Purpose. To study the effect of weather conditions on grain quality in soft spring wheat lines that are undergoing competitive variety trial. To identify indices to be least affected by weather conditions. To investigate the correlation dependence between grain quality indices in the years with contrasting weather conditions and conduct the analysis of variance. Methods. Parameters of grain and flour quality of bread spring wheat lines were determined using conventional methods at the laboratory of grain quality of V. M. Remeslo Myronivka Institute of Wheat, NAAS of Ukraine, protein content in flour was measured with the use of the SPECTRAN 119M device. Results. Contrasting weather conditions were considered including arid ones (2013) – that had negative effect on 1000 kernel weight, but at the same time positively influenced the averaged grain quality indices; with excess humidity (2014) – they resulted in decreasing of all technological indices; optimal ones (2015) – allowed to obtain maximum indices of grain and flour quality. Paired coefficients of correlation between different para­meters of grain and flour quality were calculated. The most number of strong and medium correlations was found in a dry year (33.3%), the smallest one – in a wet year (13.0%). Such indices as flour strength, dough dilution and protein content depended on the conditions of the growing year least of all. Grain-unit response was the most considerable to the humid conditions of the year. The analysis of variance showed that climatic conditions had significant effect on the quality indices of grain and flour. At the same time, an important genotypic component was revealed in indices of dough resilience (63%), bread volume and rating (61 and 53% respectively), the flour strength (42%), crude gluten quality (33%), bread porosity (30%). With climate variations, the genotypic conditionality of the content of protein and especially crude gluten was expressed insignificantly. Conclusions. When creating high quality cultivars, plant breeders should be guided by such indices as flour strength, dough resilience, gluten quality, bread volume and rating as only they are more genetically determined

Purpose. To study the effect of weather conditions on grain quality in soft spring wheat lines that are undergoing competitive variety trial. To identify indices to be least affected by weather conditions. To investigate the correlation dependence between grain quality indices in the years with contrasting weather conditions and conduct the analysis of variance. Methods. Parameters of grain and flour quality of bread spring wheat lines were determined using conventional methods at the laboratory of grain quality of V. M. Remeslo Myronivka Institute of Wheat, NAAS of Ukraine, protein content in flour was measured with the use of the SPECTRAN 119M device. Results. Contrasting weather conditions were considered including arid ones (2013) – that had negative effect on 1000 kernel weight, but at the same time positively influenced the averaged grain quality indices; with excess humidity (2014) – they resulted in decreasing of all technological indices; optimal ones (2015) – allowed to obtain maximum indices of grain and flour quality. Paired coefficients of correlation between different para­meters of grain and flour quality were calculated. The most number of strong and medium correlations was found in a dry year (33.3%), the smallest one – in a wet year (13.0%). Such indices as flour strength, dough dilution and protein content depended on the conditions of the growing year least of all. Grain-unit response was the most considerable to the humid conditions of the year. The analysis of variance showed that climatic conditions had significant effect on the quality indices of grain and flour. At the same time, an important genotypic component was revealed in indices of dough resilience (63%), bread volume and rating (61 and 53% respectively), the flour strength (42%), crude gluten quality (33%), bread porosity (30%). With climate variations, the genotypic conditionality of the content of protein and especially crude gluten was expressed insignificantly. Conclusions. When creating high quality cultivars, plant breeders should be guided by such indices as flour