agronaukaАграрная наука Евро-Северо-ВостокаAgricultural Science Euro-North-East2072-90812500-1396FARC North-East10.30766/2072-9081.2025.26.6.1226-1240agronauka-2281Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИ: РАСТЕНИЕВОДСТВООRIGINAL SCIENTIFIC ARTICLES: PLANT GROWINGХозяйственно полезные признаки картофеля, позволяющие прогнозировать его урожайностьAgronomic traits of potato enabling yield predictionhttps://orcid.org/0009-0000-5818-3813ШанинаЕ. П.ShaninaE. P.

Шанина Елена Петровна, доктор с.-х. наук, доцент, главный научный сотрудник, Уральский научно-исследовательский институт сельского хозяйства

ул. Главная, д. 21, пос. Исток, г. Екатеринбург, 620061

Elena P. Shanina, DSc in Agriculture, associate professor, chief researcher, Ural Research Institute of Agriculture 

Glavnaya Str., 21, village Istok, Yekaterinburg, 620061 

uralniishoz@list.ruhttps://orcid.org/0009-0006-1497-5740ОберюхтинД. А.OberiukhtinD. A.

Оберюхтин Денис Андреевич, младший научный сотрудник, Уральский научно-исследовательский институт сельского хозяйства

ул. Главная, д. 21, пос. Исток, г. Екатеринбург, 620061

Denis A. Oberiukhtin, junior researcher, Ural Research Institute of Agriculture

Glavnaya Str., 21, village Istok, Yekaterinburg, 620061 

oberuhtindenis@gmail.comФГБНУ «Уральский федеральный аграрный научно-исследовательский центр Уральского отделения Российской академии наук»РоссияUral Federal Agrarian Scientific Research Centre, Ural Branch of the Russian Academy of SciencesRussian Federation20250801202626612261240Copyright © Шанина Е.П., Оберюхтин Д.А., 20252025Шанина Е.П., Оберюхтин Д.А.Shanina E.P., Oberiukhtin D.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.agronauka-sv.ru/jour/article/view/2281

Научные исследования по селекции картофеля направлены на повышение урожайности и устойчивости сортов к болезням и вредителям, улучшение качества продукции. На основе полученных результатов разрабатываются статистические модели, которые позволяют не только создать систему прогнозирования исследуемого параметра, но и объяснить вклад отдельных признаков, формирующих этот параметр. Цель исследования – определить оптимальную модель прогноза урожайности картофеля на основе анализа хозяйственно полезных признаков (средний вес клубня в кусте; количество клубней в кусте; содержание в клубнях крахмала, протеина, общих и редуцирующих сахаров, витамина С и нитратов) 100 сортов картофеля урожая 2024 г. (Свердловская область). В настоящей работе составлена модель линейной регрессии урожайности картофеля (т/га) с тремя предикторами – средний вес клубня (г), количество клубней (шт.) и натуральный логарифм содержания нитратов в клубне (мг/кг). Полученная модель смогла предсказать 77,9 % дисперсии данных (R2 = 0,785, R2adj = 0,779, p<0,001), а степень соответствия модели оказалась идеальной, поскольку значение средней абсолютной ошибки MAPE<10 %. Проверка предположений модели регрессии проводили по алгоритму LINE: линейность, независимость, нормальность, однородность. Этот алгоритм доказал адекватность полученной модели. Благодаря методу линейной регрессии показано, что при увеличении среднего веса товарного клубня на 1 г и количества клубней в кусте на 1 шт. урожайность картофеля возрастает соответственно на 0,314 и 2,386 т/га. Однако при повышении концентрации нитратов на каждую единицу натурального логарифма урожайность снижается на 3,63 т/га. В то время как вес клубня и количество клубней имели функциональную связь с урожайностью, содержание нитратов имело лишь косвенное отношение. По литературным данным, концентрация нитратов в клубнях картофеля в конце уборки урожая представляет «итоговую оценку» эффективности использования азота конкретным сортом в течение всего вегетативного периода. Полученной моделью обусловлены критерии отбора при селекции высокопродуктивных сортов картофеля: отбор генотипов с бóльшим количеством и весом клубней, низким содержанием остаточных нитратов в клубнях при стандартном режиме азотного питания.

