<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>ФГБОУ-ВО-Самарская-ГСХА &#8212; Отраслевая сеть инноваций в АПК</title>
	<atom:link href="https://apknet.ru/tag/%D1%84%D0%B3%D0%B1%D0%BE%D1%83-%D0%B2%D0%BE-%D1%81%D0%B0%D0%BC%D0%B0%D1%80%D1%81%D0%BA%D0%B0%D1%8F-%D0%B3%D1%81%D1%85%D0%B0/feed/" rel="self" type="application/rss+xml" />
	<link>https://apknet.ru</link>
	<description>Отраслевая сеть инноваций в АПК</description>
	<lastBuildDate>Tue, 28 Sep 2021 09:04:24 +0000</lastBuildDate>
	<language>ru-RU</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=5.8.10</generator>

<image>
	<url>https://apknet.ru/wp-content/uploads/2020/09/cropped-apknet-logo-32x32.png</url>
	<title>ФГБОУ-ВО-Самарская-ГСХА &#8212; Отраслевая сеть инноваций в АПК</title>
	<link>https://apknet.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии</title>
		<link>https://apknet.ru/razrabotka-preparatov-biologicheskogo-proiskhozhdeniya/</link>
					<comments>https://apknet.ru/razrabotka-preparatov-biologicheskogo-proiskhozhdeniya/#respond</comments>
		
		<dc:creator><![CDATA[Leonid]]></dc:creator>
		<pubDate>Fri, 16 Jul 2021 07:12:17 +0000</pubDate>
				<category><![CDATA[Защита сельскохозяйственных растений]]></category>
		<category><![CDATA[Агрохимия]]></category>
		<category><![CDATA[Земледелие]]></category>
		<category><![CDATA[ФГБОУ-ВО-Самарская-ГСХА]]></category>
		<guid isPermaLink="false">https://apknet.ru/?p=15216</guid>

					<description><![CDATA[Объектом исследований являются полевые культуры, а также препараты биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии, для разработки рецептуры и технологии производства препаратов биологического происхождения на основе переработки органических отходов и сырья; определения их влияния на продуктивность сельскохозяйственных культур и плодородие почвы.]]></description>
										<content:encoded><![CDATA[<h2><a href="https://apknet.ru/wp-content/uploads/2021/07/ФГБОУ-ВО-Самарский-ГАУ-2020-Тема-1-Титульный-и-исполн.docx">Титульный лист и исполнители</a></h2>
<p><strong>РЕФЕРАТ</strong></p>
<p>Отчет 93 с., 20 таблиц, 32 рисунка, 36 источников, 21 приложение</p>
<p>ЦИФРОВОЕ ОРГАНИЧЕСКОЕ ЗЕМЛЕДЕЛИЕ, ПЕРЕРАБОТКА ОРГАНИЧЕСКИХ ОТХОДОВ И СЫРЬЯ, МНОГОКОМПОНЕНТНЫЕ ОРГАНИЧЕСКИЕ УДОБРЕНИЯ И БИОПРЕПАРАТЫ, БИОЗАЩИТА, КОРНЕВЫЕ ГНИЛИ, СТРУКТУРА УРОЖАЯ, УРОЖАЙНОСТЬ.</p>
<p>Объектом исследований являются полевые культуры, а также препараты биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии, для разработки рецептуры и технологии производства препаратов биологического происхождения на основе переработки органических отходов и сырья; определения их влияния на продуктивность сельскохозяйственных культур и плодородие почвы.</p>
<p><em>Цель </em>исследований – для технологий возделывания сельскохозяйственных культур в рамках цифрового органического земледелия разработать систему применения инновационных многокомпонентных органических удобрений и полифункциональных биопрепаратов, позволяющих осуществлять биологическую защиту полевых культур, обеспечивать бездефицитный баланс элементов минерального питания и органического вещества в почве, получение экологически чистой продукции растениеводства для производства продуктов питания.</p>
<p>Разработаны ассортиментная линейка многокомпонентных органических удобрений на основе наноструктурного диатомита с функциями почвоулучшителя, удобрения и фунгицида, ассортиментная линейка полифункциональных препаратов биологического происхождения с функциями удобрения, фунгицида и бактерицида, которые по своей эффективности в сфере биозащиты культур и влиянию на урожайность не уступают минеральным удобрениям и пестицидам, что делает агрономически эффективным и экономически рентабельным их применение.</p>
<h2><strong>ВВЕДЕНИЕ</strong></h2>
<p>Одной из важнейших задач современного земледелия является его биологизация и экологизация на основе перехода на адаптивно-ландшафтные системы земледелия и современные агротехнологии в условиях усиливающегося негативного антропогенного влияния на почву и возрастания на этой основе процессов деградации почвенного покрова, процессов эрозии, устойчиво некомпенсированной потери гумуса.</p>
<p>Большой ущерб почвенному покрову наносят интенсивные способы обработки почвы, связанные с многократными проходами по полю тяжелых тракторов и машин. По обобщенным данным научных учреждений Среднего Поволжья, переуплотнение почвы в связи с многократными проходами по полю тяжелых тракторов и сельскохозяйственных машин приводит к снижению урожайности в среднем на 12-30%. По данным Самарской ГСХА (Г. И. Казаков, 1997) плотность пахотного слоя почвы после двух проходов трактора ДТ-75 увеличилась на 3%, трактора К-700 – на 6%, а после четырех проходов соответственно – на 9 и 18%. Проведенные массовые обследования земель в ЦЧО, Поволжье и других регионах России показали, что за последние 100 лет черноземы России потеряли около одной трети общих запасов гумуса. Особенно активизировалась минерализация гумуса в последнее десятилетие [36].</p>
<p>Во многих областях Средневолжского региона ежегодные потери гумуса в пахотном слое составляют от 0,7 до 1 т/га. Практически исчезли тучные черноземы, увеличилась доля малогумусных почв с содержанием гумуса 4-6%. По данным научно-исследовательских и проектных учреждений региона (ФГБУ САС «Самарская», ФГБНУ «Самарский НИИСХ», АО ВолгоНИИгипрозем и др.) за последние годы в Самарской области наблюдается сокращение площади тучных и среднегумусных чернозёмов, увеличение площадей с малым и слабым содержанием гумуса почв (на 10%). Потери гумуса в пахотном слое в среднем по области составляют 0,7 т/га в год, а по отдельным районам – более 1 т/га, снизилась обеспеченность подвижным азотом и фосфором [36].</p>
<p>Устойчиво некомпенсируемая минерализация гумуса с потерей его до уровня ниже пороговых значений снижает эффективность<br />
применения удобрений, приводит к ухудшению агрофизических свойств почвы, уменьшает потенциальное и эффективное плодородие почв. Интенсивное сельскохозяйственное использование черноземов привело к крупным изменениям агрохимических свойств почвы, снижению интенсивности гумусообразования.</p>
<p>Основным направлением по устранению указанных недостатков современного земледелия является его биологизация, переход его ведения на принципы адаптивной интенсификации. В связи с этим возникла задача в необходимости разработки систем сохранения, воспроизводства и повышения почвенного плодородия, которые должны стать основой для формирования высоких урожаев сельскохозяйственных культур в складывающихся новых условиях возделывания их при разном уровне интенсивности использования пашни, при широком применении, вместо высоких доз органических и минеральных удобрений, более экономически выгодных и менее затратных технологий.</p>
<p>Большинство растениеводческих регионов нашей страны находится в зоне рискованного земледелия, где влага – главный лимитирующий фактор. Например, в лесостепи Среднего Заволжья за последние 110 лет наблюдалось 50 засух разной интенсивности и различных типов (45,5 % лет) [1].</p>
<p>Одновременно наблюдается устойчивое нарастание аридности климата и глобальных климатических изменений: дефицит пресной воды, повышение температуры атмосферы (с аномальными значениями в вегетационный период), резкие перепады погоды (с катастрофической неравномерностью выпадения осадков), частые природные катаклизмы и значительные отклонения гидротермических показателей от среднемноголетней нормы [2].</p>
<p>Общее количество опасных метеорологических явлений за последние 20 лет увеличилось примерно в 2 раза. Климат не только сильно теплеет, но и становится гораздо неустойчивее, и ущерб, в основном, связан с аномалиями температур и осадков. Наблюдается устойчивый рост количества природных катастроф &#8212; наводнений, ураганов, тепловых волн, града, засух, природных пожаров. Общий нанесенный ими ущерб с 1980-х гг. превышает $5 трлн. Последствия потепления на 5°С к концу XXI века оцениваются как катастрофические, в том числе и для здоровья людей [3, 4, 5].</p>
<p>Озабоченность климатической угрозой от научного сообщества постепенно передается политикам, инвесторам, общественным деятелям и обычным гражданам по всему миру. По состоянию на февраль 2020 г., 189 государств присоединились к Парижскому соглашению, которое нацелено на удержание прироста средней температуры на уровне существенно ниже 2°С, а в идеале не выше 1,5°С, повышение способности адаптации к последствиям изменения климата и переход на низкоуглеродное развитие.</p>
<p>Глобальная климатическая угроза для России даже более актуальна, чем для многих других стран – на территории страны в последние 40 лет потепление климата происходило в 2,5 раза быстрее, чем в среднем по планете (а в российской части Арктики — в 4,5 раза быстрее). Изменение климата в России уже создает угрозу здоровью и жизни людей, провоцирует вынужденную миграцию и угрожает продовольственной безопасности [6, 7].</p>
<p>Основная причина глобальных климатических изменений, по мнению большинства ученых, это антропогенные факторы, и в первую очередь, выбросы парниковых газов (углекислый газ, метан и оксид диазота). Главную долю в парниковых выбросах занимает углекислый газ, чему способствуют уничтожение лесов, естественных угодий, быстрая минерализация органического вещества почвы (снижение содержания гумуса), которая происходит при интенсивном техногенном земледелии.</p>
<p>По данным наблюдений российских метеостанций, <strong>среднегодовая температура воздуха в России выросла за последние 100 лет на 1ºС  </strong>(что значительно выше, чем в среднем по миру), из них 0,4ºС – только за последнее десятилетие 20 века<strong>. 11 из последних 12 лет были самыми жаркими</strong> за весь инструментальный период метеонаблюдений [8]. Так, по данным метеорологической станции Саратов ЮВ [9], вследствие нарастания аридности климата за последние 30 лет условия для роста и развития ранних яровых культур в Поволжье существенно ухудшились. Повысилась засушливость основного периода вегетации (май-июль): средняя температура воздуха возросла на 0,8 <sup>0</sup>С, а сумма осадков уменьшилась на 10 мм.</p>
<p>Следовательно, традиционное техногенное земледелие, принятое в мировом сельском хозяйстве и в России на протяжении последних 30-50 лет, в условиях нарастания аридности климата и глобальных климатических изменений может привести к агроэкологической катастрофе, что создает угрозу продовольственной безопасности, а также угрозу социально &#8212; экономической инфраструктуре, которая лежит в основе стабильности ведущих экономик мира, в том числе и России.</p>
<p>Необходимо переводить российскую экономику на низкоуглеродный тип развития &#8212; цифровизация, энерго- и ресурсосбережение, возобновляемые источники энергии. Для земледелия России это выражается в необходимости искать новые природоподобные методы и формы земледелия, повышающие выход кормовых и зерновых единиц с единицы площади сельхозугодий при возрастании устойчивости и стабильности агрофитоценозов при максимальном использовании возобновляемой энергии. То есть, будущее земледелия России &#8212; это биологизация агротехнологий и переход к цифровому органическому земледелию, которое является наукоемким инновационным пиком развития отечественных систем земледелия.</p>
<p>01.01.2020 года вступил в силу ФЗ №280-ФЗ «Об органической продукции и о внесении изменений в отдельные законодательные акты Российской Федерации», что означает наступление нового этапа в развитии российского земледелия и растениеводства. Органическое земледелие стало нормативно защищенной отраслью АПК РФ, у него появились единый государственный логотип и единый государственный реестр производителей органической продукции [10].</p>
<p>Мировой рынок органической продукции на протяжении последних лет показывает стабильный рост, примерно на 10 &#8212; 15% ежегодно. К 2020 г. он оценивается почти в $100 млрд., а к 2024 &#8212; в более чем $200 млрд. Объем внутреннего рынка органического продовольствия РФ в 2020 г. может составить $250 млн. <a href="https://www.agroinvestor.ru/companies/a-z/minselkhoz/" target="_blank" rel="noopener">Минсельхоз</a> РФ прогнозирует, что к 2024 году такая продукция составит до 15% всего агроэкспорта России [11].</p>
<p>Развитие органического земледелия стимулирует развитие смежных отраслей АПК, таких как производство микробиологических и био-препаратов, органических удобрений, средств биозащиты культур, беспилотных летательных аппаратов (для мониторинга посевов, внесения энтомофагов и так далее) и других видов инновационной продукции. Органические удобрения и биопрепараты, как правило, производятся на основе переработки органических отходов и сырья, что является актуальной государственной задачей в России и в большинстве развитых стран мира.</p>
<p>Органические отходы и сырье &#8212; это не только пищевая часть ТБО, но и иловые осадки очистных сооружений, отходы пищевой промышленности, навоз и помет животноводческих комплексов, отходы перерабатывающей промышленности (лесозаготовительная, текстильная и так далее), иловые осадки прудовых хозяйств и водохранилищ (сапропель) и другие.</p>
<p>По разным оценкам, в 2019 году в России совокупный объем органических отходов составил свыше 268 млн. т, при этом утилизации подверглась незначительная часть отходов. Например, наименьший показатель первичной переработки оказался у бытовых пищевых отходов, согласно оценкам, по итогам 2019 года он не превышал 10,2%.</p>
<p>Однако, в абсолютном большинстве случаев дальнейшая переработка любого типа (грануляция, использование микроорганизмов, биореакторы, зоопереработка и так далее) не применяется, и отходы не преобразуются в готовые органические удобрения, биопрепараты, средства биозащиты и другие высокомаржинальные (например, хитин) продукты [12].</p>
<p>В связи с вышеизложенным, научно-исследовательская лаборатория «АгроЭкология» при кафедре «Землеустройство, почвоведение и агрохимия» Самарского ГАУ ведет исследования по научной проблеме «Цифровое органическое земледелие», составной частью которой является разработка многокомпонентных органических удобрений и полифункциональных биопрепаратов на основе утилизации (переработки) органических отходов и сырья. В рамках научной проблемы «Цифровое органическое земледелие» кафедра «Землеустройство, почвоведение и агрохимия» Самарского ГАУ проводит исследования по федеральному гранту <strong>«</strong>Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии» (регистрационный номер: АААА-А20-120052090022-7), выделенному на 2020 г.</p>
<p><em>Цель </em>исследований – для технологий возделывания сельскохозяйственных культур в рамках цифрового органического земледелия разработать систему применения инновационных многокомпонентных органических удобрений и полифункциональных биопрепаратов, позволяющих осуществлять биологическую защиту полевых культур, обеспечивать бездефицитный баланс элементов минерального питания и органического вещества в почве, получение экологически чистой продукции растениеводства для производства продуктов питания.</p>
<h2><strong>1. ОБЗОР ЛИТЕРАТУРЫ</strong></h2>
<h3><strong style="font-size: 16px;">1.1 Цифровое органическое земледелие &#8212; составная часть </strong><strong style="font-size: 16px;">декарбонизации энергетики и экономики России</strong></h3>
<p>Установленная научным сообществом причина повышения температуры Земли (с вероятностью до 99,9999%) &#8212; усиление парникового эффекта земной атмосферы. Основные парниковые газы: водяной пар (H<sub>2</sub> O), углекислый газ (CO<sub>2</sub>), метан (CH<sub>4</sub>), озон (О<sub>3</sub>) и закись азота (N<sub>2</sub> O).</p>
<p>Второй по значимости парниковый газ &#8212; СО<sub>2</sub>. Его концентрация на несколько порядков превышает концентрацию других газов (кроме водяного пара), а время жизни в атмосфере &#8212; несколько столетий (для сравнения &#8212; водяной пар «живет» в атмосфере не более 10 дней). Рост концентрации углекислого газа приводит к увеличению плотности и влагоемкости воздуха, увеличивая содержание водяного пара (и тем самым дополнительно усиливая парниковый эффект). Углекислый газ имеет свойство эффективного равномерного перемешивания в атмосфере – поэтому парниковый эффект действует почти однородно по всей планете. Концентрация СО<sub>2 </sub>с середины XX века выросла с 310 до 416 ppm (на февраль 2020 г.).</p>
<p>Концентрация метана также устойчиво растет – с 1985 г. рост составил около 14% (до 1875 частей на миллиард в 2019). Источники антропогенных эмиссий метана (примерно 60% от общих эмиссий) – сельское хозяйство, использование ископаемого топлива (в том числе добыча, транспортировка и сжигание), мусорные полигоны, сточные воды. Естественные источники –заболоченные территории, озера, океан, дикие животные, термиты, природные пожары, вечная мерзлота и так далее [13, 14].</p>
<p>Причины роста концентрации парниковых газов разделяют на естественные (вулканические извержения, лесные пожары, дыхание живых организмов, гниение биомассы и др.) и антропогенные (выбросы при сжигании ископаемого топлива, промышленное производство, высвобождаемые из запасов углерода в древесине при вырубке лесов, а также уменьшение поглощения СО<sub>2</sub> из-за сокращения площади лесов и пр.). Антропогенные выбросы парниковых газов выросли с 1950 г. в 3,4 раза, что происходило на фоне глобального экономического роста – численность населения возросла примерно в 3 раза, мировая экономика – в 18 раз, потребление энергии – в 5 раз, потребление природных ресурсов – в 10 раз. Основной рост выбросов пришелся на СО<sub>2</sub>, СН<sub>4</sub> и N<sub>2</sub>O; в первую очередь &#8212; это выбросы СО₂ в энергетическом секторе, выросшие в 4,4 раза с 1950 г.</p>
<p>Обычно естественные источники СО<sub>2</sub> находятся в равновесии с его естественными «поглотителями» и резервуарами &#8212; океанами, растениями, болотами – в рамках так называемого «углеродного цикла». Дополнительные антропогенные выбросы нарушают этот баланс. На антропогенные источники приходится чуть более 10% от суммарных объемов выбросов СО<sub>2</sub>, циркулирующих в атмосфере. Около половины этих антропогенных эмиссий СО<sub>2</sub> поглощается океаном и наземными экосистемами, но вторая половина СО<sub>2</sub> попадает в атмосферу – и этого небольшого «вклада» хватает для накапливания СО<sub>2</sub> [15, 16, 17].</p>
<p>Таким образом, наблюдаемое глобальное изменение климата происходит из-за роста концентрации СО<sub>2</sub> в атмосфере и определяется, в первую очередь, антропогенными причинами. Эта причинно-следственная связь – предмет почти полного консенсуса ученых-климатологов по всему миру: целый ряд обзоров последних лет, основанных на анализе десятков тысяч научных публикаций в реферируемых журналах, демонстрирует согласие 97-100% ученых с этим утверждением.</p>
<p>Согласно данным Росгидромета, на территории России в последние 40 лет потепление климата происходило быстрее и масштабнее, чем в среднем по планете – со скоростью роста температуры около 0,47 ℃ за 10 лет (на фоне среднемирового показателя 0,18 ℃ за 10 лет). В российской части Арктики скорость потепления еще больше &#8212; 0,8°С за 10 лет (температура воздуха в 2019 г. оказалась выше нормы в среднем на 2,5°C). 2019 г. стал самым теплым в истории метеонаблюдений в России – среднегодовая температура превысила норму в любой точке страны. Аномалии среднегодовой температуры воздуха в 2019 г. в некоторых арктических регионах они достигали +4 ℃. В 2019 г. зафиксированы очередные максимумы концентрации СО<sub>2 </sub>в северных широтах (арктические станции Териберка, Новый порт, Тикси) – 414 ppm в среднем за год. На станции Обнинск средней полосы России показания приближаются уже к 430 ppm.</p>
<p>Прогнозы дальнейшего роста температуры показывают, что в России потепление будет идти интенсивнее, чем в среднем по миру. Наибольший рост приземной температуры ожидается зимой, причем он усиливается к северу, достигая максимальных значений в Арктике. К середине XXI в. летняя температура возрастет по отношению к концу XX в. на 2–3°С или на 3–4°С. В течение XXI века ожидается рост осадков (особенно зимой) с увеличением их «резкости» и пиковой интенсивности &#8212; сильных паводков и наводнений, штормовых ветров, колебаний погоды в виде череды холодных и теплых периодов [18, 19, 20] (рис. 1).</p>
<p><img width="508" height="281" class="wp-image-15217" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-712.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-712.png 508w, https://apknet.ru/wp-content/uploads/2021/07/word-image-712-300x166.png 300w" sizes="(max-width: 508px) 100vw, 508px" alt="word image 712 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 1 Количество неблагоприятных гидрометеорологических явлений в России</p>
<p>Возникают риски из-за учащения засух и опустынивания земель в основных земледельческих районах России – таких, как Ставропольский край или Ростовская область. К середине XXI в. биоклиматический потенциал в России может вырасти на 5-15%, при этом снижение продуктивности зерновых культур может составить 8-10%. В лесном хозяйстве ожидается сдвиг зоны лесов и повышение вероятности пожаров; природные экосистемы будут деградировать с уменьшением биоразнообразия и устойчивости.</p>
<p>По данным за 2017 г., 47% антропогенных выбросов парниковых газов в России приходятся на сектор электроэнергетики и теплоснабжения. Еще 43% выбросов обеспечиваются промышленностью, сжиганием топлива в транспортном секторе, а также выбросами метана при добыче и транспортировке ископаемых топлив.</p>
<p>Таким образом, можно сделать следующие выводы:</p>
<p>1. основная причина глобальных климатических изменений &#8212; нагревание атмосферы Земли за счет накопления парниковых газов;</p>
<p>2. основной парниковый газ, вызывающий нагревание, это углекислый газ СО<sub>2</sub>, на втором месте &#8212; метан СН<sub>4</sub>;</p>
<p>3. основные причины накопления углекислого газа &#8212; антропогенные: сжигание полезных ископаемых, промышленное производство, транспорт, сокращение площади лесов и других природных экосистем;</p>
<p>4. основные последствия накопления парниковых газов &#8212; это разбалансировка природных экосистем, нарастание частоты и количества неблагоприятных и катастрофических погодных явлений, опустынивание земель, повышение аридности вегетационного периода, нарушение устойчивости и стабильности агрофиоценозов [16 &#8212; 20].</p>
<p>Главное направление снижения выбросов парниковых газов и минимализации последствий глобальных климатических изменений &#8212; это переход мировой экономики на низкоуглеродные технологии, то есть декарбонизация энергетики и экономики стран мира, в том числе и России.</p>
<p>В этой связи особую роль играет биологизация технологий в земледелии и растениеводстве России, и дальнейший переход к «цифровому органическому земледелию» как наукоемкому инновационному пику развития российских научных систем земледелия.</p>
<p>Цифровое органическое земледелие &#8212; это комплекс энергосберегающих технологий на основе максимального использования естественных процессов природных фитоценозов и возобновляемых ресурсов с целью повышения продуктивности, устойчивости и стабильности агроэкосистем и получения экологически безопасной продукции.</p>
<p>Цифровое органическое земледелие имеет ряд базовых направлений:</p>
<p>&#8212; минимализация обработки почвы, в том числе основной;</p>
<p>&#8212; поликультура на основе смешанных и совместных посевов на сидераты, корма и продовольственное зерно;</p>
<p>&#8212; насыщение севооборота бобовыми и зернобобовыми культурами до 25-30% площади севооборота;</p>
<p>&#8212; максимальное удлинение продукционного процесса, в том числе за счет промежуточных поукосных, пожнивных и подсевных посевов;</p>
<p>&#8212; новые культуры, высокоадаптивные к повышению аридности вегетационного периода и к резким колебаниям погодных условий;</p>
<p>&#8212; многокомпонентные органические удобрения;</p>
<p>&#8212; полифункциональные биопрепараты;</p>
<p>&#8212; биозащита культур;</p>
<p>&#8212; новые способы внесения удобрений и биопрепаратов в почву;</p>
<p>&#8212; посевные комплексы (за один проход 5-7 и более операций);</p>
<p>&#8212; применение спутниковых систем и навигации для точечного внесения удобрений, биопрепаратов и средств защиты растений;</p>
<p>&#8212; применение беспилотных систем, в том числе летательных, для сокращения затрат невозобновляемых ресурсов.</p>
<p>Государственные меры по снижению парниковых газов, как правило, направлены на энергетику, транспорт и добычу полезных ископаемых.</p>
<p>Между тем, перевод земледелия на низкоуглеродные технологии, то есть переход к цифровому органическому земледелию, учитывая значительные площади сельхозугодий в десятки миллионов га, может радикально улучшить экологическую ситуацию в России и в мире.</p>
<p>Например, органические удобрения и биопрепараты производятся на основе переработки (утилизации) органических отходов и сырья, которых ежегодно накапливается в России сотни миллионов тонн, выделяющих метан, сероводород и другие вредные газы и токсиканты.</p>
<p>Применение беспилотников и дронов в разы снизит сжигание минерального топлива, как и перевод сельхозтехники на биотопливо.</p>
<p>Кроме того, постоянный растительный покров на сельхозугодиях и внесение в пахотный слой органического вещества значительно сократит минерализацию (потерю) гумуса почвы, что является частью технологий улавливания и захоронения углерода (CCS).</p>
<h3>1.2 <strong>Разработка и производство многокомпонентных органических удобрений и биопрепаратов</strong></h3>
<p>Развитие и распространение технологий органического земледелия, в первую очередь, зависят от наличия органических удобрений и биопрепаратов, отвечающих следующим требованиям: 1) по агрономической эффективности не уступают или превосходят минеральные удобрения и пестициды; 2) восстанавливают и способствуют расширенному воспроизводству плодородия почвы; 3) восстанавливают нарушенные экосистемные связи в агрофитоценозах; 4) себестоимость производства и стоимость применения существенно ниже производства и применения минеральных удобрений и пестицидов; 5) высокая технологичность применения; 6) частично или полностью состоят из продуктов переработки органических отходов и сырья; 7) пролонгированность действия; 8) обеспечивают получение «органической» продукции.</p>
<p>Соответственно приведенным требованиям, в рамках наших исследований в качестве основы многокомпонентных органических удобрений было выбрано природное биогенное сырье &#8212; диатомит &#8212; опал &#8212; кристобалитовая осадочная порода, практически полностью сложенная створками диатомовых водорослей, которые представляют собой микроскопические растения с внешним опаловым скелетом, и мелкими округлыми зернами кремнезема. Панцири диатомовых водорослей представляют собой полые внутри микроскопические опаловые тельца. Количество цельных панцирей диатомовых водорослей колеблется в различных сортах диатомита в широких пределах &#8212; от 1,17 до 30 млн. шт. в 1 см<sup>3</sup>, что создает высокую пористость диатомитов (до 90 &#8212; 95%, в среднем &#8212; 80%), размер пор от 1 до сотен нм (рис. 2) [21].</p>
<p><img width="439" height="204" class="wp-image-15218" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-713.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-713.png 439w, https://apknet.ru/wp-content/uploads/2021/07/word-image-713-300x139.png 300w" sizes="(max-width: 439px) 100vw, 439px" alt="word image 713 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис.2. Структура диатомитов, сложенных панцирями диатомовых водорослей</p>
<p>То есть, диатомит является природным наноструктурированным материалом биогенного происхождения, что предопределяет его уникальные технологические свойства, и соответствующие способы применения в АПК, и в органическом земледелии в частности (биозащита и биоудобрение).</p>
<p>Добытый как органическое сырье диатомит измельчается, обжигается и просеивается на разные фракции. Обжиг по специальной технологии увеличивает пористость диатомита на 30 &#8212; 50% за счет выжигания нанопор.</p>
<p>На рис. 3 представлен внешний вид диатомита модифицированного, то есть измельченного и обожженного.</p>
<p><img width="477" height="254" class="wp-image-15219" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-714.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-714.png 477w, https://apknet.ru/wp-content/uploads/2021/07/word-image-714-300x160.png 300w" sizes="(max-width: 477px) 100vw, 477px" alt="word image 714 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 3 Диатомит модифицированный, фракция 3,00 – 4,25 мм</p>
<p>Для разработки линейки органических удобрений был выбран диатомит с месторождения в Ульяновской области. В таблице 1 представлены физико &#8212; химические показатели диатомита, в том числе установленные в лаборатории «АгроЭкологиия» при кафедре «Землеустройство, почвоведение и агрохимия» Самарского ГАУ (объемная масса, пористость, сорбция).</p>
<p>Таблица 1 – Физико-химические показатели диатомита</p>
<table>
<tbody>
<tr>
<td>Ионообменная способность,<br />
г &#8212; экв/кг</td>
<td>Удельная поверхность, м<sup>2</sup>/кг10<sup>3</sup></td>
<td>Объемная масса,</p>
<p>кг/м<sup>3</sup></td>
<td>Пористость,</p>
<p>%</td>
<td>Сорбция,</p>
<p>разные жидкости,</p>
<p>%</td>
<td>Эффективный диаметр пор,</p>
<p><strong><em>нм</em></strong></td>
</tr>
<tr>
<td>0,8 – 0,12</td>
<td>20 – 50</td>
<td>434 &#8212; 588</td>
<td>75 &#8212; 85</p>
<p>(до 90 &#8212; 95)</td>
<td>85 &#8212; 180 от собственного веса диатомита</td>
<td>до 100<br />
и более</td>
</tr>
</tbody>
</table>
<p>На рис. 4 представлен химический состав диатомита с месторождения в Ульяновской области, на основе которого лаборатория «АгроЭкология» разработала ассортиментную линейку многокомпонентных органических удобрений, в том числе для органического земледелия.</p>
<p>&nbsp;</p>
<p><img width="446" height="720" class="wp-image-15220" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-715.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-715.png 446w, https://apknet.ru/wp-content/uploads/2021/07/word-image-715-186x300.png 186w" sizes="(max-width: 446px) 100vw, 446px" alt="word image 715 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 4. Химический состав диатомита с месторождения в Ульяновской области, % на абсолютно &#8212; сухое вещество (Протокол заводской технологической лаборатории керамзитового завода ООО «Керамзит», г. Ульяновск).</p>
<p>Структура, физико &#8212; химические показатели и химический состав диатомита определяют его следующие агрономически полезные технологические свойства: 1) за счет высокой пористости впитывает в себя воды до 180% от собственного веса; 2) за счет особенностей строения нанопор отдает впитанную влагу в почву и растениям постепенно, то есть пролонгировано, за счет чего продлевается эффект полива и подкормки в 2 &#8212; 5 раз; 3) химически инертный, без запаха; 4) имеет нейтральную рН; 5) содержит органического кремния до 40 &#8212; 45% своего состава, из них 10 &#8212; 20% и выше &#8212; в доступной для растений аморфной форме; органический кремний повышает иммунитет и тургор растений; 6) является почворазрыхлителем за счет пористой структуры и низкой плотности сложения [22, 26, 27, 28]; 7) препятствует развитию плесени и гнили; 8) является природным биоинсектицидом [23, 24, 25]; 9) есть возможность насыщать нанопоры питательными элементами, гуминовыми и биоактивными веществами, полезными микроорганизмами, биоинсектицидами и так далее.</p>
<p>Также диатомит представляет собой экологически чистое сырье, так как практически не содержит загрязняющих веществ, в том числе тяжелых металлов. Диатомит способен как сорбент эффективно связывать и нейтрализовывать наиболее вредные токсиканты, что дает возможность использовать его для рекультивации загрязненных и для восстановления нарушенных почв, например, солонцов и солончаков [22, 28, 29].</p>
<p>В условиях изменения климата, связанных с повышением аридности вегетационного периода, для земледелия крайне важным фактором становится свойство диатомита в значительной степени способствовать повышению водоудерживающей способности черноземных почв и экономному расходованию запасов продуктивной влаги [22, 26, 27, 28].</p>
<p>Следовательно, диатомит является перспективным ингредиентом в качестве основы для многокомпонентных органических удобрений, а также как своеобразный «контейнер &#8212; носитель» пролонгированного действия при насыщении нанопор питательными элементами, полезными микроорганизмами и другими органическими компонентами.</p>
<p>Значительный вклад в изучение возможности использования высококремнистых пород, в том числе диатомита, в системе удобрения полевых культур в условиях Среднего Поволжья внесла доктор с. &#8212; х. наук, профессор, зав. кафедрой «Почвоведение, агрохимия и агроэкология» Ульяновского ГАУ Куликова А.Х. [22, 26, 27, 28, 29].</p>
<p>В частности, в работах Куликовой А. Х. с соавторами было установлено положительное влияние диатомита на агрофизические, агрохимические и биологические свойства, водный и питательный режимы чернозема выщелоченного и типичного, урожайность и качество продукции при использовании как в чистом виде, так и совместно с минеральными удобрениями и биопрепаратами, а также птичьим пометом и осадками сточных вод. Доказано пролонгированное действие диатомита и его смесей на систему почва – растение до 3–4 лет и более. Выявлена роль диатомита в получении экологически безопасной продукции [22, 26, 27, 29].</p>
<p>Однако, опыты Куликовой А. Х. имели следующие особенности: 1) на 1 га вносилось 3 &#8212; 8 т диатомита, что на производстве возможно делать только в радиусе 20 &#8212; 30 км от месторождения диатомита, во всех остальных случаях экономическая рентабельность данного агроприема будет стремиться в «минус», учитывая стоимость минерала и логистическое «плечо»; 2) изучались смеси диатомита и азотных минеральных удобрений, в частности с мочевиной, что для органического земледелия неприемлемо в принципе; 3) изучались смеси диатомита с куриным пометом, но также в значительных дозах (диатомит &#8212; 3 &#8212; 8 т/га, куриный помет &#8212; 1,6 т/га); 4) изучалось совместное применение диатомита и биопрепаратов, но биопрепараты применялись только для предпосевной обработки семян полевых культур; 5) было рекомендовано диатомит и удобрительные смеси на его основе вносить под предпосевную культивацию, или диатомит использовать для предпосевного опудривания семян совместно с обработкой семян биопрепаратами; 6) многие опыты закладывались мелкоделяночные (например, 1 м<sup>2</sup>), что совершенно недостаточно для полноты исследований и отработки технологии применения на производстве [22, 26, 27, 29].</p>
<p>Изучив, несомненно, положительный опыт научных исследований Куликовой А. Х., мы решили развить данную тему по следующим направлениям: 1) разработать рецептуру линейки многокомпонентных органических удобрений на основе диатомита, в том числе для органического земледелия; 2) в качестве компонентов использовать только ингредиенты, получаемые в результате переработки органического сырья и отходов; 3) использовать диатомит, ввиду его уникальных технологических свойств, как «контейнер &#8212; носитель» для других органических компонентов; 4) разработать технологию внесения удобрительных смесей на основе диатомита из сеялки при посеве непосредственно в рядок, что позволит доставлять питательные элементы и полезные микроорганизмы адресно в ризосферную зону всходов культур, что соответственно позволит снизить нормы внесения и повысит агрономическую эффективность удобрений; 5) в состав удобрительных смесей включать микробиологические препараты с функциями биофунгицида и бактерицида, чтобы удобрение выполняло также роль биозащиты семян, проростков и всходов полевых культур; 6) в состав удобрений включать гуминовые вещества и микроорганизмы, восстанавливающие и повышающие плодородие почвы.</p>
<p>Учитывая вышеперечисленные факторы, была разработана линейка многокомпонентных органических удобрений на основе диатомита, которая в настоящее время проходит лабораторную и полевую апробацию, в том числе в научных производственных полевых опытах.</p>
<p>В рамках наших исследований в качестве основы многофункциональных биопрепаратов был выбран эффлюент (ГОСТ РФ 33380 &#8212; 2015). Эффлюент &#8212; продукт микробиологической анаэробной ферментации органических отходов и/или сырья в биореакторах с одновременным получением биогаза, который может направляться на генерацию тепла и электричества для хозяйственных и производственных нужд (например, на животноводческой ферме).</p>
<p>В биореактор может закладываться самая разнообразная органика: пищевые отходы предприятий общественного питания, отходы с предприятий пищевой переработки и элеваторов, сидеральная масса, сине &#8212; зеленые водоросли, все виды навозов и помета, торфы, или комбинации вышеперечисленных отходов и сырья.</p>
<p>Эффлюент содержит микроорганизмы &#8212; живые, полезные &#8212; антагонисты патогенной микрофлоры, свыше 30 видов: консорциум представителей родов Klebsiella, Pseudomonas, Bacillus и Trichoderma. Эффлюент при необходимости обогащается другими жидкими органическими ингредиентами, например: гумат калия, микробиологические препараты, биогумус, наночастицы микроэлементов и так далее.</p>
<p>В эффлюенте нет медведки и личинок насекомых, яиц гельминтов и паразитов, семян сорняков, нитратов и нитритов, и патогенных микроорганизмов, вызывающих болезни растений и фитотоксичность почвы.</p>
<p>В наших опытах использовался эффлюент: в 2017 &#8212; 2018 гг. &#8212; вырабатываемый на биореакторе конструкции и производства ООО «СельхозБиогаз» (г. Киров) из смеси навоза КРС, птичьего помета и торфа; в 2018 &#8212; 2020 гг. &#8212; вырабатываемый на биореакторе конструкции и производства ООО «БТК» (г. Тольятти) из навоза КРС.</p>
<h2><strong>2. ОБЪЕКТЫ И МЕТОДИКА ИССЛЕДОВАНИЙ</strong></h2>
<h3><strong>2.1 Природные условия района исследований</strong></h3>
<p><strong>2.1.1 Почвы и климатические условия лесостепи Заволжья</strong></p>
<p>Лесостепь Заволжья, согласно общему природно-сельскохозяйственному районированию земельного фонда бывшего СССР, расположена в южной части Предуральской лесостепной провинции, охватывающей центральную и северную часть Самарской и северную часть Оренбургской областей, восточную часть Ульяновской области и Татарстана, северо-запад Башкортостана с общей площадью примерно 7 млн. га.</p>
<p>В границах Предуральской лесостепной провинции на территории Самарской области выделены следующие однородные по геоморфологии, составу почвенного покрова и другим природным особенностям почвенные районы (рис. 5): северо-восточная часть лесостепи Высокого Заволжья, юго-западная часть лесостепи Высокого Заволжья, Прикондурчинская лесостепь, Низменное лесостепное Заволжье [30, 31, 32, 33].</p>
<p>По агроклиматическим ресурсам Предуральская лесостепная провинция в целом характеризуется как среднеконтинентальная умеренного увлажнения, среднеобеспеченная теплом, средней биологической продуктивности [34].</p>
<p>Лесостепь Заволжья, являющаяся южной частью провинции, на территории Самарской области входит в два ее агроклиматических района – повышенного и умеренного увлажнения, отчасти распространяясь на северную часть третьего района – пониженного увлажнения (рис. 6).</p>
<p>На территории лесостепи Заволжья среднегодовая температура воздуха +2,9…+3,9<sup>О</sup>С. Самый холодный месяц в году – январь (-13,0…-14,2<sup>О</sup>С), самый теплый – июнь (+19,0…+21,0<sup>О</sup>С).</p>
<p>Зима длится более 5 месяцев. Устойчивый снежный покров образуется во второй-третьей декаде ноября, средняя его продолжительность 134-148 дней. Мощность снежного покрова 26-45 см и выше.</p>
<p>Весенний период короткий. Через 0<sup>О</sup>С средняя температура воздуха переходит в первой декаде апреля. С переходом температуры воздуха через 10<sup>О</sup>С в начале мая устанавливается теплый период, продолжающийся 132-150 дней. Общие ресурсы тепла за этот период составляют 2200-2600 <sup>О</sup>С, что вполне обеспечивает выращивание основных сельскохозяйственных культур.</p>
<p>Гидротермический коэффициент, характеризующий степень увлажнения территории, равен 0,7-1,0. За год в среднем выпадает 348-468 мм осадков, в том числе за вегетационный период (апрель-сентябрь) 214-262 мм.</p>
<p><img width="1288" height="992" class="wp-image-15221" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-716.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-716.png 1288w, https://apknet.ru/wp-content/uploads/2021/07/word-image-716-300x231.png 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-716-1024x789.png 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-716-768x592.png 768w" sizes="(max-width: 1288px) 100vw, 1288px" alt="word image 716 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Условные обозначения:</p>
<p>444идротермический коэффициент, характеризующий степень увлажнения территории, равен 0,7-1,0. За год в среднем выпадает 348-468 мм</p>
<p>осадков, в том числе за вегетационный период (апрель-сентябрь) 214-262 мм. 6</p>
<p>5 – Лесостепная природная зона</p>
<p>5-3 – Предуральская природная провинция</p>
<p>Почвенные районы:</p>
<p>5-3-I –лесостепь Высокого Заволжья (северо-восточная часть)</p>
<p>5-3-II – лесостепь Высокого Заволжья (юго-западная часть)</p>
<p>5-3-III – Прикондурчинская лесостепь</p>
<p>5-3-IV – низменное лесостепное Заволжье</p>
<p>Рис. 5 &#8212; Почвенные районы лесостепи Самарского Заволжья</p>
<p><img width="1288" height="992" class="wp-image-15222" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-717.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-717.png 1288w, https://apknet.ru/wp-content/uploads/2021/07/word-image-717-300x231.png 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-717-1024x789.png 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-717-768x592.png 768w" sizes="(max-width: 1288px) 100vw, 1288px" alt="word image 717 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Условные обозначения:</p>
<p>– границы агроклиматических районов</p>
<p>I – район повышенного увлажнения</p>
<p>II – район умеренного увлажнения</p>
<p>III – район пониженного увлажнения</p>
<p>IV – район слабого увлажнения</p>
<p>Рис. 6 &#8212; Агроклиматические районы Самарской области</p>
<p>Летние осадки чаще всего выпадают в виде ливней, поэтому коэффициент полезного действия их низкий. Бывают годы с засушливыми периодами, когда в течение нескольких месяцев осадки не выпадают совсем. При сочетании высокой температуры воздуха с низкой его влажностью и сильными ветрами в лесостепи Заволжья складывается суховейный тип погоды, что наносит большой вред посевам культур, в том числе яровой пшенице. Суховеи средней интенсивности наблюдаются ежегодно; число дней с суховеями за теплый период составляет в среднем 8,5-12,3 дня.</p>
<p>В среднем за период активной вегетации влажность почвы в слое 0-100 см находится на уровне 65% НВ. Запасы продуктивной влаги в этом слое на начало вегетации составляют 90-110% НВ, к концу вегетации снижаются до 40-45%, а в слое 20-50 см &#8212; до 30-40% НВ, что характеризует условия влагообеспеченности как засушливые и очень засушливые.</p>
<p>Расположение территории лесостепи Самарского Заволжья в глубине материка определяет важную особенность местного климата – его резко выраженную неустойчивость и возможность глубоких аномалий всех метеорологических элементов в отдельные годы и сезоны. При этом в ряде лет складываются неблагоприятные по влагообеспеченности условия для роста и развития сельскохозяйственных культур – недостаточное количество осадков, часто повторяющиеся засухи. Это означает, что все основные элементы системы земледелия, и в частности обработка почвы, должны быть направлены в местных условиях на накопление влаги в почве, ее сохранение и продуктивное использование культурами [34].</p>
<ul>
<li>
<ol>
<li><strong>2.1.2 Месторасположение и почва опытных участков</strong></li>
</ol>
</li>
</ul>
<p>Экспериментальная работа выполнена в 2017 &#8212; 2020 гг. на опытном поле научно-исследовательской лаборатории «АгроЭкология» (центральный район Самарской обл.) при кафедре «Землеустройство, почвоведение и агрохимия» Самарского ГАУ.</p>
<p>В данных почвенно-климатических условиях за год осадков выпадает в среднем 410 мм; за период вегетации апрель &#8212; сентябрь – 234 мм; за тёплый период апрель — октябрь &#8212; 257 мм; за время наиболее интенсивного развития растений &#8212; в июне – 39 и июле – 47 мм (май &#8212; июнь &#8212; 75 мм).</p>
<p>Среднегодовая температура воздуха составляет 3,7<sup>О</sup>С. Почва промерзает на глубину 100-120 см. Атмосферные засухи и суховеи средней интенсивности наблюдаются ежегодно, интенсивные – 9 лет из 10, а очень интенсивные – 4 &#8212; 6 лет из 10. Общая сумма положительных температур свыше 10<sup>О</sup>С за период активной вегетации большинства сельскохозяйственных культур – 2500<sup>О</sup>С.</p>
<p>ГТК по многолетним данным составляет 0,78, что характеризует условия влагообеспеченности как засушливые.</p>
<p>Рельеф опытного поля &#8212; выровненный; облесенность окружающей территории достигает 8-10%; по северной и южной границам опытного поля имеются старые лесные полосы.</p>
<p>Почва опытного поля – чернозем типичный среднегумусный среднемощный тяжелосуглинистый. Этот подтип черноземной почвы занимает свыше 20% всей территории Самарской области и преобладает в лесостепной зоне Заволжья. Почва опытного участка: гумус &#8212; 5,3 %; рН сол. – 6,9; в пахотном слое &#8212; азот легкогидролизуемый &#8212; 80-120 мг/кг, фосфор подвижный &#8212; 135-145 и калий подвижный &#8212; 150-195 (ГОСТ 26204-91) мг/кг.</p>
<p>Закладка и обследование почвенных разрезов позволяют судить о достаточной однородности опытного поля и возможности постановки на нем стационарного многофакторного опыта.</p>
<p>Почва опытного поля по своим физико-химическим и водным свойствам соответствует требованиям эффективного возделывания основных сельскохозяйственных культур Среднего Поволжья.</p>
<p>Исследованиями установлено, что черноземные почвы Среднего Поволжья имеют равновесную плотность, благоприятную для возделывания основных сельскохозяйственных культур, без особых дополнительных обработок, что дает возможность широкого применения минимальных обработок и прямого посева.</p>
<p><strong>2.1.3 Агрометеорологические условия в годы проведения опытов</strong></p>
<p>Агрометеорологические данные за 2017 &#8212; 2020 годы исследований представлены в таблице 2.</p>
<p>В среднем за год сумма осадков во все годы исследований превышала среднемноголетние данные. Однако, в связи с глобальными климатическими изменениями происходит значительное перераспределение осадков по периодам года.</p>
<h3>Таблица 2 &#8212; Метеорологические условия за годы проведения опытов</h3>
<h3>по данным агрометеостанции «Усть-Кинельская» (2017 &#8212; 2020 гг.)</h3>
<table>
<tbody>
<tr>
<td rowspan="2">Месяцы</td>
<td colspan="5">Осадки, мм</td>
<td colspan="5">Средняя температура воздуха, <sup>о</sup>С</td>
</tr>
<tr>
<td>Средне &#8212;</p>
<p>многолетняя</td>
<td>2016-2017 гг.</td>
<td>2017-2018 гг.</td>
<td>2018-2019 гг.</td>
<td>2019-2020 гг.</td>
<td>Средне &#8212;</p>
<p>многолетняя</td>
<td>2016-2017 гг.</td>
<td>2017-2018 гг.</td>
<td>2018-2019 гг.</td>
<td>2019-2020 гг.</td>
</tr>
<tr>
<td>Сентябрь</td>
<td>44,0</td>
<td>117,4</td>
<td>66,0</td>
<td>18,3</td>
<td>38,2</td>
<td>12,3</td>
<td>12,5</td>
<td>14,0</td>
<td>15,7</td>
<td>11,1</td>
</tr>
<tr>
<td>Октябрь</td>
<td>41,0</td>
<td>46,4</td>
<td>82,5</td>
<td>23,2</td>
<td>43,7</td>
<td>4,3</td>
<td>4,8</td>
<td>5,5</td>
<td>7,5</td>
<td>8,9</td>
</tr>
<tr>
<td>Ноябрь</td>
<td>38,0</td>
<td>82,6</td>
<td>32,8</td>
<td>13,4</td>
<td>16,3</td>
<td>-3,9</td>
<td>-4,0</td>
<td>1,2</td>
<td>&#8212; 3,4</td>
<td>&#8212; 2,4</td>
</tr>
<tr>
<td><strong>За сентябрь &#8212; ноябрь, %</strong></td>
<td><strong>123</strong></p>
<p><strong>100</strong></td>
<td><strong>246,4</strong></p>
<p><strong>200,3</strong></td>
<td><strong>181,3</strong></p>
<p><strong>147,4</strong></td>
<td><strong>54,9</strong></p>
<p><strong>44,6</strong></td>
<td><strong>98,2</strong></p>
<p><strong>79,8</strong></td>
<td><strong>4,2</strong></p>
<p><strong>100</strong></td>
<td><strong>4,4</strong></p>
<p><strong>104,8</strong></td>
<td><strong>6,9</strong></p>
<p><strong>164,3</strong></td>
<td><strong>6,6</strong></p>
<p><strong>157,1</strong></td>
<td><strong>5,9</strong></p>
<p><strong>140,5</strong></td>
</tr>
<tr>
<td>Декабрь</td>
<td>31,0</td>
<td>42,5</td>
<td>65,0</td>
<td>58,2</td>
<td>34,5</td>
<td>-10,6</td>
<td>-11,9</td>
<td>-5,4</td>
<td>-8,1</td>
<td>&#8212; 4,9</td>
</tr>
<tr>
<td>Январь</td>
<td>24,0</td>
<td>48,0</td>
<td>21,7</td>
<td>75,1</td>
<td>54,9</td>
<td>-13,7</td>
<td>-9,9</td>
<td>-10,2</td>
<td>-11,7</td>
<td>&#8212; 2,8</td>
</tr>
<tr>
<td>Февраль</td>
<td>18,0</td>
<td>48,4</td>
<td>20,7</td>
<td>50,6</td>
<td>37,2</td>
<td>-13,1</td>
<td>-8,2</td>
<td>-11,6</td>
<td>-8,0</td>
<td>&#8212; 3,8</td>
</tr>
<tr>
<td>Март</td>
<td>24,0</td>
<td>24,9</td>
<td>55,9</td>
<td>74,5</td>
<td>75,7</td>
<td>-7,0</td>
<td>-2,7</td>
<td>-9,2</td>
<td>-1,7</td>
<td>2,2</td>
</tr>
<tr>
<td>Апрель</td>
<td>27,0</td>
<td>52,0</td>
<td>57,1</td>
<td>33,3</td>
<td>29,5</td>
<td>4,7</td>
<td>6,1</td>
<td>5,9</td>
<td>8,4</td>
<td>7,3</td>
</tr>
<tr>
<td><strong>За декабрь &#8212; апрель, %</strong></td>
<td><strong>124</strong></p>
<p><strong>100</strong></td>
<td><strong>215,8</strong></p>
<p><strong>174</strong></td>
<td><strong>220,4</strong></p>
<p><strong>177,7</strong></td>
<td><strong>291,7</strong></p>
<p><strong>235,2</strong></td>
<td><strong>231,8</strong></p>
<p><strong>186,9</strong></td>
<td><strong>-7,9</strong></p>
<p><strong>100</strong></td>
<td><strong>-5,3</strong></p>
<p><strong>67,1</strong></td>
<td><strong>-6,1</strong></p>
<p><strong>77,2</strong></td>
<td><strong>-4,2</strong></p>
<p><strong>53,2</strong></td>
<td><strong>-4,0</strong></p>
<p><strong>50,6</strong></td>
</tr>
<tr>
<td>Май</td>
<td>33,0</td>
<td>70,4</td>
<td>20,2</td>
<td>38,6</td>
<td>17,6</td>
<td>14,1</td>
<td>13,8</td>
<td>16,7</td>
<td>17,0</td>
<td>15,6</td>
</tr>
<tr>
<td>Июнь</td>
<td>39,0</td>
<td>129,8</td>
<td>18,7</td>
<td>10,5</td>
<td>48,3</td>
<td>18,7</td>
<td>16,5</td>
<td>18,5</td>
<td>20,6</td>
<td>18,5</td>
</tr>
<tr>
<td>Июль</td>
<td>47,0</td>
<td>22,4</td>
<td>72,7</td>
<td>32,7</td>
<td>21,6</td>
<td>20,7</td>
<td>20,9</td>
<td>23,8</td>
<td>20,3</td>
<td>24,1</td>
</tr>
<tr>
<td>Август</td>
<td>44,0</td>
<td>1,3</td>
<td>13,1</td>
<td>28,8</td>
<td>43,0</td>
<td>18,8</td>
<td>21,4</td>
<td>20,2</td>
<td>18,3</td>
<td>18,9</td>
</tr>
<tr>
<td><strong>За май &#8212; август,</strong></p>
<p><strong>%</strong></td>
<td><strong>163</strong></p>
<p><strong>100</strong></td>
<td><strong>223,9</strong></p>
<p><strong>137,4</strong></td>
<td><strong>124,7</strong></p>
<p><strong>76,5</strong></td>
<td><strong>110,6</strong></p>
<p><strong>67,9</strong></td>
<td><strong>130,5</strong></p>
<p><strong>80,1</strong></td>
<td><strong>18,1</strong></p>
<p><strong>100</strong></td>
<td><strong>18,2</strong></p>
<p><strong>100,6</strong></td>
<td><strong>19,8</strong></p>
<p><strong>109,4</strong></td>
<td><strong>19,1</strong></p>
<p><strong>105,5</strong></td>
<td><strong>19,3</strong></p>
<p><strong>106,6</strong></td>
</tr>
<tr>
<td><strong>Всего или среднее,</strong></p>
<p><strong>%</strong></td>
<td><strong>410,0</strong></p>
<p><strong>100</strong></td>
<td><strong>752,1</strong></p>
<p><strong>183,4</strong></td>
<td><strong>526,4</strong></p>
<p><strong>128,4</strong></td>
<td><strong>457,2</strong></p>
<p><strong>111,5</strong></td>
<td><strong>460,5</strong></p>
<p><strong>112,3</strong></td>
<td><strong>3,8</strong></p>
<p><strong>100</strong></td>
<td><strong>5,2</strong></p>
<p><strong>136,8</strong></td>
<td><strong>5,8</strong></p>
<p><strong>152,6</strong></td>
<td><strong>6,2</strong></p>
<p><strong>163,2</strong></td>
<td><strong>7,1</strong></p>
<p><strong>147,9</strong></td>
</tr>
</tbody>
</table>
<p>Так, значительная часть осадков выпадала в период декабрь &#8212; апрель, превышение над среднемноголетними данными составляло 74 &#8212; 135,2%. Особенно характерен в этом плане 2018 &#8212; 2019 сельскохозяйственный год, когда в сентябре &#8212; ноябре выпало 44,6% осадков, в мае &#8212; августе &#8212; 67,9%, зато в декабре &#8212; апреле &#8212; 235,2% нормы.</p>
<p>Следовательно, изменения в выпадении осадков заключаются не в их суммарном количестве за год, а в распределении осадков по периодам года, и вегетационный период май &#8212; август становится заметно засушливее.</p>
<p>Средняя температура воздуха во все года исследований в среднем за год превышала среднемноголетние показатели на 36,8 &#8212; 63,2%. И если в период май &#8212; август средняя температура повышалась незначительно, на 0,6 &#8212; 9,4%, то в сентябре &#8212; ноябре &#8212; на 4,8 &#8212; 64,3%, а в декабре &#8212; апреле &#8212; на 22,8 &#8212; 46,8%. То есть, наибольшее повышение средней температуры воздуха происходит в осенний, и особенно, в зимний периоды года.</p>
<p>Таким образом, подтверждаются наблюдения о глобальном изменении климата, в том числе в Среднем Поволжье, которое заключается в значительном увеличении осадков в зимний период, и значительном повышении средней температуры воздуха во все периоды года, и особенно в осенний, зимний и ранневесенний.</p>
<p>В то же время, период активной вегетации полевых культур, май &#8212; август, становится более аридным: с меньшим количеством осадков, но с более высокой средней температурой воздуха, а также значительными резкими колебаниями температуры воздуха в течение суток.</p>
<p>Глобальные климатические изменения требуют корректировки структуры посевных площадей, набора полевых культур, сроков и способов их посева, и новых (хорошо забытых старых) способов основной обработки почвы с целью снегозадержания зимой и талых вод во время зимних оттепелей и ранней весной.</p>
<p>Зимний период в 2020 г. также был теплее обычного на 8,7 <sup>о</sup>С с превышением среднемноголетней нормы осадков на 141,4 %. Такие погодные условия способствовали хорошей перезимовки озимых культур и существенно пополняли в весенний период запасы продуктивной влаги в почве. 2020 год в полной мере подтверждает выявленные тенденции глобальных климатических изменений: за декабрь &#8212; апрель превышают среднемноголетние данные &#8212; сумма осадков &#8212; на 86,9%, средняя температура воздуха &#8212; на 49,4%. Вегетационный период май &#8212; август оказался засушливее (осадков меньше нормы на 19,9%) и теплее (средняя температура воздуха выше нормы на 6,6%).</p>
<h3><strong>2.2 Методика исследований</strong></h3>
<ol>
<li style="list-style-type: none;">
<ol>
<li><strong>2.2.1 Методика проведения полевых опытов</strong></li>
</ol>
</li>
</ol>
<p>Исследования проводили в полевом стационарном двухфакторном опыте, заложенном в 2017 г. в рамках научной темы «Цифровое органическое земледелие», в двух севооборотах:</p>
<p>Севооборот «Стандарт»: 1) чистый пар, 2) озимая пшеница, 3) яровая пшеница твердая, 4) горох, 5) ячмень, 6) подсолнечник.</p>
<p>Сорта культур, районированные: озимая пшеница &#8212; «Бирюза», яровая пшеница твердая &#8212; «Безенчукская Степная», горох &#8212; «Самариус», ячмень яровой &#8212; «Орлан» (все сорта &#8212; оригинатор: Самарский НИИСХ &#8212; филиал СамНЦ РАН, пгт. Безенчук). Подсолнечник &#8212; гибрид «Светлана» (оригинатор &#8212; селекционно &#8212; семеноводческая компания «Агроплазма», г. Краснодар).</p>
<p>Севооборот «Органик»: 1) сидеральный пар, 2) озимая рожь + ячмень яровой (весенний смешанный посев), 3) озимая рожь, 4) сафлор, 5) нут + яровая пшеница твердая (смешанный посев), 6) овес голозерный.</p>
<p>Сорта культур, районированные: озимая рожь &#8212; «Безенчукская 110», ячмень яровой &#8212; «Орлан», яровая пшеница твердая &#8212; «Безенчукская Степная»,</p>
<p>овес голозерный &#8212; «Бекас» (все сорта &#8212; оригинатор: Самарский НИИСХ &#8212; филиал СамНЦ РАН, пгт. Безенчук); нут &#8212; «Галилео», сафлор &#8212; «Ершовский &#8212; 4» (все сорта &#8212; оригинатор: ООО ОВП «Покровское»).</p>
<p>Факторы: А – удобрения, В – препараты. Вариантов на поле – 21; повторности – 3; количество делянок на поле – 63; площадь делянки общая – 63 м<sup>2 </sup>(4,5 * 14,0 м), учетная &#8212; 31,5 м<sup>2</sup>; общая площадь поля – 0,40 га; размещение делянок &#8212; систематическое.</p>
<p>Фактор А &#8212; удобрения вносили при посеве из сеялки в рядок на семенное ложе &#8212; под зерновые колосовые, зернобобовые и их смеси:</p>
<p>А1 &#8212; контроль;</p>
<p>А2 &#8212; 100 кг/га нитроаммофоски («16:16:16»), норма внесения определялась из расчета объема бункера, стоимости минерального удобрения и безопасности для проростков пшеницы. Нитроаммофоска &#8212; единственное минеральное азотное удобрение, внесение которого в рядок при посеве относительно допустимо, без особого вреда для проростков полевых культур, при соблюдении умеренных доз;</p>
<p>А3 &#8212; 200 кг/га многокомпонентного органического удобрения «Диатомит + Зола древесная + Калий органический = 65:25:10» («ДЗК»);</p>
<p>А4 &#8212; 200 кг/га многокомпонентного органического удобрения «Диатомит + Зоогумус + Зола древесная = 50:40:10» («ДЗгЗ»);</p>
<p>А5 &#8212; 200 кг/га многокомпонентного органического удобрения «(Диатомит+Фитоспорин АС)+(Диатомит+Гумат калия)=70:30»(«ДФСПГк»)</p>
<p>А6 &#8212; 100 кг/га многокомпонентной органической смеси с функциями удобрения, биостимулятора, фунгицида и бактерицида, в виде предпосевной дражировки семян культур;</p>
<p>А7 &#8212; 200 кг/га двухкомпонентного органического удобрения «Цеолит + Эффлюент» («ЦЭ»).</p>
<p>Норма внесения удобрения на вариантах А3 &#8212; А7 определялась из расчета объема бункера, стоимости удобрения и необходимости оперативности посева, а также исходя из технических характеристик применяемой сеялки. Используемая на наших опытных полях сеялка Amazone Primera DMC (с шириной захвата 4,5 м) имеет максимальную устанавливаемую рабочую норму высева примерно в 450 кг/га.</p>
<p>Распространение и развитие технологий органического земледелия во многом зависит от технологичности внесения, агрономической эффективности и экономической рентабельности применения органических удобрений и биопрепаратов. Поэтому, концепция разработки наших органических удобрений &#8212; многокомпонентные полифункциональные высококонцентрированные максимально усвояемые биогенные удобрительные смеси низкой дозы внесения (200 &#8212; 300 кг/га) из сеялки при посеве в рядок на семенное ложе в прикорневую зону.</p>
<p>Соответственно, органическое удобрение должно быть в виде сыпучих гранул длиной 0,5-1,0 и диаметром 0,3-0,5 см, и должно вноситься в рядок при посеве из бункера сеялки, чтобы максимально сократить нормы внесения и затраты на внесение, а также доставить компоненты удобрения непосредственно в ризосферную зону проростков и всходов культур.</p>
<p>Фактор В &#8212; поперек внесения удобрений проводилось опрыскивание препаратами во время вегетации по листу:</p>
<p>В1 &#8212; контроль;</p>
<p>В2 &#8212; гербициды при необходимости. В 2018 и 2019 гг. на зерновых колосовых один раз за вегетацию применялся гербицид «Гранстар Мега» &#8212; в фазу флагового листа, расход &#8212; согласно инструкции;</p>
<p>В3 &#8212; биопрепарат на основе эффлюента разработки лаборатории «АгроЭкология» («Многокомпонентный полифункциональный биопрепарат с функциями удобрения, фунгицида и бактерицида»). Во все годы исследований применялся биопрепарат на всех культурах двух севооборотов, в том числе на поле сидерального пара: норма внесения &#8212; 3 л/га при рабочем растворе 200 л/га; зерновые колосовые &#8212; два раза за вегетацию, в фазы кущения и выхода в трубку; горох &#8212; два раза за вегетацию &#8212; до фазы 5 пар листьев; нут &#8212; два раза за вегетацию до фазы бутонизации; подсолнечник &#8212; два раза за вегетацию до наступления фазы 5 пар листьев.</p>
<p>Обработка почвы: под яровые зерновые колосовые: основная &#8212; двукратное дискование &#8212; на 6-8 и через 10-14 дней на 10-12 см, весенняя &#8212; ранневесеннее боронование, культивация не ранее 1 &#8212; 2 дней перед посевом; зернобобовые, сафлор и подсолнечник: основная &#8212; дискование на 6 &#8212; 8 и через 10 &#8212; 14 дней &#8212; рыхление на 16 &#8212; 18 см, весенняя &#8212; ранневесеннее боронование, культивация не ранее 1 &#8212; 2 дней перед посевом; под озимую пшеницу &#8212; предпосевная культивация не ранее 1 &#8212; 2 дней перед посевом.</p>
<p>Посев зерновых колосовых, зернобобовых и сафлора проводился сеялкой Amazone Primera DMC с шириной захвата 4,5 м; подсолнечника &#8212; пропашной сеялкой СУПН &#8212; 8. После посева сразу проводилось прикатывание кольчато &#8212; шпоровыми катками ККШ &#8212; 6. Опрыскивание проводилось навесным опрыскивателем Amazone UF 01 с шириной захвата 14 м; уборка &#8212; селекционным комбайном «TERRION &#8212; SR2010».</p>
<p>Перед уборкой в фазу полной спелости зерна проводили отбор снопов с делянок площадью 1,00 м² для определения структуры урожая зерновых колосовых, зернобобовых и сафлора.</p>
<p>Нормы высева: зерновые колосовые &#8212; 4,5 &#8212; 5,0 млн. всхожих семян (примерно 200 &#8212; 220 кг/га), горох &#8212; 1,0 &#8212; 1,5 млн. (220 &#8212; 240 кг/га), нут &#8212; 0,8 &#8212; 0,9 млн. (200 &#8212; 240 кг/га), сафлор &#8212; 10 &#8212; 12 кг/га, подсолнечник &#8212; 3 &#8212; 5 кг/га.</p>
<p>Смешанные посевы: озимая рожь + ячмень &#8212; по 50% стандартной нормы высева; нут + яровая пшеница твердая &#8212; 80 &#8212; 100 и 50 &#8212; 70% соответственно; вика + овес пленчатый (сидеральная смесь) &#8212; по 50%.</p>
<ul>
<li>
<ol>
<li><strong>2.2.2 Сопутствующие исследования, учеты и наблюдения</strong></li>
</ol>
</li>
</ul>
<p>По общепринятым методикам и ГОСТам проводились лабораторные и полевые анализы, учеты и наблюдения: засоренность посевов (количественно-весовой метод); фенологические наблюдения и структура урожая (методика Госсортосети); урожайность (ГОСТ 12041-82 и ГОСТ 12037-81); пораженность растений культуры корневыми гнилями (методика ВНИИЗРа); степень пораженности растений культуры бурой ржавчиной (шкала Русакова); содержание белка в зерне определяли по Ермакову В. А. [12] и Починку Х. Н. [27]; методы дисперсионного и корреляционного анализа (Доспехов Б. А., 1985).</p>
<h2><strong>3.РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ</strong></h2>
<h3><strong>3.1 Разработка рецептуры и технологии производства </strong></h3>
<ol>
<li style="list-style-type: none;">
<ol>
<li><strong>многокомпонентных органических удобрений на основе наноструктурного диатомита</strong></li>
</ol>
</li>
</ol>
<p>Одним из направлений разработки и внедрения инновационных технологий в агрохимии является использование экологически чистых биологических препаратов, способствующих повышению устойчивости к неблагоприятным условиям и фитопатогенам, повышению урожайности и улучшению качества зерна. Существенное достоинство биопрепаратов &#8212; это то, что их основой являются микроорганизмы, выделенные из природных объектов, которые не обладают канцерогенным, тератогенным и кумулятивным действием. Они тесно взаимодействуют с растениями (образуя «ассоциативный симбиоз») и способны выполнять ряд функций, полезных для растений: усиливать фиксацию атмосферного азота на корнях растения, заменяя при этом 30-50 кг/га минеральных азотных удобрений; стимулировать рост и развитие растений за счёт продуцирования физиологически активных веществ (ускоряя созревание продукции на 10-15 дней). Биологические препараты подавляют развитие фитопатогенных микроорганизмов, обеспечивая снижение поражаемости растений болезнями в 1,5 – 10 раз, улучшая при этом фитосанитарную обстановку в почве; усиливают устойчивость растений к неблагоприятным условиям (засуха, заморозки, пониженные или повышенные температуры, повышенное содержание солей); повышают коэффициенты использования минеральных удобрений; регулируют накопление в растениях тяжёлых металлов, радионуклидов, нитратов и других вредных соединений [2].</p>
<p>В данной работе представлены три вида многокомпонентного органического удобрения на основе наноструктурного диатомита, которые проходят лабораторную и полевую апробацию, в том числе в научных производственных полевых опытах в четырех сельхозпредприятиях.</p>
<p>Пропорции данных трех видов удобрений были установлены лабораторным опытным и расчетным путем. Проводились лабораторные эксперименты на различных зерновых колосовых, зернобобовых и овощных культурах. Затем пропорции оптимальных удобрительных смесей из ряда вариантов корректировались расчетным путем с целью достижения наибольшей экономической эффективности.</p>
<p>Диатомит использовался модифицированный обожженный фракции 3,00 &#8212; 4,25 мм. Диатомит подготавливался на заводе «Октябрьский» ООО «ПромАктив» (г. Октябрьск, Самарская обл.). В лаборатории «АгроЭкология» было установлено, что для производства удобрительных смесей оптимальной технологичностью обладает фракция диатомита 3,00-4,25 мм (гранула примерно соответствует размеру семени пшеницы).</p>
<p><strong>3.1.1 Органическая комплексная подкормка</strong></p>
<p><strong> «Диатомит + Зоогумус + Зола древесная = 50:40:10»</strong></p>
<p>Предварительно, перед смешиванием с другими сухими органическими ингредиентами, диатомит насыщался эффлюентом, в пропорции 3 : 1 по массе. Эффлюент &#8212; продукт микробиологической анаэробной ферментации органических отходов и/или сырья в биореакторах с одновременным получением биогаза, который может направляться на генерацию тепла и электричества для хозяйственных и производственных нужд.</p>
<p>В 2017 &#8212; 18 гг. использовался эффлюент, вырабатываемый на биореакторе ООО «СБГ» (г. Киров) из смеси навоза КРС, птичьего помета и торфа. В 2018 &#8212; 20 гг. использовался эффлюент, вырабатываемый на биореакторе ООО «БТК» (г. Тольятти) из навоза КРС. Кафедра «Землеустройства, почвоведения и агрохимии» заключила с ООО «БТК» Договор от 29.10.2018 г. на выполнение научно &#8212; исследовательской работы по теме: «Разработка рецептуры и технологии производства органических полифункциональных биопрепаратов на основе микробиологической ферментации пищевых и сельскохозяйственных отходов» (фактически, сотрудничество с ООО «БТК» началось до заключения Договора).</p>
<p>Эффлюент при необходимости обогащается другими жидкими органическими ингредиентами, например: гумат калия, микробиологические препараты и так далее. В нашем случае, диатомит насыщался одним эффлюентом, предназначение которого заключается в обогащении нанопор диатомита полезными микроорганизмами и гуминовыми веществами.</p>
<p>В таблице 3 представлен расчетный итоговый агрохимический состав данного удобрения «ДЗгЗ», так как не все лаборатории определяют содержание всего спектра питательных элементов. В таблице не указан эффлюент, так как содержание элементов в нем незначительное (основное предназначение &#8212; источник гуминовых веществ и полезной микрофлоры).</p>
<p>Таблица 3 &#8212; Агрохимический состав (расчетный) и оптовая стоимость</p>
<p>многокомпонентного органического удобрения</p>
<table>
<tbody>
<tr>
<td>Органическое удобрение</td>
<td colspan="5"><strong>«Диатомит + Зоогумус + Зола древесная = 50:40:10»</strong></td>
</tr>
<tr>
<td>Состав</td>
<td>Диатомит,</p>
<p>обожженный,</p>
<p>фракция</p>
<p>3,0 &#8212; 4,25 мм</td>
<td>Зоогумус,</p>
<p>гранул.</td>
<td>Зола</p>
<p>древесная</p>
<p>гранул.</td>
<td>Итого,</p>
<p>агрохим.</p>
<p>состав</td>
<td>Экономика</p>
<p>удобрения,</p>
<p>2020 год</td>
</tr>
<tr>
<td>1 рН</td>
<td>6,5 &#8212; 7,5</td>
<td>7,2</td>
<td>6,5-7,0</td>
<td>7,0 &#8212; 7,2</td>
<td>&#8212;</td>
</tr>
<tr>
<td>2. Общий азот, % на абс. сух. в-во</td>
<td><strong>&#8212;</strong></td>
<td>5,63</td>
<td>&#8212;</td>
<td>2,25</td>
<td><strong>&#8212;</strong></td>
</tr>
<tr>
<td>3. Общий фосфор, %</td>
<td>0,05 % (вал.)</td>
<td>4,17</td>
<td>3,42</td>
<td>2,0</td>
<td>&#8212;</td>
</tr>
<tr>
<td>4. Общий калий, %</td>
<td>1,25 % (вал.)</td>
<td>4,28</td>
<td>3,47</td>
<td>2,2</td>
<td>&#8212;</td>
</tr>
<tr>
<td>5. Кальций, %</td>
<td>0,52% (вал.)</td>
<td>&#8212;</td>
<td>34,68%</td>
<td>4,50</td>
<td>&#8212;</td>
</tr>
<tr>
<td>6. Магний, %</td>
<td>0,48% (вал.)</td>
<td>&#8212;</td>
<td>6,39%</td>
<td>1,12</td>
<td>&#8212;</td>
</tr>
<tr>
<td>7. Железо, г/кг</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>8,44</td>
<td>0,87</td>
<td>&#8212;</td>
</tr>
<tr>
<td>9. Сера, %</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>1,35%</td>
<td>0,14</td>
<td>&#8212;</td>
</tr>
<tr>
<td>10. Кремний, %</td>
<td>83,1% (вал.)</td>
<td>&#8212;</td>
<td>16,43%</td>
<td>43,64</td>
<td><strong>&#8212;</strong></td>
</tr>
<tr>
<td colspan="6">Массовая доля подвижных форм микроэлементов, мг/кг</td>
</tr>
<tr>
<td>12. Медь</td>
<td>&#8212;</td>
<td>15,0</td>
<td>76,56</td>
<td>13,66</td>
<td>&#8212;</td>
</tr>
<tr>
<td>13. Цинк</td>
<td>&#8212;</td>
<td>55,0</td>
<td>1576</td>
<td>179,60</td>
<td>&#8212;</td>
</tr>
<tr>
<td>14. Марганец</td>
<td>&#8212;</td>
<td>54,1</td>
<td>4915</td>
<td>513,14</td>
<td>&#8212;</td>
</tr>
<tr>
<td>15. Бор</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>227</td>
<td>22,70</td>
<td>&#8212;</td>
</tr>
<tr>
<td>16. Молибден</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>1,32</td>
<td>0,13</td>
<td>&#8212;</td>
</tr>
<tr>
<td>17. Кобальт</td>
<td>&#8212;</td>
<td>0,70</td>
<td>5,58</td>
<td>0,84</td>
<td>&#8212;</td>
</tr>
<tr>
<td><strong>Оптовая цена готовых компонентов, с доставкой, руб./т</strong></td>
<td>7000,00</td>
<td>8000,00</td>
<td>8000,00</td>
<td></td>
<td><strong>7500,00</strong></td>
</tr>
<tr>
<td><strong>Доза внесения удобрения, кг/га</strong></td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td></td>
<td><strong>200 &#8212; 300</strong></td>
</tr>
<tr>
<td><strong>Затраты на удобрение, руб./га</strong></td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td></td>
<td><strong>1500 &#8212; 2250</strong></td>
</tr>
</tbody>
</table>
<p>В приложение 1 представлен Протокол испытаний эффлюента.</p>
<p>Зоогумус производился также на производственной площадке ООО «БТК» по технологии переработки органического сырья и отходов личинками черной мухи &#8212; «львинка» Hermetia Illucens. В качестве органического сырья использовались отходы мясоперерабатывающего производства. Данная технология пока не получила широкого распространения в России, но является в значительной степени перспективной по следующим причинам: 1) высокая скорость переработки органики; 2) высокое содержание биологического азота в производимом зоогумусе; 3) большое количество попутных продуктов переработки, помимо зоогумуса, имеющих высокую маржинальность и экспортный потенциал (например, хитин и зоожир); 4) высокая технологичность и агрономическая эффективность зоогумуса для земледелия и растениеводства.</p>
<p>В приложение 2 представлен Протокол испытаний зоогумуса ООО «БТК».</p>
<p>Перед смешиванием с диатомитом зоогумус подвергался грануляции с образованием гранул длиной 0,50 &#8212; 1,00 и диаметром 0,30 &#8212; 0,50 см, для повышения технологичности внесения из сеялки любого типа при посеве.</p>
<p>Зола древесная гранулированная производится на ООО «ТехСервис», г. Новодвинск Архангельской области, из золы, получаемой в процессе сжигания отходов производства по переработке древесины на АО «Архангельский ЦБК».</p>
<p>В приложение 3 представлен Протокол испытаний золы древесной производства ООО «ТехСервис».</p>
<p>Таким образом, все органические ингредиенты &#8212; диатомит, эффлюент, зоогумус и зола древесная &#8212; взаимодополняют состав данного вида биоудобрения, которое в результате обладает полным набором макро-, мезо- и микроэлементов в легкодоступной для растений форме и широким набором видов полезных микроорганизмов, а также активных биохимических веществ, в том числе продуктов жизнедеятельности данных микроорганизмов (фитогормоны, аминокислоты и так далее).</p>
<p>Пропорция «50:40:10» была установлена лабораторным опытным и расчетным путем. Проводились лабораторные эксперименты на различных полевых и овощных культурах. Затем выявлялась оптимальная удобрительная смесь, и ее пропорции корректировались расчетным путем с целью достижения наибольшей экономической эффективности с учетом способа и норм внесения в почву (рисунок 7).</p>
<p><img width="931" height="633" class="wp-image-15223" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-718.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-718.png 931w, https://apknet.ru/wp-content/uploads/2021/07/word-image-718-300x204.png 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-718-768x522.png 768w" sizes="(max-width: 931px) 100vw, 931px" alt="word image 718 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 7 Лабораторные опыты на чечевице по влиянию многокомпонентного органического удобрения различного состава на корневую систему, в сравнении с минеральным удобрением (нитроаммофоска «16:16:16», вариант &#8212; крайний справа)</p>
<p>Доза внесения биоудобрения в 200-300 кг/га (в наших опытах &#8212; 200) определяется, главным образом, объемом высевающего бункера применяемой сеялки, нормой высева семян культуры, необходимостью оперативности посева и техническими характеристиками сеялки.</p>
<p>Однако, внесение удобрения при посеве из сеялки в рядок на семенное ложе позволяет значительно снизить общую дозу внесения удобрения, обогатить посевной слой полезной микрофлорой и пролонгировать действие компонентов удобрения в прикорневой зоне за счет технологических свойств диатомита, что в совокупности повышает агрономическую и экономическую эффективность биоудобрений в технологиях органического земледелия по сравнению с минеральными удобрениями, вносимыми разбросным способом по поверхности почвы (рис.8, 9,10).</p>
<p><img width="1162" height="874" class="wp-image-15224" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-80.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-80.jpeg 1162w, https://apknet.ru/wp-content/uploads/2021/07/word-image-80-300x226.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-80-1024x770.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-80-768x578.jpeg 768w" sizes="(max-width: 1162px) 100vw, 1162px" alt="word image 80 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 8 Семена культур и удобрительная смесь <strong>«Диатомит + Зоогумус + Зола древесная = 50:40:10» </strong>в бункере сеялки (27. 04. 2019 г.)</p>
<p><img width="657" height="423" class="wp-image-15225" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-719.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-719.png 657w, https://apknet.ru/wp-content/uploads/2021/07/word-image-719-300x193.png 300w" sizes="(max-width: 657px) 100vw, 657px" alt="word image 719 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 9 Семена культур и удобрительная смесь <strong>«Диатомит + Зоогумус + Зола древесная = 50:40:10» </strong>в рядке почвы после посева (28. 04. 2019 г.)</p>
<p><img width="445" height="341" class="wp-image-15226" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-720.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-720.png 445w, https://apknet.ru/wp-content/uploads/2021/07/word-image-720-300x230.png 300w" sizes="(max-width: 445px) 100vw, 445px" alt="word image 720 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 10 Семена озимой пшеницы «Бирюза», смешанные с органическим удобрением <strong>«Диатомит + Зоогумус + Зола древесная = 50:40:10» </strong>при посеве в бункере сеялки (06. 09. 2019 г.)</p>
<p>Удобрение «ДЗгЗ» испытывалось на опытных полях в 2017 &#8212; 2020 гг.</p>
<p><strong>3.1.2 Органическая комплексная подкормка </strong></p>
<p><strong>с функцией почвоулучшителя </strong></p>
<p><strong>«Диатомит + Зола древесная + Калий органический = 65:25:10» </strong></p>
<p>&nbsp;</p>
<p>Как указывалось выше, проводились вегетационные лабораторные эксперименты на различных полевых и овощных культурах. Затем выявлялись оптимальные удобрительные смеси, и их пропорции корректировались расчетным путем с целью достижения наибольшей экономической эффективности с учетом способа и норм внесения в почву.</p>
<p>Исходя из концепции создания органических удобрений на основе наноструктурного диатомита &#8212; многокомпонентные полифункциональные высококонцентрированные максимально усвояемые биогенные удобрительные смеси низкой дозы внесения (200 &#8212; 300 кг/га) из сеялки при посеве в прикорневую зону &#8212; была выбрана также удобрительная смесь «Диатомит + Зола древесная + Калий органический = 65:25:10» («ДЗК»).</p>
<p>В таблице 4 представлен расчетный примерный итоговый агрохимический состав удобрения, так как не все лаборатории определяют содержание всего спектра необходимых питательных элементов.</p>
<p>Таблица 4 &#8212; Агрохимический состав (расчетный) и оптовая стоимость</p>
<p>многокомпонентного органического удобрения</p>
<table>
<tbody>
<tr>
<td>Органическое удобрение</td>
<td colspan="5"><strong>«Диатомит + Зола древесная + Калий органический = 65:25:10» </strong></td>
</tr>
<tr>
<td>Состав</td>
<td>Диатомит,</p>
<p>обожженный,</p>
<p>фракция</p>
<p>3,0 &#8212; 4,25 мм</td>
<td>Зола</p>
<p>древесная</p>
<p>гранул.</td>
<td>Калий</p>
<p>органич.</p>
<p>бесхлор.</p>
<p>гранул.</td>
<td>Итого,</p>
<p>агрохим.</p>
<p>состав</td>
<td>Экономика</p>
<p>удобрения,</p>
<p>2020 год</td>
</tr>
<tr>
<td>1 рН</td>
<td>6,5 &#8212; 7,5</td>
<td>6,5-7,0</td>
<td>10,8 &#8212; 11,4</td>
<td>8,0 &#8212; 8,7</td>
<td>&#8212;</td>
</tr>
<tr>
<td>2. Общий азот, % на абс. сух. в-во</td>
<td><strong>&#8212;</strong></td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td><strong>&#8212;</strong></td>
</tr>
<tr>
<td>3. Общий фосфор, %</td>
<td>0,05 % (вал.)</td>
<td>3,42</td>
<td>3,73</td>
<td>1,23</td>
<td>&#8212;</td>
</tr>
<tr>
<td>4. Общий калий, %</td>
<td>1,25 % (вал.)</td>
<td>3,47</td>
<td>44,6</td>
<td>5,33</td>
<td>&#8212;</td>
</tr>
<tr>
<td>5. Кальций, %</td>
<td>0,52% (вал.)</td>
<td>34,68%</td>
<td>13,47</td>
<td>10,02</td>
<td>&#8212;</td>
</tr>
<tr>
<td>6. Магний, %</td>
<td>0,48% (вал.)</td>
<td>6,39%</td>
<td>18,30</td>
<td>3,43</td>
<td>&#8212;</td>
</tr>
<tr>
<td>7. Железо, г/кг</td>
<td>&#8212;</td>
<td>8,44</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>9. Сера, %</td>
<td>&#8212;</td>
<td>1,35%</td>
<td>6,25</td>
<td>0,96</td>
<td>&#8212;</td>
</tr>
<tr>
<td>10. Кремний, %</td>
<td>83,1% (вал.)</td>
<td>16,43%</td>
<td>1,54</td>
<td>58,13</td>
<td><strong>&#8212;</strong></td>
</tr>
<tr>
<td colspan="6">Массовая доля подвижных форм микроэлементов, мг/кг</td>
</tr>
<tr>
<td>12. Медь</td>
<td>&#8212;</td>
<td>76,56</td>
<td>0,04%</td>
<td>19,14</td>
<td>&#8212;</td>
</tr>
<tr>
<td>13. Цинк</td>
<td>&#8212;</td>
<td>1576</td>
<td>0,04%</td>
<td>394</td>
<td>&#8212;</td>
</tr>
<tr>
<td>14. Марганец</td>
<td>&#8212;</td>
<td>4915</td>
<td>0,04%</td>
<td>1229</td>
<td>&#8212;</td>
</tr>
<tr>
<td>15. Бор</td>
<td>&#8212;</td>
<td>227</td>
<td>&#8212;</td>
<td>56,75</td>
<td>&#8212;</td>
</tr>
<tr>
<td>16. Молибден</td>
<td>&#8212;</td>
<td>1,32</td>
<td>&#8212;</td>
<td>0,33</td>
<td>&#8212;</td>
</tr>
<tr>
<td>17. Кобальт</td>
<td>&#8212;</td>
<td>5,58</td>
<td>&#8212;</td>
<td>1,40</td>
<td>&#8212;</td>
</tr>
<tr>
<td><strong>Оптовая цена готовых компонентов, с доставкой, руб./т</strong></td>
<td>7000,00</td>
<td>8000,00</td>
<td>20000,00</td>
<td>&#8212;</td>
<td><strong>8550,00</strong></td>
</tr>
<tr>
<td><strong>Доза внесения удобрения, кг/га</strong></td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td><strong>200 &#8212; 300</strong></td>
</tr>
<tr>
<td><strong>Затраты на удобрение, руб./га</strong></td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td><strong>1710 &#8212; 2565</strong></td>
</tr>
</tbody>
</table>
<p>В приложении 4 и 5 представлены протоколы испытаний калия бесхлорного и золы древесной производства ООО «ТехСервис».</p>
<p>Есть существенные трудности с определением содержания полного спектра макро-, мезо- и микроэлементов в составе всех органических ингредиентов &#8212; диатомита, золы и калия бесхлорного. Проблемы заключаются в следующем: 1. все доступные лаборатории не определяют содержания всех элементов; 2. в разных лабораториях различаются методы анализов, и практически затруднительно, допустим, объединить значения показателей протоколов разных лабораторий; 3. содержание питательных элементов может существенно различаться по разным партиям продукта.</p>
<p>«Калий бесхлорный гранулированный» производится на ООО «ТехСервис», г. Новодвинск Архангельской области, из золы, получаемой в процессе сжигания лузги подсолнечника, которая является отходом переработки семян подсолнечника на растительное масло на маслоэкстракционных заводах России.</p>
<p>«Калий бесхлорный» органический гранулированный является экологичной и сопоставимой по цене альтернативой промышленным химическим удобрениям, так как в нем отсутствуют токсины, хлор и его соединения, при высоком уровне содержания микроэлементов.</p>
<p>Инновационный ингредиент «калий бесхлорный», в зависимости от партии исходного органического сырья, содержит от 44 до 56% оксида калия в виде легко растворимых в воде соединений &#8212; карбоната и сульфата калия.</p>
<p>Высокое содержание калия, кальция, магния и серы предопределяет уникальные свойства «калия бесхлорного», так как, например, калий является элементом «молодости клеток» &#8212; сохраняет и удерживает воду (повышая вязкость протоплазмы), повышает толщину клеточных стенок, усиливает образование сахаров и их движение по тканям.</p>
<p>В результате, «калий бесхлорный» повышает устойчивость растений культур к неблагоприятным погодным условиям, повышает устойчивость к полеганию, болезням (например, корневым гнилям), засухе и низкой температуре, а также существенно снижает кислотность почвы.</p>
<p>Полевые испытания многокомпонентного органического удобрения «ДЗК» проводились в стационарном многофакторном опыте лаборатории «АгроЭкология» в 2017 &#8212; 2020 гг.</p>
<p>В 2018-19 гг. также проводились лабораторные испытания данного удобрения на зерновых, зернобобовых и овощных культурах (рис. 11).</p>
<p><img width="1046" height="701" class="wp-image-15227" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-81.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-81.jpeg 1046w, https://apknet.ru/wp-content/uploads/2021/07/word-image-81-300x201.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-81-1024x686.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-81-768x515.jpeg 768w" sizes="(max-width: 1046px) 100vw, 1046px" alt="word image 81 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 11 Лабораторные испытания удобрения «ДЗК» на зерновых и зернобобовых в 2019 г.</p>
<p>Удобрение «Диатомит + Зола древесная + Калий органический = 65:25:10» по итогам лабораторных и полевых исследований рекомендуется как органическая комплексная подкормка с функцией почвоулучшителя.</p>
<p>В приложении 6 представлен Протокол испытаний многокомпонентного удобрения «ДЗК» на основные агрохимические показатели от 16.11.2020 г.</p>
<p><strong>3.1.3 Органический комплексный почвоулучшитель с функциями биофунгицида, удобрения и бактерицида</strong></p>
<p><strong>«(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30» </strong></p>
<p>&nbsp;</p>
<p>На основе концепции создания органических удобрений с диатомитом &#8212; многокомпонентные полифункциональные высококонцентрированные максимально усвояемые биогенные удобрительные смеси низкой дозы внесения (200 &#8212; 300 кг/га) из сеялки при посеве в прикорневую зону &#8212; была выбрана третья удобрительная смесь «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30» («ДФСПГк»).</p>
<p>Данный вид удобрительной смеси изначально разрабатывался как многофункциональный: органический комплексный почвоулучшитель с функциями биофунгицида, биостимулятора, удобрения и биобактерицида. Предполагалось также использование данного удобрения в почвогрунтах для питомников, теплиц и садоводческих хозяйств.</p>
<p>Диатомит выступает как «контейнер &#8212; носитель» для других ингредиентов удобрения, и как почворазрыхлитель за счет своего пористого строения и технологических свойств (например, объемная масса &#8212; 434 &#8212; 588 кг/см<sup>3</sup>; сорбция воды &#8212; до 180% собственного веса; и другие).</p>
<p>Соотношение компонентов в заявленном многокомпонентном удобрении определено следующим: пропорции содержания органических ингредиентов в данном удобрении обусловлены технологическими свойствами диатомита как «контейнера &#8212; носителя» других компонентов. 70% диатомита &#8212; оптимальное содержание в данном виде удобрения, чтобы заполнить поры диатомита необходимым количеством гумата калия и микробиологического препарата для внесения из расчета на 1 га.</p>
<p>Изначально была поставлена цель &#8212; создать почвоулучшительное удобрение с комплексом ассоциаций полезных микроорганизмов &#8212; антагонистов патогенной почвенной микрофлоры и групп биоактивных веществ, которые должны в совокупности активизировать биохимические процессы восстановления плодородия почвы и биозащиты семян, проростков и всходов (рассады; саженцев) растений полевых и садовых культур от основных почвенных заболеваний, таких как, например, корневые гнили.</p>
<p>Для достижения данной цели были выбраны два жидких органических ингредиента &#8212; гумат калия и комплексный микробиологический препарат «Фитоспорин &#8212; М, Ж &#8212; АС» производства ООО НВП «БашИнком» (г. Уфа).</p>
<p>Гумат калия &#8212; источник гуминовых соединений, составляющих основную долю гумуса почвы, играющего решающую роль в плодородии.</p>
<p>Производитель &#8212; ООО «Зеленый лист» (Московская обл., г. Балашиха) &#8212; ТМ BIOFULEN (БИОФУЛЕН) &#8212; Гумат калия производится на основе переработки ценного органического сырья &#8212; низинного торфа. Состав данного Гумата калия: гуминовые кислоты &#8212; 70%, фульвокислоты &#8212; 15%, калий &#8212; до 5 г/л, рН &#8212; 9 &#8212; 12.</p>
<p>Гумат калия увеличивает всхожесть семян и ускоряет их развитие; повышает устойчивость растений к стрессам, вызванным засухой, засолением, применением пестицидов и минеральных удобрений, а также активизирует процессы восстановления и сохранения плодородия почвы.</p>
<p>Комплексный микробиологический препарат «Фитоспорин &#8212; М, Ж &#8212; АС» &#8212; производства ООО НВП «БашИнком»: на данный момент «БашИнком» &#8212; ведущее в России и странах СНГ предприятие по разработке и производству микробиологических препаратов с собственной промышленной базой производства основных штаммов полезных микроорганизмов.</p>
<p>«Фитоспорин &#8212; М, Ж &#8212; АС» содержит три основные группы микроорганизмов &#8212; антагонистов фитопатогенов: ассоциация живых спор и клеток активных штаммов Bacillus Subtilis (7 &#8212; 8 штаммов; 1 * 10<sup>8</sup> живых клеток и спор на 1 мл); споры и мицелий грибов рода Trichoderma (три вида гриба &#8212; антагониста; общий титр не менее 1 * 10<sup>6 </sup>клеток на 1 мл); лизаты ризосферных бактерий рода Pseudomonas. В препарате также содержатся 20 L &#8212; аминокислот натурального происхождения (5%), природные полисахариды, фитогормоны, витамины.</p>
<p>Все штаммы, содержащиеся в микробиологическом препарате, относятся к почвенным микроорганизмам, сосуществующим друг с другом.</p>
<p>«Фитоспорин &#8212; М, Ж &#8212; АС» обладает высокой фунгицидной и бактерицидной активностью с антистрессовыми, ростоускоряющими, иммуностимулирующими свойствами; не вызывает формирования резистентности у фитопатогенов.</p>
<p>Состав удобрения «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30», по массе, %: диатомит модифицированный обожженный &#8212; 70, микробиологический препарат &#8212; 20 и гумат калия &#8212; 10.</p>
<p>Положительный эффект при использовании заявленного многокомпонентного органического удобрения:</p>
<p>&#8212; инокулирует посевной слой ассоциациями полезных микроорганизмов, активизирующих процессы восстановления плодородия и биозащиту ризосферной зоны растений культур;</p>
<p>&#8212; обогащает почву микроэлементами, в том числе органическим кремнием (повышающим тургор и иммунитет растений);</p>
<p>&#8212; обладает пролонгированным действием, то есть постепенно отдает влагу и питательные элементы, что является перспективным показателем в условиях повышения аридности вегетационного периода;</p>
<p>&#8212; стимулирует рост корневой системы;</p>
<p>&#8212; повышает иммунитет и антистрессовые свойства растений культур;</p>
<p>&#8212; повышает урожайность полевых и садовых культур на 20 &#8212; 35% (при внесении в рядок на семенное ложе при посеве из сеялки; при добавлении в почвогрунт в питомнике, теплице, садовом хозяйстве);</p>
<p>&#8212; за счет технологии внесения в рядок при посеве и использования диатомита как «контейнера &#8212; носителя» позволяет снизить дозу внесения с 7 &#8212; 30 т/га до 200 &#8212; 300 кг/га, что значительно снижает экономические затраты на внесение органических удобрений и при этом в разы повышает их агрономическую эффективность в технологиях органического земледелия.</p>
