Нейросетевая оценка реакции базилика (Ocimum basilicum L.) на удобрительные органические добавки в условиях закрытого грунта

Среди последних выделяют сорта c различной окраской — от белой до пурпурно-лавандовой. Помимо использования в пищевой промышленности, они находят применение в медицине (2-5), при лечении респираторных заболеваний (6). Эфирные масла, содержащиеся в листьях и цветах, проявляют антимикробные (7, 8) и антиоксидантные (9, 10) свойства.

Из-за разнообразия хемотипов, связанных со способностью к перекрестному самоопылению, содержание в растениях вторичных метаболитов весьма изменчиво. На вариативность их синтеза влияют погодно-климатические и экологические условия региона выращивания культуры, а также режим питания. Поскольку спрос на стабильное по консистенции натуральное лекарственное растительное сырье (ЛРС) в мире из года в год лишь растет, многие аграрии и фермеры получают урожаи в защищенном грунте. Растения здесь можно выращивать в условиях беспочвенного субстрата со стабильным внутренним микроклиматом и режимом освещения в производственном помещении (11).

Устранение лимитирующих факторов почвы и климата, действующих при выращивании в открытом грунте, повышает всхожесть с 10-15 до 95-98 %. Стабильное освещения оптимальным световым спектром — важный фактор, определяющий рост и развитие растений (12). В условиях защищенного грунта используют красно-синий (RB) свет (в соотношении 70:30) (13) и полноспектральный белый свет (W) (14). В производственных помещениях с обслуживающим персоналом уместнее и благоприятнее для зрения использовать именно W-свет (15). При выращивании растений на искусственном нейтральном субстрате (pH 6,5-7,0), с уменьшенной долей минеральных химических удобрений, дополнительно должны применяться органические удобрения, например вермикомпост (16), гранулированный навоз крупного рогатого скота и птичий помет (17, 18), биоуголь (19) и отходы пищевой промышленности (20, 21), а также биостимуляторы роста растений (22-24).

Таким образом, за счет оптимизации технологического регламента и выращивания растений в условиях защищенного закрытого грунта становится возможным круглогодичное получение качественной растительной продукции для фармакологического, косметического и пищевого производств.

В предыдущей работе (25) мы дали положительную оценку отзывчивости четырех зеленолистных сортов Î. basilicum при их выращивании с добавками экстрактов гумусовых соединений (ГС), выделенных из сапропеля. На их внесение в сравнении с минеральными удобрениями наилучший образом отреагировал раннеспелый сорт Лемона. Растения, выращенные на торфянисто-глеевой маломощной почве с добавками разных фракций ГС, накапливали такую же биомассу, как и в контроле при использовании только минеральных химических препаратов.

В последнее время проводятся исследования по использованию в качестве органических удобрений продуктов, получаемых в результате переработки остатков жизнедеятельности мухи черная львинка (Hermetia illucens L.) — зоокомпоста (26). Этот продукт можно получить посредством водной или щелочной экстракции экскрементов личинок, которые размножаются на пищевых отходах различного происхождения и компостируют их. Такое сырье обладает полезными свойствами для улучшения здоровья почвенной экосистемы (27). Показано, что зоокомпост H. illucens соответствует стандартам качества, установленным ГОСТ 33830-2016 и ГОСТ 53117-2008 для органических удобрений на основе отходов животноводства (28). Близкий его аналог — биогумус (вермикомпост), который представляет собой продукт переработки органических остатков дождевыми червями) (29). В научной литературе использованию зоокомпоста и вермикомпоста для выращивания лекарственных и эфиромасличных растений уделяется мало внимания, хотя эти типы удобрений позволяют замкнуть пищевой цикл в аграрном секторе, превращая его в безотходный процесс.

Анализ профилей химических элементов — один из перспективных методов непрерывного мониторинга развития растений во все фазы онтогенеза. В зависимости от обеспеченности энергетическими и питательными внешними ресурсами в растениях формируется специфический (фрактальный) профиль содержания химических элементов (30). С их содержанием в тканях связана направленность физиологических процессов, происходящих в растениях (31, 32). Условия развития растений благоприятны, когда внешних ресурсов для этого достаточно и взаимодействие с ризосферной микробиотой мутуалистично.

