СРАВНИТЕЛЬНЫЙ СТАТИСТИЧЕСКИЙ АНАЛИЗ РОДИТЕЛЬСКИХ КОМБИНАЦИЙ ГЕНОТИПОВ, УСТОЙЧИВЫХ К ВИЛТУ Текст научной статьи по специальности «Сельское хозяйство, лесное хозяйство, рыбное хозяйство»

AGRICULTURAL SCIENCES

СРАВНИТЕЛЬНЫЙ СТАТИСТИЧЕСКИЙ АНАЛИЗ РОДИТЕЛЬСКИХ КОМБИНАЦИЙ ГЕНОТИПОВ, УСТОЙЧИВЫХ К ВИЛТУ

Хусенов Н.Н.

Младший научный сотрудник, Центр Геномики и биоинформатики АН РУз

Азимов А.А. Аналитик по биоинформатике, Центр Геномики и биоинформатики АН РУз

Камбурова В. С. Кандидат биологических наук, Центр Геномики и биоинформатики АН РУз Ташкентская обл., Узбекистан Норбеков Ж.К. Младший научный сотрудник, Центр Геномики и биоинформатики АН РУз

Бойкаобилов У.К. Младший научный сотрудник, Центр Геномики и биоинформатики АН РУз

COMPARATIVE STATISTICAL ANALYSIS OF PARENTAL COMBINATIONS OF VILT-

RESISTANT GENOTYPES

Khusenov N.

Junior Researcher, Center of Genomics and bioinformatics Academy of Sciences of the Republic of Tashkent region, Uzbekistan

Azimov A. Bioinformatics Analyst, Center of Genomics and bioinformatics Academy of Sciences of the Republic of Tashkent region, Uzbekistan

Kamburova V. Ph.D.,

Center of Genomics and bioinformatics Academy of Sciences of the Republic of Tashkent region, Uzbekistan

Norbekov J.

Junior Researcher, Center of Genomics and bioinformatics Academy of Sciences of the Republic of Tashkent region, Uzbekistan

Boykobilov U. Junior Researcher, Center of Genomics and bioinformatics Academy of Sciences of the Republic of Tashkent region, Uzbekistan

Аннотация

Настоящая статья отражает результаты исследования посредством сравнительного статистического анализа родительских генотипов для установления вилт устойчивых комбинаций некоторых сортов и линий хлопчатника. В качестве первичных материалов в качестве доноров выбраны линии и сорта, устойчивые к фузариозному и вертициллёзному вилту из коллекции гермоплазмы хлопчатника Узбекистана. В качестве реципиента выбраны перспективные сорта серии Равнак и Порлок, разработанные сотрудниками Центра Геномики и биоинформатики с использованием современной генной технологии в селекции. Основные статистические расчёты выполнены с использованием программ из пакета статистики SPSS 21: однофакторного дисперсионного анализа One-Way ANOWA и критерия Краскела - Уолиса для независимых выборок. Abstract

This article reflects the results of a study through a comparative statistical analysis of parental genotypes for establishing wilt resistant combinations of some cotton varieties and lines. As primary materials, lines and varieties resistant to Fusarium and Verticillium wilt from the collection of germplasm of cotton in Uzbekistan, were selected as donors. Promising varieties of the Ravnaq and Porloq series, developed by the staff of the Center for Genomics

and Bioinformatics using modern gene technology in breeding, were selected as recipients. Basic statistical calculations were performed using programs from the SPSS 21 statistics package: One-Way ANOWA and Kruskal-Wallis test for independent samples.

Ключевые слова: хлопчатник, однофакторный дисперсионный анализ, множественное апостериорное сравнение, средний, уровень значимости.

Keywords: cotton, univariate analysis of variance, multiple a posteriori comparison, average, significance level.

