ЗИМОСТОЙКОСТЬ КЛОНОВЫХ ПОДВОЕВ ЯБЛОНИ В ЮЖНОМ ПРИБАЙКАЛЬЕ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье представлены результаты исследования клоновых подвоев яблони разного географического происхождения, проведенного в 2017-2024 годах на опытных участках, расположенных в Иркутской области. Объект изучения - клоновые подвои: шесть сортов селекции Мичуринского ГАУ (62-396, 54-118, 70-20-20, 70-6-8, 64-143, 62-223), подвой селекции А.П. Апояна (Армянский НИИ виноградарства, виноделия и плодоводства) - Арм18, эстонской - Е56, семь Оренбургской опытной станции садоводства и виноградарства (Урал, Урал2, Урал5, 18-7, ОБ-3-4, 4-12, 8-2) и Крымской опытно-селекционной станции ВИР (К-2). Экологические условия Южного Прибайкалья благоприятны для использования клоновых подвоев в региональном садоводстве. Установлено, что наиболее адаптивные формы из всех образцов - уральской селекции (Урал и Урал 2) и эстонской (Е56). Лучше всего перенес зиму - Е56, хуже - 70-6-8, Арм18 и К-2, остальные показали среднюю зимостойкость. Были выяснены различия в присутствии белков-дегидринов в коре разных по зимостойкости подвоев в зависимости от месяца. В наших экспериментах мажорным дегидрином стал белок с молекулярной массой 45 кДа.

Об авторах

М. А Раченко

СИФИБР СО РАН

Email: bigmks73@rambler.ru
доктор сельскохозяйственных наук, главный научный сотрудник Иркутск, Россия

А. М Раченко

Иркутский государственный аграрный университет имени А.А. Ежевского

ведущий инженер Молодежный, Иркутский район, Россия

А. В Поморцев

СИФИБР СО РАН

научный сотрудник Иркутск, Россия

Список литературы

  1. Исамбетова З.Н. Поведение различных сортов яблони на полукарликовых подвоях в лесостепной зоне Южного Урала // Известия Оренбургского государственного аграрного университета. 2021. № 1 (87). С. 102-106.
  2. Программа и методика сортоизучения культур плодовых, ягодных и орехоплодных культур / под ред. Седова Е.Н. Орел: Изд-во ВНИИСПК, 1999.
  3. Раченко М.А. Производственно-биологическая оценка сортов яблони на пригодность их возделывания в Южном Предбайкалье: специальность 06.01.05 «Селекция и семеноводство сельскохозяйственных растений»: диссертация на соискание ученой степени доктора сельскохозяйственных наук. 2018. 346 с.
  4. Савин Е.З., Чугунов В.Г., Антипенко М.И., Кузнецов А.А. Продуктивность и экономическая эффективность выращивания яблони на клоновых подвоях в условиях Среднего Поволжья // Известия Оренбургского государственного аграрного университета. 2022. № 4 (96). С. 61-66. https://doi.org/10.37670/2073-0853-2022-96-4-61 -66
  5. Соломатин Н.М., Папихин Р.В., Григорьева Л.В. и др. Новые слаборослые клоновые подвои яблони // Вестник Мичуринского государственного аграрного университета. 2012. № 1-1. С. 58-61.
  6. Усольцев В.А., Цепордей И.С. Пространственно-временнóе замещение в экологии и проблема адаптации растений в условиях изменения климата // Леса России и хозяйство в них. 2021. № 4 (79). С. 4-39. https://doi.org/10.51318/FRET.2021.55.23.00111
  7. Alharbi R.A. Proteomics approach and techniques in identification of reliable biomarkers for diseases // Saudi Journal of Biological Sciences. 2020. № 27 (3). С. 968-974.
  8. Arumingtyas E.L., Savitri E.S. Protein profiles and dehydrin accumulation in some soybean varieties (Glycine max L. Merr) in drought stress conditions // American Journal of Plant Sciences. 2013. № 4. Р. 134-141.
  9. Azio G. Genetics, Breeding, and Genomics of Apple Rootstocks. The Apple Genome // Compendium of Plant Genomes (Springer, Cham, 2021). https://doi.org/10.1007/978-3-030-74682-7_6
  10. Banerjee A., Roychoudhury A. Group II late embryogenesis abundant (LEA) proteins: structural and functional aspects in plant abiotic stress // Plant Growth Regulation. 2016. № 79. Р. 1-17.
  11. Chauhan A., Ladon T., Verma P. Strategies for rootstock and varietal improvement in apple: A review // Journal of Pharmacognosy and Phytochemistry. 2020. № 9 (5). Р. 2513-2516. https://doi.org/10.22271/phyto
  12. Darbyshire R., Farrera I., Martinez-Lüscher J. et al. A global evaluation of apple flowering phenology models for climate adaptation // Agricultural and Forest Meteorology. 2017. № 240. Р. 67-77. https://doi.org/10.1016/j.agrformet.2017.03.021
  13. Garcia-Bañuelos M.L., Gardea A.A., Winzerling J.J., Vazquez-Moreno L. Characterization of a midwinter-expressed dehydrin (DHN) gene from apple trees (Malus domestica) // Plant molecular biology reporter. 2009. № 27. Р. 476-487.
  14. Kalemba E.M., Litkowiec M. Functional characterization of a dehydrin protein from Fagus sylvatica seeds using experimental and in silico approaches // Plant Physiology and Biochemistry. 2015. № 97. Р. 246-254.
  15. Korotaeva N.E., Oskorbina M.V., Kopytova L.D. et al. Variations in the Content of Stress Proteins in the Needles of Common Pine (Pinus sylvestris L.) within an Annual Cycle // J. For. Res. 2011. https://doi.org/0.1007/s10310-011-0260-y.
  16. Liu Y., Song, Q., Li, D. et al. Multifunctional roles of plant dehydrins in response to environmental stresses // Frontiers in plant science. 2017. № 8. Р. 1018.
  17. Mertens J., Aliyu H., Cowan D.A. LEA proteins and the evolution of the WHy domain // Applied and environmental microbiology. 2018. № 84 (15). e00539-18.
  18. Pessarakli M. (Ed.). Handbook of plant and crop stress. CRc press. 2019.
  19. Rachenko M.A., Rachenko A.M. The variation of the content of dehydrin proteins in the bark of Malus app. trees differing in winter hardiness in Southern Cisbaikalia conditions // Zemdirbyste-Agriculture. 2020. № 107 (2).
  20. Steinfath M., Strehmel N., Peters R. et al. Discovering plant metabolic biomarkers for phenotype prediction using an untargeted approach // Plant Biotechnology Journal. 2010.№ 8 (8). С. 900-911. https://doi.org/10.1111/j.1467-7652.2010.00516.x
  21. Wang Y., Li W., Xu X. et al. Progress of apple rootstock breeding and its use // Horticultural Plant Journal. 2019. № 5 (5). Р. 183-191. https://doi.org/10.1016/j.hpj.2019.06.001
  22. Zhou X., Muhammad I., Lan H., Xia C. Recent advances in the analysis of cold tolerance in maize // Frontiers in Plant Science. 2022. № 13. 866034.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

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».