Formation of productivity of spring wheat ear in arid climate of Orenburg Urals

Cover Page

Cite item

Abstract

The relevance of the study is determined by the need for timely assessment of spring wheat varieties, including newly created ones, depending on changing weather factors in the cultivation area. The purpose of the study was to analyze the indicators of the ear of spring wheat varieties, which is the main element of sowing productivity. The materials for the research were yield data, indicators of the yield structure of spring soft wheat varieties obtained in field experiments conducted in the conditions of the Orenburg Urals during 2019—2020 and 2022—2023. The research methods included field experiments, structural analysis of accounting sheaf material, ranking of varieties by years of experiments and their final ranking, correlation and regression analysis of dependence of yield on ear productivity. The growing conditions of spring wheat in the years of research were characterized by significant aridity. The grade assessment of the varieties showed a significant dependence of their productivity on weather conditions and their ecological adaptation. The graphs showed that the theoretical yield in the range from 14.9 c/ha to 19.1 c/ha corresponds to: 25.7 grains per ear, 35.8 g — weight of 1000 grains, 13.6 spikelets per ear, 0.75 g — weight of grains per ear. The actual indicators of ear productivity elements were given by years of experiments with an analysis of their varietal differences and depending on the conditions of the year. We can conclude that weather factors cause differences in the response of varieties to their variability, expressed in their yield level under similar conditions. Varieties created at a later time are characterized by greater ecological plasticity with increasing yields and formation of a much more complete ear. Such varieties include Ulyanovskaya 105, Orenburgskaya 30, Tulaykovskaya zolotistaya. The varieties least adapted to the stress factors of the weather include Uchitel, Saratovskaya 42.

Full Text

Введение

Пшеница (Triticum aestivum L.) — основная культура, возделываемая как в России, так и по всему земному шару. Прогнозируется, что к 2050 г. население Земли увеличится до 9,6 млрд человек [1], поэтому задачи роста урожайности всех продовольственных культур, в т. ч. и пшеницы, становятся более актуальными. Ежегодный прирост урожайности зерна на 2 % позволит решить потребность в пшенице [2].

Основным фактором, влияющим на продуктивность возделываемых сельскохозяйственных культур, является изменение климата, в особенности увеличение его засушливости. Оренбургская область относится к регионам неустойчивого увлажнения, где как показано в [3, 4], частота весенне-­летних засух в более засушливые периоды увеличилась в 2,5 раза по сравнению с более влажными периодами. Анализ динамики урожайности яровых зерновых в данной зоне за длительный период (1883—2013 гг.) позволил [5] сделать вывод о том, что отклонения уровней урожайности объясняются погодными факторами.

По оценке [6] «негативный результат глобального потепления в Оренбуржье — дефицит атмосферной влаги, который не может быть восполнен за счет скудных водных ресурсов степной территории». Начальные запасы продуктивной влаги в почве центральной зоны Оренбуржья снизились от 130…150 мм в 2008 г. до 80…100 мм к 2015—2021 гг. при росте дневной температуры воздуха в июле до экстремальных значений для растений (30 С° и выше) и показателям температуры августа, приблизившимся к июльским.

В формировании продуктивности зерновых культур основную роль играют такие характеристики, как архитектура урожая, наступление и продолжительность фенологических фаз вегетации, морфологические характеристики колоса и зерна [7, 8]. В частности, в [9] установлено, что урожайность зерна яровой пшеницы тесно связана с продолжительностью всего периода вегетации (r = 0,98), а также в значительной мере с продолжительностью периодов всходы — кущение (r = 0,90), кущение — выход в трубку (r = 0,51), выход в трубку — колошение (r = 0,84).

Стресс от засухи оказывает отрицательное влияние на ключевые характеристики и урожайность зерна пшеницы: на количество зерна в колосе на 38…50 %, массу 1000 зерен на 16,4…19,0 %, высоту растений на 14,7…34,4 % [10], т. е. снижает количество зерен в колосе и массу зерна и, в конечном итоге, урожай зерна [11, 12].

В различных полевых опытах установлены достоверные корреляционные связи урожайности с продуктивной кустистостью, числом зерен в колосе, с массой зерна с колоса, массой 1000 зерен [13, 14]. Наблюдается сортовая специфика в снижении продуктивности колоса: в условиях засухи снижение его продуктивности у раннеспелых сортов выше (32,0…41,2 %), чем у среднеранних (22,9…42,9 %) и среднеспелых (27,9…30,6 %), и разный уровень зависимости урожайности сортов разных групп спелости от структурных элементов [15, 16].