Введение

В 2017-2021 годах в Узбекистане были осуществлены большие перемены в развитии сельского хозяйства, основанные на "Стратегии действий по пяти приоритетным направлениям развития Республики Узбекистан». Как результат этих перемен можно привести пример организации в нашей стране крупных хлопководческих и зерно-водческих "Агрокластеров" и отмены государственных планов закупок на данным видам культур с 2020 года. Указанные изменения обуславливают необходимость глубокого научного анализа в селекции хлопчатника, а создание сортов с высоким качеством волокна и урожайностью, устойчивыми к абиотическим и биотическим стрессам, вредителям и фитопатогенам, вызывающих развитие у хлопчатника различных болезней, является одной из важных задач, поставленной перед учёными.

Одним из недостатков современной селекции в нашем регионе является недостаточный уровень использования мирового разнообразия генофонда хлопчатника [1]. Применение новых молекулярно-генетических (CRISPR, РНК-интерференция, мар-кер-ассоциированная селекция (МАС)) технологий, оценка коллекций материалов генофонда хлопчатника и их использование в селекционных работах в некоторой степени сокращает срок создания генотипов с заданными свойствами. Для этого должны быть первоначально идентифицированы гены или QTL локусы (Quantitative Trait Loci - локусы количественных признаков), контролирующие хозяйственно-ценные признаки, и определены связанные с ними маркеры ДНК [2,3].

В последние годы учёными Центра Геномики и биоинформатики Академии наук Республики Узбекистан выявлен ряд генов и QTL, способствующих повышению устойчивости хлопчатника к абиотическим и биотическим стрессам, вредителям и фитопатогенам - возбудителям вилта, и на их основе ведется ряд исследований с целью получения новых сортов [4].

Целью данного исследования является статистический анализ морфо-биологических и агрономических показателей донорных линий хлопчатника, устойчивых к фузариозному и вертициллез-ному вилту, и отбор из них явно различающихся образцов.

Материалы и методы

Объект исследования. В настоящем исследовании в качестве первичных материалов выбраны в качестве донора линии и сорта, определённые как устойчивые к фузариозному и вертициллезному ви-лту, из коллекции гермоплазмы хлопчатника Узбекистана. А также в качестве реципиента выбраны

перспективные сорта серии Равнак и Порлок с высоким качеством волокна и урожайностью, разработанные сотрудниками Центра Геномики и биоинформатики АН РУз с использованием современных технологий селекции.

Методы исследования. Вес хлопка в одной коробочке, штапельная длина волокна, выход волокна и вес 1000 шт. семян определены классическими методами селекции. Оценка показателей качества образцов волокна выполнены с помощью оборудования USTER HVI 1000 (High Volume Instrument) "Сервисным центром при агропромышленном комплексе" при УзРВМ. Первичные анализы результатов, полученных из системы HVI, тщательно изучены в программе Microsoft® Office EXCEL.

Для статистического анализа были использованы компьютерные программы математической статистики. В частности, для получения предварительных результатов использована программа описательной статистики, а для проверки распределения показателей на нормальность - Колмогорова -Смирнова и Шапиро - Уилки. В связи с меньшим объёмом наблюдений - девять наблюдений в каждой группе, кроме программных процедур параметрической статистики из пакета SPSS, нами были использованы и программные методы непараметрической статистики - однофакторный дисперсионный анализ Краскела - Уоллиса [5, 6, 7].

Для обработки данных на компьютере с использованием программы дисперсионного анализа по требованию подготовки данных, были произведены некоторые формализации, согласно которой зависимые переменные обозначены как:

• Height Plant - Длина ствола

• hs- Высота первого плодоносной ветви от земли

• Monopodial (Monop) - Моноподиальная ветвь

• Sympodial (Symp) - Симподиальная ветвь

• Number of bools (Nbools)- Количество коробочек

• Weight of 1000 seeds (Weight1000) - Вес 1000 семян

• The weight of one boll (W.boll) - Вес одной коробочки

• Lint yield - Выход волокна

• Seed yield - Выход семян

• Micronaire (Mic) - Микронейр

• Strength (Str) - Удельная прочность на разрыв

• Upper Half Mean Length (UHML) - Наивысшая средняя длина

• Uniformity Index (Unf) - Индекс равномерности по длине

• Short Fiber Index (SFI) - Индекс короткого волокна

• Elongation (Elg) - Относительное удлинение при разрыве

Компьютерная обработка данных проводилась с использованием программ однофакторного дисперсионного анализа One-Way ANOWA и теста Краскела- Уоллиса.

