Изменчивость продуктивности образцов арахиса (Arachis hypogaea L.) при эколого-географическом испытании

Полный текст

АКТУАЛЬНОСТЬ

Для ускорения темпов селекции и создания сортов и гибридов с более широким адаптивным потенциалом используют эколого-географическую сеть опытных станций и сортоиспытательных участков. Н.И. Вавилов подчеркивал, что необъятный простор и разнообразие условий нашей страны неизбежно приводят исследователя к географическому подходу в решении селекционных задач [1]. За счет использования эколого-географической сети сотрудникам ВИРа удалось оценить потенциальную урожайность и экологическую устойчивость большого числа перспективных сортов и выделить доноры по важнейшим признакам: устойчивости к засухе, холоду, различным грибам, бактериям, вирусам, насекомым и др. Потепление климата привело к осеверению многих культур [2, 3]. Было показано, что южные масличные культуры, в том числе арахис, можно успешно выращивать на юге России в условиях Краснодарского края и Астраханской области [4]. Арахис — источник высококачественных белка и жиров. В семенах содержание масла колеблется от 44 до 56 % и 22–30 % белка [5, 6]. Масло арахиса — одно из лучших растительных пищевых масел. Его используют для приготовления салатов, в консервной и масложировой промышленности, фармакологии, а также в технических целях. Арахис как пропашная культура способствует очищению полей от сорняков, а как зернобобовая культура — при обработке семян нитрагином повышает плодородие почвы за счет усвоения биологического азота воздуха [7]. В России первые попытки возделывания арахиса относятся к 1825 г. В 1940 г. посевы арахиса в стране достигали 23,1 тыс. га. Во Всесоюзном научно-исследовательском институте масличных культур в Краснодаре были созданы сорта арахиса ВНИИМК 344, ВНИИМК 433, Испанский улучшенный, Краснодарец 14 и др. В начале 2000-х годов возделывание арахиса в нашей стране прекратилось [8]. Прекращена и селекционная работа. В то же время импорт арахиса в Россию превышает 100 тыс. т ежегодно [4].

Арахис — теплолюбивое, влаголюбивое и светолюбивое растение, требовательное к плодородию и рыхлости почвы. Подходящими для выращивания арахиса считаются плодородные, равнинные, песчаные и слабоглинистые черноземы, не образующие корки после дождя [9]. Для развития ему необходимы суммы положительных температур 2600–3500 °C. Арахис является растением южных широт, температурный минимум для прорастания 12–14 °C, культура способна произрастать при температуре воздуха до 37–39 °C, оптимальные температуры 22–28 °C [10, 11]. Критический период по отношению к воде наступает в период массового цветения и плодообразования. В настоящее время арахис выращивается в районах между 40° северной и 40° южной широты, особенно в районах с большим количеством осадков. Две трети мирового количества арахиса выращивают в основном в районах с достаточным количеством осадков [12]. Коллекция ВИР насчитывает 1823 образца культурного арахиса из 74 стран. В коллекции представлены все сортотипы, описанные в литературе. Образцы коллекции различаются по продуктивности, размеру семян и бобов, количеству семян в бобе, окраске семенной кожуры, вкусовым качествам [13], жирнокислотному составу [14]. Использование мировых генетических ресурсов арахиса будет способствовать возрождению селекционной работы и возделыванию культуры в России.

Эколого-географические испытания позволяют исследовать стабильность и пластичность сортов. Существуют три основные концепции экологической стабильности. Генотип считается стабильным, если: 1) межсредовая варианса мала; 2) ответ на среду параллелен среднему ответу всех генотипов в опыте; 3) остаточная ошибка от регрессии на средовой индекс мала [15].

Важное направление современной селекции растений — создание сортов с высокой продуктивностью и стабильным проявлением этого признака в разных экологических условиях.