Для условий Оренбургского Предуралья в более ранних исследованиях установлено, что рост урожайности сортов яровой пшеницы определяется ростом длины колоса, длины стебля и длины верхнего междоузлия до определенного уровня, после которого отмечается спад уровня продуктивности [17]. По данным авторов [18], имеются сортовые особенности в формировании морфогенеза и продуктивности побега яровой пшеницы: числа колосков и зерновок в колосе, массы семян. Это подтверждается данными других исследований, по которым установлено, что реализация адаптивного потенциала сорта зависит от степени развития зачаточного колоса при влажности устойчивого завядания растений, от которой зависит величина сброса колосков, цветков и снижение жизнеспособности конуса нарастания [19]. Авторами [20] также подчеркивается преимущество сортов с генетическим материалом Thinopyrum pontium для выведения сортов яровой пшеницы с механизмами адаптации к засухе.

Таким образом, формирование продуктивности колоса и его составляющих является результатом взаимодействия многих факторов: от погодно-­климатических до сортовых особенностей.

Цель исследования — анализ формирования продуктивности колоса сортов яровой мягкой пшеницы, обусловленных изменениями погодно-­климатических факторов и появлением новых сортов данной культуры в зоне Оренбургского Приуралья.

Материалы и методы исследований

Материалом для анализа послужили данные по урожайности и показателям структурных элементов агроценоза и колоса сортов яровой мягкой пшеницы, полученные в 2019—2020 и 2022—2023 гг. в полевых опытах по их экологическому изучению в условиях центральной зоны Оренбургского Приуралья на черноземе южном. В опыте изучались районированные и перспективные в Оренбургской области сорта яровой мягкой пшеницы. Предшественник — пар черный. Предпосевную подготовку почвы проводили в соответствии с рекомендациями, принятыми в зоне исследований. Посев сеялкой СН‑16 нормой высева 4,0 млн всхожих семян на гектар. Повторность опыта 3‑кратная. Площадь делянки 66 кв. м (40 м × 1,65 м). В опыте изучали районированные в Оренбургской области сорта яровой мягкой пшеницы: Учитель (контроль), Оренбургская 30, Оренбургская 13, Оренбургская 23 и Оренбургская юбилейная (Федеральное государственное научное учреждение биологических систем и агротехнологий Российской академии наук); Саратовская 42 и Саратовская 70 (Федеральный аграрный научный центр Юго-­Востока); Тулайковская золотистая и Ульяновская 105 (Самарский Федеральный исследовательский центр). Снопы для анализа структуры урожая отбирались в двух повторениях опыта в четырех местах делянок каждая площадью 0,25 кв. м; суммарная площадь по отбору образцов по каждому сорту составляла 2 кв. м. Для определения продуктивности колоса с каждого повторения сорта отбирали по 10 типичных растений; общее число растений в анализе составляло 20 штук. Измеряли длину растения, длину колоса, число колосков, число зерен в колосе, взвешивали массу зерна с колоса. Массу 1000 зерен определяли в снопе для учета структуры урожая после обмолота каждого снопа в повторности. Анализ показателей структуры урожая, растений и колоса проводили в соответствии с методикой Государственного сортоиспытания сельскохозяйственных культур [1]. Обработку массива экспериментальных данных провели методом однофакторного нелинейного корреляционно-­регрессионного анализа [21] с использованием библиотеки из 34 алгебраических функций, в т. ч. полиномиальных и показательных функций. Регрессионный анализ включал метод отыскания параметров регрессионной модели и статистическую обработку данных. Основным методом отыскания параметров регрессионной модели является метод наименьших квадратов. Суть этого метода заключается в минимизации суммы квадратов отклонений между найденными в опыте значениями параметров оптимизации и предсказываемыми данной моделью.

Поскольку вид математической зависимости между параметрами оптимизации и варьируемым фактором apriori (от латинского «до опыта») неизвестен, то в качестве регрессионной модели использовали полиномы некоторого порядка:

У = а0 + а1х + а2х2 + … akxk,

где k — порядок полинома.

Результаты исследований и обсуждение

Погодные факторы в период роста и развития яровой пшеницы в годы исследований отличались резкой засушливостью, которая характерна в 2015—2021 гг. для Оренбургского Приуралья. Формирование урожайности основных сельскохозяйственных культур проходит при нарастании температуры воздуха с началом вегетации на фоне недостатка продуктивной влаги. Такая картина условий вегетации была характерна и в годы наших исследований.

При оценке периодов вегетации по гидротермическому коэффициенту [22] годы исследований характеризовались резкой засушливостью (табл. 1). Особо засушливыми были в 2019 г. май, в 2020 г. — весь период вегетации, в 2022 г. — июнь, а в 2023 г. — май — июнь. В 2023 г. в мае выпала 4‑месячная норма осадков, но резкое повышение температуры воздуха в июне — июле не позволило реализовать максимальную продуктивность.

