Статистическая и графическая (GGE biplot) оценка адаптивной способности и стабильности селекционных линий ячменя озимого

В связи с глобальными климатическими изменениями последних лет остро стоит вопрос повышения адаптивного потенциала сельскохозяйственных культур. Необходимо создание сортов озимых зерновых как с экологической адаптивностью, так и способностью формировать стабильный уровень урожайности в разные по гидротермическим условиям года. С целью выведения сортов ячменя озимого с сочетанием урожайности и стабильности в Мироновском институте пшеницы имени В.Н. Ремесло Национальной академии аграрных наук Украины в 2012/2013–2014/2015 гг. испытывали 14 перспективных селекционных линий ячменя озимого, используя четыре различных срока сева. С помощью дисперсионного анализа выявлены достоверные вклады в вариацию урожайности: условий среды – 64.59 %, взаимодействия генотип–среда – 16.84 % и генотипа – 15.57 %. Сроки сева существенно влияли на увеличение варьирования урожайности линий. Разница между средними значениями урожайности по срокам сева в пределах года составляла: 2012/2013 г. – 1.05 т/га, 2013/2014 г. – 0.90 т/га, 2014/2015 г. – 1.25 т/га. Для характеристики взаимодействия генотип–среда и ранжирования линий по урожайности применяли несколько наиболее распространенных статистических параметров адаптивности, стабильности, пластичности и GGE biplot. Использование различных сроков сева на завершающем этапе селекционного процесса ячменя озимого – простой, но эффективный подход, позволяющий более детально оценить адаптивность селекционных линий в меняющихся условиях вегетации. По сравнению с статистическими показателями GGE biplot имеет ряд преимуществ для характеристики взаимодействия генотип–среда. Эта графическая модель позволяет визуализировать ранжирование сред по дифференцирующей способности и репрезентативности, а также выделять генотипы как специфически адаптированные, так и с оптимальным сочетанием потенциала урожайности и стабильности в совокупности сред (мегасред). Выделены селекционная линия с оптимальным сочетанием урожайности и стабильности Pallidum 4816, а также высокопродуктивные линии Pallidum 4857 и Pallidum 4659, которые переданы на государственное сортоиспытание Украины как новые сорта ячменя озимого: МИП Ясон, МИП Оскар и МИП Гладиатор.

озимый ячмень, селекционные линии, срок сева, урожайность, взаимодействие генотип– среда, параметры адаптивности, пластичности, стабильности, GGE biplot

1. Гудзенко В.М., Демидов О.А., Василькiвський С.П., Коляденко С.С. Графiчний аналiз адаптивнiстi селекцiйних лiнiй ячменю ярого в Центральному Лiсостепу Украïни. Сортовивчення та охорона прав на сорти рослин. 2017;13(1):20-27. DOI 10.21498/2518-1017.1.2017.97233.

2. Кильчевский А.В., Хотылева Л.В. Метод оценки адаптивной способности и стабильности генотипов дифференцирующей способности среды. Сообщение 1. Обоснование метода. Генетика. 1985;21(9):1481-1490.

3. Ahmadi J., Vaezi B., Fotokian M.H. Graphical analysis of multi-environment trials for barley yield using AMMI and GGE-biplot under rain-fed conditions. J. Plant Physiol. Breed. 2012;2(1):43-54.

4. Dimitrova-Doneva M., Valcheva D., Mihova G., Dyulgerova B. Genotype-environment interaction and stability analysis for grain yield of winter barley in the conditions of North-East and South Bulgaria. Agric. Sci. Technol. 2016;8(1):19-23.

5. Dimova D., Krasteva L., Panayotov N., Svetleva D., Dimitrova M., Georgieva T. Evaluation of the yield and the yield stability of perspective lines of barley. Agroznanje. 2012;13(1):55-60.

6. Eberhart S.A., Russel W.A. Stability parameters for comparing varieties. Crop. Sci. 1966;6:36-40. DOI 10.2135/cropsci1966.0011183X0 00600010011x.

7. Fashadfar E., Mohammadi R., Aghaee M., Vaisi Z. GGE biplot analysis of genotype×environment interaction in wheat-barley disomic addition lines. Aust. J. Crop Sci. 2012;6(6):1074-1079.

8. Finlay K.W., Wilkinson G.N. The analysis adaptation in a plant breeding programme. Aust. J. Agric. Res. 1963;14:742-754. DOI 10.1071/AR9630742.

