Российская сельскохозяйственная наука, 2021, № 2
УДК 633.11 : 631.526.32
DOI: 10.31857/S250026272102006X
СРАВНИТЕЛЬНАЯ ОЦЕНКА РАЗЛИЧНЫХ МЕТОДОВ ОПРЕДЕЛЕНИЯ
СОДЕРЖАНИЯ СЫРОЙ КЛЕЙКОВИНЫ В ЗЕРНЕ ПШЕНИЦЫ
А.В. Пасынков, доктор биологических наук,
Е.Н. Пасынкова, доктор биологических наук
Ленинградский научно-исследовательский институт сельского хозяйства «Белогорка» -
филиал Федерального исследовательского центра картофеля имени А.Г. Лорха
188338, п. Белогорка, Гатчинский район, Ленинградская обл.
Е-mail: pasynkova.elena@gmail.com
Проведение регрессионного анализа позволило получить уравнение множественной нелинейной регрессии, отражающее
зависимость содержания сырой клейковины в зерне пшеницы (Y, %) от содержания белка (Х1 = Nобщ.5,7, %) и массы
1000 зерен (Х2, г): Y (1) = - 41,928 + 0,081Х12 + 2,548Х2 - 0,028Х22, в котором все показатели качества приведены на 12 %-ную
влажность. В случае, когда содержание белка определено на абсолютно сухое вещество, зависимость принимает следу-
ющий вид: Y (2) = - 41,928 + 0,063Х12 + 2,548Х2 - 0,028Х22. Разработанные уравнения могут быть использованы для ориен-
тировочного определения (прогноза) содержания сырой клейковины в зерне озимой и яровой мягкой и твердой пшеницы
во всех случаях, когда показатели ее технологических качеств определены традиционными аналитическими методами.
Уравнения также пригодны для проведения косвенной проверки точности определения содержания сырой клейковины,
когда содержание белка и (или) сырой клейковины измерено с использованием различных приборов, в частности, Инфра-
Люм ФТ-10 или ФТ-12, Spektra Star 2400, Infraneo, DA 7200 NIR analyzer, Inframatic 9200 и Infratec 1241.
COMPARATIVE EVALUATION OF DIFFERENT METHODS FOR DETERMINING
OF RAW GLUTEN CONTENT IN WHEAT KERNEL
Pasynkov A.V., Pasynkova E.N.
Leningrad Research Agriculture Institute Branch of Russian Potato Research Centre
188338, p. Belogorka, Gatchinskii raion, Leningradskaya obl.
Е-mail: pasynkova.elena@gmail.com
The regression analysis allowed us to obtain a multiple nonlinear regression equation that reflects the dependence of the crude
gluten content in wheat grain (Y, %) on the protein content (X1 = Ntotal * 5.7,%) and the mass of 1000 grains (X2, g): Y (1) = - 41,928
+ 0,081X12 + 2,548X2 - 0,028X22, in which all quality indicators are given at 12% humidity. In the case when the protein content is
determined content are determined to be dry matter (d. m.), the following equation was calculated: Y (2) = - 41,928 + 0,063X12 +
2,548X2 - 0,028X22. The developed equations can be used to predict the content of wet gluten in the grain of winter and spring soft
and durum wheat in all cases when the indicators of its technological qualities are determined by traditional analytical methods.
The equations can also be used to indirectly verify the accuracy of crude gluten determination when the protein and / or crude
gluten content is determined using various instruments, such as InfraLUM FT-10 or FT-12, Spektra Star 2400, Infraneo, DA 7200
NIR analyzer, Inframatic 9200, and Infratec 1241.
Ключевые слова: пшеница, белок, сырая клейковина, масса
Key words: wheat, protein, raw gluten, 1000-kernel weight,
1000 зерен, множественный регрессионный анализ, методы
multiple regression analysis, gluten determination methods
определения клейковины
В работе [1] представлено уравнение множествен-
ка - на а.с.в, было выведено уравнение Y(2) = - 41,928
ной нелинейной регрессии, отражающее зависимость
+ 0,063Х12 + 2,548Х2 - 0,028Х22 и проведена проверка
содержания сырой клейковины (Y, %) от содержания
его прогностических возможностей и точности про-
белка (Х1 = Nобщ. × 5.7, %) и массы 1000 зерен (Х2, г), ис-
гноза [4].
