Представлены результаты исследований по использованию методов многомерной статистики для оценки морфо-биологической разнокачественноети сортообразцов пшеницы озимой, проведенных в 2005-2016 годах в условиях лесостепи Центрального Черноземья. Апробированы различные методы группировки образцов - кластерный анализ (метод последовательной дихотомии, k-средних, иерархической классификации), нейросетевая обработка данных (сеть «Кохена»). Методами дисперсионного и дискриминантного анализов установлено, что значимое влияние на кластеризацию сортообразцов оказывают только три признака: длина периода всходы-колошение, высота растения и масса 1000 зёрен. При этом принадлежность сортообразцов к определенной группе остаётся постоянной независимо от условий года. Для скрещиваний при гибридизации родительские компоненты подбирают с учетом их принадлежности к разным кластерам. Скрещивания проводят между сортообразцами с контрастными признаками. Использование метода k-средних для планирования скрещиваний позволяет получать ценные в селекционном отношении гибриды озимой пшеницы, которые характеризуются полиморфизмом, наличием благоприятных трансгрессий, высокой продуктивностью, зимостойкостью, устойчивостью к полеганию. Такой принцип подбора родительских компонентов был использован на практике при создании нового сорта озимой мягкой пшеницы Алексия, переданного в 2016 году в Государственное сортоиспытание. Апробированный метод k-средних в качестве способа оценки морфо-биологической разнокачественности сортообразцов упрощает подбор родительских компонентов для скрещиваний и позволяет создавать гибриды озимой пшеницы, которые в условиях ЦЧР характеризуются высокой продуктивностью, зимостойкостью, устойчивостью к неблагоприятным факторам среды.
The article presents the using of multidimensional statistics methods for assessing the morphological and biological quality of winter wheat varieties in experiments conducted under the conditions of the forest-steppe of the Central Chernozem region in 2005-2016. Agrotechnics is generally accepted for the region. Mathematical processing was carried out by the package Statistica 6.1. There were tested different methods of grouping the samples, such as cluster analysis (successive dichotomy, k-means, hierarchical classification), neural network data processing (Kohen network). Only three characteristics had a significant effect on the clustering of varieties: the sprouting period, the height of the plant and the mass of 1000 grains; it was established by dispersion method and discriminant analysis. The parent components were selected on the basis of their belonging to different clusters in hybridization crosses. Crosses were between varieties with contrasting signs. The using of the k-averages method made it possible to obtain valuable winter wheat hybrids which possessed polymorphism, favorable transgressions, high productivity, winter hardiness, and lodging resistance. This selection principle was used in practice during the creating of a new variety of soft winter wheat Alexia, which was presented to the State Variety Test in 2016. The approved method of k-averages simplifies the selection of parent components for crosses and allows the creation of hybrids of winter wheat which is characterized by high productivity, winter hardiness and resistance to unfavorable environmental factors.
The authors declare that there are no conflicts of interest present.