В обзоре представлен систематический анализ достижений в области применения портативной и стационарной ближней инфракрасной (БИК/NIR) спектроскопии для неразрушающей оценки качества семян сельскохозяйственных и лесных древесных культур за период 2015–2025 гг. Основное внимание уделяется растительным признакам, определяемым с помощью данного метода: жизнеспособность и энергия прорастания, влажность, содержание макронутриентов (масла, белка, углеводов), специфических биологически активных соединений (фенолы, антиоксиданты, жирные кислоты), чистота сорта, видовая и сортовая идентификация, а также обнаружение фитопатогенов. Отдельно рассматривается технологический аспект применения БИК-спектрометрии для оперативной сортировки (грейдирования) семян в семеноводстве, включая использование мобильных оптоэлектронных систем, запатентованных устройств и комплексных технологических платформ. Проанализированы ключевые этапы обработки спектральных данных: предобработка, выбор информативных диапазонов волн, применение методов многомерной калибровки и алгоритмов машинного обучения. Сравнены преимущества и ограничения различных типов спектрометров. Обзор демонстрирует, что БИК-спектроскопия, интегрированная в современные фенотипические платформы, стала высокоэффективным агрофизическим инструментом для селекции культур, контроля качества семенного материала и поддержки принятия решений в технологии восстановления агролесных ландшафтов. Полученные массивы данных вносят вклад в формирование библиотеки материалов по восстановлению агролесных ландшафтов (AFLR-Library).
Идентификаторы и классификаторы
- SCI
- Растениеводство
Современное растениеводство требует высокоточных, быстрых и неразрушающих методов оценки качества семенного материала. Традиционные методы определения всхожести, энергии прорастания, химического состава и фитопатогенной заражённости зачастую требуют значительного времени, использования реактивов и приводят к уничтожению образца, что неприемлемо при работе с уникальным селекционным материалом в условиях оперативного контроля на производстве или при оценке дорогостоящих семян лесных древесных пород. В этом контексте спектроскопия в ближней инфракрасной области (БИК, NIR, 780–2500 нм, 12500–4000 см⁻¹) выдвинулась в качестве одной из наиболее перспективных технологий.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Novikov A. I., Lisitsyn V. I., Tigabu M., Tylek P., Chuchupal S. Detection of Scots pine single seed in optoelectronic system of mobile grader: mathematical modeling // Forests. 2021. Vol. 12. No. 2. Art. No. 240. DOI: 10.3390/f12020116
2. Novikov A. I., Zolnikov V. K., Novikova T. P. Grading of Scots pine seeds by the seed coat color: how to optimize the engineering parameters of the mobile optoelectronic device // Inventions. 2021. Vol. 6. No. 1. Art. No. 7. DOI: 10.3390/inventions6010007
3. Соколов С. В., Новиков А. И. Новые оптоэлектронные системы экспресс-анализа семян в лесохозяйственном производстве // Лесотехнический журнал. 2019. T. 9. №. 2 (34). С. 5-13. DOI: 10.34220/issn.2222-7962/2019.2/1
4. Novikov A. I., Drapalyuk M. V., Zelikov V. A., Sokolov S., Ivetić V. Performance of Scots pine seedlings from seeds graded by colour // Forests. 2019. Vol. 10. No. 12. Art. No. 1064. DOI: 10.3390/f10121064
5. Novikov A. I., Ivetic V. The effect of seed coat color grading on height of one-year-old container-grown Scots pine seedlings planted on post-fire site // IOP Conf. Ser.: Earth Environ. Sci. International Jubilee Scientific and Practical Conference “Innovative directions of development of the forestry complex”. 2019. Vol. 226. Art. No. 012043. DOI: 10.1088/1755-1315/226/1/012043
6. Патент РФ № 2675056. Экспресс-анализатор качества семян // Авторы: Альбеков А. У., Драпалюк М. В., Морковина С. С., Новиков А. И., Вовченко Н. Г., Соколов С. В., Новикова, Т. П. Патентообладатель: Воронежский государственный лесотехнический университет. 14.12.2018.
7. Патент EAPO № 040058. Экспресс-анализатор качества семян // Авторы: Драпалюк М. В., Морковина С. С., Новиков А. И., Вовченко Н. Г., Соколов С. В. Патентообладатель: Воронежский государственный лесотехнический университет. 14.04.2022.
8. Патент РФ № 2700759. Устройство для сортировки семян // Авторы: Драпалюк М. В., Морковина С. С., Новиков А. И., Вовченко Н. Г., Соколов С. В., Новикова, Т. П. Патентообладатель: Воронежский государственный лесотехнический университет. 19.09.2019.
9. Патент РФ № 2687509. Устройство для сортировки семян // Авторы: Альбеков А. У., Драпалюк М. В., Морковина С. С., Новиков А. И., Вовченко Н. Г., Соколов С. В., Новикова Т. П. Патентообладатель: Воронежский государственный лесотехнический университет. 14.05.2019.
10. Патент РФ № 2682854. Устройство для сортировки семян // Авторы: Альбеков А. У., Драпалюк М. В., Морковина С. С., Новиков А. И., Вовченко Н. Г., Соколов С. В., Новикова Т. П. Патентообладатель: Воронежский государственный лесотехнический университет. 21.03.2019.
11. Новиков А. И. Совершенствование технологии получения высококачественного лесосеменного материала. Дисс. …. д-ра техн. наук. Воронеж: Воронежский государственный лесотехнический университет, 2021. 341 с.
12. Bilir N., Novikova T. P., Novikov A. I. Variation in cone and seed productions of Taurus cedar (Cedrus libani A. Rich.) populations // Geogr. Environ. Sustain. 2025. Vol. 18. No. 2. P. 63-69. DOI: 10.24057/2071-9388-2025-3561
13. Kusumaningrum D., Lee H., Lohumi S., Mo C., Kim M.S., Cho B.-K. Non-destructive technique for determining the viability of soybean (Glycine max) seeds using FT-NIR spectroscopy // J. Sci. Food Agric. 2018. Vol. 98(5). P. 1734-1742. DOI: 10.1002/jsfa.8646
14. Новикова Т. П., Новиков А. И., Петрищев Е. П. Изучение спектрометрических особенностей лесных семян для улучшения посевных качеств: кластерный анализ направлений научного ландшафта // Лесотехнический журнал. 2023. T. 13. №. 4 (52). Ч. 1. С. 23-39. DOI: 10.34220/issn.2222-7962/2023.4/1
15. Ambrose A., Lohumi S., Lee W.-H., Cho B. K. Comparative nondestructive measurement of corn seed viability using Fourier transform near-infrared (FT-NIR) and Raman spectroscopy // Sens. Actuators B: Chem. 2016. Vol. 224. P. 500-506. DOI: 10.1016/j.snb.2015.10.082
16. Vovchenko N., Novikov A. I., Tishchenko E. New technology for encapsulating conditioned seeds to increase aerial seeding efficiency // IOP Conf. Ser. Ser.: Earth Environ. Sci. International Forestry Forum “Forest ecosystems as global resource of the biosphere: calls, threats, solutions”. 2020. Vol. 595. Art. No. 012009. DOI: 10.1088/1755-1315/595/1/012009
17. Daneshvar A., Tigabu M., Karimidoost A., Odén P.C. Single seed Near Infrared Spectroscopy discriminates viable and non-viable seeds of Juniperus polycarpos // Silva Fenn. 2015. Vol. 49(5). Art. No. 1334. DOI: 10.14214/sf.1334
18. Novikov A. I., Drapalyuk M. V., Sokolov S. V., Ivetic V. Vis-NIR wave spectrometric features of acorns (Quercus robur L.) for machine grading // IOP Conf. Ser.: Earth Environ. Sci. International scientific and practical conference “Forest ecosystems as global resource of the biosphere: calls, threats, solutions”. 2019. Vol. 392. Art. No. 012009. DOI: 10.1088/1755-1315/392/1/012009
19. Shrestha S., Deleuran L.C., Gislum R. Separation of viable and non-viable tomato (Solanum lycopersicum L.) seeds using single seed near-infrared spectroscopy // Comput. Electron. Agric. 2017. Vol. 142. Part A. P. 348-355. DOI: 10.1016/j.compag.2017.09.004
20. da Silva M. F., Roque J. V., Soares J. M., de Oliveira Moura L., de Medeiros A. D., da Silva F. L., da Silva L. J. Near infrared spectroscopy for the classification of vigor level of soybean seed // Rev. Ciênc. Agron. 2024. Vol. 55. Art. No. e20238703. DOI: 10.5935/1806-6690.20240005
21. Farhadi M., Tigabu M., Odén P. C. Near infrared spectroscopy as non-destructive method for sorting viable, petrified and empty seeds of Larix sibirica // Silva Fenn. 2015. Vol. 49(5). Art. No. 1340. DOI: 10.14214/sf.1340
22. Shrestha S., Deleuran L.C., Gislum R. Classification of different tomato seed cultivars by multispectral visible-near infrared spectroscopy and chemometrics // J. Spectr. Imaging. 2016. Vol. 5. Art. No. a1. DOI: 10.1255/jsi.2016.a1
23. Bartalné-Berceli M., Izsó E., Róka J., Gergely S., Salgó A. Monitoring the seed germination by a non-destructive near infrared (NIR) Spectroscopy Method // Proc. 8th Int. Congr. Flour Bread 2015 10th Croat. Congr. Cereal Technol. 2015. P. 201-214.
24. Li T.-X., Jia S.-Q., Liu X., Yan Y.-L., An D. Maize hybrid seed purity identification based on near infrared reflectance (NIR) and transmittance (NIT) spectra // Guang Pu Xue Yu Guang Pu Fen Xi. 2015. Vol. 35(12). P. 3388-3392.
