Исследование внутриполевых неоднородностей развития посевов сои по данным ДЗЗ и свойствам пахотного горизонта (на примере юга Дальнего Востока)

Полный текст

В последние годы переход к точному и цифровому земледелию для повышения урожайности культур в условиях внутриполевой изменчивости развития посевов стал мировым трендом [1, 2]. Эффективным подходом к организации точного земледелия служит количественная оценка вариативности распределения агроэкологических параметров, влияющих на продуктивность сельскохозяйственных культур [1]. К перспективным методам оценки неоднородностей развития посевов относят в первую очередь подходы, основанные на использовании данных дистанционного зондирования Земли (ДЗЗ). Исследования в области поиска зависимостей значений вегетационных индексов (по данным ДЗЗ) и показателей, характеризующих физиологическое состояние посевов, проводятся в Агрофизическом научно-исследовательском институте. По их результатам, например, было установлено, что состояние стресса растений, смоделированное посредством снижения уровня азотного питания и кратковременной почвенной засухи, вызывает изменение значений индексов отражения [3]. Величины оптических индексов, в том числе NDVI, коррелируют с обеспеченностью растений азотом в начале вегетационного цикла, а для дальнейшей оценки обеспеченности азотом перспективнее использовать индексы, характеризующие активность фотосинтеза (ChlRI, WRI и др.) [4]. Другой немаловажный аспект организации точного земледелия – проведение исследований по изучению почвенных характеристик с использованием данных ДЗЗ, в том числе в рамках одного поля [5]. Так, было установлено, что на продуктивность посевов и, в конечном итоге, на урожайность культур влияют такие свойства, как содержание органического вещества, влажность, гранулометрический состав и др. [6, 7]. Они могут быть оценены опосредовано, исходя из спектральной отражательной способности почвы на основе данных космической и аэрофотосъемки.

Для оценки неоднородности посевов в основном используют значения оптических индексов вегетации, полученные при помощи БПЛА [8, 9, 10, 11]. Например, было установлено, что наиболее высокую точность прогнозирования при оценке изменчивости содержания подвижного азота на пастбищах можно достичь при использовании БПЛА, но при некотором снижении точности для этого пригодны и данные Sentinel-2 и Landsat 8/9 [12, 13].

Интенсивное использование пахотных земель, в том числе при выращивании сои – ведущей культуры ДФО, в крайне непростых погодных условиях дальневосточного региона (муссонный характер климата, частые наводнения) вместе с внесением минеральных удобрений может приводить к потере органического вещества (гумуса) и, в конечном итоге, к существенному снижению биологической продуктивности почв [14]. Поэтому особое значение приобретают исследования, направленные на совместный анализ свойств почвы и оценку развития посевов сои, в том числе спутниковыми методами.

Цель исследования – с использованием методов ДЗЗ разработать подходы для оценки внутриполевой неоднородности развития посевов сои и установить возможность определения взаимосвязей между показателями продуктивности сои, агрохимических и физико-химических свойств, а также микро- и макроэлементного состава почв.

Для ее достижения решали следующие задачи:

провести агрохимический анализ почвы, оценить количественное содержание микро- и макроэлементов, сравнить данные космо- и аэрофотосъемки для разных участков поля с посевами сои;

построить карты пространственного распределения значений NDVI, агрохимических показателей, показателей продуктивности сои и физико-химических характеристик почвы;

оценить корреляционные зависимости между характеристиками почвы, показателями продуктивности сои и значениями NDVI.

Условия, материалы и методы. Работу проводили в 2023 г. на одном из опытных полей ДВ НИИСХ (правый берег Амура, окрестности г. Хабаровска) площадью 36,9 га (рис. 1). В эксперименте выращивали сорт сои Марината. Посев проводили 29–30 мая с предпосевным внесением минерального удобрения Фертим (Fertim) NPS+Ca 9:14:10+26. Почва опытного участка лугово-бурая тяжелосуглинистая с низким естественным плодородием, обусловленным повышенной кислотностью и незначительным содержанием питательных элементов [15]. Содержание гумуса в почве опытного поля составляло 3,3 % (по Тюрину), подвижного фосфора (P₂O₅) и калия (K₂O) – 3,8 мг/100 г и 6,9 мг/100 г (по Кирсанову), pH почвы – 4,8 (потенциометрическим методом).

