📄 agriculture

Genotype × environment interaction, adaptability, and stability of soybean genotypes in a new production region of Brazil

इस अध्ययन ने उत्तरी रियो डी जनेरियो, ब्राजील में पांच वातावरणों में सोयाबीन में जीनोटाइप × पर्यावरण अंतःक्रियाओं का विश्लेषण करने के लिए REML/BLUP और HMRPGV विधियों का उपयोग किया, जिससे 95R95IPRO, BMX COMPACTA IPRO, और TMG7061IPRO जीनोटाइप को उनके उच्च उपज, अनुकूलन क्षमता और स्थिरता के कारण इस नए उत्पादन क्षेत्र में खेती के लिए बेहतर उम्मीदवारों के रूप में पहचाना गया।

मूल लेखक: Josimar Nogueira Batista, Derivaldo Pureza Cruz, Yure Pequeno de Souza, Letícia Pastore Mendonça, Pedro Henrique Silva Ferreira, Roni Fernandes Guareschi, Elderson Pereira Silva, Benedito Fernandes So

प्रकाशित 2026-07-08

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Josimar Nogueira Batista, Derivaldo Pureza Cruz, Yure Pequeno de Souza, Letícia Pastore Mendonça, Pedro Henrique Silva Ferreira, Roni Fernandes Guareschi, Elderson Pereira Silva, Benedito Fernandes Souza Filho, Claudia Pozzi Jantalia, Jerri Édson Zilli, Roberto Kazuhiko Zito, Geraldo Amaral Gravina

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक शेफ हैं जो एक केक के लिए एकदम सही रेसिपी खोजने की कोशिश कर रहे हैं। आपके पास आठ अलग-अलग केक मिक्स (सोयाबीन के जीनोटाइप्स) हैं और आप देखना चाहते हैं कि किसका स्वाद सबसे अच्छा है। लेकिन पेच यह है कि आप केवल एक किचन में बेकिंग नहीं कर रहे हैं। आप पाँच अलग-अलग किचन (पर्यावरण) में बेकिंग कर रहे हैं, जिनमें से प्रत्येक का अपना ओवन तापमान, नमी और ऊँचाई है।

यह अध्ययन मूल रूप से यह पता लगाने के लिए एक विशाल टेस्ट है कि इन विशिष्ट ब्राजीलियाई किचन में कौन सा केक मिक्स सबसे अच्छा काम करता है, और कौन से "नखरे दिखाने वाले" (जो केवल एक ही किचन में अच्छे चलते हैं) बनाम "बहुमुखी" (जो सभी में अच्छे चलते हैं) हैं।

यहाँ शोधकर्ताओं ने जो पाया है, उसका विवरण सरल उपमाओं का उपयोग करते हुए दिया गया है:

1. बड़ी समस्या: "किचन" "मिक्स" से अधिक महत्वपूर्ण है

शोधकर्ताओं ने कुछ आश्चर्यजनक खोजा: केक मिक्स की तुलना में किचन कहीं अधिक महत्वपूर्ण था।

वैज्ञानिक शब्दों में, उन्हें एक विशाल "जीनोटाइप × एनवायरनमेंट" इंटरैक्शन मिला। इसे इस तरह सोचें: यदि आप एक महान धावक को लेते हैं और उसे कीचड़ भरे ट्रैक पर रख देते हैं, तो वह हार सकता है। यदि आप उसे चिकने ट्रैक पर रखते हैं, तो वह जीत जाता है। धावक (सोयाबीन) नहीं बदला, लेकिन ट्रैक (पर्यावरण) ने उसके प्रदर्शन को पूरी तरह से बदल दिया।

इस अध्ययन में, पाँच स्थानों के बीच मौसम और मिट्टी के अंतर के कारण सोयाबीन के उत्पादन में लगभग 80% भिन्नता देखी गई। इसका मतलब यह है कि एक सोयाबीन किस्म जो एक शहर में भारी पैदावार देती है, वह दूसरे शहर में बहुत कम पैदावार दे सकती है जो उससे केवल 50 मील दूर है।

2. चुनौती: भविष्य की भविष्यवाणी करना कठिन है

चूँकि "किचन" बहुत अलग थे, इसलिए केवल औसत देखकर विजेता का अनुमान लगाना बहुत कठिन था। शोधकर्ताओं का विजेताओं की भविष्यवाणी करने का "सटीकता स्कोर" काफी कम (0.18) था।