Благодаря развитию информационных технологий (33-35), предоставляется уникальная возможность анализа реакций растений на модификацию удобрительных технологий их выращивания в условиях открытого и защищенного грунта. Этот дополнительный математический инструментарий позволит минимизировать риски использования внешних ресурсов (удобрений) и максимально задействовать локальные факторы (органику, источники энергии, аэрации и т.д.) (36) при прогнозировании урожаев (37).

Вычислительные нейросети могут быть задействованы в различных исследованиях: на этапах подготовки грунта, применения удобрений, посева семян, выращивания растений и хранения растительной продукции (38). В рамках концепции точного земледелия нейросети позволят проводить анализ показателей светоотражения и определять инфицированность растений фитопатогенами по спектрам отраженной от поверхности листьев радиации (39). Данные по светоотражению растений получают дистанционно с цифровых датчиков, метеостанций, дронов и спутников (33, 40).

Анализ элементного химического профиля растений базилика с применением новой информационной технологии, основанной на применении искусственной нейросети, позволяет получить ранее недоступную информацию о влиянии удобрительных технологии на скорость и полноценность прохождения стадий онтогенеза растений в реальных условиях культивирования.

В настоящей работе впервые использован алгоритм обучаемой нейросети, позволяющий в режиме реального времени выявлять взаимосвязь между условиями выращивания, физиологическими показателями растений и происходящими в них биохимическими процессами.

Цель исследования — использовав нейросеь EuclidNN, сравнить влияние органических удобрительных добавок, полученных при утилизации отходов разведения черной львинки и сапропеля, на физиологические показатели и элементный состав биомассы растений у двух сортов базилика в условиях хемопоники и полной светокультуры.

Методика. Эксперимент проводили осенью 2023 года на базе Всероссийского НИИ пищевых добавок — филиала ФНЦ пищевых систем им. В.М. Горбатова (г. Санкт-Петербург). Помимо отобранного ранее зеленолистного сорта Лемона («Enza Zaden», Голландия), в опыте использовали сорт Рози («Enza Zaden», Голландия) с пурпурной окраской листьев.

Семена высаживали по 2 шт. в пластиковые сосуды объемом 2 л с дренажными отверстиями, заполненные питательным субстратом. Субстратом служил обедненный нейтрализованный торф с добавками перлита. Такая почвосмесь характеризуется повышенной степенью влагоем-472

кости и пониженной минерализацией (43), что позволяло оценить потребление питательных веществ из органических добавок, внесенных в субстрат, при отсутствии дополнительных источников содержания в нем питательных веществ.

Растения выращивали в закрытом гроубоксе (1,5½1,5½1,5 м) при полноценной освещенности. Внутри рабочей зоны днем поддерживали температуру 20 ° C, ночью — 16 ° C, относительную влажность воздуха — 6570 %. Освещенность рабочей зоны составила 36800 лк (соответствует плотности фотосинтетического потока фотонов — 551,7 мкмоль •м ^{- 2} • с ^{- 1}), фотопериод — 16/8 ч (день/ночь). Источником освещения служила линейная LED-панель (1,2½1,2 м) белого света на 560 Вт с возможностью диммиро-вания («LED For Plant», Россия). Опыт проводили один раз в 4-кратной аналитической повторности. Общий срок вегетации составил 50 сут.

Схема эксперимента включала следующие варианты: контроль (без удобрений), добавки гуминовых (ГК) и фульвокислот (ФК), экстракт из зоокомпоста (ЭЗК). ГК и ФК были выделены из сапропелевого сырья (д. Ер-молино, Псковская обл.) (24). Жидкую фракцию (ЭЗК) получали из высушенных и просеянных экскрементов личинок мухи H. illucens с помощью щелочной экстракции (0,1 н. NaOH) с доведением pH до нейтральной реакции (потенциометр ИПЛ 103-1; ООО НПП «Семико», Россия). Зоокомпост получали из лабораторного инсектария ВНИИ пищевых добавок.

Все рабочие растворы тестируемых экстрактов в одинаковом объеме вносили в субстрат разово при поливе, в момент посадки семян. Просочившуюся часть жидкости повторно заливали по поверхности субстрата до оптимального увлажнения всего его объема. Концентрация всех рабочих растворов равнялась 0,1 %. Далее на протяжении вегетации растения опрыскивали по листьям растворами тестируемых экстрактов 1 раз в неделю. Растения в контроле поливали фильтрованной водопроводной водой.