25. Zhang Y., Guo W. Moisture content detection of maize seed based on visible/near-infrared and near-infrared hyperspectral imaging technology // Int. J. Food Sci. Technol. 2020. Vol. 55(2). P. 631-640. DOI: 10.1111/ijfs.14317
26. Wang Z., Li J., Zhang C., Fan S. Development of a general prediction model of moisture content in maize seeds based on LW5-NIR hyperspectral imaging // Agriculture. 2023. Vol. 13(2). Art. No. 359. DOI: 10.3390/agriculture13020359
27. An D., Cui Y., Liu X., Jia S., Zheng S., Che X., Liu Z., Zhang X., Zhu D., Li S. Effects of varieties, producing areas, ears, and ear positions of single maize kernels on near-infrared spectra for identification and traceability // PLoS ONE. 2016. Vol. 11(9). Art. No. e0161489. DOI: 10.1371/journal.pone.0161489
28. Pahlawan M. F. R., Murti B. M. A., Masithoh R. E. The potency of Vis/NIR spectroscopy for classification of soybean based of colour // IOP Conf. Ser.: Earth Environ. Sci. 1st International Conference on Agriculture, Food, and Environment. 2022. Vol. 1018(1). Art. No. 012015. DOI: 10.1088/1755-1315/1018/1/012015
29. Abadi F. R., Masithoh R. E., Sutiarso L., Rahayoe S. Evaluation of Indonesian local soybean based on chemical characteristics and visible-near infrared spectra with chemometrics // Biotropia. 2024. Vol. 31(1). P. 63-75. DOI: 10.11598/btb.2024.31.1.2054
30. Gomes Á. S., Fonseca de Oliveira G. R., Rodrigues A. A., Corrêa C. G., de Almeida E., de Carvalho H.W.P., Arthur V., Amaral da Silva E.A., Novikov A.I., Mastrangelo C.B. Ultrasound technology supplements zinc in soybean seeds and increases the photosynthetic efficiency of seedlings // Comput. Electron. Agric. 2024. Vol. 227. Art. No. 109619. DOI: 10.1016/j.compag.2024.109619
31. Sui Y., Zhao X., Ding J., Sun S., Tong Y., Ma W., Zhao Y. measurement of crude fat content in soybean grains // Food Chem. 2025. Vol. 491. Art. No. 144862. DOI: 10.1016/j.foodchem.2025.144862
32. Soares J. M., de Noronha B. G., da Silva M. F., Pinheiro D. T., Dias D. C. F. S., da Silva L. J. Near-infrared spectral evaluation of physiological potential, biochemical composition and enzymatic activity of soybean seeds // J. Seed Sci. 2024. Vol. 46. Art. No. e202446037. DOI: 10.1590/2317-1545v46291222
33. Andriazzi C. V. G., Rocha D. K., Custódio C. C. Determination of the physiological quality of corn seeds by infrared equipment // J. Seed Sci. 2023. Vol. 45. Art. No. e202345002. DOI: 10.1590/2317-1545v45265346
34. Kandpal L. M., Lohumi S., Kim M. S., Kang J.-S., Cho B.-K. Near-infrared hyperspectral imaging system coupled with multivariate methods to predict viability and vigor in muskmelon seeds // Sens. Actuators B Chem. 2016. Vol. 229. P. 534-544. DOI: 10.1016/j.snb.2016.02.015
35. Hacisalihoglu G., Armstrong P. R., Mendoza P. T. D., Seabourn B. W. Compositional analysis in sorghum (Sorghum bicolor) NIR spectral techniques based on mean spectra from single seeds // Front. Plant Sci. 2022. Vol. 13. Art. No. 995328. DOI: 10.3389/fpls.2022.995328
36. Yazici N., Novikova T. P., Novikov A. I., Bilir N. Gene diversity in seed crop of Taurus cedar (Cedrus libani A. Rich.) over an altitudinal range // Geogr. Environ. Sustain. 2023. Vol. 16. No. 4. P. 63-71. DOI: 10.24057/2071-9388-2023-2922
37. Farhadi, M., Tigabu M., Stener L.-G., Odén P. C. Feasibility of visible + near infrared spectroscopy for non-destructive verification of European × Japanese larch hybrid seeds // New Forests. 2016. Vol. 2 (47). P. 271-285. DOI: 10.1007/s11056-015-9514-4
38. Novikova T. P., Tylek P., Mastrangelo C. B., Drapalyuk M. V., Kharin S. V., Novikov A. I. The root collar diameter growth reveals a strong relationship with the height growth of juvenile Scots pine trees from seeds differentiated by spectrometric feature // Forests. 2023. Vol. 14. No. 6. Art. No. 1164. DOI: 10.3390/f14061164
39. Novikov A., Bartenev I., Podvigina O., Nechaeva O., Gavrin D., Zelikov V., Novikova T., Ivetić V. The effect of low-intensive coherent seed irradiation on germinant growth of Scots pine and sugar beet // J. For. Sci. 2021. Vol. 67. No. 9. P. 427-435. DOI: 10.17221/56/2021-JFS
40. Novikov A. I., Drapalyuk M. V., Dornyak O. R., Zelikov V. A., Ivetić V. The effect of motion time of a Scots pine single seed on mobile optoelectronic grader efficiency: a mathematical patterning // Inventions. 2019. Vol. 4. No. 4. Art. No. 55. DOI: 10.3390/inventions4040055
41. Novikov A. I., Vovchenko N. G., Sokolov S. V., Novikova T. P., Demidov D. N., Tylek P. Improving the quality of automated VIS-grading of Scots pine seeds using fuzzy logic algorithm // IOP Conf. Ser.: Earth Environ. Sci. 2021. Vol. 875. Art. No. 012032. DOI: 10.1088/1755-1315/875/1/012032
42. Dornyak O. R., Novikov A. I. Immersion freezing of a Scots pine single seed in a water-saturated dispersion medium: mathematical modelling // Inventions. 2020. Vol. 5. No. 4. Art. No. 51. DOI: 10.3390/inventions5040051
43. Новикова Т. П. Оценка качества лесосеменного материала на экспериментальном участке сосны обыкновенной (Pinus sylvestris L.) при адаптивном восстановлении лесных ландшафтов / Т. П. Новикова // Лесотехнический журнал. 2023. T. 13. № 1 (49). С. 112-128. DOI: 10.34220/issn.2222-7962/2023.1/8
44. Новикова Т. П. Технологический паспорт “семя-культура”: идентификация параметров RGB-яркости и цветности индивидуальных семян Pinus sylvestris L. var. Negorelskaya на основе авторской методики // Лесотехнический журнал. 2024. Т. 14. № 3 (55). С. 37-60. DOI: 10.34220/issn.2222-7962/2024.3/3
45. Новиков А.И., Саушкин В.В. Исследование спектрометрических параметров семенной кожуры сосны обыкновенной в ИК-диапазоне // Лесотехнический журнал. 2018. Т. 8. № 3(31). С. 6-15. DOI: 10.12737/article_5b97a164e41782.20107217
46. Новикова Т. П., Новиков А. И., Лисицын В. И., Петрищев Е. П. Справочная информационная система FLR-Library для адаптивного лесовосстановления: кластерный анализ дескрипторов // Лесотехнический журнал. 2023. Т. 13. № 3 (51). С. 164-179. DOI: 10.34220/issn.2222-7962/2023.3/12
47. Новикова Т. П., Новиков А. И., Лисицын В. И., Петрищев Е. П. Справочная информационная система FLR-Library для адаптивного лесовосстановления: информационная модель //Лесотехнический журнал. 2023. Т. 13. № 4 (52). Ч. 1. С. 114-124. DOI: 10.34220/issn.2222-7962/2023.4/7
48. Новикова Т. П., Новиков А. И., Петрищев Е. П., Евдокимова С. А. Технология восстановления лесных ландшафтов: разработка алгоритма функционирования справочной информационной системы FLR-Library // Лесотехнический журнал. 2024. Т. 14. № 3 (55). С. 186-203. DOI: 10.34220/issn.2222-7962/2024.3/11
49. Новикова Т. П. Исследование набора технологических операций подготовки семенного материала хвойных пород для лесовосстановления // Лесотехнический журнал. 2021. Т. 11. № 4 (44). С. 150-160. DOI: 10.34220/issn.2222-7962/2021.4/13
50. Novikova T. P. The choice of a set of operations for forest landscape restoration technology // Inventions. 2022. Vol. 7. No. 1. Art. No. 1. DOI: 10.3390/inventions7010001
51. Alves M. C. D. S., da Silva T. A., Tonetti O. A. O., Jose A.C., Hein P. R. G., Faria J. M. R. Use of near infrared spectroscopy for estimating moisture content in Brazilian cherry (Eugenia uniflora L.) seeds submitted to dehydration // CERNE. 2024. Vol. 30. No. 1. Art. No. e-103414. DOI: 10.1590/01047760202330013414
52. Szulc J., Gozdecka G., Poświardowski W. The application of NIR spectroscopy in moisture determining of vegetable seeds // Czech J. Food Sci. 2020. Vol. 38. No. 2. P. 131-136. DOI: 10.17221/57/2019-CJFS
53. Irchad A., Ouaabou R., Aboutayeb R., Razouk R., Houmanat K., Hssaini L. Lipidomic profiling reveals phenotypic diversity and nutritional benefits in Ficus carica L. (Fig.) seed cultivars // Frontiers in Plant Science. 2023. Vol. 14. Art. No. 1229994. DOI: 10.3389/fpls.2023.1229994
54. Assadzadeh S., Walker C. K., McDonald L. S., Maharjan P., Panozzo J. F. Multi-task deep learning of near infrared spectra for improved grain quality trait predictions // Journal of Near Infrared Spectroscopy. 2020. Vol. 28. No. 5-6. P. 275-286. DOI: 10.1177/0967033520939318
55. Tigabu M. Daneshvar A., Wu P., Ma X., Odén P. Rapid and non-destructive evaluation of seed quality of Chinese fir by near infrared spectroscopy and multivariate discriminant analysis // New Forests. 2020. Vol. 51. No. 3. P. 395-408. DOI: 10.1007/s11056-019-09735-8
56. Новиков А. И., Новикова Т. П., Чесноков Ю. В. Световая оптометрия семян: избранный обзор исследований 2015-2025 // Таврический вестник аграрной науки. 2025. № 4 (44). С. 118-146. DOI: 10.5281/zenodo.17587989
57. Bernardes R. C., de Medeiros A., da Silva L., Cantoni L., Martins G. F., Mastrangelo T., Novikov A. I., Mastrangelo C. B. Deep-learning approach for Fusarium head blight detection in wheat seeds using low-cost imaging technology // Agriculture. 2022. Vol. 12. No.11. Art. No. 1801. DOI: 10.3390/agriculture12111801
58. Иветич В., Новиков А.И. Роль качества лесного репродуктивного материала при лесовосстановлении // Лесотехнический журнал. 2019. Т. 9. № 2(34). С. 56-65. DOI: 10.34220/issn.2222-7962/2019.2/7
59. Новиков А. И., Ребко С. В., Новикова Т. П., Петрищев Е. П. Индекс качества Диксона: связь с технологическим воздействием на лесные семенa //Лесотехнический журнал. 2023. Т. 13. № 1 (49). С. 23-36. DOI: 10.34220/issn.2222-7962/2023.1/2
60. Beć K. B., Grabska J., Huck C. W. Near-infrared spectroscopy in bio-applications // Molecules. 2020. Vol. 25. No. 12. Art. No. 2948. DOI: 10.3390/molecules25122948
61. Huang Q., Wei J., Cheng J., Zhu M., Nie W., Wang X., Hu M., Xu Z., Kan R., Liu W. Non-Destructive Assessment of Rice Seed Vigor and Extraction of Characteristic Spectra Based on Near-Infrared Spectroscopy // Photonics. 2026. Vol. 13, No. 3. Art No. 228. DOI: 10.3390/photonics13030228
62. Sokolov S. V., Kamensky V. V., Novikov A.I., Ivetić V. How to increase the analog-to-digital converter speed in optoelectronic systems of the seed quality rapid analyzer // Inventions. 2019. Vol. 4. No. 4. Art. No. 61. DOI: 10.3390/inventions4040061
63. Новиков А. И. Экспресс-анализ лесных семян биофизическими методами. Воронеж: Воронежский государственный лесотехнический университет им. Г.Ф. Морозова, 2018. 128 с.
