CC BY
29УДК 633.16:631.559:631.524.85 https://doi.Org/10.21498/2518-1017.13.4.2017.117727
Багатосередовищм випробування ячменю ярого за врожаин1стю та стаб1льн1стю
0. А. Демидов1, В. М. Гудзенко1*, М. 0. Сардак2, В. А. 1щенко3, I. В. Смульська4, С. С. Коляденко4
1Мирон1вський институт пшеницi 1'мен1 В. М. Ремесла НААН УкраТни, вул. Центральна, 68, с. Центральне, Мирот'вський р-н, КиТвська обл., 08853, Украина, *e-mail: [email protected]
2Ноавська селекц'йно-дош'дна станця Миротвського iнституту пшениц 1'мен1' В. М. Ремесла НААН УкраТни, вул. Миру, 1, с. ДоЫдне, Ноа'вський р-н, Чернiгiвська обл., 17131, УкраТна
3Шровоградська державна альськогосподарська доЫдна станця НААНУкраТни, вул. Центральна, 2, с. Cозонiвка, Шровоградський р-н, Шровоградська обл., 27602, УкраТна
4УкраТнський iнсmиmуm експертизи сортiв рослин, вул. Генерала Родимцева, 15, м. КиТв, 03041, УкраТна
Мета. Виявити законом1'рносп' р1'вня прояву врожайносл сорп'в ячменю ярого у взаемодл «генотип-середовище» за випробування в р1'зних еколопчних зонах Укра'жи та вид1'лити генотипи з тдвищеним адаптивним потенц'алом. Методи. Об'ект достджень - 36 сорлв ячменю ярого вггчизняно'' та заруб'жно'' селекцИ. Сортовипробування проведено в Мирот'вському жститул пшениц' 1'мет В. М. Ремесла НААН Укра'жи (М1П) (Центральний Л1'состеп) у 2015-2017 рр., на Ноа'вськж селекцжно-достдт'й станцИ М1П (НСДС) (Пол1'сся) та на К'ровоградськ'й державн'й а'льськогосподарсьмй дослщт'й станц" НААН (КДСГДС) (П1вн1чний Степ) у 2016-2017 рр. За три роки дослщжень (2015-2017) отримано результати випробування сорлв у семи середовищах. Д1'лянки облжовою площею 10 м2 за-кладали у триразов1'й повторносл методом повних рендом1'зованих блок1'в, в1'дпов1'дно до загальноприйнятих методик. Статистичний анал1'з експериментальних даних проведено з використанням комп'ютерних програм Excel 2010 1' Statistica 8.0. Для наочно'1 жтерпретацИ' взаемодл «генотип-середовище» використано GGE biplot модель. Результати. Дисперс1'йний анал1'з даних урожайносл засв1'дчив достов1'рн1 внески у загальну вар1'ац1'ю середовища - 64,64%, генотипу - 14,90% та 1'х взаемодл - 20,46%. Найвищою диференцшвальною здатн1'стю (1'нформативн1'стю) характеризу-вались умови М1П у 2016 р., найнижчою - умови КДСГДС у 2017 р. Найб1'льш репрезентативними були умови М1П у 2017 р. 1 НСДС у 2016 р., найменш репрезентативними - у КДСГДС (2016 р.). Найв1'ддаленшими м1'ж собою були умови М1П та КДСГДС у 2016 р. В1'зуал1'зац1'я GGE biplot «хто-де-перем1'г» дала змогу розпод1'лити середовища на два сектори: перший - умови М1П 2015-2017 рр. i НСДС 2016-2017 рр., другий - умови КДСГДС 2016-2017 рр. У першому сектор1' суттеву перевагу мав сорт 'М1П Мирний', у другому - сорт 'Скарб'. Диференц'йовано й вид1'лено сорти ячменю ярого з оптимальним р1'внем прояву врожайносл в середовищах, найближчих до ппотетичного «1'деального» генотипу GGE biplot модел1' - 'М1П Мирний', 'М1П Богун', 'Тал1'сман Мирон1'вський', 'М1П Азарт', 'Доказ', 'Пан'. Висновки. Моделювання багатосередовищних сортовипробувань шляхом комбжування контрастних за п'дротерм1'чним режимом рок1'в i р1'зних еколоп'чних умов з 1'нтерпретац1'ею результалв досл1'джень за сучасними статистично-граф'чними методами сприяе детальн1'ш1'й характеристик взаемодл «генотип-середовище», ранжируванню i вид1'ленню перспективних генотитв.
Ключов1 слова: ячм1'нь ярий, екологiчне випробування, сорт, генотип, середовище, взаeмодiя «генотип-середови-ще», урожайтсть, адаптивтсть, стабтьтсть, GGE biplot.
Вступ
Пвдвищення адаптивност ольськогосподар-ських культур в аспект! забезпечення необх:д-ного р1вня врожайносл. та якост: продукцп у взаемоди «генотип-середовище» залишаеться центральною проблемою теорп i практики се-лекци [1, 2]. У зв'язку з глобальними кл!ма-тичними змшами постшно постають нов! ви-клики, як! загострюються на тл! стр!мкого
зростання чисельноста. населення планети [3]. Наведене потребуе перегляду юнуючих парадигм щодо шдход:1в у конструюванш нових ге-нотип!в основних продовольчих культур ! про-ведення в!дпов:дних системних досл:джень [4].
Доведено вищу пристосовашсть генотишв до екологчних умов, у яких (або наближе-них до яких) його створено [5, 6]. Водночас, ушкальш умови розташування низки селек-цшних установ свггового значення е одшею
ISSN 2518-1017 Plant VaRIETIES STUDYING ЛПИ PROTECTION, 2017, Vol. 13, No 4
343
з ключових складових ycnimHoï селекцййно1 роботи [7].