Цель — выявление новых перспективных образцов в качестве исходного материала для селекции на юге России по результатам эколого-географических испытаний и изучения коллекционных образцов арахиса по продуктивности в условиях Краснодарского края (Кубанская опытная станция, филиал ВИР — КОС) и Астраханской обл., Нижнее Поволжье (ФГБНУ «Прикаспийский аграрный федеральный научный центр Российской академии наук» — ПАФНЦ).

МАТЕРИАЛЫ И МЕТОДЫ

Для исследования хозяйственно ценных признаков было проведено эколого-географическое испытание в двух пунктах, контрастных по климатическим и почвенным условиям — КОС (Краснодарский край; 45,2N, 40,8E) и ПАФНЦ (Астраханская обл.; 46,3N, 44,3E). Климат Астраханской области — засушливый континентальный [16], Краснодарского края в месте эксперимента — умеренный континентальный [17]. КОС расположена в зоне степей, почва — чернозем. Арахис выращивается без полива. ПАФНЦ находится в зоне полупустынь, почвы светло-каштановые, разной степени солонцеватости. Арахис выращивается при поливе. Для проведения эколого-географических испытаний было отобрано 30 образцов коллекции ВИР, различающихся по географическому происхождению, сортотипам, морфологическим признакам бобов и семян и хозяйственно ценным признакам. Посев образцов и анализ признаков выполнены согласно методическим указаниям по изучению арахиса (Arachis hypogeea L.) [13]. Получены данные за три года (2019–2021) в двух пунктах (шесть сред). В этой публикации мы обсуждаем изменчивость продуктивности и одного из основных признаков, от которого зависит продуктивность, — вызреваемости. В качестве стандарта использовали районированный сорт Отрадокубанский.

Продуктивность — масса бобов с одного растения — вычисляли как среднее значение по данным 10 растений с делянки. Вызреваемость — это процент развитых (зрелых) бобов на растении, которая рассчитывается по формуле (1):

$C=\frac{в}{а}\cdot \mathrm{100,}$ (1)

где С — вызреваемость бобов образца; а — общее число бобов на одном растении; в — число зрелых бобов на одном растении.

Для оценки стабильности использовали характеристики продуктивности: стандартное отклонение (s), коэффициент вариации (C_v) и коэффициент регрессии на условия среды по Эберхарту и Расселу (β_i) [15, 18].

Эберхарт и Рассел (1966) [18] предложили регрессионный подход для оценки стабильности. Рассматривается следующая модель (2):

$Y_{ij}={\text{μ}}_i+{\text{β}}_i{I}_j+{\text{δ}}_{ij}$ (2)

где Y_ij — среднее значение урожайности i-го сорта в j-й среде (i = 1, … v; j = 1, … n); µ_i — среднее значение i-го сорта по всем средам; β_i — коэффициент регрессии, который измеряет реакцию i-го сорта к изменяющимся условиям; δ_ij — отклонение от регрессии i-го сорта в j-й среде; I_j — экологический индекс j-й среды, рассчитываемый по формуле (3):

$I_j=\frac{{\displaystyle {\sum }_i{Y}_{ij}}}{v}-\frac{{\displaystyle {\sum }_i{\sum }_j{Y}_{ij}}}{vn}.$ (3)

Коэффициент регрессии β_i является первым параметром стабильности генотипа:

$b_i=\frac{{\displaystyle {\sum }_j{Y}_{ij}{I}_j}}{{\displaystyle {\sum }_j{I}_j^2}}$ (4)

Второй параметр стабильности — дисперсия отклонения от линии регрессии:

$s_{d_i}^2=\frac{{\displaystyle {\sum }_j{\widehat{\delta }}_{ij}^2}}{n-2}-\frac{s_e^2}{r}$ (5)

где $s_e^2$ — оценка объединенной ошибки; r — количество повторений. Сумма квадратов отклонений от линии регрессии вычисляется по формуле:

${{\sum }_j}_{ij}^2=\left({\sum }_j{Y}_{ij}^2-{\left({\sum }_j{Y}_{ij}\right)}^2/n\right)-{\left({\sum }_j{Y}_{ij}{I}_j\right)}^2/{\sum }_j{I}_j^2$ (6)

Генотип с β_i = 1, $s_{d_i}^2=0$ считается стабильным.

