تجزیه همبستگی کانونی برای تعیین رابطه بین صفات مورفولوژیک و فیزیولوژیک گردهافشانی در پنج رقم ارکیده فالانوپسیس
Subject Areas : Journal of Ornamental Plantsفاطمه بیدرنامنی 1 , Seyed Najmmaddin Mortazavi 2 , مریم رحیمی 3
1 - Ph.D student in University of Zanjan, Zanjan, Iran
2 - Associate Professor, Faculty of Agriculture, University of Zanjan, Zanjan, Iran
3 - گروه فضای سبز، دانشکده کشاورزی- دانشگاه زابل- شهر زابل- ایران
Keywords: رقم, گرده افشانی, ارکیده, کپسول, ناتینگهام,
Abstract :
فالانوپسیس یکی از جنسهای مهم ارکیده است که برای تولید اقتصادی بهعنوان گل بریده و گلدانی پرورش داده میشود. هدف از این پژوهش بررسی رابطه همبستگی بین صفات مورفولوژیک و فیزیولوژیک در شرایط خود و دگرگردهافشانی 5 رقم ارکیده فالانوپسیس است. برخی صفات مورفولوژیک (طول کپسول، حجم کپسول، وزن بذور در هر کپسول، وزن پر کپسول و وزن خالی کپسول) و صفات فیزیولوژیک (تعداد روز تا اولین علامت تلقیح، تعداد روز تا اولین علامت متورم شدن و تعداد روز تا رسیدن کپسول) برای ارزیابی همبستگی کانونی بین آنها اندازهگیری شد. نتایج نشان داد همبستگی در اولین جفت متغیر کانونی 91/0 بود، همبستگی دومین و سومین جفت متغیر به ترتیب 68/0 و 30/0 بود. اولین متغیر کانونی در صفات فیزیولوژیک 1/66 درصد از تنوع متغیرهای فیزیولوژیک را نشان داد. مقادیر ویژه برای ارقام ’رویز گریتست روت‘، ’پیلاس تریس‘ و ’ویلکس لامبادا‘ بهترتیب820/0، 388/1 و 850/4 بوده است. همبستگی کانونی در تمام آزمونهای آماری برای صفات فیزیولوژیک و مورفولوژیک معنیدار بود. اولین متغیر کانونی در صفات فیزیولوژیک همبستگی مثبت با صفات تعداد روز تا اولین علامت متورم شدن و تعداد روز تا اولین علامت تلقیح داشت، بنابراین هرچه تعداد روز تا اولین علامت متورم شدن کمتر باشد، تعداد روز تا اولین علامت تلقیح و رسیدن نیز کمتر خواهد بود. در ارقام گردهافشانی شده کمترین صفت تعداد روز تا اولین علامت متورم شدن مربوط به حالات گردهافشانی ’ناتینگهام × ناتینگهام‘ و ’بُکارست× ناتینگهام‘ بوده؛ بیشترین صفت تعداد روز تا رسیدن کپسول مربوط به حالات گردهافشانی ’دابروونیک × دابروونیک‘ و ’ممفیس × دابروونیک‘ بود. بنابراین میتوان نتیجه گرفت که والدین مادری سفید و زرد بهترتیب نیاز به کمترین و بیشترین تعداد روز تا متورم شدن کپسول داشتند.
Akbas, Y. and Takma, C. 2005. Canonical correlation analysis for studying the relationship between egg production traits and body weight, egg weight and age at sexual maturity in layers. Czech Journal of Animal Science, 50 (4): 163-168.
Arditti, J. 1993. Fundamental of orchid biology. Wiley Interscience, New York. 1992 PP.
Balilashaki, K.H., Naderi, R.A., Kalantari, S. and Sorni, A. 2015. Evaluation of the effect of pollination time and different medium on formation of seed capsule, percentage and speed of seeds germination of phalaenopsis orchid (Phalaenopsis amabilis cv. Cool Breeze). Iranian Horticultural Science, 46 (1): 77-86.
Basavaraj, N. 1997. Genetic variability and genetics of quantitative and quality characters in green chilli (Capsicum annuum L.) genotypes. PhD. Thesis, University of Agricultural Sciences, Dharwad, India.
Bolaños-Villegas, P. and Chen, F.C. 2007. Cytological identification of chromosomal rearrangements in Doritaenopsis and Phalaenopsis. International Journal of Cooperative, 2: 1–11.
Bolaños-Villegas, P., Chin, S.W. and Chen, F.C. 2008. Meiotic chromosome behavior and capsule setting in Doritaenopsis hybrids. Journal of the American Society for Horticultural Science, 133: 107–116.
