CC BY
23
ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОРУДОВАНИЕ 111
И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
Научная статья УДК 58.02: 573.7
doi: 10.24412/2078-1318-2023-1-111-119
СПОСОБ БИОИНДИКАЦИИ АГРОЭКОСИСТЕМ С ПРИМЕНЕНИЕМ МЕТОДА КОМПЬЮТЕРНОЙ МОРФОЦВЕТОМЕТРИИ
Сергей Анатольевич Ракутько1, Елена Николаевна Ракутько2
1 ФГБОУ ВО «Санкт-Петербургский государственный аграрный университет», Петербургское шоссе, д.2, Санкт-Петербург, г. Пушкин, 196601, Россия; sergej1964@yandex.ru; https://orcid.org/0000-0002-2454-4534 2 Институт агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) - филиал ФГБНУ ФНАЦ ВИМ, Фильтровское шоссе, д. 3, Санкт-Петербург, 196625, Россия; elena.rakutko@mail.ru; https://orcid.org/0000-0002-3536-9639
Реферат. Природные и антропогенные воздействия на экосистемы (в том числе агроэкосистемы) приводят их к критическому состоянию. Для изучения происходящих в них процессов необходима оценка состояния экосистем. Биоиндикация предоставляет возможность такой оценки при помощи признаков и свойств живых организмов. Цель исследования - разработка и экспериментальная проверка способа биоиндикации агроэкосистемы, основанного на использовании в качестве тестовых растений, выращиваемых в агроэкосистеме. Предложен способ биоиндикации агроэкосистем, заключающийся в следующем: определяют действия экологического фактора (в частности, дозы внесенного с органическим удобрением азота); для предварительных измерений на участках, различающихся уровнем действия экологического фактора, производят сбор листьев выращиваемых в агроэкосистеме растений; для получения первичных морфо-цветовых параметров листья фотографируют камерой смартфона; из полученных параметров выбирают два, отношение которых между собой (синтетический показатель) имеет максимальную амплитуду реакции на воздействие экологического фактора; находят калибровочное уравнение, связывающее уровень азота и величину синтетического показателя листьев растений определенного возраста; в основных измерениях производят отбор экземпляров растений; оценивают состояние агроэкосистемы на данном участке по величине внесенного азота, найденной по калибровочному уравнению; найденные значения вместе с файлом изображения листа и координатами данного участка в глобальной навигационной спутниковой системе размещают в облачном хранилище данных о биоиндикации агроэкосистемы. Способ апробирован на примере агроэкосистемы свекловичного поля в условиях органического севооборота. Полученные биометрические данные растений свеклы в период пучковой зрелости показали влияние доз органического удобрения на развитие растений. Предложенный способ биоиндикации повышает точность и достоверность получаемых результатов. Использование смартфона обеспечивает возможность определения морфо-цветовых параметров непосредственно на месте проведения исследований.
