Comparative characteristics of Medicago × varia and Medicago sativa cultivars of various ecological and geographical origin cultivated in the Northern Caspian

Cover Page

Cite item

Full Text

Abstract

 In order to restore heavily degraded unproductive natural fodder lands, increase fodder value, create perennial cultivated pastures and hayfields, prevent soil erosion in arid regions of Russia, it is necessary to study the adaptive potential of various species and varieties of alfalfa and use highly nutritious, high-yielding, drought-­resistant, hardy varieties for reclamation that are able to grow in extreme conditions. The aim of the work was to conduct an adaptation assessment and selection of alfalfa varieties and species for use in the restoration of arid degraded pasture ecosystems in the semi-desert zone of southern Russia. In one-factor field experiment conducted in 2020–2021, 44 alfalfa varieties from the collection of Vavilov Institute of Plant Genetic Resources were studied. The eperiments were carried out in accordance with the methods of Ivanov A.I. et al., 1985; Dospekhov B.A., 1985; Gringof I.G., Lynov Y.S., 1991; Federal Williams Research Center of Forage Production and Agroecology, 2015. According to the results of the second year of competitive testing, 29 accessions of alfalfa which exceeded standard indicators for productivity of green mass and seeds were selected for further study. Only 6 accessions were identified as the best in green mass yield compared to the standard (hybrid alfalfa Pestraya 57, Priuralskaya, Kizlyarskaya; alfalfa Karakalpakskaya 37, Karakalpakskaya 15, Mex-­Son). 19 accessions exceeded seed productivity of the standard by 9.0…154.9 g/m2, and 9 accessions had significantly higher indicators (alfalfa Kust, King, Zia, Karakalpakskaya 37, Irtyshskaya; hybrid alfalfa Karagandinskaya 1, Kizlyarskaya, Kizlyarskaya sinegibridnaya, Flora 2). Two accessions — hybrid alfalfa Kizlyarskaya and alfalfa Karakalpakskaya 37 — significantly exceeded standard indicators (green mass and seed). In the future, we plan to continue studying the two accessions for use in breeding.

 

About the authors

Galina K. Bulakhtina

Precaspian Agrarian Federal Scientific Center of the Russian Academy of Sciences

Email: gbulaht@mail.ru
ORCID iD: 0000-0001-8949-8666
SPIN-code: 4070-8492

Candidate of Agricultural Sciences, Head of the Department of Environmental Management

8 Severny quarter, Solenoye Zaimishche vil., Chernoyarsky district, Astrakhan region, 416251, Russian Federation

Natalya I. Kudryashova

Precaspian Agrarian Federal Scientific Center of the Russian Academy of Sciences

Author for correspondence.
Email: stone79.79@list.ru
ORCID iD: 0000-0003-0195-3869
SPIN-code: 2816-8178

Candidate of Agricultural Sciences, Head of the Laboratory of Grassland, Arid and Floodplain Ecosystems, Department of Rational Nature Management

8 Severny quarter, Solenoye Zaimishche vil., Chernoyarsky district, Astrakhan region, 416251, Russian Federation

Ekaterina V. Hyupinina

Precaspian Agrarian Federal Scientific Center of the Russian Academy of Sciences

Email: lapinaekaterina_87@mail.ru
ORCID iD: 0000-0002-3449-8658
SPIN-code: 8350-7854

Junior Researcher, Department of Environmental Management

8 Severny quarter, Solenoye Zaimishche vil., Chernoyarsky district, Astrakhan region, 416251, Russian Federation

References

  1. Kasatkina NI, Nelyubina ZS, Churakov PL. Introduction of perspective grades — the important reserve increases of the crop of lucerne changeable. In: Multifunctional adaptive feed production: conference proceedings. Moscow; 2013. p.188–192. (In Russ.).
  2. Alaru M, Talgre L, Eremeev V, Tein B, Luik A, Nemvalts A, Loit E. Crop yields and supply of nitrogen compared in conventional and organic systems. Agricultural and Food Science. 2014;23(4):317–326. doi: 10.23986/afsci.46422
  3. Ma XT, Liao JA, Zhao JF. A meta-analysis of the effects on soil quality in Xinjiang (China) orchards after grass cultivation. Applied ecology and environmental research. 2023;21(3):1891–1902. doi: 10.15666/aeer/2103_18911902
  4. Maisak GP, Avdeev NV, Startseva AV, Ivanova KY. Accumulation of organic matter and mineral nutrition elements during long-term cultivation of perennial grasses on soddy-­podzolic soil in the Perm region. Zemledelie. 2023;(7):16–19. (In Russ.). doi: 10. 24412/0044–3913–2023–7–16–19
  5. Shamsutdinov ZS. Forage crops selection: progress and challenges. Agricultural Biology. 2014;(6):36–45. (In Russ.). doi: 10.15389/agrobiology.2014.6.36rus
  6. Drinkwater LE, Midega CA, Awuor R, Nyagol D, Khan ZR. Perennial legume intercrops provide multiple belowground ecosystem services in smallholder farming systems. Agriculture, Ecosystems and Environment. 2021;320:107566. doi: 10.1016/j.agee.2021.107566
  7. Epifanova IV, Timoshkin OA, Lapina MS. Selection of alfalfa for the forest-­steppe conditions of the Middle Volga region. International agricultural journal. 2016;(6):53–56. (In Russ.).
  8. Kharalgina OS. green mass yield and variable alfalfa productivity in the Tyumen region northern forest-­steppe. Bulletin KrasSAU. 2021;(12):110–115. (In Russ.). doi: 10.36718/1819–4036–2021–12–110–115
  9. Ma XT, Liao JA, Zhao JF. Knowledge mapping of Alfalfa research — a visual analysis using citespace. Applied ecology and environmental research. 2023;21(3):1903–1916. doi: 10.15666/aeer/2103_19031916
  10. Mela T, Sormunen-­Cristian R, Nickanen V. Experiences of the yellow-­flowered lucerne (Medicago falcata L.) in Finland. Grassland and Land Use Systems. Proceedings of the 16th General Meeting of the European Grassland Federation, Grado (Gorizia), Italy, September 15–19, 1996. 1996. p.515–519.
  11. Sottie ET, Acharya SN, McAllister Т, Iwaasa АD, Thomas J, Wang Y. Performance of alfalfa-­sainfoin mixed pastures and grazing steers in western Canada. The Professional Animal Scientist. 2017;33(4):472–482. doi: 10.15232/pas.2016–01560
  12. Dedov AA, Dedov AV, Nesmeyanova MA. Cultivating alfalfa for fodder production. Fodder Production. 2016;(12):24–27. (In Russ.).
  13. Nagibin AE, Tormozin MA, Zyryanceva AA. Breeding work with alfalfa in the Middle Urals. Agrarian bulletin of the Urals. 2015;(7):20–24. (In Russ.).
  14. Naidovich VA, Naidovich RI, Malyutov MP. Alfalfa selection in the Volga region. Bulletin of botanic garden of Saratov state university. 2002;(1):176–181. (In Russ.).
  15. Aponte A, Samarappuli D, Berti MT. Alfalfa–grass mixtures in comparison to grass and alfalfa monocultures. Agronomy Journal. 2019;111:628–638. doi: 10.2134/agronj2017.12.0753

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».