Секвестирование углерода в урожае сельскохозяйственных культур на черноземе типичном при применении различных агротехнологий

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Определили накопление углерода в урожае сельскохозяйственных культур на черноземе обыкновенном и при применении средств биологизации и химизации в 4-х звеньях полевого севооборота. Применение органических удобрений (навоза крупного рогатого скота и сидератов), а также минеральных удобрений обеспечивало среднегодовое поступление углерода в почву, превышающее его отчуждение с урожаем. Внесение навоза в дозе 30 т/га обеспечивало накопление углерода в почве от 5 до 10 т/га, расход углерода с отчуждаемой частью урожая был максимальным в первом (горох, озимая пшеница, кукуруза на зерно) и четвертом (овес, горох, озимая пшеница) звеньях севооборотов (от 9 до 12 т/га). Секвестирование углерода в биомассе растений возрастало при использовании различных приемов обработки почвы, внесении навоза, минеральных удобрений, инокуляции семян и обработки микробным препаратом. Максимальное накопление углерода в биомассе растений происходило при возделывании кукурузы (8.1 т/га), затем следовала озимая пшеница (7.9 т/га), овес (4.4 т/га) и горох (3.7 т/га). Максимальное отчуждение углерода с поля наблюдали при выращивании озимой пшеницы (5.2 т/га, или 66% от общего объема), затем следовал овес (2.7 т/га, или 61%), горох (2.5 т/га, или 66%) и кукуруза на зерно (2.1 т/га, или 26%). Максимальное поступление углерода в почву происходило в звеньях севооборота с кукурузой на зерно, овсом и горохом (6.4 т/га) и озимой пшеницей, кукурузой и овсом (5.95 т/га). Сидеральные культуры увеличивали положительную статью баланса углерода до 3.5–5.5 т/га, навоз в дозе 30 т/га – от 2.5 до 4.5 т/га. Минеральные удобрения увеличивали поступление углерода в почву в 2–3 раза, биопрепарат обеспечивал тенденцию к росту накопления углерода. Максимальный положительный баланс углерода (3.9–4.5 т/га) формировался при возделывании в севообороте с кукурузой на зерно, минимальный (3.0 т/га) – при выращивании только колосовых культур.

Об авторах

А. А. Завалин

Всероссийский научно-исследовательский институт агрохимии им. Д.Н. Прянишникова

Email: zavalin52@mail.ru
127434 Москва, ул. Прянишникова, 31а, Россия

Т. М. Духанина

Всероссийский научно-исследовательский институт агрохимии им. Д.Н. Прянишникова

Email: zavalin52@mail.ru
127434 Москва, ул. Прянишникова, 31а, Россия

Х. А. Хусайнов

Чеченский научно-исследовательский институт сельского хозяйства

Автор, ответственный за переписку.
Email: zavalin52@mail.ru
366021 Грозный, ул. Лиловая, 1, Россия