Результаты и обсуждения

Проверка распределения показателей на нормальность по тестам Колмогорова-Смирнова и Ша-пиро-Уилки показала несколько четко выделяемых тенденций в распределениях. Главной из этих тенденций являются результаты по установлению факта нормальности распределения показателей.

Распределение этих показателей во всех представленных сортах по обоим тестам оказались идентичными за исключением только одного случая - значение показателя Elg было распределены ненормально.

Тестирование значений показателей на равенство средних по робастным тестам Уэлча указывало на то, что все показатели по всем сортам оказались достоверными с уровнем значимости P <0.0001, кроме удлинения при разрыве Elg, у которого уровень значимости P <0,05.

По результатам описательной статистики получены различные статистические характеристики. В таблице 1 представлены основные из них: средние и стандартные ошибки средних каждого из всех показателей по всем сортам.

Таблица 1

Описательная статистика показателей

Пикала тели. Стат исти 4. Вихо го_6 Соке rs_l Delto pine £ W a i L_23 7025 Las_ Bren n 1 и о S 1 С -г p. « Q t a. r- Porl oq_l Porl oq_2 s — Я О" а es Ravn aq_2 x а X M r- J ">, СЙ 1

Plant Height Сред 87,2 74,4 81,1 76,2 75,7 93,4 104, 4 74,7 87,3 87,8 73,3 94,3 67,3 61,1 70,6

Стд. ошиб 3,24 4,02 5,88 4,28 2,40 2,50 3,17 3,71 5,59 3,92 3,63 2,83 3,29 3,20 2,82

hs Сред 4,8 6,9 5,4 5,9 5,0 6,2 6,9 4,7 5,6 5,7 6,3 6,4 5,7 5,8 6,0

Стд. оптиб 0,32 0,39 0,44 0,53 0,41 0,32 0,48 0,33 0,24 0,29 0,53 0,34 0,50 0,49 0,41

Monop Сред 0,3 2,8 1,9 1,4 1,3 1,3 3,6 1,0 1,6 1,4 1,9 1,2 0,2 2,3 1,8

Стд. ошиб 0,24 0,32 0,48 0,29 0,37 0,29 0,41 0,24 0,29 0,29 0,42 0,28 0,15 0,33 0,46

Symp Среди 15,4 11,2 14,4 14,3 13,2 16,1 17,4 13,9 13,1 14,2 14,4 16,7 12,8 9,7 13,1

Стд. ошиб 0,73 0,81 0,53 1,05 0,88 1,12 1,36 1,17 0,63 0,60 1,08 0,91 0,76 1,09 0,51

Nbools Среди 11,8 14,7 15,7 16,4 13,8 21,0 12,8 14,6 16,0 21,0 9,4 20,6 8,1 12,1 14,6

Стд. ошиб 1,29 2,79 3,43 2,18 1,72 2,78 2,63 1,83 1,83 2,06 1,43 2,72 0,82 1,54 1,95

Weight 1000 Среди 125,6 129, 9 116, 4 124, 2 128, 3 117, 5 HI, 1 113, 7 131, 9 130, 1 116, 6 134, 4 127, 4 119, 8 103, 6

Стд. ошиб 2,44 3,21 2,12 2,16 3,35 2,17 1,66 1,96 3,73 3,97 2,78 3,40 2,39 2,22 1,28

W.boll Среди 6,9 6,3 5,5 5,7 5,7 5,1 4,3 5,1 5,6 5,2 5,8 5,6 6,5 5,5 4,7

Стд. ошиб 0,27 0,12 0,13 0,15 0,12 0,17 0,15 0,13 0,26 0,13 0,19 0,12 0,20 0,20 0,06

Lint yield Среди 34,5 31,9 35,1 33,4 33,7 37,7 27,1 36,0 32,5 31,3 29,9 32,7 35,5 32,6 33,4

Стд. ошиб 0,48 0,52 0,62 0,56 0,43 0,49 0,80 0,67 0,56 0,53 0,61 0,73 0,39 0,86 0,44

