sel 19

Iran

V. panonica

G73

V.D Sel2452

Unknown

V. dassycarpa

 

G118

V.P 21 Sel 21

Iran

V. panonica

G75

V.D Sel2456

Japan

V. dassycarpa

 

G119

V.P 24 Sel 24

Iran

V. panonica

 

 

تجزیه و تحلیل آماری

تجزیۀ واریانس بین گونه‌‌ها در نرم‌‌افزار آماری SAS 9.4 انجام شد. میانگین‌‌ها با استفاده از آزمون چنددامنه‌‌ای دانکن (Duncan's multiple range test) (DMRT) در همین نرم‌‌افزار مقایسه شد. بای‌‌پلات‌‌های تجزیه به مؤلفه‌‌های اصلی و دندروگرام تجزیۀ خوشه‌‌ای با استفاده از مربع فاصلۀ اقلیدسی و روش Ward ترسیم شد. این تجزیه‌‌ها با استفاده از بستۀ factoextra در برنامۀ R نسخۀ 4.2.2 اجرا شد. برای اطمینان از صحت گروه‌‌بندی انجام‌‌شده در تجزیۀ خوشه‌‌ای، مقادیر AU هر خوشه که درصد‌‌های به‌‌طور تقریبی بی‌‌طرفانه‌‌ای (Approximately Unbiased) هستند، ازطریق نمونه‌‌گیری مجدد بوت‌‌استرپ چندمقیاسی در بستۀ pvclust برنامۀ R محاسبه شد. از ضریب همبستگی پیرسون برای بررسی روابط بین صفات استفاده و بدین منظور نمودار همبستگی در بستۀ corrplot نرم‌‌افزار R ترسیم شد. در نهایت، از شاخص گزینش SH (Smith, 1936) و همچنین شاخص جدید فاصلۀ ژنوتیپ - ایدئوتیپ چندصفتی (Multi-trait genotype-ideotype distance index) (MGIDI) که مبتنی‌‌بر گزینش هم‌‌زمان چندصفتی است (Olivoto & Nardino, 2021)، برای انتخاب ژنوتیپ‌‌های مطلوب استفاده شد. شاخص‌‌های یادشده در بستۀ آماری metan نرم‌‌افزار R محاسبه شد (Olivoto & Lúcio, 2020).

 

 

جدول 2- تجزیۀ واریانس صفات مطالعه‌‌شده در گونه‌‌های مختلف ماشک

Table 2- Variance analysis of studied traits in different species of vetch

منابع تغییرات

درجۀ آزادی

میانگین مربعات

ارتفاع بوته

تعداد روز تا رسیدگی

عملکرد بیولوژیک

وزن صد دانه

عملکرد دانه

بین گونه

4

***67/970

***2/107

***4/2153446

***9/432

***5/369914

درون گونه

55

83/59

10/1

5/162939

75/11

9/17192

*** معنی‌‌داری در سطح احتمال 001/0 است.

 

جدول 3- مقایسۀ میانگین‌‌ها بین گونه‌‌های مختلف ماشک از لحاظ صفات مطالعه‌‌شده

Table 3- Comparison of averages between different species of vetch in terms of studied traits

گونه

تعداد

ارتفاع بوته

(cm)

تعداد روز تا رسیدگی

عملکرد بیولوژیک

(kg/ha-1)

وزن صد دانه

(g)

عملکرد دانه

(kg/ha-1)

V. ervilia

11

b67/30

a27/76

a5/1605

b24/6

a0/502

V. sativa

10

c80/19

b60/69

b0/578

b15/6

b5/80

V. narbonencis

17

c08/21

b41/69

b9/692

a37/16

b6/101

V. dassycarpa

13

b41/34

b00/69

b0/860

b21/3

b2/78

V. panonica

9

a19/42

b67/69

a1/1331

b62/3

b3/165

در هر ستون، میانگین‌‌ها با حروف نامشابه بیانگر اختلاف آماری معنی‌‌دار ازنظر آزمون چنددامنه‌‌ای دانکن است.