 

Рис. 1. Область исследования с участками отбора почвенных проб.

 

На исследуемом поле выделяли 10 участков площадью 10 м², из пахотного горизонта (глубина 0…30 см) которых 24.05.2023 и 03.08.2023 отбирали по пять точечных проб, далее для каждого участка формировали объединенные пробы.

В почвенных образцах содержание нитратного азота (N-NO₃, мг/кг) и величину рН определяли потенциометрическим методом; гидролитическую кислотность (H_г, мг-экв/100 г) – методом Каппена; содержание подвижного фосфора (P₂O₅, мг/100 г) и калия (K₂O, мг/100 г) – методом Кирсанова; влажность – по ГОСТ 28268-89.

Оценку содержания макро- и микроэлементов в почвенных образцах проводили методом рентгено-флуоресцентного анализа (РФА, S4 Pioneer (Bruker, AXS)) и масс-спектрометрическим методом с индуктивно-связанной плазмой (ICP-MS ELAN-9000 (PerkinElmer)). Определяли валовые содержания оксидов (SiO₂, TiO₂, Al₂O₃, Fe₂O₃, MnO, CaO, MgO, Na₂O, K₂O, P₂O₅) и химических элементов (Li, B, P, Sc, V, Сr, Мn, Со, Ni, Сu, Zn, Аs, Sе, Sr, Y, Мо, Cd, Sb, Ba, La, Ce, Pr, Nd, Sm, Eu, Gd, Tb, Dy, Ho, Er, Tm, Yb, Lu, Hg, Pb, Bi).

На каждом из исследуемых участков определяли следующие показатели продуктивности сои: высота растения, см (h, см); высота прикрепления первого узла, см; количество узлов на растении, шт (X_узлов, шт); количество бобов на одном растении, шт (X_бобов, шт); количество семян с одного растения, шт (X_семян, шт); масса семян с растения, г (m_семян, г); масса 1000 семян, (m_{1000семян}, г).

Карты пространственного распределения характеристик почвенных образцов и продуктивности сои строились в SAGA с использованием метода универсального кригинга.

Значения вегетационного индекса NDVI для каждого пикселя рассчитывали после обработки изображений уровня L2A, полученных со спутников Sentinel-2 с разрешением 10 м 07.08.2023, 03.09.2023 и 04.10.2023 по формуле:

$\mathrm{NDVI} =\frac{\mathrm{NIR} – \mathrm{RED}}{\mathrm{NIR} + \mathrm{RED}}$

где NIR и RED – значения спектральной отражательной способности в ближнем инфракрасном и красном диапазонах соответственно.

Кроме того, съемку исследуемого поля проводили с использованием DJI Mavic3M (21.08.2023, 28.09.2023). Значения NDVI для всех пикселей поля рассчитывали с использованием Metashape, полученные значения усредняли до пикселя 1 м, а также для выбранных участков 10 м².

Анализ данных на соответствие нормальному распределению проводили с помощью критерия Шапиро – Уилка. Зависимости между показателями выявляли с использованием коэффициентов корреляции: для нормально распределенных данных – Пирсона (R); для не нормально распределенных данных – Спирмена (R_s). Оценку значимости различий между средними величинами для показателей, полученных при первом и втором отборе проб, для нормально распределенных данных проводили с использованием t-критерия Стьюдента; для данных, не подчинявшихся закону нормального распределения – U-критерия Манна–Уитни.

Результаты и обсуждение. При первом отборе почвенных образцов содержание подвижных форм Р₂О₅ и К₂О на всем поле находилось в диапазоне соответственно от 2,47 до 6,07 мг/100г (V = 33,13 %) и от 4,98 до 9,37 мг/100г (V = 20,07 %). Содержание N-NO₃ в почве в конце весны до использования удобрений также отличалось достаточно высокой вариабельностью (X_мин = 2,51 мг/кг, X_макс = 6,84 мг/кг, V = 35,12 %). Внесение удобрений позволило снизить вариативность содержания N-NO₃ и Р₂О₅ до 11,61 % и 21,99 % соответственно. Известно, что применение азотных удобрений с усредненной нормой по полю снижает вариабельность внутрипольного содержания N-NO₃ [16]. Логичным эффектом от применения удобрений стало и выравнивание вариативности подвижных форм фосфора, а отсутствие аналогичной картины по калию можно объяснить составом удобрения. Корреляционных связей между содержанием N-NO₃, Р₂О₅ и К₂О для разных участков поля выявлено не было.

