Original Title: Multi-environment Evaluation of Potential and Stability for Promising Cassava Breeding Lines Series 2018 Using GGE Biplot
Source: doi.org/10.14456/thaidoa-agres.2025.22
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការវាយតម្លៃពហុបរិស្ថានលើសក្តានុពល និងស្ថិរភាពនៃពូជដំឡូងមីស៊េរីឆ្នាំ ២០១៨ ដោយប្រើ GGE Biplot

ចំណងជើងដើម៖ Multi-environment Evaluation of Potential and Stability for Promising Cassava Breeding Lines Series 2018 Using GGE Biplot

អ្នកនិពន្ធ៖ Rungravee Boontung (Rayong Field Crops Research Center), Suwaluk Sansanee (Rayong Field Crops Research Center), Narachai Phosan (Rayong Field Crops Research Center), Phanuwat Moonjuntha (Kanchanaburi Agricultural Research and Development Center), Sirilak Lankaew (Rayong Field Crops Research Center), Saichon Sangkaew (Nakhon Ratchasima Agricultural Research and Development Center), Napa Boonsang (Prachin Buri Agricultural Research and Development Center), Chatchewin Dawyai (Sukhothai Agricultural research and Development Center), Juthamas Khruengpatee (Maha Sarakham Agricultural Research and Development Center)

ឆ្នាំបោះពុម្ព៖ 2025 Thai Agricultural Research Journal

វិស័យសិក្សា៖ Agricultural Science

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ពូជដំឡូងមីដ៏ល្អចាំបាច់ត្រូវមានសក្តានុពល និងស្ថិរភាពខ្ពស់នៃលក្ខណៈកសិកម្មសំខាន់ៗនៅក្រោមលក្ខខណ្ឌបរិស្ថានដាំដុះចម្រុះគ្នា។ ការស្រាវជ្រាវនេះមានគោលបំណងវាយតម្លៃសក្តានុពល និងស្ថិរភាពនៃពូជដំឡូងមីស៊េរីឆ្នាំ ២០១៨ ក្នុងបរិស្ថានវាលចំនួន ១៤ កន្លែងផ្សេងៗគ្នា។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានធ្វើការវាយតម្លៃពូជដំឡូងមីដែលកំពុងអភិវឌ្ឍចំនួន ៣ ខ្សែស្រឡាយ និងពូជត្រួតពិនិត្យចំនួន ៣ ប្រភេទ ដោយប្រើប្រាស់ការរចនាប្លុកពេញលេញដោយចៃដន្យ និងការវិភាគទិន្នន័យស្ថិតិតាមរយៈ GGE Biplot។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Cassava Line CMR61-52-134 (Elite Line)
ខ្សែស្រឡាយពូជដំឡូងមី CMR61-52-134 (ពូជឆ្នើម)
