Study of spring barley perspective strain L1505 resistance to abiotic stressors in the conditions of the Leningrad region

The development of productive, flexible varieties of spring barley will increase the efficiency of grain production in conditions of low fertility of sod-podzolic soils of the Leningrad region. The purpose of the work: 1) to determine the effect of meteorological factors on productivity, vegetation period, plant height of the perspective strain of barley L1505 in comparison with standard Suzdalets and Leningradsky varieties; 2) to reveal the weather factor determining the yield. The results of 2008-2017 studies are presented. The resistance to weather factors such as air temperature, the sum of effective temperatures, total precipitation, was studied. The Leningradsky variety requires more heat. The productivity, the duration of the vegetation period of all varieties have an inverse correlation with the air temperature. L1505 had higher productivity than the standards for all years of research. The greatest yield of 5.2 tons / ha was received in 2015 in conditions close to the average for many years. The smallest yield of 3.0 t / ha was obtained in 2011 with the average temperature of air 2.10 0C above the norm and with moisture deficit. The Leningradsky variety yield-to-air ratio has a correlation coefficient r = -0.48, the Suzdalets variety r = -0.37, L1505 r = -0.26. The factor dispersion analysis showed that the main indicator is the heat supply. L1505 is more resistant to high and low air temperature, excess moisture and its deficiency.

spring barley, selection, variety, productivity, early maturity, resistance, air temperature, total precipitation

1. Архипов М.В., Данилова Т.А., Синицына С.М. Состояние и перспективы развития зерновой отрасли в Северо-Западном Федеральном округе РФ // Материалы заседаний Президиума и научного координационного совета по земледелию и растениеводству Северо-Западного регионального научного центра. СПб-Пушкин, 2014. С. 4-15.

2. Москвалев М.В., Щербинин А.В., Судоргина И.Р. Потенциал аграрного сектора как условие стратегического развития и обеспечения продовольственной безопасности региона // Вестник Санкт-Петербургского университета МВД России. 2014. №2(62). С. 165-169.

3. Иванов М.В. Устойчивость ярового ячменя к неблагоприятным факторам среды. Луга, 2004. С. 134.

4. Батакова О.Б., Корелина В.А., Иванова Н.В., Анисимова А.В. Испытание новых скороспелых линий ячменя в условиях Северного региона РФ. Труды по прикладной ботанике, генетике и селекции. Т. 177. Вып. 2. СПб., 2016. С. 34-44.

5. Трофимовская А.Я., Лукьянова М.В. Проблемы селекции ячменя // Бюллетень ВИР. 1986. Вып.44-45. P. 56-57.

6. Konti G.K. Holkar A.S. Selection in duces for yield components in barley (HordeumvulgareG.) Agr.Sc. Dig 1985.Vol. 2. № 1. С. 21-23.

7. Федосеев А.П. Агротехника и погода. Л.: Гидрометеоиздат, 1979. С. 5-96.

8. Анисимова А.В. Характеристика образцов ячменя по устойчивости к вредным организмам и селекционно-ценным признакам в условиях Северо-Запада России // Вестник защиты растений. 2016. № 1(87). С. 49-53.

9. Иванова Н.В., Анисимова А.В. Источники хозяйственно-ценных признаков ярового ячменя для создания сортов нового поколения, адаптированных к условиям Северо-Западного региона РФ. Белогорка, 2013. С. 16.

10. Доспехов Б.А. Методика полевого опыта (с основами статистической обработки результатов исследований). М.: Агропромиздат, 1985. С. 351.

11. Методика государственного сортоиспытания сельскохозяйственных культур. Вып.1. М., 1985. С. 270.

12. Karel D. Vohnout.2003. Mathematical modeling for system analysis in agricultural research.ELSEVIER SCIENCE B.V. SaraBurgerhart-straat 25P.O. Box 211, 1000 AE Amsterdam, The Netherlands. 452 р.

13. Floresa F., Moreno M.T., Cubero J.I. A comparison of univariate and multivariate methods to analyze GxE interaction. Field Crops Research. Vol. 56, Iss. 3, April 1998, P. 271-286. https: //doi.org/10.1016/ S0378-4290(97)00095-6.

14. Alfian Futuhul Hadi, Halimatus Sa’diyah. On The Development of Statistical Modeling in Plant Breeding: An Approach of Row-Column Interaction Models (RCIM) For Generalized AMMI Models with Deviance Analysis. Agriculture and Agricultural Science Procedia 9 (2016) 134-145. DOI: 10.1016/j.aaspro.2016.02.108