CC BY
24СЕЛЕкцт та нлсшництво
УДК 633.16:631.527:574 https://doi.Org/10.21498/2518-1017.14.4.2018.151894
Статистична та AMMI оценка стабмьносп селекц1*йних Л1Н1Й ячменю ярого в багатосередовищних випробуваннях
В. М. Гудзенко1*, 0. А. Демидов1, Т. П. Полщук1, М. 0. Сардак2, В. А. 1щенко3
1Мирон!вський институт пшеницi iM. В. M. Ремесла НААН УкраТни, вул. Центральна, 68, с. Центральне, Мирот'вський р-н, КиТвська обл., 08853, УкраТна, *e-mail: [email protected]
2Ноавська селекц'йно-дош'дна станця Миротвського iнституту пшениц îm. В. М. Ремесла НААНУкраТни, вул. Миру, 1, с. ДоЫдне, Ноа'вський р-н, Чернiгiвська обл., 17131, УкраТна
Чнститут альського господарства Степу НААНУкраТни, вул. Центральна, 2, Шровоградський р-н, Шровоградська обл., 27602, УкраТна
Мета. Оц'нити взаемодш генотип-середовище та вид1'лити селекц'йт ëirnï ячменю ярого з поеднанням потенц'алу врожайносп та стабтльносп в багатосередовищних випробуваннях. Методи. Дванадцять селекц'йних ëimé ячменю ярого i стандарт сорт 'Вз1'рець' достджували у трьох р1'зних еколоп'чних зонах Укра'жи: Центральний Л1'состеп, Пол1'сся та ГИвт'чний Степ. Для характеристики взаeмодiï генотип-середовище та диференц'ацл селекц1'йних л1'н1'й за врожайнктю i стаб1'льн1'стю використали низку найбтльш поширених п1дход1в: S. A. Eberhart, W. A. RusseL (1966); G. Wricke (1962); C. S. Lin, M. R. Binns (1988); M. Huehn (1990); A. В. К'льчевський, Л. В. Хотильова (1985); В. В. Ханп'льдин, М. А. Литвиненко (1981); J. L. Purchase et aL. (2000). Графiчний анал'з проводили з використанням AMMI модели Результати. Виявлена сильна мжливкть врожайносп селекц'йних л1н1й, яка зумовлювалась як еколопчними, так i погодними умовами рок'в дослiджень. Дисперс'йним аналiзом виявлено достов'рт вклади у варiацiю генотипу, середовища та '¿х взаeмодi'ï. Частка умов середовища суттево переважала 1'нш1 - 93,17%. Визначена кореляцiя м1ж врожайнiстю та окремими по-казниками стабильность Низка параметрiв оц'нюе т'льки стабiльнiсть без урахування р1вня врожайносп. 1нш1 параме-три досить сильно пов'язан з середнiм рiвнем врожайносп, або максимальним чи м'т'мальним ïï значенням. Видiленi селекцiйнi л1н1' 'Нутанс 5152', 'Нутанс 4982', 'Нутанс 5069' та 'Нутанс 5093' з оптимальншим поеднанням потенцiалу врожайностi та стабильность Данi л1н1' переданi до Укра'нського 'нституту експертизи сорт1в рослин для проведення квалiфiкацiйноï експертизи як нов1 сорти ячменю ярого 'М1П Шарм', 'М1П Дев'з', 'М1П Титул' та 'М1П Захисник', в1дпов1дно. Низка селекц'йних л1н1й може бути використана в пбридизацл як джерело т'двищеного адаптивного потенц'алу для в'дпов'дних еколоп'чних умов: Полкся - 'Нутанс 5061', Полкся та Лкостепу - 'Нутанс 5081' та 'Нутанс 4966', Пвт'чного Степу - 'Дефщ'енс 5145'. Висновки. Проведення багатосередовищних еколоп'чних випробувань та анал'з експеримен-тальних даних поеднуючи статистичт показники i AMMI сприяе поглиблет'й оц1нц1 взаeмодiï генотип-середовище та вид'ленню кращих з кращих генотит'в на завершальних етапах селекцiйноï роботи.
Ключов1 слова: ячм1'нь ярий; селекц'йт лiнiТ; багаmосередовищнi випробування; взаeмодiя генотип-середовище; врожайтсть; сmабiльнiсmь; AMMI.
Вступ
Незалежно в1д напрям1в використання зерна загальними аспектами селекци сьогодення е шдвищення адаптивност ольськогосподар-ських рослин. У даному аспект! мова йде про
Volodymyr Hudzenko
https://orcid.org/0000-0002-9738-1203 Oleksandr Demydov
https://orcid.org/0000-0002-5715-2908 Tetiana Polishchuk
https://orcid.org/0000-0001-9358-9181
здатшсть формувати достатнш р1вень продуктивной в певних еколоичних умовах за ди несприятливих чинник!в [1]. Одшею з цент-ральних проблем у селекцшнш робот! на п1д-вищення та стаб1л1защю врожайносп е взае-мод1я генотип-середовище [2]. Взаемод1я генотип-середовище е часткою фенотипово'1 ва-р1аци, яка виникае внаслвдок неввдповвдносп
Nikolay Sardak
https://orcid.org/0000-0001-9417-3188 Vitalii Ischenko
https://orcid.org/0000-0002-7640-5659
ISSN 2518-1017 РЬЛШТ VaRIETÎES STUDYING aND PROTECTION, 2018, Vol. 14, No 4
347
генетичних та негенетичних ефекпв. Тобто при досл1дженн1 генотишв у р1зних умовах ввдбуваеться змша ранив прояву ознаки у зв'язку з реaкцieю генотипiв на середовище. Це призводить до того, що добiр генотипiв в одних умовах може не забезпечувати перевагу цих генотишв у шших умовах [3].
M. Malosetti та iн. [4] зазначають, що фено-типовий рiвень прояву ознаки е результатом численних взаемодш генетичних систем рос-линного оргашзму та зовнiшнiх умов. Геноти-пи вiдрiзняються за здатн1стю та ефектившстю засвоювати та конвертувати ресурси середовищ у бiомaсy оргaнiв як: складають кiнцевий продукт - фенотип. Це значною мiрою залежить вiд специфiчного набору aлелiв гешв. У свою чергу середовища в^а^зняються низкою чин-никiв: поживним, водним, повиряним, рад:а-цiйним режимами. Головна задача селекци -максимально поеднати генотип та середовища таким чином, щоб отримати бажаний фенотип. Генотипи, як: забезпечують вiдносно стабшь-ний р:1вень фенотипового прояву ознак у низщ рiзних середовищ характеризуються як генотипи з широкою адаптащею. Генотипи, як: переважають rnmi лише в певних середовищах - специф:чно адаптоваш. Власне специф1чна адаптацн генотишв i е тсно пов'язаною з феноменом взаемодш генотип-середовище.
Для виявлення взаемодй генотип-середовище та вид^ення стаб^ьних за врожайнс-тю генотишв ефективними е багатосередо-вищт випробування в р:зних екологчних умовах [5, 6]. 3 метою об'ективно'1 штерпре-таци отриманих експериментальних даних багатосередовищних випробувань необхвдне застосування найб^ьш ефективних статис-тичних моделей. F. A. van Eeuwijk та ш. [7] зазначають, що яксний анал:з взаемодй генотип-середовище лежить в основ: прогресу будь-яко'1 селекщйно'1 програми.
А. В. Шльчевський, Л. В. Хотильова [3] в^дмчають, що загалом на сьогодш не гснуе браку статистичних шдход:в щодо оцшки взаемодй' генотип-середовище. Основне зав-дання полягае в ¿х ефективному застосуван-н в р:зних ланках селекцшного процесу для отримання оперативно! шформаци щодо генотишв i середовищ та спрямоване на шдви-щенна ефективност: ввдбору форм з ввдповвд-ними еколоичними параметрами (загальною чи специф:чною адаптивною).
Низка названих параметр:в усшшно за-стосовуеться для ощнки взаемодй генотип-середовище та вид^ення стаб^ьних за вро-жайтстю генотишв ячменю в умовах Болгары [8], 1нди [9], 1рану [10-12], Туреччи-ни [13].
В Укра'1'ш, в умовах недостатнього зволожен-ня швшчвш шдзони Степу, В. В. Ващенком та О. О. Шевченко дослвджена адаптивна здат-шсть генотишв ячменю ярого та диференщю-юча здатнсть р:зних рошв дослвджень [14-17]. У Карпатському регюш оцшена адаптивность сорив ячменю ярого А. Я. Марухняком [18]. В умовах щдкислених Трунив 1нституту корм:в та сльського господарства Подшля НААН пластичнсть та стабшьшсть вивчав О. Б. Ма-ренюк [19]. У схвднш частиш Украши групою вчених 1нституту рослинництва i-м. В. Я. Юр'е-ва НААН проведена низка дослвджень щодо визначення адаптивного потенщалу ячменю ярого з використанням р:зних методик [20-23].