По окончании опыта измеряли высоту растений. Содержание общего хлорофилла в листьях определяли с использованием портативного оптического датчика SPAD 502 Plus («Minolta Camera Co., Ltd.», Япония). На основании полученных показателей рассчитывали количество хлорофилла Y (41):

Y (мг/г) = - 0,1416 + 0,0324 х SPAD, [1]

Y (мг/см²) = - 0,006 + 0,001 х SPAD. [2]

Наземную биомассу растений срезали, взвешивали на аналитических весах PA 214C («Ohaus», США), сушили, измельчали до состояния порошка на лабораторной мельнице ЛЗМ-1 (ООО «ОЛИС, Россия), снова взвешивали и проводили мокрое озоление с использованием азотной кислоты для последующего элементного анализа методом оптической эмиссионной спектроскопии с индуктивно связанной плазмой (ICP-OES) на приборе 5900 («Agilent Technologies», США) согласно методике производителя (45). Содержание микроэлементов выражали в мг/кг сухого вещества. Для каждого элемента строили градуировочную кривую. В качестве эталонного раствора использовался многоэлементный раствор («Sigma-Aldrich», США).

Для многомерного статистического анализа при изучении профилей химических элементов в растениях базилика мы использовали вычислительную нейросеть EuclidNN (42-44). Отличительной особенностью нейросети EuclidNN является наличие сервиса обучения (45, 46), позволяющего находить не только значения весовых коэффициентов в математических матричных выражениях, но и выбирать формулы преобразования профилей химических элементов в индекс CSI (Cognitive Salience Index) (47, 48).

Слой нейронов L1 осуществлял нормализацию (49) цифровых данных матрицы Elem, содержащей профили химических элементов в растениях. Для проведения подобных расчетов в EuclidNN все числовые единицы по микроэлементам были предварительно переведены из весовых значений в молярные величины (моляльные концентрации). Результаты вычисляли по формуле [3] и сохраняли в матрице Norm .

Elem_jk- 1 •^ l Elem*

Norm_jk =                                   2 ,                 [3]

Jx^lElem j, - 8 •Z k=4 Elem jk ]

где Elemjk — значения матриц Elem; j = 1…5 — порядковые номера химических элементов в растениях; k = 1…4 — порядковые номера вариантов опыта.

Слой нейронов L2 вычислял по формуле [4] матрицу эвклидовых дистанций Dist (50), содержащую математическое расстояние между профилями химических элементов растений в 5-мерном нормализованном про- странстве.

\ 2

-Norm jm ) ,

Dist_mn = J| ^^Worm_jn

где m, n = 1…4 — порядковые номера вариантов опыта; j = 1…5 — поряд- ковые номера химических элементов.

Слой нейронов L2, используя данные матрицы Dist и стандартную вычислительную процедуру EigenVectors() (51), по формуле [5] вычислял матрицу главных координатных компонент Compo (матрицу собственных ортогональных векторов).

Compo = EigenVectors(Dist). [5]

Слой нейронов L3 последовательно в цикле обучения нейросети перебирал алгоритмы вычисления индекса CSI из базы алгоритмов Comby и вычислял корреляцию индекса CSI с морфологическими показателями растений. Алгоритмы базы Comby представляют собой алгебраические выражения, в которых данные матриц Dist и Compo объединены общими действиями сложения, вычитания, умножения и деления. База алгоритмов Comby открыта для пополнения новыми записями, что позволяет точнее решить задачу информационного поиска.

Слой нейронов Learning рассчитывал корреляцию (52, 53) между значениями индекса CSI и физиологическими характеристиками растений, представленными в матрице Plant .

Выход из цикла обучения нейросети происходил при превышении величины 0,7 коэффициентом корреляции этих данных. В заключение процедуры обучения был получен корректный алгоритм вычисления индекса CSI.

Полученные данные подвергали статистической обработке (программный пакет Statistica, ANOVA, «StatSoft, Inc.», США): вычисляли средние (M) стандартные ошибки средних (±SEM), использовали критерии Даннетта и Колмогорова-Смирнова. Различия считали статистически значимыми и признавали наличие связи между показателями на уровне вероятности не менее 0,95.

