Evaluation of Phenotypic Diversity in Some Populations of Alfalfa (Medicago Sativa L.) with Different Origins Under Urmia Climate

Document Type : Original Article

Authors

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

2 Professor, Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Urmia, Iran

3 M.Sc. Graduated, Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Urmia, Iran

4 Researcher, Dryland Agricultural Research Institute (DARI), Shirvan Branch, North Khorasan Agricultural and Natural Resources Research and Education Center, Agricultural Research Education and Extension Organization (AREEO), Shirvan, Iran

Abstract

Alfalfa (Medicago sativa L.), one of the most productive and nutritious forage crops, is grown worldwide for hay, silage and pasture. In order to study the phenotypic variation, an experiment was conducted on 40 alfalfa population in a randomized complete block design with three replications during 2018 in a research farm of Urmia University. Traits including plant height, re-growth rate, No. of node, node length, No. of stem, No. of floret per racemes, racemes length, No. of pod per racemes, leaf fresh weight, leaf dry weight, stem fresh weight, stem dry weight, total fresh weight, total dry weight, leaf dry weight/stem dry weight, and total dry weight/total fresh weight were measured. The results showed a significant variation in alfalfa populations, so that for most of the traits, significant difference was observed. The results showed that graphical analysis of the genotype × trait biplot, explaining 53.43% of the total standardized data variation, could greatly facilitate the study of genetic variation and relationships between traits. The positive correlation between two important traits of total dry weight and leaf to stem ratio led to a nearly identical ranking of the populations based on these traits, which is important for simultaneous breeding of these two traits. Further, the studied populations were clustered in two main groups, each of them in two subgroups based on cluster analysis, the first subgroup containing foreign and Ghareh-Yonjeh populations, and in terms of forage yield and leaf to stem ratio The situation was favorable. Therefore, the populations in the first cluster can be used in alfalfa cultivation development programs and the future breeding program of this plant.
Key words: Genotype-by-Trait Biplot, Genetic Diversity, Forage, Classification of Alfalfa Populations.
 
 
Introduction
Alfalfa (Medicago sativa L.) is known as the most valuable fodder plant in the world due to its high yield, good fodder quality, tolerance to environmental stress and positive role in soil fertility and structure (Biazzi et al., 2017). The local populations of alfalfa in Iran have higher genetic diversity and are a valuable source for alfalfa germplasm conservation and breeding programs in the future (Rameshknia et al., 2024). Knowledge of diversity is the main condition of plant breeding. So far, a wide range of researches have reported phenotypic variation among different domestic and foreign alfalfa populations (Abdollahi Mandoulakani, 2013; Hazegh Jafari et al., 2014; Benabderrahim et al., 2015; Sayed et al., 2022). The purpose of this research was to evaluate alfalfa populations with different origins in terms of phenotypic traits, compare populations in terms of important traits, and analyze the correlation between traits using the genotype × trait (GT) and genotype group × trait (GGT) biplots.
 
Materials and Methods
An experiment with 40 alfalfa populations of different origin in the form of randomized complete block design (RCBD) with three replications was conducted in a research farm of Urmia University in 2018. Each population was cultivated in a two-meter line with a distance of 20 cm between two plants. Traits including plant height, re-growth rate, No. of node, node length, No. of stem, No. of floret per racemes, racemes length, No. of pod per racemes, leaf fresh weight, leaf dry weight, stem fresh weight, stem dry weight, total fresh weight, total dry weight, leaf dry weight/stem dry weight, and total dry weight/total fresh weight were measured. Analysis of variance (ANOVA) was done in SAS 9.4 software. The cluster dendrogram was drawn by calculating Euclidean square distances and Ward's method in Minitab 18. Finally, the standardized data of two-way table of genotype×trait and genotype group×trait were analyzed using GT and GGT biplots in GGEBiplotsGUI R-package.
 
Research Findings
The results of ANOVA showed that there was a statistically significant difference between the alfalfa populations studied in terms of all the measured traits except the racemes length. This difference indicates the existence of diversity among alfalfa populations in terms of fodder yield and some morphological and physiological characteristics, the basis of which can be well deciphered with GT biplots. The results showed that graphical analysis of the genotype × trait biplot, explaining 53.43% of the total standardized data variation, could greatly facilitate the study of genetic variation and relationships between traits. Population No. 32 had the highest amount in terms of leaf dry weight, stem dry weight, and number of nodes. Population No. 2 had the highest amount of fresh and dry weight of leaves, fresh and dry weight of stem, and total fresh and dry weight. Also, population No. 16 had the highest number of floret per racemes and the plant height. In the end, population No. 6 was suitable in terms of total dry weight/total wet weight, number of pods per racemes, racemes length, inter-node distance, number of stems, and re-growth rate. The number of nodes, leaf dry weight/stem dry weight, fresh and dry weight of leaf, fresh and dry weight of stem, and total fresh and dry weight were positively correlated with each other. One of the strongest negative correlations is the correlation between leaf dry weight/stem dry weight with the number of stems and re-growth rate. The results of the cluster analysis showed that the studied populations were divided into two main groups, each with two subgroups, based on the studied traits. The first subgroup had 9 populations, half of which were of Gareh-Yonjeh origin. The second subgroup had 8 populations, which had the highest fodder yield after the first subgroup. The third subgroup included 15 populations and in the fourth subgroup, like the other three subgroups, populations with different origins were placed in one cluster and had 8 populations.
Discussion of Results and Conclusion
According to our findings, considerable diversity in terms of phenotypic traits has been observed in different alfalfa populations (Bagavathiannan et al., 2010; Moawed, 2016; Abdollahi Mandoulakani, 2013; Khodarahmpour & Motamedi, 2016; dos Santos et al., 2020). Iran is one of the centers of origin and diversity of alfalfa. Such diversity is very important to face the increasing climatic changes that significantly affect the yield of alfalfa (Pourshirazi et al., 2022). The GT biplot technique is a suitable statistical method that can correctly show the relationship between traits (Akcura et al., 2016). Based on the results, the first component was identified as fodder production component and the second component as reproductive component. Populations with high fodder yield and leaf-to-stem ratio were related to Gareh-Yonjeh and foreign populations. While, except for one case, populations with Hamadani origin had average and low performance, and tropical populations were the most unfavorable. The positive correlation between two important traits of total dry weight and leaf to stem ratio led to a nearly identical ranking of the populations based on these traits, which is important for simultaneous breeding of these two traits. Further, the studied populations were clustered in two main groups, each of them in two subgroups based on cluster analysis. Paying attention to the higher value of the first subgroup in terms of important traits will be of particular importance in breeding programs, and if the goal is to increase yield and improve leaf-to-stem ratio, the populations in this subgroup, especially the Gareh-Yonjeh populations, are preferred over others and are suitable for the Azerbaijan region. Finally, considering the positive features of GT biplot, it is recommended to use it in the evaluation of phenotypic diversity.

