این پژوهش به‌منظور تعیین بهترین تاریخ کاشت و رقم مناسب گندم با استفاده از تکنیک گرافیکی GGE بای پلات در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه گنبدکاووس در سال 1393 انجام شد. آزمایش به‌صورت کرت‌های خرد شده بر پایه طرح بلوک‌های کامل تصادفی در سه تکرار اجرا شد. چهار تاریخ کاشت 1، 15، 29 دی و 11 بهمن به‌عنوان عامل اصلی و هشت رقم اکبری، ارگ، سیستان، سوپرهد، بم، گنبد، مروارید و N-87-20 به‌عنوان عامل فرعی در نظر گرفته شدند. صفات مورد بررسی شامل: تعداد کل سنبله، طول سنبله، تعداد دانه یک سنبله، وزن دانه در سنبله، تعداد سنبلچه در سنبله، عملکرد دانه و وزن هزار دانه اندازه‌گیری شدند. اثر تاریخ کاشت بر صفات مورد بررسی معنی‌دار بود. اثر متقابل تاریخ کاشت در رقم بر صفات مورد بررسی به‌استثنای وزن دانه در سنبله و وزن هزار دانه معنی‌دار بود. نتایج بدست آمده از بررسی همزمان عملکرد و پایداری ارقام با استفاده از بای پلات و مقایسه میانگین بین ارقام و تاریخ کاشت‌های مختلف نشان داد که رقم گنبد بالاترین عملکرد و بیشترین پایداری را داشت. ارقام مروارید و N-87-20 به‌ترتیب با متوسط عملکرد 6/2684 و 1/2761 کیلوگرم در هکتار بعد از رقم گنبد بیشترین عملکرد را داشتند ولی پایداری کمی را نشان دادند. بررسی ضرایب همبستگی بین صفات مورد مطالعه نیز نشان داد که همبستگی مثبت و معنی‌داری بین عملکرد دانه با تعداد کل سنبله و وزن دانه در سنبله وجود داشت. بنابراین کشت رقم گنبد در تاریخ یک دی برای شرایط آب و هوایی گنبد توصیه می‌گردد. Manuscript profile

یکی از پیشرفت‌های بزرگ در زمینه‌ی تشخیص نشانگر‌ها، شناسایی نشانگر‌های پیوسته با صفات زراعی مفید، است و همچنین ارزش نشانگر‌ها در آنالیز وراثت صفات در گیاهان زراعی، مشخص شده است. در این تحقیق ارتباط بین صفات زراعی و نشانگر مولکولیISSR درژنوتیپ‌های مختلف سویا مورد بررسی قرار گرفت. تنوع ژنتیکی ارقام مختلف سویا با استفاده از10آغازگر ISSRنشان داد که ازتعداد 68 قطعه ای که در کل ارقام تولید شد34 قطعه چند شکل بودند. مقدارPIC بین 147/0 تا 058/0 در آغازگرهامتغیر بود. بیشترین میزان شاخص نشانگری مربوط به آغازگر PRl-6با مقدار 39/8 به دست آمد که نشان‌دهنده قدرت تفکیک بالاتر این آغازگر نسبت به سایر آغازگر‌ها است. تجزیه ارتباط با استفاده از ماتریس ساختار جمعیت و با مدل‌های آماریGLM،MLM وبا استفاده از نرم افزارTASSELبرای 21 متغیر انجام شد. مدل MLMدرسطح احتمال 5 درصد 6 نشانگر را مرتبط با صفات ارزیابی شده شناسایی نمود. مطابق نتایج تجزیه ارتباط بالاترین ضریب تبیین به نشانگرISSR9-2با توجیه 21/0 درصد از تغییرات تعداد شاخه اصلی اختصاص داشت. در مجموع با توجه به بالا بودن آماره‌های تنوع ژنتیکی برای نشانگر‌هایISSR10-1،ISSR2-3و ISSR2-4می‌توان از آن‌ها در برنامه‌های اصلاحی دیگر استفاده کرد. Manuscript profile