Ðåçóëüòàòû. Разработанная нами нейронная сеть EuclidNN (рис.) обладает программным сервисом, позволяющим преобразовывать профили содержания химических элементов в растениях методом «многое-к-од-ному», вычисляя при этом безразмерный индекс CSI = 0…10, который характеризует уровень фрактальности профилей. Мы полагаем, что близость к идеальности профиля химических элементов в растениях сигнализирует нам об их полноценном развитии, а ее отсутствие — о нарушениях в питании растений. На основании этого мы делаем следующее заключение: чем ближе значение индекса CSI к 10, тем благоприятнее условия развития растений и эффективнее удобрительные добавки.

Вычислительная нейросеть EuclidNN, преобразующая растительные профили химических элементов в индекс CSI. Elem, Plant — матрицы, содержащие профили химических элементов и физиологические характеристики растений базилика в вариантах опыта; Norm, Dist, Compo — матрицы данных промежуточных вычислений; Comby — база вычислительных алгоритмов нейросети; Learning — циклическая процедура поиска алгоритма нейросети; L1, L2, L3 — слои искусственных нейронов, выполняющих матричные преобразования числовых данных.

В своем исследовании мы сравнили контрастные по окраске сорта базилика — зеленолистный и пурпурнолистный, поскольку было установлено, что у растений с фиолетовыми листьями при дефиците микроэлементов Fe, Mn, Zn и, возможно, Cu нарушается пигментация (54-56).

Композиционный состав элементного пула всех тестируемых композиций, использованных при выращивании растений базилика, приведен в таблице 1.

1. Элементный состав (мг/л) использованных экстрактов сапропеля (ГК, ФК) и зоокомпоста (ЭЗК) Hermetia illucens L.

Элемент	ГК	ФК	ЭЗК
Al	3,5	1,8	н/о
Ca	11,1	13,9	2,0
K	1,7	4,5	16,3
Mg	5,6	5,5	2,4
Na	15,5	6,2	6,2
Sr	0,2	н/о	н/о
Mn	0,6	0,4	0,001
P	1,9	2,0	7,2
Si	0,5	0,5	н/о
B	н/о	4,7	н/о
Zn	0,1	0,2	0,1
Cu	н/о	0,1	н/о
Ba	0,1	0,1	н/о
Fe	7,4	7,8	6,0
Примечание. ГК — не обнаружено.	гуминовые кислоты, ФК —	фульвокислоты, ЭЗК —	экстракт зоокомпоста, н/о —

Все добавки оказывали положительное влияние на морфометрические и физиологические параметры растений по сравнению с контролем (табл. 2). Использование растворов ГК, ФК или экстракта из зоокомпоста существенно повлияло на увеличение высоты и биомассы растений обоих сортов. При этом наилучший результат у сорта Лемона был отмечен при обработке растений экстрактом зоокомпоста, а у сорта Рози — при обра- ботке раствором ФК и экстрактом зоокомпоста. Увеличение линейных размеров для первого сорта составило 18,9 %, сухой биомассы — 51,7 %, для второго — соответственно 30,8 и 29,6 %.

2. Показатели роста, продуктивности и фотосинтетической активности листьев у растений базилика ( Ocimum basilicum L.) двух сортов под влиянием растворов органоминеральных добавок ( n = 4, M ±SEM; лабораторный опыт)

Показатель	Вариант обработки
	контроль	ГК	ФК 1	ЭЗК
	Сорт	Лемона
Сырая биомасса, мг/растение	136,7±2,6	136,5±3,3	157,0±0,1*	160,0±0,1*
Сухая биомасса, мг/растение	20,9±0,4	26,4±3,4	29,9±1,9	31,7±2,6*
Высота растения, см	14,8±1,0	15,3±1,2	16,1±1,2	17,6±2,9
Показания SPAD, отн. ед.	21,3±0,8	22,0±0,9	22,6±1,1	26,5±0,5
Содержание хлорофилла, мг/г	0,55±0,10	0,57±0,10	0,59±0,10	0,72±0,10*
Содержание хлорофилла, мг/см2	0,02±0,01	0,02±0,01	0,02±0,01	0,02±0,01
	Сор	т Рози
Сырая биомасса, мг/растение	120,0±1,0	126,5±1,8	179,6±0,1*	128,6±0,1
Сухая биомасса, мг/растение	17,2±0,1	22,8±2,1	39,5±0,5*	28,3±0,1*
Высота растения, см	32,1±0,1	39,0±0,4	42,0±3,2	41,4±0,3
Показания SPAD, отн. ед.	16,9±0,3	18,6±0,2	19,5±0,7	18,8±0,1
Содержание хлорофилла, мг/г	0,41±0,10	0,46±0,10	0,49±0,21	0,47±0,12
Содержание хлорофилла, мг/см2	0,01±0,01	0,01±0,01	0,01±0,01	0,01±0,01