пользуемое для ориентировочного определения (про-
С использованием указанных уравнений со срав-
гноза) величины этого показателя в зерне пшеницы:
нительно высокой степенью вероятности можно дать
Y(1) = - 41,928 + 0,081Х12 + 2,548Х2 - 0,028Х22. В по-
ориентировочный прогноз содержания клейковины в
следующий период был разработан алгоритм проверки
зерне пшеницы без использования ручного или меха-
прогностических возможностей уравнения, получены
нического ее отмывания. Для этого необходимо знать
данные по точности определения содержания сырой
массу 1000 зерен, которая определяется вручную или
клейковины в зерне пшеницы при его использовании
(что более быстро и точно) с использованием счетчика
и показана сравнительно высокая эффективность этой
любой конструкции и весов, и содержание белка, ко-
модели [2, 3]. В разработанном уравнении содержание
торое можно определить традиционными химически-
белка, сырой клейковины и масса 1000 зерен приве-
ми методами или (что более быстро и безопасно для
дены к 12 %-ной влажности или в пересчете на воз-
персонала и окружающей среды) на различного типа
душно-сухое вещество (в.с.в.). Если содержание белка
анализаторах [1, 4].
определено в пересчете на абсолютно сухое вещество
В последние годы получили распространение раз-
(а.с.в.), как регламентирует ГОСТ 10846-91, то при ис-
личного вида инфракрасные анализаторы (в частности,
пользовании уравнения для определения содержания
Infratec 1225, 1241 и др.), позволяющие определять
сырой клейковины в зерне пшеницы проводится пере-
комплекс показателей качества зерна пшеницы (влаж-
расчет с применением коэффициента 0,88. С целью ис-
ность, содержание белка, крахмала, клейковины и др.),
ключения перерасчета в тех случаях, когда содержание
за исключением массы 1000 зерен. Сущность работы
сырой клейковины и масса 1000 зерен определены без
таких приборов заключается в измерении спектра про-
учета влажности зерна или на в.с.в., а содержание бел-
пускания исследуемого образца в ближней инфракрас-
30
Российская сельскохозяйственная наука, 2021, № 2
Табл. 1. Проверка точности прогноза содержания сырой клейковины в зерне пшеницы
1, Х2 и Yэ - без учета влажности зерна или на в.с.в.) по уравнению (1)
Яровая твердая пшеница [6]*
1 cорт яровой и 1 сорт озимой пшеницы [7]*
Х1
Х2
(Yэ-Yт)
Х1
Х2
(Yэ-Yт)
14,7
42,5
33,3
32,6
- 0,7
13,2
46,2
30,1
30,3
0,2
14,6
41,0
32,7
33,9
1,2
14,0
47,4
31,8
32,6
0,8
14,1
42,2
31,
32,0
0,2
13,7
45,7
31,2
32,7
1,5
13,9
41,9
31,3
30,6
- 0,7
14,0
45,8
31,9
32,5
0,6
14,6
42,1
33,0
31,9
- 1,1
13,2
44,4
30,1
30,3
0,2
14,9
42,5
33,8
33,5
- 0,3
14,0
47,3
31,8
32,6
0,8
14,7
41,5
33,1
32,4
- 0,7
12,7
44,2
29,1
29,3
0,2
n = 7
ЧЗ = 0
ОП = 100
12,8
44,1
29,3
29,6
0,3
19 сортов озимой мягкой пшеницы [8]**
n = 8
ЧЗ = 0
ОП =100
Озимая мягкая пшеница
13,1
39,4
28,9
27,0
- 1,9
сорт Московская 39[9]*
13,2
41,6
29,7
28,0
- 1,7
11,5
32,7
22,2
24,3
2,1
13,1
46,1
29,9
27,0
- 2,9
12,0
34,3
24,2
24,7
0,5
13,0
40,7
29,1
26,0
- 3,1
12,1
35,3
25,0
25,0
0,0
13,1
43,7
29,8
27,0
- 2,8
12,2
36,3
25,7
25,2
- 0,5
13,4
39,1
29,4
29,0
- 0,4
12,4
36,6
26,3
25,4
- 0,9
12,1
43,9
27,8
27,0
- 0,8
11,8
33,8
23,5
24,7
1,2
14,0
43,6
31,8
30,0
- 1,8
12,4
36,8
26,4
25,3
- 1,1
13,6
42,1
30,7
28,0
- 2,7
12,6
37,7
27,2
25,4
- 1,8
12,0
45,7
27,7
27,0
- 0,7
12,8
37,9
27,7
25,8
- 1,9
12,4
39,2
27,4
28,0
0,6
12,8
38,2
27,8
26,1
- 1,7
12,4
39,6
27,5
27,0
- 0,5
12,5
37,2
26,8
26,4
- 0,4