<p>Удобрение «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30» испытывалось в 2017 &#8212; 2020 гг. на опытном поле лаборатории «АгроЭкология» СГАУ, в научных производственных опытах, а также в питомнике садовых, хвойных и декоративных растений (рис. 12, 13).</p>
<p><strong><img width="926" height="697" class="wp-image-15228" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-82.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-82.jpeg 926w, https://apknet.ru/wp-content/uploads/2021/07/word-image-82-300x226.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-82-768x578.jpeg 768w" sizes="(max-width: 926px) 100vw, 926px" alt="word image 82 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></strong></p>
<p>Рис. 12 Удобрительная смесь «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30» в почвогрунте для саженцев земляники</p>
<p><strong><img width="945" height="710" class="wp-image-15229" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-83.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-83.jpeg 945w, https://apknet.ru/wp-content/uploads/2021/07/word-image-83-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-83-768x577.jpeg 768w" sizes="(max-width: 945px) 100vw, 945px" alt="word image 83 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></strong></p>
<p>Рис. 13 Удобрительная смесь «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30» в почвогрунте для саженцев пузыреплодника красного</p>
<p>В приложение 7 представлен Протокол испытаний удобрения «ДФСПГк» на основные агрохимические показатели от 16.11.2020 г.</p>
<p><strong>3.1.4 Внесение органических удобрений и биопрепаратов </strong></p>
<p><strong>в ризосферную зону проростков </strong></p>
<p><strong>методом предпосевной дражировки семян </strong></p>
<p>Данное научное направление представляется особенно актуальным для развития системы цифрового органического земледелия в условиях глобальных климатических изменений по следующим причинам:</p>
<ol>
<li>позволяет «адресно» и концентрированно вносить в прикорневую зону проростков семян культур питательные элементы органических удобрений и полезные микроорганизмы биопрепаратов;</li>
<li>за счет «адресности» нормы внесения снижаются в разы, что существенно снижает себестоимость внесения органических удобрений и биопрепаратов на один га;</li>
<li>за счет «адресности» значительно повышается агрономическая эффективность внесения удобрений и препаратов, так как питательные элементы и полезные микроорганизмы попадают концентрированно на прорастающие корни и всходы семян;</li>
<li>за счет органических удобрений, содержащихся в дражировочной смеси, улучшается минеральное питание растений культур;</li>
<li>за счет микробиологических препаратов и биопрепаратов, содержащихся в дражировочной смеси, осуществляется биологическая защита проростков и всходов полевых культур;</li>
<li>органические удобрения и биопрепараты дражировочной смеси сразу попадают в посевной слой почвы (3 &#8212; 10 см), что активизирует процессы восстановления и расширенного воспроизводства плодородия;</li>
<li>моделирование состава дражировочной смеси позволяет подбирать ее рецептуру под конкретные культуры и производственные задачи, а также позволяет непрерывно повышать агрономическую эффективность данного метода;</li>
<li>дражировка семян позволяет одновременно вносить органические удобрения непосредственно в посевной рядок, осуществлять биозащиту культур и активизировать процессы восстановления плодородия;</li>
<li>в дражировочной смеси используются природные наноструктурные материалы, увеличивающие пролонгированность действия составных компонентов;</li>
<li>в дражировочной смеси используются только органические компоненты, получаемые на основе переработки (утилизации) органических отходов и сырья.</li>
</ol>
<p>Метод предпосевной дражировки семян заключается в покрытии оболочки семян дражировочной смесью, в один или два (в отдельных случаях &#8212; в три) слоя, которая состоит из нескольких (от 5 до 10) компонентов органического происхождения (рисунок 14, 15).</p>
<p><img width="1100" height="824" class="wp-image-15230" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-84.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-84.jpeg 1100w, https://apknet.ru/wp-content/uploads/2021/07/word-image-84-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-84-1024x767.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-84-768x575.jpeg 768w" sizes="(max-width: 1100px) 100vw, 1100px" alt="word image 84 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 14. Дражированные семена озимой пшеницы, сентябрь 2019 г.</p>
<p>Метод позволяет за счет моделирования дражировочной смеси непрерывно улучшать состав смеси, и тем самым повышать ее агрономическую и экономическую эффективность.</p>
<p><img width="1128" height="846" class="wp-image-15231" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-85.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-85.jpeg 1128w, https://apknet.ru/wp-content/uploads/2021/07/word-image-85-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-85-1024x768.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-85-768x576.jpeg 768w" sizes="(max-width: 1128px) 100vw, 1128px" alt="word image 85 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 15. Дражированные семена озимого ячменя, сентябрь 2019 г.</p>
<p>Метод требует создания специальной технологической линии для повышения производительности и качества дражировки.</p>
<p>На научных полях лаборатории «АгроЭкология» в 2017 &#8212; 2020 гг. высевались дражированные семена яровых и озимых зерновых колосовых культур, в сравнении с вариантами внесения традиционных минеральных и органических удобрений (рисунки 16, 17).</p>
<p>Осенью 2020 г. в четырех сельхозпредприятиях Самарского региона (Сергиевский, Пестравский, Красноармейский и Большеглушицкий муниципальные районы) заложены научные производственные опыты с посевом дражированными семенами озимой пшеницы на площадях от 1 до 3 га (рисунки 18, 19, 20).</p>
<p>Предварительные результаты показывают высокую перспективность метода дражировки семян полевых культур, что требует дальнейшего изучения и совершенствования данной биотехнологии (рисунки 21, 22).</p>
<p>Дражировка семян позволяет вести органическое земледелие, в том числе в соответствии с Биостандаратами ЕвроСоюза, и получать экологически чистую («органическую») продукцию.</p>
<p><img width="1128" height="846" class="wp-image-15232" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-86.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-86.jpeg 1128w, https://apknet.ru/wp-content/uploads/2021/07/word-image-86-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-86-1024x768.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-86-768x576.jpeg 768w" sizes="(max-width: 1128px) 100vw, 1128px" alt="word image 86 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 16 Дражированные семена озимого ячменя в бункере сеялки при посеве, сентябрь 2019 г.</p>
<p><img width="1128" height="846" class="wp-image-15233" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-87.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-87.jpeg 1128w, https://apknet.ru/wp-content/uploads/2021/07/word-image-87-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-87-1024x768.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-87-768x576.jpeg 768w" sizes="(max-width: 1128px) 100vw, 1128px" alt="word image 87 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 17 Посев озимого ячменя дражированными семенами: сухая почва, пыление дражировочной смеси, сентябрь 2019 г.</p>
<p><img width="1088" height="815" class="wp-image-15234" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-88.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-88.jpeg 1088w, https://apknet.ru/wp-content/uploads/2021/07/word-image-88-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-88-1024x767.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-88-768x575.jpeg 768w" sizes="(max-width: 1088px) 100vw, 1088px" alt="word image 88 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 18. Посев дражированными семенами озимой пшеницы</p>
<p>в с. Захаркино Сергиевского района Самарской области, сентябрь 2020 г.</p>
<p><img width="1184" height="886" class="wp-image-15235" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-89.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-89.jpeg 1184w, https://apknet.ru/wp-content/uploads/2021/07/word-image-89-300x224.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-89-1024x766.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-89-768x575.jpeg 768w" sizes="(max-width: 1184px) 100vw, 1184px" alt="word image 89 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 19. Установка нормы высева для дражированных семян озимой пшеницы в с. Захаркино Сергиевского района, сентябрь 2020 г.</p>
<p><img width="1153" height="865" class="wp-image-15236" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-90.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-90.jpeg 1153w, https://apknet.ru/wp-content/uploads/2021/07/word-image-90-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-90-1024x768.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-90-768x576.jpeg 768w" sizes="(max-width: 1153px) 100vw, 1153px" alt="word image 90 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 20. Дражированные семена озимой ржи, сентябрь 2020 г.</p>
<p><img width="1159" height="867" class="wp-image-15237" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-91.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-91.jpeg 1159w, https://apknet.ru/wp-content/uploads/2021/07/word-image-91-300x224.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-91-1024x766.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-91-768x575.jpeg 768w" sizes="(max-width: 1159px) 100vw, 1159px" alt="word image 91 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 21. Всходы озимой ржи на варианте с дражированными семенами (справа на фото): при посеве в сухую почву осенью дражированные семена всходят быстрее на 2 &#8212; 5 дней и более дружно</p>
<p><img width="1181" height="884" class="wp-image-15238" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-92.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-92.jpeg 1181w, https://apknet.ru/wp-content/uploads/2021/07/word-image-92-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-92-1024x766.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-92-768x575.jpeg 768w" sizes="(max-width: 1181px) 100vw, 1181px" alt="word image 92 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 22. Слева на фото &#8212; варианты с внесением удобрений из бункера сеялки при посеве озимой ржи, справа &#8212; вариант с посевом дражированными семенами озимой ржи.</p>
<h3><strong>3.2 Разработка рецептуры и технологии производства полифункциональных мультикомплексных биопрепаратов из природных компонентов растительного и животного происхождения</strong></h3>
<ol>
<li style="list-style-type: none;">
<ol>
<li><strong>3.2.1 Многокомпонентный биопрепарат </strong><strong>с функциями удобрения, фунгицида и бактерицида</strong></li>
</ol>
</li>
</ol>
<p>Цель данных исследований – на основе переработки (утилизации) органических отходов и сырья разработать полифункциональные биопрепараты из компонентов животного и растительного происхождения, и изучить их влияние на восстановление плодородия почвы, показатели агрофитоценозов и урожайность полевых и садовых культур.</p>
<p>Задачи исследований: 1. Разработать рецептуру и технологию производства полифункциональных биопрепаратов с использованием продуктов переработки органических отходов и сырья. 2. Разработать технологию применения биопрепаратов в органическом земледелии. 3. Изучить влияние полифункциональных биопрепаратов на урожайность полевых культур и показатели агрофитоценозов в сравнении с пестицидами и минеральными удобрениями.</p>
<p>В рамках наших исследований в качестве основы многофункциональных биопрепаратов был выбран эффлюент (ГОСТ РФ 33380 &#8212; 2015).</p>
<p>Эффлюент &#8212; продукт микробиологической анаэробной ферментации органических отходов и сырья в биореакторах с одновременным получением биогаза. В биореактор может закладываться самая разнообразная органика: пищевые отходы предприятий общественного питания, отходы с предприятий пищевой переработки и элеваторов, сидеральная масса, сине &#8212; зеленые водоросли, все виды навозов и помета, торфы, или комбинации вышеперечисленных отходов и сырья.</p>
<p>В наших опытах использовался эффлюент: в 2017 &#8212; 2018 гг. &#8212; вырабатываемый на биореакторе конструкции и производства ООО «СельхозБиоГаз» (ООО «СБГ»), г. Киров, из смеси навоза КРС, птичьего помета и торфа; в 2018 &#8212; 2020 гг. &#8212; вырабатываемый на биореакторе конструкции и производства ООО «БТК» (г. Тольятти) из навоза КРС.</p>
<p>Кафедра «Землеустройства, почвоведения и агрохимии» СГАУ заключила с ООО «СБГ» Договор № 207/К/2018 от 01.03.2018 г. на выполнение научно &#8212; исследовательской работы по теме: «Разработка рекомендаций по использованию жидких и гранулированных органических удобрений на основе безотходной технологии переработки навоза КРС и птичьего помета в различных отраслях растениеводства Самарской области<strong><em>».</em></strong></p>
<p>Техническое задание к Договору также предусматривало разработку рецептуры и технологии производства биопрепаратов на основе эффлюента. В результате была разработана ассортиментная линейка биопрепаратов торговой марки «АгроТоник»: «Цветовод», «Садовод», «Овощевод», «Полевод», «Лесовод» и «Универсальный» (рисунок 23).</p>
<p>&nbsp;</p>
<p>Рис. 23 Линейка биопрепаратов ТМ «АгроТоник» (разработка лаборатории «АгроЭкология», производство &#8212; ООО «СБГ», г. Киров)</p>
<p>Каждый вид «АгроТоника» подразделялся также на подвиды по группам культур, для которых подбирался оптимальный агрохимический состав биопрепарата. Например, «Овощевод» подразделялся на подвиды: «Томаты, перцы, баклажаны», «Огурцы, кабачки, патиссоны», «Лук и чеснок», «Рассада и зелень» и «Универсальный».</p>
<p>Биопрепараты «АгроТоник» по своему функционалу &#8212; мультикомплексное органическое удобрение из природных компонентов растительного и животного происхождения с функцией биостимулятора.</p>
<p>«АгроТоник», в отличие от абсолютного большинства органических и минеральных удобрений, содержит все необходимые для растений компоненты: макроэлементы &#8212; в пересчете на сухое вещество: азот &#8212; до 3,7%, фосфор &#8212; до 2,6%, калий &#8212; до 4,5%; мезо &#8212; и микроэлементы &#8212; все основные, в легкодоступной форме; микроорганизмы &#8212; живые, антагонисты патогенной микрофлоры, свыше 30 видов: консорциум представителей родов Klebsiella, Pseudomonas, Bacillus и Trichoderma, а также азотфиксирующие, фосфатмобилизующие и молочнокислые бактерии; стимуляторы роста &#8212; биоактивные фитогормоны, аминокислоты растительного происхождения, витамины, комплекс целлюлозолитических ферментов, почвенные антибиотики; гуминовые вещества &#8212; до 6,0 г/л; биоприлипатель &#8212; композиция из природных биологических полимеров и ПАВ микроорганизмов (повышает эффективность усвоения удобрения на 30 &#8212; 40%); рН &#8212; 7,4 &#8212; 8,6.</p>
<p>Каждый подвид «АгроТоника» для конкретной группы культур имеет оптимальный для них агрохимический состав биопрепарата. Например, «Томаты, перцы, баклажаны» &#8212; повышенное содержание В (до 4,0%), Mо (до 0,05%) и Cu (до 1,2%); «Огурцы, кабачки, патиссоны» &#8212; повышенное содержание S (до 2,5%), Fe (до 0,08%), В (до 1,5%) и Mg (до 1,2%); «Лук и чеснок» &#8212; повышенное содержание K (до 7,2%), Mg (до 1,1%), S (до 1,5%) и Са (до 1,8%); и так далее.</p>
<p>Исследования по разработке рецептуры и технологии производства проводились на производственной базе ООО «СБГ» (рисунки 24, 25).</p>
<p>Были проведены лабораторные опыты по влиянию биопрепаратов «АгроТоник» на рост и развитие и продуктивность полевых и овощных культур (рисунки 26, 27).</p>
<p>Рис. 24 Предварительная подготовка эффлюента (в кубах) для производства биопрепарата (барботизация, фильтрация и так далее)</p>
<p><img width="1045" height="783" class="wp-image-15239" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-93.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-93.jpeg 1045w, https://apknet.ru/wp-content/uploads/2021/07/word-image-93-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-93-1024x767.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-93-768x575.jpeg 768w" sizes="(max-width: 1045px) 100vw, 1045px" alt="word image 93 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 25 Предварительная подготовка эффлюента: обогащение микроорганизмами и жидкими органическими ингредиентами</p>
<p><img width="971" height="444" class="wp-image-15240" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-722.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-722.png 971w, https://apknet.ru/wp-content/uploads/2021/07/word-image-722-300x137.png 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-722-768x351.png 768w" sizes="(max-width: 971px) 100vw, 971px" alt="word image 722 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 26 Влияние биопрепарата «Газонные травы» ТМ «АгроТоник» (№3) на газонную смесь по сравнению с минеральными удобрениями (№1)</p>
<p>С компанией ООО «БТК» кафедра «Землеустройства, почвоведения и агрохимии» СГАУ заключила Договор от 29.10.2018 г. на выполнение научно &#8212; исследовательской работы по теме: «Разработка рецептуры и технологии производства органических полифункциональных биопрепаратов на основе микробиологической ферментации пищевых и сельскохозяйственных отходов». В данном случае биопрепараты разрабатывались уже не только как многокомпонентные, но и многофункциональные: с функциями органического удобрения, биостимулятора, биофунгицида и бактерицида.</p>
<p><img width="956" height="583" class="wp-image-15241" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-723.png" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-723.png 956w, https://apknet.ru/wp-content/uploads/2021/07/word-image-723-300x183.png 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-723-768x468.png 768w" sizes="(max-width: 956px) 100vw, 956px" alt="word image 723 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 27 Влияние биопрепарата «Лук и чеснок» ТМ «АгроТоник» (справа) на развитие корневой системы лука по сравнению с минеральными удобрениями</p>
<p>На основе данного эффлюента был разработан «Многокомпонентный биопрепарат с функциями удобрения, фунгицида и бактерицида». Эффлюент после предварительной подготовки был обогащен разными органическими ингредиентами, например, гуматом калия, микробиологическими препаратами, биоприлипателем и так далее. Использовался, в частности, комплексный микробиологический препарат «Фитоспорин &#8212; МЖ &#8212; АС» производства НВП ООО «БашИнком» (г. Уфа), который содержит три основные группы микроорганизмов &#8212; антагонистов фитопатогенов: ассоциация живых спор и клеток активных штаммов Bacillus Subtilis (сенная палочка), споры и мицелий грибов рода Trichoderma и лизаты ризосферных бактерий рода Pseudomonas. Все штаммы относятся к почвенным микроорганизмам, сосуществующими друг с другом. В препарате также содержатся 20 L &#8212; аминокислот натурального происхождения, природные полисахариды, фитогормоны, витамины (приложение 8).</p>
<p>Исследования многокомпонентного биопрепарата с функциями удобрения, фунгицида и бактерицида на основе эффлюента проводили на опытном поле лаборатории «АгроЭкология» в 2017-2020 гг. (сотрудничество с ООО «БТК» началось до заключения Договора) (рисунки 28-31).</p>
<p><img width="1076" height="810" class="wp-image-15242" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-94.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-94.jpeg 1076w, https://apknet.ru/wp-content/uploads/2021/07/word-image-94-300x226.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-94-1024x771.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-94-768x578.jpeg 768w" sizes="(max-width: 1076px) 100vw, 1076px" alt="word image 94 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 28 Внесение полифункционального препарата в корневую зону растений культур с помощью мультиинжектора «Пегас», июнь 2018 г.</p>
<p><img width="1076" height="806" class="wp-image-15243" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-95.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-95.jpeg 1076w, https://apknet.ru/wp-content/uploads/2021/07/word-image-95-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-95-1024x767.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/word-image-95-768x575.jpeg 768w" sizes="(max-width: 1076px) 100vw, 1076px" alt="word image 95 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 29 Внесение полифункционального препарата методом опрыскивания посевов, фаза &#8212; кущение зерновых, май 2020 г.</p>
<p><img width="687" height="916" class="wp-image-15244" src="https://apknet.ru/wp-content/uploads/2021/07/img_20200724_085939.jpeg" alt="IMG_20200724_085939" srcset="https://apknet.ru/wp-content/uploads/2021/07/img_20200724_085939.jpeg 687w, https://apknet.ru/wp-content/uploads/2021/07/img_20200724_085939-225x300.jpeg 225w" sizes="(max-width: 687px) 100vw, 687px" /></p>
<ul>
<li>
<ol>
<li>Рис. 30 Многокомпонентный биопрепарат с функциями удобрения, фунгицида и бактерицида (образец в таре)</li>
<li><img width="1990" height="472" class="wp-image-15245" src="https://apknet.ru/wp-content/uploads/2021/07/biopreparat-biofungicid-10.jpeg" alt="Биопрепарат - биофунгицид - 1,0" srcset="https://apknet.ru/wp-content/uploads/2021/07/biopreparat-biofungicid-10.jpeg 1990w, https://apknet.ru/wp-content/uploads/2021/07/biopreparat-biofungicid-10-300x71.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/biopreparat-biofungicid-10-1024x243.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/07/biopreparat-biofungicid-10-768x182.jpeg 768w, https://apknet.ru/wp-content/uploads/2021/07/biopreparat-biofungicid-10-1536x364.jpeg 1536w" sizes="(max-width: 1990px) 100vw, 1990px" /></li>
<li>Рис. 31 Многокомпонентный биопрепарат с функциями удобрения, фунгицида и бактерицида (этикетка)</li>
<li><strong>3.2.2 Полифункциональные биопрепараты</strong></li>
<li><strong> с наночастицами микроэлементов</strong></li>
</ol>
</li>
</ul>
<p>В стадии разработки и лабораторных испытаний находится еще три полифункциональных биопрепарата для биозащиты и оптимизации минерального питания растений культур в органическом земледелии:</p>
<p>1. Многокомпонентный биопрепарат с полным набором органических биоактивных веществ и нанокремнием.</p>
<p>Состав: Биогумус &#8212; 62% (водная вытяжка из биогумуса, получаемого методом вермикомпостирования навоза КРС) + Гумат калия &#8212; 30% (получаемый в результате переработки низинного торфа) + Раствор нанокремния &#8212; 7% (кремний, измельченный физическими методами до размера наночастиц, смешан с водой в виде взвеси) + Биоприлипатель &#8212; 1% (полисахариды природного происхождения).</p>
<p>Назначение: обеспечение растений культуры полным набором биохимически активных органических веществ, повышение иммунитета к заболеваниям и стрессоустойчивости к неблагоприятным погодным условиям, а также повышение устойчивости к полеганию.</p>
<p>2. Многокомпонентный биопрепарат с функциями биозащиты на основе никотина на наночастицах кремния.</p>
<p>Состав: Биогумус &#8212; 62% (водная вытяжка из биогумуса, получаемого методом вермикомпостирования навоза КРС) + Гумат калия &#8212; 30% (получаемый в результате переработки низинного торфа) + Раствор нанокремния с никотином &#8212; 7% (соединения никотина подсажены на наночастицы кремния) + Биоприлипатель &#8212; 1% (полисахариды природного происхождения).</p>
<p>Назначение: обеспечение растений культуры полным набором биохимически активных органических веществ, биозащита посевов от основных вредителей зерновых и зернобобовых культур Среднего Поволжья на основе соединений никотина на наночастицах кремния как биоинсектицида и биореппелента.</p>
<p>3. Многокомпонентный биопрепарат с функциями биогербицида.</p>
<p>Состав: Биогумус &#8212; 62% (водная вытяжка из биогумуса, получаемого методом вермикомпостирования навоза КРС) + Гумат калия &#8212; 30% (получаемый в результате переработки низинного торфа) + Раствор наночастиц цинка с глифосатом &#8212; 7% (соединения глифосата подсажены на наночастицы цинка) + Биоприлипатель &#8212; 1% (полисахариды природного происхождения).</p>
<p>Назначение: подкормка почвы полным набором биохимически активных органических веществ, внесение биогербицида сплошного действия для уничтожения всех видов сорняков при обработке чистого пара.</p>
<p>Биогербицид &#8212; за счет низкой концентрации соединений глифосата (в 1000 &#8212; 1500 раз меньше, чем в традиционных глифосатных гербицидах), подсаженных на наночастицы цинка.</p>
<p>Все три инновационных полифункциональных биопрепарата проходят стадию отработки оптимальной рецептуры на основе лабораторных и полевых предварительных опытов.</p>
<p>В 2021 году планируется испытывать данные биопрепараты в стационарном многофакторном полевом опыте лаборатории «АгроЭкология», а также в научных производственных опытах.</p>
<h3><strong>3.3 Результаты исследований в стационарном полевом опыте</strong></h3>
<p><strong>3.3.1 Влияние органических удобрений и биопрепаратов </strong><strong>на пораженность растений полевых культур корневыми гнилями</strong></p>
<p>Исследования по распространенности поражения корневыми гнилями растений культур севооборота «Стандарт» проводились на полях озимой пшеницы, яровой пшеницы твердой и ячменя, в фазы кущения и молочной спелости (в таблицах дано в среднем).</p>
<p>Корневые гнили широко распространены во всех районах, где возделываются зерновые культуры, поражают озимую и яровую пшеницу, рожь, ячмень, злаковые травы, в меньшей степени – овес.</p>
<p>Корневые гнили вызывают несколько видов фитопатогенных грибов, обитающих в почве, и сохраняющихся в почве, на семенах и растительных остатках. Наиболее распространенными и вредоносными являются фузариозная, гельминтоспориозная, церкоспореллезная и офиоболезная корневые гнили. На одних и тех же посевах можно обнаружить несколько видов возбудителей заболеваний.</p>
<p>Распространение корневых гнилей может быть неравномерным. Болезнь может являться причиной выпадения всходов, уменьшения продуктивной кустистости, числа зерен в колосе и массы 1000 зерен, ухудшения их качества, и в годы сильного развития корневых гнилей потери могут составлять 15 &#8212; 40 %. Различные виды корневой гнили вызывают сходные симптомы поражения.</p>
<p>Основными источниками инфекции всех видов корневых служат почва, пожнивные остатки, семена. Факторами, усиливающими развитие гнилей, являются нарушение агротехники, несоблюдение севооборотов и степень их насыщенности зерновыми культурами.</p>
<p>Определить степень вредоносности корневых можно путем обследования посевов, которое проводится два раза за сезон: в фазах кущения и молочной спелости зерна.</p>
<p>Корневые гнили – это болезнь растений, ослабленных неблагоприятными факторами среды, например, резкими перепадами температур в начальные фазы развития растений [35].</p>
<p>Меры борьбы с корневыми гнилями в «органическом» земледелии: севооборот, биопротравливание семян зерновых культур, обработка микробиологическими препаратами почвы и посевов, внесение в почву при посеве многокомпонентных органических удобрений с функциями биостимулятора, биофунгицида и биобактерицида.</p>
<p>В наших опытах изучалось влияние многокомпонентных органических удобрений и полифункциональных биопрепаратов (таблица 5).</p>
<p>Таблица 5 &#8212; Распространенность поражения корневыми гнилями (%)</p>
<p>растений озимой пшеницы (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="7">Годы исследований / Система защиты</td>
<td>Сред -нее</td>
<td>% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td colspan="2">2017-18</td>
<td colspan="2">2018-19</td>
<td colspan="2">2019-20</td>
<td></td>
<td></td>
</tr>
<tr>
<td colspan="10">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td colspan="2">39,5</td>
<td colspan="2">42,3</td>
<td colspan="2">37,3</td>
<td>35,5</td>
<td>38,7</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td colspan="2">38,0</td>
<td colspan="2">38,8</td>
<td colspan="2">34,3</td>
<td>33,1</td>
<td>36,1</td>
<td>93,3</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td colspan="2">35,0</td>
<td colspan="2">36,9</td>
<td colspan="2">33,0</td>
<td>30,1</td>
<td>33,8</td>
<td>87,3</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td colspan="2">34,9</td>
<td colspan="2">35,7</td>
<td colspan="2">32,1</td>
<td>31,2</td>
<td>33,5</td>
<td>86,6</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td colspan="2">30,3</td>
<td colspan="2">34,4</td>
<td colspan="2">29,2</td>
<td>27,1</td>
<td>30,3</td>
<td>78,3</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td colspan="2">25,5</td>
<td colspan="2">26,6</td>
<td colspan="2">23,2</td>
<td>21,5</td>
<td>24,2</td>
<td>62,5</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td colspan="2">36,7</td>
<td colspan="2">36,5</td>
<td colspan="2">35,4</td>
<td>32,1</td>
<td>35,2</td>
<td>91,0</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="7"></td>
<td>33,1</td>
<td>85,5</td>
</tr>
<tr>
<td colspan="10">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td colspan="2">35,3</td>
<td colspan="2">36,7</td>
<td colspan="2">31,4</td>
<td>30,2</td>
<td>33,4</td>
<td>86,3</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td colspan="2">34,9</td>
<td colspan="2">36,0</td>
<td colspan="2">30,1</td>
<td>28,7</td>
<td>32,4</td>
<td>83,7</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td colspan="2">30,4</td>
<td colspan="2">34,9</td>
<td colspan="2">27,0</td>
<td>26,9</td>
<td>29,8</td>
<td>77,0</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td colspan="2">30,4</td>
<td colspan="2">35,6</td>
<td colspan="2">28,5</td>
<td>26,3</td>
<td>30,2</td>
<td>78,0</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td colspan="2">28,0</td>
<td colspan="2">32,9</td>
<td colspan="2">27,4</td>
<td>25,4</td>
<td>28,4</td>
<td>73,4</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td colspan="2">26,5</td>
<td colspan="2">26,8</td>
<td colspan="2">23,2</td>
<td>22,4</td>
<td>24,7</td>
<td>63,8</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td colspan="2">34,5</td>
<td colspan="2">35,5</td>
<td colspan="2">30,5</td>
<td>30,3</td>
<td>32,7</td>
<td>84,5</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="7"></td>
<td>30,2</td>
<td>78,0</td>
</tr>
<tr>
<td colspan="10">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td colspan="2">33,5</td>
<td colspan="2">35,6</td>
<td colspan="2">29,0</td>
<td>28,7</td>
<td>31,7</td>
<td>81,9</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td colspan="2">33,2</td>
<td colspan="2">32,1</td>
<td colspan="2">28,5</td>
<td>27,4</td>
<td>30,3</td>
<td>78,3</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td colspan="2">29,7</td>
<td colspan="2">28,6</td>
<td colspan="2">25,7</td>
<td>24,9</td>
<td>27,2</td>
<td>70,3</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td colspan="2">25,6</td>
<td colspan="2">24,0</td>
<td colspan="2">23,6</td>
<td>30,0</td>
<td>25,8</td>
<td>66,6</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td colspan="2">24,5</td>
<td colspan="2">23,6</td>
<td colspan="2">20,2</td>
<td>20,1</td>
<td>22,1</td>
<td>57,1</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td colspan="2">23,8</td>
<td colspan="2">21,0</td>
<td colspan="2">19,6</td>
<td>17,8</td>
<td>20,6</td>
<td>53,2</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td colspan="2">37,7</td>
<td colspan="2">43,7</td>
<td colspan="2">34,6</td>
<td>32,8</td>
<td>37,2</td>
<td>96,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="7"></td>
<td>27,8</td>
<td>71,8</td>
</tr>
</tbody>
</table>
<p>На озимой пшенице выявлено, что из всех вариантов удобрений наибольшее снижение пораженности корневыми гнилями по сравнению с контролем вызывают многокомпонентные органические удобрения, содержащие микробиологические препараты с функциями биофунгицида и биобактерицида.</p>
<p>Так, удобрение «ДФСПГк», то есть «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30», снижает корневые гнили на 21,7 &#8212; 42,8%, а дражировочная смесь, которой покрывают семена зерновых перед посевом, на 36,2 &#8212; 46,8%. Дражировочная смесь содержит один &#8212; два микробиологических биопрепарата, содержащих консорциум ассоциаций микроорганизмов &#8212; антагонистов патогенной почвенной микрофлоры.</p>
<p>Максимальное снижение корневых гнилей отмечено на варианте А6В3: применение дражировки семян и биопрепаратов по вегетации, на 46,8%.</p>
<p>В среднем, на вариантах с пестицидами корневые гнили снижались на 22%, на вариантах с биопрепаратами &#8212; на 28,2%.</p>
<p>На яровой твердой пшенице выявлено, что также из всех вариантов удобрений наибольшее снижение пораженности корневыми гнилями по сравнению с контролем вызывают многокомпонентные органические удобрения с микробиологическими препаратами в составе (таблица 6).</p>
<p>Таблица 6 &#8212; Распространенность поражения корневыми гнилями (%)</p>
<p>растений яровой пшеницы твердой (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>38,9</td>
<td>34,0</td>
<td>31,5</td>
<td>30,4</td>
<td>33,7</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>37,3</td>
<td>35,0</td>
<td>29,9</td>
<td>27,3</td>
<td>32,4</td>
<td>96,1</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>36,3</td>
<td>33,2</td>
<td>29,1</td>
<td>27,2</td>
<td>31,5</td>
<td>93,5</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>33,3</td>
<td>28,2</td>
<td>27,3</td>
<td>25,4</td>
<td>28,6</td>
<td>84,9</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>29,6</td>
<td>34,6</td>
<td>24,4</td>
<td>24,5</td>
<td>28,3</td>
<td>84,0</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>24,5</td>
<td>25,0</td>
<td>26,4</td>
<td>23,0</td>
<td>24,7</td>
<td>73,3</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>38,8</td>
<td>44,5</td>
<td>34,3</td>
<td>33,8</td>
<td>37,9</td>
<td>112,5</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>31,0</td>
<td>92,0</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>37,9</td>
<td>32,4</td>
<td>32,5</td>
<td>30,8</td>
<td>33,4</td>
<td>99,1</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>37,8</td>
<td>33,5</td>
<td>34,5</td>
<td>30,5</td>
<td>34,1</td>
<td>101,2</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>33,3</td>
<td>31,5</td>
<td>28,6</td>
<td>26,8</td>
<td>30,1</td>
<td>89,3</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>29,0</td>
<td>25,0</td>
<td>25,7</td>
<td>24,9</td>
<td>26,2</td>
<td>77,7</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>27,4</td>
<td>27,7</td>
<td>23,0</td>
<td>23,5</td>
<td>25,4</td>
<td>75,4</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>26,9</td>
<td>25,5</td>
<td>22,8</td>
<td>22,1</td>
<td>24,3</td>
<td>72,1</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>38,8</td>
<td>43,0</td>
<td>35,4</td>
<td>32,1</td>
<td>37,3</td>
<td>110,7</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>30,1</td>
<td>89,3</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>33,5</td>
<td>31,5</td>
<td>29,7</td>
<td>28,7</td>
<td>30,9</td>
<td>91,7</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>35,4</td>
<td>30,3</td>
<td>29,1</td>
<td>24,4</td>
<td>29,8</td>
<td>88,4</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>33,5</td>
<td>29,9</td>
<td>28,7</td>
<td>28,9</td>
<td>30,3</td>
<td>89,9</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>29,4</td>
<td>25,5</td>
<td>25,5</td>
<td>23,0</td>
<td>25,9</td>
<td>76,9</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>25,4</td>
<td>24,5</td>
<td>22,6</td>
<td>22,7</td>
<td>23,8</td>
<td>70,6</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>21,4</td>
<td>24,5</td>
<td>20,9</td>
<td>18,5</td>
<td>21,3</td>
<td>63,2</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>39,3</td>
<td>35,0</td>
<td>34,9</td>
<td>33,0</td>
<td>35,6</td>
<td>105,6</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>28,2</td>
<td>83,7</td>
</tr>
</tbody>
</table>
<p>Так, удобрение «ДФСПГк», то есть «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30», снижает корневые гнили на 16,0 &#8212; 29,4%, а дражировочная смесь, которой покрывают семена зерновых перед посевом, на 26,7 &#8212; 36,8%.</p>
<p>Максимальное снижение корневых гнилей отмечено на варианте А6В3: применение дражировки семян и биопрепаратов по вегетации, на 36,8%.</p>
<p>В среднем, на вариантах с пестицидами корневые гнили снижались на 11,7%, на вариантах с биопрепаратами &#8212; на 16,3%.</p>
<p>В целом, озимая пшеница оказалась более отзывчивой на снижение пораженности корневыми гнилями, чем яровая пшеница твердая.</p>
<p>На ячмене яровом выявлено, что из всех вариантов удобрений наибольшее снижение пораженности корневыми гнилями по сравнению с контролем вызывают многокомпонентные органические удобрения, содержащие микробиологические препараты с функциями биофунгицида и биобактерицида (таблица 7).</p>
<p>Так, удобрение «ДФСПГк», то есть «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30», снижает корневые гнили на 20,7 &#8212; 22,0%, а дражировочная смесь, которой покрывают семена зерновых перед посевом, на 26,1 &#8212; 29,2%.</p>
<p>Максимальное снижение корневых гнилей отмечено на варианте А6В3: применение дражировки семян и биопрепаратов по вегетации, на 29,2%.</p>
<p>В среднем, на вариантах с пестицидами корневые гнили снижались на 3,8%, на вариантах с биопрепаратами &#8212; на 11,0%.</p>
<p>Таким образом, наибольшее снижение пораженности растений зерновых колосовых культур корневыми гнилями наблюдалось на вариантах с многокомпонентными органическими удобрениями, содержащими микробиологические препараты с функциями биофунгицида и бактерицида.</p>
<p>Посев дражированными семенами оказался наиболее эффективным для борьбы с комплексом корневых гнилей, так как при дражировке семян происходит биопротравливание, а также микроорганизмы &#8212; антагонисты почвенной патогенной микрофлоры сразу попадают в ризосферную зону проростков и всходов растений культур.</p>
<p>Таблица 7 &#8212; Распространенность поражения корневыми гнилями (%)</p>
<p>растений ячменя ярового (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>37,4</td>
<td>31,5</td>
<td>29,9</td>
<td>28.2</td>
<td>31,8</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>38,5</td>
<td>33,3</td>
<td>29,3</td>
<td>27,0</td>
<td>32,0</td>
<td>100,6</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>35,6</td>
<td>32,1</td>
<td>28,5</td>
<td>24,6</td>
<td>30,2</td>
<td>95,0</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>34,7</td>
<td>32,7</td>
<td>26,6</td>
<td>25,6</td>
<td>29,9</td>
<td>94,0</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>25,5</td>
<td>27,0</td>
<td>25,3</td>
<td>22,9</td>
<td>25,2</td>
<td>79,3</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>23,0</td>
<td>25,0</td>
<td>23,1</td>
<td>20,5</td>
<td>22,9</td>
<td>72,0</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>36,5</td>
<td>34,3</td>
<td>28,6</td>
<td>27,8</td>
<td>31,8</td>
<td>100</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>29,1</td>
<td>91,5</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>38,0</td>
<td>33,9</td>
<td>33,2</td>
<td>31,4</td>
<td>34,1</td>
<td>107,2</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>37,2</td>
<td>30,1</td>
<td>31,5</td>
<td>30,0</td>
<td>32,2</td>
<td>101,3</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>32,5</td>
<td>34,5</td>
<td>31,0</td>
<td>31,5</td>
<td>32,4</td>
<td>101,9</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>30,8</td>
<td>31,6</td>
<td>29,5</td>
<td>28,4</td>
<td>30,1</td>
<td>94,7</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>27,6</td>
<td>25,6</td>
<td>24,2</td>
<td>22,9</td>
<td>25,1</td>
<td>78,9</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>25,9</td>
<td>23,7</td>
<td>22,5</td>
<td>21,8</td>
<td>23,5</td>
<td>73,9</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>39,9</td>
<td>41,8</td>
<td>35,3</td>
<td>30,1</td>
<td>36,8</td>
<td>115,7</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>30,6</td>
<td>96,2</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>30,2</td>
<td>30,9</td>
<td>27,9</td>
<td>28,3</td>
<td>29,3</td>
<td>92,1</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>37,4</td>
<td>36,4</td>
<td>29,3</td>
<td>28,4</td>
<td>32,9</td>
<td>103,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>32,8</td>
<td>31,1</td>
<td>27,4</td>
<td>25,0</td>
<td>29,1</td>
<td>91,5</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>30,5</td>
<td>30,6</td>
<td>28,4</td>
<td>24,0</td>
<td>28,4</td>
<td>89,3</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>25,5</td>
<td>28,4</td>
<td>23,4</td>
<td>22,0</td>
<td>24,8</td>
<td>78,0</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>24,1</td>
<td>25,6</td>
<td>22,0</td>
<td>18,2</td>
<td>22,5</td>
<td>70,8</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>33,2</td>
<td>35,3</td>
<td>29,6</td>
<td>25,1</td>
<td>30,8</td>
<td>96,9</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>28,3</td>
<td>89,0</td>
</tr>
</tbody>
</table>
<p>Наибольший эффект отмечен при совместном применении дражировки семян и полифункциональных биопрепаратов по вегетации, снижение пораженности корневыми гнилями достигает 46,8%.</p>
<p>В севообороте «Органик» пораженность растений зерновых культур корневыми гнилями определялась на озимой ржи и ячмене яровом (смешанный весенний посев), а также на яровой пшенице твердой (смешанный посев «нут + яровая пшеница твердая») (таблицы 9, 10, 11).</p>
<p>В таблице 8 представлены результаты по озимой ржи.</p>
<p>Таблица 8 &#8212; Распространенность поражения корневыми гнилями (%)</p>
<p>растений озимой ржи (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="5">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td colspan="2">2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="8">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>32,4</td>
<td>33,0</td>
<td colspan="2">27,9</td>
<td>25,5</td>
<td>29,7</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>34,6</td>
<td>35,2</td>
<td colspan="2">28,9</td>
<td>25,4</td>
<td>31,0</td>
<td>104,4</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>28,8</td>
<td>27,2</td>
<td colspan="2">25,4</td>
<td>23,8</td>
<td>26,3</td>
<td>88,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>27,0</td>
<td>26,1</td>
<td colspan="2">23,5</td>
<td>22,7</td>
<td>24,8</td>
<td>83,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>24,8</td>
<td>22,5</td>
<td colspan="2">21,0</td>
<td>19,7</td>
<td>22,0</td>
<td>74,1</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>20,1</td>
<td>23,5</td>
<td colspan="2">19,6</td>
<td>18,4</td>
<td>20,4</td>
<td>68,7</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>34,6</td>
<td>33,3</td>
<td colspan="2">29,7</td>
<td>28,4</td>
<td>31,5</td>
<td>106,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>26,5</td>
<td>89,2</td>
</tr>
<tr>
<td colspan="8">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>30,3</td>
<td colspan="2">33,4</td>
<td>30,6</td>
<td>29,0</td>
<td>30,8</td>
<td>103,7</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>31,2</td>
<td colspan="2">32,7</td>
<td>30,6</td>
<td>28,4</td>
<td>30,7</td>
<td>103,4</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>27,7</td>
<td colspan="2">26,5</td>
<td>24,3</td>
<td>24,5</td>
<td>25,8</td>
<td>86,9</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>25,4</td>
<td colspan="2">25,2</td>
<td>25,1</td>
<td>23,7</td>
<td>24,9</td>
<td>83,8</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>23,5</td>
<td colspan="2">22,4</td>
<td>20,1</td>
<td>20,3</td>
<td>21,6</td>
<td>72,7</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>21,1</td>
<td colspan="2">22,3</td>
<td>20,6</td>
<td>18,4</td>
<td>20,6</td>
<td>69,4</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>34,4</td>
<td colspan="2">34.2</td>
<td>31,5</td>
<td>30,3</td>
<td>32,6</td>
<td>109,8</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>26,7</td>
<td>89,9</td>
</tr>
<tr>
<td colspan="8">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>29,5</td>
<td colspan="2">30,5</td>
<td>28,6</td>
<td>27,7</td>
<td>29,1</td>
<td>98,0</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>29,8</td>
<td colspan="2">31,4</td>
<td>27,0</td>
<td>26,0</td>
<td>28,6</td>
<td>96,3</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>26,3</td>
<td colspan="2">27,9</td>
<td>24,5</td>
<td>23,3</td>
<td>25,5</td>
<td>85,9</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>25,8</td>
<td colspan="2">24,8</td>
<td>23,2</td>
<td>22,2</td>
<td>24,0</td>
<td>80,8</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>21,0</td>
<td colspan="2">22,4</td>
<td>19,5</td>
<td>18,4</td>
<td>20,3</td>
<td>68,4</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>20,4</td>
<td colspan="2">23,7</td>
<td>18,4</td>
<td>16,2</td>
<td>19,8</td>
<td>66,7</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>32,4</td>
<td colspan="2">35,4</td>
<td>30,8</td>
<td>30,1</td>
<td>32,2</td>
<td>108,4</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>25,6</td>
<td>86,2</td>
</tr>
</tbody>
</table>
<p>На озимой рже выявлено, что из всех вариантов удобрений наибольшее снижение пораженности корневыми гнилями по сравнению с контролем вызывают многокомпонентные органические удобрения, содержащие микробиологические биопрепараты с функциями фунгицида и бактерицида.</p>
<p>Так, удобрение «ДФСПГк», то есть «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30», снижает корневые гнили на 25,9 &#8212; 31,6%, а дражировочная смесь, которой покрывают семена зерновых перед посевом, на 30,6 &#8212; 33,3%. Максимальное снижение корневых гнилей отмечено на варианте А6В3: применение дражировки семян и биопрепаратов по вегетации, на 33,3%.В среднем, на вариантах с пестицидами корневые гнили снижались на 10,1%, на вариантах с биопрепаратами &#8212; на 13,8%.</p>
<p>В таблице 9 представлены результаты по ячменю яровому.</p>
<p>Таблица 9 &#8212; Распространенность поражения корневыми гнилями (%)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="5">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td colspan="2">2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="8">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>33,4</td>
<td colspan="2">35,4</td>
<td>30,5</td>
<td>27,2</td>
<td>31,6</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>34,5</td>
<td colspan="2">34,4</td>
<td>30,7</td>
<td>28,6</td>
<td>32,1</td>
<td>101,6</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>30,5</td>
<td colspan="2">32,8</td>
<td>30,2</td>
<td>27,3</td>
<td>30,2</td>
<td>95,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>29,4</td>
<td colspan="2">28,7</td>
<td>25,4</td>
<td>26,8</td>
<td>27,6</td>
<td>87,3</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>25,7</td>
<td colspan="2">26,6</td>
<td>23,1</td>
<td>22,1</td>
<td>24,4</td>
<td>77,2</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>23,4</td>
<td colspan="2">21,6</td>
<td>19,6</td>
<td>17,9</td>
<td>20,6</td>
<td>65,2</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>34,6</td>
<td colspan="2">35,5</td>
<td>30,5</td>
<td>29,6</td>
<td>32,6</td>
<td>103,2</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>28,4</td>
<td>89,9</td>
</tr>
<tr>
<td colspan="8">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>31,3</td>
<td colspan="2">33,5</td>
<td>30,2</td>
<td>29,5</td>
<td>31,1</td>
<td>98,4</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>32,5</td>
<td colspan="2">33,6</td>
<td>29,9</td>
<td>28,5</td>
<td>31,1</td>
<td>98,4</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>29,7</td>
<td colspan="2">28,5</td>
<td>26,8</td>
<td>25,5</td>
<td>27,6</td>
<td>87,3</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>28,7</td>
<td colspan="2">29,0</td>
<td>25,6</td>
<td>24,3</td>
<td>26,9</td>
<td>85,1</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>24,4</td>
<td colspan="2">25,8</td>
<td>23,2</td>
<td>21,1</td>
<td>23,6</td>
<td>74,7</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>21,9</td>
<td colspan="2">21,5</td>
<td>18,6</td>
<td>17,2</td>
<td>19,8</td>
<td>62,7</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>32,5</td>
<td colspan="2">34,6</td>
<td>31,1</td>
<td>29,0</td>
<td>31,8</td>
<td>100,6</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>27,4</td>
<td>86,7</td>
</tr>
<tr>
<td colspan="8">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>28,8</td>
<td colspan="2">30,5</td>
<td>27,2</td>
<td>25,8</td>
<td>28,1</td>
<td>88,9</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>30,2</td>
<td colspan="2">31,5</td>
<td>29,9</td>
<td>27,6</td>
<td>29,8</td>
<td>94,3</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>28,5</td>
<td colspan="2">29.5</td>
<td>25,3</td>
<td>24,7</td>
<td>27,0</td>
<td>85,4</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>26,6</td>
<td colspan="2">25,0</td>
<td>24,3</td>
<td>23,1</td>
<td>24,8</td>
<td>78,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>23,5</td>
<td colspan="2">21,1</td>
<td>19,0</td>
<td>18,5</td>
<td>20,5</td>
<td>64,9</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>20,6</td>
<td colspan="2">21,0</td>
<td>17,5</td>
<td>15,4</td>
<td>18,6</td>
<td>58,9</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>30,8</td>
<td colspan="2">30,1</td>
<td>28,5</td>
<td>24,5</td>
<td>28,5</td>
<td>90,2</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>25,3</td>
<td>80,1</td>
</tr>
</tbody>
</table>
<p>На ячмене яровом севооборота «Органик» выявлены те же закономерности, что и на других полях зерновых культур. Так, удобрение «ДФСПГк», то есть «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30», снижает корневые гнили на 22,8 &#8212; 35,1%, а дражировочная смесь, которой покрывают семена зерновых перед посевом, на 34,8 &#8212; 41,1%.</p>
<p>Максимальное снижение корневых гнилей отмечено на варианте А6В3: применение дражировки семян и биопрепаратов по вегетации, на 41,1%.</p>
<p>В среднем, на вариантах с пестицидами корневые гнили снижались на 13,3%, на вариантах с биопрепаратами &#8212; на 19,9%.</p>
<p>В таблице 10 представлены результаты по яровой пшенице твердой.</p>
<p>Таблица 10- Распространенность поражения корневыми гнилями (%)</p>
<p>растений яровой пшеницы твердой севооборота «Органик» (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="5">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td colspan="2">2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="8">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>28,3</td>
<td colspan="2">29,2</td>
<td>25,3</td>
<td>24,0</td>
<td>26,7</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>30,6</td>
<td colspan="2">30,1</td>
<td>27,5</td>
<td>26,6</td>
<td>28,7</td>
<td>107,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>27,9</td>
<td colspan="2">26,4</td>
<td>25,7</td>
<td>24,0</td>
<td>26,0</td>
<td>97,4</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>27,5</td>
<td colspan="2">25,9</td>
<td>24,5</td>
<td>23,8</td>
<td>25,4</td>
<td>95,1</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>24,8</td>
<td colspan="2">25,9</td>
<td>23,1</td>
<td>22,5</td>
<td>24,1</td>
<td>90,3</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>22,7</td>
<td colspan="2">22,4</td>
<td>20,3</td>
<td>20,2</td>
<td>21,4</td>
<td>80,2</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>28,8</td>
<td colspan="2">29,0</td>
<td>29,4</td>
<td>27,7</td>
<td>28,7</td>
<td>107,5</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>25,9</td>
<td>97,0</td>
</tr>
<tr>
<td colspan="8">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>27,7</td>
<td colspan="2">29,0</td>
<td>28,5</td>
<td>26,5</td>
<td>27,9</td>
<td>104,5</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>28,4</td>
<td colspan="2">30,3</td>
<td>27,4</td>
<td>25,6</td>
<td>27,9</td>
<td>104,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>26,5</td>
<td colspan="2">27,5</td>
<td>25,9</td>
<td>25,4</td>
<td>26,3</td>
<td>98,5</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>26,8</td>
<td colspan="2">25,4</td>
<td>24,3</td>
<td>23,6</td>
<td>25,0</td>
<td>93,6</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>25,5</td>
<td colspan="2">23,8</td>
<td>22,4</td>
<td>22,7</td>
<td>23,6</td>
<td>88,4</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>21,6</td>
<td colspan="2">20,8</td>
<td>20,4</td>
<td>19,3</td>
<td>20,5</td>
<td>76,8</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>28.9</td>
<td colspan="2">27,4</td>
<td>24,3</td>
<td>26,6</td>
<td>26,8</td>
<td>100,4</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>25,4</td>
<td>95,1</td>
</tr>
<tr>
<td colspan="8">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>25,5</td>
<td colspan="2">23,7</td>
<td>22,5</td>
<td>22,9</td>
<td>23,7</td>
<td>88,8</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>26,5</td>
<td colspan="2">27,5</td>
<td>23,6</td>
<td>22,2</td>
<td>25,0</td>
<td>93,6</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>24,9</td>
<td colspan="2">23,5</td>
<td>22,5</td>
<td>21,8</td>
<td>23,2</td>
<td>86,9</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>23,5</td>
<td colspan="2">25,0</td>
<td>24,3</td>
<td>22,8</td>
<td>23,9</td>
<td>89,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>21,7</td>
<td colspan="2">23,5</td>
<td>20,6</td>
<td>19,5</td>
<td>21,3</td>
<td>79,8</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>19,3</td>
<td colspan="2">20,8</td>
<td>18,4</td>
<td>16,6</td>
<td>18,8</td>
<td>70,4</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>27,0</td>
<td colspan="2">26,0</td>
<td>24,5</td>
<td>23,8</td>
<td>25,3</td>
<td>94,8</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="5"></td>
<td>23,0</td>
<td>86,1</td>
</tr>
</tbody>
</table>
<p>На яровой пшенице твердой севооборота «Органик» выявлено, что из всех вариантов удобрений наибольшее снижение пораженности корневыми гнилями по сравнению с контролем вызывают многокомпонентные органические удобрения, содержащие микробиологические препараты с функциями биофунгицида и биобактерицида.</p>
<p>Так, удобрение «ДФСПГк», то есть «(Диатомит + Фитоспорин АС) + (Диатомит + Гумат калия) = 70:30», снижает корневые гнили на 9,7 &#8212; 20,2%, а дражировочная смесь, которой покрывают семена зерновых перед посевом, на 19,8 &#8212; 29,6%.</p>
<p>Максимальное снижение корневых гнилей отмечено на варианте А6В3: применение дражировки семян и биопрепаратов по вегетации, на 29,6%.</p>
<p>В среднем, на вариантах с пестицидами корневые гнили снижались на 4,9%, на вариантах с биопрепаратами &#8212; на 13,9% (рисунок 32).</p>
<p><img width="1011" height="878" class="wp-image-15246" src="https://apknet.ru/wp-content/uploads/2021/07/word-image-96.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/07/word-image-96.jpeg 1011w, https://apknet.ru/wp-content/uploads/2021/07/word-image-96-300x261.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/07/word-image-96-768x667.jpeg 768w" sizes="(max-width: 1011px) 100vw, 1011px" alt="word image 96 Разработка препаратов биологического происхождения для защиты растений и оптимизации минерального питания в органическом земледелии"></p>
<p>Рис. 32 Определение пораженности корневыми гнилями растений зерновых колосовых культур (фаза кущения, май 2019 г.)</p>
<p>Таким образом, по всем зерновым колосовым культурам опытных севооборотов наибольшее снижение пораженности растений корневыми гнилями наблюдалось на вариантах с многокомпонентными органическими удобрениями, содержащими микробиологические биопрепараты с функциями фунгицида и бактерицида.</p>
<p>Посев дражированными семенами оказался наиболее эффективным для борьбы с комплексом корневых гнилей, так как при дражировке семян происходит биопротравливание, а также микроорганизмы &#8212; антагонисты почвенной патогенной микрофлоры сразу попадают в ризосферную зону проростков и всходов растений культур.</p>
<p>Наибольший эффект отмечен при совместном применении дражировки семян и полифункциональных биопрепаратов по вегетации, снижение пораженности корневыми гнилями достигает 46,8%.</p>
<p><strong>3.3.2 Влияние органических удобрений и биопрепаратов </strong><strong>на урожайность полевых культур</strong></p>
<p>Урожайность является интегральным показателем эффективности применения органических удобрений и биопрепаратов, это один из показателей, от которых зависит экономическая эффективность агротехнологий, в том числе в органическом земледелии.</p>
<p>В таблице 11 представлена урожайность озимой пшеницы.</p>
<p>Исследования выявили, что органические виды удобрений, в том числе дражировка семян, практически существенно не уступали по урожайности варианту А2 с нитроаммофоской.</p>
<p>В среднем по препаратам, применение пестицида повышало урожайность на 10,2% по сравнению с контролем, а двукратная обработка полифункциональным биопрепаратом &#8212; на 19,5%.</p>
<p>В таблице 12 представлена урожайность яровой пшеницы твердой.</p>
<p>На данной культуре выявлено превосходство вариантов с многокомпонентными органическими удобрениями над вариантом А2 с нитроаммофоской.</p>
<p>Так, вариант «А6В3» &#8212; это применение биопрепаратов и дражировки семян &#8212; дало прибавку урожайности в 19,9% по сравнению с контролем «А1В1», тогда как применение нитроаммофоски и биопрепаратов «А2В3» дало прибавку только 14,5%.</p>
<p>Таблица 11- Урожайность озимой пшеницы, т/га (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>4,71</td>
<td>2,93</td>
<td>2,51</td>
<td>2,75</td>
<td>3,23</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>4,88</td>
<td>3,33</td>
<td>2,43</td>
<td>2,98</td>
<td>3,41</td>
<td>105,6</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>4,55</td>
<td>2,87</td>
<td>2,50</td>
<td>2,89</td>
<td>3,20</td>
<td>99,1</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>4,76</td>
<td>2,90</td>
<td>2,85</td>
<td>2,99</td>
<td>3,38</td>
<td>104,6</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>4,61</td>
<td>2,85</td>
<td>2,76</td>
<td>2,88</td>
<td>3,28</td>
<td>101,6</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>4,78</td>
<td>3,13</td>
<td>2,78</td>
<td>2,96</td>
<td>3,41</td>
<td>105,6</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>4,70</td>
<td>2,87</td>
<td>2,63</td>
<td>2,81</td>
<td>3,25</td>
<td>100,6</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>3,31</td>
<td>102,5</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>4,90</td>
<td>3,12</td>
<td>2,67</td>
<td>3,02</td>
<td>3,43</td>
<td>106,2</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>4,98</td>
<td>3,56</td>
<td>2,78</td>
<td>3,22</td>
<td>3,64</td>
<td>112,7</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>4,89</td>
<td>3,44</td>
<td>2,73</td>
<td>3,17</td>
<td>3,56</td>
<td>110,2</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>4,96</td>
<td>3,55</td>
<td>2,76</td>
<td>3,19</td>
<td>3,62</td>
<td>112,1</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>4,91</td>
<td>3,35</td>
<td>2,83</td>
<td>3,10</td>
<td>3,55</td>
<td>109,9</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>4,97</td>
<td>3,50</td>
<td>2,82</td>
<td>3,24</td>
<td>3,63</td>
<td>112.4</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>4,78</td>
<td>3,32</td>
<td>2,74</td>
<td>3,11</td>
<td>3,49</td>
<td>108,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>3,56</td>
<td>110,2</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>4,91</td>
<td>3,10</td>
<td>2,90</td>
<td>3,10</td>
<td>3,50</td>
<td>108,4</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>5,15</td>
<td>4,10</td>
<td>3,33</td>
<td>3,43</td>
<td>4,00</td>
<td>123,8</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>5,02</td>
<td>3,97</td>
<td>3,45</td>
<td>3,45</td>
<td>3,97</td>
<td>122,9</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>5,07</td>
<td>3,95</td>
<td>3,50</td>
<td>3,25</td>
<td>3,94</td>
<td>122,0</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>5,10</td>
<td>4,04</td>
<td>3,21</td>
<td>3,44</td>
<td>3,95</td>
<td>122,3</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>5,26</td>
<td>4,11</td>
<td>3,30</td>
<td>3,39</td>
<td>4,02</td>
<td>124,5</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>5,03</td>
<td>3,15</td>
<td>2,99</td>
<td>3,27</td>
<td>3,61</td>
<td>111,8</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>3,86</td>
<td>119,5</td>
</tr>
</tbody>
</table>
<p>В среднем по препаратам, применение пестицида увеличивало урожайность на 9,1%, а обработка биопрепаратами &#8212; на 17,2%.</p>
<p>В таблице 13 представлена урожайность гороха.</p>
<p>Под данную культуру не вносили нитроаммофоску, так как зернобобовая культура, и не делали дражировку семян гороха, так как есть чисто технологические трудности дражировки крупных семян.</p>
<p>Наибольшая прибавка урожайности гороха в среднем получена на варианте «ДЗгЗ» («Диатомит + Зоогумус + Зола древесная»): 11,5 &#8212; 19,4%. На</p>
<p>Таблица 12- Урожайность яровой пшеницы твердой, т/га, севооборота «Стандарт» (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,64</td>
<td>1,38</td>
<td>1,60</td>
<td>1,83</td>
<td>1,86</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,81</td>
<td>1,42</td>
<td>1,85</td>
<td>1,93</td>
<td>2,00</td>
<td>107,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,78</td>
<td>1,64</td>
<td>1,94</td>
<td>1,94</td>
<td>2,08</td>
<td>111,8</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,83</td>
<td>1,55</td>
<td>1,95</td>
<td>1,99</td>
<td>2,08</td>
<td>111,8</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,80</td>
<td>1,68</td>
<td>1,81</td>
<td>1,70</td>
<td>2,00</td>
<td>107,5</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,85</td>
<td>1,76</td>
<td>1,89</td>
<td>1,91</td>
<td>2,10</td>
<td>112,9</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,70</td>
<td>1,38</td>
<td>1,77</td>
<td>1,85</td>
<td>1,93</td>
<td>103,8</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,01</td>
<td>108,1</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,60</td>
<td>1,33</td>
<td>1,62</td>
<td>1,89</td>
<td>1,86</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,75</td>
<td>1,46</td>
<td>1,88</td>
<td>1,92</td>
<td>2,00</td>
<td>107,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,89</td>
<td>1,77</td>
<td>1,97</td>
<td>1,95</td>
<td>2,15</td>
<td>115,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,94</td>
<td>1,78</td>
<td>1,.80</td>
<td>1,99</td>
<td>2,13</td>
<td>114,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,80</td>
<td>1,69</td>
<td>1,76</td>
<td>1,84</td>
<td>2,02</td>
<td>108,6</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,85</td>
<td>1,73</td>
<td>1,88</td>
<td>2,01</td>
<td>2,12</td>
<td>114,0</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,66</td>
<td>1,50</td>
<td>1,70</td>
<td>1,94</td>
<td>1,95</td>
<td>104,8</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,03</td>
<td>109,1</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,74</td>
<td>1,43</td>
<td>1,70</td>
<td>2,04</td>
<td>1,98</td>
<td>106,5</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2.96</td>
<td>1,46</td>
<td>1,93</td>
<td>2,15</td>
<td>2,13</td>
<td>114,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,94</td>
<td>1,81</td>
<td>1,96</td>
<td>2,18</td>
<td>2,22</td>
<td>119,4</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>3,05</td>
<td>1,90</td>
<td>2,10</td>
<td>2,34</td>
<td>2,35</td>
<td>126,3</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,94</td>
<td>1,78</td>
<td>1,96</td>
<td>2,20</td>
<td>2,22</td>
<td>119,4</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,98</td>
<td>1,77</td>
<td>2,00</td>
<td>2,17</td>
<td>2,23</td>
<td>119,9</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,88</td>
<td>1,66</td>
<td>1,87</td>
<td>2,13</td>
<td>2,14</td>
<td>115,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,18</td>
<td>117,2</td>
</tr>
</tbody>
</table>
<p>втором месте по эффективности &#8212; вариант «ДЗК» («Диатомит + Зола древесная + Калий органический»): 3,6 &#8212; 16,5%.</p>
<p>В таблице 14 представлена урожайность ячменя ярового.</p>
<p>На ячмене также варианты с органическими удобрениями не уступали по урожайности варианту А2 с нитроаммофоской. Например, дражирование семян и внесение нитроаммофоски на фоне с биопрепаратами увеличивало урожайность на 11,5% по сравнению с контролем А1В1.</p>
<p>Наибольшая урожайность в среднем по препаратам на ячмене отмечена после применения пестицида, +20,2% по отношению к контролю.</p>
<p>Таблица 13- Урожайность гороха, т/га, (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>0,97</td>
<td>1,53</td>
<td>1,45</td>
<td>1,60</td>
<td>1,39</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1,24</td>
<td>1,78</td>
<td>1,67</td>
<td>1,79</td>
<td>1,62</td>
<td>116,5</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,27</td>
<td>1,72</td>
<td>1,78</td>
<td>1,85</td>
<td>1,66</td>
<td>119,4</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,17</td>
<td>1,69</td>
<td>1,65</td>
<td>1,75</td>
<td>1,57</td>
<td>113,0</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,12</td>
<td>1,60</td>
<td>1,59</td>
<td>1,76</td>
<td>1,52</td>
<td>109,4</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,55</td>
<td>111,5</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,10</td>
<td>1,39</td>
<td>1,08</td>
<td>1,33</td>
<td>1,23</td>
<td>88,5</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1,36</td>
<td>1,45</td>
<td>1,33</td>
<td>1,63</td>
<td>1,44</td>
<td>103,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,34</td>
<td>1,54</td>
<td>1,53</td>
<td>1,78</td>
<td>1,55</td>
<td>111,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,22</td>
<td>1,49</td>
<td>1,38</td>
<td>1,46</td>
<td>1,39</td>
<td>100</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,18</td>
<td>1,40</td>
<td>1,25</td>
<td>1,41</td>
<td>1,31</td>
<td>94,2</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,38</td>
<td>99,3</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,10</td>
<td>1,30</td>
<td>1,35</td>
<td>1,52</td>
<td>1,32</td>
<td>95,0</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1,34</td>
<td>1,58</td>
<td>1,55</td>
<td>1,66</td>
<td>1,53</td>
<td>110,1</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,44</td>
<td>1,61</td>
<td>1,65</td>
<td>1,68</td>
<td>1,60</td>
<td>115,1</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,36</td>
<td>1,45</td>
<td>1,56</td>
<td>1,51</td>
<td>1,47</td>
<td>105,8</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,27</td>
<td>1,38</td>
<td>1,47</td>
<td>1,60</td>
<td>1,43</td>
<td>102,9</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,47</td>
<td>105,8</td>
</tr>
</tbody>
</table>
<p>Концепция применения многокомпонентных органических удобрений &#8212; внесение при посеве в рядок. При посеве подсолнечника на наших полях использовалась пропашная сеялка, внесение удобрений из которой было затруднительно по ряду технических причин. Поэтому, удобрения не вносились, использовались только препараты.</p>
<p>Применение пестицида повышало урожайность подсолнечника в среднем на 4,8%, а биопрепаратов &#8212; на 8,2% по сравнению с контролем.</p>
<p>В таблице 15 представлены данные по подсолнечнику.</p>
<p>Таким образом, в целом по севообороту «Стандарт» многокомпонентные органические удобрения на основе диатомита, в том числе дражировка семян перед посевом, не уступали по урожайности варианту с внесением нитроаммофоски, а нередко существенно превосходили. Наибольшую прибавку урожайности обеспечили виды органических удобрений «ДЗК», «ДЗгЗ» и дражировка семян.</p>
<p>Таблица 14 &#8212; Урожайность ячменя ярового, т/га, севооборота «Стандарт» (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,08</td>
<td>1,87</td>
<td>2,28</td>
<td>2,10</td>
<td>2,08</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,26</td>
<td>2,25</td>
<td>2,40</td>
<td>2,33</td>
<td>2,31</td>
<td>111,1</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,23</td>
<td>2,19</td>
<td>2,33</td>
<td>2,38</td>
<td>2,28</td>
<td>109,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,33</td>
<td>2,24</td>
<td>2,35</td>
<td>2,37</td>
<td>2,32</td>
<td>111,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,16</td>
<td>1,95</td>
<td>2,35</td>
<td>2,24</td>
<td>2,18</td>
<td>104,8</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,23</td>
<td>2,22</td>
<td>2,44</td>
<td>2,32</td>
<td>2,30</td>
<td>110,6</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,18</td>
<td>1,98</td>
<td>2.37</td>
<td>2,25</td>
<td>2,20</td>
<td>105,8</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,24</td>
<td>107,7</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,68</td>
<td>2,06</td>
<td>2,41</td>
<td>2,28</td>
<td>2,36</td>
<td>113,5</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,98</td>
<td>2,23</td>
<td>2,55</td>
<td>2,37</td>
<td>2,53</td>
<td>121,6</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,95</td>
<td>2,29</td>
<td>2,50</td>
<td>2,37</td>
<td>2,53</td>
<td>121,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,91</td>
<td>2,33</td>
<td>2,68</td>
<td>2,44</td>
<td>2,59</td>
<td>124,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,83</td>
<td>2,27</td>
<td>2,52</td>
<td>2,35</td>
<td>2,49</td>
<td>119,7</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,90</td>
<td>2,25</td>
<td>2,56</td>
<td>2,45</td>
<td>2,54</td>
<td>122,1</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,85</td>
<td>2,20</td>
<td>2,49</td>
<td>2,37</td>
<td>2,48</td>
<td>119,2</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,50</td>
<td>120,2</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,22</td>
<td>1,94</td>
<td>2,34</td>
<td>2,21</td>
<td>2,18</td>
<td>104,8</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,38</td>
<td>2,06</td>
<td>2,47</td>
<td>2,36</td>
<td>2,32</td>
<td>111,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,35</td>
<td>2,10</td>
<td>2,40</td>
<td>2,33</td>
<td>2,30</td>
<td>110,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,44</td>
<td>2,11</td>
<td>2,42</td>
<td>2,31</td>
<td>2,32</td>
<td>111,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,38</td>
<td>1,96</td>
<td>2,40</td>
<td>2,28</td>
<td>2,26</td>
<td>108,7</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,39</td>
<td>2,08</td>
<td>2,45</td>
<td>2,34</td>
<td>2,32</td>
<td>111,5</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,30</td>
<td>1,99</td>
<td>2,43</td>
<td>2,29</td>
<td>2,25</td>
<td>108,2</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,28</td>
<td>109,6</td>
</tr>
</tbody>
</table>
<p>В среднем по препаратам, полифункциональные биопрепараты при двукратной обработке за вегетацию давали большую прибавку урожайности, чем пестициды. Исключение составил только ячмень яровой.</p>
<p>Севооборот «Органик»: 1) сидеральный пар, 2) озимая рожь + ячмень яровой (весенний смешанный посев), 3) озимая рожь, 4) сафлор, 5) нут + яровая пшеница твердая (смешанный посев), 6) овес голозерный.</p>
<p>Таблица 15 &#8212; Урожайность подсолнечника, т/га, севооборота «Стандарт» (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,52</td>
<td>1,87</td>
<td>1,12</td>
<td>1,32</td>
<td>1,46</td>
<td>100</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,54</td>
<td>1,94</td>
<td>1,18</td>
<td>1,44</td>
<td>1,53</td>
<td>104,8</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,60</td>
<td>1,95</td>
<td>1,25</td>
<td>1,51</td>
<td>1,58</td>
<td>108,2</td>
</tr>
</tbody>
</table>
<p>В сидеральном пару удобрения и препараты не вносились. Зеленая масса заделывалась дисковыми почвообрабатывающими орудиями в фазу трубкования овса.</p>
<p>Сафлор использовался как фитосанитарная культура. Не во все годы удавалось найти семена сафлора высокого качества, поэтому удобрения и препараты на сафлоре также не применялись.</p>
<p>Однако, изучение сафлора показало перспективность данной культуры для Среднего Поволжья, в связи с глобальными климатическими изменениями, и исследования сафлора будут продолжены.</p>
<p>В таблице 16 представлены результаты по урожайности озимой ржи. На озимой ржи, посеянной весной в составе смешанного посева, также выявлена главная закономерность в том, что варианты с органическими удобрениями, в том числе дражировка семян, не уступают по урожайности варианту с нитроаммофоской. Органические удобрения «ДЗК», «ДЗгЗ» и дражировка семян дают прибавку урожайности примерно на одном уровне с нитроаммофоской.</p>
<p>Применение биопрепарата также более эффективно, чем пестицида.</p>
<p>В таблице 17 представлена урожайность ячменя ярового.</p>
<p>На данной культуре в составе смешанного посева превосходство органических удобрений над нитроаммофоской оказалось существенным.</p>
<p>Таблица 16 &#8212; Урожайность озимой ржи, т/га (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>3,13</td>
<td>3,19</td>
<td>2,90</td>
<td>3,17</td>
<td>3,10</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>3,33</td>
<td>3,35</td>
<td>3,23</td>
<td>3,30</td>
<td>3,30</td>
<td>106,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>3,30</td>
<td>3,26</td>
<td>3,13</td>
<td>3,25</td>
<td>3,24</td>
<td>104,5</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>3,35</td>
<td>3,29</td>
<td>3,18</td>
<td>3,24</td>
<td>3,27</td>
<td>105,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>3,25</td>
<td>3,25</td>
<td>3,12</td>
<td>3,24</td>
<td>3,23</td>
<td>104,2</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>3,29</td>
<td>3,34</td>
<td>3,22</td>
<td>3,28</td>
<td>3,28</td>
<td>105,8</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>3,27</td>
<td>3,22</td>
<td>3,10</td>
<td>3,23</td>
<td>3,21</td>
<td>103,5</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>3,23</td>
<td>104,2</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>3,15</td>
<td>3,22</td>
<td>2,87</td>
<td>3,10</td>
<td>3,09</td>
<td>99,7</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>3,25</td>
<td>3,40</td>
<td>3,45</td>
<td>3,36</td>
<td>3,37</td>
<td>108,7</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>3,26</td>
<td>3,31</td>
<td>3,54</td>
<td>3.32</td>
<td>3,36</td>
<td>108,4</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>3,25</td>
<td>3,33</td>
<td>3,44</td>
<td>3,27</td>
<td>3,32</td>
<td>107,1</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>3,18</td>
<td>3,28</td>
<td>3,25</td>
<td>3,22</td>
<td>3,23</td>
<td>104,2</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>3,29</td>
<td>3,38</td>
<td>3,37</td>
<td>3,35</td>
<td>3,35</td>
<td>108,1</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>3,22</td>
<td>3,34</td>
<td>3,20</td>
<td>3,34</td>
<td>3,28</td>
<td>105,8</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>3,29</td>
<td>106,1</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>3,21</td>
<td>3,25</td>
<td>3,00</td>
<td>3,23</td>
<td>3,17</td>
<td>102,3</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>3,40</td>
<td>3,38</td>
<td>3,36</td>
<td>3,46</td>
<td>3,40</td>
<td>109,7</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>3,37</td>
<td>3,38</td>
<td>3,42</td>
<td>3,41</td>
<td>3,40</td>
<td>109,7</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>3,35</td>
<td>3,45</td>
<td>3,44</td>
<td>3,39</td>
<td>3,41</td>
<td>110,0</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>3,25</td>
<td>3,32</td>
<td>3,20</td>
<td>3,30</td>
<td>3,27</td>
<td>105,5</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>3,36</td>
<td>3,39</td>
<td>3,39</td>
<td>3,49</td>
<td>3,41</td>
<td>110,0</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>3,34</td>
<td>3,34</td>
<td>3,22</td>
<td>3,38</td>
<td>3,32</td>
<td>107,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>3,34</td>
<td>107,7</td>
</tr>
</tbody>
</table>
<p>Так, например, на фоне с биопрепаратами, внесение минерального удобрения повышало урожайность культуры на 33,3%, тогда как применение органического удобрения «ДЗгЗ» &#8212; на 41,1% по сравнению с контролем.</p>
<p>В среднем, обработка посевов пестицидом повышала урожайность на 13,2%, а двукратное опрыскивание биопрепаратом &#8212; на 31,0%</p>
<p>В целом, ячмень яровой в составе смешанного посева оказался более отзывчивым на многокомпонентные органические удобрения и биопрепараты.</p>
<p>Таблица 17 &#8212; Урожайность ячменя ярового, т/га, севооборота «Органик» (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,35</td>
<td>1,47</td>
<td>1,10</td>
<td>1,23</td>
<td>1,29</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>1,32</td>
<td>1,55</td>
<td>1,31</td>
<td>1.40</td>
<td>1,39</td>
<td>107,8</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1.39</td>
<td>1,56</td>
<td>1,33</td>
<td>1,36</td>
<td>1,41</td>
<td>109,3</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,43</td>
<td>1,67</td>
<td>1,35</td>
<td>1,45</td>
<td>1,48</td>
<td>114,7</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,40</td>
<td>1,43</td>
<td>1,27</td>
<td>1,33</td>
<td>1,36</td>
<td>105,4</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>1,44</td>
<td>1,60</td>
<td>1,38</td>
<td>1,48</td>
<td>1,48</td>
<td>114,7</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,36</td>
<td>1,53</td>
<td>1,19</td>
<td>1,36</td>
<td>1,36</td>
<td>105,4</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,40</td>
<td>108,5</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,32</td>
<td>1,45</td>
<td>1,23</td>
<td>1,39</td>
<td>1,35</td>
<td>104,7</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>1,45</td>
<td>1,53</td>
<td>1,47</td>
<td>1,49</td>
<td>1,49</td>
<td>115,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1,47</td>
<td>1,55</td>
<td>1,49</td>
<td>1,54</td>
<td>1,51</td>
<td>117,1</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,41</td>
<td>1,57</td>
<td>1,50</td>
<td>1,57</td>
<td>1,51</td>
<td>117,1</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,38</td>
<td>1,40</td>
<td>1,33</td>
<td>1,43</td>
<td>1,39</td>
<td>107,8</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>1,54</td>
<td>1,62</td>
<td>1,50</td>
<td>1,55</td>
<td>1,55</td>
<td>120,2</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,44</td>
<td>1,52</td>
<td>1,37</td>
<td>1,45</td>
<td>1,45</td>
<td>112,4</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,46</td>
<td>113,2</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,42</td>
<td>1,94</td>
<td>1,34</td>
<td>1,40</td>
<td>1,53</td>
<td>118,6</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>1,56</td>
<td>2,22</td>
<td>1,48</td>
<td>1,60</td>
<td>1,72</td>
<td>133,3</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1,60</td>
<td>2,34</td>
<td>1,45</td>
<td>1,63</td>
<td>1,76</td>
<td>136,4</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,62</td>
<td>2,43</td>
<td>1,53</td>
<td>1,69</td>
<td>1,82</td>
<td>141,1</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,50</td>
<td>2,10</td>
<td>1,44</td>
<td>1,57</td>
<td>1,65</td>
<td>127,9</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>1,56</td>
<td>2,25</td>
<td>1,54</td>
<td>1,61</td>
<td>1,74</td>
<td>134,9</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,47</td>
<td>2,03</td>
<td>1,43</td>
<td>1,48</td>
<td>1,60</td>
<td>124,0</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,69</td>
<td>131,0</td>
</tr>
</tbody>
</table>
<p>В таблице 18 представлены результаты по нуту.</p>
<p>Дражировка семян нута не проводилась, но нитроаммофоска вносилась, так как нут высевался в смешанном посеве с яровой пшеницей твердой. Соответственно, нет варианта удобрений А6.</p>
<p>Нут оказался в значительной степени отзывчив на многокомпонентные органические удобрения и полифункциональные биопрепараты. Очевидно, это связано с высоким содержанием микроэлементов в составе золы древесной, калия органического и зоогумуса, а также в составе гумата калия.</p>
<p>Так, например, на фоне с биопрепаратами, внесение нитроаммофоски повышало урожайность нута в среднем на 49%, тогда как органических удобрений «ДЗК» и «ДЗгЗ» на 51 и 60,8% соответственно по сравнению с контролем.</p>
<p>Таблица 18 &#8212; Урожайность нута, т/га, (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,02</td>
<td>0,93</td>
<td>0,98</td>
<td>1,13</td>
<td>1,02</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>1,12</td>
<td>1,15</td>
<td>1,17</td>
<td>1,28</td>
<td>1,18</td>
<td>115,7</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1,24</td>
<td>1,25</td>
<td>1,19</td>
<td>1,34</td>
<td>1,26</td>
<td>123,5</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,27</td>
<td>1,31</td>
<td>1,24</td>
<td>1,37</td>
<td>1,30</td>
<td>127,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,17</td>
<td>1,12</td>
<td>1,15</td>
<td>1,25</td>
<td>1,17</td>
<td>114,7</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,10</td>
<td>1,11</td>
<td>1,13</td>
<td>1,28</td>
<td>1,16</td>
<td>113,7</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,18</td>
<td>115,7</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,18</td>
<td>1,14</td>
<td>1,01</td>
<td>1,22</td>
<td>1,14</td>
<td>111,8</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>1,20</td>
<td>1,31</td>
<td>1,27</td>
<td>1,36</td>
<td>1,29</td>
<td>126,5</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1,25</td>
<td>1,28</td>
<td>1,35</td>
<td>1,43</td>
<td>1,33</td>
<td>130,4</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,30</td>
<td>1,34</td>
<td>1,40</td>
<td>1,33</td>
<td>1,34</td>
<td>131,4</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,22</td>
<td>1,27</td>
<td>1,26</td>
<td>1,33</td>
<td>1,27</td>
<td>125,5</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,29</td>
<td>1,24</td>
<td>1,27</td>
<td>1,27</td>
<td>1,27</td>
<td>124,5</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,27</td>
<td>124,5</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,38</td>
<td>1,58</td>
<td>1,44</td>
<td>1,50</td>
<td>1,48</td>
<td>145,1</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>1,44</td>
<td>1,47</td>
<td>1,52</td>
<td>1,65</td>
<td>1,52</td>
<td>149,0</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>1,49</td>
<td>1,55</td>
<td>1,56</td>
<td>1,56</td>
<td>1,54</td>
<td>151,0</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>1,56</td>
<td>1,67</td>
<td>1,63</td>
<td>1,70</td>
<td>1,64</td>
<td>160,8</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>1,44</td>
<td>1,51</td>
<td>1,48</td>
<td>1,45</td>
<td>1,47</td>
<td>144,1</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>&#8212;</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>1,39</td>
<td>1,48</td>
<td>1,59</td>
<td>1,54</td>
<td>1,50</td>
<td>147,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,53</td>
<td>150,0</td>
</tr>
</tbody>
</table>
<p>В среднем по препаратам, применение в севообороте пестицидов повышало урожайность нута на 24,5% по сравнению с контролем, а двукратная за вегетацию обработка биопрепаратами &#8212; на 50%.</p>
<p>В таблице 19 представлены результаты по урожайности яровой пшеницы твердой смешанного посева с нутом.</p>
<p>Также выявлено, что органические удобрения «ДЗК», «ДЗгЗ» и дражировка семян дают прибавку урожайности значительно более большую, чем внесение нитроаммофоски.</p>
<p>Таблица 19 &#8212; Урожайность яровой пшеницы твердой, т/га,</p>
<p>севооборота «Органик» (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,01</td>
<td>0,78</td>
<td>0,85</td>
<td>1,13</td>
<td>1,19</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,22</td>
<td>1,00</td>
<td>1,23</td>
<td>1,27</td>
<td>1,43</td>
<td>120,2</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,25</td>
<td>1,12</td>
<td>1,34</td>
<td>1,36</td>
<td>1,52</td>
<td>127,7</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,37</td>
<td>1,19</td>
<td>1,45</td>
<td>1,39</td>
<td>1,60</td>
<td>134,5</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,18</td>
<td>0,96</td>
<td>0,95</td>
<td>1,30</td>
<td>1,35</td>
<td>113,4</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,26</td>
<td>1,14</td>
<td>1,28</td>
<td>1,28</td>
<td>1,49</td>
<td>125,2</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,15</td>
<td>0,84</td>
<td>0,98</td>
<td>1,20</td>
<td>1,29</td>
<td>108,4</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,41</td>
<td>118,5</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>1,90</td>
<td>0,83</td>
<td>0,97</td>
<td>1,89</td>
<td>1,40</td>
<td>117,7</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,33</td>
<td>1,22</td>
<td>1,14</td>
<td>2,12</td>
<td>1,70</td>
<td>142,9</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,34</td>
<td>1,36</td>
<td>1,19</td>
<td>2,18</td>
<td>1,77</td>
<td>148,7</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,25</td>
<td>1,41</td>
<td>1,27</td>
<td>2,17</td>
<td>1,78</td>
<td>149,6</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,17</td>
<td>1,10</td>
<td>1,24</td>
<td>2,00</td>
<td>1,63</td>
<td>137,0</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,35</td>
<td>1,25</td>
<td>1,20</td>
<td>2,19</td>
<td>1,75</td>
<td>147,1</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,22</td>
<td>1,20</td>
<td>1,15</td>
<td>1,90</td>
<td>1,62</td>
<td>136,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,66</td>
<td>139,5</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,15</td>
<td>1,22</td>
<td>1,34</td>
<td>2,25</td>
<td>1,74</td>
<td>146,2</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,30</td>
<td>1,40</td>
<td>1,49</td>
<td>2,50</td>
<td>1,92</td>
<td>161,3</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,33</td>
<td>1,50</td>
<td>1,35</td>
<td>2,43</td>
<td>1,90</td>
<td>159,7</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,39</td>
<td>1,55</td>
<td>1,47</td>
<td>2,43</td>
<td>1,96</td>
<td>164,7</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,23</td>
<td>1,33</td>
<td>1,32</td>
<td>2,34</td>
<td>1,81</td>
<td>152,1</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,27</td>
<td>1.41</td>
<td>1,58</td>
<td>2,51</td>
<td>1,94</td>
<td>163,0</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,24</td>
<td>1,34</td>
<td>1,45</td>
<td>2,36</td>
<td>1,85</td>
<td>155,5</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>1,87</td>
<td>157,1</td>
</tr>
</tbody>
</table>
<p>Так, например, на фоне с биопрепаратами, внесение нитроаммофоски повышало урожайность яровой пшеницы твердой в среднем на 61,3%, тогда как органических удобрений «ДЗгЗ» и дражировка семян на 64,7 и 63% соответственно по сравнению с контролем.</p>
<p>В среднем по препаратам, применение в севообороте пестицидов повышало урожайность яровой пшеницы твердой на 39,5% по сравнению с контролем, а двукратная за вегетацию обработка биопрепаратами &#8212; на 57,1%.</p>
<p>В таблице 20 представлены данные по урожайности овса голозерного.</p>
<p>Выявлены те же закономерности, что органические удобрения «ДЗК», «ДЗгЗ» и дражировка семян не уступают по своей эффективности варианту с нитроаммофоской, а применение биопрепаратов более эффективно по сравнению с применением пестицидов.</p>
<p>Таблица 20 &#8212; Урожайность овса голозерного, т/га, (2017 &#8212; 2020 гг.)</p>
<table>
<tbody>
<tr>
<td rowspan="2">Система удобрений (А)</td>
<td colspan="4">Годы исследований / Система защиты</td>
<td rowspan="2">Сред -нее</td>
<td rowspan="2">% к</p>
<p>контролю</td>
</tr>
<tr>
<td>2016 -17</td>
<td>2017-18</td>
<td>2018-19</td>
<td>2019-20</td>
</tr>
<tr>
<td colspan="7">Контроль (В1)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,34</td>
<td>1,56</td>
<td>1,76</td>
<td>2,25</td>
<td>1,98</td>
<td>100</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,44</td>
<td>1,83</td>
<td>1,97</td>
<td>2,40</td>
<td>2,16</td>
<td>109,1</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,48</td>
<td>1,88</td>
<td>2,01</td>
<td>2,45</td>
<td>2,21</td>
<td>111,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,55</td>
<td>1,92</td>
<td>2,05</td>
<td>2,49</td>
<td>2,25</td>
<td>113,6</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,40</td>
<td>1,65</td>
<td>1,85</td>
<td>2,34</td>
<td>2,06</td>
<td>104,0</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,50</td>
<td>1,78</td>
<td>1,90</td>
<td>2,39</td>
<td>2,14</td>
<td>108,1</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,37</td>
<td>1,63</td>
<td>1,84</td>
<td>2,27</td>
<td>2,03</td>
<td>102,5</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,12</td>
<td>107,1</td>
</tr>
<tr>
<td colspan="7">Пестициды (В2)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,44</td>
<td>1,63</td>
<td>1,78</td>
<td>2,30</td>
<td>2,04</td>
<td>103,0</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,55</td>