Ключевые слова: агроэкосистема, биоиндикация, растение, лист, компьютерная морфо-цветометрия, ImageJ
Цитирование. Ракутько С.А., Ракутько Е.Н. Способ биоиндикации агроэкосистем с применением метода компьютерной морфоцветометрии // Известия Санкт-Петербургского государственного аграрного университета. - 2023. - № 1(70). - С.111-119. doi: 10.24412/2078-1318-2023-1-111-119
112 ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОРУДОВАНИЕ
И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
METHOD FOR BIOINDICATION OF AGROECOSYSTEMS BASED ON COMPUTER MORPHO-COLORIMETRY
Sergei A. Rakutko1, Elena N. Rakutko2
1 FSBEI HE «Saint-Petersburg State Agrarian University», Petersburg Sh.,2, St. Petersburg, Pushkin, 196601, Russia; sergej1964@yandex.ru; https://orcid.org/0000-0002-2454-4534 2 Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) - branch of FSAC VIM, Filtrovskoje Shosse, 3, St. Petersburg, Pushkin, 196625, Russia; elena.rakutko@mail.ru; https://orcid.org/0000-0002-3536-9639
Abstract. Natural and anthropogenic impacts on ecosystems, including agroecosystems) lead them to a critical state. To study the processes occurring in them, it is necessary to assess the state of ecosystems. Bioindication provides the possibility of such an assessment using the signs and properties of living organisms. The aim of the study is the development and experimental verification of a method for bioindication of an agroecosystem, based on the use of test plants grown in an agroecosystem. The article describes a developed method for bioindication of agroecosystems. The method includes several steps. First, we determine the levels of an environmental factor. In our case, it is the dose of nitrogen introduced with the organic fertilizer. Then, we collect the plant leaves grown in the agroecosystems of the sites that differ in the action of selected environmental factor for preliminary measurements. To get the primary morpho-colorimetric parameters, we take the photos of the leaves with a smartphone camera. Out of obtained parameters we select the two, the relation between which (aggregate parameter) has the greatest response amplitude to the environmental factor. Next, we get a calibration equation that links the level of the introduced nitrogen and the value of the aggregate parameter of plant leaves of a certain age. For the basic measurements, we take the plant specimens and estimate the state of the agroecosystem on this site by the amount of nitrogen introduced that we find from the calibration equation. Then, we upload the obtained values, the leaf image file and the coordinates of the site according to a Global Navigation Satellite System to the cloud storage for the agroecosystem bioindication data. We have tested the method on the example of the agroecosystem of a table beet field with the organic crop rotation. The obtained biometric data of beet plants in the period of beam maturity showed the effect of organic fertilizer doses on plant development. The proposed method of bioindication increases the accuracy of the results and reliability. The use of a smartphone makes it possible to determine the morpho-color parameters directly at the site of the study.
Keywords: agroecosystem, bioindication, plant, leaf, computer morpho-colorimetry, ImageJ
Citation. Rakutko, S.A., Rakutko, E.N. (2023). Method for bioindication of agroecosystems based on computer morpho-colorimetry, Izvestya of Saint-Petersburg State Agrarian University, vol. 70, no.1, pp. 111-119. (In Russ.) doi: 10.24412/2078-1318-2023-1-111-119
Введение. Экосистемы непрерывно подвергаются как природным, так и антропогенным воздействиям различной силы, что может привести их к критическому состоянию [1]. Не исключением являются и агроэкосистемы, несмотря на их относительно упрощенную структуру и обедненный видовой состав, которые обусловлены требованиями к повышенной урожайности культивируемых растений. Оценка состояния экосистем является необходимым мероприятием по изучению происходящих в них процессов. Целостная картина текущего состояния экосистемы складывается из множества переменных окружающей среды, учет которых в полной мере инструментальными средствами практически невозможен. На
ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОРУДОВАНИЕ 113
И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
помощь здесь приходит биоиндикация, при которой используется явление взаимной коррелированности переменных состояния экосистемы.
Биоиндикацией называют оценку экологического состояния окружающей среды, экологических факторов и их динамики при помощи признаков и свойств самих экосистем, их биоты. Для этих целей составлены и пополняются списки индикаторных организмов -биоиндикаторов, по наличию которых, а также степени их развития, изменению морфологических, структурно-функциональных и других характеристик судят о состоянии экосистемы [2].
У растений ярко выраженными диагностическими признаками состояния являются их биометрические показатели. В качестве признаков используют как морфологические, отражающие форму и строение различных частей растения, так и неморфологические, в частности, физиологические или биохимические признаки, которые определяются количественным и качественным содержанием различных веществ в тканях растения и непосредственно взаимосвязаны с протекающими в растении процессами [3].
Обычно в качестве биоиндикаторов применяют многолетние древесные растения или древовидные кустарники. Однако потенциальные возможности оценки состояния агроэкосистемы значительно шире за счет использования различных биоиндикаторов [4].
