Биганова Светлана Герсановна - кандидат сельскохозяйственных наук, доцент, профессор кафедры информационной безопасности и прикладной информатики.
385000 Республика Адыгея, Майкоп, ул. Первомайская, 191.
Svetlana G. Biganova - Cand. Sci. (Agriculture), Associate Professor, Maikop State Technological University.
191 Pervomayskaya St., Maikop, Republic of Adygea 385000.
Сухоруких Юрий Иванович - доктор сельскохозяйственных наук, профессор, ведущий научный сотрудник.
385000 Республика Адыгея, Майкоп, ул. Первомайская, 191.
Yuri I. Sukhorukikh - Dr. Sci. (Agriculture), Professor, Leading Researcher, Maikop State Technological University.
191 Pervomayskaya St., Maikop, Republic of Adygea 385000.
Пчихачев Эдуард Кимович - кандидат сельскохозяйственных наук, директор.
385778 Республика Адыгея, Майкопский район, пос. Цветочный, ул. Школьная, 2А.
Eduard K. Pchikhachev - Cand. Sci. (Agriculture), Director, Adygea Branch, Subtropical Scientific Centre of the Russian Academy of Sciences.
2A Shkolnaya St., Tsvetochny, Maikop District, Republic of Adygea 385778.
Актуальность. Орех грецкий (Juglans regia L.) считается особо ценным растением для человека, и в мире растет его производство. Для выделения генофонда вида, дающего высококачественные плоды, создан ряд методик. В селекционной работе важно знать, какая из них обеспечивает выделение лучших родоначальников. Цель работы – сравнение эффективности наиболее часто применяемых методик, изложенных в «Программе и методике селекции ореха грецкого» за 2007 г. (методика 1) и «Программе и методике сортоизучения плодовых, ягодных и орехоплодных культур» за 1999 г. (методика 2), при выделении ценного генофонда по вкусу, характеру извлекаемости, массе, выходу ядра и общему оценочному баллу орехов.
Материал и методы. По вышеотмеченным методикам оценивались 112 форм ореха. Статистическая обработка данных проведена с применением лицензионной программы Stadia-8.
Результаты. В сопоставлении с программными требованиями к новым сортам у всех родоначальников, выделенных по методике 1, вкус и масса ядра превышали их, а по методике 2 у 12,5% форм были ниже. Целевой выход ядра в 50% и более оказался ниже порогового значения у 14,29%, отобранных по методике 1, и у 62,5% рамет, выделенных по методике 2. При оценке по методике 1 у группы селекционной категории «высшего качества» наблюдались более высокие средние показатели по вкусу на 3,63%, массе – 7,86%, извлекаемости – 4,25%, выходу ядра – 9,9%. При выделении формы, относимой к первому рангу по методике 1, превышение показателей составило: по извлекаемости – 0,25%, массе – 5,26%, вкусу – 3,09%, выходу ядра – 7,55%, общей балльной оценке – 7,61%; по среднему значению для особей первого/второго ранга – 4,44; 21,91; 4,75; 9,67; 9,86% соответственно.
Заключение. При отборе перспективного генофонда ореха грецкого использование методики 1 по сравнению с методикой 2 обеспечивает более строгий отбор и более высокие показатели качества пищевой части (вкус, извлекаемость, масса, выход ядра и общая балльная оценка плодов).
Background. Walnut (Juglans regia L.) is considered a particularly valuable plant for humans. A number of methods have been developed to select the species’ gene pool that produces high-quality fruits. Breeders need to know which of them ensures identification of the best ancestors. The objective of this work was to compare the effectiveness of the most frequently used techniques for selecting a valuable gene pool according to taste, extractability, weight, kernel yield, and overall fruit score. They were presented in the Program and Methods for Walnut Breeding (method 1) and the Program and Methodology of Variety Studies for Fruit, Berry and Nut Crops (method 2).
Materials and methods. Statistical data processing was performed using the licensed Stadia-8 software.
Results. Comparing the results with the program requirements for new cultivars, all the ancestors selected according to method 1 had better taste and higher kernel weight, while according to method 2 12.5% of the forms showed lower values. The recommended kernel yield of 50% or more turned out to be lower than the threshold value in 14.29% (method 1) and 62.5% (method 2) of the selected ramets. Evaluation by to method 1 showed that the group of the “superior quality” breeding category had higher average values in taste (by 3.63%), weight (7.86%), extractability (4.25%), and kernel yield (9.9%). When selecting the first-rank forms by method 1, the values were higher in extractability (by 0.25%), weight (5.26%), taste (3.09%), kernel yield (7.55%), and overall score (7.61%). In the average values for the first-rank and second-rank forms, the excess was by 4.44, 21.91, 4.75, 9.67, and 9.86%, respectively.
Conclusions. When selecting a promising walnut gene pool, method 1 provides for stricter selection and higher food quality indicators (taste, extractability, weight, kernel yield, and overall fruit score) compared to method 2.
The authors declare that there are no conflicts of interest present.