Сравнительная оценка новых систем защиты и прогнозирования урожайности зерновых культур на основе данных NDVI

Автор: Родимцев Сергей Александрович, Павловская Нинель Ефимовна

Журнал: Вестник Красноярского государственного аграрного университета @vestnik-kgau

Рубрика: Агрономия

Статья в выпуске: 1, 2023 года.

Бесплатный доступ

Цель исследования - оценка эффективности применения нового биопестицида и разработка прогностической модели урожайности зерновых культур на основе данных дистанционного зондирования Земли. Задачи - получение, обработка и анализ ретроспективных данных и текущих сезонных значений NDVI по яровому ячменю и озимой пшенице; сравнительная оценка действия нового биологического средства защиты растений (СЗР) защитно-стимулирующего действия «Нигор++»; численная оценка многолетнего корреляционного отношения максимальных значений NDVI и урожайности культур и вывод о возможности использования вегетационного индекса как показателя урожайности культур с разработкой адекватного уравнения регрессии в условиях опытно-производственного хозяйства Орловского ГАУ. Полевые исследования сезона 2021 г. выполнялись на опытно-производственных участках Орловского ГАУ. Тип почвы - серая лесная. Культуры - озимая пшеница Московская 39 (площадь посевов 48,1 га), яровой ячмень Раушан (площадь посевов - 17,4 га). Посев озимой пшеницы провели 10.09.2020, ярового ячменя - 07.05.2021 обработанными фунгицидным протравителем «Скарлет» семенами. Динамика изменения индекса NDVI для культур, обработанных новым биопрепаратом, опережает контроль на 10-15 дней, вплоть до фазы колошения, а максимальные значения вегетационного индекса опытных посевов на 5-6 % выше контрольных участков. Среднемноголетние коэффициенты корреляции между урожайностью и пиковыми значениями NDVI составляют 0,79 для пшеницы озимой и 0,75 - для ярового ячменя, что подтверждает надежность использования максимальных сезонных значений индекса вегетации как управляемой переменной прогностической модели урожайности. Погрешность оценки урожайности культур, выполненной с применением предложенных прогностических моделей, относительно фактических значений урожайности не превышает 6,7 %. Это дает право рекомендовать полученные модели для планирования производственно-экономических задач в опытно-производственном хозяйстве университета.

Еще

Урожайность, индекс ndvi, прогностическая модель, зерновые культуры, биостимулирующий препарат

Короткий адрес: https://sciup.org/140297502

IDR: 140297502   |   DOI: 10.36718/1819-4036-2023-1-69-79

Текст научной статьи Сравнительная оценка новых систем защиты и прогнозирования урожайности зерновых культур на основе данных NDVI

Введение. Инструментарий дистанционного зондирования Земли (ДЗЗ) позволяет увеличить объемы поступающей информации и повысить оперативность ее обработки [1–3]. Для оценки состояния, динамики развития сельхозкультур и прогнозирования их продуктивности все чаще используют методы удаленного мониторинга и контроля. Один из таких показателей представляет собой нормализованный разностный вегетационный индекс (normalized difference vegetation index, NDVI) [4–6].

При анализе сезонной динамики NDVI, проведенном рядом авторов [7, 8], выявлены более высокие значения данного показателя в летние месяцы, что объясняется увеличением биомассы и количественного состава хлорофилла в вегетирующих растениях. При этом понижается яркость растений в красной зоне и возрастает в инфракрасной области спектра [9], увеличивая расчетное значение NDVI.

Высокая степень взаимосвязи вегетационного индекса и количества накопленного хлорофилла в вегетирующих растениях подтверждается результатами исследований [10–12]. Особо подчеркивается наличие корреляционной зависимости между интегрированными максимальными значениями NDVI и их продуктивностью [13–17]. Изучением динамики изменения вегетационного индекса на посевах озимой пшеницы, возделываемой по интенсивной технологии, удалось показать, что наибольшие значения NDVI соответствуют моменту начала фазы колошения, достигая пика при 0,80–0,88 [18].

