CC BY
18
ш
НАУЧНОЕ ОБЕСПЕЧЕНИЕ И УПРАВЛ ЕНИЕ АГРОПРОМЫШЛЕННЫМ КОМПЛЕКСОМ
УДК 633.13:631.52 DOI: 10.24412/2587-6740-2021-5-46-50
ОЦЕНКА КОЛЛЕКЦИОННЫХ СОРТООБРАЗЦОВ ОВСА ПОСЕВНОГО (AVENA SATIVA L.) ПО ХОЗЯЙСТВЕННО-ЦЕННЫМ ПРИЗНАКАМ МЕТОДОМ КЛАСТЕРНОГО АНАЛИЗА В УСЛОВИЯХ ЦЕНТРАЛЬНОЙ ЯКУТИИ
Л.В. Петрова
Якутский научно-исследовательский институт сельского хозяйства имени М.Г. Сафронова — обособленное подразделение Федерального государственного бюджетного научного учреждения Федеральный исследовательский центр «Якутский научный центр Сибирского отделения Российской академии наук», г. Якутск, Россия
В статье приведены результаты трехлетних исследований. В данной статье остановились на 6 основных хозяйственно-ценных признаках (урожайность зерна, масса зерна с растения, масса зерна с метелки, масса 1000 зерен, продуктивная кустистость), которые вводили в программу кластерного анализа для сортообразцов коллекции ВИР. Кластерный анализ позволил сгруппировать различные сортообразцы по комплексу признаков, выделил наиболее близкие сорта. Центральная Якутия относиться ко второй зоне -- Приленская, левобережная центральная. Вегетационный период в этой зоне несколько короче, могут возделываться в основном зерновые культуры с подбором скороспелых и среднеспелых сортов. Выборка номеров по кластерам показала, что первый кластер был самым немногочисленным. Наиболее многочисленными оказались II, III и IV кластеры. Стандартный сорт Покровский за три года изучения входил в II за 2017-2018 гг, и IV кластер за 2019 г. Кластерный анализ коллекционных сортообразцов овса за три года показал, что такие высокоурожайные сортообразцы, как из Великобритании К-15287/46, Германии (К-15380/1), Норвегии (К-15353/4), Польши (К-15293/49) и Португалии (К-15106/50) имеют стабильность в своих признаках и во все года группируются в один кластер. Выявленные сортообразцы можно использовать в практической селекции для подбора пар, включаемых в гибридизацию, по комплексу признаков.
Ключевые слова: овес посевной (Avena sativa L.j, образцы, кластерный анализ, кластер, урожайность зерна, масса 1000 зерен, масса зерна с растения, масса зерна с метелки, продуктивная кустистость.
Введение
Овес является первой по значимости зернофуражной культурой в Якутии и основной для производства зеленой массы на силос в чистом виде и в смеси с другими культурами. По данным Министерства сельского хозяйства и заготовок Республики Саха (Якутия) посевная площадь зерновых культур по всей республике в 2019 г. составляет 10 399 га, в том числе посевы овса 5 965 га, что соответствует 57,4% от структуры посевов зерновых культур [1].
Своеобразные природно-климатические условия Якутии ограничивают широкое и повсеместное возделывание сельскохозяйственных растений. К отрицательным факторам относятся: низкие температуры воздуха и почвы в начале вегетации, широкая амплитуда дневных и ночных температур в течение всего вегетационного периода, засушливость первой, а нередко и второй части лета, поздние весенние и ранние осенние заморозки, засоленность почвы и др.
Изучение исходного материала коллекции ВИР им. Н.И. Вавилова необходимо проводить в течение 3-5 лет. В связи с большим генетическим разнообразием, многочисленностью изучаемых показателей для их анализа применяют многомерные статистические методы. По многолетним исследованиям селекционеров зерновых культур для подбора родительских форм будущих новых сортов зарекомендовал себя
46 -
© Петрова Л.В., 2021 Международный сельскохозяйственный журнал, 20
метод кластерного анализа [2, 3]. При этом прямое использование генофонда затруднено [4], из-за низкой адаптивности материала и преобладания в потомстве рекомбинантов с низкой урожайностью, которые выбраковываются на первых этапах селекционного процесса [5].
Для этого мы использовали Статистическую программу Сорокина «Многомерные методы анализа — Кластерный анализ массива признаки — объект» [2].
