CC BY
0УДК 631.671.1
КЛАСТЕРНЫЙ АНАЛИЗ КАЧЕСТВЕННЫХ ПОКАЗАТЕЛЕЙ ПОЛИВНОЙ ВОДЫ РЕК ИНГУЛЕЦ И ДНЕПР, ИСПОЛЬЗУЕМЫХ ДЛЯ ОРОШЕНИЯ В УСЛОВИЯХ СЕВЕРНОГО ПРИЧЕРНОМОРЬЯ
Коковихин С.В., доктор сельскохозяйственных наук, профессор, Государственное бюджетное образовательное учреждение высшего образования «Херсонский аграрный университет»; Адамень Ф.Ф., доктор сельскохозяйственных наук, профессор, академик НААН, Федеральное государственное бюджетное учреждение науки «Ордена Трудового Красного Знамени Никитский ботанический сад - национальный научный центр РАН»; Сташкина А.Ф., кандидат сельскохозяйственных наук, старший научный сотрудник «Карадагская научная станция им. Т. И. Вяземского — природный заповедник РАН».
Установлены четыре кластера распределения показателей качества ингулецкой поливной воды и пять кластеров днепровской. У поливной воды из р. Ингулец установлена высокая степень отрицательной корреляционной связи между дефицитом испаряемости и минерализацией в сухие годы (-0,78), что свидетельствует об опасности вторичного осолонцева-ния орошаемых земель. Поливная вода из р. Днепр характеризовалась опти-
CLUSTER ANALYSIS OF QUALITATIVE INDICATORS OF IRRIGATION WATER OF THE INGULETS AND DNEPR RIVERS USED FOR IRRIGATION IN THE CONDITIONS OF THE NORTHERN BLACK SEA REGION
Kokovikhin S.V., Doctor of Agricultural Sciences, Professor, State Budgetary Educational Institution of Higher Education «Kherson Agrarian University»
Adamen F.F., Doctor of Agricultural Sciences, Professor, Academician of the National Academy of Sciences, Federal State Budgetary Institution of Science "Order of the Red Banner of Labor Nikitsky Botanical Garden -National Scientific Center of the Russian Academy of Sciences"; Stashkina A.F., Candidate of Agricultural Sciences, Senior Researcher at the Karadag Scientific Station named after T. I. Vyazemsky — Nature Reserve of the Russian Academy of Sciences.
Four clusters of distribution of quality indicators for Ingulets irrigation water andfive clusters for Dnieper water were established. At irrigation water from the river. Ingulets, a high degree of negative correlation was established between the deficit of evaporation and mineralization in dry years (-0.78), which indicates the danger of secondary alkalinization of irrigated lands. Irrigation water from the river. Dnepr was characterized by optimal quality
69
мальными параметрами качества.
Ключевые слова: орошение, качество воды, погодные условия, дефицит испаряемости, минерализация, ирригационная оценка, кластерный анализ, иерархическая модель.
parameters.
Key words: irrigation, water quality, weather conditions, evaporation deficit, mineralization, irrigation assessment, cluster analysis, hierarchical model.
Введение. Многолетними исследованиями, проведёнными в разных странах мира доказано, что эффективность орошаемого земледелия в значительной степени зависит от показателей качества поливной воды. Традиционно качество почвы связано с продуктивностью растений, в то же время оно определяется с точки зрения экологической устойчивости и способности поглощать, сохранять и перерабатывать воду, минералы и энергию [1].
Проведение обобщённой оценки производственного состояния почв в течение последних десятилетий позволило выявить, что более 40% ухудшения параметров пахотных земель произошло в результате эрозии почв, загрязнения атмосферы, применения интенсивных технологий выращивания сельскохозяйственных культур, чрезмерного выпаса скота, вырубки лесов, засоления и осо-лонцевания из-за неправильного орошения [2, 3, 4].