9. Frutos E., Galindo M.P., Leiva V. An interactive biplot implementation in R for modeling genotype-by-environment interaction. Stoch. Environ. Res. Risk Assess. 2014;28:1629-1641. DOI 10.1007/s00477013-0821-z.

10. Gebremedhin W., Firew M., Tesfye B. Stability analysis of food barley genotypes in Northern Ethiopia. Afr. Crop Sci. J. 2014;22(2): 145-153.

11. Huehn M. Nonparametric measures of phenotypic stability. Part 1: Theory. Euphytica. 1990;47:189-194. DOI 10.1007/BF00024241.

12. Ingvordsen C.H., Backes G., Lyngkjær M.F., Peltonen-Sainio P., Jensen J.D., Jalli M., Jahoor A., Rasmussen M., Mikkelsen T.N., Stockmarr A., Jørgensen R.B. Significant decrease in yield under future climate conditions: Stability and production of 138 spring barley accessions. Europ. J. Agron. 2015;63:105-113.

13. Jalata Z. GGE-biplot analysis of multi-environment yield trials of barley (Hordeum vulgare L.) genotypes in Southeastern Ethiopia Highlands. Int. J. Plant Breed. Genet. 2011;5(1):59-75.

14. Lin C.S., Binns M.R. A superiority measure of cultivar performance for cultivar×location data. Can. J. Plant Sci. 1988;68:193-198. DOI 10.4141/cjps88-018.

15. Macholdt J., Honermeier B. Impact of climate change on cultivar choice: adaptation strategies of farmers and advisors in German cereal production. Agronomy. 2016;6(40). DOI 10.3390/agronomy 6030040.

16. Mirosavljevic M., Przulj N., Bocanski J., Stanisavljevic D., Mitrovic B. The application of AMMI model for barley cultivars evaluation in multi-year trials. Genetika. 2014;46(2):445-454.

17. Mohammadi M., Noorinia A.A., Khalilzadeh G.R., Hosseinpoo T. Application of GGE biplot analysis to investigate GE interaction on barley grain yield. Curr. Opin. Agric. 2015;4(1):25-32.

18. Mortazavian S.M.M., Nikkhah H.R., Hassani F.A., Sharif-al-Hosseini M., Taheri M., Mahlooji M. GGE biplot and AMMI analysis of yield performance of barley genotypes across different environments in Iran. J. Agr. Sci. Tech. 2014;16:609-622.

19. Nicotra A.B., Atkin O.K., Bonser S.P., Davidson A.M., Finnegan E.J., Mathesius U., Poot P., Purugganan M.D., Richards C.L., Valladares F., van Kleunen M. Plant phenotypic plasticity in a changing climate. Trends Plant Sci. 2010;15(12):684-692. DOI 10.1016/j.tplants.2010.09.008.

20. Sarkar B., Sharma R.C., Verma R.P.S., Sarkar A., Sharma I. Identifying superior feed barley genotypes using GGE biplot for diverse environments in India. Indian J. Genet. Plant Breed. 2014;74(1): 26-33. Shukla G.K. Some statistical aspects of partitioning genotype-enviromental components of variability. Heredity. 1972;29:237-245. DOI 10.1038/hdy.1972.87.

21. Solonechnyi P., Vasko N., Naumov O., Solonechnaya O., Vazhenina O., Bondareva O., Logvinenko Yu. GGE biplot analysis of genotype by environment interaction of spring barley varieties. Zemdirbyste-Agriculture. 2015;102(4):431-436. DOI 10.13080/z-a.2015.102.055.

22. Tai G.C.C. Genotypic stability analysis and its application to potato regional traits. Crop Sci. 1971;11:184-190. DOI 10.2135/cropsci1971.0011183X001100020006x.

23. Wricke G. Über eine methode zur erfassung der okologischen streubreite in feldversuchen. Z. Pflanzenzuchtg. 1962;47:92-96.

24. Yan W., Hunt L.A., Sheny Q., Szlavnics Z. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Sci. 2000;40:597-605. DOI 10.2135/cropsci2000.403597x.

25. Yan W., Kang M.S., Ma B., Woods S., Cornelius P.L. GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop Sci. 2007; 47:641-653. DOI 10.2135/cropsci2006.06.0374.

26. Yan W., Tinker N.A. Biplot analysis of multi-environment trial data: principles and applications. Can. J. Plant. Sci. 2006;86:623-645. DOI 10.4141/P05-169.