Keywords

Main Subjects


مقدمه

یونجه معمولی (زراعی) (Medicago sativa L.) به‌دلیل عملکرد بالا، کیفیت علوفه مطلوب، تحمل به تنش‌های محیطی و نقش مثبت در باروری و ساختار خاک به‌عنوان ارزشمندترین گیاه علوفه‌ای جهان شناخته می‌شود (Biazzi et al., 2017). این گیاه اتوتتراپلوئید (32=x4=n2) برای علوفه، سیلو یا مرتع کشت می‌شود (Bernousi & Hasanzade Ghorttappe, 2018)؛ البته گونه M. sativa یک گروه تاکسونومیکی پیچیده‌ای دارد که شامل زیرگونه‌های دیپلوئید و تتراپلوئید نیز هست (Shi et al., 2024). دو مرکز بالقوه تنوع و خواستگاه برای یونجه وجود دارد که شامل آسیای صغیر / قفقاز (شمال‌غربی ایران، ارتفاعات ارمنستان، گرجستان و شرق ترکیه) و آسیای مرکزی (قزاقستان، ازبکستان و ارتفاعات افغانستان) است (Wang & Şakiroğlu, 2021). جنس یونجه در طایفه Trifolieae و خانواده Fabaceae قرار دارد که 22 گونه از آن در ایران شناسایی شده‌اند (Mehregan et al., 2003). علاوه بر یونجه زراعی، گونه‌های دیگری از یونجه نظیر M. rigidula (L.) All و M. minima (L.) Bartal در کشور پراکنش زیادی دارند؛ بنابراین، ایران با داشتن گونه‌های مختلف از یونجه در زمره کشورهایی است که به‌عنوان خاستگاه یونجه شناخته می‌شود (Abbasi, 2015). انتظار می‌رود ارقام مختلف یونجه‌ زراعی ایرانی از قبیل قره یونجه، همدانی، بمی و ... متمایز از انواع خارجی باشند. جمعیت‌های محلی یونجه در ایران دارای تنوع ژنتیکی بالاتری هستند و منبع ارزشمندی برای برنامه‌های حفظ و اصلاح ژرم پلاسم یونجه در آینده هستند (Rameshknia et al., 2024).

مطابق با آمارنامه کشاورزی محصولات زراعی در سال 1401-1400، سطح برداشت یونجه در ایران برابر با 468 هزار هکتار و میزان تولید آن حدود پنج میلیون تن است (Ministry of Jihad Agriculture, 2023). باوجود اهمیت اقتصادی یونجه زراعی، پیشرفت‌های حاصل از برنامه‌های اصلاحی آن به‌ویژه در داخل کشور به‌دلیل وراثت‌پذیری کم، اثر متقابل ژنوتیپ × محیط بالا، پس‌روی خویش‌آمیزی شدید و پیچیدگی ساختار ژنتیکی نسبت به گیاهان دیگر ناچیز بوده است. با این حال، عملکرد و کیفیت علوفه یونجه با شیبی کم و ازطریق انتخاب فنوتیپی بهبود یافته است (Annicchiarico et al., 2015). بدیهی است که آگاهی از میزان تنوع، پیش‌شرط بهبود و اصلاح گیاهان است. بدین منظور در چندین تحقیق تنوع ژنتیکی یونجه بررسی شده است. عبدالهی مندولکانی تعداد 110 ژنوتیپ متعلق به 11 جمعیت مختلف یونجه زراعی را با استفاده از 13 صفت مورفولوژیک در دو گروه اصلی و هرکدام با دو زیرگروه قرار داد (Abdollahi Mandoulakani, 2013). در بررسی 81 اکوتیپ یونجه ایرانی مشخص شد که نقش ساقه در عملکرد یونجه مهم‌تر از برگ است (Rezaei et al., 2010). کاکائی و مظاهری لقب در 30 جمعیت یونجه زراعی چندساله (Kakaei & Mazahery-Laghab, 2014)، حاذق جعفری و همکاران در 49 ژنوتیپ یونجه (Hazegh Jafari et al., 2014) و خدارحم‌پور و معتمدی در 21 توده یونجه (Khodarahmpour & Motamedi, 2016) وجود تنوع ژنتیکی را با استفاده از صفات زراعی و مورفولوژیکی گزارش کردند. بنابدراهیم و همکاران 20 اکوتیپ محلی را با 16 رقم اگزوتیک یونجه در شرایط کشور تونس مقایسه کردند (Benabderrahim et al., 2015). آنیکچیاریکو توارث‌پذیری خصوصی، همبستگی ژنتیکی و روش‌های انتخاب والد را برای دو صفت مهم یونجه یعنی عملکرد و نسبت برگ به ساقه بررسی و گزارش کرد که عملکرد علوفه ازطریق انتخاب ژنوتیپی و نسبت برگ به ساقه ازطریق انتخاب فنوتیپی در مجموعه بزرگی از افراد قابل بهبود هستند (Annicchiarico, 2015). در پژوهشی تنوع ژنتیکی ژنوتیپ‌های یونجه با استفاده از صفات مورفولوژیک، پروتئین‌های ذخیره‌ای بذر و نشانگرهای مولکولی ارزیابی شد. نتایج نشان دادند قرابت ضعیفی بین فاصله ژنتیکی براساس مارکرهای مولکولی و فاصله ژنتیکی براساس تجزیه موفولوژیکی وجود دارد (Zivkovic et al., 2012). مئاود از صفات ریخت‌شناختی در کنار ویژگی‌های تشریحی برای تشخیص و تأیید ارقام یونجه (Moawed, 2016) و باگاواتیانان و همکاران از صفات فنوتیپی در کنار نشانگرهای مولکولی برای ارزیابی تنوع ژنتیکی یونجه استفاده کردند (Bagavathiannan et al., 2010). در مطالعه‌ای دیگر، اختلاف آماری معنی‌داری بین جمعیت‌های یونجه به لحاظ عملکرد علوفه تر و خشک و نسبت برگ به ساقه مشاهده شد (Sayed et al., 2022).

تئوری استفاده از بای‌پلات ژنوتیپ × صفت (GT Biplot) طی سالیان اخیر توسعه داده شد (Yan & Kang, 2002) و توسط سایر محققان بر سودمندی آن تأکید شد (Yan & Frégeau-Reid, 2008; Yan & Frégeau-Reid, 2018). رویکرد مذکور به‌صورت گرافیکی و ساده اطلاعاتی راجع به همبستگی بین صفات و وضعیت ژنوتیپ‌ها براساس یک یا چند صفت فراهم می‌آورد. این روش در بررسی ارتباط عملکرد با صفات ریشه (Hoyos-Villegas et al., 2016)، ارتباط عملکرد با اجزای عملکرد (Akcura et al., 2018) و ارتباط عملکرد با صفات کیفی (Kiliç et al., 2018) استفاده شده است. همچنین محمدی و همکاران در توده‌های طالبی (Mohammadi et al., 2014)، محدثی و همکاران در ژنوتیپ‌های برنج (Mohaddesi et al., 2017)، قلی‌زاده و همکاران در نژادگان‌های گندم (Gholizadeh et al., 2018) و صباغ‌نیا و همکاران در ژنوتیپ‌های شاهی (Sabaghnia et al., 2024) روابط متقابل میان صفات را با روش با‌ی‌پلات GT بررسی کردند. نواحی شمال‌غرب ایران یکی از بخش‌های مهم تولید یونجه در کشور هستند و لازم است در شرایط آب‌وهوایی این مناطق مطالعات بیشتری در رابطه با تنوع فنوتیپی یونجه‌های داخلی و مقایسه آنها با نمونه‌های خارجی صورت گیرد. هدف از تحقیق حاضر، ارزیابی تنوع فنوتیپی جمعیت‌های مختلف یونجه داخلی و خارجی به لحاظ صفات فنوتیپی و مقایسه جمعیت‌های مذکور ازنظر صفات مهم در شرایط اقلیمی استان آذربایجان غربی (ارومیه) بود. همچنین، تحلیل روابط بین صفات مختلف با استفاده از روش بای‌پلات ژنوتیپ × صفت و گروه‌بندی جمعیت‌های مطالعه‌شده با استفاده از تجزیه خوشه‌ای از دیگر اهداف بود.