Унаслйдок досить велико'1 географйчно'1 про-тяжностй, Украша характеризуеться суттеви-ми вйдмйнностями в зaбезпеченнi ^рунтовими та метеорологйчними ресурсами. До того ж, погоднй флуктуаци ocтaннiх poкiв, нaвiть в однйй екoлoгiчнiй зoнi або пйдзонй, можуть значно вapiювaти як у пpocтopi (вiднocнo «вузькй» лoкaльнi посухи, зливи та йн.), так i в чaci (за роками). Прикладом першого можуть бути проведет дослйдження впливу ва-piaбельнocтi показникйв гiдpoтеpмiчнoгo режиму окремих мйжфазних пеpioдiв вегетаци на формування врожайностй ячменю ярого в Центральному Лйсостепу Украши впродовж 2004-2016 pp. [8], другого - повйтряно-^рун-това посуха весняно-лйтнього пеpioдy 2017 р. Як очевидний факт вйдмйчаеться «зсув» клй-матичних зон в Украшй з пйвдня на пйвнйч [9].
Наведене потребуе створення й постййно-го тестування сорив з метою визначення найадаптованйших до конкретних умов. Ви-рйшальним щодо офйцййного висновку для отримання права на поширення сорту в тих чи йнших екoлoгiчних зонах Украши е система державного сортовипробування, здйй-снювана Украшським йнститутом експертизи сортйв рослин.
Однак екoлoгiчнi сортовипробування й пйсля офщшно'1 реестраци сорту не тйльки не втрачають aктyaльнocтi, а, навпаки, 1'х визнають як пpiopитетнi на rai глобальних клiмaтичних змйн нaвiть у крашах з вйднос-но вологим помйрним клiмaтoм, наприклад у Нймеччинй [10]. Результати екoлoгiчних випробувань генотипйв ячменю розглянуто в низцй публйкацйй вйтчизняних [11-13] та iнoземних дослйдникйв [14-16].
Мета дослгджень - виявити закономйр-ностй рйвня прояву врожайностй сортйв ячменю ярого у взаемоди «генотип-середовище» за випробування в рйзних екологйчних зонах Украши та видйлити генотипи з пйдвищеним адаптивним потенцйалом.
Oleksandr Demydov
https://orcid.org/0000-0002-5715-2908 Volodymyr Hudzenko
https://orcid.org/0000-0002-9738-1203 Nikolay Sardak
https://orcid.org/0000-0001-9417-3188 Vitalii Ischenko
https://orcid.org/0000-0002-7640-5659 Ivanna Smulskaya
https://orcid.org/0000-0001-9675-0620 Svitlana Koliadenko
https://orcid.org/0000-0001-5341-8601
Материали та методика досл1*джень
Об'ект дослйджень - 36 сорив ячменю ярого вйтчизняно'1 та зарубйжно'1' селекци. Для компактностй вйдображення на рисунках наведено кодування дослйджених гено-типйв: G1 'Вйраж', G2 'Талйсман Миронйв-ський', G3 'М1П Мирний', G4 'М1П Салют', G5 'М1П Сотник', G6 'М1П Азарт', G7 'М1П Богун', G8 '1мйдж', G9 'Мйраж', G10 'Козаць-кий', G11 'Статок', G12 'Крок', G13 'Свято-михайлйвський', G14 'Воевода', G15 'Всесвйт', G16 'Галактик', G17 'Гетьман', G18 'Свято-гор', G19 'Лука', G20 'Вакула', G21 'Гелйос', G22 'Доказ', G23 '1нклюзив', G24 'Взйрець', G25 'Вйтраж', G26 'Велес', G27 'Скарб', G28 'Перл', G29 'Алегро', G30 'Пан', G31 'Модерн', G32 'Скйф', G33 'Сварог', G34 'Shakira', G35 'KWS Bambina', G36 'Brusefield'.
Сортовипробування цих сортйв проведено в Миронйвському йнститутй пшениц: йменй В. М. Ремесла НААН Украши (М1П) (Цент-ральний Лйсостеп) (2015-2017 pp.), на Но-сйвськйй селекцййно-дослйднйй станци М1П (НСДС) (Полйсся) (2016-2017 pp.) та Кйрово-градськйй державнйй сйльськогосподарськйй дослйднйй станци НААН (КДСГДС) (Пйвнйч-ний Степ) (2016-2017 pp.). Таким чином, за трирйчний перйод дослйджень (2015-2017) отримано результати випробування сорив у семи середовищах. Дйлянки, облйковою пло-щею 10 м2 у триразовйй повторностй, закла-дали методом повних рендомйзованих блокйв за загальноприйнятими методиками [17, 18]. Для зручностй вйзуалйзаци середовища кодува-ли таким чином: М1П 2015 р., 2016 р., 2017 р., вйдповйдно - M15, M16, M17; НСДС 2016 i 2017 pp., вйдповйдно - N16, N17; КДСГДС 2016 i 2017 pp., вйдповйдно - K16 i K17.
Хймйчний захист посйвйв вйд хвороб, шкйд-никйв i вилягання не проводили. Тому сформований рйвень врожайностй слйд роз-глядати як результат реалйзаци потенцйалу продуктивностй (адаптивностй) залежно вйд екологйчних умов та генетично детермйно-вано'1 стййкостй (толерантностй) конкретного генотипу за ди рйзних абйотичних i бйотич-них чинникйв. Найбйльш добре виражени-ми з них були: вилягання - в середовищах M15 i M16; ^рунтово-повйтряна посуха - в середовищах M17, K16 i K17; сильний роз-виток збудникйв хвороб, особливо Blumeria graminis (DC.) Golovin ex Speer f. sp. hordei Em. Marchai та Pyrenophora teres Drechs. - у середовищах M15 i M16.