 

 

در مطالعه‌‌ای، با بررسی پارامترهای تحمل به تنش خشکی در ژنوتیپ‌‌های V. sativa، میانگین وزن صد دانه برابر با 6/6 گرم گزارش شد که با مقدار به‌‌دست‌‌آمده در مطالعۀ حاضر مشابه بود (De la Rosa et al., 2021). تنوع در بین ژنوتیپ‌‌های ماشک ازنظر صفات مختلف پیش از این گزارش شده است (Mirfakhraee et al., 2010; Abbasi et al., 2014; Javanmard et al., 2019). چنین واکنش‌‌های متفاوتی از گونه‌‌های ماشک در مواجه با تنش خشکی امری اجتناب‌‌ناپذیر است؛ زیرا گونه‌‌های مختلف ممکن است مکانیسم‌‌های متفاوتی برای تحمل به خشکی داشته باشند. در همین باره، بیان شده است که گونه‌های ماشک و جمعیت‌های آنها ویژگی‌های رشد، مراحل فنولوژی، خصوصیات علوفه و بهره‌وری بذر متفاوتی دارند (Javadi et al., 2022). علاوه‌‌بر تنش خشکی، تنوع در بین اکوتیپ‌‌های ماشک ازنظر تحمل به سایر تنش‌‌های محیطی ازجمله تنش شوری نیز گزارش شده است (Karimzadeh Negari et al., 2022; Sun et al., 2022b).

نتایج همبستگی بین صفات نشان داد عملکرد دانه با عملکرد بیولوژیک (**81/0=r) و تعداد روز تا رسیدگی (**80/0=r) همبستگی مثبت و معنی‌‌داری داشت. این همبستگی مثبت بین عملکرد بیولوژیک با تعداد روز تا رسیدگی (**57/0=r) و ارتفاع بوته (**54/0=r) نیز مشاهده شد. تنها رابطۀ منفی و معنی‌‌دار بین صفات ارتفاع بوته و وزن صد دانه (**45/0-=r) بود (شکل 1-الف). روابط یادشده براساس بای‌‌پلات تجزیه به مؤلفه‌‌های اصلی (PCA) نیز به‌‌خوبی نمایان است؛ جایی که دو مؤلفۀ اول درمجموع به‌‌طور تقریبی 80 درصد از تغییرات موجود در داده‌‌ها را توجیه کردند. زوایای بین بردار صفات عملکرد دانه، تعداد روز تا رسیدگی و عملکرد بیولوژیک کمتر و درنتیجه روابط مثبت قوی‌‌تری بین آنها وجود داشت؛ در سوی مقابل زاویۀ بین بردار صفات وزن صد دانه با ارتفاع بوته بیش از 90 درجه بود که کوسینوس این زاویه تقریبی از همبستگی منفی بین این دو صفت است (شکل 1-ب). پیش از این، نتایج ضرایب همبستگی بین صفات در 89 ژنوتیپ ماشک گل‌‌خوشه‌‌ای تحت شرایط تنش خشکی مشخص کرد که بین عملکرد و صفات ارتفاع گیاه، تعداد غلاف، وزن صد دانه، عملکرد علوفۀ خشک، تعداد دانه در غلاف و تعداد گل همبستگی مثبت و معنی‌‌دار وجود دارد (Abbasi et al., 2014). Mirfakhraee et al. (2010) در تجزیۀ علیت بیوماس هوایی و عملکرد دانه در ماشک کرک‌‌دار تحت شرایط مختلف آبیاری اظهار داشتند که در شرایط کم آبیاری، تعداد دانه در نیام و چگالی دانه از اجزای اصلی بیوماس هوایی و وزن هزار دانه و طول ساقه از اجزای اصلی عملکرد دانه بود؛ همچنین در شرایط دیم نیز تعداد دانه در بوته به‌‌تنهایی از اجزای اصلی بیوماس محسوب شد جوادی و همکاران براساس تجزیۀ PCA مشخص کردند که تغییرات در ژنوتیپ‌‌های ماشک به‌‌طور عمده ناشی از صفاتی مانند روز تا گلدهی، روز تا رسیدگی و صفات بذر بود و سهم مهمی در تفکیک جمعیت‌‌ها داشتند (Javadi et al., 2022)؛ همچنین نتایج پژوهش حاضر نشان داد ژنوتیپ‌‌های مربوط به هر گونه، پراکنش به‌‌طور تقریبی مشابهی براساس دو مؤلفۀ اصلی اول داشتند. این نتیجه حاکی از آن است که ارزیابی‌‌های مطالعه‌‌شده روی این گونه‌‌ها به‌‌طور تقریبی به‌‌خوبی گونه‌‌های ماشک را از همدیگر تفکیک کرده است؛ به‌‌ویژه گونۀ ماشک V. ervilia که به شکل متمایزتری از سایر گونه‌‌ها توزیع یافته است (شکل 2).

 

 

 

**

 

ns

 

**

 

ns

 

ns

 

**

 

**

 

**

 

ns

 

ns

 

(ب)

 

(الف)

 

   

شکل 1- روابط بین صفات مطالعه‌‌شده براساس ضرایب همبستگی پیرسون (A) و بای‌‌پلات تجزیه به مؤلفه‌‌های اصلی (B).

ns و ** به ترتیب بیانگر غیر معنی‌‌داری و معنی‌‌داری در سطح احتمال یک درصد است.

