Pages Navigation Menu
Submit scientific paper, scientific publications, International Research Journal | Meždunarodnyj naučno-issledovatel’skij žurnal

ISSN 2227-6017 (ONLINE), ISSN 2303-9868 (PRINT), DOI: 10.18454/IRJ.2227-6017
ЭЛ № ФС 77 - 80772, 16+

Advance online publication

DOI: https://doi.org/10.23670/IRJ.2021.114.12.020 - Resolvable after 17.12.2021

Cite


Copy the reference manually or choose one of the links to import the data to Bibliography manager
Kukoleva S.S., "THE USE OF CLUSTER ANALYSIS IN THE SELECTION OF SORGHUM × DRUMMONDII". Meždunarodnyj naučno-issledovatel’skij žurnal (International Research Journal) , (2022): . Fri. 14. Jan. 2022.
Kukoleva, S.S. (2022). ISPOLYZOVANIE KLASTERNOGO ANALIZA V SELEKCII SUDANSKOY TRAVY [THE USE OF CLUSTER ANALYSIS IN THE SELECTION OF SORGHUM × DRUMMONDII]. Meždunarodnyj naučno-issledovatel’skij žurnal, , . http://dx.doi.org/10.23670/IRJ.2021.114.12.020

Import


THE USE OF CLUSTER ANALYSIS IN THE SELECTION OF SORGHUM × DRUMMONDII

ИСПОЛЬЗОВАНИЕ КЛАСТЕРНОГО АНАЛИЗА В СЕЛЕКЦИИ СУДАНСКОЙ ТРАВЫ

Научная статья

Куколева С.С.*

ORCID: 0000-0002-0582-9024,

Российский научно-исследовательский и проектно-технологический институт сорго и кукурузы, Саратов, Россия

* Корреспондирующий автор (lily74-88[at]mail.ru)

Аннотация

Главное назначение кластерного анализа – разделение множества исследуемых объектов, характеризуемых совокупностью признаков, на однородные в соответствующем понимании группы (кластеры). Положительным свойством кластерного анализа является возможность сжатия большого объема информации, ее систематизация, построение научно-обоснованной классификации, выявление внутренней связи между единицами исследуемой совокупности. Целью исследования является выделение перспективных образцов суданской травы по основным хозяйственным признакам на основе кластерного анализа для дальнейшего использования в селекции на гетерозис в условиях Саратовской области. Группировка образцов позволяет рассматривать состав каждого кластера, как довольно тождественный исходный материал по степени выраженности признаков. В 2015-2017 гг. оценивалось 32 образца суданской травы по 12 хозяйственно-ценным признакам, которые подверглись статистической обработке. На 22 шаге итерации с евклидовым расстоянием 14,4 образцы сгруппировали в 10 кластеров. Различия кластеров достоверны, кроме признака «массы 1000 зерен». По интенсивности стартового роста отличились 1 и 5 кластеры. Второй кластер характеризуется количеством различий по параметрам наибольшего листа, ширине флагового листа и урожайности зерна. По большинству признаков 3 и 4 кластеры значимо не различались. В 6-ом кластере отмечены различия по признакам: «выдвинутость ножки метелки», «высота при созревании», «длина соцветия» и «длина флагового листа». У 7-го кластера выявлены различия по ширине флагового листа, ширине соцветия и урожайности зерна. Восьмой кластер отличился по параметрам флагового листа и урожайности зеленой биомассы. В 9-ом кластере выявлены различия по признаку: «высота при созревании» и параметрам «соцветия», «наибольшего листа». Последний кластер выделился наибольшим количеством различий по параметрам наибольшего листа (по длине 8 и 6 по ширине), урожайности зерна и зеленой биомассы, выдвинутости ножки метелки. Полученные результаты используются при подборе компонентов скрещиваний в селекции сорго-суданковых гибридов.

Ключевые слова: суданская трава, кластерный анализ, кластер, урожайность, признак.

THE USE OF CLUSTER ANALYSIS IN THE SELECTION OF SORGHUM × DRUMMONDII

Research article

Kukoleva S.S.*

ORCID: 0000-0002-0582-9024,

Russian Research and Design-Technological Institute of Sorghum and Corn, Saratov, Russia

* Corresponding author (lily74-88[at]mail.ru)