В то же время характер изменения сезонных значений вегетационного индекса и его отражение агробиологических показателей растений существенно зависят от внешних воздействий, особенностей возделываемых культур, региональных условий и т. д. [7, 19, 20]. Это не дает возможности предложить единый подход к оценке условий развития культуры и применению единой прогностической модели.

Кроме того, наращивание разработки новых средств защиты и стимулирования растений предполагает соответствующие решения в части оценки их эффективности на основе применения инновационных технологий, в т. ч. средствами ДЗЗ.

Таким образом, предлагаемая работа, направленная на моделирование во времени урожайности сельскохозяйственных культур под воздействием новых систем защиты (препарат «Нигор++») с применением данных NDVI является актуальной и современной.

Теоретическая значимость исследования состоит в определении роли динамики изменения показателей вегетативного индекса NDVI при оценке эффективности новых систем защиты сельскохозяйственных культур, а также получении прогностических моделей урожайности культур на основе полиномиальных (второй степени) функций.

Практическая ценность работы заключается в получении корреляционных зависимостей между урожайностью и пиковыми значениями вегетативного индекса по данным многолетних наблюдений, необходимых для формализации прогноза урожайности; использовании полученных математических моделей при достоверном планировании производственно-экономических задач конкретного хозяйства.

В опытно-производственном хозяйстве Орловского ГАУ в течение ряда лет проводится последовательная работа по внедрению информационно-цифровых технологий в производство [21–23]. В 2021 г. университетом выполнялась комплексная НИР [24], одна из содержательных частей которой заключалась в получении экспериментальных данных результатов исследования эффективности нового биологически активного средства «Нигор++».

Цель исследования – оценка эффективности применения нового биопестицида и разработка прогностической модели урожайности зерновых культур на основе данных ДЗЗ.

Задачи: получение, обработка и анализ ретроспективных данных и текущих сезонных значений NDVI по яровому ячменю и озимой пшенице; сравнительная оценка действия нового биологического средства защиты растений (СЗР) защитно-стимулирующего действия «Нигор++»; численная оценка многолетнего корреляционного отношения максимальных значений NDVI и урожайности культур и вывод о возможности ис- пользования вегетационного индекса как показателя урожайности культур с разработкой адекватного уравнения регрессии в условиях опытнопроизводственного хозяйства Орловского ГАУ.

Объекты и методы. Полевые исследования сезона 2021 г. выполнялись на опытно-производственных участках Орловского ГАУ. Тип почвы: серая лесная почва. Культуры – озимая пшеница Московская 39 (площадь посевов 48,1 га), яровой ячмень Раушан (площадь посевов – 17,4 га). Посев озимой пшеницы провели 10.09.2020, ярового ячменя – 07.05.2021 обработанными фунгицидным протравителем «Скарлет» семенами.

Ранее проведенными исследованиями показано [25–27], что биологический препарат «Ни-гор++» (Патент РФ № 2463759) увеличивает ассимиляционную поверхность, общую биомассу, корневую емкость, накопление зеленых пигментов, устойчивость к болезням, урожайность зерна за счет увеличения сохранности растений на делянке, размера колоса, массы семян, а также значительно улучшает качество зерна (количество протеина, клейковины и седиментации).

На опытных посевах озимой пшеницы препарат «Нигор++» вносили 25 мая 2021 г. в фазу «начала выхода в трубку» и повторно 16 июня 2021 г. в фазу «колошения» по флаговому листу. Посевы ярового ячменя обрабатывались 10 июня и 28 июня 2021 г.

Ретроспектива данных NDVI обеспечивалась архивными спутниковыми снимками за 2016– 2020 гг. Для получения многолетних статистических данных по динамике изменения вегетационного индекса NDVI использовали архивы геопортала «КосмосАгро» [28]. Приложение ScanEx Geomixer [29] обеспечивало оперативную аналитическую обработку поступающей информации.

