CC BY
1
проведение исследований, формальный анализ, формулирование общих выводов, создание окончательной версии (доработка) рукописи и ее редактирование В.И. Старовойтов - научное руководство исследованием, формулирование основных направлений исследования, цели и задач, формулирование общих выводов А.А. Манохина - анализ литературных источников для постановки цели, создание черновика рукописи, формулирование общих выводов, создание окончательной версии (доработка) рукописи и ее редактирование Н.Э. Шабанов - формальный анализ Д.С. Боярский - проведение исследований, формальный анализ, создание черновика рукописи, формулирование общих выводов М.И. Пехальский - формальный анализ research, formal analysis, formulation of general conclusions, creation of the final version (revision) of the manuscript and its editing V.I. Starovoitov - scientific management of research, formulation of the main directions of research, goals and objectives, formulation of general conclusions A.A. Manokhina - analysis of literary sources for setting goals, creation of a draft manuscript, formulation of general conclusions, creation of the final version (revision) of the manuscript and its editing N.E. Shabanov - formal analysis D.S. Boyarsky - conducting research, formal analysis, creating a draft of the manuscript, formulating general conclusions M.I. Pekhal'skij - formal analysis
Конфликт интересов Авторы заявляют об отсутствии конфликта интересов Conflict of interests The authors declare no conflict of interests regarding the publication of this paper
Авторы прочитали и одобрили окончательный вариант рукописи к публикации. All authors have read and agreed to the published version of the manuscript.
Статья поступила в редакцию: 17.09.2024 Received: 17.09.2024
Одобрена после рецензирования: 25.09.2024 Approved after reviewing: 25.09.2024
Принята к публикации: 08.10.2024 Accepted for publication: 08.10.2024
Научная статья УДК 631.559.2-519.87
АГРОЭКОЛОГИЧЕСКИЕ АСПЕКТЫ МОДЕЛИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР
Нозим Исмоилович Джабборов1, Александр Владимирович Добринов2н
Институт агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) - филиал ФГБНУ ФНАЦ ВИМ, Санкт- Петербург, Россия
[email protected] ORCID: https://orcid.org/0000-0001- 8910-2625, Researcher ID: А-7780-2019
[email protected]: https://orcid.org/0000-0002-3242-1235, Researcher ID: ААС-9655-2020
Аннотация. Урожайность сельскохозяйственных культур является одним из основных показателей оценки эффективности технологий производства продукции в растениеводстве. При программировании урожая необходимо учесть требования экономических, экологических критериев и критериев качества продукции. Технологии должны оказать минимальное негативное влияние на окружающую среду и обеспечить снижение себестоимости продукции с достаточно высоким качеством. В этой связи моделирование и прогнозирование урожайности сельскохозяйственных культур с изучением её влияния на агроэкосистему являются актуальной задачей. Цель исследований -разработать математические модели для прогнозирования урожайности сельскохозяйственных культур в зависимости от лимитирующих факторов и оценить влияние различных норм удобрений на агроэкосистему. При проведении исследований применялись методы системного анализа, математического моделирования, основанные на изучении закономерностей, протекающих в процессе формирования урожая. Проведен анализ факторов, влияющих на урожайность сельскохозяйственных культур, обобщены результаты ряда последних исследований, полученных по данной проблеме. Разработаны математические модели для прогнозирования урожайности сельскохозяйственных культур в зависимости от уровня обеспечения почвы минеральным питанием, которые учитывают влияние наиболее значимых лимитирующих факторов. Приведены два варианта расчёта урожайности на примере картофеля в дерново-подзолистых почвах Ленинградской области РФ при благоприятных и нестабильных природно-климатических условиях. В первом варианте результаты расчета показали, что при благоприятных почвенно-климатических условиях и уровне обеспечения почвы элементами питания на 60 %, урожайность картофеля может достигнуть 98 ц с 1 га площади. При 100 % уровне обеспечения почвы элементами питания урожайность может составить 300 ц/га. При внесении удобрений больше нормы на 40 % урожайность картофеля снижается до 291 ц с 1 га. Во втором случае, при неблагоприятных почвенно-климатических условиях и уровне обеспечения почвы элементами питания 60%, 100 %, и 140 % урожайность картофеля существенно снижается по сравнению с первым вариантом и составляет 78, 240 и 166 ц с 1 га, соответственно. Применение повышенных или высоких доз удобрений приводит к подкислению почвы, к повышению себестоимости продукции растениеводств, повышенному выделению парниковых газов в атмосферу, увеличивает вероятность выноса биогенных элементов с сельскохозяйственных угодий, что в итоге оказывает негативное влияние технологических процессов на окружающую среду и требует применения дифференцированных способов их внесения.
Ключевые слова: сельскохозяйственные культуры, урожайность, математическая модель, прогнозирование, агроэкологический аспект, фактор, закономерность.
Для цитирования: Джабборов Н.И., Добринов А.В. Агроэкологические аспекты моделирования и прогнозирования урожайности сельскохозяйственных культур // АгроЭкоИнженерия. 2024. № 3(120). С. 91-109. https://doi.org/
Research article
Universal Decimal Code 631.559.2-519.87
AGROECOLOGICAL ASPECTS OF CROP YIELD MODELING AND FORECASTING
Nozim I. Dzhabborov1, Aleksandr V. Dobrinov2 Institute for Engineering and Environmental Problems in Agricultural Production - branch of Federal Scientific Agroengineering Center VIM, Saint Petersburg, Russia
[email protected] ORCID: https://orcid.org/0000-0001- 8910-2625, Researcher ID: А-7780-2019
[email protected]: https://orcid.org/0000-0002-3242-1235, Researcher ID: ААС-9655-2020
Abstract. Crop yields are one of the main indicators for assessing the efficiency of crop production technologies. The crop yield programming should take into account the economic, environmental and product quality criteria. The technologies should have the smallest environmental impact and ensure the lowest self-cost of products with high enough quality. In this regard, an urgent task is to model and forecast the crop yields and estimate their impact on the agro-ecosystem. One more task was to assess the effect of different fertilizer rates on the agro-ecosystem. The study used the methods of system analysis and mathematical modelling based on investigation of regularities occurring in crop yield formation. The study analyzed the factors affecting crop-yielding capacity and summarized the results of some recent related studies. The study designed the mathematical models for forecasting the crop yields depending on the mineral status of soil. The models take into account the influence of the most significant limiting factors. The article presents two variants of yield calculation on the example of potatoes grown in sod-podzolic soils of the Leningrad Region in the Russian Federation under favourable and unstable natural and climatic conditions. The first variant considered favourable soil and climatic conditions and 60 % availability of soil nutrients. According to calculations, the potato yield could reach 81 centner/ha. Under 100 % availability of soil nutrients, the yield could reach 300 centner /ha. When the fertilizer application exceeded the norm by 140 %, the potato yield decreased to 156 centner/ha. In the second variant, under unfavourable soil and climatic conditions and soil nutrient availability of 60%, 100%, and 40%, the potato yield much decreased compared to the first variant and was 64.8, 240 and 124.8 centner/ha, respectively. The use of increased or high doses of fertilisers leads to soil acidification, higher self-cost of crop production, greater greenhouse gases emission into the atmosphere, and higher chance of nutrients removal from agricultural land. This in the end has a negative impact of technological processes on the environment and requires the use of differentiated methods of fertilizer application.