Таблица 1
Гидротермический коэффициент за май июль в 2019—2023 гг.

Месяцы

Гидротермический коэффициент, ед.

2019

2020

2022

2023

За май — июль

0,61

0,38

1,10

0,54

В том числе за: май

0,18

0,60

3,35

0,27

июнь

0,50

0,34

0,30

0,55

июль

1,36

0,28

0,59

0,76

Источник: выполнено И.Н. Бесалиевым, Е.А. Ивановой.

Table 1
Hydrothermal coefficient for May — July in 2019—2023

Months

Hydrothermal coefficient

2019

2020

2022

2023

May — July

0.61

0.38

1.10

0.54

Including: May

0.18

0.60

3.35

0.27

June

0.50

0.34

0.30

0.55

July

1.36

0.28

0.59

0.76

Source: created by I.N. Besaliev, E.A. Ivanova.

В сложившихся условиях прохождения вегетации и формирования продуктивности колоса мы сочли нужным провести оценку ее составляющих.

Урожайность сортов в опыте в среднем за 4 года составила 13,4 ц с 1 га с максимальным значением 17,4 ц с 1 га в 2022 г. и минимальным — 10,1 ц с 1 га в 2019 г. (табл. 2). Более урожайным как в среднем за 4 года, так и по каждому году отдельно оказался сорт Ульяновская 105. Два сорта — Учитель и Саратовская 42 — показали низкую среднюю урожайность за 4 года (соответственно 9,3 и 11,0 ц с 1 га) и в течение всех лет опытов. Остальные сорта сформировали урожайность от 12,9 до 14,6 ц с 1 га.

Проведена оценка экологической пластичности сортов по каждому году по методу Грязнова [23] с ранжированием показателей за годы опытов (табл. 3).

Наиболее пластичным оказался сорт Ульяновская 105, два последующих места в ранге заняли сорта Тулайковская золотистая и Саратовская 70, а наименьшая пластичность — у сортов Учитель, Оренбургская 13 и Саратовская 42. Таким образом, сорта яровой пшеницы в годы их изучения отличались значительными отклонениями в урожайности и демонстрировали разную экологическую пластичность.

Таблица 2
Урожайность сортов яровой мягкой пшеницы  в Оренбургском Приуралье в 2019—2023 гг.

Наименование сорта

Урожайность, ц с 1 га

2019

2020

2022

2023

Средняя

1. Учитель — контроль

8,4

9,2

10,7

8,9

9,3

2. Ульяновская 105

14,3

16,8

26,2

17,0

18,6

3. Саратовская 42

7,8

12,9

12,3

10,8

11,0

4. Саратовская 70

10,9

15,6

17,1

11,9

13,9

5. Оренбургская 13

8,7

11,8

18,8

11,4

12,7

6. Оренбургская 30

9,5

14,7

17,8

13,1

13,8

7. Оренбургская 23

10,5

13,4

18,5

12,7

13,8

8. Тулайковская золотистая

11,4

15,0

18,5

13,6

14,6

9. Оренбургская юбилейная

9,8

12,3

16,3

13,3

12,9

Средняя

10,1

13,5

17,4

12,5

13,4

НСР05

1,95

1,96

2,13

0,86

 

Источник: выполнено  И.Н. Бесалиевым, Е.А. Ивановой.

Table 2
Yield of spring soft wheat varieties in the Orenburg Urals in 2019—2023

Variety

Yield, centners per ha

2019

2020

2022

2023

Average

1. Uchitel (control)

8.4

9.2

10.7

8.9

9.3

2. Ulyanovskaya 105

14.3

16.8

26.2

17.0

18.6

3. Saratovskaya 42

7.8

12.9

12.3

10.8

11.0

4. Saratovskaya 70

10.9

15.6

17.1

11.9

13.9

5. Orenburgskaya 13

8.7

11.8

18.8

11.4

12.7

6. Orenburgskaya 30

9.5

14.7

17.8

13.1

13.8

7. Orenburgskaya 23

10.5

13.4

18.5

12.7

13.8

8. Tulaykovskaya zolotistaya

11.4

15.0

18.5

13.6

14.6

9. Orenburgskaya yubileynaya

9.8

12.3

16.3

13.3

12.9

Average

10.1

13.5

17.4

12.5

13.4

LSD05

1.95

1.96

2.13

0.86

 

Source: created by I.N. Besaliev, E.A. Ivanova.

