Original Title: Biplot analysis of grain yield in barley grown under differing management levels in years of contrasting season-end drought
Source: doi.org/10.46882/AAAS/1109
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការវិភាគ Biplot លើទិន្នផលគ្រាប់ស្រូវសាឡី (Barley) ដែលដាំដុះក្រោមការគ្រប់គ្រងផ្សេងៗគ្នាក្នុងឆ្នាំដែលមានគ្រោះរាំងស្ងួតចុងរដូវកម្រិតខុសគ្នា

ចំណងជើងដើម៖ Biplot analysis of grain yield in barley grown under differing management levels in years of contrasting season-end drought

អ្នកនិពន្ធ៖ Woldeyesus Sinebo (Ethiopian Institute of Agricultural Research), Berhane Lakew, Abraham Feyissa

ឆ្នាំបោះពុម្ព៖ 2020, Advances in Agriculture and Agricultural Sciences

វិស័យសិក្សា៖ Agronomy

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាទាក់ទងនឹងការធ្លាក់ចុះទិន្នផលដំណាំដោយសារអាកាសធាតុមិនទៀងទាត់ និងគ្រោះរាំងស្ងួតចុងរដូវ ដោយផ្តោតលើការវាយតម្លៃភាពធន់ និងអន្តរកម្មរវាងពូជ និងបរិស្ថាន (G × E) លើដំណាំស្រូវសាឡី Hordeum vulgare L. នៅតំបន់ខ្ពង់រាបនៃប្រទេសអេត្យូពី។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ការវិភាគវ៉ារ្យ៉ង់ និងក្រាហ្វិក GGE biplot ដើម្បីវាយតម្លៃទិន្នផល និងស្ថិរភាពរបស់ដំណាំ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
High-Yielding Elite Varieties Strategy
យុទ្ធសាស្ត្រជ្រើសរើសពូជបង្កាត់ផ្តល់ទិន្នផលខ្ពស់ (ឧទាហរណ៍ពូជ eh42)
ផ្តល់ទិន្នផលខ្ពស់បំផុតក្នុងលក្ខខណ្ឌអាកាសធាតុល្អ និងមានការថែទាំត្រឹមត្រូវពេញលេញ។ ងាយរងគ្រោះ និងធ្លាក់ចុះទិន្នផលយ៉ាងគំហុកនៅពេលជួបប្រទះគ្រោះរាំងស្ងួតនៅចុងរដូវ (Season-end drought)។ ពូជ eh42 ផ្តល់ទិន្នផលខ្ពស់ជាងគេបំផុតក្នុងឆ្នាំដែលមិនសូវមានគ្រោះរាំងស្ងួត (២០០៣ និង ២០០៤) ប៉ុន្តែធ្លាក់ចុះខ្លាំងនៅឆ្នាំ ២០០២។
Early-Maturing Landraces Strategy
យុទ្ធសាស្ត្រជ្រើសរើសពូជក្នុងស្រុកឆាប់ប្រមូលផល (ឧទាហរណ៍ពូជ Sasa, dim)
ធន់នឹងគ្រោះរាំងស្ងួតចុងរដូវបានយ៉ាងល្អ ដែលស័ក្តិសមសម្រាប់កសិករខ្នាតតូចដែលមិនចង់ប្រឈមហានិភ័យបាត់បង់ទិន្នផលទាំងស្រុង។ ជាទូទៅផ្តល់ទិន្នផលសរុបទាបជាងពូជបង្កាត់ទំនើបៗ នៅពេលដែលលក្ខខណ្ឌអាកាសធាតុផ្តល់អំណោយផលល្អ។ ពូជ Sasa ជាពូជក្នុងស្រុកឆាប់ប្រមូលផល ដែលផ្តល់ទិន្នផលល្អបំផុតប្រចាំឆ្នាំ ២០០២ ដែលជាឆ្នាំមានគ្រោះរាំងស្ងួតចុងរដូវធ្ងន់ធ្ងរ។
