- Код статьи
- 10.31857/S2500262724040015-1
- DOI
- 10.31857/S2500262724040015
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 4
- Страницы
- 3-7
- Аннотация
- Исследования проводили с целью нахождения закономерностей влияния условий ландшафтной среды на урожайность клеверотимофеечных травостоев 1 года пользования в различных агроклиматических обстановках. Работу выполняли на основе данных длительного мониторинга (1998–2023 гг.), полученных в пределах моренного холма, находящегося на агрополигоне «Губино» ВНИИМЗ в Тверской области. Почвообразующие породы – двучленные отложения, состоящие из верхнего, сложенного относительно легкими породами слоя, подстилаемого моренным завалуненным суглинком. Травостои эксплуатировали без удобрений в одноукосном режиме на поле, разбитом на 120 делянок. Методом регрессионного анализа определяли влияние факторов ландшафтно-почвенной среды (рельеф, физические и агрохимические свойства почвы) на урожайность трав, а также на зависимость степени этого воздействия от климатических условий. Сильнее всего на сбор продукции многолетних трав влияют разнообразные фракции гранулометрического состава почв – от камней до пыли (до 16 % его вариабельности) и высота местоположения (до 38 %), так как от них во многом зависят термические и водно-воздушные характеристики почв и растительного покрова. Такие характеристики рельефа, как крутизна и кривизна поверхности, оказывают незначительное воздействие на урожай трав (до 12 %). Степень воздействия факторов агроландшафтной среды на произрастание трав во многом регулируется изменениями метеоусловий. «Климатические сценарии» конкретного фактора – наборы параметров погоды, при которых проявляется его действие на продукционный процесс культуры, в годы посева и укоса, как правило, кардинально не различаются. Знание характера влияния климатических факторов позволяет точнее прогнозировать урожайность культуры в пределах агроландшафта и, таким образом, оптимизировать расположение посевов на территории конкретного хозяйства.
- Ключевые слова
- мониторинг травостой трансекта статистический анализ климат ландшафт
- Дата публикации
- 16.09.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 11
Библиография
- 1. Methodological evolution of potato yield prediction: a comprehensive review / Y. Lin, S. Li, S. Duan, et al. // Frontiers in plant science. 2023. Vol. 14. 1214006. URL: https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2023.1214006 (дата обращения: 19.06.2024).
- 2. Crop Yield Prediction through Proximal Sensing and Machine Learning Algorithms / F. Abbas, H. Afzaal, A. A. Farooque, et al. // Agronomy. 2020. Vol. 10. No. 7. 1046. URL: https://www.mdpi.com/2073–4395/10/7/1046 (дата обращения: 19.06.2024). doi: 10.3390/agronomy10071046.
- 3. Abou Ali H., Delparte D., Griffel L. M. From pixel to yield: forecasting potato productivity in lebanon and Idaho. The International Archives of the Photogrammetry Remote Sensing and Spatial Information Sciences. 2020. Vol. 42–3. No. 11. P. 1–7. URL: https://isprs-archives.copernicus.org/articles/XLII-3-W11/1/2020/ (дата обращения: 19.06.2024). doi: 10.5194/isprs-archives-XLII-3-W11-1-2020.
- 4. Бисчоков Р. М. Анализ, моделирование и прогноз урожайности сельскохозяйственных культур средствами искусственных нейронных сетей // Вестник Российского университета дружбы народов. Серия: Агрономия и животноводство. 2022. Т. 17. № 2. C. 146–157. doi: 10.22363/2312-797X 2022-17-2-146-157.
- 5. Прогнозирование урожайности сельскохозяйственных культур на основе математических моделей баланса гумуса, кислотности почвы, NPK / Д. А. Благов, С. В. Митрофанов, В. С. Никитин и др. // Международный научный сельскохозяйственный журнал. 2019. № 3. С. 62–66.
- 6. Лебедева В. М., Найдина Т. А. Учет осенне-зимнего увлажнения почвы в динамико-статистической модели прогноза урожайности озимых культур // Гидрометеорологические исследования и прогнозы. 2022. № 4(386). С. 79–95. doi: 10.37162/2618-9631-2022-4-79-95.
- 7. Степанов А. С. Прогнозирование урожайности сельскохозяйственных культур на основе данных дистанционного зондирования Земли (на примере сои) // Вычислительные технологии. 2019. Т. 24. № 26. С. 125–132.