Для наочно'1 йнтерпретаци взаемоди «генотип-середовище» використано GGE biplot модель. Характеристику залученого некомер-
344
ISSN 2518-1017 PlaNT VftRIETIEs StuDYING ЛЛИ Protection, 2017, Т. 13, №4
n;iHHoro nporpaMHoro çaôeçne^eHHa HaBefleHo b opnriHaëtHiH ny6ëiKan;iï [19].
PeçyëbTaTM flocëiflœeHb
PiâeHt npoaBy Ta BapiroBaHHa BpoœaËHocTi flocëiflœeHoï BHÔipKH reHoTHniâ xapaKTepnçy-
roTt flaHi Ta6ëHn;i 1. HaËBHmy cepeflHro Bpoœaé-HicTt y flocëifli oTpHMaHo b cepefloBHùi M15 -6,69 T/ra, HaËHHœqy b K17 - 4,33 T/ra. Hanôiët-mHH po3Max вapiaцiï Miœ çpaçêaMH BiflMraeHo b M16 - 3,11 T/ra (âifl 7,41 flo 4,31 T/ra), HaéMeH-mHH b N17 - 1,62 T/ra (âifl 7,09 flo 5,46 T/ra).
Taônuun 1
ypoœaéHicTb copTiB AHMeHW nporo çaëeœHo bi'a yMOB BMpoùyBaHHfl
YcTaHoBa i piê (wièôp), ypoœaéHicTb, T/ra
0môp CopT Min HCflC KflCrflC X*
2015 2016 2017 2016 2017 2016 2017
M15 M16 M17 N16 N17 K16 K17
G1 'Bipaœ' 7,46 7,13 5,08 5,56 7,01 4,45 3,81 5,79
G2 'TaëicMaH MMipornBcbêMé' 7,17 7,05 4,97 6,08 7,02 5,50 4,34 6,02
G3 'Min MMPHMM' 7,61 7,41 5,23 6,99 7,08 5,81 4,89 6,43
G4 'Min Caëiof 7,03 7,16 5,01 5,82 6,89 5,16 4,50 5,94
G5 'Min Cothmk' 7,10 7,22 4,83 6,44 6,49 5,06 3,46 5,80
G6 'Min AçapT 7,39 7,38 5,19 5,85 6,82 5,65 4,15 6,06
G7 'Min BoryH' 7,34 7,21 5,45 6,18 6,66 5,68 4,63 6,16
G8 'iMiflœ' 5,74 5,92 4,53 6,27 6,90 4,77 3,63 5,39
G9 'Mipaœ' 6,86 5,75 4,21 6,15 7,01 5,15 4,79 5,70
G10 'KoçaubKMé' 3,40 5,06 3,47 5,23 5,60 4,09 3,22 4,30
G11 'CTaToê' 6,44 4,79 4,22 5,46 6,30 5,87 4,14 5,32
G12 'Kpoê' 5,99 6,12 4,37 5,03 5,83 5,46 4,67 5,35
G13 'CBflToMMxaéëiBcbKMé' 7,08 5,95 4,06 6,08 5,91 5,77 4,53 5,63
G14 'Boeâofla' 6,58 5,32 4,83 6,28 6,34 5,80 3,50 5,52
G15 'BcecBiT' 6,32 4,55 4,59 6,05 6,20 5,38 4,38 5,35
G16 TaëaKTMê' 6,28 4,89 4,42 5,19 6,32 5,03 3,87 5,14
G17 TeTbMaH' 6,64 4,66 4,61 5,46 6,70 5,43 4,61 5,44
G18 'CâflTorop' 5,81 4,47 4,53 5,85 6,13 5,12 4,79 5,24
G19 'Ëyêa' 6,43 4,76 5,08 5,10 6,00 4,46 4,53 5,20
G20 'Baêyëa' 6,88 5,81 4,55 5,39 6,11 6,47 4,75 5,71
G21 Teëioc' 7,13 5,31 4,63 5,72 6,19 6,29 4,33 5,66
G22 'floêaç' 7,56 6,08 4,64 6,73 6,84 5,97 4,23 6,01
G23 'iHKël03MB' 7,07 5,71 4,50 5,82 6,43 5,43 4,83 5,69
G24 'Bçipeub' 6,84 6,88 4,66 6,01 6,61 5,73 4,53 5,90
G25 'BiTpaœ' 6,15 4,78 4,35 4,80 5,46 4,57 4,17 4,90
G26 'Beëec' 6,62 6,03 4,29 5,95 6,43 4,91 4,34 5,51
G27 'Cêap6' 6,93 5,08 4,99 6,11 7,09 6,13 4,72 5,87
G28 'nepë' 6,79 5,76 4,85 5,95 6,72 5,13 5,01 5,74
G29 'Aëerpo' 7,18 5,08 4,63 6,11 6,95 5,89 4,32 5,74
G30 'naH' 7,59 5,85 4,54 6,27 6,95 5,89 4,04 5,88
G31 'MoflepH' 6,12 4,31 4,64 5,23 6,20 4,31 4,34 5,02
G32 'Cêiô' 6,70 5,01 4,43 6,24 7,00 5,05 3,74 5,45
G33 'Câapor' 6,68 5,72 4,76 6,01 6,67 4,94 5,11 5,70
G34 'Shakira' 7,48 6,52 4,21 5,33 7,07 4,31 4,55 5,64
G35 'KWS Bambina' 6,59 6,66 4,73 6,70 7,00 5,22 4,36 5,89
G36 'BrusefieLd' 5,78 4,92 4,29 5,10 5,95 6,37 3,97 5,20
X** 6,69 5,79 4,62 5,85 6,52 5,34 4,33 5,59
max 7,61 7,41 5,45 6,99 7,09 6,47 5,11 6,43
min 3,40 4,31 3,47 4,80 5,46 4,09 3,22 4,30
R(max-min) 4,21 3,11 1,99 2,19 1,62 2,38 1,89 2,14
HIP0,05 0,27 0,35 0,29 0,46 0,29 0,19 0,37 0,32
ÏpMMiTKa. X* - cepeflHe 3HaneHHfl BpoœaéHOCTÏ copTy b cepeflOBM^ax, X** - cepeflHe, max - MaKcMMaëbHe, min - MÏHÏMaëbHe 3HaneHHfl y flocëifli, R(max-min) - piçHMua Mi'œ MaKCMMaëbHMM i MÏHÏMaëbHMM 3HaneHHflM y
flOCël'fli.
