Введение. Из-за непостоянности климатических условий роль общей адаптивности, даже в относительно однородной эдафической среде, может быть определяющим условием для благоприятного роста и эффективной реализации генетического потенциала возделываемых сортов [1]. В достижении высокого урожая в различных условиях среды адаптивность и стабильность играют важную роль, и их повышение является одной из задач, стоящих перед селекционерами [2, 3].Для ячменя урожайность является важным количественным показателем и хозяйственно ценным признаком, который во многом определяется факторами окружающей среды, генотипическими особенностями и эффектами их взаимодействия [4]. При этом существует множество статистических методов оценки взаимодействия между генотипом и средой, позволяющих интерпретировать данные многолетних испытаний, выделить перспективные генотипы или отбросить нестабильные сорта.Цель исследования – определить долю влияния факторов в общей изменчивости урожайности ячменя и оценить стабильность с использованием параметрических и непараметрических методов статистик в условиях юга Московской области.Объекты и методы. Исследования проведены в 2020–2022 гг., в условиях юга Московской области, на дерново-подзолистых среднесуглинистых почвах (55°08&#39;09.2"N 37°57&#39;30.7"E). Объектом исследования послужили образцы ярового ячменя (41 шт.), полученные из ФИЦ Всероссийский институт генетических ресурсов растений им. Н.И. Вавилова (ВИР), относящиеся к подвиду двурядного ячменя. В качестве стандарта использовался сорт Зазерский 85. Площадь учетной делянки – 2 м2. Закладка полевого опыта, учеты и наблюдения за растениями выполнены в соответствии с «Методическими указаниями по изучению и сохранению мировой коллекции ячменя и овса» (2012) [5], «Методикой полевого опыта» Б.А. Доспехова (2014) [6].  Статистическая обработка экспериментальных данных проведена методами дисперсионного и корреляционного анализа. Расчет индекса условий среды (Ij) выполнен согласно S.A. Eberhard и W.A. Rus­sell [7]. Ранжирование и оценка стабильности урожайности проведена при помощи параметрических (коэффициент регрессии (bi; Finlay, Wilkinson, 1963), отклонение от регрессии (S2dᵢ; Eberhard, Russell, 1963), средний компонент дисперсии (θi; Plaisted, Peterson, 1959), компонент дисперсии GE (θ(i); Plaisted, 1960), экологическая валентность (Wi2, G. Wricke, 1962), варианса стабильности (σi2, Shukla, 1972), коэффициент вариации (CV, Francis, Kannenberg, 1978)) и непараметрических (ранговые статистики (S(1), S(2), S(3), S(6), Nassar, Huhn, 1987; Huhn 1990), непараметрическая статистика стабильности (NP(i), Thennarasu, 1995), ранговая сумма (KR) (Kang, 1988)) методов при помощи программы STABILITYSOFT [8].Результаты и их обсуждение. Климатические условия вегетационных периодов в годы исследования существенно отличались по тепло- и влагообеспеченности (табл. 1).  Таблица 1 Климатические условия в годы проведения исследований Месяцn (1968–2021)202020212022x̅∑x̅∑x̅∑x̅∑Май13,242,211,4135,413,690,410,262,5Июнь17,260,818,3159,719,785,518,228,7Июль19,270,118,6106,821,651,020,348,6Август17,457,116,923,819,566,021,315,9x̅16,8–16,3–18,6–17,5–∑–230,2–425,7–292,9–155,7Примечание: n – среднемноголетние значения (по данным гос. фондов Гидрометеоцентра); x̅ ‒ среднесуточная температура воздуха, °С; ∑ ‒ сумма осадков, мм.  