Модели урожайности зерновых культур в зависимости от содержания в почве органического вещества

Бесплатный доступ

Цель работы: cоздание моделей урожайности зерновых культур в зависимости от содержания в почве органических веществ. Задачи исследований: разработка информационно-логических моделей урожайности яровой пшеницы на серых лесных и дерново-подзолистых почвах, а также построение модели урожайности зерновых культур на черноземах Красноярской лесостепи в зависимости от содержания в почве органических веществ. Исследования проводились на серых лесных и дерново-подзолистых почвах подтаежной зоны, прилегающей к северной части Ачинско-Боготольской лесостепи, а также на черноземах обыкновенных и черноземах выщелоченных Красноярской лесостепи. Использовались методы полевого и микрополевого опыта, аналитический, математического моделирования и информационно-логического анализа, метод моделирования связи основных компонентов органического вещества почв и урожайности. Для оценки уровня плодородия серых лесных почв наиболее приемлема модель: У = Г × (М × (рН × Р) с прогнозирующим эффектом 72 %. Для объединённой оценки уровня плодородия серых лесных и дерново-подзолистых почв наиболее эффективны модели вида: У = Г × (М × (рН × ФГ)) и У = Г × (рН × (М × Р)). Прогнозирующий эффект по моделям составляет 77–78 %, что может использоваться для повышения плодородия почв, а также применимо при их бонитировке. Во всех моделях со значительной долей распознаваемости ведущее место занимает гумус. Высокий ранг имеет мощность гумусового горизонта. Математические модели урожайности зерновых культур в зависимости от содержания в почве органических веществ позволили рассчитать минимальные, средние и максимальные значения углерода гумуса, подвижных гумусовых веществ и соответствующие им уровни урожайности зерновых культур. Оказалось, что минимальное содержание гумуса соответствует 2,10–3,03 %, среднее – 3,02–4,02, высокое – 4,02–5,10 %. Нижнее значение оптимального содержания общего углерода можно принять как 2,33 % или 4,00 % гумуса, что соответствует верхнему значению среднего содержания и нижнему значению высокого содержания гумуса

Еще

Модель урожайности, почва, гумус, органические вещества, плодородие.

Короткий адрес: https://sciup.org/140257842

IDR: 140257842   |   DOI: 10.36718/1819-4036-2021-10-108-113

Текст научной статьи Модели урожайности зерновых культур в зависимости от содержания в почве органического вещества

Введение. По сути, все биосферные явления так или иначе связаны с органическим веществом почвы, которое определяет не только экологические, но и экономические пороги интенсификации земледелия. От обеспеченности почв органическим веществом зависит система применения органических и минеральных удобрений, которые относятся к основополагающим факторам интенсификации агропроизводства. Этот ключевой биосферный элемент, обуславливающий экологическую стабильность и защиту всей агроэкосистемы от различных техногенных и в первую очередь пестицидных нагрузок, способствует устойчивости земледелия при неблагоприятных погодных условиях. В конечном итоге, оказывая влияние на продуктивность сельскохозяйственных культур, органическое вещество почв определяет благосостояние человека. Проблеме органического вещества почв Приенисейской Сибири в целом, а также специальным направлениям исследований посвящено немало работ [1, 2], вместе с тем надо признать, что эта научная отрасль представляет собой открытую систему для получения новых знаний, актуальность которых не угасает, а, напротив, только обостряется в связи с внедрением новых средств и технологий в земледелии. Интенсификация агропроизводства предусматривает в первую очередь применение эффек- тивных управленческих решений, научной основой которых служат различные производственные и функциональные модели. К группе основополагающих можно с уверенностью отнести модели урожайности сельскохозяйственных культур, которые зависят в том числе и от обеспеченности почв органическим веществом.

Цель исследований . Создание моделей урожайности зерновых культур в зависимости от содержания в почве органических веществ.

Условия, материалы и методы. Исследования проводились в подтаежной зоне, которая входит в южнотаежно-лесной, плоскоравнинный, дерново-подзолистый и болотно-подзолистый район Западно-Сибирской провинции, на серых лесных и дерново-подзолистых почвах (Зареченский стационар), а также в условиях южной части Красноярской лесостепи на выщелоченных и обыкновенных черноземах (Мининский стационар). Агрохимическая характеристика почв приведена в таблице 1.