Scientific research on potato breeding is aimed at increasing crop yields and the resistance of cultivars to diseases and pests, as well as improving product quality. Based on the results obtained, statistical models are developed that allow not only to create a system for forecasting the parameter under study, but also to explain the contribution of individual traits that form this parameter. The aim of the study is to determine the optimal model for forecasting potato yield based on the analysis of agronomic traits (average tuber weight per a potato plant; the number of tubers per a plant; content of starch, protein, total and reducing sugars, vitamin C and nitrates in tubers) of 100 potato cultivars harvested in 2024 (Sverdlovsk Region). In this work, a linear regression model of potato yield (t/ha) was developed with three predictors: average tuber weight (g), the number of tubers (units) and natural logarithm of nitrate content in tubers (mg/kg). The resulting model was able to predict 77.9 % of the data dispersion (R2 = 0.785, R2adj = 0.779, p<0.001), by this the degree of model fit was ideal, since the mean absolute error MAPE was less than 10%. The regression model assumptions were tested using the LINE algorithm: linearity, independence, normality, homogeneity. This algorithm proved the adequacy of the obtained model. Using the linear regression method, it was shown that with an increase in the average weight of marketable tubers by 1 g and the number of tubers by 1 unit, potato yield increased by 0.314 and 2.386 t/ha, respectively. However, with an increase in nitrate concentration per unit of natural logarithm, the yield decreased by 3.63 t/ha. While tuber weight and tuber number had a functional relationship with the yield, nitrate content had only an indirect relationship. According to the literature, the nitrate concentration in potato tubers at the end of the harvest represents a «final assessment» of the efficiency of nitrogen use by a particular cultivar throughout the growing season. The model obtained determines the selection criteria for breeding high-yielding potato cultivars: selection of genotypes with a large number and weight of tubers, low residual nitrate content in tubers under standard nitrogen nutrition conditions.