При расчете индекса условий среды (Ij) было установлено, что вегетационные периоды 2020 и 2021 гг. были менее благоприятны для роста и формирования урожая ячменя, о чем говорят полученные отрицательные значения–8,97 и –16,77 соответственно. Наиболее оптимальные условия для развития растений наблюдались в 2022 г. – 25,73.По результатам дисперсионного анализа было установлено достоверное влияние факторов в общей изменчивости урожайности. Наибольший вклад вносил фактор «среда», отражающий климатические условия вегетационных периодов – 81,9 % (табл. 2).За весь период проведения исследования (2020–2022 гг.) образцы ячменя демонстрировали широкий диапазон изменчивости урожайности (табл. 3). Таблица 2Вклад факторов и их взаимодействия в формирование урожайности ячменя Источник варьированияdfmSFфакт.Вклад в вариацию, %Среда (env)26174616,444047,07*81,9Генотип (gen)4027982,5418,34*7,4Взаимодействие (gen×env)8015324,4810,04*8,2Неучтенный фактор2461525,7–2,5Примечание: df – степень свободы; mS – средний квадрат; (*) – достоверно при P < 0,05.   Таблица 3Урожайность ячменя в вегетационные периоды (2020–2022 гг.) КодгенотипаОбразецУрожайность, г/м2CV, %Процентк стандартуminmaxx̅G1Eunova112,8475,7251,278,1194,1G2Concerto137,5432,8244,566,9091,6G3Djamila41,5317,1182,075,7568,2G4Henley80,4337,9208,661,7278,2G5KWS 0932115,4477,2206,7116,5377,5G6Лида35,3394,7214,283,9180,3G7Алей124,3531,5306,967,38115,0G8Kangoo70,2410,4203,589,2476,3G9Чайна45,2476,7262,382,2698,3G10Максимус113,9661,7345,282,17129,4G11Kornelja49,9380,7185,293,6469,4G12Austris175,4602,5319,376,81119,7G13Тимошка150,0648,9321,888,08120,6G14Карабалыкский 11030,1520,8210,3128,4178,8G15Волгоградский 0820,6454,6196,7116,0273,7G16Волгоградский 1243,5401,7216,782,7781,2G17Francin48,3501,1240,697,2390,2G18Поволжский луч144,8528,8298,767,97112,0G19KWS Vermont15,4515,4216,1122,2581,0G20Dimension23,9408,3176,6115,5666,2G21Сударь127,5584,5280,793,73105,2G22Klarinette78,3623,1263,8117,9798,9G23SC 101-12E35,1586,8242,3123,9790,8G24Bettina24,8557,3246,5112,4492,4G25Rapid34,7446,0182,7125,0968,5G26Авалон31,8339,9162,298,2560,8G27Su Zaza36,3390,6158,1127,3659,3G28Cupito84,8449,6197,3110,9674,0G29Montoya12,552,133,859,0512,7G30Tatum31,6411,6191,9102,5771,9G31Editha31,8387,1162,1120,6760,8G32Kerstiin32,6557,5235,0120,1188,1G33Salome32,5554,4210,9141,1279,0G34Su Suren20,2463,9177,2140,3366,4G35KWS Thessa45,7558,3240,5115,4190,1G36Soldo45,5632,4256,0127,6695,9G37Britny24,1525,6242,4106,0190,9G38KWS Irina41,3586,4230,1134,2186,2G39KWS Dante13,4606,4244,1130,1391,5G40Fabiola19,4619,4288,8105,50108,2G41Harbinger27,1437,0213,996,9680,2StЗазерский 8558,3484,1226,877,45–  Высокой урожайностью отличились семь образцов G7, G10, G12, G13, G18, G21, G40, превысившие стандарт на 5,2–29,4 %. Урожайностью на уровне стандарта (90,1–98,9 %) характеризовались G1, G2, G9, G17, G22, G23, G24, G35, G36, G37, G39. Коэффициент регрессии (bᵢ) и отклонение от регрессии (S²di) варьировали в широком диапазоне: bᵢ – от 0,06 (G29) до 1,44 (G36) и S²di – от 0,04 (G8) до 116,31 (G9). Среди высокоурожайных образцов только G1, G2, G7, G9 отличились низкой отзывчивостью на улучшение условий выращивания. С практической точки зрения, наиболее желательными