Кластерный анализ, нашедший широкое признание с 80-х годов XX в., представляет группу методов многомерной статистики, предназначенных для разделения исходного множества объектов на группы. Упорядочение объектов в относительно однородные таксоны (кластеры) проводится путем попарного сравнения по выбранным критериям [6]. Принцип его действия заключается в разбиении множества исследуемых данных на отдельные кластеры. В массив исследуемых показателей и признаков можно включать огромное количество данных [7]. Выявление новых генетических факторов, определяющих высокую выраженность хозяйственно ценных признаков, в выделенных образцах коллекции будет способствовать созданию сортов с требуемыми параметрами [8, 9].
Кластерный анализ в отличие от обычной группировки в том, что он дает возможность производить разбиение объектов не по
I, том 64, № 5 (383j, с. 46-50.
одному признаку, а по ряду признаков [10]. Чем ближе число признаков друг к другу, тем больше вероятность для них попасть в один кластер. Среди всего массива данных необходимо определить перечень значимых показателей, на основе которых возможно успешное проведение анализа и получение результатов. Конечный результат из множества сортообразцов можно сделать подбор пар для скрещиваний.
Методы многомерной статистики позволяют селекционеру проводить объективную комплексную оценку исходного материала [11]. Кластерный анализ используется при изучении генетического родства [12], определении изменчивости хозяйственно-полезных признаков под воздействием разнообразных условий среды [13].
Цель исследований — оценка коллекционных сортообразцов по хозяйственно-ценным признакам методом кластерного анализа и выделение перспективных сортообразцов для подбора и скрещиваний пар в условиях Центральной Якутии.
Материал, условия и методика
проведения исследования
Исследования проведены в 2017-2019 гг. в Покровском подразделении Якутского НИИ сельского хозяйства, в условиях Хангаласского улуса Республики Саха (Якутия), расположенного в зоне средней тайги.
Анализ природно-климатических условий Центральной Якутии показывает, что земледелие в данной зоне развивается в исключительно своеобразных и экстремальных условиях, чем в других регионах не только России, но и земного шара. Климат Центральной Якутии является резко континентальным, который проявляется во всем его температурном режиме: низкие температуры со слабыми ветрами зимой резко контрастируют с высокими температурами воздуха летом с малой облачностью. В самый теплый месяц (июль) абсолютный максимум температуры воздуха достигает 36...39 0С. Годовое количество осадков составляет 250-300 мм.
Исследовалось 83 образца коллекции овса посевного из Всероссийского института генетических ресурсов растений им. Н.И. Вавилова (ВИР) и иностранной селекции (Великобритании, Швеции, Канады, Италии, Украины, Белоруссии, Казахстана, Португалии, сШа, Германии, Норвегии). Стандартом является сорт Покровский. В опыте использовали ручной посев, площадь делянки — 1 м2.
Почвы опытного участка мерзлотные, та-ежно-палевые, резкой степени осолоделые (49,1%), обладающие высоким потенциальным плодородием.
В кластерном анализе в основу группировок были взяты признаки урожайность зерна, масса зерна с растения, масса зерна с метелки, масса 1000 зерен, продуктивная кустистость.
За годы исследований (2017-2019 гг.) по данным метеостанции Хангаласского улуса г. По-кровск Республики Саха (Якутия) вегетационный период характеризовался как недостаточного увлажнения. Сумма активных температур воздуха выше +100С с посева до созревания овса посевного изменялась от 1688 до 1801, сумма осадков достигала от 116,6 до 144,0 мм. Наиболее низким по осадкам был 2019 г. (ГТК=0,65), более увлажненным при ГТК 0,77-0,81 были 2017 и 2018 гг.(рис.1).
Кластерный анализ отбора образцов по комплексу хозяйственно ценных признаков осуществляли с использованием компьютерной программы 5пе<^есог. При оценке единтичности близких показателей сортообразцов использовали Евклидово расстояние [14]. Наблюдения и учеты проведены согласно общепринятым методикам [15, 16].
Результаты исследований
и обсуждение
В кластерном анализе в основу при построении дендрограмм использовались максимум коэффициент корреляции и метод полных связей [14].
На основе кластерного анализа по комплексу хозяйственно — ценным признакам получены дендрограмм, отобраны высокоурожайные сортообразцов, овса посевного для последующего использования в селекционном процессе. В годы иследований были получены разное количество кластеров.
