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

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Оценка неоднородностей развития посевов сельскохозяйственных культур – одно из ключевых условий прогнозирования урожайности и повышения экономической эффективности земледелия. Цель исследования – разработка методов оценки внутриполевых неоднородностей посевов сои на основе данных дистанционного зондирования Земли (ДЗЗ) и определение взаимосвязи между показателями продуктивности сои и характеристиками почвы. Работу проводили на лугово-бурой тяжелосуглинистой почве, для отбора образцов в мае и августе 2023 г. было выбрано 10 участков поля, занятого соей, общей площадью 36,9 га (Хабаровский край). Исследования базировались на результатах обработки данных ДЗЗ (спутник Sentinel-2, квадрокоптер DJI Mavic3M), оценке показателей продуктивности сои, агрохимических, физико-химических характеристик почв и микро- и макроэлементного состава. Пространственное распределение NDVI, смоделированное по данным Sentinel-2 (начало августа) соответствовало распределению NDVI по данным DJI Mavic3M. Установлена достоверная корреляция значений индекса NDVI в августе 2023 г. с высотой сои (R = 0,64) и числом бобов (R = 0,64). Влажность почвы имеет положительную корреляционную связь с NDVI (R = 0,87) и высотой сои (R = 0,68) для всего периода вегетации культуры. Установлена положительная корреляции NDVI с Hг (R = 0,79) и отрицательная – c pH (R = –0,79). Содержание N-NO3 находилось в диапазоне от 2,51 до 6,84 мг/кг (V = 35,12 %), подвижных форм Р2О5 – от 2,47 до 6,07 мг/100 г (V = 33,13 %), К2О – от 4,98 до 9,37 мг/100 г (V = 20,07 %). Вариабельность содержания N-NO3 и Р2О5 снизилась к августу до 11,61 % и 21,99 %. Между первым и вторым отборами проб не отмечали значимых изменений валового состава почвы. Варьирование содержания редкоземельных элементов (Sc, Y, лантаноиды) по выделенным участкам не превышало 5 %. К дате второго отбора отмечали достоверное снижение их содержания в почве на 4…10,5 % (p < 0,05).