Abstract

The main purpose of cluster analysis is to divide the set of objects under study characterized by a set of features into groups (clusters) that are homogeneous in the appropriate sense. A positive feature of cluster analysis is the ability to compress a large amount of information, systematize it, build a scientifically based classification, identify the internal relationship between the units of the population under study. The aim of the article is to identify promising samples of sorghum × drummondii according to the main economic characteristics based on cluster analysis for further use in breeding for heterosis in the conditions of Saratov Oblast. Grouping of samples allows for examining the composition of each cluster as fairly identical source material in terms of the severity of the indicators. During the period from 2015 to 2017, 32 samples of sorghum × drummondii were evaluated according to 12 economically valuable characteristics, which were subjected to statistical processing. At the 22nd iteration step with a Euclidean distance of 14.4, the samples were grouped into 10 clusters. Cluster differences were observed to be significant, except for the “1,000 Seed Weight” feature. The study distinguished clusters 1 and 5 based on the intensity of the initial growth. The second cluster is characterized by the number of differences in the parameters of the largest leaf, the width of the flag leaf, and grain yield. Clusters 3 and 4 did not differ significantly in most features. In the 6th cluster, differences were noted according to the following indicators: “the extension of the panicle leg”, “height at maturity”, “inflorescence length” and “length of the flag leaf”. The 7th cluster revealed differences in the width of the flag leaf, the width of the inflorescence, and grain yield. The 8th cluster distinguished itself by the parameters of the flag leaf and the yield of green biomass. In the 9th cluster, differences were revealed on the basis of: “height at maturity” and the parameters of “inflorescence”, “largest leaf”. The last cluster was distinguished by the greatest number of differences in the parameters of the largest leaf (in length 8 and 6 in width), grain yield and green biomass, the extension of the panicle leg. The results obtained are used in the selection of components of crosses in the selection of grass sorghum hybrids.

Keywords: sorghum × drummondii, cluster analysis, cluster, yield, trait.

Введение

Суданская трава за счет относительно невысоких требований к почвенному плодородию и своей засухоустойчивости формирует стабильные и высокие урожаи кормовой массы, которую можно использовать для приготовления сенажа, сена, силоса, травянистой муки, зерносенажа, а также на зеленую массу, подкормку и выпас.

Евклидово расстояние — одно из наиболее известных расстояний, которое доступно для восприятия и понимания в случае количественных признаков и часто применяется в селекции разных сельскохозяйственных культур, в том числе и суданской травы [3, С. 127-129]. Применение кластерного анализа в селекционной практике отмечено в публикациях при изучении сорговых культур и кукурузы [4, С. 8], [6, С. 75], [1, С. 30].

Целью исследования являлось выделение перспективных сортов и линий суданской травы по основным хозяйственным признакам на основе кластерного анализа для дальнейшего использования в селекции на гетерозис в условиях Саратовской области.

Материал и методы исследований

Проведен кластерный анализ 32 образцов суданской травы по 12 признакам: стартовый рост, высота растений при созревании, длина метелки, ширина метелки, длина наибольшего листа, ширина наибольшего листа, выдвинутость ножки, длина флагового листа, ширина флагового листа, урожайность зеленой биомассы, урожайность зерна, масса 1000 зерен. Высевали в оптимальные сроки 2015-2017 гг. на опытном поле ФГБНУ РосНИИСК «Россорго» сеялкой СКС-6-10. Почва опытного поля представлена слабовыщелоченным южным маломощным чернозёмом, среднесуглинистым по гранулометрическому составу. То есть, почва опытного поля является типичной для зоны сухих чернозёмных степей Юго-Востока России. Наиболее благоприятный для формирования продуктивности был 2017 год (гидротермический коэффициент (ГТК) в период вегетации составил 0,91); «засушливыми» характеризовались 2015 (ГТК=0,41), 2016 (ГТК=0,64) годы.

Площадь делянки составила 7,7 м². Повторность – трехкратная. Густота стояния растений в фазу всходов корректировалась вручную (150 тыс. раст./га).

Агротехника выращивания – зональная, разработанная научными учреждениями Нижнего Поволжья. Оценка хозяйственно-ценных признаков образцов суданской травы проведена согласно методике государственного сортоиспытания сельскохозяйственных культур [5] и широкого унифицированного классификатора СЭВ и международного классификатора СЭВ [7]. Результаты исследования подвергались статистической обработке в программе Agros версии 2.09 дисперсионным и кластерным анализами [2].

Результаты и их обсуждение

На 22 шаге итерации (минимум евклидовых расстояний равен 14,4) сорта и линии суданской травы сгруппировали в 10 кластеров (см. рисунок 1). Выявлен следующий состав кластеров:

  • Чишминская ранняя, Росинка, Якташ, Ташебинская, Туран 2, Сарват.
  • Кинельская 100, Мечта Поволжья.
  • Л-143, МЕВ-728.
  • Зональская 6, Don Salvador, Славянка, JS-722, Юбилейная 20, Элегия, Лаура, Зерноградская, Пензенская 34.
  • Саратовская 1183, Фаина, Ciral, Л-106.
  • Краснодарская 75.
  • Камышинская 51, Александрина.
  • Землячка, Аллегория, Анастасия, Амбиция.
  • Фиолета.