12,6
41,1
28,4
27,0
- 1,4
12,4
37,7
26,8
26,5
- 0,3
12,5
40,2
27,9
27,0
- 0,9
12,6
37,8
27,2
26,8
- 0,4
12,7
43,8
29,0
29,0
0,0
12,7
38,2
27,6
27,7
0,1
13,0
41,2
29,2
28,0
- 1,2
12,9
38,9
28,3
26,5
- 1,8
13,1
39,2
28,8
28,0
- 0,8
13,1
40,0
29,1
26,7
- 2,4
13,4
43,1
30,4
29,0
- 1,4
13,3
40,4
29,6
26,9
- 2,7
13,2
42,0
29,8
28,0
- 1,8
13,6
40,9
30,4
27,3
- 3,1
n = 19
ЧЗ = 4
ОП = 78,9
n = 18
ЧЗ = 4
ОП = 77,8
*модификационные различия; **генотипические различия; Х1 - содержание белка в зерне, %; Х2 - масса 1000 зерен, г; Yт - теоретическое
содержание сырой клейковины (расчет по уравнению регрессии), %; Yэ - экспериментальное содержание сырой клейковины, %; (Yэ -
Yт) - отклонения экспериментальных величин от теоретических, ±; n - общее число наблюдений; 2,9 - выделенные значения выходят за
пределы ± 2 %; ЧЗ - число значений, выходящих за пределы ± 2 %; ОП - оправдываемость прогноза, % (то же в табл. 2-4).
ной области. Определение показателей качества зерна
ницы использовали независимые экспериментальные
проводится по градуировочным графикам, созданным
данные по содержанию белка, сырой клейковины и
на основе анализа традиционными аналитическими
массе 1000 зерен, полученные отечественными и за-
методами значительного количества образцов целого
рубежными авторами из Беларуси, Польши, Словакии,
или размолотого до гомогенного состояния зерна [5].
Турции, Украины и Чехии при проведении исследова-
Учитывая изложенное, было сделано предположе-
ний с различными сортами озимой и яровой мягкой
ние, что разработанные уравнения (после определения
и твердой пшеницы и в разных почвенно-климатиче-
массы 1000 зерен) могут быть использованы для косвен-
ских условиях. Теоретическое (Yт) содержание сырой
ной проверки точности инструментального определения
клейковины в зерне рассчитывали, подставляя экспе-
содержания сырой клейковины в зерне пшеницы [1].
риментальные данные по массе 1000 зерен и содержа-
Цель исследования - выявить возможность и оце-
нию белка на в.с.в или а.с.в. в уравнение (1) или (2)
нить эффективность косвенной проверки точности
соответственно и используя простые математические
определения содержания сырой клейковины в зерне
действия. Следующий шаг - сравнение теоретических
пшеницы для тех случаев, когда ее и (или) содержание
величин содержания сырой клейковины с эксперимен-
белка определяли на различного вида анализаторах.
тальными данными (Yэ), полученными при использо-
Методика. Для косвенной проверки точности опре-
вании традиционных аналитических или инструмен-
деления содержания сырой клейковины в зерне пше-
тальных методов (Yэ - Yт). Один из критериев оценки
31
Российская сельскохозяйственная наука, 2021, № 2
Табл. 2. Проверка точности прогноза содержания сырой клейковины в зерне пшеницы
1 - а.с.в.; Х2 и Yэ - в.с.в.) по уравнению (2)
[10]**. 9 сортов твердой пшеницы
[11]*. Cортa мягкой и твердой пшеницы
Х1
Х2
(Yэ-Yт)
Х1
Х2
(Yэ-Yт)
15,5
41,7
30,8
29,4
- 1,4
14,3
47,6
28,7
30,3
1,6
14,8
40,6
29,2
28,6
- 0,6
14,2
48,1
28,5
29,5
1,0
15,0
42,7
30,0
29,0
- 1,0
14,2
48,4
28,5
29,1
0,6
13,3
41,2
26,7
26,0
- 0,7
14,1
48,6
28,2
29,0
0,8
14,7
41,5
29,2
30,4
1,2
14,1
45,1
28,5
28,0
- 0,5
15,2
42,9
30,4
30,2
- 0,2
14,2
45,2
28,7
28,8
0,1
14,8
40,5
29,1
25,6
- 3,5
14,2
46,7
28,6
29,3
0,7
15,1
41,6
30,0
29,0
- 1,0
14,3
47,3
28,8
29,8
1,0
14,4
43,7
29,0
27,6
- 1,4
n = 8
ЧЗ
0
ОП
100
n = 9
ЧЗ = 1
ОП = 88,9
[13]*. Озимая мягкая пшеница.