64. Новиков А. И., Новикова Т. П., Драпалюк М. В., Соколов С. В. Экспресс-анализ семян в лесохозяйственном производстве: теоретические и технологические аспекты. Воронеж: Воронежский государственный лесотехнический университет им. Г.Ф. Морозова, 2022. 176 с.
65. Бартенев И. М., Драпалюк М. В., Ушаков Н. О., Новиков А. И. К вопросу механизации высева дражированных лесных семян // Лесотехнический журнал. 2020. Т. 10. № 1(37). С. 161-172. DOI: 10.34220/issn.2222-7962/2020.1/21
66. Новиков А. И., Иветич В., Никулин С. С., Демидов Д. Н., Петрищев Е. П. Фронтирный метод создания защитных лесных насаждений вокруг питомников на неэффективных участках: технологические основы // Лесотехнический журнал. 2022. Т. 12. № 2 (46). С. 115-125. DOI: 10.34220/issn.2222-7962/2022.2/10
67. Петрищев Е. П. Совершенствование процесса кондиционирования семян сосны обыкновенной накаткой внешней оболочки: Дисс. …. канд. техн. наук. Воронеж: Воронежский государственный лесотехнический университет им. Г.Ф. Морозова, 2024. 168 с.
68. Novikov A. I., Ersson B. T., Malyshev V. V., Petrishchev E. P., Ilunina A. A. Mechanization of coniferous seeds grading in Russia: a selected literature analysis // IOP Conference Series: Earth and Environmental Science. 2020. Vol. 595. Art. No. 012060. DOI: 10.1088/1755-1315/595/1/012060
69. Свидетельство о государственной регистрации базы данных № 2025620063 Российская Федерация. Технологические операции, машины и механизмы, используемые в процессе восстановления лесных ландшафтов: заявл. 08.12.2024: опубл. 09.01.2025 / Т. П. Новикова, Е. П. Петрищев, С. А. Евдокимова, А. И. Новиков; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования “Воронежский государственный лесотехнический университет имени Г.Ф. Морозова”.
70. Shelenga T. V., Solovyeva, A. E., Sokolova D. V., Vasipov V. V., Smolenskaya A. E., Popov V. S. Rapid assessment of biochemical indicators of agronomic value in amaranth seed accessions from the VIR collection using NIR spectroscopy // Proceedings on applied botany, genetics and breeding. 2025. Vol. 186. No. 1. P. 52-60. DOI: 10.30901/2227-8834-2025-1-52-60
71. Ishikawa H., Boukar O., Fatokun C., Shono M., Muranaka S. Development of calibration model to predict nitrogen content in single seeds of cowpea (Vigna unguiculata) using near infrared spectroscopy // Journal of Near Infrared Spectroscopy. 2017. Vol. 25. No. 3. (25). P. 211-214. DOI: 10.1177/0967033517712129
72. Sharma A., Sogarwal P., Kumar A., Ramesh. Use of near-infrared spectroscopy for screening the oil content, protein, phytic acid, glucosinolates, and fatty acid profile in oilseed Brassica species // Frontiers in Nutrition. 2025. Vol. 12. Art. No.1632421. DOI: 10.3389/fnut.2025.1632421
73. da Silva Medeiros M. L., Cruz-Tirado J. P., Lima A. F., de Souza Netto J. M., Badan Ribeiro A.P., Bassegio D., Godoy H. T., Barbin D. F. Assessment oil composition and species discrimination of Brassicas seeds based on hyperspectral imaging and portable near infrared (NIR) spectroscopy tools and chemometrics // J. Food Compos. Anal. 2022. Vol. 107. Art. No. 104403. DOI: 10.1016/j.jfca.2022.104403
74. Ribeiro L. F., Peralta-Zamora P. G., Maia B. H., Ramos L. P., Pereira-Netto A. B. Prediction of linolenic and linoleic fatty acids content in flax seeds and flax seeds flours through the use of infrared reflectance spectroscopy and multivariate calibration // Food Research International. 2013. Vol. 51. No. 2. P. 848-854.
75. Serson W., Armstrong P., Maghirang E., AL-Bakri A., Phillips T., Al-Amery M., Su K., Hildebrand D. Development of Whole and Ground Seed Near-Infrared Spectroscopy Calibrations for Oil, Protein, Moisture, and Fatty Acids in Salvia hispanica // JAOCS, Journal of the American Oil Chemists’ Society. 2020. Vol. 97. No. 1. P. 3-13. DOI: 10.1002/aocs.12300
76. Özdemir S., Karaoğlu O., Dağ Ç., Bekiroğlu S. Assessment of sesame oil fatty acid and sterol composition with FT-NIR spectroscopy and chemometrics // Turk. J. Agric. For. 2018. Vol. 42. No. 6. P. 444-452. DOI: 10.3906/tar-1802-130
77. Koláčková P., Růžičková G., Gregor T., Šišperová E. Quick method (FT-NIR) for the determination of oil and major fatty acids content in whole achenes of milk thistle (Silybum marianum (L.) Gaertn.) // J. Sci. Food Agric. 2015. Vol. 95. No. 11. P. 2264-2270. DOI: 10.1002/jsfa.6945
78. Lan Z., Zhang Y., Chen X., Li S., Cao H., Wang S., Meng J. Efficient detection of limonoid from citrus seeds by handheld NIR: compared with benchtop NIR // Food Anal. Methods. 2022. Vol. 15(7). P. 1909-1921. DOI: 10.1007/s12161-022-02245-y
79. Li S., Fu H., Ma Q., Shan Y. Universal models for determining oil contents in three woody oil plant seeds by using near infrared spectroscopy: a feasibility study // Chemistry and Industry of Forest Products. 2017. Vol. 37. No. 4. P. 137-142. DOI: 10.3969/j.issn.0253-2417.2017.04.020
80. Haruna S. A., Li H., Wei W., Geng W., Luo X., Zareef M., Yao-Say Solomon Adade S., Ivane N. M. A., Isa A., Chen Q. Rapid and simultaneous quantification of phenolic compounds in peanut (Arachis hypogaea L.) seeds using NIR spectroscopy coupled with multivariate calibration // Journal of Food Composition and Analysis. 2023. Vol. 123. Art. No. 105593. DOI: 10.1016/j.jfca.2023.105516
81. Córdova-Ramos J. S., Glorio-Paulet P., Hidalgo A., Camarena F. Near-infrared reflectance spectroscopy as a tool to predict antioxidant capacity of Andean lupin (Lupinus mutabilis) flour // Journal of Food Measurement and Characterization. 2021. Vol. 15. No. 3. P. 2487-2496. DOI: 10.3390/pr10081637
82. Okonkwo C. E., Moses J. A., Ngadi M. Rapid determination of antioxidant properties of okra (Abelmoschus esculentus) seeds using near-infrared spectroscopy // Journal of Food Process Engineering. 2022. Vol. 45(8). Art. No. e14058. DOI: 10.3390/molecules23030550
83. Troshchynska Y., Bleha R., Kumbarová L., Sluková M., Sinica A., Štětina J. Characterisation of flaxseed cultivars based on NIR diffusion reflectance spectra of whole seeds and derived samples // Czech Journal of Food Sciences. 2019. Vol. 37. No. 5. P. 374-382. DOI: 10.17221/270/2018-CJFS
84. Carreiro Soares S. F., Medeiros E. P., Pasquini C. Classification of individual cotton seeds with respect to variety using near-infrared hyperspectral imaging // Analytical Methods. 2016. Vol. 8. P. 8498-8505. DOI: 10.1039/C6AY02896A
85. Tigabu M., Farhadi M., Stener L.-G., Odén P.C. Visible + Near Infrared Spectroscopy as taxonomic tool for identifying birch species // Silva Fenn. 2018. Vol. 52. No. 4. Art. No. 9996. DOI: 10.14214/sf.9996
86. Panero F. S., Smiderle O., Panero J. S., Faria F. S. D. V., Panero P. S., Rodriguez A. F. R. Non-destructive genotyping of cultivars and strains of sesame through NIR spectroscopy and chemometrics // Biosensors. 2022. Vol. 12(2). Art. No. 69. DOI: 10.3390/bios12020069
87. Vasconcelos M. C., Oliveira A. S., Granja J. A. A., Costa J. C., Guimarães R. M. Differentiation of sunflower cultivars by spectroscopy in infrared next and multivariate analysis using seeds and oil // Rev. Bras. Ciênc. Agrár. 2018. Vol. 13(4). Art. No. e5582. DOI: 10.5039/agraria.v13i4a5582
88. Liu X., Jia S. Q., Wang C. Y., Liu Z., Gu J. C., Zhai W., Li S. M., Zhang X. D., Zhu D. H., Huang H. J., An D. A study of the relationship among genetic distances, NIR spectra distances and NIR-based identification model performance of the seeds of maize inbred lines // Spectroscopy and Spectral Analysis. 2015. Vol. 35(9). P. 2510-2515.
