整合来自非对称多模型的数据可以确定干旱热点位置的抗干旱地基因型

科学领域:

• 农业科学 农业科学
• 植物育种 植物育种
• 农业学是一种农业学.

背景情况:

• 干旱压力实验经常使用人工条件,忽视了自然干旱热点.
• 印度安南塔普尔 (Anantapur) 是一个适合自然干旱应激评估的干旱环境,降雨量高的变化.
• 在现实干旱条件下,印度地瓜种类的耐旱潜力存在有限的研究.

研究的目的:

• 评估预先识别的耐旱核桃基因型在干旱地区自然降雨条件下的表现.
• 确定在干旱环境中具有优异产和降雨利用效率 (RUE) 的特定花生品种.
• 了解基因型对环境相互作用 (GEI) 对干旱易发地区花生表现的影响.

主要方法:

• 实地试验于2017年到2019年在雨天条件下在Anantapur进行.
• 对于选定的花生基因型,测量了盆子产量和降雨利用效率 (RUE).
• 基因型与环境相互作用 (GEI) 的分析使用AMMI模型和GGE双图分析进行.

主要成果:

• 显著的基因型和基因型*环境相互作用 (GEI) 影响了产和RUE.
• 该AMMI模型表明,季节性变化很大,环境向量超过90°的角度.
• 根据GGE双地分析,2018年雨季被认为是识别抗旱品种的最佳季节.

结论:

• 卡迪里5和GPBD5表现出最高的干旱耐受性,建议在安南塔普尔和类似地区种植.
• 这些已识别的品种可以作为一种有价值的遗传资源,用于开发新的耐旱地瓜品种.
• 该研究强调了在自然干旱热点中测试基因型的重要性,以准确评估性能.