strength, dough resilience, gluten quality, bread volume and rating as only they are more genetically determined | Цель. Изучить влияние погодных условий на показатели качества зерна линий пшеницы мягкой яровой конкурсного сортоиспытания. Выделить показатели, которые поддаются наименьшему влиянию этих условий. Исследовать корреляционную зависимость между показателями качества зерна в годы с контрастными погодными условиями и провести дисперсионный анализ. Методы. Показатели качества зерна и муки линий пшеницы мягкой яровой определяли стандартными методами в лаборатории качества зерна Мироновского института пшеницы имени В. Н. Ремесло НААН Украины, содержание белка в муке – на приборе СПЕКТРАН 119М. Результаты. Рассмотрены контрастные погодные условия: засушливые (2013 г.) – отрицательно влияли на массу 1000 зерен, но вместе с тем положительно влияли на усредненные показатели качес­тва зерна; с избыточной влажностью (2014 г.) – привели к снижению всех технологических показателей; оптимальные (2015 г.) – дали возможность получить максимальные показатели качества зерна и муки. Рассчитаны парные коэффициенты корреляции между различными показателями качества зерна и муки. Наибольшее количество сильных и средних корреляционных связей выявлено в засушливом году (33,3%), наименьшее – во влажном (13,0%). От условий года выращивания меньше всего зависели такие показатели, как сила муки, разжижение теста и содержание белка. В наибольшей степени на влажные условия года реагировал показатель натуры зерна. С помощью дисперсионного анализа установлено, что на большинство показателей качества зерна и муки наиболее существенное влияние оказывали климатические условия. В то же время существенная генотипическая составляющая выявлена в показателях упругости теста (63%), объема и оценки хлеба (61 и 53% соответственно), силы муки (42%), качества сырой клейковины (33%), пористости мякоти хлеба (30%). При вариациях климата незначительно проявлялась генотипическая обусловленность содержания белка, особенно сырой клейковины. Выводы. При создании высококачественных сортов селекционеру нужно ориентироваться на такие показатели, как сила муки, упругость теста, качество клейковины, объем и оценка хлеба, так как именно они в большей степени имеют генетическую детерминацию | Мета. Вивчити вплив погодних умов на показники якості зерна ліній пшениці м’якої ярої конкурсного сортовипробування. Виділити показники, які зазнають найменшого впливу цих умов. Дослідити кореляційну залежність між показниками якості зерна в роки з контрастними погодними умовами та провести дисперсійний аналіз.Методи. Показники якості зерна та борошна ліній пшениці м’якої ярої визначали стандартними методами в лабораторії якості зерна Миронівського інституту пшениці імені В. М. Ремесла НААН України, вміст білка у борошні – на приладі СПЕКТРАН 119М.Результати. Розглянуто контрастні погодні умови: посушливі (2013 р.) – були негативними для маси 1000 зерен, але водночас позитивно впливали на усереднені показники якості зерна; з надмірною вологістю (2014 р.) – призвели до зниження всіх технологічних показників; оптимальні (2015 р.) – дали змогу отримати максимальні показники якості зерна та борошна. Розраховано парні коефіцієнти кореляції між різними показниками якості зерна та борошна. Найбільшу кількість сильних і середніх кореляційних зв’язків виявлено в посушливому році (33,3%), найменшу – у вологому (13,0%). Від умов року вирощування найменшою мірою залежали такі показники, як сила борошна, розрідження тіста та вміст білка. Найбільшою мірою на вологі умови року реагував показник натури зерна. За допомогою дисперсійного аналізу встановлено, що на більшість показників якості зерна й борошна мали значний вплив кліматичні умови. Водночас, істотну генотипову складову встановлено в показниках пружності тіста (63%), об’єму та оцінки хліба (61 і 53% відповідно), сили борошна (42%), якості сирої клейковини (33%), шпаристості м’якушу хліба (30%). За варіацій клімату незначною мірою проявлялася генотипова обумовленість вмісту білка, особливо сирої клейковини.Висновки. У процесі створення високоякісних сортів селекціонеру потрібно орієнтуватися на такі показники, як сила борошна, пружність тіста, якість клейковини, об’єм та оцінка хліба, оскільки саме вони більшою мірою мають генетичну детермінацію.