<td>1,85</td>
<td>1,96</td>
<td>2,40</td>
<td>2,19</td>
<td>110,6</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,58</td>
<td>1,88</td>
<td>2,11</td>
<td>2,44</td>
<td>2,25</td>
<td>113,6</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,63</td>
<td>1,93</td>
<td>2,23</td>
<td>2,38</td>
<td>2,29</td>
<td>115,7</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,58</td>
<td>1,78</td>
<td>1,80</td>
<td>2,33</td>
<td>2,12</td>
<td>107,1</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,59</td>
<td>1,90</td>
<td>1,90</td>
<td>2,44</td>
<td>2,21</td>
<td>111,6</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,48</td>
<td>1,69</td>
<td>1,84</td>
<td>2,38</td>
<td>2,10</td>
<td>106,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,17</td>
<td>109,6</td>
</tr>
<tr>
<td colspan="7">Биопрепараты (В3)</td>
</tr>
<tr>
<td>А1 &#8212; контроль</td>
<td>2,49</td>
<td>1,71</td>
<td>1,80</td>
<td>2,31</td>
<td>2,08</td>
<td>105,1</td>
</tr>
<tr>
<td>А2 &#8212; нитроаммофоска (16:16:16)</td>
<td>2,55</td>
<td>1,95</td>
<td>2,00</td>
<td>2,44</td>
<td>2,24</td>
<td>113,1</td>
</tr>
<tr>
<td>А3 &#8212; ДЗК</td>
<td>2,57</td>
<td>1,99</td>
<td>2,10</td>
<td>2,45</td>
<td>2,28</td>
<td>115,2</td>
</tr>
<tr>
<td>А4 &#8212; ДЗгЗ</td>
<td>2,61</td>
<td>1,98</td>
<td>2,23</td>
<td>2,48</td>
<td>2,33</td>
<td>117,7</td>
</tr>
<tr>
<td>А5 &#8212; ДФСПГк</td>
<td>2,53</td>
<td>1,78</td>
<td>1,92</td>
<td>2,39</td>
<td>2,16</td>
<td>109,1</td>
</tr>
<tr>
<td>А6 &#8212; дражировка семян</td>
<td>2,57</td>
<td>1,95</td>
<td>2,10</td>
<td>2,50</td>
<td>2,28</td>
<td>115,2</td>
</tr>
<tr>
<td>А7 &#8212; цеолит + эффлюент</td>
<td>2,53</td>
<td>1,82</td>
<td>1,93</td>
<td>2,36</td>
<td>2,16</td>
<td>109,1</td>
</tr>
<tr>
<td>Среднее</td>
<td colspan="4"></td>
<td>2,22</td>
<td>112,1</td>
</tr>
</tbody>
</table>
<p>Таким образом, в целом по севообороту «Органик» доказано, что внесение в рядок при посеве многокомпонентных органических удобрений на основе диатомита по своей эффективности или не уступает или превосходит вариант с внесением нитроаммофоски.</p>
<p>Двукратная обработка посевов за вегетацию полифункциональным биопрепаратом также значительно более эффективна для повышения урожайности, чем обработка посевов пестицидами.</p>
<p>В целом, по севооборотам «Стандарт» и «Органик», многокомпонентные органические удобрения «ДЗК» («Диатомит + Зола + Калий органический»), «ДЗгЗ» («Диатомит + Зоогумус + Зола») и дражировка семян как минимум не уступают по своей эффективности минеральному удобрению, а в большинстве случаев и превосходят его.</p>
<p>Двукратная обработка посевов полифункциональным биопрепаратом с функциями биофунгицида и бактерицида также оказалась для повышения урожайности более эффективным приемом, чем применение просто химического пестицида.</p>
<p>Таким образом, разрабатываемые лабораторией «АгроЭкология» препараты биологического происхождения для защиты растений и оптимизации минерального питания могут и должны стать составной частью агротехнологий в органическом земледелии Среднего Поволжья.</p>
<h2><strong>ВЫВОДЫ</strong></h2>
<p>Концепция создания органических удобрений на основе наноструктурного диатомита &#8212; многокомпонентные полифункциональные высококонцентрированные максимально усвояемые биогенные удобрительные смеси низкой дозы внесения (200 &#8212; 300 кг/га) из сеялки при посеве в прикорневую зону.</p>
<p>Разработана ассортиментная линейка многокомпонентных органических удобрений на основе диатомита с функциями почвоулучшителя, биостимулятора, биофунгицида и бактерицида.</p>
<p>Разработана уникальная технология внесения органических удобрений и биопрепаратов в ризосферную зону растений полевых культур методом предпосевной дражировки семян культур.</p>
<p>Разработана ассортиментная линейка биопрепаратов торговой марки «АгроТоник»: «Цветовод», «Садовод», «Овощевод», «Полевод», «Лесовод» и «Универсальный». Биопрепараты «АгроТоник» по своему функционалу &#8212; мультикомплексное органическое удобрение из природных компонентов растительного и животного происхождения с функцией биостимулятора.</p>
<p>Разработан «Многокомпонентный биопрепарат с функциями удобрения, фунгицида и бактерицида».</p>
<p>Все органические удобрения и биопрепараты разработаны на основе продуктов переработки (утилизации) органических отходов и сырья.</p>
<p>Лабораторные вегетационные и полевые стационарные опыты за 2017 &#8212; 2020 гг. продемонстрировали высокую эффективность органических удобрений и биопрепаратов по сравнению с минеральными удобрениями и пестицидами, что позволяет их применять в агротехнологиях цифрового органического земледелия.</p>
<p>Так, по всем зерновым колосовым культурам опытных севооборотов наибольшее снижение пораженности растений корневыми гнилями наблюдалось на вариантах с многокомпонентными органическими удобрениями, содержащими микробиологические биопрепараты с функциями фунгицида и бактерицида.</p>
<p>Посев дражированными семенами оказался наиболее эффективным для борьбы с комплексом корневых гнилей, так как при дражировке семян происходит биопротравливание, а также микроорганизмы &#8212; антагонисты почвенной патогенной микрофлоры сразу попадают в ризосферную зону проростков и всходов растений культур.</p>
<p>Наибольший эффект отмечен при совместном применении дражировки семян и полифункциональных биопрепаратов по вегетации, снижение пораженности корневыми гнилями достигает 46,8%.</p>
<p>В целом, по севооборотам «Стандарт» и «Органик», по влиянию на урожайность полевых культур, многокомпонентные органические удобрения «ДЗК» («Диатомит + Зола + Калий органический»), «ДЗгЗ» («Диатомит + Зоогумус + Зола») и дражировка семян как минимум не уступают по своей эффективности минеральному удобрению, а в большинстве случаев и превосходят его.</p>
<p>Двукратная обработка посевов за вегетацию полифункциональным биопрепаратом с функциями биофунгицида и бактерицида также значительно более эффективна для повышения урожайности, чем обработка посевов химическими пестицидами.</p>
<p><strong>ПРОИЗВОДСТВЕННЫЕ ИСПЫТАНИЯ</strong></p>
<p>В 2019 и 2020 гг. в двух сельхозпредприятиях Кинель &#8212; Черкасского и Пестравского районов Самарской области проводились научные производственные испытания органических удобрений и биопрепаратов разработки лаборатории «АгроЭкология».</p>
<p>В приложениях 9-12 представлены Акты внедрения.</p>
<h2><strong>СПИСОК ЛИТЕРАТУРЫ</strong></h2>
<ol>
<li>Горянин О. И. Агротехнологические основы повышения эффективности возделывания полевых культур на черноземе обыкновенном Среднего Заволжья: автореф. дисс. … доктора с.-х. наук. Саратов, 2016. 42 с.</li>
<li>Доклад об особенностях климата на территории Российской Федерации за 2015 год. [Электронный ресурс] // URL: <a href="http://www.meteorf.ru/upload/pdf_download/Доклад%20Росгидромет%202015.pdf" target="_blank" rel="noopener">http://www.meteorf.ru/upload/pdf_download/Доклад%20Росгидромет%202015.pdf</a> (дата обращения: 18.09.2016)</li>
<li>Глобальная климатическая угроза и экономика России: в поисках особого пути / Московская школа управления Сколково / 2020 г.</li>
<li>Государственный доклад «О состоянии и об охране окружающей среды Российской Федерации в 2018 г.» / Минприроды РФ, 2019 г.</li>
<li>Доклад о климатических рисках на территории Российской Федерации / Климатический центр Росгидромета. СПб. 2017</li>
<li>Доклад об особенностях климата на территории Российской Федерации за 2018 г. / Росгидромет, 2019.</li>
<li>Государственный доклад о состоянии энергосбережения и повышения энергетической эффективности в Российской Федерации в 2018 г. / Минэкономразвития РФ, декабрь 2019.</li>
<li>Доклад об особенностях климата на территории Российской Федерации за 2015 год. [Электронный ресурс] // URL: <a href="http://www.meteorf.ru/upload/pdf_download/Доклад%20Росгидромет%202015.pdf" target="_blank" rel="noopener">http://www.meteorf.ru/upload/pdf_download/Доклад%20Росгидромет%202015.pdf</a> (дата обращения: 18.09.2016)</li>
<li>Зависимость урожая яровой пшеницы от вида севооборота и метеорологических условий / Ю.Ф. Курдюков, Н.Г. Левицкая, Л.П. Лощинина, Г.В. Шубитидзе, М.Ю. Васильева // Земледелие. 2014. №1. С. 41–44.</li>
<li>Вступил в силу закон &#171;Об органической продукции&#187; [Электронный ресурс]. URL: <a href="https://www.dairynews.ru/news/vstupil-v-silu-zakon-ob-organicheskoy-produktsii.html" target="_blank" rel="noopener">https://www.dairynews.ru/news/vstupil-v-silu-zakon-ob-organicheskoy-produktsii.html</a> (дата обращения: 21.11.2020)</li>
<li>АГРОИНВЕСТОР [Электронный ресурс]. URL: <a href="https://www.agroinvestor.ru/markets/article/33502-organika-rossiyskogo-li-polya-yagoda-obem-vnutrennego-rynka-ekoproduktsii-otsenivaetsya-v-250-mln-uzh/" target="_blank" rel="noopener">https://www.agroinvestor.ru/markets/article/33502-organika-rossiyskogo-li-polya-yagoda-obem-vnutrennego-rynka-ekoproduktsii-otsenivaetsya-v-250-mln-uzh/</a> (дата обращения: 21.11.2020)</li>
<li>Переработка органических отходов: барьеры развития бизнеса в РФ [Электронный ресурс]. URL: <a href="https://marketing.rbc.ru/articles/11775/" target="_blank" rel="noopener">https://marketing.rbc.ru/articles/11775/</a> (дата обращения: 21.11.2020)</li>
<li>IEA, Energy Technology Perspectives 2014 &#8212; Harnessing Electricity&#8217;s Potential</li>
<li>IPCC, 2013–2014. Fifth Assessment Report, Climate Change 2013–2014, vol. 1–3.</li>
<li>Pathways to deep decarbonisation &#8212; 2014 – Synthesis report, SDSN – IDDRI</li>
<li>Pathways to deep decarbonization &#8212; 2015 &#8212; Executive summary, SDSN &#8212; IDDRI.</li>
<li>Schaeffer М., B. Hare, M. Rocha, J. Rogel. Adequacy and feasibility of the 1.5°C long term global limit. Climate Analytics. 2013.</li>
<li>Прогноз развития энергетики мира и России 2019 / под ред. А. А. Макарова, Т. А. Митровой, В. А. Кулагина / ИНЭИ РАН–Московская школа управления СКОЛКОВО — Москва, 2019.</li>
<li>К концепции государственного управления и мониторинга в сфере изменения климата в России / Романовская А.А., ПЭММЭ, Том XXXI, № 3-4, 2019. DOI: 10.21513/0207-2564-2019-3-61-83</li>
<li>Сравнение прогнозов выбросов парниковых газов в секторе «Энергетика» России на 2010-2060 гг. / И.А. Башмаков, А.Д. Мышак // Проблемы прогнозирования. 2014. №1 (142).</li>
<li>Куликова А. Х. Кремний и высококремнистые породы в системе удобрения сельскохозяйственных культур. – Ульяновск, Издательство Ульяновской ГСХА им. П. А. Столыпина, 2013. 176 с.</li>
<li>Wakil W., Ghazanfar M.U., Ashfaq M., Ali K., Riasat T. Efficacy assessment of diatomaceous earth against Callosobruchus maculatus (F.) (Coleoptera: Bruchidae) on gram at different temperature and relative humidity regimes // Julius-Kühn-Archiv: Proceedings of the 10th International Working Conference on Stored Product Protection.Vol. 425. 2011. Р. 936−941</li>
<li>Mewis I., Ulrichs C. Тreatment of rice with diatomaceous earth and effects on the mortality of the red flour beetle tribolium castaneum (herbst) // Springer-Verlag GmbH. Vol. 74 (1). 2001. Р.13−16</li>
<li>Xiang, Y., Wang, N., Song, J., Cai, D., Wu, Z. Micro-nanopores fabricated by high-energy electron beam irradiation: Suitable structure for controlling pesticide loss // Journal of Agricultural and Food Chemistry, Vol. 61. 2013. Р.5215−5219</li>
<li>Куликова А. Х., Никифорова С. А. Эффективность предпосевной обработки семян ячменя биопрепаратами и диатомитовым порошком в условиях Ульяновской области // Вестник Ульяновской ГСХА. 2011. №4. С. 26-32</li>
<li>Козлов А. В., Куликова А. Х., Копосова Н. Н. Влияние диатомита, цеолита и бентонитовой глины на показатели физико &#8212; химического</li>
</ol>
<p>состояния дерново &#8212; подзолистой почвы // Известия Самарского научного</p>
<p>центра Российской академии наук, том 19. 2017. №2 (2). С. 275 &#8212; 280</p>
<ol>
<li>Отчет о научно-исследовательской работе по теме «Изучение эффективности органоминеральных удобрений в технологии возделывания кукурузы и ячменя» // ФГБОУ ВО Ульяновский ГАУ им. П. А. Столыпина. 2018. 28 с.</li>
<li>Смывалов В. С., Захарова Д. А. Влияние кремнийсодержащих материалов на урожайность и качество продукции яровой пшеницы // Вестник Ульяновской ГСХА. 2016. №4. С. 55 &#8212; 59</li>
<li>Куликова А. Х, Яшин Е. А, Данилова Е. В. Эффективность применения диатомита и минеральных удобрений в технологии возделывания озимой пшеницы // Агрохимический вестник. 2007. №5. С. 18 &#8212; 19</li>
<li>Агроклиматические ресурсы Куйбышевской области.- Л.: Гидрометеоиздат, 1968.- 207 с.</li>
<li>Почвы Куйбышевской области / Г. Г. Лобов, И. С. Рабочев и др.; отв. ред. Г. Г. Лобов.- Кбш.: Кн. изд-во, 1984.- 392 с.</li>
<li>Природно-сельскохозяйственное районирование и использование земельного фонда СССР / Под ред. А. Н. Каштанова.- М.: Колос, 1983.- 336 с.</li>
<li>Трегубов, Б. А. Оценка земель Куйбышевской области / Б. А. Трегубов, Г. Г. Лобов, М. Г. Холина.- Кбш.: Кн. изд-во, 1988.- 176 с.</li>
<li>Агроклиматические ресурсы Куйбышевской области.- Л.: Гидрометеоиздат, 1968.- 207 с.</li>
<li>Корневые гнили: как распознать болезнь [Электронный ресурс]. URL: <a href="https://www.avgust.com/newspaper/topics/detail.php?ID=1408" target="_blank" rel="noopener"><strong>https://www.avgust.com/newspaper/topics/detail.php?ID=1408</strong></a> (дата обращения: 11.12 2020)</li>
</ol>
<p>36. Биологизация земледелия в Среднем Поволжье: монография / В.А. Корчагин, С.Н. Зудилин, О.И. Горянин, С.Н. Шевченко, С.В. Обущенко. – Кинель: РИЦ СГСХА, 2017. – 228 с.</p>
<h2><a href="https://apknet.ru/wp-content/uploads/2021/07/ФГБОУ-ВО-Самарский-ГАУ-2020-Тема-1-Приложения.docx">Приложения</a></h2>
<p>&nbsp;</p>
]]></content:encoded>
					
					<wfw:commentRss>https://apknet.ru/razrabotka-preparatov-biologicheskogo-proiskhozhdeniya/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений</title>
		<link>https://apknet.ru/nologii-vyrashchivaniya-ovoshchnykh-kultur/</link>
					<comments>https://apknet.ru/nologii-vyrashchivaniya-ovoshchnykh-kultur/#respond</comments>
		
		<dc:creator><![CDATA[Leonid]]></dc:creator>
		<pubDate>Tue, 15 Jun 2021 08:14:35 +0000</pubDate>
				<category><![CDATA[Механизация и электрификация сельского хозяйства]]></category>
		<category><![CDATA[Растениеводство]]></category>
		<category><![CDATA[ФГБОУ-ВО-Самарская-ГСХА]]></category>
		<guid isPermaLink="false">https://apknet.ru/?p=12751</guid>

					<description><![CDATA[Разработка и научное обоснование комплекса энергосберегающих элементов технологии выращивания агрокультур в контролируемых условиях]]></description>
										<content:encoded><![CDATA[<h2><a href="https://apknet.ru/wp-content/uploads/2021/06/ФГБОУ-ВО-Самарский-ГАУ-Титульник-исполн-Тема-2.docx">Титульный лист и исполнители</a></h2>
<p>РЕФЕРАТ</p>
<p>Отчет 156 с., 72 рис., 28 таблиц, 85 источников.</p>
<p>ЭЛЕКТРОТЕХНОЛОГИЯ, ЭНЕРГОСБЕРЕЖЕНИЕ, ИНТЕНСИФИКАЦИЯ, ТЕХНОЛОГИЯ, РАСТЕНИЯ, СТИМУЛИРОВАНИЕ,ЭЛЕКТРОМАГНИТНОЕ ПОЛЕ, МАГНИТНОЕ ПОЛЕ, ЭЛЕКТРИЧЕСКОЕ ПОЛЕ, АДАПТИВНОЕ ОСВЕЩЕНИЕ, ОВОЩНАЯ КУЛЬТУРА, КУЛЬТИВАЦИОННЫЕ СООРУЖЕНИЯ, КОНТРОЛИРУЕМЫЕ УСЛОВИЯ.</p>
<p><strong>Целью исследования:</strong>научно обосновать и разработать комплекс энергосберегающих элементов технологии выращивания агрокультур в контролируемых условиях.</p>
<p><strong>Объект исследования</strong> – совокупность растений, технических средств и технологических параметров электротехнологического воздействия на растения для выявления режимов, обеспечивающих ускорение их вегетации, при минимальном расходе энергии.</p>
<p><strong>Предмет исследования</strong> – процессы электротехнологического воздействия на растения с целью обоснования их оптимальных технологических,электротехнических и светотехнических параметров.</p>
<p>Проведен анализ существующих способов, методов и устройств для воздействия электрическим и магнитным полем, электромагнитным излучениемразличных частот(в т.ч. свет) на биологические объекты, в частности, на растения агрокультур.</p>
<p>Усовершенствованы способы стимулирования растений в электрическом и магнитном полях, разработаны электрические и конструктивные схемы устройств для электрического и магнитного стимулирования, разработана система адаптивного освещения растений, содержащая регулируемые светодиодные RGB-светильники и автоматизированную программируемую систему управления ими.</p>
<p>Разработана совокупность лабораторных установок для исследования электротехнических, технологических и светотехнических параметров процессовэлектротехнологического воздействия на растения.</p>
<p>Проведены экспериментальные исследования по обоснованиюоптимальных технологических и электротехнических параметров процессавоздействия на растения электрическим полем, направленныена увеличение скорости вегетации растений различных агрокультур. Установлено, что стимулирование растений в электрическом поле имеет определенный положительный эффект, так как повышает интенсивность метаболических обменных процессов, что, в конечном итоге, проводит к сокращению сроков выращивания и энергозатрат.</p>
<p>Проведены экспериментальные исследования по обоснованиюоптимальных технологических и электротехнических параметров процессавоздействия на растения магнитным полем, показавшие, что, в целом,скорость роста растений, стимулируемых в магнитном поле, была выше чем на контроле, что, в конечном итоге, также проводит к сокращению сроков выращивания и энергозатрат.</p>
<p>Проведена серия экспериментальных исследований направленных на выявление оптимальных светотехнических характеристик системы адаптивного освещения растений. Установлено, что спектральный состав света существенно влияет не только на интенсивность вегетации растений, но и на нутриентный состав листовой и плодовой частей.</p>
<p>Частично нашла своё подтверждение гипотеза о том, что комбинированное воздействие на растения различными факторами электротехнологии позволяет получить мультипликативный эффект, выражающийся в существенном повышении скорости роста и развития растений, приводящее к сокращению сроков вегетации, что даёт возможность получения большего количества урожаев за год. Таким образом, за счёт применения разработанных отдельных элементов технологии выращивания агрокультур в условия высокотехнологичных культивационных сооружений, возможно повысить энергосбережение технологии в целом.</p>
<p>ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ</p>
<p>ВКС – высокотехнологичное культивационное сооружение;</p>
<p>КВЧ – крайне высокие частоты;</p>
<p>КС – контролируемая среда;</p>
<p>КУ – контролируемые условия;</p>
<p>МП – магнитное поле;</p>
<p>ОИ – оптическое излучение;</p>
<p>СВЧ – сверхвысокие частоты;</p>
<p>СЭХ(П) – светотехнические и электротехнические характеристики (параметры);</p>
<p>ЭМП – электромагнитное поле;</p>
<p>ЭП – электрическое поле;</p>
<p>ЭС – электрическая схема;</p>
<p>ЭСП – электростатическое поле.</p>
<h2><a id="post-12751-_Ref57625954"></a><a id="post-12751-_Toc57626371"></a><a id="post-12751-_Toc59712844"></a><a id="post-12751-_Toc59713059"></a>ВВЕДЕНИЕ</h2>
<p><strong>Актуальность.</strong>Выращивание растений различных агрокультур, в т.ч. и овощных культур, в условиях закрытого грунта или в ещё более контролируемых условиях (в условиях высокотехнологичных культивационных сооружений) сопровождается высокими затратами энергии, как тепловой, для поддержания оптимальных параметров микроклимата, так и электрической, главным образом для освещения (досвечивания) растений. В условиях роста цен на энергоносители всё более актуальной становится задача снижения энергозатрат, т.е. повышения энергоэффективности светотехнического и иного технологического оборудования [1; 3; 10].</p>
<p>Внедрение светодиодных фитосветильников, взамен люминесцентных, для освещения теплиц способствует частичному решению данной задачи, однако, возникают новые, связанные со спектральным составом света, излучаемого светодиодными светильниками. Состав спектра светодиодного светильника часто не соответствует потребностям растений. В следствие этого несоответствия возможно отставание в развитии растений, от аналогичного развития, при освещении специальными люминесцентными источниками света, спектр света которых большей степени соответствует спектру естественного солнечного излучения [2; 4; 9].</p>
<p>Оптимальные характеристики спектра света для каждой выращиваемой культуры, в настоящее время, не обоснованы и даже слабо изучены [2; 3].</p>
<p>Похожие проблемы возникают при выращивании меристемных растений, например, при производстве безвирусных семян картофеля отечественной селекции. Проблема в том, что в процессе селекционной работы значительная часть времени тратится на выращивание отобранных микроклональных ростков до необходимых размеров. Это снижает интенсивность селекции и приводит к увеличению материальных затрат. Возникает задача, связанная с ускорением роста микроклональных ростков, а, следовательно, и ускорения селекции.</p>
<p>При этом, важно создать экологически чистые методы и технологии для обеспечения ускорения селекции.</p>
<p>Одним из вариантов обеспечения ускоренной селекции, как и выращивания овощных культур в контролируемых условиях, является применение современных электротехнологий в т.ч. электромагнитного стимулирования и адаптивного освещения растений [3; 8].</p>
<p>В настоящее время в Российской Федерации устройства для ускоренной селекции меристемных растений не производятся, а установки для интенсивного производства агрокультур, в т.ч. зеленных, культур ограниченны узким кругом моделей, преимущественно иностранного производства, обладающих ограниченными функциональными возможностями.</p>
<p>В связи с вышеперечисленным, очевидна необходимость совершенствования уже имеющихся способов и устройств и, разработки новых, способных обеспечить ускорение процессов вегетации,при минимальных затратах энергии.</p>
<p><strong>Целью исследования:</strong>научно обосновать и разработать комплекс энергосберегающих элементов технологии выращивания агрокультур в контролируемых условиях.</p>
<p><strong>Задачи исследования: </strong></p>
<p>&#8212; усовершенствовать способ стимулирования растений в электрическом поле, разработать и обосновать электрическую и конструктивную схему устройства, обеспечивающего реализацию способа;</p>
<p>&#8212; исследовать возможность получения положительного эффекта от воздействия на растения электрическим полем и определить оптимальные характеристики электрического поля, в процессе воздействия;</p>
<p>&#8212; разработать и обосновать электрическую и конструктивную схему устройства для стимулирования растений в магнитном поле;</p>
<p>&#8212; исследовать возможность получения положительного эффекта от воздействия на растения магнитным полем и определить оптимальные характеристики магнитного поля, в процессе воздействия;</p>
<p>&#8212; разработать систему адаптивного освещения растений и исследовать её эффективность, при выращивании растений в контролируемых условиях.</p>
<p><strong>Объект исследования</strong> – совокупность растений, технических средств и технологических параметров электротехнологического воздействия на растения для выявления режимов, обеспечивающих ускорение их вегетации, при минимальном расходе энергии.</p>
<p><strong>Предмет исследования</strong> – процессы электротехнологического воздействия на растения с целью обоснования их оптимальных технологических, электротехнических и светотехнических параметров.</p>
<p>Повышение энергоэффективности выращивания агрокультур в КУвозможно осуществляется за счет сокращения вегетационного периода растений, т.е. ускорения их роста, например, зеленных и овощных культур, за счет их стимулирования электрическим либо магнитным, либо комбинированным электромагнитным полем, являющимися естественными для растений.</p>
<p>Важно, что применение электротехнологии (электротсимулирования) является экологически чистым способом повышения продуктивности растений, не снижающим качество получаемой продукции и не загрязняющим окружающую среду.</p>
<p>При производстве (выращивании) агрокультур в КС дополнительное повышение энергоэффективности возможно за счет применения адаптивного светодиодного освещения растений.</p>
<p>В целом, комплекс исследований направлен на установление теоретических и экспериментальных зависимостей между характеристиками электрического и магнитного полей, в процессе их воздействия на семена и растительные объекты, и улучшением их посевных, ростовых и биологических качеств, приводящих к увеличению урожайности исследуемых культур и улучшению качества получаемой продукции.</p>
<h2><a id="post-12751-_Toc59712845"></a><a id="post-12751-_Toc59713060"></a><a id="post-12751-_Toc57626372"></a>1 СТИМУЛИРУЮЩЕЕ ВОЗДЕЙСТВИЕ ЭЛЕКТРИЧЕСКИМ ПОЛЕМ НА РАСТЕНИЯ АГРОКУЛЬТУР</h2>
<h3>1.1 Анализ способов и устройств для стимулирующего воздействия на растительные объекты различными электрофизическими факторами</h3>
<h4><strong>1.1.1 Анализ способов и устройств для стимулирующего воздействия электрическим полем на растительные объекты</strong></h4>
<p>В процессе роста на растения оказывают влияние различные факторы внешней среды, в том числе и естественное электрическое и магнитное поля земли. Сравнительно недавно доказано, что электромагнитное поле оказывает прямое и косвенное действие на растения.</p>
<p>Известно, что слабый электрический ток, пропускаемый через почву, благотворно влияет на жизнедеятельность растений. При этом исследований по электризации почвы и влиянию данного фактора на развитие растений проведено мало, и данный вопрос недостаточно изучен.</p>
<p>Электрические явления играют важную роль в жизни растений. В ответ на внешние раздражения в них возникают очень слабые токи (биотоки). В связи с этим можно предположить, что внешнее электрическое поле может оказать заметное воздействие на темпы роста растений [21, 23, 35; 33].</p>
<p>Например, пропуская слабые электрические токи через почву в зоне расположения корневой системы, возможно оказывать влияние на интенсивность питания, а, следовательно, и рост растения (рис. 1.1).</p>
<p>В XIX в. ученые установили, что земной шар заряжен отрицательно по отношению к атмосфере. В начале XX столетия на расстоянии 100 км от поверхности земли была обнаружена положительно заряженная прослойка – ионосфера, она имеет вид светящейся прозрачной сферы. Таким образом, земная поверхность и ионосфера представляют собой два электрода, создающих электрическое поле, в котором постоянно находятся живые организмы [38; 41; 42; 43].</p>
<p><img width="412" height="203" class="wp-image-12752" src="https://apknet.ru/wp-content/uploads/2021/06/http-zelenuha-ru-images-8-b-stimuljator-rosta-ra.png" alt="http://zelenuha.ru/images/8/b/stimuljator-rosta-rastenij_3.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/http-zelenuha-ru-images-8-b-stimuljator-rosta-ra.png 412w, https://apknet.ru/wp-content/uploads/2021/06/http-zelenuha-ru-images-8-b-stimuljator-rosta-ra-300x148.png 300w" sizes="(max-width: 412px) 100vw, 412px" /></p>
<p>Рис. 1.1. Схема стимулирующего воздействия на растение постоянными токами, проходящими через почву в зоне его корневой системы</p>
<p>Заряды между Землей и ионосферой переносятся аэроионами. Носители отрицательных зарядов устремляются к ионосфере, а положительные аэроионы движутся к земной поверхности, где вступают в контакт с растениями. Чем выше отрицательный заряд растения, тем больше оно поглощает положительных ионов. Однако до сих пор положительное или отрицательное действие электрического поля на растения не доказано. Замечено, что частые грозы благоприятствуют росту растений. Однако грозовое лето отличается не только частотой молний, но и температурой, количеством осадков, поэтому, какой из факторов оказывает решающее влияние, неизвестно [47].</p>
<p>Ученые Института физиологии растений им. К. А. Тимирязева АН СССР установили, что фотосинтез идет тем быстрее, чем больше разность потенциалов между растениями и атмосферой. Так, например, если около растения держать отрицательный электрод и постепенно увеличивать напряжение, то интенсивность фотосинтеза будет возрастать. Если же потенциалы растения и атмосферы близки, то растение перестает поглощать углекислый газ.</p>
<p>Пропуская через растения электрический ток, можно регулировать не только фотосинтез, но и корневое питание, так как нужные растению элементы поступают, как правило, в виде ионов. Американские исследователи установили, что каждый элемент усваивается растением при определенной силе тока [48].</p>
<p>Электрическое поле влияет не только на взрослые растения, но и на семена. Если их на некоторое время поместить в искусственно созданное электрическое поле, то они быстрее дадут всходы. Существует предположение, что внутри семян в результате воздействия электрическим полем разрывается часть химических связей, что приводит к возникновению «осколков» молекул, в том числе частиц с избыточной энергией – свободных радикалов. Чем больше активных частиц внутри семян, тем выше энергия их прорастания.</p>
<p>К тому жев некоторых исследованиях установлено, что это воздействие на почву электрическим током изменяет передвижение различных видов почвенной влаги, способствует разложению ряда трудноусваиваемых для растений веществ, провоцирует самые разнообразные химические реакции, в свою очередь, изменяющие реакцию почвенной влаги. Ориентировочно определены и параметры электрического тока, оптимальные для разнообразных почв: от 0,02 до 0,6 мА/см<sup>2</sup> для постоянного тока и от 0,25 до 0,50 мА/см<sup>2</sup> – для переменного [48; 50; 55; 56].</p>
<p>Известны различные способы создания токов в почве. Например, за счет добавления металлических элементов в почву, согласно патенту на изобретение «Способ электростимуляции жизнедеятельности растений» [57].</p>
<p>Способ включает внесение в почву на глубину, удобную при дальнейших обработках, с определенным интервалом в соответствующих пропорциях металлических частиц в виде порошка, стержней, пластин различной формы и конфигурации, выполненных из металлов различных типов и их сплавов, отличающихся своим отношением к водороду в электрохимическом ряду металлов, чередуя внесение металлических частиц одного типа металлов, с внесением металлических частиц другого типа, учитывая состав почвы и тип растения. Основывается способ на свойстве воды изменять свой водородный показатель при соприкосновении ее с металлами.</p>
<p>В случае применения данного способа для посевных площадей количество вносимых металлических пластин рассчитывается от желаемого эффекта электростимуляции растений, от типа растения, от состава почвы.</p>
<p>Для применения на посевных площадях предлагается вносить 150-200 г медьсодержащих пластин и 400 г металлических пластин, содержащих сплавы цинка, алюминия, магния, железа, соединения натрия, кальция на 1 м<sup>2</sup> [58].</p>
<p>Очевидно, что такой способ ограниченно применим только для приусадебных участков. В полевых условиях потребовалось бы от 2 до 4 т металлов на 1 га поля, что показывает абсолютную непригодность данного способа.</p>
<p>Существуют и различные нетрадиционные методы электростимуляции. Например, известно устройство для стимуляции роста растений под названием «Электрогрядка» [11; 27].</p>
<p>Устройство создано по подобию большого дерева. Оно представляет собой природный источник питания, преобразующий свободное электричество земли в электрический ток, образующийся в результате движения квантов в газовой среде.</p>
<p>В результате ионизации молекул газа осуществляется перенос низкопотенциального заряда от одного материала к другому и возникает ЭДС.</p>
<p>Указанная низкопотенциальная электродвижущая сила практически идентична электрическим процессам, происходящим в растениях, и может использоваться для стимуляции их роста.</p>
<p>Принцип работы устройства «Электрогрядка» следующий. Алюминиевая трубка, заполненная специальным составом, – аналог кроны дерева, где при взаимодействии с воздухом образуется отрицательный заряд (катод, минус 0,6 В). В земле протянут проводник в виде спирали, который играет роль корня дерева – земля (анод, плюс).</p>
<p>Электрогрядка работает по принципу тепловой трубки и генератора постоянного импульсного тока. При взаимодействии с влагой воздуха, являющейся электролитом, происходят импульсные электрические разряды, которые как бы «притягивают» воду с глубин земли, озонируют воздух и, тем самым, удобряют землю грядки азотом.</p>
<p>Такой способ стимулирования, также, как и предшествующий, вызывает сомнения в работоспособности. К тому же, автор материала не уточняет, какого рода «специальный состав» помещается в трубку.</p>
<p>Если предположить, что способ работоспособен, то он пригоден лишь для очень малых площадей. Например, опять-таки, приусадебных участков, так как по данному способу стимулирование производится на участке, в пределах небольшого радиуса (нескольких метров) от установленной трубки. Для промышленного применения данный способ непригоден.</p>
<p>Существуют и вполне научные способы электростимулирования, которые, к сожалению, не нашли широкого распространения.</p>
<p>Так, В.В. Логинов предложил следующий способ стимулирования роста растений в теплицах [14; 13]. Суть в том, что в теплице в дневное время на излучатели, выполненные в виде струн, размещенных над растениями на высоте от 0,5 до 2,5 м от уровня грунта, подают постоянный ток положительной полярности, с потенциалом от плюс 1700 В до плюс 4500 В и создают статическое электростатическое поле.</p>
<p>При этом блок питания изолирован от почвы и снабжен сигнализатором включения, а излучатели выполнены в виде струн из неизолированного металлического провода диаметром от 0,15 до 0,25 мм. Провода расположены в одной горизонтальной плоскости через 0,5-1,0 м между собой и закреплены на изолирующих растяжках.</p>
<p>Высота расположения струн <em>h</em> составляет от 0,5 до 2,5 м от уровня грунта. Чтобы провод не провисал, его размещают на подвесе из капронового шнура, натянутого через интервалы от 2 до 4 м, поперек теплицы. Количество натянутых струн зависит от ширины теплицы. Струны присоединяют к источнику тока высокого напряжения. Включают источник тока высокого напряжения и в течение светового дня (8 ч и более) создают электрическое поле положительной полярности над растениями, стимулируя их рост.</p>
<p>Работоспособность данного способа стимуляции вызывает наибольшие сомнения. По мнению большинства авторов [17; 19; 90] к надземной части растений необходимо подавать отрицательно заряженный электрод, так как подведение положительно заряженного электрода приводит к прекращению фотосинтеза в верхней части растений.</p>
<p>Наиболее сложным в техническом и технологическом отношении является способ стимуляции развития и роста растений путем их импульсного омагничивания, предложенный Г.В. Бешновым, А.А. Цымбалом, М.Т. Упадышевым, В.И. Донецких [24].</p>
<p>Устройство обеспечивает обработку растений периодической последовательностью заранее установленным количеством импульсов магнитной индукции сразу в двух взаимно перпендикулярных направлениях сдополнительнымвоздействиемразновременнымиимпульсамиинфракрасногоисветовогоизлучений (разнойдлиныволны) наразныечастирастения.</p>
<p>При обработке растений предложенным методом их размещают и ориентируют в полости каркаса вертикальной катушки индуктора таким образом, чтобы базальные части растения были направлены в сторону источника инфракрасного излучения, а апикальные – в сторону импульсной газоразрядной лампы.</p>
<p>Недостатком способа является то, что он подразумевает индивидуальный подход к каждому растению в отдельности, что делает его неприменимым в полевых условиях, а лишь в тепличных.</p>
<p>Наиболее близким к естественному, по мнению авторов, является применение низкочастотного электромагнитного поля низкой напряженности, так как естественное электромагнитное поле земли, также низкочастотное. Кроме того, это дает широкие возможности для варьирования частот ЭМП и создает возможность генерации модулированного по амплитуде и частоте ЭМП, с заданной формой сигнала [26; 91].</p>
<p>Ученые Института физиологии растений им. К.А. Тимирязева установили, что фотосинтез идет тем быстрее, чем больше разность потенциалов между растениями и атмосферой. Так, например, если около растения держать отрицательный электрод и постепенно увеличивать напряжение (500, 1000, 1500, 2500 В), то интенсивность фотосинтеза будет возрастать (до определенных пределов). Если же потенциалы растения и атмосферы близки, то растение перестает поглощать углекислый газ [9; 92].</p>
<p>Известны и другие способы и устройства, например, устройство для измерения биотоков растений, способное производить стимулирование роста растений, включающее воздействие коронного разряда с помощью проволочных электродов, размещенных в надземной зоне, и электродов, размещенных в грунте, при котором на проволочные электроды, располагающиеся прямо по растениям, подают отрицательный электрический потенциал, достигающий 20 кВ, а в засушливую погоду до 60 кВ [13].</p>
<p>Недостатком устройства является то, что на электроды подают напряжение величиной до 60 кВ, что может вызвать ожоги растений в местах касания, и то, что заземление положительной полярности проводят в нижнем слое надпочвенного грунта, что усложняет реализацию этого способа в условиях теплицы.</p>
<p>Известно также устройство для стимуляции развития и роста растений, включающее стойки из электроизолирующего материала и сферу из метрической сетки, соединенной с источником высокого напряжения через переключатель полярности. Стойки размещают на площади поля через 30-50 м, а на сферу подают напряжение до 10 кВ при высоте стоек до 6 м [14].</p>
<p>Недостатками такого устройства являются большая высота стоек, что не позволяет устанавливать их в теплицах, и то, что на сферу подают напряжение до 10 кВ, создавая повышенное поле вокруг сферы при неравномерности поля между сферами.</p>
<p>Наиболее интересным является способ, согласно которому в теплице на излучатели, выполненные в виде струн, размещенных над растениями, подают постоянный ток положительной полярности с потенциалом от плюс 1,7 до плюс 4,5 кВ и создают электростатическое поле [15].</p>
<p>При этом излучатели выполнены в виде струн из неизолированного металлического провода и закреплены на изолирующих растяжках.</p>
<p>Эксперимент по испытанию предлагаемого способа был поставлен в теплицах ЗАО «Тепличное» (совхоз «Орждоникидзевский» г. Свердловска).</p>
<p>Опыт проводили на делянках площадью 4 м<sup>2</sup> в четырехкратной повторности.</p>
<p>Стимулирование роста растений электрическим полем испытывали на розах с февраля по сентябрь, подавая напряжение с 8 ч утра до 17 ч дня ежедневно, а на гвоздике ремонтной в те же часы, но до мая.</p>
<p>Опыт включал три варианта: 1) контрольный вариант без электростимуляции; 2) вариант прототипа с созданием электростатического поля отрицательной полярности над растениями; 3) вариант по предложенному способу с электростатическим полем положительной полярности.</p>
<p>Исследование накопления сухого вещества показало, что сухое вещество активнее образуется при обработке растений электростатическим полем положительной полярности, что влияет на урожай.</p>
<p>Более интенсивное накопление сухого вещества способствовало увеличению урожайности роз.</p>
<p>Данные эксперимента убедительно показывают, что прослеживается явное преобладание накопления сухого вещества и повышение урожая роз от воздействия электростатического поля положительной полярности по предложенному способу стимуляции [15].</p>
<p>Проведенный обзор существующих способов электрического, магнитного или какого-либо иного электротехнологического способа стимулирования показал, что данное направление недостаточно изучено.</p>
<p>Не найдены теоретические основы, однозначно описывающие механизм взаимодействия электромагнитных полей с растительными объектами. Отсутствуют достоверные экспериментальные сведения о факторах электростимулирования, оказывающих позитивное или негативное воздействие на растения или семена. Следовательно, вопросы электростимулирования растений требуют более глубокой проработки.</p>
<p>В связи с этим целью исследования является повышение эффективности и снижение времени производства зеленных культур за счет совершенствования характеристик электростимулирующего устройства.</p>
<h4><a id="post-12751-_Toc59712849"></a><a id="post-12751-_Toc59713063"></a>1.1.2 Анализ способов и устройств для стимулирующего воздействия на растения магнитным полеми электроактивированной водой</h4>
<p><em>Применение магнитного поля.</em></p>
<p>Стимулирование растений к ускоренному росту и развитию возможно осуществить, применяя не только электрическое, но и магнитное поле. Например, известно устройство обеспечивающее обработку растений периодической последовательностью импульсов, с заранее установленным их количеством и магнитной индукцией, сразу в двух взаимно перпендикулярных направлениях, с дополнительным воздействием разновременными импульсами инфракрасного и светового излучений (разной длины волны) на разные части растения.</p>
<p>При обработке растений предложенным воздействием их размещают и ориентируют в полости каркаса вертикальной катушки индуктора таким образом, чтобы базальные части растения были направлены в сторону источника инфракрасного излучения, а апикальные – в сторону импульсной газоразрядной лампы.</p>
<p>Недостатком способа является то, что он подразумевает индивидуальный подход к каждому растению в отдельности, что делает его неприменимым в полевых условиях, а лишь в тепличных.</p>
<p>Наиболее близким к естественному, по мнению авторов данной работы, является применение низкочастотного электромагнитного поля (ЭМП), низкой напряженности, так как естественное электромагнитное поле земли, также низкочастотное. Кроме того, это дает широкие возможности для варьирования частот ЭМП и создает возможность генерации модулированного по амплитуде и частоте ЭМП, с заданной формой сигнала [10, 17, 18; 93].</p>
<p>Характер взаимодействия ЭМП и растительного биологического объекта исследован недостаточно. Сложность заключается в том, что даже при неизменных параметрах ЭМП сам биообъект является неоднородным по физическим параметрам: удельной электропроводности <em>G</em>, диэлектрической <em>ε</em> и магнитной <em>μ</em> проницаемостей [43, 44, 48, 50, 51].</p>
<p><em>Применение электроактивированной воды.</em></p>
<p>Активированная (электроактивированная) вода получается с помощью электролиза обычной водопроводной воды.</p>
<p>Воздействие на воду постоянного электрического тока вызывает поступление электронов в воду у катода и удаление электронов из воды у анода, что сопровождается серией электрохимических реакций на поверхности катода и анода, в результате которых образуются новые вещества, изменяется система межмолекулярных взаимодействий и структура воды как растворителя [30]. После обработки электричеством вода разделяется на две фракции – анолит и католит, каждая из которых обладают целебными свойствами.</p>
<p>Электроактивированная вода характеризируется концентрацией водородных ионов и измеряется в единицах pH (значения этого показателя измеряются в пределах от 0 до 14 ед.).</p>
<p>«Мертвая» вода (анолит, кислотная вода, бактерицид) имеет кислотные свойства, поэтому обладает дезинфицирующими свойствами. Это коричневатая жидкость, с кисловатым привкусом, с характерным запахом и рН, в интервале от 4 до 5 единиц. Кислотная вода обладает ярко выраженными бактерицидными свойствами.</p>
<p>«Живая» вода (католит, щелочная вода, биостимулятор) обладает щелочными свойствами, которые оказывают заживляющее действие. Это очень мягкая, светлая, с щелочным привкусом вода, иногда с белым осадком, ее рН составляет от 10 до 11 единиц. Обладает антиоксидантными, иммуностимулирующими, детоксицирующими свойствами, нормализует метаболические процессы (повышение синтеза АТФ, изменение активности ферментов), стимулирует регенерацию клеток. Щелочная вода очень мягкая, своим щелочным вкусом напоминает дождевую воду. Она обладает стимулирующим и тонизирующим действием, ускоряет биологические процессы в растениях [31; 95].</p>
<p>Подводя итоги анализа электрофизических способов стимулирования роста и развития растений, можно заключить, что существует семь наиболее распространенных способов стимулирования растений (рис. 1.2).</p>
<p><img class="wp-image-12753" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s.tiff" alt="D:\!_Наука\!_Магистратура\1-й набор_2017\Сыраева С.С\Материалы\Классификация способов стимулирования.tif" /></p>
<p>Рис. 1.2. Классификация электрофизических способов стимулирующего воздействия на растения</p>
<p>Проведенный анализ существующих способов и устройств для электрического, магнитного или какого-либо иного электротехнологического способа стимулирующего воздействия на растения, показал недостаточную глубину и полноту исследования данного вопроса.</p>
<p>Характер взаимодействия ЭМП и растительного биологического объекта полностью не раскрыт. Сложность заключается в том, что даже при неизменных параметрах ЭМП сам биообъект является неоднородным по физическим параметрам: удельной электропроводности <em>G</em>, диэлектрической <em>ε</em> и магнитной <em>μ</em> проницаемостям [25].</p>
<p>Не найдены теоретические основы, однозначно описывающие механизм взаимодействия электрических, магнитных или электромагнитных полей с растительными объектами. Отсутствуют достоверные экспериментальные сведения о факторах стимулирования, оказывающих позитивное или негативное воздействия на растения или семена. Также отсутствуют убедительные рекомендации относительно параметров электрического или магнитного полей, таких как напряженность, частота, направленность, индукция, время воздействия и релаксации и т.д., соблюдая которые, можно было бы добиться устойчивого повышения урожайности (продуктивности) различных агрокультур, выращиваемых, как в открытом, так и в закрытом грунте.</p>
<p>&nbsp;</p>
<h3><a id="post-12751-_Toc59712850"></a><a id="post-12751-_Toc59713064"></a>1.2 Теоретические исследования процесса взаимодействия растительного объекта с электрическим полем</h3>
<h4><a id="post-12751-_Toc57626375"></a><a id="post-12751-_Toc59712851"></a><a id="post-12751-_Toc59713065"></a>1.2.1 Факторы воздействия электрическим полем на растительныеобъекты</h4>
<p>В настоящее время известны многочисленные и, в большинстве случаев, проведенные с положительным эффектом, исследования по применению тепловых, световых, электромагнитных и других физических воздействий на семена и растения с целью улучшения всхожести и повышения энергии прорастания, увеличения сбора и качества собранной продукции. Необходимо отметить, что такое использование для обработки и стимуляции растительных объектов, перечисленных факторов, позволяет их отнести к экологически чистым, и тем самым давая им дополнительные преимущества в земледелии на фоне растущего загрязнения окружающей среды пестицидами и другими химическими препаратами [39].</p>
<p>Сегодня насчитывается множество разнообразных способов для стимулирующего воздействия на растения и улучшения их ростовых функций, применением лазерного и ультразвукового излучения, холодной плазмы, электрического, магнитного и электромагнитного полей и прочих воздействий различной физической природы [40].</p>
<p>Из всего многообразия физических факторов, наибольшая чувствительность растений проявляется к таким как свет, звук, магнитные, электрические и электромагнитные поля, что связано, в первую очередь, с тем, что именно они на протяжении всей истории существования и эволюции растений были и остаются естественными компонентами окружающей среды. Наиболее технически реализуемыми, как в условиях защищенного, так и открытого земледелия, на наш взгляд, следует рассматривать стимуляцию растений и влияние на их рост и развитие магнитных, электрических и электромагнитных полей.</p>
<p>Положительное влияние предпосевной обработки семян исследовано и показано на овощных, зерновых, технических и декоративных культурах в электростатическом поле, в постоянном магнитном поле, в переменном магнитном поле и в электромагнитном поле промышленной частоты. Полученные результаты свидетельствуют, что наблюдалось повышение всхожести культур, лучшее развитие растений на фоне контрольных групп, устойчивость к заболеваниям и вредителям, увеличение качества и количества собираемого урожая[42; 43; 45].</p>
<p>Также изучались технологии обработки растительного материала, например, низкочастотным электрическим полем при выращивании растений винограда, которые лучше развивались и давали более обильный урожай. Воздействие импульсным низкочастотным электрическим полем на клубни картофеля приводит к увеличению числа и массы клубней с одного растения, но в тоже время было показано отсутствие достоверного и выраженного влияния обработки на такие морфометрические показатели как высота растений картофеля, число листьев на стебле и сырая масса ботвы[48].</p>
<p>Клубни картофеля также обрабатывались переменным электромагнитным полем промышленной частоты и переменным магнитным полем, что позволило получить увеличение числа стеблей и повышение урожайности.</p>
<p>Но при всем при этом механизм действия таких обработок семян и растений пока остается не изученным и требует исследования физиологических, биохимических и биофизических процессов, происходящих в обработанных растениях, и, кроме того, необходимо изучение и выявление режимов обработок, так как до сих пор воспроизводимость выявленных в экспериментах режимов оставляет желать лучшего.</p>
<p>Электрофизическое стимулирование растений сельскохозяйственных культур является одним из передовых и действенных способов получения высоких урожаев при больших производствах овощной, зеленной и клубнеплодной продукции. В результате у растений, которые были подвержены стимуляции, повышается скорость обменных процессов и устойчивость ко многим болезням, что в результате ведет к увеличению урожайности[44;71;72].</p>
<p>Но в тоже время при этом существует ряд нерешенных проблем, ограничивающих применение данного способа:</p>
<p>&#8212; отсутствие четких и однозначно выявленных параметров воздействующего электрического или магнитного полей (напряженность, частота, форма кривой подводимого напряжения и т.п.);</p>
<p>&#8212; отсутствие обоснования продолжительности стимулирования – продолжительности каждого цикла стимулирования, количество циклов и их распределение в течение суток и т.п.;</p>
<p>&#8212; отсутствие обоснования чередования циклов стимулирования и релаксации;</p>
<p>&#8212; отсутствие аргументированного обоснования направленности электрического и магнитного полей относительно стимулируемых растений и семян.</p>
<p>Нерешенность перечисленных проблем существенно снижает эффективность стимулирования, а в некоторых случаях приводит к противоположному эффекту – угнетению растений.</p>
<h4><a id="post-12751-_Toc57626376"></a><a id="post-12751-_Toc59712852"></a><a id="post-12751-_Toc59713066"></a>1.2.2 Разработка конструктивно-технологической схемы способа стимулирующего воздействия на растения электрическим полем</h4>
<p>Для практической реализации способа электростимуляции растений предлагается использовать пульсирующее, то есть однонаправленное, электрическое поле в зоне расположения растений. Такое поле, по своей природе, будет являться электромагнитным. Магнитная составляющая поля выражена, при этом, очень слабо. Появляется магнитная составляющая поля вследствие изменения во времени величины электрического поля, так как любое изменение электрического поля (даже однонаправленного) вызывает генерацию переменного магнитного поля вследствие явления электромагнитной самоиндукции[80; 81].</p>
<p>Стимулирующее воздействие осуществляется следующим образом: растения располагаются между двумя электродами различной полярности (независимо от их формы и размеров), при этом, под корнями растений находится электрод с положительным потенциалом, а над растением – с отрицательным. То есть направление внешнего, прикладываемого к растению, электрического поля <em>Е</em> будет совпадать с направлением роста растений (Рис. 1.2.1. Таким образом, над растениями размещаются один или несколько металлических электродов 1, и с противоположной стороны – один или несколько электродов 2, которые размещаются либо непосредственно в почве 7, возле корней растений, либо ниже емкости с почвой, и при этом, растения 6, будут находиться между электродами, в относительно однородном электромагнитном поле (Рис. 1.2.1.).</p>
<p><img class="wp-image-12754" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-shemy-shema-elektros.tiff" alt="D:\!_Наука\!!_По направлениям\Схемы\Схема Электростимулятора_3.tif" /></p>
<p>Рис. 1.2.1. Конструктивно-технологическая схема электростимулирующего воздействия на растения:</p>
<p>1 – верхний электрод (с отрицательным потенциалом); 2 – нижний электрод<br />
(с положительным потенциалом); 3 – генераторная силовая установка с блоком управления; 4 – штанга для крепления верхнего электрода; 5 – изоляторы;<br />
6 – стимулируемые растения; 7 – почва</p>
<p>На электроды подается пульсирующее напряжение определенной амплитуды и частоты.</p>
<p>Частота подаваемого пульсирующего напряжения определяется экспериментальным путем, на основании реакции растений (отзывчивости) на определенную частоту.</p>
<p>Кроме того, возможно подводить на электроды не просто пульсирующее (выпрямленное) напряжение, а дополнительно его модулировать, используя определенную функцию. Например, функцию разряда конденсатора или меандр (П-образная форма).</p>
<p>Важным вопросом является вопрос о величине напряжения, подаваемого на электроды. Это напряжение определяется расстоянием между электродами <em>h</em>, примерно равным высоте расположения верхнего электрода относительно почвенного слоя, и требуемой величиной напряженности электрического поля <em>Е</em><sub>тр</sub>, в котором находятся растения [58].</p>
<p>Требуемая напряженность поля также определяется экспериментальным путем на основе отзывчивости растений к определенному значению напряженности. Некоторые исследователи, проводившие подобные эксперименты, рекомендуют напряженность в интервале от 10 до 50 кВ/м [22].</p>
<p>Важно, чтобы все части растения, как корни, так и надземная растительная часть, не имели контакта с электродами. При наличии гальванического контакта растений с электродами, через их стебли и корни начнут протекать недопустимо большие, по величине, токи сквозной проводимости, что приведет к гибели растений.</p>
<p>Важно, также соблюдать периоды стимулирования и покоя растений. То есть, если чрезмерно увеличивать время стимулирования, и сокращать время покоя, то нарушатся естественные, природные циклы жизнедеятельности растений. Это может привести к обратному эффекту – угнетению растений.</p>
<p>Для обоснования оптимальных значений времени стимулирования и покоя необходимо проведение серии экспериментальных исследований на различных видах зеленных культур.</p>
<p>Конструктивная схема расположения стимулируемых растений относительно электродов, представленная на рисунке 1.2.1, может быть выполнена не только в одноярусном виде, но и в многоярусном, где ярусы расположены непосредственно друг над другом (Рис. 1.2.2).</p>
<p>Такая схема расположения позволяет организовать более компактное расположение растений в процессе выращивания и увеличить объемы производства, не снижая качества продукции.</p>
<p>Такое решение актуально при создании так называемых биотехнологических модулей – закрытых контейнеров, предназначенных для ускоренного производства растительной продукции, в т.ч. и для ускоренной селекции.</p>
<p><img width="800" height="1002" class="wp-image-12755" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-shemy_risunki-shema-elektrostimulyatora_.jpeg" alt="D:\!_Наука\Схемы_Рисунки\Схема Электростимулятора_4.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-shemy_risunki-shema-elektrostimulyatora_.jpeg 800w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-shemy_risunki-shema-elektrostimulyatora_-240x300.jpeg 240w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-shemy_risunki-shema-elektrostimulyatora_-768x962.jpeg 768w" sizes="(max-width: 800px) 100vw, 800px" /></p>
<p>Рис. 1.2.2. Многоярусная конструктивно-технологическая схема электромагнитного стимулирования растений:</p>
<p>1 – верхний электрод; 2 – нижний электрод; 3 – генераторная установка с блоком управления; 4 – штанга для крепления верхнего электрода; 5 – изоляторы;</p>
<p>6 – стимулируемые растения; 7 – почв</p>
<p>Такое расположение ярусов, а, следовательно, и электродов, не скажется на характеристиках стимулирующего электромагнитного поля, а, следовательно, и качества стимулирования. Так как электрическое поле создается всегда между парой электродов, имеющихразноименные потенциалы, то количество ярусов не ограничено.</p>
<p><img class="wp-image-12756" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-1.tiff" alt="D:\!_Наука\!_Магистратура\1-й набор_2017\Сыраева С.С\Материалы\Схема Электростимулятора.tif" /></p>
<p>Рис. 1.2.3. Конструктивно-технологическая одноярусная схема электромагнитного стимулирования растений в закрытом грунте:</p>
<p>1 – верхний (струнный) электрод; 2 – нижний (заземленный) электрод;</p>
<p>3 – генераторный силовой блок с блоком управления;</p>
<p>4 – стимулируемые растения; 5 – грунт</p>
<p>Для выращивания растений имеющих большую высоту, например, томатов, необходимо одноярусное размещение (Рис. 1.2.3). Таким образом данный метод стимулирования растений является универсальным в применении к любым видам овощной продукции.</p>
<p>Для обеспечения безопасности обслуживающего персонала и растений, верхний электрод 1 (Рис. 1.2.3) должен быть надежно заизолирован, а нижний электрод 2 – надежно заземлен. При этом изоляция верхнего электрода никаким образом не скажется на форме и характеристиках электрического поля, т.к. материал изоляции является диэлектриком, то есть имеет высокое значение диэлектрической проницаемости.</p>
<p>Заземление нижнего электрода 2, также не может сказаться на характеристиках электрической цепи, а точки зрения электробезопасности, заземления будет играть роль выравнивания потенциалов между заземленными металлическими частями электроустановки и электродом блока стимулирования.</p>
<p>Электроды могут быть выполнены в виде пластин, трубок небольшого сечения или проводов (струн). Важно не допустить затенение растений электродами, поэтому наиболее эффективно использовать струнные электроды. Однако струнные электроны небольшого диаметра могут вызвать образование коронного разряда, при подаче на них высокого напряжения. Поэтому при разработке системы электродов необходима проверка на корону. В результате в зоне стимулирования, над растениями устанавливаются несколько электродов 1, изготовленных из изолированного провода диаметром 5 мм, а с под растениями – один или несколько электродов 2, которые устанавливаются ниже емкости с почвой, таким образом растения 6, будут располагаться в относительно однородном электромагнитном поле.</p>
<p>Авторами данной работы также были проведены поисковые экспериментальные исследования, в результате которых установлено, что наиболее эффективным диапазоном значений напряженностей поля является интервал от 30 до 50 кВ/м [18; 27; 31; 32].</p>
<p>В процессе стимулирования растений важно верхние электроды установить так, чтобы все надземные части растений, не имели контакта с электродами. В случае касания электродов и растений, т.е. образования электрического контакта, через их надземные и корневые части начнут протекать недопустимо высокие токи сквозной проводимости, что приведет к повреждению или гибели растений.</p>
<p>Предложенная конструктивная схема способа электростимулирования позволяет осуществлять воздействие на растения не только овощных культур, но и микроклональных ростков меристемных культур в целях ускоренной селекции (Рис. 1.2.4).</p>
<p><img class="wp-image-12757" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_izdaniya_stati_monografii_patenty-she.tiff" alt="D:\!_Наука\!_Издания_Статьи_Монографии_Патенты\Схемы рисунки\Схема Электростимулятора_4.tif" /></p>
<p>Рис. 1.2.4. Многоярусная конструктивно-технологическая схема электростимулирующего воздействия на микроклональные<br />
ростки меристемных культурпри ускоренной селекции:</p>
<p>1 – верхний электрод; 2 – нижний электрод; 3 – высоковольтный регулируемый источник<br />
напряжения; 4 – диэлектрический каркас для крепления струнных электродов;</p>
<p>5 – изоляторы; 6 – стимулируемые растения в пробирках; 7 – пробирка</p>
<p>Для управления системой стимулирования разработан специальный блок управления, структурная схема которого представлена на рисунке 1.2.5.</p>
<p>Питание цепи осуществляется от сети переменного напряжения 220 В. Для стимулирования растений импульсным полем, необходимо постоянное напряжение. Поэтому, одним из основных элементов схемы, является импульсный источник питания (ИИП), преобразующий переменное напряжение в постоянное, и поддерживающий его на заданном уровне.</p>
<p><img class="wp-image-12758" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-2.tiff" alt="D:\!_Наука\!_Магистратура\1-й набор_2017\Сыраева С.С\Материалы\Рис. 2,5.tif" /></p>
<p>Рис. 1.2.5. Принципиальная структурная схема блока управления<br />
системой электростимулирования:</p>
<p>ФВ – фильтр входной помехоподавляющий; ИИП – импульсный источник</p>
<p>питания; ГС – генератор сигнала; УВ – усилитель высоковольтный;</p>
<p>БС – блок стимулирования</p>
<p>Генератор сигнала (ГС) запитан также от постоянного напряжения. Он формирует выходное напряжение заданной формы и частоты. Это напряжение является управляющим сигналом для усилителя высокого напряжения (УВ).</p>
<p>Усилитель высокого напряжения также запитывается от ИИП и, по сути, формирует модулированный сигнал высокого напряжения. То есть он модулирует постоянное напряжение, идущее от ИИП, по форме управляющего сигнала, поступающего от ГС, а затем многократно усиливает его.</p>
<p>Функционально, генератор сигналов устроен так, что может генерировать сигнал любой произвольной или стандартной формы и заданной частоты. Это необходимо для того, чтобы подстроиться под электротехнические характеристики различных выращиваемых культур. Благодаря этому возможно проводить электростимулирование различных видов овощных культур.</p>
<p>Далее высоковольтное модулированное напряжение подается в блок стимулирования (БС), представляющий собой систему электродов определённых размеров и форм и расположенных, относительно друг друга, на определённом заданном расстоянии.</p>
<p>Для защиты электросети, к которой подключена установка, от совокупности высокочастотных помех (синфазных и дифференциальных), которые генерирует ИИП, к его входным клеммам подключен входной помехоподавляющий фильтр (ФВ) (Рис. 1.2.6). Данный фильтр разработан специально для системы освещения проектируемого биомодуля. Фильтр содержит два конденсатора, подключенные к входным и выходным, соответственно, клеммам разработанного фильтра и синфазный дроссель. Дроссель расположен между конденсаторами, описанными выше[85; 86; 87; 88].</p>
<p><img class="wp-image-12759" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_izdaniya_stati_monografii_patenty-_p.tiff" alt="D:\!_Наука\!_Издания_Статьи_Монографии_Патенты\!_Патенты мои\10. Фильтр-компенсатор Моргунова_ПМ\Рисунки\Схема фильтра для статьи.tif" /></p>
<p>Рис. 1.2.6. Принципиальная схема входного помехоподавляющего фильтра:</p>
<p>1 – клеммы подключения к сети переменного тока; 2 – предохранитель; 3 – конденсатор <em>С</em><sub>1</sub>; 4 – синфазный дроссель <em>L</em><sub>1</sub><em>L</em><sub>2</sub>; 5 – конденсатор <em>С</em><sub>2</sub>; 6 – клеммы подключения к ИИП</p>
<p>Для проведения стимулирования растений необходима высоковольтная установка. На данном этапе исследований разработана установка генерирующая переменное напряжение частотой 50 Гц (т.е. без генератора частоты), и возможностью регулирования величины выходного напряжения в интервале от 0 до 50 кВ. Электрическая схема разработанной установки представлена на рисунке 1.2.7.</p>
<p>Данная установка смонтирована в металлическом корпусе в целях безопасности (защиты персонала от поражения током высокого напряжения.</p>
<p>Схема предлагаемой установки содержит следующие элементы: FU1 и FU2 – сетевые предохранители; HL1 и HL2 – светодиодные сигнализаторы наличия напряжения; R1 и R2 – резисторы сигнализаторов напряжения;<br />
Q – автоматический выключатель; R3 – потенциометрический реостат;<br />
V – вольтметр; T – повышающий трансформатор; ЭСР – электродный стимулятор растений (Рис. 1.2.7).</p>
<p><img width="1427" height="316" class="wp-image-12760" src="https://apknet.ru/wp-content/uploads/2021/06/el-shema-stimulyatora.png" alt="Эл схема стимулятора" srcset="https://apknet.ru/wp-content/uploads/2021/06/el-shema-stimulyatora.png 1427w, https://apknet.ru/wp-content/uploads/2021/06/el-shema-stimulyatora-300x66.png 300w, https://apknet.ru/wp-content/uploads/2021/06/el-shema-stimulyatora-1024x227.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/el-shema-stimulyatora-768x170.png 768w" sizes="(max-width: 1427px) 100vw, 1427px" /></p>
<p>Рис. 1.2.7. Схема высоковольтного устройства</p>
<p>для электростимулирования растений</p>
<p>Принцип работы устройства следующий. Установка запитывается от стандартного сетевого напряжения 220 В и 50 Гц, которое через сетевые предохранители FU1 и FU2, необходимые для защиты от короткого замыкания, поступает на автоматический выключатель Q. О наличии напряжения на выключателе Q свидетельствует светодиодный сигнализатор HL1, подключенный через сопротивление R1 для ограничения тока. При включении автомата Q сетевое напряжение подается на потенциометрический реостат R3. Он необходим для регулирования напряжения на первичной обмотке повышающего трансформатора Т. Наличие напряжения на нем показывается светодиодным сигнализатором HL2 через резистор R2. Потенциометрическим реостатом R3 возможно регулировать напряжение на первичной обмотке трансформатора Т в интервале от 0 до 220 В. Величину данного напряжения показывает аналоговый вольтметр V. Повышающий трансформатор имеет коэффициент трансформации равный 0,00367, т.е. при подаче на его первичную обмотку напряжения равного 220 В, на вторичной обмотке напряжение составит 60000 В. Выходное напряжение трансформатора подается на электродный стимулятор растений ЭСР, представляющий собой совокупность алюминиевых электродов, размещенных в корпусе, подключенных к вторичной обмотке трансформатора [36; 37; 38].</p>
<h4><a id="post-12751-_Toc57626377"></a><a id="post-12751-_Toc59712853"></a><a id="post-12751-_Toc59713067"></a>1.2.3 Исследование характеристик процесса взаимодействия электрического поля с растительным объектом</h4>
<p>Исследования, связанные с электростимулированием растений, направлены на решение ряд проблем, ограничивающих применение данного способа [7; 8]:</p>
<p>&#8212; отсутствие четких и однозначно выявленных параметров воздействующего электрического поля (напряженность, частота, форма подводимого напряжения и т.п.);</p>
<p>&#8212; отсутствие обоснованного значения продолжительности воздействия – продолжительности каждого цикла воздействия, количество циклов и их распределение в течение суток и т.п.;</p>
<p>&#8212; отсутствие обоснования чередования циклов стимулирования и релаксации;</p>
<p>Нерешенность перечисленных проблем существенно снижает эффективность стимулирования, а в некоторых случаях приводит к противоположному эффекту – угнетению растений [3; 6].</p>
<p>Суть воздействия импульсным электрическим полем на растения в том, чтобы создать в теле растения сложный комплексный ток, оказывающий влияние на обменные процессы в клетках и межклеточном веществе.</p>
<p>Механизм взаимодействия электрического поля и растительного биологического объекта отличается сложностью из-за того, что даже при неизменных параметрах поля сам биообъект является неоднородным по физическим параметрам: удельной проводимости  (1), диэлектрической (2) и магнитной проницаемостей [3; 4].</p>
<p>Данные параметры являются комплексными величинами, зависящими от частоты <em>ω</em>. При этом, в зависимости от стадии развития, влажности и температуры растительного биологического объекта эти параметры могут относится к проводящим средам (), полупроводящим (), и к диэлектрическим (). Поэтому, чтобы учесть их характеристики необходимо использовать комплексные величины [7]:</p>
<p><img width="400" height="66" class="wp-image-12761" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-611.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-611.png 400w, https://apknet.ru/wp-content/uploads/2021/06/word-image-611-300x50.png 300w" sizes="(max-width: 400px) 100vw, 400px" alt="word image 611 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Удельная проводимость (сквозная проводимость) присуща всем видам диэлектриков и полупроводников, она приводит к возникновению токов сквозной проводимости . Электрический ток сквозной проводимости протекает через все части растения: листья, стебель и корень. Но большая его часть, протекает через стебель, поэтому большое значение этого тока, может привести к повреждению стеблевой части растения и, как следствие, к его угнетению, а не стимулированию.</p>
<p>Второй вид проводимости обусловлен различными видами поляризации. Полярные и не полярные молекулы, оказавшись в пульсирующем (либо импульсном) электрическом или электромагнитном поле, начинают периодически менять свою ориентацию в пространстве с частотой поля, создавая, тем самым, поляризационный (абсорбционный) ток (ток смещения) , А (3):</p>
<p><img width="356" height="60" class="wp-image-12762" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-612.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-612.png 356w, https://apknet.ru/wp-content/uploads/2021/06/word-image-612-300x51.png 300w" sizes="(max-width: 356px) 100vw, 356px" alt="word image 612 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где <em>D</em> – электрическая индукция, Кл/м<sup>2</sup> (<em>D = ε</em><sub>0</sub><em>ε</em><sub>r</sub><em>E</em>).</p>
<p>Поляризация веществ в теле растительного объекта, сходного по своим свойствам с диэлектриком, является нелинейной функцией, определяемой величиной электрической индукции <em>D</em>.</p>
<p>Ток сквозной проводимости и ток смещения суммируются геометрически (4), так как имеют различные направления в пространстве, образуя полный ток, проходящий через тело растения и создающий эффект стимулирующего воздействия:</p>
<p><em><img width="353" height="35" class="wp-image-12763" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-613.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-613.png 353w, https://apknet.ru/wp-content/uploads/2021/06/word-image-613-300x30.png 300w" sizes="(max-width: 353px) 100vw, 353px" alt="word image 613 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>Физически, суть стимулирующего воздействия заключается в том, что токи, проходящие через тело растения, вызывают движение электролитов (межклеточных и внутриклеточных растворов) в них, таким образом данные токи ускоряют обменные процессы в растительных биологических объектах.</p>
<p>Данные величины также комплексные, т.е. это векторные величины, имеющие различную ориентацию на плоскости.</p>
<p>Одним из основных исследуемых параметров, на данном этапе, является напряженность электрического поля <em>Е</em>, кВ/м (5). Напряженность электрического поля возможно определить, как отношение напряжения, приложенного к электродам 1 и 2 (рис.1.2.4, рис. 1.2.5) к расстоянию между этими электродами [7]:</p>
<p><img width="325" height="58" class="wp-image-12764" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-614.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-614.png 325w, https://apknet.ru/wp-content/uploads/2021/06/word-image-614-300x54.png 300w" sizes="(max-width: 325px) 100vw, 325px" alt="word image 614 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где <em>h</em> – расстояние между электродами, м.</p>
<p>После преобразований получается функция полного тока (6), проходящего через тело растения:</p>
<p><img width="441" height="61" class="wp-image-12765" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-615.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-615.png 441w, https://apknet.ru/wp-content/uploads/2021/06/word-image-615-300x41.png 300w" sizes="(max-width: 441px) 100vw, 441px" alt="word image 615 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Геометрическая сумма рассмотренных токов вызывает движение химических веществ (электролитов) в теле растения, ускоряя метаболические процессы, приводящие к ускорению не только реакций фотосинтеза, но и роста, развития и деления клеток. В совокупности, ускорение всех жизненных процессов в теле растения образует эффект стимулирования растений. Это повышает энергию и скорость роста как надземной, так и подземной (корневой, корнеплодной) частей растений.</p>
<p>Относительная диэлектрическая проницаемость <em>ε<sub>r</sub></em> растений, например, зеленных культур в 4…5 раз превышает диэлектрическую проницаемость воздуха. Стимулируемые растения представляют собой неоднородную среду, состоящую из растений и воздушных промежутков и образует единый резко-неоднородный диэлектрик. Таким образом, напряженность электрического поля в воздушных промежутках и в растительных объектах будет не одинакова, то есть электромагнитное поле становится неоднородным и существенно искривляется (Рис. 1.2.8).</p>
<p>На рисунке 1.2.8 представлена схема иллюстрирующая процесс искривления электрического поля в виде силовых линий напряжённости поля <em>Е</em>. Так как растение представляет собой диэлектрик (со свойствами полупроводника), то его диэлектрическая проницаемость выше, чем у окружающего воздуха и электрическое поле, как бы «захватывается» телом растения.</p>
<p><img class="wp-image-12766" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-3.tiff" alt="D:\!_Наука\!_Магистратура\1-й набор_2017\Сыраева С.С\Материалы\Рис. 2.4.tif" /></p>
<p>Рис. 1.2.8. Схема искривления силовых линийэлектрического поля<br />
и появления концентраторов напряженности в среде неоднородного диэлектрика</p>
<p>Это приводит к искажению электрического поля в пространстве и имеет негативные последствия. При неравномерной напряженности поля стимулирующий эффект, по длине всего тела растения, будет не одинаковым. С другой стороны, неравномерная напряженность приводит к появлению концентраторов напряженности поля на заострённых и тонких частях растений, таких как вершины побегов и кончики листьев.</p>
<p>Концентраторы напряженности опасны тем, что при высоких значениях общей напряженности электрического поля, на концентраторах возможно образование коронного разряда. Возникновение коронного разряда начинается в том случае если напряженность поля на концентраторе превышает электрическую прочность воздуха.</p>
<p>Коронный разряд вызывает образование аэроионов, местный перегрев и поражение током (сквозным током избыточной величины) того участка растения, где образовался разряд. Такое поражение участка растения приводит, как правило, к его последующему отмиранию. В совокупности это негативно сказывается на жизнедеятельности растений и приводит к их угнетению.</p>
<h3><a id="post-12751-_Toc57626378"></a><a id="post-12751-_Toc59712854"></a><a id="post-12751-_Toc59713068"></a>1.3 Методика и результаты экспериментальных исследований по стимулирующему воздействию на растения электрическим полем</h3>
<h4><a id="post-12751-_Toc57626379"></a><a id="post-12751-_Toc59712855"></a><a id="post-12751-_Toc59713069"></a>1.3.1 Методика экспериментальных исследований</h4>
<p>Для проверки теоретических предпосылок и гипотезы о возможности и эффективности электростимулирования растений (стимулирования растений в электрическом поле) были проведены две серии экспериментальных исследований на овощных (томаты) и зеленных (укроп) культурах.</p>
<p><em>Стимулирование электрическим полем растения зеленных культур.</em></p>
<p>Электрическое поле создавалось между парами электродов, расположенным на определенном одинаковом расстоянии друг от друга, к которым подводилось напряжение заданного значения от генерирующих установок. Напряжение было выпрямленным, пульсирующим. Частота пульсации во всех вариантах, составляла 100 с<sup>-1</sup> (синусоидальное напряжение частотой 50 Гц, выпрямленное мостовым выпрямителем). Исследовались три варианта (градации) напряжений, равных 40 В, 220 В и 10 кВ, и, соответственно, напряженностей поля, для вариантов равных В1 = 0,15 кВ/м, В2 = 0,75 кВ/м и В3 = 37,0 кВ/м. Широкий размах значений напряженностей поля объясняется необходимостью выявления эффективного значения напряженности поля по критерию отзывчивости растений на стимуляцию, так как до начала эксперимента его значение было неизвестно.</p>
<p>Каждый вариант исследуемого фактора задавался в четырехкратной повторности, включая контрольный вариант, когда растения не подвергаются электрическому стимулированию.</p>
<p>Схема расположения повторностей по вариантам представлена в таблице 1.3.1.</p>
<p>Варианты В3-В1 расположены в порядке убывания напряженности электрического поля, для снижения возможного влияния поля на контрольный вариант К.</p>
<p>Для уменьшения взаимного влияния электрических полей различной напряженности, между соседними вариантами также предусмотрено свободное пространство, отмеченное символом «Х». Символом «ϒ» отмечено наличие растений в ячейке (Табл. 1.3.1).</p>
<p>Таблица 1.3.1</p>
<p>Схема расположения растений по повторностям и вариантам</p>
<table>
<tbody>
<tr>
<td rowspan="2">Повторности</td>
<td colspan="8">Варианты фактора</td>
</tr>
<tr>
<td>&#8212;</td>
<td>В3</td>
<td>&#8212;</td>
<td>В2</td>
<td>&#8212;</td>
<td>В1</td>
<td>&#8212;</td>
<td>К</td>
</tr>
<tr>
<td>1</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
</tr>
<tr>
<td>2</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
</tr>
<tr>
<td>3</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
</tr>
<tr>
<td>4</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
<td>Х</td>
<td>ϒ</td>
</tr>
</tbody>
</table>
<p>Общий вид экспериментальной лабораторной установки представлен на рисунке 1.3.1. Генераторная установка состоит из трех источников напряжений (ИН1, ИН2, ИН3), генерирующих пульсирующее (выпрямленное) напряжение различных величин, трех пар электродов и соединительных проводов, с помощью которых каждая пара электродов подключается к соответствующему источнику напряжения (Рис. 1.3.1).</p>
<p><img width="997" height="748" class="wp-image-12767" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s.jpeg" alt="D:\!_Наука\!_Магистратура\1-й набор_2017\Сыраева С.С\Фото_стимулирование помидор_11.06.18\IMG_20180611_181607.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s.jpeg 997w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-768x576.jpeg 768w" sizes="(max-width: 997px) 100vw, 997px" /></p>
<p>Рис. 1.3.1. Общий вид эксперимента по стимулированию растений</p>
<p>Электроды попарно расположены над и под стимулируемыми растениями, при этом электрод с положительным потенциалом расположен под кассетой, в которой установлены стаканчики с растениями, а электрод с отрицательным потенциалом, подвешен на изоляторах над растениями [8].</p>
<p>Таким образом направление электрического поля совпадает с направлением роста растений, что способствует движению минеральных и питательных веществ, ускоряет фотосинтез и, в целом, скорость роста и развития растений. Такой подход особенно актуален при выращивании (производстве) зеленых культур [8; 9; 10; 13].</p>
<p>В ходе эксперимента также осуществлялось досвечивание растений светодиодными фитосветильниками, мощностью 100 Вт, произведенных компанией «РосСвет» (рис. 1.3.2). Искусственное досвечивание в исследованиях необходимо чтобы смоделировать естественный солнечный свет для нормального роста растений, то есть максимально точно воссоздать естественную среду их произрастания.</p>
<p>Освещенность, на уровне всходов, составляла 7250,6 лк, что соответствует нормативным требованиям.</p>
<p><img width="1598" height="777" class="wp-image-12768" src="https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-syraeva-s-s-mate.jpeg" alt="D:\6. Магистратура\1-й набор_2017\Сыраева С.С\Материалы\Света_Укроп\28мая\20190528_181244.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-syraeva-s-s-mate.jpeg 1598w, https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-syraeva-s-s-mate-300x146.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-syraeva-s-s-mate-1024x498.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-syraeva-s-s-mate-768x373.jpeg 768w, https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-syraeva-s-s-mate-1536x747.jpeg 1536w" sizes="(max-width: 1598px) 100vw, 1598px" /></p>
<p>Рис. 1.3.2. Процесс досвечивания растений в экспериментальных исследованиях</p>
<p>Для обеспечения достоверности исследований были проведены измерения параметров светового потока, создаваемого данным светильником. Исследования проводились с помощью спектрокалориметра ТКА-ВД-2.</p>
<p>В результате были получены данные по световому потоку, отражающие его координаты цвета и координаты цветности, освещенность (табл. 1.3.2) и диаграмма цветности (Рис. 1.3.3) и спектрограмма (Рис. 1.3.4).</p>
<p>Таблица 1.3.2</p>
<p>Характеристики светового потока</p>
<table>
<tbody>
<tr>
<td>Данные программы</td>
<td>Координаты цвета</td>
<td>Координаты цветности</td>
<td>Освещенность</td>
</tr>
<tr>
<td>Date: Time:</p>
<p>29.05.2018 г. 11:58:37</p>
<p>CIE 1931 RGB, Ref.White:E, Ad.Metod:None,</p>
<p>Gamma: 2.2</td>
<td>X = 125</p>
<p>Y = 100</p>
<p>Z = 147</p>
<p>R = 219</p>
<p>G = 84</p>
<p>B = 148</td>
<td>x = 0.337</p>
<p>y = 0.268</p>
<p>u&#8217; = 0.243</p>
<p>v&#8217; = 0.435</p>
<p>r = 0.486</p>
<p>g = 0.187</td>
<td>E = 7250.6 лк</p>
<p>E = 673.6 fc</td>
</tr>
</tbody>
</table>
<p><img width="1055" height="610" class="wp-image-12769" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-dosvechivanie_svetoku.png" alt="D:\!_Наука\!!_По направлениям\Досвечивание_Светокультура\Самарцев_Дик\Светодиодная\29_05_18 12.00.28_31.bmp" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-dosvechivanie_svetoku.png 1055w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-dosvechivanie_svetoku-300x173.png 300w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-dosvechivanie_svetoku-1024x592.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-dosvechivanie_svetoku-768x444.png 768w" sizes="(max-width: 1055px) 100vw, 1055px" /></p>
<p>Рис. 1.3.3. Диаграмма цветности светового потока светильника «РОССВЕТ»</p>
<p><img width="1055" height="523" class="wp-image-12770" src="https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-spirin-a-m-disse.png" alt="D:\6. Магистратура\1-й набор_2017\Спирин А.М\Диссер\Опыты по фитосветильникам\Светодиодный РОССВЕТ\Спектрограмма.bmp" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-spirin-a-m-disse.png 1055w, https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-spirin-a-m-disse-300x149.png 300w, https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-spirin-a-m-disse-1024x508.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-6-magistratura-1-j-nabor_2017-spirin-a-m-disse-768x381.png 768w" sizes="(max-width: 1055px) 100vw, 1055px" /></p>
<p>Рис. 1.3.4. Спектрограмма светодиодного фитосветильника «РОССВЕТ»</p>
<p>Полученные координаты цвета и спектрограмма подтверждают, что спектр светового потока светильника содержит, преимущественно, красные и синие части спектра, что является наиболее эффективным для растений.</p>
<p><em>Стимулирование электрическим полем растения овощных культур.</em></p>
<p>В 2020 году был проведен эксперимент по исследованию влияния электрического поля на рост и развитие надземной части растений томатов ультраскороспелого сорта «Санька», произведенного компанией «АЭЛИТА».</p>
<p>Исследуемым фактором являлась величина напряженности электрического поля. Необходимо было выявить степень влияния электрического поля различной напряженности на интенсивность роса растений.</p>
<p>Схема проведения эксперимента на томатах была аналогична предыдущей схеме, где стимулированию подвергались растения укропа. Величина напряженностей поля, градации факторов, схема повторностей, также аналогичны предыдущему эксперименту.</p>
<p>Общий вид экспериментальной лабораторной установки представлен на рисунке 1.3.5. Генераторная установка состоит из трех источников напряжений (ИН1, ИН2, ИН3), генерирующих пульсирующее (выпрямленное) напряжение различных величин, трех пар электродов и соединительных проводов, с помощью которых каждая пара электродов подключается к соответствующему источнику напряжения (Рис. 1.3.5). Электроды попарно расположены над и под стимулируемыми растениями, при этом электрод с положительным потенциалом расположен под кассетой, в которой установлены стаканчики с растениями, а электрод с отрицательным потенциалом, подвешен на изоляторах над растениями.</p>
<p>Таким образом направление электрического поля совпадает с направлением роста растений, что способствует движению минеральных и питательных веществ, ускоряет фотосинтез и, в целом, скорость роста и развития растений. Такой подход особенно актуален при выращивании (производстве) зеленых культур.</p>
<p><img width="1135" height="725" class="wp-image-12771" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-shemy-foto-shema-sti.jpeg" alt="D:\!_Наука\!!_По направлениям\Схемы\Фото-схема стимулирования.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-shemy-foto-shema-sti.jpeg 1135w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-shemy-foto-shema-sti-300x192.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-shemy-foto-shema-sti-1024x654.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_po-napravleniyam-shemy-foto-shema-sti-768x491.jpeg 768w" sizes="(max-width: 1135px) 100vw, 1135px" /></p>
<p>Рис. 1.3.5. Общий вид экспериментальной лабораторной установки для стимулирования растений:</p>
<p>1 – источник напряжения ИН1 (10 кВ); 2 – источник напряжения ИН2 (220 В);</p>
<p>3 – источник напряжения ИН3 (40В); 4 – электроды отрицательной полярности;</p>
<p>5 – изоляторы; 6 – кассета с ячейками растений и электродами положительной полярности</p>
<p>В ходе эксперимента также осуществлялось досвечивание растений светодиодными фитосветильниками, мощностью 100 Вт, произведенных компанией «РОССВЕТ».</p>
<p>Электростимулирование осуществлялось в утреннее и вечернее время, продолжительностью по 3 часа, соответственно с 6.00 до 9.00 утром, и с 16.00 до 19.00 вечером. Суммарная суточная продолжительность составляла 6 часов.</p>
<p>Досвечивание организовывалось еще более продолжительное время, утром с 4.00 до 9.00, вечером с 18.00 до 23.00. Суммарная суточная продолжительность досвечивания составляла 10 часов.</p>
<p>Большая продолжительность досвечивания объясняется особенностью пространственной ориентации оконного проема, в месте проведения эксперимента, а также большим количеством пасмурных дней.</p>
<p>Длительность эксперимента составила 50 дней.</p>
<h4><a id="post-12751-_Toc57626380"></a><a id="post-12751-_Toc59712856"></a><a id="post-12751-_Toc59713070"></a>1.3.2 Результаты экспериментальных исследований</h4>
<p><em>Результаты исследований на растения томата.</em></p>
<p>Экспериментальные исследования проводились в течении 50 суток. По завершению эксперимента был осуществлён замер параметров растений: высоты (длины) надземной части и их массы.</p>
<p>Результаты замеров параметров растений представлены в таблицах 1.3.2, 1.3.4, 1.3.6 и 1.3.8, соответственно варианту, описанному в методике исследований, а в таблицах 1.3.3, 1.3.5, 1.3.7 и 1.3.9 представлены результаты анализа измеренных величин, по вариантам эксперимента.</p>
<p>Повторности каждого варианта – это группы растений, выращенные в одном стаканчике (Рис.1.3.6). Соответственно, в каждом варианте по четыре повторности. В каждой повторности сосредоточено по три растения,а в некоторых по два либо одному, т.к. некоторые растения не взошли. В таких случаях в таблице проставлены прочерки.</p>
<p>Таблица 1.3.2</p>
<p>Результаты измерения растений по высоте, по варианту В1</p>
<table>
<tbody>
<tr>
<td rowspan="2">Номер повторности</td>
<td colspan="3">Номер растения в <em>i</em>-той повторности</td>
<td rowspan="2">Средняя высота по повторности, мм</td>
<td rowspan="2">Средняя высота по варианту В1, мм</td>
</tr>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
<tr>
<td>1</td>
<td>251</td>
<td>&#8212;</td>
<td>&#8212;</td>
<td>251,0</td>
<td rowspan="4">256,8</td>
</tr>
<tr>
<td>2</td>
<td>236</td>
<td>278</td>
<td>265</td>
<td>259,7</td>
</tr>
<tr>
<td>3</td>
<td>271</td>
<td>277</td>
<td>267</td>
<td>271,7</td>
</tr>
<tr>
<td>4</td>
<td>229</td>
<td>248</td>
<td>258</td>
<td>245,0</td>
</tr>
</tbody>
</table>
<p>Общий вид результатов эксперимента представлен на рисунке 1.3.6.</p>
<p><img width="1429" height="1072" class="wp-image-12772" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-1.jpeg" alt="D:\!_Наука\!_Магистратура\1-й набор_2017\Сыраева С.С\Фото_стимулирование помидор_26.06.18\IMG_20180626_123440.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-1.jpeg 1429w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-1-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-1-1024x768.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-1-768x576.jpeg 768w" sizes="(max-width: 1429px) 100vw, 1429px" /></p>