В 2017 году было всего два кластера (рис. 2). В первый кластер вошли 32 сортообразца, в том числе 7 образцов из США (К-15256/75,
К-15258/66, К-15267/9, К-15417/69, К-15108/26, К-15093/72, К-15339/30), по три образца из Кировской области (К-15275/5, К-15186/82, К-15062/23) и Ульяновской области (К-15330/7, К-15333/54, К-15328/47), по два образца Омской области (К-15340/63, К-15062/79), Германии (К-15419/76, К-15420/65) и Белоруссии (К-15408/13, К-15121/41), и по одному образцу из Бурятии (К-15341/57), Литвы (К-15234/81), Казахстана (Никола/8), Алтайский край (К-15338/71, К-15418/68), Тюменской области (К-15283/28), Туниса (К-15249/24), Канады (К-15301/17), Швеции (К-15391/39), Словакии (К-15372/64), Колумбии (К-15111/42), Италии (К-15298/22) и Норвегии (К-15053/20). Кластер представлен низкоурожайными генотипами, для которых характерны низкие показатели таких элементов урожайности, как масса зерна с растения 2,5 г, масса зерна с метелки 1,1 г, масса 1000 зерен 31,8 г.
Кластер номер два объединил 51 образец овса посевного, в том числе 13 сортообраз-цов из США, Германии (К-15376/77, К-15378/62, К-15380/1, К-15410/52, К-15416/31, К-15375/25, К-15425/44, К-15415/67, К-15426/74, К-15412/10,
0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 -
0,1 0 - - -
2017 г. 2018 г. 2019 г.
Рис. 1. Гидротермический коэффициент за 2017-2019 гг.
■0,75
г
Г ПТ Г Г Г ГГ Ж" Т " Х-ШХх-ШХ-ЕХХХх-
I II
Кластеры
Рис. 2. Дендрограмма кластеризации образцов коллекции овса посевного по основным хозяйственно ценным признакам в 2017 г.
- 47
МЕЖДУНАРОДНЫЙ СЕЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ № 5 (383) / 2021
К-15423/38, К-15377/27, К-15421/37), по пять образцов из Польши (К-15428/36, К-15248/59, К-15293/49, К-15294/78, К-15291/58), по четыре образца из Швеции (К-15393/73, К-15394/40, К-15392/51, К-15395/18), Московской области (К-15279/21, К-15281/12, К-15006/56, К-15278/60) и Норвегии (К-15357/80, К-15353/4, К-15348/6), по три образца из Украины (К-15384/16, К-15382/34, К-15383/3), по два образца из Ульяновской области (К-15069/45, К-15180/70), Красноярского края (К-15100/33, К-15318/55),
Ленинградской области (К-15320/43, К-15064/35) и Казахстана (Арман/2, К-15390/53), по одному образцу из США (К-15264/32), Великобритании (К-15287/46), Кемеровской области (К-15184/29), Якутии сорт (Покровский/83), Чехии (К-15134/19), Португалии (К-15106/50), Новосибирской области (К-15335/14), Словакии (К-15191/48), Алтайского края (К-15336/11), Бурятии (К-15342/61), Екатеринбурга (К-15182/15). Второй кластер, со средней урожайностью зерна 144 г/м2, масса зерна с растения 2,9 г,
масса зерна с метелки 1,6 г, масса 1000 семян 36 г, продуктивная кустистость 2,5 шт (табл.). Наибольшее сходство стандарта обнаружено с образцом А. sativa L. из Германии К-15416/31 (r =0,60).
v max '
2018 г. характеризовался ранней теплой весной, жарким летним периодом с неравномерным распределением осадков и теплой продолжительной осенью с малым количеством осадков. Кластерный анализ распределил сортообразцы на 3 кластера (рис. 3).
У
I II III
Кластеры
Рис. 3. Дендрограмма кластеризации образцов коллекции овса посевного по основным хозяйственно ценным признакам в 2018 г.
I II
III
IV
Кластеры
Рис. 4. Дендрограмма кластеризации образцов коллекции овса посевного по основным хозяйственно ценным признакам в 2019 г. INTERNATIONAL AGRICULTURAL JOURNAL № 5 (383) / 2021
www.mshj.ru
В первый кластер был отнесен только один сортообразец — К-15287 из Великобритании с высокой урожайностью зерна 254 г/м2, массой зерна с растения 3,7 г, массой 1000 зерен 35,0 г, продуктивной кустистостью 3,2 шт. и массой зерна с метелки 2,0 г.