89. Fernandes T. F. S., Silva R. V. D. O., Freitas D. L. D. D., Lima K. G. D., Teixeira G. H. D. A. Sex type determination in papaya seeds and leaves using near infrared spectroscopy combined with multivariate techniques and machine learning // Comput. Electron. Agric. 2022. Vol. 193. Art. No. 106674. DOI: 10.1016/j.compag.2021.106674
90. Kahrıman F., Polat A., Tiryaki A.M., Eskizeybek V., Fidan S., Songur U. Discrimination accuracy of haploid and diploid maize seeds using NIR spectroscopy coupled with different machine learning algorithms and data pretreatment methods // Spectrosc. Lett. 2026. Vol. 59. No. 2. DOI: 10.1080/00387010.2025.2501766
91. Meng F.-J., Luo S., Wu Y.-F., Sun H., Liu F., Li M., Huang W., Li M. Characteristic extraction method and discriminant model of ear rot of maize seed base on NIR spectra // Guang Pu Xue Yu Guang Pu Fen Xi (Spectroscopy and Spectral Analysis). 2022. Vol. 42(6). P. 1716-1720.
92. Manin A. A., Sokolov S. V., Novilov A.I., Polyakova M. V., Novikov A. I., Demidov D. N., Novikova T. P. Kalman filter adaptation to disturbances of the observer’s parameters // Inventions. 2021. Vol. 6. No. 4. Art. No. 80. DOI: 10.3390/inventions6040080
93. Manin A. A., Sokolov S. V., Polyakova M. V., Sukhanov A. V., Novikov A. I. Kalman filter adaptive to constant perturbations of the observable object parameters // Proceedings of the Fifth International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’21): Part of the book series: Lecture Notes in Networks and Systems (LNNS). 2022. Vol. 330 P. 527-538. DOI: 10.1007/978-3-030-87178-9_52
94. Sokolov S. V., Novikov A. I. Adaptive estimation of UVS navigation parameters by irregular inertial-satellite measurements // Int. J. Intell. Unmanned Syst. 2021. Vol. 9. No. 4. P. 274-282. DOI: 10.1108/IJIUS-10-2019-0056
95. Sokolov S. V., Novikov A. I., Ivetić V. Determining the initial orientation for navigation and measurement systems of mobile apparatus in reforestation // Inventions. 2019. Vol. 4. No. 4. Art. No. 56. DOI: 10.3390/inventions4040056
96. Sokolov S., Khatlamadzhiyan A. E., Novikov A. I., Polyakova M., Demidov D. N. Terminal stochastic filtering of nonlinear dynamic processes: the case of invariant immersion // Proceedings of the Sixth International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’22): Part of the book series: Lecture Notes in Networks and Systems (LNNS). 2023. Vol. 556. P. 369-379. 10.1007/978-3-031- 19620-1_35. DOI: 10.1007/978-3-031-19620-1_35
97. Sokolov S., Novikov A., Polyakova M. Adaptive stochastic filtration based on the estimation of the covariance matrix of measurement noises using irregular accurate observations // Inventions. 2021. Vol. 6. No. 1. Art. No. 10. DOI: 10.3390/inventions6010010
98. Bonazza F., Monti L., Povolo M., Gasparini A., Pelizzola V., Cabassi G. Monitoring the shelf life of hemp seed oil stored at two temperatures in different materials via near-infrared (NIR) spectroscopy // Molecules. 2024. Vol. 29(23). Art. No. 5577. DOI: 10.3390/molecules29235577
99. Muresan V., Danthine S., Muresan A.E., Racolta E., Blecker C.,Muste S., Socaciu C., Baeten V. In situ analysis of lipid oxidation in oilseed-based food products using near-infrared spectroscopy and chemometrics: the sunflower kernel paste (tahini) example // Talanta. 2016. Vol. 155. P. 336-346. DOI: 10.1016/j.talanta.2016.04.019
100. Fan Y., Liu S., Wang Q., Long Y., Chen L., Huang W. Viability discrimination and vigor estimation of naturally aged open-pollinated maize seeds via hyperspectral imaging // Microchemical Journal. 2026. Vol. 221. Art, No, 116758. DOI: 10.1016/j.microc.2025.116758
101. Limão M. A. R., dos Santos Dias D. C. F., Nascimento W. M., Soares J. M., da Silva L. J. Near-infrared spectroscopy and accelerated ageing in evaluating the vigour of lentil seeds // Revista Ciência Agronômica. 2025. Vol. 56. Art. No. e202493547. DOI: 10.5935/1806-6690.20250034
102. Tylek P., Klocek Ja., Piłat A., Kaliniewicz Z., Novikov A.I., Mateusiak Ł. Assessment of the effectiveness of an autonomous device for pre-sowing scarification and sorting of acorns // Przegl. Elektrotech. 2024. Vol. 1. No. 9. P. 206-209. DOI: 10.15199/48.2024.09.40
103. Mayr S., Beć K. B., Grabska J., Schneckenreiter E., Huck C. W. Near-infrared spectroscopy in quality control of Piper nigrum: a comparison of performance of benchtop and handheld spectrometers // Talanta. 2021. Vol. 223. Art. No. 121809. DOI: 10.1016/j.talanta.2020.121809
104. Wu T., Dai J., Shen P., Liu H., Wei Y. Seedscreener: A novel integrated wheat germplasm phenotyping platform based on NIR-feature detection and 3D-reconstruction // Computers and Electronics in Agriculture. 2023. Vol. 215. Art. No. 108378. DOI: 10.1016/j.compag.2023.108378
105. Delwiche S. R., Reeves J. B. A graphical method to evaluate spectral preprocessing in multivariate regression calibrations: example with Savitzky-Golay filters and partial least squares regression // Applied Spectroscopy. 2010. Vol. 64(1). P. 73-82. DOI: 10.1366/000370210790572007
106. Murariu G., Dinca L., Munteanu D. Trends and Applications of Principal Component Analysis in Forestry Research: A Literature and Bibliometric Review // Forests. 2025. Vol. 16(7). Art. No. 1155. DOI: 10.3390/f16071155
107. Qin Y., Zhang Y., Liu X., Wang Z., Zhao Y. Robust NIR quantitative model using MIC-SPA variable selection and GA-ELM // Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy. 2023. Vol. 285. Art. No. 121889. DOI: 10.1016/j.infrared.2022.104534
108. Zhang T., Fan S., Xiang Y., Zhang S., Wang J., Sun Q. Non-destructive analysis of germination percentage, germination energy and simple vigour index on wheat seeds during storage by Vis/NIR and SWIR hyperspectral imaging // Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy. 2020. Vol. 239. Art. No. 118488. DOI: 10.1016/j.saa.2020.118488
109. Sexton J., Everingham Y., Donald D., Staunton S., White R. A comparison of non-linear regression methods for improved on-line near infrared spectroscopic analysis of a sugarcane quality measure // Journal of Near Infrared Spectroscopy. 2018. Vol. 26(5). P. 297-310. DOI: 10.1177/0967033518802448
110. Lee J., Kim S., Park J., Lee H., Choi Y. Prediction of Germination of Korean Red Pine (Pinus densiflora) Seed using FT NIR Spectroscopy and Binary Classification Machine Learning Methods // Korean Journal of Breeding Science. 2023. Vol. 55. P. 223-233. DOI: 10.14578/jkfs.2023.112.2.145
111. Soares J.M., Batista T.B., da Silva M.F., Rodrigues N.S., Dias D.C.F.S., da Silva L.J. Classification of the physiological potential of soybean seed lots using infrared spectroscopy and chemometric methods // Journal of Seed Science. 2024. Vol. 46.Art. No. e202446002. DOI: 10.1590/2317-1545v46278267
112. Jiang H., Xu W., Ding Y., Chen Q. Comparison of algorithms for wavelength variables selection from near-infrared (NIR) spectra for quantitative monitoring of yeast (Saccharomyces cerevisiae) cultivations // Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy. 2019. Vol. 214. P. 366-371.