<p>Рис. 1.3.6. Общий вид результатов экспериментальных исследований по стимулированию растений томатов</p>
<p>Всходы начали появляться на 9-12 день. По завершению эксперимента все растения были срезаны на уровне почвы, промерены по длине надземной части и массе.</p>
<p>Из рисунка 1.3.6, даже невооруженным взглядом, видно, что растения по варианту В3 (крайние ряд слева) имеют большую высоту и кустистость.</p>
<p>Результаты анализа экспериментальных данных представлены в таблице 1.3.3. Анализ результатов измерений был направлен на определение таких показателей как, среднеквадратическое отклонение, по повторностям и по варианту в целом, коэффициент вариации, также по повторностям и по варианту.</p>
<p>Таблица 1.3.3</p>
<p>Результаты анализа экспериментальных данных по варианту В1</p>
<table>
<tbody>
<tr>
<td>Номер повторности</td>
<td>Среднеквадратич. отклонение по повторностям</p>
<p><em>σ</em><sub>п</sub>, мм</td>
<td>Коэффициент вариации по повторностям</p>
<p><em>υ</em><sub>п</sub>, %</td>
<td>Среднеквадратическое отклонение по варианту В1</p>
<p><em>σ</em><sub>В1</sub>, мм</td>
<td>Коэффициент вариации по варианту В1</p>
<p><em>υ</em><sub>В1</sub>, %</td>
</tr>
<tr>
<td>1</td>
<td>11,0</td>
<td>4,38</td>
<td rowspan="4">16,12</td>
<td rowspan="4">6,27</td>
</tr>
<tr>
<td>2</td>
<td>21,5</td>
<td>8,28</td>
</tr>
<tr>
<td>3</td>
<td>5,0</td>
<td>1,85</td>
</tr>
<tr>
<td>4</td>
<td>14,7</td>
<td>6,01</td>
</tr>
</tbody>
</table>
<p>Из анализа данных таблицы 1.3.3 видно, что коэффициент вариации по второй и шестой повторностям превышает 5%. Вариант В1 осуществлялся с наименьшей величиной напряженности поля. Высота растений, сопоставима с контролем, т.е. с не стимулированными растениями, однако, коэффициент вариации, значительно больше <em>υ</em><sub>В1</sub>&gt;&gt;<em>υ</em><sub>К</sub>. То есть стимулирование электрическим полем низкой напряжённости дает отрицательный, противоположный эффект – прироста по высоте нет, а вариация возрастает.</p>
<p>Результаты измерения растений, по варианту В2 (в поле средней напряжённости), представлены в таблице 1.3.4.</p>
<p>Таблица 1.3.4</p>
<p>Результаты измерения растений по высоте, по варианту В2</p>
<table>
<tbody>
<tr>
<td rowspan="2">Номер повторности</td>
<td colspan="3">Номер растения в <em>i</em>-той повторности</td>
<td rowspan="2">Средняя высота по повторности, мм</td>
<td rowspan="2">Средняя высота по варианту В2, мм</td>
</tr>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
<tr>
<td>1</td>
<td>265</td>
<td>259</td>
<td>251</td>
<td>262,0</td>
<td rowspan="4">264,7</td>
</tr>
<tr>
<td>2</td>
<td>272</td>
<td>248</td>
<td>256</td>
<td>260,0</td>
</tr>
<tr>
<td>3</td>
<td>281</td>
<td>277</td>
<td>262</td>
<td>279,0</td>
</tr>
<tr>
<td>4</td>
<td>278</td>
<td>263</td>
<td>261</td>
<td>270,5</td>
</tr>
</tbody>
</table>
<p>Данные таблицы свидетельствуют, что средняя высота надземной части растений, составляющая 264,7 мм, превышает контроль, однако не существенно. То есть стимулирование с напряженностью поля 0,75 кВ/м не дает существенного эффекта. Тем не менее результаты по варианту В2 лучше, чем по варианту В1. То есть стимулирующее влияние электрического поля на интенсивность роста растений очевидна. Далее, в таблице 1.3.5, представлены результаты анализа экспериментальных данных, аналогичные предыдущему анализу.</p>
<p>Таблица 1.3.5</p>
<p>Результаты анализа экспериментальных данных по варианту В2</p>
<table>
<tbody>
<tr>
<td>Номер повторности</td>
<td>Среднеквадратич. отклонение по повторностям</p>
<p><em>σ</em><sub>п</sub>, мм</td>
<td>Коэффициент вариации по повторностям</p>
<p><em>υ</em><sub>п</sub>, %</td>
<td>Среднеквадратическое отклонение по варианту В2</p>
<p><em>σ</em><sub>В2</sub>, мм</td>
<td>Коэффициент вариации по варианту В2</p>
<p><em>υ</em><sub>В2</sub>, %</td>
</tr>
<tr>
<td>1</td>
<td>7,02</td>
<td>2,68</td>
<td rowspan="4">10,64</td>
<td rowspan="4">4,02</td>
</tr>
<tr>
<td>2</td>
<td>12,22</td>
<td>4,70</td>
</tr>
<tr>
<td>3</td>
<td>10,02</td>
<td>3,59</td>
</tr>
<tr>
<td>4</td>
<td>9,29</td>
<td>3,43</td>
</tr>
</tbody>
</table>
<p>Анализ данных, представленный в таблице1.3.5свидетельствует, что коэффициент вариации по варианту В2 составляет 4,02 %, что меньше чем на контроле. То есть растения, по данному варианту, более выравнены по высоте.</p>
<p>Таким образом, стимулирование растений полем даже весьма невысокой напряжённости, позволяет получить незначительный, но положительный эффект. Выравненность растений по высоте является важным фактором при коммерческом производстве (выращивании) овощной продукции, в целях её последующей реализации, т.к. выровненность растений повышает потребительские качества продукции.</p>
<p>В таблице 1.3.6. представлены результаты измерения стимулируемых растений по варианту В3, в котором напряжённость поля составляла 37 кВ/м.</p>
<p>Таблица 1.3.6</p>
<p>Результаты измерения растений по высоте, по варианту В3</p>
<table>
<tbody>
<tr>
<td rowspan="2">Номер повторности</td>
<td colspan="3">Номер растения в <em>i</em>-той повторности</td>
<td rowspan="2">Средняя высота по повторности, мм</td>
<td rowspan="2">Средняя высота по варианту В3, мм</td>
</tr>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
<tr>
<td>1</td>
<td>300</td>
<td>321</td>
<td>309</td>
<td>310</td>
<td rowspan="4">315,25</td>
</tr>
<tr>
<td>2</td>
<td>332</td>
<td>320</td>
<td>311</td>
<td>321</td>
</tr>
<tr>
<td>3</td>
<td>299</td>
<td>315</td>
<td>307</td>
<td>307</td>
</tr>
<tr>
<td>4</td>
<td>338</td>
<td>306</td>
<td>325</td>
<td>323</td>
</tr>
</tbody>
</table>
<p>Средняя высота зеленной массы, по данному опыту, составляет 315,25 мм, что существенно превышает контроль – на 58,55 мм. То есть, стимулирование растений электрическим полем напряженностью 37 кВ/м, оказывает наибольшее положительное воздействие на скорость роста и развития растений.</p>
<p>Результаты анализа полученных данных (Табл. 1.3.7), также свидетельствуют о наилучшем (в данном эксперименте) результате.</p>
<p>Таблица 1.3.7</p>
<p>Результаты анализа экспериментальных данных по варианту В3</p>
<table>
<tbody>
<tr>
<td>Номер повторности</td>
<td>Среднеквадратич. отклонение по повторностям</p>
<p><em>σ</em><sub>п</sub>, мм</td>
<td>Коэффициент вариации по повторностям</p>
<p><em>υ</em><sub>п</sub>, %</td>
<td>Среднеквадратическое</p>
<p>отклонение по варианту В3</p>
<p><em>σ</em><sub>В3</sub>, мм</td>
<td>Коэффициент вариации по варианту В3</p>
<p><em>υ</em><sub>В3</sub>, %</td>
</tr>
<tr>
<td>1</td>
<td>10,54</td>
<td>3,40</td>
<td rowspan="4">12,27</td>
<td rowspan="4">3,89</td>
</tr>
<tr>
<td>2</td>
<td>10,54</td>
<td>3,28</td>
</tr>
<tr>
<td>3</td>
<td>8,0</td>
<td>2,61</td>
</tr>
<tr>
<td>4</td>
<td>16,09</td>
<td>4,98</td>
</tr>
</tbody>
</table>
<p>Наиболее важным результатом, в данном опыте, является то, что увеличение скорости роста растений и, как следствие их высоты, сопровождается существенным снижением коэффициента вариации, который составляет всего 3,89 %, что примерно на 0,5 % ниже, чем на контроле. То есть стимулирование растений электрическим полем более высокой напряженности (37 кВ/м) позволяет выровнить растения по высоте и получить существенный прирост биомассы (Табл. 1.3.7).</p>
<p>В качестве опорной точки был проведён и контрольный опыт, растения в котором не подвергались воздействию электрического поля. Результаты измерения растений на контроле представлены в таблице 1.3.8. По данным таблицы средняя высота растений, по варианту К, незначительно превышает аналогичную высоту, полученную по варианту В1, однако уступает аналогичному показателю по всем остальным вариантам.</p>
<p>Таблица 1.3.8</p>
<p>Результаты измерения растений по высоте, по варианту К</p>
<table>
<tbody>
<tr>
<td rowspan="2">Номер повторности</td>
<td colspan="3">Номер растения в <em>i</em>-той повторности</td>
<td rowspan="2">Средняя высота по повторности, мм</td>
<td rowspan="2">Средняя высота по варианту К, мм</td>
</tr>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
<tr>
<td>1</td>
<td>260</td>
<td>246</td>
<td>&#8212;</td>
<td>251,3</td>
<td rowspan="4">256,7</td>
</tr>
<tr>
<td>2</td>
<td>277</td>
<td>278</td>
<td>248</td>
<td>267,7</td>
</tr>
<tr>
<td>3</td>
<td>252</td>
<td>251</td>
<td>253</td>
<td>252,0</td>
</tr>
<tr>
<td>4</td>
<td>248</td>
<td>254</td>
<td>262</td>
<td>254,7</td>
</tr>
</tbody>
</table>
<p>Анализ результатов измерений варианта К, приведённый в таблице 1.3.9, также свидетельствует о значительно больших, по сравнению с вариантами В2 и В3, величинах коэффициента вариации, равного 4,28%. Величина среднеквадратического отклонения, равная 10,98 мм также существенно выше желаемых значений и превышает аналогичные показатели, полученные в вариантах В2 и В3.</p>
<p>Таблица 1.3.9</p>
<p>Результаты анализа экспериментальных данных по варианту К</p>
<table>
<tbody>
<tr>
<td>Номер повторности</td>
<td>Среднеквадратич. отклонение по повторностям</p>
<p><em>σ</em><sub>п</sub>, мм</td>
<td>Коэффициент вариации по повторностям</p>
<p><em>υ</em><sub>п</sub>, %</td>
<td>Среднеквадратическое</p>
<p>отклонение по варианту К</p>
<p><em>σ</em><sub>К</sub>, мм</td>
<td>Коэффициент вариации по варианту К</p>
<p><em>υ</em><sub>К</sub>, %</td>
</tr>
<tr>
<td>1</td>
<td>7,77</td>
<td>3,09</td>
<td rowspan="4">10,98</td>
<td rowspan="4">4,28</td>
</tr>
<tr>
<td>2</td>
<td>17,04</td>
<td>6,36</td>
</tr>
<tr>
<td>3</td>
<td>1,0</td>
<td>0,39</td>
</tr>
<tr>
<td>4</td>
<td>7,02</td>
<td>2,76</td>
</tr>
</tbody>
</table>
<p>Особенностью результатов, полученных в контрольном опыте, сталсущественный разброс значений коэффициентов вариации по повторностям, от 0,39% до 6,36%. Причина этого пока не ясна, т.к. все повторности контроля располагались радом друг с другом, следовательно, условия их произрастания были одинаковыми.</p>
<p>Для наглядного представления результатов измерения и анализа экспериментальных данных построена гистограмма (диаграмма) коэффициентов вариации <em>ν</em>, среднеквадратических отклонений <em>σ</em>и высоты растений по вариантам, включая контроль (Рис. 1.3.7).</p>
<p><img width="752" height="452" class="wp-image-12773" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-616.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-616.png 752w, https://apknet.ru/wp-content/uploads/2021/06/word-image-616-300x180.png 300w" sizes="(max-width: 752px) 100vw, 752px" alt="word image 616 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 1.3.7. Диаграмма распределения коэффициентов вариации <em>ν</em>, среднеквадратических отклонений σ, и высоты растений по вариантам</p>
<p>Исследуемые варианты на диаграмме расположены в том же порядке, в каком они были расположены в ходе эксперимента (Рис. 1.3.6 и Табл. 1.3.1). То есть они расположены в порядке убывания вариантов напряженности электрического поля. Такое расположение необходимо для уменьшения влияния электрического поля на контрольный вариант.</p>
<p><em>Результаты исследований на растениях укропа.</em></p>
<p>Укроп относится к овощным зеленным культурам, т.е. его продуктивность (урожайность) определяется полученной массой только надземной части растений.</p>
<p>В соответствие с методикой исследований растения также, как и в предыдущем опыте располагались в пульсирующем электрическом поле положительной направленности.</p>
<p>В ходе эксперимента растения высаживались по три штуки в пластиковые стаканчики. Такая группа растений представляет собой одну повторность эксперимента (Рис. 1.3.8).</p>
<p><img width="1057" height="513" class="wp-image-12774" src="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-2.jpeg" alt="D:\!_Наука\!_Магистратура\1-й набор_2017\Сыраева С.С\Материалы\Света_Укроп\18 мая\20190518_151219.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-2.jpeg 1057w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-2-300x146.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-2-1024x497.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-_nauka-_magistratura-1-j-nabor_2017-syraeva-s-2-768x373.jpeg 768w" sizes="(max-width: 1057px) 100vw, 1057px" /></p>
<p>Рис. 1.3.8. Общий вид исследований по обоснованию оптимального значения напряжённости поля на растениях укропа</p>
<p>Каждый отдельный вариант исследования содержал четыре повторности (Рис. 1.3.8). Всего вариантов в опыте четыре, включая контрольный вариант. Таким образом общее количество повторностей составило 16, а испытуемых растений – 48 шт.</p>
<p>Схема проведения эксперимента на укропе аналогична, схеме эксперимента на томатах, которая была описана выше.</p>
<p>Электрическое поле создавалось между несколькими парами электродов, расположенным на определенном одинаковом расстоянии друг от друга, к которым подводилось напряжение заданного значения от генерирующих установок. Напряжение было выпрямленным, пульсирующим. Частота пульсации во всех вариантах, составляла 100 с<sup>-1</sup> (синусоидальное напряжение частотой 50 Гц, выпрямленное мостовым выпрямителем). Исследовались три варианта (градации) напряжений, равных 40 В, 220 В и 10 кВ, и, соответственно, напряженностей поля. Для первого варианта В1 напряженность составила Е= 0,15 кВ/м, для второго В2 варианта Е = 0,75 кВ/м и для третьего варианта В3, соответственно, Е = 37,0 кВ/м.</p>
<p>В ходе эксперимента осуществлялось досвечивание растений светодиодными фитосветильниками, мощностью 100 Вт, произведенных компанией «РОССВЕТ».</p>
<p>Досвечивание осуществлялось в периоды недостаточного естественного освещения, утром с 4.00 до 10.00, вечером с 17.00 до 23.00. Суммарная суточная продолжительность досвечивания составляла 12 часов.</p>
<p>Электростимулирование растений осуществлялось в утреннее и вечернее время, продолжительностью по 4 часа, соответственно с 6.00 до 10.00 утром, и с 16.00 до 20.00 вечером. Суммарная суточная продолжительность составляла 8 часов.</p>
<p>Длительность эксперимента составила 40 дней. Всходы начали появляться на 7…14 день. По завершению эксперимента все растения были срезаны на уровне почвы, промерены по длине надземной части и массе.</p>
<p>Общий вид результатов эксперимента представлен на рисунке 1.3.9 и рисунке 1.3.10.</p>
<p><img width="1319" height="641" class="wp-image-12775" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-99.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-99.jpeg 1319w, https://apknet.ru/wp-content/uploads/2021/06/word-image-99-300x146.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/word-image-99-1024x498.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/word-image-99-768x373.jpeg 768w" sizes="(max-width: 1319px) 100vw, 1319px" alt="word image 99 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 1.3.9. Общий вид расположения растений по вариантам и повторностям</p>
<p>В ходе эксперимента полив растений осуществлялся с помощью мерного стаканчика одинаковым объемом воды. Объем воды зависел от факторов внешней среды (температуры и влажности) и менялся в течении эксперимента, но по всем вариантам одинаково.</p>
<p>По завершению эксперимента были проведены замеры высоты растений и массы их зеленной (надземной) части. Далее в таблицах представлены результаты замеров только высоты растений.</p>
<p><img width="1523" height="733" class="wp-image-12776" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-100.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-100.jpeg 1523w, https://apknet.ru/wp-content/uploads/2021/06/word-image-100-300x144.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/word-image-100-1024x493.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/word-image-100-768x370.jpeg 768w" sizes="(max-width: 1523px) 100vw, 1523px" alt="word image 100 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 1.3.10. Измерение растений при исследовании оптимальной напряженности электрического поля</p>
<p>Результаты замеров высоты растений укропа представлены в таблицах 1.3.10, 1.3.12, 1.3.14, и 1.3.16 в соответствии с вариантом эксперимента, а в таблицах 1.3.11, 1.3.13, 1.3.15 и 1.3.17 представлены, соответственно, результаты анализа полученных экспериментальных данных.</p>
<p>Таблица 1.3.10</p>
<p>Результаты измерения высоты растений укропа по варианту В1</p>
<table>
<tbody>
<tr>
<td rowspan="2">Номер повторности</td>
<td colspan="3">Номер растения в i-той повторности</td>
<td rowspan="2">Средняя высота по повторности, мм</td>
<td rowspan="2">Средняя высота по варианту В1, мм</td>
</tr>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
<tr>
<td>1</td>
<td>181</td>
<td>175</td>
<td>192</td>
<td>182,67</td>
<td rowspan="4">179,92</td>
</tr>
<tr>
<td>2</td>
<td>179</td>
<td>170</td>
<td>168</td>
<td>172,33</td>
</tr>
<tr>
<td>3</td>
<td>155</td>
<td>199</td>
<td>161</td>
<td>171,67</td>
</tr>
<tr>
<td>4</td>
<td>195</td>
<td>174</td>
<td>210</td>
<td>193,00</td>
</tr>
</tbody>
</table>
<p>Повторности каждого варианта – это группы растений укропа, выращенные в одном стаканчике (Рис. 1.3.9). Соответственно, в каждом варианте по четыре повторности. В каждой повторности сосредоточено по три растения (в некоторых по два и одному, т.к. некоторые из них не взошли).</p>
<p>Средняя высота растений по варианту В1 составляет 197,92 мм и не соответствует ожидаемой высоте для данного сорта укропа.</p>
<p>Максимальная высота по повторности составляет 193 мм, а единичного растения – 195 мм, что ближе к нормативному значению.</p>
<p>Таблица 1.3.11</p>
<p>Результаты анализа экспериментальных данных по варианту В1</p>
<table>
<tbody>
<tr>
<td>Номер повтор-ности</td>
<td>Среднеквадратическое отклонение по повторностям σ<sub>п</sub>, мм</td>
<td>Коэффициент вариации по повторностям υ<sub>п</sub></td>
<td>Среднеквадрати-ческое отклонение по варианту В1 σ<sub>В1</sub>, мм</td>
<td>Коэффициент вариации по варианту В1 υ<sub>В1</sub></td>
</tr>
<tr>
<td>1</td>
<td>8,62</td>
<td>0,05</td>
<td rowspan="4">16,30</td>
<td rowspan="4">0,09</td>
</tr>
<tr>
<td>2</td>
<td>5,86</td>
<td>0,03</td>
</tr>
<tr>
<td>3</td>
<td>23,86</td>
<td>0,14</td>
</tr>
<tr>
<td>4</td>
<td>18,08</td>
<td>0,09</td>
</tr>
</tbody>
</table>
<p>Из анализа данных таблицы 1.3.11видно, что коэффициент вариации по первой и третьей повторностям превышает 5%. При этом в третьей повторности он составляет 14%. Максимальное среднеквадратическое отклонение близко к 24 мм. То есть, растения данного опыта существенно отличаются друг от друга по высоте, что существенно снижает их товарные качества. Вариант В1 осуществлялся с наименьшей величиной напряженности поля, равной 0,15 кВ/м.</p>
<p>Важно, что высота растений, сопоставима с контролем, т.е. с не стимулированными растениями, однако, коэффициент вариации, тем не менее, значительно больше чем на контроле υ<sub>В1</sub>&gt;&gt; υ<sub>К</sub>. То есть стимулирование слабым электрическим полем дает противоположный эффект – прироста по высоте нет, а вариация возрастает. Следует заметить, что аналогичная картина наблюдалась и в предыдущем эксперименте, при стимулировании растений томатов.</p>
<p>По варианту В2 (Табл. 1.3.12) растения имеют существенно большую высоту, равную 345 мм, что значительно больше чем в варианте В1, в среднем на 162,08 мм. То есть результат стимулирования, в данном случае проявился значительно лучше. Также высота растений значительно превышает высоту растений на контроле (180 мм).</p>
<p>Таким образом очевидно, что применение электрического поля напряжённостью 0,75 кВ/м создаёт определённый положительный эффект.</p>
<p>Таблица 1.3.12</p>
<p>Результаты измерения растений укропа по высоте, по варианту В2</p>
<table>
<tbody>
<tr>
<td rowspan="2">Номер повторности</td>
<td colspan="3">Номер растения в i-той повторности</td>
<td rowspan="2">Средняя высота по повторности, мм</td>
<td rowspan="2">Средняя высота по варианту В2, мм</td>
</tr>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
<tr>
<td>1</td>
<td>368</td>
<td>362</td>
<td>346</td>
<td>358,67</td>
<td rowspan="4">345</td>
</tr>
<tr>
<td>2</td>
<td>360</td>
<td>348</td>
<td>356</td>
<td>354,67</td>
</tr>
<tr>
<td>3</td>
<td>311</td>
<td>344</td>
<td>320</td>
<td>325,00</td>
</tr>
<tr>
<td>4</td>
<td>352</td>
<td>341</td>
<td>332</td>
<td>341,67</td>
</tr>
</tbody>
</table>
<p>Таблица 1.3.13</p>
<p>Результаты анализа экспериментальных данных по варианту В2</p>
<table>
<tbody>
<tr>
<td>Номер повтор-ности</td>
<td>Среднеквадрати-ческое отклонение по повторностям σ<sub>п</sub>, мм</td>
<td>Коэффициент вариации по повторностям υ<sub>п</sub>, %</td>
<td>Среднеквадрати-ческое отклонение по варианту В2 σ<sub>В2</sub>, мм</td>
<td>Коэффициент вариации по варианту В2 υ<sub>В2</sub>, %</td>
</tr>
<tr>
<td>1</td>
<td>11,37</td>
<td>0,03</td>
<td rowspan="4">17,03</td>
<td rowspan="4">0,05</td>
</tr>
<tr>
<td>2</td>
<td>6,11</td>
<td>0,02</td>
</tr>
<tr>
<td>3</td>
<td>17,06</td>
<td>0,05</td>
</tr>
<tr>
<td>4</td>
<td>10,02</td>
<td>0,03</td>
</tr>
</tbody>
</table>
<p>Анализ данных измерений, приведённый в таблице 1.3.13 показывает, что коэффициент вариации по всем растениям варианта В2 составляет 5 %, что меньше чем на контроле и варианте В1. То есть растения, по данному варианту, более выравнены по высоте. При этом во-второй повторности он существенно меньше, чем на контроле, и составляет всего 2%. В целом, по повторностям коэффициент вариации не превышает порогового значения в 5%, что также положительно сказывается на возможных товарных качествах полученной продукции.</p>
<p>Далее, в таблице 1.3.14, представлены результаты измерения высоты растений укропа по варианту В3. Напряжённость электрического поля составляла 37 кВ/м.</p>
<p>Средняя высота зеленной массы надземной части, по данному опыту, составляет 378,08 мм, что существенно превышает контроль – на 197,33 мм, также превышает показатели предыдущих вариантов В2 и В1. То есть, стимулирование с напряженностью 37 кВ/м, оказывает наибольшее положительное стимулирующее воздействие на рост растений. Стимулирование с данными параметрами наиболее эффективно.</p>
<p>Таблица 1.3.14</p>
<p>Результаты измерения растений укропа по высоте, по варианту В3</p>
<table>
<tbody>
<tr>
<td rowspan="2">Номер повторности</td>
<td colspan="3">Номер растения в i-той повторности</td>
<td rowspan="2">Средняя высота по повторности, мм</td>
<td rowspan="2">Средняя высота по варианту В3, мм</td>
</tr>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
<tr>
<td>1</td>
<td>358</td>
<td>380</td>
<td>379</td>
<td>372,33</td>
<td rowspan="4">378,08</td>
</tr>
<tr>
<td>2</td>
<td>382</td>
<td>374</td>
<td>371</td>
<td>375,67</td>
</tr>
<tr>
<td>3</td>
<td>395</td>
<td>375</td>
<td>360</td>
<td>376,67</td>
</tr>
<tr>
<td>4</td>
<td>381</td>
<td>392</td>
<td>390</td>
<td>387,67</td>
</tr>
</tbody>
</table>
<p>Анализ результатов данного эксперимента (Таблица 1.3.15) также показал обнадёживающие показатели, а именно увеличение скорости роста растений сопровождается существенным снижением коэффициента вариации, который составляет всего 3 %, что примерно на 5 % ниже, чем на контроле.</p>
<p>То есть растения хорошо выравнены и имеют хороший товарный вид. К тому же во всех отдельных повторностях коэффициент вариации также не превышает 5%, а во 2-ой и 4-ой повторности, он составляет лишь 2%. То есть, стимулирование по данному варианту вполне приемлемо и имеет положительный эффект.</p>
<p>Таблица 1.3.15</p>
<p>Результаты анализа экспериментальных данных по варианту В3</p>
<table>
<tbody>
<tr>
<td>Номер повторности</td>
<td>Среднеквадратическое отклонение по</p>
<p>повторностям σ<sub>п</sub>, мм</td>
<td>Коэффициент</p>
<p>вариации по</p>
<p>повторностям υ<sub>п</sub>, %</td>
<td>Среднеквадратическое отклонение по варианту В3 σ<sub>В3</sub>, мм</td>
<td>Коэффициент вариации по варианту В3 υ<sub>В3</sub>, %</td>
</tr>
<tr>
<td>1</td>
<td>12,42</td>
<td>0,03</td>
<td rowspan="4">11,51</td>
<td rowspan="4">0,03</td>
</tr>
<tr>
<td>2</td>
<td>5,69</td>
<td>0,02</td>
</tr>
<tr>
<td>3</td>
<td>17,56</td>
<td>0,05</td>
</tr>
<tr>
<td>4</td>
<td>5,86</td>
<td>0,02</td>
</tr>
</tbody>
</table>
<p>Важно и то, что получен низкий уровень среднеквадратического отклонения высоты растений (11,51 мм), в целом по варианту. Это свидетельствует о наилучшей выровненности высоты растений по всему эксперименту. Наибольший скачет среднеквадратического отклонения наблюдался в третьей повторности – 17,56 мм. Это стало следствием того, что в данной повторности одно из растений достигло рекордной высоты в 395 мм.</p>
<p>Таким образом получили, что стимулирование растений электрическим полем средней напряженности (37 кВ/м) позволяет выровнять растения по высоте и получить максимальный, для данного опыта, прирост надземной биомассы.</p>
<p>Для объективного сопоставления результатов всех вариантов проведен замер высоты растений по контрольному варианту К (Таблица 1.3.16), по которому растения не подвергались воздействию электрического поля.</p>
<p>Таблица 1.3.16</p>
<p>Результаты измерения высоты растений укропа по варианту К</p>
<table>
<tbody>
<tr>
<td rowspan="2">Номер повторности</td>
<td colspan="3">Номер растения в i-той повторности</td>
<td rowspan="2">Средняя высота по повторности, мм</td>
<td rowspan="2">Средняя высота по варианту К, мм</td>
</tr>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
<tr>
<td>1</td>
<td>186</td>
<td>175</td>
<td>181</td>
<td>180,67</td>
<td rowspan="4">180,75</td>
</tr>
<tr>
<td>2</td>
<td>177</td>
<td>169</td>
<td>173</td>
<td>173,00</td>
</tr>
<tr>
<td>3</td>
<td>158</td>
<td>195</td>
<td>166</td>
<td>173,00</td>
</tr>
<tr>
<td>4</td>
<td>195</td>
<td>184</td>
<td>210</td>
<td>196,33</td>
</tr>
</tbody>
</table>
<p>Средняя по варианту высота растений на контроле составляет 180,75 мм и сопоставима с высотой растений по варианту В1,но она существенно меньше чем в вариантах В2 и В3.</p>
<p>То есть растения на контроле, не подвергавшиеся стимулированию, и растения варианта В1, подвергавшиеся стимулированию полем низкой напряженности имеют сопоставимый прирост биомассы.</p>
<p>Анализ результатов исследования по контрольному варианту, отражённый в таблице 1.3.17, показал, что неожиданно высоким оказался коэффициент вариации, составивший 8%. Такой высокийуровень коэффициента вариации стал следствием значительного разбросазначений высоты растений. Вследствие этого среднеквадратическое отклонение также имеет большую величину, составляющую 14,4 мм, а среднее значение высоты растений, оказалось не велико.</p>
<p>Таблица 1.3.17</p>
<p>Результаты анализа экспериментальных данных по варианту К</p>
<table>
<tbody>
<tr>
<td>Номер повтор-ности</td>
<td>Среднеквадрати-ческое отклонение по повторностям σ<sub>п</sub>, мм</td>
<td>Коэффициент вариации по повторностям υ<sub>п</sub>, %</td>
<td>Среднеквадрати-ческое отклонение по варианту К σ<sub>К</sub>, мм</td>
<td>Коэффициент вариации по варианту К υ<sub>К</sub>, %</td>
</tr>
<tr>
<td>1</td>
<td>5,51</td>
<td>0,03</td>
<td rowspan="4">14,40</td>
<td rowspan="4">0,08</td>
</tr>
<tr>
<td>2</td>
<td>4,00</td>
<td>0,02</td>
</tr>
<tr>
<td>3</td>
<td>19,47</td>
<td>0,11</td>
</tr>
<tr>
<td>4</td>
<td>13,05</td>
<td>0,07</td>
</tr>
</tbody>
</table>
<p>Для наглядного представления результатов анализа экспериментальных данных построены графики и гистограммы (диаграммы) отражающие высоту растений по вариантам и повторностям, коэффициентов вариации <em>ν</em> и среднеквадратических отклонений <em>σ</em>, также по вариантам и повторностям, а также по средним значениям в каждом варианте, включая контроль (Рис. 1.3.11, Рис. 1.3.12 и Рис. 1.3.13).</p>
<p>Исследуемые варианты на диаграмме расположены в том же порядке, в каком они были расположены в ходе эксперимента. То есть они расположены в порядке убывания напряженности электрического поля. Такое расположение необходимо для уменьшения влияния электрического поля на контрольный вариант.</p>
<p>На диаграмме (Рис. 1.3.11) суммарная высота растений по варианту В3 составляет почти 1500 мм и превышает все остальные варианты. По повторностям наибольшая высота наблюдается в 4-ой повторности по всем вариантам. Это может быть связано тем, что данная повторность располагалась ближе всех к источнику естественного освещения.</p>
<p>Сопоставляя всю картину эксперимента можно заметить, что наибольшее значение коэффициента вариации наблюдается в 3-ей повторности по всем вариантам.</p>
<p><img width="856" height="628" class="wp-image-12777" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-617.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-617.png 856w, https://apknet.ru/wp-content/uploads/2021/06/word-image-617-300x220.png 300w, https://apknet.ru/wp-content/uploads/2021/06/word-image-617-768x563.png 768w" sizes="(max-width: 856px) 100vw, 856px" alt="word image 617 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 1.3.11. Распределение растений по высоте по повторностям, вариантам и суммарная в каждом варианте</p>
<p>Причина этого явления пока не известна. Третья повторность располагалась ближе к центру контейнера. Уровень освещенности и напряженности поля не отличался от соседних повторностей.</p>
<p>В контрольном опыте также наблюдался существенный разброс величин коэффициентов вариации по повторностям, от 2% до 11%, при этом все повторности контроля располагались радом друг с другом.</p>
<p><img width="856" height="628" class="wp-image-12778" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-618.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-618.png 856w, https://apknet.ru/wp-content/uploads/2021/06/word-image-618-300x220.png 300w, https://apknet.ru/wp-content/uploads/2021/06/word-image-618-768x563.png 768w" sizes="(max-width: 856px) 100vw, 856px" alt="word image 618 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 1.3.12. Изменение коэффициента вариации <em>υ</em> по вариантам</p>
<p>и повторностям в вариантах</p>
<p>Наибольшую информативность для оценки эффективности стимулирования представляет диаграмма, представленная на рисунке 1.3.13. На диаграмме сопоставлены такие параметры как высота растений, коэффициент вариации и среднеквадратическое отклонение по вариантам.</p>
<p>Из диаграммы видно, что наилучший результат получен в варианте В3. При наибольшей высоте растений, в среднем 378,08 мм, коэффициент вариации составил всего 3%, а стандартное отклонение 11,51 мм.</p>
<p>Худшие результаты наблюдаются в 1-ом варианте В1. При высоте растений всего около 180 мм, коэффициент вариации достиг 9%.</p>
<p><img width="935" height="564" class="wp-image-12779" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-619.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-619.png 935w, https://apknet.ru/wp-content/uploads/2021/06/word-image-619-300x181.png 300w, https://apknet.ru/wp-content/uploads/2021/06/word-image-619-768x463.png 768w" sizes="(max-width: 935px) 100vw, 935px" alt="word image 619 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 1.3.13. Диаграмма распределения коэффициентов вариации <em>ν</em></p>
<p>и среднеквадратических отклонений <em>σ</em> по вариантам</p>
<p>На рисунке 1.3.14 и рисунке 1.3.16 показан процесс измерения длины растений после завершения эксперимента. На рисунке 1.3.15 показан процесс исследования растения вместе с корневой системой.</p>
<p><img width="1523" height="733" class="wp-image-12780" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-101.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-101.jpeg 1523w, https://apknet.ru/wp-content/uploads/2021/06/word-image-101-300x144.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/word-image-101-1024x493.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/word-image-101-768x370.jpeg 768w" sizes="(max-width: 1523px) 100vw, 1523px" alt="word image 101 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 1.3.14. Общий вид процесса измерения высоты надземной части растений укропа</p>
<p><img width="1543" height="728" class="wp-image-12781" src="https://apknet.ru/wp-content/uploads/2021/06/20190530_183342.jpeg" alt="20190530_183342" srcset="https://apknet.ru/wp-content/uploads/2021/06/20190530_183342.jpeg 1543w, https://apknet.ru/wp-content/uploads/2021/06/20190530_183342-300x142.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/20190530_183342-1024x483.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/20190530_183342-768x362.jpeg 768w, https://apknet.ru/wp-content/uploads/2021/06/20190530_183342-1536x725.jpeg 1536w" sizes="(max-width: 1543px) 100vw, 1543px" /></p>
<p>Рис. 1.3.15. Растение укропа в варианте В3 вместе с корневой системой</p>
<p><img width="725" height="1489" class="wp-image-12782" src="https://apknet.ru/wp-content/uploads/2021/06/20190526_113914.jpeg" alt="20190526_113914" srcset="https://apknet.ru/wp-content/uploads/2021/06/20190526_113914.jpeg 725w, https://apknet.ru/wp-content/uploads/2021/06/20190526_113914-146x300.jpeg 146w, https://apknet.ru/wp-content/uploads/2021/06/20190526_113914-499x1024.jpeg 499w" sizes="(max-width: 725px) 100vw, 725px" /></p>
<p>Рис. 1.3.16. Растение укропа в контрольном опыте</p>
<p>В проведенных исследованиях эффективность стимулирования оценивалась по состоянию надземной зеленной части растений. При этом не для всех овощных культур, например, таких как томаты, рост биомассы имеет важное значение, а, например, для зеленых овощных культур – это принципиально важно.</p>
<p>Проведенные исследования и анализ полученных результатов позволяет сделать следующее заключение:</p>
<p>Растения зеленых и овощных культур оказавшись под воздействием электрического поля, начинают взаимодействовать с ним. Характер взаимодействия, во многом определяется родом и характером поля: электрическое оно либо магнитное; постоянное, пульсирующее либо переменное.</p>
<p>Теоретически установлено, что вещества биологических объектов – растений, взаимодействуя с пульсирующим электрическим полем, создают два вида тока – сквозной и поляризационный. Электрические токи и магнитные поля влияют на интенсивность движения веществ (являющихся электролитами) в теле растения. В конечном итоге это должно приводить к ускорению фотосинтеза и, как следствие, ускоренному росту биомассы растений.</p>
<p>Наиболее эффективным является стимулирование электрическим полем средней напряженности, это позволяет выровнить растения как по высоте, что принципиально важно при производстве зеленой овощной продукции в коммерческих целях, так и получить существенный прирост биомассы по сравнению с контролем.</p>
<p>Воздействие пульсирующим электрическим полем положительной направленности на растения имеет положительный эффект, является экологически чистым способом и может использоваться при производстве овощных зеленных и других овощных культур.</p>
<p>&nbsp;</p>
<h2><a id="post-12751-_Toc59712857"></a><a id="post-12751-_Toc59713071"></a>2 СТИМУЛИРОВАНИЕ РАСТЕНИЙ МАГНИТНЫМ ПОЛЕМ</h2>
<h3><a id="post-12751-_Toc57626382"></a><a id="post-12751-_Toc59712858"></a><a id="post-12751-_Toc59713072"></a>2.1 Анализ способов и устройств для стимулирования растений в магнитном поле</h3>
<h4><a id="post-12751-_Toc59712859"></a><a id="post-12751-_Toc59713073"></a>2.1.1 Способы стимуляции растений</h4>
<p>Интенсификация сельскохозяйственного производства в первую очередь зависит от внедрения современных передовых технологий. Применение новых современных технических средств в агропромышленном комплексе, позволяет увеличить продуктивность животных и урожайность сельскохозяйственных культур, а также снизить затраты труда, сроки производства.</p>
<p>Сельскохозяйственное производство во многом зависит от внешних факторов, таких как географическое расположение, местный климат, агрохимических состав почвы и агротехнических условий возделывания. Основная территория Российской Федерации находится в широтах, не приспособленных к сельскохозяйственному производству или на территориях с рискованным земледелием.</p>
<p>Выращивание растений в закрытом грунте позволяет обеспечить население сезонными продуктами, такими как томаты, огурцы, салаты и т.п. современные технологии даже в суровых холодных условиях крайних широт планеты создавать все необходимые условия для выращивания сельскохозяйственных растений.</p>
<p>Для повышения продуктивности растений и снижения себестоимости, производители часто применяют химические и органические средства, которые не редко являются экологически не безопасными, а также повышают себестоимость. При этом многие технологии не всегда возможно обеспечены техническими средствами.</p>
<p>Применение электротехнологий в сельском хозяйстве является одними из перспективных направлений, способствующих повышению прибыли и снижению ее себестоимости продукции. К основным преимуществам можно отнести экологичность, экономичность и возможность автоматизации процесса, что являются основополагающими составляющими цифрового современного сельского хозяйства.</p>
<p>Одним из перспективных направлений по воздействию на интенсивность роста растений является стимуляция магнитным полем. Данный способ является эффективным и экономичным. Поэтому тема исследования является актуальной.</p>
<p>Целью работы является повышение интенсивности роста растений с использованием магнитной стимуляции.</p>
<p>Для выполнения данной цели необходимо выполнить следующие задачи:</p>
<ol>
<li>Выполнить анализ способов и устройств стимуляции растений;</li>
<li>Разработать установки стимуляции растений различного типа;</li>
<li>Провести экспериментальные исследования стимуляции растений в соответствии с разработанной программой и методикой;</li>
<li>Определить благоприятные факторы, влияющие на рост и развитие растений.</li>
</ol>
<p><em>Способы стимуляции растений.</em></p>
<p>На данный момент известны химический и электрофизический метод стимулирования растений. К химическому методу стимулирования (Рис.2.1) относятся минеральные удобрения и биопрепараты. К электрофизическому методу характерны стимулирование магнитным полем и электрическим током.</p>
<p><em>Минеральные удобрения </em>являются веществом неорганического происхождения (Рис. 2.2). Они традиционно применяются в сельском хозяйстве, так как более доступны, дают положительный эффект и имеют большой спектр действия на растения.</p>
<p>На рисунке 2.1 представлены виды стимулирования растений [70].</p>
<p><strong>Виды стимулирования растений</strong></p>
<p>Биохимические методы</p>
<p>стимулирования</p>
<p>Электрофизический метод стимулирования</p>
<p>Минеральные удобрения</p>
<p>Биопрепараты</p>
<p>Магнитное поле</p>
<p>Электрический ток</p>
<p>а</p>
<p>Свето-культура</p>
<p>Рис.2.1. Виды стимулирования растений</p>
<p><img width="1091" height="423" class="wp-image-12783" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-dmitrij-appdata-local-microsoft-windows-t.jpeg" alt="C:\Users\Дмитрий\AppData\Local\Microsoft\Windows\Temporary Internet Files\Content.Word\mineralnie-udobreniy.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/c-users-dmitrij-appdata-local-microsoft-windows-t.jpeg 1091w, https://apknet.ru/wp-content/uploads/2021/06/c-users-dmitrij-appdata-local-microsoft-windows-t-300x116.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/c-users-dmitrij-appdata-local-microsoft-windows-t-1024x397.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/c-users-dmitrij-appdata-local-microsoft-windows-t-768x298.jpeg 768w" sizes="(max-width: 1091px) 100vw, 1091px" /></p>
<p>Рис. 2.2. Виды минеральных удобрений</p>
<p>В их состав входят металлы и разные химические соединения, такие как соли, кислоты и оксиды. Основными минеральными удобрениями являются следующие химические соединения: азотные (жидкий аммиак, NH<sub>4</sub>Сl – хлорид аммония), фосфорные (суперфосфат простой, Ca<sub>3</sub>(PO<sub>4</sub>)<sub>2</sub> – фосфористая мука, калийные (KCl – хлорид калия), микроудобрения (ZnSO<sub>4</sub>). Использование минеральных удобрений нес ут вред человеку, так как все эти химические соединения накапливаются в почве и в плодах растений.</p>
<p><em>Биопрепараты </em>являются органическими веществами и не вредны человеку.</p>
<p>Основными биопрепаратами являются регуляторы и стимуляторы роста растений. К ним относятся фитогормоны – ауксины, гиббереллины, цитокинины. Эти препараты следует применять в различных стадиях роста. Применение препаратов стимулирующих рост растений, приводит к стимулированию роста на 10-20%. Основными недостатками биопрепаратов являются трудоёмкость их получения, высокая цена, отсутствие профессиональных агрохимических знаний у простого населения.</p>
<p>Известно, что свет является необходимым условием для роста растений. Рассада обычно выращивается в конце февраля или в начале марта. В этот период световой день короткий, и растениям не хватает света для фотосинтеза. При малом количестве света, растение начинает вытягиваться. Возникает потребность искусственно досвечивать рассаду, в период нехватки естественного света [72].</p>
<p>Для полноценного досвечивания рассады необходим определённый спектр световых лучей, так как растения чувствительны к тем или иным волнам и цветам спектра. Регулярное, а также правильное досвечивание способствует укреплению растений, выносливость и устойчивость к разного рода инфекциям, повышается урожайность культур.</p>
<p>Рассмотрим подходящий спектр для досвечивания растений.</p>
<p>На рисунке 2.3 представлен график активности растений к световой длине волны.</p>
<p><img width="500" height="326" class="wp-image-12784" src="https://apknet.ru/wp-content/uploads/2021/06/spektr-gif.gif" alt="спектр.gif" /></p>
<p>Рис. 2.3. График активности растений к световой длине волны</p>
<p>Из графика следует что пики синтеза хлорофилла и фотосинтеза выпадают на длины волн 445 нм (синий цвет света) и 660 нм (красный цвет света) [71]. Рассмотрим виды ламп для искусственного досвечивания растений. На рисунке 2.4 показаны виды ламп для искусственного досвечивания растений.</p>
<p>Лампы накаливания</p>
<p>Виды ламп</p>
<p>Натриевые лампы</p>
<p>Люминесцентные лампы</p>
<p>Фитолюминесцентные лампы</p>
<p>Светодиодные фитолампы</p>
<p>Рис. 2.4. Виды ламп</p>
<p><em>Лампы накаливания. </em>Данный тип лам не излучает необходимый спектр для досвечивания растений. Потребляя большое количество электроэнергии, они выделяют 5% света, остальные 95% уходит в выделяемое тепло. Использование ламп накаливания для досвечивания растений не эффективно для их роста [69].</p>
<p><em>Натриевые лампы. </em>Натриевые лампы излучают красно-оранжевый спектр света, который благоприятно влияет на зрелые растения. При использовании натриевых ламп для досвечивания, нужно выбирать лампы большой мощность, что скажется на размерах ламп. Самый важный недостаток данного вида ламп – отсутствие синего спектра света, а также необходимость подключения пускорегулирующего устройства.</p>
<p><em>Люминесцентные ламп. </em>В люминесцентных лампах отсутствует красный спектр света, который очень важен для растений. Однако лампы экономичны, не нагревают воздух и выделяют много света. Но в этом типе ламп достаточное число синих и фиолетовых лучей спектра, полезных для развития корневой системы растений.</p>
<p><em>Фотолюминесцентные лампы. </em>Перспективный вид ламп для досвечевания растений. От обычных люминесцентных ламп отличается спектром свечения – красно-синий спектр лучей. Данный спектр является важным для растений.</p>
<p><em>Светодиодные фитолампы. </em>На сегодняшний день самый лучший вид ламп, так как выделяют нужный спектр для растений, компактны, излучают яркий свет, экономичны, долгий срок службы и не выделяют тепла. Данный тип ламп используют для досвечивания в промышленных теплицах. А также светодиодные фитолампы имеют возможность коррекции спектра и регулировку интенсивности освещения в зависимости от периода выращивания растения [72].</p>
<p>Из обзора видов ламп для досвечивания можно сделать вывод, что светодиодные фитолампы лучший вид ламп по сравнению с другими видами ламп.</p>
<p><em>Электрический ток </em>данный метод является так же действующим (рис.2.5).</p>
<p><img width="391" height="200" class="wp-image-12785" src="https://apknet.ru/wp-content/uploads/2021/06/http-patlah-ru-etm-etm-06-c-x20pribori-el-stimy.jpeg" alt="http://patlah.ru/etm/etm-06/c-x%20pribori/el-stimylator/el-stimylator-2.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/http-patlah-ru-etm-etm-06-c-x20pribori-el-stimy.jpeg 391w, https://apknet.ru/wp-content/uploads/2021/06/http-patlah-ru-etm-etm-06-c-x20pribori-el-stimy-300x153.jpeg 300w" sizes="(max-width: 391px) 100vw, 391px" /></p>
<p>Рис. 2.5. Стимуляция растения электрическим током</p>
<p>Смысл заключается в проведение через растение слабого электрического тока через зажимы определённого потенциала, либо проведение тока между растением, где растение не контачит с проводниками [72].</p>
<p><em>Магнитное поле </em>является самым эффективным, экономичным и безопасным для человека способом стимулирования растений. Источники магнитного поля могут быть как постоянные (постоянные магниты), так и не постоянный (катушки индуктивности) (рис. 2.6). Магнитное поле переменных магнитов зависит от тока протекающего по проводу катушки, числа витков катушки и ее длины. Поэтому для стимуляции растений больше подходит непостоянные магниты.</p>
<p><img width="248" height="212" class="wp-image-12786" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-dmitrij-desktop-slide0016_image041-jpg.jpeg" alt="C:\Users\Дмитрий\Desktop\slide0016_image041.jpg" /></p>
<p>Рис. 2.6. Магнитное поле</p>
<p>Это силовое поле, действующее на тела, обладающие магнитным моментом. Но в настоящее время этот способ широко не применяется. В данном методе рассматривается воздействие на растения различными родами магнитного поля. Доказано что воздействие магнитных полей на растения даёт положительный эффект, и приводит к стимулированию роста на 15-20% [73].</p>
<p>Рассмотрим воздействие разных источников магнитного поля на растения.</p>
<p>Все растения на Земле находятся в магнитном поле Земли. Можно убедиться, что растения, которые свободно развиваются, ориентируются в направлении южного магнитного полюса. Корневая система растений в основном развивается в этих направлениях. В научном обществе этот эффект был назван магнитотропизмом растений (тропос — направление). Для изучения данного эффекта использовались как естественные, так и экспериментальные научные данные. Во всех случаях растения не оставались безучастными к влиянию магнитного поля. Их реакция зависела от направления магнитного поля. В частности, от направления магнитного поля относительно зародышей семян зависят функционально-биохимические свойства растений, развившихся из семян. Так, если ориентировать корешки зародыша пшеницы в направлении южного магнитного полюса, то все растение (и корни и стебли) развивается более эффективно, нежели в случае ориентации корешков зародыша в направлении северного магнитного полюса [77].</p>
<p>Это происходит потому, что при движении проводящего атмосферного газа в магнитном поле возникает электрический ток. Всякий электрический ток создает вокруг себя магнитное поле. Возникшее таким путем магнитное поле складывается с магнитным полем Земли и в зависимости от их взаимных направлений суммарное поле больше, или меньше магнитного поля Земли. Но необходимо учитывать не только все внешние факторы, действующие наряду с магнитным полем на растения, но и внутренние факторы, обусловленные особенностями самих растений. Одной из особенностей является несимметричность некоторых растений В результате было выяснено, что смена несимметричных цветков у растений действительно следует в строгом соответствии с изменением магнитного поля Земли.</p>
<p>В зависимости от изменения магнитного поля в данном, регионе развиваются определенным образом и растения. Поэтому надо учитывать не просто направление на магнитные полюса вообще, а конкретно –направление магнитного поля в данном месте [77].</p>
<p>Для того, чтобы установить те механизмы, посредством которых изменение магнитного поля может непосредственно влиять на клетки живой системы, необходимо рассмотреть, как устройство самих клеток, так и принципы, на которых построено их функционирование. Магнитное поле оказывает влияние на внешние оболочки клеток, которые называются мембранами. Через эти оболочки осуществляется обмен веществ между клеткой и внешней средой, то есть через нее (точнее, через проходы в оболочках — мембранах) одни вещества движутся вовнутрь клетки, а другие – наружу. Свойство мембраны пропускать эти вещества называется проницаемостью клеточных мембран. Регулировка выхода из клеток и входа в нее через мембраны организована на электрическом принципе. Когда же действует, кроме того, внешнее магнитное поле, оно способно изменять условия прохождения вещества через мембрану, то есть изменять проницаемость клеточных мембран. Это приведет к изменению условий жизни клеток, а значит и всей биологической системы. Это и происходит при возмущении магнитного поля Земли, которое вызывается солнечными бурями.</p>
<p>Весьма эффективным в смысле влияния на рост растений является действие на них искусственными магнитными полями. Под действием искусственного магнитного поля может значительно ускориться рост растений, а также уменьшиться пораженность их плесневыми грибками. Так, с помощью магнитного поля можно увеличивать урожайность томатов, повышать скорость прироста зародышей ячменя и пшеницы, увеличивать рост корневой системы у бобов и ржи и т. д.</p>
<p>Ориентация семян кукурузы определенным образом (семена располагались плоской стороной к югу) относительно магнитного поля приводила к увеличению урожая кукурузы на 20 ц/га. Действие небольшим магнитным полем (порядка 20 – 60 эрстед) на растения в период относительно низкой ферментативной активности (то есть в первые 2 – 3 дня) приводит к тому, что понижается потребление кислорода, повышается содержание нуклеиновых кислот в клетках растений, увеличивается частота дыхания в стеблях и корнях [78].</p>
<p>Исследования показали, что на рост и развитие растений влияет не только не посредственное воздействие внешних факторов, но и воздействие на семена растений [74].</p>
<p>Предпосевная обработка семян &#8212; один из важнейших элементов технологии выращивания сельскохозяйственных культур, позволяющий повышать их всхожесть и защищать от вредителей. Кроме того, она предупреждает появление и распространение ряда заболеваний в период роста и развития растений.</p>
<p>Проводились исследования по влиянию магнитного поля на всхожесть и интенсивность роста семян яровой и озимой пшеницы, просо, ячменя и чечевицы [73; 74; 75].</p>
<p>Анализ результатов эксперимента по проращиванию семян на влажной салфетке показал, что средняя длина проростков у семян, стимулированных в магнитном поле, оказалась выше, чем у проростков на контроле на 19–24 %. При этом, наибольшая средняя длина проростков наблюдалась при частоте магнитного поля 30 Гц и составила 43,30 мм, что на 24 % больше средней длины проростков на контроле, которая составила 34,92 мм. Средняя длина ростков при частоте магнитного поля в 10 Гц и 50 Гц также оказалась выше, чем на контроле и составила соответственно 41,76 мм и 42,09 мм [75].</p>
<p>Результат эксперимента по выращиванию растений в грунте показал, что средняя длина растений, семена которых были обработаны в магнитном поле, оказалась выше, чем у растений на контроле на 12,5–22 %. Наибольшая средняя длина наблюдалась у растений, семена которых стимулировались в магнитном поле частотой 30 Гц, которая составила 203,1 мм. Средняя длина растений при частоте 10 Гц и 50 Гц составила соответственно 187,4 мм и 196,2 мм. В контрольном варианте средняя длина растений составила 166,5 мм [75].</p>
<p>Таким образом, повышение интенсивности роста и развития растений можно как непосредственным воздействием магнитным полем, так и воздействием на их семена.</p>
<p>Рассмотрим особенности конструкций устройств стимуляции семян и растений магнитным полем.</p>
<h4><a id="post-12751-_Toc59712860"></a><a id="post-12751-_Toc59713074"></a>2.1.2 Анализ устройств стимуляции растений</h4>
<p>Авторами Филиповым Р.А., Хорт Д.О. и Кутыревым А.И. предложена конструкция устройства магнитно-импульсной обработки садовых растений (Рис. 2.7). Патент RU 174410 [65].</p>
<p>Устройство для магнитно-импульсной обработки состоит из трактора 1, автосцепки 2, рамы 3, индуктора 4 портального типа П-образной формы, на сторонах которого размещены индуктивные катушки спиральной намотки 5. Центры индуктивных катушек 5 левого и правого рядов смещены для того, чтобы магнитные поля не «накладывались» друг на друга, тем самым, увеличивая площадь обработки растения. Верхний ряд катушек необходим для того, чтобы производить магнитную обработку верхней части садового растения. Конструкция устройства содержит два индуктора 4, что позволяет обрабатывать одновременно два рядка высокорослых растений, тем самым снижается количество проходов агрегата.</p>
<p><img width="787" height="790" class="wp-image-12787" src="https://apknet.ru/wp-content/uploads/2021/06/00000002-m-gif.gif" alt="00000002-m.gif" /></p>
<p>Рис. 2.7. Устройство для магнитно-импульсной обработки садовых растений</p>
<p>При движении трактора 1 в рядах насаждений садовых растений 8 на каждое из них 8 осуществляется направленное воздействие импульсов магнитной индукции с трех сторон одновременно, что обеспечивает стимуляциюосновных жизненных процессов в обрабатываемых садовыхрастениях8, в результате повышается эффективностьмагнитно-импульсной обработки и снижается количество обработок.</p>
<p>Эффективность процесса определяетсяповышением проницаемости клеточных мембран, стимуляцииобменных процессов, улучшении усвояемости питательных веществ и микроэлементов-повышении продуктивности сельскохозяйственных культур.</p>
<p>Применение устройства для магнитно-импульсной обработки растений позволяет повысить урожайность на 20% и сократить трудовые затраты на 25-35%.</p>
<p>Авторами Измайловым А.Ю., Кутырёвым А.И., Смирновым И.Г., Филипповым Р.А., Хорт Д.О. был разработан беспилотный робот для магнитно-импульсной обработки растений (рис.2.8). Патент RU2630397C2 [66].</p>
<p><img width="967" height="1040" class="wp-image-12788" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-00000002-jpg.jpeg" alt="C:\Users\user\Desktop\00000002.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-00000002-jpg.jpeg 967w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-00000002-jpg-279x300.jpeg 279w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-00000002-jpg-952x1024.jpeg 952w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-00000002-jpg-768x826.jpeg 768w" sizes="(max-width: 967px) 100vw, 967px" /></p>
<p>Рис. 2.8.Беспилотный робот для магнитно-импульсной обработки растений</p>
<p>Беспилотный робот состоит из рамы 1, колес 2, системы управления и навигации 3 с контрольно-измерительными приборами, системы питания 4, технологического адаптера 5 с модулем МИО. Модуль МИО содержит магнитно- импульсный активатор 6 и индукторы 7. Беспилотный робот имеет бортовой компьютер 8. Технологический адаптер с модулем МИО имеет возможность автоматически адаптироваться под растения путем поднятия и опускания электрического цилиндра 9 (актуатор) адаптера. Корректировка высоты расположения МИО происходит за счет изменения клиренса беспилотного робота.</p>
<p>Робот заезжает в рядки растений, в автоматическом режиме с помощью системы технического зрения 10 и технологического адаптера 5 с электрическим цилиндром 9 подстраивает высоту и угол модуля МИО под высоту растений. В результате робот с модулем МИО обрабатывает растения магнитными импульсами. Если в рядке имеются пропуски растений, то по сигналам от системы технического зрения 10 обработка магнитными импульсами прекращается и возобновляется только там, где есть растения. Коррекция работы беспилотного робота осуществляется при помощи пульта дистанционного управления. Для удаленного режима работы используется бортовой компьютер 8. Применение беспилотного робота с модулем магнитно-импульсной обработки позволяет повысить качество (ускорение роста и развития растений, повышение урожайности) и автоматизировать процесс обработки растениймагнитными импульсами, сократить количество обработок, сэкономить трудовые затраты на 15-25%.</p>
<p>Авторами Скачковым М.В., Донецких В.И., Упадышевым М.Т. предложен способ выращивания земляники садовой основанный на обработке растений последовательностью импульсов магнитной индукции посредством индуктора (Рис. 2.9). Патент RU2389173C1 [67].</p>
<p>Схема содержит индуктор 1 заданной длины L, электрически связанный с генератором 2 импульсов тока, подключенного к бортовой электросети (не показано) трактора 3 и установленный горизонтально над почвой на навесном устройстве 4 трактора 3 с возможностью регулировки по высоте над растениями 5 в ряде насаждения 6.</p>
<p>При движении трактора 3 с навесным устройством 4 (с установленными на нем индуктором 1 заданной длины L и генератором 2 импульсов тока) вдоль ряда насаждения 6 со скоростью, обеспечивающей получение заданного числа &#171;N&#187; бегущей последовательности импульсов магнитной индукции, следующих с частотой &#171;F&#187; (Гц) и амплитудой в диапазоне 0,5-3,0 мТл.</p>
<p><img width="658" height="345" class="wp-image-12789" src="https://apknet.ru/wp-content/uploads/2021/06/bezymyannyj-png.png" alt="Безымянный.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/bezymyannyj-png.png 658w, https://apknet.ru/wp-content/uploads/2021/06/bezymyannyj-png-300x157.png 300w" sizes="(max-width: 658px) 100vw, 658px" /></p>
<p>Рис. 2.9. Способ выращивания земляники садовой</p>
<p>В результате обработка земляники садовой, ее урожайность увеличилась на 38%.</p>
<p>Авторами Донецких В.И., Бешнов Г.В. разработано устройство для магнитно-импульсной обработки растений (Рис.2.11).Патент RU2297133C2 [72].</p>
<p>Особенностью изобретения является воздействия на растения модифицированными импульсами магнитной индукции, вызывающих положительные реакции развития у трудноукореняемых растений.</p>
<p>Устройство для магнитно-импульсной обработки растений содержит источник бесперебойного питания 1, первый выход которого соединен с первым входом блока питания 2, первыми выводами ограничителя тока 3 и монохромного излучателя света 4, второй выход источника бесперебойного питания 1 соединен со вторыми выводами входов блока питания 2 и схемы выпрямителя 5, минусовые выводы выходов которых соединены общей шиной со вторыми выводами первых и вторых индикатора напряжения 6 и 7, накопительных конденсаторов 8 и 9 и ключей 10 и 11. Общая шина и третий вывод плюсового выхода стабилизированного напряжения (+) блока питания 2 подключены к цепи питания логических элементов и блоков. Первую и вторую идентичные катушки и индуктора 12, которые намотаны в два провода одного направления и размещены на полом каркасе из диэлектрика. Двухпозиционное электромагнитное реле 13 с двумя группами К1.1 и К1.2 нормально замкнутых контактов соответственно первого с третьим и второго с пятым. Второй переключатель 14, первый и второй входы которого соединены со вторыми выводами соответственно монохромного излучателя света 4 и ограничителя тока 3.</p>
<p>Коллективом авторов под руководством Сыркина В.А. разработана установка для предпосевной стимуляции семян в магнитном поле (Рис.2.10). Патент RU187044 [68].</p>
<p><img width="309" height="390" class="wp-image-12790" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-620.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-620.png 309w, https://apknet.ru/wp-content/uploads/2021/06/word-image-620-238x300.png 238w" sizes="(max-width: 309px) 100vw, 309px" alt="word image 620 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.10. Установка для предпосевной стимуляции семян</p>
<p>Особенность устройства заключается в том, что электромагнит состоящий из катушки индуктивности 15 и Ш-образного сердечника, помимо того, что является источником магнитных импульсов, воздействующих на семена, является также частью вибрационного дозатора, обеспечивающего подачу семян. Кроме электромагнита вибрационный дозатор включает две пластины из гибкого пластика 12 расположенные симметрично центра электромагнита. С нижней стороны электромагнита расположены тонкие пластины 13 из электротехнической стали.</p>
<p>При подаче импульсного тока на индукционную катушку 15 электромагнита в Ш-образном сердечнике 17 образуются два симметричных магнитных потока, которые замыкаются через пластины сердечника 17 и воздушный промежуток над катушкой индуктивности 15. При этом основная часть магнитного потока будет выходить в зону над вибрационной пластиной 12, где находятся семена, а малая часть магнитного потока будет замыкаться на пластинках 13. В результате семена, расположенные на вибрационной пластине 13, будут подвергаться воздействию магнитного поля, а пластинки 13, выполненные из электротехнической стали, вместе с вибрационной пластиной 12 будут притягиваться к сердечнику 17 с частотой равной частоте магнитного поля электромагнита, побуждая семена, расположенные на вибрационной пластине 12 перемещаться и ссыпаться в ящик 5.</p>
<p>Использование установки для предпосевной стимуляции семян позволяет повысить урожайность обрабатываемых культур на 15 – 20%,а также упростит конструкцию за счет исключения дополнительного оборудования дозирования семян и снизить тем самым затраты энергии на привод дозирующего органа.</p>
<h4><a id="post-12751-_Toc59712861"></a><a id="post-12751-_Toc59713075"></a>2.1.3 Комплексное использование стимулирующих средств и методов</h4>
<p>Комплексный подход воздействия различными способами на семена и растения в ряде случаев может привести к значительному увеличению качественных и количественных показателей в растениеводстве. Это связано с тем, что не всегда только одним способом можно заменить ряд других. Так, например, фито досвечивание растений в закрытых помещениях не возможно заменить магнитной стимуляцией, так как для растения жизненно необходим свет для осуществления фотосинтеза, в результате которого образуются органические вещества, из которых оно состоит. При этом даже при наличии света растение без геомагнитных полей расти не может [70].</p>
<p>При этом, комплексное использование нескольких способов в соответствующих нормах могут повысить продуктивность и урожайность растений. Рассмотрим ряд примеров комплексного воздействия на семена и растения.</p>
<p><em>Стимуляция семян в магнитном полеи стимуляция растений в магнитном поле</em></p>
<p>Исследования, проводимые по стимуляции семян показывают увеличение всхожести и интенсивности роста, что несомненно способствует дальнейшему развитию растений. При дальнейшем помещении ростков в почву и воздействии на них магнитным полем наблюдалось увеличение интенсивности роста на 20-30% [72].</p>
<p><em>Замачивание семяни их стимуляция в магнитном поле</em></p>
<p>Некоторые семена различных культур имеют плохую всхожесть, связанною физиологическими особенностями семян, условиями и временем хранения, а также с зараженностью грибками и бактериями. Ряд основных причин возможно решить путем замачивания, способствующего активизации зародыша и размягчению оболочки семян. Некоторые семена овощных и зеленных культур необходимо замачивать от нескольких часов до нескольких суток.</p>
<p>Воздействие импульсного магнитного поля на замоченные семена способствует более эффективному проникновению влаги через мембраны клеток, что способствует увеличению всхожести и интенсивности роста растений.</p>
<p>Исследования, проводимые по воздействию магнитного поля на замоченные семена салата показали увеличение всхожести на 25-30% [72].</p>
<p><em>Выращивания растений с использованием фитоламп и магнитной стимуляцией растений.</em></p>
<p>Выращивание растений в закрытом грунте с использованием фитоламп позволяет решить ряд важных задач. Во-первых, это обеспечение надлежащего спектра, обеспечивающего интенсивный рост растений. Во-вторых, создание возможности выращивания растений в течении всего года, даже в условиях суровых северных и южных широт.</p>
<p>Магнитная стимуляция растений, при досвечивании фитолампами, позволит сократить период роста растения, обеспечив тем самым снижение себестоимости продукции и энергозатраты. Это достигается благодаря низкому потреблению электроэнергии установками магнитной стимуляции.</p>
<p><em>Выращивание меристемных растений с использованием фитоламп и магнитной стимуляции.</em></p>
<p>Выращивание меристемных растений заключается в выращивании в специальной обеззараженной питательной среде ростков растений не подвергнувшимся заражению вирусами (Рис. 2.11).</p>
<p>Для создания надлежащих условий растения выращиваются в специальных лабораториях, в которых создаются все необходимые условия: освещенность, температура, чистота и правильная питательная среда.</p>
<p>Преимуществами данного способа являются: возможность получения большого количества вегетативного посадочного материала, не зараженного вирусами, бактериями и грибами; возможность проведения работ на протяжении всего года; работы осуществляются на относительно ограниченной площади.</p>
<p><img width="301" height="193" class="wp-image-12791" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-102.jpeg" alt="word image 102 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.11. Выращивания меристемных ростков картофеля в пробирках</p>
<p>Период выращивания картофеля включает следующие этапы: получение не зараженной вирусами меристемной культуры картофеля; несколько этапов размножения культуры черенкованием; стимуляция образования микро- или миниклубней из культуры тканей; высадка мини- или микроклубней в ростовую среду; вегетативное размножение посадочного материала традиционным методом (клубнями) на протяжении нескольких поколений.</p>
<p>Часть этапов производства, которое занимает более 5 лет, растения выращиваются в специальных стерильных условиях лабораторий и специальных помещений. Поэтому получение элитного материала для производства требует больших энергетических и материальных затрат.</p>
<p>Применение магнитной стимуляции ростков картофеля может позволить сократить период выращивания ростков. При этом создание магнитного поля в основном подразумевает использование катушки индуктивности. Помещение в нее пробирки с ростком, будет способствовать затенению и снижению эффекта досвечивания [72].</p>
<p>Авторами Машковым С.В. и Сыркиным В.А. предложена конструкция устройства по освещению ростков меристемного картофеля в пробирках (Рис. 2.12) [64]. Особенностью конструкции устройства является то, что свет подается снизу от фитосветодиодов, а пробирка, выполненная из прозрачного материала на внешней стороне, имеет грани, от которых свет отражается попадает на росток картофеля. Так как внешняя поверхность покрыта светоотражающим материалом, то почти весь свет концентрируется на ростке, а не рассеивается в пространстве, как при использовании обычных фитоламп. Учитывая, что каждая пробирка оснащена индивидуальным источником света (фитосветодиодом) и отсутствие рассеивания способствует снижению энергозатрат при выращивании меристемного картофеля.</p>
<p><img width="709" height="558" class="wp-image-12792" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-621.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-621.png 709w, https://apknet.ru/wp-content/uploads/2021/06/word-image-621-300x236.png 300w" sizes="(max-width: 709px) 100vw, 709px" alt="word image 621 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.12. Устройство освещения меристемного картофеля</p>
<p>Данная конструкция устройства создает предпосылки расположения катушек индуктивности в зоне нахождения ростка. В результате воздействия магнитного поля на росток картофеля позволит снизить сроки выращивания картофеля, что также будет способствовать снижению энергозатрат и себестоимости производства.</p>
<p>Анализ способов и устройств стимуляции растений показал их широкое разнообразие и своеобразное влияние на рост и развитие растений. Одним из наиболее эффективных и энергоэкономичных способов воздействия на растения является стимуляция растений в магнитном поле. Учитывая актуальность данного способа, предлагается исследовать процесс стимуляции семян магнитным полем.</p>
<h3><a id="post-12751-_Toc59712862"></a><a id="post-12751-_Toc59713076"></a>2.2 Разработка установки магнитной стимуляции растений</h3>
<h4><a id="post-12751-_Toc59712863"></a><a id="post-12751-_Toc59713077"></a>2.2.1 Разработка установки магнитной стимуляции растений кассетного типа</h4>
<p>На кафедре «Электрификация и автоматизация АПК» ФГБОУ ВО Самарский ГАУ было разработано экспериментальное устройство стимуляции растений в магнитном поле (Рис. 2.13) [76].</p>
<p><img width="1252" height="334" class="wp-image-12793" src="https://apknet.ru/wp-content/uploads/2021/06/2-jpg.jpeg" alt="2.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/2-jpg.jpeg 1252w, https://apknet.ru/wp-content/uploads/2021/06/2-jpg-300x80.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/2-jpg-1024x273.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/2-jpg-768x205.jpeg 768w" sizes="(max-width: 1252px) 100vw, 1252px" /></p>
<p>Рис. 2.13. Экспериментальное устройство магнитной стимуляции растений:</p>
<p><em>U </em>– блок питания; <em>R1…R3 </em>– реостаты; <em>L1…L24 </em>– катушки индуктивности</p>
<p>Экспериментально устройство разработано на базе кассет для рассады.</p>
<p><em>Устройство.</em> Устройство состоит из блока питания <em>U</em>, трёх реостатов <em>R1, R2, R3</em>, и катушек индуктивности <em>L1-L24. </em>Катушки индуктивности разделены на три батареи по восемь штук. К каждой батарее электрический ток поступает с блока питания через реостаты <em>R1, R2, R3. </em>Реостаты необходимы для регулировки силы тока в каждой батареи. Катушка устанавливается снаружи ячейки кассеты. Катушки в батарее соединены последовательно. Каждая из трёх батарей располагались на расстоянии друг от друга. Таким образом остальные ячейки в кассете находятся без катушек. Для регулировки времени обработки блок питания включается в сеть через таймер.</p>
<p><em>Принцип работы экспериментального устройства.</em>Для проведения опыта в ячейки засеивают семена. После появления первых всходов включают установку. Под действием электрического тока в катушках появляется магнитный поток. В одной батареи магнитное поле направлено вверх, во второй – вниз. Третья батарея отключена. Часть растений растут в ячейках без катушек и являются контрольными.</p>
<h4><a id="post-12751-_Toc59712864"></a><a id="post-12751-_Toc59713078"></a>2.2.2 Расчёт основных параметров установки</h4>
<p>Из обзора литературы было выявлено, что благоприятной напряженностью для большинства культур является напряжённость магнитного поля 3000 А/м [42]. Для проведения экспериментов выбрали диапазон напряженности магнитного поля от1000 А/м до 5000 А/м.</p>
<p>Для создания нужного магнитного потока и из-за конструктивных параметров кассеты с ячейками требуется ширина намотки катушки 20 мм ,количество витков 100 шт, диаметр намотки 190 мм. Материал намотки – медная проволока сечением 0,3 мм<sup>2</sup>.</p>
<p>Определим ток в обмотке:</p>
<p><img width="357" height="34" class="wp-image-12794" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-622.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-622.png 357w, https://apknet.ru/wp-content/uploads/2021/06/word-image-622-300x29.png 300w" sizes="(max-width: 357px) 100vw, 357px" alt="word image 622 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где – напряженность магнитного поля в пределах катушки, А/м;</p>
<p>– длина участков катушки, мм;</p>
<p>– количество витков катушки, шт;</p>
<p>– сила тока, А.</p>
<p><img width="438" height="162" class="wp-image-12795" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-623.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-623.png 438w, https://apknet.ru/wp-content/uploads/2021/06/word-image-623-300x111.png 300w" sizes="(max-width: 438px) 100vw, 438px" alt="word image 623 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Таким образом, величина тока будет варьировать от 0,2 до 1 А.</p>
<p>Катушки индуктивности питаются постоянным током напряжением 12 В [94].</p>
<p>Рассчитаем длину проволоки для одной катушки индуктивности:</p>
<p><img width="117" height="28" class="wp-image-12796" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-624.png" alt="word image 624 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"> (2.1)</p>
<p>где – длина проволоки для одной катушки индуктивности, мм;</p>
<p>– длина одного витка, мм (принимаем 200 мм);</p>
<p>– количество витков, шт.</p>
<p><em><img width="312" height="33" class="wp-image-12797" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-625.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-625.png 312w, https://apknet.ru/wp-content/uploads/2021/06/word-image-625-300x32.png 300w" sizes="(max-width: 312px) 100vw, 312px" alt="word image 625 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>Рассчитаем сопротивление одной катушки</p>
<p><em><img width="351" height="58" class="wp-image-12798" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-626.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-626.png 351w, https://apknet.ru/wp-content/uploads/2021/06/word-image-626-300x50.png 300w" sizes="(max-width: 351px) 100vw, 351px" alt="word image 626 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>где – удельное сопротивление проводника, Ом·мм<sup>2</sup>/м;</p>
<p>– длина проводника, м;</p>
<p>– сечение проводника, мм<sup>2</sup>.</p>
<p><img width="221" height="53" class="wp-image-12799" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-627.png" alt="word image 627 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Сопротивление батареи будет равно:</p>
<p><em><img width="371" height="34" class="wp-image-12800" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-628.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-628.png 371w, https://apknet.ru/wp-content/uploads/2021/06/word-image-628-300x27.png 300w" sizes="(max-width: 371px) 100vw, 371px" alt="word image 628 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>где – количество катушек в батарее, шт. Принимаем 8 шт.</p>
<p><em><img width="177" height="27" class="wp-image-12801" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-629.png" alt="word image 629 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>Используя закон Ома определим ток в батарее катушек:</p>
<p><em><img width="346" height="59" class="wp-image-12802" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-630.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-630.png 346w, https://apknet.ru/wp-content/uploads/2021/06/word-image-630-300x51.png 300w" sizes="(max-width: 346px) 100vw, 346px" alt="word image 630 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>где – подаваемое напряжение от блока питания, В.</p>
<p><em><img width="147" height="47" class="wp-image-12803" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-631.png" alt="word image 631 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>Для исключения нагревания катушек сила тока не должна превышать 1 А.</p>
<p>Определяем сопротивления реостата.</p>
<p><img width="410" height="161" class="wp-image-12804" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-632.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-632.png 410w, https://apknet.ru/wp-content/uploads/2021/06/word-image-632-300x118.png 300w" sizes="(max-width: 410px) 100vw, 410px" alt="word image 632 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Мощность, потребляемая батареей:</p>
<p><em><img width="405" height="79" class="wp-image-12805" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-633.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-633.png 405w, https://apknet.ru/wp-content/uploads/2021/06/word-image-633-300x59.png 300w" sizes="(max-width: 405px) 100vw, 405px" alt="word image 633 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>Отсюда узнаем суммарную мощность установки [94]:</p>
<p><img width="120" height="33" class="wp-image-12806" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-634.png" alt="word image 634 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"> (2.6)</p>
<p>где – суммарная мощность кассет, Вт.</p>
<p><img width="243" height="31" class="wp-image-12807" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-635.png" alt="word image 635 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Таким образом, мощность, потребляемая установкой, не превысит 40 Вт.</p>
<h4><a id="post-12751-_Toc59712865"></a><a id="post-12751-_Toc59713079"></a>2.2.3 Разработка установки магнитной стимуляции растений карусельного типа</h4>
<p>На кафедре «Электрификация и автоматизация АПК» ФГБОУ ВО Самарского ГАУ разработана схема устройствамагнитной стимуляции карусельного типа, для выращивания рассады и зелени. Конструкторская новизна подтверждена патентом РФ на изобретение №2699720. Принцип работы которой основан на создания в зоне где расположены растения магнитного поля [63].</p>
<p>Устройство (Рис.2.14) состоит из подставки 1, стойки 3, верхней 4 и нижней 2 полок. В стойке 3 установлена катушка индуктивности 8 и сердечник 7. В нижней полке 2 выполнены отверстия, в которые устанавливаются емкости с растениями 9. На верхней полке 4 и подставке 1 расположены пластины, число которых равно числу растений. Пластины 6 направлены от центра полки и подставки где соприкасаются с сердечником 7. Для создания магнитного поля используется блок питания 5, которые подключены к катушке индуктивности 8.</p>
<p>Принцип работы заключается в следующем: в емкости 9 насыпается специальный грунт, затем высеивают семена растений. После высева включают установку. В результате чего производится подача напряжения на катушки индуктивности 8, которые находятся стойке 3.</p>
<p><img width="966" height="592" class="wp-image-12808" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-103.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-103.jpeg 966w, https://apknet.ru/wp-content/uploads/2021/06/word-image-103-300x184.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/word-image-103-768x471.jpeg 768w" sizes="(max-width: 966px) 100vw, 966px" alt="word image 103 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.14. Схема устройства для стимулирования стимулирования растений магнитным полем:</p>
<p>1– подставка; 2 – нижняя полка; 3 – стойка; 4 – верхняя полка; 5 – опорное кольцо;</p>
<p>6 – пластины из электротехнической стали; 7 – сердечник; 8 – катушка индуктивности;</p>
<p>9 – емкости с растениями; 10 – блок управления; 11 – блок питания</p>
<p>При подаче напряжения на катушки индуктивности возникает магнитный поток, который замыкается на сердечнике 7, пластинам 6 верхней полки 4 и подставки 1, а также воздушном пространстве между верхней полкой 4 и подставкой 1. Тем самым растения стимулируются магнитным полем.</p>
<p>В результате обработки растений в магнитном поле увеличивается интенсивность их роста и развития. В результате за период выращивания сроки выращивания растений сокращаются, а выращиваемая рассада получается более здоровой и адаптированной к высаживанию в открытый грунт, что в дальнейшем будет способствовать получению более высоких урожаев.</p>
<h4><a id="post-12751-_Toc59712866"></a><a id="post-12751-_Toc59713080"></a>2.2.4 Расчет установки карусельного типа</h4>
<p>Выполним расчет электромагнита. Эквивалентная схема электромагнита представлена на рисунке 2.15. Схема включает в себя катушку индуктивности 1, центральный сердечник 3, верхнюю 3 и нижнюю 4 пластины. Между верхней и нижней пластиной располагается воздушный промежуток высотой <em>h</em>, в который помещалось растение.</p>
<p><img width="540" height="866" class="wp-image-12809" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-104.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-104.jpeg 540w, https://apknet.ru/wp-content/uploads/2021/06/word-image-104-187x300.jpeg 187w" sizes="(max-width: 540px) 100vw, 540px" alt="word image 104 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.15. Эквивалентная схема электромагнита установки карусельного типа:</p>
<p>1 – индукционная катушка; 2 – центральный сердечник; 3 – верхняя пластина;</p>
<p>4 – нижняя пластина</p>
<p>Формула для определения геометрического расчета магнитной катушки [58; 65; 95]:</p>
<p><img width="540" height="57" class="wp-image-12810" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-636.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-636.png 540w, https://apknet.ru/wp-content/uploads/2021/06/word-image-636-300x32.png 300w" sizes="(max-width: 540px) 100vw, 540px" alt="word image 636 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где – напряженность магнитного поля на участках AB, BC, CDи DA, А/м;</p>
<p>– длина участков AB, BC, CDи DA, мм;</p>
<p>n– число верхних и нижних пар пластин, шт.;</p>
<p>– количество витков катушки, шт;</p>
<p>– сила тока, А.</p>
<p>Выполним расчет магнитных индукций всех участков сердечника:</p>
<p><img width="388" height="36" class="wp-image-12811" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-637.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-637.png 388w, https://apknet.ru/wp-content/uploads/2021/06/word-image-637-300x28.png 300w" sizes="(max-width: 388px) 100vw, 388px" alt="word image 637 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где – магнитная индукция 3 участка линии, Тл;</p>
<p>– напряженность магнитного поля, А/м;</p>
<p>– магнитная постоянная, Гн/м.</p>
<p>Принимаем =500 А/м.</p>
<p><img width="499" height="29" class="wp-image-12812" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-638.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-638.png 499w, https://apknet.ru/wp-content/uploads/2021/06/word-image-638-300x17.png 300w" sizes="(max-width: 499px) 100vw, 499px" alt="word image 638 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Определим площадь третей магнитной линии катушки:</p>
<p><img width="261" height="29" class="wp-image-12813" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-639.png" alt="word image 639 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где – средняя площадь распространения магнитного поля, м;</p>
<p>– средний радиус распространения магнитного поля на участке DA, м.</p>
<p><img width="279" height="29" class="wp-image-12814" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-640.png" alt="word image 640 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рассчитаем магнитный поток:</p>
<p><img width="178" height="32" class="wp-image-12815" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-641.png" alt="word image 641 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где – магнитный поток, Вб.</p>
<p><img width="360" height="29" class="wp-image-12816" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-642.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-642.png 360w, https://apknet.ru/wp-content/uploads/2021/06/word-image-642-300x24.png 300w" sizes="(max-width: 360px) 100vw, 360px" alt="word image 642 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Магнитный поток по магнитной катушке</p>
<p><img width="382" height="31" class="wp-image-12817" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-643.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-643.png 382w, https://apknet.ru/wp-content/uploads/2021/06/word-image-643-300x24.png 300w" sizes="(max-width: 382px) 100vw, 382px" alt="word image 643 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Учитывая, что</p>
<p><img width="122" height="48" class="wp-image-12818" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-644.png" alt="word image 644 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Определим магнитную индукцию трех участков электромагнита формулу:</p>
<p><img width="153" height="49" class="wp-image-12819" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-645.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-645.png 153w, https://apknet.ru/wp-content/uploads/2021/06/word-image-645-150x49.png 150w" sizes="(max-width: 153px) 100vw, 153px" alt="word image 645 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где – толщина сердечника, м;</p>
<p>– ширина сердечника, м.</p>
<p>Принимаем</p>
<p><img width="363" height="115" class="wp-image-12820" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-646.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-646.png 363w, https://apknet.ru/wp-content/uploads/2021/06/word-image-646-300x95.png 300w" sizes="(max-width: 363px) 100vw, 363px" alt="word image 646 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p><img width="276" height="175" class="wp-image-12821" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-647.png" alt="word image 647 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>По рассчитанным данным магнитной индукции по графику «Кривой намагничивания» определяем – напряженность на этих трёх участках.</p>
<p>=450 А/м; =200 А/м; =450 А/м.</p>
<p>Подставляем все значения в формулу (1.1)</p>
<p><img width="497" height="92" class="wp-image-12822" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-648.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-648.png 497w, https://apknet.ru/wp-content/uploads/2021/06/word-image-648-300x56.png 300w" sizes="(max-width: 497px) 100vw, 497px" alt="word image 648 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Так как высота установки регулируется от 0,15 м до 0,4 м. Определим ток при 0,15 м.</p>
<p><img width="508" height="84" class="wp-image-12823" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-649.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-649.png 508w, https://apknet.ru/wp-content/uploads/2021/06/word-image-649-300x50.png 300w" sizes="(max-width: 508px) 100vw, 508px" alt="word image 649 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>В результате при снижении высоты установки ток необходимо уменьшить в более чем в 2,5 раза. Поэтому предполагается использовать управляемый резистор.</p>
<p>Определим мощность одной катушки:</p>
<p><img width="142" height="28" class="wp-image-12824" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-650.png" alt="word image 650 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>где – мощность одной катушки, Вт;</p>
<p>– напряжение, В.</p>
<p><img width="209" height="33" class="wp-image-12825" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-651.png" alt="word image 651 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Мощность всех установок:</p>
<p><img width="180" height="26" class="wp-image-12826" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-652.png" alt="word image 652 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p><em><img width="201" height="28" class="wp-image-12827" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-653.png" alt="word image 653 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>С учетом блока питания мощность установки составит 15-20 Вт.</p>
<h3><a id="post-12751-_Toc59712867"></a><a id="post-12751-_Toc59713081"></a>2.3 Программа и методика экспериментальных исследований</h3>
<p><em>Программа исследований.</em></p>
<p>Для проведения экспериментальных исследований разработана программа исследований:</p>
<p>&#8212; разработка установок магнитной стимуляции растений кассетного и карусельного типов;</p>
<p>&#8212; проведение лабораторных исследований по воздействию магнитного поля на рост растений;</p>
<p>&#8212; выявление оптимальных режимных параметров установок кассетного и карусельного типов, влияющих на рост и развитие растений;</p>
<p>&#8212; проведение исследований по выращиванию ранее стимулированных растений в открытом грунте (на примере рассады томатов) [76].</p>
<p><em>Установка стимуляции семян кассетного типа</em></p>
<p>Для проведения лабораторных исследований по воздействию магнитного поля на рост и развитие растений, была разработана установка кассетного типа. Общий вид установки представлен на рисунках 2.16 и 2.17. Основной особенностью установки является то, что на ряд ячеек установлены катушки индуктивности. При этом, катушки соединены между собой последовательно в батареи по 8 штук. Через реостат катушки подключены к блоку питания [76].</p>
<p>Установка включает три независимые батареи с реостатами. Между батареями расположены ряды ячеек, не оснащенные катушками. А также ячейки без катушек находятся в стороне от растений контрольной группы.</p>
<p><em><img width="577" height="309" class="wp-image-12828" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-105.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-105.jpeg 577w, https://apknet.ru/wp-content/uploads/2021/06/word-image-105-300x161.jpeg 300w" sizes="(max-width: 577px) 100vw, 577px" alt="word image 105 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></em></p>
<p>Рис.2.16. Экспериментальная установка стимуляции редиса магнитным полем</p>
<p><img width="498" height="297" class="wp-image-12829" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-106.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-106.jpeg 498w, https://apknet.ru/wp-content/uploads/2021/06/word-image-106-300x179.jpeg 300w" sizes="(max-width: 498px) 100vw, 498px" alt="word image 106 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.17. Экспериментальная установка стимуляции рассады томатов магнитным полем</p>