В течение всего вегетативного сезона 2021 г. выполнялась аэрофотосъемка и расчет индексов NDVI опытных участков; строилась сезонная динамика вегетационного индекса. Для получения текущих данных использовался беспилотный летательный аппарат (БПЛА) «Агрофлай Квадро».

Индекс вегетации NDVI определяли по формуле от первоисточника [4]; оценку точности моделей – показателем средней абсолютной ошибки MAPE (Mean Absolute Percentage Error) [30].

Результаты и их обсуждение. Исследованиями в полевых условиях сезона 2021 г. установлены следующие условия, влияющие на сроки развития растений и активность бактерий биостимулирующего препарата (яровой ячмень/ озимая пшеница):

  • >    Фаза «3 лист/кущение». Сумма осадков за период – 14/35 мм; средняя температура воздуха – 20,2/10,5; средний уровень ультрафиолета – 16,7/10,1 Вт · м-2.

  • >    Фаза «Выход в трубку» (продолжительность – 13/31 дней). Сумма осадков за период – 0/0,45 мм; средняя температура воздуха – 31,9/22,3; средний уровень ультрафиолета – 27,0/25,2 Вт · м-2.

  • >    Фаза «Колошение» (продолжительность -9/11 дней). Сумма осадков за период – 3,9/0 мм; средняя температура воздуха – 26,6/25,4; средний уровень ультрафиолета – 19,2/28,9 Вт · м-2.

  • >    Фаза «Цветение» (продолжительность -15/11 дней). Сумма осадков за период – 0,5/2,1 мм; средняя температура воздуха – 35,1/28,7; средний уровень ультрафиолета – 28,2/26,8 Вт · м-2.

  • >    Фаза «Созревание» (продолжительность -23/11 дней). Сумма осадков за период – 0,6/5,5 мм; средняя температура воздуха – 27,6/31,3; средний уровень ультрафиолета – 13,7/28,8 Вт · м-2.

В условиях Орловской области оптимальное снабжение яровых зерновых влагой считается, когда в период «посев-всходы» выпадает 30– 45 мм осадков. Результаты полевых наблюдений показали, что в период с 7 по 23 мая выпало около 25 мм осадков. Это повлекло некоторое увеличение срока всходов (11–12 дней), притом, что по многолетним данным всходы появляются на восьмой-девятый день.

В период «всходы-цветение» выпало 95 мм осадков, что является достаточным водоснабжением для обеспечения нормального развития посевов яровых и озимых.

В фазы развития «цветение-созревание» зерновых выпадение осадков зафиксировано суммарно всего 0,6 и 5,5 мм – для ярового ячменя и озимой пшеницы соответственно. Тем не менее, показатели запасов почвенной влаги в корнеобитаемом слое составили 67–73 мм, что является оптимальным для обеспечения формирования урожая зерновых культур.

В целом температурный режим и солнечная активность сезона 2021 г. мало отличались от среднемноголетних показателей по Орловской области и не оказали аномального влияния на процесс развития растений и активность бактерий биостимулирующего препарата.

Сезонная изменчивость индекса NDVI по данным многолетних наблюдений демонстрирует следующее. Цикличный тренд значений временных рядов культур аналогичен и в большей степени соответствует закону нормального распределения. Меньшие значения индекса вегетации, не зависимо от культуры, характеризуют зимний период. Конец весны – середина лета обусловлены максимальными значениями NDVI. Наибольшие среднемноголетние значения индекса вегетации отмечены в июне. Для озимой пшеницы максимальные значения NDVI приходятся на июнь и составляют 0,72; для ярового ячменя – 0,56 [23].