Останн:ми роками для оцшки взаемодй' генотип-середовище та видшення стабшьних генотишв набули поширення граф:чш модел^ зокрема АММ1 (additive main effects and multiplicative interaction) модель [24-28]. AMMI e комбиацею двофакторного дисперсшного анал:зу та biplot [29]. Biplot запропонований в 1971 р. K. R. Gabriel [30]. Математично biplot можна охарактеризувати як граф:чне ввдобра-ження матрично! мультиплшаци [31].
Мета дослгджень - ощнити взаемодй генотип-середовище та вид^ити селекцшн: лши ячменю ярого з поеднанням потенщалу врожайност: та стаб^ьносп в багатосередо-вищних випробуваннях.
Материали та методика досл1*джень
Дослвджували дванадцять селекцшних л:-нш ячменю ярого i сорт-стандарт 'Взгрець'. Селекцшн: лши видает. за комплексом ознак у конкурсному випробуванш Миро-швського шституту пшениц: :меш В. М. Ремесла НААН в 2016 р. У 2017-2018 рр. дос-лвдження проводили в трьох установах На-цюнально'1 академи аграрних наук Украши, як: розмщет. в р:зних еколоичних зонах Украши та характеризуються р:зними ^рун-товими та метеороломчними чинниками:
1) Мирошвський шститут пшениц: :мен В. М. Ремесла НААН (М1П) (Центральний Ëi-состеп, географ:чш координати: широта - 49°64', довгота - 31°08', висота - 153 м). ¥рунт -чорнозем глибокий, малогумусний, слабко вилугуваний. Вмкст гумусу - 3,8%, лужно-идрол:зованого азоту - 5,9 мг/100 г, Р2О5 -
22.1 мг/100 г, К2О - 9,6 мг/100 г, pH - 5,8.
2) Нос:вська селекцшно-дослвдна станщя М1П :м. В. М. Ремесла НААН (НсДс) (Полкся, географ:чш координати: широта - 50°93', довгота - 31°69', висота - 126 м). ¥рунт - чорнозем типовий, малогумусний, вилугуваний. Вмгст гумусу - 2,60%о, азоту - 8,5 мг/100 г, Р2О5 -
12.2 мг/100 г, К2О - 7,5 мг/100 г, pH - 4,6.
348
ISSN 2518-1017 PlaNT VftRIETIEs StuDYING ЛЛР Protection, 2018, Т. 14, №4
3) 1нститут сльського господарства Степу НААН (1СГС) (Швтчний Степ, географ:чн координати: широта - 4856', довгота - 3232', висота - 171 м). Грунт - чорнозем глибокий, середньогумусний, важкосуглинковий. Вмгст гумусу - 4,6%%, азоту - 12,0 мг/100 г, Р2О5 -
11,6 мг/100 г, К2О - 11,8 мг/100 г, pH - 5,4. Метеоролоичш умови дослвджень суттево р:знились м:ж еколоичними точками та за роками дослвджень (табл. 1). Контрастш еко-логчт та метеорологчш умови дослвджень сприяли детальнш ощн^ селекцшних лшш.
Метеоролопчт умови проведення досл1'джень
Таблиця 1
Р'к Шифр Середньодобова температура, °С Сума опад1'в за м1'сяць, мм
IV* V VI VII IV V VI VII
Мирот'вський 1'нститут пшениц! 1'мет В. М. Ремесла НААН
2016 M16 12,4 15,2 20,1 22,2 55,4 91,7 68,6 19,1
2017 M17 10,4 15,4 20,6 21,0 42,7 23,6 20,1 101,8
2018 M18 13,3 18,4 20,2 20,9 21,1 33,3 95,0 74,8
Багатор1'чне 8,8 15,0 18,0 19,7 42,1 51,2 85,2 86,5
Нос'вська селекц1'йно-досл1'дна станц'я М1П 1'м. В. М. Ремесла НААН
2017 N17 9,5 13,9 18,6 19,1 35,4 44,3 33,0 109,3
2018 N18 11,4 17,5 19,2 20,3 2,0 31,0 64,0 81,0
Багатор1'чне 7,9 15,0 18,4 20,2 35,6 45,1 64,5 73,0
1нститут стльського господарства Степу НААН
2017 K17 10,9 17,6 23,1 23,2 23,5 10,7 22,2 66,0
2018 K18 15,0 20,8 22,9 23,7 10,0 25,5 29,2 141,0
Багатор1'чне 8,9 15,3 18,6 20,0 36,0 45,0 66,0 72,0
*М1сяц1: IV - кв1'тень, V - травень, VI - червень, VII - липень.
Для характеристики взаемоди генотии-се-редовище та диференщацп селекцшних лшш за врожайнстю i стаб1льшстю використали низку найбiльш иоширених иiдходiв: S. A Eberhart, W. A. Russel [32] - коефщ1ент екологач-но'1 иластичностi (b.) i варiанса стабiльностi (S2d.); G. Wricke [33] - ековаленса (W.); C. S. Lin, M. R. Binns [34] - иоказник иереваги сорту (P.); M. Huehn [35] - неиараметричш иоказни-ки стабiльностi (S.(1) i S.(2)); А. В. К1льчевський, Л. В. Хотильова [36] - загальна адаитивна здатшсть (3A3i), варiанса сиецифiчноi адаи-тивно'1 здатностi (сЮА3.), в1дносна стабiльнiсть генотииу (Sgi), селекцшна цiннiсть генотииу (СЦГ\), иродуктивнiсть середовища (dk), дифе-ренцiююча здатнiсть середовища (с1Д3Ск), в1д-носна диференцiююча здатшсть середовища (Sek), коефiцieнт нелiнiйностi ввдклику на се-редовище (Lek), коефiцieнт комиенсаци (Kek); В. В. Ханпльдш, М. А. Литвиненко [37] - го-меостатичнiсть (Hom) i селекцшна цшшсть (Sc). Показник стабiльностi для AMMI моделi (ASV) вираховували в1диов1дно до J. L. Purchase та ш. [38]. Для зручносп штериретацп за иоказниками стабiльностi ировели рангову оцшку. Кращому значенню иевного иоказника в1диов1дае иерший ранг (R = 1). Для AMMI аналiзу використали некомерц1йне ирограмне забезиечення GEA-R.
Результати досл1'джень
Робоча гiиотеза ироведення багатосередо-вищних вииробувань ^рунтувалась на низщ
базових положень. Перше - визначальнш рол: еколоичних умов (розташування селек-цшно'1 установи) у результативносп селек-цшно'1 роботи. Друге - факту глобальних кл:матичних змш, як: суттево позначаються на вартванш метеоролоичних умов р:зних еколоичних зон та спричинюють поступове змщення кл:матичних пояив Укра'ни з Швдня на Швнч. Трете - сьогоденно! щшь-но'1 конкуренци м:ж селекцшними компаш-ями в умовах яко'1 необхвдне якомога швид-ше створення i впровадження у виробництво нових сорив. Тому всеб:чна оцшка лшш у конкурсному випробуванш для прийняття ршення щодо передач: нових сорив на дер-жавне сортовипробування не повинна роз-тягуватись у час:, але водночас бути максимально шформативною.
Виходячи з викладеного основними аспектами випробувань були: 1) Ус: установи (М1П, НСДС та 1СГС) ммць проведення дослвджень мають вагом: здобутки в селекци ячменю ярого; 2) Установи належать до системи На-цюнально'1 академи аграрних наук Украши, а НСДС входить в мережу М1П, однак мае власн селекцшш програми. Таким чином селекцшний матер:ал випробовуеться в мереж: одне'! оргашзаци; 3) Установи е р:вно-ввддаленими ввд М1П (НСДС - 240 км у шв-нчному напрям:, 1СГС - 230 км у швденно-му напрям:) i репрезентують р:зш еколопчш зони - 1СГС - швшчну частину Степу, М1П -центральну частину Лгсостепу, НСДС -
ISSN 2518-1017 PiaNT VariETtes Studying aND Protection, 2018, vol. 14, No 4 349
^л^я. Eкoлoгiчнe poзмiщeння ycтaнoв зу-мoвлюe piзницю в tpyнтoвиx тa мeтeopoлo-гiчниx araercrax зaбeзпeчeння pocлин нyтpi-eнтaми. Paзoм з тим, вpaxoвyючи тeндeнцiï дo «змтрння» клiмaтичниx пoяciв y вд^ям-ку Cтeп > Лicocтeп > ^л^я, е мoжливicть мoнiтopингy зaкoнoмipнocтeй мiнливocтi eкoлoгiчниx тa мeтeopoлoгiчниx чинникв зa ïx впливoм нa вpoжaйнicть ячмeню яpoгo; 4) У пepший piê кoнкypcнoгo copтoвипpoбy-вaння в М1П видiляютьcя пepcпeктивнi л^ ни, якi двa нacтyпнi poки випpoбoвyютьcя щe y двox eкoлoгiчниx yмoвax. Taким чинoм зa тpи poки кoнкypcнoгo copтoвипpoбyвaння ceлeкцiйнi лши пpoxoдять випpoбyвaння нe y тpьox, a в теми cepeдoвищax. У той caмий чac yмoви М1П мaють нa piê бiльшy пpeд-
cтaвлeнicть y зaгaльнoмy мeгacepeдoвищi. Piвeнь вpoжaйнocтi ceлeкцiйниx лiнiй cy^e-вo вapiювaв, зaлeжнo вiд мicця випpoбyвaння тa мeтeopoлoгiчниx yмoв poêy (тaбл. 2). B ycix cepeдoвищax вiдмiчeнi cyттeвi вiдмiннocтi зa вpoжaйнicтю вiд 0,87 т/га в M17 дo 1,79 т/га в K18. У cepeдньoмy в дocлiдi дocтoвipнo cтaндapт 'Bзipeць пepeвищили ceлeкцiйнi лiнiï 'Hyтaнc' 5152' (G9), 'Hyтaнc 5081' (G6), 'Hyтaнc 4982' (G3), 'Hyтaнc 5093' (G13), 'Hy-тaнc 5069' (G5), 'Дeфiцieнc 5145' (G7), 'Hy-тaнc 5153' (G10) тa 'Hyтaнc 5061' (G4). Ha piвнi cтaндapтy були лши 'Hyтaнc 4966' (G2), 'Hyтaнc 5157' (G11), 'Hyтaнc 5032' (G12) i 'Hy-тaнc 5150' (G8). У той œe чac cepeднe знaчeн-ня пo дocлiдy дocтoвipнo пepeвищилa лишe лiнiя 'Hyтaнc 5152' (G9).