HKW: وزن صد دانه، PH: ارتفاع بوته، BY: عملکرد بیولوژیک، GY: عملکرد دانه و DTM: تعداد روز تا رسیدگی.

Figure 1- Relationships between the studied traits based on Pearson correlation coefficients (A) and biplot decomposition into principal components (B).

ns and ** indicate non-significance and significance at the one percent probability level, respectively.

HKW: hundred seed weight, PH: plant height, BY: biological yield, GY: seed yield and DTM: number of days to maturity.

 

 

شکل 2- پراکنش ژنوتیپ‌‌های ماشک از پنج گونۀ مختلف برمبنای دو مؤلفۀ اول تجزیه به مؤلفه‌‌های اصلی

Figure 2- Distribution of vetch genotypes from five different species based on the first two components of the decomposition into main components

 

 

برپایۀ نتایج تجزیۀ خوشه‌‌ای، ژنوتیپ‌‌های ماشک مطالعه‌‌شده در دو گروه اصلی و چهار زیرگروه فرعی دسته‌‌بندی شد. در زیرگروه اول 18 ژنوتیپ (30 درصد)، در زیرگروه دوم 15 ژنوتیپ (25 درصد)، در زیرگروه سوم هشت ژنوتیپ (3/13 درصد) و در نهایت در زیرگروه چهارم 19 ژنوتیپ (7/31 درصد) قرار گرفت (شکل 3). دامنۀ مقادیر AU خوشه‌‌ها از 78 درصد تا 94 درصد متغیر بود؛ بنابراین دندروگرام اعتبار لازم را دارد و گروه‌‌بندی با صحت زیادی انجام شده است. اگرچه تجزیۀ خوشه‌‌ای، تمام ژنوتیپ‌‌های مربوط به هر گونه را در زیرگروهی یکسان قرار نداد، گروه اصلی اول به‌‌طور عمده شامل گونه‌‌های ماشک
V. narbonencis و V. sativa بود؛ در حالی که گروه اصلی دوم بیشتر حاوی گونه‌‌های ماشک
V. panonica، V. dassycarpa و V. ervilia بود. ژنوتیپ‌‌های موجود در زیرگروه سوم و پس از آن زیرگروه چهارم دارای بیشترین عملکرد بیولوژیک، عملکرد دانه، تعداد روز تا رسیدگی و ارتفاع بوته بود. اگرچه مؤفقیت در زراعت دیم به میزان و توزیع بارندگی بستگی دارد، استفاده از ژنوتیپ‌‌هایی که تحت شرایط تنش کم‌‌آبی عملکرد زیادی دارند، تأثیر عمده‌‌ای در بهبود تولید خواهد داشت؛ از این رو طبق نتایج این پژوهش، لازم است از ژنوتیپ‌‌های موجود در زیرگروه سوم برای کشت و توسعۀ ارقام زراعی ماشک بیشتر استفاده شود. ژنوتیپ‌‌های این خوشه به‌‌طور عمده از گونۀ V. ervilia است. در همین ارتباط، گزارش شده است که امکان استفاده از ماشک ارویلیا با منشأ خاورمیانه برای تولید دانه و علوفۀ خشک وجود دارد و دارای تیپی ایستاده، نیمه مقاوم به سرما، بسیار مقاوم به خشکی، مناسب برای خاک‌‌های خنثی و حتی کمی اسیدی است (Alizadeh, 2019).

استفاده از تجزیۀ خوشه‌‌ای برای گروه‌‌بندی ژنوتیپ‌‌های ماشک تحت تنش‌‌های محیطی ازجمله خشکی (Hasanvand et al., 2010) و شوری (Karimzadeh Negari et al., 2022) پیش از این گزارش شده است. در ارزیابی تنوع ژنتیکی و تجزیۀ خوشه‌‌ای کلکسیون ماشک تلخ(Vicia ervilia) براساس صفات زراعی و مورفولوژیکی نشان داده شد که توده‌‌های استان‌‌های کردستان، لرستان و مرکزی در خوشۀ اول، توده‌‌های استان‌‌های ایلام، همدان و اصفهان در خوشۀ دوم و نمونه‌‌های استان‌‌های کرمان و آذربایجان شرقی در خوشۀ سوم قرار دارند (Abbasi et al., 2007). در مطالعه‌‌ای دیگر، 58 ژنوتیپ ماشک از گونه‌‌های مختلف در پنج خوشه گروه‌‌بندی شد که مشابه نتایج پژوهش حاضر برخی از خوشه‌‌ها شامل ژنوتیپ‌‌هایی از گونه‌‌های متفاوت بود (Javadi et al., 2022). ون در وو و همکاران ضمن مشاهدۀ تنوع مورفولوژیکی در ژنوتیپ‌‌های گونۀ V. sativa نتیجه گرفتند که امکان شناسایی تعداد شش زیرگونه براساس تجزیۀ خوشه‌‌ای وجود دارد (Van de Wouw et al., 2003)؛ علاوه‌‌بر صفات مورفولوژیک، براساس اطلاعات مولکولی نیز تمایز روشنی بین گونه‌‌های مختلف ماشک گزارش شده است (Yildirim et al., 2022).