С помощью сезонных снимков с БПЛА получены временные ряды значений индекса NDVI для опытных участков озимой пшеницы и ярового ячменя, обработанных новым биопрепаратом, и контроля. Тренд изменения значений вегетационного индекса по фазам развития растений приведен на примере озимой пшеницы урожая 2021 г. (рис. 1). Как видно, значения NDVI возрастают от ранних сроков вегетации культуры к фазам колошения и цветения. Максимальное значение NDVI, равное 0,78, отмечено 18 июня, что соответствует фазе начала колошения, зафиксированной 17 июня. Данный характер динамики изменения вегетационного индекса по отношению к зафиксированным в исследованиях срокам фенофаз растений можно считать типовым для обеих культур.

Установлено, что развитие вегетации растений опытного участка с озимой пшеницей на 10– 15 дней опережает контроль в период с 15.04 вплоть до начала фазы колошения (13–15.06). Пиковые значения вегетационного индекса NDVI для опытного и контрольного участков приходятся на 18.06. При этом максимальное значение NDVI для участка, обработанного новым биопрепаратом, составляет 0,83, что превышает пиковое значение контрольного участка (0,78) на 5–6 % (рис. 2). Аналогичные сравнительные данные были получены для посевов ярового ячменя.

Для решения об использовании пиковых значений вегетационного индекса NDVI в качестве управляемой переменной x функции У = f(x) выполнен анализ статистических данных урожайности обеих культур и соответствующих им пиковых значений NDVI в ретроспективе с 2016 по 2020 г. (табл. 1).

Дата

Рис. 1. Сезонная динамика вегетационного индекса NDVI по фазам развития озимой пшеницы (2021 г.) (использованы материалы [8])

• среднемноголетние данные контроль опыт

Рис. 2. Сравнительная оценка значений и сезонной динамики NDVI озимой пшеницы по результатам использования нового биопрепарата

Коэффициентами корреляции по данным признакам 0,79 и 0,75 – для пшеницы озимой и ярового ячменя, соответственно, с высокой степенью надежности подтверждается возможность прогноза урожайности культур на основе данных их пиковых значений NDVI.

Используя данные таблицы 1 получены следующие прогностические уравнения урожайности культур:

– для пшеницы озимой

У = 104,09–297,13x + 264,91x2;       (1)

– для ячменя ярового

У = 38,9–80,39x + 71,22x2,         (2)

где x – максимальное значение NDVI в текущем сезоне; У – ожидаемая урожайность культуры, ц∙га-1.

Численные значения урожайности и максимумов индекса NDVI культур с расчетом коэффициента корреляции по данным отдельных производственных участков в 2016–2020 гг.

Таблица 1

Год наблюдений

Производственный участок

NDVI

Урожайность, ц·га-1

Пшеница озимая

2016

25

0,79

27,46

2017

23

0,82

45,50

26

0,89

46,32

31

0,85

44,91

2018

36

0,73

30,76

2019

22

0,66

24,00

33

0,77

26,71

2020

23

0,81

40,47

24

0,80

31,53

26

0,80

44,97

2021

38

0,78

32,10

k = 0,79

Ячмень яровой

2016

27

0,84

21,22

30

0,81

20,50

2017

54

0,87

23,21

2018

37

0,54

19,73

38

0,50

14,02

39

0,61

15,20

2019

27

0,57

18,16

34

0,57

18,01

2020

13

0,63

14,26

29

0,71

18,27

k = 0,75

Коэффициент детерминации R2 и MAPE составили соответственно 0,74 и 10,3 – для модели урожайности пшеницы озимой; 0,66 и 8,4 – для модели ячменя ярового.

С целью оценки степени достоверности прогностических моделей урожайности, полученных в ходе настоящего исследования, в них произведена подстановка пиковых значений NDVI сезона 2021 г. Важно отметить, что указанные расчеты выполнялись непосредственно в ходе формирования графика динамики изменения NDVI текущего сезона, т. е. до уборки урожая.