कल्पना कीजिए कि आप एक ऐसी दौड़ का अनुमान लगाने की कोशिश कर रहे हैं जहाँ हर बार दौड़ने पर ट्रैक बदल जाता है। यह एक जुआ है। यह हमें बताता है कि आप केवल एक परीक्षण के आधार पर "सर्वश्रेष्ठ" सोयाबीन नहीं चुन सकते; आपको सुनिश्चित होने के लिए इसे कई अलग-अलग स्थानों पर परीक्षण करना होगा।

3. विजेता: "हर मौसम के चैंपियन"

विभिन्न वातावरणों के बीच भी, शोधकर्ताओं ने सबसे सुसंगत सोयाबीन को खोजने के लिए एक विशेष सांख्यिकीय उपकरण (इसे एक सुपर-स्मार्ट रेफरी के रूप में सोचें) का उपयोग किया।

उन्होंने तीन चीजों की तलाश की:

उच्च उपज (High Yield): क्या इसने बहुत अधिक फलियाँ पैदा कीं?
स्थिरता (Stability): क्या इसने मौसम अजीब होने पर भी अच्छा प्रदर्शन किया?
अनुकूलन क्षमता (Adaptability): क्या यह बिना गिरे विभिन्न परिस्थितियों को संभाल सका?

शीर्ष तीन चैंपियन:

95R95IPRO
BMX COMPACTA IPRO
TMG7061IPRO

ये तीन "हर मौसम के एथलीट" थे। वे केवल एक विशिष्ट किचन में नहीं जीते; उन्होंने विभिन्न खेतों और मौसमों में लगातार उच्च उपज दी। वे सबसे विश्वसनीय प्रदर्शन करने वाले थे।

4. हारने वाले: "नखरे दिखाने वाली" किस्में

BRS 544RR जैसी कुछ किस्मों ने संघर्ष किया। वे एक ऐसे केक मिक्स की तरह थीं जो केवल तभी काम करती हैं जब ओवन ठीक 350 डिग्री पर हो। यदि तापमान गिर जाता या नमी बढ़ जाती, तो परिणाम खराब होता। अध्ययन में उल्लेख किया गया कि इस किस्म ने अन्य की तुलना में काफी कम उत्पादन किया, जिससे यह इस नए क्षेत्र के किसानों के लिए एक जोखिम भरा विकल्प बन गया।

5. "जादुई" गणित उपकरण

शोधकर्ताओं ने REML/BLUP नामक पद्धति का उपयोग किया। आप इसे एक जादुई फिल्टर के रूप में समझ सकते हैं।

सामान्य गणित केवल यह कह सकता है, "इस पौधे ने औसतन 100 फलियाँ पैदा कीं।"
"जादुई फिल्टर" कहता है, "रुको, उस पौधे ने 100 फलियाँ पैदा कीं, लेकिन उस दिन मिट्टी खराब थी। यदि मिट्टी सामान्य होती, तो इसने शायद 120 फलियाँ पैदा की होतीं। आइए स्कोर को मौसम की बदकिस्मती के बजाय पौधे की वास्तविक प्रतिभा को दर्शाने के लिए समायोजित करें।"

इस उपकरण ने उन्हें मौसम की किस्मत से पौधे की वास्तविक आनुवंशिक क्षमता को अलग करने में मदद की।

निष्कर्ष

अध्ययन यह निष्कर्ष निकालता है कि ब्राजील के इस नए सोयाबीन क्षेत्र (उत्तरी रियो डी जनेरियो) में, आप केवल अंधे होकर सर्वश्रेष्ठ सोयाबीन बीज नहीं चुन सकते। क्योंकि खेत से खेत तक मौसम और मिट्टी बहुत बदलती है, इसलिए आपको ऐसे बीजों की आवश्यकता है जो स्थिर और अनुकूलनीय हों।

किस्मों 95R95IPRO, BMX COMPACTA IPRO, और TMG7061IPRO इस क्षेत्र के लिए अनुशंसित "हर मौसम के चैंपियन" हैं। यदि किसान चाहे मौसम गीला हो, सूखा हो, गर्म हो या ठंडा, एक विश्वसनीय फसल चाहते हैं, तो उन्हें यही किस्में लगानी चाहिए।

तकनीकी सारांश: ब्राजील के एक नए उत्पादन क्षेत्र में सोयाबीन के जीनोटाइप की जीनोटाइप × पर्यावरण अंतःक्रिया, अनुकूलन क्षमता और स्थिरता