 

 

 

Subgroup4

 

Subgroup3

 

Subgroup2

 

Subgroup1

 

شکل 3- دندروگرام حاصل از تجزیۀ خوشه‌‌ای براساس صفات مطالعه‌‌شده در 60 ژنوتیپ ماشک. مقادیر روی هر خوشه، درصدهای به‌‌طور تقریبی بی‌‌طرفانه‌‌ای (AU) هستند که با نمونه‌‌گیری مجدد (1000n=) بوت‌‌استرپ چندمقیاسی محاسبه شده است.

Figure 3- Dendrogram resulting from cluster analysis based on the traits studied in 60 vetch genotypes. Values on each cluster are approximately unbiased percentages (AU) calculated by multiscale bootstrap resampling (n = 1000).

 

 

با وجود آن‌‌که عملکرد، مهم‌‌ترین صفت تلقی می‌‌شود، انتخاب ژنوتیپ‌‌ها برپایۀ چندین صفت موضوعی اساسی و مهم در اصلاح نباتات است (Yan & Frégeau-Reid, 2018). به‌‌منظور گزینش ژنوتیپ‌‌های برتر ازنظر تمام صفات، در پژوهش حاضر از شاخص فاصلۀ ژنوتیپ - ایدئوتیپ چندصفتی (MGIDI) و شاخص اسمیت (SH) استفاده شد. در شاخص MGIDI، تجزیه به عامل‌‌ها برای کاهش ابعاد داده‌‌ها ضروری است؛ از این رو تجزیه به عامل‌‌ها روی تمام صفات انجام شد و نتایج نشان داد دو عامل اول 8/79 درصد از تغییرات موجود در داده‌‌ها را توجیه می‌‌کنند. بزرگ‌‌ترین ضرایب عاملی منفی در عامل اول به‌‌ترتیب مربوط به صفات عملکرد دانه، تعداد روز تا رسیدگی، عملکرد بیولوژیک و ارتفاع بوته بود؛ در حالی که وزن صد دانه در این عامل ضریب ناچیز مثبت داشت. عامل دوم به‌‌طور مثبت تحت تأثیر صفات ارتفاع بوته و عملکرد بیولوژیک و به‌‌صورت منفی متأثر از وزن صد دانه بود (جدول 4)؛ همچنین شاخص اسمیت به‌‌وسیلۀ تابع خطی از ارزش‌‌های فنوتیپی تخمین شد که ضرایب مربوط به هر صفت در جدول 4 ارائه شده است. در این شاخص وزن همۀ صفات برابر با واحد (یک) در نظر گرفته شد. براساس نتایج شاخص گزینش MGIDI، ژنوتیپ‌‌های G6، G5، G4، G10، G9، G12، G7، G1، G8، G92، G3 و G23 به ترتیب ژنوتیپ‌‌های مطلوب گزینش شد (شکل 4)؛ همچنین برپایۀ شاخص SH نیز ژنوتیپ‌‌های G1، G3، G4، G6، G7، G8، G12، G77، G100، G101، G110 و G119 انتخاب شد. با مقایسۀ نتایج این دو شاخص مشخص می‌‌شود که هفت ژنوتیپ در هر دو شاخص به‌‌طور مشترک گزینش شده است (شکل 5). این ژنوتیپ‌‌های مشترک که همگی متعلق به گونۀ V. ervilia است، منابع ژنتیکی ارزشمندی برای اصلاح ماشک در داخل کشور هستند؛ همچنین ژنوتیپ‌‌هایی از سایر گونه‌‌ها نظیر V. panonica، V. narbonencis،
V. dassycarpa و V. sativa به شکل محدود توسط یکی از شاخص‌‌ها گزینش شد. به نظر می‌‌رسد، اختلاف در نتایج دو شاخص ناشی از نحوۀ محاسبۀ آنها و چگونگی تعریف ژنوتیپ ایده‌‌آل باشد. در نهایت، دیفرانسیل گزینش (تفاوت میانگین افراد برگزیده‌‌شده از میانگین کل) تحت هر دو شاخص حاکی از آن بود که این آماره برای صفات عملکرد بیولوژیک، عملکرد دانه، تعداد روز تا رسیدگی و ارتفاع بوته مثبت و برای وزن صد دانه منفی بود (جدول 5). شاخص MGIDI در مقایسه با شاخص SH برای تمام صفات به‌‌جز ارتفاع بوته، درصد دیفرانسیل گزینش بزرگ‌‌تری داشت. منفی‌‌بودن دیفرانسیل گزینش برای وزن دانه پیش از این در گیاه جو نیز گزارش شده است (Shirzad et al., 2023).