Примечание. ГК — гуминовые кислоты, ФК — фульвовые кислоты (экстракты из сапропеля), ЭЗК — экстракт из зоокомпоста Hermetia illucens L.

* Различия статистически значимы по сравнению с контролем соответственно при p < 0,05.

Возрастание биометрических показателей растений служило индикатором перестройки метаболизма, что было связано с усилением фотосинтетической активности. В среднем по показателям SPAD применение тестируемых добавок повышало синтез общего хлорофилла в листьях у сорта Лемона на 2,4 отн. ед., у сорта Рози на 2,1 отн. ед. В отличие от зеленолистных сортов, у растений, имеющих пурпурную окраску, содержание общего хлорофилла меньше, а количество пигментов антоцианов больше (56). Поэтому вариативность значений у сорта Рози была выражена слабее.

По результатам химического анализа тестируемые добавки не повлияли на аккумуляцию кальция и меди. При этом по балансу Zn-Fe-Mn, четко прослеживалось увеличение их суммарного накопления (табл. 3).

У сорта Лемона значимые отличия от контроля проявились по содержанию железа, марганца и магния в растениях. В варианте с экстрактом зоокомпоста это отмечали для всех трех элементов. Базилик известен как аккумулятор железа (57), которое наравне с цинком считается наиболее распространенным дефицитным микроэлементом (58, 59). Железо входит в состав нуклеиновых кислот и белков, отвечает за фотосинтетическую ассимиляцию углекислоты и метаболизм фитогормонов. В среднем прибавка по железу в вариантах с фолиарной обработкой растворами гумусовых кислот и экстракта из зоокомпоста составила 13,2-38,6 % к контролю.

У сорта Рози при аналогичных вариантах обработки содержание железа увеличилось на 52,4-101,1 %. Следует отметить, что у обоих сортов базилика максимальные прибавки по содержанию железа были в варианте с обработкой экстрактом из зоокомпоста. Также у сорта Лемона в варианте с обработкой экстрактом из зоокомпоста отмечали увеличение концентрации марганца на 24,0 % в сравнении с контролем. У сорта Рози наблюдали резкое увеличение концентрации цинка, в среднем на 73,4-153,2 % с более высокими значениями в вариантах с обработкой раствором ФК и экстрактом из зоокомпоста.

• 3.    Профили химических элементов (мг/кг) в биомассе растений базилика ( Ocimum basilicum L.) двух сортов при использовании растворов органоминеральных добавок и коэффициенты корреляции с индексом CSI ( n = 4, M ±SEM; лабораторный опыт)

• 4.    Физиологические характеристики растений базилика ( Ocimum basilicum L.) двух сортов при использовании растворов органоминеральных добавок и коэффициенты корреляции с индексом CSI (лабораторный опыт)

Элемент	Вариант обработки								Коэффициент корреляции r с индексом CSI
	сорт Лемона				сорт Рози
	контроль	ГК	] ФК 1	ЭЗК	контроль	ГК	ФК	ЭЗК
Mg	3130±176,6	3535,8±249,2*	*   3288,4±79,7	3452,3±16,9**	2836,8±121,1	2953,5±155,3*	2808,2±185,1	2832,8±178,7	- 0,25
Zn	71,7±9,6	68,1±1,2	53,8±1,2	65,9±4,4	63,5±6,7	110,1±7,3**	160,8±5,3**	156,4±31,2**	0,80*
Fe	161,6±10,0	182,9±8,5	203,2±2,2	223,9±2,2*	133,3±6,6	213,0±14,6*	203,1±10,3	268,1±24,7**	0,81*
Mn	206,9±12,0	206,0±4,7	192,8±1,2	256,5±10,9*	198,4±13,7	196,0±24,0	252,9±11,8*	199,4±19,5	0,61
Cu	8,0±0,4	4,8±0,6	5,8±0,9	8,1±0,4	11,2±1,2	14,7±0,4	11,4±0,4	12,0±0,8	0,41
Индекс CSI, ±0,1	3,1	4,0	3,6	6,6	2,6	5,3	7,5	7,3