مواد و روش‌ها

به‌منظور ارزیابی تنوع فنوتیپی جمعیت‌های یونجه زراعی (Medicago sativa L.)، آزمایشی با 40 جمعیت (جدول 1) در قالب طرح بلوک‌های کامل تصادفی با سه تکرار طی فصول بهار و تابستان سال 1398 در مزرعه تحقیقاتی گروه تولید و ژنتیک گیاهی دانشکده کشاورزی دانشگاه ارومیه، واقع در منطقه نازلو با عرض جغرافیایی "32 °37 و طول جغرافیایی "50 °45 و 1313 متر ارتفاع از سطح دریایی آزاد اجرا شد. شماره هرباریوم نمونه‌ها در جدول 1 ارائه شده است و در مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان آذربایجان غربی نگهداری می‌شوند. هر جمعیت در یک خط دو متری با فاصله 20 سانتی‌متر بین دو بوته کشت شدند. فاصله خطوط از یکدیگر 50 سانتی‌متر و فاصله بین بلوک‌ها 1 متر بود. همچنین آبیاری براساس نیاز گیاه انجام گرفته است و طی مرحله داشت از کود شیمیایی 20-20-20 (NPK) استفاده شد.

 

جدول 1- مشخصات جمعیت‌های یونجه مطالعه‌شده

Table 1- Characteristics of studied alfalfa populations

کد Code

شماره هرباریوم

Herbarium No.

جمعیت

Population

منشأ

Origin

 

کد Code

شماره هرباریوم

Herbarium No.

جمعیت

Population

منشأ

Origin

1

11011

جلفا

Jolfa

قره یونجه

Gareh-Yonjeh

 

21

11031

ماکسیما

Maxima

خارجی

Foreign

2

11012

اردوباد

Ordobad

خارجی

Foreign

 

22

11032

الچی

Elchi

خارجی

Foreign

3

11013

ارومیه 1

Urmia 1

قره یونجه

Gareh-Yonjeh

 

23

11033

کایساری

Kerrisary

خارجی

Foreign

4

11014

اشنویه

Oshnavieh

قره یونجه

Gareh-Yonjeh

 

24

11034

سیمرچنسکایا

Simerchenskaya

خارجی

Foreign

5

11015

ارومیه 2

Urmia 2

قره یونجه

Gareh-Yonjeh

 

25

11035

رنجر

Ranger

خارجی

Foreign

6

11016

سیلوانا

Silvana

قره یونجه

Gareh-Yonjeh

 

26

11036

سکویل

Sequel

خارجی

Foreign

7

11017

قارقالوق

Qarqaluq

قره یونجه

Gareh-Yonjeh

 

27

11037

سی‌ریور

Siriver

خارجی

Foreign

8

11018

سنتتیک 1

Synthetic 1

قره یونجه

Gareh-Yonjeh

 

28

11038

دفی

Defi

خارجی

Foreign

9

11019

ارومیه 3

Urmia 3

قره یونجه

Gareh-Yonjeh

 

29

11039

یوگسلاوی 1

Yugoslav 1

خارجی

Foreign

10

11020

همدان

Hamadan

همدانی

Hamadani

 

30

11040

یوگسلاوی 2

Yugoslav 2

خارجی

Foreign

11

11021

مهاجران

Mohajeran

همدانی

Hamadani

 

31

11041

دیانه

Diane

خارجی

Foreign

12

11022

قهاوند

Ghahavand

همدانی

Hamadani

 

32

11042

دیابلو-ورده

Diablo-verde

خارجی

Foreign

13

11023

کوزره

Kozare

همدانی

Hamadani

 

33

11043

کدی

Cody

خارجی

Foreign

14

11024

رامندی

Ramandi

همدانی

Hamadani

 

34

11044

محلی اصفهان

Mahali Esfahan

اصفهان

Isfahan

15

11025

کا-اف-ای 5

KFA5

همدانی

Hamadani

 

35

11045

سنتتیک 2

Synthetic 2

خرم‌شهر

Khorramshahr

16

11026

کا-اف-ای 6

KFA6

همدانی

Hamadani

 

36

11046

سنتتیک 3

Synthetic 3

تیکمه‌داش

Tekmeh Dash

17

11027

کا-اف-ای 16

KFA16

همدانی

Hamadani

 

37

11047

گر‌م‌سیری 1

Tropical 1

بمی

Bami

18

11028

کا-اف-ای 17

KFA17

همدانی

Hamadani

 

38

11048

گر‌م‌سیری 2

Tropical 2

بمی

Bami

19

11029

کا-اف-ای 9

KFA9

شهرکرد

Shahrekord

 

39

11049

گر‌م‌سیری 3

Tropical 3

بمی

Bami

20

11030

اولتیما

Ultima

خارجی

Foreign

 

40

11050

مخلوط

Mixed

ناشناخته

Unknown

 

اندازه‌گیری صفات در مرحله 10 درصد گل‌دهی صورت گرفت. قبل از انجام عملیات برداشت علوفه، با انتخاب پنج بوته به‌طور تصادفی ارتفاع بوته ثبت شد. بعد از برداشت و آبیاری مزرعه و پس از گذشت زمان مناسب، میانگین ارتفاع به‌ازای هر 5 سانتی‌متر یک امتیاز محسوب شده است و سرعت رشد مجدد محاسبه شد. پس از عملیات برداشت علوفه، تعداد گره، شمارش و فاصله بین میان‌گره سوم تا چهارم اندازه‌گیری شد. همچنین تعداد ساقه‌های بزرگ‌تر از 20 سانتی‌متر، متوسط تعداد گل در گل‌آذین، طول گل‌آذین و تعداد غلاف در گل‌آذین نیز اندازه‌گیری شدند. پس از جداکردن برگ‌ها و ساقه‌ها از هم، وزن تر برگ و وزن تر ساقه توزین شدند و مجموع آنها به‌عنوان عملکرد علوفه تر در نظر گرفته شد. سپس برگ‌ها و ساقه‌ها برای مدت 72 ساعت در آون با دمای 72 درجه سانتی‌گراد قرار داده شدند و وزن خشک برگ و ساقه توزین شد و از مجموع آنها عملکرد علوفه خشک به دست آمد؛ درنهایت، نسبت برگ خشک به ساقه خشک و نسبت عملکرد علوفه تر به علوفه خشک محاسبه شدند. این صفات براساس دستورالعمل یادداشت‌برداری صفات در آزمایشات یونجه (Abbasi & Moghaddam, 2002) اندازه‌‌گیری شدند.

بررسی نرمال‌بودن توزیع اشتباهات آزمایشی و تجزیه واریانس داده‌ها در نرم‌افزار آماری SAS 9.4 انجام شد. تجزیه خوشه‌ای با داده‌های استانداردشده و با محاسبه فواصل مربع اقلیدسی و روش Ward در نرم‌افزار Minitab18 صورت گرفت. در انتها، داده‌های استانداردشده جدول دوطرفه ژنوتیپ × صفت و گروه ژنوتیپی × صفت با استفاده از روش‌های بای‌پلات GT و GGT و با استفاده از نرم‌افزار R 3.5.2 و بسته GGEBiplotsGUI تجزیه و تحلیل شدند.