Seed yield Среди 64,8 67,5 64,1 65,9 65,5 61,5 72,1 63,2 66,8 67,9 69,3 66,5 63,8 66,7 65,9

Стд. ошиб 0,47 0,48 0,60 0,55 0,44 0,48 0,78 0,68 0,56 0,53 0,59 0,74 0,39 0,85 0,44

Mic Среди 4,4 4,2 4,6 4,7 5,1 5,0 4,7 5,1 4,7 4,3 4,4 4,8 4,6 4,7 4,7

Стд. ошиб 0,06 0,10 0,08 0,07 0,08 0,12 0,09 0,15 0,06 0,07 0,05 0,03 0,06 0,09 0,16

Str Среди 32,2 29,2 28,6 31,1 29,3 31,1 29,8 29,9 32,8 32,2 32,7 34,3 31,1 28,4 27,2

Стд. ошиб 0,29 0,37 0,56 0,35 0,57 0,28 0,38 0,77 0,26 0,23 0,35 0,20 0,23 0,49 0,37

IJHML Среди 1,2 1,1 1,1 1,2 1,1 1,1 1,1 1,1 1,2 1,2 1,2 1,2 1,2 1,1 1,0

Стд. ошиб 0,01 0,00 0,01 0,01 0,02 0,01 0,02 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01

Unf Среди 84,6 83,9 84,1 84,7 82,9 84,0 84,2 83,7 84,7 85,7 84,7 85,4 84,5 83,2 82,6

Стд. ошиб 0,43 0,18 0,32 0,29 0,31 0,52 0,31 0,56 0,39 0,44 0,31 0,61 0,41 0,45 0,28

SFI Среди 8,0 9,3 9,1 8,0 10,2 9,1 7,9 9,7 7,9 7,3 8,1 7,8 8,5 10,2 9,7

Стд. ошиб 0,30 0,25 0,33 0,28 0,67 0,31 0,49 0,75 0,22 0,24 0,37 0,48 0,32 0,69 0,40

Elg Среди 5,9 5,6 6,3 5,6 5,5 6,2 5,7 5,7 5,8 6,4 5,8 6,2 6,2 6,0 6,3

Стд- ошиб 0,42 0,35 0,48 0,37 0,40 0,42 0,52 0,44 0,42 0,43 0,42 0,40 0,40 0,41 0,50

Произведенные все вышеуказанные расчеты показали возможность проведения дисперсионного анализа, и в результате данного анализа по каждому показателю определены значения статистики критерия Фишера и уровень значимости этого критерия. Критерий Фишера, рассчитанный как отношение значений межгрупповой и внутригрупповой дисперсий. При этом равенство критерия Фишера единице позволяет делать вывод об отсутствии межгрупповых различий между средними значениями показателей сортов. В первой и второй строках таблицы 1 расположены значения критерия Фишера и их значимости по всем показателям сортов.

Выходные данные этой таблицы, полученные в результате работы программы Оп^еу ANOWA, показывают, что все показатели, кроме удлинения при разрыве Е^, имеют достаточно высокие статистически достоверные значения критерия Фишера F с уровнями значимостей Р <0,0001.

Полученные результаты показали, что нулевая гипотеза об отсутствии различий между сортами отвергается и есть основания предполагать наличие существенной различии между сортами по всем статистически достоверным показателям кроме

Е1&

Таблица 2

Критерий Фишера

а я а я

8s S н

CJ

S н я н U

л

ад

е

я

&

о в

о

& S

(Л

О О

■о Z

о о о

.в

ад

о ■о

32

"33

в 3

■в

О

(Л

в

ÜH

(Л

ы

0,001

0,001

0,001

0,001

0,001

0,001

0,001

0,001

0,001

0,001

0,001

0,001

0,001

0,001

0,922

F

9,53

2,72

6,37

4,78

10,61

14,94

19,16

19,57

8,45

22,97

30,50

4,56

4,59

0,52

P

Показатель удлинения при разрыве Е^ имел меньший, чем у других показателей значение критерия Фишера ^ = 0,52; Р <0,922), из-за этого его вклад в дифференциацию сортов отсутствовал.