Как открытая система, почва динамична и находится в постоянном взаимодействии с атмосферой, гидросферой, биосферой и литосферой. В зависимости от интенсивности, с которой эти факторы действуют, почва может представлять дифференцированные характеристики, определяющие свои потенциальные возможности [5]. Хотя структура почвы не рассматривается как фактор роста растений, она влияет на воздушное и водное обеспечение корневых систем, наличие питательных веществ, активность микроорганизмов и т.д. Это также связано с потерями агрохимикатов при водной и ветровой эрозии, что негативно влияет на окружающую среду при применении интенсивных технологий выращивания с.-х. культур. Качество поливной воды должно отвечать агрономическим, экологическим, техническим, санитарно-гигиеническим требованиям. Солевой стресс считается основным фактором, ограничивающим продуктивность растениеводства. На засоленных почвах рост растений резко снижается, в основном за счёт осмотического стресса [6].
Кластерный анализ включает в себя широкий набор методов анализа данных, в частности методы к-средних, иерархической кластеризации и двухходового объединения. Данные могут поступать как в исходном виде, так и в виде матрицы расстояний между объектами. Наблюдения и переменные можно кластеризовать, используя различные методы (эвклидовы расчёты, статическое отличие, процент несогласия и 1-й коэффициент корреляции Пирсона) и различные правила объединения (скрепления) кластеров (один, взвешенное и взвешенное попарное среднее по группам, не взвешенное, взвешенное расстояние между центрами и т.п.). При проведении кластерного анализа методом
70
к-средних пользователь имеет полный контроль над начальным расположением центров кластеров, при этом могут быть обработаны очень большие объёмы данных для анализа [7].
Кроме стандартных результатов кластерного анализа доступен также разнообразный набор описательных статистик и расширенных диагностических методов (полная схема объединения с пороговыми уровнями при иерархической кластеризации, таблица дисперсионного анализа при кластеризации методом к-средних). Информация о принадлежности объектов к кластерам может быть добавлена в базу данных и использована в дальнейшем многофакторном анализе [8]. Графические возможности кластерного анализа включают настраиваемые дендрограммы, двухходовые диаграммы объединений, графическое представление схем объединения, диаграммы средних при кластеризации по методу к-средних, учёт действия и взаимодействия факторов [9]. Все эти инструменты позволяют использовать кластерный анализ с высокой эффективностью.
Материал и методы исследований. Целью исследований было провести кластерный анализ и математическое моделирование показателей качества поливной воды в зависимости от дефицита испаряемости и влияния метеорологических факторов в условиях Северного Причерноморья.
Для расчётов были использованы метеорологические данные Херсонской агрометеостанции [10]. Для математического анализа экспериментальных данных были использованы дисперсионный и корреляционно-регрессионный метод, кластерный анализ, а также специальные методы моделирования в агрономии [11]. Установление показателей качества поливной воды из р. Ингулец и Днепр проводили с использованием данных Института орошаемого земледелия с установлением показателей испаряемости [12].
Результаты и обсуждения. Продуктивность орошения в значительной степени обусловлена качеством поливной воды, поскольку если проводить искусственное увлажнение водой низкого качества, то вместо прироста урожайности сельскохозяйственных культур будет отмечено негативное влияние на продуктивность растений, при этом урожайность и качество растениеводства будет меньше, чем при условии природного увлажнения. Кроме того, орошение водой с низким качеством приведет к ухудшению и потере плодородия почв вследствие вторичного осолонцевания, деградационных процессов, кор-кообразования, переуплотнения и т.д. По результатам анализов лаборатории аналитических исследований Института орошаемого земледелия [12] установлено, что поливная вода из Ингулецкой оросительной системы имеет концентрацию токсичных ионов в эквивалентах хлора в пределах 25-42 мг-экв/дм3, отношение натрия к 4% (таблица 1).
Установлено, что минерализация, концентрация токсичных ионов и другие показатели качества поливной воды существенно изменяются в разные периоды поливного сезона, а наибольшие значения достигают на начальных этапах орошения (III декада мая) с последующим уменьшением в июле и, особенно, в
71
сентябре. Контроль качества поливной воды позволяет по степени опасности засоления и осолонцевания среднесуглинистых низко-буферных почв Ингу-лецкой оросительной системы классифицировать её как ограниченно пригодную для орошения в летне-осенний период.
Таблица 1. Ирригационная оценка поливной воды (среднее за 2008-2015 гг.)