Таблица 3
Результаты расчета рангов сортов по урожайности в 2019—2023 гг. и их итоговая оценка

Наименование сорта

Ранг

Сумма рангов

Место

2019

2020

2022

2023

1. Учитель — контроль

8

9

8

9

34

9

2. Ульяновская 105

1

1

1

1

4

1

3. Саратовская 42

9

6

7

8

30

8

4. Саратовская 70

3

2

5

6

16

3

5. Оренбургская 13

7

8

2

7

24

7

6. Оренбургская 30

6

4

4

4

18

5

7. Оренбургская 23

4

5

3

5

17

4

8. Тулайковская золотистая

2

3

3

2

10

2

9. Оренбургская юбилейная

5

7

6

3

21

6

Источник: выполнено И.Н. Бесалиевым, Е.А. Ивановой.

Table 3
The results of calculating the grades of varieties by yield in 2019—2023  and their final assessment

Variety

Grade

Sum of grades

Place

2019

2020

2022

2023

1. Uchitel (control)

8

9

8

9

34

9

2. Ulyanovskaya 105

1

1

1

1

4

1

3. Saratovskaya 42

9

6

7

8

30

8

4. Saratovskaya 70

3

2

5

6

16

3

5. Orenburgskaya 13

7

8

2

7

24

7

6. Orenburgskaya 30

6

4

4

4

18

5

7. Orenburgskaya 23

4

5

3

5

17

4

8. Tulaykovskaya zolotistaya

2

3

3

2

10

2

9. Orenburgskaya yubileynaya

5

7

6

3

21

6

Source: created by I.N. Besaliev, E.A. Ivanova.

Результаты корреляционно-­регрессионного анализа указали (табл. 4) на наличие достоверных связей урожайности яровой мягкой пшеницы и числа продуктивных стеблей на единице площади, а также массы 1000 зерен, числа колосков в колосе, числа зерен в колосе и массы зерна с колоса.

Полученные при этом графики связи рассматриваемых зависимостей показали, что теоретической урожайности в пределах от 14,9 до 19,1 ц с 1 га соответствуют показатели продуктивности колоса по числу зерен в колосе 25,7 шт., массе 1000  ерен 35,8 г, числу колосков в колосе 13,6 шт., массе зерна с колоса 0,75 г. По показателю длины колоса результаты математических связей оказались недостоверными.

Урожайность посева, как известно, складывается из продуктивности отдельных колосьев, что, в свою очередь, может определяться погодными факторами и сортовыми особенностями.

Таблица 4
Зависимость урожайности яровой мягкой пшеницы от показателей продуктивности колоса

Коррелируемые величины

Параметр величин

(М ± G)

ν, %

hyx

F

факт.

теор.

Число зерен в колосе, индекс x1, шт.

8,40–25,70*

17,90 ± 3,5

29,29

Урожайность зерна y1, т с 1 га,

1,03 – 1,73

1,34 ± 0,19

24,01

0,505

3,27

1,76

y1 = 22,565—1,287x + 4,188—0,2x², т с 1 га, для 74,51 % случаев

Длина колоса x2, см

5,60 – 8,20

6,80 ± 0,67

9,91

Урожайность y2, т с 1 га

1,01 – 1,65

1,33 ± 0,16

12,26

0,501

1,26

1,46

y2 = — 49,643 + 17,987x2—1,271x2², т с 1 га, не удовлетворяет

Число колосков в колосе x3, шт.

9,00 – 13,60

11,10 ± 1,17

10,6

Урожайность y3, т с 1 га

1,00 – 2,24

1,35 ± 0,23

17,1

0,678

3,74

1,76

y3 = 63,714—10,360x3 + 0,620x3², т с 1 га, для 65,60 % случаев

Масса зерна с 1 колоса x4, г

0,27 – 0,75

0,50 ± 0,11

21,01

Урожайность y4, т с 1 га

0,94 – 1,67

1,33 ± 0,17

12,60

0,602

4,52

1,46

y4 = 17,752—2,125x4, т с 1 га, для 76,29 % случаев

Масса 1000 зерен x5, г

24,49 – 35,83

29,90 ± 2,96

9,89

Урожайность y5, т с 1 га

1,04 – 1,87

1,34 ± 0,23

17,50

0,841

3,23

1,76

y5 = 53,883—3,327x5 + 6,533—0,2x5², т с 1 га, для 70,80 % случаев

Примечание. * В числителе указаны минимальные и максимальные показатели признака.
Источник: выполнено  И.Н. Бесалиевым, Е.А. Ивановой.

Table 4
Dependence of spring soft wheat yield on ear productivity indicators

Correlated indicators

Indicator parameter

(М ± G)

ν, %

hyx

F

act.

theor.