Валовое содержание макроэлементов и их варьирование соответствовали естественным для рассматриваемого типа почва (табл. 2). Не были отмечены и значимые изменения величин этих показателей как для участков, так и для поля в целом, в период между первым и вторым отборами проб. Наиболее высокая доля макроэлементов приходилась на SiO₂ (68,5 % на воздушно-сухое вещество) и Al₂O₃ (14,3 % на воздушно-сухое вещество).

 

Табл. 1. Варьирование показателей продуктивности сои и агрохимических характеристик почвы (август 2023 г.)

Показатель	N-NO3	P2O5	K2O	h, см	Xузлов*, шт.	Xбобов, шт.	Xсемян*, шт.	mсемян*, г
Xмин	4,13	2,51	2,57	64	10	21	47	8
Xмакс	6,45	4,50	4,96	79	12	32	72	12
Xср	5,39	3,10	3,27	69,4	10,7	24,6	53,6	8,9
V, %	11,61	21,99	24,14	6,77	–	12,88	–	–

*значения показателя не соответствуют нормальному распределению (p < 0,05).

 

Табл. 2. Варьирование показателей пахотного горизонта почвы исследуемого поля (валовой состав, август 2023 г.), % на воздушно-сухое вещество

Показатель	SiO2	TiO2	Al2O3	Fe2O3	MnO	CaO	MgO	Na2O	K2O	P2O5
Xмин, %	64,42	0,83	13,38	4,80	0,08	0,91	0,84	1,33	2,23	0,19
Xмакс, %	70,19	0,88	14,79	5,63	0,25	1,22	1,02	1,56	2,38	0,26
Xср, %	68,46	0,87	14,25	5,04	0,14	1,01	0,96	1,48	2,33	0,22
V, %	2,54	1,82	3,22	5,03	35,99	9,94	5,21	4,71	2,57	8,57

 

Повышенное валовое содержание F₂O₃ и MnO может свидетельствовать о формировании в пахотном горизонте железомарганцевых конкреций, которые могут играть роль геохимических «барьеров» и аккумулировать поступающие из фосфорных удобрений токсичные микроэлементы, что предотвращает их попадание в конечную продукцию [17].

Варьирование среднего содержания редкоземельных элементов (РЗЭ) по выделенным участкам не было значительным и не превышало 5 %. Для некоторых микроэлементов (например, Co, Mo, а в особенности Cr и Mn) наблюдали существенный разброс значений. Содержание микроэлементов (Zn, Cu, Pb, Co, Mo, Ni) для исследуемой территории находилось в пределах кларка, соответствующего рассматриваемому типу почв дальневосточного региона [18]. В пахотном горизонте было установлено повышенное содержание мышьяка (до 10 мг/кг). С одной стороны, это могло быть обусловлено геохимическими особенностями глинистых пахотных почв региона, с другой – результатом длительного использования фосфорных удобрений.

В периоде между первым и вторым отбором отмечено статистически значимое снижение содержания большинства РЗЭ и микроэлементов в почве (табл. 4). Относительное уменьшение показателя находилось в диапазоне от 4 до 10,5 % для РЗЭ. Снижение содержания РЗЭ в пахотном горизонте могло быть вызвано как аккумулированием элементов в сое, так и их вымыванием из пахотного слоя. При этом, по данным некоторых исследователей, РЗЭ оказывают определенное влияние на урожайность сельскохозяйственных культур [19]. Однако в ходе наших исследований таких связей между величинами этих показателей не выявлено.

