Comparison of Results from AMMI and REML/BLUP Methods in Assessing the Adaptability and Stability of Wheat Genotypes Yield
यह अध्ययन प्रदर्शित करता है कि AMMI और REML/BLUP विधियों को एकीकृत करना ईरान के विविध वातावरणों में ब्रेड व्हीट (रोटी वाले गेहूं) के जीनोटाइप की उपज स्थिरता और अनुकूलन क्षमता का आकलन करने के लिए पारंपरिक AMMI की तुलना में अधिक व्यापक और विश्वसनीय ढांचा प्रदान करता है, विशेष रूप से तब जब इंटरेक्शन वेरिएंस (परस्पर क्रिया प्रसरण) कई मुख्य घटकों (प्रिंसिपल कंपोनेंट्स) में वितरित होता है।
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
कृषि की दुनिया में, एक किसान की सबसे बड़ी चुनौती अक्सर मौसम होती है। गेहूं की एक ऐसी किस्म जो एक घाटी में बंपर फसल दे सकती है, अगली घाटी में पूरी तरह विफल हो सकती है, केवल इसलिए क्योंकि मिट्टी, वर्षा या तापमान थोड़ा अलग है। पौधे की आनुवंशिक संरचना और उसके परिवेश के बीच इस अप्रत्याशित संबंध को 'जीनोटाइप-बाय-एनवायरनमेंट इंटरैक्शन' (genotype-by-environment interaction) के रूप में जाना जाता है। पादप प्रजनकों (plant breeders) के लिए लक्ष्य केवल वह गेहूं खोजना नहीं है जो सबसे लंबा या सबसे तेज़ बढ़ता है, बल्कि वे किस्में खोजना है जो उत्पादक और विश्वसनीय दोनों हों। उन्हें ऐसे बीजों की आवश्यकता है जो शुष्क या गीले, गर्म या ठंडे मौसम में भी अच्छा प्रदर्शन कर सकें। ऐसा करने के लिए, वैज्ञानिक मल्टी-एनवायरनमेंट ट्रायल्स (multi-environment trials) चलाते हैं, जिसमें एक ही बीजों को कई अलग-अलग स्थानों और वर्षों में उगाकर देखा जाता है कि वे कैसे टिकते हैं। हालांकि, इन परीक्षणों से उत्पन्न डेटा के विशाल ढेर का विश्लेषण करना कठिन है। पारंपरिक तरीके अक्सर निर्णय लेने के लिए डेटा के पहले कुछ पैटर्न को देखने पर निर्भर करते हैं, लेकिन यदि पर्यावरणीय स्थितियां जटिल हैं, तो वे पहले कुछ पैटर्न पूरी कहानी नहीं बता सकते।
ईरान के कृषि अनुसंधान, शिक्षा और विस्तार संगठन के शोधकर्ताओं की एक टीम ने दो अलग-अलग तरीकों से गेहूं के प्रदर्शन का विश्लेषण करके इस पहेली को सुलझाने का प्रयास किया। उन्होंने ईरान के ठंडे, सिंचित क्षेत्रों में दो बढ़ते मौसमों के दौरान नौ अनुसंधान केंद्रों में बीस अलग-अलग ब्रेड व्हीट जीनोटाइप उगाए। इन स्थानों में कराज, मशहद और ज़ंजन जैसे शहर शामिल थे, जिनमें से प्रत्येक में पर्यावरणीय स्थितियों का एक अनूठा सेट था। टीम ने सटीकता सुनिश्चित करने के लिए गेहूं को प्रत्येक साइट पर तीन पुनरावृत्तियों (repetitions) के साथ एक मानक ग्रिड पैटर्न में लगाया, और बीजों को फंगीसाइड (fungicide) से उपचारित किया और खरपतवारों का सावधानीपूर्वक प्रबंधन किया ताकि ध्यान पूरी तरह से इस बात पर केंद्रित रहे कि पौधों ने उनके वातावरण के प्रति कैसी प्रतिक्रिया दी। एक बार जब गेहूं परिपक्व हो गया, तो उन्होंने अनाज की कटाई की और प्रत्येक प्लॉट के लिए उपज मापी।