Number of grains per ear, x1 index

8.40 – 25.70*

17.90 ± 3.5

29.29

Grain yield y1, tons per ha

1.03 – 1.73

1.34 ± 0.19

24.01

0.505

3.27

1.76

y1 = 22.565 — 1.287x + 4.188 — 0.2x², t per 1 ha, for 74.51% of cases

Ear length x2, cm

5.60 – 8.20

6.80 ± 0.67

9.91

Productivity y2, tons per 1 ha

1.01 – 1.65

1.33 ± 0.16

12.26

0.501

1.26

1.46

y2 = — 49.643 + 17.987x2 — 1.271x2², t per 1 ha, does not satisfy

Number of spikelets per ear x3

9.00 – 13.60

11.10 ± 1.17

10.6

Productivity y3, tons per ha

1.00 – 2.24

1.35 ± 0.23

17.1

0.678

3.74

1.76

y3 = 63.714 — 10.360x3 + 0.620x3², t per 1 ha, for 65.60% of cases

Grain weight per ear, g (x4)

0.27 – 0.75

0.50 ± 0.11

21.01

Productivity y4, tons per ha

0.94 – 1.67

1.33 ± 0.17

12.60

0.602

4.52

1.46

y4 = 17.752 — 2.125/x4, t per ha, for 76.29% of cases

Weight of 1000 grains x5, g

24.49 – 35.83

29.90 ± 2.96

9.89

Productivity y5, tons per ha

1.04 – 1.87

1.34 ± 0.23

17.50

0.841

3.23

1.76

y5 = 53.883 — 3.327x5 + 6.533 — 0.2x5², t per 1 ha, for 70.80% of cases

Source: created by I.N. Besaliev, E.A. Ivanova.

В наших исследованиях длина колоса изменялась по годам опытов от 6,2 до 7,5 см и разнилась по сортам от 6,4 до 7,1 см, но эти значения оказались малосущественными для определения различий в продуктивности агроценоза (табл. 5).

Таблица 5
Длина колоса сортов яровой мягкой пшеницы в 2019—2023 гг.

Название сорта

Длина колоса, см

2019

2020

2022

2023

Средняя

1. Учитель — контроль

6,9

8,2

6,2

6,7

7,0

2. Ульяновская 105

7,3

7,9

7,2

5,8

7,1

3. Саратовская 42

5,6

7,1

6,7

6,0

6,4

4. Саратовская 70

6,0

7,1

7,4

5,7

6,6

5. Оренбургская 13

6,5

8,1

7,0

6,5

7,0

6. Оренбургская 30

7,2

7,1

6,5

5,8

6,7

7. Оренбургская 23

6,9

7,6

6,8

6,3

6,9

8. Тулайковская золотистая

6,5

7,0

6,1

5,8

6,4

9. Оренбургская юбилейная

7,0

7,4

7,2

7,0

6,8

Средняя

6,7

7,5

6,8

6,2

6,8

Источник: выполнено И.Н. Бесалиевым, Е.А. Ивановой.

Table 5
Ear length of spring soft wheat varieties in 2019—2023

Variety

Ear length, cm

2019

2020

2022

2023

Average

1. Uchitel (control)

6.9

8.2

6.2

6.7

7.0

2. Ulyanovskaya 105

7.3

7.9

7.2

5.8

7.1

3. Saratovskaya 42

5.6

7.1

6.7

6.0

6.4

4. Saratovskaya 70

6.0

7.1

7.4

5.7

6.6

5. Orenburgskaya 13

6.5

8.1

7.0

6.5

7.0

6. Orenburgskaya 30

7.2

7.1

6.5

5.8

6.7

7. Orenburgskaya 23

6.9

7.6

6.8

6.3

6.9

8. Tulaykovskaya zolotistaya

6.5

7.0

6.1

5.8

6.4

9. Orenburgskaya yubileynaya

7.0

7.4

7.2

7.0

6.8

Average

6.7

7.5

6.8

6.2

6.8

Source: created by I.N. Besaliev, E.A. Ivanova.

Число колосков в колосе определяется благоприятностью условий года как в период вегетативного развития растений, когда закладываются метамеры колосковых бугорков, так и в генеративный период, когда формируется их окончательное количество. В наших исследованиях (табл. 6) число колосков в колосе имело существенную (r = 0,678) связь с урожаем и изменялось от 13,6 шт. у сорта Ульяновская 105 в 2019 г. до 9,2 шт. у сорта Саратовская 42 в 2023 г.; что в значительной степени обусловливалось существенной засушливостью мая и наложением отрицательных факторов гидротермического режима последующих месяцев.

Таблица 6
Число колосков в колосе сортов яровой мягкой пшеницы в 2019—2023 гг.