មានសក្តានុពល និងស្ថិរភាពខ្ពស់បំផុតក្នុងការផ្តល់ទិន្នផលមើមស្រស់ បរិមាណម្សៅ និងទិន្នផលម្សៅសរុបនៅគ្រប់លក្ខខណ្ឌបរិស្ថាន។ អាចបន្សាំខ្លួនបានយ៉ាងទូលំទូលាយ (General adaptation)។ មិនមានចំណុចខ្សោយធំដុំត្រូវបានរាយការណ៍ឡើយ ប៉ុន្តែវាទាមទារការថែទាំតាមស្តង់ដារដើម្បីទទួលបានទិន្នផលអតិបរមា។ ទិន្នផលមើមស្រស់ជាមធ្យម ៥,៨៦៨ គីឡូក្រាម/រ៉ៃ បរិមាណម្សៅ ២២.៤% និងទិន្នផលម្សៅ ១,៣៥៩ គីឡូក្រាម/រ៉ៃ។
Cassava Line CMR61-52-113
ខ្សែស្រឡាយពូជដំឡូងមី CMR61-52-113
មានសក្តានុពលខ្ពស់ក្នុងការផ្តល់បរិមាណម្សៅ (ភាគរយម្សៅ) ខ្ពស់ជាងគេ។ មានស្ថិរភាពទាបក្នុងការផ្តល់ទិន្នផលមើមស្រស់ និងទិន្នផលម្សៅ មានន័យថាវាបន្សាំខ្លួនបានតែក្នុងលក្ខខណ្ឌបរិស្ថានជាក់លាក់ (Specific adaptation) ប៉ុណ្ណោះ។ បរិមាណម្សៅជាមធ្យមខ្ពស់ដល់ទៅ ២៣.៨% ប៉ុន្តែទិន្នផលរួមមានការប្រែប្រួលខ្លាំង។
Cassava Line CMR61-51-39
ខ្សែស្រឡាយពូជដំឡូងមី CMR61-51-39
មានស្ថិរភាពល្អសមរម្យក្នុងការផ្តល់ទិន្នផលមើមស្រស់ក្នុងបរិស្ថានមួយចំនួន។ សក្តានុពលនៃទិន្នផលមើមស្រស់ និងទិន្នផលម្សៅមានកម្រិតទាប បើប្រៀបធៀបទៅនឹងពូជ CMR61-52-134។ មានចំណាត់ថ្នាក់កម្រិតមធ្យមទាំងទិន្នផល និងស្ថិរភាពក្នុងការវិភាគ GGE biplot។
Standard Check Varieties (e.g., Kasetsart 50, Rayong 9)
ពូជត្រួតពិនិត្យស្តង់ដារ (ឧ. ពូជកាសេតសាត ៥០ និង រ៉ាក់យ៉ង ៩)
ជាពូជដែលកសិករនិយមដាំដុះស្រាប់ និងមានទិន្នន័យមូលដ្ឋានច្បាស់លាស់សម្រាប់ធ្វើការប្រៀបធៀប។ បង្ហាញសក្តានុពល និងស្ថិរភាពទាបជាងខ្សែស្រឡាយពូជថ្មី CMR61-52-134 នៅក្រោមការសាកល្បងពហុបរិស្ថាននេះ។ ផ្តល់ទិន្នផល និងស្ថិរភាពទាបជាងពូជឆ្នើមថ្មី ធ្វើឱ្យពួកវាស្ថិតនៅឆ្ងាយពីចំណុចពូជឧត្តមគតិ (Ideal Genotype) ក្នុងក្រាហ្វិក GGE biplot។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារធនធានច្រើនក្នុងការរៀបចំការសាកល្បងនៅទីតាំងវាលស្រែចំនួន ១៤ កន្លែងផ្សេងៗគ្នា ព្រមទាំងត្រូវការកម្មវិធីស្ថិតិឯកទេសដើម្បីវិភាគទិន្នន័យ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងខេត្តចំនួន ១៤ នៃប្រទេសថៃ (គ្របដណ្តប់ភាគខាងជើង ឦសាន កណ្តាល និងខាងកើត) ក្នុងចន្លោះឆ្នាំ ២០២៣-២០២៤។ ទោះបីជាអាកាសធាតុមានលក្ខណៈប្រហាក់ប្រហែលនឹងប្រទេសកម្ពុជាក៏ដោយ ក៏ភាពខុសគ្នានៃប្រភេទដី និងរបាយទឹកភ្លៀងក្នុងតំបន់ជាក់ស្តែងនៃប្រទេសកម្ពុជា អាចទាមទារឱ្យមានការសាកល្បងបន្សាំក្នុងស្រុកជាមុនសិន មុននឹងណែនាំពូជនេះដល់កសិករខ្មែរ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រវាយតម្លៃ GGE biplot និងលទ្ធផលពូជដំឡូងមីឆ្នើមនេះ មានអត្ថប្រយោជន៍ និងអាចអនុវត្តបានយ៉ាងល្អសម្រាប់អភិវឌ្ឍវិស័យកសិកម្មនៅកម្ពុជា។

