с 01.01.2020 по 01.01.2024
Федеральное государственное бюджетное научное учреждение «Федеральный аграрный научный центр Юго-Востока» (лаборатория масличных культур)
с 01.01.2020 по 01.01.2024
Cаратов, Саратовская область, Россия
Аннотация. Создание высокопродуктивных сортов и гибридов подсолнечника, адаптированных к условиям регионов возделывания, зависит от использования исходного материала с высоким генетическим разнообразием. Цель исследования – изучить вариабельность агрономических признаков у сортов и гибридов подсолнечника, созданных в различных селекционных центрах, выявить корреляционную связь признаков, а также объединить генотипы по совокупности изучаемых показателей в результате использования методов многомерной статистики. Методы. Исследования проводили в правобережье Саратовской области на опытном поле «ФАНЦ Юго-Востока» в период 2021–2023 гг. Объектом исследований послужили сорта и новые экспериментальные гибриды селекции «ФАНЦ Юго-Востока» (31 сорт и гибрид) и ФНЦ ВНИИМК им. В. С. Пустовойта (12 гибридов). Для оценки селекционного материала использовали общепринятые методические рекомендации. Результаты. 43 сорта и гибрида подсолнечника оценивали по 8 хозяйственно ценным признакам. Установлена невысокая степень изменчивости по урожайности (V = 9,4 %); высоте растений (V = 7,8 %); диаметру корзинки (V = 5,2 %); натуре (V = 5,3 %); масличности (V = 5,7 %). Средняя изменчивость выявлена по массе 1000 семян (V = 16,0 %), площади корзинки (V = 11,1 %), сбору масла (V = 15,8 %). Корреляционный анализ позволил выделить 8 значимых связей на уровне 5,0 %. Высокие коэффициенты корреляции установлены между урожайностью маслосемян и натурой (r = 0,7), а также между диаметром корзинки и площадью корзинки (r = 0,83). В результате факторного анализа 8 признаков были сведены к 5 факторам (нагрузка выше 5,0 %) с общей дисперсией 90,95 %. В результате кластеризации по минимуму евклидовых расстояний изучаемые генотипы сгруппированы в 10 кластеров, включающих от 1 до 16 генотипов на 33-м шаге итерации. Выделенные кластеры могут рассматриваться как самостоятельные группы для включения в селекционный процесс. Научная новизна. Предпринята попытка группировки сортов и новых экспериментальных гибридов подсолнечника, созданных в различных селекцентрах, по сходству и различию основных хозяйственно ценных признаков в засушливых условиях Саратовской области.
подсолнечник, сорт, гибрид, урожайность, масличность, натура, масса 1000 семян, коэффициент вариации, коэффициент корреляции, кластер, факторная нагрузка
1. Грязева В. И., Корягин В. Ю., Корягина Н. В., Сигов Н. И. Оценка гибридов подсолнечника по хозяйственно-ценным признакам и экологической пластичности // Нива Поволжья. 2020. № 3(56). С. 37–40. DOI:https://doi.org/10.36461/NP.2020.56.3.012. EDN: https://elibrary.ru/ANPWLO
2. Колодяжный С. В. Сравнительная оценка различных элементов технологии возделывания подсолнечника в Южной Лесостепи ЦЧР: дис. … канд. с.-х. наук: 06.01.01. Воронеж, 2021. 221 с. EDN: https://elibrary.ru/YXPNWS
3. Kamenev R. A., Solodovnikov A. P., Letuchiy A. V., Gudova L. A., Lekarev A. V. Efficiency of application of compost of liquid poultry manure under sunflower in southern chernozem // IOP Conference Series: Earth and Environmental Science. 2022. Vol. 1045, № 1. Article number 012084. DOI:https://doi.org/10.1088/1755-1315/1045/1/012084. EDN: https://elibrary.ru/JKVIWC
4. Гучетль С. З., Головатская А. В., Рамазанов С. А., Волошко А. А. Генетическое разнообразие линий подсолнечника российской селекции выявленное с помощью микросателлитных локусов // Аграрная наука Евро-Северо-Востока. 2023. № 24 (2). С. 173–184. DOI:https://doi.org/10.30766/2072-9081.2023.24.2.173-186. EDN: https://elibrary.ru/JQGWMY
5. Фокина Е. М., Беляева Г. Н., Разанцвей Д. Р. Использование зародышевой плазмы нетипичных форм сои в селекции // Достижения науки и техники АПК. 2020. Т. 34, № 8. С. 8–15. DOI:https://doi.org/10.24411/0235-2451-2020-10801. EDN: https://elibrary.ru/KDJYUP
6. Дуктова Н. А., Гриб С. И., Иванова Е. В., Андроник Е. Л., Виноградов Д.В. Применение многомерного анализа для оценки селекционной ценности исходного материала твердой яровой пшеницы // АгроЭкоИнфо: Электронный научно-производственный журнал. 2023. № 1. DOI:https://doi.org/10.51419/202131125. EDN: https://elibrary.ru/WCWOTI
7. Петрова Л. В., Платонова А. З. Кластерный анализ сортов овса посевного (Avena Sativa L.) по элементам структуры урожая в условиях Центральной Якутии // Известия ТСХА. 2019. Вып. 1. С. 56–78. EDN: https://elibrary.ru/AJXHNQ
8. Степанова Н. А., Сидоренко В. С., Яндубайкин Е. Е. Кластерный анализ сортов и селекционных линий яровой мягкой пшеницы по показателям структурного анализа и качества зерна // Зерновые и крупяные культуры. 2023. № 2 (46). С. 45–51. DOI:https://doi.org/10.24412/2309-348Х-2023-2-107-116.