Подстановка в уравнения (1) и (2) значений NDVI, полученных на сравниваемых участках опытных культур, показала следующее. Расчетная продуктивность озимой пшеницы на участке, обработанном препаратом «Нигор++», составила 40,0 ц · га-1. Прогноз урожайности контрольного участка находился на уровне 33,5 ц · га-1, что на 16,2 % меньше. Для ярового ячменя спрогнозирована урожайность 28,9 и 28,4 ц · га-1 – соответственно для участков опыта и контроля.

Позднее были получены значения фактической урожайности культур, принимавших участие в эксперименте. Так, продуктивность опытных участков озимой пшеницы и ярового ячменя находилась на уровне 41,3 и 31,3 ц га-1, тогда как урожайность по контролю составила для этих культур 36,1 и 28,7 ц · га-1 соответственно.

Полученные расчетные и фактические значения урожайности культур для различных вариантов эксперимента представлены в таблице 2. Как видно, погрешность выполненной на основе предложенных регрессионных моделей прогнозной оценки урожайности культур не превышает 6,7 %. Это позволяет рекомендовать предложен- ные математические модели для прогноза уро- рынки сбыта в «удачном» году, а также планиро-жайности культур в условиях опытно-производ- вать превентивные мероприятия для минимиза-ственного хозяйства Орловского ГАУ. Такой про- ции ущерба, например, при неблагоприятно гноз позволит определять возможные объемы складывающихся погодных условиях.

реализации растениеводческой продукции и

Расчетные и фактические значения урожайности культур

Таблица 2

в различных вариантах полевого эксперимента

Сравниваемые участки

Пиковое значение NDVI

Расчетная урожайность, ц · га-1

Фактическая урожайность, ц ∙ га-1

Погрешность оценки, %

Озимая пшеница

Опыт

0,83

40,0

41,3

3,2

Контроль

0,78

33,5

36,1

6,2

Яровой ячмень

Опыт

0,76

28,9

31,3

6,7

Контроль

0,74

28,4

28,7

1,04

Заключение ственно для озимой пшеницы и ярового ячменя,

  • 1.    Сравнением временных рядов NDVI, полученных по среднемноголетним и текущим данным сезона 2021 г., обнаружено опережение динамики вегетативного развития культур в 2021 г. на 7–10 дней и незначительное снижение максимального (пикового) значения вегетационного индекса.

  • 2.    Установлено, что, независимо от культуры, развитие вегетации растений, обработанных новым биологическим СЗР защитно-стимулирую-щего действия «Нигор++», опережает контроль вплоть до начала фазы колошения. Характеризующее наибольший объем вегетативной массы максимальное значение индекса NDVI для культур, обработанных новым биопрепаратом, составляет 0,83, что превышает пиковое значение контрольного участка на 5–6 %.

  • 3.    Коэффициенты корреляции между максимальными сезонными значениями индексов NDVI и продуктивностью культур составили 0,79 и 0,75 для пшеницы озимой и ярового ячменя соответственно. Это подтверждает надежность прогноза урожайности культур, выполняемого на основе данных их пиковых сезонных значений нормализованного разностного вегетационного индекса.

  • 4.    Получены прогностические модели урожайности культур на основе полиномиальных (второй степени) функций. Коэффициенты детерминации и средние абсолютные ошибки моделей составляют 0,74 и 10,3; 0,6 и 8,4 соответ-

  • что подтверждает достоверность предложенных регрессионных моделей и возможность их применения для планирования производственноэкономических задач в опытно-производственном хозяйстве университета.
  • 5.    Сравнение прогнозных и фактических значений урожайности культур в полевом сезоне 2021 г. выявило погрешность модельной оценки, не превышающую 6,7 %.

  • 6.    Теоретический подход к использованию показателей сезонной динамики индекса NDVI для сравнительного анализа эффективности новых систем защиты может применяться в научных и производственных организациях, реализующих принципы цифрового сельского хозяйства.