Коэффициент регрессии служит мерой фенотипической стабильности. Считается, что если β_i > 1, то сорт обладает повышенной чувствительностью к изменению среды (стабильность ниже средней); если β_i близок к 1 — сорт среднестабилен; при β_i < 1 стабильность выше средней; β_i = 0 — сорт абсолютно фенотипически стабилен [19]. В работе использован однофакторный дисперсионный анализ для сравнения продуктивности в шести средах, чтобы показать контрастность климатических и почвенных условий двух точек проведения опыта в Краснодарском крае (КОС) и в Астраханской области (ПАФНЦ).

Анализ вызреваемости проводили с применением непараметрического критерия Краскела – Уоллиса, поскольку встречались значения этого показателя, близкие к 100 %.

Погодные условия эксперимента

Источниками метеоданных для ПАФНЦ является метеостанция Черный Яр (код ВМО 34578, 15 км от места опыта) и метеопункт КОС, расположенный на полях Кубанской станции. В годы эксперимента средняя сумма положительных температур в ПАФАНЦ составила 3845 °C, в КОС 3756 °C, достоверных различий между пунктами наблюдений не зафиксировано (р = 0,413). Значительные различия (р = 0,018) средних за три года наблюдались по суммам осадков: в ПАФНЦ средняя сумма осадков за период с температурами выше 10 °C была достоверно (р = 0,018) ниже, 120 мм, чем в КОС, 387 мм (рис. 1).

 

Рис. 1. Агрометеорологические условия эксперимента — сумма положительных температур выше 10 °С и сумма осадков за период с температурами выше 10 °С в Прикаспийском аграрном федеральном научном центре (ПАФНЦ) и на Кубанской опытной станции (КОС) в 2019–2021 гг.

 

РЕЗУЛЬТАТЫ

При использовании однофакторного дисперсионного анализа выявлено, что фактор «среда» (под которым понимаются 6 сочетаний пункт/год) оказал влияние на продуктивность на уровне значимости р < 0,001 (рис. 2, табл. 1).

 

Рис. 2. Агробиологические показатели 30 образцов арахиса при выращивании в Прикаспийском аграрном федеральном научном центре (ПАФНЦ) и на Кубанской опытной станции (КОС) в 2019–2021 гг.: а — продуктивность; b — вызреваемость бобов. Показаны: минимальное, максимальное значения, квартили, медиана

 

Таблица 1. Однофакторный дисперсионный анализ влияния шести сред на продуктивность 30 образцов арахиса

Table 1. One-factor analysis of variance of the influence of six media on the productivity of 30 samples of peanuts

Показатель	SS		df		MS		F	p
	Effect	Error	Effect	Error	Effect	Error
Продуктивность, г	22627,65	31382,07	5	174	4525,53	180,36	25,092	5 · 10–19

 

Наибольшая средняя продуктивность (по критерию Тьюки) была на КОС в 2019 г. (44,9 г/растение) и в 2021 г. (41,6 г/растение), что было обусловлено достаточным количеством осадков в июне. Продуктивность в остальных вариантах была достоверно ниже: КОС в 2020 г. — 17,8 г/растение; ПАФНЦ в 2021 г. — 15,8 г/растение; ПАФНЦ в 2019 г. — 22,6 г/растение; ПАФНЦ в 2020 г. — 27,5 г/растение. Продуктивность в КОС характеризовалась значительной межсортовой вариабельностью. Средняя продуктивность в ПАФНЦ составила 21,9 г/растение, в КОС — 34,8 г/растение, но различия между ними были недостоверны на фоне значительной межгодовой вариабельности, р = 0,235 (табл. 2).