^HcnepciËHHH aHaëiç noKaçHHKiâ ypoœaé-HocTi çacâifl^HB flocToâipHHH BHecoK y çaraët-Hy Bapia^ro cepefloBHùa, reHorany Ta ïx B3a-eMoflïï (Ta6ë. 2). Hanôiëtma ^acTKa HaëeœHTt
cepefloBHùy - 64,64%, flaëi ça cnaflaroioro -BçaeMoflia «reHoTHn-cepefloBHmp» - 20,46% Ta reHoTHn - 14,90%.
Таблиця 2
Результати дисперс'йного анал!'зу врожайносп' сорп'в ячменю ярого
Фактори ОР МБ Р Частка внеску в дисперст'ю, %
Середовище 515,07 6 85,83 2117,10* 64,64
Генотип 118,70 35 3,39 83,66* 14,90
Взаемод1'я «генотип-середовище» 163,00 210 0,78 19,15* 20,46
Примпка. SS - сума квадрап'в, Df - число ступет'в свободи, MS - середт'й квадрат, F - критер1Й Фшера.
*Достов1'рно на 0,01% ртвн! значимости
Репрезентатившеть та диференц1квальну здатн1сть еередовищ ООЕ Ыр1о1 модел1 наведено на рисунку 1. Лш1ек, що проходить через середину ООЕ Ыр1о1;, показано середнк в1сь еередовищ. Стр1лкок в малому кол1 на нш пом1чено середне розрахункове середо-вище. Пунктирш лши, що з'еднукть центр ООЕ Ыр1о1 з роками випробувань, е векторами середовищ. Кут м1ж середньок в1сск се-редовищ 1 вектором конкретного середовища характеризуе його репрезентативн1сть. Що менший кут, то вища репрезентативтсть. Найрепрезентативн1шими були середовища М17, N16 1 N17, найменш репрезентатив-ним - К16. Довжина вектора конкретного середовища характеризуе його диференщк-вальну здатн1сть: чим вш довший, тим во-на сильшша. Найвища диференц1квальна здатн1сть (шформативтсть) у середовища М16, найнижча - у К17 1 М17. Поеднува-ло репрезентативность 1 диференц1квальну здатн1сть середовище М15. Величина кута м1ж окремими середовищами характеризуе 1х под1бн1сть, або ж в1дм1нн1сть у р1вн1 про-яву врожайност1 сортов як у целому, так 1 по в1дношеннк одного до шшого. Що менший
кут м1ж двома векторами, тим под1бн1ш1 се-редовища за р1внем прояву врожайност1 в досл1джених генотипов, 1, навпаки, що больший кут, тим сильтше в1др1знякться середовища. Найв1ддален1шими м1ж собок були середовища М16 та К16.
На рисунку 2 в1дображено ООЕ Ыр1о1 «хто-де-перем1г». На вершинах кут1в пол1гональ-но1 ф1гури показано генотипи, найв1ддале-н1ш1 в1д основи Ыр1о1;. Вони е найкращими або найиршими в одному чи к1лькох середовищах. Лши, що в1дходять з центру Ыр1о1;, под1лякть площину на сектори, в яких роз-м1щен1 середовища та генотипи. Пом1тно, що середовища розпод1лен1 на два сектори. У першому - середовища М15, М16, М17, N16, N17, або умови М1П 1 НСДС, у другому - умови КДСГДС - К16 1 К17. Генотипи, що потрапили до сектор1в з певними середови-щами, в1дпов1дно були пристосован1шими до них. У першому сектор1 суттеву перевагу над шшими мав сорт ОЗ ('М1П Мирний'), у другому - О27 ('Скарб'). У середовища М16 вид1лено генотипи ('В1раж'), О4 ('М1П Салкт'), О5 ('М1П Сотник'). Сорти О22 ('До-каз') 1 030 ('Пан') були на лши, що з'еднуе
<п
см
г
5 т-
см
-2 0 2 4
АХБ153.58%
Рис. 1. GGE Ыр1о1 диференц1'ювально1 здатносп' та репрезентативносп середовищ
чР г?"
мче с>!
-3-2-1 о 1
АХВ153-58°/ Рис. 2. GGE Ыр1о1 «хто-де-перем!'г»
346
2518-1017 ГЬЛМТ VлRIETIES SтUDYING ЛЛО PROTECTION, 2017, Т. 13, №4
вершини першого i другого секторгв i тяж1-ють до максимального р1вня прояву ïx уро-жайност1 в середовищ! M15. Решта номер1в, що опинилися всередин! пол1гональноï ф1-гури цих сектор1в, поступались названим вище у в1дпов1дних середовищах. Сорти, як1 потрапили до сектор1в без середовищ, посту-палися за реал1зац1ею потенц1алу продук-тивност1 генотипам у секторах середовищ.
