Сравнительная характеристика сортов люцерны изменчивой и посевной различного эколого-географического происхождения в агроклиматических условиях Северного Прикаспия

Обложка

Цитировать

Полный текст

Аннотация

 Для восстановления сильно деградированных малопродуктивных естественных кормовых угодий, увеличения кормовой ценности, создания многолетних культурных пастбищ и сенокосов, а также предотвращения эрозии почв в аридных регионах России необходимо изучать адаптивный потенциал различных видов и сортов люцерны и использовать для рекультивации высокопитательные, высокоурожайные, засухоустойчивые, зимостойкие сорта, способные произрастать в экстремальных условиях. Цель исследования — адаптационная оценка и подбор сортов и видов люцерны для использования в реставрации аридных деградированных пастбищных экосистем в полупустынной зоне юга России. В однофакторном полевом опыте в 2020–2021 гг. изучили 44 сортобразца люцерны из коллекции ФИЦ «Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова». Исследования проводили в соответствии с методиками А.И. Иванова и др., 1985; Б.А. Доспехова, 1985; И.Г. Грингофа, Ю.С. Лынова, 1991; ВНИИ кормов, 2015. По результатам второго года конкурсного испытания люцерны для изучения на втором этапе выделили 29 образцов, превысивших показатели стандарта по продуктивности зеленой массы и семян, в т. ч. и несущественные. Лучшими по урожайности зеленой массы в сравнении со стандартом выделены только 6 образцов: люцерна изменчивая Пестрая 57, Приуральская, Кизлярская; люцерна посевная Каракалпакская 37, Каракалпакская 15, Mex-­Son. Из 43 изучаемых образцов 19 превысили семенную продуктивность стандарта на 9,0…154,9 г/м2, но существенно выше были показатели только у 9 образцов (люцерна посевная Kust, King, Zia, Каракалпакская 37, Иртышская; люцерна изменчивая Карагандинская 1; Кизлярская, Кизлярская синегибридная, Флора 2). Два образца: люцерна изменчивая Кизлярская и люцерна посевная Каракалпакская 37 — показали достоверное превышение по сравнению со стандартом и по урожайности зеленой массы, и по семенной урожайности. Планируется продолжить изучение выделившихся образцов для использования их в селекционной работе.

 

Об авторах

Галина Константиновна Булахтина

Прикаспийский аграрный федеральный научный центр Российской академии наук

Email: gbulaht@mail.ru
ORCID iD: 0000-0001-8949-8666
SPIN-код: 4070-8492

кандидат сельскохозяйственных наук, заведующая отделом рационального природопользования

416251, Российская Федерация, Астраханская область, Черноярский район, с. Соленое Займище, квартал Северный, д. 8

Наталья Ивановна Кудряшова

Прикаспийский аграрный федеральный научный центр Российской академии наук

Автор, ответственный за переписку.
Email: stone79.79@list.ru
ORCID iD: 0000-0003-0195-3869
SPIN-код: 2816-8178

кандидат сельскохозяйственных наук, заведующая лабораторией лугопастбищных, аридных и пойменных экосистем отдела рационального природопользования

416251, Российская Федерация, Астраханская область, Черноярский район, с. Соленое Займище, квартал Северный, д. 8

Екатерина Викторовна Хюпинина

Прикаспийский аграрный федеральный научный центр Российской академии наук

Email: lapinaekaterina_87@mail.ru
ORCID iD: 0000-0002-3449-8658
SPIN-код: 8350-7854

младший научный сотрудник отдела рационального природопользования

416251, Российская Федерация, Астраханская область, Черноярский район, с. Соленое Займище, квартал Северный, д. 8

Список литературы

  1. Kasatkina NI, Nelyubina ZS, Churakov PL. Introduction of perspective grades — the important reserve increases of the crop of lucerne changeable. In: Multifunctional adaptive feed production: conference proceedings. Moscow; 2013. p.188–192. (In Russ.).
  2. Alaru M, Talgre L, Eremeev V, Tein B, Luik A, Nemvalts A, Loit E. Crop yields and supply of nitrogen compared in conventional and organic systems. Agricultural and Food Science. 2014;23(4):317–326. doi: 10.23986/afsci.46422
  3. Ma XT, Liao JA, Zhao JF. A meta-analysis of the effects on soil quality in Xinjiang (China) orchards after grass cultivation. Applied ecology and environmental research. 2023;21(3):1891–1902. doi: 10.15666/aeer/2103_18911902
  4. Maisak GP, Avdeev NV, Startseva AV, Ivanova KY. Accumulation of organic matter and mineral nutrition elements during long-term cultivation of perennial grasses on soddy-­podzolic soil in the Perm region. Zemledelie. 2023;(7):16–19. (In Russ.). doi: 10. 24412/0044–3913–2023–7–16–19
  5. Shamsutdinov ZS. Forage crops selection: progress and challenges. Agricultural Biology. 2014;(6):36–45. (In Russ.). doi: 10.15389/agrobiology.2014.6.36rus
  6. Drinkwater LE, Midega CA, Awuor R, Nyagol D, Khan ZR. Perennial legume intercrops provide multiple belowground ecosystem services in smallholder farming systems. Agriculture, Ecosystems and Environment. 2021;320:107566. doi: 10.1016/j.agee.2021.107566
  7. Epifanova IV, Timoshkin OA, Lapina MS. Selection of alfalfa for the forest-­steppe conditions of the Middle Volga region. International agricultural journal. 2016;(6):53–56. (In Russ.).
  8. Kharalgina OS. green mass yield and variable alfalfa productivity in the Tyumen region northern forest-­steppe. Bulletin KrasSAU. 2021;(12):110–115. (In Russ.). doi: 10.36718/1819–4036–2021–12–110–115
  9. Ma XT, Liao JA, Zhao JF. Knowledge mapping of Alfalfa research — a visual analysis using citespace. Applied ecology and environmental research. 2023;21(3):1903–1916. doi: 10.15666/aeer/2103_19031916
  10. Mela T, Sormunen-­Cristian R, Nickanen V. Experiences of the yellow-­flowered lucerne (Medicago falcata L.) in Finland. Grassland and Land Use Systems. Proceedings of the 16th General Meeting of the European Grassland Federation, Grado (Gorizia), Italy, September 15–19, 1996. 1996. p.515–519.
  11. Sottie ET, Acharya SN, McAllister Т, Iwaasa АD, Thomas J, Wang Y. Performance of alfalfa-­sainfoin mixed pastures and grazing steers in western Canada. The Professional Animal Scientist. 2017;33(4):472–482. doi: 10.15232/pas.2016–01560
  12. Dedov AA, Dedov AV, Nesmeyanova MA. Cultivating alfalfa for fodder production. Fodder Production. 2016;(12):24–27. (In Russ.).
  13. Nagibin AE, Tormozin MA, Zyryanceva AA. Breeding work with alfalfa in the Middle Urals. Agrarian bulletin of the Urals. 2015;(7):20–24. (In Russ.).
  14. Naidovich VA, Naidovich RI, Malyutov MP. Alfalfa selection in the Volga region. Bulletin of botanic garden of Saratov state university. 2002;(1):176–181. (In Russ.).
  15. Aponte A, Samarappuli D, Berti MT. Alfalfa–grass mixtures in comparison to grass and alfalfa monocultures. Agronomy Journal. 2019;111:628–638. doi: 10.2134/agronj2017.12.0753

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


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».