Дата отбора Минерализация, г/дм3 Концентрация токсичных ионов, мг экв./дм3 Na+х 100 Сума катионов Mg-Ca2+ Ca— Na+
III декада мая 1,809 42 42 1,4 0,2
I декада июля 1,750 25 41 1,6 0,3
II декада сентября 1,580 25 47 1,8 0,2
Используя многолетние данные катионно-анионного состава ингулецкой и днепровской воды за период с 1973 по 2015 гг., нами осуществлён математический (корреляционно-регрессионный, дисперсионный, кластерный) анализ с использованием программ MS Excel и STATISTICA. По результатам обобщения экспериментальных данных был сформирован ряд статистических выборочных зависимостей, наглядных графиков, диаграмм, что позволило сделать ряд выводов для использования полученных зависимостей в агромелиоративной практике орошаемого земледелия.
Исходными данными были показатели химического состава и минерализации ингулецкой и днепровской воды с формированием баз данных, представленных в электронных таблицах программы Excel согласно вегетационным периодам по состоянию на 15.05, 15.07 и 15.09 в среднем за 1973-2015 годы. Была сформирована иерархическая классификация кластерного анализа в модулях STATISTICA «Кластерный анализ», «Многомерный разведывательный анализ», «Иерархическая классификация». Для формирования иерархической диаграммы кластерного анализа был выбран метод полной связи, определяющий расстояние меж кластерами как наибольшее расстояние между любыми двумя объектами в разных кластерах (метод «удалённых позиций»). В результате на выходе получили иерархическое дерево с распределением по четырём кластерам (рис. 1).
На основе полученных данных были сформированы кластеры, которые для вертикальной дендрограммы располагаются сверху вниз. При перемещении сверху вниз показатели, теснее взаимосвязанные друг с другом, объединяются и формируют отдельные кластеры. Каждый блок-диаграммы, приведённой выше, представляет объединение двух или более кластеров, положение блоков на вертикальной оси определяет расстояние, на котором были соединены соответствующие кластеры. Анализируя полученное иерархическое дерево кластеризации, можно сделать предположение, что исследуемые характеристики ионно-солево-
72
го состава воды формируются в 4 природных кластерах: 1 кластер - минерализация, Са2+; 2 кластер - Mg2+, SO42-; 3 кластер - С1-; 4 кластер -С042-).
Г7д 5ТАТ15ПСА - УУогкЬоокЗ* - [Дендрограмма для 8 перемен.) щ
Файл Правка £ид £стлвкл Формат Анализ Графика Сервис Рабочая книга фкио Справка
Н? 0 Ш О. 4=1 (Й 9^ | 01 | Л Добавить в Рабочую книгу - Добавить в Отчет - | ф »
Щ Workbook3" - Дендрограмма дли 8 перемен.
Workbook3" H'ij Кластерный анал» Результаты ие| ^ Дендро гра<
Рисунок 1. Иерархическая модель кластерного анализа химического состава ингулецкой поливной воды в годы исследований на 15 сентября
Для проверки полученных распределений по кластерам был применён метод разложения данных к-средних на кластеры, и проведена оценка значимости различия между полученными кластерами. Начальное количество кластеров было задано на 4 уровне, так как результаты метода к-средних зависят в определённой степени от начальной конфигурации и от средних или центров кластеров. Средствами кластерного анализа 8ТЛТ18Т1СА методом к-средних установлены межгрупповые дисперсии по исследуемым показателям химического состава оросительной воды р. Ингулец и Днепр, которые сравнивались с внутригрупповыми дисперсиями. Исходя из амплитуды и уровней значимости F-статистики, переменные Ка+, минерализация, 8042- и С1- являлись главными при решении вопроса о распределении исследуемых показателей по кластерам. По результатам оценки данных дисперсионного анализа доказано, что для данных химического состава оросительной воды по состоянию на 15 мая основным показателем при распределении на кластеры были переменные С042-, минерализация и SO42-, а для данных химического состава поливной воды с отбором образцов 15 июля - показатели Са2+, SO42- и минерализации.
Другим способом определения природы кластеров является проверка средних значений для каждого кластера, предоставляемого с помощью графи-
73
ка средних. Обычно этот график даёт наилучшее представление о фактическом отображении полученных результатов (рис. 2).
