«Оценка пространственной неоднородности свойств почвы и засоренности угодий в пределах поля для разработки моделей урожайности» ( 2 год )
Руководитель проекта Самсонова Вера Петровна
Задачи, заявленные на 2006 год:
- 1. Статистический и геостатистический анализ пространственной изменчивости агрохимических свойств и содержания микроэлементов выбранных агробиоценозов, проверка пригодности различных типов моделей для ее описания.
- 2. Детальное исследование структуры почвенного покрова выбранного участка как традиционным методом, так и при помощи вертикального электрического зондирования с целью оценки долевого участия рельефа, структуры почвенного покрова и удобрений в формировании урожая зерновых культур.
- 3. Исследовать водно-физические свойства сопряженных компонентов почвенного покрова в масштабах угодья.
- 4. Исследование пространственной и временной изменчивости степени обеспеченности культурных растений питательными элементами при помощи листовой диагностики
- 5. Первая версия прогноза урожайности с учетом изменчивости почвенных свойств (по результатам полевого эксперимента на угодье в 2005 году).
Анализ качества прогноза и необходимая корректировка модели с учетом погодных условий. Степень выполнения поставленных в проекте задач: Работы по проекту, запланированные на второй год, полностью выполнены. Проведен статистический анализ пространственной изменчивости содержания гумуса, величин рН, содержания подвижных фосфора и калия агробиоценоза на серых лесных почвах, опробованного в 2005 г (площадь участка 16 га). Дополнительно проведен анализ результатов определения содержания подвижного азота (149 проб, определение 2006 года). Проведены анализы на содержание микроэлементов. Геостатистический анализ пространственной изменчивости свойств состоял из двух этапов. Вначале был проведен анализ качества аппроксимации эмпирических вариограмм различными модельными функциями. Второй этап состоял в построении интерполяционных карт. Исследовалась пригодность различных видов кригинга и ко-кригинга (простой, ординарный, ординарный с трендом, индикаторный, вероятностный и дизъюнктивный) для получения наименьших ошибок прогноза урожая зерновых в зависимости от рельефа, структуры почвенного покрова и удобрений. Проведено исследование структуры почвенного покрова с использованием традиционных методов и метода вертикального электрического зондирования. Была измерена мощность снегового покрова. Величины максимальной гигроскопической влажности (МГ) и удельной поверхности были определены как в по 10-ти см слоям в 5-ти разрезах, так и в пространственно распределенных пробах (около 350 определений). Исследована связь засоренности угодий и степени обеспеченности питательными элементами. Исследована пространственная изменчивость степени обеспеченности культурных растений (зерновых и гречихи) питательными элементами при помощи тканевой диагностики. Изучена пространственная и временная изменчивость засоренности угодья и ее роль в формировании урожая. Проведено тестирование модели влияния неоднородности содержания влаги и питательных веществ в пределах угодья на конечный урожай сельскохозяйственных культур. Проведено исследование роли пространственной изменчивости почвенных свойств в урожае зерновых культур на примере овса.
Полученные за отчетный период важнейшие результаты:
Подробный анализ информации, полученной в результате работы экспедиции 2006 года, показывает, что зависимость структуры почвенного покрова от рельефа местности соблюдается лишь в общих чертах. Обнаружено, что в наиболее высоких местах по рельефу находятся агроземы темные, когда агротемногумусовый горизонт залегает непосредственно на горизонте С, представленном карбонатными лессами. Наиболее распространены на участке агроземы глинисто-иллювиальные, у которых сохранился в профиле горизонт В, в котором признаки иллювиирования выражены не так сильно из-за высокой пылеватости почвообразующей породы. По краям угодья, а также на некоторых участках сохранились агротемно-серые типичные почвы. В понижениях наблюдались агротемно-серые со вторым гумусовым горизонтом. Сравнительно небольшая связь с рельефом объясняется проведенной в 80-тые годы мелиорацией экспериментального участка.
Обнаружено, что относительная изменчивость содержания гумуса и агрохимических свойств составляет 20-50%, распределения отдельных показателей допустимо считать нормальными. Однако для таких свойств, как содержание подвижных фосфора, калия и азота отмечаются выбросы, превышающие средний уровень в 2-5 раз. Существование этих выбросов однозначно связано с неоднородностью внесения удобрений. Доля аномально высоких значений составляет около 5% от общего числа проанализированных проб. В то же время в 5% проб отмечаются значения, соответствующие низким категориям обеспеченности (табл.1.).