На следующем этапе для выявления достоверных различий между отдельными конкретными сортами, были проведены множественные апостериорные сравнения в тесте Бонферрони. Данная

процедура выявила сотни парных комбинаций статистически достоверно различающихся сортов, однако из-за громоздкости полученной результативной таблицы она здесь не приводится.

На рисунке 1 представлены графики зависимостей показателей от сортов фенотипов. Данные графики отражают зависимость среднего каждого отдельного показателя от всех исследуемых сортов.

Среднее \Л/е(дсо1п1Ьо11

I_2_I_3_5_5_1

Среднее Р1ЬегОи(

Среднее ЫЬоо1$

Среднее Мопор

Analysis of the difference Analysis of the difference

Рис.1. Графики зависимостей показателей от фенотипов

Из-за того, что объём обрабатываемых наблюдений не велик, мы сочли необходимым подтвердить полученные результаты методами непараметрической статистики, в том числе с применением однофакторного дисперсионного анализа по критерию Краскела - Уолиса для независимых выборок. По данному критерию изначально устанавливается нулевая гипотеза о том, что значения рассматриваемого показателя принадлежат к общей категории некоторой совокупности. В результате расчётов по-

средством данного критерия нулевая гипотеза принимается или отвергается в зависимости от значений показателя.

В таблице 3 показаны результаты работы программы на основе критерия Краскела - Уолиса при обработке наших данных. Согласно итогам проверки гипотезы, кроме показателя удлинения при разрыве Е^, по всем показателям нулевая гипотеза отвергается, а только для Е^ она принимается и поэтому есть основания предполагать наличие суще-

ственного различия между сортами по всем показа- наших данных параметрическим и непараметриче-телям, кроме Е^. Данный факт подтвердил, что ос- ским методами, идентичны. новные результаты, полученные при обработке

Таблица 3

Результаты анализа по однофакторному дисперсионному анализу по критерию Краскела - Уолиса. (Вы-

№ Нулевая гипотеза Критерий Значимость Решение

1 Распределение PlantHeight является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

2 Распределение hs является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,002 Нулевая гипотеза отклоняется

3 Распределение Monop является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

4 Распределение Simp является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

5 Распределение Nbools является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

6 Распределение Weight1000 является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

7 Распределение Weigcotn 1 boll является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

8 Распределение FiberOut является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

9 Распределение SeedOut является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

10 Распределение Mic является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

11 Распределение Str является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

12 Распределение UHML является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

13 Распределение Unf является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

14 Распределение SFI является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,000 Нулевая гипотеза отклоняется

15 Распределение Elg является одинаковым для категорий Name Group. Критерий Краскала-Уол-лиса для независимых выборок ,245 Нулевая гипотеза принимается

Заключение.

По полученным результатам, компьютерным расчетам и анализам на заданном объеме выборки исходных данных можно сделать следующие выводы:

1. Предварительные расчеты и тесты показали допустимость применения однофакторного дисперсионного анализа Опе^ау ANOWA.

2. По значениям критерия Фишера все показатели, кроме показателя удлинения при разрыве Е^, оказались статистически достоверными и поэтому в дальнейшем они использованы для дифференциации сортов.

3. Множественные апостериорные сравнения в тесте Бонферрони позволили определить статистически значимо различающееся множество комбинаций сортов из всех сравненных пар генотипов.

4. Статистически достоверное различие сортов с уровнем значимости P <0,001 выявлены у всех используемых показателях, кроме Elg.

5. Использованные методы (параметрический - однофакторный дисперсионный анализ OneWay ANOWA и непараметрический - критерий Краскела - Уолиса для независимых выборок) давали идентичные статистически достоверные результаты в дифференциации сортов.

Список литературы

1. Abdurakhmonov IY, Kohel RJ, Yu JZ, Pepper AE, Abdullaev AA, Kushanov FN, Salakhutdinov IB, Buriev ZT, Saha S, Scheffler BE, Jenkins JN, Abdukarimov A (2008) Molecular diversity and association mapping of fiber quality traits in exotic G. hirsutum L. germplasm. Genomics 92:478-487.