Состояние агроэкосистемы формируется под влиянием различных условий и факторов, обусловленных природными процессами и хозяйственной деятельностью человека. Экологические факторы - это свойства среды обитания, определяющие условия метаболизма отдельных организмов и экосистемы в целом. Экологические факторы могут быть абиотическими, биотическими и антропогенными. Важнейшим антропогенным фактором для агроэкосистем является внесенная доза азотных удобрений. Оценка количества внесенного в почву азота важна как для обеспечения продуктивности возделываемых сельскохозяйственных культур, так и для экологичности среды. Избыток азота оказывает мощное дестабилизирующее воздействие на систему почва-растение, вызывая израстание или полегание растений, нитратно-нитритные токсикозы, загрязнение почв, продукции и грунтовых вод нитратами и нитритами, канцерогенными нитрозоаминами. В случае внесения повышенных доз азота, что нередко наблюдается на практике, у растений снижается иммунитет и они больше повреждаются грибковыми заболеваниями и всевозможными вредителями. При недостатке азота снижается урожайность культур и качество продукции, прежде всего содержание в ней белка, незаменимых аминокислот, многих витаминов, других биологически активных веществ (каротиноидов, флавоноидов, ферментов). Качество получаемой продукции, зависящее от уровня азотного питания, влияет на экономическую сторону применения азотных удобрений, поскольку стоимость их приобретения, транспортировки и внесения в настоящее время составляет до 30-40% от себестоимости продукции растениеводства.
Одной из самых распространенных овощных культур открытого грунта является столовая свекла. В технологии органического производства столовой свеклы исключено применение синтезированных препаратов. Восполнение питательных веществ, необходимых для роста растений, происходит за счет использования органических удобрений и агротехнических приемов, способствующих улучшению питания растений [5]. Выявлено влияние отдельных химических элементов в составе удобрений на ботанические характеристики свеклы. Азот оказывает выраженное влияние на рост и физиолого-химические
114 ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОРУДОВАНИЕ
И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
показатели урожая свеклы. Оптимальная доза удобрений будет различной для различных условий окружающей среды [6]. Таким образом, индикация содержания азота в агроэкосистеме свекловичного поля является актуальной.
Востребованным подходом для экологического мониторинга объектов окружающей среды является использование компьютерной морфо-цветометрии, позволяющей исследовать форму и цвет - важнейшие показатели биологических объектов [7]. Морфо-цветометрия позволяет получить целый набор отдельных величин (первичных показателей), из которых возможно комбинирование синтетического показателя, в наибольшей степени характеризующего влияние экологических условий на биоту [8].
Цель исследования - разработка и экспериментальная проверка способа биоиндикации агроэкосистемы, основанного на использовании в качестве тестовых растений, выращиваемых в агроэкосистеме.
Материалы, методы и объекты исследования. Способ апробировали на примере свекловичного поля, входящего в систему органического севооборота (Ракутько С.А., Ракутько Е.Н. Способ биоиндикации агроэкосистемы свекловичного поля. Заявка на патент РФ № 2022122876. Заявл. 25.08.2022). Объектом для измерений были растения свеклы сорта «Двусемянная ТСХА» в различных возрастных состояниях (с интервалом 20 дней после появления всходов). Почва - дерново-подзолистая суглинистая окультуренная. До посева на опытные делянки вносили органическое удобрение БИОГУМ в различных дозах, от 0 (контроль) до 160 кг/га азота. Измерения вели в пятикратной повторности. Предшественник - картофель в шестипольном органическом севообороте. Погодные условия этого времени года: температура чуть выше средней многолетней, осадки - ниже среднего. С учетом производимого полива условия для развития растений в целом были благоприятные [9].
