Вадим Игоревич Лапшин, кандидат биологических наук, старший научный сотрудник
350901 Краснодар, ул. 40 лет Победы, 39
Vadim I. Lapshin, Cand. Sci. (Biology), Senior Researcher
39 40 let Pobedy St., Krasnodar 350901
Валентина Владимировна Яковенко, кандидат сельскохозяйственных наук, старший научный сотрудник
350901 Краснодар, ул. 40 лет Победы, 39
Valentina V. Yakovenko, Cand. Sci. (Agriculture), Senior Researcher
39 40 let Pobedy St., Krasnodar 350901
Актуальность. Совместное использование различных методов преобразования данных и многомерного статистического анализа, учитывающего несколько переменных, повышает эффективность отбора перспективных генотипов земляники по комплексу признаков для промышленного и мелкотоварного производства.
Материалы и методы. Изучались 17 сортов земляники садовой короткого дня в период 2020–2022 гг. Анализ велся по признакам продуктивности (число ягод, масса ягод I порядка, средняя масса ягоды), товарного качества ягод (плотность мякоти ягоды, высота ягоды, диаметр ягоды) и общей массе ягод с растения. В математической обработке данных применялись двухфакторный дисперсионный анализ, метод главных компонент, кластерный анализ по алгоритму Уорда, критерий Вилкоксона.
Результаты. Установлена статистическая достоверность факторов «сорт» и «год» и эффекта их взаимодействия. Наибольшее влияние на изменчивость признаков оказал генотип сорта. Большая часть общей вариансы по комплексу признаков определилась пятью первыми главными компонентами. Кластерный анализ выделил две группы сортов. Исходные данные были преобразованы по наименьшей существенной разности НСР05 для получения нормированных индексов. С учетом критерия Вилкоксона по индексам проведено ранжирование сортов. При сопоставлении групп, построенных по средним и суммарным значениям нормированных индексов, с результатами кластерного анализа выделено 6 лучших сортов земляники по комплексу признаков.
Заключение. Объединенное применение многомерных методов и нормированных индексов позволило выделить наиболее перспективные для производства сорта земляники по урожаю и качеству ягод: ‘Олимпия’, ‘Нелли’, ‘Флоренс’, ‘Кемия’, ‘Джайв’ и ‘Альба’.
Background. Combined use of various data transformation methods and a multivariate statistical analysis that takes into account several variables would increase the efficiency of selecting promising strawberry genotypes according to a set of traits for industrial and small-scale production.
Materials and methods. In 2020–2022, 17 short-day garden strawberry cultivars were studied. The analysis was carried out for productivity (the number of berries, the weight of berries of the 1st order, and the average berry weight), marketable quality of berries (berry pulp density, berry height, and berry diameter), and total weight of berries per plant. Mathematical data processing employed a two-factor analysis of variance, the principal component method, cluster analysis by Ward’s algorithm, and Wilcoxon test.
Results. The statistical significance of the cultivar and year factors, and their interaction was measured. The cultivar’s genotype had the greatest effect on the variability of characters. Greater part of the total variance in the set of characters was determined by the first five principal components. The cluster analysis identified two groups of cultivars. The initial data were transformed according to the least significant difference (LSD05) to obtain normalized indices. Taking into account the Wilcoxon test, the cultivars were ranked by the indices. When comparing the groups built in line with mean and total values of the normalized indices with the cluster analysis results, 6 best strawberry cultivars were identified for the studied set of characters.
Conclusion. The combined use of multivariate methods and normalized indices made it possible to identify the most promising strawberry cultivars according to their yield and berry quality: ‘Olympia’, ‘Nelli’, ‘Florence’, ‘Kemia’, ‘Jive’, and ‘Alba’.
The authors declare that there are no conflicts of interest present.