Нейросетевое ранжирование агротехнологий по индексам микробиологической активности почвы и почвенного плодородия: новые возможности статистического анализа

Нейросети позволяют извлекать ранее недоступную информацию из физиологических и молекулярно-генетических данных и визуализировать неявные зависимости. В представленной работе мы применили нейросетевой подход для анализа данных Ю.М. Возняковской с соавт. (Сельскохозяйственная биология, 1994), полученных в длительном опыте (1962-1991 годы, Северо-Западный регион Российской Федерации) по изучению влияния севооборотов и минеральных удобрений на микробиологические и биохимические характеристики дерново-подзолистых почв под картофелем и ячменем. В опыте, цель которого заключалась в выявлении микробиологических показателей, наиболее четко характеризующих уровень плодородия почвы, был определен состав почвенных микроорганизмов, измерена интенсивность выделения СО2, разложения целлюлозы, активности почвенных полифенолоксидаз и пероксидаз как показателей интенсивности процессов гумификации растительных остатков, а также инвертаз и уреаз для оценки накопления нитратов и аммония в почве. На этом основании к наиболее информативным микробиологическим показателям уровня эффективного плодородия почв авторы отнесли общую биогенность почвы, видовое разнообразие почвенных микроорганизмов, соотношение трофических групп микроорганизмов, граф трофических связей. Проведенный в настоящей работе анализ фрактальных профилей физиологических групп микроорганизмов, выделяемых на селективных средах, продемонстрировал уникальные возможности статистического анализа с привлечением вычислительных нейросетей. Их применение для обработки эмпирических микробиологических и физико-биохимических почвенных данных опыта Ю.М. Возняковской с соавторами позволило определить специфичность воздействия элементов использованных агротехнологий на плодородие почв под разными культурами. Микробиологическая активность почвы и почвенное плодородие представляют собой данные, характеризующие разнородные биологические объекты - почвенное микробное сообщество (индекс CSImicro) и растения (CSIyield), где CSI - Cognitive Salience Index. Поэтому для визуализации зависимости CSIyield = f (CSImicro) нами была использована нейросеть с построением матрицы Scale, ячейки которой с координатами CSIyield;CSImicro заполнялись соответствующими номерами варианта опыта. Фрактальные профили почвенных физиологических групп микроорганизмов, полученные в опыте, были подвергнуты нейросетевому анализу. В результате по виду матрице Scale удалось оценить зависимость CSIyield = f (CSImicro) и влияние удобрительных и севообротных агротехнологий на интенсивность накопления гумуса в почве и плодородие почв. В результате обнаружено, что максимальное значение индекса почвенного плодородия CSIyield не совпадает с максимальным значением индекса микробиологической активности почвы CSImicro. Предложенные нами оригинальные индексы позволяют оптимизировать агротехнологии применения органоминеральных удобрений и бактериальных препаратов для получения стабильно высоких урожаев сельскохозяйственных культур.