Сорт Краса Дона
[12]**.
15 сортов озимой мягкой пшеницы
14,0
41,9
28,0
27,5
- 0,5
10,8
36,2
21,0
19,7
- 1,3
13,8
43,4
27,9
28,5
0,6
10,5
32,4
18,2
18,2
0,0
13,6
43,6
27,6
27,6
0,0
10,4
41,3
22,4
18,3
- 4,1
13,6
43,9
27,6
28,5
0,9
11,7
37,5
22,9
21,3
- 1,6
13,2
44,7
27,0
26,9
- 0,1
11,6
35,6
21,8
21,1
- 0,7
13,4
45,0
27,3
28,1
0,8
9,8
36,0
19,6
19,7
0,1
13,5
44,7
27,5
27,5
0,0
9,6
31,6
16,4
18,0
1,6
13,7
44,5
27,8
28,9
1,1
9,9
36,8
20,1
19,9
- 0,2
12,9
43,9
26,5
26,6
0,1
10,1
31,4
16,9
20,2
3,3
12,6
44,8
26,0
27,1
1,1
10,4
37,2
20,9
20,4
- 0,5
13,0
44,0
26,6
28,2
1,6
10,1
35,5
19,7
19,5
- 0,2
12,9
44,5
26,5
26,8
0,3
10,0
32,2
17,4
18,4
1,0
11,5
43,0
24,2
21,1
- 3,1
10,2
39,9
21,7
19,0
- 2,7
11,2
43,5
23,8
22,9
- 0,9
11,2
35,3
21,0
20,8
- 0,2
11,2
43,5
23,8
22,4
- 1,4
10,8
36,1
20,9
20,9
0,0
11,3
43,7
24,0
21,9
- 2,1
n = 15
ЧЗ = 3
ОП = 80,0
n = 16
ЧЗ = 2
ОП = 87,5
точности разработанных уравнений - регламентируе-
щим числом наблюдений n = 4630, когда оправдывае-
мое ГОСТ Р 54478 - 2011 отклонение: «оба результата
мость прогноза достигла 81,5 % [4].
признают приемлемыми, если критическая разность …
Результаты проверки точности прогноза содержа-
не превышает 2 %» в абсолютном выражении. Второй
ния сырой клейковины в зерне пшеницы для тех слу-
критерий - точность определения или отношение ко-
чаев, когда ее содержание и (или) содержание белка
личества значений, когда отклонения эксперименталь-
определяли различными инструментальными метода-
ных величин содержания сырой клейковины в зерне от
ми показали, что при общем количестве наблюдений
теоретических (Yэ - Yт) не превышают регламентиру-
n = 225 оправдываемость прогноза составила 81,8 %
емого ГОСТ Р 54478 - 2011 допускаемого отклонения,
(табл. 3, 4). Это практически соответствует точности
к общему числу наблюдений (n), выраженное в %. При
современных традиционных аналитических методов,
этом максимально быстро провести расчеты с высо-
используемых при определении содержания белка и
кой точностью и проверку прогноза содержания сырой
сырой клейковины в зерне пшеницы (см. табл. 1 и 2).
клейковины в зерне пшеницы можно с использованием
Таким образом, разработанные уравнения множе-
программного комплекса «Excel» [3, 4].
ственной нелинейной регрессии, отражающие зависи-
Результаты и обсуждение. Сравнение теоретиче-
мость содержания сырой клейковины в зерне пшеницы
ских величин содержания сырой клейковины (Yт) с
от содержания белка и массы 1000 зерен, могут быть
экспериментальными данными (Yэ), полученными при
использованы для ориентировочного определения
использовании традиционных аналитических методов,
(прогноза) содержания сырой клейковины в зерне ози-
показало относительно высокую и практически одина-
мой и яровой мягкой и твердой пшеницы во всех случа-
ковую степень их совпадения: у уравнения (1) - 77,8-
ях, когда перечисленные показатели технологических
100 % (табл. 1), у уравнения (2) - 80,0-100 % (табл. 2).