Во второй кластер вошло 35 сортообраз-цов, в том числе 8 сортообразцов из Германии (К-15376/77, К-15380/1, К-15416/31, К-15375/25, К-15412/10, К-15423/38, К-15377/27, К-15421/37), по три образца из Московской области (К-15006/56, К-15281/12, К-15279/21), по два образца из Польши (К-15428/36, К-15291/58), Белоруссии (К-15408/13, К-15121/41), Ульяновской области (К-15330/7, К-15333/54), Ленинградской области (К-15320/43, К-15064/35), Алтайского края (К-15336/11, К-15338/71), Швеции (К-15394/40, К-15395/18), Украины (К-15383/3, К-15384/16) и Казахстана (Никола/8, Арман/2), по одному образцу из Норвегии (К-15348/6), Красноярского края (К-15100/33), Новосибирской области (К-15335/14), Кировской области (К-15275/5), Чехии (К-15134/19), Кемеровский области (К-15184/29), Туниса (К-15249/24) и Якутии сорт (Покровский/83). Сорт якутской селекции (стандарт) отнесен во второй кластер. Наиболее тесная связь стандарта сорта Покровский обнаружена с образцом из Норвегии К-15353/4. Второй кластер, со средней урожайностью зерна 150 г/м2, масса зерна с растения
3.3 г, масса зерна с метелки 1,9 г, масса 1000 семян 37 г, продуктивная кустистость 2,4 шт..
В третий кластер вошло 47 образцов т.е. большинство исследуемых образцов из Германии и США по семь образцов (К-15378/62, К-15410/52, К-15415/67, К-15419/76, К-15420/65, К-15425/44, К-15426/74), из США (К-15417/69, К-15258/66, К-15264/32, К-15256/75, К-15108/26, К-15267/9, К-15093/72), по три образца из Норвегии (К-15353/4, К-15357/80, К-15053/20), из Польши (К-15294/78, К-15248/59, К-15293/49), из Ульяновской области (К-15328/47, К-15180/70, К-15069/45), из Швеции (К-15393/73, К-15391/39, 15392/51) и Омской области (К-15339/30, К-15062/79, К-15340/63), по два образца из Словакии (К-15191/48, К-15372/64), Кировской области (К-15275/23, Кировской области (К-15275/23, К-15186/82) и Бурятии (К-15341/57, К-15342/61) и по одному образцу из Португалии (К-15106/50), Канады (К-15301/17), Красноярского края (К-15318/55), Алтайского края (К-15418/68), Колумбии (К-15111/42), Екатеринбурга (К-15182/15), Украины (К- 15382/34), Италии (К-15298/22), Литвы (К-15234/81), Московской области (К-15278/60), Тюменской области (К-15283/28) и Казахстана (К-15390/53). Наибольшее сходство обнаружено между образцами из Алтайского края К-15418) и Германии (К-15410) (гтах=0,98), Германии (К-15420) и Колумбии (К-15111) (гтах=0,70). Средняя урожайность зерна у данных сортообразцов составил 228 г/м2, масса зерна с растения 4,1 г, масса 1000 зерен 33 г, продуктивная кустистость
3.4 шт..
В 2019 году кластерный анализ по совокупности 5 признаков распределил сортообраз-цы на четыре кластера. В I кластер вошло всего два сортообразца из Бурятии (К-15341/57) и из Норвегии (К-15053/20) с урожайностью зерна 285 — 306 г/м2, массой зерна с растения 4,4 — 6,1 г, массой 1000 зерен 35,6-36,0 г, продуктивной кустистостью 3,6-4,0 шт. и массой зерна с метелки 1,0 г.
Таблица
Результаты кластерного анализа образцов овса посевного по основным хозяйственно ценным признакам, 2017-2019 гг.
Показатель Кластер
1 2 3 4
2017 г.
Урожайность зерна 91,4 144,0 - -
Масса зерна с растения 2,5 2,9 - -
Масса зерна с метелки 1,1 1,6 - -
Масса 1000 зерен 31,8 36,3 - -
Продуктивная кустистость 3,1 2,5 - -
2018 г.
Урожайность зерна 254 150 228 -
Масса зерна с растения 3,7 3,3 4,1 -
Масса зерна с метелки 2,0 1,9 1,4 -
Масса 1000 зерен 35,0 36,8 33,2 -
Продуктивная кустистость 3,2 2,4 3,4 -
2019 г.
