Использование методов многомерной статистики в селекции пшеницы озимой

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.

озимая пшеница, селекционные образцы, морфобиологические показатели, кластерный, дисперсионный и дискриминантный анализы, гибриды, подбор родительских компонентов для скрещиваний, winter wheat, selection samples, morphological and biological indicators, cluster, dispersion and discriminant analyzes, hybrids, selection of parent components for crosses

1. Кацко И. А. Практикум по анализу данных на компьютере [Текст] / И. А. Кацко, Н. Б. Паклин. - Москва: КолосС, 2009. - 278 с.

2. Нейронная сеть как способ классификации исходного материала озимой пшеницы [Текст] / И. А. Русанов, Т. Г. Ващенко, Н. Т. Павлюк, Г.Г. Голева // Вестник Воронежского государственного аграрного университета. - 2010. - № 3 (26). - С. 27-31.

3. Проблема классификации селекционного материала [Текст] / А.Г. Буховец, И. А. Русанов, Г. Г. Голева, Н. Т. Павлюк // Биологические основы и методы селекции и семеноводства сельскохозяйственных культур: сборник научных трудов / ВГАУ. -Воронеж: ВГАУ, 2006. - С. 35-47.

4. Халафян А. А. Statistica 6. Математическая статистика с элементами теории вероятностей [Текст]: учебник / А. А. Халафян. - Москва: Бином, 2010. - 496 с.