Selection of alfalfa variegated on creation of intensive varieties with high fodder productivity: results and prospects

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The research was conducted in 2019-2023 in Belgorod region to assess the dry matter (DM) yield of breeding samples of alfalfa variegated, obtained by repeated selection of biotypes with high fertility in the year of sowing («juvenile samples» - JS-samples), in comparison with the original breeding varieties to select the best ones. Soil - typical chernozem with humus content (according to Tyurin) - 4.8 %, pHsol.- 6.6, P2O5 and K2O content (according to Chirikov) - 122 and 180 mg/kg, respectively. The research was carried out in three plots (2019-2023) with a randomised arrangement of plots, the repetition was fivefold. The plots were double rowed with a length of 3.5 m and row spacing width of 30 cm. Multiple selection from alfalfa varieties (Belgorodskaya 86, Krasnoyaruzskaya 1, Krasnoyaruzskaya 2) resulted in the creation of JS-samples: B-86 JS, K-1 JS and K-2 JS, which differed from the original varieties by rapid development in the first years of life. JS-samples surpassed the initial varieties by 32.1…36.0 % (p<0.05) in terms of DM yield in the year of sowing on average for 2019-2021, and by 16.9…22.0 % (p<0.05) in the second year of life on average for 2020-2022.- by 16.9…22.5 % (p<0.05). The highest DM B yield was characterised by the K-2 JS-samples, with a yield of 490…553 g/m2 in the year of sowing (2019-2021) and 799…939 g/m2 in the second life year (2020-2022). At the same time, ML samples sharply reduced DM yield in the fourth year of life (averaged over 2022-2023). Thus, in B-86 JS-samples it was 56.5 % of the variety Belgorodskaya 86, in K-1 JS - 56.1 % of the variety Krasnoyaruzskaya 1 and in K-2 JS - 54.5 % of the variety Krasnoyaruzskaya 2. The studied JS-samples are promising for creation of intensive type varieties using grass stands of not more than three years of life.

作者简介

V. Kosolapov

Federal Williams Research Center of Forage Production & Agroecology

141055, Moskovskaya obl., Lobnya, ul. Nauchnyigorodok, korp. 1

E. Dumacheva

Federal Williams Research Center of Forage Production & Agroecology

Email: dumacheva63@mail.ru
141055, Moskovskaya obl., Lobnya, ul. Nauchnyigorodok, korp. 1