Урожайность зерна 295 301 186 320
Масса зерна с растения 5,2 5,7 3,8 4,4
Масса зерна с метелки 1,0 1,3 1,0 1,6
Масса 1000 зерен 35,8 41,2 31,7 37,0
Продуктивная кустистость 3,8 4,5 4,8 3,3
Во II кластер отнесены всего пять сортообразцов из Германии (К-15380/1), Норвегии (К-15353/4), Польши (К-15293/49), Ульяновской области (К-15328/47) и Португалии (К-15106/50) со средней урожайностью 301 г/м2, с массой зерна с растения 5,7 г, массой зерна с метелки 1,3 г, массой 1000 зерен 41 г., продуктивность кустистостью 4,5 г.
В III кластер отнесены 30 сортообразцов или 36% исследуемых образцов: по пять сортообразцов из Германии (К-15376/77, К-15377/27, К-15410/52, К-15425/44, К-15420/65), по четыре сортообразца из США (К-15108/26, К-15267/9, К-15258/66, К-15264/32), по два сортообразца из Красноярского края (К-15318/55, К-15100/33), Белоруссии (К-15121/41, К-15408/13, Московской области (К-15006/56, К-15279/21) и Швеции (К-15391/39, К-15394/40), по одному образцу из Алтайского края (К-15338/71), Новосибирской области (К-15335/14), Ульяновской области (К-15069/45), Казахстана (Арман/2), Колумбии (К- 15111/42), Туниса (К-15249/24), Норвегии (К-15348/6), Словакии (К-15372/64), Канады (К-15301/17), Литвы (К-15234/81), Кировской области (К-15275/5), Польши (К-15248/59) и Омской области (К-15062/79). Кластер представлен низкоурожайными генотипами, для которых характерны низкие показатели таких элементов урожайности, как масса зерна с растения 3,8 г, масса зерна с метелки 1,0 г, масса 1000 зерен 32 г.
В четвертый кластер вошло большинство исследуемых 46 образцов или 55%: по девять сортообразцов из Германии К-15375/25, К-15378/62, К-15412/10, К-15415/67, К-15416/31, К-15419/76, К-15421/37, К-15423/38, К-15426/74. по три образца из США (К-15093/72, К-15256/75, К-15417/69), Швеции к-15392, К-15393, К-15395, Польши К-15291, К-15294, К-15428, Украины К-15382/34, К-15383/, К-15384 и Ульяновской области К-15180, К-15330, К-15333, по 2 образца из Кировской области К-15186, К-15275, Ленинградской области К-15064, К-15320, Московской
МЕЖДУНАРОДНЫЙ
области К-15278, К-15281, Казахстана Никола, К-15390, Омской области К-15339, К-15340, Алтайского края К-15336, К-15418, по 1 образцу из Чехии К-15134, Тюменьской области К-15283, Екатеринбурга К-15182, Норвегии К-15357, Бурятии К-15342, Италии К-15298, Республики Саха (Якутии) сорт Покровский, Великобритании К-15287, Кемеровской области К-15184, Словакии К-15191. В этот кластер включены высокопродуктивные сортообразцы со средней урожайностью 320 г/м2, с массой зерна с растения 4,4 г, массой зерна с метелки 1,6 г, массой 1000 зерен 37 г., продуктивность кустистостью 3,3 г. Сорт Покровский (стандарт) отнесен в четвертый кластер. Наиболее тесная связь стандарта сорта Покровский обнаружена с образцом из Германии К-15375/25 (гтах=0,32). Значения элементов структуры урожая представлены в таблице.
Наиболее тесная связь сорта Покровский за 2017-2019 гг. изучения обнаружена с образцами из Германии К-15416/31, К-15375/25, К-15420/65, К-15418/68, К-15410/52, К-15111/42. Как видно из таблицы, при помощи кластерного анализа нам удалось сгруппировать образцы по взаимодействию элементов структуры урожая друг с другом за каждый год. Данная программа сгруппировала образцы по взаимодействию параметров в один кластер.
Выводы
Таким образом, из коллекции овса посевного выделены образцы, рекомендуемые для условий Центральной Якутии как источники хозяйственно ценных признаков, в дальнейшем предпологается использовать и селекционном процессе для подбора родительских пар, включаемых в гибридизацию. Использование методов многомерной классификации позволило одновременно учесть всю совокупность изучаемых признаков, значения которых в каждом кластере были неоднородные.