По количеству осадков за вегетационный период годы исследований сгруппированы в следующие ряды: увлажненные – количество осадков 267–424 мм; нормальные – количество осадков 246–258 мм; засушливые – количество осадков 150–210 мм. В подтаежной зоне (Заре-ченский стационар) преобладает доля увлажненных и нормальных лет, в открытой лесосте- пи (Мининский стационар) – больше лет с нормальными и засушливыми условиями. Среднегодовая температура воздуха составляет от -1,1 до 0,3 °С, сумма активных температур – 1550–

1661 °С. Период вегетации – 95–120 дней. Глубина промерзания почвы 0,6–1,2 м. Высота снежного покрова 0,5–0,8 м.

Агрохимические свойства почв опытных стационаров (0–20 см)

Таблица 1

Гумус, %

рНсол.

V, %

Нг

S

Р 2 О 5

К 2 О

мг-экв/100 г почвы

мг/100 г почвы

Чернозем выщелоченный (Мининский стационар)

6,1–7,3      \

6,8–7,1   \

95         1

1,2      1

48,0

14,3

17,1

Чернозем обыкновенный (Мининский стационар)

4,4–6,0      \

7,1–7,6   \

99         1

0,7      1

54,0

4,8       1

22,0

Серая лесная почва (Зареченский стациона

р)

3,7–4,1       \

4,6–4,8   \

71           1

6,5

16,0

7,4       1

8,1

Дерново-подзолистая почва (Зареченский стационар)

2,1–2,4      \

4,4–4,6   \

69         1

4,1      1

9,0

2,3       1

6,2

Агрохимические свойства почв определяли по общепринятым методикам [3]. Содержание гумуса определяли по методу И.В. Тюрина, а для извлечения подвижной части гумуса (С 0,1н.NаОН ) использовали 0,1 н. гидрооксид натрия, при соотношении почвы и растворителя 1:20. Статистическую обработку данных проводили с использованием пакета прикладных программ Snedekor [4].

Исходный материал для моделирования урожайности пшеницы на дерново-подзолистых и серых лесных почвах был получен на производственных посевах, а также на опытном поле Зареченского стационара. Методом площадок

[5] проводили сопряженные учеты урожая и отбор почвенных проб для определения агрохимических свойств почв в пахотном и подпахотном горизонтах. На поле учитывался урожай пшеницы в 20–30-кратной повторности на площадках по 1 м2.

Результаты и их обсуждение . Для определения факторов, необходимых при математическом моделировании урожайности пшеницы в зависимости от свойств серых лесных и дерново-подзолистых почв, по выделенным информационным выборкам рассчитаны корреляционные связи (табл. 2).

Таблица 2

Признак

Коэффициент корреляции (n=165)

У*

Г

М

Р 2 О 5

К 2 О

рН

S

Hr

V

У

1,00

0,43*

0,53*

0,40*

0,21

0,35*

0,72*

0,29

0,30

Г

0,43*

1,00

0,54*

0,10

-0,01

-0,03

0,50*

0,49*

-0,08

М

0,53*

0,54*

1,00

0,33

0,20

0,01

0,50*

0,50*

0,06

Р 2 О 5

0,40*

0,10

0,33

1,00

0,70*

-0,01

0,53*

0,42

0,19

К 2 О

0,21

-0,01

0,20

0,70*

1,00

-0,11

0,36

0,36

0,10

рН

0,35*

-0,03

0,01

-0,01

-0,11

1,00

0,47*

-0,57*

0,85*

S

0,72*

0,50*

0,51*

0,53*

0,36

0,47*

1,00

0,23

0,66*

Hr

0,29

0,49*

0,50*

0,42*

0,36

-0,57*

0,23

1,00

-0,51*

V

0,30

-0,07

0,06

0,19

0,10

0,85*

0,66*

-0,51*

1,00

Примечание: У – урожайность зерна, т/га; Г – содержание гумуса, %; М – мощность гумусового горизонта, см; Р 2 О 5, К 2 О – содержание подвижного фосфора и обменного калия, мг/100 г почвы; рН, Hr – обменная и гидролитическая кислотность почвы; S – сумма обменных оснований, мг-экв./100 г; V – степень насыщенности почв основаниями, %; * – значимая величина корреляции.

Корреляция урожайности пшеницы с содержанем гумуса и другими агрохимическими свойствами почв

Расчет парных коэффициентов корреляции между свойствами почв, а также между свойствами почв и урожайностью показал наличие коррелирующих факторов по всем выборкам и однотипность этих связей. По степени убывания влияния на величину урожая свойства почв располагаются в такой последовательности: сумма поглощенных оснований, мощность гумусового горизонта, содержание гумуса, содержание фосфора, рН. Высокая корреляционная связь суммы обменных оснований с содержанием в почве органического вещества [6], объясняет первостепенную роль именно гумуса в формировании урожайности пшеницы на кислых почвах подтаежной зоны.