В лабораторных условиях предварительно исследовали морфо-цветовые параметры листьев свеклы, выращенных при различной внесенной дозе азота. Их изображения в электронной форме получали с помощью сканера Benq S2W 5000E. Для определения масштаба изображения в поле снимка одновременно с фотографированием листа помещали черный квадрат известного размера. Обработку файлов изображений вели с помощью программы ImageJ для операционной системы Windows XP [10]. С файла изображения получали морфо-цветовые параметры листьев (табл. 1). В качестве показателя амплитуды реакции на дозу внесенного удобрения по каждому показателю использовали отношения соответствующих величин для делянок: с максимальной дозой и контрольных.
Измерения вели для каждого листа растений свеклы в их различных возрастных состояниях.
При биоиндикации, в полевых условиях, на конкретном участке свекловичного поля с неизвестным состоянием азотного питания камерой смартфона Xiaomi M1805D1SG в масштабе делали снимки второго листа у растений свеклы в возрастном состоянии 40 дней после всходов. Одновременно с помощью смартфона фиксировали координаты участка в глобальной навигационной спутниковой системе.
ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОРУДОВАНИЕ Ц5
И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
Таблица 1. Морфо-цветовые параметры листьев Table 1. Morpho-cororimetric parameters of leaves
Параметр Единица измерения Комментарий
Area см2 Площадь листа
Perim см Периметр контура листа
Width см Ширина ограничивающего (наименьшего) прямоугольника, охватывающего контур листа
Height см Высота ограничивающего (наименьшего) прямоугольника, охватывающего контур листа
Circularity отн. ед. Степень близости контура листа к окружности Oirc — 4л ■ Area / Perim2.
Major см Большая полуось эквивалентного эллипса
Minor см Малая полуось эквивалентного эллипса
AR отн. ед. Коэффициент формы AR= Major/ Minor
Roundness отн. ед. Округлость Round — 4 ■ Area / л ■ Major2
Solidity отн. ед. Компактность - отношение реальной площади поверхности листа к площади соответствующей выпуклой фигуры
Feret см Наибольшее расстояние между любыми двумя точками контура листа
MinFeret см Наименьшее расстояние между любыми двумя точками контура листа
R, G, B отн. ед. Координаты цветности пикселей изображения
Mean отн. ед. Взвешенное среднее значение серого всех пикселей изображения Mean=0.299*R+0.587*G+0.114*B
StdDev отн. ед. Стандартное отклонение от среднего значения серого
По изображению листа находили средние значения параметров Area и Mean, а также значения синтетического коэффициента S=Area/Mean. В соответствии с найденным калибровочным уравнением при известном возрастном состоянии T находили дозу внесенного при посеве удобрения азота N на данном участке. Найденную величину внесенного азота вместе с файлом изображения листа и координатами участка сохраняли в облачном хранилище данных о биоиндикации агроэкосистемы.
Результаты исследования. Полученные биометрические данные растений свеклы в период пучковой зрелости показали значимое влияние доз органического удобрения на развитие растений (рис. 1).
ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОР УДОВАНИЕ И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
1,80 1,70
^ 1,60
4
о
я 1,50
н
о
fr 1,40
н
и
5
а 1,30
й
с
1,20 1,10 1,00
- Сырая масса растения
- Диаметр корнеплода
- Макс. длина листа Площадь листьев кроны
■ Содержание хлорофилла
80
Доза азота, кг/га
160
Рисунок 1. Биометрические параметры растений свеклы (средние значения) Figure 1. Biometrics of beet plants (mean values)
На рис. 2 показаны амплитуды реакции на дозу внесенного азота по каждому морфо-цветовому показателю для второго листа растений свеклы в возрастном состоянии растений 40 дней после всходов (отсортировны в порядке уменьшения величины амплитуды реакции).