качеств определены традиционными аналитическими
Аналогичные показатели точности прогноза содержа-
методами. Уравнения также могут быть использованы
ния сырой клейковины в зерне пшеницы были полу-
для косвенной проверки точности измерения содержа-
чены ранее при обобщении данных 265 литературных
ния сырой клейковины в зерне пшеницы, когда содер-
источников отечественных и зарубежных авторов с об-
жание белка и (или) клейковины определено с исполь-
32
Российская сельскохозяйственная наука, 2021, № 2
Табл. 3. Точность прогноза содержания сырой клейковины при различных инструментальных методах
определения содержания белка и (или) клейковины в пшенице
Сорт Batuta (Польша) [14]*
Сорт Orkisz (Польша) [15]*
Y (1) = - 41,928 + 0,081Х12 + 2,548Х2 - 0,028Х2
2
Х1
Х2
(Yэ-Yт)
Х1
Х2
(Yэ-Yт)
13,0
43,9
29,7
31,1
1,4
12,37
39,7
27,5
27,5
0,0
13,2
43,2
30,0
29,9
-0,1
13,28
39,3
29,2
30,2
1,0
13,3
42,6
30,1
30,5
0,4
12,60
40,3
28,1
28,6
0,5
13,2
43,6
30,1
30,7
0,6
12,31
39,6
27,3
27,8
0,5
13,1
43,2
29,8
30,5
0,7
13,00
39,3
28,7
29,4
0,7
13,3
42,8
30,2
30,5
0,3
12,88
40,0
28,6
29,1
0,5
n = 6
ЧЗ = 0
ОП = 100
n = 6
ЧЗ = 0
ОП = 100
2
Y (2) = - 41,928 + 0,063Х12 + 2,548Х2 - 0,028Х2
Сорт Бурятская остистая (Россия) [16]*
10 кластеров сортов озимой пшеницы (Польша) [5], р. 10**
15,3
35,8
28,2
28,4
0,2
14,7
45,6
29,7
30,3
0,6
15,7
37,4
29,7
30,0
0,3
14,6
45,6
29,5
29,8
0,3
15,1
38,3
29,0
28,5
-0,5
14,8
45,6
29,8
30,5
0,7
15,6
37,0
29,3
29,8
0,5
14,2
46,6
28,7
29,1
0,4
15,4
38,2
29,5
29,2
-0,3
13,7
47,1
27,8
26,7
-1,1
15,9
37,0
29,9
30,7
0,8
12,4
48,0
25,6
23,1
-2,5
15,4
37,7
29,3
29,3
0,0
13,9
52,9
26,7
28,0
1,3
15,8
37,1
29,8
30,3
0,5
14,5
47,0
29,2
29,6
0,4
15,4
38,0
29,4
29,5
0,1
13,7
40,7
27,2
25,9
-1,3
16,1
37,2
30,4
31,3
0,9
14,6
37,4
27,6
30,2
2,6
n = 10
ЧЗ = 0
ОП = 100
n = 10
ЧЗ = 2
ОП = 80,0
Табл. 4. Результаты проверки точности прогноза с использованием уравнений
при различных инструментальных методах определения содержания белка и (или) клейковины в пшенице
Прибор или метод определения
n / ОП
Страна
Источник
белок
клейковина
2
Y (1) = - 41,928 + 0,081Х12 + 2,548Х2 - 0,028Х2
Instalab 600
отмывание
6 / 100
Польша
[14]
Infratec 1241
6 / 100
Польша
[15]
Инфрапид 61
отмывание
6 / 100,0
Россия
[17]
Infraneo
30 / 73,3
Беларусь
[18]
Optical near-infrared technology
5 / 100
Польша
[19]
(марка прибора не указана)
DA 7200 NIR analyzer
11 / 81,8
Словакия
[20]
2
Y (2) = - 41,928 + 0,063Х12 + 2,548Х2 - 0,028Х2
Nicolet Antaris II
Glutomatic
22/72,7
Чехия
[5], С. 10
[5], С. 12
ИнфраЛюм ФТ - 12
10 / 100
Россия
[16]
ДСТУ 4117-2007
16 / 93,8
Украина
[21]
LECO CNS-2000
Inframatic 9200
8 / 75,0
Польша
[22]
Спектрофотометр Model
Glutomatic 2200
31 / 87,1
Турция
[23]
6500
Infratec 1241
6 / 100
Россия
[24]
Spektra Star 2400
37 / 70,3
Россия
[25]
ИнфраЛюм ФТ - 10
21 / 81,0
Россия
[26]
33
Российская сельскохозяйственная наука, 2021, № 2
зованием различных приборов, в частности Инфралюм
озимой пшеницы сорта Краса Дона в южной зоне
ФТ-10 или ФТ-12, Spektra Star 2400, Infraneo, DA 7200
Ростовской области / А.В. Алабушев, А.С. Попов,
NIR analyzer, Inframatic 9200 и Infratec 1241.