समस्या विवरण
ब्राजील में सोयाबीन (Glycine max) का उत्पादन नए कृषि क्षेत्रों में बढ़ रहा है, विशेष रूप से रियो डी जनेरियो राज्य के उत्तरी और उत्तर-पश्चिमी क्षेत्रों में, जो यांत्रिक खेती के लिए 3,00,000 हेक्टेयर से अधिक उपयुक्त क्षेत्र प्रदान करते हैं। हालांकि, सोयाबीन के जीनोटाइप का प्रदर्शन एडोफ़ोक्लाइमैटिक (मिट्टी और जलवायु संबंधी) स्थितियों से अत्यधिक प्रभावित होता है, जिससे महत्वपूर्ण जीनोटाइप × पर्यावरण (G×E) अंतःक्रिया उत्पन्न होती है। जबकि स्थिरता और अनुकूलन क्षमता के आकलन के लिए मिश्रित मॉडल (REML/BLUP) जैसे सांख्यिकीय तरीके स्थापित हैं, रियो डी जनेरियो के उभरते उत्पादन क्षेत्रों की विशिष्ट स्थितियों के तहत सोयाबीन के जीनोटाइप के लिए इन विशिष्ट मापदंडों को संबोधित करने वाले शोध की कमी है। यह अंतराल नई सीमा में किस्मों की सटीक सिफारिश करने और उत्पादन रणनीतियों के अनुकूलन में बाधा डालता है।

कार्यप्रणाली
इस अध्ययन में पांच अलग-अलग वातावरणों में आठ वाणिज्यिक सोयाबीन जीनोटाइप (95R95IPRO, BMX COMPACTA IRO और BRS 7780IPRO जैसी किस्मों सहित) का मूल्यांकन किया गया। इन वातावरणों को दो स्थानों (कैम्पोस डॉस गोयटाकाज़ोस और माकाए) और दो बढ़ते मौसमों (2019/2020 और 2020/2021) के संयोजन द्वारा परिभाषित किया गया था। प्रयोगों में चार प्रतिकृति (replications) के साथ रैंडमाइज्ड कम्पलीट ब्लॉक डिजाइन का उपयोग किया गया था।

डेटा विश्लेषण Selegen REML/BLUP सॉफ्टवेयर का उपयोग करके किया गया था। अध्ययन ने भिन्नता घटकों (variance components) और जीनोटाइप मानों के अनुमान के लिए एक रैखिक मिश्रित मॉडल ($y = Xr + Zg + Wi + e$) का उपयोग किया। गणना किए गए प्रमुख सांख्यिकीय पैरामीटर निम्नलिखित थे:

भिन्नता घटक (Variance Components): जीनोटाइपिक ( $\sigma^2_g$ ), G×E अंतःक्रिया ( $\sigma^2_{ge}$ ), और अवशेष ( $\sigma^2_e$ ) भिन्नता।
आनुवंशिक पैरामीटर: जीनोटाइप माध्य पर आनुवंशिकता ( $\hat{h}^2$ ), चयन सटीकता (SA), और वातावरणों के बीच जीनोटाइपिक सहसंबंध ( $\hat{r}_{ge}$ )।
चयन सूचकांक: अनुकूलन क्षमता और स्थिरता का आकलन करने के लिए, अध्ययन ने अनाज की उपज और स्थिरता के लिए जीनोटाइप मानों के हार्मोनिक माध्य (HMGV), अनुकूलन क्षमता के लिए जीनोटाइप मानों के सापेक्ष प्रदर्शन (RPGV), और उपज, स्थिरता एवं अनुकूलन क्षमता के समवर्ती चयन के लिए जीनोटाइप मानों के सापेक्ष प्रदर्शन के हार्मोनिक माध्य (HMRPGV) का उपयोग किया।