Таблица 1
Статистические характеристики агрохимических свойств
| pH | Гумус,% | K2O, мг/100 г | P2O5, мг/100 г |
Мin | 4,8 | 1,0 | 7,7 | 19,1 |
Нижний квартиль | 5,1 | 1,7 | 16,0 | 29,4 |
Медиана | 5,3 | 2,0 | 19,9 | 37,5 |
Верхний квартиль | 5,7 | 2,4 | 27,6 | 44,1 |
Мax | 7,2 | 3,1 | 48,5 | 166,1 |
Среднее | 5,4 | 2,0 | 21,6 | 39,2 |
Стандартное отклонение | 0,6 | 0,5 | 7,8 | 16,1 |
CV, % | 10,3 | 24,0 | 36,2 | 41,2 |
Карты пространственной изменчивости урожайности и почвенных свойств строились методом кригинга. Вначале из данных удалялся тренд, затем рассчитывались экспериментальные вариограммы. Был проведен анализ качества аппроксимации эмпирических вариограмм различными модельными функциями. В большинстве случаев сферическая модель оказывается вполне удовлетворительной. На втором месте стоит экспоненциальная модель. Обнаружено, что выбросы могут заметно влиять на качество аппроксимаций. Одна- две пробы с резко отличающимися значениями могут приводить к заметным искажениям вариограмм.
Показано, что варьирование размеров лага (шаг построения вариограммы), параметров анизотропии, размеров и формы эллипса влияния позволяет эффективно управлять качеством интерполяционных карт.
Обнаружено, что среди возможных видов кригинга и ко-кригинга (простой, ординарный, ординарный с трендом, индикаторный, вероятностный и дизъюнктивный), использовавшихся для получения наименьших ошибок прогноза урожая зерновых в зависимости от рельефа, структуры почвенного покрова и удобрений наиболее подходящим оказывается ординарный кригинг с предварительно исключенным трендом. Ко-кригинг в лучшем случае дает ненамного лучшие результаты, что и ординарный кригинг, а в ряде случаев худшие (рис.2). Это происходит вследствие того, что связи между отдельными свойствами почв и характеристиками биомассы невелики, коэффициенты корреляции лежит в диапазоне 0,2-0,4, однако вследствие большого объема выборок оказываются статистически значимыми.
Рис.1. Сопоставление качества интерполяций различными методами
Оказалось, что, как и в 2005 году, пространственные структуры влажности пахотного горизонта изменчивы во времени. Показано, что нарушенность пахотного слоя вследствие обработок (предпосевная культивация) приводит к исчезновению пространственных структур, выявленных ранее. Они восстанавливаются через 3 недели, причем средний уровень влажности меняется мало (21,04% и 20,56% соответственно). Показано, что характеристики анизотропии полей влажности - соотношение радиусов корреляции выделенных направлений и угол почти не изменяются год от года. Радиус корреляции также остается приблизительно постоянным (40- 100 м). Структура пространственного распределения объемного веса в 2006 г была практически случайной.
Исследована пространственная изменчивость степени обеспеченности культурных растений азотом при помощи тканевой диагностики. Показано, что при построении карт обеспеченности необходимо учитывать априорную информацию относительно направления сельскохозяйственных обработок. Это позволяет существенно повысить качество интерполяции (рис.2).
Рис.2. Картограммы высоты овса (А- без учета информации об анизотропии, В - с учетом анизотропии, n=121)
Для исследования пространственной структуры засоренности были отобраны сорняки с встречаемостью в интервале 0,8-0,2.Таких видов оказалось 8: бодяк полевой, хвощ полевой, пикульник красивый, подмаренник цепкий, фиалка полевая, щетинник, чистец болотный. Три выделенных фактора объясняли около 50% общей дисперсии. Максимальные нагрузки на первый фактор давали фиалка и щетинник, на второй - бодяк и хвощ, на третий - подмаренник и пикульник (табл.2).