 

 

جدول 4- بارهای عاملی حاصل از چرخش واریماکس و آماره‌‌های مربوط به شاخص گزینش MGIDI و شاخص گزینش اسمیت

Table 4- Factor loadings resulting from varimax rotation and statistics related to MGIDI selection index and Smith selection index

 

 

شاخص گزینش چندصفتی MGIDI

 

شاخص گزینش SH

متغیر

اختصار

عامل اول

عامل دوم

اجتماع

یکتایی

 

ضریب

وزن

Variable

Abb.

FA1

FA2

Communality

Uniqueness

.

B

Weight

ارتفاع بوته

PH

19/0-

86/0

77/0

23/0

 

62/31

1

عملکرد بیولوژیک

BY

81/0-

40/0

82/0

18/0

 

549/0

1

عملکرد دانه

GY

96/0-

09/0

94/0

06/0

 

99/2-

1

وزن صد دانه

HKW

04/0

82/0-

67/0

33/0

 

52/58

1

تعداد روز تا رسیدگی

DTM

89/0-

02/0

79/0

21/0

 

3/278

1

 

 

تاکنون، کاربرد مؤفق شاخص گزینش MGIDI در انتخاب گیاهانی نظیر گندم (Nardino et al., 2022; Lima et al., 2022)، جو (Shirzad et al., 2023)، بادمجان (Uddin et al., 2021) و ... گزارش شده است؛ همچنین توانایی شاخص یادشده در غربالگری ژنوتیپ‌‌های متحمل به تنش خشکی به اثبات رسیده است (Pour-Aboughadareh & Poczai, 2021). در طیفی از گیاهان علوفه‌‌ای برای انتخاب ژنوتیپ‌‌های برتر از شاخص‌‌های گزینش چندصفتی استفاده شده است. علیزاده و شهبازی در انتخاب ژنوتیپ‌‌های ماشک مناسب کشت پاییزه نتیجه گرفتند که معیار انتخاب براساس تمام اطلاعات موجود در داده‌‌های آزمایشی و تصحیح نتایج از لحاظ تغییرات موجود در مزرعه، اطمینان بیشتری در انتخاب لاین‌‌ها نسبت به تجزیه‌‌های رایج دارد (Alizadeh & Shahbazi, 2016). ژی و همکاران بهره‌‌گیری از صفات مختلف شامل قدرت بذردهی و وزن خشک علوفه در انتخاب ژنوتیپ‌‌های شبدر قرمز با عملکرد علوفه زیاد را توصیه کردند (Xie et al., 1997). ایمانی و همکاران افزایش تعداد صفات در شاخص‌‌های گزینش را برای بهبود عملکرد علوفۀ فیستوکای بلند ضروری دانستند و اظهار داشتند که بیشترین بهرۀ ژنتیکی مورد انتظار ازطریق واردکردن اطلاعات حاصل از تمام صفات در چرخۀ انتخاب به دست می‌‌آید (Imani et al., 2009). در رابطه با اهمیت صفات در شاخص‌‌های گزینش نتیجه‌‌گیری شده است که عملکرد، ارتفاع بوته و تعداد ساقه به ترتیب بیشترین اهمیت را در گزینش ژنوتیپ‌‌های یونجه دارند (Monirifar, 2010). نتایجی مشابه توسط مجیدی و همکاران برای افزایش عملکرد علوفۀ اسپرس تحت شرایط نرمال و تنش خشکی گزارش شده است (Majidi et al., 2014). در مطالعه‌‌ای، جاهوفر و کاسلر استفاده از شاخص‌‌های وزن‌‌دهی‌‌شده را برای بهبود زیست‌‌توده در گونۀ علوفه‌‌ای Panicum virgatum L. پیشنهاد کردند (Jahufer & Casler, 2015).