Key words: agricultural crops, productivity, mathematical model, forecasting, agro ecological aspect, limiting factors, patterns.
For citation: Dzhabborov N.I., Dobrinov A.V. Agroecological aspects of crop yield modeling and forecasting. AgroEcoEngineering. 2024; 3(120): 91-109. (In Russ.) https://doi.org/
Введение. Урожайность производимой продукции является качественной основой отрасли растениеводства, важнейшим показателем оценки использования
сельскохозяйственных угодий, основой конкурентоспособности и развития конкретного хозяйства и региона в целом. Эффективность технологий производства продукции растениеводства в основном формируется почвенно-рельефными и климатическими условиями, плодородием почвы, обеспечением ее основными элементами питания, агротехническими мероприятиями.
Анализ литературы позволяет выбрать наиболее весомые факторы, которые влияют на величину урожайности сельскохозяйственных культур: сорт или гибрид [1, 2]; удобрения [3, 4]; температура (погодные условия) [5, 6]; влажность [1, 7] и агротехнические мероприятия [1, 4, 5]. В процессе возделывания сельскохозяйственных культур регулируемыми факторами являются уровень обеспечения питательными веществами (NPK, их соотношение, микроэлементы и т.д.), влажность и агротехнические мероприятия (обработка почвы, защита растений и т.д.). При этом среди всех перечисленных факторов урожайности наибольший удельный вес (до 50 %) имеет удобрение культур.
Эффективность удобрений зависит от количественных (общей дозы) и качественных признаков (соотношения видов, формы, способов и сроков внесения). Получение растением необходимых элементов питания сохраняется до его полного созревания, недостаток элементов в этот период оказывает негативное влияние на рост и его развитие.
С увеличением общей дозы удобрений и повышением плодородия почв эффективность действия их снижается.14
Эффективность удобрений, внесённых даже в оптимальных дозах с максимальным учётом биологических потребностей растений в питательных элементах под любую культуру конкретного сорта, зависит от всего комплекса факторов внешней среды. Всю совокупность факторов внешней среды можно объединить в две основные группы: почвенно-климатические (природные) и агротехнические (антропогенные) [8, 9].
Анализ литературы свидетельствует о возросшем интересе к математическому описанию урожайности сельскохозяйственных культур в зависимости от различных факторов, влияющих на нее на основе применения методов и средств компьютерного моделирования, в том числе цифровых технологий.
В частности, автором работы [10] предложена модель динамики изменения биомассы сельскохозяйственных культур, использующая данные спутниковых измерений вегетационного индекса поддерживающей поверхности и стандартных метеорологических наблюдений. В основу математического моделирования положено уравнение Монтейта для динамики углерода в наземных экологических системах. Для моделирования динамики изменения биомассы растений требуются данные спутниковых измерений вегетационного индекса подстилающей поверхности и стандартных метеорологических наблюдений (температура, влажность воздуха, осадки и облачность).
В статье [11] описан подход к прогнозированию урожайности сельскохозяйственных культур с использованием данных дистанционного зондирования Земли. В качестве основного параметра прогностической регрессионной модели использовались значения вегетационного индекса NDVI.
По мнению автора работы [12] прогнозирование урожайности сельскохозяйственных культур на основе функциональных моделей от различных лимитирующих факторов имеет один существенный недостаток: необходимо иметь достаточно точный прогноз поведения в будущем самих факторов.
14 Ягодин Б.А., Жуков Ю.П., Кобзаренко В.И. Агрохимия / Под ред. Б.А. Ягодина. М.: Колос, 2002. 584 с.
94
В статье [13] рассмотрена возможность прогнозирования урожайности хмеля с помощью корректирующих коэффициентов, сгруппированных по технологическим операциям и важнейшим факторам, влияющим на урожай.
В статье [14] авторами приведены экспериментальные данные и вероятностная математическая модель, описывающие процесс изменения урожайности семян многолетних злаковых трав в различных зонах их возделывания. Предложенная авторами математическая модель позволяет прогнозировать урожайность семян многолетних трав в севообороте в зависимости от норм внесения удобрений при благоприятных и неблагоприятных погодных условиях.
В работе [15] изложены результаты анализа, моделирования и прогноза урожайности сельскохозяйственных культур с учетом динамики изменения природно-климатических факторов путем выбора конфигураций методики нечеткой логики. Разработана компьютерная модель зависимости урожайности сельскохозяйственных культур от динамики изменения климатических характеристик с учетом средств нечеткой логики (fuzzy logic).
На основе факторного подхода А. П. Лихацевича авторами работы [16] получена математическая модель, обеспечивающая оперативную корректировку прогнозной урожайности с учетом результатов сегментации состояния посевов.
Предложенная авторами работы [17] математическая модель изменения урожайности сельскохозяйственных культур, на примере картофеля, позволила учесть погодные факторы, соответствие поля возделываемой культуре, а также полноту и своевременность выполнения агротехнических мероприятий. Данная модель может быть использована для текущей оценки будущей урожайности картофеля и после некоторой модификации для других сельскохозяйственных культур. Разработанная модель также может быть инкорпорирована в программно-аппаратный комплекс «цифрового двойника» сельхозпредприятия или в алгоритм оценки страховой премии при индексном страховании в сельском хозяйстве.
Исследованием [18] было установлено, что спутниковые фотоснимки являются статистически значимым фактором для прогнозирования урожайности полей муниципалитетов (гипотеза H1) и повышают точность прогнозных моделей при их использовании (гипотеза H2). Автором данной работы доказано преимущество нейросетевой модели по смешанным данным по сравнению с другими нейросетевыми моделями (многослойный персептрон и свёрточная нейронная сеть), а также с традиционными регрессионными моделями.
В работе [19] рассмотрены математические модели для определения потенциально возможных урожаев сельскохозяйственных культур, основанные на взаимосвязи урожайности с агрохимическими показателями плодородия почв. В основу предложенной математической модели для определения урожайности заложены учет показателей содержания гумуса в почве, основные источники поступления азота, фосфора и калия в почву. Прогнозирование урожайности сельскохозяйственных культур по кислотности осуществляется по максимальным значениям урожайности, а также кислотности почвы (из данных агрохимического обследования). Разработанные математические модели легли в основу программного комплекса по прогнозированию урожайности сельскохозяйственных культур.
Уровень урожайности, которого можно достигнуть на рабочем участке без применения удобрений, но и без нарушения агротехники (базовая урожайность),
определяется по сложившемуся уровню плодородия почв на основе комплекса агрохимических и почвенных показателей, а также с учетом обеспеченности посевов теплом и влагой [20].