 نتایج

پس از اطمینان از نرمال‌بودن توزیع اشتباهات آزمایشی، تجزیه واریانس دوطرفه داده‌ها انجام شد و نتایج حاصل از آن نشان دادند بین جمعیت‌های یونجه مطالعه‌شده، ازنظر تمامی صفات اندازه‌گیری‌شده، به‌جز طول گل‌آذین، اختلاف آماری معنی‌داری وجود داشت (جدول 2). این اختلاف بیان‌کنندة وجود تنوع در میان جمعیت‌های یونجه به لحاظ عملکرد علوفه (وزن تر و خشک برگ، وزن تر و خشک ساقه و وزن تر و خشک کل)، صفات کیفی (نسبت وزن خشک برگ به وزن خشک ساقه و نسبت وزن خشک کل به وزن تر کل) و برخی از ویژگی‌های مورفولوژیکی و فیزیولوژیکی نظیر سرعت رشد مجدد، تعداد ساقه، ارتفاع بوته، تعداد گره، فاصله میان‌گره، تعداد گل در گل‌آذین و تعداد غلاف در گل‌آذین است. اساس این تنوع می‌تواند به‌خوبی با نمودارهای ژنوتیپ × صفت رمزگشایی شود.

 

 

جدول 2- تجزیه واریانس صفات مختلف در 40 جمعیت یونجه

Table 2- Analysis of variance of different traits in 40 alfalfa populations

منابع تغییرات

Sources of variation

درجه آزادی

Degrees of freedom

میانگین مربعات        Mean squares

PH

RGR

NN

NL

NS

NFPR

RL

NPPR

بلوک                   Block

2

67.2ns

0.71ns

9.87*

2.76ns

155**

26.4*

0.04ns

81.2**

جمعیت     Populations

39

116.6**

6.67**

6.99**

2.32**

16.1**

14.11*

0.07ns

11.7**

خطا                       Error

78

56.1

1.69

3.15

1.11

1.67

8.15

0.69

6.01

ضریب تغییرات (%)         Coefficient of variation

10.71

18.10

11.25

20.91

19.69

18.85

18.42

18.10

آزمون نرمال‌بودن کولموگروف - اسمیرنوف

Tests of Normality Kolmogorov-Smirnova

0.090ns

0.135ns

0.108ns

0.058ns

0.112ns

0.100ns

0.117ns

0.089ns

ns، * و ** به‌ترتیب غیرمعنی‌داری و معنی‌داری در سطح احتمال پنج و یک درصد است. PH: ارتفاع بوته، RGR: سرعت رشد مجدد، NN: تعداد گره، NL: فاصله میان‌گره، NS: تعداد ساقه، NFPR: تعداد گل در گل‌آذین، RL: طول گل‌آذین، NPPR: تعداد غلاف در گل‌آذین

ns, * and **: non-significant, significant at 5% and 1% probability level, respectively. PH: plant height, RGR: regrowth rate, NN: number of nodes, NL: node length, NS: number of stems, NFPR: number of floret per racemes, RL: racemes length, NPPR: number of pods per racemes

 

ادامه جدول 2- تجزیه واریانس صفات مختلف در 40 جمعیت یونجه

Continuation of Table 2- Analysis of variance of different traits in 40 alfalfa stands

منابع تغییرات

Sources of variation

درجه آزادی

Degrees of freedom

میانگین مربعات        Mean squares

LF

LD

SF

SD

TF

TD

LD/SD

TD/TF

بلوک                    Block

2

140.1*

3.37ns

102.1ns

6.34ns

2414**

147.8**

0.44**

0.002ns

جمعیت           Populations

39

199.3**

20.4**

238.6**

16.5**

982.2**

75.2**

0.15**

0.005**

خطا                      Error

78

37.1

1.76

48.6

3.45

82.9

8.22

0.05

0.001

ضریب تغییرات (%)          Coefficient of variation

32.7

24.40

30.55

31.54

21.52

24.80

23.77

13.64

آزمون نرمال‌بودن کولموگروف - اسمیرنوف

Tests of Normality Kolmogorov-Smirnova

0.136 ns

0.120ns

0.105ns

0.107ns

0.118ns

0.135ns

0.120ns

0.116ns

ns، * و ** به‌ترتیب غیرمعنی‌داری و معنی‌داری در سطح احتمال پنج و یک درصد است. LF: وزن تر برگ، LD: وزن خشک برگ، SF: وزن تر ساقه، SD: وزن خشک ساقه، TF: وزن تر کل، TD: وزن خشک کل، LD/SD: وزن خشک برگ به وزن خشک ساقه و TD/TF: وزن خشک کل به وزن تر کل

ns, * and **: non-significant, significant at 5% and 1% probability level, respectively. LF: leaf fresh weight, LD: leaf dry weight, SF: stem fresh weight, SD: stem dry weight, TF: total fresh weight, TD: total dry weight, LD/SD: leaf dry weight/stem dry weight, and TD/TF: total dry weight/total fresh weight

 

ترسیم بای­پلات GT برای داده­های استانداردشده، 43/53 درصد از تغییرات موجود در جدول دوطرفه ژنوتیپ × صفت را توجیه کرد (شکل 1). از این مقدار سهم مؤلفه نخست 79/40 درصد و سهم مؤلفه دوم 64/12 درصد بود. شکل 1 (A)، نمای چندضلعی بای­پلات را نشان می­دهد که الگویی مناسب برای شناسایی برترین جمعیت­های یونجه براساس صفات اندازه­گیری‌شده است. همان­طور که ملاحظه می­شود، جمعیت­های شماره 2، 6، 10، 20، 32 و 39 که در دورترین فاصله از مبدأ بای­پلات قرار گرفته­اند، ازطریق خطوط سیاه رنگی به یکدیگر پیوسته و چندضلعی را تشکیل داده­اند؛ به‌طوری‌که 34 جمعیت باقی­مانده درون این چندضلعی محصور ماندند. خطوط قرمز رنگی که از مبدأ بای­پلات منشأ گرفته‌اند و عمود بر هرکدام از اضلاع چندضلعی هستند، بای­پلات را به شش بخش نامساوی تقسیم کرده‌اند. هر بخش دارای یک جمعیت رأسی است و ازنظر صفات موجود در آن بخش، دارای بیشترین عملکرد خواهد بود. بر این اساس، جمعیت شماره 32 ازلحاظ صفات وزن خشک برگ به وزن خشک ساقه و تعداد گره بیشترین مقدار را داشت. جمعیت 2 در بخش یکسانی با صفات وزن تر و خشک برگ، وزن تر و خشک ساقه و وزن تر و خشک کل قرار داشت؛ بنابراین، ازنظر این صفات وضعیت برتری را نشان داد. به همین ترتیب، جمعیت شماره 16 ازنظر تعداد گل در گل­آذین و ارتفاع بوته و جمعیت 6 ازنظر وزن خشک کل به وزن تر کل، تعداد غلاف در گل­آذین، طول گل­آذین، فاصله میان­گره، تعداد ساقه و سرعت رشد مجدد بیشترین میزان را به خود اختصاص دادند. جمعیت­های 20 و 39 جزء توده­های رأسی بودند که هیچ صفتی در بخش مربوط به آنها واقع نشد که نشان می­دهد این جمعیت­ها ازنظر هیچ­کدام از صفات مطالعه‌شده در وضعیت مناسبی قرار نداشتند. همان­طور که جمعیت­های رأسی با طولانی­ترین فاصله از مبدأ بای­پلات جزء واکنش‌پذیرترین جمعیت­ها بودند، جمعیت­های 26 و 31 با نزدیکی به مبدأ بای­پلات دارای سطح متوسطی برای صفات بودند.