Щ] 'Л'огкЬоок2* - График средних для каэед. кл.
Щ ИогкЬоо1с2*
Й-^Э Кластерной энэ/н Результаты кл; П Средн.клас ! ЦЦ] Евклидовы | Дисперсно График ере
график средних для кажд. кп.
3,0 2,5 2,0 1,5 1.0 0,5 0,0 -0,5 -1.0
...................<
9"
i
\ ^ /W-... / А о/ .-а-.....т
-о......
_____ --* ^ ____ч!
нСОз
Ca''
50j2' Перемен.
Na*
Mg'
-о- Кластер 1 -■о- Кластер 2 ■о - Кластер 3 Минерал., г/л Knacretl 4
ЦД Дисперсионный анализ (1S09.sta) ¿g График среднтадпя кажд. кл.
Рисунок 2. График средних показателей катионно-анионного состава ингу-лецкой воды при отборе проб 15 сентября (среднее за 1973-2015 гг.)
Графический анализ средних 4 кластера позволил выявить у показателей этого кластера более высокие показатели минерализации поливной воды, анионов SO42", С1-, катионов Mg2+ по сравнению с кластерами 1, 2, 3. Компоненты 2 кластера характеризовались более повышенным содержанием С042-; 1 кластеру были присущи самые низкие показатели С042-, а в 3 кластере были скомпонованы годы с самыми низкими значениями С1-, SO42-, Са2+, Mg2+, и наивысшим уровнем НС03-, С042-.
Если взглянуть на показатели средних данных минерализованного состава воды по состоянию на 15 мая в годы исследований, то можно наблюдать, что в разные вегетационные периоды показатели ионно-солевого состава воды ведут себя неодинаково (табл. 2).
Например, динамика показателей по состоянию на 15 мая характеризуется значительными колебаниями данных. Полученные данные средних кластера 1 отличается наивысшим значением С042-, самым низким Mg2+; в годы с 2 кластером проявляется максимальное значения С042-, SO42-, минерализации и в 3 кластере - годы объединены между собой по признаку самого высокого уровня Mg2+ и НС03- и самого низкого уровня минерализации, С1- и средним по 4 кластеру присущи наиболее высокие показатели С1- и Са2+ и самый
74
низкий показатель SO42".
С помощью кластерного анализа также был классифицирован и проанализирован ионно-катионный состав оросительной воды р. Днепр.
Таблица 2. Показатели катионно-анионного состава Ингулецкой поливной воды и её минерализации по состоянию на 15 мая в годы проведения исследований
Годы СО42- С1- 80/- Са2+ Mg2+ Минерализация, г/л № кластера
1973 1,12 9,60 4,90 4,60 4,20 10,98 1,82 2
1973 0,95 11,45 2,74 4,47 4,67 9,82 1,65 1
1975 1,25 14,60 2,25 4,80 4,80 11,54 1,18 4
1976 0,80 10,78 9,27 2,64 5,00 24,49 2,47 2
1977 1,44 9,21 7,60 4,80 4,84 11,50 2,11 1
1978 1,20 7,14 15,00 4,20 4,42 16,87 0,75 2
1979 0,40 10,49 18,10 4,0 6,84 20,44 2,04 3
1980 1,14 8,08 11,79 4,05 7,00 14,06 1,98 1
1981 1,28 16,41 44,21 8,80 14,42 40,86 4,50 2
1982 1,29 22,11 11,21 7,85 8,00 21,47 2,28 4
1984 0,44 6,96 6,60 4,60 4,00 10,42 1,78 2
1984 0,17 8,96 12,21 4,80 4,00 15,87 1,55 2
1985 0,80 12,00 16,60 4,60 9,00 18,84 1,15 2
1986 0,72 6,65 7,40 2,60 5,42 9,24 1,12 1
1987 0,80 18,72 14,00 4,60 12,00 19,64 0,68 2
1988 0,42 4,60 4,20 4,20 4,60 4,12 0,70 3
1989 0,65 5,84 4,00 4,40 4,60 4,88 0,75 3
1990 0,80 6,64 4,60 4,40 4,20 7,52 0,89 1
1991 0,96 16,88 9,00 6,60 8,80 14,42 0,84 4