 

14-01-2022 13-28-35

Рис. 1 – Кластеризация образцов суданской травы по минимуму евклидовых расстояний (средние за 2015-2017гг.)

Примечание: Зональская 6, 2; Чишминская ранняя, 3; Краснодарская 75, 4; Кинельская 100, 5; Зерноградская, 6;
Л-106, 7; Л-143, 8; МЕВ-728, 9; Якташ, 10; Юбилейная 20, 11; Саратовская 1183, 12; Землячка, 13; Аллегория, 14; Амбиция, 15; Камышинская 51, 16; Элегия, 17;
Don Salvador, 18; Славянка, 19; Туран 2, 20; Ташебинская, 21;  Фаина, 22; Лаура, 23; Анастасия, 24; Мечта Поволжья, 25; Росинка, 26; Ciral, 27; Agun, 28; Фиолета, 29; JS-722, 30; Пензенская 34, 31; Александрина, 32; Сарват

 

Распределения образцов суданской травы по кластерам проверили с использованием дисперсионного анализа методом неорганизованных повторений. По всем признакам отмечается нулевая гипотеза, то есть различия кластеров достоверны, кроме признака массы 1000 зерен (см. таблицу 1).

По интенсивности стартового роста отличились 1 кластер (4 различия) и 5 кластер (3 различия). Высота растений через 30 дней после всходов составила 68,5-104,0 см.

Второй кластер выделился количеством различий по параметрам наибольшего листа (9 по длине и 6 по ширине), ширине флагового листа (6 различий) и урожайности зерна (3 различия). В кластер вошли растения с короткими и узкими листьями (наибольший: длина – 31,4 см, ширина – 2,5 см; флаговый: ширина – 1,8 см) и низкой урожайностью зерна (1,7 т/га).

По большинству признаков 3 и 4 кластеры значимо не различались.

У 6-ого кластера отмечены различия по признакам: «выдвинутость ножки метелки» (8 различий), «высота при созревании» (3 различия), «длина соцветия» (5 различий) и «длина флагового листа» (5 различий). В кластер входит группа растений, отличающаяся наибольшей выдвинутостью ножки метелки (28,7 см), средней высотой при созревании (165,3 см), средним соцветием (23,6 см) и коротким флаговым листом (16,5 см).

У 7-го кластера выявлены различия по ширине флагового листа (7 различий), ширине соцветия (4 различия) и урожайности зерна (3 различия). У растений данного кластера преобладают широкие флаговые листья (2,9 см), более узкие метелки (12,6 см) и низкая урожайность зерна (1,7 т/га).

Образцы 8-го кластера характеризуются различиями по параметрам флагового листа (8 по длине и 6 по ширине) и урожайности зеленой биомассы (9). Растения этого кластера обладают высокими показателями длины и ширины флагового листа (32,9 см и 2,8 см, соответственно) и низкой урожайностью зеленой биомассы (6,4 т/га).

9 кластер отличился от других кластеров по признакам: «высота при созревании» (9 различий) и параметрам «соцветия» (6 по длине и 6 по ширине), «наибольшего листа» (6 по длине и 5 различий по ширине). Растения этого кластера характеризуются высокорослостью (254,3 см), наибольшими параметрами соцветия (длина – 36,1 см, ширина – 19,7 см) и наибольшего листа (длина 52,2 см, ширина 4,0 см).

10 кластер выделился наибольшим количеством различий по параметрам наибольшего листа (по длине 8 и 6 по ширине), урожайности зерна (9) и зеленой биомассы (8), выдвинутости ножки метелки (8). В этот кластер вошли образцы, формирующие высокую продуктивность и параметры наибольшего листа, а также имеющие короткую выдвинутость ножки.


 Таблица 1 – Дисперсионный анализ, средних значений признаков образцов суданской травы, сгруппированных по кластерам, 2015-2017 гг. 14-01-2022 13-27-10


Выводы

Кластеризация сортов и линий суданской травы по минимуму евклидовых расстояний с учетом значений морфологических признаков и урожайности позволяет их сгруппировать в определенные классы по обобщенной мере сходства. Образцы (всего 32) распределены по 10 кластерам. Достоверность их распределения по группам подтверждена дисперсионным анализом. Полученные результаты используются при подборе компонентов скрещиваний (родительских форм) в селекции сорго-суданковых гибридов. В качестве исходного материала рекомендуется включать сорта и линии входящие в 7, 9 и 10 кластеры: Камышинская 51, Александрина, Землячка, Аллегория, Анастасия, Амбиция, Фиолета.

Конфликт интересов

Не указан.

Conflict of Interest

None declared.