Г.В. Овсянникова и др. // Зерновое хозяйство Рос-
сии, 2020. № 1 (67). С. 4-10. doi: 10.31367/2079-
Литература.
8725-2020-67-1-4-10.
1.
Пасынков А.В., Дубовик Д.В., Пасынкова Е.Н. Про-
14. Effect of tillage simplifications on yield and grain
гноз содержания сырой клейковины в зерне пшени-
quality of winter wheat after different previous crops /
цы на основе уравнений множественной регрессии
I. Jaskulska, D. Jaskulski, K. Kotwica, et al. // Acta Sci.
// Вестник Курской ГСХА. 2017. № 4. С. 8-14.
Pol., Agricultura, 2013. No. 12 (3). Р. 37-44.
2.
Пасынков А.В., Пасынкова Е.Н. Особенности ис-
15. Wpływ dolistnego nawożenia Cu, Zn i Mn na wskaźniki
пользования уравнений множественной регрессии
jakościowe ziarna i elementy plonowania pszenicy
для прогноза содержания сырой клейковины в зерне
ozimej Orkisz (Triticum aestivum SSP. Spelta L.) / A.
пшеницы // Агрохимический вестник. 2018. № 3. С.
Stępień, K. Wojtkowiak, M. Skłodowski, et al. // Fragm.
69-74. doi: 10.24411/0235-2516-2018-10016.
Agron. 2017. No. 34(3). P. 97-108.
3.
Пасынков А.В., Пасынкова Е.Н. Эффективность
16. Дьяченко Е.Н., Шевелев А.Т. Влияние последействия
прогноза содержания сырой клейковины в зерне пше-
минеральных и известковых удобрений на урожай-
ницы // Зерновое хозяйство России. 2019. № 4 (64). С.
ность и качество зерна яровой пшеницы в условиях
19-26. doi: 10.31367/2079-8725-2019-64-4-19-26.
Прибайкалья // Агрохимический вестник. 2020. № 3.
4.
Пасынков А.В., Завалин А.А., Пасынкова Е.Н. Со-
С. 45-48. doi: 10.24411/1029-2551-2020-10038.
вершенствование способа прогноза содержания
17. Новые регуляторы роста озимой пшеницы / Л.В.
сырой клейковины в зерне пшеницы // Российская
Дядюченко, В.В. Морозовский, Д.Ю. Назаренко и др.
сельскохозяйственная наука. 2020. № 2. С. 7-12.
// Научный журнал КубГАУ. 2015. № 112 (08). С. 21
doi: 10.31857/S2500-2627-2020-2-7-12.
18. Лапа В.В., Кулеш О.Г., Мезенцева Е.Г. Особенности
5.
Genetic characterization and evaluation of twenty
удобрения яровой пшеницы при возделывании на дер-
Chinese winter wheat cultivars as potential sources of
ново-подзолистой легкосуглинистой почве с очень
new diversity for breeding / J. Hermuth, L. Leišová-
высоким содержанием фосфора и калия // Почвове-
Svobodová, J. Bradová, et al. // Czech J. Genet.
дение и агрохимия. 2016. № 1 (56). С. 93-105.
Plant Breed. 2019. Vol. 55. No. 1. P. 8-14. doi:
19. The effectiweness of nitrogen-phosphorus fertilization
10.17221/192/2017-CJGPB.
in winter Wheat (Triticum aestiwum L.) Cultivation
6.
