Аннотация. На завершающем этапе селекционного процесса актуальной задачей является выявление адаптивной реакции перспективного селекционного материала для принятия решения об адресности государственного испытания. Цель исследования состояла в изучении адаптивной реакции перспективного селекционного номера ячменя 3856н-6-18. Методы. Указанный номер сравнивался со стандартом Памяти Чепелева. В условиях 2023 г. средовую изменчивость количественных признаков обеспечили три срока посева и четыре нормы высева. Применялись статистические методы и математические модели: дисперсионный анализ, аддитивная математическая модель, анализ адаптивных характеристик. Результаты. По полученным переменным значениям были построены и статистически обоснованы аддитивные математические модели взаимосвязи биологической урожайности и ее элементов структуры, составлены точечные прогнозы биологической урожайности . Доказательством точности прогнозов выступил коэффициент ki, который изменялся в пределах 2,6–4,1 % и показал, что результативный признак спрогнозирован достаточно точно. Далее полученные результаты были дифференцированы в прогнозы биологической урожайности в зависимости от эффектов переменных значений количественных признаков (Хri). Результаты стали источником для расчета показателей адаптивной способности, средовой стабильности и селекционной ценности, которые в дальнейшем показаны в динамике, по периодам роста и развития растений. Анализ прогнозов биологической урожайности показал преимущество номера 3856н-6-18 по селекционной ценности (СЦП2i = 1,70) в период формирования озерненности колоса, что было обеспечено преобладанием как общей адаптивной способности (ВПА2i = 0,34 т/га), так и средовой устойчивости (Sg2i = 9,4 %). В конце вегетации (формирование, налив и созревание зерна) преимущество за перспективным номером (СЦП3i = 1,28), связанное со средовой стабильностью (Sg3i = 7,1 %). Научная новизна. По перспективному номеру 3856н-6-18 в фиксированном диапазоне изменчивости урожайности (7,05…8,11 т/га) выявлена динамика изменения адаптивных характеристик в процессе роста и развития растений.
ячмень (Hordeum vulgare L.), количественные признаки, урожайность, генотип, регрессия
1. Faye B., Webber H., Gaiser T., Müller C., Zhang Y., Stella T., Latka C., Reckling M., Heckelei T., Helming K., Ewert F. Climate change impacts on European arable crop yields: Sensitivity to assumptions about rotations and residue management // European Journal of Agronomy. 2023. No. 142. DOI:https://doi.org/10.1016/j.eja.2022.126670. EDN: https://elibrary.ru/VRGIZC
2. Гончаров Н. П., Косолапов В. М. Селекция растений – основа продовольственной безопасности России // Вавиловский журнал генетики и селекции. 2021. Т. 25, № 4. С. 361–366. DOI:https://doi.org/10.18699/VJ21.039. EDN: https://elibrary.ru/MAZDRX
3. Семенов Т. Е. Барьеры и перспективы применения новых генетических технологий для производства продуктов питания: варианты регулирования в интересах Российской экономики // Стратегические решения и риск-менеджмент. 2021. Т. 12, № 4. С. 344–353. DOI:https://doi.org/10.17747/2618-947X-2021-4-344-353. EDN: https://elibrary.ru/ORKPYU
4. Анисимова И. Н., Дубовская А. Г. Системы ЦМС у рапса и их использование в селекции отечественных гибридов // Труды по прикладной ботанике, генетике и селекции. 2020. Т. 181, № 3. С. 171–180. DOI:https://doi.org/10.30901/2227-8834-2020-3-171-180. EDN: https://elibrary.ru/NSDDRT