Название сорта

Число колосков в колосе, шт.

2019

2020

2022

2023

Среднее

1. Учитель — контроль

11,5

11,8

10,4

9,8

10,9

2. Ульяновская 105

13,0

12,9

13,6

9,9

12,4

3. Саратовская 42

9,6

11,1

11,4

9,2

10,3

4. Саратовская 70

10,5

11,4

12,0

9,4

10,8

5. Оренбургская 13

10,7

12,3

10,5

9,0

10,6

6. Оренбургская 30

11,5

11,3

11,2

9,6

10,9

7. Оренбургская 23

12,1

11,8

10,8

9,4

11,0

8. Тулайковская золотистая

12,5

11,5

10,9

9,3

11,1

9. Оренбургская юбилейная

11,8

12,0

11,6

10,7

11,5

Среднее

11,5

11,9

11,4

9,6

11,1

Источник: выполнено  И.Н. Бесалиевым, Е.А. Ивановой.

Table 6
Number of spikelets per ear of spring soft wheat varieties in 2019—2023

Variety

Number of spikelets per ear

2019

2020

2022

2023

Average

1. Uchitel (control)

11.5

11.8

10.4

9.8

10.9

2. Ulyanovskaya 105

13.0

12.9

13.6

9.9

12.4

3. Saratovskaya 42

9.6

11.1

11.4

9.2

10.3

4. Saratovskaya 70

10.5

11.4

12.0

9.4

10.8

5. Orenburgskaya 13

10.7

12.3

10.5

9.0

10.6

6. Orenburgskaya 30

11.5

11.3

11.2

9.6

10.9

7. Orenburgskaya 23

12.1

11.8

10.8

9.4

11.0

8. Tulaykovskaya zolotistaya

12.5

11.5

10.9

9.3

11.1

9. Orenburgskaya yubileynaya

11.8

12.0

11.6

10.7

11.5

Average

11.5

11.9

11.4

9.6

11.1

Source: created by I.N. Besaliev, E.A. Ivanova.

Число зерен в колосе — наиболее важная составляющая продуктивности посевов. В сумме с количеством колосков она определяет окончательную продуктивность посева. В годы с засушливостью мая (2019 и 2023) с ГТК 0,18 ед. и 0,27 ед. соответственно данный показатель резко снижался, особенно у сорта Учитель (табл. 7). При росте гидротермического коэффициента до значений 0,60 ед и выше число зерен в колосе значительно возрастало. В число сортов с наибольшим числом зерен в колосе вошли Ульяновская 105, Саратовская 70, Оренбургская 23. Подавляющее преимущество по озерненности колоса у сорта Ульяновская 105, два сорта (Оренбургская 23 и Саратовская 70) незначительно уступили ему. Данный показатель существенно возрастает в годы с относительно высокими значениями ГТК в мае — 2020 и 2023 гг. на фоне усиления засушливости в последующем.

Таблица 7
Число зерен в колосе сортов яровой мягкой пшеницы в 2019—2023 гг.

Название сорта

Число зерен в колосе, шт.

2019

2020

2022

2023

Среднее

1. Учитель — контроль

8,4

16,1

16,2

14,5

13,8

2. Ульяновская 105

18,7

25,7

22,0

19,3

21,4

3. Саратовская 42

14,2

17,0

18,0

14,3

15,9

4. Саратовская 70

21,0

23,0

17,1

14,7

19,0

5. Оренбургская 13

18,0

20,2

18,0

17,0

18,3

6. Оренбургская 30

12,0

20,5

20,0

15,8

17,1

7. Оренбургская 23

19,3

18,1

22,0

19,0

19,6

8. Тулайковская золотистая

13,0

23,0

21,0

15,8

18,2

9. Оренбургская юбилейная

20,0

18,8

19,5

14,9

18,3

Среднее

16,1

20,3

19,3

16,1

18,0

Источник: выполнено  И.Н. Бесалиевым, Е.А. Ивановой.

Table 7
Number of grains per ear of spring soft wheat varieties in 2019—2023

Variety

Number of grains per ear

2019

2020

2022

2023

Average

1. Uchitel (control)

8.4

16.1

16.2

14.5

13.8

2. Ulyanovskaya 105

18.7

25.7

22.0

19.3

21.4

3. Saratovskaya 42

14.2

17.0

18.0

14.3

15.9

4. Saratovskaya 70

21.0

23.0

17.1

14.7

19.0

5. Orenburgskaya 13

18.0

20.2

18.0

17.0

18.3

6. Orenburgskaya 30

12.0

20.5

20.0

15.8

17.1

7. Orenburgskaya 23

19.3

18.1

22,0

19.0

19.6

8. Tulaykovskaya zolotistaya

13.0

23.0

21.0

15.8

18.2

9. Orenburg yubileynaya

20.0

18.8

19.5

14.9

18.3

Average

16.1

20.3

19.3

16.1

18.0

Source: created by I.N. Besaliev, E.A. Ivanova.