На рисунку 3 GGE biplot характеризуе гено-типи за поеднанням середньоï врожайност1 та стаб1льност1. В1сь, що перетинае центр GGE biplot у горизонтальн1й площин1, е се-редньою для середовищ абсцисою. У вертикальному напрям1 середню для середовищ абсцису перетинае середня для середовищ ордината, яка репрезентуе середне значен-ня врожайност1 в досл1д1 (адаптивну норму). В1ддален1сть генотип1в в1д в1с1 абсцис по в1с1 ординат в обох напрямах характеризуе вар1абельн1сть урожайност1 за роками по в1дношенню до оч1куваного р1вня прояву в конкретних середовищах. Чим ближче роз-м1щен1 генотипи до в1с1, тим вони стаб1ль-н1ш1, й навпаки. Найвища середня врожай-н1сть у сорту G3 ('М1П Мирний'). Стаб1льн1с-тю в1дзначалися генотипи G28 ('Перл'), G9 ('М1раж'), G33 ('Сварог'), G13 ('Святомихай-л1вський'), G23 ('1нклюзив'). А за середн1м р1внем урожайност1 ця група генотип1в роз-ташовувалася ближче до середныл врожай-ност1 в досл1д1. Генотипи G16 ('Галактик'), G32 ('Ск1ф'), G12 ('Крок') також мали в1д-носно високу стаб1льн1сть, але нижчу вро-жайн1сть пор1вняно з адаптивною нормою.
Ранжирування сорт1в до г1потетичного «1деального» генотипу, який теоретично по-
\ с сэесШ7 V G1Ô GW К16 £ М15 ..........G3
^^ <312 G ^^ ¿8 ¿10 Щ Ш G7 sis , ^ <3206 \G34 \ G5G1 \ М16
-2
-1 О
AX1S153.58%
-2
-1 О
AX1S1 5358%
Рис. 3. GGE biplot середньосередовищна координаф'я сорп'в за середньою врожайнктю та стаб1'льнктю
Рис. 4. GGE ЫрЫ ранжирування селекц1*йних сорт1'в ячменю ярого до «реального» генотипу
винен розташовуватись усередиш центрич-них шл, сввдчить про наближешсть до нього сорту G3 ('М1П Мирний') (рис. 4). Окр1м цього сорту, ближчими ввд шших до «идеального типу» були генотипи G7 ('М1П Богун'), G22 ('Доказ'), G30 ('Пан'), G2 ('Тал1сман Миро-швський'), G6 ('М1П Азарт'). Решта сорив, що перевищують за середньою врожайшстю адаптивну норму, виявили специф1чшшу реакцию на умови одного або к1лькох середовищ. Щ генотипи становлять штерес для середовищ, де вони були найб1льш адапто-ваними.
Висновки
Моделювання багатосередовищних випро-бувань шляхом комбшування контрастних за г:1дротерм1чним режимом рок1в 1 р1зних еколог1чних умов з штерпретащею резуль-тат1в досл1джень сучасними статистично-граф1чними методами надае детальшшу характеристику взаемоди «генотип-середо-вище», сприяе ранжируванню 1 вид1ленню перспективних генотишв.
Вид1лено сорти ячменю ярого з опти-мальним р1внем прояву врожайност1 за середовищами, як1 були найближчими до гшотетичного «идеального» генотипу GGE biplot модел1, - 'М1П Мирний', 'М1П Богун', 'Тал1сман Мирошвський', 'М1П Азарт', 'Доказ', 'Пан'.
Використана литература
1. Жученко А. А. Экологическая генетика культурных растений и проблемы агросферы (теория и практика) : в 2 т. Москва : Агрорус, 2004. Т. 1. 690 с.
2. Рыбась И. А. Повышение адаптивности в селекции зерновых культур. Сельскохозяйственная биология. 2016. Т. 51, № 5. С. 617-626. doi: 10.15389/адгоЫо1оду.2016.5.617п^
ISSN 2518-1017 РЬЛШТ VлRIETÏES STUDYING ЛЛИ PROTECTION, 2017, Vol. 13, No 4
347
3. Драгавцев В. А. Как помочь накормить человечество. Биосфера. 2013. Т. 5, № 3. С. 279-290.
4. Драгавцев В. А., Малецкий С. И. Эволюция парадигм наследования и развития и их ведущая роль в создании инновационных селекционных технологий. Биосфера. 2015. Т. 7, № 2. С. 155-168. doi: 10.24855/biosfera.v7i2.56
5. Литун П. П., Кириченко В. В., Петренкова В. П., Коломацкая В. П. Адаптивная селекция. Теория и технология на современном этапе. Харьков, 2007. 263 с.
6. Литвиненко М. А., Рибалка О. I. Зернов1 культури. Стан та перспективи створення нових сорт'в i пбридпв у наукових установах УААН. Наанництво. 2007. № 1. С. 3-6.
7. Литвиненко М. А. Розвиток програм селекцн пшениц' озимоТ м'якоТ i твердо'' в Селекц'йно-генетичному "жституп - НЦНС. Реалiзацiя потенщалу сорmiв зернових культур - шлях вирi-шення продовольчоТ безпеки : Мп^нар. наук.-практ. конф., присвячена 110-р"ччю в1'д дня народження академка-селек-цюнера В. М. Ремесла : усна допов1'дь на пленартй частит (с. Центральне, 20 жовтня 2017 р.).
8. Гудзенко В. М., Васильмвський С. П. Урожайтсть ячменю ярого залежно в1'д гiдротермiчних умов вегетацшного перi-оду у Центральному Лкостепу УкраТни. Агробiологiя : зб. наук. пр. Б^а Церква, 2016. Вип. 2. С. 11-17.