- 49
ЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ № 5 (383) / 2021
Кластерный анализ коллекционных сортообразцов овса за три года показал, что такие высокоурожайные сортообразцы, как из Великобритании К-15287/46, Германии (К-15380/1), Норвегии (К-15353/4), Польши (К-15293/49) и Португалии (К-15106/50) имеют стабильность в своих признаках и во все года группируются в один кластер.
Литература
1. Сельское хозяйство в Республике Саха (Якутия): Статистический сборник. Саха (Якутия), Якутск, 2020. 167 с.
2. Петрова Л.В., Платонова А.З. Кластерный анализ сортообразцов овса посевного (Ävena sativa L.) по элементам структуры урожая в условиях Центральной Якутии // Известия Тимирязевской сельскохозяйственной академии. 2019. № 1. С. 56-78.
3. Петрова Л.В. Селекция овса в условиях Якутии. Якутский научно-исследовательский институт сельского хозяйства им. М.Г. Сафронова. Новосибирск, 2018.
Об авторе:
4. Friedrich C., Longin H., Reif J.C. Redesigning the exploitation of wheat genetic resources. Trends Plant Sci. 2014;19(10):631-636.
5. Souza E., Sorrells M.E. Prediction of progeny variation in oat from parental genetic relationships. Theor. Appl. Genet. 1991;82(2):233241. DOI: 10.1007/BF00226219.
6. Мандель ИД. Кластерный анализ. М.: Финансы и статистика, 1988. 17б с.
7. Paklin N.A. Clustering algorithms in the Data Mining BaseGroup Labs service. [Electronic resource] // Socio-economic phenomena and processes. 2017. Number 3. http:// basegroup.ru. (date of treatment 03.24.2020).
8. Randhawa H.S., Graf R.J., Pozniak C., Clarke J.M., Asif M., Hucl P., Spaner D., Fox S.L., Humphreys D.G., Knox R.E., Depauw R.M., Singh A.K., Cuthbert R.D. Application of molecular markers to wheat breeding in Canada. Plant Breed. 2013;132(5):458-471.
9. Wessels E., Botes W.C. Accelerating resistance breeding in wheat by integrating marker-assisted selection and doubled haploid technology. S. Afr. J. Plant Soil. 2014;31(1):35-43.
10. Шаманин В.П., Петуховский С.Л., Краснова Ю.С. Кластерный анализ сортовмягкой яровой пшеницы по элементам структуры урожая в южной лесостепи Западной Сибири // Вестник КрасГАУ. 2016. № 4. 147 с.
11. Корнева С.П. Использование кластерного анализа лоя повышения эффективности отборов в расщепляющихся гибридных популяциях // Молодые ученые Сибирского региона — аграрной науке. Омск, 2004. Вып. 4. С. 127-131.
12. Маратынов С.П. Кластерный анализ саратовских сортов яровой пшеницы по коэффициентам родства // Цитология и генетика. 1989. № 4. С. 37-43.
13. Yau S.K., Ortis-Ferrara G., Srivastava J.P. Claster analysis of bread wheat lines grow in diverse rain fed environment // RACHIS. 1989 -8, 2, Р. 31-35.
14. Сорокин О.Д. Прикладная статистика на компьютере. Новосибирск, 2004. 162 с.
15. Доспехов В.А. Методика полевого опыта. М.: Ко-лос,1978. 347 с.
16. Международный классификатор СЭВ рода Avena L. 1984. 41 с.
Петрова Лидия Владимировна, кандидат сельскохозяйственных наук, старший научный сотрудник, ОРСЮ: http://orcid.org/0000-0002-0762-716X, pelidia@yandex.ru
EVALUATION OF COLLECTION VARIETAL SAMPLES OF SOWN OATS (AVENA SATIVA L.) BY ECONOMICALLY VALUABLE CHARACTERISTICS BY THE METHOD OF CLUSTER ANALYSIS IN THE CONDITIONS OF CENTRAL YAKUTIA
L.V. Petrova
M.G. Safronov Yakut scientific research institute of agriculture — Division of Federal Research Centre «The Yakut Scientific Centre of the Siberian Branch of the Russian Academy of Sciences», Yakutsk, Russia
The article presents the results of three years of research. In this article, we focused on 6 main economically valuable characteristics (grain yield, grain weight from a plant, grain weight from a panicle, weight of 1000 grains, productive bushiness), which were introduced into the program of cluster analysis for varietal samples of the VIR collection. Cluster analysis made it possible to group different cultivars by a set of characteristics, and identified the closest varieties. Central Yakutia belongs to the second zone — Prilenskaya, left-bank central. The growing season in this zone is somewhat shorter, mainly cereals can be cultivated with the selection of early and medium-ripened varieties. A sample of numbers by cluster showed that the first cluster was the smallest. Clusters II, III, and IV were the most numerous. The standard variety Pokrovsky for three years of study was included in the II for 2017-2018, and the IV cluster for 2019. Cluster analysis of collection oat varieties for three years showed that such high-yielding varieties as from Great Britain K-15287/46, Germany (K-15380/1), Norway (K-15353/4), Poland (K-15293/49) and Portugal (K-15106/50) have stability in their characteristics and are grouped in one cluster in all years. The identified cultivars can be used in practical breeding for the selection of pairs included in hybridization, according to a set of characteristics.