 

 

جدول 5- پیشرفت گزینش براساس شاخص چندصفتی MGIDI و شاخص اسمیت

Table 5- Selection progress based on MGIDI multi-attribute index and Smith index

متغیر

شاخص گزینش چندصفتی (MGIDI)

 

شاخص گزینش اسمیت (SH)

عامل

Xo

Xs

SD

SDp

 

Xo

Xs

SD

SDp

عملکرد بیولوژیک

FA1

881

1571

690

4/78

 

881

1357

2/476

05/54

عملکرد دانه

FA1

224

560

336

150

 

224

1/385

1/161

93/71

تعداد روز تا رسیدگی

FA1

6/70

7/75

10/5

10/7

 

65/70

08/74

43/3

86/4

ارتفاع بوته

FA2

7/28

1/31

43/2

49/8

 

68/28

22/36

54/7

31/26

وزن صد دانه

FA2

34/9

96/7

38/1-

8/14-

 

34/9

25/9

084/0-

895/0-

Xo: میانگین کل، Xs: میانگین ژنوتیپ‌‌های گزینش‌‌شده، SD: دیفرانسیل گزینش و SDp: درصد دیفرانسیل گزینش

 

                       

 

شکل 4- رتبه و ژنوتیپ‌‌های گزینش‌‌شدۀ ماشک براساس شاخص MGIDI و شدت گزینش 20 درصد

Figure 4- The ranking and selected genotypes of the vetch based on the MGIDI index and the selection intensity of 20%

G5

G9

G10

G23

G92

 

G1

G3

G4

G6

G7

G8

G12

 

G77

G100

G101

G110

G119

 

شکل 5- ژنوتیپ‌‌های ماشک گزینش‌‌شده توسط شاخص‌‌های MGIDI و SH براساس شدت گزینش 20 درصد

Figure 5- The vetch genotypes selected by MGIDI and SH indices based on 20% selection intensity

 

 

جمع‌‌بندی

طبق نتایج پژوهش حاضر، تنوع چشمگیری بین گونه‌‌های ماشک به لحاظ عملکرد و صفات زراعی مشاهده شد که برای تفکیک‌‌کردن گونه‌‌های ماشک کافی بود. برخی از ژنوتیپ‌‌ها عملکرد و خصوصیات زراعی مناسب‌‌تری از خود نشان دادند؛ به طوری که توسط شاخص‌‌های گزینش چندصفتی به‌‌راحتی انتخاب شدند و امکان استفاده از آنها در برنامه‌‌های به‌‌نژادی آتی وجود دارد؛ همچنین پیشنهاد می‌‌شود به تنوع موجود در ژرم‌‌پلاسم ماشک در مطالعات تاکسونومی و بیوسیستماتیک توجه و در پژوهش‌‌های آتی جنبه‌‌های مولکولی چنین تنوعی بیشتر مطالعه شود؛ همین‌‌طور لازم است واکنش این ژنوتیپ‌‌ها به سایر تنش‌‌های محیطی ازجمله سرما و شوری نیز بررسی شود.

 