Экспериментально доказано, что применение высоких доз минеральных и органических удобрений, по сравнению с оптимальной дозой, приводит к снижению урожайности культур и качества сельскохозяйственной продукции [21-23]. Высокие дозы удобрений могут вызывать нарушение физиологических функций растений, задержку цветения и созревания культур, ткани становятся сочными и мягкими, более восприимчивы к грибковым болезням и доступны вредителям, удлиняется период вегетации, сроки сбора, задерживается пора цветения и т.д.
Проанализированные источники позволяют в целом отразить и обобщить существующее развитие идей и методов моделирования урожайности сельскохозяйственных культур с целью дальнейшего их применения при оценке и обосновании экологически и экономически эффективных технологий производства продукции растениеводства.
Цель работы заключается в разработке математических моделей для прогнозирования урожайности сельскохозяйственных культур в зависимости от уровня обеспеченности почвы основными элементами питания в условиях многофакторности, а также в оценке негативного влияния научно необоснованных норм применения удобрений в технологиях производства продукции.
Материалы и методы. При проведении исследований применялись методы системного анализа, математического моделирования, основанные на изучение закономерностей, протекающих в процессе формирования урожая. Проведен анализ факторов, влияющих на урожайность сельскохозяйственных культур, обобщены результаты ряда последних исследований, полученных по данной проблеме.
Результаты. В общем комплексе факторов, определяющих эффективность удобрений, основными являются уровень светового питания растений, температура и влажность почвы и воздуха.
Обработка почвы, обусловленные ею сроки, способы и глубина заделки удобрений, мелиорантов и семян растений, борьба с болезнями, вредителями и сорняками и чередование культур, виды, дозы, комбинации видов и способов применения удобрений и мелиорантов -все эти агротехнические факторы существенно влияют на водно-воздушный, температурный и пищевой режимы почв и, следовательно, на эффективность удобрений.
Учитывая перечисленные показатели, а также совместное или комплексное их влияние, урожайность сельскохозяйственных культур можно выразить следующей зависимостью:
У Г(мпв, к„у, кпв, Лпв, кгс, к.^, кагрм), (1)
т.д.);
где Мпв — общая масса питательных веществ (количество внесённых удобрений и
кпу — коэффициент, учитывающий влияние погодных условий (температуры);
кпв — коэффициент использования питательных веществ (удобрений и т.д.);
кгс — коэффициент использования сортов или гибридов;
к\¥ — коэффициент, учитывающий влагообеспеченность;
кагр.м — коэффициент, учитывающий влияние агротехнических мероприятий.
Оптимальное значение МЩ1" нормы удобрений и мелиорантов для каждой культуры и сорта (или гибрида) устанавливают экспериментально в полевых опытах или расчетными методами с последующей их проверкой в полевых условиях. Дозы микроэлементов определяют в основном по результатам полевых исследований.
Коэффициент, учитывающий влияние погодных условий (температуры) кпу определяется из соотношения:
пУ ~ / т°Р
/ -*- ппп
кпу — ^ / т°Р , (2)
1 опт
где Тф — фактическое среднее значение температуры окружающей среды в вегетационный период, С;
Топт — оптимальное среднее значение температуры окружающей среды в
о
вегетационный период, С.
Коэффициент использования питательных веществ (удобрений и т.д.) кпв можно определить из формулы:
кпв— пв / ф, (3)
где Ь/Лв — израсходованное количество питательных веществ в формировании урожая (вынос растениями), кг;
Мфв — фактическое количество содержание питательных элементов во внесенной норме удобрений, кг.
Коэффициент использования сортов или гибридов кгв определяется по формуле:
■уЧСП 1
кгв — гв / уопт., (4)
где — потенциальная урожайность использованного сорта (или гибрида) в данной зоне возделывания сельскохозяйственной культуры, ц/га;
Увт — потенциальная урожайность оптимального (наилучшего) сорта (или гибрида) в данной зоне возделывания сельскохозяйственной культуры, ц/га.
Коэффициент к\¥, учитывающий влагообеспеченность определяется из отношения:
кш — ГТкКIр Т Кп т , (5)
где ГТК& — фактическое значение гидротермического коэффициента в конкретной зоне возделывания сельскохозяйственной культуры;
ГТКюпт — оптимальное значение гидротермического коэффициента в конкретной зоне возделывания сельскохозяйственной культуры.
Гидротермический коэффициент (ГТК) определяется отношением суммы осадков в миллиметрах за период со среднесуточными температурами воздуха выше 10°С к сумме температур за это же время, уменьшенной в 10 раз [24]. Чем ниже ГТК, тем засушливее местность. Если ГТК территории >1,6 - условия влажные, 1,6-1,3 - оптимальные, 1,3-1,0 -слабо засушливые, 1,0-0,7 - засушливые, 0,7-0,4 - очень засушливые, 0,4-0,2 - сухие.
Коэффициент кагрМ, учитывающий влияние агротехнических мероприятий определяется по формуле:
к —КАМФ/ (6) кагр.м — / КАМ0пт, (6)
где КАМ — фактическое значение коэффициента агротехнических мероприятий,
отражающее сроки и качество выполнения i-й технологической операции;
КАМ"" — оптимальное значение коэффициента агротехнических мероприятий, отражающее сроки и качество выполнения i-й технологической операции. Оптимальное значение коэффициента агротехнических мероприятий при своевременном и качественном выполнении производственных процессов в технологии, КАМ"" = 1-
Коэффициент учитывает степень соблюдения оптимальных сроков
выполнения, нормы высева семян и (или) удобрений, показателей оценки качества технологической операции. При соблюдении названных выше факторов
= КАМ"" и
при этом кагрм = 1-
Коэффициент КАМ можно определить из следующей зависимости:
где Ь ф — фактический срок выполнения технологической операции, определяемый:
- для посева (или посадки) семян - текущей температурой почвы Ьпч в слое 5-10 см;
- для обработки почвы - текущей влажностью почвы в слое, равной глубине обработки;
- для уборки - степень созревания урожая и т.д.;
Ьопт — срок выполнения технологической операции при оптимальных значениях температуры и влажности почвы и т.д.
Нф — - фактическая доза внесения удобрений;
Нопт — оптимальная доза внесения удобрений;
БПф — фактическое значение балла по 9 балльной системе оценки показателя качества технологической операции;
БП°"т — оптимальное значение (8-9) балла по 9 балльной системе оценки показателя качества технологической операции.
Показатели оценки качества технологических операций выбираются согласно Правилам производства механизированных работ в растениеводстве15.
Расчет перечисленных факторов позволит определить в совокупности их оптимальные значения, что в конечном итоге при использовании технологии должно обеспечить получение планируемой урожайности конкретной сельскохозяйственной культуры.
Для упрощения процесса моделирования урожайности сельскохозяйственных культур в (1) следует ввести обобщенный коэффициент А0бф, объединяющий в себя коэффициенты, учитывающие влияние удобрений, погодных условий (температуры), использования сортов или гибридов, влагообеспеченность, влияние агротехнических мероприятий.