<p>При проведении экспериментальных исследований семена высевали в ячейки. После появления всходов включалась экспериментальная установка.</p>
<p>Обработка растений производится каждый день на установленный период.</p>
<p>Данное устройство способно регулировать напряжённость магнитных полей до 5000 А/м.</p>
<p>В качестве испытуемых растений были редис (рисунок 2.16) и рассада томатов (рисунок 2.17) таблица 2.1.</p>
<p>Таблица 2.1</p>
<p>Программа исследований воздействия магнитного поля на растения</p>
<table>
<tbody>
<tr>
<td>№</p>
<p>опыта</td>
<td>Культура</td>
<td>Время стимуляции</td>
<td>Напряженность магнитного поля</td>
</tr>
<tr>
<td>1</td>
<td>Редис</td>
<td>1 часа</td>
<td>1000, 3000, 5000 А/м.</td>
</tr>
<tr>
<td>2</td>
<td>Рассада томатов</td>
<td>3 часа</td>
<td>1000, 3000, 5000 А/м.</td>
</tr>
</tbody>
</table>
<p>Для обеспечения дополнительного освещения использовались светодиодные фитосветильники.</p>
<p>По окончанию эксперимента замерялась надземная часть растений.</p>
<p>Для определения влияния стимуляции рассады магнитным поле на увеличение урожайность, часть растений была высажена в открытый грунт. При этом на каждый опыт приходилось по пять кустов (Рис.2.18).</p>
<table>
<tbody>
<tr>
<td><img width="595" height="446" class="wp-image-12830" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-107.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-107.jpeg 595w, https://apknet.ru/wp-content/uploads/2021/06/word-image-107-300x225.jpeg 300w" sizes="(max-width: 595px) 100vw, 595px" alt="word image 107 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></td>
<td><img width="693" height="520" class="wp-image-12831" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-108.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-108.jpeg 693w, https://apknet.ru/wp-content/uploads/2021/06/word-image-108-300x225.jpeg 300w" sizes="(max-width: 693px) 100vw, 693px" alt="word image 108 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></td>
</tr>
<tr>
<td>а)</td>
<td>б)</td>
</tr>
<tr>
<td></td>
<td></td>
</tr>
</tbody>
</table>
<p>Рис.2.18. Выращивание томатов в открытом грунте:</p>
<p>а) грядка томатов; б) сбор урожая</p>
<p>В период роста растений в открытом грунте, проводились наблюдения по росту и развитию растений каждого опыта.В период сбора урожая, овощи каждого опыта собирались отдельно, взвешивались и суммировались с предыдущим сбором, так как томаты поспевали в течении определенного периода.</p>
<p>Для дальнейшего проведения экспериментов была разработана установка кассетного типа с квадратными ячейками. Расчет основных параметров выполнялся по методике, приведенной в разделе 2.2.2. Общий вид установки представлен на рисунке 2.19. Опыты проводились на растениях салата [76].</p>
<p>В процессе проведения эксперимента постоянными факторами были время стимуляции растений (3 часа в сутки) и напряженность магнитного поля (3000 А/м). Изменяющимся фактором являлось направление магнитного поля. В одной батарее магнитное поле было направленно вверх по центру ячейки, а у другой вниз. Часть растений не обрабатывалась магнитным полем и являлось контрольной.</p>
<table>
<tbody>
<tr>
<td><img width="619" height="465" class="wp-image-12832" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-109.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-109.jpeg 619w, https://apknet.ru/wp-content/uploads/2021/06/word-image-109-300x225.jpeg 300w" sizes="(max-width: 619px) 100vw, 619px" alt="word image 109 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></td>
<td><img width="827" height="620" class="wp-image-12833" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-110.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-110.jpeg 827w, https://apknet.ru/wp-content/uploads/2021/06/word-image-110-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/word-image-110-768x576.jpeg 768w" sizes="(max-width: 827px) 100vw, 827px" alt="word image 110 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></td>
</tr>
</tbody>
</table>
<p>а) б)</p>
<p>Рис. 2.19. Установка магнитной стимуляции растений кассетного типа</p>
<p>с прямоугольными ячейками:</p>
<p>а) подготовка и настройка установки; б) проведение эксперимента</p>
<p>По итогам проведения экспериментов растения взвешивались и измерялись (Рис. 2.20).</p>
<table>
<tbody>
<tr>
<td><img width="693" height="520" class="wp-image-12834" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-111.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-111.jpeg 693w, https://apknet.ru/wp-content/uploads/2021/06/word-image-111-300x225.jpeg 300w" sizes="(max-width: 693px) 100vw, 693px" alt="word image 111 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></td>
<td><img width="693" height="520" class="wp-image-12835" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-112.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-112.jpeg 693w, https://apknet.ru/wp-content/uploads/2021/06/word-image-112-300x225.jpeg 300w" sizes="(max-width: 693px) 100vw, 693px" alt="word image 112 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></td>
</tr>
</tbody>
</table>
<p>Рис. 2.20. Измерение длины растения</p>
<p>В дальнейшем растения отправлены на агрохимическую экспертизу.</p>
<p><em>Установка стимуляции семян карусельного типа</em></p>
<p>Для продолжения проведения экспериментальных исследований по воздействию магнитного поля на растения была разработана установка стимуляции семян карусельного типа [36].</p>
<p>Общий вид экспериментальной установки представлен на рисунке 2.21.</p>
<table>
<tbody>
<tr>
<td><img width="694" height="519" class="wp-image-12836" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-113.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-113.jpeg 694w, https://apknet.ru/wp-content/uploads/2021/06/word-image-113-300x224.jpeg 300w" sizes="(max-width: 694px) 100vw, 694px" alt="word image 113 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></td>
<td><img width="619" height="464" class="wp-image-12837" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-654.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-654.png 619w, https://apknet.ru/wp-content/uploads/2021/06/word-image-654-300x225.png 300w" sizes="(max-width: 619px) 100vw, 619px" alt="word image 654 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></td>
</tr>
</tbody>
</table>
<p>а) б)</p>
<p>Рис.2.21. Общий вид устройства магнитной стимуляции растений карусельного типа:</p>
<p>а) подготовка и настройка установки; б) проведение экспериментов</p>
<p>Направление витков медного провода катушки, а также направление электрического тока в проводах подобраны таким образом, что линии магнитной индукции катушки на одной из установок направлены вверх, а на второй вниз. Таким образом, катушка создает магнитное поле, магнитный поток которого проходит вверх и вниз через стаканчики с посаженными в грунте растениями. Далее магнитный поток рассеивается и меняет свое направление и затем сходится в нижней части ячейки с грунтом, меняя свое направление.</p>
<p>При проведении эксперимента был заложен один опыт, в которых изменялся один фактор – направление магнитного потока. И отдельно контроль (растения не подверженные магнитной стимуляции).</p>
<p>Стимуляция растений осуществлялась ежедневно в одно время с момента появления первых всходов. Время стимуляции составляло три часа раз сутки. Для обеспечения, заданного время обработки блок питания включается в сеть через таймер.</p>
<p>Нормы температуры и полива поддерживались одинаковыми для всех опытов.</p>
<p>Исследования по воздействию магнитного поля на растения проводились на салате сорта «Русский богатырь».</p>
<p>Досвечивание растений осуществлялось при помощи светодиодных фито светильников.</p>
<p>По итогу срока проведения эксперимента проводились измерения длины стеблевой части растений. Измерения проводились при помощи линейки [76].</p>
<h3><a id="post-12751-_Toc59712868"></a><a id="post-12751-_Toc59713082"></a>2.4 Результаты экспериментальных исследований</h3>
<p><em>Результаты, полученные на установке кассетного типа</em></p>
<p>Результаты проведения экспериментов стимуляции редиса магнитным полем показали, что длина листовой части растений, подвергшихся стимуляции оказалась больше чем контрольные растения (Рис. 2.22).</p>
<p>Таблица 2.2</p>
<p>Результаты исследования воздействия магнитного поля на растения редиса</p>
<table>
<tbody>
<tr>
<td>Напряженность магнитного поляпо вариантам, А/м</td>
<td colspan="8">Высота растения, см</td>
<td>Ср. знач. высоты, см</td>
<td>Отклонениевысоты растенийот контроля, %</td>
</tr>
<tr>
<td>5000</td>
<td>13,6</td>
<td>13,9</td>
<td>14,6</td>
<td>15,7</td>
<td>13,8</td>
<td>15,4</td>
<td>14,9</td>
<td>14,7</td>
<td>14,58</td>
<td>19</td>
</tr>
<tr>
<td>3000</td>
<td>14,3</td>
<td>14,8</td>
<td>16,2</td>
<td>15,1</td>
<td>14,9</td>
<td>15,2</td>
<td>14,9</td>
<td>16,1</td>
<td>15,19</td>
<td>24</td>
</tr>
<tr>
<td>1000</td>
<td>12,2</td>
<td>12,7</td>
<td>12,8</td>
<td>13,5</td>
<td>13,4</td>
<td>12,7</td>
<td>13,1</td>
<td>12,9</td>
<td>12,9</td>
<td>5</td>
</tr>
<tr>
<td>Контроль</td>
<td>12,1</td>
<td>12,8</td>
<td>12,14</td>
<td>12,7</td>
<td>11,1</td>
<td>11,8</td>
<td>12,8</td>
<td>12,7</td>
<td>12,27</td>
<td>&#8212;</td>
</tr>
</tbody>
</table>
<p><img width="567" height="347" class="wp-image-12838" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-655.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-655.png 567w, https://apknet.ru/wp-content/uploads/2021/06/word-image-655-300x184.png 300w" sizes="(max-width: 567px) 100vw, 567px" alt="word image 655 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.22. График зависимости длинны листовой части редиса от напряженности магнитного поля</p>
<p>При этом наибольшие размеры листовой части редиса наблюдались у растений, которые были обработаны напряженностью магнитного поля 3000 А/м. Размер листовой части был на 43% больше чем у контрольных растений, не подвергнутых обработке(Табл. 2.2) [76].</p>
<p>Также было выявлено, что растения, которые находились непосредственной близости от ячеек с катушками, имели большие размеры листовой части в отличии от контрольных растений.</p>
<p>Аналогично проводились исследования по влиянию магнитного поля на рост и развитие рассады томатов. По окончанию опыта были произведены замеры растений. Опыт показал, что зеленая часть растений, обработанных магнитным полем напряженностью 3000 А/м была больше контрольных растений на 16% (Рис. 2.23). Также хороший результат показали растения, простимулированные магнитным полем напряженностью 1000 А/м и 5000 А/м. Размеры надземной части растений, оказались больше чем на контроле на 15% и 10% соответственно [42; 76; 77].</p>
<p>Для определения урожайности томатов, по истечению периода созревания все плоды собирались, взвешивались, а также проводился визуальный осмотр (Табл. 2.3).</p>
<p>Таблица 2.3</p>
<table>
<tbody>
<tr>
<td>Напряженность магнитного поля по вариантам, А/м</td>
<td colspan="8">Высота растений, см</td>
<td>Средняя высота, см</td>
<td>Отклонениевысоты растенийот контроля, %</td>
</tr>
<tr>
<td>1000</td>
<td>39</td>
<td>38</td>
<td>42</td>
<td>42</td>
<td>40</td>
<td>43</td>
<td>37</td>
<td>39</td>
<td>40</td>
<td>14</td>
</tr>
<tr>
<td>3000</td>
<td>44</td>
<td>42</td>
<td>44</td>
<td>39</td>
<td>39</td>
<td>42</td>
<td>41</td>
<td>43</td>
<td>41,7</td>
<td>19</td>
</tr>
<tr>
<td>5000</td>
<td>39</td>
<td>37</td>
<td>36</td>
<td>33</td>
<td>35</td>
<td>34</td>
<td>35</td>
<td>38</td>
<td>39,5</td>
<td>12,5</td>
</tr>
<tr>
<td>Контроль</td>
<td>33</td>
<td>36</td>
<td>38</td>
<td>29</td>
<td>37</td>
<td>35</td>
<td>35</td>
<td>36</td>
<td>35,1</td>
<td>&#8212;</td>
</tr>
</tbody>
</table>
<p><img width="613" height="350" class="wp-image-12839" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-656.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-656.png 613w, https://apknet.ru/wp-content/uploads/2021/06/word-image-656-300x171.png 300w" sizes="(max-width: 613px) 100vw, 613px" alt="word image 656 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.23. График зависимости длинны листовой части томата от напряженности магнитного поля</p>
<p>В результате исследований влияния стимуляции рассады магнитным полем на урожайность томатов, было определено, что у растений, простимулированных в магнитном поле урожайность оказалась выше чем на контроле (Табл. 2.4) (Рис. 2.24).</p>
<p>Таблица 2.4</p>
<table>
<tbody>
<tr>
<td>Напряженность магнитного поля по вариантам, А/м</td>
<td colspan="5">Вес томатов, кг</td>
<td>Суммарный вес, кг</td>
<td>Отклонениевеса томатовот контроля, %</td>
</tr>
<tr>
<td>1000</td>
<td>1,3</td>
<td>1,1</td>
<td>1,4</td>
<td>1,5</td>
<td>1,5</td>
<td>6,8</td>
<td>28</td>
</tr>
<tr>
<td>3000</td>
<td>1,5</td>
<td>1,6</td>
<td>1,1</td>
<td>1,4</td>
<td>1,6</td>
<td>7,2</td>
<td>36</td>
</tr>
<tr>
<td>5000</td>
<td>0,9</td>
<td>1,4</td>
<td>1,2</td>
<td>1,1</td>
<td>1,6</td>
<td>6,2</td>
<td>17</td>
</tr>
<tr>
<td>Контроль</td>
<td>1,1</td>
<td>0,9</td>
<td>0,8</td>
<td>1,2</td>
<td>1,3</td>
<td>5,3</td>
<td>&#8212;</td>
</tr>
</tbody>
</table>
<p><img width="625" height="346" class="wp-image-12840" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-657.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-657.png 625w, https://apknet.ru/wp-content/uploads/2021/06/word-image-657-300x166.png 300w" sizes="(max-width: 625px) 100vw, 625px" alt="word image 657 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.24. График зависимости массы собранных томатов, в зависимости от напряженности магнитного поля</p>
<p>Наибольший результат оказался у растений, стимулированных в магнитном поле напряженностью 3000 А/м и составила 7,18 кг с пяти кустов, тогда как на контроле составило 5,8 кг. Прибавка урожайности составила около 24%. У растений, обработанных в магнитном поле напряженностью 1000 А/м и 5000 А/м вес собранных томатов оказался равным соответственно 6,8 кг 6,2 кг с пяти кустов, что на 17% и 7% больше чем на контроле [76].</p>
<p>По итогам экспериментальных исследований по стимуляции редиса и рассады томатов магнитным полем было выявлено, что магнитное поле благоприятно влияет на рост и развитие растений (Рис.2.25). Стимуляция растений магнитным полем повышает интенсивность роста на 10-20%. Прибавка урожайности в среднем также составляет от 10 до 20 %.</p>
<p>Исследования по влиянию магнитного поля на интенсивность и развития зеленой части салата показали, что у растений, находившихся в магнитном поле, направленном вверх оказались наилучшие результаты по общей массе и размерам зеленой части. Общая масса данной группы оказалась на 21% выше чем на контроле и составили соответственно 95,6 гр. и 78,9 гр. Длина растений, стимулированных магнитным полем, направленным вверх составила 104 мм, тогда как на контроле 91 мм [76].</p>
<p><img width="630" height="355" class="wp-image-12841" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-658.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-658.png 630w, https://apknet.ru/wp-content/uploads/2021/06/word-image-658-300x169.png 300w" sizes="(max-width: 630px) 100vw, 630px" alt="word image 658 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.25. График зависимости массы растений салата от направления стимулирующего магнитного поля</p>
<p>При этом, худшие результаты показали растения, которые стимулировались в магнитного поля, направление которого было вниз. Общая масса составила 77,4 гр., что незначительно меньше контроля [75; 76].</p>
<p>Таким образом, эксперимент показал, что при стимуляции растений магнитным полем, направленным вверх оказался на 21 % выше чем на контроле, что подтверждает результаты предыдущих исследований.</p>
<p><em>Результаты, полученные на установкекарусельного типа</em></p>
<p>По проведенным результатам длинны растений, при разных направлениях магнитного потока была определена их средняя длина. Анализ результатов показал, что средняя длина растений, которые стимулировались магнитным полем оказалась выше чем на контроле (2.26). При этом наибольшая средняя длина наблюдается у растений, стимулированных магнитным полем, направленным вверх. Она составила 131 мм, тогда как средняя длина растений на контроле составляет 117 мм. То есть растения были больше на 12% чем контроль [75; 76].</p>
<p><img width="619" height="336" class="wp-image-12842" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-659.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-659.png 619w, https://apknet.ru/wp-content/uploads/2021/06/word-image-659-300x163.png 300w" sizes="(max-width: 619px) 100vw, 619px" alt="word image 659 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис. 2.26. График зависимости длинны листовой части салата от напряженности магнитного поля</p>
<p>Средняя длина растений, обработанных в магнитном поле направленным вниз оказалось незначительно выше чем на контроле и составила 120 мм.</p>
<p>Таким образом, для данного типа растений благоприятным является магнитное поле, направленное вверх.</p>
<p>Анализ способов и устройств стимуляции роста растений показал, что одним из наиболее эффективных способов является стимуляция растений в магнитном поле. Данный способ является экономичным и экологически безопасным.</p>
<p>Разработаны варианты конструкции устройств магнитной стимуляции растений кассетного и карусельного типа. Расчеты электротехнических ирежимных параметров показали, что установки являются энергоэкономичными.</p>
<p>Приведена программа и методика экспериментальных исследований влияния магнитного поля на растения разных культур. Эксперименты проводились на редисе, томате и салате. Основными проверяемыми факторами, влияющими на рост и развитие растений, были напряженность магнитного поля, в диапазоне от 1000 до 5000 А/м, а также направление магнитного поля.</p>
<p>В результате проведенных исследований было определено, что более благоприятно отзываются на воздействие магнитным полем напряженностью 3000 А/м. При этом, наиболее благоприятным оказалось воздействие магнитным полем, направленным вверх. По результатам анализа повышение интенсивности роста растений и урожайности составляет 10-20%.</p>
<h2><a id="post-12751-_Toc57626387"></a><a id="post-12751-_Toc59712869"></a><a id="post-12751-_Toc59713083"></a>3 АДАПТИВНОЕ ОСВЕЩЕНИЕ РАСТЕНИЙ</h2>
<h3><a id="post-12751-_Toc57626388"></a><a id="post-12751-_Toc59712870"></a><a id="post-12751-_Toc59713084"></a>3.1 Анализ состояния вопроса адаптивного освещения растений при их выращивании в контролируемых условиях</h3>
<p>Важную роль в процессах роста и нормального развития растений, выращиваемых в контролируемой среде, играют продолжительность светового дня, интенсивность светового потока, а также спектральный состав оптического излучения. Свет – основной источник энергии, необходимой для нормального протекания физиологических реакций в растениях, в первую очередь фотосинтеза. На свету из углекислого газа и воды в процессе фотосинтеза образуются углеводы, из которых затем синтезируются белки, жиры и биологически активные вещества. Залог урожая тепличных культур – достаточная освещенность растений.</p>
<p>Солнечный свет состоит из совокупности различных частей спектра, как видимых (красный, оранжевый, желтый, зеленый, голубой, синий и фиолетовый), таки невидимых ультрафиолетовых и инфракрасных.</p>
<p>Для жизнедеятельности растений необходима фотосинтетическая и физиологически активная радиация (ФАР). Участок излучения с длиной волны oт 380 до 710 нм имеет зрительно синий цвет, сине-фиолетовый цвет (400-450 нм) и красный(620-720 нм), дальний красный цвет (640-710 нм). Такие волны поглощаются особенно интенсивно, обеспечивая фотосинтез растений. Красное и оранжевое излучение (590-620 нм) спектра наиболее важны для фотосинтеза, благодаря им в тканях растений накапливаются углеводы, клетки удлиняются, побеги, стебли, листья быстрее растут. Фиолетовые и синие лучи (380-490 нм) способствуют образованию аминокислот и делению клеток, но, кроме того, оказывают значительное формообразующее действие (стимулируют переход к цветению у растений короткого дня, замедляют развитие растений длинного дня). Ультрафиолетовые лучи (315-318 нм) задерживают вытягивание стебля, зеленые (490-565 нм) и желтые (565-590 нм) – физиологически менее активны [29; 84; ].</p>
<p>Для получения стабильных и высоких урожаев необходимо правильно регулировать длительность и интенсивность освещения, особенно в зимний период.</p>
<p>По интенсивности и длительности необходимого для растений излучения они подразделяются на следующие виды:</p>
<ul>
<li>растения короткого дня. Зацветают осенью или зимой, когда день короче ночи и в помещениях используется искусственное освещение. Сокращение светового дня приводит к тому, что растения зацветают. Темнота необходима им лишь во время вегетации, а потом они могут благополучно расти и приносить урожай в условиях длинного дня;</li>
<li>растения длинного дня. Эти растения смогут зацвести, если световой день будет превышать 13 ч. При коротком дне плоды у этих растений слабо формируются или совсем не образуются;</li>
<li>растения, не подверженные влиянию продолжительности светового дня. Они зацветают при любой продолжительности освещения, кроме очень короткой. В случае чрезмерно непродолжительного освещения такие культуры постепенно увядают.</li>
</ul>
<p>Культуры, выращиваемые в закрытом кгрунте, существенно различаются по требованиям к световому режиму. Кроме того, этот показатель может изменяться у одной и той же культуры в зависимости от способа выращивания и возраста. Световые условия варьируют в связи со временем суток и в течение года, конструкцией культивационных сооружений, погодными условиями и т.д. Общее количество энергии, поступающее летом, примерно в десять раз больше, чем в зимние дни. Периодически изменяется и спектральный состав света: утром, вечером и зимой, когда солнце стоит низко над горизонтом, преобладают красные и инфракрасные лучи; летом в середине дня – фиолетовые и синие.</p>
<p>Наиболее интенсивное усвоение углекислого газа наблюдается в красных лучах. Затем по направлению к зеленой части спектра процесс фотосинтеза постепенно ослабевает. В зеленых лучах фотосинтез минимальный, так как именно зеленые лучи хлорофиллом не поглощаются. В сине-фиолетовой части спектра наблюдается второй подъем интенсивности фотосинтеза. Таким образом, если представить себе интенсивность фотосинтеза в виде кривой, то она будет иметь два максимума соответственно двум максимумам поглощения хлорофилла [27; 70; 71].</p>
<p>На определенных стадиях роста и развития растений требуются различные составляющие части спектра видимого света в диапазоне 400-700 нм, но с преобладанием красных, синих и фиолетовых лучей. На стадии цветения могут оказаться продуктивными добавления желтого или оранжевого света. В период плодоношения и созревания для некоторых видов растений возрастает роль, например, зеленого света (огурцы, томаты) [71].</p>
<p>Например, при выращивании огурца целесообразно ограничивать долю красных лучей, а томаты не реагируют на них. В молодом возрасте всходам и рассаде нужен один состав света, а взрослым растениям для завязывания и налива плодов – другой.</p>
<p>Планируя освещение теплицы, важно различать основное освещение и досвечивание. Задача основного освещения – восполнить нехватку у растений естественного солнечного света с помощью искусственных источников и, конечно же, создать комфортные условия для работы растениевода. Досвечивание применяется для стимуляции развития растения на разных стадиях роста, например, с целью увеличения урожая или ускорения цветения.</p>
<p>Недостаточно просто обеспечить яркое освещение – крайне важен состав света. Фотосинтез у растений способен протекать только под воздействием волн определенной длины в световом спектре. Солнечный свет содержит именно такой спектр. Соответственно, искусственный свет должен быть максимально близок по своему спектральному составу к солнечному, чтобы растения могли своевременно и правильно развиваться.</p>
<p>На рисунке 3.1.1 представлена спектрограмма солнечного света в относительных единицах, с указанием максимумов энергии, приходящихся на голубую (длина волны 400-500 нм) и фиолетовую (600-700 нм) части спектра. Данные максимумы энергии обозначены пунктирной линией [30; 84].</p>
<p><em><img width="592" height="318" class="wp-image-12843" src="https://apknet.ru/wp-content/uploads/2021/06/spektr-dnevnogo-solnechnogo-sveta.jpeg" alt="Спектр дневного солнечного света" srcset="https://apknet.ru/wp-content/uploads/2021/06/spektr-dnevnogo-solnechnogo-sveta.jpeg 592w, https://apknet.ru/wp-content/uploads/2021/06/spektr-dnevnogo-solnechnogo-sveta-300x161.jpeg 300w" sizes="(max-width: 592px) 100vw, 592px" /></em></p>
<p>Длина волны, нм</p>
<p>Рис. 3.1.1. Спектрограмма солнечного света</p>
<p>В спектре солнечного света преобладают голубые и фиолетовые оттенки. Красные цвета выражены не столь отчетливо.</p>
<p>Разные части спектра видимого света оказывают различное влияние на растение: красный стимулирует развитие корневой системы, образование соцветий, созревание плодов, синий и фиолетовый отвечают за рост вегетативной массы, зеленый и желтый практически не поглощаются и отражаются от поверхности – поэтому все растения зеленого цвета. Подсвечивая растение светом сопределенными частями спектра, можно управлять фотохимическими процессами его развития на разных стадиях роста, увеличивая эффективность теплицы.</p>
<p>Для досвечивания растений применяются специальные фитосветильники. Широко распространены фитосветильники c люминесцентными лампами, металлогалогенными, зеркальными лампами высокого давления (ДРИЗ) и дуговыми натриевыми трубчатыми лампами (ДНаТ). Фитосветильники крепятся непосредственно над растениями. Наиболее эффективное излучение для растения находится в участках 400-450 и 650-700 нм. Поэтому светильники, излучающие световой поток именно этих длины, волн – красный и синий, наиболее часто применяются для освещения растений в культивационных сооружениях. Они имеют принципиальное значение для развития корневой системы и листьев [36].</p>
<p>В настоящее время для облучения растений применяются установки типа ГСП, ЖСП, ОТ, которые оснащены ксеноновыми лампами типа ДКСТ, натриевыми лампами типа ДНаТ, металлогалогеновыми лампами типа ДРИ и люминесцентными лампами. Все они имеют разные характеристики. Эти источники облучения в течение всего срока службы дают сложный спектр излучения и растения подвергаются действию всего спектра длин волн. Нужные длины волн занимают в общем спектре от 30 до 50%. КПД этих осветительных установок не превышает 10-15%.</p>
<p>Недостатком перечисленных светильников является невозможностьрегулирования спектра света и его интенсивности (величины светового потока). В то же время эти источники света имеют низкий КПД и коэффициент активной мощности,а также сложны в эксплуатации.</p>
<p>При выборе источника искусственного света необходимо отдавать предпочтение такому, который создает более равномерное световое поле. На этот показатель влияют также высота подвеса светильника и использование рефлекторов (отражателей), при этом можно обойтись минимальным количеством светильников используя рефлекторы. Источник света не должен излучать много тепла, которое вызывает преждевременное старение, цветение, ускоряет плодоношение и снижает урожайность [46; 56; 89].</p>
<h3><a id="post-12751-_Toc57626390"></a><a id="post-12751-_Toc59712871"></a><a id="post-12751-_Toc59713085"></a>3.2 Разработка электрической и конструктивной схем регулируемого фитосветильника</h3>
<p><a id="post-12751-_Toc11958596"></a> При реализации современных агротехнологий в защищенном грунте всегда имеется возможность выращивания овощных культур при снижении энергозатрат. Перспективным направлением снижения затрат энергии является разработка более совершенных конструкций, способов и режимов работы технологического оборудования, в частности систем искусственного облучения [80; 83]. В настоящее время уделяется большое внимание развитию промышленной светокультуры, в частности интенсивной светокультуре растений с широким использованием искусственных источников излучения. В работах [79; 82] были проведены фундаментальные исследования по оценке влияния интенсивности излучения и спектрального состава на урожайность. Однако данные эксперименты сдерживались ограниченной номенклатурой светотехнических изделий. В частности, отсутствовали соответствующие источники излучения, позволяющие воспроизводить отдельные участки спектра и обладающие высокой надежностью. Данная проблема в современном мире может быть решена путем применения светодиодной техники. Сейчас производители предлагают широкую линейку оборудования (фитосветильников, облучателей) на основе светодиодных технологий для создания оптимального радиационного режима при выращивании растений в контролируемых и регулируемых условиях.</p>
<p><a id="post-12751-_Toc11958598"></a> Предлагаемое устройство содержит платы со световыми элементами, состоящими из групп светодиодов с различными спектрами излучения, вентилятор и систему управления с коммутатором групп светодиодов, датчиком освещенности и датчиком-спектрометром. Платы выполнены из гибкого материала в виде полуцилиндров, соединены попарно навесами и установлены в цилиндрический плафон. Светодиоды расположены с наружной стороны плат в несколько рядов. Система управления вынесена за пределы корпуса и выполнена на базе промышленного компьютера, управляющего фитооблучателем по программе. При таком выполнении снижается материалоемкость устройства и упрощается система управления, повышается эффективность использования световой энергии устройства культивируемыми растениями, улучшаются условия для процесса фотосинтеза и, как следствие, повышается урожайность растений защищенного грунта, сокращаются сроки выращивания растительной продукции.</p>
<p>Преимуществом является разделение светодиодов на группы по цветам, что дало возможность регулировать каждый спектр отдельно в зависимости от потребности растения. Спектр излучения светодиодов подобран таким образом, чтобы его состав соответствовал потребностям растений того или иного вида для обеспечения оптимального фотосинтеза. Соотношение световых потоков подбирается заранее и затем может регулироваться в широких пределах. Это соотношение регулируется в соответствии с видом и стадией развития растения. Светодиоды различного спектра излучения распределены вдоль лицевой поверхности фитосветильника равномерно. При этом группы светодиодов определенного спектра излучения располагают преимущественно в одном из плафонов, а плафоны чередуют. Часть светодиодов может иметь ультрафиолетовый и инфракрасный спектры излучения.</p>
<p>В систему управления входит блок электропитания и микропроцессорная система управления, в которую встроен компьютерный блок задания режима включения (БЗРВ). К БЗРВ в свою очередь подключены программируемый контроллер для перевода схемы из ручного режима в автоматический, датчик внешней освещенности, спектрометр, таймер, а также программируемый контроллер вида растений. Кроме того, в систему управления введен программируемый контроллер задания режимов для поддержания суточного цикла изменения спектра освещения и величины освещенности в соответствии с выбранной программой. Также в схему может быть введен программируемый контроллер, который позволяет учесть тип внешнего источника света. В варианте технического решения в схему управления введен программируемый контроллер, обеспечивающий заданный режим импульсного включения световых элементов с регулятором, управляющим продолжительностью световых импульсов, с регулятором освещенности и регулятором длительности темновых пауз [11; 23; 79; 89].</p>
<p>Также очень важно подобрать правильное расстояние между фитосветильником и растением. Минимальное расстояние до ближайших листьев растений 20см. Максимальное расстояние зависит от мощности фитосветильника и от наличия дополнительного источника искусственного или солнечного освещения. Оптимальное расстояние от растений составляет 1,2-1,5м. Чем ближе, тем больше света получат растения. Большее расстояние уменьшит освещенность. Размещение фитосветильникаразрабатывается индивидуально. Желательно чтобы направление свечения ламп совпадало с источником естественного освещения, тогда растениям не придется постоянно менять ориентацию листьев в направлении источника света.</p>
<p><img width="644" height="224" class="wp-image-12844" src="https://apknet.ru/wp-content/uploads/2021/06/hello_html_m2ee43cb6-png.png" alt="hello_html_m2ee43cb6.png" srcset="https://apknet.ru/wp-content/uploads/2021/06/hello_html_m2ee43cb6-png.png 644w, https://apknet.ru/wp-content/uploads/2021/06/hello_html_m2ee43cb6-png-300x104.png 300w" sizes="(max-width: 644px) 100vw, 644px" /></p>
<p>Рис. 3.2.1. Схема размещения фитосветильников</p>
<p>Искусственное освещение растений может быть организованно при помощи различных осветительных приборов. Впервые оно было использовано в 1868 году ботаником Андреем Фаминцыным – он освещал культуры при помощи зажженных керосиновых ламп [81; 84]. Оптимальным решением при выборе вариантов организации искусственного освещения являются специальные фотолампы для растений. Их можно сделать самостоятельно, а можно приобрести в готовом виде (Рис. 3.2.1).</p>
<p>Была разработана электрическая схема фитосветильника, которая представлена на рисунке 3.2.2.</p>
<p><img class="wp-image-12845" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-teh-zadanie.tiff" alt="C:\Users\user\Desktop\ВКР Магистратура\Тех задание на Фитосветильник\Электрическая схема2.tif" /></p>
<p>Рис.3.2.2. Электрическая схема фитосветильника</p>
<p>Фитосветильник состоит из импульсного источника питания (ИИП), он служит для преобразования входного напряжения до необходимой величины. Блок регулировки БЗРВ – блок задания режимов включения, он нужен для автоматизированной работы фитосветильника. Блок регулировки спектра необходим для регулировки спектра, чтобы создать необходимый спектральный состав для растения. Далее линейка светодиодов, в одном светильники 3 ряда по 40 RGB (полноцветных) светодиодов, в общем 120 штук, мо<a id="post-12751-_Toc11958600"></a>щность каждого светодиода 3 Вт.</p>
<p><a id="post-12751-_Toc11958601"></a><a id="post-12751-_Toc11959360"></a><a id="post-12751-_Toc12204546"></a><a id="post-12751-_Toc12204838"></a><a id="post-12751-_Toc12437366"></a> Разработана конструктивная схема фитосветильника, которая представлена на рисунке 3.2.3.</p>
<p><a id="post-12751-_Toc12437367"></a><a id="post-12751-_Toc11958602"></a><a id="post-12751-_Toc11959361"></a><a id="post-12751-_Toc12204547"></a><a id="post-12751-_Toc12204839"></a> <img class="wp-image-12846" src="https://apknet.ru/wp-content/uploads/2021/06/g-vkr-magistratura-teh-zadanie-na-fitosvetilnik-.tiff" alt="G:\ВКР Магистратура\Тех задание на Фитосветильник\Схема светильника2.tif" /><br />
а) б)</p>
<p>&nbsp;</p>
<p>Рис.3.2.3. Конструктивная схема фитосветильника</p>
<p><a id="post-12751-_Toc12437369"></a> а) передняя часть; <a id="post-12751-_Toc12437370"></a>б) задняя часть</p>
<p><a id="post-12751-_Toc12437371"></a><a id="post-12751-_Toc11958603"></a><a id="post-12751-_Toc11959362"></a><a id="post-12751-_Toc12204548"></a><a id="post-12751-_Toc12204840"></a> <img class="wp-image-12847" src="https://apknet.ru/wp-content/uploads/2021/06/g-vkr-magistratura-teh-zadanie-na-fitosvetilnik-1-1.tiff" alt="G:\ВКР Магистратура\Тех задание на Фитосветильник\Схема расположения светодиодов.tif" /></p>
<p><a id="post-12751-_Toc12437372"></a> Рис. 3.2.4. Схема расположения и подключения светодиодов в фитосветильнике</p>
<p><a id="post-12751-_Toc12437373"></a> Схема расположения и подключения светодиодов представлена на рисунке 3.2.4.</p>
<p><a id="post-12751-_Toc12437374"></a> Фитосветильник имеет прямоугольную форму, что способствуют удобству его применения в рядах. Размеры: длина 500 мм, ширина 200 мм, толщина 50 мм.</p>
<p><a id="post-12751-_Toc12437375"></a> <img class="wp-image-12848" src="https://apknet.ru/wp-content/uploads/2021/06/g-vkr-magistratura-raspolozhenie-svetilnikov-tif.tiff" alt="G:\ВКР Магистратура\Расположение светильников.tif" /></p>
<p>&nbsp;</p>
<p>Рис.3.2.5. Расположение фитосветильников</p>
<p>&nbsp;</p>
<p><a id="post-12751-_Toc12437377"></a> Расположение светильников представлено на рисунке 3.2.5. Светильники расположены в верхней части парника между рядами в количестве 2 штук под углом 45 градусов, в крайних рядах установлено по одному светильнику. Такое расположение светильников дает максимальную освещенность всех растений, минимизирует количество теней [84; 86].</p>
<h3><a id="post-12751-_Toc57626392"></a><a id="post-12751-_Toc59712872"></a><a id="post-12751-_Toc59713086"></a>3.3 Методика и результаты экспериментальных исследований по обоснованию эффективности адаптивного освещения</h3>
<p>Для проведения исследований, направленных на разработку энергосберегающих элементов технологии выращивания овощных культур в контролируемых условиях и выявлению степени влияния светового потока с различным спектральным составом на рост и развитие растений, была разработана и изготовлена автоматизированная биотехнологическая установка «Биомодуль ЭСС RGB-250» (Рис. 3.3.1).</p>
<p>Установка представляет собой корпус 1 функционально разделённый на три части. В нижней части установки расположен отсек электронных блоков управления и контроля (БУК) 2, в котором размещены электронные блоки системы адаптивного освещения, программируемые электронные модули, блок контроля температуры и влажности воздуха, система увлажнения воздуха. В центральной части биомодуля расположена рабочая камера 4, являющаяся частично герметичной, но не изолированной от внешней среды. В рабочей камере размещаются посадочные лотки с выращиваемыми растениями. В верхней части установки размещен отсек 7 RGB-светильников 8. Данные светильники содержат специально подобранную комбинацию одноцветных светодиодов (красного, зеленого и синего цветов), трёхцветных RGB-светодиодов и светодиодов белого света. Такая комбинация, в сочетании с возможностью независимого регулирования яркости каждой из трёх групп светодиодов, позволяет создавать световой поток любого спектрального состава. Таким образом данная установка позволяет проводить исследования по влиянию спектрального состава света на рост и развитие растений [89].</p>
<p>Оперативное регулирование интенсивности светового потока проводится регулятором 6. Точная настройка спектрального состава и интенсивности светового потока проводится из мобильного приложения или компьютера, по средствам Wi-Fi подключения (Рис. 3.3.2).</p>
<p>Таким образом возможно создать как моноспектральное освещение красного, зелёного или синего цвета, так и сложное полноспектральное, в различных комбинациях (Рис. 3.3.3).</p>
<p>Разработанный биомодуль содержит съемную систему электрического стимулирования растений. В её состав входит высоковольтный регулируемый блок питания, размещенный в отсеке 2 (Рис. 3.3.1), и совокупность электродов, соединенных с высоковольтным блоком питания.</p>
<p><img width="1277" height="770" class="wp-image-12849" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-vasilev-s-i-desktop-biomodul-jpg.jpeg" alt="C:\Users\Васильев С.И\Desktop\Биомодуль.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/c-users-vasilev-s-i-desktop-biomodul-jpg.jpeg 1277w, https://apknet.ru/wp-content/uploads/2021/06/c-users-vasilev-s-i-desktop-biomodul-jpg-300x181.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/c-users-vasilev-s-i-desktop-biomodul-jpg-1024x617.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/c-users-vasilev-s-i-desktop-biomodul-jpg-768x463.jpeg 768w" sizes="(max-width: 1277px) 100vw, 1277px" /></p>
<p>а б</p>
<p>Рис.3.3.1. Общий вид биомодуля для ускоренного выращивания растений в контролируемых условиях: а – общий вид; б – система адаптивного освещения:</p>
<p>1 – корпус; 2 – отсек размещения электронных блоков управления и контроля (БУК);<br />
3 – крышка отсека БУК; 4 – стенки рабочей камеры; 5 – дверца рабочей камеры;<br />
6 – регулятор интенсивности светового потока; 7 – отсек RGB-светильников;<br />
8 – RGB-светильник; 9 – вентилятор аэрации рабочей камеры;<br />
10 – система приточно-вытяжной вентиляции; 11 – блок датчиков температуры<br />
и влажности воздуха; 12 – диэлектрическое днище рабочей камеры</p>
<p>Нижний электрод положительной полярности размещен, в целях безопасности, под диэлектрическим днищем рабочей камеры 12, а верхний электрод – струнный, изготовлен из изолированного провода закреплённого на диэлектрическом каркасе и является съёмным. Он может устанавливаться, по мере необходимости, непосредственно в рабочую камеру.</p>
<p><img width="347" height="751" class="wp-image-12850" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-114.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-114.jpeg 347w, https://apknet.ru/wp-content/uploads/2021/06/word-image-114-139x300.jpeg 139w" sizes="(max-width: 347px) 100vw, 347px" alt="word image 114 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"> <img width="606" height="280" class="wp-image-12851" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-115.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-115.jpeg 606w, https://apknet.ru/wp-content/uploads/2021/06/word-image-115-300x139.jpeg 300w" sizes="(max-width: 606px) 100vw, 606px" alt="word image 115 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"> <img width="540" height="249" class="wp-image-12852" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-116.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-116.jpeg 540w, https://apknet.ru/wp-content/uploads/2021/06/word-image-116-300x138.jpeg 300w" sizes="(max-width: 540px) 100vw, 540px" alt="word image 116 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"> <img width="540" height="249" class="wp-image-12853" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-117.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-117.jpeg 540w, https://apknet.ru/wp-content/uploads/2021/06/word-image-117-300x138.jpeg 300w" sizes="(max-width: 540px) 100vw, 540px" alt="word image 117 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>а б в г</p>
<p>Рис.3.3.2. Регулирование спектра освещения растений в биомодуле:</p>
<p>а – интерфейс программы; б, в, г – моноспектральное освещение красного, зелёного и синего цветов, соответственно</p>
<p>а б в</p>
<p><img width="346" height="751" class="wp-image-12854" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-118.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-118.jpeg 346w, https://apknet.ru/wp-content/uploads/2021/06/word-image-118-138x300.jpeg 138w" sizes="(max-width: 346px) 100vw, 346px" alt="word image 118 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"> <img width="672" height="310" class="wp-image-12855" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-119.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-119.jpeg 672w, https://apknet.ru/wp-content/uploads/2021/06/word-image-119-300x138.jpeg 300w" sizes="(max-width: 672px) 100vw, 672px" alt="word image 119 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"> <img width="723" height="333" class="wp-image-12856" src="https://apknet.ru/wp-content/uploads/2021/06/word-image-120.jpeg" srcset="https://apknet.ru/wp-content/uploads/2021/06/word-image-120.jpeg 723w, https://apknet.ru/wp-content/uploads/2021/06/word-image-120-300x138.jpeg 300w" sizes="(max-width: 723px) 100vw, 723px" alt="word image 120 Разработка комплекса энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооружений"></p>
<p>Рис.3.3.3. Настройка полноспектрального освещения растений в биомодуле:</p>
<p>а – интерфейс программы; б – полноспектральное освещение RGB; в – полноспектральное освещение с добавлением белого цвета</p>
<p>С помощью спектроколориметра «ТКА – ВД» были исследованы такие показатели как освещенность, температура цвета, координаты цвета, координаты цветности, построены диаграммы хроматичности в системе <em>х</em>, <em>у</em>, в системе <em>u</em>, <em>v</em> и в системе<em>rgxy</em>, спектрограмма. Для вывода всех данных использована программа «Спектрофотометр», которая идет в комплекте со спектроколориметром [79].</p>
<p>Цвет стимула описывается тремя трехстимульными значениями, но все же были разработаны специальные диаграммы цветностей для получения удобного двухмерного представления цветов. Преобразование трехстимульных значений в координаты цветности выполняется через нормировку, удаляющую информацию о яркости; данное преобразование — это т.н. перспективная одноточечная проекция точечных данных трехмерного трехстимульного пространства на единичную плоскость этого пространства (с центром проекции в точке начала координат.</p>
<p>По выполнении проекции мы имеем только двухмерную информацию, которую несут координаты цветности. Третью координату цветности всегда можно получить из двух других, так как сумма всех трех всегда равна единице. Таким образом, z координата может быть вычислена изx иy [79].</p>
<p>Пользоваться координатами цветности нужно с большой осторожностью, поскольку они пытаются представить трехмерный феномен только двумя пара метрами. Для полного описания цветового стимула к координатам цветности нужно добавить еще одно трехстимульное значение. Обычно добавляют вели чину Y, поскольку она несет информацию о яркости. Формулы получения двух оставшихся трехстимульных значений из координат цветности и трехстимульногоY значения часто бывают полезными и поэтому даны в виде уравнений.</p>
<p>Сами по себе координаты цветности не содержат сведений о цветовом восприятии стимулов, поскольку не несут в себе информации о яркости стимула(следовательно, о его светлоте) и не учитывают эффекта хроматической адаптации. При изменении статуса адаптации наблюдателя цвет, которому соответствует данный набор координат цветности, может радикально измениться по восприятию (к примеру, от желтого до синего при переходе от адаптации по дневному свету к адаптации по свету ламп накаливания).</p>
<p>Таблица 3.3.1</p>
<p>Результаты исследования светотехнических характеристик светодиодного фитосветильника в биомодуле</p>
<table>
<tbody>
<tr>
<td colspan="6">Координаты цвета</td>
<td colspan="6">Координаты цветности</td>
<td>Освещенность</td>
<td>Температура цвета</td>
</tr>
<tr>
<td>X</td>
<td>Y</td>
<td>Z</td>
<td>R</td>
<td>G</td>
<td>B</td>
<td>x</td>
<td>y</td>
<td>u&#8217;</td>
<td>v&#8217;</td>
<td>r</td>
<td>g</td>
<td>E, лк</td>
<td>T<sub>cc</sub>, К</td>
</tr>
<tr>
<td>126</td>
<td>100</td>
<td>152</td>
<td>134</td>
<td>73</td>
<td>195</td>
<td>0,334</td>
<td>0,264</td>
<td>0,243</td>
<td>0,432</td>
<td>0,334</td>
<td>0,182</td>
<td>10127</td>
<td>5871</td>
</tr>
</tbody>
</table>
<p><img width="1055" height="523" class="wp-image-12857" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi.png" alt="C:\Users\user\Desktop\ВКР Магистратура\Опыты по фитосветильникам\Светодиодный РОССВЕТ\CIE 1931_GOST 53784.bmp" srcset="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi.png 1055w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-300x149.png 300w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-1024x508.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-768x381.png 768w" sizes="(max-width: 1055px) 100vw, 1055px" /></p>
<p>Рис. 3.3.4. Диаграмма цветности светильника в системе х, у.</p>
<p><img width="1055" height="523" class="wp-image-12858" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-1.png" alt="C:\Users\user\Desktop\ВКР Магистратура\Опыты по фитосветильникам\Светодиодный РОССВЕТ\CIE 1976.bmp" srcset="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-1.png 1055w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-1-300x149.png 300w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-1-1024x508.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-1-768x381.png 768w" sizes="(max-width: 1055px) 100vw, 1055px" /></p>
<p>Рис. 3.3.5. Диаграмма цветности в системе u`, v`.</p>
<p><img width="1055" height="523" class="wp-image-12859" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-2.png" alt="C:\Users\user\Desktop\ВКР Магистратура\Опыты по фитосветильникам\Светодиодный РОССВЕТ\CIE rg xy.bmp" srcset="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-2.png 1055w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-2-300x149.png 300w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-2-1024x508.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-2-768x381.png 768w" sizes="(max-width: 1055px) 100vw, 1055px" /></p>
<p>Рис. 3.3.6. Диаграмма цветности в системе rg, xy.</p>
<p><img width="1055" height="523" class="wp-image-12860" src="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-3.png" alt="C:\Users\user\Desktop\ВКР Магистратура\Опыты по фитосветильникам\Светодиодный РОССВЕТ\Спектрограмма.bmp" srcset="https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-3.png 1055w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-3-300x149.png 300w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-3-1024x508.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/c-users-user-desktop-vkr-magistratura-opyty-po-fi-3-768x381.png 768w" sizes="(max-width: 1055px) 100vw, 1055px" /></p>
<p>Рис. 3.3.7. Спектрограмма светового потока светильника</p>
<p>Анализируя полученные данные можно заключить, что данный фитосветильник подходит для общего назначения, высокая эффективность F1 спектр подходит для различных видов растений, на протяжении всего их цикла роста. Он содержит высокую долю красного света, который стимулирует фотосинтез во время вегетативного роста и облегчает цветения. Он имеет самые высокие показатели фотонэффективности урожайности [79; 81].</p>
<p>Анализируя полученные результаты, можно отметить, что все три фитосветильника, установленные в биомодуле, подходят для досвечивания растений. На всех преобладают красные с длиной волны 630…680 нм и синие с длиной волны 430…470 нм [84; 89].</p>
<p><em>Результаты исследований по обоснованию эффективности адаптивного освещения растений, выращиваемых в контролируемой среде.</em></p>
<p>Исследования проводились на нескольких овощных культурах: лук батун (на зелень) сорта «Лонг Токио», редис сорта «Дамский каприз», салат сорта «Одесский кучерявец», укроп сорта «Гренадёр».</p>
<p><img width="1511" height="697" class="wp-image-12861" src="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh.jpeg" alt="D:\2. Каф. тема_2019 г и далее\2. 2020_По МинСельхозу\Биомодуль_Фото\О_1\20200623_130806.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh.jpeg 1511w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-300x138.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1024x472.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-768x354.jpeg 768w" sizes="(max-width: 1511px) 100vw, 1511px" /></p>
<p>Рис. 3.3.8. Общий вид выращивания овощных культур в биомодуле</p>
<p><img width="1567" height="666" class="wp-image-12862" src="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1.jpeg" alt="D:\2. Каф. тема_2019 г и далее\2. 2020_По МинСельхозу\Биомодуль_Фото\О_1\Фото салат_07.07.20\20200707_104234.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1.jpeg 1567w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1-300x128.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1-1024x435.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1-768x326.jpeg 768w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1-1536x653.jpeg 1536w" sizes="(max-width: 1567px) 100vw, 1567px" /></p>
<p>Рис. 3.3.9. Кассета с растениями салата сорта «Одесский кучерявец»</p>
<p><img width="1539" height="710" class="wp-image-12863" src="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh.png" alt="D:\2. Каф. тема_2019 г и далее\2. 2020_По МинСельхозу\Биомодуль_Фото\О_1\Фото салат_07.07.20\20200707_120427.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh.png 1539w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-300x138.png 300w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1024x472.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-768x354.png 768w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1536x709.png 1536w" sizes="(max-width: 1539px) 100vw, 1539px" /> <img width="2002" height="923" class="wp-image-12864" src="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1.png" alt="D:\2. Каф. тема_2019 г и далее\2. 2020_По МинСельхозу\Биомодуль_Фото\О_1\Фото салат_07.07.20\20200707_115821.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1.png 2002w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1-300x138.png 300w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1-1024x472.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1-768x354.png 768w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-1-1536x708.png 1536w" sizes="(max-width: 2002px) 100vw, 2002px" /></p>
<p>а б</p>
<p>Рис. 3.3.10. Общий вид измерения параметров надземной части растений салата по массе и высоте листьев</p>
<p>Таблица 3.3.2</p>
<p>Результаты измерения характеристик листовой части салата</p>
<table>
<tbody>
<tr>
<td>№</p>
<p>п/п</td>
<td>Высота куста, мм</td>
<td>Средняя высота куста, мм</td>
<td>Масса куста, гр</td>
<td>Средняя масса куста, гр</td>
</tr>
<tr>
<td>1</td>
<td>122</td>
<td rowspan="8">110</td>
<td>34,34</td>
<td rowspan="8">33,57</td>
</tr>
<tr>
<td>2</td>
<td>108</td>
<td>33,27</td>
</tr>
<tr>
<td>3</td>
<td>68</td>
<td>9,56</td>
</tr>
<tr>
<td>4</td>
<td>114</td>
<td>25,14</td>
</tr>
<tr>
<td>5</td>
<td>125</td>
<td>38,79</td>
</tr>
<tr>
<td>6</td>
<td>115</td>
<td>44,72</td>
</tr>
<tr>
<td>7</td>
<td>107</td>
<td>36,21</td>
</tr>
<tr>
<td>8</td>
<td>121</td>
<td>47,50</td>
</tr>
</tbody>
</table>
<p>По завершению эксперимента растения салата были срезаны и направлены на исследования. В процессе исследований осуществлялся замер высоты (длины) листьев и их массы (Рис. 3.3.10). Результаты измерений сведены в таблицу 3.3.2. Средняя высота листовой части салата составляет 110 мм, что соответствует нормативным характеристикам для данного сорта. Средняя масса каждого одного листа составила 33,57 грамма, что также соответствует средним нормативным значениям для данного сорта.</p>
<p>Далее листовая часть салата была исследована в лаборатории Самарского ГАУ и определен анионно-катионный состав. Результаты представлены в таблице 3.3.3 и приложении 1.</p>
<p>Таблица 3.3.3</p>
<p>Результаты исследования листьев салата на анионно-катионный состав</p>
<table>
<tbody>
<tr>
<td>№</td>
<td>Показатель</td>
<td>Определяемая концентрация</td>
<td>Единицы измерения</td>
<td>Нормативный документ на методы испытаний</td>
</tr>
<tr>
<td></td>
<td>м.д. хлорид-ионов</td>
<td>2,64</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. сульфат-ионов</td>
<td>0,53</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. серы</td>
<td>0,18</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. нитрат-ионов</td>
<td>0,63</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. фосфат-ионов</td>
<td>1,53</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. P<sub>2</sub>O<sub>5</sub></td>
<td>1,14</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. фосфора</td>
<td>0,50</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов аммония</td>
<td>0,23</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов калия</td>
<td>3,07</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов натрия</td>
<td>1,10</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов магния</td>
<td>0,33</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов кальция</td>
<td>1,09</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
</tbody>
</table>
<p>Результаты исследований свидетельствуют о экологической чистоте продукции (листьев салата) и их безопасности, при употреблении в пищу человеком.</p>
<p>Далее были проведены исследования клубнеплодной культуры – редиса сорта «Дамский каприз». Исследования проводились в биотехнологической установке (Рис. 3.3.11 и Рис. 3.3.12). Температура в рабочей камере регулировалась автоматически в интервале от 15 °С до 22 °С. Продолжительность освещения составляла 10 ч.</p>
<p>Особенностью освещения являлось существенное смещение спектрального состава в красно-оранжевую область. Характеристики светасоставляли X = 196, Y = 100, Z = 281, x = 0,340, y = 0.173, E = 7073,3 лк.</p>
<p><img width="1945" height="897" class="wp-image-12865" src="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2.jpeg" alt="D:\2. Каф. тема_2019 г и далее\2. 2020_По МинСельхозу\Биомодуль_Фото\О_2\14.09.20\20200914_072319.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2.jpeg 1945w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2-300x138.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2-1024x472.jpeg 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2-768x354.jpeg 768w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2-1536x708.jpeg 1536w" sizes="(max-width: 1945px) 100vw, 1945px" /></p>
<p>Рис. 3.3.11. Общий вид процесса выращивания редиса в биомодуле</p>
<p><img width="859" height="643" class="wp-image-12866" src="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-3.jpeg" alt="D:\2. Каф. тема_2019 г и далее\2. 2020_По МинСельхозу\Биомодуль_Фото\О_1\Фото фитоящика\IMG_20200623_071822.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-3.jpeg 859w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-3-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-3-768x575.jpeg 768w" sizes="(max-width: 859px) 100vw, 859px" /> <img width="807" height="605" class="wp-image-12867" src="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-4.jpeg" alt="D:\2. Каф. тема_2019 г и далее\2. 2020_По МинСельхозу\Биомодуль_Фото\О_1\Фото фитоящика\IMG_20200623_071909.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-4.jpeg 807w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-4-300x225.jpeg 300w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-4-768x576.jpeg 768w" sizes="(max-width: 807px) 100vw, 807px" /></p>
<p>а б</p>
<p>Рис. 3.3.12. Редис на завершающей стадии выращивания:</p>
<p>а – 14-й день с момента посева; б – 18-й день с момента посева</p>
<p>Сокращённое время освещения, по сравнению с салатом, объясняется тем, что редис относится к культурам короткого дня и, при увеличении времени освещения, растения начинают цвести «выходят в стрелку». Вследствие этого дальнейший рост прекращается, а урожайность снижается. Кроме того, при цветении резко ухудшаются органолептические свойства продукции.</p>
<p>По завершению эксперимента растения были извлечены из почвы и проведены замеры диаметра, высоты и массы клубней, а также высоты и массы листовой части (Рис. 3.3.13).</p>
<p><img width="1429" height="659" class="wp-image-12868" src="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2.png" alt="D:\2. Каф. тема_2019 г и далее\2. 2020_По МинСельхозу\Биомодуль_Фото\О_2\28.09.20_Завершение\20200928_124351.jpg" srcset="https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2.png 1429w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2-300x138.png 300w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2-1024x472.png 1024w, https://apknet.ru/wp-content/uploads/2021/06/d-2-kaf-tema_2019-g-i-dalee-2-2020_po-minselh-2-768x354.png 768w" sizes="(max-width: 1429px) 100vw, 1429px" /></p>
<p>Рис. 3.3.13. Растения редиса, подготовленные к замеру параметров</p>
<p>Результаты измерений сведены в таблицу 3.3.4. По данным опыта средняя масса клубня составила 24,07 гр., что соответствует нормативному среднему значению для данного сорта. Величина стандартных отклонений массы корнеплодов составляет около 5 мм, что также свидетельствует о хорошей выровненности плодов редиса по массе.</p>
<p>Среднее значение диаметра корнеплодов составляет 31,46 мм, что превышает средние нормативные значения, а среднее значение высоты плода – 31,58 мм, что сопоставимо с их средним значением диаметра. Так как диаметр совпадает с высотой плода, то он имеет почти идеальную сферическую форму, что создаёт хороший товарный вид продукции, при коммерческом производстве. При этом стандартное отклонение по диаметру плода всего около 4 мм.</p>
<p>Таблица 3.3.4</p>
<p>Результаты измерения клубневой и надземной частей редиса</p>
<table>
<tbody>
<tr>
<td rowspan="2">№ п/п</td>
<td rowspan="2">Масса корнеплода, гр</td>
<td rowspan="2">Средняя масса корнеплода, гр</td>
<td rowspan="2">Масса НЧ, гр</td>
<td rowspan="2">Средняя масса НЧ, гр</td>
<td colspan="5">Размеры корнеплода, мм</td>
<td rowspan="2">Высота НЧ, мм</td>
<td rowspan="2">Высота НЧ средняя, мм</td>
</tr>
<tr>
<td>Диаметр <em>d</em>, мм</td>
<td colspan="2">Среднее</td>
<td>Высота <em>l</em>, мм</td>
<td>Среднее</td>
</tr>
<tr>
<td>1</td>
<td>24,57</td>
<td rowspan="12">24,07</td>
<td>15,91</td>
<td rowspan="12">19,86</td>
<td>31,5</td>
<td colspan="2" rowspan="12">31,46</td>
<td>32,5</td>
<td rowspan="12">31,58</td>
<td>54,5</td>
<td rowspan="12">37,13</td>
</tr>
<tr>
<td>2</td>
<td>14,63</td>
<td>23,32</td>
<td>32</td>
<td>30</td>
<td>31,5</td>
</tr>
<tr>
<td>3</td>
<td>21,25</td>
<td>17,52</td>
<td>31</td>
<td>35</td>
<td>41</td>
</tr>
<tr>
<td>4</td>
<td>23,84</td>
<td>17,25</td>
<td>35</td>
<td>31</td>
<td>36</td>
</tr>
<tr>
<td>5</td>
<td>33,96</td>
<td>24,03</td>
<td>34</td>
<td>37,5</td>
<td>55</td>
</tr>
<tr>
<td>6</td>
<td>22,32</td>
<td>18,24</td>
<td>25,5</td>
<td>26</td>
<td>22</td>
</tr>
<tr>
<td>7</td>
<td>31,02</td>
<td>26,35</td>
<td>21,5</td>
<td>28,5</td>
<td>27</td>
</tr>
<tr>
<td>8</td>
<td>28,26</td>
<td>19,95</td>
<td>32,5</td>
<td>32</td>
<td>43</td>
</tr>
<tr>
<td>9</td>
<td>25,26</td>
<td>24,72</td>
<td>35</td>
<td>32</td>
<td>43,5</td>
</tr>
<tr>
<td>10</td>
<td>23,69</td>
<td>11,54</td>
<td>33</td>
<td>31</td>
<td>31,5</td>
</tr>
<tr>
<td>11</td>
<td>21,21</td>
<td>22,06</td>
<td>34</td>
<td>31</td>
<td>36</td>
</tr>
<tr>
<td>12</td>
<td>18,82</td>
<td>17,38</td>
<td>32,5</td>
<td>32,5</td>
<td>24,5</td>
</tr>
<tr>
<td colspan="12">Величины стандартных отклонений, мм</td>
</tr>
<tr>
<td></td>
<td>5,23</td>
<td></td>
<td>4,32</td>
<td></td>
<td>4,02</td>
<td colspan="2"></td>
<td>2,91</td>
<td></td>
<td>10,72</td>
<td></td>
</tr>
<tr>
<td colspan="12">Коэффициенты вариации, %</td>
</tr>
<tr>
<td></td>
<td>21,74</td>
<td></td>
<td>21,79</td>
<td></td>
<td colspan="2">12,78</td>
<td></td>
<td>9,2</td>
<td></td>
<td>28,921</td>
<td></td>
</tr>
</tbody>
</table>
<p>Дополнительно, анализ показал, что коэффициент корреляции между диаметром корнеплода и его высотой составляет 0,92, что подтверждает высокую связь данных параметров.</p>
<p>Для исследования возможного влияния спектра освещения на изменение нутриентного состава растений, были проведены лабораторные исследования не только плодовой части редиса, но и листовой. Исследования проводились, также, как и в предыдущем случае, на анионно-катионный состав. Результаты исследований представлены в таблице 3.3.4 и приложении 2.</p>
<p>В результате исследований установлено соответствие основных показателей требованиям безопасности пищевой продукции притом, что листовая часть редиса, как правило, не используется в пищу человеком. Некоторые показатели, например, нитрат-ионов составляет всего 0,17%, что существенно ниже предельного значения по безопасности, например, зеленных культур. При этом необходимые катионы калия и кальция содержатся в достаточном количестве.</p>
<p>Таблица 3.3.4</p>
<p>Результаты исследования листовой части редиса на анионно-катионный состав</p>
<table>
<tbody>
<tr>
<td>№</td>
<td>Показатель</td>
<td>Определяемая концентрация</td>
<td>Единицы измерения</td>
<td>Нормативный документ на методы испытаний</td>
</tr>
<tr>
<td></td>
<td>м.д. хлорид-ионов</td>
<td>0,47</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. сульфат-ионов</td>
<td>2,074</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. серы</td>
<td>0,69</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. нитрат-ионов</td>
<td>0,17</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. фосфат-ионов</td>
<td>2,083</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. P<sub>2</sub>O<sub>5</sub></td>
<td>1,56</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. фосфора</td>
<td>0,68</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов аммония</td>
<td>1,18</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов калия</td>
<td>6,75</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов натрия</td>
<td>0,72</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов магния</td>
<td>0,98</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов кальция</td>
<td>4,98</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
</tbody>
</table>
<p>Аналогичные исследования были проведены и с клубнеплодной (плодовой) частью редиса. Результаты исследований представлены в таблице 3.3.5 и приложении 3.</p>
<p>Положительным эффектом, который удалось получить в соответствие с гипотезой данных исследований, это крайне низкое содержание нитрат-ионов по всем опытам. В данном опыте уровень этого показателя таков, что он оказался ниже уровня чувствительности исследовательских приборов, которые зафиксировали отсутствие нитрат-ионов и исследуемых образцах.</p>
<p>Положительным эффектом является и достаточное содержание ионов калия – 4,9%, и ионом магния – 0,17%, благотворно влияющих на здоровье человека.</p>
<p>Таблица 3.3.5</p>
<p>Результаты исследования клубнеплодной (плодовой) части редиса на анионно-катионный состав</p>
<table>
<tbody>
<tr>
<td>№</td>
<td>Показатель</td>
<td>Определяемая концентрация</td>
<td>Единицы измерения</td>
<td>Нормативный документ на методы испытаний</td>
</tr>
<tr>
<td></td>
<td>м.д. влаги</td>
<td>92,61</td>
<td>%</td>
<td></td>
</tr>
<tr>
<td></td>
<td>м.д. сухого вещества</td>
<td>7,39</td>
<td>%</td>
<td></td>
</tr>
<tr>
<td></td>
<td>м.д. хлорид-ионов</td>
<td>1,36</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. сульфат-ионов</td>
<td>0,98</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. серы</td>
<td>0,33</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. нитрат-ионов</td>
<td>&#8212;</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. фосфат-ионов</td>
<td>1,43</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. P<sub>2</sub>O<sub>5</sub></td>
<td>1,07</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. фосфора</td>
<td>0,47</td>
<td>%</td>
<td>М 04-73-2011</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов аммония</td>
<td>0,17</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов калия</td>
<td>4,90</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов натрия</td>
<td>0,02</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов магния</td>
<td>0,17</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
<tr>
<td></td>
<td>м.д. катионов кальция</td>
<td>0,05</td>
<td>%</td>
<td>М 04-65-2010</td>
</tr>
</tbody>
</table>
<p>Также положительным эффектом является высокое содержание сухого вещества в плодах редиса – 7,93%, что выше среднестатистических показателей для данного сорта.</p>
<p>В целом, несмотря на то, что данные исследования относительно недавно начаты и проводятся очень короткое время, можно заключить, что спектральный состав света имеет существенное влияние на растения. Влияние сказывается не только на скорости роста и развития растений, скорости созревания плодов, но и на нутриентном составе различных частей растений, как надземных (листовых), так и подземных (клубневых).</p>
<h2><a id="post-12751-_Toc57626393"></a><a id="post-12751-_Toc59712873"></a><a id="post-12751-_Toc59713087"></a>ЗАКЛЮЧЕНИЕ</h2>
<p>В результате проведённой серии теоретических и экспериментальных исследований,направленных на выявление положительного эффекта от воздействия электрического и магнитного полей, а также освещения с адаптируемым спектральным составом, на растения овощных и зеленных культур, было выявлено объективное положительное влияние электрического и магнитного поля на ускорение роста и развития растений. Растения зеленых и овощных культур оказавшись в электрическом поле взаимодействуют с ним. Характер взаимодействия определяется родом поля, его частотой, напряженностью и направленностью относительно растений.</p>
<p>На теоретическом этапе установлены параметры взаимодействия электрического и магнитного полей с веществами, содержащимися врастениях. Установлено, что электрическое и магнитное полясущественно влияют на интенсивность движения этих веществ (являющихся электролитами) в растениях.</p>
<p>Теоретически установлено, что вещества биологических объектов – растений, взаимодействуют с изменяющимся во-времени электрическим полем. При этом создаются два вида тока – сквозной и поляризационный. Эти токи влияют на интенсивность движения питательных веществ (являющихся электролитами) в теле растения. В этом и заключается эффект от стимулирования.</p>
<p>Теоретически установлена зависимость, определяющая величину суммарного тока, образующегося в теле растения, под действием пульсирующего электрического поля. Полученная зависимость связывает параметры электрического поля и растительного биологического объекта, создаёт возможность предварительного определения граничных условий стимулирующего воздействия на растения.</p>
<p>Результаты проведенных экспериментальных исследований подтвердили теоретические предпосылки.</p>
<p>При наибольшей напряженности поля – 37 кВ/м, наблюдался наилучший эффект от стимулирования. Средняя высота зеленной массы, по данному опыту, составляет 378,08 мм (по укропу), что существенно превышает контроль, равный 180,75 мм, т.е. на 197,33 мм. То есть, стимулирование с напряженностью 37 кВ/м, существенно ускоряет рост биомассы, что для зеленых овощных культур принципиально важно.</p>
<p>Также важным достижением является существенное снижение коэффициента вариации, который составляет всего 3 %, что на 5 % ниже, чем на контроле.</p>
<p>Таким образом стимулирование электрическим (электромагнитным) полем средней напряженности позволяет выровнять растения по высоте, что принципиально важно при коммерческом производстве зеленой овощной продукции.</p>
<p>В итоге можно заключить, что воздействие пульсирующим электрическим (ЭМП) полем положительной направленности на растения имеет положительный эффект, является экологически чистым способом и может использоваться при выращивании овощных зеленных культур.</p>
<p>По результатам исследований были разработаны конструктивные и электрические схемы лабораторных установок для стимулирующего воздействия электрическим полем на растения. Были разработана высоковольтные источники напряжения, системы регулирования и защиты.</p>
<p>Результаты исследований по стимулированию растений в магнитном поле показали, что магнитное поле благоприятно влияет на рост и развитие растений. Стимуляция растений магнитным полем повышает интенсивность роста на 10-20%. Прибавка урожайности в среднем также составляет от 10 до 20 %.</p>
<p>Исследования по влиянию магнитного поля на интенсивность и развития зеленой части салата показали, что у растений, находившихся в магнитном поле, направленном вверх оказались наилучшие результаты по общей массе и размерам зеленой части. Общая масса данной группы оказалась на 21% выше чем на контроле и составили соответственно 95,6 гр. и 78,9 гр. Длина растений, стимулированных магнитным полем, направленным вверх составила 104 мм, тогда как на контроле 91 мм.</p>
<p>При этом, худшие результаты показали растения, которые стимулировались в магнитного поля, направление которого было вниз. Общая масса составила 77,4 гр., что незначительно меньше контроля.</p>
<p>Эксперимент по стимулированию магнитным полем растений салата показал, что высота листовой части растений, при разных направлениях магнитного потока была различна. Средняя длина растений, которые стимулировались магнитным полем, направленным вверх, оказалась выше чем на контроле. Она составила 131 мм, тогда как средняя длина растений на контроле составляет 117 мм. То есть растения были выше чем контроль на 12%.</p>
<p>Средняя высота растений, подверженных воздействию магнитного поля, направленного вниз, оказалась сопоставима, но незначительно выше чем на контроле и составила 120 мм.</p>
<p>Таким образом, для данного типа растений благоприятным является магнитное поле, направленное вверх.</p>
<p>По результатам исследований разработано несколько вариантов конструктивныхи электрических схем устройств для магнитной стимуляции растений кассетного и карусельного типа. Расчеты электротехнических и режимных параметров показали, что установки являются энергоэкономичными.</p>
<p>Разработанный способ адаптивного освещения растений позволяет получить световой поток любого требуемого спектрального состава и широкого диапазона по интенсивности. Система освещения скомбинирована из двух основных составляющих – светодиодных RGB-светильников, создающих световой поток заданного спектра (X, Y, Z) и светодиодных светильников белого света – усиливающих световой поток <em>I</em>, до требуемой величины. Характеристики их совокупного светового потока настраиваются (тарируются) заранее, посредством программного электронного управления светильниками и приборов контроля (спектрокалориметр ТКА ВД-2). Таким образом предложенная система освещения растений адаптируема к индивидуальным требованиям определённых выращиваемых культур. Исключение из состава спектра неэффективных составляющих приводит к снижению рабочей мощности светильников и, как следствие, расхода электроэнергии. В свою очередь усиление эффективных частей спектра, приводит к росту урожайности и продуктивности растений, сокращению сроков выращивания и созревания плодов. По совокупности всей серии проведённых исследований получено, чтокомплексное воздействие трёх факторов (электрическое и магнитное поля, адаптивное освещение) приводит к сокращению сроков выращивания на 20-25%, при выращивании овощных клубнеобразующих культур (редис),на 17-23% при выращивании зеленных культур (лук на перо, укроп, салат) и на 21-26% при выращивании меристемных культур.</p>
<p>Следовательно, разработанный комплекс энергосберегающих элементов технологии выращивания овощных культур в условиях высокотехнологичных культивационных сооруженийпозволяет снизить расход электроэнергии на 15-20%, по клубнеобразующим культурам, 25-40% по зеленным культурам и 30-40% по меристемным культурам.</p>
<p>Совокупность адаптивного освещения,воздействия электрическим и магнитным полями с заданными характеристиками, на растения позволяет получить мультипликативный эффект, выражающийся в ускоренном их росте, развитии, созревании плодов, повышении продуктивности в целом, а также в снижении энергозатрат.</p>
<h2><a href="https://apknet.ru/wp-content/uploads/2021/06/ФГБОУ-ВО-Самарский-ГАУ-Источники-и-литр-Тема-2.docx">Список использованной литературы</a></h2>
<h2><a href="https://apknet.ru/wp-content/uploads/2021/06/ФГБОУ-ВО-Самарский-ГАУ-Приложение-Тема-2.docx">Приложения</a></h2>
]]></content:encoded>
					
					<wfw:commentRss>https://apknet.ru/nologii-vyrashchivaniya-ovoshchnykh-kultur/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области</title>
		<link>https://apknet.ru/razrabotka-kompleksnoj-modeli-progn/</link>
					<comments>https://apknet.ru/razrabotka-kompleksnoj-modeli-progn/#respond</comments>
		
		<dc:creator><![CDATA[redactor]]></dc:creator>
		<pubDate>Thu, 05 Nov 2020 14:25:39 +0000</pubDate>
				<category><![CDATA[Общие вопросы сельского хозяйства]]></category>
		<category><![CDATA[Механизация и электрификация сельского хозяйства]]></category>
		<category><![CDATA[Растениеводство]]></category>
		<category><![CDATA[ФГБОУ-ВО-Самарская-ГСХА]]></category>
		<guid isPermaLink="false">https://apknet.ru/?p=7639</guid>

					<description><![CDATA[Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы на примере Самарской области, позволяющей давать высоковероятные прогнозы на основе данных мониторинга агроклиматических условий, агрохимического обследования почвы, состояния посевов по данным дистанционного зондирования земли и интеллектуальной системы прогнозирования метеоусловий.]]></description>
										<content:encoded><![CDATA[<h2><a href="https://apknet.ru/wp-content/uploads/2020/11/ФГБОУ-ВО-Самарская-ГСХА-2019-тема-1-Титульный-лист-и-исполнители.docx">Титульный лист и исполнители</a></h2>
<p>РЕФЕРАТ</p>
<p>Отчет 162 с., 19 табл., 44 рис., 168 источников.</p>
<p>ПРОГНОЗИРОВАНИЕ, УРОЖАЙНОСТЬ, ВАЛОВЫЙ СБОР, АГРОМЕТЕОРОЛОГИЧЕСКИЕ УСЛОВИЯ, АГРОХИМИЧЕСКОЕ ОБСЛЕДОВАНИЕ, ВЕГЕТАЦИОННЫЙ ИНДЕКС, ДИСТАНЦИОННЫЙ МОНИТОРИНГ, СПЕКТРАЛЬНЫЙ АНАЛИЗ</p>
<p>Целью НИР является разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы на примере Самарской области, позволяющей давать высоковероятные прогнозы на основе данных мониторинга агроклиматических условий, агрохимического обследования почвы, состояния посевов по данным дистанционного зондирования земли и интеллектуальной системы прогнозирования метеоусловий.</p>
<p>Выявлены агроклиматические, агрохимические, вегетационные и другие значимые факторы, оказывающие существенное влияние на формирование урожая озимой пшеницы. Разработаны методы мониторинга всех значимых факторов, оказывающие существенное влияние на формирование урожая озимой пшеницы. Разработана комплексная модель прогнозирования урожайности и валового сбора озимой пшеницы с использованием данных дистанционного зондирования земли и интеллектуальной системы прогнозирования метеоусловий. Оценена достоверность полученной модели, используя исторические данные агроклиматических, агрохимических, вегетационных и других значимых факторов и данные по урожайности конкретного поля.</p>
<h2><a id="post-7639-_Toc31195684"></a>ВВЕДЕНИЕ</h2>
<p><strong>Актуальность. </strong>Прогнозирование урожайности и валового сбора сельскохозяйственных культур являются важным звеном в системе поддержки принятия управленческих решений в аграрном секторе, способствующих увеличению выручки от реализации сельскохозяйственной продукции. Это повышает требования к их точности и заблаговременности. Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы на примере Самарской области, позволит давать высоковероятные прогнозы на основе данных мониторинга агроклиматических условий, агрохимического обследования почвы, состояния посевов по данным дистанционного зондирования земли. В рамках данной НИР, выявленние взаимосвязей агроклиматических, агрохимических, вегетационных и других значимых факторов, оказывающие существенное влияние на формирование урожая озимой пшеницы, позволят разработать методы мониторинга всех значимых факторов и разработать комплексную модель прогнозирования урожайности и валового сбора озимой пшеницы с использованием данных дистанционного зондирования земли и интеллектуальной системы прогнозирования метеоусловий. Оценка ее достоверности, используя исторические данные агроклиматических, агрохимических, вегетационных и других значимых факторов и данные по урожайности конкретного поля позволят судить о преимуществах полученных прогностических моделей урожайности относительно существующих.</p>
<p><strong>Цель исследований</strong> – разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы на примере Самарской области, позволяющей давать высоковероятные прогнозы на основе данных мониторинга агроклиматических условий, агрохимического обследования почвы, состояния посевов по данным дистанционного зондирования земли и интеллектуальной системы прогнозирования метеоусловий.</p>
<p>Для достижения поставленной цели должны быть решены следующие задачи:</p>
<p>&#8212; выявить агроклиматические, агрохимические, вегетационные и другие значимые факторы, оказывающие существенное влияние на формирование урожая озимой пшеницы;</p>
<p>&#8212; разработать методы мониторинга всех значимых факторов, оказывающие существенное влияние на формирование урожая озимой пшеницы;</p>
<p>&#8212; разработать комплексную модель прогнозирования урожайности и валового сбора озимой пшеницы с использованием данных дистанционного зондирования земли и интеллектуальной системы прогнозирования метеоусловий;</p>
<p>&#8212; оценить ее достоверность, используя исторические данные агроклиматических, агрохимических, вегетационных и других значимых факторов и данные по урожайности конкретного поля.</p>
<h2><a id="post-7639-_Toc31195685"></a>1 ХАРАКТЕРИСТИКА ПОЧВЕННО-КЛИМАТИЧЕСКИХ УСЛОВИЙ САМАРСКОЙ ОБЛАСТИ И АГРОТЕХНИКИ ВОЗДЕЛЫВАНИЯ ОЗИМОЙ ПШЕНИЦЫ</h2>
<h3><a id="post-7639-_Toc31195686"></a>1.1 Анализ климата Самарской области и агроклиматическое районирование</h3>
<p>Климатические условия Самарской области формируются в основном под влиянием атмосферных процессов со стороны обширного Азиатского континента, перегретого в летний период и охлажденного зимой, и Атлантического океана. В результате характерными особенностями являются жаркое лето, продолжительная и морозная зима, дефицит влаги, интенсивная ветровая деятельность и сравнительно высокая инсоляция. Под действием западного переноса воздушных масс и вторжения время от времени атлантических циклонов, приносящих влагу, условия континентального климата смягчаются.</p>
<p>В результате годовая амплитуда температуры составляет 38-41 градусов. Зима длится не менее пяти месяцев, сопровождается образованием устойчивого снежного покрова. Наибольшая высота снежного покрова западных и северо-восточных районов составляет 46-52 см, на юге и юго-востоке области – 22 см. Характерно медленное накопление снега с осени и быстрое его таяние весной. Почва, как правило, промерзает на глубину 60-100 см.</p>
<p>Весенний сезон очень короткий (23-27 дней) и заканчивается в последних числах апреля – начале мая. Однако еще в конце мая и в первых числах июня бывают периоды похолодания и заморозков, связанные с вторжением холодного арктического воздуха. Продолжительность безморозного периода составляет в среднем 140-150 дней. Теплый период (с температурой воздуха выше 10ºС) на большей части территории продолжается 145-150 дней, в северной части – 135-140 дней. Общие ресурсы тепла за этот период изменяются по территории от 2200º до 2800º. В летнее время почти ежегодно наблюдаются засушливые и суховейные периоды, иногда действующие одновременно. Повторяемость засух в Среднем Поволжье составляет около 50%, количество суховейных дней колеблется от 16 до 25. Осенний период отличается пасмурной, часто дождливой погодой. Заморозки наступают, как правило, со второй-третьей декад сентября.</p>
<p>Количество осадков по области сравнительно невелико, что характерно для континентального климата, – за год выпадает в среднем 400 мм. Распределение осадков отличается неравномерностью. Больше всего осадков выпадает на севере области и в западных районах (до 450 мм). Наименьшим количеством осадков характеризуются южные степные районы (270-300 мм). Максимум осадков приходится на июнь-август, нередко в виде ливней. Их влага, а также значительная часть талых вод от зимних осадков стекает по склонам в депрессии рельефа, вызывая нарушение почвенного покрова (эрозию).</p>
<p>Повторяемость засух и суховеев, поздние весенние и ранние осенние заморозки характеризуют территорию как регион рискованного земледелия. В последние десятилетия климат заметно меняется, в результате чего в Среднем Поволжье отмечается увеличение количества осадков на фоне повышенного температурного режима (особенно в холодный период года), создающее в целом более благоприятные условия для сельскохозяйственного производства [16, 17, 96]. Эти выводы подтверждаются и исследованием многолетней динамики метеовеличин, проведенным нами по данным метеостанции Усть-Кинельская за 1982-2015 гг. [11, 58, 71, 72]. Подчеркивается при этом усиление неустойчивости температурного режима и увлажнения в течение вегетационного периода и по годам, вызывающее увеличение производственных рисков, связанных с погодой.</p>
<h4><a id="post-7639-_Toc31195687"></a>1.1.1 Агроклиматические ресурсы</h4>
<p>Агроклиматические ресурсы Самарской области отличаются значительным разнообразием. Так, сумма температур воздуха выше 10 ºС изменяется от 2200 градусов на северо-востоке территории до 2800 градусов в южных районах. Почти в два раза различается годовое количество осадков (от 350 мм в южных районах до 550 мм в северных). Оба этих фактора свидетельствуют о значительном усилении засушливости условий с севера на юг (гидротермический коэффициент уменьшается от 1,0 до 0,6).</p>
<p>Учитывая, что условия увлажнения являются лимитирующим агрометеорологическим фактором в Среднем Поволжье, на основе анализа распределения ГТК по территории выполнено агроклиматическое районирование Самарской области – выделено четыре района (рис. 1). Район повышенного увлажнения занимает крайний северо-восток области (характеристика в таблице 1). С юга и юго-запада к нему примыкает район умеренного увлажнения, в который входит правобережная часть области и левобережная территория севернее рек Самара и Большой Кинель. От этой границы почти до рек Большой Иргиз и Каралык расположен район пониженного увлажнения. Самые южные районы области – Пестравский, Большеглушицкий и Большечерниговский – относятся к району слабого увлажнения.</p>
<p><img width="508" height="402" class="wp-image-7640" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1109.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1109.png 508w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1109-300x237.png 300w" sizes="(max-width: 508px) 100vw, 508px" alt="word image 1109 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>Рисунок 1 – Агроклиматическое районирование Самарской области [1]</p>
<p>Таблица 1</p>
<p>Характеристика агроклиматических районов Самарской области [1]</p>
<table>
<tbody>
<tr>
<td>Агроклиматический</p>
<p>район</td>
<td>Средне-годовая темпера-тура воздуха, °С</td>
<td>Сумма</p>
<p>температур воздуха выше 10ºС, ºС</td>
<td>Годовое коли-чество</p>
<p>осадков, мм</td>
<td>Гидротер-мический коэффи-циент,</p>
<p>безразм.</td>
<td>Коли-чество дней с сухо-веями</td>
<td>Продолжи-тельность</p>
<p>безмороз-ного периода, дней</td>
</tr>
<tr>
<td>Повышенного увлажнения</td>
<td>3,0</td>
<td>2200-2300</td>
<td>430-550</td>
<td>0,9-1,0</td>
<td>34,5</td>
<td>127</td>
</tr>
<tr>
<td>Умеренного увлажнения</td>
<td>4,0</td>
<td>2300-2500</td>
<td>400-506</td>
<td>0,8-0,9</td>
<td>34,1</td>
<td>143</td>
</tr>
<tr>
<td>Пониженного увлажнения</td>
<td>4,4</td>
<td>2500-2700</td>
<td>350-400</td>
<td>0,7-0,8</td>
<td>62,1</td>
<td>142</td>
</tr>
<tr>
<td>Слабого увлажнения</td>
<td>4,6</td>
<td>2700-2800</td>
<td>350-360</td>
<td>0,6-0,7</td>
<td>65,4</td>
<td>144</td>
</tr>
</tbody>
</table>
<p>Приведенные результаты агроклиматического районирования отражают лишь общие (макромасштабные) особенности распределения условий по фактору увлажнения. При этом известно, что мезо- и микромасштабная изменчивость факторов может в разы превосходить макромасштабную и, конечно, тоже определяет агропроизводственные условия. Кроме того необходимо принимать во внимание особенности пространственного распределения условий осенне-зимнего периода, влияющие на всхожесть, сохранность при перезимовке культур.</p>
<h4><a id="post-7639-_Toc31195688"></a>1.1.2 Агроклиматическая характеристика территории</h4>
<p>Для более подробного анализа агроклиматических ресурсов взяты данные справочников [1, 32, 52, 65, 78, 100] по 26 метеостанциям и 126 постам на территории Самарской области. Установлено, что распределение продолжительности солнечного сияния, температуры воздуха и почвы характеризуется коэффициентом вариации в пределах 8-10%. Значительной пространственной изменчивостью (25-35%) отличаются показатели увлажнения (количество осадков, запасы влаги в почве, ГТК).</p>
<p>В узлах условной пространственной сетки с шагом 10 км получены значения основных агрометеорологических показателей. На первом этапе они определены по данным ближайшей метеостанции, затем – на основе интерполяции данных по 2-4 ближайшим станциям в радиусе 100 км. С целью исследования пространственной изменчивости статистических характеристик временного ряда показателей применено стохастическое моделирование – генерация (восстановление) значений в 400 годо-случаях из соответствующих среднего значения, дисперсии временного ряда, кросс-корреляции показателей.</p>
<p>На рисунике 2 представлены пространственные распределения суммарной продолжительности солнечного сияния, суммы температур выше 10°С и суммы дефицитов влажности воздуха за период с апреля по октябрь.</p>
<p>Коэффициенты корреляции этих распределений с соответствующими климатическими нормами составили 0,97-0,98, относительная ошибка расчета 2-8%, что свидетельствует о достоверности полученных результатов. Корреляционный анализ расчетных сумм осадков с соответствующими нормами показывает удовлетворительное соответствие с учетом значительной пространственно-временной неоднородности показателя (относительная ошибка 3%, коэффициент корреляции 0,76).</p>
<p>Для характеристики условий в период посева и появления всходов озимых и яровых культур приведены карты запасов продуктивной влаги в слое 0-20 см в конце апреля и в конце августа (рис. 3). Коэффициенты корреляции запасов продуктивной почвенной влаги на конец апреля и конец августа с распределениями фактических влагозапасов (по данным справочников [1, 2]) составили 0,96-0,99, относительная ошибка расчета 4-7% в слое 0-100 см и 6-13% в слое 0-20 см.</p>