9. 1ващенко О. О., Рудник-1ващенко О. I. Напрями адаптацл аграрного виробництва до зм1'н ^мату. Вкн. аграрноТнауки. 2011. № 8. С. 10-12.
10. Macholdt J., Honermeier B. Impact of climate change on cultivar choice: adaptation strategies of farmers and advisors in German cereal production. Agronomy. 2016. Vol. 6, No. 3. P. 40. doi: 10.3390/agronomy6030040
11. Ващенко В. В. Экологическое сортоиспытание как этап адаптивной селекции ячменя ярового. Вкн. ЦНЗ АПВХарювськоТ облат : наук.-вироб. зб. Харюв, 2010. Вип. 9. С. 35-39.
12. Солонечный П. Н., Козаченко М. Р., Васько Н. И. и др. Продуктивность сортов ячменя ярового в экологическом сортоиспытании. Зернобобовые и крупяные культуры. 2014. № 4. С. 96-99.
13. Солонечний П. М., Козаченко М. Р., Васько Н. I. та 1'н. GGE biplot взаемодА' генотип-середовище сорлв ячменю ярого. Се-лекщя i наанництво : мп'жвп'д. темат. наук. зб. Харюв, 2014. Вип. 106. С. 93-102.
14. Jalata Z. GGE-biplot Analysis of Multi-environment Yield Trials of Barley (Hordeum vulgare L.) Genotypes in Southeastern Ethiopia Highlands. Int. J. Plant Breed. Genet. 2011. Vol. 5, No. 1. P. 59-75. doi: 10.3923/ijpbg.2011.59.75
15. Sarkar B., Sharma R. C., Verma R. P. S. et al. Identifying superior feed barley genotypes using GGE biplot for diverse environments in India. Indian J. Genet. Plant Breed. 2014. Vol. 74, Iss. 1. P. 26-33. doi: 10.5958/j.0975-6906.74.1.004
16. Mortazavian S. M. M., Nikkhah H. R., Hassani F. A. et al. GGE biplot and AMMI analysis of yield performance of barley genotypes across different environments in Iran. J. Agr. Sci. Tech. 2014. Vol. 16, Iss. 3. P. 609-622.
17. Методика проведення експертизи та державного сортови-пробування сорлв рослин зернових, круп'яних та зернобо-бових культур. Охорона прав на сорти рослин : офщ. бюл. / гол. ред. В. В. Волкодав. КиТв : Алефа, 2003. Вип. 2, Ч. 3. 241 с.
18. Доспехов Б. А. Методика полевого опыта (с основами статистической обработки результатов исследований). 5-е изд., доп. и перераб. Москва : Агропромиздат, 1985. 351 с.
19. Frutos E., Galindo M. P., Leiva V. An interactive biplot implementation in R for modeling genotype-by-environment interaction. Stoch. Environ. Res. Risk. Assess. 2014. Vol. 28, No. 7. P. 1629-1641. doi: 10.1007/s00477-013-0821-z
References
1. Zhuchenko, A. A. (2004). Ekologicheskaya genetika kul'turnykh rasteniy iproblemy agrosfery (teoriya ipraktika) [Ecological ge-
netics of cultivated plants and problems of the agrosphere (theory and practice)]. (Vol. 1). Moscow: Agrorus. [in Russian]
2. Rybas', I. A. (2016). Increasing adaptability in breeding grain crops. Sel'skokhozyaistvennaya biologiya [Agricultural Biology], 53(5), 617-626. doi: 10.15389/agrobiology.2016.5.617rus [in Russian]
3. Dragavtsev, V. A. (2013). How to feed the humanity. Biosfera [Biosphere], 5(3), 279-290. [in Russian]
4. Dragavtsev, V. A., & Maletskiy, S. I. (2015). The evolution of paradigms of heredity and development and their leading role in designing of innovative breeding technologies. Biosfera [Biosphere], 7(2), 155-168. doi: 10.24855/biosfera.v7i2.56 [in Russian]
5. Litun, P. P., Kirichenko, V. V., Petrenkova, V. P., & Kolomatskaya, V. P. (2007). Adaptivnaya selektsiya. Teoriya i tekhnologiya na sovremennom etape [Adaptive Plant Breeding. Theory and Technology at the Current Stage]. Kharkov: N.p. [in Russian]
6. Lytvynenko, M. A., & Rybalka, 0. I. (2017). Cereal Crops. Current state and prospects for development of new varieties and hybrids at the scientific institutions of the Ukrainian Academy of Agrarian Sciences. Nasinnytstvo [Seed Production], 1, 3-6. [in Ukrainian]
7. Lytvynenko, M. A. (2017). Development of programs of winter wheat breeding in The Plant Breeding and Genetics Institute -National Center of Seed and Cultivar Investigation of NAAS. In Realizatsiia potentsialu sortiv zernovykh kultur - shliakh vyrishen-nia prodovolchoi bezpeky: Mizhnar. nauk.-prakt. konf., prysviache-na 110-richchiu vid dnia narodzhennia akademika-selektsionera V. M. Remesla: usna dopovid [Realization of potential of cereal varieties is the way to solve food problem: Int. Sci. & Practical Conf. devoted to the 110th birthday anniversary of Vasyl M. Remeslo: Oral presentation] (Ukraine, Kyiv region, Myronivka district, village Tsentralne, Oct. 20, 2017). [in Ukrainian]
8. Gudzenko, V. M., & Vasylkivskyi, S. P. (2016). Spring barley yielding capacity depending on hydrothermal conditions of cropping season in the Central Forest-Steppe zone of Ukraine. Agrobiología [Agrobiology], 2, 11-17. [in Ukrainian]
9. Ivashchenko, 0. 0., & Rudnyk-Ivashchenko, 0. I. (2011). Directions of adaptation of agrarian production to climate change. Visnyk agrarnoi nauky [Bulletin of Agricultural Science], 8, 1012. [in Ukrainian]
10. Macholdt, J., & Honermeier, B. (2016). Impact of climate change on cultivar choice: adaptation strategies of farmers and advisors in German cereal production. Agronomy, 6(3), 40. doi: 10.3390/agronomy6030040
11. Vashchenko, V. V. (2010). Ecological variety testing as a stage of adaptive breeding of spring barley. Visnyk centru naukovogo zabezpechennja APV Harkivs'koi'oblasti [Bulletin of the Center for Science Provision of Agribusiness in the Kharkiv region], 9, 35-39. [in Russian]
12. Solonechnyy, P. N., Kozachenko, M. R., Vasko, N. I., Naumov, A. G., Vazhenina, 0. E., & Solonechnaya, 0. V. (2014). Productivity of spring barley varieties under ecological testing. Zernobobovye i krupanye kul'tury [Leguminous and Groat Crops], 4, 96-99. [in Russian]