2. Abdurakhmonov IY, Saha S, Jenkins JN, Buriev ZT, Shermatov SE, Scheffler BE, Pepper AE, Yu JZ, Kohel RJ, Abdukarimov A (2009) Linkage disequilibrium based association mapping of fiber quality traits in G. hirsutum L. variety germplasm. Genetica 136:401-417.

3. Darmonov M.M., Makamov A.Kh., Kushanov F.N., Ph.D., Buriev Z.T., Ph.D., Abdurakhmonov I.Y. (2015) Marker-assisted selection for cotton. The proceeding of Tashkent International Innovation Forum. Tashkent. 19-21 May. page 260-267

4. Н.Н. Хусенов, М.У. Маткаримов, Ж.К. Норбеков, Э.Э. Хуршут, М.С. Аюбов, Ф.Н. Кушанов (2018) Подбор родительских генотипов хлопчатника G. hirsutum для идентификации и QTL-картирования локусов устойчивости к вилту. Узбекиский биологический журнал 6-2018. 51-55 ст.

5. Мелник М. Основы прикладной статистики. М. Энергоатомиздат. 1983. Глава 12. Дисперсионный анализ. - 416 с.

6. Бююль А., Цеффель П. SPSS: искусство обработки информации. - М., 2005. Глава 13. Дисперсионный анализ.

7. Наследов, А. Д. SPSS 19. Профессиональный статистический анализ данных [Текст] / А. Д. Наследов. - СПб.: Питер, 2011. - 400 с.

DYNAMICS OF LEAF AREA AND YIELD OF ZUCCHINI PLANTS IN THE FOREST-STEPPE OF

THE RIGHT BANK OF UKRAINE

Palamarchuk I.

Candidate of Agricultural Sciences, Associate Professor Vinnytsia National Agrarian University, Vinnytsia, Ukraine

Abstract

The influence of mulching materials and water-retaining granules on the formation of the assimilation surface and the overall yield of zucchini plants was studied. The leaf surface area depended on the type of mulching material and varied depending on the studied variety. In the initial phases of growth and development of zucchini plants, a slight increase in the vegetative mass of plants was observed. The greatest effect was observed with the use of mulching material of agrofiber black and polyethylene perforated black film, where the increase relative to control was: in the variety Zolotinka - 4.3 and 8.2 cm2 / plant, in the variety Chaklun - 4.3 and 6.6 cm2 / plant in accordance.

Gradually, by the end of the growing season in zucchini plants, a decrease in leaf area was observed in all variants of the experiment. However, the best leaf area was preserved with the use of black agrofiber and perforated black polyethylene film. Given the dependence of yield and leaf area, the preserved leaf surface area contributed to the formation of zucchini fruits.

Studies on the area of leaves depending on the variety and mulching material with the use of water-retaining granules Akvod showed a positive effect of the studied factors. Thus, in the phase of three true leaves, the increase in assimilation area using water-retaining granules relative to the option without granules was 0.1 - 0.9 cm2 / plant, in the flowering phase it was 0.2 - 0.4 thousand m2 / ha, in the technical phase maturity - 1.5 - 1.8 thousand m2 / ha. The largest this figure was observed at the end of the growing season of zucchini plants - 0.4 - 2.1 thousand m2 / ha.

According to the average data, higher yields were observed for mulching the soil with black agrofiber and perforated black polyethylene film, in the Zolotinka variety - 49.7 and 53.3 t / ha, which is 7.3 and 10.9 t / ha more than the control. In the cultivar Chaklun all the studied variants had significantly higher yields, but it was the highest when mulching the soil with black agrofiber and perforated black polyethylene film - 90.0 and 97.8 t / ha, which is 20.2 and 28.0 t / ha, respectively more compared to control. Comparing the years of research, the most productive year was 2018, where the yield, depending on the variant of the experiment, ranged from 50.6 to 105.4 t / ha.

The combined use of Aquod water-retaining granules and mulching the soil provides a higher level of zucchini yield, compared to using only mulching materials. It was found that against the background of the introduction of Aquod granules, all the studied options provided a significantly higher yield of zucchini. The largest increase in yield relative to control was provided by options for mulching the soil with black agrofiber and perforated