Doctor of Agricultural Sciences, Chief Researcher, Laboratory of Varietal Technologies of Winter Grain Crops and Fertilizer Application Systems, Federal Research Center “Nemchinovka”; Professor, Department of Agrobiotechnology, Agrarian and Technological Institute, RUDN University
доктор сельскохозяйственных наук, главный научный сотрудник лаборатории сортовых технологий озимых зерновых культур и систем применения удобрений, Федеральный исследовательский центр «Немчиновка»; профессор департамента агробиотехнологий аграрно-технологического института, Российский университет дружбы народов
Doctor of Agricultural Sciences, Chief Researcher, Laboratory of Varietal Technologies of Winter Grain Crops and Fertilizer Application Systems
доктор сельскохозяйственных наук, главный научный сотрудник лаборатории сортовых технологий озимых зерновых культур и систем применения удобрений
Candidate of Agricultural Sciences, Leading Researcher, Head of the Laboratory of Varietal Technologies of Winter Grain Crops and Fertilizer Application Systems
кандидат сельскохозяйственных наук, ведущий научный сотрудник, заведующий лабораторией сортовых технологий озимых зерновых культур и систем применения удобрений
Candidate of Agricultural Sciences, Leading Researcher, Laboratory of Breeding and Primary Seed Production of Winter Wheat
кандидат сельскохозяйственных наук, ведущий научный сотрудник лаборатории селекции и первичного семеноводства озимой пшеницы
Candidate of Agricultural Sciences, Leading Researcher, Laboratory of Varietal Technologies of Winter Grain Crops and Fertilizer Application Systems
кандидат сельскохозяйственных наук, ведущий научный сотрудник лаборатории сортовых технологий озимых зерновых культур и систем применения удобрений
Analytical and mathematical algorithms are widely used to explain the relationship between grain crop productivity and the elements directly influencing it, capturing the dependence of yield on parameters of active life activity. The application of such statistical and mathematical methods contributes to a thorough assessment of the potential efficiency of agricultural crops. Based on multiple correlation-regression analysis, predictive models for the formation of potential yield were established for the winter wheat cultivars Moskovskaya 40 and Nemchinovskaya 85, bred by the Federal Research Center “Nemchinovka” and cultivated using technologies with different levels of intensification. Analysis of meteorological data revealed uniform variability in the sum of positive temperatures and precipitation over the research years. A linear multiple regression was identified. The dominant sources that have a direct impact on formation of crop yields are the density of productive stems and the increase in leaf surface area, expressed as the value of the photosynthetic potential, as well as water availability, i. e., the total amount of precipitation during the period with temperatures above +10 °C. The biological yield under the basic technology was determined as 5 t/ha, under intensive technology — 8 t/ha, and under high-intensity technology — 10 t/ha. When cultivating Moskovskaya 40 cultivar, the minimum number of productive stems according to the multiple regression equation solution was 310…315 stems/m² for the basic technology, 615…620 stems/m² for the intensive technology, and 890…900 stems/m² for the high-intensity technology. For the Nemchinovskaya 85 cultivar, the plant density was 330…340, 590…600, and 790…800 stems/m², respectively. With increasing technology intensity, the photosynthetic potential for the Moskovskaya 40 cultivar was 2.8, 4.2, and 5.3 million m²/ha per day, and for the Nemchinovskaya 85 cultivar — 3.6, 4.7, and 6.2 million m²/ha per day. As a result, the adequacy of the multiple regression equations and such influencing factors as photosynthetic potential and plant density of winter wheat confirm the magnitude of biological yield. Ultimately, the multiple regression models provided a reliable and interpretable forecast result, taking into account the specifics of the cultivar and technology.
Для объяснения взаимосвязи продуктивности зерновых культур с элементами, непосредственно влияющими на ее величину, широко используются аналитические и математические алгоритмы анализа, с помощью которых фиксируется зависимость урожайности от параметров активной жизнедеятельности. Задействование таких статистических и математических методов способствует основательному обеспечению потенциальной эффективности агрокультур. На основании множественного корреляционно-регрессионного анализа установлены прогнозируемые модели формирования потенциальной урожайности сортов озимой пшеницы селекции ФИЦ «Немчиновка» Московская 40 и Немчиновская 85, возделываемых по технологиям с разным уровнем интенсификации. Анализ метеоданных показал однородность изменчивости за годы исследований суммы положительной температуры и выпавших осадков. Обнаружена линейная множественная регрессия. Доминирующими источниками, оказывающими непосредственное влияние на формирование урожайности сельскохозяйственных культур, являются густота продуктивных стеблей и прирост листовой поверхности растений, выражаемые величиной фотосинтетического потенциала, а также влагообеспеченность, т. е. суммарное количество осадков за период с температурой выше +10 °C. Биологическая урожайность по базовой технологии была определена как 5 т/га, интенсивной — 8 т/га и высокоинтенсивной — 10 т/га. При возделывании сорта Московская 40 минимальное количество продуктивных стеблей при решении уравнения множественной регрессии по базовой технологии составляла 310…315 шт./м2, по интенсивной — 615…620 шт./м2, по высокоинтенсивной технологии — 890…900 шт./м2. Для сорта Немчиновская 85 густота стояния равнялась соответственно 330…340, 590…600 и 790…800 шт./м2. С увеличением интенсивности технологии фотосинтетический потенциал для сорта Московская 40 равнялся 2,8; 4,2 и 5,3 млн м2/га в сутки, сорта Немчиновская 85 — 3,6; 4,7 и 6,2 млн м2/га в сутки. В результате адекватность уравнений множественной регрессии и такие факторы влияния как фотосинтетический потенциал и густота стояния растений озимой пшеницы подтверждают величину биологической урожайности, и, в конечном итоге, модели множественной регрессии обеспечили надежный и интерпретируемый результат прогноза с учетом специфики сорта и технологии.