 

Таблица 2. Однофакторный дисперсионный анализ влияния двух пунктов исследования на продуктивность и вызреваемость бобов образцов арахиса за 3 года исследования

Table 2. One-factor analysis of variance of the effect of two points of the study on the productivity and ripeness of beans of peanut samples for 3 years of the study

Показатель	SS		df		MS		F	p
	Effect	Error	Effect	Error	Effect	Error
Продуктивность, г	247,65	506,61	1	4	247,65	126,65	1,955	0,235

 

Продуктивность в ПАФНЦ и КОС не коррелировала, r = –0,02 (рис. 3).

 

Рис. 3. Корреляция продуктивности образцов арахиса на Кубанской опытной станции (КОС) и в Прикаспийском аграрном федеральном научном центре (ПАФНЦ). Сплошная линия — линия регрессии

 

Опыт в столь контрастных условиях позволил выявить пластичные и стабильные по продуктивности генотипы (табл. 3). Продуктивность — сильно варьирующий признак. Коэффициент регрессии на условия среды β_i [формула (4)] варьировал в выборке 30 образцов от –0,1 до 3,2. Остаточная дисперсия регрессии на средовой индекс $s_{d_i}^2$ [формула (5)] варьировала от 3,1 до 1102,6, в среднем составила 115,8.

Наиболее стабильные по Эберхарту и Расселу генотипы имеют β_i = 1 и $s_{d_i}^2$= 0. С учетом минимальности коэффициента вариации (C_v) к таким могут быть отнесены генотипы: к-178, к-24, к-1697, к-300, к-175, к-793, к-433, к-179.

Образцы, сильно реагирующие на условия среды, имеют высокие значения β_i. К таким относятся 8 образцов верхнего квартиля распределения с β_i от 1,3 до 3,2: к-283, к-1533, к-46, к-1157, к-626, к-1987, к-41, среди них есть и показавшие тенденцию к высокой продуктивности (к-1987 — сорт-стандарт Отрадокубанский) на КОС. Такие генотипы лучше проявляют себя в узком диапазоне благоприятных сред, но уменьшают урожайность при отклонении от узкой зоны оптимума [15, 20–22].

Различия между шестью средами исследования по вызреваемости были достоверны (р < 0,001). Наблюдаются также достоверные различия пунктов по результатам трех лет исследований (р = 0,032), которые составили в среднем в ПАФНЦ 88,2 %, в КОС 55,7 %. Высокая вызреваемость в ПАФНЦ, вероятно, обусловлена выращиванием при поливе, а также механическим составом суглинистых почв, так как созревание бобов арахиса происходит в земле (после окончания цветения образуется гинофор, с помощью которого зародыш перемещается из надземного положения в подземное). Наибольшие значения вызреваемости отмечены в обоих пунктах в 2020 г. (табл. 3), что связано с наименьшим количеством осадков в период созревания, в августе–октябре (рис. 1). Вызревание бобов составило в 2020 г. в ПАФАНЦ 92,5 %, что достоверно не отличается от 2019 г. (86,9 %), но выше значений этого показателя во все годы эксперимента в КОС (2019 г. — 61,6 %, 2020 г. — 68,8 %, 2021 г. — 36,7 %). По вызреваемости нет достоверных различий между образцами ни в КОС (р = 0,997), ни в ПАФНЦ (р = 0,226). Однако в качестве наиболее перспективных могут быть предложены образцы, показавшие наилучшие значения в данном опыте (табл. 4).