Полный текст

Доступ закрыт

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

  1. Теоретические основы дистанционной и наземной количественной оценки внутриполевой изменчивости для точного земледелия / В. П. Якушев, Ю. И. Блохин, С. Ю. Блохина и др. Санкт-Петербург: АФИ, 2023. 75 с.
  2. Научно-обоснованный прогноз развития точного земледелия в России / Е. В. Рудой, М. С. Петухова, С. В. Рюмкин, Е.В. и др. Новосибирск: ИЦ НГАУ «Золотой колос», 2021. 138 с.
  3. Новые возможности автоматизации процесса обнаружения внутриполевой неоднородности по гиперспектральным снимкам и оптическим критериям / B. П. Якушев, Е. В. Канаш, В. В. Якушев и др. // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 24–32.
  4. Якушев В. П., Канаш Е. В., Русаков Д. В. Корреляционные зависимости между вегетационными индексами, урожаем зерна и оптическими характеристиками листьев пшеницы при разном содержании в почве азота и густоте посева // Сельскохозяйственная биология. 2022. Т. 57. № 1. С. 98–112.
  5. Прудникова Е. Ю., Савин И. Ю., Грубина П. Г. Спутниковая оценка агрономически важных свойств пахотных почв с учетом состояния их поверхности // Бюллетень Почвенного института имени В. В. Докучаева. 2023. Вып. 115. С. 129–159.
  6. Технологии составления и обновления почвенных карт / И. Ю. Савин, В. С. Столбовой, А. Л. Иванов и др. М.: Перо, 2019. 328 с.
  7. Виндекер Г. В., Прудникова Е. Ю., Савин И. Ю. Трансформация открытой поверхности почв под воздействием осадков в модельном эксперименте // Бюллетень Почвенного института им. В. В. Докучаева. 2018. Вып. 95. С. 23–40.
  8. Leroux C., Tisseyre B. How to measure and report within-field variability: a review of common indicators and their sensitivity // Precision Agriculture. 2019. Vol. 20. P. 562–590.
  9. Comparison of PlanetScope, Sentinel-2, and Landsat 8 data in soybean yield estimation within-field variability with random forest regression / K. Amankulova, N. Farmonov, P. Akramova, et al. // Heliyon. 2023. Vol. 9. URL: https://www.sciencedirect.com/science/article/pii/S2405844023046406?via%3Dihub (дата обращения: 12.03.2024).
  10. Maes W. H., Steppe K. Perspectives for Remote Sensing with Unmanned Aerial Vehicles in Precision Agriculture Trends // Plant Science. 2019. Vol. 24. No. 2. P. 152–164.
  11. The potential of UAV-borne spectral and textural information for predicting aboveground biomass and N fixation in legume-grass mixtures / E. Grüner, M. Wachendorf, T. Astor, et al. // PLoS One. 2020. Vol. 15. No. 6. URL: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0234703 (дата обращения: 12.02.2024).
  12. Nitrogen variability assessment of pasture fields under an integrated crop-livestock system using UAV, PlanetScope, and Sentinel-2 data / F. Pereira, J. P. de Lima, R. G. Freitas, et al. // Computers and Electronics in Agriculture. 2022. Vol. 193. URL: https://www.sciencedirect.com/science/article/pii/S0168169921006621?via%3 Dihub (дата обращения: 15.03.2024).
  13. An overview of crop nitrogen status assessment using hyperspectral remote sensing: current status and perspectives / Y. Fu, G. Yang. R. Pu, et al. // European Journal of Agronomy. 2021. Vol. 12. URL: https://www.sciencedirect.com/science/article/pii/S1161030121000137 (дата обращения: 14.01.2024).
  14. Наумченко Е. Т., Банецкая Е. В. Влияние длительного применения удобрений на плодородие луговой черноземовидной почвы и урожайность сои // Агрохимия. 2022. № 2. С. 28–33.
  15. Изменение химических и микробиологических свойств почвы при антропогенном воздействии в полевом севообороте / Н. А. Селезнева, А. Г. Тишкова, Т. Н. Федорова и др. // Достижения науки и техники АПК. 2020. Т. 34. № 6. С. 5–10.
  16. Шерстобитов С. В., Абрамов Н. В. Влияние почвенной неоднородности и внесения усредненной нормы азотных удобрений на урожайность яровой пшеницы // Вестник КрасГАУ. 2020. № 5. С. 93–99.
  17. Тимофеева Я. О., Голов В. И. Железо-марганцевые конкреции как накопители тяжелых металлов в некоторых почвах Приморья / Я. О. Тимофеева, В. И. Голов // Почвоведение. 2007. № 12. С. 1463–1471.
  18. Тимофеева Я. О. Микроэлементы в различных типах почв агрохимических стационаров // Вестник КрасГА У. 2011. № 2. С. 37–41.
  19. Review of Rare Earth Elements as Fertilizers and Feed Additives: A Knowledge Gap Analysis / F. Tommasi, P. J. Thomas, G. Pagano, et al. // Archives of Environmental Contamination and Toxicology. 2021. Vol. 81. No. 4. P. 531–540.
  20. Использование вегетативного индекса NDVI для прогноза урожайности зерновых культур / С. А. Родимцев, Н. Е. Павловская, С. В. Вершинин и др. // Вестник НГАУ (Новосибирский государственный аграрный университет). 2022. № 4(65). С. 56–67.
  21. Гопп Н. В., Савенков О. А. Связь показателя NDVI и урожайности яровой пшеницы со свойствами пахотного горизонта черноземов глинисто-иллювиальных элювиированных и темно-серых почв // Почвоведение. 2019. № 3. С. 377–386.
  22. Использование NDVI в цифровом картографировании содержания фосфора в почвах и оценка обеспеченности им растений / Н. В. Гопп, О. А. Савенков, Т. В. Нечаева и др. // Исследование Земли из космоса. 2019. № 2. С. 65–73.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Область исследования с участками отбора почвенных проб.

Скачать (200KB)
Метаданные
3. Рис. 2. Пространственное распределение значений NDVI для поля с соей по данным космо- и аэрофотосъемки.

Скачать (182KB)
Метаданные
4. Рис. 3. Карты пространственного распределения агрохимических и физико-химических характеристик поля, а также показателей продуктивности сои.

Скачать (207KB)
Метаданные

© Российская академия наук, 2024