Purpose. To study the effect of weather conditions on grain quality in soft spring wheat lines that are undergoing competitive variety trial. To identify indices to be least affected by weather conditions. To investigate the correlation dependence between grain quality indices in the years with contrasting weather conditions and conduct the analysis of variance. Methods. Parameters of grain and flour quality of bread spring wheat lines were determined using conventional methods at the laboratory of grain quality of V. M. Remeslo Myronivka Institute of Wheat, NAAS of Ukraine, protein content in flour was measured with the use of the SPECTRAN 119M device. Results. Contrasting weather conditions were considered including arid ones (2013) – that had negative effect on 1000 kernel weight, but at the same time positively influenced the averaged grain quality indices; with excess humidity (2014) – they resulted in decreasing of all technological indices; optimal ones (2015) – allowed to obtain maximum indices of grain and flour quality. Paired coefficients of correlation between different para­meters of grain and flour quality were calculated. The most number of strong and medium correlations was found in a dry year (33.3%), the smallest one – in a wet year (13.0%). Such indices as flour strength, dough dilution and protein content depended on the conditions of the growing year least of all. Grain-unit response was the most considerable to the humid conditions of the year. The analysis of variance showed that climatic conditions had significant effect on the quality indices of grain and flour. At the same time, an important genotypic component was revealed in indices of dough resilience (63%), bread volume and rating (61 and 53% respectively), the flour strength (42%), crude gluten quality (33%), bread porosity (30%). With climate variations, the genotypic conditionality of the content of protein and especially crude gluten was expressed insignificantly. Conclusions. When creating high quality cultivars, plant breeders should be guided by such indices as flour strength, dough resilience, gluten quality, bread volume and rating as only they are more genetically determined

Purpose. To analyze the Ukrainian names of the fruit crops which varieties are undergoing scientific and technical examination. Results. Names of fruit crops form a separate terminological system based on one-word fruit plant names. Names of new introduced fruit crops usually are borrowed from the language of that country where the crop has extended and whence it has spread, or on the basis of a Latin generic name. Conclusions. The registered varieties of fruit plants in Ukraine belong to 48 crops. Formation of names of fruit crops has begun in ancient times and is continuing until now. Crop names, as a rule, consist of one word; two-word names occur as an exception, if so, an adjective should be places ahead of a noun. Names of fruit crops and the name of botanic taxa are specific, belong to different terminological systems and perform different functions.

Purpose. To analyze the Ukrainian names of the fruit crops which varieties are undergoing scientific and technical examination.Results. Names of fruit crops form a separate terminological system based on one-word fruit plant names. Names of new introduced fruit crops usually are borrowed from the language of that country where the crop has extended and whence it has spread, or on the basis of a Latin generic name.Conclusions. The registered varieties of fruit plants in Ukraine belong to 48 crops. Formation of names of fruit crops has begun in ancient times and is continuing until now. Crop names, as a rule, consist of one word; two-word names occur as an exception, if so, an adjective should be places ahead of a noun. Names of fruit crops and the name of botanic taxa are specific, belong to different terminological systems and perform different functions. | Цель. Проанализировать украинские названия плодовых культур, сорта которых проходят научно-техническую экспертизу.Результаты. Названия плодовых культур образуют отдельную терминологическую систему на основе однословных названий плодовых растений. Названия новых интродуцированных плодовых культур обычно заимствуют из языка той страны, где культура возникла и откуда она распространилась, или на основе латинского родового названия.Выводы. Зарегистрированные в Украине сорта плодовых растений можно распределить между 48 культурами. Формирование названий плодовых культур началось с незапамятных времен и длится до сих пор. Названия культур, как правило, однословные; двухсловные бывают в порядке исключения, в них прилагательное предшествует существительному. Названия плодовых культур и названия ботанических таксонов являются специфическими, принадлежат к разным терминологическим системам и выполняют разные функции. | Мета. Проаналізувати українські назви плодових культур, сорти яких проходять науково-технічну експертизу.Результати. Назви плодових культур утворюють окрему термінологічну систему на основі однослівних назв плодових рослин. Назви нових інтродукованих плодових культур зазвичай запозичують з мови тієї країни, де культура виникла й звідки вона поширилася, або на основі латинської родової назви.Висновки. Зареєстровані в Україні сорти плодових рослин можна розподілити між 48 культурами. Формування назв плодових культур розпочалося за прадавніх часів і триває донині. Назви культур, як правило, є однослівними; двослівні бувають як виняток, у них прикметник передує іменнику Назви плодових культур і назви ботанічних таксонів є специфічними, належать до різних термінологічних систем і виконують різні функції.

Purpose. To analyze the Ukrainian names of the fruit crops which varieties are undergoing scientific and technical examination. Results. Names of fruit crops form a separate terminological system based on one-word fruit plant names. Names of new introduced fruit crops usually are borrowed from the language of that country where the crop has extended and whence it has spread, or on the basis of a Latin generic name. Conclusions. The registered varieties of fruit plants in Ukraine belong to 48 crops. Formation of names of fruit crops has begun in ancient times and is continuing until now. Crop names, as a rule, consist of one word; two-word names occur as an exception, if so, an adjective should be places ahead of a noun. Names of fruit crops and the name of botanic taxa are specific, belong to different terminological systems and perform different functions.