Обобщенный коэффициент А°ф можно вычислить по формуле:
(7)
(8)
15
С учётом того, что урожайность сельскохозяйственных культур зависит от массы питательных веществ и ряда весомых факторов, с учётом (8) формулу (1) можно представить в упрощенном виде:
У —ГМпв, Аш, К6Ф), (9)
где кОф — обобщенный коэффициент, учитывающий комплексное влияние весомых факторов: удобрений, температуры, сорта или гибрида, влагообеспеченности, агротехнических мероприятий на урожайность сельскохозяйственных культур.
Для прогнозирования урожайности сельскохозяйственных культур в зависимости от перечисленных факторов необходимо разработать математическую модель. В связи с тем, что удельный вес удобрений (питательных веществ) в формировании урожая составляет 40 -50 %, данный процесс можно смоделировать в зависимости от количества вносимых удобрений или коэффициента использования питательных веществ16.
С учётом классификации уровня обеспеченности почв основными элементами
17
питания17 можно формировать относительную шкалу уровня обеспеченности почвы основными элементами питания:
- по азоту (М):
"3
низкий Ау — 0,190 (при N менее 40 г/м ); умеренный Ау — 0,511 (при N= 40-80 г/м3); нормальный Ау — 1 (при N=80-130 г/м );
"3
повышенный Ау — 1,428 (при N= 130-170 г/м );
"3
высокий
Ау — 1,100 (при N более170 г/м3).
- по фосфору (Р):
низкий АР — 0,25 (при К менее 5 г/м3);
"3
умеренный АР — 0,60 (при К=5-10 г/м ); нормальный АР — 1 (при К=10-15 г/м ); повышенный АР — 1,40 (при К=15-20 г/м ); высокий АР — 1,68 (при К более 20 г/м ).
- по калию (К):
низкий Ак — 0,250 (при К менее 50 г/м3); умеренный Ак — 0,511 (при К=50-110 г/м3); нормальный Ак — 1 (при К=110-170 г/м ); повышенный Ак — 1,393 (при К=170-220 г/м );
"3
высокий
Ак — 1,643 (при К более 220 г/м3). На основе выше приведенной относительной шкалы уровня обеспеченности всеми элементами питания предлагается в дальнейшем использовать коэффициент - уровень Апв обеспеченности почвы основными элементами питания: низкий Апв — 0,20 умеренный Апв — 0,60 нормальный Апв — 1,0 повышенный Апв — 1,40
16 Шеуджен А.Х., Громова Л.И., Онищенко Л.М. Методы расчета доз удобрений: учебное пособие. Краснодар: Кубан. гос. агр. ун-т. 2010. 61 с.
17 Шеуджен А.Х., Аканова Н.И., Бондарева Т.Н. Агрохимия. Ч. 6. Экологическая агрохимия: учеб. пособие Майкоп: ООО «Полиграф-ЮГ». 2018. 575 с.
высокий .
Урожайность сельскохозяйственных культур зависит не только от количества внесенных удобрений, но и от коэффициента их использования. Коэффициент полезного действия (кпв) основных элементов питания зависит от температуры и влагообеспеченности почвы, суммы эффективных температур в регионе, а также способов и приёмов внесения удобрений18'19. Например, сумма эффективных температур для картофеля сортов ранней группы спелости 1000-1200 °С, среднеранней - 1200-1500°С, позднеспелой - 1600-1800°С.
С учётом (1), (7) и (8) урожайность сельскохозяйственных культур (рис. 1), зависящая от количества вносимых удобрений, коэффициента характеризующего уровень
обеспеченности почвы основными элементами питания, обобщенного коэффициента ф можно аппроксимировать кусочно-параболическими функциями:
_ , N _ Г А(х)=[а-х+Ь-(х)2], прих<1;
У-] =ь , (х) - 2. при х> 1.' ( )
где а — постоянная величина; при Апв — 0 а — 0 (рисунок 1);
- уровень обеспеченности почвы основными элементами питания.
Уровень обеспеченности почвы основными элементами питания определяется из выражения:
акт /
Апв — Ш I (11)
' 1У1пв
где а фактическая норма внесения питательных элементов (удобрений) в почву, кг/га;
оптимальное значение нормы внесения питательных элементов (удобрений) в почву для конкретной культуры и зоны её возделывания, кг/га;
коэффициент, показывающий интенсивность изменения урожайности с. -х. культур от уровня обеспечения почвы питательными веществами»;
Кф — обобщенный коэффициент (8).
Коэффициент Ъ определяется из соотношения:
ъ — п 11опт' (12)
/1пв
где У п — потенциальная урожайность данного сорта (или гибрида) в конкретной зоне его возделывания, ц/га;
Авт — оптимальное значение уровня обеспечения почвы питательными веществами (удобрений и т.д.), .
18Роль питательных веществ в жизни растений [Электронный ресурс]. URL: https://universityagro.ru/ (дата обращения 02.05. 2024 г.).
19 Ягодин Б.А., Жуков Ю.П., Кобзаренко В.И. Агрохимия / Под ред. Б.А. Ягодина. М.: Колос. 2002. 584 с.
О 0,5 1 1,5 2
^■пв
Рис. 1. Зависимость урожайности сельскохозяйственных культур (на примере картофеля) от коэффициента Лпв, характеризующего уровень обеспеченности почвы
основными элементами питания Fig. 1. Dependence of crop yield (ex. potato) on Лпв coefficient characterising the level of soil availability of basic nutrition elements
Обобщенный коэффициент к°ф (8) зависит от коэффициентов кпу , кпв кгс , кw , кагрм.
Из анализа графика следует, что при Лпв > 1 и к°ф > ( к°ф ) происходит значительное увеличение затрат энергии на технологию, в том числе и денежных средств на единицу продукции, при этом наблюдается снижение урожайности сельскохозяйственных культур.
В этой связи, математическая модель расчёта и прогнозирования урожайности должна чётко описать её закономерность изменения в пределах 0 > Лпв < Л™"1. При Лпв>Лппт также могут происходить негативные процессы в почве, приводящие к увеличению выброса климатически активных веществ в атмосферу.
С учётом выражения (10) и рисунка 1 урожайность сельскохозяйственных культур для конкретной зоны возделывания в зависимости от количества питательных веществ, допустимого предела коэффициента , обобщенного коэффициента ф учитывающего влияние погодных условий (температуры), использования сортов или гибридов, влагообеспеченности, влияния агротехнических мероприятий, можно определить по формуле:
У=Сп- Мпв- к°ф ■[ а-Лпв + b- 2 ] , при Лпв <1 (13)
С учётом (8) формулу (13) можно представить в виде:
У=Сп ■ Мпв ■ кпу• кпв• кгс • кш • кагрм ■ [а ■ Лпв + b ■ (Лпв)2 ]. (14)
где поправочный коэффициент.