Выпуск
Другие статьи выпуска
Соя (Glycine max) с её разнообразным применением считается суперсовременной культурой, она входит в тройку значимых культур земледелия. Именно соя стоит в основе агропродовольственного потенциала человечества. Цель проведенных исследований – установить динамику потребления основных элементов минерального питания (азота, фосфора и калия) посевами сои в зависимости от применения различных биопрепаратов. Исследования проведены в 2023–2025 гг. в лесостепной зоне Республики Северная Осетия-Алания. Объектом исследований являлись посевы сои с применением инокулянта «Фиксат Соя», биопрепарата «БиоЭкоГум» и концентрированного микробиологического раствора почвообразующих микроорганизмов, микро- и макроэлементов в гидрогранулах «Бактобион ЭМ-Г». Выявлено, что максимальное накопление азота сравнительно контроля в растениях сои наблюдалось при применении микробиологического раствора «Бактобион ЭМ-Г» в фазе налива семян – 88,2 кг/га (Иристон), 68,7 кг/га (Пума), 68,9 кг/га (Селена). Наибольшее накопление фосфора у сои отмечается также в фазе налива семян, когда разница между опытными вариантами составила по сортам: Иристон – 4,61; 1,23; 4,89; Пума – 2,65; 1,70; 8,83; Селена – 4,70; 1,32; 4,98 кг/га по сравнению с контролем. В зависимости от изучаемых факторов максимальное накопление калия отмечено в фазе образования бобов: у сорта Иристон – 17,6; 17,5; 22,6; Пума – 23,9; 18,0; 30,4; Селена – 18,3; 18,2; 23,3 кг/га по сравнению с контролем. Применение «Бактобион ЭМ-Г» приводило к повышению урожайности посевов всех изучаемых сортов, повышение составило от 22,7 до 36,4 %. Показатели продуктивности с применением «БиоЭкоГум» немного уступали и составили от 10,8 до 13,8 % по сравнению с контролем. В зависимости от действия инокулянтов и биопрепаратов, прибавка урожая семян сои составила: у сорта Иристон – 0,34; 0,21; 0,44 т/га, Пума – 0,35; 0,22; 0,71 т/га, Селена – 0,41; 0,25; 0,66 т/га.
По мере распространения от центра происхождения в другие регионы чечевица адаптировалась к различным почвенно-климатическим условиям. Наиболее важными для нее являются температура, распределение и количество осадков. При изменении климата в сторону глобального потепления и увеличения риска наступления засухи, изучение реакции чечевицы на разные метеоусловия, включая более южные широты, представляется актуальным. Цель исследований заключалась в сравнительной оценке урожайности и фотопериодической реакции линий чечевицы селекции ФГБНУ ФНЦ ЗБК в Республике Крым и Орловской области. Исследования выполнены в 2020–2023 гг. в ФГБУН «НИИСХ Крыма» (Республика Крым), 45°31′15″ с. ш. 34°10′15″ в. д., и в ФГБНУ «Федеральный научный центр зернобобовых и крупяных культур» (Орловская область), 53°00′40″ с. ш. 35°58′40″ в. д. В среднем за четыре года исследований урожайность чечевицы в Республике Крым составила 1,32 т/га, в Орловской области – 1,17 т/га. Показано существенное влияние фактора условий года (31,2 %) и фактора сорта (10,6 %) на урожайность. Влияние места выращивания (1,4 %) в данной серии экспериментов оказалось несущественным. Лучшую среднюю урожайность в обеих локациях (1,41 т/га в Крыму и 1,69 т/га в Орловской области) показала линия Р10/16 с ярко-зеленой пигментированной окраской семян. В Крыму вегетация начиналась в апреле (на месяц раньше Орловской области), благодаря чему растения чечевицы не страдали от ранневесенней засухи и июльской жары. В Орловской области вегетационный период чечевицы варьировал в пределах 66–82 суток, в условиях Крыма он составил 88–101 сутки в зависимости от года. Фотопериодическая реакция линий селекции ФНЦ ЗБК на короткий световой день в Республике Крым проявлялась в удлинении вегетационного периода за счет более позднего наступления цветения, что характеризует их как культуру длинного дня.
Длительная обработка почвы на одинаковую глубину приводит к образованию плужной подошвы. Для борьбы с ней применяют глубокое безотвальное рыхление почвы раз в 3–5 лет, но данный метод сопряжен с большими расходами. Для предотвращения образования плужной подошвы была разработана технология вертикальной обработки почвы, позволяющая проводить безотвальную обработку почв с сохранением стерни и без образования уплотненного слоя на глубине обработки, что достигается отсутствием подрезания почвенного слоя в горизонтальной плоскости. Данная обработка почвы выполняется турбодисковыми культиваторами. Большинство таких культиваторов производятся за рубежом, а отечественные аналоги не имеют конкурентных преимуществ перед ними. Для снижения энергоемкости и повышения качества вертикальной обработки почвы отечественными турбодисковыми культиваторами для них был разработан новый рабочий орган. Цель исследований – определить энергетические показатели и качество обработки почвы экспериментальным рабочим органом турбодискового культиватора. Лабораторные исследования проведены в почвенном канале лаборатории бионической агроинженерии ФГАОУ ВО «Крымский федеральный университет им. В. И. Вернадского». Влажность почвы в почвенном канале находилась в диапазоне от 13,5 до 19,3 %. Показатели твердости почвы находились в пределах р = 122–127 Н/см2; деформационный показатель почвы ν = 3,4×10-7–4,0×10-7 м2/Н. Показано, что экспериментальный образец дискового рабочего органа имеет частоту колебаний, превышающую частоту серийного прототипа в 1,68–2,2 раза. Тяговое сопротивление опытного образца в сравнении с серийным прототипом меньше на 13,7–17,01%. Для опытного образца дискового рабочего органа среднее квадратическое отклонение σh глубины обработки составило 0,12×10-2 м, а для рабочих органов КТД-1050Л σh – 0,18×10-2 м, что больше на 0,06×10-2 м. Гребнистость обработанной опытным образцом поверхности почвы находится в диапазоне 0,016±0,002 – 0,029±0,002 м, что в 1,1–1,2 раза меньше по сравнению с ближайшим аналогом КТД-1050Л. В сравнении с серийным рабочим органом КТД-1050Л, опытный образец дискового рабочего органа обеспечивает повышение крошения почвы на 5,4–6,5 % и снижение глыбистости в 1,3–1,4 раза.
Внедрение молекулярно-генетических методов, таких как ISSR-анализ, является актуальной задачей для оценки генетического разнообразия вегетативно размножаемых растений, в том числе эфиромасличной розы, что представляет собой важный аспект выведения сортов с улучшенными признаками. Цель исследований – подобрать наиболее эффективные и информативные ISSR-маркеры для молекулярно-генетического анализа образцов коллекции эфиромасличной розы Института сельского хозяйства Крыма. Исследование проведено в 2025 г. на образцах из коллекции НИИСХ Крыма. Выделение ДНК выполняли оптимизированным CTAB-методом. Из 33 первоначально апробированных ISSR-праймеров из разных литературных источников 10 были отобраны для дальнейшего анализа. Амплифицированные фрагменты разделяли методом электрофореза в агарозном геле. Информативность маркеров оценивали по комплексу параметров: процент полиморфизма, полиморфное информационное содержание (PIC), эффективное мультиплексное отношение (EMR), маркерный индекс (MI) и разрешающая способность (Rp). Отобранные 10 маркеров позволили выявить 108 фрагментов (длина 240–1930 п. н.), из которых 103 (95,4 %) оказались полиморфными. Наиболее полиморфными (100 %) были маркеры ISSR-834, ISSR-845, ISSR-881, UBC-824, UBC-834, UBC-848. Показатель PIC варьировал от 0,20 (ISSR-845) до 0,32 (ISSR-4). Маркер ISSR-2 продемонстрировал максимальную комплексную эффективность: EMR = 13,07, MI = 4,05, Rp = 17,00 при уровне полиморфизма 93 % и PIC = 0,31. Высокую эффективность также показали маркеры ISSR-834, ISSR-881, UBC-824, UBC-848. Наименее эффективными оказались ISSR-845 (PIC = 0,20, EMR = 7,00, MI = 1,43) и UBC-847 (полиморфизм = 83 %, PIC = 0,26, MI = 2,15). Для молекулярно-генетического анализа коллекции крымской эфиромасличной розы рекомендованы высокоэффективные ISSR-маркеры: ISSR-2, ISSR-834, ISSR-881, UBC-824 и UBC-848. Маркеры ISSR-845 и UBC-847 обладают ограниченной информативностью, но могут быть использованы в комбинации с другими.
В процессе механического взаимодействия с рабочими органами сельскохозяйственных машин в первую очередь проявляются технологические свойства растительных материалов, к которым относятся их деформационные и фрикционные характеристики. В отличие от традиционных конструкционных материалов технологические свойства стеблей технической (безнаркотической) конопли изучены недостаточно полно. Цель работы – исследование деформационных и фрикционных характеристик стеблей технической конопли – контактного модуля упругости и удельной силы трения. Экспериментальные исследования проводили в 2025 г. на кафедре прикладной физики ФГБОУ «ВО ТвГТУ» совместно с лабораторией Агроинженерных технологий ФГБНУ «ФНЦ ЛК». Объект исследований – сухие стебли технической конопли сорта Надежда среднерусского экотипа двустороннего направления использования. Исследованы упругие свойства стебля технической конопли на различных участках – в его комлевой, средней и верхушечной части. Характеристикой упругих свойств служит модуль контактной упругости, рассчитанный по величине деформации стебля в контакте со стальным индентором при известной нагрузке на индентор. Контактная деформация измерялась индукционным датчиком. По результатам экспериментальных исследований установлено, что значения контактного модуля упругости для различных участков стебля находятся в диапазоне от 60 до 103 МПа, что сопоставимо со значениями модуля упругости стебля при растяжении (макромасштабный уровень), но существенно меньше значений модуля упругости отдельных волокон (микромасштабный уровень). Определены значения удельной силы трения и её параметров в контакте стебля технической конопли со стальной поверхностью. На макромасштабном уровне значения удельной силы трения составили от 0,3 до 0,8 МПа, на микромасштабном ‒ от 20 до 35 МПа. Показано, что в соответствии с величиной контактного модуля упругости, от которого зависит площадь контакта, параметры удельной силы трения на макро- и микромасштабном уровне также различаются более чем на порядок.