 

Таблица 3. Стабильность продуктивности образцов арахиса в разных пунктах исследования

Table 3. Productivity stability of peanut samples at different points of the study

Номер по каталогу	Происхождение	Продуктивность			Cv, %	βi
		ПАФНЦ	КОС	средняя
53	США	14,9 ± 1,9	19,9 ± 7,2	17,4 ± 3,5	49,3	–0,1	91,4
868	Уганда	29,4 ± 3,3	35,9 ± 3,8	32,6 ± 2,7	20,0	0,0	53,1
1026	Мали	26,5 ± 5,9	15,5 ± 3,9	21,0 ± 4,0	46,7	0,1	118,6
317	Зимбабве	29,6 ± 5,7	25,5 ± 7,6	27,6 ± 4,3	38,5	0,2	131,7
319	Узбекистан	19,3 ± 5,7	26,1 ± 2,6	22,7 ± 3,2	34,4	0,4	39,7
416	Аргентина	22,4 ± 6,6	23,1 ± 5,2	22,8 ± 3,8	40,4	0,4	80,8
1547	Мадагаскар	22,9 ± 10,0	34,0 ± 4,0	28,4 ± 5,4	46,7	0,5	170,2
903	Танзания	24,4 ± 4,9	23,1 ± 6,3	23,7 ± 3,6	36,7	0,5	45,1
939	Бразилия	23,1 ± 8,5	23,8 ± 6,9	23,5 ± 4,9	51,3	0,6	104,2
354	Узбекистан	17,9 ± 4,0	27,6 ± 7,7	22,8 ± 4,4	48,0	0,7	62,8
3	США	18,9 ± 5,1	28,3 ± 7,4	23,6 ± 4,5	46,9	0,7	62,3
178	США	25,2 ± 6,6	32,7 ± 6,3	29,0 ± 4,4	37,2	0,8	27,3
1027	Мали	30,4 ± 7,8	29,1 ± 14,7	29,8 ± 7,4	61,2	0,8	281,7
24	Узбекистан	15,2 ± 4,7	32,2 ± 6,2	23,7 ± 5,1	53,4	0,9	39,9
1697	Вьетнам	19,1 ± 3,2	34,9 ± 7,1	27,0 ± 4,9	44,9	0,9	25,8
300	Трансвааль	18,6 ± 7,2	31,3 ± 7,6	25,0 ± 5,5	53,7	1,0	52,8
175	Бразилия	22,5 ± 1,9	35,1 ± 11,3	28,8 ± 5,9	50,0	1,0	84,3
793	Россия	31,5 ± 2,0	37,6 ± 13,0	34,6 ± 6,0	42,9	1,0	89,5
433	Сенегал	18,3 ± 3,2	32,5 ± 9,0	25,4 ± 5,3	51,2	1,1	3,1
202	Сев. Манчжурия	23,8 ± 2,6	44,6 ± 11,9	34,2 ± 7,1	51,2	1,1	134,2
597	Канада	24,2 ± 7,8	27,9 ± 11,8	26,1 ± 6,4	59,8	1,1	75,3
179	США	19,9 ± 3,0	34,8 ± 10,5	27,3 ± 5,9	52,9	1,2	7,8
283	Узбекистан	14,7 ± 2,4	42,7 ± 8,8	28,7 ± 7,5	63,8	1,3	84,5
1533	Мадагаскар	18,1 ± 4,8	41,2 ± 14,8	29,7 ± 8,7	71,4	1,5	107,7
751	Португалия	20,9 ± 3,4	45,9 ± 11,3	33,4 ± 7,7	56,4	1,5	29,6
46	США	18,5 ± 7,3	34,0 ± 14,5	26,2 ± 8,0	75,1	1,6	25,9
1157	Камерун	16,8 ± 6,8	52,1 ± 9,5	34,4 ± 9,5	67,3	1,7	109,3
626	Индия	21,1 ± 4,4	41,2 ± 16,9	31,1 ± 9,0	70,8	1,7	68,6
1987	Россия	28,2 ± 0,6	61,1 ± 25,0	44,7 ± 13,4	73,5	2,5	163,5
41	США	21,8 ± 5,6	70,2 ± 37,4	46,0 ± 20,1	106,9	3,2	1102,6
Примечание. КОС — Кубанская опытная станция; ПАФНЦ — Прикаспийский аграрный федеральный научный центр; Cv — коэффициент вариации; βi — коэффициент регрессии продуктивности на среду исследования; $s_{d_i}^2$ — остаточная дисперсия регрессии на средовой индекс. Образцы отсортированы в порядке возрастания βi.