1992 0,16 1,28 2,80 2,40 1,80 2,60 0,47 3
1994 0,64 4,48 6,00 2,60 4,20 6,72 0,87 1
1994 0,48 9,12 6,80 5,00 5,60 8,76 1,21 4
1995 0,96 4,44 6,80 4,20 2,00 8,24 0,89 1
1996 0,48 9,84 9,60 4,20 9,80 9,04 1,42 4
1997 1,60 10,16 19,00 5,00 10,80 18,00 0,54 1
1998 0,48 10,42 15,40 4,20 12,00 14,68 0,85 4
1999 0,64 9,44 5,40 5,60 6,60 6,56 1,16 3
2000 0,64 9,28 12,40 4,60 8,60 12,48 1,64 4
2001 0,80 9,12 14,60 5,20 8,40 14,12 0,99 4
2002 0,42 7,52 11,00 4,20 10,80 10,08 1,54 4
2004 0,64 7,60 4,40 4,80 5,20 6,96 0,98 3
2004 0,42 7,04 8,20 5,00 8,40 6,16 1,24 4
2005 0,96 7,04 12,00 2,40 10,40 11,20 1,54 4
75
Продолжение таблицы 2
Годы ТО42- С1- 80/- Са2+ Mg2+ Минерализация, г/л № кластера
2006 0,96 8,00 12,00 5,00 8,20 11,47 1,57 4
2007 0,64 7,04 15,60 2,60 2,40 11,08 1,44 3
2008 0,48 10,08 15,80 4,24 7,40 17,48 1,97 2
2009 0,16 11,20 11,40 4,94 8,48 14,16 1,54 4
2010 0,91 8,28 14,28 5,29 9,74 15,48 1,77 2
2011 0,87 7,29 9,48 4,99 8,29 11,98 1,61 2
2012 0,79 9,48 11,02 4,02 7,88 14,55 2,21 1
2014 0,88 6,98 10,44 4,20 8,41 7,88 2,12 1
2014 0,71 7,11 10,98 4,40 9,01 12,74 1,98 4
2015 0,69 8,18 11,49 4,80 8,04 10,67 2,10 4
По анализу сформированного программой иерархического дерева кластеризации (рис. 3), можно предположить, что исследуемые характеристики ион-но-солевого состава днепровской воды формируются в 5 природных кластерах (1 кластер - НС03-; 2 кластер - К+, Са2+, С042-; 3 кластер - рН, SO42-; 4 кластер - С1-; 5 кластер - Mg2+, минерализация). Такое распределение свидетельствует о высокой степени взаимодействия тесной связи между показателями НС03-, Mg2+ и минерализацией.
НСОз №+ + К+ Са2+ СС^з рН SO¿'í С| М^'
Рисунок 3. Иерархическая модель кластерного анализа показателей химического состава днепровской поливной воды (среднее за 1973-2015 гг.)
Далее после кластеризации показателей днепровской воды методом к-сред-них получены результаты дисперсионного анализа, которые с учётом амплиту-
76
ды и уровней значимости F-статистики позволили установить, что переменные НС03- и Mg2+ являются наиболее значимыми при распределении данных по кластерам. Анализируя полученные данные днепровской оросительной воды, можно наблюдать самые высокие показатели С1- у элементов 1 кластера; 2 кластер имеет максимальные уровни С042-, Mg2+, SO42-, минерализации и Са2+; в 3 кластере находятся компоненты с самыми низкими показателями Mg2+, рН и наивысшими К+; в 4 кластер входят годы с высоким содержанием рН; 5 кластер характеризуется самыми низкими показателями минерализации, С042-, С1-, SO42- и наивысшим показателем НС042-.
Полученные данные по кластеризации показателей качества поливной воды из р. Ингулец и Днепр были сравнены с соответствующими показателями дефицита испаряемости. Используя полученные результаты по расчётам с использованием средств математического анализа, были сформированы графики, отражающие закономерности между дефицитом испаряемости и минерализацией поливной воды из р. Ингулец в сухие и среднесухие исследуемые годы с датой отбора проб 15 мая (рис. 4).