Abbasi, A., Mohammadi Nargesi, B., Keshavarz Niya, R., & Ghorbanpour, E. (2014). The study of genetic variation of common vetch (vicia sativa L.) based on morphological traits under normal and stress conditions. Iranian Journal of Field Crop Science, 44(3), 359-370. 10.22059/IJFCS.2013.36146 [In Persian].
Abbasi, M. R., Vaezi, S., & Baghaie, N. (2007). Genetic diversity of bitter vetch (Vicia ervilia) collection of the National Plant Gene Bank of Iran based on agro-morphological traits. Iranian Journal of Rangelands and Forests Plant Breeding and Genetic Research, 15(2), 113-128. 10.22092/IJRFPBGR.2007.114958 [In Persian].
Alizad Dizaj, K., Fakhrevaezi, A., Lameie, J., Bahrami, S., Neyestani, E., Shaabani, A., … & Dorri, M. A. (2013). Golsefid, a new winter type forage cultivar for cold and moderate cold drylands of Iran. Seed and Plant Improvement Journal, 29(3), 617-619. 10.22092/SPIJ.2017.111179 [In Persian].
Alizad Dizaj, K., Lamei, J., Bahrami, S., Neyestani, E., Shabani, A., Shahbazi, S., & Ebn-Abbasi, R. (2016). New forage cultivar from vicia panonica entitle Lamei suitable for autumn planting in cold temperate drylands of Iran. Research Achievements for Field and Horticulture Crops, 5(1), 61-69. 10.22092/RAFHC.2016.109598 [In Persian].
Alizadeh, K. (2019). The annual forage crops under dryland conditions - A review. Iranian Journal of Dryland Agriculture, 8(1), 95-113. 10.22092/IDAJ.2019.124675.245 [In Persian].
Alizadeh, K., & Shahbazi, S. (2016). Selection of suitable local vetch genotypes for winter planting under Maragheh rainfed conditions. Iranian Journal of Dryland Agriculture, 4(2), 181-188. 10.22092/IDAJ.2016.106100 [In Persian].
De la Rosa, L., López-Román, M. I., González, J. M., Zambrana, E., Marcos-Prado, T., & Ramírez-Parra, E. (2021). Common vetch, valuable germplasm for resilient agriculture: Genetic characterization and Spanish core collection development. Journal of Frontiers in Plant Science12, 617873. https://doi.org/10.3389/fpls.2021.617873
Hanelt, P. & Mettin, D. (1989). Biosystematics of the genus Vicia L.(Leguminosae). Annual Review of Ecology and Systematics, 20(1), 199-223. https://doi.org/10.1146/annurev.es.20.110189.001215
Hasanvand, M., Ashraf Jafari, A., Sepahvand, A., & Nakhjavan, S. (2010). Study for yield and quality traits in 6 domestic populations of common vetch (Vicia sativa) grown under optimum and dry land farming system in Lorestan, Iran. Iranian Journal of Rangeland and Desert Research, 46(4), 517-535. https://www.cabdirect.org/cabdirect/abstract/20103275627 [In Persian].
Ibañez, S., Medina, M. I., & Agostini, E. (2020). Vicia: A green bridge to clean up polluted environments. Journal of Applied Microbiology and Biotechnology104, 13-21. https://doi.org/10.1007/s00253-019-10222-5
Imani, A. A., Jafari, A. A., Chokan, R., Asgari, A., & Darvish, F. (2009). Selection indices application to improve tall fescue synthetic varieties for yield and quality traits in Ardebil province. Iranian Journal of Rangelands and Forests Plant Breeding and Genetic Research, 16(2), 273-284. https://ijrfpbgr.areeo.ac.ir/article_9675_en.html  [In Persian].
Jahufer, M. Z. Z., & Casler, M. D. (2015). Application of the Smith‐Hazel selection index for improving biomass yield and quality of switchgrass. Journal of Crop Science55(3), 1212-1222. https://doi.org/10.2135/cropsci2014.08.0575
Javadi, H., Shanjani, P. S., Hoseini, L. F., & Yeganeh, M. R. (2022). Evaluation of morphological and yield traits in the populations of Vicia spp. Revista Mexicana de Ciencias Pecuarias13(4), 846-865. https://doi.org/10.22319/rmcp.v13i4.6125
Javanmard, A., Nikdel, H., & Amani Machiani, M. (2019). Evaluation of forage quantity and quality in domestic populations of hairy vetch (vicia villosa L.), vetch (vicia sativa L.) and caspian vetch (vicia hyrcanica) under rainfed condition. Journal of Agricultural Science and Sustainable Production, 29(1), 15-31. https://sustainagriculture.tabrizu.ac.ir/article_8747.html [In Persian].
Karimzadeh Negari, Z., Sahhafi, S. R., & Dahajipour Heidarabadi, M. (2022). Salinity tolerance in some bitter vetch ecotypes in germination stage. Journal of Crop Breeding, 14(42), 43-52. 10.52547/jcb.14.42.43 [In Persian].
Lima, G. W., Silva, C. M., Mezzomo, H. C., Casagrande, C. R., Olivoto, T., Borem, A., & Nardino, M. (2022). Genetic diversity in tropical wheat germplasm and selection via multitrait index. Agronomy Journal114(2), 887-899. https://doi.org/10.1002/agj2.20991
Ma, L., Wang, X., Yan, M., Liu, F., Zhang, S., & Wang, X. (2022). Genome survey sequencing of common vetch (Vicia sativa L.) and genetic diversity analysis of Chinese germplasm with genomic SSR markers. Molecular Biology Reports49(1), 313-320. https://doi.org/10.1007/s11033-021-06875-z