5. Галговская Л. А, Теркина О. В., Романова А. Н. Комбинационная способность новых инбредных линий кукурузы селекции ВНИИК // Известия Кабардино-Балкарского научного центра РАН. 2023. № 6 (116). С. 263–269. DOI:https://doi.org/10.35330/1991-6639-2023-6-116-264-269. EDN: https://elibrary.ru/TEGVMU
6. Yangyang Gu, Hongxu Ai, Tai Guo, Peng Liu, Yongqing Wang, Hengbiao Zheng, Tao Cheng, Yan Zhu, Weixing Cao and Xia Yao. Comparison of two novel methods for counting wheat ears in the field with terrestrial LiDAR // Plant Methods. 2023. Vol. 19. Article number 134. DOI:https://doi.org/10.1186/s13007-023-01093-z. EDN: https://elibrary.ru/IEIFXQ
7. Ерунова М. Г., Симакина А. С., Якубайлик О. Э. Создание базы данных для точного земледелия ОПХ «Курагинское» // Вестник КрасГАУ. 2022. № 1 (178). С. 13–20. DOI:https://doi.org/10.36718/1819-4036-2022-1-13-20. EDN: https://elibrary.ru/UXHCYQ
8. Lihodeevskiy G. A., Shanina E. P. The use of long-read sequencing to study the phylogenetic diversity of the potato varieties plastome of the Ural selection // Agronomy. 2022. Vol. 12, No. 4. Article number 846. DOI:https://doi.org/10.3390/agronomy12040846. EDN: https://elibrary.ru/ULYMDU
9. Максимов Р. А. Адаптивная реакция коллекционных сортообразцов ярового ячменя (Hordeum vulgare L.) в условиях Среднего Урала // Достижения науки и техники АПК. 2022. Т. 36, № 4. С. 35–40. DOI:https://doi.org/10.53859/02352451_2022_36_4_35. EDN: https://elibrary.ru/FBQGKO
10. Драгавцев В. А., Кардашина В. Е., Ковтуновская Е.С. Оценка сортов и линий ярового овса с помощью принципа ортогональной идентификации генетико-физиологических систем, определяющих урожаи // Достижения науки и техники АПК. 2022. Т. 36, № 7. С. 19–24. DOI:https://doi.org/10.53859/02352451_2022_36_7_19. EDN: https://elibrary.ru/QPYAVR
11. Максимов Р. А. Множественный регрессионный анализ как способ дифференциации урожайности по фазам роста и развития генотипов ячменя (Hordeum vulgare L.) // Достижения науки и техники АПК. 2021. № 4. С. 29–34. DOI:https://doi.org/10.24411/0235-2451-2021-10404. EDN: https://elibrary.ru/KDHOBW
12. Filippov E. G., Bragin R. N., Dontsov D. P. Analysis of adaptability indicators of spring barley varieties and lines in the ecological variety testing // Taurida Herald of the Agrarian Sciences. 2022. No. 4 (32). Pp. 221–230.
13. Чашкова А. Ф., Степочкин П. И., Алейников А. Ф., Гребенникова И. Г., Пономоренко В. И. Сравнение статистических методов оценки стабильности урожайности озимой пшеницы // Вавиловский журнал генетики и селекции. 2020. Т. 24, № 3. С. 267–275. DOI:https://doi.org/10.18699/VJ20.619. EDN: https://elibrary.ru/HKAOWK
14. Максимов Р. А. Метод определения параметров адаптивной способности с использованием множественного регрессионного анализа взаимосвязи урожайности и ее элементов структуры // Достижения науки и техники АПК. 2021. № 6. С. 4–10. DOI:https://doi.org/10.24411/0235-2451-2021-10601. EDN: https://elibrary.ru/NXPAWF
15. Рейтинг 10 сортов лидеров с/х культур по объемам высева в РФ в 2023 г. [Электронный ресурс]. URL: https://rosselhoscenter.ru.nformaczionnyj_listok_№_4_ot_rshcz_rejting_sortov.pdf (дата обращения: 10.03.2024).
16. Доспехов Б. А. Методика полевого опыта. Москва: Агропромиздат, 1985. 336 с. EDN: https://elibrary.ru/ZJQBUD
17. Кильчевский А. В., Хотылева Л. В. Методы оценки адаптивной способности и стабильности генотипов, дифференцирующей способности среды. Сообщение 1. Обоснование метода // Генетика. 1985. Т. 21, № 9. С. 1481–1498. EDN: https://elibrary.ru/XIWYIJ