Был выбран второй лист, поскольку именно для него наблюдались наибольшие амплитуды реакции параметров. Наиболее чувствительным оказался показатель площади листа Area. Для увеличения амплитуды реакции вычислительными методами рациональным является использование синтетического показателя, вычисляемого как отношение измеряемых морфо-цветовых параметров, при этом значение параметра в числителе должно увеличиваться с увеличением дозы азота, а в знаменателе - уменьшаться. Показатели, представленные на рис. 2, позволяют сделать вывод: наибольшая амплитуда реакции - у параметра Area, следовательно, целесообразно принять его в качестве числителя формулы синтетического показателя. На роль знаменателя может быть принято несколько показателей. Из удобства измерений наиболее подходящим является показатель Mean.
о £р
Area Minor MinFeret Width Major _ Perim. Height Feret Round Circ. Solidity R B
Mean G
StdDev AR
Амплитуда реакции первичных морфо-цветовых параметров
0%
50%
100%
150%
200%
1,47 1,47
31,
!9
31,
!9
□ 1,22
1
Г]0 130
30. 30. ] 0,8
1 0,8
] 1,05
19
1,
1,70
76
1,69
250%
300%
3 2,55
0
Рисунок 2. Амплитуды реакции на дозу внесенного азота Figure 2. Amplitudes of response to the dose of applied nitrogen
ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОРУДОВАНИЕ 117
И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
Таким образом, проанализировав амплитуды реакции каждого параметра для каждого листа свеклы, в качестве синтетического показателя приняли удовлетворяющее этому требованию отношение площади листа Area к среднему значению серого Mean (S=Area/Mean).
На рис. 3 показаны зависимости между дозой внесенного азота N и значением синтетического показателя S для растений свеклы в возрастных состояниях Т = 20, 40 и 60 дней после всходов (калибровочные зависимости).
200
160
CS Рч
* 120
CS
н о
£ 80
40 0
0,10 0,15 0,20 0,25 0,30 0,35
Синтетический показатель S, отн.ед.
Рисунок 3. Калибровочные зависимости Figure 3. Calibration dependencies
Производя аппроксимацию связи величины дозы (N, кг/га) и синтетического показателя (S, см2/отн. ед.) для растений с различным возрастным состоянием (Т, дн), нашли калибровочное уравнение
N —-20.6S - 0.9T + 17.2ST - 20.6 (r2 = 0.97).
Корреляционная связь между величиной переменных S и T дозой внесенного азота N достаточно высока. Полученное калибровочное уравнение позволяет определить внесенную при посеве дозу азота N по величинам S и T . В качестве примера для растений свеклы на некотором участке поля по изображению листа с помощью приложения для операционной системы Android получили средние значения параметров Area=17.63 см2 и Mean=87.20 отн. ед. Значение синтетического коэффициента S=Area/Mean=0.20 см2/отн. ед. Тогда в соответствии с найденным ранее калибровочным уравнением при T=40 дн доза внесенного при посеве удобрения азота на данном участке составляет N= -20,6*0.20 - 0,9*40 + 17,2*0.20*40 - 20,6 = 76,7 кг/га. Найденную величину внесенного азота вместе с файлом изображения листа и координатами участка можно сохранить в облачном хранилище данных о биоиндикации агроэкосистемы для построения общей картины распределения азота на поле.
Выводы. Агроэкосистемы как разновидность экосистем характеризуются множеством переменных, описывающих состояние, что затрудняет изучение происходящих в них процессов. Имеются все основания полагать, что оценка состояния агроэкосистемы возможна с помощью биоиндикации, при которой в качестве тест-растений используются целенаправленно выращиваемые в агроэкосистеме культуры. На примере свекловичного поля в работе рассмотрен способ биоиндикации агроэкосистемы. Полученные биометрические
118 ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОРУДОВАНИЕ
И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
данные растений свеклы в период пучковой зрелости показали влияние доз органического удобрения на развитие растений. В предложенном способе биоиндикации использование в качестве синтетического показателя отношения первичных морфо-цветовых параметров повышает точность получаемых результатов. Характеристика состояния агроэкосистемы по уровню азотного питания повышает достоверность биоиндикации. Использование смартфона (или устройства с аналогичным функционалом) обеспечивает возможность определения морфо-цветовых параметров непосредственно на месте проведения исследований, допускает возможность применения различных алгоритмов программы для обработки результатов измерения, сохранения результатов в облачном хранилище данных с привязкой к месту измерения, построения карт внесенных доз удобрения.
