Закономерности для цифровизации производства зерновых культур в севооборотах лесостепи центрального черноземья

Обложка

Цитировать

Полный текст

Аннотация

Цель исследования - выявить существенные закономерности в использовании посевами природных ресурсов урожайности и удобрений, пригодных для поддержки принятия решений цифровыми технологиями. Предложен метод прогнозирования урожайности зерновых культур с учетом влагообеспеченности посевов и норм азота в составе минеральных удобрений, основанный на закономерной взаимосвязи между накапливаемой посевами энергией и расходом воды. Сопоставлены ежегодные прогнозные величины урожайности с экспериментальными, полученными в стационарном опыте на черноземе типичном тяжелосуглинистом, и это стало подтверждением статистической надежности прогнозов урожайности ярового ячменя и озимой пшеницы, размещаемой после надежных предшественников, обеспечивающих получение своевременных и дружных всходов. Продуктивность севооборотов, рассчитанная на основе закономерной взаимосвязи между обменной энергией и содержанием азота в товарной части урожая по поступлению в почву удобрений, с достаточной точностью совпала с фактической. Экономико-экологический эффект при одинаковых нормах минеральных удобрений оказался наименьшим и наибольшим соответственно в зернопаропропашном и плодосменном севооборотах. Наличие закономерностей для прогнозирования урожайности и воспроизводства плодородия почвы позволяет на этапе проектирования конкретных севооборотов (и при их модернизации), используя цифровые технологии, выбирать наиболее экономически целесообразные из возможных схем севооборотов применительно к специализации, финансовому состоянию и инфраструктуре сельхозпредприятий. Обязательное условие - отсутствие в севообороте заведомо неприемлемых чередований.

Об авторах

Александр Сергеевич Акименко

ФГБНУ «Курский федеральный аграрный научный центр»

Email: vniiz.sevooborot@mail.ru

Вячеслав Иванович Свиридов

ФГБНУ «Курский федеральный аграрный научный центр»

Татьяна Алексеевна Дудкина

ФГБНУ «Курский федеральный аграрный научный центр»

Наталья Валерьевна Долгополова

ФГБНУ «Курский федеральный аграрный научный центр»

Список литературы

  1. Акименко А.С. Методика использования ресурсов в земледелии на основе информационно-энергетического анализа. Курск: ЮМЭКС, 2000. 76 с.
  2. Альт В.В., Чекусов М.С., Исакова С.П. Применение цифровых технологий при возделывании зерновых культур. Технические культуры // Научный сельскохозяйственный журнал. 2022. №1 (2). С. 3-9. doi: 10.54016/SVITOK.2022.66.59.001
  3. Волынкина О.В. Предельные прибавки урожайности сельскохозяйственных культур от азота и его окупаемость на черноземе // Плодородие. 2021. № 2. С. 9-14.doi: 10.25680/S19948603.2021.119.03
  4. Доспехов Б.А. Методика полевого опыта: учеб. пособие. М.: Колос, 1973. 336 с.
  5. Косогор С. Трансформация сельского хозяйства: цифровые возможности развития // Системы безопасности. 2022. № 3. URL:https://www.secuteck.ru/articles/transformaciya-selskogo-hozyajstva-cifrovye-vozmozhnosti-razvitiya (дата обращения 15 марта 2023 года).
  6. Минакова О.А., Александрова Л.В., Подвигина Т.Н. Продуктивность зерносвекловичного севооборота при краткосрочном и длительном применении удобрений в ЦЧР // Земледелие. 2021. № 2. С. 18-22. doi: 10.24411/0044-3913-2021-10204
  7. Новичихин А.М., Чайкин В.В. Урожайность сортов ярового ячменя при различных уровнях минерального питания в сочетании со стимуляторами роста // Агрохимический вестник. 2022. №3. С. 10-16. doi: 10.24412/1029-2551-2022-3-002
  8. Тютюнов С.И., Солнцев П.И. Влияние интенсивности применения удобрений и средств защиты растений на урожайность культур в зернопропашном севообороте // Сахарная свекла. 2021. № 10. С. 33-36. doi: 10.25802/SB.2021.92.47.007
  9. Цыгуткин А.С., Азаров А.В. Изучение влияния технологий возделывания сельскохозяйственных культур и почвы, как саморазвивающейся системы, на содержание гумуса // Достижения науки и техники АПК. 2021. Т. 35. № 6. С. 44-49. doi: 10.24411/0235-2451-2021-10608
  10. Шабалкин А.В., Драчева М.К., Воронцов В.А., Скорочкин Ю.П. Реакция ячменя на средства интенсификации и приемы обработки чернозёмных почв в северо-восточном регионе Черноземья // Земледелие. 2022. №6. С. 41-48. doi: 10.24412/0044-3913-2022-6-41-45
  11. Шарков И.Н., Колбин С.А., Самохвалова Л.М. Проблема азота при использовании чернозема выщелоченного по интенсивной технологии в лесостепи Западной Сибири // Агрохимия. 2021. № 2. С. 3-10. doi: 10.31857/S0002188121020101
  12. Lubkowski K. Environmental impact of fertilizer use and slow release of mineral nutrients as a response to this challenge // Polish J. Chem. Technol. 2016. V. 18. P. 72-79.
  13. Zhang W.F., Dou Z.X., He P. et al. New technologies reduce greenhouse gas emissions from nitrogenous fertilizer in China // Proceed. Nat. Acad. Sci. USA. 2013. V. 110. № 21. P. 8375-8380.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2023

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».