13. Solonechnyi, P. M., Kozachenko, M. R., Vasko, N. I., Naumov, 0. H., Vazhenina, 0. Ye., Solonechna, 0. V., Dmytrenko, P. P., & Kovalenko, 0. L. (2014). GGE biplot analysis of genotype-environment interaction of spring barley varieties. Selektsia I Nasinnitstvo [Plant Breeding and Seed Production], 106, 93102. [in Ukrainian]
14. Jalata, Z. (2011). GGE-biplot Analysis of Multi-environment Yield Trials of Barley (Hordeum vulgare L.) Genotypes in Southeastern Ethiopia Highlands. Int. J. Plant Breed. Genet., 5(1), 59-75. doi: 10.3923/ijpbg.2011.59.75
15. Sarkar, B., Sharma, R. C., Verma, R. P. S., Sarkar, A., & Sharma, I. (2014). Identifying superior feed barley genotypes using GGE biplot for diverse environments in India. Indian J. Genet. Plant Breed., 74(1), 26-33. doi: 10.5958/j.0975-6906.74.1.004
16. Mortazavian, S., Nikkhah, H., Hassani, F., Sharif-al-Hosseini, M., Taheri, M., & Mahlooji, M. (2014). GGE Biplot and AMMI Analysis of Yield Performance of Barley Genotypes across Different Enwronments in Iran. J. Agr. Sci. Tech., 16(3), 609-622.
17. Volkodav, V. V. (Ed.). (2003). Method of examination and state testing of varieties of grain, cereal and leguminous crops. Okho-ronapravna sortyroslyn [Plant Variety Rights Protection] (Vol. 2, Part. 3). Kyiv: Alefa. [in Ukrainian]
18. Dospekhov, B. A. (1985). Metodika polevogo opyta (s osnovami statisticheskoy obrabotki rezul'tatov issledovaniy) [Methods of field experiment (with the basics of statistical processing of research results)]. (5th ed., rev.). Moscow: Agropromizdat. [in Russian]
19. Frutos, E., Galindo, M. P., & Leiva, V. (2014). An interactive biplot implementation in R for modeling genotype-by-environment interaction. Stoch. Environ. Res. Risk. Assess., 28(7), 1629-1641. doi: 10.1007/s00477-013-0821-z
УДК 633.16:631.559:631.524.85
Демидов А. А.1, Гудзенко В. H.1*, Сардак Н. А.2, Ищенко В. А.3, Смульськая И. В.4, Коляденко С. С.4
Многосредовые испытания ячменя ярового по урожайности и стабильности // Plant Varieties Studying and Protection. 2017. Т. 13, № 4. С. 343-350. https://doi.Org/10.21498/2518-1017.13.4.2017.117727
'Мироновский институт пшеницы имени В. Н. Ремесло НААН Украины, ул. Центральная, 68, с. Центральное, Мироновский р-н, Киевская обл., 08853, Украина, *e-mail: [email protected]
2Носовская селекционно-опытная станция Мироновского иснтитута пшеницы имени В. Н. Ремесло НААН Украины, ул. Мира, 1, с. Опытное, Носовский р-н, Черниговская обл., 17131, Украина
3Кировоградская государственная сельскохозяйственная опытная станция НААН Украины, ул. Центральная, 2, с. Созоновка, Кировоградский р-н, Кировоградская обл., 27602, Украина
4Украинский институт экспертизы сортов растений, ул. Генерала Родимцева, 15, г. Киев, 03041, Украина
Цель. Выявить закономерности уровня проявления характеризировались условия МИП в 2016 г., наименьшей
урожайности сортов ячменя ярового во взаимодеиствии «генотип-среда» при испытании в разных экологических зонах Украины и выделить генотипы с повышенным адаптивным потенциалом. Методы. Объект исследовании - 36 сортов ячменя ярового отечественной и зарубежной селекции. Сортоиспытания проведены в Мироновском институте пшеницы имени В. Н. Ремесло НААН Украины (МИП) (Центральная Лесостепь) в 2015-2017 гг., на НосовскоИ селекционно-опытноИ станции МИП (НСОС) (Полесье) и КировоградскоИ государственной сельскохозяйственной опытноИ станции НААН (КГСХОС) (Северная Степь) в 2016-2017 гг. За три года исследовании (20152017) получены результаты испытания сортов в семи средах. Делянки учетноИ площадью 10 м2 были заложены в трёхкратноИ повторности методом полных рендомизиро-ванных блоков, в соответствии с общепринятыми методиками. СтатистическиИ анализ экспериментальных данных проведен с использованием компьютерных программ Excel 2010 и Statistica 8.0. Для наглядноИ интерпретации взаимодеИствия «генотип-среда» использована GGE biplot модель. Результаты. ДисперсионныИ анализ данных урожаИности засвидетельствовал достоверные вклады в общую вариацию среды - 64,64%, генотипа -14,90% и их взаимодеИствия - 20,46%. СамоИ большоИ дифференцирующеИ способностью (информативностью)
- условия КГСХОС в 2017 г. Наиболее репрезентативными были условия МИП в 2017 г. и НСХОС в 2016 г., наименее
- в КГСХОС (2016 г.). Наиболее отдаленными между собоИ были условия МИП и КГСХОС в 2016 г. Визуализация GGE biplot «кто-где-победил» позволила разделить среды на два секторы: первыИ - условия МИП 2015-2017 гг. и НСОС 2016-2017 гг., второИ - условия КГСХОС 2016-2017 гг. В первом секторе существенно превалировал сорт 'МИП МирныИ', во втором - 'Скарб'. Дифференцированы и выделены сорта ячменя ярового с наиболее оптимальным уровнем проявления урожаИности в средах, наиболее близких к гипотетическому «идеальному» генотипу GGE biplot модели - 'МИП МирныИ', 'МИП Богун', 'Талисман МироновскиИ', 'МИП Азарт', 'Доказ', 'Пан'. Выводы. Моделирование многосредовых сортоиспытаниИ путем комбинирования контрастных по гидротермическим режимам годов и различных экологических условиИ с интерпрета-циеИ результатов исследованиИ в соответствии с современными статистическо-графическими методами способствует более детальноИ характеристике взаимодеИствия «генотип-среда», ранжированию и выделению перспективных генотипов.