Список источников литературы
1. The Emergence and Evolution of Earth System Science / W. Steffen, K. Richardson, J. Rockstrom, H.J. Schellnhuber, O.P. Dube, S. Dutreuil, T.M. Lenton, J. Lubchenco // Nature Reviews Earth & Environment. - 2020. -1 (1). - Р. 54-63.
2. Sperlea, T. A theoretical basis for bioindication in complex ecosystems / T. Sperlea, D. Heider,
G. Hattab // Ecological Indicators. - 2022. - 140 (May): 109050. - URL: https://doi.org/10.1016/ j.ecolind.2022.109050 (дата обращения: 20.12.2022).
3. Методы биоиндикационной оценки состояния агроэкосистем: аналитический обзор / Е.Н. Ракутько, С.А. Ракутько, С. Цзянь, М. Ян // АгроЭкоИнженерия. - 2022. № 1 (110). - С. 19-42.
4. Ecosystems Monitoring Powered by Environmental Genomics: A Review of Current Strategies with an Implementation Roadmap / T. Cordier, L. Alonso-Saez, L. Apotheloz-Perret-Gentil et al. // Molecular ecology.- 2020. - June. 30 (13). - Р. 2937-2958.
5. Романовский, Н.В. Возделывание столовой свеклы в органическом севообороте /
H.В. Романовский // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. - 2017. - № 93. - С. 48-53.
6. Kadam, V.D. Effect of different spacing and fertilizer levels on growth parameter and quality parameters of beetroot (Beta vulgaris L.) / V.D. Kadam, S.J. Shinde, S.J. Syed // Journal of Pharmacognosy and Phytochemistry. -2018. -7(5). - Р. 2845-2848.
7. Leaf morpho-colorimetric characterization of different grapevine varieties through changes on plant water status / Gutiérrez-Gamboa G. et all. // Horticulturae. - 2021. -7(9): 315.
8. Кулик, К.Н. Новые возможности анализа листовых пластинок деревьев-биоиндикаторов в оценке состояния окружающей среды в условиях аридной зоны / К.Н. Кулик, А.С. Исаков, В.В. Новочадов // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. - 2021. - 1 (61). - Р. 25-36.
9. Биоиндикационная оценка состояния агроэкосистемы органического севооборота при выращивании свеклы (Beta Vulgaris L.) / Ракутько С.А., Мишанов А.П., Ракутько Е.Н., Маркова А.Е. // АгроЭкоИнженерия. - 2022. - № 3 (112). - С. 4-24.
10. ImageJ2: ImageJ for the next generation of scientific image data / Rueden C. T. et al. // BMC Bioinformatics. - 2017.- 18(1).
References
1. Steffen, W., Richardson, K., Rockstrom, J., Schellnhuber, H.J., Dube, O.P., Dutreuil, S., Lenton, T.M., Lubchenco, J. (2020), The Emergence and Evolution of Earth System Science, Nature Reviews Earth & Environment, no. 1 (1), pp. 54-63.
2. Sperlea, T., Heider, D., Hattab, G. (2022), A theoretical basis for bioindication in complex ecosystems, Ecological Indicators, 140 (May): 109050, available at: https://doi.org/10.1016/ j.ecolind.2022.109050 ( accessed 20.12.2022).
3. Rakutko, E.N., Rakutko, S.A., Jian, S., Yan, M. (2022), Methods of bioindicative assessment of the state of agroecosystems: an analytical review, AgroEcoEngineering, no. 1 (110), pp. 19-42.