شکل 1 (B)، رتبه‌بندی ژنوتیپ‌ها براساس مهم‌ترین صفت یونجه یعنی عملکرد علوفه خشک را نشان می‌دهد. در این تصویر خطی موسوم به محور صفت از مبدأ بای‌پلات به موقعیت عملکرد علوفه خشک رسم شده و از موقعیت هر جمعیت خط نقطه‌چینی بر محور صفت، عمود شده است. محور صفت دارای یک پیکان است که جهت افزایش را نشان می‌دهد؛ بنابراین، حرکت در عکس این پیکان می‌تواند توده‌ها را از عملکرد بیشتر به عملکرد کمتر رتبه‌بندی کند. براساس این، جمعیت‌های شماره 2، 32، 40، 7 و 1 به‌ترتیب بیشترین عملکرد علوفه خشک را داشتند؛ درحالی‌که جمعیت‌های شماره 15، 18، 20، 23، 24، 38 و 39 در بدترین وضعیت قرار داشتند. لازم به توضیح است که خط عمود بر محور صفت که از مبدأ بای‌پلات نیز می‌گذرد، توده‌ها را ازنظر عملکرد علوفه به دو قسمت پایین‌تر از متوسط (جمعیت‌های سمت راست) و بالاتر از متوسط (جمعیت‌های سمت چپ) تقسیم می‌کند و همان‌طور که ملاحظه می‌شود بیشتر جمعیت‌ها عملکردی پایین‌تر از متوسط را داشتند. شکل 1 (C) نیز وضعیت جمعیت‌های مطالعه‌شده به لحاظ نسبت برگ به ساقه را نشان می‌دهد که تفسیر آن مشابه با مورد پیشین است. جمعیت‌های شماره 32، 2، 7، 40، 1 و 33 دارای بیشترین و جمعیت‌های شماره 6، 11، 27، 37 و 39 دارای کمترین نسبت برگ به ساقه بودند.

درنهایت، شکل 1 (D) نمایش برداری صفات است که می‌تواند از نوع روابط میان صفات مختلف یونجه اطلاعاتی فراهم کند. در این تصویر از مبدأ بای‌پلات به مکان هر صفت، خطی موسوم به بردار صفات رسم می‌شود. کوسینوس زاویه بین این بردارها تقریبی از میزان همبستگی پیرسون بین صفات است. زاویه کوچک‌تر از 90 درجه نشان‌دهندة همبستگی مثبت، زاویه بزرگ‌تر از 90 درجه نشان‌دهندة همبستگی منفی و زاویه 90 درجه نشان‌دهندة مستقل‌بودن صفات از یکدیگر خواهد بود. براساس توضیحات فوق، صفات تعداد گره، نسبت برگ به ساقه، وزن تر و خشک برگ، وزن تر و خشک ساقه و وزن تر و خشک کل با یکدیگر همبستگی مثبتی داشتند. همچنین این همبستگی میان صفات تعداد گل در گل‌آذین با ارتفاع بوته و تعداد ساقه با سرعت رشد مجدد مشاهده شد. صفاتی نظیر طول گل‌آذین، فاصله میان‌گره، تعداد غلاف در گل‌آذین و نسبت وزن خشک کل به وزن تر کل با یکدیگر همبستگی مثبتی داشتند. از شدیدترین همبستگی‌های منفی نیز می‌توان به همبستگی میان نسبت برگ به ساقه و تعداد گره با تعداد ساقه و سرعت رشد مجدد اشاره کرد. نمایش برداری صفات در بای‌پلات GT علاوه بر همبستگی می‌تواند میزان تنوع توده‌ها ازلحاظ صفات مختلف را نشان دهد و همان‌گونه که ملاحظه می‌شود طول گل‌آذین با کوچک‌ترین بردار، کمترین تنوع را داشت.

نتایج تجزیه خوشه‌ای نشان دادند جمعیت‌های یونجه مطالعه‌شده در پژوهش حاضر، براساس صفات اندازه‌گیری‌‌شده، به دو گروه اصلی و هرکدام با دو زیرگروه تقسیم شدند (شکل 2A). زیرگروه اول دارای 9 جمعیت بود که حدود نیمی از آنها دارای منشأ قره یونجه بودند و براساس بای‌پلات گروه ژنوتیپ × صفت (GGT) ازنظر عملکرد علوفه، نسبت برگ به ساقه و تعداد گره در وضعیت مناسبی قرار داشتند (شکل 2B). زیرگروه دوم 8 جمعیت داشت که بعد از زیرگروه اول دارای بیشترین عملکرد علوفه بود. زیرگروه سوم 15 جمعیت را شامل شد و به لحاظ تعداد ساقه برتر بود. درنهایت، در زیرگروه چهارم نیز همانند سه زیرگروه دیگر جمعیت‌هایی با منشأ متفاوت در یک خوشه قرار گرفتند و دارای 8 جمعیت بود که ازنظر ارتفاع بوته، طول گل‌آذین، تعداد گل و غلاف در گل‌آذین، سرعت رشد مجدد، نسبت وزن خشک کل به وزن تر کل و فاصله میان‌گره دارای بیشترین مقادیر بودند.

 

B

 

A

 

D

 

C

 

 

شکل 1- نتایج حاصل از تجزیه بای‌پلات ژنوتیپ × صفت. نمایش چندضلعی(A)، رتبه‌بندی جمعیت‌های یونجه براساس وزن خشک کل (B)، رتبه‌بندی جمعیت‌ها براساس نسبت وزن خشک برگ به ساقه (C) و نمایش برداری روابط صفات (D). PH: ارتفاع بوته، RGR: سرعت رشد مجدد، NN: تعداد گره، NL: فاصله میان‌گره، NS: تعداد ساقه، NFPR: تعداد گل در گل‌آذین، RL: طول گل‌آذین، NPPR: تعداد غلاف در گل‌آذین، LF: وزن تر برگ، LD: وزن خشک برگ، SF: وزن تر ساقه، SD: وزن خشک ساقه، TF: وزن تر کل، TD: وزن خشک کل، LD/SD: وزن خشک برگ به وزن خشک ساقه و TD/TF: وزن خشک کل به وزن تر کل.

Figure 1- The results of GT biplot analysis. Polygon display (A), Ranking of populations based on total dry weight (B), Ranking of genotypes based on leaf dry weight/stem dry weight (C), and vector representation of trait relationships (D). PH: plant height, RGR: regrowth rate, NN: number of nodes, NL: node length, NS: number of stems, NFPR: number of floret per racemes, RL: racemes length, NPPR: number of pods per racemes, LF: leaf fresh weight, LD: leaf dry weight, SF: stem fresh weight, SD: stem dry weight, TF: total fresh weight, TD: total dry weight, LD/SD: leaf dry weight/stem dry weight, and TD/TF: total dry weight/total fresh weight

 

A

 

B

 

شکل 2- دندروگرام حاصل از تجزیه خوشه‌ای (A) و نمایش چندضلعی بای‌پلات GGT جمعیت یونجه براساس صفات مختلف (B). PH: ارتفاع بوته، RGR: سرعت رشد مجدد، NN: تعداد گره، NL: فاصله میان‌گره، NS: تعداد ساقه، NFPR: تعداد گل در گل‌آذین، RL: طول گل‌آذین، NPPR: تعداد غلاف در گل‌آذین، LF: وزن تر برگ، LD: وزن خشک برگ، SF: وزن تر ساقه، SD: وزن خشک ساقه، TF: وزن تر کل، TD: وزن خشک کل، LD/SD: وزن خشک برگ به وزن خشک ساقه و TD/TF: وزن خشک کل به وزن تر کل (برای شماره و منشأ ژنوتیپ‌ها به جدول 1 مراجعه شود).