L. Sajfutdinova

Federal Williams Research Center of Forage Production & Agroecology

141055, Moskovskaya obl., Lobnya, ul. Nauchnyigorodok, korp. 1

参考

  1. Тимошкин О. А. Урожайность и биологическая эффективность возделывания смешанных посевов люцерны изменчивой и костреца безостого // Достижения науки и техники АПК. 2022. Т. 36. № 7. С. 12-18.
  2. Чернявских В. И. Продуктивность бобовых трав и их травосмесей со злаками на черноземе карбонатном эродированном в условиях юго-запада ЦЧР // Кормопроизводство. 2009. № 9. С. 16-19.
  3. Приемы повышения семенной продуктивности люцерны / Ш. М. Абасов, М. Ш. Гаплаев, М. Ш. Абасов и др. // Земледелие. 2021. № 7. С. 40-43.
  4. Результаты изучения нового сорта люцерны изменчивой Сударыня / С. А. Игнатьев, А. А. Регидин, К. Н. Горюнов и др. // Достижения науки и техники АПК. 2022. Т. 36. № 8. С. 25-29.
  5. Володина И. А., Марунова Л. К. Изучение комбинационной способности сортопопуляций люцерны изменчивой (Medicago varia L.) для успешной селекции в условиях Среднего Поволжья // Вестник Ульяновской государственной сельскохозяйственной академии. 2021. № 3 (55). С. 86-95.
  6. Annicchiarico P. Alfalfa forage yield and leaf/stem ratio: Narrow-sense heritability, genetic correlation, and parent selection procedures // Euphytica. 2015. Vol. 205. Р. 409-420. doi: 10.1007/s10681-015-1399-y.
  7. Genomic Prediction for 25 Agronomic and Quality Traits in Alfalfa (Medicago sativa) / C. Jia, F. Zhao, X. Wang, et al. // Front. Plant Sci. 2018. Vol. 9. Article 1220. https://www.frontiersin.org/articles/10.3389/fpls.2018.01220/full (дата обращения 17.10.2023). doi: 10.3389/fpls.2018.01220.
  8. Думачева Е. В., Чернявских В. И. Влияние способа возделывания люцерны гибридной на семенную продуктивность потомства первого поколения на карбонатных почвах Центрально-Чернозёмного региона // Кормопроизводство. 2014. № 2. С. 23-25.
  9. Косолапов В. М., Чернявских В. И., Костенко С. И. Развитие современной селекции и семеноводства кормовых культур в России // Вавиловский журнал генетики и селекции. 2021. Т. 25. № 4. С. 401-407. doi: 10.18699/VJ21.044.
  10. Genomic prediction for canopy height and dry matter yield in alfalfa using family bulks / M. H. M. L. Andrade, J. P. Acharya, J. Benevenuto, et al. // The Plant Genome. 2022. Vol. 15. Article e20235. URL: https://acsess.onlinelibrary.wiley.com/doi/10.1002/tpg2.20235 (дата обращения 17.10.2023). doi: 10.1002/tpg2.20235.
  11. The History of Domestication and Selection of Lucerne: A New Perspective from the Genetic Diversity for Seed Germination in Response to Temperature and Scarification / W. Ghaleb, L. Q. Ahmed, A. J. Escobar-Gutierrez, et al. // Front. Plant Sci. 2021. Vol. 11. Article 578121. URL: https://www.frontiersin.org/articles/10.3389/fpls.2020.578121/full (дата обращения 17.10.2023). doi: 10.3389/fpls.2020.578121.
  12. Breeding Alfalfa (Medicago sativa L.) Adapted to Subtropical Agroecosystems / J. P. Acharya, Y. Lopez, B. T. Gouveia, et al. // Agronomy. 2020. Vol. 10. No. 5. Article 742. URL: https://www.mdpi.com/2073-4395/10/5/742 (дата обращения 17.10.2023). doi: 10.3390/agronomy10050742.
  13. Achievements and Challenges in Improving Temperate Perennial Forage Legumes /P. Annicchiarico, B. Barrett, E. Ch. Brummer, et al. // Critical Reviews in Plant Sciences. 2015. Vol. 34. No. 1-3. Р. 327-380. doi: 10.1080/07352689.2014.898462.
  14. Annicchiarico P., Pecetti L. Comparison among nine alfalfa breeding schemesbased on actual biomass yield gains // Crop Science. 2021. Vol. 61. Р. 2355-2370. doi: 10.1002/csc2.20464.
  15. Миркин Б. М., Усманов И. Ю., Наумова Л. Г. Типы стратегий растений: место в системах видовых классификаций и тенденции развития // Журн. общ. биол. 1999. Т. 60. № 6. С. 581-595.
  16. Grime J. P. Vegetation classification by reference to strategies // Nature. 1974. Vol. 250. No. 5461. P. 26-31. doi: 10.1038/250026a0.
  17. Чернявских В. И. Рекуррентная селекция как основа повышения продуктивности люцерны в Центрально-Чернозёмном Регионе // Кормопроизводство. 2016. № 12. С. 40-44.
  18. Косолапов В. М., Чернявских В. И. Достижения ФНЦ "ВИК имени В. Р. Вильямса" в изучении кормовых растений // Вестник российской сельскохозяйственной науки. 2023. № 1. С. 34-38. doi: 10.31857/2500-2082/2023/1/34-38.
  19. Селекция и семеноводство люцерны и других трав: моногр. / И. К. Ткаченко, Н. А. Сурков, В. И. Чернявских и др. Белгород: Крестьянское дело, 2005. 392 с.
  20. Думачева Е. В., Чернявских В. И. Биологический потенциал бобовых трав в естественных сообществах эрозионных агроландшафтов Центрального Черноземья // Кормопроизводство. 2014. № 4. С. 8-11.
  21. Legume Seed Production Meeting Market Requirements and Economic Impacts / B. Boelt, B. Julier, D. Karagic, et al. // Critical Reviews in Plant Sciences. 2015. Vol. 34. No. 1-3. Р. 412-4427. doi: 10.1080/07352689.2014.898477.
  22. Development of a Model, Selection and Evaluation of the Source Material for the Plant Breeding of Alfalfa Varieties with Increased Seed Productivity / G. T. Ualiyeva, U. M. Sagalbekov, M. E. Baidalin, et al. // OnLine Journal of Biological Sciences. 2022. Vol. 22. No. 1. Р. 139-148. doi: 10.3844/ojbsci.2022.139.148.
  23. Экологическое изучение сортообразцов люцерны различного географического происхождения в условиях юга Среднерусской возвышенности / М. А. Тормозин, В. И. Чернявских, Л. Д. Сайфутдинова и др. // Российская сельскохозяйственная наука. 2023. № 1. С. 20-24.
  24. Методические указания по изучению коллекции многолетних кормовых трав / сост.: П. А. Лубенец, А. И. Иванов, Ю. И. Кириллов и др. Л.: ВИР, 1979. 42 с.
  25. Доспехов Б. А. Методика полевого опыта: (С основами статистической обработки результатов исследований). М.: Книга по Требованию, 2012. 352 с.
  26. UPOV TG/6/4 "Guidelines For The Conduct Of Tests For Distinctness, Homogeneity And Stability (Medicago sativa L. & Medicago X varia Martyn)". Original: English/anglais/englisch Date/Datum: 1988-10-21. URL: https://www.upov.int/edocs/tgdocs/en/tg006_04.pdf (дата обращения: 18.10.2023).
  27. Лакин Г. Ф. Биометрия. М.: Высш. школа, 1990. 352 с.
  28. Тормозин М. А., Чернявских В. И. Реализация продуктивного потенциала популяций Medicago varia Mart. в условиях среднего Урала // Кормопроизводство. 2022. № 10. С. 18-22. doi: 10.31857/S2500262723010040

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Russian Academy of Sciences, 2023

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».