Compromise Genotypes Strategy
យុទ្ធសាស្ត្រជ្រើសរើសពូជសម្របសម្រួល (ឧទាហរណ៍ពូជ 3304-11, 3381-04)
អាចរក្សាបាននូវស្ថិរភាពទិន្នផលសមរម្យ ទាំងក្នុងស្ថានភាពអាកាសធាតុល្អ និងស្ថានភាពមានគ្រោះរាំងស្ងួត។ មិនមែនជាពូជដែលផ្តល់ទិន្នផលកំពូលផ្តាច់គេក្នុងលក្ខខណ្ឌណាមួយជាក់លាក់ឡើយ (មិនខ្ពស់បំផុតពេលអាកាសធាតុល្អ តែមិនទាបបំផុតពេលរាំងស្ងួត)។ ការវិភាគដោយ GGE Biplot បង្ហាញថាពូជ 3304-11 និង 3381-04 ស្ថិតក្នុងតំបន់ដែលមានទិន្នផលខ្ពស់សមរម្យក្រោមសម្ពាធទាំងសងខាង (Low and High Stress)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារការសាកល្បងផ្ទាល់នៅលើវាលស្រែក្នុងរយៈពេលយូរឆ្នាំ ព្រមទាំងការប្រើប្រាស់កម្លាំងពលកម្មប្រមូលទិន្នន័យ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យស្ថិតិស្មុគស្មាញ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅតំបន់ខ្ពង់រាប Holetta នៃប្រទេសអេត្យូពី ដោយផ្តោតលើពូជស្រូវសាឡី Hordeum vulgare L. ចំនួន៣៩ប្រភេទ។ ទោះបីជាកម្ពុជាមិនមានការដាំដុះស្រូវសាឡី និងមានអាកាសធាតុខុសគ្នាក៏ដោយ ប៉ុន្តែបញ្ហាប្រឈមនៃគ្រោះរាំងស្ងួតចុងរដូវ (Season-end drought) និងអាកាសធាតុមិនទៀងទាត់ គឺជាបញ្ហាដ៏ធំដែលកសិករកម្ពុជាតែងតែជួបប្រទះញឹកញាប់ ជាពិសេសដំណាំស្រូវ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រវិភាគអន្តរកម្មពូជនិងបរិស្ថានតាមរយៈ GGE Biplot នេះ ពិតជាមានតម្លៃនិងអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពសម្រាប់កម្មវិធីបង្កាត់ពូជដំណាំនៅកម្ពុជា។

ការអនុវត្តវិធីសាស្ត្រ GGE Biplot នឹងជួយឱ្យអ្នកស្រាវជ្រាវកម្ពុជាអាចកំណត់អត្តសញ្ញាណពូជដំណាំដែលមានស្ថិរភាពខ្ពស់ ផ្តល់ជម្រើសច្បាស់លាស់ដល់កសិករ និងកាត់បន្ថយហានិភ័យបាត់បង់ទិន្នផលនៅពេលមានគ្រោះរាំងស្ងួត។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃអន្តរកម្មពូជ និងបរិស្ថាន: អ្នកស្រាវជ្រាវត្រូវស្វែងយល់ឱ្យបានច្បាស់ពីទ្រឹស្តី Genotype × Environment Interaction (GxE) និងការបកស្រាយក្រាហ្វិកដោយប្រើប្រាស់ម៉ូដែល AMMI និង GGE Biplot