Figure 2- Dendrogram obtained from cluster analysis (A) and polygon representation of GGT biplot of different alfalfa populations based on different traits (B). PH: plant height, RGR: regrowth rate, NN: number of nodes, NL: node length, NS: number of stems, NFPR: number of floret per racemes, RL: racemes length, NPPR: number of pods per racemes, LF: leaf fresh weight, LD: leaf dry weight, SF: stem fresh weight, SD: stem dry weight, TF: total fresh weight, TD: total dry weight, LD/SD: leaf dry weight/stem dry weight, and TD/TF: total dry weight/total fresh weight (refer to Table 1 for the number and origin of genotypes).

بحث

یونجه یکی از اولین محصولات علوفه‌ای اهلی شده که نقش اقتصادی و فرهنگی مهمی در تاریخ داشته است (Wang & Şakiroğlu, 2021 ). همان‌طور که ملاحظه شد، بین جمعیت‌های یونجه مطالعه‌شده، تنوع چشمگیری ازنظر صفات فنوتیپی وجود داشت که مشابه آن در چندین تحقیق گزارش شده است (Bagavathiannan et al., 2010; Moawed, 2016; Abdollahi Mandoulakani, 2013; Khodarahmpour & Motamedi, 2016; dos Santos et al., 2020; Escobar-Gutiérrez & Ahmed, 2023). بهبود محصولات علوفه‌ای تا حد زیادی به در دسترس بودن ژرم‌پلاسم‌های متنوع و استفاده کارآمد از آنها بستگی دارد (Sayed et al., 2022). ایران و به‌ویژه‌ شمال‌غرب آن یکی از مراکز پیدایش و تنوع یونجه است. چنین تنوعی برای مواجهه با تغییرات اقلیمی روزافزون که بر عملکرد یونجه تأثیر چشمگیری می‌گذارند، اهمیت به‌سزایی دارد (Pourshirazi et al., 2022).

تنوع فنوتیپی بین جمعیت‌های یونجه به شکل ساده‌تر می‌تواند در بای‌پلات‌های GT مشاهده و ارزیابی شود. تکنیک بای‌پلات روش آماری مناسب برای نمایش داده‌های ژنوتیپ در صفت است و به شکل صحیحی می‌تواند ارتباط بین صفات را نشان دهد (Akcura et al., 2016 Sabaghnia et al., 2024). براساس نتایج، مؤلفه اول به‌عنوان مؤلفه تولید علوفه و مؤلفه دوم به‌عنوان مؤلفه زایشی شناخته شدند. درصد توجیه تغییرات کل توسط بای‌پلات زیاد نیست؛ اما همین مقدار نیز می‌تواند ساختار موجود در داده‌ها را نشان دهد.Yan  و Rajcan این نتیجه را نشان‌دهندة روابط پیچیده میان صفات اندازه‌گیری‌شده دانسته‌اند (Yan & Rajcan, 2002). Kroonenberg ثابت کرد سهم کم یا متوسط تنوع توجیه‌شده توسط بای‌پلات می‌تواند نشان دهد که ساختار اصلی جدول دوطرفه در بای‌پلات حفظ و نمایندگی می‌شود؛ اما ساختار اضافی در ابعاد بالاتر ممکن است کاذب باشد (Kroonenberg, 1997). در هر حال، بای‌پلات‌هایی که تنوع کمتری را توجیه می‌کنند، هنوز می‌توانند اطلاعات مفیدی را ارائه دهند (Laffont et al., 2007). بر همین اساس، قلی‌زاده و همکاران روابط متقابل میان صفات در نژادگان‌های گندم را با استفاده از بای‌پلات‌هایی بررسی کردند که در محیط نرمال 3/53 درصد و در محیط تنش شوری 2/54 درصد از تغییرات را توجیه می‌کردند (Gholizadeh et al., 2018). نمایش چندضلعی کمک می‌کند توده‌هایی تشخیص داده شوند که بالاترین مقدار برای یک صفت یا بیشتر صفات را دارند؛ اما باید توجه داشت که تمام صفات از اهمیت یکسانی برخوردار نیستند و پژوهشگر مایل است وضعیت همه توده‌ها را براساس صفات مهم ارزیابی کند. با وجود اینکه صفات مرتبط با گل و گل آذین در مطالعات تکاملی و تاکسونومیکی حائز اهمیت هستند، بدیهی است که عملکرد علوفه خشک مهم‌ترین صفت کمّی و نسبت برگ به ساقه مهم‌ترین صفت کیفی علوفه یونجه به شمار می‌رود. کیفیت علوفه به‌طور مؤثری از نسبت برگ به ساقه تأثیر می‌پذیرد و میزان آنها در جمعیت‌هایی بیشتر است که این نسبت بالا است (Annicchiarico, 2015 Sayed et al., 2022). در این مطالعه، همبستگی مثبت بین دو صفت منجر شد تا رتبه‌بندی ژنوتیپ‌ها براساس آنها تقریباً مشابه باشد. جمعیت‌ها با عملکرد علوفه بالا و نسبت برگ به ساقه بیشتر مربوط به جمعیت‌هایی با منشأ قره یونجه و خارجی بودند؛ درحالی‌که جمعیت‌هایی با منشأ همدانی به‌جز یک مورد دارای عملکرد متوسط و پایینی بودند و جمعیت‌های گرمسیری در بدترین وضعیت قرار داشتند. همبستگی مثبت میان عملکرد علوفه و نسبت برگ به ساقه امکان اصلاح همزمان این صفات را فراهم می‌آورد. تاکنون اطلاعات محدود و تاحدودی متناقض در این باره منتشر شده است؛ به‌طوری‌کهJulier  و همکاران همبستگی ژنتیکی منفی میان این دو صفت گزارش کردند (Julier et al., 2000). وجود همبستگی‌های نامطلوب میان صفات مهم، یکی از چالش‌های ارزیابی ژنوتیپ‌ها به شمار می‌آید (Yan & Frégeau-Reid., 2018). همبستگی شدید و مثبتی میان وزن تر و خشک برگ، وزن تر و خشک ساقه و وزن تر و خشک کل امری بدیهی است (Rezaei et al., 2010 Khodarahmpour & Motamedi, 2016). بنابراین، این صفات را می‌توان به‌عنوان یک صفت کلان در نظر گرفت (Kiliç et al., 2018). همچنین بر طبق نتایج با افزایش تعداد گره از فاصله بین میان‌گره سوم تا چهارم کاسته شده و بر نسبت برگ به ساقه افزوده شده است. طول میان‌گره صفت اصلی تعیین‌کنندة تفاوت در ارتفاع بوته یونجه است و بین ارتفاع بوته و وزن خشک برگ در هر بوته در مراحل مختلف رشد همبستگی مثبت و معنی‌داری مشاهده شده است (Jing et al., 2024). کوتاه‌بودن بردار صفت برای طول گل‌آذین نشان می‌دهد که تنوع صفت در میان توده‌ها کم بوده است یا به‌خوبی در بای‌پلات نشان داده نمی‌شود (Yan & Frégeau-Reid., 2018). با توجه به عدم معنی‌داری F جدول برای این صفت می‌توان طول بردار کوتاه را ناشی از تنوع پایین دانست.