В случае высокого или повышенного уровня обеспеченности всеми элементами питания, когда , величину урожайности можно прогнозировать по формуле:
У Сп • Мпв
Кф ' b ' (.^пв) 2
или
У
knv'knem кгс " к
W
•к • Ъ
-2
(15)
(16)
Наличие полученных математических моделей (14) и (15) позволяет приступить к решению ряда важных в практическом отношении задач. Содержание этих задач определяется в каждом случае конкретными условиями.
Рассмотрим некоторые примеры. Предположим, что уровень обеспечения почвы элементами питания в первом случае является умеренным, когда Хпв = 0, 6. Во втором случае, уровень обеспечения почвы элементами питания является нормальным, то есть . В третьем случае , то есть уровень обеспечения почвы элементами
питания является повышенным (таблицы 1 и 2).
Коэффициент использования NPK минеральных удобрений для сельскохозяйственных культур при их возделывании в различных зонах колеблется в
широких пределах в зависимости от их биологических особенностей, температуры,
20
влагообеспеченности и других факторов . Установлено, что при внесении меньших доз NPK коэффициенты потребления азота, фосфора и калия были устойчиво выше, чем при внесении повышенных доз21. С учетом этого зададим средние значения коэффициента кпв = 0 , 5 при Хпв = 0, 6 , кпв = 0,4 при Хпв = 1, 0 и кпв = 0, 4 при Хпв = 1, 4 (таблицы 1 и 2).
В качестве условного примера можно рассматривать два варианта расчёта урожайности, на примере культуры картофеля, возделываемого на дерново-подзолистых почвах Ленинградской области РФ.
В первом варианте предполагается, что при благоприятных природно-климатических условиях, выборе лучшего районированного сорта, проведении всех агротехнических мероприятий в оптимальные сроки, значения коэффициентов кпу, кгс, ки/,и кагрм могут быт равны 1, что вполне возможно на практике (табл. 1).
Таблица 1. Расчетные значения коэффициентов кпу, кгс, кw и кагрм Хпв и урожайности
У картофеля (вариант I) Table 1. Estimated values of кпу, кгс, kw, and кагрмХпв coefficients and potato yield У
(variant I)
Мпв, кг/га действующего вещества ь- ""ОТ h- ь- "-гс kw ь■ а 1 ЛП6 У, ц/га
N42 Р48 К60 (150) 1 0,6 1 1 1 0,6 98
N70 Р80 К100 (250) 1 0,4 1 1 1 1,0 300
N100 Р100 К140 (340) 1 0,4 1 1 1 1,4 291
Результаты расчета урожайности по выражениям (14) и (15) свидетельствуют, что при благоприятных почвенно-климатических условиях и уровне обеспечения почвы элементами
Коэффициенты использования NPK из минеральных удобрений [Электронный ресурс] URL: https://direct.farm/post/koeffitsiyent-ispolzovaniya-elementov-pitaniya-iz-udobreniy-19480 (дата обращения 22.06. 2024 г.)
21 Дзюин Г.П., Дзюин А.Г. Коэффициенты использования азота, фосфора и калия из минеральных удобрений, навоза и почвы культурами севооборота // Международный журнал экспериментального образования. 2016. № 5-1. С. 83-90. URL: https://www.elibrary.ru/item.asp?id=25848729
питания Хпв = 0, 6 , урожайность картофеля достигнет 98 ц/га площади. При этом, когда Хпв = 1, 0 , урожайность может составить 300 ц/га. При внесении удобрений больше нормы, когда Хпв = 1, 4, урожайность картофеля снижается до 291 ц/га.
Второй вариант предполагает учёт нестабильности природно-климатических условий, выбор районированного, но не наилучшего сорта, проведения не всех агротехнических мероприятий в оптимальные агротехнические сроки. При этом значения коэффициентов кпу, кгс, кw и кагрм не могут быт равны 1, что также вполне возможно на практике (табл. 2).
Таблица 2. Расчетные значения коэффициентов кпу, кгс, kw и кагрм Хпв и У урожайности картофеля (вариант II) Table 2. Estimated values of кпу, кгс, к^ and кагрмХпв coefficients and potato yield У
(variant II)
Мпв, кг/га действующего вещества ь- ""ОТ ь- "-И6 ь- "-гс kw h■ а 1 ЛП6 У, ц/га
N42 Р48 Кб0 (150) 0,95 0,6 0,9 1,10 0,85 0,6 78
N70 Р80 К100 (250) 0,95 0,4 0,9 1,10 0,85 1,0 240
N100 Р100 К140 (340) 0,95 0,4 0,9 1,10 0,85 1,4 166
Расчетные данные, приведенные в таблице 2, показывают, что при неблагоприятных почвенно-климатических условиях и разном уровне обеспечения почвы элементами питания урожайность картофеля существенно снижается по сравнению с первым вариантом (таблица 1). Так, при Хпв = 0, 6, урожайность картофеля составляет 78 ц/га площади. Когда уровень минерального питания Хпв = 1, 0, урожайность может составить 240 ц/га. При внесении больших норм удобрений, когда Хпв = 1 ,4, урожайность картофеля снижается до 166 ц/га. Применение повышенных или высоких доз удобрений приводит к подкислению почвы, повышенному выделению парниковых газов (закиси азота, метана) в атмосферу, снижению содержания кислорода в почве. Как известно, из-за избытка азота задерживается цветение, созревание растений, удлиняется период их вегетации. Избыток фосфора приводит к пожелтению, быстрому старению и опадению листьев растений. Из-за избытка калия происходит задержка усвоения азота. В целом, при применении повышенных или высоких
К - 22,23
доз удобрений качество урожая снижается .
Обсуждение. Сравнение данных таблиц 1 и 2 показывает, что неблагоприятные погодные условия, низкая или высокая влагообеспеченность, уменьшение коэффициента использования питательных веществ, неудачный выбор сорта или гибрида, нарушение агротехнических требований к технологическим процессам приводят к существенному снижению или потери урожая до 20 % в сравнении с программируемым урожаем.
22 Лавринова Т.С. Влияние возрастающих доз азотного удобрения на урожайность, качество и фитосанитарное состояние посевов яровой пшеницы в Северо-Восточной части Центрально-Черноземной зоны. Автореф. дисс. ... канд. с.-х. наук. М.: 2013. 26 с.
23 Завьялова Н.Е., Шишков Д.Г. Влияние минеральных удобрений на урожайность и качество сельскохозяйственных культур в длительном стационарном опыте в климатических условиях Предуралья // Известия ТСХА. 2020. № 5. С. 5-17. https://doi.org/10.26897/0021-342X-2020-5-5-17
В отличие от известных методов, предложенные математические модели (14) и (15), позволяют с более высокой вероятностью прогнозировать урожайность сельскохозяйственных культур с учётом значимых факторов влияния в конкретных зонах их возделывания.
