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.