मुख्य परिणाम

G×E अंतःक्रिया: एक महत्वपूर्ण और प्रमुख G×E अंतःक्रिया पाई गई, जो अनाज की उपज में लगभग 80% फेनोटाइपिक भिन्नता के लिए जिम्मेदार थी। विभिन्न वातावरणों के बीच जीनोटाइपिक सहसंबंध अत्यंत कम ( $\hat{r}_{ge} = 0.01$ ) था, जो यह दर्शाता है कि विभिन्न वातावरणों में जीनोटाइप रैंकिंग में महत्वपूर्ण बदलाव आया।
आनुवंशिक पैरामीटर: अध्ययन में अनाज की उपज के लिए कम आनुवंशिकता ( $\hat{h}^2 = 0.03$ ) और कम चयन सटीकता (SA = 0.18) देखी गई, जिसका कारण पर्यावरणीय कारकों का उच्च प्रभाव और मजबूत G×E अंतःक्रिया है। प्रयोगात्मक भिन्नता गुणांक (CVe) 10.76% था, जो सोयाबीन परीक्षणों के लिए स्वीकार्य सीमाओं के भीतर है।
जीनोटाइप प्रदर्शन:
- कुल उपज: कुल औसत अनाज उपज 3,281.15 किग्रा प्रति हेक्टेयर थी।
- शीर्ष प्रदर्शनकर्ता: जीनोटाइप 95R95IPRO, BMX COMPACTA IPRO, और TMG7061IPRO ने लगातार उत्कृष्ट प्रदर्शन प्रदर्शित किया।
- स्थिरता और अनुकूलन क्षमता: HMRPGV पद्धति ने उपज, स्थिरता और अनुकूलन क्षमता के समवर्ती चयन के लिए 95R95IPRO, BMX COMPACTA IPRO, और TMG7061IPRO को शीर्ष तीन जीनोटाइप के रूप में पहचाना।
- विशिष्ट लाभ: जब अंतःक्रिया-मुक्त मानों पर विचार किया गया, तो जीनोटाइप 95R95IPRO ने सामान्य माध्य पर उच्चतम आनुवंशिक लाभ (13.82 किग्रा प्रति हेक्टेयर) दिखाया।
- पर्यावरणीय विशिष्टता: जबकि कुछ जीनोटाइप (जैसे, BRS 7780IPRO) विशिष्ट वातावरणों (जैसे E2, E3, और E4) में उत्कृष्ट थे, HMRPGV द्वारा पहचाने गए शीर्ष तीन जीनोटाइपों ने परीक्षण किए गए विविध स्थितियों में उच्च प्रदर्शन बनाए रखा।
- उपज तुलना: माकाए क्षेत्र के शीर्ष प्रदर्शन करने वाले जीनोटाइप 2023/2024 की कटाई के राष्ट्रीय औसत उपज (3,202 किग्रा प्रति हेक्टेयर) से अधिक थे, जिनमें से कुछ विशिष्ट अनुकूल वातावरणों में 6,000 किग्रा प्रति हेक्टेयर से अधिक तक पहुँच गए।

महत्व और दावे
यह शोध दावा करता है कि देखी गई महत्वपूर्ण G×E अंतःक्रिया के कारण इस नए क्षेत्र में किस्म की सिफारिश के लिए केवल औसत प्रदर्शन पर निर्भर रहने के बजाय मिश्रित-मॉडल दृष्टिकोण (REML/BLUP) को स्थिरता और अनुकूलन क्षमता सूचकांकों (HMGV, RPGV, HMRPGV) के साथ उपयोग करना आवश्यक है।

अध्ययन इस बात पर प्रकाश देता है कि जीनोटाइप 95R95IPRO, BMX COMPACTA IPRO, और TMG7061IPRO में रियो डी जनेरियो के उत्तरी क्षेत्र में व्यापक अनुकूलन क्षमता और स्थिरता के लिए आवश्यक आनुवंशिक क्षमता है। ये जीनोटाइप ब्रीडिंग कार्यक्रमों और लक्षित क्षेत्र में खेती के लिए सिफारिश के योग्य उम्मीदवार के रूप में प्रस्तुत किए गए हैं। लेखक इस बात पर जोर देते हैं कि हालांकि औसत प्रदर्शन महत्वपूर्ण है, लेकिन विविध वातावरणों में जीनोटाइपिक अभिव्यक्ति की निरंतरता—जिसे HMRPGV पद्धति द्वारा सत्यापित किया गया है—जटिल पर्यावरणीय अंतःक्रियाओं वाले क्षेत्रों में सफल आनुवंशिक सुधार और किस्मों की तैनाती के लिए महत्वपूर्ण है। परिणाम इस बात की पुष्टि करते हैं कि ब्राजील के उभरते सोयाबीन फ्रंटियर्स में जीनोटाइप चयन रणनीतियों का समर्थन करने में ये सांख्यिकीय उपकरण अत्यंत उपयोगी हैं।