शोधकर्ताओं ने फिर इस डेटा को दो अलग-अलग सांख्यिकीय मॉडलों में डाला। पहला एक स्थापित तरीका था जिसे AMMI कहा जाता है, जो स्थान, विशिष्ट गेहूं की किस्म और दोनों के बीच के इंटरैक्शन के प्रभावों को अलग करने के लिए उपज डेटा को विभाजित करता है। दूसरा दृष्टिकोण एक अधिक आधुनिक तकनीक थी जिसे REML/BLUP कहा जाता है, जो यादृच्छिक पर्यावरणीय शोर (random environmental noise) को ध्यान में रखते हुए गेहूं की आनुवंशिक क्षमता की भविष्यवाणी करने के लिए एक मिश्रित-मॉडल ढांचे का उपयोग करता है। टीम ने पाया कि पर्यावरण स्वयं सबसे बड़ा कारक था, जिसने गेहूं के उत्पादन में होने वाले बदलावों के 61 प्रतिशत हिस्से की व्याख्या की। विशिष्ट गेहूं की किस्म और पर्यावरण के बीच के इंटरैक्शन ने 18.4 प्रतिशत की व्याख्या की, जबकि गेहूं की लाइनों के बीच के आनुवंशिक अंतरों ने केवल 3 प्रतिशत का योगदान दिया। इस छोटे आनुवंशिक योगदान ने सुझाव दिया कि गेहूं की लाइनें पहले से ही काफी समान थीं, क्योंकि वे कई दौर के चयन से गुजर चुकी थीं, जिससे बिना किसी संवेदनशील उपकरण के उन्हें अलग पहचानना और भी कठिन हो गया।
जब शोधकर्ताओं ने पारंपरिक AMM विधि का उपयोग करके परिणामों को देखा, तो उन्होंने एक सीमा देखी। मॉडल द्वारा पहचाने गए पहले दो पैटर्न गेहूं और पर्यावरण के बीच के कुल इंटरैक्शन के आधे से भी कम हिस्से की व्याख्या करते थे। इसका मतलब था कि गेहूं के व्यवहार के बारे में जानकारी की एक महत्वपूर्ण मात्रा बाद के, अधिक जटिल पैटर्न में छिपी हुई थी, जिन्हें पारंपरिक तरीका अक्सर अनदेखा कर देता है। एक स्पष्ट तस्वीर पाने के लिए, टीम ने REML/BLUP दृष्टिकोण की ओर रुख किया, जिसने उन्हें केवल पहले कुछ पैटर्नों के बजाय इंटरैक्शन के सभी महत्वपूर्ण पैटर्नों को शामिल करने की अनुमति दी। उन्होंने एक नया स्थिरता सूचकांक (stability index) जिसे WAASB कहा जाता है, का उपयोग किया, जो एक व्यापक स्कोरकार्ड की तरह कार्य करता है, और यह सारांशित करता है कि एक विशिष्ट गेहूं की किस्म सभी विभिन्न परीक्षण स्थलों में कितनी उतार-चढ़ाव भरी रहती है।
तुलना से पता चला कि पारंपरिक विधि, उपयोगी होने के बावजूद, भ्रामक हो सकती है जब पर्यावरणीय इंटरैक्शन जटिल होते हैं। बाद के पैटर्न को अनदेखा करके, यह वास्तविकता को बहुत सरल बनाने का जोखिम उठाती है। नए दृष्टिकोण ने, जिसने डेटा की पूर्ण जटिलता पर विचार किया, किस्मों की अधिक सुदृढ़ और विश्वसनीय रैंकिंग प्रदान की। जब शोधकर्ताओं ने अनाज की उपज के डेटा को स्थिरता स्कोर के साथ जोड़ा, तो उन्होंने चार विशिष्ट जीनोटाइप की पहचान की—जिन्हें G9, G3, G15 और G18 लेबल किया गया—जो सबसे आशाजनक थे। ये किस्में विविध वातावरणों में स्थिरता बनाए रखते हुए लगातार उच्च उपज देती थीं। वे हर एक स्थान पर उच्चतम उपज देने वाली किस्में नहीं थीं, लेकिन वे सबसे भरोसेमंद थीं, जो उत्पादकता और लचीलेपन का एक संतुलन प्रदान करती हैं जो किसानों के लिए अत्यंत महत्वपूर्ण है।
अध्ययन ने निष्कर्ष निकाला कि हालांकि पारंपरिक विश्लेषण का अपना स्थान है, लेकिन जटिल पर्यावरणीय इंटरैक्शन के मामले में केवल उस पर निर्भर रहना अधूरे निष्कर्षों की ओर ले जा सकता है। शोधकर्ताओं ने पाया कि आधुनिक मिश्रित-मॉडल दृष्टिकोण को पारंपरिक विधि के साथ एकीकृत करने से गेहूं के चयन के लिए एक बेहतर ढांचा प्राप्त हुआ। इस संयुक्त रणनीति ने उन्हें यह देखने की अनुमति दी कि पौधे अपने परिवेश के प्रति कैसे प्रतिक्रिया करते हैं, जिससे यह सुनिश्चित हुआ कि भविष्य की खेती के लिए चुनी गई किस्में क्षेत्र की चुनौतीपूर्ण स्थितियों के लिए वास्तव में अनुकूलित हैं। यह कार्य इस बात पर प्रकाश डालता है कि बेहतर फसलों की खोज में, डेटा का विश्लेषण करने के लिए उपयोग किए जाने वाले उपकरण उतने ही महत्वपूर्ण हैं जितने कि स्वयं बीज, और कभी-कभी, डेटा में गहराई से देखना ही आगे बढ़ने का सबसे अच्छा रास्ता दिखाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।