Ключевые слова: ячмень яровой, экологическое испытание, сорт, генотип, среда, взаимодействие «генотип-среда», урожайность, адаптивность, GGE biplot.
UDC 633.16:631.559:631.524.85
Demydov, O. A.1, Hudzenko, V. M.1*, Sardak, M. O.2, Ishchenko, V. A.3, Smulska, I. V.4, & Koliadenko, S. S.4
(2017). Spring barley integrated testing for yielding and stability. Plant Varieties Studying and Protection, 13(4), 343-350. https://doi.Org/10.21498/2518-1017.13.4.2017.117727
1The V. M. Remeslo Myronivka Institute of Wheat, NAAS of Ukraine, 68 Tsentralna Str., Tsentralne, Myronivka district, Kyiv region, 08853, Ukraine, *e-mail: [email protected]
2Nosivka Plant Breeding Experimental Station of the V. M. Remeslo Myronivka Institute of Wheat, NAAS of Ukraine, 1 Myru Str., Doslidne, Nosivka district, Chernigiv region, 17131, Ukraine
3Kirovograd State Agrarian Experimental Station, NAAS of Ukraine, 2 Tsentralna Str., Sozonivka, Kirovograd district, Kirovograd region, 27602, Ukraine
4Ukrainian Institute for Plant Variety Examination, 15 Henerala Rodymtseva Str., Kyiv, 03041, Ukraine
Purpose. To define the regularities of yield level for spring tential. Methods. As object of the research there were 36 barley varieties in "genotype-environment" interaction spring barley varieties of domestic and foreign breeding. Va-when testing in different ecological zones environments of rieties were tested at the V. M. Remeslo Myronivka Institute Ukraine and identify genotypes with increased adaptive po- of Wheat of NAAS (MIW) (the Central Forest-Steppe) in 2015-
2017, at Nosivka Plant Breeding Experimental Station of the V. M. Remeslo Myronivka Institute of Wheat of NAAS (NPBES) (Polissia) in 2016-2017 and at Kirovohrad State Agricultural Experimental Station of NAAS (KSAES) (the Northern Steppe) in 2016-2017. During three years of the investigation (20152017), the results of varieties testing in seven environments have been obtained. Plots with discount area of 10 m2 were laid out with three replications by the method of full randomized blocks, in accordance with conventional methods. Statistical analysis of experimental data was performed using Excel 2010 and Statistica 8.0 software. To interpret visually "genotype-environment" interaction the GGE biplot model was used. Results. The ANOVA of yield data showed reliable contributions into the total variation of environment (64.64%), genotype (14.90%), and their interaction (20.46%). Environmental conditions of MIW in 2016 were characterized with the highest discriminative fineness (informativeness), while KSAES in 2017 were characterized with the lowest one. Environmental conditions of both MIW in 2017 and NPBES in 2016 were the most representative; conditions of KSAES in 2016 were the least representative. The conditions of MIW
and KSSGDS in 2016 were the most distant against each other. The GGE biplot "who-won-where" visualization allowed to divide the environments in two sectors: the first - conditions of MIW 2015-2017 and NPBES 2016-2017, the second - conditions of KSAES 2016-2017. The variety 'MIP Myrnyi' had a significant advantage in the first sector, while the variety 'Skarb' had it in the second one. The varieties of spring barley 'MIP Myrnyi', 'MIP Bohun', 'Talisman Myronivskyi', 'MIP Azart', 'Dokaz', 'Pan' have been differentiated and defined as those with the optimal level of yield in environments being the closest to hypothetical "ideal" genotype of the GGE biplot model. Conclusions. Modelling of integrated variety testing by combining years being contrast in hydrothermal regime and different ecological conditions with interpretation of the investigation results using modern statistical and graphical method contributes to more detailed characterization of the "genotype-environment" interaction, ranking and identifying of prospecting genotypes.
Keywords: spring barley, ecological testing, variety, genotype, environment, "genotype-environment"interaction,yield, adaptability, stability, GGE biplot.
Hadiuwna / Received 11.10.2017 nozodxeHQ do dpyny/ Accepted 21.11.2017