<p>а) <img width="679" height="679" class="wp-image-7641" src="https://apknet.ru/wp-content/uploads/2020/11/s.jpeg" alt="S" srcset="https://apknet.ru/wp-content/uploads/2020/11/s.jpeg 679w, https://apknet.ru/wp-content/uploads/2020/11/s-300x300.jpeg 300w, https://apknet.ru/wp-content/uploads/2020/11/s-150x150.jpeg 150w" sizes="(max-width: 679px) 100vw, 679px" /> б) <img width="679" height="679" class="wp-image-7642" src="https://apknet.ru/wp-content/uploads/2020/11/temper.jpeg" alt="temper" srcset="https://apknet.ru/wp-content/uploads/2020/11/temper.jpeg 679w, https://apknet.ru/wp-content/uploads/2020/11/temper-300x300.jpeg 300w, https://apknet.ru/wp-content/uploads/2020/11/temper-150x150.jpeg 150w" sizes="(max-width: 679px) 100vw, 679px" /></p>
<p>в) <img width="679" height="679" class="wp-image-7643" src="https://apknet.ru/wp-content/uploads/2020/11/def.jpeg" alt="Def" srcset="https://apknet.ru/wp-content/uploads/2020/11/def.jpeg 679w, https://apknet.ru/wp-content/uploads/2020/11/def-300x300.jpeg 300w, https://apknet.ru/wp-content/uploads/2020/11/def-150x150.jpeg 150w" sizes="(max-width: 679px) 100vw, 679px" /> г) <img width="679" height="679" class="wp-image-7644" src="https://apknet.ru/wp-content/uploads/2020/11/presip.jpeg" alt="presip" srcset="https://apknet.ru/wp-content/uploads/2020/11/presip.jpeg 679w, https://apknet.ru/wp-content/uploads/2020/11/presip-300x300.jpeg 300w, https://apknet.ru/wp-content/uploads/2020/11/presip-150x150.jpeg 150w" sizes="(max-width: 679px) 100vw, 679px" /> Рисунок 2 – Пространственное распределение метеовеличин с апреля по октябрь</p>
<p>Суммарная продолжительность солнечного сияния (а); сумма температур воздуха выше 10°С (б); сумма дефицитов влажности воздуха (в); количество осадков (г)</p>
<p>Основными причинами гибели растений в зимний период в Среднем Поволжье являются вымерзание посевов, а в северной и северо-восточной частях территории и выпревание [13]. Агрометеорологические условия, вызывающие и вымерзание и выпревание, хорошо отражает показатель температуры почвы на глубине кущения растений. В работах [12, 67] установлено, что вымерзание происходит при невысоком снежном покрове и минимальной температуре почвы на глубине узла кущения ниже -10ºС; выпреванию посевы преимущественно подвергаются вследствие длительного (более 5 декад) пребывания под мощным снежным покровом при минимальной температуре почвы выше -7ºС. Пространственное распределение температуры почвы на глубине узла кущения (рассчитана в зависимости от минимальной температуры воздуха в зимние месяцы, высоты снежного покрова и глубины промерзания почвы в соответствии с [51]) показывает значительную изменчивость условий перезимовки по территории (рис. 4).</p>
<p><img width="679" height="679" class="wp-image-7645" src="https://apknet.ru/wp-content/uploads/2020/11/w-20-aprel.jpeg" alt="W 20 апрель" srcset="https://apknet.ru/wp-content/uploads/2020/11/w-20-aprel.jpeg 679w, https://apknet.ru/wp-content/uploads/2020/11/w-20-aprel-300x300.jpeg 300w, https://apknet.ru/wp-content/uploads/2020/11/w-20-aprel-150x150.jpeg 150w" sizes="(max-width: 679px) 100vw, 679px" /> <img width="679" height="679" class="wp-image-7646" src="https://apknet.ru/wp-content/uploads/2020/11/w-20-avgust.jpeg" alt="W 20 август" srcset="https://apknet.ru/wp-content/uploads/2020/11/w-20-avgust.jpeg 679w, https://apknet.ru/wp-content/uploads/2020/11/w-20-avgust-300x300.jpeg 300w, https://apknet.ru/wp-content/uploads/2020/11/w-20-avgust-150x150.jpeg 150w" sizes="(max-width: 679px) 100vw, 679px" /></p>
<p>Рисунок 3 – Пространственное распределение запасов продуктивной влаги в слое почвы 0-20 см в апреле (а) и августе (б)</p>
<p><img width="303" height="303" class="wp-image-7647" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1110.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1110.png 303w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1110-300x300.png 300w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1110-150x150.png 150w" sizes="(max-width: 303px) 100vw, 303px" alt="word image 1110 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p><img width="303" height="303" class="wp-image-7648" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1111.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1111.png 303w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1111-300x300.png 300w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1111-150x150.png 150w" sizes="(max-width: 303px) 100vw, 303px" alt="word image 1111 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> <img width="50" height="79" class="wp-image-7649" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1112.png" alt="word image 1112 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>Рисунок 4 – Пространственное распределение минимальной температуры почвы на глубине узла кущения в зимний период</p>
<p>В целом же приведенные распределения подтверждают, с одной стороны, зональность распределения основных агрометеорологических показателей (в частности суммы температур воздуха, суммы дефицитов влажности воздуха). С другой стороны, они свидетельствуют о значительной азональной составляющей распределений (особенно характеристик увлажнения, температуры почвы в зимний период). Поэтому ограничиваться характеристикой условий по выделенным агроклиматическим районам не достаточно. Оценка условий, оценка земель для решения агропроизводственных вопросов должна быть комплексной и с достаточной детализацией свойств территории по воздействующим факторам и их пространственной изменчивости.</p>
<h4><a id="post-7639-_Toc31195689"></a>1.1.3 Нормативная урожайность зерновых и комплексное мезомасштабное зонирование территории</h4>
<p>В целях оценки земель территория Самарской области разделена на три земельно-оценочных района (ЗОР), соответствующих лесостепной, степной и сухостепной природно-сельскохозяйственным зонам [77] (рис. 5).</p>
<p><img width="426" height="424" class="wp-image-7650" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1113.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1113.png 426w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1113-300x300.png 300w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1113-150x150.png 150w" sizes="(max-width: 426px) 100vw, 426px" alt="word image 1113 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>Рисунок 5 – Земельно-оценочные районы Самарской области</p>
<p>Геоинформационный анализ пространственного распределения нормативной урожайности и его соответствия распределению почв и климатических характеристик, особенностям ландшафта территории выявил целесообразность выделения в трех ЗОР Самарской области семи оценочных мезозон (рис. 6). Четыре из них выделено в границах 1 ЗОР (соответствующего лесостепной природной зоне), две – 3 ЗОР (сухостепная зона), и 2 ЗОР (степная зона) представлен в целом. Их положение вполне соответствует особенностям ландшафта территории – коэффициенты пространственной корреляции средней в мезорайонах нормативной урожайности со многими почвенно-климатическими показателями оказались выше 0,7.</p>
<p><img width="300" height="304" class="wp-image-7651" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1114.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1114.png 300w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1114-296x300.png 296w" sizes="(max-width: 300px) 100vw, 300px" alt="word image 1114 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>Рисунок 6 – Комплексное мезомасштабное зонирование Самарской области</p>
<p>Учитывая значительную дисперсию показателей, произведено дополнительное деление некоторых оценочных мезозон [152, 150] (табл. 2).</p>
<p>Таблица 2</p>
<p>Обобщённая характеристика оценочных мезозон Самарской области</p>
<table>
<tbody>
<tr>
<td rowspan="2">Природная зона</td>
<td rowspan="2">Мезо-зона</td>
<td rowspan="2">Нормативная урожай-ность зерновых, ц/га</td>
<td rowspan="2">Содержание гумуса в почве, %</td>
<td rowspan="2">Запас продук-тивной влаги в почве (август), мм</td>
<td colspan="2">Сумма температур, С</td>
<td rowspan="2">Количество осадков за апрель-октябрь, мм</td>
</tr>
<tr>
<td>выше +10С</td>
<td>ниже –10С</td>
</tr>
<tr>
<td rowspan="5">Лесостепь</td>
<td>1а</td>
<td>23,1</td>
<td>5,6</td>
<td>125</td>
<td>2133</td>
<td>1183</td>
<td>350</td>
</tr>
<tr>
<td>1б</td>
<td>26,2</td>
<td>5,5</td>
<td>100</td>
<td>2300</td>
<td>1130</td>
<td>312</td>
</tr>
<tr>
<td>2</td>
<td>24,7</td>
<td>6,0</td>
<td>108</td>
<td>2167</td>
<td>1200</td>
<td>317</td>
</tr>
<tr>
<td>3</td>
<td>21,6</td>
<td>4,7</td>
<td>100</td>
<td>2350</td>
<td>1010</td>
<td>325</td>
</tr>
<tr>
<td>4</td>
<td>19,3</td>
<td>3,7</td>
<td>75</td>
<td>2400</td>
<td>1001</td>
<td>300</td>
</tr>
<tr>
<td rowspan="4">Степь</td>
<td>5а</td>
<td>17,0</td>
<td>4,0</td>
<td>75</td>
<td>2500</td>
<td>1059</td>
<td>300</td>
</tr>
<tr>
<td>5б</td>
<td>20,9</td>
<td>5,0</td>
<td>88</td>
<td>2450</td>
<td>1126</td>
<td>325</td>
</tr>
<tr>
<td>5в</td>
<td>19,6</td>
<td>3,7</td>
<td>100</td>
<td>2400</td>
<td>1148</td>
<td>317</td>
</tr>
<tr>
<td>5г</td>
<td>17,7</td>
<td>3,8</td>
<td>75</td>
<td>2500</td>
<td>1193</td>
<td>350</td>
</tr>
<tr>
<td rowspan="2">Сухая степь</td>
<td>6</td>
<td>16,0</td>
<td>3,6</td>
<td>50</td>
<td>2500</td>
<td>1137</td>
<td>275</td>
</tr>
<tr>
<td>7</td>
<td>11,3</td>
<td>2,8</td>
<td>50</td>
<td>2600</td>
<td>1125</td>
<td>250</td>
</tr>
</tbody>
</table>
<p>В результате условия первого мезорайона (на склонах Бугульмино-Белебеевской возвышенности) разделены на две части – северовосточной с наибольшими высотами и глубокой изрезанностью рельефа (1а), и южнее – район с более низкими отметками и сравнительно выровненным рельефом (1б). Условия 2 ЗОР представлены в виде четырех мезозон, вполне отражающих особенности литолого-морфологического строения ландшафта и гидрографии. Они соответствуют положению древней долины Волги (5а), междуречья рек Самара и Большой Кинель (5в), степного Заволжья с равнинным рельефом в центральной части Самарской области (5б) и волнисто-увалистым – на отрогах Общего Сырта в юго-восточной части области (5г).</p>
<h3><a id="post-7639-_Toc31195690"></a>1.2 Анализ почвенных ресурсов Самарской области</h3>
<p>Сельскохозяйственные угодья в Самарской области занимают около 4 миллионов гектаров, в том числе 2832,4 тыс.га заняты пашней.</p>
<p>По данным станции агрохимической службы &#171;САМАРСКАЯ&#187; Почвенный покров территории области довольно разнообразный (таблица 3), но с преобладанием почв чернозёмного типа тяжёлого механического состава (до 80% площадей с/х угодий).</p>
<p>Таблица 3</p>
<p>Почвенный покров пашни Самарской области</p>
<table>
<tbody>
<tr>
<td>Почвы</p>
<p>(типы, подтипы)</td>
<td>Площадь, млн.га</td>
<td>%</td>
</tr>
<tr>
<td>Светло-серые</td>
<td>0,001</td>
<td>0,05</td>
</tr>
<tr>
<td>Серые лесные</td>
<td>0,005</td>
<td>0,18</td>
</tr>
<tr>
<td>Тёмно-серые</td>
<td>0,035</td>
<td>1,24</td>
</tr>
<tr>
<td>Чернозём оподзоленный</td>
<td>0,031</td>
<td>1,09</td>
</tr>
<tr>
<td>Чернозём выщелоченный</td>
<td>0,618</td>
<td>21,80</td>
</tr>
<tr>
<td>Чернозём типичный</td>
<td>0,706</td>
<td>24,92</td>
</tr>
<tr>
<td>Чернозём обыкновенный</td>
<td>0,542</td>
<td>19,13</td>
</tr>
<tr>
<td>Чернозём южный</td>
<td>0,867</td>
<td>30,60</td>
</tr>
<tr>
<td>Тёмно-каштановые</td>
<td>0,001</td>
<td>0,04</td>
</tr>
<tr>
<td>Солонец лугово-степной</td>
<td>0,005</td>
<td>0,18</td>
</tr>
<tr>
<td>Солонец луговой</td>
<td>0,006</td>
<td>0,21</td>
</tr>
<tr>
<td>Пойменная луговая</td>
<td>0,016</td>
<td>0,56</td>
</tr>
<tr>
<td><strong>Итого:</strong></td>
<td><strong>2,833</strong></td>
<td><strong>100,0</strong></td>
</tr>
</tbody>
</table>
<p>В целом, преобладающие почвы области характеризуются высоким потенциальным плодородием. Количественные показатели общих запасов основных источников питания растений (азота, фосфора, калия) по разным типам и подтипам почв области изменяются в широких пределах в связи с зонально-географическими и местными особенностями почвообразования. При этом важнейшее значение имеют механический состав, мощность гумусовых горизонтов и содержание в них гумуса.</p>
<p>Запасы гумуса в почвах области, как правило, увеличиваются в направлении от светло-серых лесных почв к типичным чернозёмам: светло-серые серые тёмно-серые лесные почвы оподзоленные и выщелоченные чернозёмы типичные чернозёмы. Дальше на юг, к южным чернозёмам и каштановым почвам, запасы гумуса снижаются.</p>
<p>Больше всего гумуса содержится в типичных чернозёмах (в метровом слое до 800-900 т/га), меньше всего &#8212; в светло-серых и серых почвах (80-270 т/га).</p>
<p>От количественного и качественного состава гумуса зависят биологические, агрофизические и агрохимические свойства почв, её водный и тепловой режимы.</p>
<p>Варьирование содержания гумуса подчиняется общей зависимости от гранулометрического состава почв. По всем типам почв прослеживается тенденция к снижению гумуса от глин к суглинкам и супесям.</p>
<p>Чернозёмные почвы области незначительно отличаются по таким актуальным и динамичным агрохимическим показателям, как гидролитическая кислотность, сумма поглощенных оснований и степень насыщенности основаниями (таблица 4).</p>
<p>Таблица 4</p>
<p>Агрохимические свойства основных типов почв Самарской области</p>
<table>
<tbody>
<tr>
<td rowspan="2">Показатели</td>
<td colspan="4"><strong>Чернозёмы</strong></td>
<td rowspan="2">Тёмно-каштано-вые</p>
<p>почвы</td>
</tr>
<tr>
<td>Оподзоленные и выще-лоченные</td>
<td>Типичные</td>
<td>Обыкновенные</td>
<td>Южные</td>
</tr>
<tr>
<td>рН солевой вытяжки</td>
<td>5,8-6,1</td>
<td>6,5-6,7</td>
<td>6,4-6,7</td>
<td>6,8-7,2</td>
<td>6,9-7,3</td>
</tr>
<tr>
<td>Гидролитическая кислотность</p>
<p>мг-экв/100г почвы</td>
<td>3,4-3,8</td>
<td>1,6-1,9</td>
<td>1,8-2,1</td>
<td>0,5-0,6</td>
<td>&#8212;</td>
</tr>
<tr>
<td>Сумма поглощённых оснований,</p>
<p>мг-экв/100г почвы</td>
<td>41,1-45,3</td>
<td>46,6-48,6</td>
<td>45,5-48,6</td>
<td>37,9-38,8</td>
<td>26,1-49,6</td>
</tr>
<tr>
<td>Степень насыщенности основаниями, %</td>
<td>90-91</td>
<td>89-99</td>
<td>93-96</td>
<td>97-99</td>
<td>100</td>
</tr>
<tr>
<td>Валовый азот, %</td>
<td>0,35-0,41</td>
<td>0,39-1,51</td>
<td>0,39-0,42</td>
<td>0,25-0,28</td>
<td>0,16-0,24</td>
</tr>
<tr>
<td>Валовый фосфор, %</td>
<td>0,14-0,20</td>
<td>0,17-0,22</td>
<td>0,19-0,21</td>
<td>0,12-0,24</td>
<td>0,07-0,24</td>
</tr>
<tr>
<td>Валовый калий, %</td>
<td>1,73-2,09</td>
<td>1,66-2,11</td>
<td>2,11-2,19</td>
<td>1,91-2,12</td>
<td>0,87-2,31</td>
</tr>
<tr>
<td>Гидролизуемый азот, мг/кг</td>
<td>79-87</td>
<td>89-129</td>
<td>127-141</td>
<td>90-97</td>
<td>42-107</td>
</tr>
<tr>
<td>Подвижный фосфор<strong>*</strong>, мг/кг</td>
<td>98-122</td>
<td>148-168</td>
<td>157-163</td>
<td>26-31</td>
<td>18-61</td>
</tr>
<tr>
<td>Обменный калий, мг/кг</td>
<td>106-108</td>
<td>161-204</td>
<td>198-209</td>
<td>114-273</td>
<td>93-264</td>
</tr>
</tbody>
</table>
<p><strong><em>*</em></strong><em> метод Чирикова – некарбонатные чернозёмы, метод Мачигина – карбонатные чернозёмы, тёмно-каштановые почвы.</em></p>
<p>&nbsp;</p>
<p>В подавляющем большинстве они характеризуются слабокислой и нейтральной реакцией почвенных растворов, вполне благоприятной для роста и развития большинства сельскохозяйственных культур.</p>
<p>Величина рН солевой вытяжки у серых лесных почв, оподзоленных и выщелоченных черноземов колеблется от 5,8 до 6,1, у обыкновенных и типичных чернозёмов – от 6,4 до 6,7, у южных чернозёмов, тёмно-каштановых почв этот показатель – 7,2-7,3. Соответственно изменяется и гидролитическая кислотность (Нr), которая не превышает 3-4 мг-экв на 100г у серых лесных почв, оподзоленных и выщелоченных чернозёмов, снижаясь до 1,6-2,0 мг-экв/100г почвы у типичных и обыкновенных чернозёмов.</p>
<p>Почвы области характеризуются высокой степенью насыщенности основаниями, среди которых более 80-85% приходится на долю кальция. Обыкновенные и типичные чернозёмы обладают высокой обменно-поглотительной способностью, что тесно связано с аккумуляцией гумуса. Поглощающий комплекс, достигая значений 45-50 мг-экв на 100г твёрдой фазы почвы, устойчиво насыщен кальцием и магнием, соотношение между которыми колеблется в диапазонах 4-3:1.</p>
<p>По результатам обследований почв пахотных угодий Самарской области (таблица 8) можно сделать вывод, что за последние 20 лет в области практически исчезли чернозёмы с высоким содержанием гумуса (свыше 8%).</p>
<p>На данный момент они составляют в пашне 0,2%, против 1,9 % по обследованию 1987-1992 гг. (таблица 5).</p>
<p>Таблица 5</p>
<p>Распределение площади пашни по уровню содержания гумуса</p>
<table>
<tbody>
<tr>
<td rowspan="4">Цикл</p>
<p>обсле-дования</p>
<p>(годы)</td>
<td rowspan="4">Обсле-</p>
<p>дован-</p>
<p>ная пло-щадь</p>
<p>тыс.га</td>
<td colspan="6">Группировка обследованной площади</p>
<p>по уровню содержания гумуса</td>
<td rowspan="4">Средне</p>
<p>взвешенное содержание гумуса, %</td>
</tr>
<tr>
<td><strong>I</strong></td>
<td><strong>II</strong></td>
<td><strong>III</strong></td>
<td><strong>IV</strong></td>
<td><strong>V </strong></td>
<td><strong>VI</strong></td>
</tr>
<tr>
<td>очень</p>
<p>низкий</td>
<td>низкий</td>
<td>средний</td>
<td>повышенный</td>
<td>высо-кий</td>
<td>очень</p>
<p>высо-кий</td>
</tr>
<tr>
<td>&lt;2,0%</td>
<td>2,1-4,0%</td>
<td>4,1-6,0%</td>
<td>6,1-8,0%</td>
<td>8,1-10,0%</td>
<td>&gt;10,0%</td>
</tr>
<tr>
<td><strong>1987-1992</strong></td>
<td>2832,4</td>
<td>&#8212;</td>
<td>545,6</p>
<p>19,3</td>
<td>1331,1</p>
<p>46,9</td>
<td>902,8</p>
<p>31,9</td>
<td>52,9</p>
<p>1,9</td>
<td>&#8212;</td>
<td>5,40</td>
</tr>
<tr>
<td><strong>1993-2001</strong></td>
<td>2832,4</td>
<td>123,6</p>
<p>4.4</td>
<td>1117.5</p>
<p>39.4</td>
<td>1243,4</p>
<p>43,9</td>
<td>340,9</p>
<p>12,0</td>
<td>7,0</p>
<p>0.3</td>
<td>&#8212;</td>
<td>4,38</td>
</tr>
<tr>
<td><strong>2002-2018</strong></td>
<td>2832,4</td>
<td>84,2</p>
<p>3,0</td>
<td>1060,6</p>
<p>37,5</td>
<td>1391,2</p>
<p>49,1</td>
<td>290,2</p>
<p>10,2</td>
<td>6,2</p>
<p>0,2</td>
<td>&#8212;</td>
<td>4,38</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<p>Сократились и площади среднегумусных почв с содержанием гумуса 6-8%, их удельный вес в структуре пашни области снизился с 31,9 до 11,9 %. Вместе с тем значительно увеличилось количество слабогумусированных почв (с 19,3 до 39,2 %).</p>
<p>Процесс деградации почв можно объяснить как снижением норм внесения органических удобрений, эрозией почв, так и припахиванием подпахотного горизонта. В результате этого происходит ослабление биологической активности пахотного горизонта за счёт поднятия и примешивания подпахотного горизонта, характеризующегося более низкой биологической активностью. Следствием чего является ухудшение водно-физических свойств плодородного пахотного горизонта, экологических условий и пищевого режима растений.</p>
<p>Для большей наглядности приведём в качестве примеров динамику содержания гумуса по отдельным административным районам Самарской области по циклам агрохимического обследования пахотных почв.</p>
<p>Итак:</p>
<p>1). В Безенчукском районе содержание гумуса при первичном обследовании (1-й цикл (1975-1981 гг.) составляло &#8212; 6,1 %, при последнем (2016 г.) &#8212; 3,9 %.</p>
<p>2). В Большеглушицком районе: &#8212; 5,4 % в 1-м цикле, 3,8 % &#8212; в 2015 году.</p>
<p>3). В Елховском районе &#8212; 7,2 % &#8212; 1-й цикл, 4,9 % &#8212; в 2003 г.</p>
<p>4). В Камышлинском районе: 1-й цикл &#8212; 7,3 %, 6,2% &#8212; в 2012 г.</p>
<p>5). В Кинельском районе: 6,8% &#8212; в 1-м цикле, 4,2 % &#8212; в 2011 г.</p>
<p>6). В Кинель-Черкасском районе: в 1-м &#8212; 6,0%, 5,3% &#8212; в 2002 г.</p>
<p>7). В Кошкинском районе: 7,0 % &#8212; в 1-м цикле, 5,8 % &#8212; в последнем (2005 г.).</p>
<p>8). В Приволжском районе: 5,2 % &#8212; в 1-м цикле, 4,1 % &#8212; в 2003 г.</p>
<p>9). В Ставропольском районе: в 1-м &#8212; 6,1 %, в последнем &#8212; 4,0 % (2005г.).</p>
<p>10). В Шигонском районе: в 1-м &#8212; 7,6 %, в 2013 г. &#8212; 4,0 %.</p>
<p>Сохранение и увеличение содержания органического вещества в почвах возможно за счёт внесения органических удобрений, посева многолетних трав, оставления более высокой стерни зерновых, запашки части побочной продукции культур, освоения новых агротехнических приёмов.</p>
<p>В настоящее время в связи с резким сокращением поголовья крупного рогатого скота и удорожанием расходов на внесение навоза, сократились объёмы его применения, но в то же время увеличилась возможность внесения в качестве органических удобрений соломы. Каждая тонна соломы по содержанию органического вещества эквивалентна 3-4 тоннам подстилочного навоза.</p>
<p>При запахивании соломы в почву возвращается в среднем на 1 га 12-15 кг азота, 7-8 кг фосфора, 20-25 кг калия. В первый год после внесения соломы возможно снижение урожайности культур вследствие биологического закрепления подвижных соединений азота почвы, поэтому рекомендуется внесение азотных минеральных удобрений из расчёта 0,7-1,0 % азота от веса соломы.</p>
<p>Большую роль в стабилизации гумусового состояния чернозёмов играют многолетние бобовые травы. При наличии в зернотравяных севооборотах 40% и более многолетних трав, и заделки в почву побочной продукции зерновых, практически всегда формируется положительный баланс органического вещества.</p>
<p>В условиях биологизации земледелия большую роль в стабилизации органического вещества почвы отводят сидеральным культурам. В качестве пожнивных сидератов наиболее приемлемо использовать редьку масличную и сурепицу. Эти культуры имеют короткий период вегетации. обладают быстрым ростом, способны выдерживать летнюю засуху.</p>
<p>В настоящее время 45,8 % пахотных почв Самарской области по содержанию гумуса относятся к категории среднеобеспеченных, 11,9 % &#8212; имеют повышенное содержание, а 42,1 % &#8212; низкообеспеченные.</p>
<p>Основным критерием фосфатного состояния почв, одной из главных характеристик общей окультуренности, служит содержание подвижного фосфора, которое может меняться в зависимости от почвенно-климатических условий и биологических особенностей возделываемых сельскохозяйственных культур.</p>
<p>Чернозёмные почвы Самарской области, имеющие близкую к нейтральной и нейтральную реакцию среды, аккумулируют, в основном, неорганические формы фосфатов. Как правило, это кальциевые и магниевые соли ортофосфорной кислоты. На богатых кальцием почвах, какими являются чернозёмы типичные, обыкновенные и южные, снабжение растений фосфором ухудшается вследствие труднорастворимых фосфатов кальция.</p>
<p>В связи с этим, применение фосфорных удобрений является необходимым для большинства почв и сельскохозяйственных растений.</p>
<p>По многочисленным исследованиям, проведённым в области агрохимической службой и научно-исследовательскими учреждениями, установлены оптимальные параметры содержания подвижных форм фосфора в почвах: для выщелоченных и типичных чернозёмов – 160 мг/кг, обыкновенных чернозёмов – 148 мг/кг, южных чернозёмов – 120 мг/кг (по методу Чирикова).</p>
<p>По результатам 6-ти туров агрохимического обследования пахотных почв Самарской области на содержание подвижного фосфора можно проследить, что в динамике появляется определённая тенденция повышения содержания подвижного фосфора в пахотном слое к 90-м годам прошлого столетия.</p>
<p>Так, по результатам первого тура агрохимического обследования средневзвешенное содержание фосфора составило 68,2 мг/кг (таблица 6). Далее наблюдается постепенное увеличение содержания подвижного фосфора и к концу четвёртого тура средневзвешенное значение его в почвах области достигает 100,5 мг/кг, в целом оставаясь в пределах средней обеспеченности.</p>
<p>Таблица 6</p>
<p>Динамика содержания подвижного фосфора</p>
<p>в почвах пашни по циклам агрохимического обследования</p>
<table>
<tbody>
<tr>
<td rowspan="3">Циклы и годы обследо-вания</td>
<td rowspan="3">Площадь обследо-вания</p>
<p>(тыс.га</p>
<p>%)</td>
<td colspan="6">Содержание</td>
<td rowspan="3">Средне-</p>
<p>взвешен-ное</p>
<p>значение, мг/кг почвы</td>
</tr>
<tr>
<td>Очень низкое</td>
<td>Низкое</td>
<td>Сред-нее</td>
<td>Повы-шенное</td>
<td>Высо-кое</td>
<td>Очень высо-кое</td>
</tr>
<tr>
<td><em>&lt;20</em></td>
<td><em>21-50</em></td>
<td><em>51-100</em></td>
<td><em>101-150</em></td>
<td><em>151-200</em></td>
<td><em>&gt;200</em></td>
</tr>
<tr>
<td rowspan="2">I цикл</p>
<p>1964-1968 гг.</td>
<td>2832,4</td>
<td>318,4</td>
<td>859,1</td>
<td>1169,0</td>
<td>298,1</td>
<td>159,1</td>
<td>28,7</td>
<td rowspan="2">68,2</td>
</tr>
<tr>
<td>100,0</td>
<td>11,2</td>
<td>30,3</td>
<td>41,3</td>
<td>10,6</td>
<td>5,6</td>
<td>1,0</td>
</tr>
<tr>
<td rowspan="2">II цикл</p>
<p>1969-1975 гг.</td>
<td>2832,4</td>
<td>206,6</td>
<td>730,9</td>
<td>1285,6</td>
<td>422,4</td>
<td>123,2</td>
<td>63,7</td>
<td rowspan="2">75,1</td>
</tr>
<tr>
<td>100,0</td>
<td>7,3</td>
<td>25,8</td>
<td>45,4</td>
<td>14,9</td>
<td>4,3</td>
<td>2,2</td>
</tr>
<tr>
<td rowspan="2">III цикл</p>
<p>1976-1985 гг.</td>
<td>2832,4</td>
<td>326,7</td>
<td>643,1</td>
<td>1107,6</td>
<td>454,4</td>
<td>202,8</td>
<td>97,8</td>
<td rowspan="2">78,9</td>
</tr>
<tr>
<td>100,0</td>
<td>11,5</td>
<td>22,7</td>
<td>39,1</td>
<td>16,0</td>
<td>7,2</td>
<td>3,5</td>
</tr>
<tr>
<td rowspan="2">IV цикл</p>
<p>1986-1991 гг.</td>
<td>2832,4</td>
<td>291,8</td>
<td>335,4</td>
<td>959,5</td>
<td>688,7</td>
<td>290,5</td>
<td>266,5</td>
<td rowspan="2">100,5</td>
</tr>
<tr>
<td>100,0</td>
<td>10,3</td>
<td>11,8</td>
<td>33,9</td>
<td>24,3</td>
<td>10,3</td>
<td>9,4</td>
</tr>
<tr>
<td rowspan="2">V цикл</p>
<p>1992-2001 гг.</td>
<td>2832,4</td>
<td>92,4</td>
<td>388,5</td>
<td>1129,6</td>
<td>721,0</td>
<td>300.2</td>
<td>200,7</td>
<td rowspan="2">96,4</td>
</tr>
<tr>
<td>100,0</td>
<td>3,3</td>
<td>13,7</td>
<td>39,9</td>
<td>25,4</td>
<td>10,6</td>
<td>7,1</td>
</tr>
<tr>
<td rowspan="2">VI цикл</p>
<p>2002-2018 гг.</td>
<td>2832,4</td>
<td>80,3</td>
<td>326,0</td>
<td>1179,8</td>
<td>840,3</td>
<td>310,4</td>
<td>95,6</td>
<td rowspan="2">98,0</td>
</tr>
<tr>
<td>100,0</td>
<td>2,8</td>
<td>11,6</td>
<td>41,7</td>
<td>29,7</td>
<td>10,9</td>
<td>3,3</td>
</tr>
</tbody>
</table>
<p>К 1991 году, благодаря высокому уровню применения удобрений, площади почв с низким содержанием подвижного фосфора резко сократились (в 1,9 раза). В то же время произошёл рост площадей с высоким содержанием фосфора (в три раза).</p>
<p>В связи с сокращением объёмов применения фосфорсодержащих удобрений к 2000 году и позже произошло некоторое снижение обеспеченности почв подвижным фосфором. Внесение на чернозёмных почвах фосфорных удобрений приводит к накоплению метастабильных фосфатов кальция и железа. Эти формы обладают большей растворимостью, чем природные фосфаты. Повышенная растворимость сохраняется долгое время, чем и объясняется более высокое содержание усвояемой фосфорной кислоты и длительное последействие этих удобрений.</p>
<p>По результатам последних циклов агрохимического обследования средневзвешенное содержание подвижных форм фосфора в почвах Тамбовской области снизилось до 90 мг/кг, в Липецкой – до 91 мг/кг, в Воронежской &#8212; до 94 мг/кг, в Самарской – до 96 мг/кг.</p>
<p>Для сравнения: для повышения содержания фосфора на 10 мг/кг почвы ежегодно нужно вносить 120 кг/га д.в. Р<sub>2</sub>О<sub>5</sub>. По мнению Д.Н.Прянишникова (1952 г.) для обеспечения систематического роста урожаев необходимо возвращать в почву фосфор на 100%.</p>
<p>По содержанию калия почвы Самарской области характеризуются как высокообеспеченные (таблица 7).</p>
<p>Таблица 7</p>
<p>Динамика содержания обменного калия</p>
<p>в почвах пашни по циклам агрохимического обследования</p>
<table>
<tbody>
<tr>
<td rowspan="3">Циклы и годы обследо-вания</td>
<td rowspan="3">Площадь обследо-вания</p>
<p>(тыс.га</p>
<p>%)</td>
<td colspan="6">Содержание</td>
<td rowspan="3">Средне</p>
<p>взвешенное значе-ние, мг/кг почвы</td>
</tr>
<tr>
<td>Очень низкое</td>
<td>Низкое</td>
<td>Сред-нее</td>
<td>Повы-шенное</td>
<td>Высо-кое</td>
<td>Очень высо-кое</td>
</tr>
<tr>
<td><em>&lt;20</em></td>
<td><em>21-40</em></td>
<td><em>41-80</em></td>
<td><em>81-120</em></td>
<td><em>121-180</em></td>
<td><em>&gt;180</em></td>
</tr>
<tr>
<td rowspan="2">I цикл</p>
<p>1964-1968 гг.</td>
<td>2832,4</td>
<td>1,4</td>
<td>28,6</td>
<td>534,1</td>
<td>923,3</td>
<td>975,8</td>
<td>369,2</td>
<td rowspan="2">123,2</td>
</tr>
<tr>
<td>100,0</td>
<td>0,1</td>
<td>1,0</td>
<td>18,8</td>
<td>32,6</td>
<td>34,5</td>
<td>13,0</td>
</tr>
<tr>
<td rowspan="2">II цикл</p>
<p>1969-1975 гг.</td>
<td>2832,4</td>
<td>11</td>
<td>23,4</td>
<td>257,7</td>
<td>355,0</td>
<td>1072,2</td>
<td>1123,0</td>
<td rowspan="2">158,3</td>
</tr>
<tr>
<td>100,0</td>
<td>0,1</td>
<td>0,8</td>
<td>9,1</td>
<td>12,5</td>
<td>37,9</td>
<td>39,6</td>
</tr>
<tr>
<td rowspan="2">III цикл</p>
<p>1976-1985 гг.</td>
<td>2832,4</td>
<td>34,2</td>
<td>67,4</td>
<td>170,0</td>
<td>637,5</td>
<td>1376,1</td>
<td>547,2</td>
<td rowspan="2">140,4</td>
</tr>
<tr>
<td>100,0</td>
<td>1,2</td>
<td>2,4</td>
<td>6,0</td>
<td>22,5</td>
<td>48,6</td>
<td>19,3</td>
</tr>
<tr>
<td rowspan="2">IV цикл</p>
<p>1986-1991 гг.</td>
<td>2832,4</td>
<td>2,7</td>
<td>32,6</td>
<td>422,2</td>
<td>642,7</td>
<td>1102,1</td>
<td>630,1</td>
<td rowspan="2">137,1</td>
</tr>
<tr>
<td>100,0</td>
<td>0,1</td>
<td>1,2</td>
<td>14,9</td>
<td>22,7</td>
<td>38,9</td>
<td>22,2</td>
</tr>
<tr>
<td rowspan="2">V цикл</p>
<p>1992-2001 гг.</td>
<td>2832,4</td>
<td>0,7</td>
<td>23,0</td>
<td>350,5</td>
<td>756,1</td>
<td>1018,2</td>
<td>638,3</td>
<td rowspan="2">138,9</td>
</tr>
<tr>
<td>100,0</td>
<td>0,1</td>
<td>0,8</td>
<td>12,4</td>
<td>26,7</td>
<td>35,9</td>
<td>24,1</td>
</tr>
<tr>
<td rowspan="2">VI цикл</p>
<p>2002-2018 гг.</td>
<td>2832,4</td>
<td>0,6</td>
<td>21,5</td>
<td>228,6</td>
<td>674,2</td>
<td>1092,6</td>
<td>814,9</td>
<td rowspan="2">136,0</td>
</tr>
<tr>
<td>100,0</td>
<td>0,1</td>
<td>0,8</td>
<td>8,0</td>
<td>23,8</td>
<td>38,6</td>
<td>28,7</td>
</tr>
</tbody>
</table>
<p>Средневзвешенное содержание обменного калия по области в 2018 году составляло 136,0 мг/кг, что в значительной степени связано с доминированием разновидностей почвы с тяжёлым механическим составом.</p>
<p>В целом, микроэлементный состав изучаемых в 2018 году почв, по сравнению с предшествующими наблюдениями, хотя имеет некоторое варьирование, но без определённых закономерностей. В одних случаях он остаётся без изменений, в других &#8212; имеет отклонения, как в сторону уменьшения, так и увеличения.</p>
<p>Наблюдения за состоянием почв в 2018 году не выявили резких отклонений результатов изучаемых показателей от среднемноголетних значений, т.е. почвы имеют достаточно стабильные показатели по содержанию микроэлементов.</p>
<h3><a id="post-7639-_Toc31195691"></a>1.3 Анализ площадей Самарской области, занимаемых озимой пшеницей</h3>
<p>По данным Министерства сельского хозяйства и продовольствия Самарской области общая посевная площадь под сельскохозяйственными культурами в регионе (рис. 7) ежегодно увеличивается за счет введения в оборот неиспользуемых земель. В 2019 году этот показатель достиг величины 2108 тыс.га. Однако доля площадей, занятых зерновыми и зернобобовыми культурами уменьшилась в связи с увеличением площадей, занятых масличными культурами.</p>
<p>Отрасль растениеводства специализируется на выращивании зерновых, масличных и кормовых культур, картофеля, овощей и плодово-ягодной продукции.</p>
<p><img width="575" height="378" class="wp-image-7652" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1115.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1115.png 575w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1115-300x197.png 300w" sizes="(max-width: 575px) 100vw, 575px" alt="word image 1115 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>Рисунок 7 – Посевные площади сельскохозяйственных культур в Самарской области</p>
<p>Общая посевная площадь под озимой пшеницей в Самарской области в 2018г. составила 351,5 тыс.га, а в 2019 г. – 352,3 тыс.га. Распределение посевных площадей под озимой пшеницей по районам Самарской области представлено на рисунке 8.</p>
<p><img width="442" height="570" class="wp-image-7653" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1116.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1116.png 442w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1116-233x300.png 233w" sizes="(max-width: 442px) 100vw, 442px" alt="word image 1116 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>Рисунок 8 – Площади, занятые озимой пшеницей в районах Самарской области (га)</p>
<p>Анализ урожайностей озимой пшеницы по районам Самарской области (рис. 9) позволяет сделать вывод, что наиболее благоприятные условия для развития озимой пшеницы складываются в Безенчукском, Кошкинском, Привожском, Ставропольском, Челно-Вершинском районах, которые располагаются близ реки Волга и в серверной части Самарской области. Определяющим фактором служит более высокая влагообеспеченность посевов озимой пшеницы по сравнению с другими районами региона.</p>
<p><img width="427" height="523" class="wp-image-7654" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1117.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1117.png 427w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1117-245x300.png 245w" sizes="(max-width: 427px) 100vw, 427px" alt="word image 1117 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>Рисунок 9 – Урожайность озимой пшеницы по районам Самарской области (ц/га)</p>
<h2><a id="post-7639-_Toc31195692"></a>2 ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ОЗИМОЙ ПШЕНИЦЫ</h2>
<h3><a id="post-7639-_Toc31195693"></a>2.1 Математический аппарат прогнозирования урожайности культур</h3>
<p>Моделирование продуктивности культуры осуществляется в рамках системы «почва-растение-атмосфера» (ПРА). Это динамическая фотосинтезирующая система, в которой происходит сложная цепь физических и биохимических трансформаций энергии и вещества, связывающая фитоценоз со средой обитания [85]. Характерными чертами системы ПРА являются сложность строения, нестационарность, инерционность, нелинейность, адаптивность. Вместе с тем, взаимодействие растения с внешней средой подчиняется определенным закономерностям, что и делает возможным математическое описание изменения состояния системы.</p>
<p>Ввиду сложности и недостаточной изученности системы «почва-растение-атмосфера» функциональных моделей ее функционирования и развития построить практически невозможно. Изучение и объяснение причинно-следственных связей между продуктивностью сельскохозяйственных культур и условиями их формирования привело к накоплению значительного объема экспериментального материала, данных наблюдений и развитию методологии статистического моделирования [47, 48, 92].</p>
<p>Наиболее простыми являются эмпирико-статистические зависимости, отражающие связи между и продуктивностью растений и складывающимися условиями, полученные на основе обобщений агрономии, данных физиологии растений и известных физических закономерностей, их взаимодействия со средой обитания с помощью эмпирических и полуэмпирических (теоретических) зависимостей. В результате установлены главные компоненты природной среды и степень их влияния на продуктивность, построены первые эмпирико-статистические модели урожайности (У) [46].</p>
<p>Например, для территорий, где фактор увлажнения ограничивает продукционный процесс, предложена формула:</p>
<p><img width="75" height="46" class="wp-image-7655" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1118.png" alt="word image 1118 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (1)</p>
<p>где k<sub>W</sub> – коэффициент ее водопотребления, W – годовой ресурс продуктивной влаги (мм), определяемый как разность между годовой суммой осадков и расходами воды на горизонтальный сток, вертикальную инфильтрацию воды глубже корнеобитаемой зоны и физическое испарение [6].</p>
<p>Также для засушливых районов модель Витта [166] рассчитывает надземную сухую массу растений (Р<sub>С</sub>):</p>
<p><img width="75" height="48" class="wp-image-7656" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1119.png" alt="word image 1119 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (2)</p>
<p>Здесь f – эмпирический коэффициент, характеризующий биологические особенности культуры, Т<sub>r</sub> – фактическая транспирация посева, Е<sub>еp</sub> – потенциальная эвапотранспирация посева в конкретных условиях. Из-за сложностей, связанных с определением параметров модель не имела широкого применения. Модификаций этой модели является формула Р.Дж. Хэнкса [123, 128], составленная относительно урожайности (У), где вместо параметра f использована потенциальная урожайность данной культуры (У<sub>П</sub>) и вместо Е<sub>еp</sub> – потенциальная транспирация (Т<sub>rp</sub>):</p>
<p><img width="68" height="50" class="wp-image-7657" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1120.png" alt="word image 1120 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (3)</p>
<p>Основными недостатками эмпирико-статистических методов моделирования продуктивности культур являются слабый учет биологических потребностей культур в факторах внешней среды, отсутствие отражения изменения этих потребностей в ходе вегетационного периода, отсутствие комплексного учета влияющих на растения метеорологических факторов и неблагоприятных явлений.</p>
<p>В последствии стали использоваться и другие методы статистического анализа: множественной корреляции, линейной и нелинейной регрессии, способов решения уравнений (главных компонент, наименьших квадратов) и поиска предикторов (методом исключения, включения, включения-исключения, псевдоперебора) [90]. Предметом исследований также являются прямые эмпирические связи между «входами» и «выходом» системы «почва-растение-атмосфера». В качестве «входной» информации использовались данные температуры и влажности воздуха, условий освещенности, содержания влаги и минеральных веществ в почве и другие [36, 60, 89]. На «выходе» рассчитывалась, как правило, величина урожайности сельскохозяйственной культуры.</p>
<p>Метод статистического моделирования позволяет исследовать влияние на урожай (Y) большого количества предикторов (x<sub>i</sub>, i=1,n). В работе [24], например, в целях сельскохозяйственной оценки климата исследовано более ста показателей, в результате чего построены модели расчета урожайности аддитивного и мультипликативного типов в разрезе административных районов:</p>
<p><img width="138" height="21" class="wp-image-7658" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1121.png" alt="word image 1121 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (4)</p>
<p><img width="222" height="26" class="wp-image-7659" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1122.png" alt="word image 1122 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (5)</p>
<p>где a, b, c, L – коэффициенты регрессии, x, z, u – группа факторов, характеризующих соответственно условия увлажнения, напряженность теплового режима и условия засушливости периода вегетации, f(x). f(y). f(z) – функции обеспеченности растений этими факторами, <img width="38" height="24" class="wp-image-7660" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1123.png" alt="word image 1123 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – теплообеспеченность вегетационного периода по суммам активных температур, У<sub>max</sub> – максимальная урожайность культуры в данном районе в абсолютных величинах.</p>
<p>Наряду с простотой реализации и достаточно высокой точностью таких моделей отмечается ряд существенных недостатков и ограничений в использовании. Статистические модели справедливы лишь для определенной местности и локальны во времени, поскольку представляют собой обработанные определенным образом результаты конкретных экспериментов. Кроме того, характерным для них является физическая необоснованность и, следовательно, невозможность совершенствования. При необходимости корректировки требуется вновь проведение всего комплекса анализа «входной» информации и построения новых уравнений.</p>
<p>Анализ достаточно длинных временных рядов (более 30 лет) метеорологических показателей выявил наличие временного тренда в связи с изменениями климата. Временные ряды урожайности также имеют тенденцию изменения, связанную с развитием агрономической науки и прогрессом в области агротехники. Это свидетельствует о необходимости исследования статистической структуры временных рядов, выделения тренда и построения моделей относительно нормированных рядов случайных составляющих.. Проверка правильности выделения тренда осуществляется на основе анализа статистических характеристик случайной составляющей временного ряда (соответствие нормальному закону, несмещенность среднего значения и других) и подтверждается возможностью построения уравнений регрессии урожайности от агрометеорологических показателей на заданном уровне значимости и коэффициента детерминации [54, 68, 90]. Прогноз урожайности на основе этих моделей выполняется также в два этапа в обратном порядке: расчет отклонения урожайности от тренда в соответствии с метеорологическими условиями конкретного года и корректировка его на величину изменения тренда.</p>
<p>Метод статистического моделирования получил развитие в связи с включением в число предикторов не только данных непосредственно метеорологических наблюдений, но и комплексных агрометеорологических показателей, показателей обеспеченности растений факторами среды. В основе их разработки, как правило, зависимость физиологических процессов растений (фотосинтеза и дыхания), тепло- и водопотребления, степени открытия устьиц, фитометрических и других биологических параметров от факторов внешней среды, физические закономерности взаимодействия факторов [48, 59, 61]. В результате, сочетание экспериментального и теоретического методов позволило выявить целый ряд физико-статистических зависимостей, связывающих состояние растений и урожай с комплексом определяющих факторов.</p>
<p>Современные модели продуктивности в число предикторов включают наряду с физическими параметрами окружающей среды, фитометрические характеристики посева. Это, прежде всего, густота стояния и высота растений, индекс листовой поверхности, оценки содержания хлорофилла, которые определяются путем наземных наблюдений или оцениваются на основе спутниковых данных [40]. Они характеризуют состояние растений в определенные фазы вегетации, инерционно влияют на дальнейший рост растений и формирование продуктивности. Их включение в модель задает точку отсчета – начальное состояние посева, и существенно снимает «груз ответственности» за прогноз с метеорологических параметров [31].</p>
<p>Достижения ученых в области физиологии растений, появление теории продуктивности, а также накопленные знания зависимости фундаментальных процессов жизнедеятельности от факторов внешней среды послужили предпосылками к развитию динамико-статистического имитационного подхода в агрометеорологических исследованиях [50, 66, 115]. Динамические модели воспроизводят процесс пошагового накопления биомассы растений в задаваемых условиях, для описания которого используются дифференциальные уравнения или их разностные аналоги. Продуктивность культур определяется интенсивностью и направленностью процессов энерго- и массообмена растений с почвой и атмосферой [19, 76]. При этом формирование почвенных и метеорологических условий стало рассматриваться с описанием процессов переноса радиации в растительных средах, динамики влаги и минеральных веществ в почве, интенсивности испарения с поверхности почвы и транспирации влаги растениями, процессов турбулентного обмена в растительном покрове и других [47, 62].</p>
<p>В результате создана целая серия прикладных имитационных моделей продукционного процесса растений и формирования урожая, многие из них получили дальнейшее развитие и продолжают совершенствоваться. На основе этих моделей в настоящее время активно разрабатываются программные комплексы и информационные системы поддержания решений в области агротехнологий [114, 135, 159].</p>
<p>Динамические модели используются как для оценки продуктивности в имеющихся условиях, так и в прогностических целях. При прогнозе урожайности используется комбинированный способ организации исходных данных: до даты составления прогноза метеорологические параметры задаются фактическими значениями, в прогнозируемый период – генерируется множество вариантов погодных условий, характерных для данной территории, из характеристик климатических рядов метеовеличин (методом стохастического моделирования) [22, 23]. В результате прогноз урожайности дается в виде распределения вероятностей в диапазоне значений. Применение спутниковых наблюдений за посевами позволяет осуществлять еще и корректировку расчетов с использованием спутниковых данных вегетационных индексов NDVI, что способствует повышению точности результатов [7, 31, 47].</p>
<p>Моделирование продуктивности культур с использованием данных синоптического прогноза метеорологических величин способствовало развитию синоптико-статистического подхода [43]. При этом многократная реализация комплекса расчетов в течение вегетационного периода позволяет уточнять предыдущие результаты и, таким образом, сужать зону вероятных значений урожайности и повышать вероятность прогноза.</p>
<p>Проведенный анализ существующих подходов к моделированию продуктивности и опыта практического их использования разными авторами позволяет заключить следующее.</p>
<p>Динамическое (имитационное) моделирование процессов в системе «почва-растение-атмосфера» дает наиболее широкие возможности по комплексной переработке информационных потоков с различной степенью детализации как взаимосвязей в системе, так и процессов, приводящих к их изменению. Такой подход имеет физическую основу и является более универсальным для описания продукционного процесса различных культур в широком диапазоне почвенно-климатических условий. Поэтому он является предпочтительным в решении практических задач при условии достижения приемлемой точности расчетов. Но реализация этого подхода в связи с необходимостью проведения многолетних комплексных полевых наблюдений за динамикой роста и развития растений в складывающихся условиях для отладки моделей, проведение детальных численных экспериментов для исследования их чувствительности и верификации требует длительной подготовительной работы.</p>
<p>Синоптико-статистический метод – перспективное направление моделирования, обеспечивающее в идеале прогнозирование урожайности с большей определенностью, но в действительности существенно зависит от точности синоптического прогноза погодных условий. Кроме того, реализуется на основе специальных технологий анализа синоптических процессов, требует обработки большого объема мировых метеорологических данных и соответствующего программного обеспечения.</p>
<p>Наиболее простыми в построении и реализации являются статистические и физико-статистические модели урожайности. Корректное их использование обеспечивает достаточно высокую точность моделирования.</p>
<h3><a id="post-7639-_Toc31195694"></a>2.2 Анализ существующих предикторов</h3>
<p>Если выбор типа модели определяется в основном возможностью реализации методики (наличием данных соответствующей детализации, технических возможностей, квалификации), то при выборе предикторов большое значение имеет цель ее разработки. В частности, набор показателей, рассматриваемых в качестве предикторов в задаче прогнозирования урожайности, определяется в зависимости от масштаба исследуемых площадных объектов.</p>
<p>В данном случае речь идет о прогнозе средней урожайности озимой пшеницы на уровне субъекта РФ (на примере Самарской области). Территория Самарской области расположена в трех природно-сельскохозяйственных зонах (лесостепной, степной и сухостепной). Поэтому при разработке модели в массив исходных данных целесообразно включить данные из каждой зоны с детализацией «входных» параметров по административным районам или образцовым хозяйствам. Значения параметров усреднить в каждой зоне. На основе полученных прогностических уравнений произвести расчет урожайности для каждой из зон и затем вычислить среднее взвешенное значение для области в целом с учетом площадей посевов.</p>
<p>Природно-сельскохозяйственные зоны представляют собой территории с характерным комплексом почвенно-климатических условий, сформированных под действием определенного баланса тепла и влаги, главных особенностей почвообразования и минерального питания растений [63, 97]. Учитывая определяющее влияние климата на почвообразование, почвенный покров природно-сельскохозяйственных зон в целом соответствует зональному климату. Поэтому в задаче прогнозирования урожайности для территориальных образований макромасштабного уровня (с учетом лишь межзональных различий) в состав предикторов следует включать преимущественно метеорологические параметры и биометрические характеристики самого посева.</p>
<h4><a id="post-7639-_Toc31195695"></a>2.2.1 Агрометеорологические параметры</h4>
<p>Для оценки агрометеорологических условий могут быть использованы непосредственно данные метеорологических наблюдений или специально разработанные показатели, хорошо коррелирующие с продуктивностью растений [3, 46]. Прежде всего, это показатели, отражающие радиационные и температурные условия вегетационного периода, условия увлажнения растений, и показатели, характеризующие формирование погодных комплексов.</p>
<p>Солнечная радиация является основным источником энергии всех природных процессов, поэтому показатели радиационного режима земной поверхности имеют первостепенное значение для их характеристики, и формирования условий роста и развития растений. Растения обладают светолюбивостью и фотопериодизмом, которые определяют их реакцию продолжительность светлой и темной части суток. Поэтому одним их агрометеорологических показателей является длина светового дня. Известно также, что недостаточная освещенность посевов при большом количестве пасмурных дней обусловливает слабую дифференциацию тканей соломины зерновых культур и вызывает их полегание. Отсюда следует, что данные наблюдений за освещенностью, облачностью, продолжительностью солнечного сияния также можно рассматривать в качестве показателей радиационных условий.</p>
<p>Установлена зависимость интенсивности фотосинтеза растений от величины фотосинтетически активной радиации (ФАР), приходящей к посеву. Поэтому суммы ФАР за определенные периоды также характеризуют радиационные условия вегетационного периода. Показатель обладает значительной пространственно-временной изменчивостью – коэффициент вариации по годам, в частности достигает 10%.</p>
<p>Еще один показатель – радиационный баланс земной поверхности. В значительной степени он формирует термический режим почвы и посева и тем самым влияет на темпы роста и развития растений, интенсивность транспирации влаги и, в итоге, на величину и качество урожая. Также в качестве показателя и радиационного и термического режима территории может быть использован показатель альбедо (отражательной способности) подстилающей поверхности, определяющий сроки формирования и стаивания снежного покрова, сроки созревания почвы к началу полевых работ и темпы накопления тепла в течение последующих месяцев [87].</p>
<p>Для характеристики температурного режима более традиционными и широко используемыми вследствие простоты получения являются многие другие показатели. Так, для описания темпов развития растений широко используются суммы активных и эффективных температур воздуха. Известно, что продолжительность вегетационного периода обратно пропорциональна уровню температур [46]. При этом развитие растений длинного дня, в том числе и озимой пшеницы, ускоряется при продолжительном освещении (до 18-20 часов) даже при сравнительно малых суммах температур (у короткодневных зависимость обратная).</p>
<p>Влияние дневного максимума температуры воздуха на изменение темпов развития растений описывают фототермические индексы (ЕТ) [49]:</p>
<p><img width="171" height="36" class="wp-image-7661" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1124.png" alt="word image 1124 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (6)</p>
<p>где i – номер дня от даты начала фазы развития растений до даты конца фазы, С – коэффициент, учитывающий влияние дневного максимума температуры и «тормозящих» температур, θ – средняя суточная температура, ∆t<sub>р-в</sub> – разность температуры растительного покрова и воздуха, θ<sub>0</sub> – температура начала развития, z – коэффициент, учитывающий влияние длины дня. Вычислены также термофизиологические индексы прироста (индексы Ливингстона) [18], представляющие собой отношение среднего часового прироста растений при любой температуре к приросту при начальной температуре развития, и термофизиологические константы в результате суммирования суточных, декадных или месячных индексов за вегетационный период.</p>
<p>Применение для оценки теплообеспеченности конкретных культур нашли средние значения температуры воздуха за календарные сроки и межфазные периоды [34]. Предложены температурные эквиваленты [4] – температуры в определенные фазы развития растений, разработаны их сводные таблицы (климоскопы). Для решения различных задач нередко используются: вероятность заморозков, продолжительность безморозного периода, периодов с температурой воздуха выше 0, 5, 10, 15 °С, наличие дней с температурой выше или ниже предельных ее значений, при которых растения угнетаются.</p>
<p>Влагообеспеченность растений в значительной степени определяет их стрессоустойчивость в ходе вегетационного периода. Нарушение водного баланса растений при усилении засушливости, а также развитие болезней, полегание растений при избыточном увлажнении вызывают снижение продуктивности культур [99].</p>
<p>Факторы увлажнения характеризуются значительной пространственно-временной изменчивостью. Наиболее широко используемым показателем обеспеченности растений влагой является количество выпадающих осадков: годовая сумма, динамика по месяцам года, соотношение осадков теплого и холодного полугодия. Также важной характеристикой является число дней, в которые отмечались эффективные осадки (более 5 мм в сутки).</p>
<p>Вместе с тем, одних лишь сведений о количестве осадков, как правило, недостаточно, необходимо учитывать и потребность растений во влаге, которая также изменяется в зависимости от многих других условий. Она может быть выражена с помощью суммы средних суточных температур или дефицитов влажности воздуха за межфазные периоды развития растений или за вегетационный период в целом. В соответствие с этим в работах [34, 98] рассчитан показатель атмосферного увлажнения (M<sub>d</sub>):</p>
<p><img width="77" height="48" class="wp-image-7662" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1125.png" alt="word image 1125 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (7)</p>
<p>где Р – сумма осадков за год или за вегетационный период, <img width="35" height="32" class="wp-image-7663" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1126.png" alt="word image 1126 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – сумма дефицитов влажности воздуха за тот же период, характеризующая интенсивность транспирации растений.</p>
<p>Селяниновым [74] предложен расчет гидротермического коэффициента (ГТК):</p>
<p><img width="119" height="48" class="wp-image-7664" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1127.png" alt="word image 1127 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (8)</p>
<p>в зависимости от суммы температур воздуха выше <img width="103" height="30" class="wp-image-7665" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1128.png" alt="word image 1128 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> и количества осадков за тот же период (Р). В последствии методика оценки условий с помощью ГТК получила развитие в работах других авторов. В работе [28], например, введен дифференцированный учет осадков зимнего и вегетационного периодов с соответствующими коэффициентами поглощения. Коэффициент увлажнения, предложенный в [73], учитывает и весенние запасы влаги в почве (В):</p>
<p><img width="103" height="48" class="wp-image-7666" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1129.png" alt="word image 1129 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (9)</p>
<p>(Р<sub>в</sub> – осадки за период с температурой воздуха выше <img width="76" height="34" class="wp-image-7667" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1130.png" alt="word image 1130 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – параметр, вводимый для более точной характеристики испаряемости по сумме температур). В работе [25] коэффициент увлажнения рассчитан по формуле:</p>
<p><img width="128" height="48" class="wp-image-7668" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1131.png" alt="word image 1131 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (10)</p>
<p>(Ос – годовая сумма осадков, Дк – дополнительный коэффициент, учитываемый для предгорных и горных районов).</p>
<p>Несколько иной показатель увлажнения предложен в работе [9]:</p>
<p><img width="54" height="42" class="wp-image-7669" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1132.png" alt="word image 1132 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (11)</p>
<p>где r – сумма осадков за год, R – радиационный баланс, L – скрытая теплота испарения. Годовой радиационный баланс является более точной характеристикой энергетических ресурсов, чем сумма температур выше 10 °С, поэтому показатели, отражающие через него влагопотребность культур, являются более обоснованными по сравнению с ГТК и его модификациями.</p>
<p>Показатели, в которых влагопотребность растений приблизительно оценивается через испаряемость или потенциальную транспирацию, характеризуют в основном условия атмосферного увлажнения. Увлажнение корнеобитаемого слоя почвы, как известно, зависит еще и от поверхностного и внутрипочвенного стока, &#171;подпитывания&#187; от грунтовых вод и других процессов. Для их учета в характеристике влагосодержания почвы и оценке влагообеспеченности растений применяется балансовый метод [103]. Так, в работе [93] предложен коэффициент влагообеспеченности (η), равный отношению испарения влаги, рассчитываемого в соответствии с уравнением баланса влаги, к испаряемости:</p>
<p><img width="197" height="46" class="wp-image-7670" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1133.png" alt="word image 1133 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (12)</p>
<p>где X – атмосферные осадки, <img width="46" height="30" class="wp-image-7671" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1134.png" alt="word image 1134 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – разность начальных и конечных запасов влаги в слое почвы h, k<sub>h </sub>– подпитывание почвы корнеобитаемого слоя грунтовыми водами, J<sub>h</sub> – инфильтрация влаги в низлежащие слои почвы, J<sub>пов</sub> – поверхностный сток влаги, E<sub>оп</sub> – оптимальное водопотребление растений, рассчитываемое по формуле:</p>
<p><img width="136" height="46" class="wp-image-7672" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1135.png" alt="word image 1135 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (13)</p>
<p>(R<sub>0</sub> – радиационный баланс, Р<sub>0</sub> – поток тепла в почву, L – скрытая теплота испарения, w<sub>h</sub> – запасы влаги в расчетном слое почвы при наименьшей влагоемкости, <img width="20" height="28" class="wp-image-7673" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1136.png" alt="word image 1136 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – разница влагозапаса при наименьшей влагоемкости и состоянии влажности завядания, <img width="18" height="25" class="wp-image-7674" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1137.png" alt="word image 1137 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – коэффициент, зависящий от фазы развития растений и состояния деятельной поверхности).</p>
<p>В работе [46] ресурсы влаги (Q) определены как разность между оптимальным водопотреблением и приходной частью водного баланса:</p>
<p><img width="162" height="26" class="wp-image-7675" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1138.png" alt="word image 1138 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (14)</p>
<p>где w<sub>0</sub> – запасы влаги в начале расчетного периода, остальные обозначения как в формуле (12). Значение оптимального водопотребления (Е<sub>оп</sub>) при этом определяется по формуле:</p>
<p><img width="66" height="42" class="wp-image-7676" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1139.png" alt="word image 1139 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (15)</p>
<p>(R – радиационный баланс за год, <img width="45" height="25" class="wp-image-7677" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1140.png" alt="word image 1140 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – сумма температур воздуха выше 10 °С; k – коэффициент, учитывающий биологические особенности культуры).</p>
<p>Интегральным показателем действия всех потоков влаги на сельскохозяйственном поле является динамика запасов влаги в почве. Учитывая сравнительно медленные темпы процессов влагообмена, влагозапасы почвы представляют собой инерционный показатель, по которому можно судить о состоянии растений не только в данный момент, но и на некоторую перспективу. Особенно информативен этот показатель при оценке условий в критические периоды растений по отношению к влаге и в периоды наибольшего водопотребления. Однако получение регулярных данных о влагозапасах связано с экспериментальными измерениями, чаще всего трудоемко и имеет значительные погрешности.</p>
<p>Наряду с оценкой самих действующих на растения факторов получила развитие оценка обеспеченности растений этими факторами. Например, рассматривается соотношение фактических влагозапасов почвы (W<sub>факт</sub>) и оптимальных (W<sub>опт</sub>), составляющих 70-100% наименьшей влагоемкости почвы [27]:</p>
<p><img width="70" height="50" class="wp-image-7678" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1141.png" alt="word image 1141 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (16)</p>
<p>В работе [20] предложена система уравнений для комплексной оценки условий тепло- и влагообеспеченности (описаны в разделе 2.3).</p>
<p>Также для комплексной оценки агрометеорологических условий конкретного года применяется индекс (S), который рассчитывается на основе данных об аномалиях температуры воздуха, осадков и запасов влаги в почве <img width="110" height="26" class="wp-image-7679" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1142.png" alt="word image 1142 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> и соответствующих им среднеквадратических отклонений</p>
<p><img width="188" height="28" class="wp-image-7680" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1143.png" alt="word image 1143 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p><img width="162" height="42" class="wp-image-7681" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1144.png" alt="word image 1144 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (17)</p>
<p>Для характеристики условий зимнего периода наиболее широко используются минимальная температура воздуха и почвы на глубине узла кущения растений, высота снежного покрова и продолжительность его залегания, глубина промерзания почвы. В зависимости от этих факторов рассчитывается изреженность растений после перезимовки под действием вымерзания растений, выпревания, ледяной корки.</p>
<p>Таким образом, разработано большое число агрометеорологических показателей, многие из которых используются для общей характеристики агроклиматических ресурсов и их бонитировки, другие – для оценки агрометеорологической ситуации конкретного года. Все они отражают влияние условий на те или иные физиологические процессы растений и в результате имеют тесную связь с показателями состояния растений, темпами их развития, продуктивностью.</p>
<p>Среди большого числа показателей в целях моделирования продуктивности выбирают наиболее статистически значимые и соответствующие выбранному типу моделей. Так, для построения статистических моделей мультипликативного типа целесообразно предусмотреть оценку потенциального урожая (по ФАР, например) или задать его как максимальное значение производственной урожайности и использовать показатели тепло- и влагообеспеченности, обеспеченности другими факторами для определения степени снижения максимума в конкретных условиях. Для построения регрессионных моделей лучше опираться непосредственно на данные метеонаблюдений и простейшие производные показатели (суммы ФАР, суммы температур и дефицитов влажности воздуха, количество осадков за определенные периоды, ГТК и тому подобные показатели). Использование таких показателей является достаточным для отражения влияния погодных условий в многофакторных моделях урожайности и, вместе с тем, позволяет избежать погрешностей, связанных с предварительным комплексированием показателей.</p>
<h4><a id="post-7639-_Toc31195696"></a>2.2.2 Характеристики почвы</h4>
<p>Для оценки условий формирования урожая немалое значение имеют характеристики почвенного плодородия и агрофизические свойства. Прежде всего, качество почвы принимается во внимание в задачах обоснования пространственного распределения продуктивности культур, но в ряде случаев и в задачах прогнозирования урожаев. В частности, при прогнозе урожайности в разрезе полей. Также при прогнозе средней районной или средней областной урожайности, но использованием данных урожайности в разрезе отдельных полей. В этом случае складывается ситуация, когда многолетний ряд урожайности будет сформирован значениями не с одних и тех же конкретных полей, а с разных с учетом системы севооборотов.</p>
<p>Из почвенных характеристик при необходимости проще всего использовать данные, непосредственно полученные в результате почвенного обследования. Это содержание гумуса в пахотном слое почвы, толщина гумусового слоя, объемная масса почвы, содержание элементов минерального питания растений, агрогидрологические характеристики – наименьшая влагоемкость, влажность завядания.</p>
<p>Для комплексной оценки факторов используются разные способы учета показателей. Один из них заключается в расчете по каждому отобранному признаку Х<sub>i</sub> (уровню реакции pH, содержанию подвижного фосфора, обменного калия, гумуса) соответствующего индекса окультуренности [39]:</p>
<p><img width="109" height="48" class="wp-image-7682" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1145.png" alt="word image 1145 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> ; (18)</p>
<p>и затем – среднего их значения для комплексной оценки.</p>
<p>Широко распространенным показателем является бонитет почвенного плодородия Он рассчитывается как средняя величина из четырех оценочных баллов признаков почвы (Б<sub>i</sub>) с учетом гумусности пахотного слоя почвы, мощности органогенного горизонта и содержания в нем гумуса, а также гранулометрического состава почвы (по содержанию физической глины) [84]:</p>
<p><img width="93" height="50" class="wp-image-7683" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1146.png" alt="word image 1146 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (19)</p>
<p>(i – номер признака, А<sub>iф</sub> – фактическое значение признака, А<sub>iэ</sub> – эталонное значение признака, принятое за 100 баллов).</p>
<p>В работе [82] предложено рассчитывать бонитет сельскохозяйственных угодий (Б<sub>кач</sub>) с учетом поправочного коэффициента на климат (ГТК):</p>
<p><img width="209" height="54" class="wp-image-7684" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1147.png" alt="word image 1147 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (20)</p>
<p>где σ<sub>i</sub> – баллы бонитета почвенных разновидностей, S<sub>i</sub> – площади почвенных разновидностей в контуре, К<sub>рг</sub> – поправочный коэффициент на рельеф и гидрологию, К<sub>эр</sub> – поправочный коэффициент на эродированность.</p>
<p>Существуют также почвенно-экологический индекс [25], характеризующий комплекс агроэкологических условий возделывания культуры – физических и технологических свойств почв, агроклиматических и агрохимических факторов.</p>
<p><img width="242" height="26" class="wp-image-7685" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1148.png" alt="word image 1148 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (21)</p>
<p>где V – объемная масса почвы, г/см<sup>3</sup>; 2 – максимально возможная плотность почв при их предельном уплотнении, г/см<sup>3</sup>; П – полезный объем метрового слоя почвы, Д<sub>с</sub> – дополнительно учитываемые свойства почв, А – итоговый агрохимический показатель, АП – агроэкологический потенциал территории, рассчитываемый по данным об атмосферном увлажнении и температурном режиме (формула 35).</p>
<p>Если в число предикторов включены показатели состояния растений (число стеблей, высота растений, число колосков в колосе и другие), учитывать дозы внесенных удобрений, роль агротехники и плодородия почвы нет необходимости. Используемые в качестве предиктора запасы продуктивной влаги в почве также учитывают роль агротехники, влияние предшественников [89].</p>
<p>В тех случаях, когда при моделировании урожайности почвенные характеристики учитывать необходимо, целесообразно последовательно усложняя включать данные о механическом составе почвы (объемная масса почвы), содержании гумуса, азота и других элементов минерального питания растений и комплексные показатели свойств почвы.</p>
<h4><a id="post-7639-_Toc31195697"></a>2.2.3 Биометрические параметры</h4>
<p>Показатели состояния растительного покрова являются очень информативными показателями в прогнозе урожайности. С помощью них начальные условия на момент составления прогноза можно задать наиболее корректно и благодаря инерционности их действия на дальнейшую вегетацию повысить точность и надежность результатов. Традиционно в результате наземных полевых наблюдений определяются число стеблей на единице площади, высота растений, число колосков в колосе, а также могут быть рассчитаны индекс листовой поверхности, величина фотосинтетического потенциала посева, сухая биомасса надземных органов.</p>
<p>Биофизические и фенологические характеристики сорта, требуемые в моделях, являются наиболее трудоемкими с точки зрения их оценки наземными методами. С развитием методов дистанционного зондирования Земли появилась возможность оценки состояния посевов с помощью некоторых вегетационных индексов по данным зондирования Земли из космоса в разных частотных диапазонах. Тесная корреляция вегетационных индексов с продуктивностью культур, обосновывает возможность их включения в прогностические модели урожайности.</p>
<p>Широкий охват территории, оперативность получения и обработки информации обусловливают преимущества использования спутниковых данных для характеристики состояния посева или агрометеорологических условий по сравнению с данными наземных полевых наблюдений. Существенными недостатками являются высокая трудоемкость работы с большим объемом информации; погрешность исходных данных от параметров среды (прозрачности атмосферы, угла падения света, типа почвы); отсутствие надежных методов преобразования электромагнитного сигнала в агрометеорологические или агрономические параметры [10]. Связь индексов (NDVI в частности) с характеристиками роста, как показывают исследования [56] не является прямой и однозначной. Установлено, в частности, снижение корреляции расчетных и фактических распределений в сухие годы относительно влажных, а также по мере проявления сортовых и технологических особенностей возделывания культур в процессе развития. Неоднократные попытки ученых установить прямую связь вегетационного индекса с урожайностью массивов полей пока не привели к однозначному результату и не принесли какого-либо ощутимого успеха [10].</p>
<p>В общем случае спектральные индексы представляют собой эвристически полученные функциональные зависимости от значений спектральной отражательной способности в различных спектральных диапазонах [95]. Вегетационный индекс (ВИ) – это разновидность спектральных индексов, используемых для оценки различных свойств растительного покрова. ВИ строятся на основе наземных наблюдений эталонных спектральных профилей растительности с последующими статистическими оценками корреляции полученных значений спектральной отражательной способности с набором различных биофизических параметров растительности. В результате полученные зависимости, в последствии могут быть использованы на любых источниках данных о спектральной отражательной способности в заданных диапазонах спектра, в частности, для расчёта ВИ по данным ДЗЗ.</p>
<p>Особенностью оценки ВИ по ДЗЗ является влияние спектра атмосферы на регистрируемые значения спектральной отражательной способности, поэтому в общем случае, рекомендуется выполнять расчёт ВИ по атмосферно скорректированным данным. Для данных без атмосферной коррекции были разработаны ряд индексов с учётом каналов в синей части спектра, хорошо описывающих состояние атмосферы. Другим важным фактором, влияющим на оценку ВИ является участие отраженного от поверхности почвы излучения. В зависимости от этого выделяют ВИ, скорректированные на влияние отражения почвы и нескорректированные.</p>
<p>По функциональному назначению, ВИ подразделяют на группы [95]:</p>
<p>– индексы «зелёности», имеющие высокую корреляцию с объёмом наземной зелёной биомассы;</p>
<p>– индексы эффективности использования света, имеющие высокую корреляцию с показателем фотосинтетически активной радиации (ФАР). ФАР показывает долю поглощенного солнечного излучения, использованную на процессы фотосинтеза;</p>
<p>– индексы содержания азота в растительном покрове;</p>
<p>– индексы содержания углерода в виде лингина и целлюлозы. Данные индексы характеризуют процесс старения и высыхания растительности;</p>
<p>– индексы содержания пигментов: каратиноидов и антоцианов;</p>
<p>– индексы содержания влаги в растительном покрове.</p>
<p>Индексы «зелёности», будем называть их далее индексы биомассы, являются основными ВИ и, как правило, косвенно отражают и целевые показатели других групп ВИ, но не наоборот. Вегетационные индексы для оценки зелёной биомассы растительности рассчитываются преимущественно на основе видимого и инфракрасного диапазонов спектров [83, 141, 122, 146, 167]. В таблице 8 приведены некоторые мультиспектральные ВИ и их характеристики по данным обзоров [141, 146].</p>
<p>Таблица 8</p>
<p>Мультиспектральные вегетационные индексы</p>
<table>
<tbody>
<tr>
<td>Название</td>
<td>Формула</td>
<td>Характеризуемые биофизические свойства</td>
</tr>
<tr>
<td>NG</td>
<td><img width="132" height="26" class="wp-image-7686" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1149.png" alt="word image 1149 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td>содержание хлорофилла в листьях</td>
</tr>
<tr>
<td>NR</td>
<td><img width="132" height="26" class="wp-image-7687" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1150.png" alt="word image 1150 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td>содержание каротиноидов, антоцианов, ксантофиллов</td>
</tr>
<tr>
<td>SR (RVI)</td>
<td><img width="54" height="26" class="wp-image-7688" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1151.png" alt="word image 1151 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td rowspan="2">биомасса зеленой растительности</td>
</tr>
<tr>
<td>GRVI</td>
<td><img width="58" height="26" class="wp-image-7689" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1152.png" alt="word image 1152 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
</tr>
<tr>
<td>DVI</td>
<td><img width="62" height="26" class="wp-image-7690" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1153.png" alt="word image 1153 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td rowspan="2">биомасса зеленой растительности компенсацией эффекта отражения почвы, нормы азотных удобрений для кукурузы</td>
</tr>
<tr>
<td>GDVI</td>
<td><img width="62" height="26" class="wp-image-7691" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1154.png" alt="word image 1154 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
</tr>
<tr>
<td>NDVI</td>
<td><img width="150" height="26" class="wp-image-7692" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1155.png" alt="word image 1155 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td rowspan="2">биомасса зеленой растительности без компенсации эффекта рассеяния почвы для разреженной растительности</td>
</tr>
<tr>
<td>GNDVI</td>
<td><img width="154" height="26" class="wp-image-7693" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1156.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1156.png 154w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1156-150x26.png 150w" sizes="(max-width: 154px) 100vw, 154px" alt="word image 1156 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
</tr>
<tr>
<td>SAVI</td>
<td><img width="146" height="54" class="wp-image-7694" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1157.png" alt="word image 1157 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td rowspan="5">биомасса зеленой растительности с компенсацией эффекта почвы для разреженной растительности</td>
</tr>
<tr>
<td>GSAVI</td>
<td><img width="148" height="54" class="wp-image-7695" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1158.png" alt="word image 1158 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
</tr>
<tr>
<td>OSAVI</td>
<td><img width="136" height="54" class="wp-image-7696" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1159.png" alt="word image 1159 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
</tr>
<tr>
<td>GOSAVI</td>
<td><img width="136" height="54" class="wp-image-7697" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1160.png" alt="word image 1160 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
</tr>
<tr>
<td>MSAVI2</td>
<td><img width="297" height="44" class="wp-image-7698" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1161.png" alt="word image 1161 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
</tr>
<tr>
<td>ARVI</td>
<td><img width="222" height="26" class="wp-image-7699" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1162.png" alt="word image 1162 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td>биомасса зеленой растительности с минимизацией атмосферных эффектов</td>
</tr>
<tr>
<td>GEMI</td>
<td><img width="230" height="81" class="wp-image-7700" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1163.png" alt="word image 1163 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td>вариации состояния почвенного покрова при малом проективном покрытии растительного покрова</td>
</tr>
<tr>
<td>EVI</td>
<td><img width="140" height="48" class="wp-image-7701" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1164.png" alt="word image 1164 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td>повышенная чувствительность при больших значениях биомассы и коррекция эффектов рассеяния почвы и атмосферы</td>
</tr>
<tr>
<td>PVI</td>
<td><img width="292" height="67" class="wp-image-7702" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1165.png" alt="word image 1165 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></td>
<td>повышенная чувствительность к биомассе зеленой растительности при различных условиях влажности почвы</td>
</tr>
</tbody>
</table>
<p>Значения ВИ имеют различную чувствительность к таким характеристикам растительного покрова, как проективное покрытие (доля площади территории, занятая наземными побегами растений без учёта площади их перекрытия) и площадь листовой поверхности (Leaf Area Index – LAI). Также они различным образом реагируют на влияние дополнительного отражения излучения от поверхности почвы и при различных атмосферных условиях.</p>
<p>Гиперспектральные аналоги данных ВИ отличаются расчётом в более узких спектральных диапазонах [141, 122] и обладают большей чувствительностью к объёму зеленой биомассы растительности и густоте растительного покрова, однако имеют меньшее распространение в силу отсутствия открытых источников гиперспектральных данных ДЗЗ с достаточным пространственным разрешением и частотой съёмки.</p>
<p>ВИ имеют различную чувствительность при различном проективном покрытии растительности. Например, индекс SR (он же RVI) хорошо коррелирован с биомассой при высоком проективном покрытии (сплошной растительный покров), тогда как GRVI более чувствителен для более разреженного растительного покрова. Хорошо известный индекс NDVI имеет более линейную зависимость от проективного покрытия для разреженной растительности, чем RVI и GRVI, однако менее чувствителен к изменениям биомассы при сплошном растительном покрове.</p>
<p>Считается, что ВИ, рассчитываемые с использованием отношений спектральных каналов, менее устойчивы к влиянию отражения почвы, чем разности спектральных каналов.</p>
<p>Наибольшую чувствительность к яркости почвы и ее влажности при разреженном растительном покрове имеет индекс NDVI. Для оценки биомассы растительности скорректированной на условия влажности почвы был разработан вегетационный индекс PVI. Семейство индексов SAVI и GEMI были получены в целях корректировки влияния общего отражения почвы на ВИ. Некоторые ВИ, например, ARVI и EVI, были разработаны с учётом возможного влияния атмосферы и могут быть использованы для снимков без атмосферной коррекции.</p>
<p>С точки зрения прогнозирования урожайности, наибольшее значение имеет такая характеристика посева как площадь листовой поверхности LAI. Исследования [122, 120, 109, 155] показывают, что среди мультиспектральных индексов одними из наиболее информативных являются NDVI и SR, причем NDVI более чувствителен для разреженных посевов с проективным покрытием до 50% и площадью листовой поверхности LAI&lt;3, а SR, наоборот, более чувствителен к тем же показателям для сплошного растительного покрова с LAI&gt;3. Для гиперспектральных индексов наилучшее предсказание LAI соответствует индексам MTVI2, MSAVI и RDVI [122].</p>
<p>В результате анализа различных ВИ и возможностей их расчёта по открытым мультиспектральным данным для решения задачи прогнозирования урожайности наиболее адаптированы SR, NDVI и PVI. Они рассчитываются по данным красного и ближнего инфракрасного спектральных диапазонов для данных ДЗЗ среднего и низкого разрешения следующим образом:</p>
<p>– выполняется перевод «сырых» значений пикселей (Digital Numbers – DN) в каждом канале снимка в значения отражательной способности <img width="15" height="19" class="wp-image-7703" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1166.png" alt="word image 1166 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> с помощью метаданных снимка;</p>
<p>– выполняется атмосферная коррекция снимка любым известным методом;</p>
<p>– производится расчёт ВИ по формулам:</p>
<p><img width="369" height="87" class="wp-image-7704" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1167.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1167.png 369w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1167-300x71.png 300w" sizes="(max-width: 369px) 100vw, 369px" alt="word image 1167 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>В работе [35] предложены альтернативные модели на основе индекса здоровья растительности VHI и продуктов FAPAR, рассчитываемых на основе NDVI. VHI – вегетационный индекс, основанный на отражении видимого света растительным покровом, характеризует здоровье растительности</p>
<p><img width="155" height="20" class="wp-image-7705" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1168.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1168.png 155w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1168-150x20.png 150w" sizes="(max-width: 155px) 100vw, 155px" alt="word image 1168 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (25)</p>
<p>где VCI – индекс, характеризующий угнетенность растительного покрова, TCI – индекс температурного режима.</p>
<p><img width="347" height="30" class="wp-image-7706" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1169.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1169.png 347w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1169-300x26.png 300w" sizes="(max-width: 347px) 100vw, 347px" alt="word image 1169 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (26)</p>
<p><img width="260" height="30" class="wp-image-7707" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1170.png" alt="word image 1170 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (27)</p>
<p>BT. BT<sub>max </sub> и BT<sub>min</sub> – усредненные сезонные значения яркостной температуры, ее абсолютный максимум и минимум соответственно; NDVI, NDVI<sub>max</sub> и NDVI<sub>min</sub> – соответствующие значения индекса NDVI.</p>
<p>Продукт FAPAR также выступает в качестве показателя здоровья растительного покрова. Он определяется долей ФАР, поглощаемой листовым покровом:</p>
<p><img width="327" height="49" class="wp-image-7708" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1171.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1171.png 327w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1171-300x45.png 300w" sizes="(max-width: 327px) 100vw, 327px" alt="word image 1171 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (28)</p>
<p>где PAR<sub>AC</sub> – поступающий (сверху вниз) и отраженный (снизу вверх) потоки ФАР на верхней поверхности листового покрова, PAR<sub>BC</sub> – соответственно условия под листовым покровом.</p>
<p>Среди рассмотренных в работах [35, 41] вегетационных индексов (NDVI, VHI, FAPAR) определить лучший предиктор для прогноза урожайности не удалось, хотя отмечается, что NDVI и FAPAR лучше соответствуют друг другу.</p>
<p>Таким образом, из всех рассмотренных индексов NDVI имеет наиболее широкое использование в качестве оптико-биологической характеристики поверхности. На первом этапе построения модели урожайности можно ограничиться включением в число предикторов лишь этого показателя. Вместе с тем, в перспективе целесообразно включение предикторов разной природы и использование ансамблевого подхода к построению моделей.</p>
<h3><a id="post-7639-_Toc31195698"></a>2.3 Анализ существующих моделей урожайности</h3>
<h4>2.3.1 Модели урожайности на основе оценки природного потенциала территории</h4>
<p>На первом этапе моделирования урожаев стояла задача выделения природно-сельскохозяйственных зон и оценки природного агропотенциала территории в межрегиональном масштабе. Известно, что этой задаче соответствует пространственный анализ именно климатических ресурсов. В связи с этим первые модели урожайности представляли собой эмпирико-статистические и физико-статистические зависимости от суммативных метеорологических показателей (сумм температур, количества осадков, влагозапасов почвы, суммы ФАР), характеризующих условия вегетационного периода или сельскохозяйственного года в целом.</p>
<p>Например, при оценке урожайности (У, т/га) по формуле [69]</p>
<p><img width="116" height="20" class="wp-image-7709" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1172.png" alt="word image 1172 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (29)</p>
<p>учитывается величина гидротермического потенциала (ГТП, балл)</p>
<p><img width="97" height="39" class="wp-image-7710" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1173.png" alt="word image 1173 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (30)</p>
<p>Рассчитываемая в зависимости от ресурсов продуктивной влаги (разность между годовой суммой осадков и стоком) (W, мм); количества декад вегетационного периода (n); величины годового радиационного баланса (R, кДж/см2). Множитель g – переводной коэффициент, равный 4,2 кДж/см2мм.</p>
<p>По такому же принципу в работе [97] рассчитана продуктивность климата (П<sub>к</sub>, ц/га) в зависимости от величины введенного понятия биоклиматического потенциала (БКП):</p>
<p><img width="97" height="25" class="wp-image-7711" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1174.png" alt="word image 1174 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (31)</p>
<p>Здесь m – коэффициент, зависящий от вида возделываемой культуры и условий влагообеспеченности. В расчет БКП здесь включено отношение суммы среднесуточных температур воздуха за период активной вегетации <img width="51" height="30" class="wp-image-7712" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1175.png" alt="word image 1175 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> к базисному значению <img width="77" height="27" class="wp-image-7713" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1176.png" alt="word image 1176 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> в качестве которого в зависимости от задачи принимается предельный уровень (1000°С), со средней продуктивностью (1900°С) или оптимального роста (3100°С).</p>