Мета. Вивчити особливості формування врожайності насіння й зеленої маси у люпину білого. Виявити системи зв’язків між деякими елементами продуктивності й частку внеску кожного фактора в загальну дисперсію продуктивного потенціалу для розроблення селекційних програм зі створення сортів різних напрямів використання. Методи. Польові, лабораторні, статистичний. Результати. Після обробки первинних даних показників елементів структури врожайності насіння й зеленої маси із множини характеристик рослин, які вивчали, були виділені нові основні фактори, які характеризуються рядом провідних ознак. За показниками насіннєвої продуктивності виділено п’ять основних факторів, які зумовлюють понад 86% загальної мінливості. Перший фактор описує продуктивність бічних пагонів, другий – продуктивність центральної китиці, третій – перерозподіл асимілянтів між вегетативними й репродуктивними органами, четвертий – мікроперерозподіл асимілянтів у бобах, п’ятий – здатність до формування продуктивних бобів. За аналізом структури ознак продуктивності зеленої маси виділено чотири основні фактори, які описують понад 85% загальної мінливості: перший – загальний ріст і розвиток, другий – продуктивність бічних пагонів, третій – кормову цінність, четвертий – продуктивність центральної китиці. Факторна модель дала змогу визначити провідні ознаки й частку кожної системи, що пов’язана з окремим фактором, у формуванні складної ознаки загальної продуктивності рослин люпину білого. Висновки. Факторна модель формування продуктивності насіння люпину білого включає п’ять основних факторів. Процес формування вегетативної продуктивності характеризується чотирма основними факторами. Факторну модель сорту можна використовувати у процесі добору батьківських форм і оцінки нового гібридного матеріалу.

Purpose. To study peculiarities of forming yield of seeds and green mass in white lupine. To identify the system of relationships between some elements of productivity and each factor share in the total variance of productive capa­city for developing breeding programs to create varieties for different uses Methods. Field investigation, laboratory tests, statistical analysis.Results. After processing initial data that concerned parameters of structural elements of seed and green mass yield among multiplicity characteristics of studied plants, new key factors were identified which were characterized by a number of basic traits. In terms of seed productivity, five key factors were defined that cause over 86% of the total variability. The first factor described the productivity of laterals, the second one – the productivity of the central raceme, the third one – redistribution of assimilates between vegetative and reproductive organs, the fourth one – microredistribution of assimilates in beans; the fifth one – the ability to form productive beans. Due to the analysis of the structure of green mass productivi­ty traits, four key factors were defined that described over 85% of the total variability: the first factor – the general growth and development; the second one – the productivi­ty of laterals; the third one – feeding value; the fourth one – the productivity of central raceme. Factor model allowed to identify basic traits and share of each system associated with a particular factor in the formation of the complex trait of the general plant productivity of white lupine. Conclusions. The factor model of the white lupine seed productivity formation included five key factors. The process of formation of vegetative productivity is characterized by four key factors. The variety factor model can be used for parental forms selection and assessment of new hybrid material. | Цель. Изучить особенности формирования урожайности семян и зелёной массы у люпина белого. Выявить системы связей между некоторыми элементами продуктивности и долю вклада каждого фактора в общую дисперсию продуктивного потенциала для разработки селекционных программ по созданию сортов разных направлений использования. Методы. Полевые, лабораторные, статистический. Результаты. После обработки первичных данных показателей элементов структуры урожайности семян и зеленой массы из множества изучаемых характеристик растений были выделены новые основные факторы, которые характеризуются рядом ведущих признаков. По показателям семенной продуктивности было выделено пять основных факторов, обуславливающих более 86% общей изменчивос­ти. Первый фактор описывает продуктивность боковых побегов, второй – продуктивность центральной кисти, третий – перераспределение ассимилянтов между вегетативными и репродуктивными органами, четвертый – микроперераспределение ассимилянтов в бобах; пятый – способность к формированию продуктивных бобов. В результате анализа структуры признаков продуктивности зеленой массы выделено четыре основных фактора, которые описывают более 85% общей изменчивости: первый – общий рост и развитие; второй – продуктивность боковых побегов; третий – кормовую ценность; четвертый – продуктивность центральной кисти. Факторная модель позволила определить ведущие признаки и долю каждой системы, связанной с отдельным фактором, в формировании сложного признака общей продуктивности растений люпина белого.