Список литературы / References

  1. Гудова Л.А. Кластерный анализ по минимуму евклидовых расстояний в селекции кукурузы / Л.А. Гудова // Междунар. науч.-практ. конф. «Эффективные решения в приоритетных отраслях АПК в засушливых регионах». Саратов. – 2020. – С. 30-35.
  2. Методика полевого опыта (с основами статистической обработки результатов исследований) / Б.А. Доспехов // М.: Альянс. – 2011. – 352 с.
  3. Корнева С.П. Использование кластерного анализа для повышения эффективности отборов в расщепляющихся гибридных популяциях / С.П. Корнева // Молодые ученые сибирского региона – аграрной науке, материалы межрегион. конф. молодых ученых. Омск. – 2004. – С. 127-131.
  4. Куколева С.С. Скрининг сортообразцов суданской травы в условиях Саратовской области / С.С. Куколева, Д.С. Семин, О.П. Кибальник, В.И. Старчак //Зерновое хозяйство России. – 2016. – №4(46). – С. 8-11.
  5. Методика государственного сортоиспытания сельскохозяйственных культур. М. – 1989. – 194 с.
  6. Семин Д.С. Кластеризация исходного материала зернового сорго селекции ФГБНУ РосНИИСК «Россорго» / Д.С. Семин, О.П. Кибальник, И.Г. Ефремова и др. // Сб. мат. по итогам конф. «Инновационные агротехнологии в растениеводстве засушливых регионов России». Саратов. – 2019. – С.75-84.
  7. Якушевский Е. С. Широкий унифицированный классификатор СЭВ и международный классификатор СЭВ возделываемых видов рода Sorghum Moench // Е.С. Якушевский // Л. – 1982. – 34 с.

Список литературы на английском языке / References in English

  1. Gudova L.A. Klasternyj analiz po minimumu evklidovyh rasstoyanij v selekcii kukuruzy [Cluster analysis by the minimum of Euclidean distances in corn breeding] / L.A. Gudova // Mezhdunar. nauch.-prakt. konf. «Effektivnye resheniya v prioritetnyh otraslyah APK v zasushlivyh regionah» [collection of the International scientific and practical Conference “Effective solutions in priority sectors of agriculture in arid regions”]. Saratov. – 2020. – P. 30-35. [in Russian]
  2. Metodika polevogo opyta (s osnovami statisticheskoj obrabotki rezul’tatov issledovanij) [Methodology of field experience (with the basics of statistical processing of research results)] / B.A. Dospekhov // M.: Al’yans. – 2011. – 352 p. [in Russian]
  3. Korneva S.P. Ispol’zovanie klasternogo analiza dlya povysheniya effektivnosti otborov v rasshcheplyayushchihsya gibridnyh populyaciyah [The use of cluster analysis to improve the efficiency of selection in splitting hybrid populations] / S.P. Korneva // Molodye uchenye sibirskogo regiona – agrarnoj nauke, materialy mezhregion. konf. molodyh uchenyh [materials of the interregional conference of young scientists “Young scientists of the Siberian region – agricultural science”]. Omsk. – 2004. – P. 127-131. [in Russian]
  4. Kukoleva S.S. Skrining sortoobrazcov sudanskoj travy v usloviyah Saratovskoj oblasti / S.S. Kukoleva, D.S. Semin, O.P. Kibal’nik et al. // Zernovoe hozyajstvo Rossii. – 2016. – № 4 (46). – P. 8-11. [in Russian]
  5. Metodika gosudarstvennogo sortoispytaniya sel’skohozyajstvennyh kul’tur [Methodology of state variety testing of agricultural crops] M. – 1989. – 194 p. [in Russian]
  6. Semin D.S. Klasterizaciya iskhodnogo materiala zernovogo sorgo selekcii FGBNU RosNIISK «Rossorgo» [Clustering of the source material of grain sorghum selection of RosNIISK “Rossorgo”] / D.S. Semin, O.P. Kibal’nik, I.G. Efremova et al. // Sb. mat. po itogam konf. «Innovacionnye agrotekhnologii v rastenievodstve zasushlivyh regionov Rossii» [Collection of materials on the results of the conference “Innovative agrotechnologies in crop production of arid regions of Russia”]. Saratov. – 2019. – P.75-84. [in Russian]
  7. Yakushevskij E. S. Shirokij unificirovannyj klassifikator SEV i mezhdunarodnyj klassifikator SEV vozdelyvaemyh vidov roda Sorghum Moench [Wide unified classifier of SEV and international classifier of SEV of cultivated species of the genus Sorghum Moench] / E.S. Yakushevskij // L. – 1982. – 34 p. [in Russian]

Leave a Comment

Your email address will not be published. Required fields are marked *

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.