9. Старчак В. И., Кибальник О. П., Степанченко Д. А. Использование кластерного анализа в селекции зернового сорго в России // Journal of Agriculture and Environment. 2022. № 2 (22). DOI:https://doi.org/10.23649/jae.2022.2.22.10. EDN: https://elibrary.ru/PDWXNQ
10. Вус Н. А., Кобызева Л. Н., Безуглая О. Н. Определение селекционной ценности коллекционных образцов нута (Cicer arietinum L.) методом кластерного анализа // Вавиловский журнал генетики и селекции. 2020. Т. 24, № 3. С. 244–251. DOI:https://doi.org/10.18699/VJ20.617. EDN: https://elibrary.ru/DDEONR
11. Нижимбере Ж., Супрунов А. И., Петряков А. П. Кластерный анализ новых автодиплоидных среднеспелых линий кукурузы // Collected Papers XLV International Scientific-Practical conference “Russian Science in the Modern World”: сборник статей. Москва, 2022. С. 7–8. EDN: https://elibrary.ru/WFDAQT
12. Кодирова Г. А., Кубанкова Г. В., Литвиненко О. В. Классификация сортов сои амурской селекции по биохимическим показателям методом кластеризации // Вестник КрасГАУ. 2022. № 11. С. 54–61. DOI:https://doi.org/10.36718/1819-4036-2022-11-54-61. EDN: https://elibrary.ru/NZFSKU
13. Гудова Л. А., Зайцев С. А., Жужукин В. И., Курасова Л. Г., Лекарев А. В. Использование методов многомерной статистики для оценки модельной популяции кукурузы // Аграрный научный журнал. 2021. № 7. С. 9–15. DOI:https://doi.org/10.28983/asj.y2021i7pp9-15. EDN: https://elibrary.ru/XYMCRV
14. Ткачев Ю. А. Основания многомерного кластерного анализа в геологии // Вестник ИГКимиНЦ УроРАН. 2019. № 2. С. 44–52.
15. Sidorenko V. S., Tugareva F. V., Starikova Zh. V. Experimental verification of cluster analysis to identify valuable breeding samples of spring wheat // IOP Conference Series: Earth and Environmental Science. 2021. Vol. 650. Article number 012105. DOI:https://doi.org/10.1088/1755-1315/650/1/012105. EDN: https://elibrary.ru/LPRLRZ
16. Zaitsev S. A., Lyovkina A. Yu., Volkov D. P., Kameneva O. B., Bychkova V. V., Gudova L. A. Biometric methods in studying the gene pool indian pea // BIO Web of Conferences. 2022. Vol. 47. Article number 02005. DOI:https://doi.org/10.1051/bioconf/20224702005. EDN: https://elibrary.ru/LJSWAV
17. Демина И. Ф. Результаты изучения коллекционных образцов пшеницы мягкой яровой в условиях Среднего Поволжья // Аграрная наука Евро-Северо-Востока. 2020. Т. 21, № 6. С. 653–659. DOI:https://doi.org/10.30766/2072-9081.2020.21.6.653-659. EDN: https://elibrary.ru/MOWXRB
18. Старчак В. И., Кибальник О. П., Ларина Т. В., Семин Д. С. Метод «главных компонент» в селекции зернового сорго для засушливых условий Нижнего Поволжья // Зерновое хозяйство России. 2021. № 3 (75). С. 22–26. DOI:https://doi.org/10.31367/2079-8725-2021-75-3-22-26. EDN: https://elibrary.ru/LOOWBO
19. Жужукин В. И., Мухатова Ж. Н., Субботин А. Г., Сугробов А. Ф., Дружкин А. Ф. Использование методов многомерной статистики в изучении сортообразцов нута как исходного материала для селекции в Нижнем Поволжье // Нива Поволжья. 2022. № 2 (62). Article number 1005. DOI:https://doi.org/10.36461/NP.2022.62.2.011. EDN: https://elibrary.ru/QGGMUT
20. Методика государственного сортоиспытания сельскохозяйственных культур. Москва, 2019. 320 с.
21. Доспехов Б. А. Методика полевого опыта (с основами статистической обработки результатов исследований). Москва: Агропромиздат, 1985. 351 с.
