Improvement of the metod of protein content prediction in wheat kernels

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The study was conducted in order to expand the possibilities of using the developed multiple nonlinear regression equation, re ecting the dependence of the protein content in wheat grain (Y, %) on the content of raw gluten (X1, %) and the mass of 1000 grains (X2, g). The possibility of practical use of the developed and three improved equations for predicting the protein content of wheat grain is shown. An algorithm and results of checking the prognostic capabilities and accuracy of predict equations from independent data are presented. Generalization of experimental data from 288 literature sources of domestic and foreign authors with a total number of observations n = 4604 on more than three hundred varieties of winter and spring soft and durum wheat grown in the period from 1959 to 2020 in Russia and abroad (Albania, Belarus, Bulgaria, Egypt, Kazakhstan, Lithuania, Poland, Slovakia and Ukraine) showed that the number of values that go beyond to limits regulated by GOST 10846-91 «Protein determination method» was 755 or 16.4 %. At the same time, the accuracy of prediction the protein content reached 83.6 %. The developed equations can be used to predict of protein content in almost all cases: when the results of the analysis of protein content and raw gluten in wheat kernel, as well the 1000-kernels weight are given at actual or fxed moisture content, or in terms of dry matter

About the authors

A. V Pasynkov

Leningrad Research Agricultural Institute «Belogorka», the branch of the Lorkh Federal Research Center of Potato Breeding

188338, Leningradskaya obl., Gatchinskiy r-n, pos. Belogorka, ul. Institutskaya, 1

A. A Zavalin

Pryanishnikov All-Russian Research Institute of Agrochemistry

Email: pasynkova.elena@gmail.com
127550, Moskva, ul. Pryanishnikova, 31 a

E. N Pasynkova

Leningrad Research Agricultural Institute «Belogorka», the branch of the Lorkh Federal Research Center of Potato Breeding

188338, Leningradskaya obl., Gatchinskiy r-n, pos. Belogorka, ul. Institutskaya, 1

References

  1. Колмаков Ю. В. Оценка материала пшеницы в селекции и повышение потенциала его качества в зернопроизводстве и хлебопечении. Омск: Изд-во ФГОУ ВПО ОмГАУ, 2007. С. 5-19.
  2. Шаймерденова Д., Тастанбеков С. Метрологическое обеспечение качества зерна в Казахстане // Хлебопродукты. 2009. № 4. С. 49-51.
  3. Бегеулов М. Ш. Статистический анализ технологических показателей качества зерна // Агрохимия. 2002. № 10. С. 68-73.
  4. Драгавцев В. А. Генетика признаков продуктивности яровых пшениц в Западной Сибири. Новосибирск: Наука, СО, 1984. 230 с.
  5. Макарова В. М. Структура урожайности зерновых культур и ее регулирование. Пермь: Пермская ГСХА, 1995. 143 с.
  6. Иванова Т. И. Прогнозирование эффективности удобрений с использованием математических моделей. М.: Агропромиздат, 1989. C. 32-42.
  7. Пасынков А. В., Пасынкова Е. Н. Особенности использования регрессионного анализа в агрохимических исследованиях // Агрохимия. 2022. № 10. С. 71-83. doi: 10.31857/S0002188122100088.
  8. Сравнительная оценка различных методов прогноза содержания белка в зерне пшеницы / А. В. Пасынков, А. А. Завалин, Е. Н. Пасынкова и др. // Российская сельскохозяйственная наука. 2021. № 3. С. 22-27. doi: 10.31857/s2500262721030054.
  9. Пасынков А. В., Пасынкова Е. Н. Эффективность прогноза белковости зерна пшеницы // Агрохимический вестник. 2022. № 5. С. 86-92. doi: 10.24412/1029-2551-2022-5-017.
  10. Особливостi формування урожайностi i якостi зерна озимої пшеницi залежно вiд строкiв сiвби та азотних пiдживлень / А. Д. Гирка, С. С. Ярошенко, I. I. Гасанова и др. // Бюллетень Iнституту зернового господарства. 2010. С. 33-40.
  11. Foto Kashta. Effect of nitrogen fertilizer level on the grain yield, some qualitative and technological indices of Triticum aestivum L. // Albanian j. agric. sci. 2014. P. 187-192.
  12. Капустин С. И., Володин А. Б., Капустин А. С. Эффективность весенних подкормок аммиачной селитрой озимой пшеницы, посеянной после сорго на зерно // Таврический вестник аграрной науки. 2017. № 4 (12). С. 57-62.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Russian Academy of Sciences

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».