140 -г 2,5
1973 1977 1978 1980 1985 1987 1988 1991 1997 1998 2001 2011 2015
Годы
- Дефицит испаряемости - Минерализация, г/л
Рисунок 4. Зависимость минерализации поливной воды р. Ингулец от дефицита испаряемости (ДЕ) в сухие и среднесухие годы исследований по состоянию на 15 мая
У исследуемых показателей установлена высокая степень отрицательной (обратной) корреляционной связи. Так, коэффициент корреляции по первому сравнению составлял -0,78 и по состоянию на 15.07 (рис. 5) - с коэффициентом корреляции -0,76. То есть это позволяет заключить, что чем более засушливые по природной влагообеспеченности погодные условия (сухой год) для сельскохозяйственной культуры, тем больше уровень минерализации и засо-лённости в оросительной воде.
77
Используя данные кластерного анализа ионно-солевого состава поливной воды, сгенерированные нами в программе STATISTICA, разработаны математические модели, позволяющие отслеживать динамику показателей продуктивности орошения. Анализируя данные по рН, определяющему способность растения усваивать питательные вещества, и данные минерализации можно смоделировать показатели химического состава днепровской оросительной воды в разные по гидротермическим условиям годы, в соответствии с классификацией их по отдельным кластерам. Если годы по кластеру 1 имели показатель рН воды нейтрального состояния, то максимальный уровень рН компонентов кластеров
2; 3; 4 достигал 8,40; 8,44; 8,68, что соответствует щелочной среде.
Во влажные годы, наоборот, данная тенденция не прослеживается (рис. 5).
Для ингулецкой воды коэффициент корреляции составил -0,01, а для днепровской - 0,24, что свидетельствует об отсутствии математической взаимосвязи.
400 4,0
0 -|—ГН—I—ГН—I—I—ГН—I—I—ГН—I—ГН—I—I—Г~ГН—I—ГН—I—I—I—I—I—ГТИ—ГН—I—I—I—I—ГН—ГН—г 0,0
г-^г-.г-.|-^а)оооооомо101СТ101а100000гНнн 01(Т101(11Ш01(Т|[Т11Т1011110101шоооооооо
Годы
Дефицит испаряемости Минерализация, г/л
Рисунок 5. Динамика дефицита испаряемости (ДЕ) и минерализации поливной р. Днепр в годы проведения исследований
Определение показателя рН для оросительной воды является очень важным фактором, потому что он оказывает на растения очень важное влияние: одни растения не выдерживают кислые почвы, другие прекрасно растут и развиваются. Показатель рН влияет на рост корневой системы, ее проницаемость для питательных элементов, смещает правильное соотношение в поглощении растением катионов и анионов, снижает плодородие и вредное влияние ионов водорода на минеральную часть почвы. Дефицит в почве поглощенных кальция и магния вызывает резкое ухудшение физических и физико-химических свойств почвы. Анализ показателя рН для исследуемых лет в разрезе их по кластерам предоставляет больше данных для принятия решения о точности необходимости определения химической мелиорации (известкованием, гипсованием и т.п.).
78
Выводы. В результате проведения кластерного анализа установлено, что динамика показателей катионно-анионного состава поливной воды из рек Ин-гулец и Днепр за период с 1973 по 2015 гг. изменяется в широком диапазоне, причём ингулецкая вода имеет концентрацию токсичных ионов в эквивалентах хлора в пределах 25-42 мг-экв./дм3 при отношении натрия к сумме щелочных катионов на уровне 41-47%. С использованием метода кластеризации k-средних рассчитаны межгрупповые дисперсии по показателям ионно-соле-вого состава ингулецкой и днепровской поливной воды, которые при сравнении с внутригрупповыми дисперсиями отображают отдельные переменные для исследуемых периодов по состоянию на 15 мая, 15 июля и 15 сентября за 1973-2015 гг. Исходя из амплитуды и уровней значимости F-статистики, метод k-средних позволил определить значимость переменных катионно-анионного состава при решении вопроса о распределении образцов поливной воды по кластерам, сформировать графики средних для определения природы кластеров и произвести проверку средних значений для каждого