 

Таблица 4. Вызреваемость образцов арахиса (%) в контрастных климатических условиях в разных пунктах исследования в 2019–2021 гг.

Table 4. The maturation of peanut samples (%) in contrasting climatic conditions at different points of the study in 2019–2021

Номер по каталогу	Происхождение	ПАФНЦ		КОС
		среднее	Cv, %	среднее	Cv, %
3	США	92,7 ± 3,4	6,4	64,0 ± 10,0	27,2
24	Узбекистан	91,0 ± 1,7	3,3	46,8 ± 13,9	51,5
41	США	81,5 ± 6,0	12,7	47,8 ± 5,5	20,1
46	США	83,5 ± 5,0	10,5	46,5 ± 1,9	7,2
53	США	86,6 ± 3,7	7,4	56,2 ± 8,8	27,2
175	Бразилия	95,3 ± 3,4	6,1	56,1 ± 4,8	14,7
178	США	83,5 ± 6,0	12,4	47,9 ± 14,8	53,5
179	США	86,5 ± 4,5	9,0	58,3 ± 11,9	35,2
202	Сев. Манчжурия	78,9 ± 5,4	11,8	60,5 ± 12,2	35,0
283	Узбекистан	91,4 ± 2,6	4,9	54,0 ± 15,5	49,8
300	Трансвааль	95,3 ± 2,2	4,0	64,4 ± 17,9	48,1
317	Южная Родезия	90,1 ± 1,1	2,0	62,1 ± 6,2	17,2
319	Узбекистан	86,4 ± 3,1	6,2	61,9 ± 11,9	33,2
354	Узбекистан	86,1 ± 1,9	3,8	54,8 ± 13,6	43,1
416	Аргентина	90,8 ± 3,0	5,8	47,9 ± 12,1	43,6
433	Сенегал	88,5 ± 4,1	8,0	55,3 ± 13,9	43,4
597	Канада	80,7 ± 13,8	29,5	68,3 ± 4,6	11,7
626	Индия	92,5 ± 3,5	6,6	60,3 ± 18,1	52,0
751	Португалия	79,3 ± 4,6	10,1	49,4 ± 15,3	53,8
793	Россия	94,6 ± 1,3	2,4	59,7 ± 9,9	28,8
868	Уганда	88,9 ± 1,0	2,0	63,6 ± 14,1	38,5
903	Танзания	91,9 ± 2,4	4,4	56,9 ± 17,0	51,7
939	Бразилия	91,2 ± 3,3	6,4	53,5 ± 12,5	40,5
1026	Мали	89,6 ± 4,1	8,0	52,7 ± 6,1	20,0
1027	Мали	86,2 ± 5,3	10,7	51,3 ± 10,4	35,1
1157	Камерун	85,4 ± 3,5	7,1	56,9 ± 9,6	29,2
1533	Мадагаскар	92,4 ± 0,5	0,9	56,5 ± 9,9	30,3
1547	Мадагаскар	88,6 ± 0,4	0,8	56,8 ± 17,5	53,5
1697	Вьетнам	86,7 ± 2,6	5,3	51,8 ± 9,6	32,0
1987	Россия	88,6 ± 3,0	5,8	48,0 ± 7,1	25,6
Примечание. Приведены средние показатели за 3 года. КОС — Кубанская опытная станция; ПАФНЦ — Прикаспийский аграрный федеральный научный центр

 

В ПАФНЦ показатель вызреваемости (85,1–92,5 %) во все годы был выше, чем в КОС (36,7–68,8 %). Высокие результаты в ПАФНЦ (более 90 %) можно отметить у образцов к-3, к-24, к-175, к-283, к-300, к-317, к-416, к-626, к-793, к-903, к-939, к-1533. Коэффициент вариации этого признака ниже в ПАФНЦ. Высокая вызреваемость в двух точках исследования отмечена для образцов: к-3 (США), к-175 (Бразилия), к-300 (Трансвааль), к-317 (Южная Родезия), к-626 (Индия), к-793 (Россия) и к-1533 (Мадагаскар).