Taблuця 2
Уpoжaйнícть ceлeкцíйниx л1*н1*й ячмeню яpoгo в бaгaтocepeдoвищниx випpoбyвaнняx
111 urkr» Haзвa copтy, Уpoжaйнicть в cepeдoвищax, т/гa
шифp нoмep лпнп! M16 M17 M18 N17 N18 K17 K18 Mean
G1 Bзipeць St 6,88 4,66 2,90 6,61 4,53 4,53 3,25 4,77
G2 Hyтaнc 4966 7,61 4,82 3,40 6,72 5,01 3,76 3,26 4,94
G3 Hyтaнc 4982 8,03 5,24 3,75 7,09 5,53 4,12 3,54 5,33
G4 Hy^c 5061 7,72 4,47 2,62 6,87 6,47 4,14 3,54 5,12
G5 Hyтaнc 5069 8,01 5,03 3,50 6,65 6,28 4,39 3,01 5,27
G6 Hy^c 5081 8,50 5,00 2,64 7,01 6,86 4,43 3,05 5,36
G7 Дeфiцieнc 5145 7,54 5,09 2,70 6,79 5,40 4,81 4,06 5,20
G8 Hyтaнc 5150 7,99 4,91 3,34 6,19 5,42 4,83 2,37 5,01
G9 Hy^c 5152 8,13 5,06 3,95 6,49 6,20 4,34 4,07 5,46
G10 Hyтaнc 5153 7,93 4,85 3,33 5,91 5,63 4,28 4,16 5,16
G11 Hy^c 5157 7,83 4,88 2,89 5,82 5,31 3,97 3,46 4,88
G12 Hyтaнc 5032 7,89 4,63 3,04 6,50 5,26 3,60 2,96 4,84
G13 Hvтaнc 5093 8,25 5,35 3,76 6,94 5,75 4,06 2,99 5,30
Mean 7,87 4,92 3,22 6,58 5,67 4,25 3,36 5,12
Max 8,50 5,35 3,95 7,09 6,86 4,83 4,16 5,46
Min 6,88 4,47 2,62 5,82 4,53 3,60 2,37 4,77
R (Max-Min) 1,62 0,87 1,33 1,27 2,33 1,23 1,79 0,70
^0.05 0,22 0,23 0,24 0,26 0,36 0,39 0,16 0,27
Пpимíткa. Mean - cepeднe, Max - мaкcимaльнe, Min - мiнiмaльнe знaчeння вpoжaйнocтi,• R (Max-Min) - poзмax вapiювaння вpoжaйнocтi.
Пapaмeтpи cepeдoвищa, як фoнy для oцiнки ceлeкцiйниx лiнiй ячмeню яpoгo вкaзyють, rn;o нaйпpoдyктивнiшим фoнoм були yмoви cepeдoвищa M16 (dk = 2,75), нaймeнш пpoдyктивним - M18 (dk = -1,91) (тaбл. 3). Haйвищoю дифepeнцiюючoю здaт-нicтю xapaктepизyвaлиcь yмoви cepeдoви-щa N18 (cIÄ3Ck = 0,40). Пpи цьoмy в ньсму бyлa racoKa вiднocнa дифepeнцiюючa здaт-нicть (Sek = 11,12) i нaйбiльшoю мipoю пpo-явилиcь eфeкти дecтaбiлiзaцiï (Kek = 10,38). Bищy шж в N18 вiднocнy дифepeнцiюючy здaтнicть вiдмiчeнo y cepeдoвищax K18 (S k = 15,12) i M18 (Sek = 13,67). У той œe qai! cлiд пiдкpecлити, rn;o дaнi cepeдoвищa були нaймeнш пpoдyктивними - K18 (dk = -1,76)
i M18 (dk = -1,91). 3aгaлoм cepeдoвищa N18, K18 i М18 мaли нaйвищy aнaлiзyючy здaт-нicть. 3a кoeфiцieнтoм нeлiнiйнocтi anme в K17 пepeвaжaлa нeлiнiйнa peaкцiя нa ce-peдoвищe - Lek = 1,06. У peштi cepeдoвищ
Taблuця 3
Пapaмeтpи cepeдoвищa як фoнy для oцíнки ïa дифepeнцíaцíï ceлeкцíйниx л1*тй ячмeню яpoгo
Cepeдoвищe dk Lek Sek ek Kek ek
M16 2,75 0,14 0,51 4,83 3,78
M17 -0,20 0,05 0,53 4,50 1,28
M18 -1,91 0,19 0,81 13,67 5,06
N17 1,46 0,15 0,82 5,88 3,92
N18 0,54 0,40 0,59 11,12 10,38
K17 -0,87 0,12 1,06 8,24 3,21
K18 -1,76 0,26 0,91 15,12 6,76
350
ISSN 2518-1017 PiaNT VaRIETIES STUDYING aND PROTECTION, 2018, Т. 14, №4
eôeKTÎB reHOTHHH pearyBaëH Ha yMOBH cepepoBHù ëiiiHHO - Lek = 0,51-0,91. HaHBH-ùy 3araëtHy apanTHBHy 3paTHicTt Maëa ceëeK-^.HHa ëiHia 'HyTaHc 5152' (G9) (3A3i = 0,34), HaËHHJKTiy - copT 'B3ipe^' (G1) (3A3i = 0,36) (Ta6ë. 4). y toh œe "ac HH3tKe "HCëOBe 3Ha"eHHa BapiaHcH cпeцнôi""нoï apanTHBHoï 3paTHocTi 6yëO b ëiHiï 'HyTaHc 5153' (G10) (cICA3. = 2,27) i cTaHpapTy 'B3ipe^' G1 (cICA3. = 2,29), HaHBH-ùe - y cejieK^inHoï ëiHiï 'HyTaHc 5081' (G6)
HaôëèœeHy po onTHMaëtHOï pea^iro Ha 3Mi-Hy yMOB cepepoBHùa BipnoBipHO po KoeôweHTy eKOëori"Hoï nëacTH^HocTi MaëH ëiHiï 'HyTaHc 5093' (G3) (b. = 0,99), 'HyTaHc 5069' (G5) (b. = 1,03), 'HyTaHc 4966' (G2) (b. = 0,97). HanMeHm pearyBaB Ha 3MiHy yMOB cepepoBHù cTaHpapT 'B3ipe^' (G1) (b. = 0,85) Ta cejieK^inHa ëiiia 'HyTaHc 5153' (G10) (b. = 0,86) (Ta6ë. 5). HancHëtHimy pea^iro Ha yMOBH cepepoBHùa Maëa ceëeK^HHa ëiiia 'HyTaHc 5081' (G6) (b. = 1,26). 3a BapiaHcoro cTaôiëtHocTi Kpa-ùoro 6yëa ëiiia 'HyTaHc 5032' (G12) (S2d. = 0,03). BipnoâipHO po 3Ha^eHt eKOBaëeHcH Haé-cTaôiëtHimHMH 6yëH ëiHiï 'HyTaHc 5032' (G12) (W. = 0,31), 'HyTaHc 5157' (G11) (W. = 0,46) Ta 'HyTaHc 4982' (G3) (W. = 0,46). 3a noKa3HHKOM nepeBarH reHOTHny cyTTEBO BHpi3Haëact ce-ëe^inHa ëiiia 'HyTaHc 5152' (G9) (P. = 0,09). 3a nepmHM HenapaMeTpH"HHM noKa3HHKOM cTaôiëtHocTi, aKHH e BHpaœeHHaM cepepHtoï aôcoëroTHoï piзннцi paHriâ y cepepoBHùax, cTaôiëtHHMH 6yëH ceëe^inHi ëiHiï 'HyTaHc 5093' (G13) (S.(1) = 0,71), 'HyTaHc 4982' (G3) (S.(1) = 0,76) Ta 'HyTaHc 5032' (G12) (S.(1) = 0,76). 3a ppyrHM HenapaMeTpH^HHM noKa3HHKOM, aKHH xapaKTepH3ye BapiaHcy paHriâ y cepepoBHùax, HancTaôiëtHimHMH 6yëH ceëe^inHi ëiHiï 'HyTaHc 5032' (G12) (S.(2) = 5,00), 'HyTaHc 5157' (G11) (S.(2) = 5,17). 1
(cICA3. = 4,75). OcTaHHa Maëa i Hanripmy Bip-HocHy cTaôiëtHicTt reHOTHny (Sg. = 40,70). Kpa-ùoro 3a Sg. 6yëa ëiiia 'HyTaHc 5152' (G9) (Sg. = 28,28). ÂHcoêi 3Ha^eHHa ceëeK^HHoï цiннocтi reHOTHny BipMi^eHi pëa ceëeK^HHHx ëiHin 'HyTaHc 5153' (G10) (CD;ri = 3,45), 'HyTaHc 4982' (G3) (CD;r = 3,40) Ta 'HyTaHc 5152' (G9) (CD;r = 3,39). MaKcHMajitHy roMeocTaTH^HicTt (Homi = 19,27) Ta ceëeK^ËHy ^HHicTB (Sci = 2,65) noep-HyBaëa ceëeK^HHa ëiiia 'HyTaHc 5152' (G9).
^HcnepcinHHM aHaëi3OM AMMI Mopeëi bhsb-ëeHO 3Ha"Hy nepeBary b 3araëtHin pHcnepciï yMOB cepepoBHùa - 93,17% (Ta6ë. 6). HacTKa B3a-GMopiï reHOTHn-cepepoBHùe cTaHOBHëa 5,19%, reHOTHny - 1,64%. He3BaœaK>"H Ha HH3tKi "hc-ëOBi 3Ha"qeHHa ocTaHHix pâox bohh 6yëH pocto-BipHHMH. TaKi pe3yëtTaTH nipTBeppœyroTt 3Ha-"Hy KOHTpacTHicTt eKOëori"HHx yMOB Ta yMOB poKiâ pocëipœeHt, ùo cyTTEBO BnëHBaëH Ha piâeHt BpoœaHHocTi ceëe^inHHx ëiiiH. Hè3tKi 3Ha"eHHa "acTKH reHOTHny 3Ha"Horo Miporo noâ'a3aHi 3 thm, ùo b pocëip 3aëy"HëH Bipiôpa-Hi Kpaùi ceëeK^HHi ëiHiï. y toh œe "ac TaKa KOMÔiHa^a eKOëori"HHx Ta noropHHx yMOB bh-npoôyBaHt cnpèaëa oцiнцi Ta BHpiëeHHro Kpa-ùhx 3 KpaùHx reHOTHniâ. nepmi pâi roëOBHi KOMnoHeHTH AMMI Mopeëi noacHKœaëH 60,29% B3aeMopiï reHOTHn-cepepoBHùe.
AMMI1 Mplot (pèc. 1) Bipoôpaœae BapiaHcy roëOBHHx apHTHBHHx eôeKTiâ reHOTHniâ (G1... G13) i cepepoBHù BHnpoôyBaHt (M16.K18) no ropH3OHTaëtHin oci (YLD) Ta BapiaHcy MyëtTH-nëiKaTHBHHx eôeKTiâ B3aeMopiï reHOTHn-cepepo-BHùe no BepTHKaëtHin oci (Factor 1). G 3Mora Bi3yaëtHO aHaëi3yBaTH pècnepciro reHOTHniâ i cepepoBHù BHnpoôyBaHt Ta B3aeMopiro Miœ hhmh. BepTHKaëtHa ëiiia, ùo nepeTHHae ocho-By AMMI1 Mplot penpe3eHTye cepepHro Bpo-œaHHicTt y pocëipi. noMiTHa 3Ha"Ha piзннцa 3a
Taôëuu,^ 4
XapaKTepucTMKa ceëeKuiéHMX ëirné amm6H№ nporo 3a noKa3HMKaMM aflanTMBHoï 3flaTHocTi, cTaôiëbHocTi, ceëeêuiéHoï uiHHocTi
Ta roMeocraTMHHocri
Wièôp 3A3. R ctICA3. R Sg, R cur. R Hom. R Sc. R
G1 -0,3^ 13 2,29 2 31,72 4 3,0^ 8 14,99 7 2,0.1 5
G2 -0,18 10 2,81 6 33,93 6 3,05 9 14,53 8 2,12 4
G3 0,20 3 2,92 7 32,09 5 3,40 2 16,57 4 2,35 2
G4 -0,01 8 3,62 12 37,18 11 2,97 11 13,75 10 1,74 11
G5 0,14 5 3,24 8 34,18 8 3,23 5 15,38 5 1,98 6
G6 0,23 2 4,75 13 40,70 13 2,89 12 13,14 12 1,66 12
G7 0,07 6 2,61 4 31,08 3 3,37 4 16,70 3 1,87 8
G8 -0,12 9 3,37 9 36,65 10 3,18 7 13,64 11 1,48 13
G9 0,34 1 2,39 3 28,28 1 3,39 3 19,27 1 2,65 1
G10 0,03 7 2,27 1 29,21 2 3,45 1 17,61 2 2,17 3
G11 -0,25 11 2,75 5 34,00 7 3,00 10 14,33 9 1,80 10
G12 -0,28 12 3,42 10 38,20 12 2,75 13 12,66 13 1,82 9
G13 0,17 4 3,47 11 35,14 9 3,19 6 15,06 6 1,92 7
ISSN 2518-1017 PlaNT VftRIETÏEs StuDYING AND FroTEcTIoN, 2018, Vol. 14, No 4
351
Таблиця 5
Характеристика селекц'йних л1*тй ячменю ярого за параметричними та непараметричними показниками стаб1*льносп
Шифр b. R S2d. R W. R P. R S.w R S« R
G1 0,855 7 0,24 11 1,6.5 12 0,7.7 13 1,10 8 13,21 8
G2 0,97 2 0,10 6 0,57 5 0,49 10 1,05 6 9,83 6
G3 0,99 1 0,09 4 0,46 3 0,21 3 0,76 2 8,04 5
G4 1,09 6 0,24 12 1,39 10 0,30 7 1,10 7 19,71 13
G5 1,03 2 0,10 5 0,55 4 0,20 2 1,14 9 8,00 4
G6 1,26 7 0,18 9 2,11 13 0,23 4 1,67 13 18,00 12
G7 0,90 4 0,21 10 1,25 9 0,35 8 1,62 12 17,04 11
G8 1,04 3 0,28 13 1,45 11 0,49 9 1,38 11 15,17 9
G9 0,90 5 0,08 2 0,60 6 0,09 1 1,05 5 7,17 3
G10 0,86 6 0,14 8 1,07 8 0,30 6 1,29 10 11,00 7
G11 0,96 3 0,08 3 0,46 2 0,50 11 0,81 4 5,17 2
G12 1,08 5 0,03 1 0,31 1 0,53 12 0,76 3 5,00 1
G13 1,08 4 0,12 7 0,72 7 0,24 5 0,71 1 16,50 10
Таблиця 6
Дисперс'йний анал1з (AMMI модель) врожайносл селекц'йних лтнтй ячменю ярого
QaKTop Сума квадратлв Число ступет'в воли Середт'й квадрат Частка внеску у вариацию, %
TeHOTHn 11,97 12 1,00** 1,64
CepeflOBM^e 679,49 6 113,25** 93,17
B3aeMOflia
reHOTMin-cepeflOBM^e 37,82 72 0,52** 5,19
Factor 1* 13,99 17 0,82** 37,00
Factor 2 9,81 15 0,65** 25,93
Factor 3 6,78 13 0,52** 17,94
Factor 4 5,27 11 0,48** 13,94
Factor 5 1,64 9 0,18 4,33
Factor 6 0,33 7 0,05 0,87
Factor 7 0 5 0 -
Residuals 5,09 182 0,03 -
"Factor 1...7 - головни' компоненти; ** - достов1'рно на 1%-му ртвнт.
врожаин1стю М1ж окремими середовищами. Найвищу врожаИн1сть генотипи мали в M16, наИнижчу - в M18 та K18. У той же час серед-
Рис. 1. AMMI1 biplot - розпод1'л генотит'в 1 середовищ у координатах: середня врожайшсть (YLD) - головна компонента 1 (Factor 1)
ня врожайн1сть селекц1Иних л1н1И була до-сить наближеною до середньо! в досл1д1. Кра-щими е генотипи, як1 мають високу середню врожайн1сть, а в1дносно вертикально! ос1 роз-ташован! наближено до нуля. У даному ви-падку врожайн1сть та в1дносну стаб1льн1сть поеднували селекц1Ин1 л1ни 'Нутанс 5152' (G9), 'Нутанс 5093' (G13) та 'Нутанс 4982' (G3).
AMMI2 biplot (рис. 2) характеризуе муль-типл1кативн1 ефекти взаемоди генотип-се-редовище в координатах першо'1 (Factor 1) та друго! (Factor 2) головних компонент. Пунк-тирн1 л1ни, що виходять з основи AMMI2 biplot розд1ляють Иого на дек1лька сектор1в, у яких розташован1 генотипи та середовища. Середовища, як1 знаходяться в одному сек-тор1 формують мегасередовище. На верх1в-ках пол1гонально'1 ф1гури розташован1 генотипи з наИб1льш вираженою реакц1ею на умови середовища (мегасередовища). Генотипи з вищою стаб1льн1стю за середовищами повинн1 бути розташован1 ближче до основи AMMI2 biplot. В1дносно ближчими до центру були селекц1Ин1 л1ни 'Нутанс 5152' (G9), 'Нутанс 5032' (G12) та 'Нутанс 5157' (G11).
352
issn 2518-1017 PlaNT VariETiEs Studying aND protection, 2018, т. 14, №4
- /
- Y
\
-
\
-
-1.0 -0.5 0.0 0.5 1.0
Factor 1 ( 37 %)
Рис. 2. AMMI2 biplot - розпод1'л сорлв i середовищ у координатах перших двох головних компонент
В!зуальн! дан! AMMI2 biplot п!дтверджу-ються числовими значеннями головних компонент (IPC), як! наведен! у таблиц! 7. На ¿х основ! J. L. Purchase та !н. [38] запро-понували розрахунок показника стаб!ль-ност! AMMI модел! (ASV). В!дпов!дно до нього найвищою стаб!льн!стю в!др!знялись л!нп 'Нутанс 5152' (G9) (ASV = 0,20), 'Ну-танс 5032' (G12) (ASV = 0,26) та 'Нутанс 5157' (G11) (ASV = 0,29).
Таблиця 7
Значення головних компонент та показника стабiльностi AMMI моделi для селекфйних лiнiй ячменю ярого
Шифр IPC1 (Factor 1) IPC2 (Factor 2) ASV R
G1 -0,72 0,00 1,03 12
G2 -0,33 0,31 0,57 5
G3 -0,21 0,33 0,45 4
G4 0,54 -0,60 0,98 11
G5 0,39 0,18 0,59 6
G6 1,00 -0,22 1,45 13
G7 -0,43 -0,61 0,87 10
G8 0,14 0,57 0,61 7
G9 -0,09 -0,16 0,20 1
G10 -0,34 -0,47 0,67 9
G11 -0,15 -0,19 0,29 3
G12 0,07 0,24 0,26 2
G13 0,14 0,62 0,65 8
Таким чином, вид!лен! селекц!йн! л!ни 'Нутанс 5152', 'Нутанс 4982', 'Нутанс 5069' та 'Нутанс 5093' з оптимальн!шим поеднанням потенц!алу врожайност! та стаб!льност!. Дан! селекц!йн! л!ни передан! до Украшського !н-ституту експертизи сорт!в рослин для прове-дення квал!ф!кац!йно'1 експертизи як нов!
со о;
ц и
л
б
а i-
Т с
о
н
т
а
д
з
о
н
в
и
т
п
а
д
а
и
м
а
к
и
н
з
а
к
о
п
и
м
и
н ч и i- с о
р т е м н ч и т
а а
р т
а с
п о
е е
н м
а т о г
и а т
м
и i-
н ч и с о н
р X
т T
е
м n
а н
р й
а
п J
з к е
о г о л е с
р
я
т
ю с
н о
е н
м ч ь ^
я vo
>s X а т с
л
х
и
н
й
J
к
е
л
е
с
т
с
о
н
й
а
о
р
в
OS
J
я
л
е
р
о
m
Hom, 0,83
СЦГ. 0,88 0,58
aï" 1Л -0,81 -0,92 -0,77
CTICA3, 0,91 -0,58 -0,68 -0,60
3A3, 0,24 -0,17 0,55 0,54 0,41
ASV 0,09 0,49 0,39 -0,21 -0,31 -0,45
0,82 0,20 0,43 0,33 -0,03 -0,22 -0,49
С 0,57 0,67 0,21 0,22 0,09 0,13 0,02 -0,33
nT -0,08 -0,07 0,07 -0,96 -0,24 0,13 -0,48 -0,49 -0,40
g" 0,16 0,77 0,80 0,90 0,03 0,38 0,31 -0,14 -0,24 -0,47
-uT U2) 0,84 0,30 0,62 0,80 0,68 -0,15 0,13 0,16 0,01 -0,21 -0,53
-Q" 0,01 0,26 -0,26 0,10 0,34 0,38 0,23 0,99 0,91 -0,59 -0,68 -0,55
Min -0,46 -0,66 -0,58 -0,42 -0,42 -0,60 -0,55 0,39 -0,53 -0,68 0,50 0,76 0,98
Max 0,12 0,65 -0,35 -0,10 -0,76 0,03 0,00 -0,08 0,69 0,60 0,34 0,06 0,00 -0,02
Mean 0,71 0,40 0,25 -0,15 0,03 -0,95 0,19 0,20 0,09 1,00 0,25 -0,16 0,53 0,53 0,41
Урожайт сть, показники слаб! льносл *<= -à- ^ гт ><2~ 5 I - аг:.01л50-1л1л<т b uiul i/i
ISSN 2518-1017 PbftNT VлRIETÏES STUDYING ЛПО PROTECTION, 2018, Vol. 14, No 4
353
сорти ячменю ярого 'М1П Шарм', 'М1П Дев.з', 'М1П Титул' та 'М1П Захисник', ввдповвдно.
Також вид^лет селекц1йн1 лши, як1 мо-жуть бути використат. в пбридизаци як джерела шдвищеного адаптивного потенща-лу для окремих екологчних умов. Зокрема, Пол1сся - 'Нутанс 5061', Полгсся та Лкосте-пу - 'Нутанс 5081' та 'Нутанс 4966', Швшч-ного Степу - 'Дефщ1енс 5145'.
Враховуючи р1зну ощнку параметрами се-лекцшних лгнш практичне значення мае ви-значення зв'язку розглянутих показнишв адап-тивност1 з врожайшстю та мгж собою (табл. 8).
Середня врожайшсть (mean) сильно коре-лювала з максимальним (max) ii л1мггом (r = 0,71). Законом.рно функщональним позитив-ним був зв'язок mean 1з ЗАЗ. (r = 1,00), оскшь-ки остання е шдексним вираженням першо!. Наближений до негативного функцюнально-го був зв'язок mean з P. (r = -0,95). Середнш позитивний зв'язок з mean мали СЦГ. та Hom. (r = 0,53). З max сильну негативну корелящю в1дм1чено для P. (r = -0,76).
Середнш позитивний зв'язок був м1ж max та b., ЗАЗ. та сГСАЗ. (r = 0,60-0,69). Min мала наближену до функционально! залежнсть з Sc. (r = 0,98), сильну з Hom. (r = 0,76), серед-ню з СЦГ. (r = 0,50). Середнш негативний зв'язок min (r = -0,53 - -0,68) був з низкою показнишв - S2d., W., S(2), ASV, сГСАЗ., Sg..
Корелящя мгж показниками стаб1льност1 виявила наближений до функционального зв'язок b. з сГСАЗ. (r = 0,99) та Sg. (r = 0,91). Сильну залежнсть S2d. виявлено для W. (r = 0,84) та S/2) (r = 0,80).. Ековаленса W. ьмала наближену до функционально! корелящю з ASV (r = 0,90), сильну - з S.(1) (r = 0,77) та S/2) (r = 0,80). ASV сильно корелювала з S.(2) (r = 0,82). Наближений до позитивного функщонального був зв'язок Sg. з сГСАЗ. (r = 0,91), у той же час наближений до негативного функ-щонального - з Hom. (r = -0,92), сильний негативний з СЦГ. (r = -0,81) та Sc. (r = -0,77). Сильною позитивною була корелящя Hom. з СЦГ. (r = 0,88), а також з Sc. (r = 0,83). 1
Висновки
Виявлена сильна мшливгсть врожайност. селекцшних лшш, яка зумовлювалась як еколопчними, так i погодними умовами ро-к.в досладжень. Дисперсшним анал.зом AMMI модел! виявлено достов.рн. вклади у вар.ащю генотипу, середовища та 1х взаемо-ди. Частка умов середовища суттево перева-жала шш1 фактори - 93,17%.
Визначена корелящя мгж врожайшстю та окремими показниками стабильность Низка параметр.в оцшюе тальки стабiльнiсть без ура-
хування р.вня врожайност.. 1нш1 параметри досить сильно пов'язаш з середшм р.внем вро-жайност., або максимальним чи мшшальним ii значенням.
Вид:1леш селекцшш лгнп 'Нутанс 5152', 'Нутанс 4982', 'Нутанс 5069' та 'Нутанс 5093' з оптимальшшим поеднанням потенщалу вро-жайност. та стабильность Даш лшп передан. до Украшського институту експертизи сортв рос-лин для проведення квалiфiкацiнно'i' експертизи як нов. сорти ячменю ярого 'М1П Шарм', 'М1П Дев.з', 'М1П Титул' та 'М1П Захисник'.
Низка селекцшних лiнiй може бути вико-ристана в ибридизаци, як джерело шдвище-ного адаптивного потенщалу для окремих еколопчних умов: Пол1сся - 'Нутанс 5061', По-л1сся та Лгсостепу - 'Нутанс 5081' та 'Нутанс 4966', Пгбшчного Степу - 'Дефщ1енс 5145'.
Проведення багатосередовищних еколог.ч-них випробувань та анал.з експерименталь-них даних, поеднуючи статистичн показни-ки та AMMI, сприяе поглибленiй оцшщ вза-емоди генотип-середовище та вид^енню кращих з кращих селекцшних лшш на за-вершальних етапах селекци.
Використана литература
1. Сурин Н. А., Ляхова Н. Е., Герасимов С. А. Комплексная оценка селекционного материала в селекции ячменя на адаптивность в Восточносибирском регионе. Вест. Кемеровского гос. ун-та. 2015. Т. 3, № 4. C. 98-103. doi: 10.21603/20788975-2015-4-98-103
2. Hill J. Genotype-environment interaction - a challenge for plant breeding. J. Agr. Sci. 1975. Vol. 85, Iss. 3. P. 477-493. doi: 10.1017/S0021859600062365
3. Кильчевский А. В., Хотылёва Л. В. Генотип и среда в селекции растений. Минск : Наука и техника, 1989. 191 с.
4. Malosetti M., Ribaut J.-M., van Eeuwijk F. A. The statistical analysis of multi-environment data: modeling genotype-by-environment interaction and its genetic basis. Front. Physiol. 2013. Vol. 4. Article 44. doi: 10.3389/fphys.2013.00044
5. Yuksel S., Akfura M. Pattern analysis of multi-environment yield trials in barley (Hordeum vulgare L.). Turk. J. Agric. For.
2012. Vol. 36, Iss. 3. P. 285-295. doi: 10.3906/tar-1103-41
6. Sabaghnia N., Mohammadi M., Karimizadeh R. Yield stability of performance in multi-environment trials of barley (Hordeum vulgare L.) genotypes. Acta Univ. Agric. Silvic. Mendelianae Brun.
2013. Vol. 61, Iss. 3. P. 787-793. doi: 10.11118/ actaun201361030787
7. van Eeuwijk F. A., Bustos-Korts D. V., Malosetti M. What should students in plant breeding know about the statistical aspects of genotype x environment interactions? Crop Sci. 2016. Vol. 56, Iss. 5. P. 2119-2140. doi: 10.2135/cropsci2015.06.0375
8. Dimova D., Krasteva L., Panayotov N. et al. Evaluation of the yield and the yield stability of perspective lines of barley. Agroznanje. 2012. Vol. 13, Iss. 1. P. 55-60. doi: 10.7251/ AGREN1201055D
9. Verma A., Singh J., Kumar V. et al. Non parametric analysis in multi environmental trials of feed barley genotypes. Int. J. Curr. Microbiol. Appl. Sci. 2017. Vol. 6, Iss. 6. P. 1201-1210. doi: 10.20546/ijcmas.2017.606.139
10. Mohammadi R., Mahmoodi K. N. Stability analysis of grain yield in barley (Hordeum vulgare L.). Int. J. Plant Breed. 2008. Vol. 2, Iss. 2. P. 74-78.
354
ISSN 2518-1017 PiaNT VftRIETIES STUDYING ftND PROTECTION, 2018, Т. 14, №4
11. BoLandi A., Imani A. A., Shahbazi H., Mehraban A. The study of compatibility and stability of grain yield in barley advanced genotypes in tropical and subtropical reinfed regions. Ann. Biol. Res. 2012. Vol. 3, Iss. 12. P. 5540-5544.
12. Mohammadi M. Grouping barley genotypes by regression-based and ANOVA-based clustering methods in multienvironments trials. Curr. Opin. Agric. 2014. Vol. 3, Iss. 1. P. 30-35.
13. Mut Z., Gülümser A., Sirat A. Comparison of stability statistics for yield in barley (Hordeum vulgare L.). Afr. J. Biotechnol. 2010. Vol. 9, Iss. 11. P. 1610-1618. doi: 10.5897/AJB10.1404
14. Ващенко В. В. Оценка сортов ячменя ярового по адаптивной стабильности. Селения i наанництво. 2011. Вип. 100. С. 96-100. doi: 10.30835/2413-7510.2011.66532
15. Ващенко В. В., Шевченко О. О. Адаптивт'сть i стаб1'льтсть сорлв ячменю за показниками продуктивности Bích. Дшпро-петровського ДАЕУ. 2013. № 1. С. 11-15.
16. Ващенко В. В, Шевченко А. А. Дифференциирующая способность сред по признаку общая кустистость ячменя ярового. Bích. Дшпропетровського ДАЕУ. 2014. № 2. С. 77-80.
17. Ващенко В. В., Шевченко А. А. Дифференцирующая способность сред как метод отбора исходного материала в селекции ячменя ярового. Селекщя i наанництво. 2015. Вип. 108. С. 8-11. doi: 10.30835/2413-7510.2015.57337
18. Марухняк А. Я. Оценка адаптивных особенностей сортов ярового ячменя. Вест. Белорус. гос. с.-х. акад. 2018. № 1. С. 67-72.
19. Маренюк О. Б. Пластичтсть та стаб^ьтсть юльккних ознак, колекцшних зразюв ячменю ярого в умовах тдвищеноУ кислотносл фунлв. Селекщя i наанництво. 2014. Вип. 106. С. 77-82. doi: 10.30835/2413-7510.2014.42133
20. Солонечний П. М. Гомеостатичтсть та селекцшна цжтсть сучасних сорлв ячменю ярого. Селекщя i наанництво. 2013. Вип. 103. С. 36-41. doi: 10.30835/2413-7510.2013.54064
21. Солонечний П. М., Козаченко М. Р., Васько H. I., Наумов О. Г., Бабушкша Т. В. Комплексна оцжка адаптивнослсорлв ячменю ярого за урожайтстю та слйкктю до хвороб. Пе-редгiрне та гiрське землеробство i тваринництво. 2014. Вип. 56, Ч. 1. С. 169-176.
22. Солонечний П. М. Оцжка адаптивно'1 здатносл та стаб"'льнос-л сорлв ячменю ярого за продуктивтстю. Bíchuk Полтав-сько'1 ДАА. 2014. № 4. C. 48-53.
23. Важетна О. £. Еколопчна стаб""льтсть сорлв ячменю ярого за елементами продуктивной та створення на ц"й основ"" цжного вихщного матер""алу. Селекщя i наанництво. 2014. Вип. 106. С. 5-12. doi: 10.30835/2413-7510.2014.42096
24. Mehari M., Alamerew S., Lakew B. Genotype x environment interaction and yield stability of malt barley genotypes evaluated in Tigray, Ethiopia using the AMMI analysis. Asian J. Plant Sci. 2014. Vol. 13, Iss. 2. Р. 73-79. doi: 10.3923/ajps.2014.73.79
25. Kiliç H. Additive main effects and multiplicative interactions (AMMI) analysis of grain yield in barley genotypes across environments. Tar. Bil. Der. 2014. Vol. 20, Iss. 4. P. 337-344. doi: 10.15832/tbd.44431
26. Abtew W. G., Lakew B., Haussmann B. I. G., Schmid K. J. Ethiopian barley landraces show higher yield stability and comparable yield to improved varieties in multi-environment field trials. J. Plant Breed. Crop Sci. 2015. Vol. 7, Iss. 8. P. 275-291. doi: 10.5897/JPBCS2015.0524
27. Verma R. P. S., Kharab A. S., Singh J. et al. AMMI model to analyse GxE for dual purpose barley in multi-environment trials. Agric. Sci. Digest. 2016. Vol. 36, Iss. 1. P. 9-16. doi: 10.18805/asd.v35i1.9303
28. Solonechnyi P. M., Kozachenko M. R., Vasko N. I. et al. AMMI (additive main effect and multiplicative interaction) model for assessment of yield stability of spring barley genotypes. Селекц'я i наа'нництво. 2016. Вип. 110. С. 131-141. doi: 10.30835/2413-7510.2016.87620
29. Gauch H. G. Model selection and validation for yield trials with interaction. Biometrics. 1988. Vol. 44, Iss. 3. P. 705-715. doi: 10.2307/2531585
30. Gabriel K. R. The biplot graphic display of matrices with application to principal components analysis. Biometrica. 1971. Vol. 58, Iss. 3. P. 453-467. doi: 10.2307/2334381
31. Yan W., Tinker N. A. Biplot analysis of multi-environment trial data: Principles and applications Can. J. Plant Sci. 2006. Vol. 86, Iss. 3. P. 623-645. doi: 10.4141/P05-169
32. Eberhart S. A., Russel W. A. Stability parameters for comparing varieties. Crop Sci. 1966. Vol. 6, Iss. 1. P. 36-40. doi: 10.2135/ cropsci1966.0011183X000600010011x
33. Wricke G. Über eine methode zur erfassung der ökologischen streubreite in feldversuchen. Z. Pflanzenzucht. 1962. Vol. 47, Iss. 1. P. 92-96.
34. Lin C. S., Binns M. R. A superiority measure of cultivar performance for cultivar x location data. Can. J. Plant Sci. 1988. Vol. 68, Iss. 1. P. 193-198. doi: 10.4141/cjps88-018
35. Huehn M. Nonparametric measures of phenotypic stability. Part 1: Theory. Euphytica. 1990. Vol. 47, Iss. 3. P. 189-194. doi: 10.1007/BF00024241
36. Кильчевский А. В., Хотылева Л. В. Метод оценки адаптивной способности и стабильности генотипов, дифференцирующей способности среды. Сообщение I. Обоснование метода. Генетика. 1985. Т. 21, № 9. С. 1481-1489.
37. Хангильдин В. В., Литвиненко Н. А. Гомеостатичность и адаптивность сортов озимой пшеницы. Науч.-техн. бюл. ВСГИ. 1981. Вып. 1. С. 8-14.
38. Purchase J. L., Hatting H., van Deventer C. S. Genotype x environment interaction of winter wheat (Triticum aestivum L.) in South Africa: II. Stability analysis of yield performance. South Afric. J. Plant Soil. 2000. Vol. 17, Iss. 3. P. 101-107. doi: 10.1080/02571862.2000.10634878
References
1. Surin, N. A., Lyakhova, N. E., & Gerasimov, S. A. (2015). Comprehensive breeding patterns assessment on adaptability in the Eastern Siberia region in the selection of barley. Vestnik Kemerovskogo gosu-darstvennogo universiteta [Bulletin of Kemerovo State University], 3(4), 98-103. doi: 10.21603/2078-8975-2015-4-98-103 [in Russian]
2. Hill, J. (1975). Genotype-environment interaction - a challenge for plant breeding. J. Agr. Sci., 85(3), 477-493. doi: 10.1017/ S0021859600062365
3. Kilchevskiy, A. V., & Khotyleva, L. V. (1989). Genotip i sreda v selektsii rasteniy [Genotype and Environment in the Plant Breeding]. Minsk: Nauka i tekhnika. [in Russian]
4. Malosetti, M., Ribaut, J.-M., & van Eeuwijk, F. A. (2013). The statistical analysis of multi-environment data: modeling genotype-by-environment interaction and its genetic basis. Front. Physiol., 4, 44. doi: 10.3389/fphys.2013.00044
5. Yüksel, S., & Akçura, M. (2012). Pattern analysis of multienvironment yield trials in barley (Hordeum vulgare L.). Turk. J. Agric. For., 36(3), 285-295. doi: 10.3906/tar-1103-41
6. Sabaghnia, N., Mohammadi, M., & Karimizadeh, R. (2013). Yield stability of performance in multi-environment trials of barley (Hordeum vulgare L.) genotypes. Acta Univ. Agric. Silvic. Mendelianae Brun., 61(3), 787-793. doi: 10.11118/actaun201361030787
7. van Eeuwijk, F. A., Bustos-Korts, D. V., & Malosetti, M. (2016). What should students in plant breeding know about the statistical aspects of genotype x environment interactions? Crop Sci., 56(5), 2119-2140. doi: 10.2135/cropsci2015.06.0375
8. Dimova, D., Krasteva, L., Panayotov, N., Svetleva, D., Dimitrova, M., & Georgieva, T. (2012). Evaluation of the yield and the yield stability of perspective lines of barley. Agroznanje, 13(1), 5560. doi: 10.7251/AGREN1201055D
9. Verma, A., Singh, J., Kumar, V., Kharab, A. S., & Singh, G. P. (2017). Non parametric analysis in multi environmental trials of feed barley genotypes. Int. J. Curr. Microbiol. Appl. Sci., 6(6), 12011210. doi: 10.20546/ijcmas.2017.606.139
10. Mohammadi, R., & Mahmoodi, K. N. (2008). Stability analysis of grain yield in barley (Hordeum vulgare L.). Int. J. Plant Breed., 2(2), 74-78.
ISSN 2518-1017 PiaNT VftRIETIES STUDYING ftND Protection, 2018, Vol. 14, No 4
355
11. Bolandi, A., Imani, A. A., Shahbazi, H., & Mehraban, A. (2012). The study of compatibility and stability of grain yield in barley advanced genotypes in tropical and subtropical reinfed regions. Ann. Biol. Res.,3(12), 5540-5544.
12. Mohammadi, M. (2014). Grouping barley genotypes by regression-based and ANOVA-based clustering methods in multienvironments trials. Curr. Opin. Agric.,3(1), 30-35.
13. Mut, Z., Gulumser, A., & Sirat, A. (2010). Comparison of stability statistics for yield in barley (Hordeum vulgare L.). Afr. J. Biotechnol., 9(11), 1610-1618. doi: 10.5897/AJB10.1404
14. Vashchenko, V. V. (2011). Evaluation of spring barley varieties by adaptive stability. Selekcia i nasinnictvo [Plant Breeding and Seed Production], 100, 96-100. doi: 10.30835/24137510.2011.66532 [in Russian]
15. Vashchenko, V. V., & Shevchenko, 0. 0. (2013). Adaptability and stability of spring barley varieties for productivity traits. Visnik Dnipropetrovs'kogo deriavnogo agrarno-ekonomicnogo universitetu [News of Dnipropetrovsk State Agrarian and Economic University], 1, 11-15. [in Ukrainian]
16. Vashchenko, V. V., & Shevchenko, A. A. (2014). Differentiating ability of the medias by the total tillering spring barley varieties trait. Visnik Dnipropetrovs'kogo deriavnogo agrarno-ekonomicnogo universitetu [News of Dnipropetrovsk State Agrarian and Economic University], 2, 77-80. [in Russian]
17. Vashchenko, V. V., & Shevchenko, A. A. (2015). Differentiating ability of media as a method of selecting the raw material in spring barley breeding. Selekcia i nasinnictvo [Plant Breeding and Seed Production], 108, 8-11. doi: 10.30835/24137510.2015.57337 [in Russian]
18. Marukhnyak, A. Ya. (2018). Evaluation of spring barley varieties adaptive ability. Vestnik Belorusskoy Gosudarstvennoy Selskokhozyaystvennoy Akademii [Bulletin of the Belarussian State Agricultural Academy], 1, 67-72. [in Russian]
19. Mareniuk, A. B. (2014). Plasticity and stability of quantitative traits of collection spring barley variety samples under the conditions of increased soil acidity. Selekcia i nasinnictvo [Plant Breeding and Seed Production], 106, 77-82. doi: 10.30835/2413-7510.2014.42133 [in Ukrainian]
20. Solonechnyi, P. M. (2013). Homeostaticity and breeding value of modern barley varieties. Selekcie inasrnnnictvo [Plant Breeding and Seed Production], 103, 36-41. doi: 10.30835/24137510.2013.54064
21. Solonechnyi, P. M., Kozachenko, M. R., Vasko, N. I., Naumov, 0. H., & Babushkina, T. V. (2014). Complex assessment of adaptability of spring barley varieties by the yield and resistance from pathogens. Peredcirnetagirs'kezemlerobstvoitvarinnictvo [Foothill and Mountain Agriculture and Stockbreeding], 56(1), 169-176. [in Ukrainian]
22. Solonechnyy, P. N. (2014). Adaptability and stability of spring barley cultivars in terms of performance. Visn. Poltav. deri. agrar. akad. [News of Poltava State Agrarian], 4,48-53. [in Ukrainian]
23. Vazhenina, 0. E. (2014). Ecological stability of spring barley varieties on productivity and the creation of a valuable source of material. Selekcia i nasinnictvo [Plant Breeding and Seed Production], 106, 5-12. doi: 10.30835/2413-7510.2014.42096 [in Ukrainian]
24. Mehari, M., Alamerew, S., & Lakew, B. (2014). Genotype x environment interaction and yield stability of malt barley
genotypes evaluated in Tigray, Ethiopia using the AMMI analysis. Asian J. Plant Sci., 13(2), 73-79. doi: 10.3923/ajps. 2014.73.79
25. Kiliç, H. (2014). Additive main effects and multiplicative interactions (AMMI) analysis of grain yield in barley genotypes across environments. Tar. Bil. Der., 20(4), 337-344. doi: 10.15832/tbd.44431
26. Abtew, W. G., Lakew, B., Haussmann, B. I. G., & Schmid, K. J. (2015). Ethiopian barley landraces show higher yield stability and comparable yield to improved varieties in multi-environment field trials. J. Plant Breed. Crop Sci., 7(8), 275-291. doi: 10.5897/JPBCS2015.0524
27. Verma, R. P. S., Kharab, A. S., Singh, J., Kumar, V., Sharma, I., & Verma, A. (2016). AMMI model to analyse GxE for dual purpose barley in multi-environment trials. Agric. Sci. Digest., 36(1), 9-16. doi: 10.18805/asd.v35i1.9303
28. Solonechnyi, P. M., Kozachenko, M. R., Vasko, N. I., Naumov, O. G., Solonechna, O. V., Vazhenina, O. Ye., & Kompanets, K. V. (2016). AMMI (additive main effect and multiplicative interaction) model for assessment of yield stability of spring barley genotypes. Selekciâ i nasinnictvo [Plant Breeding and Seed Production], 110, 131-141. doi: 10.30835/24137510.2016.87620
29. Gauch, H. G. (1988). Model selection and validation for yield trials with interaction. Biometrics, 44(3), 705-715. doi: 10.2307/2531585
30. Gabriel, K. R. (1971). The biplot graphic display of matrices with application to principal components analysis. Biometrica, 58(3), 453-467. doi: 10.2307/2334381
31. Yan, W., & Tinker, N. A. (2006). Biplot analysis of multienvironment trial data: Principles and applications Can. J. Plant Sci., 86(3), 623-645. doi: 10.4141/P05-169
32. Eberhart, S. A., & Russel, W. A. (1966). Stability parameters for comparing varieties. Crop Sci., 6(1), 36-40. doi: 10.2135/crop sci1966.0011183X000600010011x
33. Wricke, G. (1962). Über eine methode zur erfassung der ökologischen streubreite in feldversuchen. Z. Pflanzenzucht., 47(1), 92-96.