- 8. Степанов А. С., Асеева Т. А., Дубровник К. Н. Влияние климатических характеристик и значений вегетационного индекса NDVI на урожайность сои (на примере районов Приморского края) // Аграрный вестник Урала. 2020. № 1 (192). С. 10–19. doi: 10.32417/1997-4868-2020-192-1-10-19.
- 9. Буховец А.А., Кучеренко М. В., Семин Е. А. Прогнозирование урожайности зерновых культур с помощью динамической модели нормализованного относительного индекса растительности, учитывающей физиологические особенности развития сельскохозяйственных растений // Вестник Воронежского государственного аграрного университета. 2021. № 3 (70). С. 93–104. doi: 10.53914/issn2071-2243_2021_3_93.
- 10. Principles and applications of topography in precision agriculture / A. H. Rabia, J. Neupane, Z. Lin, et al. // Advances in Agronomy. 2022. Vol. 171. P. 143–189. doi: 10.1016/bs.agron.2021.08.005.
- 11. Иванов Д. А., Карасева О. В., Рублюк М. В. Изучение динамики продуктивности трав на основе данных многолетнего мониторинга // Аграрная наука Евро-Северо-Востока. 2021. № 22(1). С. 76–84. doi: 10.30766/2072-9081.2021.22.1.76-84.
- 12. Средостабилизирующая роль многолетних трав в условиях современных вызовов экологического и климатического характера / А. И. Белолюбцев, А. Н. Куприянов, И. А. Кузнецов и др. // АгроЭкоИнфо. 2023. № 1 (55). doi: 10.51419/202131127.
- 13. Ksenofontov M. Y., Polzikov D. A. On the issue of the impact of climate change on the development of russian agriculture in the long term // Studies on Russian Economic Development. 2020. Vol. 31. No. 3. Р. 304–311. doi: 10.1134/S1075700720030089.
- 14. Шашко Д. И., Розов Н. Н. Внутриобластное природно-сельскохозяйственное районирование как форма учета биоклиматического потенциала // Земледелие. 1989. № 3. С. 18–22.
- 15. Беручашвили Н. Л. Геофизика ландшафта. М.: Высшая школа, 1990. 287 с.
- 16. Temperature increase reduces global yields of major crops in four independent estimates / C. Zhaoa, B. Liub, S. Piaoa, et al. // Proceedings of the National Academy of Sciences. 2017. Vol. 114. No. 35. Р. 9326–9331. doi: 10.1073/pnas.1701762114.
- 17. The application of the soil-agroclimatic index for assessing the agronomic potential of arable lands in the forest-steppe zone of Russia / D. S. Bulgakov, D. I. Rukhovich, E. A. Shishkonakova, et al. // Eurasian Soil Science. 2018. Vol. 51(4). Р. 448–459. doi: 10.1134/S1064229318040038.
- 18. Козунь Ю. С., Казеевa К. Ш., Колесников С. И. Влияние климата на ферментативную активность лесных почв северного Кавказа // Лесоведение. 2022. № 3. С. 262–269. doi: 10.31857/S002411482203010X.
- 19. Effects of Plastic Film Mulching on Soil Enzyme Activities and Stoichiometry in Dryland Agroecosystems / M. Liu, X. Zhao, M. E. Hossain, et al. // Plants. 2022. Vol. 11(13). P. 1748. URL: https://www.mdpi.com/2223–7747/11/13/1748 (дата обращения: 19.06.2024). doi: 10.3390/plants11131748.
- 20. Иванов Д. А., Рублюк М. В. Влияние погодных и ландшафтных условий на урожайность яровой пшеницы // Зерновое хозяйство России. 2023. Т. 15. № 5. С. 70–77. doi: 10.31367/2079-8725-2023-88-5- 70-77.
- 21. Иванов Д. А., Рублюк М. В., Хархардинов Н. А. К вопросу об адаптивно-ландшафтном обустройстве заброшенных земель на основе результатов прогнозирования урожайности ячменя // Российская сельскохозяйственная наука. 2023. № 5. С. 27–33. doi: 10.31857/S2500262723050058.
- 22. Плохинский Н. А. Биометрия. М.: МГУ, 1970. 367 с.