សរុបមក ការអនុវត្តវិធីសាស្ត្រ GGE biplot និងការសាកល្បងពូជដំឡូងមីដែលមានស្ថិរភាពខ្ពស់ នឹងជួយពង្រឹងប្រសិទ្ធភាពនៃការជ្រើសរើសពូជដំណាំ ព្រមទាំងលើកកម្ពស់សេដ្ឋកិច្ចរបស់កសិករកម្ពុជាយ៉ាងជាក់ស្តែង។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីការរចនាការពិសោធន៍ពហុបរិស្ថាន (MET): ស្វែងយល់ពីរបៀបរៀបចំការពិសោធន៍សួនកសិកម្មតាមស្តង់ដារ Randomized Complete Block Design (RCBD) ដោយប្រើប្រាស់ឧបករណ៍ R (agricolae package) ដើម្បីបង្កើតប្លង់សាកល្បងដែលត្រឹមត្រូវតាមក្បួនខ្នាតស្ថិតិ។
  2. រៀនប្រើប្រាស់កម្មវិធីវិភាគ GGE Biplot: អនុវត្តការវិភាគទិន្នន័យអន្តរកម្មរវាងពូជ និងបរិស្ថាន (Genotype x Environment Interaction) ដោយប្រើប្រាស់ RStudio (GGEBiplotGUI or metan packages) ដើម្បីបង្កើតក្រាហ្វិកកំណត់ពូជក្នុងឧត្តមគតិ (Ideal Genotype)។
  3. រៀបចំការសាកល្បងនៅខេត្តគោលដៅ: សហការជាមួយមន្ទីរកសិកម្មខេត្ត (ឧ. បាត់ដំបង កំពង់ចាម ត្បូងឃ្មុំ) ដើម្បីដាំសាកល្បងពូជដំឡូងមីក្នុងស្រុក និងពូជនាំចូល ក្នុងលក្ខខណ្ឌដី និងអាកាសធាតុខុសៗគ្នា រយៈពេលយ៉ាងតិច ១ រដូវ (១២ ខែ)។
  4. ប្រមូលទិន្នន័យ និងវាយតម្លៃគុណភាព: ចុះវាស់វែងទិន្នផលមើមស្រស់ និងប្រើប្រាស់ឧបករណ៍វិភាគ Specific Gravity Method ដើម្បីរកភាគរយម្សៅ បន្ទាប់មកបញ្ចូលទិន្នន័យទាំងអស់ទៅក្នុងកម្មវិធីដើម្បីរកមើលពូជដែលមានស្ថិរភាពខ្ពស់បំផុត។
  5. ចងក្រងរបាយការណ៍ និងណែនាំពូជដល់កសិករ: សរសេរអត្ថបទស្រាវជ្រាវលម្អិតអំពីលទ្ធផលនៃការវិភាគ ហើយធ្វើការផ្សព្វផ្សាយពូជដែលជាប់ចំណាត់ថ្នាក់លេខ១ ដល់សហគមន៍កសិកម្មកម្ពុជា តាមរយៈសិក្ខាសាលាវាលស្រែ (Farmer Field School)។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
GGE biplot (ក្រាហ្វិក GGE Biplot) វិធីសាស្ត្រវិភាគស្ថិតិដែលប្រើប្រាស់ក្រាហ្វិកដើម្បីបង្ហាញពីឥទ្ធិពលរួមបញ្ចូលគ្នានៃពូជសេនេទិច (G) និងអន្តរកម្មរវាងពូជជាមួយបរិស្ថាន (GEI) ដើម្បីវាយតម្លៃសក្តានុពល និងស្ថិរភាពរបស់ដំណាំក្នុងលក្ខខណ្ឌដាំដុះផ្សេងៗគ្នា។ ដូចជាការប្រើផែនទីក្រាហ្វិកដែលចង្អុលបង្ហាញថា តើកីឡាករណាលេងបានល្អបំផុតនៅទីលានប្រកួតណាខ្លះ និងកីឡាករណាលេងបានល្អជាងគេនៅគ្រប់ទីលាន។