кластера, что дает лучшее представление результатов минерализации в разрезе вегетационных периодов в отдельные годы по уровням природного влагообеспечения. По результатам расчетов сформировано иерархическое дерево кластеризации, которое позволило распределить показатели ионно-солевого состава по четырём природным кластерам: 1 кластер - минерализация, Ca2+; 2 кластер - Na+, Mg2+, SO42-; 3 кластер - Cl-; 4 кластер - HCO3-. Кластеризация показателей химического состава днепровской оросительной воды позволила наибольшие значения Cl- - у элементов кластера 1; в кластере 2 - максимальные значения имели CO42-, Mg2+, SO42-, минерализации и Ca2+; в 4 кластере - зафиксированы самые низкие показатели Mg2+ и pH. Проведено распределение зависимостей уровня pH и минерализации днепровской оросительной воды по четырем кластерам. Следует заметить, что по 1 кластеру показатель pH воды имел реакцию близкую к нейтральной. Максимальный уровень pH проявился 2, 3 и 4 кластерах. Так, на 2 кластере он достиг 8,40; на 3 - 8,44, на 4 - 8,68, что соответствует щелочной среде. Используя полученные результаты и корреляционный анализ были построены графики, отражающие закономерности между дефицитом испаряемости и минерализацией оросительной воды в сухие и среднесухие годы. У исследуемых показателей установлена высокая степень отрицательной связи с коэффициентами корреляции минус 0,76-0,78. Разработанные модели необходимо использовать для планирования режимов орошения, оперативного управления поливами, нормирования поливной воды, организации контроля качества её качества, установления динамики уровня катионно-анионного состава воды и степени ее минерализации, проявления вторичного засоления и осолонцевания почв, расчёта норм внесения гипса и других мелиорантов.
Список использованных источников: References:
1. Собко А.А. Роль оптимизации 1. Sobko A.A. The role of
79
агромелиоративных факторов в повышении эффективности орошаемого земледелия // Гидротехника и мелиорация.
- 1986. - № 3. - С. 61-66.
2. Морозова И.В. Изменение возможной суммарной солнечной радиации на земной поверхности / И.В. Морозова, Г.Н. Мясников // Метеорология и гидрология. - 1997. - №10. - С. 38-48.
3. Ковда В.А. Почвоведение. Часть 1. Почва и почвообразование. Учеб. для ун-тов. В 2 ч. / под ред. В.А. Ковды, Б.Г. Розанова. Ч. 1 / Г.Д. Белицина, В.Д. Васильевская, Л.А. Гришина и др. - М.: Высш. шк., 1988. - 400 с.
4. Адамень Ф.Ф., Коковихин С.В., Сташкина А.Ф. Математическое моделирование продуктивности орошаемой озимой пшеницы в зависимости от влияния метеорологических факторов в условиях Северного Причерноморья // Известие сельскохозяйственной науки Тавриды. - 2023. - 33 (196). - С. 6-16.
5. Багров М.Н. Сохранение и восстановление плодородия почв при строительной планировке орошаемых полей / М.Н. Багров, В.М. Иванов, Л.В. Иванова. - М.: Колос, 1981. - 143 с.
6. Ясониди О.Е. Капельное орошение: монография / О.Е. Ясониди / НГМА.
- Новочеркасск: Лик, 2011. - 322 с.
7. Сиденко А.В. Статистика: учебник / А.В. Сиденко, Г.Ю. Попов, В.М. Матвеева. - М.: Изд-во «Дело и сервис», 2009. - 464 с.
8. Росновский И.Н. Системный анализ и математическое моделирование процессов в почвах : учебное пособие / под ред. д-ра биол. наук С.П. Кулижского. - Томск: Томский государственный университет, 2007. - 312 с.
optimization of agro-reclamation factors in increasing the efficiency of irrigated agriculture // Hydrotechnics and land reclamation. - 1986. - No. 3. - P. 61-66.
2. Morozova I.V. Change in possible total solar radiation on the earth's surface / I.V. Morozova, G.N. Myasnikov // Meteorology and hydrology. - 1997. - No. 10. - pp. 38-48.
3. Kovda V.A. Soil science. Part 1. Soil and soil formation. Textbook for univ. In 2 hours / ed. V.A. Kovdy, B.G. Rozanova. Part 1 / G.D. Belitsina, V.D. Vasilievskaya, L.A. Grishina and others - M.: Higher. school, 1988. - 400 p.