<p><img width="171" height="52" class="wp-image-7714" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1177.png" alt="word image 1177 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (32)</p>
<p>Коэффициент роста (К<sub>р(КУ)</sub>) рассчитывается в зависимости от годового показателя атмосферного увлажнения КУ (формула 5) в соответствии с аппроксимирующим выражением:</p>
<p><img width="126" height="26" class="wp-image-7715" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1178.png" alt="word image 1178 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (33)</p>
<p>В работе [53] для расчета нормативной урожайности зерновых (У<sub>норм</sub>, ц/га) при оценке земель используется модель, представляющая собой произведение нормативной урожайности на эталонных почвах, и ограничивающих коэффициентов, отражающих влияние агроэкологического потенциала территории (АП) и свойств почвы:</p>
<p><img width="246" height="46" class="wp-image-7716" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1179.png" alt="word image 1179 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (34)</p>
<p>где 33,3 – нормативная урожайность зерновых (ц/га) на эталонной почве при базовом значении АП; 10,0 – базовое значение АП; 1,4 – коэффициент пересчета на уровень урожайности при интенсивной технологии возделывания культур; К<sub>1</sub>-К<sub>4</sub> – поправочные коэффициенты на содержание гумуса в пахотном слое, на мощность гумусового горизонта, на содержание физической глины в пахотном слое почвы, на негативные свойства почв (разработаны с использованием материалов четвертого тура экономической оценки земель). Величина агроэкологического потенциала (АП) при этом рассчитывается по формуле:</p>
<p><img width="164" height="49" class="wp-image-7717" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1180.png" alt="word image 1180 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (35)</p>
<p>где <img width="41" height="32" class="wp-image-7718" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1181.png" alt="word image 1181 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – сумма температур выше 10ºС, КУ – коэффициент увлажнения, рассчитываемый по формуле (10), Р – поправка к КУ, КК – климатический коэффициент.</p>
<p><img width="162" height="46" class="wp-image-7719" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1182.png" alt="word image 1182 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (36)</p>
<p>Т<sub>max</sub> и Т<sub>min</sub> – средние температуры самого теплого и самого холодного месяцев года, ºС; <img width="18" height="27" class="wp-image-7720" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1183.png" alt="word image 1183 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – географическая широта местности.</p>
<p>В целях программирования урожаев разработан и широко используется метод эталонных урожаев [86]. Первоначально учитываются потенциальные возможности сорта при идеальных почвенных и климатических условиях, и рассчитывается потенциальный урожай в весе сухой биомассы по ФАР (ПУ, т/га):</p>
<p><img width="91" height="46" class="wp-image-7721" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1184.png" alt="word image 1184 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (37)</p>
<p>Здесь Q – сумма ФАР за период вегетации, МДж/га, q – количество солнечной энергии, аккумулируемой в единице сухого органического вещества (энергетическое содержание), МДж/т, η – интегральный коэффициент использования ФАР посевом при идеальных в течение вегетации почвенных и метеорологических условиях, %.</p>
<p>Следующие категории урожайности включают в расчет действие тех или иных лимитирующих факторов. Рассчитывается климатически обеспеченный урожай (КОУ):</p>
<p><img width="113" height="25" class="wp-image-7722" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1185.png" alt="word image 1185 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (38)</p>
<p>где k<sub>m</sub> – коэффициент благоприятности агроклиматических условий, значение которого определяется в соответствии с теми или иными методами оценки тепло- и влагообеспеченности (описание в разделе 2.2). Если наряду с климатическими факторами учесть еще и влияние почвенного плодородия, получаем следующую категорию продуктивности – действительно возможный урожай (ДВУ):</p>
<p><img width="116" height="30" class="wp-image-7723" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1186.png" alt="word image 1186 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (39)</p>
<p>Здесь k<sub>п</sub> – коэффициент благоприятности условий возделывания данной культуры на конкретном поле. Он может рассматриваться как функция комплексного показателя бонитета или отдельных элементов почвенного плодородия, таких как механический состав почв, содержание гумуса и других (описание в разделе 2.2).</p>
<p>Поскольку приведенные в этом разделе модели продуктивности разработаны для оценки и анализа пространственного распределения природного агропотенциала, климатические параметры задаются среднемноголетними значениями или рядом значений по типам погодных условий с заданной вероятностью.</p>
<h4><a id="post-7639-_Toc31195699"></a>2.3.2 Агрометеорологические модели прогноза урожайности</h4>
<p>В задачах прогноза урожайности, а также оценки ресурсов с вероятностным анализом распределения урожайности по годам значение имеет временной аспект изменчивости факторов. Из всех факторов, влияющих на продуктивность культур, наибольшей временной изменчивостью обладают погодные условия. Поэтому такого рода модели строятся, прежде всего, в зависимости от агрометеорологических показателей по выборке за ряд лет.</p>
<p>В модели [20] учитывается снижение статистического максимума урожайности (У<sub>max</sub>) под действием лимитирующих факторов на разных этапах вегетационного периода. В результате значение урожайности (У) рассчитывается с помощью зависимости мультипликативного типа:</p>
<p><img width="291" height="26" class="wp-image-7724" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1187.png" alt="word image 1187 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (40)</p>
<p>с учетом показателей состояния посевов (изреженности посевов а, и функции кустистости f(k)), показателя продуктивности метеоусловий S(T,W,P), рассчитываемого в зависимости от весенних влагозапасов почвы <img width="67" height="25" class="wp-image-7725" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1188.png" alt="word image 1188 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> температуры воздуха <img width="186" height="29" class="wp-image-7726" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1189.png" alt="word image 1189 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> на разных этапах вегетации (формулы 13-15):</p>
<p><img width="262" height="46" class="wp-image-7727" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1190.png" alt="word image 1190 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (41)</p>
<p><img width="39" height="31" class="wp-image-7728" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1191.png" alt="word image 1191 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – показатель уровня урожайности при различном соотношении площадей уборки и посева, <img width="27" height="27" class="wp-image-7729" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1192.png" alt="word image 1192 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – погрешность расчета, вызванная неучтенными факторами, <img width="20" height="24" class="wp-image-7730" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1193.png" alt="word image 1193 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – весовые множители, отражающие вклад в формирование урожайности метеоусловий i-го (i=1,n) этапа вегетации.</p>
<p><img width="145" height="20" class="wp-image-7731" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1194.png" alt="word image 1194 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (42)</p>
<p>где</p>
<p><img width="241" height="59" class="wp-image-7732" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1195.png" alt="word image 1195 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (43)</p>
<p><img width="327" height="59" class="wp-image-7733" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1196.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1196.png 327w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1196-300x54.png 300w" sizes="(max-width: 327px) 100vw, 327px" alt="word image 1196 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (44)</p>
<p>Здесь m(T), m(P) – реальный прирост продукции при температуре T и осадках P; M(T<sub>o</sub>), M(P<sub>o</sub>) – максимально возможный прирост при оптимальных температуре T<sub>opt</sub> и осадках P<sub>o</sub>; P<sub>min</sub>, P<sub>max</sub> – биологические минимум и максимум осадков; a, b, c – некоторые параметры.</p>
<p><img width="158" height="52" class="wp-image-7734" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1197.png" alt="word image 1197 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (45)</p>
<p>где W – фактические запасы продуктивной влаги в почве, W<sub>о</sub> – оптимальные запасы влаги в почве на весну.</p>
<p>Данная модель достаточно универсальна и широко применяется в Украине [75] для сравнительной оценки агрометеорологических условий формирования продуктивности. Недостатком данной модели является то, что она содержит много эмпирических коэффициентов, которые необходимо рассчитать для каждой природной зоны.</p>
<p>Метод, предложенный В.А. Жуковым [46], также представляет собой снижение статистического максимума урожайности (Y<sub>max</sub>, т/га), но используется регрессионное уравнение аддитивного типа:</p>
<p><img width="134" height="46" class="wp-image-7735" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1198.png" alt="word image 1198 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (46)</p>
<p>Осуществлялась оценка влияния метеоусловий на урожай (У, т/га) путем определения вероятности наступления неблагоприятных условий Р<sub>i</sub> (вымерзания и выпревания в период зимовки, весенних заморозков, засух в различные периоды, возврата холодов в теплый период, переувлажнения, неблагоприятных условий уборки) и средних потерь урожайности g<sub>i</sub> (i – тип неблагоприятных условий; m – число неблагоприятных условий). Анализ вероятностей и оценка агрометеорологических ситуаций производилась по декадам вегетационного периода. Погодная ситуация в течение декады рассматривалась с точки зрения ее влияния на рост и развитие культуры с учетом требований к факторам внешней среды на соответствующем этапе развития.</p>
<p>Комплексный подход к анализу факторов формирования продуктивности и расчету относительной (нормированной) урожайности применен в работе [36]. Автор изучал воздействие на продуктивность зерновых культур от 10 до 21 факторов с помощью метода графических регрессий. В результате, построенная модель учитывает четыре комплексных фактора урожайности: биологические особенности культур, метеорологические факторы, плодородие почвы и уровень агротехники.</p>
<p>Биологический блок характеризует влияние на урожайность вида растений, сорта и фазы развития. Влияние метеорологических факторов сводится к учету температуры и влажности воздуха по четырем основным межфазным периодам в течение вегетации. Условия перезимовки определяются парными значениями температуры воздуха и высоты снежного покрова. Плодородие почвы определяется на основе сведений о влагозапасах почвы и ее объемной массы. Блок агротехники характеризует влияние на урожайность предшественника, количества и вида удобрений. Включение в модель параметров почвенного плодородия обеспечивает возможность расчета не только средней областной урожайности, но и рассмотреть ее изменчивость по административным районам области и другим более мелким контурам. Блоки биологических и агротехнических параметров вводятся для учета неоднородности анализируемых данных урожайности.</p>
<p>Рассчитывается относительная урожайность (у<sub>расч</sub>):</p>
<p><img width="189" height="50" class="wp-image-7736" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1199.png" alt="word image 1199 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (47)</p>
<p>где У<sub>измер</sub> – измеренная урожайность, У<sub>ср</sub> – средняя урожайность исходной выборки, y<sub>1</sub><sup>г</sup> – графическое значение относительной урожайности, обусловленное влиянием первого фактора, i – номер учитываемого фактора, n – количество определяющих факторов, ∆y<sub>i</sub><sup>г</sup> – добавочное влияние на урожайность других факторов, определяемое с помощью графических регрессий. При значительной корреляции результатов с фактическими урожаями на конкретных полях (0,8-0,9 при прогнозе в фазу восковой спелости) описанный метод графических регрессий имеет значительные погрешности прогнозирования средней областной урожайности и его трудно алгоритмизировать в рамках цифровой модели. Средняя величина ошибки составляет 2,1 ц/га при прогнозе в фазу восковой спелости, 2,6 ц/га – во время весеннего возобновления вегетации, 3,4 ц/га – в период сева.</p>
<p>За рубежом среди физико-статистических моделей наиболее известна модель Байера [104]</p>
<p><img width="97" height="49" class="wp-image-7737" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1200.png" alt="word image 1200 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (48)</p>
<p>где Y – урожай хозяйственно-ценной части растений на определенную фазу развития; t – биологическое время (на дату всходов t=1; кущения t=2 и т.д.); V<sub>1</sub>. V<sub>2</sub>. V<sub>3</sub> – функции от выбранных метеорологических переменных. Каждая из функций представляется в виде:</p>
<p><img width="577" height="30" class="wp-image-7738" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1201.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1201.png 577w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1201-300x16.png 300w" sizes="(max-width: 577px) 100vw, 577px" alt="word image 1201 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> ,(49)</p>
<p>где u<sub>1</sub>, u<sub>2</sub>. …, u<sub>12</sub> – коэффициенты, которые для каждой функции оцениваются с помощью численных методов оптимизации; х – представляет одну из характеристик погодных условий: минимальную температуру воздуха, максимальную температуру воздуха, относительную влажность почвы, соотношение фактического и потенциального испарения, суммарную радиацию. Самой информативной комбинацией факторов оказалось сочетание: солнечная радиация, минимальная температура воздуха и соотношения фактического и потенциального испарения.</p>
<p>Модель Байера – это простыми средствами построенный более совершенный по сравнению с классической регрессией аппарат для расчета урожайности [75]. Для яровой пшеницы модель объясняет около 80% дисперсии урожая.</p>
<p>В России в 1970-80-х годах для прогноза урожайности озимой пшеницы широко использовалась методика Росгидромета [89], разработанная по данным сортов Безостая 1 и Мироновская 808 за 1950-70-е годы. Составлены уравнения для прогноза среднеобластной урожайности с детализацией «входной» информации в разрезе отдельных полей (первый вариант) и области в целом (второй вариант). Полученные модели являются моделями аддитивного типа, линейными и полиномиальными разных степеней.</p>
<h4><a id="post-7639-_Toc31195700"></a>2.3.3 Прогноз среднеобластной урожайности с детализацией «входных» данных в разрезе отдельных полей</h4>
<p>Разработаны прогностические уравнения, каждое из которых применяется при наступлении соответствующей фазы вегетации культуры: возобновления вегетации весной, выхода в трубку и колошения.</p>
<p>Прогноз с трехмесячной заблаговременностью, состав­ляется в первую декаду после возобновления вегетации. Используется уравнение</p>
<p><img width="183" height="20" class="wp-image-7739" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1202.png" alt="word image 1202 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (50)</p>
<p>где <em>W</em> – запасы продуктивной влаги в метровом слое почвы в декаду возобновления вегетации, мм; <em>n</em> – число стеблей на 1 м<sup>2</sup>, сохранившихся после перезимовки (в декаду весеннего обследования), шт. Коэффициент множественной корреляции 0,82.</p>
<p>Прогноз в фазу выхода в трубку (с двухмесячной заблаговременностью) составляется в одном из двух вариантов. Первый из них – в соответствии с уравнением</p>
<p><em><img width="500" height="30" class="wp-image-7740" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1203.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1203.png 500w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1203-300x18.png 300w" sizes="(max-width: 500px) 100vw, 500px" alt="word image 1203 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области">, </em>(51)</p>
<p>где <em>W</em> – запасы продуктивной влаги в метровом слое почвы весной (в период возобновления вегетации), мм; <em>n</em> – число стеблей на 1 м<sup>2</sup> в фазу выхода в трубку, шт.; <em>t – </em>средняя температура воздуха за период от возобновления вегетации до выхода в трубку, ºС; <em>r</em> – количество осадков за период от возобновления вегетации до выхода в трубку, мм. Обеспеченность 87%, коэффициент множественной корреляции 0,84.</p>
<p>Во втором варианте используется уравнение</p>
<p><img width="401" height="26" class="wp-image-7741" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1204.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1204.png 401w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1204-300x19.png 300w" sizes="(max-width: 401px) 100vw, 401px" alt="word image 1204 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (52)</p>
<p>где W<sub>1</sub> – средние запасы продуктивной влаги в метровом слое почвы за период возобновление вегетации – выход в трубку; остальные обозначения те же. Обеспеченность 84%.</p>
<p>Прогноз в фазу начала колошения (с месячной заблаговремен­ностью) составляется в соответствии с уравнением</p>
<p><img width="583" height="21" class="wp-image-7742" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1205.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1205.png 583w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1205-300x11.png 300w" sizes="(max-width: 583px) 100vw, 583px" alt="word image 1205 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (53)</p>
<p>где <em>W</em> – запасы продуктивной влаги в метровом слое почвы весной (в период возобновления вегетации), мм; <em>n</em> – число колосоносных стеблей на 1 м<sup>2</sup> в фазу колошения, шт.; <em>t – </em>средняя температура воздуха за период от возобновления вегетации до колошения, ºС; <em>r</em> – количество осадков за период от возобновления вегетации до колошения, мм; <em>h</em> – высота озимой пшеницы в фазу колошения, см. Обеспеченность 90%, коэффициент корреляции 0,87.</p>
<h4><a id="post-7639-_Toc31195701"></a>2.3.4 Прогноз среднеобластной урожайности с детализацией «входных» данных в разрезе области</h4>
<p>Прогноз с трехмесячной заблаговременностью, состав­ляется в первую декаду после возобновления вегетации.</p>
<p><img width="352" height="23" class="wp-image-7743" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1206.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1206.png 352w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1206-300x20.png 300w" sizes="(max-width: 352px) 100vw, 352px" alt="word image 1206 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (54)</p>
<p>где <em>W</em> – запасы продуктивной влаги в метровом слое почвы в декаду возобновления вегетации, мм; <em>n</em> – число стеблей на 1 м<sup>2</sup>, сохранившихся после перезимовки (в декаду весеннего обследования), шт. Обеспеченность 85%.</p>
<p>В случае использования вместо числа стеблей данных весеннего обследования посевов и определения процента полей с отличными и хорошими оценками состояния посевов (u) и удовлетворительными (v) применяется уравнение</p>
<p><img width="231" height="20" class="wp-image-7744" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1207.png" alt="word image 1207 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (55)</p>
<p>Обеспеченность 78 %.</p>
<p>Прогноз в фазу выхода в трубку (с двухмесячной заблаговременностью) составляется в соответствии с уравнением</p>
<p><em><img width="328" height="25" class="wp-image-7745" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1208.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1208.png 328w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1208-300x23.png 300w" sizes="(max-width: 328px) 100vw, 328px" alt="word image 1208 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> </em>(56)</p>
<p>где <em>W</em> – запасы продуктивной влаги в метровом слое почвы в декаду выхода в трубку, мм; <em>n</em> – среднее по области число стеблей на 1 м<sup>2</sup> в фазу выхода в трубку, шт.; Обеспеченность 78%.</p>
<p>Прогноз в фазу колошения (с месячной заблаговремен­ностью) составляется в одном их двух вариантов. Первый с включением биологических предикторов</p>
<p><em><img width="542" height="23" class="wp-image-7746" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1209.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1209.png 542w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1209-300x13.png 300w" sizes="(max-width: 542px) 100vw, 542px" alt="word image 1209 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> </em> (57)</p>
<p>где <em>W</em> – запасы продуктивной влаги в метровом слое почвы в декаду массового колошения, мм; <em>n</em> – число колосоносных стеблей на 1 м<sup>2</sup> в фазу колошения, шт.; h – средняя высота озимой пшеницы в фазу колошения, см; m – среднее число колосков в колосе в фазу колошения. Обеспеченность 86%.</p>
<p>Второй вариант – с включением метеорологических предикторов (с учетом прогноза погоды)</p>
<p><img width="587" height="26" class="wp-image-7747" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1210.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1210.png 587w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1210-300x13.png 300w" sizes="(max-width: 587px) 100vw, 587px" alt="word image 1210 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (58)</p>
<p>где <em>W</em> – запасы продуктивной влаги в метровом слое почвы весной (в период возобновления вегетации), мм; <em>n</em> – среднее число стеблей на 1 м<sup>2</sup>, шт.; <em>r<sub>V</sub></em> – сумма осадков мая, мм; <em>r<sub>VI</sub> </em>– сумма осадков июня, мм. Обеспеченность 90%.</p>
<p>Обобщение описанных в данном разделе методик прогнозирования урожайности приведено в таблице 9.</p>
<p>Таблица 9</p>
<p>Сравнительный анализ методов агрометеорологического моделирования урожайности</p>
<table>
<tbody>
<tr>
<td rowspan="2">Автор</td>
<td colspan="3">Наиболее важные факторы модели</td>
<td rowspan="2">Точность модели</td>
</tr>
<tr>
<td>Метеорологические параметры</td>
<td>Почвенные характеристики</td>
<td>Биометрические и агротехнические параметры</td>
</tr>
<tr>
<td>Байер</td>
<td>Солнечная радиация, минимальная температура воздуха, соотношение фактического и потенциального испарения</td>
<td>–</td>
<td>–</td>
<td>Кор. 0,8</td>
</tr>
<tr>
<td>Дмитренко</td>
<td>Температура воздуха, количество осадков</td>
<td>Запасы влаги весной</td>
<td>Максимальная урожайность, изреженность после перезимовки, кустистость весной, оптимальные значения температуры, осадков, запасов влаги, макс. и мин. количество осадков</td>
<td>–</td>
</tr>
<tr>
<td>Жуков</td>
<td colspan="2">Вероятность неблагоприятных условий по декадам</td>
<td>Макс. урожайность,</p>
<p>средние потери урожайности от неблагоприятных факторов</td>
<td>–</td>
</tr>
<tr>
<td>Константинов</td>
<td>Температура и влажность воздуха, высота снежного покрова</td>
<td>Запас влаги,</p>
<p>объемная масса</td>
<td>Сорт, фаза, предшественник,</p>
<p>вид и доза удобрений</td>
<td>Кор. 0,8-0,9</p>
<p>Ср. ошибка 2,1-3,4 ц/га</td>
</tr>
<tr>
<td>Уланова</td>
<td>Температура воздуха и количество осадков за межфазные периоды</td>
<td>Запас продуктивной влаги</td>
<td>Число стеблей на 1 м2,</p>
<p>Число колосоносных стеблей на 1 м2.</p>
<p>Оценка состояния посевов,</p>
<p>Высота растений в фазу колошения</td>
<td>Кор. 0,82-0,87 Обеспеченность 78-90%</td>
</tr>
</tbody>
</table>
<p>Сравнительный анализ приведенных моделей позволяет заключить следующее:</p>
<ol>
<li>Использование в моделях нелинейных зависимостей более достоверно отражает действие внешних факторов на продуктивность растений.</li>
<li>Запас продуктивной влаги в почве – информативный инерционный показатель влагообеспеченности растений, его использование позволяет уточнить действие метеорологических условий с учетом агрофизических свойств почвы.</li>
<li>Включение в число предикторов биометрических характеристик, отражающих состояние посева в процессе вегетации позволяет повысить точность и надежность прогнозирования.</li>
</ol>
<h4><a id="post-7639-_Toc31195702"></a>2.3.5 Модели, использующие данные дистанционного зондирования Земли</h4>
<p>Начиная с 70-х годов XX века после запуска первых систем ДЗЗ среднего разрешения (Landsat-1), активно развивается направление применения данных ДЗЗ для сельского хозяйства. К настоящему времени накопился достаточно большой архив спутниковых данных, что дает возможность их статистического анализа и использования в прогностических моделях. Современные спектрометры, установленные на спутниках, позволяют рассчитывать ряд индексов, характеризующих состояние земной поверхности. Спутниковая информация имеет большие преимущества по охвату территории, имеет достаточное пространственное разрешение, возможность отслеживания динамики процессов. Является источником оперативной и достоверной информации при условии надежно выполненной калибровки.</p>
<p>Чаще всего спутниковая информация используется для оценки растительности. В частности, на основе нормированного отклонения индекса NDVI составе сервисов ФАО, сервиса ВЕГА (ИКИ РАН РФ) дается оценка состояния посевов (положительное значение – состояние хорошее, отрицательное – плохое). ВЕГА предлагает также прогноз ситуации путем определения года-аналога. [70].</p>
<p>Агрометеорологические методики существуют отдельно, лишь в последние годы попытки их совместить. В частности, в системе Росгидромета выполняется калибровка индекса NDVI по показателю густоты посева и оценка состояния посева, проводятся исследования по построению регрессионных моделей урожайности сельскохозяйственных культур [79, 5].</p>
<p>Европейская система мониторинга состояния и продуктивности посевов (проект MARS) также занимается мониторингом посевов и прогнозированием урожайности с использованием спутниковых и метеорологических данных. Применяется статистический анализ, прогноз урожайности методом аналогов и с помощью уравнений регрессии, динамическое моделирование накопления биомассы и урожайности озимой пшеницы, ярового ячменя, кукурузы и других культур, в том числе с учетом изменения климата [70].</p>
<p>Разработанные подходы прогнозирования урожайности с использованием данных ДЗЗ можно подразделить на четыре группы:</p>
<p>– однофакторные регрессионные модели;</p>
<p>– многофакторные регрессионные модели;</p>
<p>– модели роста культур;</p>
<p>– статистические модели на основе точечных наземных наблюдений, полученных с GPS трекеров сельскохозяйственной техники.</p>
<p>Однофакторные регрессионные модели позволяют предсказывать урожайность в региональном и национальном масштабе и широко используются при глобальном анализе территории [105]. Уравнение модели строится, как правило, относительно суммы какого-либо одного вегетационного индекса за сезон. Точность однофакторных регрессионных моделей сильно зависит от параметров пространственной локализации области, то есть применение таких моделей требует перекалибровки при изменении территории применения модели. Тем не менее, результаты исследований показывают [105, 147], что даже для однофакторного регрессионного моделирования можно обеспечить коэффициенты детерминации больше 0,8.</p>
<p>Многофакторные регрессионные модели включают помимо суммарного значения вегетационного индекса за сезон ещё и агроклиматические параметры. Наибольшее влияние на развитие посевов, согласно агрономической науке, оказывают такие агроклиматические факторы как: фотосинтетически активная солнечная радиация, температура и влажность воздуха [26]. В таких моделях, вегетационный индекс используется как некоторый показатель, имеющий высокую корреляцию с текущей наземной биомассой растений, а агроклиматические факторы задаются по данным наземных метеорологических наблюдений или по данным ДЗЗ низкого разрешения [147]. Оценка требуемых для моделей агроклиматических факторов является весьма не тривиальной задачей и часто требует разработки дополнительных методов и спектральных индексов. Получаемые модели также являются локальными и требуют перекалибровки при применении для другой территории и сельскохозяйственной культуры, но позволяют получить более высокое качество прогнозирования, чем однофакторные модели.</p>
<p>Имитационное динамическое моделирование накопления биомассы в процессе вегетационного периода является наиболее трудоемким и точным способом моделирования урожайности. Недостатком имитационных моделей является большое количество параметров (несколько десятков), которые оцениваются в большинстве своем наземными методами и в лабораторных условиях. С развитием средств ДЗЗ разрабатываются дистанционные методы оценки параметров моделей роста культур и их применения для оценки урожайности [138, 137, 110, 158, 132, 127, 168, 8]. Однако в силу большого количества параметров и сложности их оценки процесс применения таких моделей на практике все еще остается затруднительным. Кроме того, данные модели помимо данных ДЗЗ низкого разрешения часто требуют использования данных среднего и высокого разрешения.</p>
<p>Сравнительный анализ важнейших методов оценки урожайности на основе моделей роста культур приведён в таблице 10. Из таблицы 10 видно, что в качестве фактора модели, вычисляемого по ДЗЗ, чаще всего используются NDVI и площадь листовой поверхности LAI.</p>
<p>Практически все модели включают такие параметры как температура воздуха, количество осадков или влажность воздуха, а также параметры солнечной радиации в том или ином виде.</p>
<p>Наибольшую точность моделирования (наименьшее СКО) среди представленных в таблице 10 моделей имеет реализация модели WOFOST с наземной калибровкой значений LAI и температуры почвы [137]. Однако для анализа больших территорий варианты с трудоёмкой наземной калибровкой являются менее предпочтительными, несмотря на более высокую точность.</p>
<p>Среди всех показателей индекс NDVI (нормализованная разность) получил наиболее широкое использование. Показатель достаточно тесно коррелирует с такими характеристиками посевов как биомасса, площадь листовой поверхности, густота и другими [29, 131]. Благодаря этому он может рассматриваться в качестве оптико-биологической характеристики поверхности. Вместе с тем, индекс NDVI определяется и физиологическим состоянием растений [81]. На рост и развитие растение, а следовательно и на величину индекса влияют температурный и водный режим, вентилируемость посевов, обеспеченность элементами минерального питания, фитосанитарная обстановка и другие факторы.</p>
<p>В работе И.Г. Строчак [81] подробно рассмотрены связи вететационного индекса NDVI с биометрическими характеристиками посевов сельскохозяйственных культур. Установлена, в частности, корреляция с площадью ассимилирующей поверхности – средний за годы коэффициент корреляции составил 0,65. При этом автор отмечает, что коэффициент корреляции среднего NDVI за весь вегетационный период (0,64) ниже, чем только за весенне-летний период (0,76). При рассмотрении среднего NDVI по отдельным фазам весенне-летней вегетации наиболее тесная связь (коэффициент корреляции 0,59) в период возобновления весенней вегетации, когда сортовые и технологические особенности (высота посева, густота стояния растений, биомасса, ориентация листьев, разновидность колоса и др.) почти не влияют на физиологическое состояние посевов и, следовательно, на величину индекса. В дальнейшем же эти особенности проявляются, и корреляция ослабляется (в фазу выхода в трубку 0,42, колошения 0,33, налива 0,35). При этом коэффициенты сильно варьируют по районам; вероятно, вследствие влияния почвенно-климатических условий.</p>
<p>Таблица 10</p>
<p>Сравнительный анализ методов прогнозирования урожайности на основе моделей продукционного процесса растений (моделей роста)</p>
<table>
<tbody>
<tr>
<td rowspan="3">Название</td>
<td colspan="4">Наиболее важные факторы модели</td>
<td rowspan="3">Точность модели (СКО)</td>
</tr>
<tr>
<td colspan="2">По данным ДЗЗ</td>
<td colspan="2">Другие источники</td>
</tr>
<tr>
<td>Название фактора</td>
<td>Источник данных ДЗЗ</td>
<td>метеорологические наблюдения</td>
<td>наземные наблюдения</p>
<p>и биофизические характеристики культуры</td>
</tr>
<tr>
<td>EPIC</td>
<td>LAI</td>
<td>MODIS (250 м)</td>
<td>максимальная и минимальная температура воздуха,</p>
<p>приходящая солнечная радиация,</p>
<p>количество осадков,</p>
<p>относительная влажность воздуха,</p>
<p>скорость ветра</td>
<td>баланс азота в почве</td>
<td>13-14 ц/га [8]</td>
</tr>
<tr>
<td>WOFOST</td>
<td>LAI</td>
<td>MODIS (250 м)</td>
<td>максимальная и минимальная температура воздуха,</p>
<p>фотосинтетически активная солнечная радиация,</p>
<p>скорость ветра,</p>
<p>давление пара,</p>
<p>осадки</td>
<td>сорт, высота растений,</p>
<p>календарь фенологических фаз культуры,</p>
<p>результаты наземных измерений LAI,</p>
<p>результаты наземных измерений влажности почвы,</p>
<p>дата сева,</p>
<p>сумма влаги по ирригации,</p>
<p>удобрения</td>
<td>0,5-1 ц/га [137]</td>
</tr>
<tr>
<td>WOFOST</td>
<td>LAI</td>
<td>Landsat 6-7</p>
<p>(30 м)</td>
<td>максимальная и минимальная температура воздуха,</p>
<p>солнечная радиация,</p>
<p>скорость ветра,</p>
<p>давление пара,</p>
<p>количество осадков</td>
<td>фенологические фазы,</p>
<p>генетические параметры сорта (70 параметров) включая начальную сухую биомассу растительности и продолжительность жизни листьев при температуре 35 градусов Цельсия, физические параметры почвы</td>
<td>1.5-3 ц/га [127]</td>
</tr>
<tr>
<td>SAFY</td>
<td>NDVI</td>
<td>SPOT-5</p>
<p>(10 м)</td>
<td>температура воздуха,</p>
<p>приходящая солнечная радиация,</p>
<p>фотосинтетически активная солнечная радиация</td>
<td>количество стеблей,</p>
<p>LAI,</p>
<p>вес зерна,</p>
<p>вес соломы,</p>
<p>тип почвы,</p>
<p>дата появления всходов,</p>
<p>порог температур при достижении растением максимального развития вегетативных органов</td>
<td>1-8 ц/га [110]</td>
</tr>
<tr>
<td>WheatGrow &amp; PROSAIL</td>
<td>RVI,</p>
<p>NDVI,</p>
<p>SAVY,</p>
<p>EVI</td>
<td>SPOT-5,6</p>
<p>(10 м)</td>
<td>максимальная и минимальная температура воздуха,</p>
<p>продолжительность светового дня,</p>
<p>количество осадков</td>
<td>Для WheatGrow:</p>
<p>14 почвенных параметров, включая механический состав почвы и содержание азота,</p>
<p>11 параметров определяющих биологические характеристики посева, включая количество стеблей растений на единицу площади,</p>
<p>Для PROSAIL 14 биофизических и климатических параметров, включая концентрацию различных пигментов в листьях и LAI</td>
<td>5-8 ц/га [168]</td>
</tr>
</tbody>
</table>
<p>Установлено, что связь NDVI с индексом листовой поверхности посева нестабильна и сильно зависит от погодных условий – коэффициент корреляции в благоприятный год 0,72, при засухе 0,54. По данным [70] при слабом растительном покрове (в период осеннего развития растений или под действием засухи) на величину индекса влияет цвет почвы и вносит погрешности. Корреляция NDVI с содержанием хлорофилла в растениях составляет в среднем 0,79, азота – 0,84, и также сильно зависит от погодных условий. Изучалась связь индекса NDVI с величиной хлорофиллового и вегетационного фотосинтетических потенциалов и продуктивностью.</p>
<p>В результате, появились регрессионные зависимости урожайности культур от значений вегетационного индекса NDVI, модели прогноза урожайности с использованием его наряду с другими параметрами в качестве биологического предиктора [30, 81, 40]. Появились исследования относительно включения индекса в динамические модели для корректировки параметров площади листовой поверхности или биомассы надземных органов [31].</p>
<p>Модель Ставропольского НИИСХ [81]</p>
<p>Исследованы различные способы включения индексов NDVI в модель расчета урожайности озимой пшеницы. Использованы данные Ставропольского НИИСХ за 2003-2014 гг. Установлено, что при непосредственном включении индекса NDVI в модель коэффициент корреляции моделируемой урожайности с фактической составил 0,76; после предварительного преобразования к величине фотосинтетического потенциала посева (калибровке) – 0,84. При этом коэффициент корреляции сильно зависит от складывающихся условий – увеличивается с улучшением условий от 0,78 до 0,92.</p>
<p>Связь между урожаем и индексом NDVI за весенне-летний период существенно повышается, если анализ проводить по природно-сельскохозяйственным зонам. В Ставропольском крае четыре зоны, динамика индекса NDVI за вегетационный период в каждой зоне имеет свою специфику. Построены линейные уравнения зависимости урожайности озимой пшеницы от среднего NDVI за весенне-летний период в каждой зоне (коэффициент корреляции 0,78-0,92). Урожайность Ставропольского края в целом получена в результате осреднения результатов моделирования по зонам (коэффициент корреляции 0,79). Для сравнения, расчет по районам с последующим осреднением для Ставропольского края соответствует действительности с коэффициентом корреляции 0,76.</p>
<p>Изучался вопрос влияния онтогенетических изменений индекса NDVI на величину урожайности. Рассмотрены накопленные (суммарные) значения индекса по межфазным периодам: всходы – прекращение осенней вегетации, возобновление весенней вегетации – колошение, колошение – полная спелость, а также среднего и максимального значений индекса за весенне-летний период (от возобновления весенней вегетации до полной спелости). Установлено, что максимальное значение индекса NDVI за весенне-летний период, которое соответствует фазе колошения, показывает большую корреляцию с биометрическими показателями. Коэффициент корреляции с урожайностью по зонам составил 0,75-0,85, после осреднения для Ставропольского края в целом – 0,82.</p>
<p>Модель Национальной академии наук Украины [40, 42, 41].</p>
<p>Построена линейная модель урожайности озимой пшеницы на основе спутниковой информации. В качестве предиктора использован 16-дневный композит индекса NDVI (средние и максимальные значения за фиксированный период). Метод отрабатывался для Винницкой области, исходные значения урожайности заданы по административным районам.</p>
<p>Применено два алгоритма – с учетом масок и без. Маска определяется автоматически методом кластеризации временных рядов индекса за 2000-2009 гг. Рассматривается четыре кластера, каждому экспертным путем сопоставляется один из классов растительного покрова: земли несельскохозяйственного назначения, озимые, ранние яровые и поздние яровые культуры. Оценка площадей озимых, в частности, основана на анализе временного ряда индекса EVI в предположении о наличии достаточного количества хлорофилла в озимых культурах в период прекращения роста (вторая половина декабря) для идентификации на фоне грунта и других растений [40].</p>
<p>При расчете урожайности для среднего по району индекса NDVI (без маски) наибольший коэффициент корреляции составил 0,58 со значением индекса, определенным в конце марта (т.е. в период возобновления весенней вегетации); при расчете урожайности с использованием маски – 0,65 со значением индекса в середине мая (когда зеленая масса культуры достигла максимума).</p>
<p>Для каждого района Винницкой области рассчитан средний индекс NDVI за 2000-2009 гг. с шагом 16 дней (1, 17,… 353), и определен период, когда корреляция индекса и урожайности максимальна (129, 145 и 161 дни). В этот период индекс в большинстве лет находится в окрестности максимума. Для каждого района построены регрессионные уравнения зависимости урожайности от значения в установленный день (145 день) и максимального значений индекса за весь период вегетации. Показано, что прогноз, составленный в заранее определенный фиксированный день года, когда индекс в большинстве лет находится в окрестности максимума точнее (оценка на основе коэффициента детерминации и среднеквадратического отклонения), чем в день с максимальным значением индекса конкретного года.</p>
<p>Для получения прогностического значения средней областной урожайности применялись два подхода. В первом случае осуществлялся модельный расчет по районам, затем результаты усреднялись. Во втором – усреднение индекса NDVI по области, по которому затем модельный расчет урожайности. Экспериментальным путем подтверждено, что модельный расчет среднеобластной урожайности по усредненному значению индекса NDVI показывает лучшие результаты (коэффициент детерминации для Винницкой области 0,43).</p>
<p>Модель ГМЦ России [80, 79, 5].</p>
<p>Установлена связь динамики индекса NDVI с динамикой биомассы растений, которая определялась как произведение числа стеблей на 1 кв.м на высоту растений в областях ЦЧО в годы с погодными условиями разной степени благоприятности. Различия динамики накопления биомассы и изменения индекса по областям объясняются влиянием почвенно-климатических факторов, а по годам – колебаний погодных условий.</p>
<p>Предприняты попытки прогноза средней урожайности зерновых культур по областям, в том числе и озимой пшеницы по областям Средневолжского региона. Использовались данные Росстата за 1993-2013 гг. Выделены тренды урожайности, обусловленные повышением культуры земледелия, и дальнейший анализ связей осуществлялся и в абсолютных величинах (ц/га) и в отклонениях от тренда. Поставлена задача построения комплексной модели на основе наземной и спутниковой информации, поэтому исследованы связи урожайности с температурой и дефицитом влажности воздуха, гидротермическим коэффициентом, запасом влаги в почве, индексом NDVI по месяцам и декадам (всего 18 факторов). Коэффициенты попарной корреляции отмечались преимущественно в диапазоне 0,28-0,56, по отдельным областям 0,36-0,69.</p>
<p>В Центрально-черноземных областях, в частности, наиболее тесная связь урожайности зерновых установлена с гидротермическим коэффициентом и дефицитом влажности в мае и в июне. В ряде южных областей региона (в Белгородской, в частности) выявлена тесная связь урожайности зерновых (особенно озимых) с запасами продуктивной влаги в метровом слое почвы после возобновления вегетации (в третьей декаде апреля), коэффициент корреляции 0,70 и выше, что дает возможность более раннего прогнозирования.</p>
<p>С целью определения периода с наиболее тесной корреляцией урожайности с индексом NDVI построен график динамики корреляционной связи в ходе вегетационного периода. Установлено, что в разных областях эти периоды не совпадают. В Белгородской области период с наибольшими значениями коэффициента корреляции (выше 0,66) со второй декады апреля по первую декаду июня, в Липецкой области (выше 0,56) – с третьей декады мая по вторую декаду июня. Таким образом, для каждой области нужно выбирать свой период и строить свои уравнения регрессии для прогноза урожайности.</p>
<p>При составлении прогностических уравнений в начале июня и начале июля использовались среднеобластные значения метеорологических параметров за май и июнь соответственно, в некоторых областях запасы продуктивной влаги в конце апреля, а индекс NDVI – за декаду, в которой связь с урожайностью наибольшая. Проверка точности осуществлялась по данным 2003-2013 гг. Для прогнозов, составленных в начале июня, в 90% случаев ошибки прогнозов были в пределах 8-19% (коэффициент множественной корреляции 0,45-0,78); для прогнозов, составленных в начале июля – 6-15% (коэффициент корреляции 0,74-0,91).</p>
<p>Методика ВНИИСХМ [30, 70].</p>
<p>Осуществлен расчет средней районной урожайности зерновых культур и отдельно озимой пшеницы на основе данных стандартных метеонаблюдений с привлечением спутниковых данных. Комплекс исходной информации формируется по декадам вегетационного периода и включает соответствующие декаде и накопленные значения количества осадков, температуры и дефицит влажности воздуха, вегетационного индекса NDVI, гидротермического коэффициента (ГТК). Накопленные значения показателей – это последовательные суммы декадных значений за период от возобновления весенней вегетации до даты составления прогноза.</p>
<p>Анализ осуществляется регионально относительно среднеобластных значений параметров за 2001-2006 гг. [70] и 2001-2008 гг. [30]. В массив исходной информации включались данные по областям, входящим в соответствующее Управление гидрометсети, полученные путем осреднения данных соответствующих районов и метеостанций. В частности, для Приволжского УГМС осреднение метеорологических параметров осуществлялось по данным 8 метеостанций Ульяновской, 15 станций Самарской, 20 станций Саратовской и 26 станций Оренбургской областей.</p>
<p>Для каждой декады, начиная с 3 декады апреля и заканчивая 1 декадой июня, составлялась корреляционная матрица параметров, отражающая тесноту связи их с урожайностью культуры. Коэффициент множественной корреляции в диапазоне 0,57-0,88 (в зависимости от УГМС, культуры, декады) [30]. Для озимой пшеницы, например, наибольшие коэффициенты корреляции отмечались во второй декаде мая: с декадным значением индекса NDVI 0,62, с накопленным индексом NDVI 0,68, с температурой воздуха -0,54, с дефицитом влажности воздуха -0,50. В другие декады коэффициенты корреляции варьировали, но в целом были ниже [70].</p>
<p>В итоге составлены регрессионные уравнения зависимости урожайности озимой пшеницы от накопленных значений NDVI и ГТК для второй и третьей декад мая и первой декады июня. При определении накопленного индекса NDVI рассчитывалась сумма декадных значений индекса со второй декады мая, накопленного ГТК – с третьей декады апреля.</p>
<p>Расчет в конце второй декады мая [30, 70]:</p>
<p><img width="246" height="21" class="wp-image-7748" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1211.png" alt="word image 1211 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (59)</p>
<p>Коэффициент множественной корреляции 0,65, стандартная ошибка 3,61 ц/га, коэффициенты эластичности параметров ГТК 0,10 и индекса NDVI 1,06.</p>
<p>Расчет в конце третьей декады мая:</p>
<p><img width="244" height="21" class="wp-image-7749" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1212.png" alt="word image 1212 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> [30] (60)</p>
<p><img width="244" height="21" class="wp-image-7750" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1213.png" alt="word image 1213 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> [70] (61)</p>
<p>Коэффициент множественной корреляции 0,68, стандартная ошибка 3,48 ц/га, коэффициенты эластичности параметров ГТК 0,63 и индекса NDVI 0,73 [70].</p>
<p>Расчет в конце первой декады июня:</p>
<p><img width="219" height="21" class="wp-image-7751" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1214.png" alt="word image 1214 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> [30] (62)</p>
<p><img width="238" height="21" class="wp-image-7752" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1215.png" alt="word image 1215 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> [70] (63)</p>
<p>Коэффициент множественной корреляции 0,70, стандартная ошибка 3,38 ц/га, коэффициенты эластичности параметров ГТК 1,33 и индекса NDVI 0,47 [70].</p>
<p>Оценка точности моделей осуществлялась по критерию Фишера, коэффициентов уравнений – по критерию Стьюдента на 5% уровне значимости по данным 2007 г. [70] и 2009 г. [30]. Ошибка расчета 10-15%.</p>
<p>Модель Воронежского ГАУ [10].</p>
<p>Представлен подход, моделирующий динамику NDVI на отдельных полях озимой пшеницы с различными уровнями урожайности (высокой, средней и низкой) в областях Центрального федерального округа за 2017 год. Получена регрессионная логарифмическая модель динамики индекса NDVI (I) в процессе вегетации озимой пшеницы:</p>
<p><img width="193" height="30" class="wp-image-7753" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1216.png" alt="word image 1216 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (64)</p>
<p>Коэффициенты уравнения определяются методом наименьших квадратов. Проверка работоспособности модели проведена для более ста полей ЦФО – модель на 5% уровне значимости объясняет от 60 до 80% общей вариации вегетационного индекса.</p>
<p>Модель может быть использована для аппроксимации пропущенных значений вегетационного индекса NDVI, оценки времени достижения максимального значения индекса и прогнозирования сроков начала уборки. Также статистические оценки параметров уравнения (60) <em>a</em> и <em>С</em> предлагается использовать при прогнозировании урожайности (Y):</p>
<p><img width="197" height="21" class="wp-image-7754" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1217.png" alt="word image 1217 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> (65)</p>
<p>Стандартная ошибка уравнения – 14,63 ц/га, коэффициент детерминации 0,13 (коэффициент корреляции 0,36).</p>
<p>Вероятно, такая оценка урожайности имеет смысл для пространственной характеристики особенностей формирования вегетационного индекса и его влияния на продуктивность. В частности, величина средней областной урожайности, спрогнозированная тем или иным вышеописанным способом, может быть дифференцирована с помощью уравнения (65) по районам и отдельным полям.</p>
<p>Сравнительный анализ приведенных методик позволяет сделать следующие выводы.</p>
<ol>
<li>В работах Ставропольского НИИСХ и ГМЦ России установлена тесная связь индекса NDVI с биометрическими характеристиками посева, такими как густота стояния растений, надземная биомасса, фотосинтетический потенциал и другие. Это обосновывает использование показателя в качестве предиктора в моделях урожайности. Отмечается, что предварительная калибровка NDVI по этим показателям состояния посева повышает точность прогнозирования урожайности.</li>
<li>Динамика индекса NDVI в ходе вегетационного периода в природных зонах и по областям имеет свои особенности. Поэтому период, в который связь индекса с продуктивностью растений наибольшая, а также форма представления индекса в модели (максимальное, среднее, накопленное значение) требует предварительного изучения.</li>
<li>Пространственное разрешение описанных в этом разделе методов различно и зависит от целей моделирования. Для прогноза средней областной урожайности, в частности, не целесообразно построение и использование прогностических уравнений по районам, эффективнее модельный расчет урожайности производить сразу для области в целом или по природным зонам (на основе осредненных значений предикторов соответствующих районов) с последующим получением среднего значения по области.</li>
<li>Сочетание данных ДЗЗ и агрометеорологических показателей, а также тесно с ними связанных запасов продуктивной влаги в почве повышает оценки достоверности и точности моделирования урожайности.</li>
<li>При включении в число предикторов агрометеорологических показателей точность прогноза урожайности обратно пропорциональна его заблаговременности. В большинстве исследований сроки прогнозирования устанавливаются от возобновления весенней вегетации озимой пшеницы до колошения (применительно к Самарской области – с 3 декады апреля по 2 или 3 декаду июня).</li>
<li>Сравнительная оценка описанных выше методик прогнозирования по точности не может быть вполне корректной из-за различий региона и периода исследований, объема обучающей и контрольной выборок. По степени проработки индекса NDVI в качестве предиктора наиболее подробные результаты представлены Воронежским ГАУ, Самарским НИУ, Ставропольским НИИСХ; набора предикторов – ГМЦ России; целесообразных сроков прогнозирования – ВНИИСХМ, ГМЦ России.</li>
<li>По объему обучающей выборки большую достоверность предполагает модель ГМЦ России; по степени пространственной детализации – модели, осуществляющие расчет по природным зонам (с учетом маски полей) с последующим осреднением для области (Ставропольский НИИСХ, НАН Украины).</li>
</ol>
<h3><a id="post-7639-_Toc31195703"></a>2.4 Вывод о возможности создания комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием данных ДЗЗ и интеллектуальной системы прогнозирования метеоусловий</h3>
<p>Таким образом, конфигурация модели, тип используемой зависимости и состав предикторов должны определяться, исходя из целей и задач исследований, и соответствовать имеющемуся объему и качеству исходной информации.</p>
<p>Проведенный анализ существующих подходов к моделированию продуктивности позволяет заключить, что при многих достоинствах динамических (имитационных) и синоптико-статистических моделей формирования урожая их использование затруднено ввиду необходимости экспериментальной оценки большого числа параметров в первом случае и специальной программной обработки большого объема мировых метеорологических данных – во втором. Наиболее простыми в построении и реализации являются эмпирико-статистические и физико-статистические модели урожайности. Корректное их использование обеспечивает достаточно высокую точность моделирования. Поэтому на первом этапе исследований среди всего арсенала методов прогноза целесообразно остановиться на разработке нескольких регрессионных моделей (для реализации на разных этапах вегетационного периода, с включением разных наборов предикторов, линейных и нелинейных).</p>
<p>Разработка прогностических уравнений должна опираться на исходные данные, достаточно полно характеризующие все многообразие условий, которые возникают или могут возникнуть на рассматриваемой территории в период их использования. Поэтому необходимым условием является использование обучающей выборки предикторов с соответствующей пространственной детализацией территории и включением в анализ всех характерных для современного климата типов погодных условий. Согласно существующей типизации погодных условий выборку необходимо сформировать объемом 18-30 лет.</p>
<p>При прогнозе средней урожайности на уровне субъекта РФ (и в частности Самарской области) достаточно учитывать неоднородности макромасштабного уровня (межзональные) и в состав предикторов включать метеорологические параметры и биометрические характеристики самого посева с детализацией по природным зонам, в которых этот субъект находится. В Самарской области по трем зонам – северной, центральной и южной. Зональные значения параметров определяются путем осреднения соответствующих значений по административным районам (с учетом маски полей). Результаты расчетов урожайности, выполненные для зон, обобщаются затем для области в целом.</p>
<p>Для построения регрессионных моделей необходимо опираться на статистически значимые метеорологические показатели, получаемые непосредственно по данным стандартных метеонаблюдений. К таким показателям, прежде всего, относится температура и влажность воздуха, гидротермический коэффициент, количество осадков, сумма ФАР. Использование запаса продуктивной влаги в почве позволяет уточнить действие на растения метеорологических условий с учетом агрофизических свойств почвы и способствует повышению достоверности и точности моделирования.</p>
<p>Включение в состав предикторов показателей состояния растительного покрова (густоты стояния и высоты растений, числа колосков в колосе, индекса листовой поверхности, величины фотосинтетического потенциала посева, сухой биомассы надземных органов, а также вегетационных индексов по данным ДЗЗ) позволяет наиболее корректно задать начальные условия на момент составления прогноза, снимает необходимость дополнительно учитывать особенности агротехники, также способствует повышению достоверности и точности прогноза.</p>
<p>Для решения задачи прогнозирования урожайности наиболее адаптированы вегетационные индексы SR, NDVI и PVI, рассчитываемые по данным ДЗЗ красного и ближнего инфракрасного спектральных диапазонов. Из них индекс NDVI имеет наиболее широкое использование в качестве оптико-биологической характеристики поверхности, и на первом этапе целесообразно ограничиться включением в модель лишь этого показателя.</p>
<p>Период, в который связь индекса с продуктивностью растений наибольшая, а также форма представления индекса в модели (максимальное, среднее, накопленное значение) требует предварительного изучения и калибровки в разрезе природных зон области.</p>
<p>С целью последовательного уточнения прогноза модели необходимо построить для реализации в разные сроки – от возобновления весенней вегетации озимой пшеницы до колошения. Применительно к Самарской области – это период с 3 декады апреля по 2 или 3 декаду июня.</p>
<h2><a id="post-7639-_Toc31195704"></a>3 ФОРМИРОВАНИЕ КОМПЛЕКСНОЙ МОДЕЛИ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ И ВАЛОВОГО СБОРА ОЗИМОЙ ПШЕНИЦЫ С ИСПОЛЬЗОВАНИЕМ ДАННЫХ ДЗЗ И ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ МЕТЕОУСЛОВИЙ</h2>
<h3><a id="post-7639-_Toc31195705"></a><a id="post-7639-_Toc25690782"></a>3.1 Подготовка базы данных границ полей Самарской области и их характеристик</h3>
<p>Для формирование комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием данных ДЗЗ и интеллектуальной системы прогнозирования метеоусловий необходимо создать базу данных, включающую два тестовых набора данных границ посевов и их характеристик на территории Самарской области. Данная работа проводилась совместно с Научно-исследовательской лабораторией геоинформатики и информационной безопасности (НИЛ-55) Самарского национального исследовательского университета имени академика С.П.Королева.</p>
<p>Первый тестовый набор данных использовался для решения задач сегментации границ полей на однородные участки, расчета временных последовательностей вегетационных индексов, определения типов культур и оценки состояния посевов. Набор был сформирован по данным информационной системы «ГИС Агропромышленного комплекса Самарской области» (ГИС АПК) [15] и по данным открытых источников данных ДЗЗ с 2017-2019 г.</p>
<p>Второй набор тестовых данных использовался для решения задач прогнозирования урожайности и оценки количества агрохимических обследований и включал в себя векторные данные по границам полей, участкам агрохимических обследований, доступные в информационной системе ГИС АПК,и открытые данные ДЗЗ за 2015 г.</p>
<h4><a id="post-7639-_Toc25690783"></a><a id="post-7639-_Toc31195706"></a>3.1.1 Первый набор тестовых данных</h4>
<p>Первый набор данных включает в себя векторную карту границ полей, сформированную из системы ГИС АПК специалистами муниципальных районов Самарской области по состоянию на 07.10.2019 г. Набор включает в себя границы для 26446 объектов общей площадью 2857363 Га. В набор входят следующие характеристики полей: номер поля, производитель, площадь поля по карте, площадь поля по декларации 2019 г., список культур по декларации 2019 г.</p>
<p>Пример границ полей первого тестового набора приведен на рисунке 10.</p>
<p><img width="1221" height="656" class="wp-image-7755" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-152.jpeg" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-152.jpeg 1221w, https://apknet.ru/wp-content/uploads/2020/11/word-image-152-300x161.jpeg 300w, https://apknet.ru/wp-content/uploads/2020/11/word-image-152-1024x550.jpeg 1024w, https://apknet.ru/wp-content/uploads/2020/11/word-image-152-768x413.jpeg 768w" sizes="(max-width: 1221px) 100vw, 1221px" alt="word image 152 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"><br />
Рисунок 10 – Пример границ полей первого тестового набора</p>
<p>В состав первого набора данных вошли следующие данные ДЗЗ:</p>
<p>– снимки среднего разрешения Sentinel-2 [112] с пространственным разрешением 10 м с 2017-2019 г., использованные для уточнения границ пашни и получения границ под монокультурами. На основании безоблачных участков снимков составлялись покрытия области за весенний (с 15 мая по 15 июня) и осенний (с 1 по 30 сентября) периоды с двумя наборами спектральных каналов: красный (R), зеленый (G), синий (B) для отображения в естественных цветах и ближний инфракрасный (NIR), красный (R), зеленый (G) для анализа растительности. Примеры покрытий за осенний период 2019 г. приведены на рисунке 11;</p>
<p><img width="1296" height="738" class="wp-image-7756" src="https://apknet.ru/wp-content/uploads/2020/11/pokrytiya-osen-2019.png" alt="Покрытия осень 2019" srcset="https://apknet.ru/wp-content/uploads/2020/11/pokrytiya-osen-2019.png 1296w, https://apknet.ru/wp-content/uploads/2020/11/pokrytiya-osen-2019-300x171.png 300w, https://apknet.ru/wp-content/uploads/2020/11/pokrytiya-osen-2019-1024x583.png 1024w, https://apknet.ru/wp-content/uploads/2020/11/pokrytiya-osen-2019-768x437.png 768w" sizes="(max-width: 1296px) 100vw, 1296px" /><br />
Рисунок 11 – Пример покрытий Самарской области снимками среднего разрешения за осень 2019 г. в различных спектральных диапазонах</p>
<p>– снимки низкого разрешения MODIS (продукт MOD09GQ [140]) с пространственным разрешением 250 м за период с 01.04.2019 до 31.08.2019, использованные для расчета временных последовательностей вегетационных индексов (ВПВИ). Общее количество использованных снимков 145.</p>
<h4><a id="post-7639-_Toc25690784"></a><a id="post-7639-_Toc31195707"></a>3.1.2 Второй тестовый набор данных</h4>
<p>Второй тестовый набор данных включал в себя данные, необходимые для моделирования и прогнозирования урожайности, а также данные агрохимических обследований за 2015 г.</p>
<p>В состав набора данных вошли:</p>
<p>– векторные границы полей, предоставленные агрохолдингом-партнером за 2015 г., с указанием семантической информации по культурам и их фактической урожайности, площадями под культурой, наименованием территориального подразделения хозяйства, а также выборочно по полям данные о сорте и репродукции семян. Общая площадь границ полей с семантикой по фактической урожайности составила: 148682.81Га. Общее количество полей для тестирования – 656;</p>
<p>– векторные границы почвенной карты (2003 г.) по трем районам: Шенталинский, Богатовский, Большеглушицкий. В состав семантики векторной карты почв вошли такие показатели как: тип почвы и среднее содержание гумуса;</p>
<p>– векторные границы карты участков по агрохимическим обследованиям (2015 г.) по выборочным хозяйствам Самарской области. В состав семантики по агрохимическим обследованиям вошли такие показали как: среднее содержание гумуса, фосфора, калия и серы на участке агрохимобследования. Данные агрохимических обследований были предоставлены преимущественно по Большеглушицкому району;</p>
<p>– база данных (БД) метеорологических измерений по данным открытых интернет-источников за 2015 г. Подготовленная БД содержит ежедневные данные по температуре, влажности воздуха и количеству осадков за 2015 г.</p>
<p>– данные ДЗЗ низкого разрешения в виде снимков MODIS (продукт MOD09GQ) с разрешением 250 м за период c 01.04.2015 до 15.11.2015 г. Общее количество использованных снимков: 169.</p>
<p>Пример векторных данных из второго набора приведен на рисунке 12.</p>
<p><img width="1346" height="717" class="wp-image-7757" src="https://apknet.ru/wp-content/uploads/2020/11/vektornye-dannye-dlya-prognozirovaniya-urozhajnosti.png" alt="Векторные данные для прогнозирования урожайности" srcset="https://apknet.ru/wp-content/uploads/2020/11/vektornye-dannye-dlya-prognozirovaniya-urozhajnosti.png 1346w, https://apknet.ru/wp-content/uploads/2020/11/vektornye-dannye-dlya-prognozirovaniya-urozhajnosti-300x160.png 300w, https://apknet.ru/wp-content/uploads/2020/11/vektornye-dannye-dlya-prognozirovaniya-urozhajnosti-1024x545.png 1024w, https://apknet.ru/wp-content/uploads/2020/11/vektornye-dannye-dlya-prognozirovaniya-urozhajnosti-768x409.png 768w" sizes="(max-width: 1346px) 100vw, 1346px" /></p>
<p>Рисунок 12 – Векторные данные в составе второго набора данных</p>
<p>Для дальнейшего использования данных для прогнозирования урожайности в слой границ полей сельхозтоваропроизводителя с помощью средств обработки данных в ГИС была внесена следующая дополнительная информация по каждому участку:</p>
<p>– координаты центра поля;</p>
<p>– площадь поля по карте;</p>
<p>– периметр поля;</p>
<p>– тип почвы из справочника;</p>
<p>– содержание гумуса по почвенной карте;</p>
<p>– среднее значение концентрации гумуса, фосфора и калия по агрохимическим обследованиям;</p>
<p>– наименование муниципального района Самарской области.</p>
<p>– данные по временным последовательностям нормализованного разностного индекса вегетации (NDVI) [95].</p>
<p>Для обеспечения возможности использования балла бонитета почвы в моделях урожайности для справочника почв по данным почвенных карт второго набора был создан справочник бонитетов почв и нормативной урожайности для зерновых и кормовых культурна основании рекомендаций Трегубова Б.А [88].</p>
<p>Таким образом подготовлено два тестовых набора данных, содержащие границы посевов для обработки и данные ДЗЗ из открытых источников (Sentinel-2 и MODIS). Первый набор данных предназначен для тестирования методов сегментации изображений ДЗЗ с целью уточнения границ посевов, а также для расчета ВПВИ, оценки состояния посевов и классификации культур за 2019 г. Второй набор тестовых данных предназначен для построения модели урожайности и решения задачи оптимизации данных агрохимических обследований и был составлен из данных хозяйств за 2015 г., данных почвенных карт 2003 г. и данных агрохимических обследований за 2015 г. Оба набора данных содержат векторные границы полей и их характеристики на территории Самарской области площади не менее 100 тысяч га и составлены на основе данных ГИС агропромышленного комплекса Самарской области.<a id="post-7639-_Toc25690786"></a></p>
<h3><a id="post-7639-_Toc31195708"></a>3.2 Создание математических методов и алгоритмов обработки космических ДДЗ среднего и низкого разрешения<a id="post-7639-_Toc25690787"></a></h3>
<h4><a id="post-7639-_Toc31195709"></a>3.2.1 Разработка алгоритмов автоматизации поиска и получения космических снимков в открытых источниках по указанной территории</h4>
<p>В настоящее время данные ДЗЗ со многих спутников находятся в свободном доступе. Как правило, поиск и загрузка спутниковых снимков осуществляется вручную, с помощью систем, подобным NASA EarthData, USGS EarthExplorer, Copernicus Open Access Hub, взаимодействие с которыми происходит по сети Интернет. Некоторые из этих систем имеют открытый API, который позволяет сторонним программам взаимодействовать с ними, и тем самым автоматизировать поиск и загрузку снимков.</p>
<p>Основным способом группировки спутниковых снимков является набор данных (dataset). Набор данных включает в себя данные, полученные от одного семейства спутников, одного уровня обработки, содержащие один и тот же тип данных (отражательная способность поверхности, спектральные индексы и пр.), определенного пространственного разрешения и проекции, распространяющиеся в определенном формате. Соответствующим образом, от набора данных зависят последующие алгоритмы обработки снимков.</p>
<p>Поскольку существует множество различных наборов данных, которые дублируют друг друга, либо не подходят для анализа сельхозугодий, имеет смысл ограничить список доступных для загрузки наборов данных. В этом случае приоритет отдается наборам, данные из которых уже прошли радиометрическую и геометрическую коррекцию, ортотрансформирование и атмосферную коррекцию, для облегчения последующей обработки снимков. В случае необходимости, соответствующие этапы коррекции производятся после загрузки снимков. Кроме того, один набор данных (родительский набор данных) может являться основой для другого набора данных (производного набора данных), в этом случае загружаются данные родительского набора данных, а генерация данных производного набора происходит на этапе обработки.</p>
<p>Поиск снимков осуществляется с помощью открытых API систем USGS EarthExplorer и Copernicus Open Access Hub. Обе системы требуют регистрации для доступа к данным.</p>
<p>EarthExplorer JSON API [161] позволяет осуществлять поиск по множеству наборов данных, включающих в себя данные, полученные от Landsat 8 OLI/TIRS, Terra/Aqua MODIS, Terra ASTER, Suomi NPP VIIRS и пр. Взаимодействие с системой происходит через пересылку запросов и получение ответов в формате JSON.</p>
<p>EarthExplorer JSON API позволяет получать список доступных наборов данных, их характеристики и идентификаторы, необходимые для дальнейшего поиска спутниковых снимков.</p>
<p>В качестве параметров поиска спутниковых снимков выступают:</p>
<p>– идентификатор набора данных;</p>
<p>– максимальные и минимальные значения координат территории наблюдения, определяющие ориентированный по осям координат прямоугольник поиска;</p>
<p>– временной интервал съемки;</p>
<p>– облачность;</p>
<p>– дополнительные фильтры по полям метаданных снимков (состав полей определяется набором данных).</p>
<p>Результатом является список объектов, представляющих спутниковые снимки и их базовые характеристики: территория съемки, время съемки, уникальные идентификаторы displayId и entityId, один из которых является собственным идентификатором снимка, а второй назначается системой USGS. Дополнительным запросом возможно получить метаданные для каждого снимка.</p>
<p>Поскольку заданная территория поиска может быть полигоном (или набором полигонов) любой формы, а не только ориентированным по осям координат прямоугольником, после первичного поиска производится дополнительная фильтрация данных на основе пересечения границ снимка и заданной территории наблюдения.</p>
<p>Хотя загрузка данных с помощью EarthExplorer JSON API возможна, для этого необходимы особые права доступа. В связи с этим, USGS EarthExplorer используется только как поисковая система для получения идентификаторов снимков и их метаданных. Непосредственно загрузка спутниковых снимков производится из других источников: хранилища USGS LP DAAC, каталогов открытых данных, расположенных на серверах Amazon Web Services и Google Cloud. Путь к данным внутри хранилища может легко быть сгенерирован на основе метаданных снимка, поскольку все пути соответствуют определенному шаблону, специфичному для данного хранилища.</p>
<p>Copernicus OpenSearch API [113] позволяет осуществлять поиск по наборам данных с семейств спутников Sentinel-1, -2, -3, -5. Параметрами поиска являются:</p>
<p>– платформа (Sentinel-1, Sentinel-2, …);</p>
<p>– территория (в формате WKT);</p>
<p>– временной интервал съемки;</p>
<p>– облачность;</p>
<p>– уровень обработки продукта.</p>
<p>Передача параметров поиска происходит в URL HTTP GET-запроса к серверу, результат успешного запроса представлен в формате JSON. Для уменьшения количества загружаемых данных, из результатов поиска могут отбираться только спутниковые снимки, покрывающие запрошенную территорию более, чем на заданный процент.</p>
<p>Copernicus Open Access Hub API предоставляет возможность прямой загрузки найденных снимков. Снимки распространяются формате SAFE.</p>
<p>Помимо хранилищ данных, существуют так же системы, осуществляющие обработку и выдачу данных по запросу, к ним относится USGS ESPA [118], в которой могут быть заказаны атмосферно скорректированные данные Landsat-8 и Terra/Aqua MODIS. В этом случае производится предварительный запрос данных, снимки скачиваются по мере готовности.</p>
<p>Обработка спутниковых снимков производится с помощью библиотеки GDAL, позволяющей производить смену формата файла, смену проекции, операции растровой алгебры и многое другое.</p>
<p>В рамках настоящей системы скачивание и обработка космических снимков производится по предварительному заказу. Каждый заказ имеет следующие атрибуты:</p>
<p>– набор данных;</p>
<p>– временной интервал;</p>
<p>– территория;</p>
<p>– флаг активности;</p>
<p>– время последней загрузки снимков;</p>
<p>– время последней обработки снимков.</p>
<p>Заказы регистрируются в БД. Производится обработка только тех заказов, флаг активности которых установлен. Контроль за активностью заказов осуществляет администратор системы.</p>
<p>Информация о доступных наборах данных так же хранится в БД. Каждый набор данных имеет следующие атрибуты:</p>
<p>– уникальное имя;</p>
<p>– публичное имя;</p>
<p>– описание;</p>
<p>– флаг доступности для прямого заказа;</p>
<p>– имя, используемое в системе поиска;</p>
<p>– имя, используемое для загрузки данных из хранилища;</p>
<p>– метод загрузки и его параметры;</p>
<p>– метод поиска и его параметры;</p>
<p>– метод обработки и его параметры;</p>
<p>– список родительских наборов данных.</p>
<p>Публичное имя и описание набора данных служат для отображения пользователям, флаг доступности для прямого заказа определяет, могут ли пользователи создавать запросы на поиск и загрузку спутниковых снимков по этому набору.</p>
<p>Для загрузки данных ДЗЗ был создан модуль загрузки данных, написанный совместно с сотрудниками НИЛ-55 Самарского университета на языке программирования Python. Список параметров модуля:</p>
<p>– строка подключения к БД (обязателен);</p>
<p>– имя файла блокировки;</p>
<p>– режим функционирования;</p>
<p>– корневая директория, в которой создается каталог спутниковых снимков;</p>
<p>– шаблон, определяющий структуру каталога;</p>
<p>– переключатель многопоточного режима;</p>
<p>– число потоков;</p>
<p>– максимально допустимая облачность снимков;</p>
<p>– минимальный процент, на который снимок должен покрывать запрашиваемую территорию;</p>
<p>– максимальное число спутниковых снимков, загружаемых для каждого набора данных за 1 раз.</p>
<p>Параметры передаются как аргументы командной строки, либо считываются из БД. Обязательным параметром модуля является строка подключения к базе данных.</p>
<p>Модуль загрузки может обрабатывать запросы в двух режимах. В первом режиме поиск и загрузка снимки производятся только для новых запросов, а во втором – поиск и загрузка производятся для всего списка запросов. Модуль загрузки в первом режиме запускается чаще, для обеспечения более быстрой реакции на поступающие заказы.</p>
<p>Единовременно может быть запущен только один экземпляр модуля загрузки, для уменьшения загруженности вычислительных и сетевых ресурсов и устранения возможного дублирования загрузки снимков. Единственность экземпляра обеспечивается путем захвата файл блокировки, имя которого является параметром модуля.</p>
<p>Схемы алгоритмов загрузки приведены на рисунке 13.</p>
<p>Алгоритм работы модуля загрузки состоит из следующих шагов.</p>
<p>1) модуль устанавливает подключение с БД, применяет настройки, заданные при запуске, для незаданных настроек считывает из БД и применяет значения по умолчанию;</p>
<p>2) из БД считываются наборы данных, производится их сопоставление с известными методами поиска и загрузки, устанавливается связь между родительскими и производными наборами данных;</p>
<p>3) из БД считываются запросы на поиск спутниковых снимков (тип считываемых запросов зависит от выбранного режима);</p>
<p>4) если множество запросов пусто – выход;</p>
<p>5) производится сопоставление запросов и наборов данных. запросы по производным наборам данных ассоциируются с родительскими наборами данных по цепочке;</p>
<p>6) для каждого набора данных выполняется загрузка снимков:</p>
<p>– выбираются все запросы по заданному набору данных;</p>
<p>– по списку запросов строится общий пространственно-временной интервал поиска, формируется общий поисковый запрос;</p>
<p>– производится поиск снимков, формируется список найденных снимков;</p>
<p>– снимки фильтруются на соответствие заказам, для исключения снимков, не попадающих ни в один заданный временной интервал или покрывающих территорию менее, чем на заданный минимальный процент;</p>
<p>– отфильтрованный список снимков отправляется на загрузку;</p>
<p>7) для каждого набора данных с непустым списком снимков:</p>
<p>– отфильтровываются уже загруженные снимки;</p>
<p>– снимки загружаются;</p>
<p>– успешно загруженные снимки регистрируются в БД;</p>
<p>– у заказов, для которых был загружен хотя бы 1 снимок, обновляется время последней загрузки.</p>
<p><img width="686" height="1046" class="wp-image-7758" src="https://apknet.ru/wp-content/uploads/2020/11/algorithms-page-3-4.jpeg" alt="Algorithms-Page-3 (4)" srcset="https://apknet.ru/wp-content/uploads/2020/11/algorithms-page-3-4.jpeg 686w, https://apknet.ru/wp-content/uploads/2020/11/algorithms-page-3-4-197x300.jpeg 197w, https://apknet.ru/wp-content/uploads/2020/11/algorithms-page-3-4-672x1024.jpeg 672w" sizes="(max-width: 686px) 100vw, 686px" /></p>
<p>Рисунок 13 – Схемы алгоритмов модуля загрузки</p>
<p>Место сохранения загруженных снимков определяется настройками модуля. По умолчанию, путь к сохраненным файлам определяется шаблоном «<em>корневая директория каталога/имя набора данных/год съемки снимка /месяц/день/идентификатор снимки/</em>»</p>
<p>Следует отметить, что различные наборы данных могут распространяться в различных форматах (GeoTIFF, SAFE, HDF) и различных проекциях.</p>
<p>За дальнейшую обработку спутниковых снимков отвечает модуль обработки, написанный на языке Python. Параметрами модуля обработки являются:</p>
<p>– строка подключения к БД (обязателен);</p>
<p>– имя файла блокировки;</p>
<p>– режим функционирования;</p>
<p>– корневая директория, в которой создается каталог обработанных спутниковых снимков;</p>
<p>– шаблон, определяющий структуру каталога;</p>
<p>– переключатель многопоточного режима;</p>
<p>– число потоков;</p>
<p>– максимальное число спутниковых снимков, обрабатываемых модулем за 1 раз.</p>
<p>Схема алгоритма работы модуля обработки приведена на рисунке 14.</p>
<p>Алгоритм работы модуля обработки состоит из следующих шагов.</p>
<p>1) модуль обработки считывает параметры командной строки, устанавливает соединение с БД, считывает необходимые параметры по умолчанию, захватывает файл блокировки;</p>
<p>2) из БД считываются наборы данных, для каждого набора данных определяется алгоритм обработки, устанавливается связь между родительскими и производными наборами данных;</p>
<p>3) из БД считываются запросы на получение спутниковых данных;</p>
<p>4) если в БД нет необработанных снимков – переход к шагу 8;</p>
<p>5) для каждого запроса:</p>
<p>– если набор данных запроса является производным, запрос обрабатывается родительскими наборами данных по цепочке;</p>
<p>– из БД запрашиваются все загруженные спутниковые снимки, соответствующие запросу;</p>
<p>6) составляется общий список необработанных снимков;</p>
<p><img width="716" height="1119" class="wp-image-7759" src="https://apknet.ru/wp-content/uploads/2020/11/algorithms-page-4.jpeg" alt="Algorithms-Page-4" srcset="https://apknet.ru/wp-content/uploads/2020/11/algorithms-page-4.jpeg 716w, https://apknet.ru/wp-content/uploads/2020/11/algorithms-page-4-192x300.jpeg 192w, https://apknet.ru/wp-content/uploads/2020/11/algorithms-page-4-655x1024.jpeg 655w" sizes="(max-width: 716px) 100vw, 716px" /></p>
<p>Рисунок 14 – Схемы алгоритмов модуля обработки</p>
<p>7) для каждого необработанного снимка:</p>
<p>– производится обработка алгоритмом, связанным с набором данных снимка;</p>
<p>– производится сохранение результата обработки в каталог обработанных снимков;</p>
<p>– производится регистрация обработанного снимка и его исходных метаданных в БД, снимок помечается, как не состоящий в покрытии;</p>
<p>– из БД запрашиваются ближайшие обработанные снимки из покрытия;</p>
<p>– производится уточнение геопривязки снимка;</p>
<p>– в БД снимок помечается, как состоящий в покрытии;</p>
<p>8) для каждого запроса:</p>
<p>– если набор данных запроса не является производным, запрос игнорируется;</p>
<p>– из БД запрашиваются снимки из покрытия родительского набора данных, соответствующие запросу;</p>
<p>9) составляется общий список обработанных снимков, производится их сопоставление с конечными наборами данных;</p>
<p>10) для каждого снимка:</p>
<p>– производится обработка алгоритмом, связанным с конечным набором данных;</p>
<p>– производится сохранение результата обработки в каталог обработанных снимков;</p>
<p>– производится регистрация обработанного снимка в БД, снимок помечается как состоящий в покрытии, поскольку он основан на снимке из покрытия;</p>
<p>– для всех запросов, по которым имеются данные в покрытии, обновляется время обработки.</p>
<p>Алгоритм обработки может включать в себя:</p>
<p>– радиометрическую коррекцию снимков;</p>
<p>– геометрическую коррекцию и ортотрансформирование снимков;</p>
<p>– атмосферную коррекцию снимков;</p>
<p>– смену разрешения и проекции снимков;</p>
<p>– смену формата файла;</p>
<p>– необходимые вычисления для получения производных данных из исходного спутникового снимка.</p>
<p>Место сохранения данных обработанных снимков определяется настройками модуля. По умолчанию, путь к файлам обработанных снимков определяется шаблоном «<em>корневая директория каталога/имя набора данных/год съемки/месяц/день/идентификатор снимка/</em>»</p>
<p>Модули загрузки и обработки спутниковых снимков должны запускаться автоматически по расписанию.<a id="post-7639-_Toc25690791"></a></p>
<h4><a id="post-7639-_Toc31195710"></a>3.2.2 Разработка алгоритмов обеспечения эффективного хранения и доступа к покрытиям из космоснимков</h4>
<p>Для хранения данных о космоснимках используется СУБД PostgreSQL с установленным расширением PostGIS, добавляющим поддержку географических типов данных (геометрии, растров, систем координат) и операций с ними.</p>
<p>Формально, PostGIS позволяет хранить в БД растровые данные и осуществлять их обработку на лету, однако такой подход, во-первых, может вызвать проблемы с производительностью и, во-вторых, в рамках текущей задачи не дает никаких преимуществ. В данном случае PostGIS используется для построения пространственных индексов по территории покрытия снимков.</p>
<p>Загрузка и обработка спутниковых снимков производятся по запросу. Запросы хранятся в БД в таблице ORDERS.ORDERS, структура которой приведена в таблице 11.</p>
<p>Таблица 11</p>
<p>Структура таблицы ORDERS.ORDERS</p>
<table>
<tbody>
<tr>
<td>Имя</td>
<td>Тип</td>
<td>Описание</td>
</tr>
<tr>
<td>ID</td>
<td>Int</td>
<td>Идентификатор запроса в БД</td>
</tr>
<tr>
<td>DATASET</td>
<td>Varchar</td>
<td>Имя запрашиваемого набора данных</td>
</tr>
<tr>
<td>TERRITORY</td>
<td>Geometry (тип PostGIS)</td>
<td>Территория, по которой запрашиваются спутниковые снимки</td>
</tr>
<tr>
<td>START_DATE</td>
<td>Date</td>
<td>Начало временного интервала поиска (по умолчанию 1 января 2000 г.)</td>
</tr>
<tr>
<td>END_DATE</td>
<td>Date</td>
<td>Конец временного интервала поиска (по умолчанию текущая дата)</td>
</tr>
<tr>
<td>ACTIVE</td>
<td>Bool</td>
<td>Флаг активности</td>
</tr>
</tbody>
</table>
<p>Как было отмечено ранее, модуль загрузки в процессе функционирования формирует каталог определенной структуры, в котором путь к снимку генерируется из метаданных снимка. Данные каждого снимка располагаются в отдельных директориях внутри каталога. Аналогичным образом действует модуль обработки.</p>
<p>Данные о загруженных снимках регистрируются в БД в таблице RAW.SCENES. Ее структура приведена в таблице 12.</p>
<p>Таблица 12</p>
<p>Структура таблицы RAW.SCENES</p>
<table>
<tbody>
<tr>
<td>Имя</td>
<td>Тип</td>
<td>Описание</td>
</tr>
<tr>
<td>ID</td>
<td>Int</td>
<td>Идентификатор снимка в БД</td>
</tr>
<tr>
<td>SCENE_ID</td>
<td>Varchar</td>
<td>Уникальный идентификатор снимка</td>
</tr>
<tr>
<td>DATASET</td>
<td>Varchar</td>
<td>Имя набора данных</td>
</tr>
<tr>
<td>SCENE_DATE</td>
<td>Date</td>
<td>Дата снимка</td>
</tr>
<tr>
<td>SCENE_FOOTPRINT</td>
<td>Geometry(Тип PostGIS)</td>
<td>Территория, покрываемая снимком</td>
</tr>
<tr>
<td>STORE_LOCATION</td>
<td>Varchar</td>
<td>Полный путь директории, в которой находятся данные снимка</td>
</tr>
<tr>
<td>FILES</td>
<td>Varchar[]</td>
<td>Список файлов спутникового снимка</td>
</tr>
<tr>
<td>STATUS</td>
<td>VARCHAR(10)</td>
<td>Статус снимка (загружен, ожидает данные, не подлежит обработке)</td>
</tr>
</tbody>
</table>
<p>&nbsp;</p>
<p>Структура таблицы позволяет производить фильтрацию по набору данных, территории и временному интервалу.</p>
<p>Данные об обработанных снимках регистрируются в БД в таблице COVERAGE.SCENES. Ее структура приведена в таблице 13.</p>
<p>Таблица 13</p>
<p>Структура таблицы RAW.SCENES</p>
<table>
<tbody>
<tr>
<td>Имя</td>
<td>Тип</td>
<td>Описание</td>
</tr>
<tr>
<td>ID</td>
<td>Int</td>
<td>Идентификатор снимка в БД</td>
</tr>
<tr>
<td>SCENE_ID</td>
<td>Varchar</td>
<td>Уникальный идентификатор снимка</td>
</tr>
<tr>
<td>DATASET</td>
<td>Varchar</td>
<td>Имя набора данных</td>
</tr>
<tr>
<td>SCENE_DATE</td>
<td>Date</td>
<td>Дата снимка</td>
</tr>
<tr>
<td>SCENE_FOOTPRINT</td>
<td>Geometry(Тип PostGIS)</td>
<td>Территория, покрываемая снимком</td>
</tr>
<tr>
<td>STORE_LOCATION</td>
<td>Varchar</td>
<td>Полный путь директории, в которой находятся данные снимка</td>
</tr>
<tr>
<td>FILENAME</td>
<td>Varchar</td>
<td>Файл обработанного снимка</td>
</tr>
<tr>
<td>METADATA</td>
<td>Varchar</td>
<td>Метаданные оригинального снимка</td>
</tr>
<tr>
<td>STATUS</td>
<td>VARCHAR(10)</td>
<td>Статус снимка (в покрытии, вне покрытия)</td>
</tr>
</tbody>
</table>
<p>Поля SCENE_ID и DATASET в таблицах RAW.SCENES и COVERAGE.SCENES имеют идентичную роль, и являются фактическим первичным ключом, поскольку в пределах одного набора данных не может быть снимка с таким же идентификатором. Если для некоторых записей в таблицах RAW.SCENES и COVERAGE.SCENES поля SCENE_ID и DATASET равны, то записи относятся к одному и тому же снимку до и после обработки.</p>
<p>По каждой из таблиц строятся 2 индекса. Первый индекс строится по полям (DATASET, SCENE_FOOTPRINT), и служит для ускорения пространственной фильтрации спутниковых снимков. Второй индекс стоится по полям (DATASET, SCENE_DATE), и служит для ускорения временной фильтрации. Включение поля DATASET необходимо для повышения эффективности индекса, поскольку пространственный GIST-индекс, построенный по всем снимкам без разделения по наборам данных, будет содержать слишком много записей, что приведет к деградации производительности.</p>
<p>С использованием вышеперечисленных таблиц, можно легко получить спутниковый снимок, как в обработанном, так и в необработанном варианте. В этом случае алгоритм получения весьма прост:</p>
<ol>
<li>выбрать тип снимка: обработанный или необработанный;</li>
<li>определить набор данных;</li>
<li>определить территорию поиска;</li>
<li>определить временной интервал;</li>
<li>произвести запрос в БД к соответствующей таблице с дополнительными ограничениями на поле STATUS;</li>
<li>выбрать поле STORE_LOCATION из результатов запроса;</li>
<li>считать из STORE_LOCATION все файлы снимка.</li>
</ol>
<p>Получить все спутниковые снимки, соответствующие определенному запросу на получение спутниковых данных, так же не составляет труда. Для этого необходимо:</p>
<ol>
<li>определить ID запроса;</li>
<li>определить набор данных, по которому сделан запрос;</li>
<li>получить территорию и временной интервал запроса из БД;</li>
<li>произвести поиск снимков на основе набора данных, территории и временного интервала (см. предыдущий алгоритм);</li>
<li>для каждого найденного снимка считать данные из каталога.</li>
</ol>
<p>Доступ к данным может быть получен любым приложением, имеющим доступ к базе данных. Для организации доступа к данным извне в рамках данной системы используется ПО MapServer, реализующее протоколы WMS, WMTS, WCS.<a id="post-7639-_Toc25690794"></a></p>
<h4><a id="post-7639-_Toc31195711"></a>3.2.3 Разработка алгоритмов доступа к покрытиям через стандартные протоколы WMS и WMTS с обеспечением эффективного кеширования файлов данных</h4>
<p>Для реализации доступа к данным по протоколам WMS и WMTS используется ПО MapServer 7.4.0 и MapCache 1.8.0, распространяемое по лицензии MIT. В качестве веб-сервера используется Apache2.</p>
<p>Протоколы WMS, WMTS, WCS и WFS были разработаны консорциумом OGC. Полные спецификации протоколов WMS, WMTS и WCS приведены в [17, 18, 19]. Здесь же приведены краткие сведения.</p>
<p>Протоколы взаимодействие с сервером по протоколам WMS, WCS и WMTS организовано через HTTP-запросы с передачей параметров в URL-строке запроса. Общий формат HTTP-запроса выглядит следующим образом:</p>
<p>&amp;SERVICE=(WMS/WMTS/WCS)</p>
<p>&amp;VERSION=(версия сервиса)</p>
<p>&amp;REQUEST=(Тип запроса)</p>
<p>[&amp;(параметры)]».</p>
<p>Протокол WMS (Web Map Service) обеспечивает взаимодействие между пользователями и источником геоданных про HTTP-протоколу, и позволяет запрашивать и получать данные по определенной территории и определенному временному интервалу в растровом формате.</p>
<p>Спецификация формата WMS 1.1 требует, чтобы WMS-сервер мог принимать запросы 2-х типов:</p>
<p>– GetCapabilities;</p>
<p>– GetMap.</p>
<p>MapServer полностью реализует протокол WMS версий 1.0, 1.0.7, 1.1, 1.1.1 и частично 1.3.</p>
<p>Запрос GetCapabilities возвращает информацию о поддержке сервером различных опциональных запросов и форматов в формате xml.</p>