Genotype-environment interaction (អន្តរកម្មរវាងពូជនិងបរិស្ថាន / GEI) បាតុភូតដែលពូជដំណាំ (Manihot esculenta) ដូចគ្នាផ្តល់ទិន្នផល ឬបង្ហាញលក្ខណៈខុសៗគ្នា នៅពេលដែលត្រូវបានយកទៅដាំដុះក្នុងលក្ខខណ្ឌអាកាសធាតុ កម្រិតទឹកភ្លៀង ឬប្រភេទដីខុសៗគ្នា។ ដូចជាមនុស្សម្នាក់ដែលរៀនពូកែពេលរៀននៅផ្ទះស្ងាត់ តែរៀនមិនចូលសោះពេលរៀននៅហាងកាហ្វេអ៊ូអរ ដែលបង្ហាញថាបរិយាកាសមានឥទ្ធិពលប្រែប្រួលលើសមត្ថភាពរបស់គាត់។
Multi-environment trial (ការសាកល្បងពហុបរិស្ថាន / MET) ការរៀបចំការដាំដុះសាកល្បងពូជដំណាំដដែលៗ នៅតាមទីតាំងភូមិសាស្ត្រជាច្រើនកន្លែង ក្នុងអំឡុងពេលដូចគ្នា ដើម្បីវាយតម្លៃភាពធន់ និងការបន្សាំខ្លួនរបស់វាមុននឹងចេញផ្សាយជាផ្លូវការ។ ដូចជាការយកឡានម៉ូដែលថ្មីមួយទៅបើកសាកល្បងទាំងលើផ្លូវកៅស៊ូ ផ្លូវលំ ផ្លូវភ្នំ និងផ្លូវភក់ ដើម្បីវាស់ស្ទង់មើលថាតើវាធន់កម្រិតណាក្នុងស្ថានភាពជាក់ស្តែង។
Ideal genotype (ពូជក្នុងឧត្តមគតិ) នៅក្នុងការវិភាគ GGE biplot វាគឺជាចំណុចពូជសម្មតិកម្មនៅលើក្រាហ្វិក ដែលតំណាងឱ្យពូជដែលមានសក្តានុពលខ្ពស់បំផុត (ទិន្នផលខ្ពស់) និងមានស្ថិរភាពដាច់ខាត (មិនប្រែប្រួលទោះដាំនៅទីណាក៏ដោយ) ដែលប្រើជាចំណុចកណ្តាលសម្រាប់ប្រៀបធៀបជាមួយពូជជាក់ស្តែង។ ដូចជាសិស្សគំរូម្នាក់ដែលតែងតែប្រឡងបានពិន្ទុ ១០០ គ្រប់មុខវិជ្ជា និងគ្រប់កាលៈទេសៈ ដែលគ្រូយកធ្វើជាស្តង់ដាររង្វាស់សម្រាប់សិស្សដទៃ។
General adaptation (ការបន្សាំខ្លួនទូលំទូលាយ) សមត្ថភាពរបស់ពូជដំណាំដែលអាចរក្សាបាននូវការលូតលាស់ល្អ និងផ្តល់ទិន្នផលខ្ពស់នៅតាមតំបន់គោលដៅជាច្រើន ទោះបីជាតំបន់ទាំងនោះមានលក្ខខណ្ឌបរិស្ថានខុសៗគ្នាក៏ដោយ។ ដូចជាអាវយឺតប្រភេទ Freesize ដែលមនុស្សស្គម មធ្យម ឬធាត់ ក៏អាចស្លៀកបានយ៉ាងស័ក្តិសម។
Specific adaptation (ការបន្សាំខ្លួនជាក់លាក់) សមត្ថភាពរបស់ពូជដំណាំដែលអាចផ្តល់ទិន្នផលខ្ពស់បំផុត និងលូតលាស់ល្អខ្លាំង តែនៅក្នុងលក្ខខណ្ឌបរិស្ថាន ឬតំបន់ដាំដុះដែលមានប្រភេទដី និងអាកាសធាតុជាក់លាក់ណាមួយប៉ុណ្ណោះ។ ដូចជាសំបកកង់ឡានសម្រាប់រត់លើព្រិល ដែលមានប្រសិទ្ធភាពខ្ពស់បំផុតតែលើផ្លូវទឹកកក តែមានគ្រោះថ្នាក់ឬឆាប់សឹកបើទាញយកមករត់លើផ្លូវកៅស៊ូក្តៅធម្មតា។
Mega-environment (មហាបរិស្ថាន / តំបន់បរិស្ថានធំ) ការចាត់ថ្នាក់ប្រមូលផ្តុំទីតាំងដាំដុះជាច្រើនដែលមានលក្ខណៈប្រហាក់ប្រហែលគ្នា (ឧទាហរណ៍៖ ប្រភេទដី របាយទឹកភ្លៀង) ទៅជាក្រុមធំតែមួយ ដើម្បីងាយស្រួលកំណត់ពូជដំណាំដែលស័ក្តិសមបំផុត (what-won-where) សម្រាប់ក្រុមនោះ។ ដូចជាការបែងចែកសិស្សជាក្រុមតាមចំណង់ចំណូលចិត្ត (កីឡា សិល្បៈ វិទ្យាសាស្ត្រ) ដើម្បីងាយស្រួលរៀបចំកម្មវិធីសិក្សាឱ្យចំគោលដៅ និងទទួលបានលទ្ធផលល្អបំផុត។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