Список литературы Сравнительная оценка новых систем защиты и прогнозирования урожайности зерновых культур на основе данных NDVI

  • Особенности обработки аэрокосмических снимков для оптимизации геостатистических исследований внутриполевой изменчивости в задачах точного земледелия / В.П. Якушев [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. 2021. № 18 (4). С. 128–139. DOI: 10.21046/2070-7401-2021-18-4-128-139.
  • Houborg R., McCabe M. High-Resolution NDVI from Planet’s Constellation of Earth Observing Nano-Satellites // A New Data Source for Preci-sion Agriculture. Remote Sens. 2016. № 8. P. 768. DOI: 10.3390/rs8090768.
  • NDVI: Vegetation change detection using re-mote sensing and GIS – A case study of Vel-lore Distric / G.G. Meera [et al.] // Procedia Computer Science. 2015. № 57. P. 1199–1210. DOI: 10.1016/j.procs.2015.07.415.
  • Huete A., Justice C., Liu H. Vegetation and soil lines in visible spectral space: A concept and technique for remote estimation of vegetation fraction // Remote Sens Environ. 1994. № 49. P. 224–234. DOI: 10.1080/01431160110107806.
  • Vannoppen A., Gobin A. Estimating Yield from NDVI, Weather Data, and Soil Water Depletion for Sugar Beet and Potato in Northern Bel-gium // Water. 2022. № 14. P. 1188. DOI: 10.3390/w14081188.
  • Wilton M. Crop Yield Estimation Using NDVI: A Comparison of Various NDVI Metrics. A the-sis submitted to the Faculty of Graduate Stu-dies of The University of Manitoba in partial fulfillment of the requirements of the degree of master of science. 2021. Winnipeg Manitoba. 201 p.
  • Анализ сезонной и многолетней динамики вегетационного индекса NDVI на территории государственного природного заповед-ника «Нургуш» / Т.А. Адамович [и др.] // Теоретическая и прикладная экология. 2018. № 1. С. 18–24.
  • Methodology for dense high-resolution EO time series, gap filled / G. D’Urso [et al.] // Europian Commission. Horizon Europian Union funding for Research & Innovation. 2020. P. 28.
  • Vegetation biomass, leaf area index, and NDVI patterns and relationships along two latitudinal transects in arctic tundra / H.E. Epstein [et al.] // Abstract GC31A–0697, presented at AGU Fall Meeting, San Francisco, CA. 2009. V. 90. P. 14–18. DOI: 10.1029/2007JG000555.
  • Комаров А.А., Комаров А.А. Оценка состояния травостоя c помощью вегетационного индекса NDVI // Известия СПбГАУ. 2018. № 2 (51). С. 124–129.
  • Многолетняя динамика NDVI-растительности различных классов тундры в зависимости от температуры и осадков / А.Г. Дегерменджи [и др.] // Доклады Российской академии наук. Науки о земле. 2020. Т. 493, № 2. С. 103–106. DOI: 10.31857/S26867397 20080046.
  • Волкова Л.В., Шешегова Т.К. Урожайность и содержание фотосинтетических пигментов в листьях яровой пшеницы при поражении септориозом // Вестник НГАУ. 2019. № 3 (52). С. 17–25. DOI: 10.31677/2072-6724-2019-52-3-17-25.
  • Степанов А.С., Асеева Т.А., Дубровин К.Н. Влияние климатических характеристик и значений вегетационного индекса NDVI на урожайность сои (на примере районов Приморского края) // Аграрный вестник Урала. 2020. № 01 (192). С. 10–19. DOI: 10.32417/1997-4868-2020-192-1-10-19.