Solanum tuberosum L.урожай картофелянитратыклиматические условиямодель линейной регрессиистатистическая модельагрономияSolanum tuberosum L.potato yieldnitratesclimatic conditionslinear regression modelstatistical modelagronomyработа выполнена при поддержке Минобрнауки РФ в рамках Государственного задания ФГБНУ «Уральский федеральный аграрный научно-исследовательский центр Уральского отделения Российской академии наук» (тема № 0532-2021-0008).the research was carried out under the support of the Ministry of Science and Higher Education of the Russian Federation within the state assignment of Ural Federal Agrarian Scientific Research Centre, Ural Branch of the Russian Academy of Sciences (theme No. 0532-2021-0008).ReferencesDevaux A., Goffart J. P., Kromann P., Andrade-Piedra J., Polar V., Hareau G. The potato of the future: opportunities and challenges in sustainable agri-food systems. Potato Research. 2021;64(4):681–720. DOI: https://doi.org/10.1007/s11540-021-09501-4Devaux A., Goffart J. P., Kromann P., Andrade-Piedra J., Polar V., Hareau G. The potato of the future: opportunities and challenges in sustainable agri-food systems. Potato Research. 2021;64(4):681–720. DOI: https://doi.org/10.1007/s11540-021-09501-4Амирова Е. Ф., Гаврильева Н. К., Григорьев А. В., Соргутов И. В. Цифровизация в сельском хозяйстве: проблемы внедрения. Siberian Journal of Life Sciences and Agriculture. 2021;13(6):144–155. DOI: https://doi.org/10.12731/2658-6649-2021-13-6-144-155 EDN: KZNVKCAmirova E. F., Gavrilyeva N. K., Grigoriev A. V., Sorgutov I. V. Digitalization in agriculture: problems of implementation. Siberian Journal of Life Sciences and Agriculture. 2021;13(6):144–155. (In Russ.). DOI: https://doi.org/10.12731/2658-6649-2021-13-6-144-155Камышенко Г. А. Климатическая составляющая в расчете урожайности картофеля. Природные ресурсы. 2021;(2):14–21. Режим доступа: https://elibrary.ru/item.asp?id=47503785 EDN: ABQQIVKamishenko G. A. Climatic component in the calculation potato yields. Prirodnie resursi = Natural Resources. 2021;(2):14–21. (In Belarus). URL: https://elibrary.ru/item.asp?id=47503785Kuradusenge M., Hitimana E., Hanyurwimfura D., Rukundo P., Mtonga K., Mukasine A. et al. Crop yield prediction using machine learning models: case of irish potato and maize. Agriculture. 2023;13(1):225. DOI: https://doi.org/10.3390/agriculture13010225Kuradusenge M., Hitimana E., Hanyurwimfura D., Rukundo P., Mtonga K., Mukasine A. et al. Crop yield prediction using machine learning models: case of irish potato and maize. Agriculture. 2023;13(1):225. DOI: https://doi.org/10.3390/agriculture13010225Piekutowska M., Niedbała G., Piskier T., Lenartowicz T., Pilarski K., Wojciechowski T. et al. The application of multiple linear regression and artificial neural network models for yield prediction of very early potato cultivars before harvest. Agronomy. 2021;11(5):885. DOI: https://doi.org/10.3390/agronomy11050885Piekutowska M., Niedbała G., Piskier T., Lenartowicz T., Pilarski K., Wojciechowski T. et al. The application of multiple linear regression and artificial neural network models for yield prediction of very early potato cultivars before harvest. Agronomy. 2021;11(5):885. DOI: https://doi.org/10.3390/agronomy11050885Воробьев Н. И., Лысов А. К., Корнилов Т. В., Хютти А. В. Вычислительная нейросеть для обработки светоотражательных спектров растений и дистанционного фитосанитарного мониторинга картофеля. Аграрная наука Евро-Северо-Востока. 2024;25(2):283–292. DOI: https://doi.org/10.30766/2072-9081.2024.25.2.283-292 EDN: KUSISDVorobyov N. I., Lysov A. K., Kornilov T. V., Hyutti A. V. Computational neural network for processing light-reflective spectra of plants and remote phytosanitary monitoring of potatoes. Agrarnaya nauka Evro-SeveroVostoka = Agricultural Science Euro-North-East. 2024;25(2):283–292. (In Russ.). DOI: https://doi.org/10.30766/2072-9081.2024.25.2.283-292Шанина Е. П., Клюкина Е. М., Беляева Н. В., Стафеева М. А., Келик Л. А., Ахметханов В. Ф. Испытание сортов картофеля различного целевого использования. Картофель и овощи. 2024;(1):39–43. DOI: https://doi.org/10.25630/PAV.2024.92.35.003 EDN: VKRFOXShanina E. P., Klyukina E. M., Belyaeva N. V., Stafeeva M. A., Kelik L. A., Akhmetkhanov V. F. Testing of potato varieties of different intended uses. Kartofel' i ovoshchi = Potato and Vegetables. 