Keywords: seed oats (Avena sativa L.), samples, cluster analysis, cluster, grain yield, weight of 1000 grains, grain weight per plant, grain weight per panicle, productive bushiness.
References
1. Agriculture in the Republic of Sakha (Yakutia): Stat. sat. Sakha (Yakutia) stat. Yakutsk, 2020. 167 p.
2. Petrova L.V., Platonova A.Z. (2019). Cluster analysis of cultivars of common oats (Âvena sativa L.) by the elements of the yield structure in the conditions of Central Yakutia. News of the Timiryazev Agricultural Academy. 2019;(1):56-78.
3. Petrova L. (2018). Oats breeding under Yakutia's condition: monograph. FSBSI «Yakut Scientific Research Institute of Agriculture named after M.G. Safronov». Novosibirsk, 135 p.
4. Friedrich C., Longin H., Reif J.C. Redesigning the exploitation of wheat genetic resources. Trends Plant Sci. 2014;19(10):631-636.
5. Souza E., Sorrells M.E. Prediction of progeny variation in oat from parental genetic relationships. Theor. Appl. Genet. 1991;82(2):233241. D0I:10.1007/BF00226219.
6. Mandel I.D.(1988). Cluster analysis. Moscow: Finance and Statistics. 176 p.
7. Paklin N.A. (2017). Clustering algorithms in the Data Mining BaseGroup Labs service. [Electronic resource]. Socio-economic phenomena and processes. Number 3. https://basegroup.ru/. (date of treatment 03.24.2020).
8. Randhawa H.S., Graf R.J., Pozniak C., Clarke J.M., Asif M., Hucl P., Spaner D., Fox S.L., Humphreys D.G., Knox R.E., Depauw R.M., Singh A.K., Cuthbert R.D. Application of molecular markers to wheat breeding in Canada. Plant Breed. 2013;132(5):458-471.
9. Wessels E., Botes W.C. Accelerating resistance breeding in wheat by integrating marker-assisted selection and doubled haploid technology. S. Afr. J. Plant Soil. 2014;31(1):35-43.
10. Shamanin V.P., Petukhovsky S.L., Krasnova Yu.S. Cluster analysis of soft spring wheat varieties by crop struc-
ture elements in the southern forest-steppe of Western Siberia. Bulletin of KrasGAU. 2016;(4):147.
11. Korneva S.P. Using cluster analysis to improve the selection efficiency in splitting hybrid populations. Young scientists of the Siberian region — agricultural science. Omsk, 2004;(4): 127-131.
12. Maratynov S.P. Cluster analysis of Saratov spring wheat varieties by kinship coefficients. Cytology and genetics. 1989;(4):37-43.
13. Yau S.K., Ortis-Ferrara G., Srivastava J.P. Claster analysis of bread wheat lines grow in diverse rain fed environment. RACHIS. 1989 -8, 2, Pp. 31 — 35.
14. Sorokin O.D. (2004). Applied statistics on the computer. Novosibirsk, 162 p.
15. Dospekhov B. (1985). Methodology of field experience. Moscow: Kolos, Pp. 351.
16. International classifier of CMEA of the genus Avena L. 1984. 41 p.
About the author:
Lidia V. Petrova, candidate of agricultural sciences, senior researcher ORCID: http://orcid.org/0000-0002-0762-716X, pelidia@yandex.ru
pelidia@yandex.ru
50 -
INTERNATIONAL AGRICULTURAL JOURNAL № S (З8З) / 2O2l
www.mshj.ru