Примечание. ГК — гуминовые кислоты, ФК — фульвовые кислоты (экстракты из сапропеля), ЭЗК — экстракт из зоокомпоста Hermetia illucens L.; CSI — Cognitive Salience Index. * и ** Статистически значимые различия с контролем и корреляции (соответственно p < 0,05 и p < 0,01).

Показатель	Вариант обработки								Коэффициент корреляции r с индексом CSI
	Сорт Лемона				Сорт Рози
	контроль	ГК	ФК 1	ЭЗК	контроль	ГК	ФК 1	ЭЗК
Индекс соотношения сухой биомассы растения	1,00	1,26	1,43	1,52	1,00	1,33	2,30	1,65	0,85*
Индекс соотношения высоты растения	1,00	1,03	1,09	1,19	1,00	1,21	1,31	1,29	0,96*
Индекс соотношения показаний SPAD	1,00	1,03	1,06	1,24	1,00	1,10	1,15	1,11	0,13
Индекс соотношения содержания общего хлорофилла	1,00	1,04	1,07	1,31	1,00	1,12	1,20	1,15	0,12

Примечание. ГК — гуминовые кислоты, ФК — фульвовые кислоты (экстракты из сапропеля), ЭЗК — экстракт из зоокомпоста Hermetia illucens L.; CSI — Cognitive Salience Index. * Статистически значимые корреляции (p < 0,05).

За счет того, что в составе тестируемых добавок присутствуют различные фракции низкомолекулярных веществ, включая аминокислоты, они способны выступать как специфические сенсибилизирующие агенты, которые образуют хелатные комплексы с биогенными элементами в субстрате, в частности с железом (HS-Fе) (60, 61), тем самым делая их более легкоусвояемыми и усиливая дальнейшую транслокацию в растения (62). Даже на бедном питательном субстрате при добавлении этих суспензий улучшается режим питания в системе почва—растение (63). Повышенное поглощение Fe-Mn-Zn также может стать причиной увеличения концентрации хлорофилла в листьях (64, 65) и биомассы растения. На обозначенное трио важно обратить внимание, поскольку при переходе растений из вегетативной в генеративную фазу развития эти элементы не способны к реутилизации (повторному использованию) (66).

В таблицах 3 и 4 приведены рассчитанные на заключительном этапе работы нейросети коэффициенты взаимной корреляции биохимических и морфометрических показателей со значениями индекса CSI по вариантам опыта. Поскольку индекс CSI был больше по величине в опытных вариантах, нежели в контроле (CSI = 2,6; 3,1 < CSI = 3,6; 7,5), можно утверждать, что удобрение субстрата тестируемыми веществами необходимо для полноценного развития растений. На это же указывают большие значения коэффициентов корреляции биомассы и высоты с индексом CSI (0,85; 0,96).

Вместе с тем слабая корреляция индекса CSI с величиной SPAD ( r = 0,13) и с содержанием общего хлорофилла ( r = 0,12) указывает на то, что изученные в нашем опыте показатели фотосинтетической активности не являются потенциальными маркерами для оценки поступления и распределения микроэлементов в растении. Высокие коэффициенты корреляции индекса CSI с содержанием Zn, Fe, Mn (см. табл. 3) указывают на особую значимость этих элементов для формирования структур растительных клеток. В то же время индекс CSI имел слабую отрицательную корреляцию с содержанием магния ( r = - 0,25). Возможно, избыток этого элемента в почве препятствует развитию растений базилика и следует избегать больших его концентраций в удобрениях, что подтверждается результатами исследований на другой ароматической культуре Melissa officinalis L. при синтезе эфирных масел (67).