ОБСУЖДЕНИЕ

В статье представлены данные по изучению коллекционных образцов арахиса по пластичности и стабильности признака продуктивности с использованием метода Эберхарта и Рассела [18]. Опыт в контрастных условиях (две географические точки за три года изучения) позволил выявить пластичные и стабильные по продуктивности генотипы. Стабильность по продуктивности — селекционно значимый признак. Выявлено 8 наиболее стабильных образцов арахиса: к-24 (Узбекистан), к-175 (Бразилия), к-178, к-179 (США), к-300 (Трансвааль), к-433 (Сенегал), к-793 (Россия), к-1697 (Вьетнам). Образцы, сильно реагирующие на условия среды: к-41, к-46 (США), к-283 (Узбекистан), к-626 (Индия), к-1157 (Камерун), к-1533 (Мадагаскар), к-1987 (Отрадокубанский, Россия). Выявлены пластичные образцы: к-283 (Узбекистан), к-626 (Индия), к-751 (Португалия), к-1533 (Мадагаскар), к-1987 (Отрадокубанский, Россия). Пластичность сорта — это свойство формировать удовлетворительный урожай при выращивании в разных условиях.

Для изучения экологической пластичности и стабильности по методу Эберхарта и Рассела [18] использовали зерновые, бобовые и другие культуры. В статье Л.Г. Белявской и соавт. [23] представлен анализ экологической пластичности сортов сои по Эберхарту и Расселу с применением коэффициента регрессии в разных климатических условиях Украины, что позволило определить регионы, наиболее благоприятные для выращивания новых сортов. Р.А. Биктимиров и А.А. Низаева [24] изучали экологическую пластичность и стабильность урожайности зернового сорго в условиях Предуральской степи Республики Башкортостан. Опыт проведен в одной точке выращивания, но в разные годы (2015–2019). Метеоусловия в годы исследований по температурному и водному режимам были различны, что позволило оценить линии в контрастных условиях возделывания. Исходя из комплексной оценки по величине экологической пластичности и стабильности выявлены высокоинтенсивные сорта, характеризующиеся стабильной урожайностью. С использованием этих же методов [15, 18] оценивали параметры пластичности и стабильности для урожайности и продуктивности сортов ярового ячменя в условиях Нечерноземной зоны в Московской и Рязанской областях [25]. На основании полученных данных определены сорта ячменя с более сильной отзывчивостью на изменение условий и сорта с низкой способностью отзываться на улучшение условий выращивания. Изучалась стабильность селекционно значимых признаков образцов овса и ячменя в контрастных условиях выращивания Санкт-Петербурга и Тамбовской области [22].

ЗАКЛЮЧЕНИЕ

В результате исследования установлено, что для возделывания арахиса подходят южные регионы России, а именно Астраханская область и Краснодарский край. Выделены образцы арахиса, которые более продуктивны в Астраханской области, другие — в Краснодарском крае. Образцы к-317 и к-868 отмечены как самые высокопродуктивные в ПАФНЦ, а образцы к-283 и к-1157 показали высокую продуктивность на КОС. На орошаемых землях урожай более стабилен, но продуктивность отдельных образцов выше на более плодородных почвах Краснодарского края. Установлено, что условия большей увлажненности КОС способствовали меньшей вызреваемости бобов, при этом продуктивность достоверно не различалась. Продуктивность образцов арахиса КОС в 2019 и 2021 гг. достигала существенно больших значений, чем в других исследованных средах и характеризовалась в эти годы большим размахом изменчивости между образцами.