Majidi, M. M., Dehghan Kouhestani, R., & Veisipoor, A. (2014). Direct and indirect selection for forage yield and its components in sainfoin under normal and drought stress conditions. Journal of Crop Production and Processing, 4(12), 307-319. https://jcpp.iut.ac.ir/article-1-2162-en.html [In Persian].
Maxted, N. (1993). A phenetic investigation of Vicia L. subgenus Vicia (Leguminosae, Vicieae). Botanical Journal of the Linnean Society, 111(2), 155-182. https://doi.org/10.1111/j.1095-8339.1993.tb01897.x
Ministry of Jihad Agriculture (2022). Agricultural statistics. Vol. 1: Crops. Statistics and information technology office, deputy of planning and economy. Ministry of Jihad Agriculture. [In Persian].
Mirfakhraee, N., Moghaddam, M., Aharizad, S., & Razban Haghighi, A. (2010). Evaluation of Vicia dassycarpa genotypes under drought stress conditions. Journal of Agricultural Science and Sustainable Production, 2(20), 133-141. https://sustainagriculture.tabrizu.ac.ir/article_1408.html?lang=en [In Persian].
Monirifar, H. (2010). Evaluation of selection indices for Alfalfa (Medicago sativa L.). Notulae Scientia Biologicae2(1), 84-87. https://doi.org/10.15835/nsb213563
Monirifar, H. (2016). Identification of suitable forage legumes for planting during fallow in rainfed land areas. Journal of Agricultural Science and Sustainable Production, 25(4), 47-58. https://sustainagriculture.tabrizu.ac.ir/article_4490.html?lang=en [In Persian].
Nardino, M., Perin, E. C., Aranha, B. C., Carpes, S. T., Fontoura, B. H., de Sousa, D. J. P., & Freitas, D. S. D. (2022). Understanding drought response mechanisms in wheat and multi-trait selection. Plos One17(4), e0266368. https://doi.org/10.1371/journal.pone.0266368
Olivoto, T., & Lúcio, A. D. C. (2020). Metan: An R package for multi‐environment trial analysis. Journal of Methods in Ecology and Evolution11(6), 783-789. https://doi.org/10.1111/2041-210X.13384
Olivoto, T., & Nardino, M. (2021). MGIDI: Toward an effective multivariate selection in biological experiments. Bioinformatics, 37(10), 1383-1389. 10.1093/bioinformatics/btaa981
Pour-Aboughadareh, A., & Poczai, P. (2021). Dataset on the use of MGIDI index in screening drought-tolerant wild wheat accessions at the early growth stage. Data in Brief, 36, 107096. https://doi.org/10.1016/j.dib.2021.107096
Rastegari, E., Maddah Hosseini, S., & Azari, A. (2017). The effect of irrigation intervals on vegetative growth and grain yield of grass pea and hairy vetch. Journal of Crops Improvement, 19(1), 55-68.  https://doi.org/10.22059/jci.2017.60392 [In Persian].
Shirzad, A., Asghari, A., Zali, H., Sofalian, O., & Mohammaddoust Chamanabad, H. R. (2023). Application of the multi-trait genotype-ideotype distance index in the selection of top barley genotypes in the warm and dry region of Darab. Journal of Crop Breeding, 14(44), 65-76. 10.52547/jcb.14.44.65 [In Persian].
Smith, H. F. (1936). A discriminant function for plant selection. Annals of Eugenics7(3), 240-250. https://doi.org/10.1111/j.1469-1809.1936.tb02143.x
Sun, W. H., Wu, F. F., Cong, L., Jin, M. Y. & Wang, X. G. (2022a). Assessment of genetic diversity and population structure of the genus Vicia (Vicia L.) using simple sequence repeat markers. Grassland Science, 68(3), 205-213. https://doi.org/10.1111/grs.12356
Sun, Y., Li, J., Xing, J., Yu, X., Lu, Y., Xu, W., … & Guo, Z. (2022b). Evaluation of salt tolerance in common vetch (Vicia sativa L.) germplasms and the physiological responses to salt stress. Journal of Plant Physiology, 278, 153811. https://doi.org/10.1016/j.jplph.2022.153811
Uddin, M. S., Billah, M., Afroz, R., Rahman, S., Jahan, N., Hossain, M. G., … & Hossain, N. (2021). Evaluation of 130 Eggplant (Solanum melongena L.) genotypes for future breeding program based on qualitative and quantitative traits, and various genetic parameters. Horticulturae7(10), 376. https://doi.org/10.3390/horticulturae7100376
Van de Wouw, M., Maxted, N. & Ford-Lloyd, B.V. (2003). A multivariate and cladistic study of Vicia L. ser. Vicia (Fabaceae) based on analysis of morphological characters. Plant Systematics and Evolution, 237, 19-39. https://doi.org/10.1007/s00606-002-0247-4
Xie, C., Xu, S., & Mosjidis, J. A. (1997). Multistage selection indices for maximum genetic gain and economic efficiency in red clover. Euphytica, 98, 75-82. https://doi.org/10.1023/A:1003074814916
Yan, W., & Frégeau-Reid, J. (2018). Genotype by yield*trait (GYT) biplot: a novel approach for genotype selection based on multiple traits. Journal of Scientific Reports8(1), 1-10. https://doi.org/10.1038/s41598-018-26688-8
Yildirim, C., Okuus, O., Satı, U. Z. U. N., Turkay, Ş. N., Ahmet, S. A. Y., & Bakir, M. (2022). Genetic characterization of some species of vetch (vicia L.) grown in Turkey with SSR markers. Journal of Agricultural Sciences28(3), 518-524. https://doi.org/10.15832/ankutbd.934655