Вместе с тем, рассмотренные в работе примеры иллюстрируют недопустимость внесения больших доз удобрений, выше оптимального, которые приводят к неоправданным энергетическим затратам, а также затратам денежных средств, приводящим к повышению себестоимости продукции растениеводства. Кроме того, они приводят к нарушению физиологических функций растений, увеличению вегетационного периода, проявлению восприимчивости к болезням и вредителям, изменениям сроков уборки и др. [21-23]. С другой стороны, внесение научно необоснованных норм удобрений, особенно высоких и повышенных, повышает вероятность выноса подвижных форм азота и фосфора с сельскохозяйственных угодий, зачастую попадающих в водные объекты, что увеличивает негативное влияние технологических процессов и технологии производства продукции растениеводства на окружающую среду [25].
Полученные результаты исследований ещё раз подчёркивают важность дифференцированного внесения удобрений, с учетом неравномерности плодородия почвы, обеспечивающих благоприятные условия на отдельно взятых участках поля для возделывания сельскохозяйственных культур. Совершенствование способов внесения удобрений внутри одного поля в зависимости от степени обеспеченности почвы элементами питания является важным резервом повышения урожайности культур и повышения экологичности технологий производства сельскохозяйственной продукции.
Выводы. Разработаны математические модели для определения и прогнозирования урожайности сельскохозяйственных культур в зависимости от сорта, уровня обеспечения почвы минеральным питанием, с учетом природно-климатических и агротехнических факторов. Математические модели учитывают влияние наиболее значимых факторов, влияющих на планируемую урожайность, к которым отнесены: температура (погодные условия), уровень использования удобрений (питательных веществ), сорта или гибриды, влагообеспеченность и агротехнические мероприятия.
В результате моделирования в качестве примеров представлены два варианта расчёта урожайности, на примере культуры картофеля, возделываемого на дерново-подзолистых почвах Ленинградской области РФ.
При благоприятных почвенно-климатических условиях и уровне обеспечения почвы элементами питания 60 % от оптимального (то есть при ), урожайность картофеля
может достигнуть 98 ц/га площади. Когда Хпв = 1, 0 урожайность картофеля может составить 300 ц/га. При внесении удобрений больше нормы, когда Хпв = 1, 4, урожайность картофеля снижается до 291 ц/га.
При не благоприятных погодных условиях, низкой или высокой влагообеспеченности, уменьшении коэффициента использования питательных веществ, неудачном выборе сорта или гибрида, нарушении агротехнических требований к технологическим процессам урожайность может снизиться до 20 % по сравнению с программируемым урожаем.
Результаты исследований свидетельствуют о значимости дифференцированных методов питания растений и важности совершенствования способов внесения минеральных или органических удобрений на каждом участке поля в зависимости от степени
обеспеченности почвы элементами питания для повышения урожайности культур и экологичности технологий производства сельскохозяйственной продукции.
СПИСОК ИСТОЧНИКОВ
1. Якушев В.П., Михайленко В.А., Драгавцев В. А. Агротехнологические и селекционные резервы повышения урожаев зерновых культур в России // Сельскохозяйственная биология. 2015. № 50 (5) С. 550-560. https://doi.org/10.15389/agrobiology.2015.5.550rus
2. Доспехов Б.А. Методика полевого опыта. М.: Колос. 1979. 416 с.
3. Елисеев В.И. Влияние различных доз минеральных удобрений на показатели структурного анализа и урожайность яровой мягкой пшеницы // Животноводство и кормопроизводство. 2018. № 101 (4). С. 226-232. URL: https://www.elibrary.ru/item.asp?id=36736507
4. Девтерова Н.И., Благополучная О.А. Влияние различных способов обработки почвы на продуктивность культур и агрофизические свойства слитых черноземов // Земледелие. 2019. № 3 С. 31-33. https://doi.org/10.24411/0044-3913-2019-10308
5. Рабинович Г.Ю., Тихомирова Д.В., Лапушкина В.Н. Факторы, обеспечившие формирование урожайности картофеля при возделывании на грядах // Аграрный вестник Урала. 2020. № 7 (198). С. 12-22. https://doi.org/10.32417/1997-4868-2020-198-7-12-22
6. Мухамадьяров Ф.Ф., Коробицын С.Л., Рубцова Н.Е., Ашихмин В.П., Савельев Ю.П., Вологжанин В.Н., Кайсин Д.В. Особенности влияния почвенных условий в пределах агромикроландшафтов на формирование урожайности сельскохозяйственных культур // Аграрная наука Евро-Северо-Востока. 2013. № 6 (37). С. 4-8. URL: https://www.elibrary.ru/item.asp?id=20679839
7. Гончарук Н. С. и др. Методика бонитировки тепличных грунтов для выращивания овощных культур. Москва: НИИ овощного хоз-ва. 1981. 36 с.
8. Дзюин А.Г. Влияние систем удобрений на плодородие почвы и продуктивность севооборота при длительном их применении. Автореф. дисс. канд. с.-х. наук, Пермь. 2007. 23 с.
9. Макаров А.А., Мамсиров Н.И. Влияние предшественников на продуктивность сортов озимой пшеницы // Новые технологии. 2021. № 17 (2). С. 84-92. https://doi.org/10.47370/2072-0920-2021-17-2-84-92
10. Лысенко С. А. Прогнозирование урожайности сельскохозяйственных культур на основе спутникового мониторинга динамики углерода в наземных экосистемах // Исследование Земли из космоса. 2019. № 4. С. 48-59. https://doi.org/10.31857/S0205-96142019448-59
11. Степанов А. С. Прогнозирование урожайности сельскохозяйственных культур на основе данных дистанционного зондирования Земли (на примере сои) // Вычислительные технологии. 2019. № 24(6) С. 125-133. https://doi.org/10.25743/ICT.2019.24.6.015
12. Евдокимова Н. Е. Прогнозирование урожайности зерновых культур: отечественный опыт и новые возможности // Вестник Московского гуманитарно-экономического института. 2020. № 2. С. 90-105. https://doi.org/10.37691/2311-5351-2020-0-2-90-105
13. Смирнов П. А., Коротков А. В., Короткова З. П., Пушкаренко Н. Н. Прогнозирование урожайности хмеля с помощью корректирующих коэффициентов //
Вестник Чувашской государственной сельскохозяйственной академии. 2021. № 2(17). С. 118125 URL: https://elibrary.ru/item.asp?id=46615202
14. Чугунов С. В., Джабборов Н. И., Перекопский А. Н., Добринов А. В. Прогнозирование урожайности семян многолетних трав в органическом севообороте // АгроЭкоИнженерия. 2022. № 4(113). С. 93-104. https://doi.org/10.24412/2713-2641-2022-4113-93-104
15. Бисчоков Р. М., Суханова С. Ф. Прогнозирование урожайности сельскохозяйственных культур методами нечеткой логики // Вестник Башкирского государственного аграрного университета. 2023. № 1(65). С. 119-125. https://doi.org/10.31563/1684-7628-2023-65-1-119-126
16. Рогачев А. Ф., Мелихова Е. В., Боровой Е. П., Белоусов И. С. Нейро-аналитическое прогнозирование урожайности при программируемом возделывании сельскохозяйственных культур с учетом агротехнологических факторов // Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2023. № 4(72). С. 418-427. https://doi.org/10.32786/2071-9485-2023-04-42
17. Дышаев М. М., Ратанов Н. Е., Дергилев В. П., Лазарев А. А. Моделирование урожайности для определения стоимости опционов // Челябинский физико-математический журнал. 2021. № 6 (4). С. 512-528. https://doi.org/10.47475/2500-0101-2021-16411
18. Архипова, М. Ю. Моделирование урожайности зерновых культур сельскохозяйственных регионов с использованием технологий компьютерного зрения // Экономика региона. 2022. № 18 (2). С. 581-594. https://doi.org/10.17059/ekon.reg.2022-2-20
19. Благов Д. А., Митрофанов С. В., Никитин В. С. [и др.] Математические модели и программный комплекс по прогнозированию урожайности сельскохозяйственных культур // Агротехника и энергообеспечение. 2019. № 3(24). С. 182-188 URL: https://elibrary.ru/item.asp?id=41167890
20. Чуян О. Г. Усовершенствованная база сельскохозяйственных культур при проектировании системы удобрений (для Центрального Черноземья). Курск: ГНУ ВНИИЗиЗПЭ РАСХН. 2011. 53 с.