در توافق با نتایج پژوهش حاضر گزارش شده است که الگوی خوشه‌بندی با تنوع جغرافیایی توده‌های یونجه هم‌خوانی ندارد (Abdollahi Mandoulakani et al., 2012 Hazegh Jafari et al., 2014). به نظر می‌رسد کاشت طولانی‌مدت ارقام یونجه با منشأ مختلف در یک محیط منجر شده است تا آنها در یک گروه قرار بگیرند و خوشه‌بندی این ارقام را شاید بتوان با اجداد مشترک توضیح داد (Touil et al., 2008). برخلاف این گزاره، مطابقت تنوع جغرافیایی با تنوع فنوتیپی در گروه‌بندی یونجه‌هایی از نواحی مختلف ایران نیز مشاهده شده است (Rezaei et al., 2010). احتمالاً استفاده از اطلاعات نشانگرهای مولکولی در مطالعات آتی می‌تواند نتایج دقیق‌تری ارائه دهد؛ چنانچه گزارش شده است که گروه‌های حاصل از تجزیه خوشه‌ای بر پایه نشانگرهای مولکولی با منشأ جغرافیایی جمعیت‌های یونجه در ارتباط هستند و جمعیت‌های اروپایی و آمریکایی ازنظر ژنتیکی متمایز از جمعیت‌های چینی بودند (Pégard et al., 2023). به‌جز زیرگروه دوم، سایر زیر‌گروه‌های تعیین‌شده توسط تجزیه خوشه‌ای در بای‌پلات GGT کاملاً از یکدیگر تفکیک شدند که این موضوع می‌تواند دلیلی بر صحت گروه‌بندی باشد. Akcura و همکاران در کنار بای‌پلات GT با توجیه 67 درصد از تغییرات، از بای‌پلات GGT با توجیه 92 درصد از تغییرات نیز استفاده کردند و آن را در بررسی 225 ژنوتیپ گندم نان سودمند یافتند (Akcura et al., 2016). توجه به ارزش بیشتر زیرگروه اول ازنظر صفات مهم، در برنامه‌های اصلاحی از اهمیت ویژه‌ای برخوردار خواهد بود و اگر هدف افزایش عملکرد و بهبود نسبت برگ به ساقه باشد، جمعیت‌های موجود در این زیرگروه به‌ویژه جمعیت‌های قره یونجه نسبت به سایرین در اولویت قرار دارند و مناسب منطقه آذربایجان هستند. درنهایت، با توجه به ویژگی‌های مثبت بای‌پلات  ، استفاده از آن در ارزیابی تنوع فنوتیپی توصیه می‌شود.