Таблица 2
Факторные нагрузки для сорняков с встречаемостью в интервале 0,8-0,2
| F1 | F2 | F3 |
подмаренник | -0,083 | -0,021 | 0,725 |
фиалка | 0,774 | -0,060 | 0,065 |
пикульник | 0,016 | 0,078 | 0,733 |
щетинник | 0,700 | 0,083 | -0,211 |
чистец | -0,473 | -0,109 | -0,015 |
хвощ | 0,317 | 0,603 | -0,095 |
бодяк | -0,009 | 0,743 | 0,105 |
горец вьюнковый | 0,422 | -0,438 | -0,055 |
Анализ пространственного размещения значений первого фактора показывает четкую приуроченность фиалки и щетинника к отдельным частям поля, отличающихся друг от друга содержанием подвижных элементов, величиной рН и гумусированностью (табл.3). Второй фактор не обнаруживал значимой связи с исследованными почвенными свойствами. Поскольку определяющими для него были многолетние сорняки с глубокой корневой системой, данный результат не явился неожиданным. Третий фактор (подмаренник и пикульник) положительно связан с величиной рН, что можно трактовать как тяготение основных сорняков, к зонам с повышенными значениями рН. Таким образом, факторный анализ в совокупности с анализом пространственного размещения позволяет структурировать пространственную изменчивость засоренности и отчетливо выявить ее связь с почвенными условиями.
Таблица 3
Корреляция факторов с почвенными свойствами (выделены значимые коэффициенты корреляции p<0,05)
| P2O5 | pH | HUM | K2O |
F1 | -0,308 | 0,103 | -0,216 | -0,362 |
F2 | 0,068 | 0,139 | -0,049 | -0,001 |
F3 | -0,038 | -0,209 | -0,011 | 0,097 |
Засоренность исследуемого участка в 2006 г оставалась очень высокой (в среднем более 100 шт/м2). Основные виды сорняков на угодье сохранили доминирующее положение - преобладал ежовник, щетинник, осот полевой. Обнаружено, что территория, занятая хвощом полевым (Equizetum arvense) заметно увеличилась.
Результаты статистического моделирования показали, что использование в качестве характеристики обеспеченности тем или иным элементом питания его среднего значения приводит к завышению прогнозируемого урожая в среднем на 25%. Этот результат зависит как от конкретного вида закона распределения показателя в пределах угодья, его параметров, так и от вида кривой отклика (рис.3).
Рис.3 Ошибки прогноза урожайности при использовании среднего значения лимитирующего свойства на поле
Каждая тройка графиков соответствует разным параметрам кривой отклика;
В каждой тройке коэффициенты вариации свойства равны 20%, 50% и 90% соответственно.
Методы и подходы, использованные в ходе выполнения проекта
Экспериментальные работы проводились на территории учебно-опытного хозяйства Брянской сельскохозяйственной академии. Вертикальное электрическое зондирование проводилось в мае 2006 г. Определения проведены в 43 точках. Шаг опробования 40-50 м.
Обработка данных проводилась статистическими и геостатистическими методами с использованием пакетов STATISTICA 6 и ArcGIS 8. Использовались корреляционный, регрессионный, факторный и кластерный анализы. Пространственная структура большинства свойств анализировалась при помощи вариограмм. После удаления из данных линейного тренда в большинстве случаев вариограммы почвенных свойств вполне удовлетворительно аппроксимировались сферическими и экспоненциальными моделями, что дало возможность провести анализ компонентов вариабельности, выделив «шумовую» составляющую и регионализованную переменную.
Исследование качества карт и влияния пространственной неоднородности свойств почв на суммарный урожай проводилось при помощи бутстреп-моделирования.
Степень новизны полученных результатов:
Впервые сезонная динамика пространственной структуры отдельных агрохимических свойств сельскохозяйственного угодья Брянского ополья исследована современными геостатистическими методами. Построены и исследованы вариограммы основных почвенных и агрохимических свойств. Оценена степень их устойчивости во времени. Впервые количественно показано, что использование априорной информации о возможном характере пространственных структур позволяет существенно улучшить предсказательную способность картограмм.
Разработанная статистическая модель, учитывающая закономерности распределения свойств в пространстве и характер функций отклика растений на условия среды, позволяет дать более точный прогноз урожайности.
Получены новые данные о долевом участии рельефа и антропогенных нарушений, связанных с мелиоративным воздействием, на пространственную структуру почвенных свойств.
Сопоставление полученных результатов с мировым уровнем:
Применение концепции точного земледелия на практике требует знания закономерностей пространственной изменчивости компонентов агро-БГЦ и их влиянии на урожайность.
Результаты исследований, проводимых в рамках проекта, способствуют адаптации концепции точного земледелия в условиях России. Статистические модели плодородия, учитывающие характер распределения почвенных свойств в пространстве угодья, представляют собой новый инструмент для имитационного моделирования продукционного процесса.