21. Хохлова П.Г., Худоногова Е.Г. Влияние различных доз азотных удобрений на урожайность бобово-злаковых травостоев // Вестник ИрГСХА. 2023. № 116. С. 137-142. https://doi.org/10.51215/1999-3765-2023-116-137-142
22. Тиньгаев А.В., Малютина Л.А., Шепталов В.Б. Влияние птичьего помёта на урожайность яровой пшеницы при внесении в чернозёмные почвы на Алтае // Мелиорация и водное хозяйство. 2015. № 3. С. 22-24. URL: https://elibrary.ru/item.asp?id=23906295
23. Елисеев В.И. Влияние различных доз минеральных удобрений на показатели структурного анализа и урожайность яровой мягкой пшеницы // Животноводство и кормопроизводство. 2018. № 101(4). С. 226-232. URL: https://elibrary.ru/item.asp?id=36736507
24. Шумова Н.А. Количественные показатели климата в приложении к оценке гидротермических условий в республике Калмыкия // Аридные экосистемы. 2021. № 27 (4) (89). С. 13-24. URL: https://elibrary.ru/item.asp?id=47697197
25. Джабборов Н.И., Савельев А. П., Добринов А. В. и др. Моделирование и прогнозирование выноса биогенных элементов с сельскохозяйственных угодий в зависимости от агрофизических свойств почвы // Инженерные технологии и системы. 2024. № 34 (1). С. 101-114. https://doi.org/10.15507/2658-4123.034.202401.101-114
REFERENCES
1. Yakushev V.P., Mikhailenko I.M., Dragavtsev V.A. Reserves of agro-technologies and breeding for cereal yield increasing in the Russian Federation. Sel'skokhozyaistvennaya biologiya = Agricultural Biology. 2015; 50 (5): 550-560. (In Russ.) https://doi.org/10.15389/agrobiology.2015.5.550rus
2. Dospekhov B.A. Methodology of a field experiment. Moscow: Kolos, 1979. 416 p. (In Russ.)
3. Eliseev V.I. The effect of various doses of mineral fertilizers on indicators of structural analysis and yield of spring soft wheat. Zhivotnovodstvo i kormoproizvodstvo = Animal Husbandry and Fodder Production. 2018; 101 (4): 226-232. (In Russ.) URL: https://www.elibrary.ru/item.asp?id=36736507
4. Devterova N.I., Blagopoluchnaya O.A. Influence of tillage different methods on crop productivity and agrophysical properties of compacted chernozem. Zemledelie = Land Management. 2019; 3: 31-33. (In Russ.) https://doi.org/10.24411/0044-3913-2019-10308
5. Rabinovich G.Yu., Tikhomirova D.V., Lapushkina V.N. Factors that ensured the formation of potato yields when cultivated on ridges. Agrarnyi vestnik Urala = Agrarian Bulletin of the Urals. 2020; 7 (198): 12-22. (In Russ.) https://doi.org/10.32417/1997-4868-2020-198-7-12-22
6. Mukhamadjarov F., Korobitsyn S., Rubtsova N., Ashikhmin V., Saveliev Yu., Vologzhanin V., Kaisin D. Features of influence of soil conditions within agro-micro-landscapes on forming of yield of agricultural crops. Agrarnaya nauka Evro-Severo-Vostoka = Agricultural Science Euro-NorthEast. 2013; 6 (37): 4-8. (In Russ.) URL: https://www.elibrary.ru/item.asp?id=20679839
7. Goncharuk N. S. et al. Methodology of greenhouse soil appraisal for vegetable crops growing. Moscow: Research Institute of Vegetable Farming. 1981. 36 p. (In Russ.)
8. Dzyuin A.G. Influence of fertiliser systems on soil fertility and productivity of crop rotation at their long-term application. Author's Abstract Diss. Cand. Tech. Sci. Perm. 2007. 23 p. (In Russ.)