4. Adamen F.F., Kokovikhin S.V., Stashkina A.F. Mathematical modeling of the productivity of irrigated winter wheat depending on the influence of meteorological factors in the conditions of the Northern Black Sea region // Proceedings of the agricultural science of Tavrida. - 2023. - 33 (196). - P. 6-16.
5. Bagrov M.N. Conservation and restoration of soil fertility during construction planning of irrigated fields / M.N. Bagrov, V.M. Ivanov, L.V. Ivanova. -M.: Kolos, 1981. - 143 p.
6. Yasonidi O.E. Drip irrigation: monograph / O.E. Yasonidi / NGMA. -Novocherkassk: Lik, 2011. - 322 p.
7. Sidenko A.V. Statistics: textbook / A.V. Sidenko, G.Yu. Popov, V.M. Matveeva. - M.: Publishing house "Business and Service", 2009. - 464 p.
8. Rosnovsky I.N. System analysis and mathematical modeling of processes in soils: textbook / ed. Doctor of Biology Sciences S.P. Kulizhsky. - Tomsk: Tomsk State University, 2007. - 312 p.
9. Yakovlev V.B. Statistics.
80
9. Яковлев В.Б. Статистика. Расчеты в Microsoft Excel: учеб. пособие / В.Б. Яковлев. - М.: КолосС, 2012. - 352 с.
10. Херсон. Архив метеорологических данных [electronic resource] URL: http://rp5.ru/kherson.archive.
11. Ушкаренко В.А., Лазарев Н.Н., Голобородько С.П., Коковихин С.В. Дисперсионный и корреляционный анализ в растениеводстве и луговодстве: монография - М.: Изд. РГАУ - МСХА им. К.А. Тимирязева, 2011. - 336 с.
12. Отчётные материалы отдела орошаемого земледелия Института орошаемого земледелия за период 1973-2015 гг.
Calculations in Microsoft Excel: textbook. allowance / V.B. Yakovlev. - M.: KolosS, 2012. - 352 p.
10. Kherson. Meteorological data archive [electronic resource] URL: http:// rp5.ru/kherson.archive.
11. Ushkarenko V.A., Lazarev N.N., Goloborodko S.P., Kokovikhin S.V. Dispersion and correlation analysis in plant growing and meadow growing: monograph - M.: Izd. RGAU - MSHA them. K.A. Timiryazeva, 2011. - 336 p.
12. Reporting materials of the Department of Irrigated Agriculture of the Institute of Irrigated Agriculture for the period 2000-2020.
Сведения об авторах:
Сергей Васильевич Коковихин -доктор сельскохозяйственных наук, профессор кафедры ботаники и защиты растений Государственного бюджетного образовательного учреждения высшего образования «Херсонский аграрный университет», e-mail: serg.ac@mail.ru, 73006, г. Херсон, ул. Розы Люксембург, 23.
Фёдор Фёдорович Адамень, доктор сельскохозяйственных наук, профессор, академик НААН, советник директора по науке Федерального государственного бюджетного учреждения науки «Ордена Трудового Красного Знамени Никитский ботанический сад - национальный научный центр РАН».
Алена Федоровна Сташкина, кандидат сельскохозяйственных наук, старший научный сотрудник «Карадаг-ская научная станция им. Т. И. Вяземского — природный заповедник РАН».
Information about the authors:
Sergey Vasilevich Kokovikhin, Doctor of Agricultural Sciences, Professor of the Department of Botany and Plant Protection, State Budgetary Educational Institution of Higher Education «Kherson Agrarian University»; e-mail: serg.ac@mail.ru, 73006, Kherson, Rosa Luxemburg str, 23.
Fedor Fedorovich Adamen, Doctor of Agricultural Sciences, Professor, Academician of the National Academy of Sciences, Advisor to the Director for Science of the Federal State Budgetary Institution of Science "Order of the Red Banner of Labor Nikitsky Botanical Garden - National Scientific Center of the Russian Academy of Sciences".
Alyona Fedorovna Stashkina, Candidate of Agricultural Sciences, Senior Researcher at the Karadag Scientific Station named after T. I. Vyazemsky — Nature Reserve of the Russian Academy of Sciences.
81
