Формирование продуктивности колоса яровой пшеницы в условиях засушливого климата Оренбургского Приуралья

Обложка

Цитировать

Полный текст

Аннотация

Актуальность исследования определяется необходимостью своевременной оценки сортов яровой пшеницы, в т. ч. вновь созданных, в зависимости от меняющихся погодных факторов в зоне возделывания. Цель исследования состояла в анализе показателей колоса сортов яровой пшеницы как основного элемента продуктивности посева. Материалы исследований — данные урожайности, показатели структуры урожая сортов яровой мягкой пшеницы, полученные в полевых опытах, проведенных в условиях Оренбургского Приуралья в течение 2019—2020 и 2022—2023 гг. Методы исследований включали полевые опыты, структурный анализ учетного снопового материала, ранговую оценку сортов по годам опытов и их итоговое ранжирование, корреляционно-­регрессионный анализ зависимости урожайности сортов от показателей продуктивности колоса. Условия вегетации яровой пшеницы в годы исследований отличались засушливостью. Ранговая оценка сортов показала значительную зависимость их продуктивности от условий погодных факторов и их экологическую приспособленность. Проведен корреляционно-­регрессионный анализ связи урожайности яровой пшеницы с показателями продуктивности колоса. Построенные графики показывают, что теоретической урожайности в пределах от 14.9 ц с 1 га до 19,1 ц с 1 га соответствуют число зерен в колосе 25,7 шт., масса 1000 зерен 35,8 г, число колосков в колосе 13,6 шт., масса зерна с колоса 0,75 г. Приведены фактические показатели элементов продуктивности колоса по годам опытов с анализом их сортовых различий и в зависимости от условий года. Сделан вывод о том, что погодные факторы обусловливают различия в реакции сортов на их изменчивость, выражающуюся в уровне их урожайности в сходных условиях. Сорта, выведенные в более позднее время, отличаются большей экологической пластичностью с ростом урожайности и формированием значительно более полноценного колоса, это сорта Ульяновская 105, Оренбургская 30, Тулайковская золотистая. К числу наименее приспособленных к стресс-­факторам погоды можно отнести сорта Учитель, Саратовская 42.

Об авторах

Ишен Насанович Бесалиев

Федеральный научный центр биологических систем и агротехнологий Российской академии наук

Автор, ответственный за переписку.
Email: orniish_tzk@mail.ru
ORCID iD: 0000-0001-9389-1938
SPIN-код: 7462-8950

доктор сельскохозяйственных наук, ведущий научный сотрудник, заведующий отделом технологии зерновых и кормовых культур

Российская Федерация, 460000, г. Оренбург, ул. 9 Января, д. 29

Елена Алексеевна Иванова

Федеральный научный центр биологических систем и агротехнологий Российской академии наук

Email: biaelena201273@gmail.com
ORCID iD: 0009-0009-9260-4955
SPIN-код: 2420-8718