Наибольший по величине индекс CSI = 7,3…7,5 достигался у растений базилика сорта Рози при применении раствора ФК и экстракта зоокомпоста H. illucens . То есть этот сорт наилучшим образом взаимодействовал с ризосферной средой и извлекал из субстрата все необходимые ему питательные элементы в оптимальной дозе для нормального развития.

Представленные результаты подтверждают эффективность и целесообразность использования органоминеральных добавок при выращивании растений базилика в условиях защищенного грунта, что важно для коммерческого производства его зеленой биомассы, в том числе в качестве ЛРС. При этом на зеленолистном сорте Лемона более актуально применять экстракты, полученные только из зоокомпоста насекомых, а на пурпурнолистном сорте Рози — раствор ФК (экстракт из сапропеля) и экстракт из зоокомпоста H. illucens . Вероятно, ввиду того, что изначально в элементном составе зоокомпоста, в отличие от сапропеля, доминировали калий и фосфор, это способствовало лучшему ризогенезу.

Изначально мы акцентировали внимание на трио эссенциальных микроэлементов Zn-Fe-Mn. Увеличение их общей доли под влиянием органоминеральной композиции было сопряжено с наличием калия и фосфора в суспензии. Недавно было показано, что хлороз, вызванный дефицитом же- леза, зависит от доступности фосфора (68). Калий также устранял дефицит железа, способствуя его ремобилизации по ионным каналам из корней в побеги (69, 70), что снижало риск развития хлороза (71). Относительно фульвокислоты известно, что она влияет на активность фермента хлорофиллазы а и улучшает параметры фотосинтеза (72). Наряду с хелатированием, эта фракция за счет своего меньшего молекулярного размера и атомной массы (несколько сотен Да в сравнении с несколькими тысячами у гуминовых кислот) (73, 74) способна свободно проникать сквозь микропоры плазмолеммы (75).

Фульвокислоты могут выступать в роли природных хелаторов в мобилизации и транспорте железа и других микроэлементов в растениях (7678). Соединения железа катализируют образование предшественников пигментов хлорофилла а — аминолевулиновой кислоты и протопорфиринов. Также железо участвует как кофактор в образовании компонентов хлоропластов: цитохрома, ферредоксина и пластоциана (79).

Исходно мы предполагали, что отклонение фактического фрактального профиля химических элементов в биомассе от идеального свидетельствует о снижении обеспеченности растений питательными веществами. Чем меньше такое отклонение, тем благоприятнее окружающая среда для развития растений. Так, в эксперименте мы отметили высокую корреляцию между индексом CSI и содержанием Fe ( r = 0,81, см. табл. 3), что позволяет предположить значимую роль этого элемента в метаболизме растения, в том числе в синтезе фотосинтетических пигментов.

Таким образом, разработанная авторами информационная технология на основе нейросети EuclidNN позволяет обрабатывать профили содержания химических элементов в растениях и вычислять индекс CSI (Cognitive Salience Index), отражающий, с одной стороны, отклонение от идеального фрактального профиля химических элементов, который определяется генотипом растений, с другой — интенсивность процессов накопления биомассы, происходящих в растениях в период активного роста. Высокие значения CSI = 6,6…7,5 в вариантах с применением раствора фульвовых кислот и экстракта из зоокомпоста совпадали с показателями статистической значимости изученных характеристик. Гуминовые кислоты на обоих сортах занимали последние место. Сходимость результатов означает, что эту модель нейросети можно использовать в качестве дополнительного математического инструментария, что позволит более детально подходить к вопросам оценки рисков при принятии решений об оправданности и целесообразности использования той или иной удобрительную агротехнологии в области растениеводства защищенного грунта. Без информации об интенсивности биосинтетических процессов в растениях, полученной опосредованно нейросетевым преобразованием цифровых данных биохимических профилей растений, не удается в полной мере выявлять влияние удобрительных агротехнологий на скорость накопления биомассы, поскольку морфологические характеристики получаются с довольно широкими доверительными интервалами. К достоинствам предложенного метода также относится возможность загрузки в нейросеть данных биохимического анализа на любом этапе развития культуры без прерывания этапов ее онтогенеза, поскольку для элементного анализа требуется небольшая часть листовой биомассы. Получение информации о процессах, происходящих в растении, в режиме реального времени позволяет оперативно реагировать на изменение состояния растений и своевременно обеспечивать их питанием и водой.