Выявлены стабильные по продуктивности генотипы, которые могут служить исходным материалом для селекции новых отечественных сортов арахиса: к-24 (Узбекистан), к-175 (Бразилия), к-178, к-179 (США), к-300 (Трансвааль), к-433 (Сенегал), к-793 (Россия), к-1697 (Вьетнам).

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Благодарности. Исследования проведены с использованием оборудования ресурсного центра Научного парка СПбГУ «Развитие молекулярных и клеточных технологий».

Вклад авторов. Все авторы внесли существенный вклад в разработку концепции, проведение исследования и подготовку статьи, прочли и одобрили финальную версию перед публикацией. Личный вклад каждого автора: В.Д. Бемова — подготовка полевого опыта, сбор первичных данных, обработка данных полевых исследований, анализ и обсуждение полученных данных, написание текста, библиография; Т.В. Якушева — посев образцов арахиса на Кубанской опытной станции — филиале ВИР, уход за посевами, уборка, сбор первичных данных; М.Ш. Асфандиярова — посев образцов арахиса в Прикаспийском аграрном федеральном научном центре РАН, уход за посевами, уборка, сбор первичных данных; В.А. Гаврилова — концепция и дизайн исследования, планирование полевых опытов, написание текста; Н.В. Кишлян — подготовка полевого опыта, анализ и обсуждение полученных данных, обзор литературы; Л.Ю. Новикова — математическая обработка данных, их анализ, написание текста.

Источник финансирования. Исследование выполнено при поддержке РНФ (грант № _21-14-00050_).

Конфликт интересов. Авторы заявляют об отсутствии потенциального конфликта интересов, требующего раскрытия в данной статье.

Об авторах

Виктория Дмитриевна Бемова

Федеральный исследовательский центр Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова; Санкт-Петербургский государственный университет

Автор, ответственный за переписку.
Email: viktoria.bemova@yandex.ru
ORCID iD: 0000-0002-9574-0356
SPIN-код: 7086-1840

лаборант-исследователь, отдел ГР масличных и прядильных культур

Россия, Санкт-Петербург; Санкт-Петербург

Тамара Владимировна Якушева

Федеральный исследовательский центр Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова; Кубанская опытная станция — филиал Всероссийского института генетических ресурсов растений им. Н.И. Вавилова

Email: yakusheva.vir@yandex.ru
ORCID iD: 0000-0002-2661-2377
SPIN-код: 4016-5033

мл. научн. сотр.

Россия, Санкт-Петербург; п. Ботаника, Краснодарский край

Мунира Шаймордановна Асфандиярова

Федеральный исследовательский центр Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова; Прикаспийский аграрный федеральный научный центр Российской академии наук

Email: rtuz@yandex.ru
ORCID iD: 0009-0008-3683-7431
SPIN-код: 3146-0873

канд. с.-х. наук

Россия, Санкт-Петербург; с. Соленое Займище, Астраханская обл.

Вера Алексеевна Гаврилова

Федеральный исследовательский центр Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова; Санкт-Петербургский государственный университет

Email: v.gavrilova@vir.nw
ORCID iD: 0000-0002-8110-9168
SPIN-код: 6835-8852

д-р биол. наук, гл. научн. сотр.

Россия, Санкт-Петербург; Санкт-Петербург

Наталья Васильевна Кишлян

Федеральный исследовательский центр Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова

Email: natalya-kishlyan@yandex.ru
ORCID iD: 0000-0003-4454-6948
SPIN-код: 5005-0724

канд. биол. наук, ст. научн. сотрудник

Россия, Санкт-Петербург

Любовь Юрьевна Новикова

Федеральный исследовательский центр Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова

Email: l.novikova@vir.nw.ru
ORCID iD: 0000-0003-4051-3671
SPIN-код: 8700-6383

д-р с.-х. наук, вед. научн. сотр.

Россия, Санкт-Петербург

Список литературы

Дополнительные файлы