Список литературы

  1. Paustian K., Collier S., Baldock J., Burgess R., Creque J. et al. Quantifying carbon for agricultural soil management: from the current status toward a global soil information system // Carbon Manag. 2019. V. 10. № 6. P. 567–587. https://doi.org/10.1080/17583004.2019.1633231
  2. Козлов Д.Н. Почвенный углерод в экосистемах как пример мониторинга // Земледелие. 2024. № 6. С. 20–24.
  3. Иванов А.Л., Савин И.Ю., Столбовой В.С., Духанин Ю.А., Козлов Д.Н. Методологические подходы формирования единой Национальной системы мониторинга и учета баланса углерода и выбросов парниковых газов на землях сельскохозяйственного фонда Российской Федерации // Бюл. Почв. ин-та им. В.В. Докучаева. 2021. Вып. 108. С. 175–218.
  4. Abdo A.I., Sun D., Yang K., Li Y., Shi Z., Abd Allah W.E., El-Sobky E.E.A., Wei H., Zhang J., Kuzyakov Y. Carbon footprint of synthetic nitrogen under staple crops: A first cradle-to-grave analysis // Glob. Chang Biol. 2024. V. 30(4). e17277. doi: 10.1111/gcb.17277. PMID: 38634544
  5. Yadav G.S., Das A., Lal R., Babu S., Meena R.S., Saha P., Singh R., Datta M. Energy budget and carbon footprint in a no-till and mulch based rice–mustard cropping system // J. Clean. Product. 2018. V. 191. P. 144–157. https://doi.org/10.1016/j.jclepro.2018.04.173
  6. Lal R. Digging deeper: A holistic perspective of factors affecting soil organic carbon sequestration in agroecosystems // Glob. Change Biol. 2018. V. 24. Iss. 8. P. 3285–3301. https://doi.org/10.1111/gcb.14054/
  7. Six J., Conant R.T., Paul E.A., Paustian K. Stabilization mechanisms of soil organic matter: implications for C-saturation of soils // Plant and Soil. 2002. V. 241. P. 155–176. https://doi.org/10.1023/A:1016125726789
  8. Wani O.A., Kumar S., Hussain N., Wani A.I.A., Babu S., Parvej A., Rashid M., Simona Popescu M., Mansoor S. Multi-scale processes influencing global carbon storage and land-carbon-climate nexus: A critical review // Pedosphere. 2022. V. 32. https://doi.org/10.1016/j.pedsph. 2022.07.002
  9. Столбовой В.С. Регенеративное земледелие и смягчение изменений климата // Достиж. науки и техн. АПК. 2020. Т. 34. № 7. С. 19–26. DОI: 10.24411/0235-2451-2020-10703
  10. Minasny B., Malone B.P., McBratney A.B. Soil carbon 4 per mille // Geoderma. 2017. V. 292. P. 59–86. https://doi.org/10.1016/j.geoderma.2017.01.002
  11. Lin S., Li J., Liu Q. Overview on estimation accuracy of gross primary productivity with remote sensing methods. // Nat. Remote Sens. Bul. 2018. V. 22(2). P. 234–254. http://dx.doi.org/10.11834/jrs.20186456
  12. Wang R., Gamon J.A., Emmerton C.A., Springer K.R., Yu R., Hmimina G. Detecting intra- and inter-annual variability in gross primary productivity of a North American grassland using MODIS MAIAC data // Agricult. Forest Meteorol. 2020. V. 281. https://doi.org/10.1016/j.agrformet.2019.107859
  13. Kussul N., Lavreniuk M., Skakun S., Shelestov A. Deep learning classification of land cover and crop types using remote sensing data // IEEE Geosci. Remote Sens. Let. 2017. V. 14(5). P. 778–782. https://doi.org/10.1109/LGRS.2017.2681128
  14. Roberts D., Wilford J., Ghattas O. Exposed soil and mineral map of the Australian continent revealing the land at its barest // Nat. Commun. 2019. V. 10(1). P. 1–11. https://doi.org/10.1038/s41467-019-13276-1
  15. Абасов Ш.М., Гаплаев М.Ш., Хусайнов Х.А., Терекбаев А.А., Абасов М.Ш. Влияние средств химизации и биологизации на урожайность культур зернопропашного севооборота при разных способах основной обработки почвы // Плодородие. 2022. № 1(124). С. 54–57. doi: 10.25680/S19948603.2022.124.14
  16. Хусайнов Х.А., Тунтаев А.В., Муртазалиев М.С., Елмурзаева Ф.Д., Абасов М.Ш. Содержание азота в почве и урожайность озимой пшеницы при разных приемах основной обработки чернозема типичного с использованием средств биологизации // Рос. сел.-хоз. наука. 2022. № 5. С. 30–34. doi: 10.31857/S2500262722050064
  17. Хусайнов Х.А., Тунтаев А.В., Елмурзаева Ф.Д. Содержание подвижного фосфора в черноземе типичном при различных приемах основной обработки и применении средств химизации и биологизации // Плодородие. 2023. № 1(130). С. 22–25. doi: 10.25680/S19948603.2023.130.05
  18. Методика количественного определения объемов выбросов парниковых газов. Приказ Минприроды РA от 27 мая 2022 г. № 371.
  19. Руководящие принципы МГЭИК 2006 г. для национальных кадастров парниковых газов. МГЭИК, 2006. Т. 4.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».