являются генотипы с bi > 1 и низкими значениями отклонения от регрессии, данным сочетанием обладали G10, G17, G23, G24, G35, G39. По среднему компоненту дисперсии (θi) и компоненту дисперсии GEI (θ(i)) выделились G5 (θi = 28,31; θ(i) = 52,22), G15 (θi = 26,33; θ(i) = 52,32), G17 (θi = 28,94; θ(i) = 52,19). Самым нестабильным оказался низкоурожайный образец G29 (θi = 259,17; θ(i) = 40,68). Наименьшим значением экологической валентности характеризовались G15 (Wi2 = 0,63), G5 (Wi2 = 8,41), G20 (Wi2 = 9,94). Согласно вариансе стабильности (σi2), отличились G5, G15, G17, G18, G25. Согласно полученным данным по статистике S(1), S(2), генотипы G7, G10, G12, G18, G20, G25, G26, G31 были определены как стабильные. По показателям S(3), S(6) выделены G10, G17, также имеющие минимальные значения. Низкие значение по NP(1) имели G5, G12, G15, G18, а по NP(2) наибольшую стабильность продемонстрировали G7, G17, G12. Генотипы G10, G12, G15, G17, G18 были более стабильными согласно NP(3) и NP(4). Низкие значения суммы рангов (KR) имели G7, G12, G17, G18 (KR – 11–22). Из всех исследуемых генотипов наибольшей стабильностью с меньшим средним значением суммы рангов (ASR) характеризовались G18, G17, G12, G10, G7, G1, G20, G15 – 7,13; 8,50; 9,81; 9.81; 10,63; 11,06; 11,75; 13,00 соответственно.Проведенный корреляционный анализ поз­волил выявить значимые связи между S(1) и S(2), S(3); S(6) и S(3), KR, NP(3), NP(4); NP(3) и NP(4), Wᵢ², σ2i, θi, KR; Wi2 и σ2i, θi; NP(4) и KR, θ(i) и NP(3), Wi2, σ2i, θᵢ (рис.). С урожайностью отмечена с bi (r = 0,60), отрицательная с NP(2) (r = –0,78), NP(3) (r = –0,67), KR (r = –0,71), S(6) (r = –0,69), NP(4) (r = –0,67). Установленные связи необходимо учитывать при отборе адаптивных, стабильных и высокоурожайных генотипов.    Коэффициенты парных корреляций между урожайностью ячменя, параметрическими и непараметричисками показателями  Заключение. По результатам исследований установлено влияние климатических условий (81,9 %), генотипических особенностей (7,4 %) и взаимодействия данных факторов (8,2 %) на урожайность ячменя.Слабая корреляция с урожайностью таких показателей, как S(1), S(2), S(3), NP(1), Wi2, σ2i, S2di, CV, θi, θ(i), свидетельствует о возможности их применения для отбора стабильных генотипов, не ориентируясь на урожайность. Обратная связь с NP(2), NP(3), NP(4), S(6), KR говорит о меньшей связи  данных показателей со стабильностью генотипов и о большей связи с урожайностью. Показатель bi характеризовался более равномерным соотношением урожайности и стабильности. Выявленные закономерности могут быть использованы при оценке адаптивности исследуемых генотипов.В зависимости от используемого показателя наблюдались изменения рангов изучаемых образцов. По результатам оценки выделены наиболее стабильные образцы Eunova (к-31356, Германия); Алей (к-31363, Россия); Максимус (к-31366, Россия); Austris (к-31368, Латвия); Волгоградский 08 (к-31371, Россия); Francin (к-31391, Чехия); Поволжский луч (к-31392, Россия); Dimension (к-31394, Франция). Из них образцы Алей, Максимус, Austris, Поволжский луч имели среднюю урожайность, превышающую стандарт на 12,0–29,4 %, что позволяет их рекомендовать для использования в качестве исходного материала для селекционных программ в условиях юга Московской области.