Cankaya, S., Balkaya, A. and Karaagac, O. 2010. Canonical correlation analysis for the determination of relationships between plant characters and yield components in red pepper [Capsicum annum L. var. Conoides (Mill) Irish] genotypes. Spanish Journal of Agricultural Research, 8 (1): 67-73.
Cankaya, S., Ocak, N. and Sungu, M. 2008. Canonical correlation analysis for estimation of relationships between sexual maturity and egg production traits upon availability of nutrients in pullets. Asian-Australasian Journal of Animal Science, 21: 1576-1584.
Clare, E.L., Schiestl, F.P., Leitch, A.R. and Chittka, L. 2013. The promise of genomics in the study of plant-pollinator interactions. Genome Biology, 14: 207. Doi: 10.1186/gb-2013-14-6-207.
Cruz, C.D., Regazzi, A.J. and Carneiro, P.C.S. 2012. Modelos biométricos aplicados ao melhoramento genético. 3 ed. Editora UFV, Viçosa.
DiLeo, M.V., Strahan, G.D., den Bakker, M. and Hoekenga, O.A. 2011. Weighted correlation network analysis (WGCNA) applied to the tomato fruit metabolome. PLOS One, 6: e26683. http://dx.doi.org/10.1371/journal.pone.0026683.
Gonzalez-Diaz, N. and Ackerman, J. 1988.Pollination, fruit set, andseed production in the orchid, Oeceoclades maculata. Lindleyana, 3: 150-155.
Guler, M., Adak, M.S. and Ulukan, H. 2001. Determining relationships among yield and some yield components using path coefficient analysis in chickpea (Cicer arietinum L.). European Journal of Agronomy, 14: 161-166. doi: 10.1016/S1161-0301(00)00086-1.
Johnson, R.A. and Wichern, D.W. 2002. Applied Multivariate Statistical Analysis. Prentice-Hall, Upper Saddle River, NJ.
Košir, P., Škof, S. and Luthar, Z. 2004. Direct shoot regeneration from nodes of Phalaenopsis orchid. Acta Agriculturae Slovenica, 83 (2): 233-242.
Nicolas, F.M., Bollero, G. and Bullock, D.G. 2005. Associations between field characteristics and soybean plant performance using canonical correlation analysis. Plant and Soil, 273: 39-55.
Petit, S., Jusaitis, M. and Bickerton, D. 2009. Effect of pollen load, self-pollination and plant size on seeds and germination in the endangered pink-lipped spider orchid, Caladenia behrii. Australian Journal of Botany, 57: 307-314.
Sahli, H.F. and Conner, J.K. 2007. Visitation, effectiveness, and efficiency of 15 genera of visitors to wild radiah, Raphanus raphanistrum (Brassicaceae). American Journal of Botany, 94: 203–209. doi: 10.3732/ajb.94.2.203.
Sedeek, K.E.M., Qi, W.H., Schauer, M.A., Gupta, A.K., Poveda, L., Xu, S.Q., Liu, Z.J., Grossniklaus, U., Shiestl, F.P. and Schluter, P.M. 2013. Transcriptome and proteome data reveal candidate genes for pollinator attraction in sexually deceptive orchids. PLOS One, 8 (5): e64621. doi: 10.1371/journal.pone. 0064621.
Silva, L.A., Piexoto, L.A., Teodoro, P.E., Rodrigues, E.V., Laviola, B.G. and Bheiring, L.L. 2017. Path analysis and canonical correlations for indirect selection of Jatropha genotypes with higher oil yields. Genetics and Molecular Research, 16 (1): 1-12.
Silva Junqueira, V., Azevedo Peixoto, L.D., Galvêas Laviola, B. and Lopes Bhering, L. 2016. Bayesian multi-trait analysis reveals a useful tool to increase oil concentration and to decrease toxicity in Jatropha curcas L. PLOS One, 11: e0157038. http://dx.doi.org/10.1371/journal.pone.0157038.
Solanki, S.S., Sexena, P.K. and Pandey, I.C. 1986. Genotypes and phenotypic paths to fruit yield in chilli (Capsicum annuum L.). Progressive Horticulture, 18: 227-229.
Thesis, K., Kephart, S. and Ivey, C.T. 2007. Pollinator effectiveness in co-occurring milkweeds (Asclepias; Apocynaceae, Asclepiadoidae). Annals of the Missouri Botanical Garden, 94: 505–516.
Ursem, R., Tikunov, Y., Bovy A. and Berloo, R.V. and Eeuwjik, F.V. 2008. A correlation network approach to metabolic data analysis for tomato fruits. Euphytica, 161: 181-193. http://dx.doi.org/10.1007/s10681-008-9672-y
Xu, S.Q., Schluter, P.M., Grossniklaus, U. and Schiestl, F.P. 2012. The genetic basis of pollinator adaptation in a sexually deceptive orchid. PLOS Genetics, 8: e1002889.