Качество зерна яровой пшеницы при современных
/ P. Rusek, M. Mikos-Szymanska, M. Karsznia, et al.
технологиях возделывания / Е.В. Щербинина, О.И.
// Bulgarian journal agricaltural sciens. 2016. No. 5
Горянин, Б.Ж. Джангабаев и др. // Аграрный науч-
(22). P. 752-755.
ный журнал. 2018. № 12. С. 53-55.
20. Variability of quantitative and qualitative traits of
7.
Сабитов М.М. Влияние многолетних трав на повы-
coloured winter wheat / A. Žofajová, M. Havrlentová, M.
шение плодородия почв и продуктивности зерно-
Ondrejovič, et al. // Agriculture (Poľnohospodárstvo).
вых культур // Агрохимический вестник. 2019. № 5.
2017. Vol. 63. No. 3. P. 102-111.
С. 50-54. doi: 10.24411/0235-2516-2019-10075.
21. Дубовий В.І., Табакаєва М.Г. Вплив осаду стічних вод
8.
Изучение сортов и линий озимой пшеницы по хозяй-
на продуктивність і якість зерна пшениці // Збалан-
ственно-ценным признакам / И.Д. Фадеева, М.Ш.
соване природокористування. 2014. № 3. С. 127-131.
Тагиров, И.Н. Газизов и др. // Вестник Казанского
22. The effect of sulphur and nitrogen fertilization on
ГАУ. 2019. № 3. (54). С. 71-76.
grain yield and technological quality of spring wheat
9.
Оценка эффективности удобрений и биопрепара-
/ H. Klikocka, M. Cybulska, B. Barczak, еt al. // Plant
та Гумистим при возделывании озимой пшеницы на
Soil Environ. 2016. Vol. 62. No. 5. Р. 230-236. doi:
радиоактивно загрязненной почве / Е.В. Справцева,
10.17221/18/2016-PSE.
Р.В. Мимонов, Н.М. Белоус и др. // Агрохимический
23. Hüsnü Aktaş, Faheem Shehzad Baloch. Allelic variations
вестник. 2019. № 2. С. 42-47. doi: 10.24411/0235-
of glutenin subunits and their association with quality
2516-2019-10026.
traits in bread wheat genotypes // Turkish Journal of
10.35 лет научной деятельности лаборатории селек-
Agriculture and Forestry. 2017. No. 41. P. 127-134.
ции и семеноводства яровой твердой пшеницы:
24. Мельник А.Ф., Кондрашин Б.С. Биологизированные
результаты и перспективы / С.Н. Гапонов, Г.И.
технологии - фактор повышения продуктивности
Шутарева, Н.М. Цетва и др. // Аграрный вестник
озимой пшеницы // Зерновое хозяйство России.
Юго-Востока. 2019. № 3. (23). С. 4-6.
2018. № 5 (59). С. 3-6. doi: 10.31367/2079-8725-
11. Влияние препарата Агримин на урожайность и
2018-59-5-3-6.
качество зерна озимой пшеницы в южной зоне Ро-
25. Продуктивность, технологические и хлебопекарные
стовской области / А.С. Попов, Г.В. Овсянникова,
показатели качества зерна сортов и линий озимой
А.А. Сухарев и др. // Зерновое хозяйство России.
мягкой пшеницы / Б.И. Сандухадзе, М.А. Кузьмич,
2019. № 3. (63). С. 14-18. doi: 10.31367/2079-8725-
Р.З. Мамедов и др. // Инновационные разработки по
2019-63-3-14-18.
селекции и технологиям возделывания сельскохозяй-
12. Егушова Е.А., Кондратенко Е.П. Изменчивость
ственных культур. М.: ФИЦ «Немчиновка», 2018.
хозяйственно-ценных признаков озимой пшеницы
С. 276-288.
в условиях лесостепной зоны Западной Сибири //
26. Синтетическая пшеница как источник улучшения
Вестник Алтайского ГАУ, 2012. № 9 (95). С. 19-24.
качества зерна в селекции пшеницы / И.Я. Потоц-
13. Влияние сроков посева по различным предшествен-
кая, В.П. Шаманин, С.С. Шепелев и др. // Вестник
никам на урожайность и качество зерна мягкой
Курской ГСХА. 2019. № 2. С. 55-62.
Поступила в редакцию 30.11.2020
После доработки 14.01.2021
Принята к публикации 02.03.2021
34