Масса зерна с колоса сопряжена с числом зерен в колосе и определяется как погодными факторами, так и сортовыми особенностями. Различия в данном показателе между относительно благоприятными (2020 и 2022 гг.) и более засушливыми (2019 и 2023) годами составили 21,7…32,6 % (табл. 8). Наиболее массивный колос сформировали сорта Ульяновская 105, Саратовская 70, Оренбургская 23.

Таблица 8
Масса зерна с 1 колоса сортов яровой мягкой пшеницы в 2029—2023 гг.

Название сорта

Масса зерна с 1 колоса, г

2019

2020

2022

2023

Средняя

1. Учитель — контроль

0,27

0,42

0,44

0,33

0,37

2. Ульяновская 105

0,63

0,67

0,66

0,52

0,62

3. Саратовская 42

0,38

0,47

0,49

0,38

0,43

4. Саратовская 70

0,49

0,75

0,51

0,40

0,54

5. Оренбургская 13

0,52

0,57

0,52

0,42

0,49

6. Оренбургская 30

0,43

0,62

0,57

0,50

0,53

7. Оренбургская 23

0,54

0,53

0,66

0,46

0,55

8. Тулайковская золотистая

0,41

0,62

0,60

0,39

0,51

9. Оренбургская юбилейная

0,44

0,51

0,56

0,46

0,49

Средняя

0,46

0,57

0,56

0,43

0,50

Источник: выполнено  И.Н. Бесалиевым, Е.А. Ивановой.

Table 8
Grain weight per 1 ear of spring soft wheat varieties in 2019—2023

Variety

Grain weight per ear, g

2019

2020

2022

2023

Average

1. Uchitel (control)

0.27

0.42

0.44

0.33

0.37

2. Ulyanovskaya 105

0.63

0.67

0.66

0.52

0.62

3. Saratovskaya 42

0.38

0.47

0.49

0.38

0.43

4. Saratovskaya 70

0.49

0.75

0.51

0.40

0.54

5. Orenburgskaya 13

0.52

0.57

0.52

0.42

0.49

6. Orenburgskaya 30

0.43

0.62

0.57

0.50

0.53

7. Orenburgskaya 23

0.54

0.53

0.66

0.46

0.55

8. Tulaykovskaya zolotistaya

0.41

0.62

0.60

0.39

0.51

9. Orenburg yubileynaya

0.44

0.51

0.56

0.46

0.49

Average

0.46

0.57

0.56

0.43

0.50

Source: created by I.N. Besaliev, E.A. Ivanova.

Масса 1000 зерен — одно из основных слагаемых урожайности, характеризующих уровень агротехники, сортовые особенности. Различия по данному показателю между годами опытов составили от 0,03 до 0,14 г (0,07…32,6 %), а между сортами доходили до 0,25 г (67,6 %) (табл. 9). Резкая засушливость июля в 2020 г. с ГТК 0,28 ед. существенно снизила наполнение зерна, в итоге масса 1000 зерен была в среднем самой низкой по опыту (0,27 г), хотя отдельные сорта и в этих условиях сформировали массу 1000 зерен более чем 30,0 г: Оренбургская 30, Саратовская 70, Оренбургская 23 и Оренбургская юбилейная. В тоже время при относительно благоприятных условиях 2022 г. и средней массе 1000 зерен 32,36 г сорта Саратовская 42 и Учитель имели массу 1000 зерен 27,38…28,10 г, что свидетельствует об их неустойчивости к засушливости. Следует выделить три сорта: Оренбургская 30, Оренбургская юбилейная и Оренбургская 23 — с высокой абсолютной массой зерна.

Таблица 9
Масса 1000 зерен сортов яровой мягкой пшеницы в 2019—2023 гг.

Название сорта

Масса 1000 зерен, г

2019

2020

2022

2023

Средняя

1. Учитель — контроль

27,12

28,01

27,38

29,31

27,96

2. Ульяновская 105

30,09

28,09

33,69

27,36

29,81

3. Саратовская 42

27,41

28,81

28,10

30,07

28,60

4. Саратовская 70

29,96

30,30

33,46

26,94

30,17

5. Оренбургская 13

29,24

30,34

31,57

28,16

29,83

6. Оренбургская 30

32,23

31,51

35,83

31,46

32,76

7. Оренбургская 23

30,12

28,03

35,02

32,44

31,40

8. Тулайковская золотистая

24,49

27,78

31,54

24,49

27,08

9. Оренбургская юбилейная

25,13

31,40

34,68

30,74

30,49

Средняя

29,12

25,99

32,36

29,00

29,12

Источник: выполнено  И.Н. Бесалиевым, Е.А. Ивановой.