34. Lin, C. S., & Binns, M. R. (1988). A superiority measure of cultivar performance for cultivar x location data. Can. J. Plant Sci., 68(1), 193-198. doi: 10.4141/cjps88-018
35. Huehn, M. (1990). Nonparametric measures of phenotypic stability. Part 1: Theory. Euphytica, 47(3), 189-194. doi: 10.1007/BF00024241
36. Kilchevskiy, A. V., & Khotyleva, L. V. (1985). Method for genotypes adaptive ability and stability assessment and differentiating ability of environment. I. Grounds of the method. Genetika [Genetics], 21(9), 1481-1490. [in Russian]
37. Khangildin, V. V., & Litvinenko, N. A. (1981). Stability and adaptability of winter wheat varieties. Nauchno-tekhnicheskiy byulleten VSGI [Scientific and technical bulletin APBGI], 1, 8-14. [in Russian]
38. Purchase, J. L., Hatting, H., & van Deventer, C. S. (2000). Genotype x environment interaction of winter wheat (Triticum aestivum L.) in South Africa: II. Stability analysis of yield performance. South Afric. J. Plant Soil., 17(3), 101-107. doi: 10.1080/02571862.2000.10634878
УДК 633.16:631.527:574
Гудзенко В. H.1*, Демидов А. А.1, Полищук Т. П.1, Сардак Н. А.2, Ищенко В. А.3 Статистическая и AMMI оценка стабильности селекционных линий ячменя ярового в многосредовых испытаниях // Plant Varieties Studying and Protection. 2018. Т. 14, № 4. С. 347-357. https://doi.org/10.21498/2518-1017.14.4.2018.151894
1Мироновский институт пшеницы имени В. Н. Ремесла НААН Украины, ул. Центральная, 68, с. Центральное, Мироновский р-н, Киевская обл., 08853, Украина, "e-mail: [email protected]
2Носовская селекционно-опытная станция Мироновского иншитута пшеницы имени В. Н. Ремесло НААН Украины, ул. Мира, 1, с. Опытное, Носовский р-н, Черниговская обл., 17131, Украина
3Институт сельского хозяйства Степи НААН Украины, ул. Центральная, 2, Кировоградский р-н, Кировоградская обл., 27602, Украина
356
ISSN 2518-1017 PiaNT VaRIETIES STUDYING aND Protection, 2018, Т. 14, №4
Цель. Оценить взаимодействие генотип-среда и выделить селекционные линии ячменя ярового с сочетанием потенциала урожайности и стабильности в многосредовых испытаниях. Методы. Двенадцать селекционных линий ячменя ярового и стандарт сорт 'Взи'рець' исследовали в трех различных экологических зонах Украины: Центральная Лесостепь, Полесье и Северная Степь. Для характеристики взаимодействия генотип-среда и дифференциации селекционных линий по урожайности и стабильности использовали ряд наиболее распространенных подходов: S. A. Eberhart, W. A. RusseL (1966); G. Wricke (1962); C. S. Lin, M. R. Binns (1988); M. Huehn (1990); A. В. Кильчевский, Л. В. Хоты-лёва (1985); В. В. Хангильдин, H. A. Литвиненко (1981); J. L. Purchase et aL. (2000). Графический анализ проводили с использованием AMMI модели. Результаты. Обнаружена сильная изменчивость урожайности селекционных линий, которая обусловливалась как экологическими, так и погодными условиями лет исследований. С помощью дисперсионного анализа обнаружены достоверные вклады в вариацию генотипа, среды и их взаимодействия. Доля условий среды существенно преобладала - 93,17%. Определена корреляция между урожайностью и показателями стабильности. Ряд параметров оценивает только стабильность без
учета уровня урожайности. Другие параметры довольно сильно связаны со средним уровнем урожайности, максимальным или минимальным её значением. Выделены селекционные линии 'Нутанс 5152', 'Нутанс 4982', 'Нутанс 5069' и 'Нутанс 5093' с оптимальным сочетанием потенциала урожайности и стабильности. Данные линии переданы в Украинский институт экспертизы сортов растений для проведения квалификационной экспертизы как новые сорта ячменя ярового 'М1П Шарм', 'М1П Деви'з', 'М1П Титул' и 'М1П Захисник' соответственно. Ряд селекционных линий могут быть использованы в гибридизации как источники повышенного адаптивного потенциала для соответствующих экологических условий: Полесье - 'Нутанс 5061', Полесья и Лесостепи - 'Нутанс 5081' и 'Нутанс 4966', Северной Степи - 'Дефщи'енс 5145'. Выводы. Проведение многосредовых экологических испытаний и анализ экспериментальных данных в сочетании со статистическими показателями и AMMI способствуют углубленной оценке взаимодействия генотип-среда и выделению лучших из лучших генотипов на завершающих этапах селекционной работы.
Ключевые слова: ячмень; селекционные линии; много-средовые испытания; взаимодействие генотип-среда; урожайность; стабильность; AMMI.
UDC: 633.16:631.527:574
Hudzenko, V. M.1*, Demydov, O. A.1, Polishchuk, T. P.1, Sardak M. O.2, & Ischenko, V. A.3 (2018) Statistical and AMMI evaluation of stability of spring barley breeding lines in multi-environment trials. Plant Varieties Studying and Protection, 14(4), 347-357. https://doi.org/10.21498/2518-1017.14.4.2018.151894
1The V. M. Remeslo Myronivka Institute of Wheat, NAAS of Ukraine, 68 Tsentralna St., 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 St., Doslidne, Nosivka district, Chernigiv region, 17131, Ukraine
3Institute of Agriculture of Steppe, NAAS of Ukraine, 2 Tsentralna St., Sozonivka, Kirovograd district, Kirovograd region, 27602, Ukraine Purpose. Evaluate the genotype-environment interac- ces estimated the stability only, without considering yield
tion and identify the spring barley breeding Lines with a combination of yield performance and stability in the multienvironment trials. Methods. Twelve barley breeding lines and standard variety 'Vzirets' were tested in three different ecological zones of Ukraine: Central Forest-Steppe, Polissia and Northern Steppe. To characterize the genotype-environment interaction and differentiate of breeding lines for yield and adaptability, a number of the most used methods were applied: S. A. Eberhart, W. A. Russel (1966); G. Wricke (1962); C. S. Lin, M. R. Binns (1988); M. Huehn (1990); A. V. Kilchevs-kiy, L. V. Khotyleva (1985); V. V. Khangildin, N. A. Litvinenko (1981); J. L. Purchase et al. (2000). Graphical analysis was performed with the AMMI model. Results. The high variation in the yield performance of spring barley breeding lines was revealed, which was determined both by the ecological and the weather conditions of the years of the research. The ANOVA revealed reliable contributions from all three source of the variation: genotype, environment and genotype-environment interaction. The part of influence for environment was the highest - 93.17%. The correlation between yield and individual stability indices was determined. Some indi-
level. Other indices were related with the mean yield, with the maximum or minimum its limits. The breeding lines 'Nutans 5152', 'Nutans 4982', 'Nutans 5069' and 'Nutans 5093' with the optimal combination of yield performance and stability were identified. These breeding lines were transmitted to the Ukrainian Institute of Plant Varieties Examination for the qualification examination as new spring barley varieties 'MIP Sharm', 'MIP Deviz', 'MIP Tytul' and 'MIP Zakhysnyk', respectively. A number of breeding lines can be used in hybridization as a source of high adaptive potential for the suitable environmental conditions: Polissia - 'Nutans 5061', Polissia and Forest-Steppe - 'Nutans 5081' and 'Nutans 4966', Northern Steppe - 'Deficiens 5145'. Conclusions. Conducting multi-environment trials and processing experimental data in combination with statistical indices and AMMI promotes an in-depth assessment of the genotype-environment interaction and the identification the best of the best genotypes at the final stages of breeding process.
Keywords: barley; breeding lines; multi-environment trials; genotype-environment interaction; yield performance; stability; AMMI.
Hadiuwna/ Received 03.12.2018 nozodxeHQ do dpyny/ Accepted 14.12.2018
ISSN 2518-1017 PiaNT VлRIETÏES StuDYING ЛПР Protection, 2018, Vol. 14, No 4
357