Пространственное распределение NDVI (включая зоны с высокими значениями индекса), смоделированное по данным Sentinel-2, в период налива семян (начало августа) соответствовало распределению NDVI, полученному по данным DJI Mavic3M (рис. 2). В то же время карта распределения NDVI, сформированная по данным аэрофотосъемки от 28.09.23, не полностью соответствовала карте, построенной по спутниковым данным за 04.10.23. Это объясняется тем, что, во-первых, пространственная изменчивость значений NDVI осенью значительно выше, чем в период максимума вегетации. Во-вторых, продолжительность временного интервала между датами аэро- и спутниковой съемки в осенний период также оказывает более значительное влияние на численные значения вегетационного индекса.

 

Табл. 3. Варьирование показателей пахотного горизонта почвы исследуемого поля (микроэлементный состав, август 2023 г.)

Элемент	Xср, мг/кг	V, %
Li	31,8	1,5
B*	8,4	7,27–9,45
P*	802	691–921
V	81,5	2,5
Cr	102,3	13,3
Mn*	820,8	554–1070
Co	13,2	7,9
Ni	22	6,1
Cu*	23,2	18,3–26,8
Zn*	66,9	63,0–73,9
As*	9,2	8,9–9,6
Sr	143,6	3,1
Mo	1,4	7,8
Cd*	0,04	0,03–0,04
Sb*	0,9	0,89–0,97
Ba	529,9	1,6
Hg*	0,1	0,07–0,12
Pb	23,9	1,7
Sc	9,4	2,3
Y	13,9	4
La	28,1	2,3
Ce	59	2,5
Pr	6,5	2,2
Nd	23,3	2,2
Sm	4,5	1,9
Eu	0,9	2,1
Gd	4,6	2,6
Tb	0,6	2,4
Dy	3	3,4
Ho	0,6	3,6
Er	1,6	3,8
Tm	0,2	3,7
Yb	1,4	2,8
Lu	0,2	4,4

*значения показателя не соответствуют нормальному распределению (p < 0,05).

 

Табл. 4. Оценка изменений микроэлементного состава* почвы в период с мая по август 2023 г.

Элемент	ΔXср, мг/кг	ΔXср, %
Li	–1,62	–4,9
B**	–1,18	–12,4
V	–3,55	–4,2
Cr	19,72	23,9
Zn**	–20,09	–23,1
Sr	–6,33	–4,2
Mo	0,18	15
Cd**	–0,02	–17,7
Sc	–0,4	–4,1
Y	–1,44	–9,4
La	–2,42	–7,9
Ce	–5,27	–8,2
Pr	–0,58	–8,2
Nd	–2,56	–9,9
Sm	–0,43	–8,6
Eu	–0,06	–6
Gd	–0,3	–6,1
Tb	–0,03	–4,5
Dy	–0,18	–5,8
Ho	–0,03	–5,3
Er	–0,16	–9,1
Tm	–0,02	–6,9
Yb	–0,16	–10,5
Lu	–0,02	–8,2

*представлены только статистически значимые изменения (для нормально распределенных величин с t < t_кр, для ненормально распределенных – c U ≤ U_табл, при p < 0.05);

**значения показателя не соответствуют нормальному распределению (p < 0.05).

 

Рис. 2. Пространственное распределение значений NDVI для поля с соей по данным космо- и аэрофотосъемки.

 

Установлена значимая корреляция между величинами NDVI, рассчитанными для пикселя 10 м (Sentinel-2, 07.08) и усредненными значениями NDVI в этом же пикселе (DJI Mavic3M, 21.08). Кроме того, необходимо отметить положительную корреляцию между соответствующими показателями, полученными по изображениям DJI Mavic3M от 21.08 и Sentinel-2 от 07.08 (R = 0,41), а также DJI Mavic3M от 28.09 и Sentinel-2 от 03.10 (R = 0,61), что свидетельствует о возможности использования спутниковых данных для оценки внутриполевых неоднородностей.