Выявление качества семян современными методами для успешного производства овощной продукции, в том числе капустных культур, является актуальной задачей. Учитывая, что традиционные методы анализа качества семян трудоемки и длительны, большую перспективу имеют неинвазивные методы, как оптические, так и рентгеновские. Цель исследований – провести комплексный анализ качества коллекционных образцов семян капустных культур с использованием как неинвазивных инструментальных методов, так и стандартных методов проращивания; выявить имеющиеся между ними корреляции. Исследования инструментальными цифровыми методами качества семян капустных культур проводили в секторе биофизики растений Агрофизического научно-исследовательского института, оценку посевных качеств – в условиях вегетационного опыта на базе ВИР. Оптические параметры семян изучали путем сканирования семян при помощи цифрового планшетного сканера модели HP Scanjet 200, компьютерный анализ полученных изображений проводили с привлечением программного обеспечения «ВидеоТесТ-Морфология 5.2». Для выполнения цифровой микрофокусной рентгенографии семян был задействован аппаратно-программный комплекс на основе передвижной рентгенодиагностической установки ПРДУ-02. Рентгеновская съемка проводилась с пятикратным увеличением изображения. Цифровая обработка полученных рентгеновских изображений исследуемых образцов семян и определение геометрических и яркостных характеристик выполнялись с помощью программного обеспечения, разработанного ФГБНУ АФИ в программной среде MATLAB. Максимальный процент значимых корреляций между показателями, оцененными неинвазивными методами, и значениями всхожести семян наблюдался для показателей «средняя сумма дефектов» (78 %), «средняя яркость рентгенообразов семян» (66 %), «затемненность проекции семени на рентгенограмме» (66 %), «степень выраженности красного цвета по цветовой модели RGB» (55 %), «средний размер» (50 %). Это может свидетельствовать о перспективности разработки на основе неинвазивной цифровой микрофокусной рентгенографии для экспресс-прогноза всхожести, в том числе полевой.
В современных условиях изменения климата и роста нагрузки на агроэкосистемы вопросы фитосанитарной безопасности приобретают особую актуальность для обеспечения продовольственной безопасности регионов. В статье представлены результаты мониторинга фитосанитарной обстановки в агроценозах яровых зерновых культур (ячмень, пшеница, овес) на территории Пермского края за трехлетний период (2022–2024 гг.) по данным ФГБУ «Россельхозцентр». Цель исследования – анализ видового состава и распространенности основных вредных объектов в посевах яровых зерновых культур Пермского края за период 2022–2024 гг. Установлено, что в патогенном комплексе доминирующее положение стабильно занимают такие болезни, как септориоз (Parastagonospora nodorum (Berk.) Quaedvl., Verkley & Crous, Zymoseptoria tritici (Desm.) Quaedvl. & Crous), корневые гнили (Bipolaris sorokiniana (Sacc.) Shoemaker, Fusarium sp.) и чернь колоса (Alternaria tenius Nees., Cladosporium herbarum Lk.). Выявлена тенденция к увеличению распространенности и вредоносности болезней листовой поверхности в годы с повышенным количеством осадков в вегетационный период (особенно заметная в 2023 и 2024 гг.). Среди вредителей наибольшую вредоносность приносят: пшеничный трипс (Haplothrips tritici Kurd.) с уровнем заселения 63–96 %, злаковые тли (Schizaphis graminum Rond.) с ростом численности от 20 % до 54 % за три года и хлебные блошки (Phyllotreta vittula Redt., Chaetocnema aridula Gyll.) с уровнем заселения 30–93 %. Фитосанитарный мониторинг сорного компонента агроценозов выявил значительное расширение видового состава малолетних сорняков, однако доминирующую позицию по-прежнему сохраняют высококонкурентные многолетние виды, такие как осот полевой (Sonchus arvеnsis), бодяк полевой (Cirsium arvеnsе), пырей ползучий (Elytrigia repens). Выявленные тенденции, в частности, стабильно высокий инфекционный фон по корневым гнилям и септориозу, увеличение распространенности листостебельных инфекций и численности доминирующих вредителей, а также сокращение масштабов борьбы с сорняками на фоне роста их распространения, свидетельствуют о негативной фитосанитарной обстановке и несоответствии существующих систем защиты растений, что требует их пересмотра и разработки адаптивных региональных стратегий.
При деградации почвы возникает необходимость создания рабочих органов, пригодных для обработки эродированной почвы, не приводя к дальнейшему ухудшению её структуры. Обработка почвы характеризуется различными качественными показателями, из которых гребнистость – один из наиболее значимых. Рабочие органы для предпосевной обработки почвы зачастую не всегда отвечают предъявляемым требованиям к выровненности фона ввиду повышенной гребнистости после основной обработки почвы. Цель исследований – выбор варианта элементно-агрегатной комплектации рабочего органа глубокорыхлителя, соответствующего агротехническим требованиям по гребнистости после обработки почвы. Исследования проведены в отделе механизации растениеводства Аграрного научного центра «Донской» в 2024–2025 гг. Методика исследований включала определение в полевых условиях качественных показателей гребнистости для различной элементно-агрегатной комплектации рабочего органа глубокорыхлителя и сравнение их с допустимыми по агротребованиям. Установлено, что на стерневом без предварительной обработки и после дискования фонах все варианты элементно-агрегатной комплектации рабочего органа соответствуют агротехническим требованиям по гребнистости и устойчивости хода. У варианта с прутками вверх превышение допуска по гребнистости (5,75 см в среднем при требуемом до 5 см на глубине 30 см) оправдано наличием крупных комков почвы, извлечённых из глубины пласта для дальнейшего измельчения дополнительными приспособлениями. Превышающее допускаемое агротехническими требованиями увеличение гребнистости до 8,0–10,25 см по глубине и 20–22 см по ширине вследствие сильного разброса почвы на высокой скорости (2,93 м/с) наблюдается на фоне чёрный пар у чизеля. При наклоне прутков глубокорыхлителя вправо и влево неравномерность глубины обработки почвы возрастает до недопустимо высоких пределов (±4,0–4,20 см при допускаемом отклонении на глубине 30 см, не превышающем ±3,0 см, и ±4,01–4,50 см при допускаемом до ±4,0 см).
Цель исследований – выявить перспективные источники селекции гибридных форм ярового ячменя по параметрам адаптивности, рассчитанным по признаку «масса 1000 зерен», в условиях возделывания европейского севера РФ. Работу выполняли в 2021–2023 гг. на базе опытной станции «Котласская» и лаборатории растениеводства Приморского филиала Федерального исследовательского центра комплексного изучения Арктики имени академика Н. П. Лаверова Уральского отделения Российской академии наук (ПФ ФИЦКИА УрО РАН – АрхНИИСХ). Материал для исследования – шесть гибридных образцов ячменя, стандарт – сорт Таусень. Оценивали следующие показатели экологической адаптивности: пластичность (bi, по Эберхарту и Расселу), коэффициент мультипликативности (КМ, по В. А. Драгавцеву), показатель уровня стабильности сорта (ПУСС, по Э. Д. Неттевичу), показатель интенсивности (И, по Р. А. Удачину), гомеостатичность (Ноm, по В. В. Хангильдину). Норма высева – 5,0 млн всхожих семян на 1 га, площадь делянки – 10 м2, повторность опыта четырехкратная. Почва опытного участка представлена дерново-подзолистыми суглинками. Годы проведения исследований различались по гидротермическим условиям в период вегетации ячменя (ГТК =1,3–1,7 при среднемноголетнем значении 2,36). В благоприятном 2022 г. урожайность и масса 1000 зерен была более высокой (соответственно 3,10–4,70 т/га и 45,3–53,3 г), чем в неблагоприятном 2021 (соответственно 1,82–2,47 т/га и 39,3–44,8 г). Коэффициент корреляции между урожайностью и массой 1000 зерен составил 0,72. Выделены источники: пластичные (bi = 1,3–1,8; КМ = 2,2–2,8) – к-039691 и к-039342; с высоким показателем уровня стабильности (ПУСС = 151–167 %) – к-039823 и к-039457; высоким уровнем интенсивности (И = 19–25,7 %) – к-039342 и к-039691; гомеостатичности (Ноm = 195–248) – к-039823 и к-039457. Установлены значимые прямые корреляции показателей стабильности и гомеостатичности (r = 0,93), обратные корреляции показателей пластичности и гомеостатичности (r = -0,86). Среди изученных образцов по всем основным показателям адаптивной способности выделяются сортообразцы к-039457 (Андрей × Север 1) × (Таусень × Гид) и к-039823 (Таусень × Гид).