2024;(1):39–43. (In Russ.). DOI: https://doi.org/10.25630/PAV.2024.92.35.003Шанина Е. П., Клюкина Е. М., Стафеева М. А., Беляева Н. В., Гончар О. Н. Сравнительный анализ сортов картофеля коллекционного питомника в зависимости от географического происхождения. Достижения науки и техники АПК. 2020;34(6):75–78. DOI: https://doi.org/10.24411/0235-2451-2020-10614 EDN: FYDLHGShanina E. P., Klyukina E. M., Stafeeva M. A., Belyaeva N. V., Gonchar O. N. The comparative geographical analysis of potato varieties from a collection nursery. Dostizheniya nauki i tekhniki APK = Achievements of Science and Technology of AICis. 2020;34(6):75–78. (In Russ.). DOI: https://doi.org/10.24411/0235-2451-2020-10614Cravero A., Pardo S., Sepúlveda S., Muñoz L. Challenges to use machine learning in agricultural big data: a systematic literature review. Agronomy. 2022;12(3):748. DOI: https://doi.org/10.3390/agronomy12030748Cravero A., Pardo S., Sepúlveda S., Muñoz L. Challenges to use machine learning in agricultural big data: a systematic literature review. Agronomy. 2022;12(3):748. DOI: https://doi.org/10.3390/agronomy12030748Лыскова И. В., Пермяков П. В., Кратюк Е. И. Результаты изучения коллекционных сортов и новых селекционных номеров картофеля по хозяйственно полезным признакам. Аграрная наука Евро-Северо-Востока. 2024;25(6):1019–1027. DOI: https://doi.org/10.30766/2072-9081.2024.25.6.1019-1027 EDN: UUWSBILyskova I. V., Permyakov P. V., Kratyuk E. I. The results of study of collection cultivars and potato new breeding numbers according to agronomic traits. Agrarnaya nauka Evro-Severo-Vostoka = Agricultural Science EuroNorth-East. 2024;25(6):1019–1027. (In Russ.). DOI: https://doi.org/10.30766/2072-9081.2024.25.6.1019-1027Wszelaczyńska E., Pobereżny J., Keutgen A. J., Keutgen N., Gościnna K., Milczarek D. et al. Antinutritional nitrogen compounds content in potato (Solanum tuberosum L.) tubers depending on the genotype and production system. Agronomy. 2022;12(10):2415. DOI: https://doi.org/10.3390/agronomy12102415Wszelaczyńska E., Pobereżny J., Keutgen A. J., Keutgen N., Gościnna K., Milczarek D. et al. Antinutritional nitrogen compounds content in potato (Solanum tuberosum L.) tubers depending on the genotype and production system. Agronomy. 2022;12(10):2415. DOI: https://doi.org/10.3390/agronomy12102415Ding K., Shan Y., Wang L., Zhang Y., Tian G. Transcriptomics combined with physiological analysis and metabolomics revealed the response of potato tuber formation to nitrogen. BMC Plant Biology. 2024;24(1):1109. DOI: https://doi.org/10.1186/s12870-024-05758-2Ding K., Shan Y., Wang L., Zhang Y., Tian G. Transcriptomics combined with physiological analysis and metabolomics revealed the response of potato tuber formation to nitrogen. BMC Plant Biology. 2024;24(1):1109. DOI: https://doi.org/10.1186/s12870-024-05758-2Muleta N. D., Aga M. C. Role of nitrogen on potato production: a review. Journal of Plant Sciences. 2019;7(2):36–42. DOI: https://doi.org/10.11648/j.jps.20190702.11Muleta N. D., Aga M. C. Role of nitrogen on potato production: a review. Journal of Plant Sciences. 2019;7(2):36–42. DOI: https://doi.org/10.11648/j.jps.20190702.11Zebarth B. J., Tai G., Tarn R., de Jong H., Milburn P. H. Nitrogen use efficiency characteristics of commercial potato cultivars. Canadian Journal of Plant Science. 2004;84(2):589–598. DOI: https://doi.org/10.4141/P03-050Zebarth B. J., Tai G., Tarn R., de Jong H., Milburn P. H. Nitrogen use efficiency characteristics of commercial potato cultivars. Canadian Journal of Plant Science. 2004;84(2):589–598. DOI: https://doi.org/10.4141/P03-050Frąckowiak K., Potarzycki J., Grzebisz W., Szczepaniak W. Potato nutritional status at the onset of tuberisation – a yield prediction tool. Plant, Soil and Environment. 2020;66(2):86–92. DOI: https://doi.org/10.17221/533/2019-PSEFrąckowiak K., Potarzycki J., Grzebisz W., Szczepaniak W. Potato nutri-tional status at the onset of tuberisation – a yield prediction tool. Plant, Soil and Environment. 2020;66(2):86–92. DOI: https://doi.org/10.17221/533/2019-PSEdo Carmo Milagres C., Fontes P. C. R., da Silveira M. V., Moreira M. A., de Carvalho Lopes I. P. Índices de nitrogênio e modelo para prognosticar a produção de tubérculos de batata. Revista Ceres. 2018;(65):261–270. DOI: https://doi.org/10.1590/0034-737X201865030006do Carmo Milagres C., Fontes P. C. R., da Silveira M. V., Moreira M. A., de Car-valho Lopes I. P. Índices de nitrogênio e modelo para prognosticar a produção de tubérculos de batata. Revista Ceres. 2018;(65):261–270. DOI: https://doi.org/10.1590/0034-737X201865030006

The authors declare that there are no conflicts of interest present.