  • Письменная Е.В., Азарова М.Ю. Прогноз урожайности озимой пшеницы в засушливой зоне Ставрополья на основе данных NDVI // Наука и образование. 2020. Т. 3, № 4. С. 20–25.
  • Письменная Е.В., Азарова М.Ю. Зависимость продуктивности озимой пшеницы от показателей NDVI в засушливой зоне Ставропольского края // Агропромышленные технологии Центральной России. 2021. № 19 (1). С. 39–45. DOI: 10.24888/2541-7835-2021-19-39-45.
  • Сторчак И.Г., Шестакова Е.О., Ерошенко Ф.В. Связь урожайности посевов озимой пшеницы с NDVI для отдельных полей // Аграрный вестник Урала. 2018. № 6 (173). С. 64–68.
  • Коротков А.А., Астапов А.Ю. Вегетационный индекс NDVI для мониторинга растительности // Наука и образование. 2020. Т. 3, № 3. С. 131–140.
  • Пришутов К.А., Астапов А.Ю., Рязанова Ю.А. Применение БПЛА для оценки качества растительности // Инженерное обеспечение инновационных технологий в АПК: сб. мат-лов Междунар. науч.-практ. конф. Мичуринск, 2018. С. 212–217.
  • Trend Change Detec-tion in NDVI Time Se-ries: Effects of Inter-Annual Variability and Methodology / M. Forkel [et al.] // Remote Sens. 2013. № 5. P. 2113–2144. DOI: 10.3390/rs5052113.
  • USA Crop Yield Estimation with MODIS NDVI: Are Remotely Sensed Models Better than Simple Trend Analyses? / D.M. Johnson [et al.] // Remote Sens. 2021. № 13. P. 4227. DOI: 10.3390/rs13214227.
  • Создание и развитие экспериментального цифрового опытного хозяйства аграрного вуза / С.А. Родимцев [и др.]. Орел, 2020. 370 с.
  • Развитие опытно-производственного хозяйства аграрного вуза на основе реализации цифровых платформенных решений / С.А. Родимцев [и др.]. Орел, 2021. 206 с.
  • Моделирование условий вегетации с использованием отклонений текущих значений NDVI от среднемноголетних показателей / С.А. Родимцев [и др.] // Сельскохозяйственная биология. 2022. № 3 (57). 2022. С. 591–603. DOI: 10.15389/agrobiology.2022. 3.591rus.
  • Исследование и практическое применение новых систем защиты сельскохозяйственных культур на основе прогнозирования урожайности с использованием спектральных характеристик аэрофотосъемок и данных автоматической метеостанции: отчет о НИР (регистрационный номер НИОКТР № 121091400023-3 от 14.09.2021 г.). / Н.Е. Павловская [и др.]; Орловский ГАУ. Орел, 2021.
  • Павловская Н.Е., Гнеушева И.А., Агеева Н.Ю. Эффективность применения биоудобрения и нового биостимулятора на яровом ячмене hordeum vulgare // Вестник аграрной науки. 2021. № 1 (88). С. 48–55. DOI: 10.17238/ issn2587-666X.2021.1.48.
  • Павловская Н.Е., Костромичева Е.В., Бое-ва О.П. Влияние компонентов биопрепаратов на развитие и антиоксидантную активность зернобобовых культур // Вестник Ир-ГСХА. 2021. № 103. С. 21–31. DOI: 10.51215/ 1999-765-2021-103-21-31.
  • Антиоксидантная активность пшеницы озимой при обработке биопрепаратом «Ни-гор++» / Н.Е. Павловская [и др.] // АгроЭко-Инфо. 2021. № 6. URL: http://agroecoinfo.ru/ STATYI/2021/6/st_633.pdf.
  • Геопортал ГК «СканЭкс». М., 1997–2022. URL: http://www.scanex.ru/cloud/kosmosagro (дата обращения: 18.05.2022).
  • ScanEx Geomixer. 2001–2022. URL: http://geo–mixer.ru/ (дата обращения: 20.05.2022).
  • Bioprocess Control: Current Progress and Fu-ture Perspectives / A. Rathore [et al.] // Life. 2021. № 11. P. 557. DOI: 10.3390/life 11060557.
Еще
Статья научная