ЭЛЕКТРОТЕХНОЛОГИИ, ЭЛЕКТРООБОРУДОВАНИЕ Ц9
И ЭНЕРГОСНАБЖЕНИЕ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА ELECTRICAL TECHNOLOGIES, ELECTRICAL EQUIPMENT AND AGRO-INDUSTRIAL ENERGY SUPPLY
4. Cordier, T., Alonso-Saez, L., Apotheloz-Perret-Gentil, L. et al. (2020), Ecosystems Monitoring Powered by Environmental Genomics: A Review of Current Strategies with an Implementation Roadmap, Molecular ecology, June 30 (13), рр. 2937-2958.
5. Romanovsky, N.V. (2017), Cultivation of table beet in organic crop rotation, Technologies and technical means of mechanized production of crop and livestock products, no. 93, pp. 48-53.
6. Kadam, V.D., Shinde, S.J., Syed, S.J. (2018), Effect of different spacing and fertilizer levels on growth
parameter and quality parameters of beetroot (Beta vulgaris L.), Journal of Pharmacognosy and Phytochemistry, no. 7(5), pp. 2845-2848.
7. Gutierrez-Gamboa G. et al. (2021), Leaf morpho-colorimetric characterization of different grapevine varieties through changes on plant water status, Horticulturae, no. 7(9): 315.
8. Kulik, K. N., Isakov, A. S., Novochadov, V. V. (2021), New opportunities for the analysis of leaf blades
of bioindicator trees in assessing the state of the environment in an arid zone, Izvestiya NVAUK, no. 1(61), pp. 25-36.
9. Rakutko, S.A., Mishanov, A.P., Rakutko, E.N., Markova, A.E. (2022), Bioindicative assessment of the
state of the agroecosystem of organic crop rotation in the cultivation of beets (Beta Vulgaris L.), AgroEcoEngineering, no. 3 (112), pp. 4-24.
10. Rueden, C. T. et al. (2017), ImageJ2: ImageJ for the next generation of scientific image data, BMC Bioinformatics, no. 18(1).
Cведения об авторах
Ракутько Сергей Анатольевич - доктор технических наук, главный научный сотрудник кафедры энергообеспечения предприятий и электротехнологий Санкт-Петербургского государственного аграрного университета, главный научный сотрудник отдела агроэкологии в растениеводстве Института агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) - филиал ФГБНУ ФНАЦ ВИМ, spin-код: 5103-4590. Ракутько Елена Николаевна - научный сотрудник отдела агроэкологии в растениеводстве Института агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) - филиал ФГБНУ ФНАЦ ВИМ, spin-код: 1427-3360.
Information about the authors
Sergei A. Rakutko - DSc (Engineering), chief researcher of Department of Energy Supply of Companies and Electrical Technologies, Saint-Petersburg State Agrarian University; chief researcher of Department of Agroecology in Crop Production, Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) - branch of Federal State Budgetary Scientific Institution "Federal Scientific Agroengineering Center VIM", spin-код: 5103-4590.
Elena N. Rakutko - researcher of Department of Agroecology in Crop Production, Institute for Engineering and Environmental Problems in Agricultural Production (IEEP) - branch of Federal State Budgetary Scientific Institution "Federal Scientific Agroengineering Center VIM", spin-код: 14273360.
Авторский вклад. Все авторы статьи принимали непосредственное участие в планировании, выполнении и поиске литературы. Все авторы настоящей статьи ознакомились и одобрили представленный окончательный вариант.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Authors' contribution. All authors of this paper have directly participated in the study planning and execution, and literature survey. All authors have read and approved the final version of the paper submitted.
Conflict of interest. The authors declare no conflict of interest.
Статья поступила в редакцию 21.11.2022; одобрена после рецензирования 10.03.2023; принята к публикации 27.03.2023
The article was submitted 20.10.2022; approved after reviewing 21.11.2022; accepted after publication 27.03.2023