Abbasi, M. R. (2015). Iranian medicago genetic resources: exploration, collection, conservation and centers of diversity. Applied Field Crops Research, 28(106), 55-63. https://doi.org/10.22092/AJ.2015.105676 [In Persian].
Abbasi, M. R., & Moghaddam, A. (2002). Guidelines for measuring traits in alfalfa trials. Seed and Plant Improvement Institute (SPII), Agricultural Research, Education and Extension Organization (AREEO), R-1074165. [In Persian].
Abdollahi Mandoulakani, B. (2013). Study of genetic diversity in some populations of cultivated alfalfa (Medicago sativa L.) using morphological traits. Modern Genetics Journal, 7(4), 381-388. https://www.sid.ir/paper/116586/en [In Persian].
Abdollahi Mandoulakani, B., Piri, Y., Darvishzadeh, R., Bernoosi, I., & Jafari, M. (2012). Retroelement insertional polymorphism and genetic diversity in Medicago sativa populations revealed by IRAP and REMAP markers. Plant Molecular Biology Reporter, 30, 286-296. https://doi.org/10.1007/s11105-011-0338-x
Akcura, M., Kokten, K., Akcacik, A.G., & Aydogan, S. (2016). Pattern analysis of Turkish bread wheat landraces and cultivars for grain and flour quality. Turkish Journal of Field Crops, 21(1), 120-130. https://doi.org/10.17557/tjfc.72407
Akcura, M., Sabandüzen, B., & Hocaoğlu, O. (2018). Using GGE biplot analysis to evaluate interrelationships between yield and yield components of oat genotypes in different growing seasons. Journal of Crop Science and Biotechnology, 21, 483-490. https://doi.org/10.1007/s12892-018-0194-0
Annicchiarico, P. (2015). Alfalfa forage yield and leaf/stem ratio: narrow-sense heritability, genetic correlation, and parent selection procedures. Euphytica, 205, 409-420. https://doi.org/10.1007/s10681-015-1399-y
Annicchiarico, P., Barrett, B., Brummer, E. C., Julier, B., & Marshall, A.H. (2015). Achievements and challenges in improving temperate perennial forage legumes. Critical Reviews in Plant Sciences34(1-3), 327-380. https://doi.org/10.1080/07352689.2014.898462
Bagavathiannan, M. V., Julier, B., Barre, P., Gulden, R. H., & Van Acker, R. C. (2010). Genetic diversity of feral alfalfa (Medicago sativa L.) populations occurring in Manitoba, Canada and comparison with alfalfa cultivars: an analysis using SSR markers and phenotypic traits. Euphytica, 173, 419-432. https://doi.org/10.1007/s10681-0100156-5
Benabderrahim, M. A., Hamza, H., Mansour, H., & Ferchichi, A. (2015). A comparison of performance among exotic and local alfalfa (Medicago sativa L.) ecotypes under Tunisian conditions. Romanian Agricultural Research, 32, 43-51. https://www.academia.edu/download/93844316/rar32.6.pdf
Bernousi, I., & Hasanzade Ghorttappe, A. (2018). Diallel analysis for dry forage yield among some alfalfa cultivars. Iranian Journal of Rangelands and Forests Plant Breeding and Genetic Research, 26(2), 302-310. 10.22092/ijrfpbgr.2018.117977 [In Persian].
Biazzi, E., Nazzicari, N., Pecetti, L., Brummer, E. C., Palmonari, A., Tava, A., & Annicchiarico, P. (2017). Genome-wide association mapping and genomic selection for alfalfa (Medicago sativa) forage quality traits. Plos One12(1), 1-17. https://doi.org/10.1371/journal.pone.0169234
dos Santos, I. G., Rocha, J. R. D. A. S. D. C., Vigna, B. B. Z., Cruz, C. D., Ferreira, R. D. P., Basigalup, D. H., & Marchini, R. M. S. (2020). Exploring the diversity of alfalfa within Brazil for tropical production. Euphytica216(72), 1-15. https://doi.org/10.1007/s10681-020-02606-w
Escobar-Gutiérrez, A. J., & Ahmed, L. Q. (2023). Early detection of phenotypic diversity of alfalfa (Medicago sativa L.) in response to temperature. Plants12(18), 3224. https://doi.org/10.3390/plants12183224
Gholizadeh, A., Dehghani, H., Amini, A., & Akbarpour, O. A. (2018). Study on trait relations of wheat genotypes using the Biplot method. Iranian Journal of Field Crop Science, 49(3), 121-136. https://doi.org/10.22059/IJFCS.2017.224744.654246 [In Persian].
Hazegh Jafari, P., Aharizad, S., Mohammadi, S. A., Noormand Moayyed, F., & Behrooz, P. (2014). Grouping of Alfalfa genotypes based on different characteristics using multivariate statistical analysis. Journal of Crop Breeding, 6(14), 107-121. https://www.sid.ir/paper/181160/en [In Persian].
Hoyos-Villegas, V., Wright, E. M., & Kelly, J. D. (2016). GGE Biplot analysis of yield associations with root traits in a Mesoamerican bean diversity panel. Crop Science, 56(3), 1081-1094. https://doi.org/10.2135/cropsci2015.10.0609
Jing, F., Shi, S., Kang, W., Guan, J., Lu, B., Wu, B., & Wang, W. (2024). The physiological basis of alfalfa plant height establishment. Plants13(5), 679. https://doi.org/10.3390/plants13050679
Julier, B., Huyghe, C., & Ecalle, C. (2000). Within-and among-cultivar genetic variation in alfalfa: forage quality, morphology, and yield. Crop Science, 40(2), 365-369. https://doi.org/10.2135/cropsci2000.402365x
Kakaei, M., & Mazahery-Laghab, H. (2014). Evaluation of alfalfa (Medicago Sativa L.) germplasm using multivariate statistical analysis. Iranian Journal of Rangelands and Forests Plant Breeding and Genetic Research, 22(1), 125-132. https://doi.org/10.22092/IJRFPBGR.2014.7689 [In Persian].
Khodarahmpour, Z., & Motamedi, M. (2016). Study of genetic diversity of alfalfa (Medicago sativa L.) genotypes via multivariate analysis. Journal of Crop Breeding, 8(19), 163-169. http://jcb.sanru.ac.ir/article-1-706-en.html [In Persian].
Kiliç, H., Kendal, E., & Aktaş, H. (2018). Evaluation of yield and some quality characters of winter barley (Hordeum vulgare L.) genotypes using biplot analysis. Agriculture & Forestry/Poljoprivreda i Sumarstvo, 64(3), 101-111. https://www.academia.edu/download/70682202/20180930-09_20Kilic_20et_20al.pdf
Kroonenberg, P. M. (1997). Introduction to biplots for G× E tables. Research Report# 51. Centre for Statistics. The University of Queensland, Brisbane, Qld, 4072.
Laffont, J. L., Hanafi, M., & Wright, K. (2007). Numerical and graphical measures to facilitate the interpretation of GGE biplots. Crop Science, 47(3), 990-996. https://doi.org/10.2135/cropsci2006.08.0549
Mehregan, I., Moussavi, M., & Nasrabadi, N. (2003). The genus Medicago in Iran: Biodiversity and variation centers. Rostaniha, 4(1), 11-12. https://rostaniha.areeo.ac.ir/article_103256.html [In Persian].
Ministry of Jihad Agriculture (2023). Agricultural statistics. Vol. 1: Crops. Statistics and information technology office, deputy of planning and economy. Ministry of Jihad Agriculture. [In Persian].
Moawed, M. M. (2016). Evaluation of morphological and anatomical characters for discrimination and verification of some Medicago sativa (L.) Cultivars. Indian Journal of Agricultural Research, 50(2), 183-192. https://doi.org/10.18805/ijare.v50i2.9590
Mohaddesi, A., Erfani, R., Sharifi, P., Aminpanah, H., & Abbasian, A. (2017). Studying the relationships between yield and yield components and stability of some of rice genotypes using biplot method. Cereal Research, 6(4), 411-421. https://cr.guilan.ac.ir/article_2274.html?lang=en [In Persian].
Mohammadi, R., Dehghani, H., & Karimzadeh, G. (2014). Graphic analysis of trait relations of cantaloupe using the Biplot method. Journal of Plant Production Research, 21(4), 43-62. https://jopp.gau.ac.ir/article_2180.html?lang=en [In Persian].
Pégard, M., Barre, P., Delaunay, S., Surault, F., Karagić, D., Milić, D., Zorić, M., Ruttink, T., & Julier, B. (2023). Genome-wide genotyping data renew knowledge on genetic diversity of a worldwide alfalfa collection and give insights on genetic control of phenology traits. Frontiers in Plant Science14, 1196134. https://doi.org/10.3389/fpls.2023.1196134
Pourshirazi, S., Soltani, A., Zeinali, E., Torabi, B., & Arshad, A. (2022). Assessing the sensitivity of alfalfa yield potential to climate impact under future scenarios in Iran. Environmental Science and Pollution Research29(40), 61093-61106. https://doi.org/10.1007/s11356-022-20287-x
Rameshknia, Y., Rashidi, V., Monirifar, H., & Sabbaghtazeh, E. (2024). Genetic diversity analysis of tetraploid Alfalfa (Medicago sativa subsp. sativa L.) populations collected from north-west regions of Iran using simple sequence repeat markers. Genetic Resources and Crop Evolution, 1-10. https://doi.org/10.1007/s10722-024-01858-y
Rezaei, M., MaaliAmiri, R., Naghavi, M. R., Mohammadi, R., & Kaboli, M. M. (2010). Evaluation of phenotypic diversity in ecotypes of alfalfa (Medicago sativa) from Iran. Iranian Journal of Field Crop Science, 41(1), 123-129. https://www.cabidigitallibrary.org/doi/full/10.5555/20103289143 [In Persian].
Sabaghnia, N., Yousefzadeh, S., & Janmohammadi, M. (2024). Graphical evaluation of genetic diversity among some genotypes of lepidium sativum L. using morphological traits. Taxonomy and Biosystematics, 15(57), 43-54. 10.22108/tbj.2024.139710.1243
Sayed, M. R., Alshallash, K. S., Safhi, F. A., Alatawi, A., ALshamrani, S. M., Dessoky, E. S., Althobaiti, A.T., Althaqafi, M. M., Gharib, H. S., Shafie, W. W., & Awad-Allah, M. M. (2022). Genetic diversity, analysis of some agro-morphological and quality traits and utilization of plant resources of alfalfa. Genes13(9), 1521. https://doi.org/10.3390/genes13091521
Shi, K., Dong, H., Du, H., Li, Y., Zhou, L., Liang, C., Şakiroğlu, M., & Wang, Z. (2024). The chromosome‐level assembly of the wild diploid alfalfa genome provides insights into the full landscape of genomic variations between cultivated and wild alfalfa. Plant Biotechnology Journal22(6), 1757-1772. https://doi.org/10.1111/pbi.14300
Touil, L., Guesmi, F., Fares, K., Zagrouba, C., & Ferchichi, A. (2008). Genetic diversity of some Mediterranean populations of the cultivated alfalfa (Medicago sativa L.) using SSR markers. Pakistan Journal of Biological Science, 11(15), 1923-1928. https://doi.org/10.3923/pjbs.2008.1923.1928
Wang, Z., & Şakiroğlu, M. (2021). The origin, evolution, and genetic diversity of Alfalfa. In The Alfalfa Genome (pp. 29-42). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-030-74466-3_3
Yan, W., & Frégeau-Reid, J. (2008). Breeding line selection based on multiple traits. Crop Science, 48(2), 417-423. https://doi.org/10.2135/cropsci2007.05.0254
Yan, W., & Frégeau-Reid, J. (2018). Genotype by Yield*Trait (GYT) Biplot: a novel approach for genotype selection based on multiple traits. Scientific Reports, 8(1), 1-10. https://doi.org/10.1038/s41598-018-26688-8
Yan, W., & Kang, M. S. (2002). GGE biplot analysis: A graphical tool for breeders, geneticists, and agronomists. CRC press, Boca Raton, FL, USA.
Yan, W., & Rajcan, I. (2002). Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42(1), 11-20. https://doi.org/10.2135/cropsci2002.1100
Zivkovic, B., Radovic, J., Sokolovic, D., Siler, B., Banjanac, T., & Strbanovic, R. (2012). Assessment of genetic diversity among alfalfa (Medicago sativa L.) genotypes by morphometry, seed storage proteins and RAPD analysis. Industrial Crops and Products, 40, 285-291.