кандидат биологических наук, научный сотрудник

Российская Федерация, 460000, г. Оренбург, ул. 9 Января, д. 29

Список литературы

  1. Tilman D, Balser C, Hill J, Befort BL. Global food demand and the sustainable intensification of agriculture. Proc Natl Asad Sci USA. 2011;108(50):20260—20264. doi: 10.1073/pnas.1116437108
  2. Li L, Peng Z, Mao X, Wang J, Chang X, Reynolds M, et al. Genome — wide association study reveals genomic regions controlling root and shoot traits at late growth stages in wheat. Annals of Botany. 2019;124(6):993—1006. doi: 10.1093/aob/mcz 041
  3. Zolotokrylin AN, Titkova TB, Cherenkova EA. Characteristics of spring-­summer droughts during dry wet periods in the south of European Russia. Arid ecosystems. 2020;26(4):76—83. (In Russ.). doi: 10.24411/1993-3916-2020-10121
  4. Cherenkova EA, Zolotokrylin AN, Titkova TB. Spring-­summer droughts in the steppes of Orenburg region: modern changes and model forecasts. In: Steppes of Northern Eurasia: conference proceedings. Orenburg; 2021. p.849—853. (In Russ.). doi: 10.24412/cl‑36359-2021-849-853
  5. Afanasyev VN. Climate change and adaptation to changes in grain crop yields: statistical studies. In: Statistics — the language of digital civilization: conference proceedings. Rostov-on-­Don, 2018. p.570—581. (In Russ).
  6. Neverov AA. The influence of global changes in the planetary climatic system on the weather — climatic conditions and plant productivity in the Orenburg region. Izvestia Orenburg State Agrarian University. 2020;(4):19—25. (In Russ.). doi: 10.37670/2073-0853-2020-84-4-19-25
  7. Jaiswal V, Gahlaut V, Meher PK, Mir RR, Jaiswal JP, Rao AR, et al. Genome wide single locus single trait, multi locus and multi-­trait association agronomic traits in common wheat (T. aestivum) Plos One. 2016;11(7): e0159343. doi: 10.1371/journal.pone.0159343
  8. Sun C, Zhang F, Yan X, Zhang X, Dong Z, Cui D, et al. Genome-wide association study for 13 agronomic traits reveals distribution of superior alleles in bread wheat from the Yellow and Huai Valley of China. Plant Biotechnology Journal. 2017;15(8):953—969. doi: 10.1111/pbi.12690
  9. Besaliev IN, Panfilov AL, Abdrashitov RR. Scientific-­based parameters of agrocenosis of spring soft wheat in arid conditions of the Orenburg Urals. Proceedings of Lower Volga agro-university complex: science and higher education. 2022;(2):14—22. (In Russ.). doi: 10.32786/2071-9485-2022-02-01
  10. Afzal F, Reddy B, Gul A, Khalid M, Subhani A, Shazadi A, et al. Physiological, biochemical and agronomic traits associated with drought tolerance in a synthetic–derived wheat diversity panel. Grop Pasture Sci. 2017;68(3):213—224. doi: 10.1071/СР16367
  11. Sobhaninan N, Heidari B, Tahmasebi S, Dadkhodaie A, McInyre CL. Response of guantitative and physiological trats to drought stress in the SeriM82/Babax wheat population. Euphytica. 2019;215(2):32. doi: 10.1007/s10681-019-2357‑x
  12. Pradhan GP, Prasad PV, Fritz AK, Kirkham MB, Gill BS. Effects of drought and high temperature stress on synthetic hexaploid wheat. Functional Plant Biology. 2012;39(3):190—198. doi: 10.1071/FP11245
  13. Taranova TY, Kincharov AI, Demina EA, Mullayanova OS, Chekmasova KY. Selection evaluation of soft spring wheat input material by productivity and its elements. Bulletin of KSAU. 2021;(5):81—88. (In Russ.). doi: 10.36718/1819-4036-2021-5-81-88
  14. Plotnikova LY, Glushakov DA, Yusov VS. Results of study of drought resistance of durum wheat and its components in Western Siberia. Vestnik of Omsk SAU. 2022;(4):56—70. (In Russ.). doi: 10.48136/2222-0364-2022-4-56
  15. Vorobyov VA, Vorobyov AV. Effect of water supply during the vegetative season on a change in the ranking of spring wheat varieties in terms of yield and structural elements. Achievements of science and technology in agro-industrial complex. 2019;33(8):29—32. (In Russ.). doi: 10/24411/0235-2451-2019-0806
  16. Boyko NI, Piskarev VV, Timofeeva AA. Features of the formation of the yield of soft spring wheat in contrasting weather conditions of the forest-­steppe of the Ob region. Agricultural bulletin of Stavropol region. 2015;(3):135—141. (In Russ.).
  17. Mukhitov LA, Timoschenkova TA. Morphological features of Triticum durum varieties in the conditions of Orenburg Cis-­Ural steppe. Vestnik of the Orenburg state university. 2015;(10):37—42. (In Russ.).
  18. Signaevsky VD, Stepanov SA, Boldyrev VA. The impact of drought on the productivity of spring soft wheat. Izvestiya of Saratov university. New series. Series: Chemistry. Biology. Ecology. 2014;14(2):50—54. (In Russ.).
  19. Osipova LV, Nilovskaya NT. Influence of an increasing soil drought on a rudimentary ear and productivity of wheat varieties. Russian Agricultural Sciences. 2015;(5):14—15. (In Russ.).
  20. Plotnikova LY, Sagendykova AT, Kuzmina SP. Drought resistance of introgressive spring common wheat lines with genetic material of tall wheatgrass. Proceedings on applied botany, genetics and breeding. 2023;184(2):38—51. doi: 10. 30901/2227-8834-2023-2-38-51
  21. Förster E, Rönz B. Metody korrelyatsionnogo i regressionnogo analiza (perevod s nemetskogo V.M. Ivanovoi) [Methods of correlation and regression analysis (translation from German by V.M. Ivanova)]. Moscow; 1983. (In Russ.).
  22. Selyaninov GT. Agricultural climate assessment. Trudy po sel’skokhozyaistvennoi meteorologii. 1928;(20):165—177. (In Russ.).
  23. Gryaznov AA. Yachmen’ Karabalykskii (korm, krupa, pivo) [Karabalyk barley (fodder, cereal, beer)]. Kustanai; 1996. (In Russ.).
  24. Lentochkin AM. Relationship between the productivity level of an ear of spring wheat Iren and its components. In: Century-old plant growing: conference proceedings. Perm; 2023. p.120—125. (In Russ.).
  25. Baranoba EN, Aniskina TS, Sudarikov KA, Besaliev IN. Phenotyping wheat kernel symmetry as a consequence of different agronomic practices. Symmetry. 2024; 16(5):548. doi: 10.3390/sym16050548

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».