Предуборочное прорастание зерна пшеницы наносит значительный экономический ущерб, приводя к прямым потерям урожая и ухудшению хлебопекарных качеств продукции по всему миру. Поиск генетических доноров устойчивости к этому явлению, в первую очередь на основе функционального гена Vp-1B, является необходимым условием для создания конкурентоспособных сортов. Цель исследования – поиск доноров признака «устойчивость к прорастанию» с помощью комплексной оценки мягкой яровой пшеницы. Исследование проведено в 2022–2024 гг. в ФГБНУ «Омский аграрный научный центр» на 10 сортообразцах яровой мягкой пшеницы и 16 гибридных комбинациях F₂. Для комплексной оценки устойчивости к прорастанию использовали полевой опыт в контрастных погодных условиях, лабораторный метод определения числа падения (ПЧП-7) и молекулярный ПЦР-анализ аллелей гена Vp-1B с последующей визуализацией результатов электрофорезом. В результате исследования выделены сорта Сигма 5 и Лидер 80, которые показали наивысшую устойчивость к прорастанию: в неблагоприятный переувлажненный 2024 г. их гибриды с Линией 410 сохранили число падения на уровне 218 с и 186 с соответственно, что значительно выше, чем у других образцов. При этом оценка комбинационной способности показала, что эти же сорта обладают наибольшим положительным эффектом ОКС, который в засушливом 2023 г. составил +102,06, свидетельствующим об их ценности. Аллель гена Vp-1Bс, ассоциированная с устойчивостью к прорастанию на корню, выявлена у четырех сортообразцов. Комплексное использование полевой оценки, лабораторного анализа и ПЦР-генотипирования показало, что в качестве донора устойчивости к прорастанию рекомендован сорт Сигма 5 с целевым геном (Vp-1Bс) и высоким эффектом ОКС по годам эксперимента для использования в селекционных программах при создании нового сорта. Комплексный подход в исследовании доказал свою эффективность для достоверного отбора ценных селекционных форм.
В статье представлены результаты исследований по оптимизации некоторых этапов клонального микроразмножения пяти перспективных сортов Chaenomeles japonica (Thunb.) Lindl. еx Spach: Алюр, Восход, Жар-Птица, Мичуринское Чудо и Шарм. На этапе введения в культуру in vitro выявлено, что в качестве первичного экспланта наиболее эффективно использовать фрагменты однолетних побегов, содержащих два метамера. Наибольшее число жизнеспособных эксплантов (79–89 %) было получено при ступенчатой стерилизации, состоящей из обработки 2 % раствором фунгицида дифеноконазола в течение 10 минут, 70 % раствором этанола – одной минуты и 5 % раствором гипохлорита натрия – 3–6 минут. На этапе собственно микроразмножения определено влияние источника углеводного питания (сахарозы 30 г/л и глюкозы 20 г/л на сортах Восход, Жар-Птица и Шарм), регуляторов роста растений и их сочетаний (6-бензиламинопурина (6-BAP), мета-Тополина (mT) и тидиазурона (TDZ) в концентрациях 0,5 мг/л и mT с 6-BAP в концентрациях по 0,15, 0,25 и 0,5 мг/л на сортах Алюр, Жар-Птица и Мичуринское Чудо) на регенерационный потенциал Ch. japonica. Выявлено, что сахароза в концентрации 30 г/л являлась оптимальным источником углеводного питания в среде Murashige and Skoog (1962) (MS) для развития эксплантов изучаемых сортов хеномелеса. Установлено, что у хеномелеса японского использование mT эффективно в качестве индуктора морфогенеза in vitro. Культивирование на питательной среде MS с добавлением 0,5 мг/л mT способствовало увеличению коэффициента размножения C. japonica (от 4,7 ± 0,5 до 8,9 ± 0,9 в зависимости от сорта) по сравнению с 0,5 мг/л 6-BAP в 1,3 раза, с 0,5 мг/л TDZ в 1,8 раза. Отмечено, что применение 0,5 мг/л TDZ не было эффективным и вызвало ряд морфологических отклонений у регенерантов. Добавление в среду mT совместно с 6-BAP увеличивало регенерационный потенциал сортов Ch. japonica. Концентрации цитокининов по 0,25 мг/л оптимальны для микроразмножения исследуемых генотипов, коэффициент размножения в зависимости от сорта составил от 6,1 ± 0,4 до 12,6 ±1,3. Выявлено, что для сортов Ch. japonica характерен разный морфогенетический потенциал.
Антракноз – опасное заболевание земляники садовой. К числу важнейших возбудителей антракноза относится Colletotrichum gloeosporioides. Поэтому важной задачей является изучение мировой коллекции земляники для выявления генетических факторов устойчивости и отбора устойчивых образцов. Цель работы – генотипирование сортов земляники садовой генетической коллекции ФНЦ им. И. В. Мичурина по локусу FaRСg1 устойчивости к C. gloeosporioides – возбудителю антракноза. Исследования проведены в 2024–2025 гг. Биологическими объектами исследований являлись 32 сорта земляники садовой (15 сортов – отечественной селекции, 17 – зарубежной). Аллельное состояние локуса FaRСg1 выявляли методом анализа кривых плавления с высоким разрешением (HRM-PCR). С использованием аллель-специфичных маркеров плавления с высоким разрешением TIFY-1A и RLK-1A аллель резистентности FaRСg1 выявлен у 11 сортов (34,4 %), которые могут иметь гомозиготный или гетерозиготный генотип. Из них восемь образцов (72,7 %) – отечественной селекции, три (27,3 %) – зарубежной. Среди проанализированных российских сортов земляники локус FaRСg1 выявлен у 57,1 % образцов, среди зарубежных – у 17,6 %. 20 сортов земляники (62,5 %) имеют гомозиготный восприимчивый генотип. Для сорта Троицкая данные по маркерам различаются (маркер TIFY-1A присутствует, RLK-1A – отсутствует). Сорта с идентифицированными маркерными фрагментами (Берегиня, Избранница, Карнавал, Памяти Зубова, Русич, Славутич, Фестивальная, Царскосельская, Faith) являются ценными генетическими источниками локуса FaRСg1 устойчивости к C. gloeosporioides, а Maryshka и Salsa – комплексными источниками локусов устойчивости к антракнозу FaRСg1 (устойчивость к C. gloeosporioides) и FaRca1 (устойчивость к C. acutatum).
В 2022–2024 гг. исследовали реакцию растений гороха на местные штаммы Streptomyces с целью установить характер влияния микроорганизмов на накопление хлорофиллов (Chl a и b) и каротиноидов в листьях и оценить сортоспецифичность их взаимодействия с растениями. Исследованы сорта гороха селекции ФАНЦ Северо-Востока: Фаленский юбилейный, Фаленский усатый, Фаленский кормовой. Суспензии клеток местных штаммов S. castalarensis А4 и S. antimycoticus 8А1-3 использованы для обработки либо семян, либо семян и вегетирующих растений. Содержание белка в зерне составило 18,4–25,8 %. Менее всего на обработку биопрепаратами реагировал сорт Фаленский кормовой (отличия от контроля в 11 % вариантов), сильнее всех – сорт Фаленский усатый (отличия от контроля в 72 % вариантов). Содержание Chl a изменялось в пределах 4,94–12,21, Chl b – 2,87–7,01, каротиноидов – 1,60–3,58 мг/г сухой массы. Содержание белка в зеленой массе коррелировало с содержанием в листьях Chl a (r = 0,716), Chl b (r = 0,455) и каротиноидов (r = 0,827), а его содержание в зерне было связано с Chl a (r = 0,441) и каротиноидами (r = 0,644), но с Chl b статистически значимых связей не обнаружено. Сорт Фаленский кормовой при однократной обработке препаратами Streptomyces чаще показывал их стимулирующее влияние на содержание пигментов, сорт Фаленский юбилейный – депрессивное, а сорт Фаленский усатый занимал промежуточное положение между ними. Для сорта Фаленский кормовой трехкратная обработка любым из препаратов была менее эффективна с точки зрения накопления пигментов, чем однократная обработка семян; для сорта Фаленский усатый – более эффективно применение препарата S. castalarensis А4 для обработки семян и последующей обработки посевов; для сорта Фаленский юбилейный – обработка семян и посевов препаратом S. antimycoticus 8А1-3.
Эффективность селекционных программ по созданию конкурентноспособных районированных сортов коммерчески ценных хлебных злаков базируется на получении качественных зрелых зерновок, в основе формирования которых лежит нормальное прохождение содержащимися в них зародышами всех стадий эмбриогенеза. В регуляции эмбриогенеза определяющую роль играет многокомпонентная система взаимодействующих гормонов. Цель данной обзорной статьи – на основании литературных и собственных данных проанализировать сведения о распределении основных гормонов морфогенеза (ауксина индолил-3-уксусной кислоты (ИУК), цитокининов, абсцизина абсцизовой кислоты (АБК)) в формирующихся, развивающихся и зрелых зародышах хлебных злаков. Кратко рассмотрены структурно-функциональные особенности эмбриогенеза злаков – от зиготы до зрелого зародыша. Показано, что в результате множественных делений определенных кластеров клеток формируются специфические органы, присущие зрелому зародышу только злаков. Анализируется особый тип эмбриогенеза злаков – Graminad-тип. Приводятся сведения о стадиях развития зародыша хлебных злаков, отраженные в некоторых периодизациях. Особое внимание обращается на выявленную иммуногистохимическими методами локализацию основных гормонов морфогенеза в зародышах злаков на таких стадиях эмбриогенеза, как органогенез, зрелый зародыш, покоящийся зародыш. Подчеркивается, что распределение этих гормонов напрямую определяется структурой зародыша на конкретной стадии развития. Так, на стадии органогенеза в зародышах присутствуют главным образом ауксин ИУК и цитокинины, тогда как в зрелых и покоящихся зародышах выявляется преимущественно АБК. Проведено сравнение иммуногистохимических данных, полученных для зиготических in vivo и соматических in vitro зародышей злаков. Сделан вывод о том, что в целом сведения о распределении основных гормонов морфогенеза в зародышах злаков немногочисленны и отрывочны. Проанализирован ряд нерешенных методологических и методических проблем, снижающих интенсивность исследований локализации таких гормонов в зародышах представителей этой группы коммерчески ценных растений.