  2. រៀបចំការសាកល្បងពហុបរិស្ថានកម្រិតថ្នាក់ជាតិ (MET): រៀបចំការដាំដុះសាកល្បងពូជដំណាំអាទិភាព (ឧទាហរណ៍ ពូជស្រូវចំនួន២០ពូជ) នៅតាមស្ថានីយនៃខេត្តផ្សេងៗគ្នា ដោយផ្លាស់ប្តូរពេលវេលាសាបព្រោះ និងកម្រិតនៃការប្រើប្រាស់ជីឬថ្នាំការពារដំណាំ។
  3. ប្រមូលទិន្នន័យកសិកម្ម និងអាកាសធាតុជាក់ស្តែង: ត្រូវកត់ត្រាទិន្នផល កម្ពស់ដើម ពេលវេលាចេញផ្កា ព្រមទាំងទិន្នន័យអាកាសធាតុជាក់ស្តែងនៅទីតាំងនីមួយៗ (សីតុណ្ហភាព ទឹកភ្លៀង សំណើម) ឱ្យបានម៉ត់ចត់បំផុតគ្រប់រដូវកាលសាកល្បង។
  4. វិភាគទិន្នន័យដោយប្រើកម្មវិធីទំនើប និងឥតគិតថ្លៃ: អនុវត្តការវិភាគទិន្នន័យដោយប្រើកម្មវិធី R Software តាមរយៈកញ្ចប់ metanGGEBiplotGUI ជាជាងការប្រើកម្មវិធី SAS ដើម្បីកាត់បន្ថយចំណាយ និងងាយស្រួលបង្កើតក្រាហ្វិកសម្រាប់ការបកស្រាយ។
  5. ផ្សព្វផ្សាយលទ្ធផលជាជម្រើសយុទ្ធសាស្ត្រដល់កសិករ: ចងក្រងសៀវភៅណែនាំដោយផ្តល់ជាជម្រើសដល់កសិករ ពោលគឺបែងចែកជាពូជសម្រាប់ "ប្រាថ្នាទិន្នផលខ្ពស់ពេលអាកាសធាតុល្អ" និងពូជសម្រាប់ "ធានាទិន្នផលទោះមានគ្រោះរាំងស្ងួត" ដើម្បីឱ្យកសិករសម្រេចចិត្តដោយផ្អែកលើកម្រិតហានិភ័យរបស់ពួកគេ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Genotype × environment interaction (អន្តរកម្មរវាងពូជ និងបរិស្ថាន) ជាបាតុភូតដែលពូជដំណាំមួយឆ្លើយតបខុសៗគ្នា (ផ្តល់ទិន្នផល ឬលូតលាស់ខុសគ្នា) ទៅនឹងលក្ខខណ្ឌបរិស្ថានផ្សេងៗគ្នា ដូចជាអាកាសធាតុ ដី ឬកម្រិតនៃការថែទាំ។ នៅក្នុងការអនុវត្ត វាមានន័យថា ពូជដែលល្អបំផុតនៅកន្លែងមួយ អាចមិនមែនជាពូជដែលល្អបំផុតនៅកន្លែងមួយទៀតនោះទេ។ ដូចជាមនុស្សម្នាក់ដែលពូកែរៀនគណិតវិទ្យា តែខ្សោយផ្នែកកីឡា ចំណែកម្នាក់ទៀតពូកែកីឡា តែខ្សោយគណិតវិទ្យា គឺអាស្រ័យលើស្ថានភាពដែលពួកគេកំពុងប្រឈម។
GGE biplot (ក្រាហ្វិក GGE biplot) ជាឧបករណ៍ស្ថិតិ និងក្រាហ្វិកដែលប្រើសម្រាប់វិភាគ និងបង្ហាញរូបភាពនៃឥទ្ធិពលចម្បងរបស់ពូជ (Genotype main effect) និងអន្តរកម្មរវាងពូជ-បរិស្ថាន (G×E)។ ឧបករណ៍នេះជួយអ្នកស្រាវជ្រាវមើលឃើញយ៉ាងច្បាស់លើក្រដាសមួយសន្លឹកថាពូជណាមានស្ថិរភាព និងស័ក្តិសមបំផុតសម្រាប់បរិស្ថានណាមួយ។ ដូចជាផែនទីចង្អុលបង្ហាញផ្លូវ ដែលប្រាប់យើងថាពូជដំណាំមួយណាជាជើងឯកប្រចាំតំបន់នីមួយៗ និងពូជណាដែលអាចដាំបានគ្រប់កន្លែង។