Математическая статистика указывает на значительную скоррелированность свойств почв и явных отличий от нормального распределения многих факторов (по показателям ассиметрии и эксцесса). Это является ограничением в использовании корреляционно-регрессионного анализа, для построения моделей эффективного плодородия целесообразно использовать информационно-логический анализ, суть которого заключается в расчете количества информации, передаваемой каждым фактором (свойства почв) явлению (величине урожая), определении логических функций связи факторов и явления и построении на этой основе логических моделей урожайности [7, 8]. Полученные результаты показывают направление и форму связей свойств почв и урожая. Практически они везде криволинейны (кроме формы связи урожая с суммой поглощенных оснований). Это свидетельствует о том, что коэффициенты корреляции не точно отражают степень связи признаков (они характеризуют прямолинейную связь), а множественная регрессия здесь также малоэффективна из-за неопределенной (геометрически) формы связей. В этом отношении более совершенен информационнологический анализ - с его помощью описывается любая форма связи.

Например, используя большую (n = 150-180) выборку данных, установлено, что для оценки уровня плодородия серых лесных почв наиболее приемлема модель: У = Г х (М х (рН х р) с прогнозирующим эффектом более 70 %. Так как в структуре почвенного покрова подтаежной зоны дерново-подзолистые и серые лесные почвы составляют сопутствующие комплексы, мы сделали расчеты, в которые вошли оба типа. Оказалось, что при объединенной оценке уровня плодородия серых лесных и дерновоподзолистых почв наиболее эффективны моде- ли вида: У = Г × (М × (рН × ФГ)) и У = Г × (рН × (М х р)) (Г — содержание гумуса, М - мощность гумусового горизонта, Р - содержание Р2О5, ФГ - содержание физической глины). По обеим выборкам у них наибольший прогнозирующий эффект - 77-78 %. Такая точность допустима для бонитировки почв, а также может применяться при составлении мероприятий по повышению их продуктивности.

Итак, во всех моделях с высокой долей распознаваемости первое место занимает гумус. Высокий ранг имеет мощность гумусового горизонта, но в отличие от содержания гумуса это нерегулируемый или ограниченно регулируемый фактор, так же, как и содержание физической глины. Присутствие в моделях рН и Р указывает на возможность повышения урожайности пшеницы на кислых почвах за счет регулирования кислотности и повышения содержания Р 2 О 5 в дерново-подзолистых и серых лесных почвах.

Моделирование урожайности сельскохозяйственных культур на черноземах имеет свои особенности, которые обусловлены значительной пестротой и комплексностью почвенного покрова. Площадь элементарных почвенных ареалов составляет от нескольких квадратных метров до десятков и реже сотен. В почвенном покрове широко распространены пятнистости черноземов, которые обуславливают значительное варьирование содержания гумуса, что убедительно доказал Н.Г. Рудой в исследованиях на выщелоченных черноземах Солянского стационара (Канская лесостепь). В партии из ста отобранных индивидуальных образцов экстремумы представлены значениями 4,9 и 9,4 %, охватывая почвенные группы градации - очень низкого и высокого содержания [9].

Информация, полученная в исследованиях на черноземах Красноярской лесостепи, позволила построить модели урожайности зерновых культур в зависимости от содержания в почве органических веществ. В объединенную выборку вошли опыты с пшеницей, ячменем и овсом, где продуктивность была сопоставимой. Среднее содержание углерода гумуса в выборке составляло 2,01 % или 3,46 % гумуса. Содержание подвижных гумусовых веществ колебалось от 90 до 393 мг С/100 г почвы. Средняя урожайность зерна составляла 2,43 т/га.

При построении модели урожайности зерновых культур на черноземе обыкновенном использовали методы линейного и нелинейного регрессионного анализа (табл. 3).

Таблица 3

Тип связи

n

F факт.

r

Модель урожайности

Sr

Линейная

60

8,3

0,36

у 1 =0,465 x 1 + 1,496

21,9

Криволинейная

60

12,3

0,42

Ln(y 1 )=0,44 Ln(x 1 )+0,56

21,7

Линейная

60

6,6

0,32

у 2 =0,002 x 2 + 1,931

21,8

Криволинейная

60

13,1

0,44

Ln(y 2 )=0,266 Ln(x 2 )-0.55

21,6

Примечание : n – число наблюдений; F факт. – критерий Фишера; r – коэффициент корреляции; у 1 , у 2 – урожайность зерна, т/га; х 1 – содержание в почве углерода гумуса (С гумуса, %); х 2 – содержание в почве подвижных гумусовых веществ (С 0,1н.NаОН , мг/100 г); Sr – ошибка математической модели, %.

