fr

AMIRA, J.O.; OJO, D.K.; ARIYO, O.J.; ODUWAYE, O.A. & AYO-VAUGHAN, M.A. Résumé La sélection des cultures est précédée de tests multilocaux en amélioration des plantes; cependant, il apparaît difficile pour les améliorateurs de déterminer quels types de génotypes sélectionner en présence du génotype x environnement (GEI). Six génotypes du Soja ( Glycine max (L.) Merr.) étaient évalués dans dix milieux au Nigeria pour le rendement en grains et la stabilité. L’analyse de la variance a révélé un effet significatif (P ≤ 0.05) du GEI. Le rendement moyen en grains des génotypes du soja variait de 1148 kg ha-1 pour le génotype M351 à 1584 kg ha-1 pour TGx 1448-2E. Ilorin au sud de la savanne guinéenne au Nigeria était le plus variable avec une interaction élevée des axes de la composante principale (IPCA); pendant que Bauch dans le nord de la savanne guinnéenne était identifié comme milieu le plus stable dans l’évaluation du génotype du soja. Les Mega-environments et le meilleur génotype du soja du point de vue rendement dans chaque mega-environment étaient révélés par l’analyse du biplot. En plus, TGx 1448-2E et TGx 1440-1E, étaient jugés les plus promettants et génotypes stables à travers le test de milieu. Le modèle de stabilité du biplot GGE était supérieur, effective et informative dans l’analyse méga-environmentale en comparaison avec l’analyse du AMMI. Mots Clés Glycine max, analyse de la composante principale

en

RELATIVE DISCRIMINATING POWERS OF GGE AND AMMI MODELS IN THE SELECTION OF TROPICAL SOYBEAN GENOTYPES AMIRA, J.O.; OJO, D.K.; ARIYO, O.J.; ODUWAYE, O.A. & AYO-VAUGHAN, M.A. Abstract Selection of crops is preceded by multi-locational testing in plant breeding; however, it becomes difficult for breeders to determine which genotypes should be selected in the presence of genotype by environment (GEI). Six genotypes of soybean ( Glycine max (L.) Merr.) were evaluated at ten locations in Nigeria for grain yield and stability. The analysis of variance revealed significant (P ≤0.05) GEI effect. Mean grain yield of the soybean genotypes ranged from 1148 kg ha-1 for genotype M351 to 1584 kg ha-1 for TGx 1448-2E. Ilorin in the southern guinea savanna of Nigeria was the most variable with high interaction principal component axes (IPCA); while Bauch in the northern guinea savanna was identified as more stable location in evaluating the soybean genotype. Mega-environments and the best yielding soybean genotypes in each mega-environment were revealed by the GGE biplot analysis. Furthermore, TGx 1448-2E and TGx 1440-1E, were established as the most promising, and stable genotypes across the test locations. Stability model of GGE biplot was superior, effective and informative in mega-environment analysis compared to AMMI analysis. Keywords Glycine max, principal component analysis

© Copyright 2013 - African Crop Science Journal