Связь между селекционным дифференциалом (в долях от стандартного отклонения) и числом деревьев, которые надо изучить (учесть) при отборе

Селекционный дифференциал	Число деревьев	Селекционный дифференциал	Число деревьев	Селекционный дифференциал	Число деревьев
1,0	4	2,5	159	4,0	31540
1,5	13	3,0	739	5,0	3588000
2,0	42	3,5	4298	6,0	100000000

Легко заметить, что отношение следует увеличить приблизительно в 10 раз, для того чтобы селекционный дифференциал стал равен 2 σ, а не 1 σ; для того, чтобы селекционный дифференциал увеличить с 2 до 3 величин стандартных отклонений число деревьев должно быть увеличено в 17,6 раза, а для того, чтобы селекционный дифференциал возрос с 3 до 4 стандартных отклонений число деревьев необходимо увеличить в 42,7 раза. Следует иметь в виду, что приведенные в таблице *** величины достоверны только в том случае, если отбор проводят в сходных условиях. Как видим, на практике может возникнуть ограничение селекционного дифференциала, вызванное большой трудоемкостью работ и обширными площадями обследований. Тем не менее, практически всегда можно сравнить деревья, растущие в нескольких десятках метров одно от другого, и предположить (с той или иной степенью вероятности), что выбрано самое лучшее из них. Ограничение величины селекционного дифференциала целесообразно и в целях экономии: слишком дорого обходится обследование сотен или тысяч гектаров для отбора одного дерева.

С увеличением требований к отбору селекционный дифференциал возрастает. Если отбор будет вестись интенсивнее, и отбирать будут не 5 – 7 лучших деревьев из популяции, а 3 или 1, его результат (средние значения признаков в группе отобранных особей) будет выше.

Задание рассчитать селекционный дифференциал при увеличении жесткости требований к отбору – при уменьшении числа наиболее «качественных» объектов.

К работе 1. «Зависимость селекционного дифференциала от структуры распределения особей в популяции в зависимости от величины проявления признака». Выполняется по исходному дидактическому материалу в файле Excel: «Болванка дифференциал», Лист «Структура». Файлом «подсказки» является файл Excel: «Дифференциал-1», Лист «Структура».

1. Пусть даны три (или две, в зависимости от варианта заданий) популяции с одинаковыми численностями особей в них (по 68 особей) и одинаковыми значениями средних величин селектируемого признака (по 13,63235 единицы). При этом популяции различаются структурой распределения особей в зависимости от величины проявления признака, см. пример в Excel (Дифференциал-1, лист 2). При этом оценка распределения – собственно выявление структуры распределения особей в популяции – осуществлена в единой для всех (в нашем примере для трёх) популяций системе границ градаций признака. Границы классов или границы градаций признака установлены по характеристикам первой популяции (это принципиально можно выполнить по любой популяции, приняв её структуру за основу сравнения). Алгоритм установления границ классов – общепринятый со сдвигом максимальной границы класса на 0,1 единицы в сторону уменьшения (см. пример в Excel – Дифференциал-1, лист 2). Характер распределения особей в каждой популяции в зависимости от проявления их признаков особей в них отображается графически с помощью столбчатой диаграммы (см. пример в Excel – Дифференциал-1, лист 2).

2. Пусть из каждой популяции произведен отбор всех лучших особей с одинаковым «порогом» критериев отбора – все особи имеющие величину признака большую, чем 14,1 единицы (14,2 и более единиц), признаются лучшими, подлежат отбору и включаются группу отобранных. Порог отбора и собственно группа отобранных объектов (те классы, которые подлежат отбору) отмечены в исходном материале в таблицах Excel красной заливкой ячеек (см. пример в Excel – Дифференциал-1, лист 2).

3. Как видим из условия, «первый», «второй» и «третий» варианты отбора различаются между собой только структурой распределения особей, в соответствии с величиной проявления признака. То есть эффект отбора в рассматриваемом примере не зависит от численности популяций (она одинакова), не зависит от среднего значения признака в популяции (она одинакова), не зависит от заданного условия отбора или его напряженности или «жесткости» – от критических (минимальных) характеристик отбираемых из популяции лучших особей (они одинаковы).

4. Выявим факт наличия зависимости результатов отбора от структуры распределения особей в популяциях и её характер: в какой ситуации величина селекционного дифференциала больше, а в какой – меньше.

К работе 2. «Зависимость селекционного дифференциала от величины дисперсии признака в популяции». Выполняется по исходному дидактическому материалу в файле Excel: «Болванка дифференциал», Лист «Дисперсия». Файлом «подсказки» является файл Excel: «Дифференциал-1», Лист «Дисперсия».

1. Пусть даны две популяции с одинаковыми численностями особей в них (по 40 особей) и одинаковыми значениями средних величин селектируемого признака (по 13,625 единицы). При этом популяции различаются дисперсией признака (размах варьирования, СКО, коэффициент вариации), см. пример в Excel (Дифференциал-1, лист 3).

2. Пусть из каждой популяции произведен отбор одинакового количества лучших по своим значениям особей (по 6 самых лучших особей).

3. Как видим из условия, «первый» и «второй» варианты отбора различаются между собой только величиной дисперсии признака. То есть эффект отбора в рассматриваемом примере не зависит от численности популяций (она одинакова), не зависит от среднего значения признака в популяции (она одинакова), не зависит от заданной «жесткости» отбора – от числа отбираемых из популяции лучших особей (она одинакова).

4. Выявим факт наличия зависимости результатов отбора от дисперсии признака в популяциях и её характер: в какой ситуации величина селекционного дифференциала больше, а в какой – меньше.

К работе 3. «Зависимость селекционного дифференциала от «жесткости» или напряженности режима отбора в популяции». Выполняется по исходному дидактическому материалу в файле Excel: «Болванка дифференциал», Лист «Напряженность». Файлом «подсказки» является файл Excel: «Дифференциал-1», Лист «Напряженность».

1. Пусть из одной и той же популяции проводится отбор с разной его напряженностью: в каждом случае отбирают все меньшее число самых лучших особей.

2. Сравним между собой результаты отбора и достигаемый в каждом случае эффект, если из одной и той же популяции отбор производить с разной «жесткостью»:

а) отобрать из популяции 13 лучших деревьев, затем 6 лучших, затем 3 лучших и, наконец, одно самое лучшее дерево;

б) отобрать из популяции все особи со значением признака 16 единиц и более, затем 15 единиц и более, затем 18 единиц и более и, наконец, 19, единиц и более.

В такой ситуации каждый вариант отбора рассматривается как независимый акт отбора. При этом исходная база отбора остается неизменной, то есть каждый отбор осуществляется из одной и той же исходной базы с одинаковыми средними значениями и дисперсиями признаков и одинаковой структурой (все одно и то же).

3. Рассмотрим в качестве примера ряд вариантов отбора из одной и той же исходной базы, проводимого с разной интенсивностью или «жесткостью». Интенсивность определяется как количеством отбираемых лучших особей (например, 15 лучших особей или 10 лучших особей), так и заданным критическим уровнем отбора (например, высота ствола 30 м и более, 32 м и более или 35 м и более).

4. Выявим факт наличия влияния интенсивности отбора на его результат и эффективность, а также характер такого влияния. Работа выполняется по дидактическому материалу (см. пример в Excel – Болванка дифференциал, лист 3).

5. При выполнении задания удается заметить, что при «ужесточении» отбора (как по количеству отбираемых особей, так и по уровню значений признака) повышается эффективность отбора, оцениваемая селекционным дифференциалом или оценкой интенсивности отбора.