Достаточно широко известно о прямой корреляционной связи между показателями продуктивности сельскохозяйственных культур и значениями NDVI в период максимума вегетации [20]. В наших исследованиях 21.08 индекс NDVI имел достоверную корреляцию (табл. 6) с высотой растений сои (0,64) и числом бобов на растении (0,64). Связь с другими показателями продуктивности также была достаточно высокой. В работе [21] было установлено, что влажность почвы оказывает существенное влияние на урожайность яровой пшеницы. В нашем исследовании влажность почвы имела положительную корреляционную связь с NDVI (0,87), а также высотой сои (0,68) для всего периода вегетации культуры. Кроме того, выявлена положительная корреляция (0,79) NDVI с гидролитической кислотностью (H_г) и отрицательная (–0,79) – с pH почвы. Отрицательная корреляция между NDVI и содержанием подвижного калия и подвижного фосфора, скорее всего, была обусловлена типом применявшегося удобрения. Обратная корреляция NDVI с подвижным фосфором была также подтверждена работами некоторых исследователей [22].

 

Табл. 5. Коэффициенты корреляции между значениями NDVI для разных видов и дат съемки

Наименование	${\mathrm{NDVI}}_{\mathrm{DJI}}^{21.08}$	${\mathrm{NDVI}}_{\mathrm{Sent}}^{07.08}$	${\mathrm{NDVI}}_{\mathrm{Sent}}^{05.09}$	${\mathrm{NDVI}}_{\mathrm{DJI}}^{28.09}$
${\mathrm{NDVI}}_{\mathrm{Sent}}^{07.08}$	0,96	1,00
${\mathrm{NDVI}}_{\mathrm{Sent}}^{05.09}$	0,41	0,39	1,00
${\mathrm{NDVI}}_{\mathrm{Sent}}^{28.09}$	–0,70	–0,72	–0,57	1,00
${\mathrm{NDVI}}_{\mathrm{Sent}}^{04.10}$	–0,55	–0,66	–0,35	0,61

*верхний индекс соответствует дате съемки, нижний индекс – тип съемки (спутник Sentinel или БПЛА DJI Mavic3M).

 

Табл. 6. Коэффициенты корреляции между значениями NDVI, характеристиками почвы и показателями продуктивности посевов сои

Наименование	${\mathrm{NDVI}}_{\mathrm{DJI}}^{21.08}$	N-NO3	P2O5	K2O	h, см	*Xузлов, шт.	Xбобов, шт.	*Xсемян, шт.	*mсемян, г	W, %	pH
N-NO3	0,61	1,00
P2O5	–0,80**	–0,57	1,00
K2O	–0,69	–0,64	0,90	1,00
h, см	0,64	0,71	0,11	–0,04	1,00
*Xузлов, шт.	0,53	0,04	–0,22	–0,04	0,22	1,00
Xбобов, шт.	0,64	0,29	–0,33	–0,17	0,48	0,87	1,00
*Xсемян, шт.	0,58	0,20	–0,23	–0,10	0,44	0,88	0,91	1,00
*mсемян, г	0,49	–0,17	–0,24	–0,08	0,34	0,78	0,84	0,96	1,00
W, %	0,87	0,56	–0,62	–0,42	0,68	0,31	0,52	0,45	0,40	1,00
pH	–0,79	–0,73	0,88	0,90	–0,33	–0,09	–0,27	–0,15	–0,13	–0,58	1,00
Hг, мг-экв/100 г	0,79	0,73	–0,85	0,84	0,28	0,14	0,27	0,13	0,08	0,59	–0,98

*для соответствующих показателей рассчитывались значения R_s, для остальных – R;

**жирным шрифтом выделены статистически значимые коэффициенты корреляции.

 

Анализ карт пространственного распределения показателей продуктивности, а также агрохимических и физико-химических свойств почвы свидетельствует о том, что зоны высокой продуктивности, повышенной влажности и сниженной кислотности находились в северной части поля (рис. 3). Наибольшее содержание подвижного фосфора и калия было, напротив, характерно для южной части поля. Распределение N-NO₃ имело менее вариативный характер, при этом максимальные значения соответствовали центральной части опытного поля, несколько меньшие – северной части. Сравнение карт с пространственным распределением NDVI также позволило выявить соответствие зон высокой продуктивности зонам высоких значений NDVI (в частности, северная часть поля).

 

Рис. 3. Карты пространственного распределения агрохимических и физико-химических характеристик поля, а также показателей продуктивности сои.