Выводы. Факторная модель формирования продуктивности семян люпина белого включает пять основных факторов. Процесс формирования вегетативной продуктивности характеризуется четырьмя основными факторами. Факторную модель сорта можно использовать при отборе родительских форм и оценке нового гибридного материала. | Мета. Вивчити особливості формування врожайності насіння й зеленої маси у люпину білого. Виявити системи зв’язків між деякими елементами продуктивності й частку внеску кожного фактора в загальну дисперсію продуктивного потенціалу для розроблення селекційних програм зі створення сортів різних напрямів використання.Методи. Польові, лабораторні, статистичний.Результати. Після обробки первинних даних показників елементів структури врожайності насіння й зеленої маси із множини характеристик рослин, які вивчали, були виділені нові основні фактори, які характеризуються рядом провідних ознак. За показниками насіннєвої продуктивності виділено п’ять основних факторів, які зумовлюють понад 86% загальної мінливості. Перший фактор описує продуктивність бічних пагонів, другий – продуктивність центральної китиці, третій – перерозподіл асимілянтів між вегетативними й репродуктивними органами, четвертий – мікроперерозподіл асимілянтів у бобах, п’ятий – здатність до формування продуктивних бобів. За аналізом структури ознак продуктивності зеленої маси виділено чотири основні фактори, які описують понад 85% загальної мінливості: перший – загальний ріст і розвиток, другий – продуктивність бічних пагонів, третій – кормову цінність, четвертий – продуктивність центральної китиці. Факторна модель дала змогу визначити провідні ознаки й частку кожної системи, що пов’язана з окремим фактором, у формуванні складної ознаки загальної продуктивності рослин люпину білого.Висновки. Факторна модель формування продуктивності насіння люпину білого включає п’ять основних факторів. Процес формування вегетативної продуктивності характеризується чотирма основними факторами. Факторну модель сорту можна використовувати у процесі добору батьківських форм і оцінки нового гібридного матеріалу.

Мета.Визначити статистичні методи та інструментальні засоби (пакети прикладних програм) для створення сис­теми підтримки прийняття рішення (СППР) кваліфікаційної експертизи сортів рослин на придатність до поширення (ПСП) у розрізі завдань оброблення даних. Обґрунтувати вибір програмних засобів оброблення статистичних даних польових та лабораторних досліджень, що входять до складу кваліфікаційної експертизи на ПСП. Методи. Аналітичний, який ґрунтується на порівнянні методів описової та багатовимірної статистики й засобів інтелектуального аналізу даних, отриманих під час кваліфікаційної експертизи на ПСП. Порівняльний аналіз програмних засобів оброблення статистичних даних для підготовки пропозицій щодо кінцевого рішення за заявкою на сорт рослин.Результати. Проведено декомпозицію завдань, що входять до складу системи підтримки прийняття рішень з кваліфікаційної екс­пертизи сортів-кандидатів на ПСП. Проведено порівняння статистичного пакета SPSS, пакета аналізу, що входить до складу MS Excel, та мови програмування R за критеріями: зручність інтерфейсу, функціональність, якість представлення результатів обчислення, наочність графічної інформації, вартість програмного засобу. Обидва пакети широко застосовують у світі для статистичного оброблення даних, вони мають аналогічний склад функцій для обчислення статистик. Висновки. Виокремлено завдання ПСП, що рекомендовано вирішувати із застосуванням досліджуваних засобів. Як інструментальний засіб рекомендовано використовувати мову програмування R. Основною перевагою R порівняно з пакетом IBM SPSS Statistics є те, що R є програмним продуктом з відкритим кодом, який вільно поширюється. | Цель. Определить статистические методы и инструментальные средства (пакеты прикладных программ) для создания системы поддержки принятия решения (СППР) квалификационной экспертизы сортов на пригодность их к распространению (ПСР) в разрезе задач обработки данных. Обосновать выбор программных средств обработки статистических данных полевых и лабораторных исследований, которые входят в состав квалификационной экспертизы на ПСР. Методы. Аналитический, основанный на сравнении методов описательной и многомерной статистики и средств интеллектуального анализа данных, полученных при проведении квалификационной экспертизы на ПСР. Сравнительный анализ программных средств обработки статистических данных для подготовки предложений по окончательному решению по заявке на сорт растений.