Модели урожайности зерновых культур в зависимости от содержания в почве органических веществ

Оказалось, что на почвах Красноярской лесостепи модели урожайности зерновых культур статистически доказываются по критерию Фишера. Полученные модели урожайности позволили рассчитать минимальные, средние и максимальные значения углерода гумуса, подвижных гумусовых веществ и соответствующие им уровни урожайности зерновых культур. Выяснилось, что минимальное содержание гумуса соответствует 2,10–3,03 %, среднее – 3,02–4,02, высокое – 4,02–5,10 %. Полученная информация позволила заключить, что нижнее значение оптимального содержания общего углерода можно принять как 2,33 % или 4,00 % гумуса. Это значение в предложенной градации соответствует верхнему значению среднего содержания и нижнему значению высокого содержания гумуса. На базе этих значений разработана градация содержания гумуса применительно к зерновым культурам: менее 2,0 – очень низкое; 2,0–3,0 – низкое; 3,0–4,0 – среднее; 4,0–5,0 – высокое; более 5,0 – очень высокое. По содержанию подвижных гумусовых веществ (мг С/100 г почвы): менее 100 – очень низкое; 100–200 – низкое; 200–300 – среднее; 300–400 – высокое; более 400 – очень высокое [10].

Выводы. Для оценки уровня плодородия серых лесных почв наиболее приемлема модель У = Г × (М × (рН × Р) с прогнозирумым эффектом 72 %. Для объединенной оценки уровня плодородия серых лесных и дерново-подзолистых почв наиболее эффективны модели вида: У = Г × (М × (рН × ФГ)) и У = Г × (рН × (М × Р)). По обеим выборкам у них наибольший прогнозирующий эффект – 77–78 %. Такая точность приемлема для бонитировки почв, а также может применяться при составлении мероприятий по повышению их продуктивности.

Математические модели урожайности позволили рассчитать минимальные, средние и максимальные значения углерода гумуса, подвижных гумусовых веществ и соответствующие им уровни урожайности зерновых культур на черноземах Красноярской лесостепи. Минимальное содержание гумуса соответствует 2,10–3,03 %, среднее – 3,02–4,02, высокое – 4,02–5,10 %. Нижнее значение оптимального содержания общего углерода можно принять как 2,33 % или 4,00 % гумуса.

Список литературы Модели урожайности зерновых культур в зависимости от содержания в почве органического вещества

  • Кураченко Н.Л., Колесник А.А. Структура и запасы гумусовых веществ агрочернозема в условиях основной обработки // Вестник КрасГАУ. 2017. № 9. С. 149–157.
  • Власенко О.А. Динамика углерода подвиж-ного гумуса в агрочерноземе при возделы-вании яровой пшеницы с помощью ресур-сосберегающих технологий // Вестник Крас-ГАУ. 2015. № 9. С. 60–67.
  • Агрохимические методы исследования почв. М.: Наука, 1975. 656 с.
  • Сорокин О.Д. Прикладная статистика на компьютере. Новосибирск, 2004. 162 с.
  • Липкина Г.С. Изучение параметров почв в полевых и приближенных к полевым усло-виям // Теоретические основы и методы определения оптимальных параметров свойств почв / Почв. ин-т им. Докучаева. М., 1980. С. 29–42.
  • Орлов Д.С. Химия почв. М.: Изд-во МГУ, 1985. 376 с.
  • Пузаченко Ю.Г., Мошкин А.В. Информаци-онно-логический анализ в медико-географи-ческих исследованиях // Итоги науки. Сер. Мед.-геогр. 1969. Вып. 3. С. 23–31.
  • Бурлакова Л.М. Применение информаци-онно-логического анализа в бонитировке почв // Тез. докл. V Делегатского съезда Всесоюз. об-ва почвоведов. Минск, 1977. Вып. 5. С. 235–237.
  • Рудой Н.Г., Трубников Ю.Н. Продуктивность зернопаропропашного севооборота на чер-ноземах в Приенисейской Сибири // Вестник КрасГАУ. 2016. № 2. С. 134–138.
  • Шпедт А.А. Оценка и оптимизация органи-ческого вещества почв сельскохозяйствен-ных угодий Красноярского края / Краснояр. гос. аграр. ун-т. Красноярск, 2013. 230 с.
Еще
Статья научная