Прогнозирование моделей плодородия агродерново-подзолистой почвы

Бесплатный доступ

В статье рассмотрены зависимости свойств в агродерново-подзолистых почвах в ООО «Труженик» Краснокамского района Пермского края. На основании корреляционных взаимосвязей между изучаемыми свойствами почвы построены 3D модели прогноза содержания гумуса, величин гидролитической и обменной кислотностей, а также содержания подвижного марганца.

Почва, свойства, корреляция, моделирование, блокированные кривые

Короткий адрес: https://sciup.org/147226811

IDR: 147226811

Текст научной статьи Прогнозирование моделей плодородия агродерново-подзолистой почвы

Под моделью плодородия почв в агрономических исследованиях следует понимать совокупность агрономически важных свойств и почвенных режимов, отвечающих определенному уровню продуктивности сельскохозяйственных культур, при этом под совокупностью агрономически важных свойств понимается некоторый набор почвенных факторов, связанных с плодородием почвы [1. 4, 8]. На основании корреляционных связей, могут быть построены модели плодородия почвы для обследованного поля по наиболее важным агрохимическим свойствам [3. 5. б|. Корреляционная связь между показателями показывает уровень зависимости их друг от друга, то есть, в какой степени, систематическое изменение одного свойства сопутствует изменению другого свойства или свойств [2].

Цель исследования - изучить зависимости агрохимических свойств в агродерново-подзолистой почве и составить прогноз изменения одного свойства от другого. Объектом исследования является агродерново-подзолистая почва ООО «Труженик» Краснокамского района Пермского края. Для достижения поставленной цели в 2016 году с поля размером 64 га было отобрано 32 почвенных образца по фиксированной прямоугольной сетке 100x200 м. Глубина взятия образца составляла 0-20 см. Анализ точечных образцов проводили без их

В таблице представлена матрица коэффициентов корреляции агрохимических свойств друг с другом. Следх ет отметить, что при коэффициенте корреляции от 0.5 до 0.7 связь между' признаками считается средней.

Средняя корреляционная связь выявлена между:

  • -    содержание гумуса - ЕКО > Нг > S > Р2О5 > V;

  • -    гидролитическая кислотность - рНводн. > Мп > Кмин;

  • -    сумма обменных оснований и ёмкость катионного обмена - ЕС > Р2О5,

  • -    обменная кислотность - V;

  • -    степень насыщенности почв основаниями -рНводн. > рНксь

  • -    актуальная кислотность - Мп;

  • -    электропроводность почв - Кмин. Высокая теснота связи, которая выражается значением коэффициента корреляции от 0.7 до 0.9 выявлена между:

  • -    гидролитической кислотностью и степенью насыщенности почв основаниями;

  • -    актуальной кислотностью и содержанием подвижного марганца.

  • -    степенью насыщенности почв основаниями и содержанием подвижного марганца:

  • -    обменной кислотность с актуальной кислотностью и содержанием подвижного марганца.

усреднения.

Таблица

Коэффициенты корреляции агрохимических свойств почвы

Отмеченные величины значимы при уровне значимости а < 0,01 (N = 30)

Гумус

Нг

S'

ЕКО

рНка

г

рНводн.

ЕС

Nmuh

Р2О5

К,0

Мп

Гумус

1.00

0,69*

0,67

0,70

-0.21

-0,46

-0.36

0.40

0.46

0,50

0.13

0,34

Нг

1.00

0.13

0.18

-0,44

-0,94

-0,55

0.19

0,53

0.24

0.10

0,63

S

1.00

1,00

0,29

0.19

0,18

0,49

0.27

0,62

0,19

-0.23

ЕКО

1,00

0,27

0.14

0,15

0,50

0,29

0,62

0,19

-0.20

рНка

1.00

0,56

0,80

0.24

0.00

0.29

0.12

-0,83

V

1.00

0,62

-0.03

-0.44

-0.03

-0.03

-0,73

рНводн.

1.00

0.15

-0,27

0.15

0.23

-0,70

ЕС

1.00

0,56

0.12

0.31

0.05

Nmhh

1.00

0.30

0.12

0.17

Р2О5

1.00

0.08

-0.26

К2О

1.00

0.12

Мп

1.00

*Математически доказуемая корреляционная связь

Слабая корреляционная связь выявлена между значение одного признака при определённом

гумусом и V. а связь, выявленная между Нге рНКа и Кмин с V, математически не доказуема.