Season-end drought (គ្រោះរាំងស្ងួតចុងរដូវ) ជាស្ថានភាពកង្វះខាតទឹកភ្លៀង ឬសំណើមដីដែលកើតឡើងនៅដំណាក់កាលចុងក្រោយនៃការលូតលាស់របស់ដំណាំ ជាពិសេសក្នុងអំឡុងពេលចេញផ្កា និងការចាក់សាច់គ្រាប់ (grain filling) ដែលធ្វើឱ្យគ្រាប់ស្ពឹក និងទិន្នផលធ្លាក់ចុះយ៉ាងខ្លាំង។ ដូចជារថយន្តដែលកំពុងរត់ជិតដល់គោលដៅ ប៉ុន្តែស្រាប់តែអស់សាំងកណ្តាលទី ធ្វើឱ្យមិនអាចបញ្ចប់ការធ្វើដំណើរបានល្អ។
Landrace (ពូជក្នុងស្រុក ឬពូជធម្មជាតិ) ជាពូជដំណាំប្រពៃណីដែលកសិករបានដាំដុះ និងជ្រើសរើសតាំងពីយូរលង់ណាស់មកហើយនៅក្នុងតំបន់ជាក់លាក់មួយ។ វាកសាងភាពស៊ាំ និងសម្របខ្លួនបានយ៉ាងល្អទៅនឹងលក្ខខណ្ឌអាកាសធាតុសំបូរបញ្ហា ឬជំងឺប្រចាំតំបន់នោះ ទោះបីជាទិន្នផលរបស់វាជាទូទៅអាចទាបជាងពូជបង្កាត់ថ្មីៗក៏ដោយ។ ដូចជាមាន់ស្រែ ដែលធន់នឹងជំងឺ និងអាកាសធាតុជាងមាន់កសិដ្ឋាន ទោះបីជាវាមិនសូវសាច់ច្រើន ឬឆាប់ធំក៏ដោយ។
Singular value decomposition (ការបំបែកតម្លៃឯកវចនៈ ឬ SVD) ជាបច្ចេកទេសគណិតវិទ្យាក្នុងការបំបែកម៉ាទ្រីសទិន្នន័យដ៏ស្មុគស្មាញ (ដូចជាទិន្នផលនៃពូជច្រើនប្រភេទក្នុងបរិស្ថានច្រើនកន្លែង) ទៅជាផ្នែកតូចៗដែលងាយស្រួលយល់ និងយកទៅគូរជាក្រាហ្វិក Biplot ដើម្បីរកមើលកត្តាចម្បងដែលធ្វើឱ្យមានភាពខុសគ្នា។ ដូចជាការយកម្ហូបមួយចានដែលចម្អិនរួច មកវិភាគបំបែករកមើលថាតើមានគ្រឿងផ្សំអ្វីខ្លះ និងមួយណាមានឥទ្ធិពលលើរសជាតិលេចធ្លោជាងគេ។
Best linear unbiased predictions - BLUPs (ការព្យាករណ៍លីនេអ៊ែរល្អបំផុតដែលមិនលម្អៀង) ជាវិធីសាស្ត្រស្ថិតិប្រើសម្រាប់ប៉ាន់ស្មានតម្លៃពិតប្រាកដនៃសមត្ថភាពរបស់ពូជដំណាំ (ដូចជាទិន្នផល) ដោយកាត់បន្ថយ ឬលុបបំបាត់កំហុស ឬភាពលម្អៀងដែលបណ្តាលមកពីកត្តាបរិស្ថានចៃដន្យ ឬភាពមិនប្រក្រតីនៃការរៀបចំការពិសោធន៍។ ដូចជាការវាយតម្លៃសមត្ថភាពពិតប្រាកដរបស់សិស្សម្នាក់ដោយផ្អែកលើលទ្ធផលប្រឡងជាច្រើនមុខវិជ្ជា និងច្រើនឆ្នាំ ដើម្បីកុំឱ្យវាយតម្លៃខុសដោយសារតែសិស្សនោះឈឺនៅថ្ងៃប្រឡងណាមួយ។
Crossover interaction (អន្តរកម្មខ្វែង) ជាប្រភេទអន្តរកម្ម G×E ដែលចំណាត់ថ្នាក់របស់ពូជដំណាំផ្លាស់ប្តូរទាំងស្រុងពីបរិស្ថានមួយទៅបរិស្ថានមួយទៀត។ ឧទាហរណ៍ ពូជ ក ផ្តល់ទិន្នផលខ្ពស់ជាង ពូជ ខ នៅកន្លែងទី១ ប៉ុន្តែនៅកន្លែងទី២ ពូជ ខ វិញដែលផ្តល់ទិន្នផលខ្ពស់ជាង ពូជ ក។ ដូចជាការប្រណាំងឡាន ដោយឡានកង់តូចរត់លឿនជាងនៅលើផ្លូវកៅស៊ូ ប៉ុន្តែចាញ់ឡានកង់ធំនៅពេលរត់លើផ្លូវដីភក់។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