Результаты. Проведена декомпозиция задач, которые входят в состав системы поддержки принятия решений по квалификационной экспертизе сортов-кандидатов на ПСП. Проведено сравнение статистического пакета SPSS, пакета анализа, который входит в состав MS Excel и языка программирования R по критериям: удобство интерфейса, функциональность, качество представления результатов расчетов, наглядность графической информации, стоимость программного средства. Оба пакета широко применяются в мире для статистической обработки данных, имеют аналогичный состав функций для расчета статистик. Выводы. Выделены задачи ПСР, которые рекомендуется решать с применением исследуемых средств. В качестве инструментального средства целесообратно использовать язык программирования R. Основным преимуществом R по сравнению с пакетом IBM SPSS Statistics является то, что R – программный продукт с открытым кодом, который свободно распространяется. | Purpose. To define statistical methods and tools (application packages) for creating the decision support system (DSS) for qualifying examination of plant varieties suitable for dissemination (VSD) in the context of data processing tasks. To substantiate the selection of software for proces­sing statistical data relative to field and laboratory investigations that are included into the qualifying examination for VSD.Methods. Analytical one based on the comparison of methods of descriptive and multivariate statistics and tools of intellectual analysis of data obtained during qualifying examination for VSD. Comparative analysis of software tools for processing statistical data in order to prepare proposals for the final decision on plant variety application. Decomposition of tasks was carried out which were included into the decision support system for qualifying examination of varieties-candidates for VSD. Results. Statistical package SPSS, analysis package included in MS Excel and programe language R was compared for the following criteria: interface usability, functionality, quality of calculation result presentation, visibility of graphical information, software cost. The both packages were widely used in the world for statistical data processing, they have similar functions for statistics calculation. Conclusion. Tasks of VSD were separated and recommended to tackle using investigated tools. Programe language R was a product recommended to use as a tool. The main advantage of R as compared to the package IBM SPSS Statistics is the fact that R is an open source software.

Purpose. To define statistical methods and tools (application packages) for creating the decision support system (DSS) for qualifying examination of plant varieties suitable for dissemination (VSD) in the context of data processing tasks. To substantiate the selection of software for proces­sing statistical data relative to field and laboratory investigations that are included into the qualifying examination for VSD. Methods. Analytical one based on the comparison of methods of descriptive and multivariate statistics and tools of intellectual analysis of data obtained during qualifying examination for VSD. Comparative analysis of software tools for processing statistical data in order to prepare proposals for the final decision on plant variety application. Decomposition of tasks was carried out which were included into the decision support system for qualifying examination of varieties-candidates for VSD. Results. Statistical package SPSS, analysis package included in MS Excel and programe language R was compared for the following criteria: interface usability, functionality, quality of calculation result presentation, visibility of graphical information, software cost. The both packages were widely used in the world for statistical data processing, they have similar functions for statistics calculation. Conclusion. Tasks of VSD were separated and recommended to tackle using investigated tools. Programe language R was a product recommended to use as a tool. The main advantage of R as compared to the package IBM SPSS Statistics is the fact that R is an open source software.

Purpose. To define statistical methods and tools (application packages) for creating the decision support system (DSS) for qualifying examination of plant varieties suitable for dissemination (VSD) in the context of data processing tasks. To substantiate the selection of software for proces­sing statistical data relative to field and laboratory investigations that are included into the qualifying examination for VSD. Methods. Analytical one based on the comparison of methods of descriptive and multivariate statistics and tools of intellectual analysis of data obtained during qualifying examination for VSD. Comparative analysis of software tools for processing statistical data in order to prepare proposals for the final decision on plant variety application. Decomposition of tasks was carried out which were included into the decision support system for qualifying examination of varieties-candidates for VSD. Results. Statistical package SPSS, analysis package included in MS Excel and programe language R was compared for the following criteria: interface usability, functionality, quality of calculation result presentation, visibility of graphical information, software cost. The both packages were widely used in the world for statistical data processing, they have similar functions for statistics calculation. Conclusion. Tasks of VSD were separated and recommended to tackle using investigated tools. Programe language R was a product recommended to use as a tool. The main advantage of R as compared to the package IBM SPSS Statistics is the fact that R is an open source software.