Table 9
Weight of 1000 grains of spring soft wheat varieties in 2019—2023

Variety

Weight of 1000 grains, g

2019

2020

2022

2023

Average

1. Uchitel (control)

27.12

28.01

27.38

29.31

27.96

2. Ulyanovskaya 105

30.09

28.09

33.69

27.36

29.81

3. Saratovskaya 42

27.41

28.81

28.10

30.07

28.60

4. Saratovskaya 70

29.96

30.30

33.46

26.94

30.17

5. Orenburgskaya 13

29.24

30.34

31.57

28.16

29.83

6. Orenburgskaya 30

32.23

31.51

35.83

31.46

32.76

7. Orenburgskaya 23

30.12

28.03

35.02

32.44

31.40

8. Tulaykovskaya zolotistaya

24.49

27.78

31.54

24.49

27,08

9. Orenburg yubileynaya

25.13

31.40

34.68

30.74

30.49

Average

29.12

25.99

32.36

29.00

29.12

Source: created by I.N. Besaliev, E.A. Ivanova.

Условия Оренбургского Приуралья отличаются крайней засушливостью с началом вегетации зерновых культур. В отдельные годы недостаток осадков на фоне высокой температуры воздуха сопровождает весь период вегетации. Наиболее жесткие проявления таких факторов наблюдались в конце первого десятилетия — первой половине третьего десятилетия ХХI в. и невысокие урожаи сортов объясняются их частым повторением. Но отдельные сорта в этих условиях, как видно из наших данных, сравнительно более урожайные: Ульяновская 105, Саратовская 70, Тулайковская золотистая, Оренбургская 30, Оренбургская юбилейная, что подчеркивает их экологическую приспособленность. Эти сорта формируют более продуктивный колос, особенно по показателям массы зерна с колоса, массы 1000 зерен, числа зерен в колосе, что отмечается и в исследованиях [24], когда в условиях засушливости вегетационного периода более продуктивному сорту одновременно присущи высокие слагаемые продуктивности колоса. В наших опытах сорт Учитель проявил наименьшую адаптивность к условиям лет исследований, что подчеркивается и в недавних исследованиях [25], в которых установлено, что на развитие зерна яровой пшеницы оказывают влияние также способы обработки почвы. Так, вспашка приводила к удлинению колоса у сортов мягкой пшеницы, безотвальное рыхление зяби — к уменьшению длины колоса у сортов твердой пшеницы, а у сорта Учитель при посеве по пару было значительно меньше фертильных колосков по сравнению с аналогичным показателем у этого сорта при посеве по вспашке и безотвальному рыхлению.

Заключение

В целом, можно отметить, что основным фактором снижения продуктивности яровой пшеницы в зоне Оренбургского Приуралья в 2010—2021 гг. является нарастание температуры воздуха и неравномерное выпадение осадков, что в совокупности определяет резкую аридность климата. Одним из способов, обеспечивающих приспособленность к таким условиям, является выведение соответствующих сортов. Наши результаты доказывают, это возможно. Исследованиями установлено, что сорта яровой мягкой пшеницы Ульяновская 105, Саратовская 70, Тулайковская золотистая, Оренбургская 30, Оренбургская юбилейная формируют колос с более продуктивными показателями по числу зерен в колосе, массы зерна с колоса и массе 1000 зерен, что позволяет им в итоге увеличить урожайность.

 

1 Методика государственного сортоиспытания сельскохозяйственных культур. Выпуск первый. Общая часть. М., 2019. 329 с.

×

About the authors

Ishen N. Besaliev

Federal Research Centre of Biological Systems and Agrotechnologies of the Russian Academy of Sciences

Author for correspondence.
Email: orniish_tzk@mail.ru
ORCID iD: 0000-0001-9389-1938
SPIN-code: 7462-8950

doctor of Agricultural Sciences, Leading Researcher, Head of the Department of Grain and Forage Crops Technology

29, 9 Yanvarya st., Orenburg, 460000, Russian Federation

Elena A. Ivanova

Federal Research Centre of Biological Systems and Agrotechnologies of the Russian Academy of Sciences

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

Candidate of Biological Sciences, Researcher

29, 9 Yanvarya st., Orenburg, 460000, Russian Federation

References

  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

Copyright (c) 2024 Besaliev I.N., Ivanova E.A.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies