Original Title: Varietal Evaluation and Genetic Variability in Rice (Oryza sativa L.) Genotypes of the Mid-Hill Region of Nepal
Source: doi.org/10.31817/vjas.2020.3.2.02
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការវាយតម្លៃពូជ និងភាពប្រែប្រួលសេនេទិចនៃប្រភេទពូជស្រូវ (Oryza sativa L.) នៅតំបន់ភ្នំកណ្តាលនៃប្រទេសនេប៉ាល់

ចំណងជើងដើម៖ Varietal Evaluation and Genetic Variability in Rice (Oryza sativa L.) Genotypes of the Mid-Hill Region of Nepal

អ្នកនិពន្ធ៖ Laxmi Pd. Joshi (Institute of Agriculture and Animal Science, Lamjung Campus, Nepal), Subarna Sharma, Ankur Poudel, Bishnu Pd. Kandel (Tribhuvan University, Nepal)

ឆ្នាំបោះពុម្ព៖ 2020, Vietnam Journal of Agricultural Sciences

វិស័យសិក្សា៖ Agronomy

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើការដោះស្រាយបញ្ហាសន្តិសុខស្បៀងនៅតំបន់ភ្នំកណ្តាលនៃប្រទេសនេប៉ាល់ តាមរយៈការវាយតម្លៃរកពូជស្រូវដែលមានសក្តានុពលផ្តល់ទិន្នផលខ្ពស់ និងការសិក្សាពីភាពប្រែប្រួលសេនេទិចនៃពូជទាំងនោះ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សាត្រូវបានអនុវត្តនៅលើវាលស្រែរបស់កសិករ ដោយប្រើប្រាស់ការរចនាការពិសោធន៍ដើម្បីប្រៀបធៀប និងវិភាគលើលក្ខណៈរូបសាស្ត្រ និងទិន្នផលរបស់ពូជស្រូវ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
ANOVA & Mean Performance Evaluation
ការវិភាគវ៉ារ្យង់ (ANOVA) និងការវាយតម្លៃទិន្នផលមធ្យម
ងាយស្រួលក្នុងការកំណត់រកពូជស្រូវដែលផ្តល់ទិន្នផលខ្ពស់ជាងគេ និងលក្ខណៈរូបសាស្ត្រល្អៗបានយ៉ាងលឿន។ មិនអាចបែងចែកដាច់ពីគ្នារវាងឥទ្ធិពលនៃសេនេទិច និងឥទ្ធិពលនៃបរិស្ថានទៅលើការលូតលាស់របស់ដំណាំនោះទេ។ បានរកឃើញពូជ Radha 11 (៥.៧៨ តោន/ហិកតា), NR 119 (៥.៤៩ តោន/ហិកតា) និង Sukhadhan-5 (៤.៨៩ តោន/ហិកតា) ថាជាពូជផ្តល់ទិន្នផលខ្ពស់បំផុត។
Genetic Variability Analysis (PCV, GCV, Heritability, Genetic Advance)
ការវិភាគភាពប្រែប្រួលសេនេទិច (PCV, GCV និងអត្រាតំណពូជ)
អាចកំណត់បានថាតើលក្ខណៈណាមួយ (ដូចជាទិន្នផល ឬកម្ពស់) ត្រូវបានកំណត់ដោយហ្សែន (អាចបញ្ជូនទៅជំនាន់ក្រោយ) ឬដោយបរិស្ថាន ដែលជួយសម្រួលដល់ការបង្កាត់ពូជ។ ទាមទារឱ្យមានការគណនាស្ថិតិស្មុគស្មាញ និងត្រូវការទិន្នន័យច្រើនដើម្បីធានាបាននូវភាពត្រឹមត្រូវនៃលទ្ធផល។ រកឃើញថាលក្ខណៈដូចជា ចំនួនបែកគុម្ព កម្ពស់ដើម និងទិន្នផល មានអត្រាតំណពូជខ្ពស់ (High Heritability) ដែលស័ក្តិសមសម្រាប់ការជ្រើសរើសពូជដោយផ្ទាល់។
Cluster Analysis
ការវិភាគចង្កោម (Cluster Analysis)
ជួយចាត់ថ្នាក់ពូជស្រូវដែលមានលក្ខណៈប្រហាក់ប្រហែលគ្នាទៅជាក្រុម (Clusters) ដែលមានប្រយោជន៍ខ្លាំងសម្រាប់ការជ្រើសរើសមេបាដើម្បីបង្កាត់ពូជកាត់ (Hybridization)។ មិនបានចង្អុលបង្ហាញដោយផ្ទាល់ថាពូជណាមួយល្អដាច់គេនោះទេ គឺគ្រាន់តែបង្ហាញពីគម្លាតសេនេទិច និងការចាត់ថ្នាក់ប៉ុណ្ណោះ។ បានចាត់ថ្នាក់ពូជស្រូវទាំង ១៥ ប្រភេទ ជា ៤ ចង្កោមផ្សេងៗគ្នា ដោយផ្អែកលើលក្ខណៈរូបសាស្ត្រចំនួន ១៨។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារទីតាំងដីស្រែផ្ទាល់ សម្ភារៈកសិកម្មសម្រាប់ការដាំដុះ និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យស្ថិតិសេនេទិច និងកសិកម្ម។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងលក្ខខណ្ឌអាកាសធាតុនៃតំបន់ភ្នំកណ្តាល (Mid-Hill) នៃប្រទសនេប៉ាល់ ក្នុងរដូវវស្សាឆ្នាំ ២០១៨ ដោយប្រើប្រាស់ពូជស្រូវក្នុងស្រុករបស់គេ។ សម្រាប់ប្រទេសកម្ពុជា ទិន្នន័យអាកាសធាតុ និងប្រភេទពូជស្រូវទាំងនេះមិនអាចយកមកអនុវត្តផ្ទាល់បានទេដោយសារភាពខុសគ្នានៃស្ថានភាពភូមិសាស្ត្រ ប៉ុន្តែវិធីសាស្ត្រវាយតម្លៃគឺមានសារៈសំខាន់បំផុតសម្រាប់អនុវត្តលើពូជស្រូវក្នុងស្រុកយើង។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការវាយតម្លៃពូជស្រូវ និងការវិភាគភាពប្រែប្រួលសេនេទិចនេះ មានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការស្រាវជ្រាវ និងអភិវឌ្ឍន៍វិស័យកសិកម្មនៅកម្ពុជា។

ការអនុវត្តវិធីសាស្ត្រស្ថិតិសេនេទិចទាំងនេះ នឹងជួយឱ្យអ្នកស្រាវជ្រាវកម្ពុជាអាចកំណត់អត្តសញ្ញាណ និងអភិវឌ្ឍពូជស្រូវដែលស័ក្តិសមបំផុតសម្រាប់កសិករក្នុងស្រុក ប្រកបដោយប្រសិទ្ធភាពសេដ្ឋកិច្ច និងសន្តិសុខស្បៀង។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីការរចនាការពិសោធន៍កសិកម្ម (Experimental Design): និស្សិតត្រូវរៀនពីរបៀបរៀបចំការពិសោធន៍នៅលើវាលស្រែជាក់ស្តែង ដោយប្រើប្រាស់ទ្រឹស្តីរចនាប្លុក Randomized Complete Block Design (RCBD) ដើម្បីកាត់បន្ថយឥទ្ធិពលរំខានពីបរិស្ថាន។
  2. ហ្វឹកហាត់ប្រើប្រាស់កម្មវិធីស្ថិតិ: ត្រូវស្វែងយល់ និងអនុវត្តការសរសេរកូដវាយតម្លៃទិន្នន័យដោយប្រើប្រាស់ R Studio សម្រាប់ការវិភាគ ANOVA និងគណនាមេគុណបម្រែបម្រួល ព្រមទាំងប្រើកម្មវិធី Minitab សម្រាប់ការវិភាគ Cluster Analysis
  3. អនុវត្តការប្រមូលទិន្នន័យរូបសាស្ត្រនៅវាលស្រែ: ចុះកម្មសិក្សាដើម្បីអនុវត្តការវាស់វែងជាក់ស្តែង ដូចជាការវាស់កម្ពស់ដើម រាប់ចំនួនបែកគុម្ព ថ្លឹងទម្ងន់គ្រាប់ និងរៀនប្រើប្រាស់ឧបករណ៍ SPAD Meter ដើម្បីវាស់ជាតិក្លរ៉ូហ្វីលរបស់ស្លឹក។
  4. ធ្វើការស្វែងយល់ស៊ីជម្រៅពីសេនេទិចបរិមាណ (Quantitative Genetics): សិក្សាពីរបៀបគណនា និងបកស្រាយរូបមន្តទាក់ទងនឹង Phenotypic Coefficient of Variation (PCV), Genotypic Coefficient of Variation (GCV) និង Broad-sense Heritability ដើម្បីវាយតម្លៃសក្តានុពលតំណពូជ។
  5. អនុវត្តគម្រោងស្រាវជ្រាវផ្ទាល់ខ្លួននៅកម្ពុជា: ចាប់ផ្តើមគម្រោងស្រាវជ្រាវដោយសហការជាមួយសាកលវិទ្យាល័យភូមិន្ទកសិកម្ម (RUA) ឬ CARDI ដើម្បីធ្វើការវាយតម្លៃលើពូជស្រូវ Oryza sativa L. ក្នុងស្រុក ក្នុងគោលបំណងស្វែងរកពូជដែលផ្តល់ទិន្នផលខ្ពស់ និងធន់នឹងអាកាសធាតុប្រែប្រួល។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Genotypic Coefficient of Variation (មេគុណបម្រែបម្រួលសេនេទិច) ជារង្វាស់ស្ថិតិដែលបង្ហាញពីកម្រិតនៃភាពប្រែប្រួលនៃលក្ខណៈណាមួយរបស់ដំណាំ ដែលបណ្តាលមកពីកត្តាហ្សែនផ្ទាល់ (តំណពូជ) មិនមែនដោយសារឥទ្ធិពលពីបរិស្ថានខាងក្រៅឡើយ។ ដូចជាការវាស់ស្ទង់មើលថា តើភាពខុសគ្នារវាងកូនភ្លោះកើតចេញពីហ្សែនពីកំណើតរបស់ពួកគេពិតប្រាកដប៉ុន្មានភាគរយ។
Phenotypic Coefficient of Variation (មេគុណបម្រែបម្រួលសណ្ឋានរូប) ជារង្វាស់សរុបនៃភាពប្រែប្រួលដែលយើងអាចមើលឃើញផ្ទាល់នឹងភ្នែក ដែលបូកបញ្ចូលទាំងឥទ្ធិពលពីហ្សែន និងឥទ្ធិពលពីបរិស្ថានជុំវិញ (ដូចជាដី ទឹក និងជី) ទៅលើដំណាំ។ ដូចជាការសង្កេតមើលកម្ពស់ដើមឈើ ដែលកម្ពស់នេះអាស្រ័យទាំងលើពូជរបស់វា និងការទទួលបានការស្រោចទឹកដាក់ជី។
Broad sense heritability (អត្រាតំណពូជក្នុងន័យទូលាយ) គឺជាសមាមាត្រនៃបំរែបំរួលលក្ខណៈរូបសាស្ត្រ ដែលត្រូវបានផ្ទេរពីមេបាទៅកូនចៅតាមរយៈសេនេទិច។ បើវាមានតម្លៃខ្ពស់ មានន័យថាលក្ខណៈនោះអាចបន្តទៅជំនាន់ក្រោយបានយ៉ាងល្អ និងមិនសូវរងឥទ្ធិពលពីបរិស្ថានទេ។ ដូចជាឪពុកម្តាយមានភ្នែកពណ៌ត្នោត កូនកើតមកមានភ្នែកពណ៌ត្នោតដែរ ដែលវាឆ្លងតាមឈាម (ហ្សែន) ច្រើនជាងការប្រែប្រួលដោយសារបរិយាកាសខាងក្រៅ។
Genetic advance (ការកែលម្អសេនេទិច) ជាទំហំនៃការកើនឡើង ឬភាពប្រសើរឡើងនៃលក្ខណៈណាមួយ (ឧទាហរណ៍ ទិន្នផល) នៅក្នុងចំនួនប្រជាជនជំនាន់ក្រោយ បន្ទាប់ពីមានការជ្រើសរើសពូជល្អៗយកមកបង្កាត់បន្ត។ ដូចជាការរើសយកគោដែលផ្តល់ទឹកដោះច្រើនជាងគេមកបង្កាត់ ដើម្បីឱ្យកូនគោជំនាន់ក្រោយៗផ្តល់ទឹកដោះបានកាន់តែច្រើនឡើងៗកើនលើសពីមុន។
Cluster analysis (ការវិភាគចង្កោម) ជាវិធីសាស្ត្រស្ថិតិសម្រាប់ចាត់ថ្នាក់ទិន្នន័យ (ពូជស្រូវជាច្រើន) ទៅជាក្រុមៗ (ចង្កោម) ដោយផ្អែកលើភាពស្រដៀងគ្នានៃលក្ខណៈកសិកម្មរបស់ពួកវា ដើម្បីងាយស្រួលក្នុងការជ្រើសរើសមេបាដែលមានលក្ខណៈប្លែកពីគ្នាសម្រាប់បង្កាត់។ ដូចជាការបែងចែកសិស្សក្នុងថ្នាក់ជាក្រុមៗ ដោយឱ្យអ្នកពូកែគណិតនៅមួយក្រុម អ្នកពូកែអក្សរសាស្ត្រនៅមួយក្រុមទៀត ដើម្បីងាយស្រួលគ្រប់គ្រង។
Randomized complete block design (ការរចនាប្លុកពេញលេញដោយចៃដន្យ) ជាទម្រង់នៃការរៀបចំការពិសោធន៍នៅលើវាលស្រែ ដោយបែងចែកដីជាឡូត៍ៗ (ប្លុក) និងដាំពូជស្រូវដោយចៃដន្យក្នុងប្លុកនីមួយៗ ដើម្បីកាត់បន្ថយភាពលម្អៀងដែលបណ្តាលមកពីគុណភាពដីទីតាំងនីមួយៗខុសគ្នា។ ដូចជាការចាប់ឆ្នោតបែងចែកកន្លែងអង្គុយប្រឡងឱ្យសិស្ស ដើម្បីកុំឱ្យមានការត្អូញត្អែរថាអ្នកខ្លះបានអង្គុយកន្លែងដែលមានពន្លឺល្អជាងគេ។
Yield attributing traits (លក្ខណៈកំណត់ទិន្នផល) ជាបណ្តុំលក្ខណៈរូបសាស្ត្រផ្សេងៗរបស់ដំណាំ (ដូចជា ចំនួនបែកគុម្ព ប្រវែងកួរ និងទម្ងន់គ្រាប់) ដែលមានឥទ្ធិពលផ្ទាល់ និងរួមចំណែកក្នុងការកំណត់ថាតើទិន្នផលសរុបនឹងទទួលបានច្រើន ឬតិច។ ដូចជាគ្រឿងផ្សំនៃមុខម្ហូបមួយ (សាច់ បន្លែ គ្រឿងទេស) ដែលជាអ្នកកំណត់ថាតើម្ហូបនោះមានរសជាតិឆ្ងាញ់កម្រិតណា។
SPAD reading (ការវាស់កម្រិតក្លរ៉ូហ្វីលតាមឧបករណ៍ SPAD) ជាការវាស់បរិមាណជាតិក្លរ៉ូហ្វីល (ពណ៌បៃតង) នៅក្នុងស្លឹកដំណាំ ដោយប្រើឧបករណ៍ Soil Plant Analysis Development (SPAD) ដើម្បីដឹងពីកម្រិតសុខភាព និងបរិមាណអាសូតដែលដំណាំកំពុងមាន។ ដូចជាការយកឧបករណ៍វាស់កម្តៅទៅស្កេនលើរាងកាយ ដើម្បីចង់ដឹងថាមនុស្សម្នាក់មានអាការៈគ្រុនក្តៅដែរឬទេ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