В статье представлено исследование влияния геометрии и кинематики режущего инструмента на процесс обрезки садов и виноградников. Актуальность работы обусловлена необходимостью снижения энергопотребления и повышения качества среза при обработке многолетних насаждений. Цель исследования заключалась в установлении количественных зависимостей между параметрами режущего инструмента и усилием резания для разработки энергоэффективных решений. Для достижения этой цели были решены задачи по созданию математической модели процесса резания, анализу силового взаимодействия и определению оптимальных геометрических параметров. Методология исследования включала теоретический анализ силового взаимодействия в системе «нож–ветка» с разработкой соответствующих математических моделей. Численное моделирование выполнялось в среде Mathcad для трех типов режущих кромок: прямолинейной при перпендикулярном и косом врезании, а также криволинейной конфигурации. Основные результаты показали, что применение скользящего движения с углом 60° позволяет снизить усилие резания на 60–70 % по сравнению с традиционным перпендикулярным врезанием. Максимальное усилие уменьшается с 132,81 Н при угле 0° до 30,57 Н при угле 80°. Криволинейный профиль лезвия обеспечивает наиболее стабильные условия резания при углах 70–75°. Оптимальными параметрами признаны: угол скольжения не менее 60°, угол заточки 30–40° и криволинейная форма режущей кромки. Выводы исследования подтверждают эффективность предложенных решений для снижения энергозатрат при обрезке. Разработанная модель может быть использована для проектирования новых и модернизации существующих обрезочных машин, а также для создания систем автоматического управления процессом резания. Полученные результаты открывают перспективы для дальнейших исследований в области совершенствования сельскохозяйственных технологий.
Актуальность обусловлена необходимостью оценки влияния солнечной радиации для разработки эффективных стратегий культивирования Porphyridium purpureum в промышленных фотобиореакторах при естественном освещении. Целью исследования являлось определение количественных закономерностей влияния притока солнечной энергии на продуктивность и продукцию В-фикоэритрина Porphyridium purpureum для подбора оптимальных условий культивирования, учитывающих сезонные колебания солнечной активности. Анализ литературных данных показал, что для условий естественного освещения сведения о продуктивности P. purpureum практически отсутствуют. Выращивание P. purpureum осуществляли в накопительном режиме в прямоугольных горизонтальных фотобиореакторах, расположенных в тепличном модуле на базе отдела Биотехнологии и фиторесурсов ФИЦ ИнБЮМ г. Севастополь. Исследования проводили с октября 2024 г. по май 2025 г. Значения суммарной солнечной энергии ФАР взяты из базы данных NASA Prediction Of Worldwide Energy Resources (POWER). Продуктивность PB P. purpureum и продукцию В-фикоэритрина Pπ определяли на линейном участке накопительной кривой. Показано, что зависимость PB и Pπ от суммарной энергии ФАР может быть описана линейными уравнениями. С увеличением в три раза количества света, приходящегося на горизонтальную поверхность бассейна, PB возрастает в пять раз, а Pπ – в шесть. Максимальное значение продуктивности (9,6 г СВ м-2 сут-1) достигается при насыщающей энергии 130 МДж м-2 сут-1, а продукции В-фикоэритрина – 590 мг м-2 сут-1 при 125 МДж м-2 сут-1. Такое различие в значениях насыщающих энергий объясняется тем, что скорость роста биомассы не совпадает со скоростью синтеза В-фикоэритрина. Разработана модель, позволяющая описать зависимость стационарного содержания В-фикоэритрина от притока ФАР. Показано, что для достижения максимального содержания В-фикоэритрина необходим суточный приток солнечной энергии не менее 100 МДж м-2 сут-1. Для достижения максимальной скорости и содержания В-фикоэритрина необходимо выращивать P. purpureum в осенний и весенний периоды при строгом контроле температурного режима.
В Российской Федерации животноводческий комплекс активно развивается, но при этом разнообразие кормовых культур ограничено. На современном этапе интенсификации отрасли важен поиск новых источников питания для животных. Одним из таких источников может стать горчица сарептская – перспективная зеленая культура. Она не только высокоурожайна (зеленая масса составляет от 20 до 50 т/га), но и богата питательными веществами. Введение ее в рационы сельскохозяйственных животных может укрепить кормовую базу и снизить зависимость от традиционных зерновых кормов. В 2022–2023 гг. на центральной экспериментальной базе ФГБНУ ФНЦ ВНИИМК (г. Краснодар) исследовали влияние подкормок растений горчицы сарептской аммиачной селитрой и микроудобрениями на питательную ценность зеленой массы с целью дальнейшего ее использования в рационе питания крупного рогатого скота (КРС). Выявлено, что применяемые подкормки удобрениями повышают пищевой потенциал зеленой массы культуры, однако некоторые варианты способствуют нежелательному увеличению содержания клетчатки от 203,7 до 215,2 г (при норме, согласно ГОСТ Р 56912-2016 «Корма зеленые. Технические условия», не более 200 г), что может оказать отрицательное воздействие на желудочно-кишечный тракт КРС. Наиболее оптимальным вариантом применения аммиачной селитры является дробное внесение N60 (по N30 в фазах всходов и стеблевания), при котором в 1 кг сухого вещества содержание протеина составило – 186 г, жира – 33,1 г, клетчатки – 175,1 г, обменной энергии – 11,9 МДж и кормовых единиц – 1,15. Кроме того, применение азотных удобрений оказывает умеренное влияние на содержание сырого жира, вероятно, за счет интенсификации фотосинтеза и оптимизации углеродно-азотного баланса в растениях. Некорневая подкормка баковой смесью микроудобрений «Кальцибор» и «Брассика» в дозе по 2 л/га в фазе стеблевания горчицы сарептской также обеспечила оптимальный биохимический состав зеленого корма с повышенным до 201,3 г содержанием протеина. Результаты исследования демонстрируют, насколько значимо принимать во внимание улучшение минерального питания для увеличения пищевой ценности горчицы сарептской, которая применяется в производстве кормов.
Сравнительная оценка репродуктивной способности образцов чеснока актуальна, как для селекции в целом, так и для его семеноводства. Сочетание двух способов использования посадочного материала зубка и однозубковой луковицы не только позволяет увеличить коэффициент размножения, но и способствует оздоровлению посадочного материала. Цель исследований – выделение перспективных высокоурожайных образцов чеснока, пригодных для выращивания из воздушных луковичек. Опыты проводили в отделе селекции и семеноводства овощных и бахчевых культур ФГБУН «Научно-исследовательский институт сельского хозяйства Крыма» (с. Укромное, Симферопольский район) в 2022–2024 гг., согласно методике по селекции луковых культур, по общепринятой схеме размещения растений чеснока на единице площади. Погодные условия двух первых лет существенно не отличались по температурному режиму, показатели среднесуточных температур находились на уровне многолетних данных или незначительно превышали их (на 1,2–3,5 °С). При этом 2024 г. резко отличался от них: превышение среднесуточных температур над нормой наблюдалось в течении всего периода вегетации. По количеству осадков 2022 г. отмечен как более влажный. Всего изучено 64 образца чеснока озимого, из которых отобрано 12 высокопродуктивных. По этой группе образцов проведен анализ показателей репродуктивной способности растений чеснока озимого: числу зубков в луковицах, бульбочек в соцветии, их средней массы. В результате опыта были выделены пять образцов с товарной урожайностью луковиц выше 2,0 кг/м2, числом бульбочек в соцветии 46–88 штук, массой 126–293 мг, которые по средней массе бульбочек превышают контроль в 1,5–2,9 раза, а средний показатель по всем выделенным образцам на 100 %. Образцы могут служить исходным материалом для будущих сортов с размножением через зубки и воздушные луковицы.
Сорго – перспективная зерновая культура, сочетающая пищевую и кормовую ценность с выраженной засухо- и жароустойчивостью, что в условиях изменения климата и ограниченности водных ресурсов определяет ее значимость для продовольственной безопасности, кормопроизводства, биотопливной промышленности и биотехнологии. Цель исследования – оптимизация компонентного состава экстракционного буфера (ЦТАБ, ПВП, β-меркаптоэтанол, Na2ЭДТА, NaCl) и протокола экстракции (время инкубации) ДНК из листьев Sorghum × drummondii Чародейка с применением математического планирования эксперимента по В. П. Малышеву. Эксперименты проведены с использованием растительного материала селекции Института «Агротехнологическая академия» КФУ им. В. И. Вернадского на базе Лаборатории микроклонального размножения растений Селекционно-семеноводческого центра в 2025 г. Качественные характеристики выделенных препаратов ДНК оценивали спектрофотометрически и методом горизонтального электрофореза в агарозном геле, количественную оценку осуществляли флуориметрически. Применение математического планирования эксперимента по Малышеву позволило подобрать оптимальные концентрации каждого из исследуемых компонентов, выявить корреляции между качественным и количественным компонентным составом буфера и концентрацией и чистотой получаемых препаратов выделенной ДНК. По результатам исследования установлено, что оптимальными концентрациями компонентов экстракционного буфера, позволяющими получать препарат ДНК высокой концентрации (не менее 200 нг/мкл) и оптимальной степени чистоты (OD260/OD280 1,8-2,0), являются 3,0 % ЦТАБ, 1,0 % ПВП, 5,0 % β-меркаптоэтанол, 20,0 мМ Na2ЭДТА и 1,8 М NaCl при времени инкубации 60 минут. Отработанная методика может быть внедрена в практику молекулярного маркирования, селекционных и биотехнологических исследований сорго, включая создание ДНК-коллекций, генетическую паспортизацию сортов, выявление маркеров устойчивости к биотическим и абиотическим стрессам, а также разработку высокоэффективных диагностических и геномных подходов, направленных на повышение адаптивного потенциала, продуктивности и экологической устойчивости этой культуры в агротехнологических системах различного типа.
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- НИИСХ КРЫМА
- Регион
- Россия, Симферополь
- Почтовый адрес
- 295034, Республика Крым, город Симферополь, Киевская ул., д. 150
- Юр. адрес
- 295034, Республика Крым, город Симферополь, Киевская ул., д. 150
- ФИО
- Паштецкий Владимир Степанович (ДИРЕКТОР)
- E-mail адрес
- priemnaya@niishk.site
- Контактный телефон
- +7 (978) 9707093
- Сайт
- https://niishk.ru