 

Выводы. Содержание микро- и макроэлементов в почве опытного поля сои в целом соответствовало характерным показателям для лугово-бурых тяжелосуглинистых почв. Его вариабельность для N-NO₃ при первом отборе составляла 35,12 %, Р₂О₅–33,13 %, К₂О – 20,07 %. После внесения удобрений она снизилась для N-NO₃ до 11,61 %, Р₂О₅ – до 21,99 %. Между отборами проб не отмечены значимые изменения валового состава почвы. Варьирование содержания редкоземельных элементов по выделенным участкам не превышало 5 %, при этом установлено достоверное снижение содержания редкоземельных элементов в почве к периоду второго отбора образцов.

Построены карты пространственного распределения NDVI по данным Sentinel-2 и DJI Mavic3M. Установлено соответствие областей внутриполевых неоднородностей посевов сои по данным спутниковой и аэрофотосъемки. Зона высокой продуктивности сои находилась в северной части поля, что соответствует зонам повышенной влажности и сниженной кислотности, а также повышенным значениям NDVI, что дает возможность сделать заключение о необходимости дифференцированного внесения удобрений для повышения средней урожайности.

Установлена достоверная корреляция значений индекса NDVI в августе 2023 г. с высотой сои (R = 0,64) и числом бобов (R = 0,64), влажности почвы с NDVI (R = 0,87) и высотой сои (R = 0,68) для всего периода вегетации культуры, NDVI с H_г (R = 0,79), а также отрицательная связь NDVI c величиной pH (R = –0,79). Таким образом, индекс NDVI, рассчитанный по данным космо- и аэрофотосъемки может использоваться для оценки неоднородностей развития посевов сои и, в конечном итоге, для корректировки прогноза урожайности, выявления проблемных участков поля и дифференцированного внесения удобрений в дальнейшем.

ФИНАНСИРОВАНИЕ РАБОТЫ

Данная работа выполнена при финансовой поддержке Российского Научного Фонда, проект 23–76–00007.

СОБЛЮДЕНИЕ ЭТИЧЕСКИХ СТАНДАРТОВ

В данной работе отсутствуют исследования человека или животных.

КОНФЛИКТ ИНТЕРЕСОВ

Авторы данной работы заявляют, что у них нет конфликта интересов.

Об авторах

А. С. Степанов

Дальневосточный научно-исследовательский институт сельского хозяйства, Хабаровский Федеральный исследовательский центр ДВО РАН

Автор, ответственный за переписку.
Email: stepanfx@mail.ru

доктор фармацевтических наук

Россия, 680521, Хабаровский край, с. Восточное, ул. Клубная, 13

Г. В. Харитонова

Институт водных и экологических проблем ДВО РАН, Хабаровский Федеральный исследовательский центр ДВО РАН

Email: stepanfx@mail.ru

доктор биологических наук

Россия, 680000, Хабаровск, ул. Дикопольцева, 56

Т. А. Асеева

Дальневосточный научно-исследовательский институт сельского хозяйства, Хабаровский Федеральный исследовательский центр ДВО РАН

Email: stepanfx@mail.ru

доктор сельскохозяйственных наук, член-корреспондент РАН

Россия, 680521, Хабаровский край, с. Восточное, ул. Клубная, 13

А. Л. Верхотуров

Вычислительный центр ДВО РАН, Хабаровский Федеральный исследовательский центр ДВО РАН

Email: stepanfx@mail.ru
Россия, 680000, Хабаровск, ул. Ким Ю Чена, 65

К. Н. Дубровин

Вычислительный центр ДВО РАН, Хабаровский Федеральный исследовательский центр ДВО РАН

Email: stepanfx@mail.ru
Россия, 680000, Хабаровск, ул. Ким Ю Чена, 65

А. Н. Фролов

Дальневосточный научно-исследовательский институт сельского хозяйства, Хабаровский Федеральный исследовательский центр ДВО РАН

Email: stepanfx@mail.ru
Россия, 680521, Хабаровский край, с. Восточное, ул. Клубная, 13

Список литературы

Дополнительные файлы