9. Makarov A.A., Mamsirov N.I. Influence of previous crops on the productivity of winter wheat varieties. Novye tekhnologii = New Technologies. 2021; 17 (2): 84-92. (In Russ.) https://doi.org/10.47370/2072-0920-2021-17-2-84-92
10. Lysenko S.A. Crop yield forecasting based on the satellite monitoring of carbon dynamics in terrestrial ecosystems. Issledovaniya Zemli iz Kosmosa = Exploring Earth from Space. 2019; 4: 4859. (In Russ.) https://doi.org/10.31857/S0205-96142019448-59
11. Stepanov A.S. Forecasting of crop yields based on earth remote sensing data (using soybeans as an example). Vychislitel'nye tekhnologii = Computational Technologies. 2019; 24(6): 125-133. (In Russ.) https://doi.org/10.25743/ICT.2019.24.6.015
12. Evdokimova N. E. Forecasting grain crop yields: domestic experience and new opportunities. Vestnik Moskovskogo gumanitarno-ekonomicheskogo instituta = Vestnik MHEI. 2020; 2: 90-105. (In Russ.) https://doi.org/10.37691/2311-5351-2020-0-2-90-105
13. Smirnov P.A., Korotkov A.V., Korotkova Z.P., Pushkarenko N.N. Forecasting hop yield using correction factors. Vestnik Chuvashskoi gosudarstvennoi sel'skokhozyaistvennoi akademii = Vestnik Chuvash State Agricultural Academy. 2021; 2(17): 118-125 (In Russ.) URL: https://elibrary.ru/item.asp?id=46615202
14. Chugunov S.V., Dzhabborov N.I., Perekopsky A.N., Dobrinov A.V. Forecasting the yield of perennial grass seeds in organic crop rotation. AgroEkoInzheneriya = AgroEcoEngineering. 2022; 4(113): 93-104 (In Russ.) https://doi.org/10.24412/2713-2641-2022-4113-93-104
15. Bischokov R., Sukhanova S. Prediction of crop yield using fuzzy logic methods Vestnik Bashkirskogo gosudarstvennogo agrarnogo universiteta = Vestnik Bashkir State Agrarian
University. 2023; 1(65): 119-125. (In Russ.) https://doi.org/10.31563/1684-7628-2023-65-1-119-126
16. Rogachev A.F., Melikhova E.V., Borovoy E.P., Belousov I.S. Neuro-analytical forecasting of yield in programmed cultivation of agricultural crops taking into account agrotechnological factors. Izvestiya Nizhnevolzhskogo agrouniversitetskogo kompleksa: Nauka i vysshee professional'noe obrazovanie = Proceedings of Lower Volga Agro-University Complex: Science and Higher Education. 2023; 4(72): 418-427. (In Russ.) https://doi.org/10.32786/2071-9485-2023-04-42
17. Dyshaev M.M., Ratanov N.E., Dergilev V.P., Lazarev A.A. Yield crop simulation for options pricing. Chelyabinskii fiziko-matematicheskii zhurnal = Chelyabinsk Physical and Mathematical Journal. 2021; 6 (4): 512-528. (In Russ.) https://doi.org/10.47475/2500-0101-2021-16411
18. Arkhipova, M. Yu. Modelling crop yield in agricultural regions using computer vision technology. Ekonomika regiona = Economy of regions. 2022; 18(2): 581-594 (In Russ.) https://doi .org/10.17059/ekon.reg.2022-2-20
19. Blagov D.A., Mitrofanov S.V., Nikitin V.S., Panfyorov N.S., Pestryakov E.V. Mathematical models and software package for forecasting crop yields. Agrotekhnika i energoobespechenie = Agrotechnics and Energy Supply. 2019; 3(24): 182-188 (In Russ.) URL: https://elibrary.ru/item.asp?id=41167890
20. Chuyan O. G. Improved crop base in designing the fertiliser system (for the Central Black Earth Region). Kursk: All-Russian Research Institute of Arable Farming and Erosion Control of RAAS. 2011. 53 p. (In Russ.)
21. Khokhlova P.G., Khudonogova E.G. Effect of different doses of nitrogen fertilizers on the yield of legume-cereal herbage. Vestnik IrGSKhA = Vestnik IRGSHA. 2023; 116: 137-142. (In Russ.) https://doi.org/10.51215/1999-3765-2023-116-137-142
22. Tingaev A.V., Malyutina L.A., Sheptalov V.B. Impact of poultry manure on the yield of spring wheat on the Altai Chernozem. Melioratsiya i vodnoe khozyaistvo = Melioration and Water Management. 2015; 3: 22-24. (In Russ.) URL: https://elibrary.ru/item.asp?id=23906295
23. Eliseev V.I. The effect of various doses of mineral fertilizers on indicators of structural analysis and yield of spring soft wheat. Zhivotnovodstvo i kormoproizvodstvo = Animal Husbandry and Fodder Production 2018; 101(4): 226-232 (In Russ.) URL: https://elibrary.ru/item.asp?id=36736507
24. Shumova N.A. Quantitative climate indicators applied to the assessment of hydrothermal conditions in the Republic of Kalmykia. Aridnye ekosistemy = Arid Ecosystems. 2021; 27 (4) (89): 13-24. (In Russ.) URL: https://elibrary.ru/item.asp?id=47697197
25. Jabborov N.I., Savelyev A.P., Dobrinov A.V., Zakharov A.M., Zhuikov I.I. Modeling and forecasting the removal of biogenic elements from agricultural lands depending on the soil agrophysical properties. Inzhenernye tekhnologii i sistemy = Engineering Technologies and Systems. 2024; 34(1):101-114 (In Russ.) https://doi.org/10.15507/2658-4123.034.202401.101-114
Об авторах About the authors
Джабборов Нозим Исмоилович, д-р техн. наук, профессор, ведущий научный сотрудник отдела агроэкологии в растениеводстве Института агроинженерных и экологических проблем сельскохозяйственного производства -филиала ФГБНУ ФНАЦ ВИМ (196634, Nozim I. Dzhabborov, DSc (Engineering), Professor, Leading Researcher, Department of Agroecology in Plant Production, Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) - branch of Federal Scientific Agroengineering Center VIM, 196634, Filtrovskoje Shosse, 3, Tiarlevo, Saint
Российская Федерация, г. Санкт-Петербург, Фильтровское ш. д. 3), https://orcid.org/0000-0001- 8910- 2625, Researcher ID: А-7780-2019 [email protected]
Petersburg, Russia
https://orcid.org/0000-0001- 8910- 2625 Researcher ID: А-7780-2019 [email protected]
Добринов Александр Владимирович, канд. техн. наук, доцент, старший научный сотрудник отдела агроэкологии в растениеводстве Института агроинженерных и экологических проблем сельскохозяйственного производства -филиала Федерального научного агроинженерного центра ВИМ (196634, Российская Федерация, г. Санкт-Петербург, пос. Тярлево, Фильтровское шоссе, д. 3), https://orcid.org/0000-0002-3242-1235 Researcher ID: ААС-9655-2020 [email protected]
Aleksandr V. Dobrinov, Cand.Sc. (Engineering), Associate Professor, Senior Research Officer, Department of Agroecology in Crop Production, Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) - branch of Federal Scientific Agroengineering Center VIM, 196634, Filtrovskoje Shosse, 3, Tiarlevo, Saint Petersburg, Russia
https://orcid.org/0000-0002-3242-1235 Researcher ID: AAC-9655-2020 [email protected]
Заявленный вклад авторов
Авторы выполнили все функции проекта
Authors'contribution
The authors fulfilled all the functions in the project
Конфликт интересов
Авторы заявляет об отсутствии конфликта интересов
Conflict of interests
The authors declares no conflict of interests regarding the publication of this paper
Авторы прочитали и одобрили окончательный вариант рукописи к публикации
The authors has read and agreed to the published version of the manuscript
Статья поступила в редакцию: 09.09.2024
Received: 09.09.2024
Одобрена после рецензирования:
04.10.2024
Approved after reviewing: 04.10.2024
Принята к публикации: 08.10.2024
Accepted for publication: 08.10.2024
Научная статья
УДК: 661.183.2; 631.42; 636.085
СПОСОБ ОЧИСТКИ ПОЧВЫ ОТ ОСТАТОЧНЫХ КОЛИЧЕСТВ ПЕСТИЦИДОВ И ЕЁ
ДЕТОКСИКАЦИЯ
Виктор Иванович Старцев1^, Виктор Михайлович Мухин, Владимир Алексеевич Абубикеров, Михаил Геннадьевич Барышев , Лариса Всеволодовна Старцева