3D модели взаимосвязей между' свойствами, обладающими наибольшей достоверной корреляцией показывают максимальное значение одного признака при определённом значении двух других. Зная значения свойств почвы, данный тип модели позволяет прогнозировать значения определяемого показателя |7].

Для дальнейшей обработки результатов нами были взяты признаки обладающей как минимум средним уровнем корреляции по наиболее важным агрохимическим свойствам. На основании этих связей были построены 3D модели взаимосвязи между свойствами, показывающие максимальное значении двух других, коррелирующих со свойством (рис.).

Пользуясь приведённой картой можно спрогнозировать, что максимальный уровень гумуса будет наблюдаться при значении гидролитической кислотности от 0,65 и суммы обменных оснований 21-25 мг-экв/100 г почвы (рис. а).

Блокированная кривая зависимости гидролитической кислотности от содержания подвижного марганца и степени насыщенности почв основаниями имеет точечный вид. Это объясняется тем. что распределение марганца не подвергается нормальному распределению. Тем не менее, исходя из неё. можно сделать вывод, что наибольшее число значений гидролитической кислотности на обследованном участке находится на площади с высокой степенью насыщенности почв основаниями

S

а

Мп

и низким содержанием марганца (рис. б).

в                                                       г

Рисунок. Блокированные кривые карты зависимое гей свойств почвы

Величина обменной кислотности имеет наибольшие значения при уменьшении содержания марганца и с увеличением акту альной кислотности. В свою очередь увеличение показателя обменной кислотности начинается даже при превышении содержант! подвижного марганца более 28 мг/кг почвы, а актуальная кислотность при этом находится в диапазоне от 7.4 до 7.8 (рис. в).

Марганец накапывается менее всего при повышении обменной кислотности и степени насыщенности почв основаниями. Однако при увеличении одного показателя. которое сопровождается снижением значения другого, марганец в почве будет накапливаться максимально интенсивно (рис. г).

Таким образом, на основании проведенных исследований нами определены зависимости агрохимических свойств в агродерново-подзолистой почве и построены блокированные карты зависимостей, которые позволяют прогнозировать и моделировать плодородие почв.

Список литературы Прогнозирование моделей плодородия агродерново-подзолистой почвы

  • Абрамов Н.В. Моделирование продуктивности агроэкосистем // Агропродовольственная политика России. 2012. № 12. С. 2-6.
  • Дмитриев Е.А. Математическая статистика в почвоведении: учебник / Науч. ред. Ю.Н. Благовещенский. Изд. 4-е, доп. М.: Книжный дом «Либроком», 2010. 336 с.
  • Мудрых Н.М., Самофалова И.А. Прогнозирование урожайности зерновых культур в условиях Пермского края Наука и образование XXI века: сборник статей Международной научно-практической конференции (29 мая 2014 г.): в 2-х ч. Ч. II. Уфа: Аэтерна, 2014. С. 30-34.
  • Мудрых Н.М., Самофалова И.А. Проблема продовольственной безопасности сельского хозяйства в Пермском крае // Международная научно -практическая конференция «Продовольственная индустрия: безопасность и интеграция», 11 -14 ноября 2014 г., Пермь, Пермская ГСХА. С. 232-236.
  • Самофалова И.А., Мудрых Н.М. Агроэкологическая оценка органического вещества в дерново-подзолистых почвах Пермского края / Монография. М-во с.-х. РФ, ФГБОУ ВПО Пермская ГСХА. Пермь: Изд-во ФГБОУ ВПО Пермская ГСХА, 2015. 164 с.
  • Самофалова И.А., Мудрых Н.М. Гумусное состояние почв Пермского края // Сборник научных трудов SWorld. - Выпуск 3. Том 46. - Одесса: КУПРИЕНКО СВ, 2013. - ЦИТ: 313-1072. - C. 84-94.
  • Coskun G., Imanverdi E., Feride C., Zeynep D. Spatial variability of soil physical properties in a cultivated field // Eurasian J. Soil Sci., 2016. 5 (3). Р. 192-200.
  • Бузмаков С.А. Актуальные вопросы антропогенной трансформации экосистем // Антропогенная трансформация природной среды. 2011. № 1. С. 11-16.
Еще
Статья научная