| Н.Т. Керанова, В.Р. Ройчев | N. Keranova, V. Roychev |
| Аграрный университет – Пловдив, Болгария,
e-mail: nelikeranova@abv.bg |
Agricultural University – Plovdiv, Bulgaria
e-mail: nelikeranova@abv.bg |
| Аннотация. Путем применения математических методов произведен сравнительный анализ плодоносности и урожайности 32 винных белых сортов винограда. В зависимости от близости и удаленности значений этих показателей исследуемые сорта группируются в три обобщенных кластера. Первый из них включает 19 сортов, характеризующихся относительно более низкими значениями процентов развитых глазков и плодовых побегов, коэффициента плодоносности и урожайности с одного куста винограда и с 10 аров. Второй кластер состоит из 11 сортов, отличающихся сравнительно более высокими уровнями указанных показателей. В третьем кластере всего два сорта – Гергана и Мискет марковски, которые отличаются наибольшей плодоносностью и урожайностью. Включенные в исследование показатели различных сортов винограда трансформируются до двух компонентов (факторов). Первый содержит показатели урожайности и объясняет 39,6 % общей дисперсии, а второй – показатели плодоносности и объясняет 35,6 % варьирования, причем каждый из них оказывает значительное воздействие при формировании кластеров. Все включенные в настоящее исследование показатели плодоносности и урожайности следует анализировать при будущих экспериментах. | Summary. A comparative analysis of the productivity and yield in 32 vine varieties for white wines has been conducted by applying mathematical methods. Depending on the proximity and remoteness of the values of these indicators, the studied varieties are grouped into three generalized clusters. The first one includes 19 varieties characterized by relatively lower values of the percentages of developed buds and fruiting shoots, productivity coefficient, yield per vine and per decare. The second cluster consists of 11 varieties, characterized by comparatively higher values of these indicators. Only two varieties form the third cluster – Gergana and Muscat Markovski – with the highest productivity and yield. The indicators used in this research for the different vine varieties are transformed into two components (factors). The first one contains the yield indicators and explains 39,6 % of the total dispersion, and the second one encompasses the productivity indicators and explains 35,6 % of the variation, each of them exerting a significant influence on the formation of clusters. All productivity and yield indicators included in this study should be further researched and analysed.
|
| Ключевые слова: сорта для белых вин, плодоносность и урожайность, сравнительный кластерный и дисперсионный анализы, анализ основных компонентов (PCA). | Keywords: vine varieties for white wines, productivity and yield, comparative cluster analysis and dispersion analysis, principal component analysis (PCA). |
Загрузка...
Перезагрузить документ 
Открыть в новой вкладке