<p>Запрос GetMap возвращает растровые данные, соответствующие заданным пользователем параметрам:</p>
<p>– LAYERS – список покрытий, разделенных запятой;</p>
<p>– STYLES – список применяемых стилей, по одному на покрытие;</p>
<p>– SRS – система координат;</p>
<p>– BBOX – координаты левого нижнего и правого верхнего углов в заданной системе координат;</p>
<p>– TIME – время либо временной интервал;</p>
<p>– WIDTH – ширина выходного файла в пикселах;</p>
<p>– HEIGHT – высота выходного файла в пикселах;</p>
<p>– FORMAT – выходной формат файла.</p>
<p>MapServer реализует протоколы WMS, WFS и WCS, для интеграции с веб-серверами предоставляет FastCGI интерфейс. MapServer для работы с растровыми данными использует библиотеку GDAL, и поддерживает работу со множеством различных растровых форматов.</p>
<p>Основным конфигурационным элементом является map-файл, в котором перечислены все доступные форматы данных, все покрытия и допустимые стили.</p>
<p>В рамках данной системы MapServer использует БД для как индекс для быстрой пространственной и временной фильтрации спутниковых снимков. После фильтрации MapServer получает из БД местоположение подходящих спутниковых снимков, считывает их, производит их компоновку в единое изображение, покрывающую запрошенную территорию, и возвращает результат пользователю.</p>
<p>Внутри map-файла каждому набору данных соответствуют несколько покрытий (LAYER).</p>
<p>Первое покрытие имеет имя «(имя набора данных)_IDX», и служит в качестве пространственно-временного индекса. Данное покрытие формально является векторным, и служит для работы с базой данных.</p>
<p>Второе покрытие имеет имя, совпадающее с именем набора данных, при запросе к нему возвращается RGB-изображение.</p>
<p>Последующие покрытия имеют имена «(имя набора данных)_Bn», где n – номер полосы изображения. Значение каждой полосы определяется набором данных. В рамках данной системы сначала идут полосы, содержащие спектральные данные, затем различные производные полосы, содержащие данные классификации, затем – маска облачности, после идут различные маски для каждой полосы.</p>
<p>Доступны 3 выходных формата:</p>
<p>– RGB – трехцветное изображение;</p>
<p>– INT16 – 16-битное полутоновое изображение;</p>
<p>– FLOAT32 – полутоновое изображение со значениями пикселов в формате 32-битного числа с плавающей запятой.</p>
<p>В качестве выходного контейнера всегда используется GeoTIFF.</p>
<p>Для реализации протокола WMTS используется ПО MapCache. MapCache использует в качестве источника данных другой WMS/WMTS сервер, пересылает ему поступающие запросы, делит ответ на тайлы, кэширует их и возвращает результат запроса пользователю. Все повторные запросы будут использовать результаты напрямую из кэша. В рамках данной системы MapCache использует MapServer в качестве источника данных. В качестве кэша используется выделенная область на диске. Размещение кэша может быть изменено в конфигурационном файле.</p>
<p>Аналогично WMS, WMTS должен отвечать на запросы 2 типов:</p>
<p>– GetCapabilities;</p>
<p>– GetTile.</p>
<p>GetCapabilities содержит данные о сервере и доступные сетки тайлов.</p>
<p>GetTile аналогичен GetMap за тем исключением, что вместо BBOX используются параметры tileMatrixSet, tileMatrix, tileRow, tileCol, определяющие тайловую сетку и местоположение в ней запрашиваемого тайла.</p>
<p>Для удобства доступа к мультиспектральным покрытиям дополнительно используется протокол WCS, также реализуемый MapServer. В отличие от WMS, WCS может возвращать изображения, содержащие в себе более 4 слоев (стандартные ARGB-изображения). Это позволяет не делить набор данных на множество отдельных WMS-слоев, а использовать один WCS-слой.</p>
<p>WCS-сервер должен отвечать на запросы 3 типов:</p>
<p>– GetCapabilities;</p>
<p>– DescribeCoverage;</p>
<p>– GetCoverage.</p>
<p>GetCapabilities содержит данные о сервере.</p>
<p>DescribeCoverage включает в себя данные о покрытии – покрываемую территорию, временные интервалы съемки и др.</p>
<p>GetCoverage, аналогично WMS GetMap, по заданным параметрам возвращает покрытие.</p>
<p>WCS позволяет получать все спектральные данные целиком. При обращении к слою с именем набора данных по WCS протоколу вместо RGB изображения возвращается изображение со всеми спектральными полосами.</p>
<p>Поскольку пространственно-временные интервалы для покрытий постоянно меняются, необходимо регулярно обновлять MapFile. Для чего на языке Python был написан скрипт, собирающий из БД информацию о доступных наборах данных, общей территории, покрываемой снимками набора данных, и времени съемки. На основе полученной информации, скрипт генерирует map-файл.</p>
<h3><a id="post-7639-_Toc25690806"></a><a id="post-7639-_Toc31195712"></a>3.3 Алгоритмы вычисления основных вегетационных индексов</h3>
<p>Выбранные на основе анализа, ВИ рассчитываются по данным красного и ближнего инфракрасного спектральных диапазонов для данных ДЗЗ среднего и низкого разрешения следующим образом:</p>
<p>– выполняется перевод «сырых» значений пикселей (Digital Numbers – DN) в каждом канале снимка в значения отражательной способности <img width="11" height="20" class="wp-image-7760" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1218.png" alt="word image 1218 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> с помощью метаданных снимка;</p>
<p>– выполняется атмосферная коррекция снимка любым известным методом;</p>
<p>– производится расчет ВИ по формулам:</p>
<p><img width="416" height="90" class="wp-image-7761" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1219.png" srcset="https://apknet.ru/wp-content/uploads/2020/11/word-image-1219.png 416w, https://apknet.ru/wp-content/uploads/2020/11/word-image-1219-300x65.png 300w" sizes="(max-width: 416px) 100vw, 416px" alt="word image 1219 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>Уравнение (68) предлагается использовать относительно оценки почвенной линии, полученной в работе [144] в следующем виде:</p>
<p><img width="219" height="26" class="wp-image-7762" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1220.png" alt="word image 1220 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (69)</p>
<p><a id="post-7639-_Toc25690807"></a><a id="post-7639-_Toc31143358"></a><a id="post-7639-_Toc31195713"></a> Расчет температуры поверхности по гиперспектральным каналам MODIS</p>
<p>Расчет температуры поверхности <em>T</em> предлагается производить в соответствии с алгоритмом TES, предложенным изначально для сенсора ASTER и используемым для создания продукта MOD21 по данным MODIS[48].</p>
<p>Входными данными алгоритма являются:</p>
<p>– энергетическая яркость (radiance) при поверхности земли <img width="26" height="26" class="wp-image-7763" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1221.png" alt="word image 1221 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> в тепловом инфракрасном диапазоне спектра (TIR), где <em>i</em> – номер TIR канала MODIS <img width="81" height="23" class="wp-image-7764" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1222.png" alt="word image 1222 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> ;</p>
<p>– облученность неба (skyirradiance) <img width="57" height="28" class="wp-image-7765" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1223.png" alt="word image 1223 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – длина волны, где под облученностью понимается поверхностная плотность мощности излучения, падающего на поверхность атмосферы.</p>
<p>Исходные данные алгоритма, получаются в процессе атмосферной коррекции данных в тепловых каналах MODIS, например алгоритмом MODTRAN [130].</p>
<p>Выходными данными алгоритма является <img width="30" height="20" class="wp-image-7766" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1224.png" alt="word image 1224 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – температура поверхности в кельвинах (К).</p>
<p>Алгоритм расчета температуры поверхности по данным гиперспектральных каналов MODIS включает в себя несколько стадий. На первой стадии оценивается температура поверхности и устраняется влияние облученности неба методом NEM (Normalized Emissivity Method). Затем, вычисляется спектр теплового излучения (emissivity spectrum) и производится его нормализация. В результате нормализации вычисляется огибающая спектра теплового излучения, требующая последующей корректировки ее амплитуды. Коррекция амплитуды теплового спектра и, следовательно, актуальные значения поверхностной температуры вычисляются с использованием алгоритма MMD (Minimum-Maximum Difference), как отношение минимального излучения к спектральному контрасту. Более подробно указанные стадии описываются ниже.</p>
<p><em>Алгоритм NEM</em></p>
<p>Алгоритм NEM итерационно оценивает значения температуры поверхности и устраняет влияние облученности неба на результат. Алгоритм NEM итерационный, и на каждой итерации алгоритма выполняются следующие действия.</p>
<p>1) Расчет энергетической яркости излучения <img width="19" height="26" class="wp-image-7767" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1225.png" alt="word image 1225 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , исходящего от поверхности земли:</p>
<p><img width="142" height="26" class="wp-image-7768" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1226.png" alt="word image 1226 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (70)</p>
<p>где <img width="30" height="26" class="wp-image-7769" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1227.png" alt="word image 1227 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – параметр алгоритма, отвечающий за оценку максимального возможного теплового излучения во всех каналах. Рекомендуемое значение <img width="75" height="26" class="wp-image-7770" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1228.png" alt="word image 1228 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> .</p>
<p>2) Вычисление промежуточной оценки температуры поверхности <img width="34" height="26" class="wp-image-7771" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1229.png" alt="word image 1229 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> с помощью обратной формулы Планка для каждого спектрального канала <em>i</em>:</p>
<p><img width="164" height="56" class="wp-image-7772" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1230.png" alt="word image 1230 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (71)</p>
<p><img width="105" height="30" class="wp-image-7773" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1231.png" alt="word image 1231 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (72)</p>
<p>где <img width="97" height="26" class="wp-image-7774" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1232.png" alt="word image 1232 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , <img width="89" height="26" class="wp-image-7775" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1233.png" alt="word image 1233 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – константы формулы Планка, определяемой для заданной длины волны <img width="13" height="21" class="wp-image-7776" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1234.png" alt="word image 1234 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> излучения как:</p>
<p><img width="173" height="56" class="wp-image-7777" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1235.png" alt="word image 1235 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (73)</p>
<p>3) Вычисление спектра теплового излучения как отношение энергетической яркости излучения от поверхности земли к энергетической яркости абсолютно черного тела с температурой <img width="30" height="30" class="wp-image-7778" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1236.png" alt="word image 1236 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> :</p>
<p><img width="97" height="49" class="wp-image-7779" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1237.png" alt="word image 1237 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (74)</p>
<p>где <img width="20" height="30" class="wp-image-7780" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1238.png" alt="word image 1238 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – компонента спектра теплового излучения в <em>i</em>-ом канале.</p>
<p>4) Использование полученных значений <img width="23" height="26" class="wp-image-7781" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1239.png" alt="word image 1239 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> для расчета энергетической яркости излучения от поверхности земли на следующей итерации:</p>
<p><img width="135" height="30" class="wp-image-7782" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1240.png" alt="word image 1240 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . (75)</p>
<p>Процесс расчета продолжается до тех пор, пока не выполнено одно из трех условий остановки итерационного процесса. Первое условие– достижение разностью оценок на последующих итерациях значения меньшего чем заданный порог <img width="81" height="28" class="wp-image-7783" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1241.png" alt="word image 1241 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . Второе условие – достижение максимального заданного значения количества итераций <img width="50" height="21" class="wp-image-7784" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1242.png" alt="word image 1242 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> .<br />
В данном случае считается, что алгоритм не сошелся, и полученное значение <img width="23" height="26" class="wp-image-7785" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1243.png" alt="word image 1243 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> полагается ошибочным. Третье условие остановки – крутизна наклона графика <img width="19" height="26" class="wp-image-7786" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1244.png" alt="word image 1244 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> в зависимости от номера итерации <em>c</em> начинает возрастать, т.е. дивергенция <img width="19" height="26" class="wp-image-7787" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1245.png" alt="word image 1245 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> по <em>c</em> больше, чем некоторый порог <img width="13" height="26" class="wp-image-7788" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1246.png" alt="word image 1246 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> : <img width="97" height="30" class="wp-image-7789" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1247.png" alt="word image 1247 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> .</p>
<p>Пороги <img width="13" height="26" class="wp-image-7790" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1248.png" alt="word image 1248 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> и <img width="17" height="26" class="wp-image-7791" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1249.png" alt="word image 1249 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> зависят от сенсора и для MODIS имеют значение <img width="87" height="26" class="wp-image-7792" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1250.png" alt="word image 1250 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> .</p>
<p><em>Нормализация спектра теплового излучения</em></p>
<p>Большинство пикселей тепловых каналов MODIS имеет разрешение 1 км и содержит смесь различных типов поверхностей (растительность, камни, почва, вода и т.п.). Эффективное значение максимально возможного теплового излучения для таких пикселей может варьироваться в зависимости от вклада каждого из типов поверхности в состав пикселя. В таких случаях, установленное значение <img width="75" height="26" class="wp-image-7793" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1251.png" alt="word image 1251 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> может оказаться слишком высоким и необходимо корректировать <img width="30" height="26" class="wp-image-7794" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1252.png" alt="word image 1252 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , чтобы повысить точность оценки температуры <img width="34" height="26" class="wp-image-7795" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1253.png" alt="word image 1253 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> .</p>
<p>Оптимальное значение <img width="30" height="26" class="wp-image-7796" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1254.png" alt="word image 1254 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> минимизирует дисперсию <img width="13" height="17" class="wp-image-7797" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1255.png" alt="word image 1255 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> значений <img width="17" height="26" class="wp-image-7798" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1256.png" alt="word image 1256 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , полученных алгоритмом NEM. Оптимизация <img width="30" height="26" class="wp-image-7799" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1257.png" alt="word image 1257 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> выполняется только для пикселей с низким контрастом теплового излучения, поэтому корректировка производится только для пикселей, для которых <img width="13" height="17" class="wp-image-7800" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1258.png" alt="word image 1258 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> меньше заданного эмпирического порога <img width="87" height="26" class="wp-image-7801" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1259.png" alt="word image 1259 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . Если <img width="13" height="17" class="wp-image-7802" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1260.png" alt="word image 1260 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> больше, чем <img width="17" height="26" class="wp-image-7803" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1261.png" alt="word image 1261 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , то <img width="75" height="26" class="wp-image-7804" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1262.png" alt="word image 1262 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , и пиксель считается состоящим преимущественно из камня и почвы. Если <img width="13" height="17" class="wp-image-7805" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1263.png" alt="word image 1263 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> меньше, чем <img width="20" height="30" class="wp-image-7806" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1264.png" alt="word image 1264 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , то есть пиксель близок к тепловой модели серого тела, то выполняют повторный расчет <img width="20" height="30" class="wp-image-7807" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1265.png" alt="word image 1265 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> методом NEM при <img width="30" height="30" class="wp-image-7808" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1266.png" alt="word image 1266 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> равном 0,92, 0,95, 0,97 и 0,99. В результате получается зависимость дисперсии <img width="11" height="20" class="wp-image-7809" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1267.png" alt="word image 1267 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> от <img width="30" height="30" class="wp-image-7810" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1268.png" alt="word image 1268 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . Далее оценивается парабола, аппроксимирующая полученные <img width="49" height="30" class="wp-image-7811" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1269.png" alt="word image 1269 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . Новое оптимальное значение <img width="30" height="26" class="wp-image-7812" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1270.png" alt="word image 1270 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> задается как минимум полученной параболы на интервале <img width="87" height="30" class="wp-image-7813" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1271.png" alt="word image 1271 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> . Если полученная оценка параболы получается слишком крутой или слишком плоской, рекомендуется использовать <img width="78" height="30" class="wp-image-7814" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1272.png" alt="word image 1272 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> .</p>
<p>Новые значения <img width="30" height="26" class="wp-image-7815" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1273.png" alt="word image 1273 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> используются для повторного расчета корректных значений <img width="34" height="26" class="wp-image-7816" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1274.png" alt="word image 1274 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> алгоритмом NEM.</p>
<p>Нормализация значений теплового спектра выполняется путем вычисления отношения полученных значений теплового излучения <img width="17" height="26" class="wp-image-7817" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1275.png" alt="word image 1275 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> к их среднему значению <img width="13" height="25" class="wp-image-7818" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1276.png" alt="word image 1276 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> :</p>
<p><img width="62" height="28" class="wp-image-7819" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1277.png" alt="word image 1277 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> , (76)</p>
<p>где <img width="17" height="26" class="wp-image-7820" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1278.png" alt="word image 1278 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> – нормализованные значения спектра излучения в тепловом диапазоне.</p>
<p><em>Алгоритм MMD</em></p>
<p>Амплитуда для масштабирования нормализованных значений теплового спектра <img width="17" height="26" class="wp-image-7821" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1279.png" alt="word image 1279 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"> вычисляется с помощью алгоритма MMD:</p>
<p>– для начала находится размах значений <img width="17" height="26" class="wp-image-7822" src="https://apknet.ru/wp-content/uploads/2020/11/word-image-1280.png" alt="word image 1280 Разработка комплексной модели прогнозирования урожайности и валового сбора озимой пшеницы с использованием средств дистанционного зондирования земли на примере условий Самарской области"></p>
<p>; (77)</p>
<p>– затем вычисляется оценка минимального значения теплового излучения</p>
<p>, (78)</p>
<p>где, и – коэффициенты, полученные с помощью регрессионного анализа лабораторных измерений;</p>
<p>– окончательно, значения теплового излучения в каждом канале <em>i</em> и оценка температуры поверхности вычисляются как</p>
<p>, (79)</p>
<p>, (80)</p>
<p>. (81)</p>
<p>Таким образом, для атмосферно скорректированных данных в тепловых каналах MODIS с помощью алгоритмов NEM, нормализации и MMD может быть вычислена оценка теплового спектра поверхности земли и ее температура.</p>
<p>Классификация типов культур и анализ состояния посевов зачастую основываются на использовании временных последовательностей вегетационных индексов (ВПВИ) как непосредственно в качестве признаков, так и в качестве источника формирования вторичных признаков [160]. Преимущество использования ВПВИ для классификации типов посевов и оценки их состояния заключается в неявном учете информации о фенологических фазах развития растительности в течение всего периода вегетации.</p>
<p>ВПВИ характеризуются следующими особенностями:</p>
<p>– существенная неравномерность интервалов наблюдений из-за наличия облачности;</p>
<p>– наличие шумов, связанных с процессом формирования изображений ДЗЗ, используемых для расчета ВИ;</p>
<p>– наличие шумов в данных ВИ, связанных с изменениями условий наблюдения территории во времени;</p>
<p>– унимодальный характер ВПВИ для одного вегетационного цикла заданной сельскохозяйственной культуры;</p>
<p>– ограниченная длина ВПВИ в связи с фиксированными параметрами длины вегетационного цикла.</p>
<p>Учет перечисленных выше особенностей в процессе формирования ВПВИ позволяет унифицировать их вид, а также повысить качество вычисляемых по ним производных характеристик. Далее рассматриваются общие стадии предлагаемого процесса построения ВПВИ, а также оригинальные алгоритмы из фильтрации и вычисления производных характеристик ВПВИ.</p>
<h3><a id="post-7639-_Toc25690810"></a><a id="post-7639-_Toc31195714"></a>3.4 Метод построения временной последовательности значений вегетационных индексов для границ посевов под монокультурой</h3>
<p>На основании ранее проведенных оригинальных исследований [165, 163, 14] в области формирования ВПВИ для сельскохозяйственных культур был сформирован следующий метод построения ВПВИ для границ посевов под монокультрой. Схема метода приведена на рисунке 15.</p>
<p>Исходными данными являются:</p>
<p>– набор изображений ДЗЗ, , полученных в моменты времени с пространственным разрешением <em>R</em> и спектральными каналами. Для корректных вычислений ВПВИ изображения должны содержать значения отражательной способности в каждом спектральном канале, а не ее квантованные значения DN, которые обычно поставляются в качестве продуктов данных ДЗЗ. Перевод значений DN в значения отражательной способности осуществляется с использованием коэффициентов, поставляемых в метаданных снимков;</p>
<p>– маски облачности,. Маски облачности используются для маркировки пикселей снимков &#8212; далее полагается, что облачным пикселям и пикселям, находящимся в зоне тени от облака, на маске соответствует значение 1, иначе 0. Пространственное разрешение масок облачности должно совпадать с пространственным разрешением используемых снимков;</p>
<p>– минимальное количество пикселей, используемых для расчета одной точки последовательности ВПВИ. Используется для контроля достаточности статистики при расчете точки последовательности;</p>
<p>– векторные границы области интереса (RegionOfInterest – ROI), т.е. участка под монокультурой;</p>
<p>– импульсная характеристика системы наблюдения (ИХ) для источника данных ДЗЗ, заданная с пространственным разрешением.</p>
<p>Рисунок 15 – Общая схема метода расчета ВПВИ</p>
<p>Существуют различные методы оценки ИХ по данным ДЗЗ, а также варианты ее аппроксимации. Поэтому вопрос оценки ИХ оставлен за рамками данного отчета.</p>
<p>Выходными данными метода является ВПВИ для заданной области ROI, готовая для употребления в алгоритмах классификации или расчетов производных характеристик.</p>
<p>Предлагаемый метод сформулирован далее в наиболее общем виде (вне зависимости от конкретного ВИ) и включает в себя следующие шаги.</p>
<p>1) Атмосферная коррекция. В общем случае, данный этап необходим для устранения влияния изменений условий наблюдения, связанных с состоянием атмосферы во время съемки. Данный этап специфичен для каждого типа данных ДЗЗ и может быть выполнен стандартными средствами пакетов обработки данных ДЗЗ [154, 162, 153].</p>
<p>2) Растеризация векторных границ ROI. Преобразование векторных границ в растровую форму должно осуществляться с пространственным разрешением <em>R</em> используемых данных ДЗЗ. Данный этап, также может быть выполнен средствами стандартных пакетов обработки векторных данных [153]. В результате формируется изображение границ области интереса, такое что:</p>
<p>(82)</p>
<p>где – растровые координаты пикселей изображения;</p>
<p>3) Извлечение снимка по границам ROI с учетом данных о картографической привязке снимка и в рамках прямоугольника, обрамляющего ROI. В результате извлекаемые фрагменты изображений должны иметь такой же размер, что и маска области интереса ROI. Далее будем полагать, что символом обозначен именно фрагмент снимка за дату.</p>
<p>4) Извлечение маски облачности по границам ROI в рамках обрамляющего прямоугольника для ROI, аналогично предыдущему пункту. Далее будем полагать, что символом обозначен именно фрагмент маски за дату.В результате извлекаемые фрагменты масок имеют такой же размер, что и маска области интереса ROI;</p>
<p>5) Модификация границ ROI с учетом масок облачности. Облачные пиксели не должны использоваться при расчете ВПВИ для участков под монокультурой, для этого из маски ROI исключаются пиксели принадлежащие пересечению маски ROI <em>M</em> и соответствующего фрагмента маски облачности. Модифицированная маска имеет вид:</p>
<p>. (83)</p>
<p>Если в результате модификации границ ROI, маска содержит количество ненулевых пикселей ROI слишком мало, т.е., то точка с временными координатами исключается из результирующей последовательности.</p>
<p>6) Поиск граничных пикселей для маски. Контур области полагается четырех связным, тогда множество граничных пикселей определяется следующей функцией:</p>
<p>(84)</p>
<p>7) Фильтрация граничных пикселей ROI с учетом ИХ сенсора. Фильтрация осуществляется с целью снижения воздействия соседних к исследуемому ROI объектов на результаты расчета ВИ. Так как эффект смешивания значений регистрируемой отражательной способности на границах связан с действием ИХ сенсора, то исключение из рассмотрения всех пикселей, на которые оказывает влияние ИХ, позволит получить значение ВИ для исследуемого ROI без дополнительных искажений. Фильтрация выполняется как свертка функции граничных пикселей с ИХ, с последующей пороговой обработкой и удалением данных пикселей из маски ROI:</p>
<p>&nbsp;</p>
<p>В результате формируется новая маска, в которой исключены пиксели, затронутые воздействием ИХ сенсора. Следует отметить, что при малых размерах ROI и большом периметре его границ, операция фильтрации может сильно сократить количество учитываемых точек области интереса. Поэтому если количество ненулевых отсчетов маски мало, т.е., то значение ВИ за соответствующую дату не рассчитывается и исключается из рассмотрения;</p>
<p>8) Расчет ВИ в каждой точке ROI. На данном этапе производится расчет ВИ, как функции от спектральных каналов изображения в каждой точке изображения:</p>
<p>. (88)</p>
<p>9) Расчет среднего значения ВИ за каждую дату. Окончательное значение временной последовательности ВИ в точке вычисляется как среднее значение ВИ с учетом маски:</p>
<p>, (89)</p>
<p>где – количество не нулевых отсчетов маски.</p>
<p>Полученная в результате предложенного метода ВПВИ, обладает следующими свойствами:</p>
<p>– свободна от искажений, вызванных различиями в условиях съемки, благодаря атмосферной коррекции;</p>
<p>– скорректирована с учетом влияния пространственных искажений благодаря учету ИХ сенсора;</p>
<p>– имеет эффект шумоподавления, связанный с уменьшением мощности шума в результате усреднения по области ROI.</p>
<p>Фильтрация значений ВПВИ необходима для устранения случайных шумов, связанных с различными метеорологическими факторами, поэтому необходимо устранение несущественных локальных максимумов и минимумов для обеспечения большей гладкости ВПВИ.</p>
<p>Сравнительные исследования различных алгоритмов фильтрации и аппроксимации ВПВИ, опубликованные в обзорах [14, 156], отмечают следующие важные характеристики методов фильтрации.</p>
<p>1) Методы фильтрации Савицкого-Голая [111] с помощью асимметричной гауссовой функции и двойной логистической функции [133] позволяют получить аппроксимацию ВПВИ, хорошо отражающую особенности переходов между фенологическими фазами, однако согласно [156], сокращают значение показателей разделимости различных классов растительности и ведут к снижению качества классификации типов культур.</p>
<p>2) Фильтрация с помощью преобразования Фурье с количеством гармоник от 4 до 6 [156] и фильтра Виттакера (Whittaker smoother) [102] позволяет улучшить классификацию типов культур на величину от 2 до 6%. Однако указанные алгоритмы требуют нетривиальной предварительной обработки временных рядов. В [156] в частности, для настройки параметров фильтра Виттакера использовалась попиксельная кросс-валидация, а для фильтрации с преобразованием Фурье применялась предварительная эмпирическая фильтрация точек по порогу максимально возможных изменений NDVI для соседних точек ВПВИ и последующая пороговая обработка спектральных компонент преобразования.</p>
<p>3) Фильтрация с помощью преобразования Фурье c количеством гармоник до четырех, согласно [14] уступает по качеству аппроксимации ВПВИ другим методам на некоторых классах культур, например, для поздних яровых, а наилучшее качество аппроксимации обеспечивает сплайн третьего порядка, предложенный в работе [134]. Указанная аппроксимация сплайном позволяет получить как более гладкое представление ряда, так и сохранение особенностей расположения точек перегиба, необходимых для фенологического анализа.</p>
<p>Учитывая выше перечисленные свойства алгоритмов, для построения эффективного алгоритма фильтрации были выбраны аппроксимации сплайном, рассмотренная в работе [14], с применением дополнительной эмпирической фильтрации, поскольку пример с преобразованием Фурье показал, что дополнительная эмпирическая фильтрация позволяет улучшить качество получаемой аппроксимации ВПВИ. В настоящей работе для предобработки ВПВИ предлагается использовать оригинальный алгоритм фильтрации ВПВИ [64], поскольку данный метод может быть использован для предобработки любых ВПВИ без необходимости переработки под конкретный ВИ.</p>
<p>Предлагаемый в проекте алгоритм эффективной фильтрации ВПВИ имеет вид:</p>
<p>– предварительная фильтрация ВПВИ с помощью эмпирического метода фильтрации, предложенного в работе [164];</p>
<p>– аппроксимация ВПВИ кубическим сплайном, описанная в работе [156].</p>
<p>Далее приводится описание этапа предварительной фильтрации ВПВИ. Описание аппроксимации ВПВИ кубическим сплайном опущено, так как данная интерполирующая функция является стандартной и реализована во многих математических пакетах программ.</p>
<p><em>Предварительная эмпирическая фильтрация ВПВИ</em></p>
<p>Исходными данными для фильтрации является ВПВИ, , содержащая значения ВИ для каждого момента времени. Будем полагать, что является целым числом и соответствует количеству дней, прошедших с момента начала наблюдений. Время окончания наблюдений задается в соответствии с задачей, для которой предполагается использовать ВПВИ. Например, для классификации яровых культур соответствует дате начала сева большинства культур, максимальной из дат уборки классифицируемых культур.</p>
<p><a id="post-7639-_Hlk55317341"></a> Выходными данными является фильтрованная ВПВИ, , не содержащая выбросов, существенно искажающих ход вегетационной кривой. При фильтрации используется предположение об унимодальности графика ВПВИ.</p>
<p>Фильтрация выполняется для ВПВИ, содержащих более трех точек, и включает в себя следующие шаги:</p>
<p>– поиск глобального максимума ряда, не включая граничные точки:</p>
<p>; (89)</p>
<p>– расчет угла, образованного прямыми, соединяющими точки и и точки и, рисунок 16;</p>
<p>– расчет углов,. Аналогично вычисляются углы, образованные прямыми, проходящими через ()-ю и -ю точки и через -ю и ()-ю точки, рисунок 17;</p>
<p>– вычисление суммы углов:</p>
<p>– вычисление минимального и максимально возможного значения во время фильтрации: и;</p>
<p>– расчет порогового значения:</p>
<p>, (90)</p>
<p>где – параметр алгоритма;</p>
<p>– если, то выполняется поиск исключаемых точек последовательности. Для этого для каждой точки <em>i </em>вычисляются частичные суммы углов, причем углы для и пересчитываются с учетом того, что <em>i</em>-я точка исключена из ВПВИ:</p>
<p>ВПВИ. Решение об исключении точки принимается на основании проверки следующих условий: 1) точка не является глобальным максимум ВПВИ, 2), 3) текущее количество точек ВПВИ больше трех. Если все три условия выполнены, то точка исключается из ряда;</p>
<p>Рисунок 16 – Угол</p>
<p>Рисунок 17 – Углы отклонения</p>
<p>– в случае исключения точки пересчитываются углы, и, текущая сумма углов устанавливается, количество точек ВПВИ уменьшается на единицу, и процесс поиска точек для исключения продолжается. Если нет точек для исключения из ВПВИ, то фильтрация завершается.</p>
<p>Оставшиеся в результате фильтрации точки определяют выходную ВПВИ</p>
<p><em>Вычисление производных характеристик временной последовательности вегетационных индексов</em></p>
<p>При классификации ВПВИ и прогнозировании урожайности используются такие характеристики как дата начала вегетации, мощность и длина вегетационного цикла. Под мощностью ВПВИ понимается суммарное значение ВИ за некоторый период. Собственно мощность ВПВИ, рассчитанная за период вегетации, играет роль основного признака, позволяющего в зависимости от ВИ оценивать влияние тех или иных факторов на накопленную биомассу посева и, следовательно, строить прогностические модели их влияния на ожидаемую урожайность. В свою очередь, дата начала вегетации и длина вегетационного периода нужны для расчета мощности ВПВИ.</p>
<p>Другими полезными производными характеристиками ВПВИ являются дата максимума, характеризующая смещение временного интервала интенсивного роста культуры относительно середины общего периода наблюдений, и максимальное значение ВИ за сезон. Данные характеристики определяются тривиальным образом и имеют большее значение для классификации типов посевов, нежели для прогнозирования урожайности. Однако на основании этих характеристик можно также определить дату начала вегетации при фиксированном нормативном периоде вегетации.</p>
<p>Для расчета производных характеристик по эмпирически полученным ВПВИ без дополнительных априорных данных о характере фенологического цикла культуры и реальных интервалов сева, предлагается использовать один из подходов, предложенных в [108].</p>
<p>Предположим, что имеется фильтрованная и аппроксимированная с единичным интервалом последовательность значений и необходимо определить дату начала вегетации <em>r</em>, длительность периода вегетации и мощность ВПВИ:</p>
<p>. (93)</p>
<p>Схема алгоритма оценивания производных характеристик ВПВИ приведена на рисунке 18. Алгоритм определяет даты начала и конца вегетации, а также длительность сезона вегетации путем пороговой обработки ВПВИ с порогом:</p>
<p>Рисунок 18 –Схема оценки параметров факторов по ДЗЗ для первого подхода</p>
<p>Экспериментальные исследования алгоритма на примере озимой пшеницы [108] показали, что большую корреляцию с фактической урожайностью демонстрирует мощность ВПВИ, рассчитанная с использованием первого подхода при пороге. Можно ожидать, что данный порог будет эффективен и для других классов культур, поскольку, согласно общей интерпретации значений NDVI [21], порог 0,4 соответствует переходу от первых этапов развития растений к началу формирования сомкнутого травостоя посевом, когда поверхность почвы под ним практически не просматривается.</p>
<p>Реализация предложенного алгоритма проводилась на программном обеспечении<strong> ГИС АПК</strong>, которое представляет собой консольное приложение <strong>VegIndexes</strong>, обрабатывающее список полей, определяемый идентификатором набора данных, и записывающее результаты в центральную базу данных.</p>
<p>Результатом вычисления является набор записей в таблицах:</p>
<p>­ – VegIndexes, содержащий информацию о вегетационных индексах;</p>
<p>­ – VegChars, содержащий информацию о производных характеристиках.</p>
<p>Таким образом, результатом работы программного обеспечения построения временной последовательности значений вегетационных индексов для границ посевов под монокультурой, эффективной фильтрация значений последовательности, вычисления производных характеристик являются:</p>
<p>– вегетационные индексы для границ посевов на каждый день вегетационного цикла;</p>
<p>– дата начала вегетации;</p>
<p>– длина вегетационного цикла;</p>
<p>– мощность ВПВИ.<a id="post-7639-_Toc25690813"></a></p>
<h3><a id="post-7639-_Toc31195715"></a>3.5 Разработка алгоритмов получения оценки качества посевов для сельхозполей относительно средних значений по территории</h3>
<p>Оценку качества посевов относительно средних значений по территории предлагается производить путем сравнения среднего значения NDVI на поле со средним значением NDVI по всем полям территории, засеянным такой же культурой, что и исследуемое поле.</p>
<p>NDVI относится к вегетационным индексам, имеющим высокую положительную корреляцию с наземной зеленой биомассой растений, таким образом, более низкие значения NDVI должны соответствовать более низким значениям биомассы, и как следствие, свидетельствовать либо о наступлении фазы старения посева, либо о его меньшей продуктивности по сравнению с другими посевами.</p>
<p>Предположим, что в пределах исследуемой территории определено полей, для которых известна засеянная на них культура. Пусть также для каждого поля определен набор временных последовательностей средних значений NDVI на поле, таких что. Без ограничения общности положим, что каждому полю соответствует только одна культура, в противном случае необходимо рассматривать части поля под монокультурами.</p>
<p>Алгоритм оценки качества посевов относительно средних значений по территории использует в качестве входных параметров временной диапазон в течение, которого оценивается качество посева, а также индекс поля, для которого производится оценка, и наименование, засеянной на нем культуры.</p>
<p>Кратко алгоритм оценки качества посевов относительно средних значений по территории может быть сформулирован следующим образом:</p>
<p>– определить подмножество индексов полей, занятых культурой:</p>
<p>; (99)</p>
<p>– вычислить относительную разность средних за период вегетационных индексов:</p>
<p>; (100)</p>
<p>– определить оценку качества посева в соответствии с правилом:</p>
<p>(101)</p>
<p>Оценка качества посева фактически определяет как удовлетворительное качество посева, если допустимое отклонение среднего значения NDVI на поле от среднего по территории находится в пределах 10%. Если значение превышает 10% в сторону увеличения, то качество посева относительно среднего по территории рассматривается как хорошее, иначе как плохое. Особое место занимает чёрный пар, для него отсутствие растительности свидетельствует о хорошем состоянии. Поэтому для черного пара условие оценки качества по сравнению со средним по территории записывается наоборот.</p>
<h3><a id="post-7639-_Toc25690815"></a><a id="post-7639-_Toc31195716"></a>3.6 Разработка алгоритмов получения оценки качества посевов для сельхозполей, относительно средних значений за ряд лет</h3>
<p>Целью анализа посевов за ряд лет является выявление показателей качества посевов в каждой точке поля и определение участков, для которых биомасса выращиваемых культур стабильно ниже или выше среднего значения на поле из года в год. Данный алгоритм пригоден для применения только для негибридных участков посевов в течение всего рассматриваемого промежутка времени. С учетом наличия севооборота на поле, т.е. чередования культур, сравнение значений ВИ со средним по полю производится независимо для каждого из сезонов, а затем полученные оценки за несколько лет агрегируются. Так же как и в случае сравнения со средним по территории, рекомендуется использовать вегетационный индекс NDVI, демонстрирующий высокую положительную корреляцию с объемом зеленой биомассы растительности на поле. Однако можно использовать и другие ВИ, коррелированные с биомассой.</p>
<p>Входными данными для алгоритма оценки качества посевов за ряд лет является набор значений ВИ для каждой точки поля за ряд лет, где – индекс года,–пространственные координаты точки поля, – относительная дата для значения ВИ в текущем году, а – единый интервал полного вегетационного цикла по всем классам культур.</p>
<p>Использование фиксированного промежутка времени при создании входного набора данных связано с наличием севооборотов на поле, т.е. чередования культур, которые, как правило, отличаются по срокам уборки и сева, следовательно для каждого из анализируемых лет требуется эмпирически оценивать начало и длину вегетационного цикла внутри указанного промежутка времени.</p>
<p>Выходными данными алгоритма является функция пространственных координат, определяющая оценку качества посева в каждой точке поля.</p>
<p>Предлагаемый алгоритм имеет вид:</p>
<p>– для каждого года рассчитывается последовательность средних значений ВИ по полю за каждую дату:</p>
<p>, (102)</p>
<p>где – множество пространственных координат пикселей поля, – количество пикселей, принадлежащих полю;</p>
<p>– для каждого года по последовательности вычисляются такие производные характеристики ВПВИ, как дата начала цикла вегетации, длина цикла вегетациипо формулам (94)-(96);</p>
<p>– для каждого года оценивается мощность ВПВИ в каждом пикселе, используя, и формулу (93);</p>
<p>– рассматривая как нормально распределенную случайную величину, определяются параметры распределения как выборочное среднее и выборочная дисперсия:</p>
<p>&nbsp;</p>
<p>– оценка качества посева в каждой точке за каждый год находится как:</p>
<p>(105)</p>
<p>Заметим, что случай черного пара является не тривиальным с точки зрения предложенной схемы, так как мощность временного ряда для данного случая должна быть близкой к нулю. Поэтому предложенный алгоритм предлагается применять на временных интервалах, не включающих годы, в которые посев находился в состоянии черного пара. Для занятых паров предложенная схема сохраняет свою актуальность.</p>
<p>Полученная в результате оценка может служить для выделения зон дифференциального внесения удобрений и для формирования интегральной многолетней оценки качества посева как:</p>
<p>. (107 4.42)</p>
<p>Очевидно, что и чем ближе значение к 1, тем качественнее посев и наоборот.</p>
<p>&nbsp;</p>
<h2><a id="post-7639-_Toc31195717"></a>4 РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МЕТОДОВ И АЛГОРИТМОВ ОБРАБОТКИ МЕТЕОДАННЫХ</h2>
<p>Основная задача раздела – получение значений метеопараметров (температура, влажность) в течение вегетационного сезона для вычисления на их основе производных характеристик, представления их пользователям и использования в качестве факторов в модели оценки урожайности.</p>
<h3><a id="post-7639-_Toc25690821"></a><a id="post-7639-_Toc31195718"></a>4.1 Получение и хранения метеоданных за ряд лет по открытым данным с метеостанций Росгидромета на выбранные участки территорий</h3>
<p>На первом этапе работ были проанализированы существующие источники метеоданных (далее – метеосервис). Метеосервисы представляют собой общедоступные веб-порталы с возможностями просмотра текущей метеорологической ситуации, прогнозов на ближайшие дни и архивов метеоданных.</p>
<p>Анализ производился по следующим критериям:</p>
<p>– наличие актуальных сведений, своевременное добавление сведений за последний день/неделю;</p>
<p>– наличие архивных сведений за 2015-2019 гг.;</p>
<p>– наличие открытых программных интерфейсов (API) для загрузки данных;</p>
<p>– полнота сведений – наличие информации о температуре воздуха, влажности, атмосферном давлении и других метеорологических характеристиках;</p>
<p>– возможность подключения частных метеостанций для уточненного сбора данных.</p>
<p>Из существующих метеосервисов выбраны следующие: OpenWeatherMap [142], Федеральная служба по гидрометеорологии и мониторингу окружающей среды [91], Rp5. [149] и другие ресурсы. Указанные ресурсы описываются более подробно ниже.</p>
<p><em>OpenWeatherMap</em></p>
<p>Сервис предоставляет возможности вывода интерполированных температурных карт и выполнения координатных запросов с выдачей метеоданных. Доступ к архивным данным с возможностью массовой загрузки предоставляется только в варианте с приобретением платной подписки. Присутствует возможность подключения дополнительных метеостанций. В бесплатной версии обращения к API ограничены 60 запросами в минуту.</p>
<p>Общедоступная ссылка: https://openweathermap.org/.</p>
<p>Ссылка на API: https://openweathermap.org/api.</p>
<p>Используемый формат данных: JSON.</p>
<p><em>Федеральная служба по гидрометеорологии и мониторингу окружающей среды</em></p>
<p>Сервис предоставляет возможность бесплатной загрузки архивных метеоданных за все время наблюдения (для города Самары – с 1930-х годов). Данные ежедневные, но обновление архивов производится не на постоянной основе, а с некоторой периодичностью.</p>
<p>Данные предоставляются в разрезе метеостанций. Присутствуют сведения о температуре воздуха (месячные данные), температуре воздуха и количестве осадков (ежедневные данные), температуре почвы на глубинах до 320 см (ежедневные данные). Для доступа к архивам требуется бесплатная регистрация.</p>
<p>Общедоступная ссылка: http://meteo.ru/data.</p>
<p>Ссылка на API: aisori-m.meteo.ru/waisori.</p>
<p>Используемый формат данных: CSV.</p>
<p><em>Rp5</em></p>
<p>В рамках данного сервиса предоставляется возможность получения данных в режиме онлайн при обращении к платным программным интерфейсам API. Также присутствует возможность выгрузить архив для заданной метеостанции и диапазона дат. Ресурс предоставляет наиболее полную информацию о метеорологических параметрах в разрезе метеостанций из всех рассмотренных.</p>
<p>Общедоступная ссылка: https://rp5.ru/.</p>
<p>Ссылка на API: https://rp5.ru/docs/xml/ru.</p>
<p>Используемый формат данных: XML, CSV.</p>
<p><em>Другие ресурсы</em></p>
<p>В таблице 14 приведены ссылки на другие ресурсы метеоданных и комментарии по поводу сложности их использования.</p>
<p>Таблица 14</p>
<p>Другие открытые источники метеоданных и особенности их использования</p>
<table>
<tbody>
<tr>
<td>Название</td>
<td>Ссылка</td>
<td>Особенности использования</td>
</tr>
<tr>
<td>РосГидроМет</td>
<td><a href="http://www.meteorf.ru/opendata/" target="_blank" rel="noopener">http://www.meteorf.ru/opendata/</a></td>
<td>данные приземных метеорологических наблюдений за последние 2 года отсутствуют</td>
</tr>
<tr>
<td>GisMeteo</td>
<td><a href="https://www.gismeteo.ru/" target="_blank" rel="noopener">https://www.gismeteo.ru/</a></td>
<td>невозможна регистрация для доступа к API</td>
</tr>
<tr>
<td>Foreca</td>
<td><a href="https://corporate.foreca.com/ru/weather-data/weather-file-feed" target="_blank" rel="noopener">https://corporate.foreca.com/ru/weather-data/weather-file-feed</a></td>
<td>ценовая политика не описана</td>
</tr>
<tr>
<td>Гидрометцентр России</td>
<td><a href="https://meteoinfo.ru/forecasts5000/russia/samara-area" target="_blank" rel="noopener">https://meteoinfo.ru/forecasts5000/russia/samara-area</a></td>
<td>небольшое количество метеостанций для получения данных по Самарской области</td>
</tr>
<tr>
<td>Национальное управление океанических и атмосферных исследований NOAA</td>
<td><a href="https://www.ncdc.noaa.gov/data-access/quick-links#ghcn" target="_blank" rel="noopener">https://www.ncdc.noaa.gov/data-access/quick-links#ghcn</a></td>
<td>для Самарской области сведения за последние два года отсутствуют</td>
</tr>
</tbody>
</table>
<p>На основе проведенного анализа данных в качестве приоритетного источника данных выбран сервис Rp5.</p>
<p>Для выбранного источника данных Rp5 произведен анализ существующих метеостанций на территории Самарской области (таблица 15).</p>
<p>Таблица 15</p>
<p>Список метеостанций на территории Самарской области</p>
<table>
<tbody>
<tr>
<td>Синоптический индекс</td>
<td>Название метеостанции</td>
</tr>
<tr>
<td>28900</td>
<td>Самара</td>
</tr>
<tr>
<td>35135</td>
<td>Новокуйбышевск</td>
</tr>
<tr>
<td>27992</td>
<td>Чапаевск</td>
</tr>
<tr>
<td>27995</td>
<td>Безенчук</td>
</tr>
<tr>
<td>27983</td>
<td>Сызрань</td>
</tr>
<tr>
<td>35001</td>
<td>Большая Глушица</td>
</tr>
<tr>
<td>28908</td>
<td>Авангард Зерносовхоз</td>
</tr>
<tr>
<td>27894</td>
<td>Новодевичье</td>
</tr>
<tr>
<td>28802</td>
<td>Серноводск</td>
</tr>
<tr>
<td>28904</td>
<td>Самара / Безымянка</td>
</tr>
<tr>
<td>28807</td>
<td>Самара / Смышляевка</td>
</tr>
<tr>
<td>28805</td>
<td>Кинель-Черкассы</td>
</tr>
<tr>
<td>27890</td>
<td>Тольятти</td>
</tr>
<tr>
<td>28901</td>
<td>Новоберезовское</td>
</tr>
<tr>
<td>28705</td>
<td>Челно-Вершины</td>
</tr>
</tbody>
</table>
<p>В таблице 15 синоптический индекс – пятизначный уникальный цифровой индивидуальный идентификатор (номер метеостанции), назначаемый официальным метеостанциям (передающим данные своих наблюдений в государственную и/или международную сеть обмена метеорологической информацией) полномочными государственными органами в сфере гидрометеорологии (в России — Росгидрометом) и утверждаемый Всемирной метеорологической организацией (ВМО).</p>
<p>Для уточнения расчета температур в пограничных областях также добавлены ближайшие метеостанции из соседних регионов (таблица 16).</p>
<p>Таблица 16</p>
<p>Список ближайших к Самарской области метеостанций</p>
<table>
<tbody>
<tr>
<td>Синоптический индекс</td>
<td>Название метеостанции</td>
</tr>
<tr>
<td>35007</td>
<td>Перелюб</td>
</tr>
<tr>
<td>34098</td>
<td>Пугачев</td>
</tr>
<tr>
<td>34083</td>
<td>Хвалынск</td>
</tr>
<tr>
<td>27981</td>
<td>Канадей</td>
</tr>
<tr>
<td>27891</td>
<td>Сенгилей</td>
</tr>
<tr>
<td>27799</td>
<td>Димитровград</td>
</tr>
<tr>
<td>28806</td>
<td>Бугуруслан</td>
</tr>
<tr>
<td>28909</td>
<td>Бузулук</td>
</tr>
<tr>
<td>35008</td>
<td>Первомайский</td>
</tr>
</tbody>
</table>
<p>Итоговый перечень метеостанций был в ручном режиме геокодирован по данным о географической привязке станций ФГБУ «Приволжское УГМС» (Приволжское управление по гидpометеоpологии и мониторингу окружающей среды) и согласно сведениям портала Rp5.</p>
<p>Метеостанции на карте представляют собой точечные объекты, размещенные в границах метеоплощадки (рисунки 19 и 20).</p>
<p>Для геокодированных метеостанций была произведена загрузка сведений о метеорологических характеристиках в период с 01.01.2015 по 23.04.2019. Полный перечень характеристик приведен в таблице 17.</p>
<p>Таблица 17</p>
<p>Перечень загружаемых метеорологических характеристик</p>
<table>
<tbody>
<tr>
<td>Название</td>
<td>Обозначен.</td>
</tr>
<tr>
<td>Температура воздуха (градусы Цельсия) на высоте 2 метра над поверхностью земли</td>
<td>T</td>
</tr>
<tr>
<td>Атмосферное давление на уровне станции (миллиметры ртутного столба)</td>
<td>Po</td>
</tr>
<tr>
<td>Атмосферное давление, приведенное к среднему уровню моря (миллиметры ртутного столба)</td>
<td>P</td>
</tr>
<tr>
<td>Барическая тенденция: изменение атмосферного давления за последние три часа (миллиметры ртутного столба)</td>
<td>Pa</td>
</tr>
<tr>
<td>Относительная влажность (%) на высоте 2 метра над поверхностью земли</td>
<td>U</td>
</tr>
<tr>
<td>Направление ветра (румбы) на высоте 10-12 метров над земной поверхностью, осредненное за 10-минутный период, непосредственно предшествовавший сроку наблюдения</td>
<td>DD</td>
</tr>
<tr>
<td>Скорость ветра на высоте 10-12 метров на земной поверхностью, осредненное за 10-минутный период, непосредственно предшествовавший сроку наблюдения (метры в секунду)</td>
<td>Ff</td>
</tr>
<tr>
<td>Максимальное значение порыва ветра на высоте 10-12 метров на земной поверхностью, осредненное за 10-минутный период, непосредственно предшествовавший сроку наблюдения (метры в секунду)</td>
<td>ff10</td>
</tr>
<tr>
<td>Максимальное значение порыва ветра на высоте 10-12 метров над земной поверхностью за период между сроками (метры в секунду)</td>
<td>ff3</td>
</tr>
<tr>
<td>Общая облачность</td>
<td>N</td>
</tr>
<tr>
<td>Текущая погода, сообщаемая с метеорологической станции</td>
<td>WW</td>
</tr>
<tr>
<td>Прошедшая погода между сроками наблюдения 1</td>
<td>W1</td>
</tr>
<tr>
<td>Прошедшая погода между сроками наблюдения 2</td>
<td>W2</td>
</tr>
<tr>
<td>Минимальная температура воздуха (градусы Цельсия) за прошедший период (не более 12 часов)</td>
<td>Tn</td>
</tr>
<tr>
<td>Максимальная температура воздуха (градусы Цельсия) за прошедший период (не более 12 часов)</td>
<td>Tx</td>
</tr>
<tr>
<td>Слоисто-кучевые, слоистые, кучевые и кучево-дождевые облака</td>
<td>Cl</td>
</tr>
<tr>
<td>Количество всех наблюдающихся облаков Cl или, при отсутствии облаков Cl, количество всех наблюдающихся облаков Cm</td>
<td>Nh</td>
</tr>
<tr>
<td>Высота основания самых низких облаков (м)</td>
<td>H</td>
</tr>
<tr>
<td>Высококучевые, высокослоистые и слоисто-дождевые облака</td>
<td>Cm</td>
</tr>
<tr>
<td>Перистые, перисто-кучевые и перисто-слоистые облака</td>
<td>Ch</td>
</tr>
<tr>
<td>Горизонтальная дальность видимости (км)</td>
<td>VV</td>
</tr>
<tr>
<td>Температура точки росы на высоте 2 метра над поверхностью земли (градусы Цельсия)</td>
<td>Td</td>
</tr>
<tr>
<td>Количество выпавших осадкой (миллиметры)</td>
<td>RRR</td>
</tr>
<tr>
<td>Период времени, за который накоплено указанное количество осадков (ч.)</td>
<td>tR</td>
</tr>
<tr>
<td>Состояние поверхности почвы без снега или измеримого ледяного покрова</td>
<td>E</td>
</tr>
<tr>
<td>Минимальная температура поверхности почвы за ночь (градусы Цельсия)</td>
<td>Tg</td>
</tr>
<tr>
<td>Состояние поверхности почвы со снегом или измеримым ледяным покровом</td>
<td>E1</td>
</tr>
<tr>
<td>Высота снежного покрова (см)</td>
<td>sss</td>
</tr>
</tbody>
</table>
<p>Рисунок 19 – Карта метеостанций</p>
<p>Рисунок 20 – Размещение точечных объектов метеостанций в границах площадок</p>
<p>Загруженные данные содержат измерения характеристик, выполненные с периодичностью 3 часа. Для расчета производных характеристик вычисляются среднесуточные значения температуры, воздуха и относительная влажность как средние значения за день.</p>
<p>Обозначим среднесуточную температуру для станции и даты как , тогда производные метеорологические характеристики будут вычисляться следующим образом:</p>
<p>– сумма активных (накопленных) температур за год – показатель, характеризующий количество тепла и выражающийся суммой средних суточных температур воздуха или почвы, превышающий определенный порог: 0, 5, 10 градусов или биологический минимум температуры, необходимой для развития определенного растения:</p>
<p>, (108)</p>
<p>где <em>Y</em> – год, для которого определяется характеристика, – функция определения года для даты <em>D</em>;</p>
<p>– гидротермический коэффициент увлажнения Селянинова (характеристика уровня влагообеспеченности территории):</p>
<p>, (109)</p>
<p>где– сумма осадков в миллиметрах для станции <em>S</em> и даты <em>D</em>.</p>
<p>Совместно с сотрудниками НИЛ-55 Самарского университета разработан программный модуль для полуавтоматической загрузки метеоданных. Для хранения сведений используется отдельная база данных, содержащая информацию о метеостанциях с их географическим положением, а также метеоданные для каждой станции и даты.</p>
<p>Для наполнения данных необходимо перейти на сайт <a href="https://rp5.ru/" target="_blank" rel="noopener">https://rp5.ru/</a>, скачать выбрать необходимую метеостанцию по синоптическому индексу и загрузить архив метеоданных за необходимый диапазон дат. После этого архив подается на вход разработанному консольному приложению <strong>WeatherDownloader</strong>, осуществляющему импорт сведений в базу метеоданных.</p>
<p>Таким образом, результатом работы программного обеспечения автоматизации получения и хранения метеоданных за ряд лет по открытым данным с метеостанций Росгидромета на выбранные участки территорий являются:</p>
<p>– перечень метеостанций с указанием их географического местоположения;</p>
<p>– база метеоданных за определенный диапазон дат.</p>
<h3><a id="post-7639-_Toc31195719"></a><a id="post-7639-_Toc25690822"></a>4.2 Разработка математических методов и алгоритмов расчета метеоданных в указанной точке</h3>
<p>На основе загруженных данных был произведен анализ возможных методов интерполяции значений параметров для построения растровых карт (гридов) значений температур и влажности. Интерполяция необходима для вычисления значений характеристик в точках, не совпадающих с метеорологическими станциями.</p>
<p>Исследовались следующие методы интерполяции:</p>
<p>– метод обратных взвешенных расстояний (IDW [124, 143]);</p>
<p>– метод интерполяции по естественному соседу (Natural Neighbor Interpolation [126, 157]);</p>
<p>– кригинг [125, 107].</p>
<p>Далее для обозначения метеорологической характеристики будет использована среднедневная температура , но при этом подразумевается, что аналогичным образом могут быть использованы и относительная влажность, и сумма активных температур и гидротермический коэффициент.</p>
<p><em>Метод обратных взвешенных расстояний</em></p>
<p>Метод обратных взвешенных расстояний (IDW) состоит в том, что интерполированное значение вычисляется как средневзвешенное значение характеристик по всем станциям в зависимости от расстояний до них:</p>
<p>(110)</p>
<p>где–расстояние от станции <em>S</em> до точки <em>x</em>, – весовая функция, <em>p </em>– параметр степени.</p>
<p>Пример интерполяции данных для даты 15.04.2019 представлен на рисунке 21, применено контрастирование по диапазону температур от 5 °С (синий цвет) до 9 °С (красный цвет),.</p>
<p>Рисунок 21 – Пример интерполяции среднедневной температуры методом IDW</p>
<p><em>Интерполяция методом естественного соседа</em></p>
<p>Интерполяция методом естественного соседа (Natural Neighbor Interpolation) использует диаграмму Вороного для вычисления влияния точки (станции) на интерполируемое значение. По исходному набору станций строится диаграмма <em>V</em>, далее для каждой интерполируемой точки <em>x</em> диаграмма перестраивается с учетом точки <em>x</em>, получается новая диаграмма. Интерполируемое значение при этом рассчитывается следующим образом:</p>
<p>, (111)</p>
<p>где &#8212; площадь полигона Вороного диаграммы с центром в точке <em>x</em>,– площадь пересечения полигона диаграммы с центром в точке <em>x</em> и полигона диаграммы <em>V</em> с центром в точке <em>S</em>.</p>
<p>Пример интерполяции данных методом естественного соседа и диаграмма Вороного для набора метеостанций представлены на рисунке 22.</p>
<p><em>Метод кригинга</em></p>
<p>Метод кригинга является одним из самых часто используемых методов в геостатистике. Кригинг вычисляет наилучшую линейную несмещенную оценку на основе стохастической модели пространственной зависимости по заданной вариограмме или математическому ожиданию.</p>
<p>Рисунок 22 – Пример интерполяции среднедневной температуры методом естественного соседа</p>
<p>Пусть задано множество метеостанций и множество наблюдений параметра в рамках одного дня. Тогда оценка в произвольной точке <em>x</em> формируется как линейная комбинация:</p>
<p>, (112)</p>
<p>. (114)</p>
<p>Ошибка кригинга при этом определяется следующим образом:</p>
<p>. (115)</p>
<p>Для вычисления вариограммы в произвольной точке производится аппроксимация значений некоторой функцией. В применении к температурным данным хорошие результаты показывает даже применение линейной аппроксимации. Примеры оценки вариограммы приведены на рисунках 23-25.</p>
<p>Пример интерполяции данных для даты 15.04.2019 представлен на рисунке 26, применено контрастирование по диапазону температур от 5 °С (синий цвет) до 9 °С (красный цвет).</p>
<p>Рисунок 23 – Вариограмма среднесуточных температур (15.04.2019, коэффициент детерминации 87.32%)</p>
<p>Рисунок 24 – Вариограмма среднесуточных температур (15.06.2018, коэффициент детерминации 95.76%)</p>
<p>Рисунок 25 – Вариограмма среднесуточных температур (16.09.2017, коэффициент детерминации 86.50%)</p>
<p>Рисунок 26 –Интерполяция среднедневной температуры методом кригинга</p>
<p><em>Выбор оптимального метода интерполяции</em></p>
<p>Выбор оптимального метода интерполяции производился методом перекрестной проверки (кросс-валидации) [37]. Из списка метеостанции по одной исключались метеостанции и производилась интерполяция в исключенной точке всеми рассмотренными методами. Для каждого метода определялась среднеквадратическая ошибка (СКО). Процедура кросс-валидации была выполнена для временного промежутка в один год (2018). Результаты для 2018 года представлены на рисунках 27 и 28.</p>
<p>Рисунок 27 – Среднеквадратические ошибки интерполяции среднедневной температуры тремя методами за 2018 год</p>
<p>Рисунок 28 – Среднеквадратические ошибки интерполяции среднедневной влажности тремя методами за 2018 год</p>
<p>Метод IDW показал схожие результаты с методом кригинга, при этом в летний период кригинг является более предпочтительным. Аналогично, для интерполяции относительной влажности метод кригинга также показал наилучшие результаты.</p>
<p>Примеры интерполяции значений влажности приведены на рисунках 29-31, к изображениям применено контрастирование по диапазону значений и градиентная раскраска – белому цвету соответствуют наименьшие значения, синему – наибольшие.</p>
<p>Рисунок 29 – Пример интерполяции среднедневной влажности методом IDW</p>
<p>Рисунок 30 – Пример интерполяции среднедневной влажности методом NaturalNeighbor</p>
<p>Рисунок 31 – Пример интерполяции среднедневной влажности методом кригинга</p>
<p>Для определения суммы активных (накопленных) температур за год производится:</p>
<p>– интерполяция температур и построение растровых гридов для каждого для года;</p>
<p>– суммирование значений, превышающих 10 градусов Цельсия.</p>
<p>В качестве примера были загружены и обработаны метеорологические данные за 2018 год. Полученная растровая карта активных температур представлена на рисунке 32.</p>
<p>Рисунок 32 – Сумма активных температур за 2018 год (градиент от синего цвета – 2800, до красного – 3400)</p>
<p>При определении гидротермического коэффициента увлажнения Селянинова необходимо вычислить наколенное количество осадков за год. При этом сведений метеостанций недостаточно, так как осадки не интерполируются. Поэтому для расчета гидротермического коэффициента предлагается использовать открытые данные, предоставляемые в рамках проекта Global Precipitation Measurement (GPM, глобальное измерение осадков) [121]. В рамках данного проекта в открытый доступ предоставляются различные сведения об осадках, включая оценку наколенных за день значений – продукт GPM_3IMERGDF: GPM IMERG Final Precipitation L3 1 day 0.1 degree x 0.1 degree V06 [129].</p>
<p>Соответственно для оценки гидротермического коэффициента увлажнения Селянинова производится:</p>
<p>– загрузка снимков GPM за требуемый год для каждого дня в году;</p>
<p>– для каждого из снимков накладывается интерполированный температурный грид;</p>
<p>– определяются пиксели со значением температуры выше 10 градусов Цельсия;</p>
<p>– производится суммирование по всем снимкам накопленных осадков;</p>
<p>– производится вычисление гидротермического коэффициента.</p>
<p>Пример расчета гидротермического коэффициента для 2018 года представлен на рисунке 33.</p>
<p>Рисунок 33 – Гидротермический коэффициент увлажнения Селянинова за 2018 год (градиент от белого цвета – 0.3, до зеленого – 1.3)</p>
<h3><a id="post-7639-_Toc25690823"></a><a id="post-7639-_Toc31195720"></a>4.3 Разработка программного модуля для расчета метеоданных в указанной точке и построения растровых карт значений температур и влажности</h3>
<p>Совместно с сотрудниками НИЛ-55 Самарского университета разработан программный модуль, осуществляющий расчет растровых карт значений температур и влажности за указанный диапазон дат. В качестве метода интерполяции данных выбран метод кригинга. По рассчитанным растровым гридам температур вычисляется суммарные значения накопленных температур. Программный модуль также выполняет автоматическую загрузку данных, предоставляемые в рамках проекта Global Precipitation Measurement, используемых для расчета гидротермического коэффициента увлажнения Селянинова. Функции интерполяции данных и расчета производных параметров реализованы в рамках программы <strong>WeatherDownloader</strong>. Результаты выполнения функций записываются в растровые файлы.</p>
<p>Таким образом, результатом работы программного модуля для расчета метеоданных в указанной точке (сельхозполе) и построения растровых карт (гриды) значений температур и влажности, расчета для сельхозполей суммарных значений накопленных температур и термодинамических коэффициентов являются:</p>
<p>– растровые карты температуры, относительной влажности за необходимый диапазон дат;</p>
<p>– растровые карты суммарных значений накопленных температур и гидротермического коэффициента увлажнения Селянинова за требуемый год;</p>
<p>– рассчитанные метеорологические признаки для участков посевов.</p>
<p>При расчете значений температуры воздуха в определенной области возможно применение данных ДЗЗ. При этом в отличие от метеостанций данные ДЗЗ обычно содержат сведения о температуре поверхности (Land Surface Temperature), а не сведения о температуре воздуха. В качестве источников данных о LST могут выступать следующие спутники/продукты [117]:</p>
<p>– MODIS Land Surface Temperature. Продукты MOD11C1, MYD11C1 предоставляют ежедневные значения среднесуточной температуры поверхности с разрешением 0.05 градусов;</p>
<p>– AATSR Land Surface Temperature. Продукты ENVISAT.ATS.AR__2P, ENVISAT.ATS.NR__2P, ENVISAT.ATS.LST_3P. Продукты предоставляется Европейским Космическим Агентством. Разрешение снимков 0.5 градусов.</p>
<p>Рассмотрим алгоритм приведения температуры поверхности к температуре воздуха на примере снимков MODIS.</p>
<p>На первом этапе производится обработка исходных данных MODIS, состоящая в домножении на коэффициент масштабирования значений и приведении к градусам Цельсия:</p>
<p>, (116)</p>
<p>В продуктах MOD11C1, MYD11C1 присутствуют два канала, содержащие сведения о температуре – MODIS_CMG_3MIN_LST:LST_Day_CMG (сведения о температуре днем) и MODIS_CMG_3MIN_LST:LST_Night_CMG (сведения о температуре ночью). При этом в случае плохих погодных условий (наличие облачности) значения могут отсутствовать.</p>
<p>Для исследования алгоритма расчета сводной карты температуры на основе совместной обработки ДДЗ и метеоинформации была произведена загрузка продуктов MOD11C1 за 2015 год. Пример температурных замеров по снимкам и среднесуточной температуры, полученной на метеостанции «Самара», представлен на рисунке 34. Из графика видно, что дневная температура поверхности по снимку обычно выше реальных значений, что объясняется спецификой исходных снимков и алгоритмов получения продуктов [139].</p>
<p>Для оценки температуры воздуха по температуре поверхности используется подход, при котором температура воздуха представляется линейной комбинацией значений, полученных по данным ДЗЗ [1]:</p>
<p>, (117)</p>
<p>где – дневная температура поверхности по данным ДЗЗ,</p>
<p>– ночная температура поверхности по данным ДЗЗ,</p>
<p>Рисунок 34 – Сравнение температур по данным метеостанции «Самара» и сведений ДЗЗ (MODIS)</p>
<p>Коэффициентыподбираются методом географически взвешенной регрессии (Geographically weighted regression – GWR) [106]:</p>
<p>, (118)</p>
<p>, (119)</p>
<p>, (120)</p>
<p>где– матрица значений температуры поверхности в точках, соответствующих положению метеостанций,</p>
<p><em>w</em> – диагональная матрица весовых коэффициентов для каждой из метеостанций, – значения температуры воздуха, измеренные на метеостанциях,</p>
<p><em>N</em> – количество метеостанций.</p>
<p>При этом весовые коэффициенты рассчитываются в зависимости от расстояния от рассматриваемой точки до метеостанции:</p>
<p>, (121)</p>
<p>где– расстояние от рассматриваемой точки, в которой производится расчет температуры воздуха до <em>i</em>-ой метеостанции, <em>l</em> – калибровочный коэффициент, определяющий влияние расстояния на значения температуры. Значение <em>l</em> подбирается эмпирически. Например, если считать, что на расстоянии 50 км влияние значений температуры должно упасть до уровня 0,01, то коэффициент <em>l</em> определяется следующим образом:.</p>
<p>Таким образом, алгоритм расчета сводной карты температуры на основе совместной обработки ДДЗ и метеоинформации для определенного дня года будет состоять из следующих шагов:</p>
<p>– получение снимков MODIS на нужную территорию;</p>
<p>– определение значений дневных и ночных температур по снимку MODIS и значений среднесуточной температуры воздуха по сведениям метеостанций для рассматриваемого дня;</p>
<p>– вычисление коэффициентов, для каждой точки формируемого растрового грида;</p>
<p>– расчет оценки температуры воздуха для каждой точки формируемого растрового грида.</p>
<p>Пример сформированного растрового грида для 15.06.2015 для представлен на рисунке 35. Применен градиент от белого цвета (температура 25°C) до красного цвета (температура 28°C). Синим отмечены области отсутствующих данных.</p>
<p>Рисунок 35 – Пример сформированного грида температур воздуха по данным метеостанций и сведениям ДЗЗ</p>
<p>Исследование качества работы алгоритма проводилось методом кросс-валидации по аналогии с исследованием методов интерполяции. Сравнение интерполяции температур методом кригинга и алгоритма расчета сводной карты температуры на основе совместной обработки ДДЗ и метеоинформации приведено на рисунке 36.</p>
<p>Рисунок 36 – Сравнение среднеквадратических ошибок интерполяции температур методом кригинга и алгоритма расчета сводной карты температуры на основе совместной обработки ДДЗ и метеоинформации</p>
<p>Из графика видно, что в летний период метод интерполяции кригингом показывает лучшие результаты. Общая статистика по дням:</p>
<p>– 169 дней является пригодными для обработки с точки зрения отсутствия облачности на снимках;</p>
<p>– из них 44 дня метод расчета сводной карты температуры на основе совместной обработки ДДЗ и метеоинформации показывает лучшие результаты, чем кригинг.</p>
<p>В результате работы программного модуля может быть сформирована директория, содержащая набор растровых карт для каждой даты из требуемого диапазона</p>
<h3><a id="post-7639-_Toc25690828"></a><a id="post-7639-_Toc31195721"></a>4.4 Разработка алгоритмов моделирования установки дополнительных метеостанций в указанной точке на основе информации о карте ошибок значений температуры и влажности</h3>
<p>Для выбора оптимальных мест для установки дополнительных метеостанций производится анализ ошибок в погодных условиях. Сначала производится расчет суммарной ошибки интерполяции за год (рисунок 37, применена стилизация градиентом: синий цвет – минимальная ошибка интерполяции, красный цвет – максимальная ошибка интерполяции). Далее задается радиус эффективного действия метеостанции, обычно находящийся в диапазоне от 30 до 50 км и производится построение буферных зон заданного радиуса для всех метеостанций, рисунок 38.</p>
<p>Моделирование установки дополнительных метеостанций в указанной точке производится следующим образом:</p>
<p>– для заданной точки строится буферная зона с радиусом, соответствующим эффективному радиусу действия метеостанции;</p>
<p>– производится расчет суммарной ошибки интерполирования среднесуточных температур и влажности за год в границах построенной буферной зоны;</p>
<p>– в границах буферных зон для существующих метеостанций расчет не производится;</p>
<p>– из расчета исключаются области, не попадающие в границы рассматриваемой области (например, границы Самарской области);</p>
<p>– из расчета могут исключаться области, не попадающие в границы дополнительных слоев (например, границы сельскохозяйственных полей определенного сельскохозяйственного товаропроизводителя);</p>
<p>– полученная суммарная ошибка является индикатором целесообразности установки дополнительной метеостанции в указанной точке.</p>
<p>Рисунок 37 – Суммарная поле ошибок интерполяции методом кригинга за 2018 год</p>
<p>Радиус буферных зон – 30 км Радиус буферных зон 50 км<br />
Рисунок 38 – Суммарная поле ошибок интерполяции методом кригинга за 2018 год</p>
<p>Для ускорения расчета предварительно может быть рассчитана растровая карта заданного разрешения, пиксели которой содержат посчитанную ошибку интерполяции в заданном радиусе. Данная растровая карта может быть использована для определения оптимальных мест для установки дополнительных метеостанций – наиболее яркие значения на растре соответствуют наилучшим местам установки. Пример подобной карты приведен на рисунке 39 (зеленым отмечены наиболее подходящие места для новых метеостанций).</p>
<p>Рисунок 39 – Растровая карта оптимальных мест для расположения новых метеостанций</p>
<h3><a id="post-7639-_Toc25690829"></a><a id="post-7639-_Toc31195722"></a>4.5 Система интеллектуального мониторинга и прогнозирования для установки в качестве дополнительных метеостанций в указанной точке на основе информации о карте ошибок значений температуры и влажности</h3>
<p>Для установки дополнительных метеостанций предлагается использовать решения, полученные Самарским ГАУ совместно с индустриальным партнером ООО «Кайпос» в виде отечественной системы интеллектуального мониторинга и прогнозирования условий возделывания сельскохозяйственных культур. Система интеллектуального мониторинга и прогнозирования направлена на формирование массива данных о метеоусловиях, влажности почвы и листьев, обработки массива данных и представления информации, позволяющий принимать правильные управляющие решения связанные к примеру с оперативной ликвидацией очагов распространения болезней и вредителей, а также учитывать метеорологическую обстановку при выборе сроков проведения полевых работ.</p>
<p>Система включает в себя (рис. 40): основной блок метеостанции (базовую метеостанцию), беспроводные интерфейсы и различные датчики. Основной блок метеостанции собирает данные как с подключенных к нему сенсоров, так и с беспроводных интерфейсов. Внутренняя память позволяет хранить данные за 2 недели, в зависимости от количества подключенных датчиков и интервала измерений. Все данные передаются на веб-сервер. Пользователь имеет постоянный доступ к данным за последние 5 лет. Информация старше 5 лет архивируется и может быть предоставлена по запросу (либо загружена на компьютер через Wi-Fi). Все системы работают от солнечной энергии. За счет резервного аккумулятора, метеостанция может работать без солнечного света в течение 10 дней.</p>
<p>Блок КaipoBase это автономная базовая станция, которая предназначена для мониторинга погодных условий открытого и закрытого грунта, влажности почвы и других важных агрономических показателей. К базовой станции KaipoBase можно подключить следующие датчики: ультразвуковой датчик скорости и направления ветра; механический датчик скорости и направления ветра; датчик температуры воздуха и относительной влажности; датчик инсоляции; осадкомер; барометр; датчик влажности почвы; датчик температуры почвы; датчик водного потенциала; датчик увлажнения листа.</p>
<p>Рисунок 40 &#8212; Основной блок метеостанции KaipoBase: 1 – осадкомер; 2 – опора; 3 – защитный корпус с платой управления; 4 – антенна беспроводного канала связи; 5 &#8212; датчик атмосферного давления; 6 &#8212; солнечная батарея</p>
<p>Метеостанции KAIPOS передают данные на центральную веб-платформу AGROKEEP Web (рис. 41), где они накапливаются и обрабатываются.</p>
<p>Рисунок 41 &#8212; Веб-платформа AGROKEEP визуализирует данные и строит агрономические расчеты</p>
<p>Веб-платформа AGROKEEP визуализирует данные и строит агрономические расчеты, которые позволяют:</p>
<p>&#8212; прогнозировать появление вредителей и вероятность заражения растений болезнями;</p>
<p>&#8212; определять наиболее благоприятное время для внесения пестицидов;</p>
<p>&#8212; прогнозировать наилучшие сроки посева и посадки</p>
<p>&#8212; определять оптимальные сроки уборки;</p>
<p>&#8212; оптимизировать сроки и нормы полива.</p>
<p>Данные за последние 5 лет доступны в режиме реального времени. Данные сроком более 5 лет архивируются и доступны по запросу пользователя. Учетные записи AGROKEEP Web защищены паролем. Для работы с AGROKEEP Web пользователю необходимо зарегистрироваться и добавить станции к своей учетной записи. При использовании удаленного доступа к метеостанции KAIPOS необходимо иметь любое устройство с доступом к интернету: персональный ПК, ноутбук, планшет или сотовый телефон на базе Android или IOS.</p>
<p>Использование дополнительных метеостанций позволит снизить ошибки интерполяции метеоданных и повысит точность моделей прогноза урожайности культур.</p>
<h2><a id="post-7639-_Toc24715359"></a><a id="post-7639-_Toc25690839"></a><a id="post-7639-_Toc31195723"></a>5 РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МЕТОДОВ И АЛГОРИТМОВ ПРОГНОЗИРОВАНИЯ И АНАЛИЗА УРОЖАЙНОСТИ</h2>
<p>Основной задачей раздела является построение сводной модели оценки урожайности с использованием факторов, полученных в предыдущих разделах, вычисляемых по данным ДЗЗ, метеоданным, агрохимическим обследованиям, а также характеристикам типа почв.</p>
<p>Настоящее исследование было построено по принципу извлечения максимально доступного набора факторов по данным ДЗЗ и геиформационных систем (ГИС), с целью последующего отбора факторов, оказывающих наибольшее влияние на качество оценки урожайности моделью. Предварительные исследования наборов факторов на примере озимой <a id="post-7639-_Toc24715360"></a><a id="post-7639-_Toc25690840"></a>покзали возможность разработки математических методов и алгоритмов прогнозирования урожайности в процессе вегетации по группам признаков, определяющих состояние посевов с ДДЗ, метеоданных, почвенных характеристик, данных агрохимобследований, географического положения и свойств поверхности.</p>
<h3><a id="post-7639-_Toc24715361"></a><a id="post-7639-_Toc25690841"></a><a id="post-7639-_Toc31195724"></a>5.1 Алгоритм прогнозирования урожайности в процессе вегетации</h3>
<p>Предлагаемый алгоритм прогнозирования урожайности основан на использовании теории регрессионного моделирования и включает следующие этапы:</p>
<p>– оценка факторов модели;</p>
<p>– нормализация факторов;</p>
<p>– обучение модели и отбор значимых факторов;</p>
<p>– проверка адекватности модели.</p>
<p>Прогнозирование урожайности осуществляется для конкретных культур, т.е. для каждой культуры должна строиться своя модель урожайности в связи с существенными отличиями в фенологии, объемах наземной биомассы отдельных культур и других факторов.</p>
<p>Указанные этапы алгоритма далее изложены более подробно.</p>
<p><em>Оценка факторов, используемых для прогнозирования урожайности</em></p>
<p>Согласно проведенному обзору факторов, используемых в моделях роста культур, и в соответствии с имеющимся в распоряжении данными ДЗЗ и ГИС для тестирования методов прогнозирования урожайности, предлагается использовать следующие группы факторов:</p>
<p>– группа факторов, оцениваемых по данным ДЗЗ по временным последовательностям вегетационных индексов;</p>
<p>– метеорологические факторы;</p>
<p>– биоклиматические факторы;</p>
<p>– характеристики плодородия почвы;</p>
<p>– иные характеристики посева.</p>
<p>В качестве <em>факторов, оцениваемых по данным ДЗЗ,</em> предлагается использовать суммарное значение ВИ, рассчитанное по фильтрованной и аппроксимированной ВПВИ за заданный период времени:</p>
<p>. (122)</p>
<p>При этом в зависимости от доступной длины интервала наблюдений предлагается использовать два вегетационных индекса NDVIи SR. Согласно [120, 155] оба индекса имеют высокую корреляцию с содержанием азота в почве, зеленой биомассой и содержанием хлорофилла в листьях, а также NDVI показывает лучшую корреляцию с площадью листьев (LAI) в начале вегетационного цикла в фазе несомкнутых рядов, а SRимеет большую корреляцию с LAI наоборот, когда посев имеет сплошной покров. Таким образом, определив дату перехода из одной фазы в другую как дату первого пересечения последовательностью NDVI порога 0,5 (соответствует приблизительному значению LAI=3), остальные факторы по ДЗЗ можно вычислить как:</p>
<p>(123)</p>
<p>(124)</p>
<p>В качестве <em>метеорологических факторов</em> предлагается использовать следующие данные, получаемые с комплекса наземных метеорологических станций и открытых источников метеоданных в сети Интернет:</p>
<p>– максимальная температура за период вегетации;</p>
<p>– минимальная температура за период вегетации;</p>
<p>– сумма температур за период вегетации;</p>
<p>– средняя влажность воздуха за период вегетации;</p>
<p>– суммарное количество выпавших осадков за период вегетации;</p>
<p>– гидротермический коэффициент.</p>
<p>Метеорологические факторы вычисляются путем агрегирующих запросов к базе данных метеорологической информации.</p>
<p>В качестве <em>биоклиматических факторов</em> рассматривались:</p>
<p>– пространственные координаты центроида поля;</p>
<p>– площадь поля и периметр;</p>
<p>– номер муниципального района, к которому относится поле.</p>
<p>Очевидно, пространственные координаты поля и принадлежность к конкретному муниципальному району являются зависимыми факторами и могут использоваться взаимозаменяемо. Далее в качестве основного варианта будем рассматривать пространственные координаты центроида поля, как наиболее общий способ определения влияния географического положения поля на результат моделирования урожайности. Все биоклиматические факторы, перечисленные выше, могут быть рассчитаны средствами стандартных пространственных и семантических запросов в геоинформационной системе.</p>
<p>Учитываемые <em>характеристики плодородия почвы</em> определялись по данным агрохимических обследований и представляли собой:</p>
<p>– показатель бонитета типа почвы, определяемый по справочнику [88] в соответствии с типом почвы по почвенной карте;</p>
<p>– содержание азота, фосфора и калия в почве по данным агрохимических обследований. Поскольку согласно традиционной методике определения агрохимических характеристик на поле выделяются несколько участков, то указанные показатели плодородия почвы рассчитывались как среднее значение по показателям, измеренным в пределах заданного участка.</p>
<p>В качестве <em>дополнительных характеристик посевов</em> рассматривались данные, предоставляемые сельхозтоваропроизводиелем в виде семантической информации к объектам векторной карты полей в ГИС:</p>
<p>– сорт;</p>
<p>– качество семян (категория семян по репродукции).</p>
<p>Фактор подразделения хозяйства в скрытом виде соответствует факторам технологии обработки посевов, качеству механизации, применяемых удобрений и т.п. показателей, поскольку как правило в рамках подразделения действует один или два специалиста агронома, определяющие характеристики всего технологического процесса.</p>
<p>Следует отметить, что среди указанных групп факторов, факторы предоставляемые сельскохозяйственным товаропроизводителем, а также фактор климатической зоны, являются номинальными факторами, т.е. не имеют количественной оценки. С целью введения таких факторов в модель наравне с прочими количественными факторами необходимо использовать специальную процедуру преобразования, называемую дихотомизация и описываемую в подразделе о нормализации факторов.</p>
<p><em>Нормализация факторов</em></p>
<p>Нормализация факторов необходима для устранения влияния масштаба изменения значений переменных на результат моделирования. В рамках данного проекта под нормализацией также понимается приведение номинальных факторов к совокупности количественных факторов с использованием процесса дихотомизации номинальных переменных. Рассмотрим оба процесса подробнее.</p>
<p>Будем обозначать набор имеющихся факторов как Пусть фактор является количественным фактором и принимает на обучающей выборке значения, где <em>K</em> – объем обучающей выборки. Нормализация производится путем центрирования значений факторов относительно выборочного среднего и нормировки дисперсии:</p>
<p>(125)</p>
<p>(126)</p>
<p>(127)</p>
<p>где – нормализованное значение фактора. Коэффициенты нормализации и каждого фактора являются частью модели и используются перед применением модели на практике для перевода факторов в нормализованный вид. В результате, получаемые нормализованные факторы имеют нулевое математическое ожидание и дисперсию.</p>
<p>В случае если фактор является номинальным, то предполагается, что имеет некоторое конечное множество уникальных значений. Для введения номинальных факторов в модель, переменную заменяют набором из фиктивных бинарных переменных таких что:</p>
<p>(128)</p>
<p>Таким образом, одной номинальной переменной уникальных значений соответствует набор бинарных факторов . Очевидно, что необходимости в дальнейшей нормировке математического ожидания и дисперсии полученных бинарных переменных не имеется.</p>
<p>Далее нормализованный набор факторов будем обозначать, где <em>N</em> – общее количество факторов модели после нормализации и дихотомизации.</p>
<p><em>Обучение модели и отбор значимых факторов</em></p>
<p>Процесс обучения регрессионной модели заключается в настройке коэффициентов модели по набору данных, содержащему нормализованные значения факторов для <em>K</em> объектов и соответствующие им значения фактической урожайности. Фактическая урожайность <em>y</em> выступает в данном случае в качестве зависимой (предсказываемой переменной) и выражается через наблюдаемые факторы с использованием линейного уравнения регрессии:</p>
<p>, (129)</p>
<p>где – коэффициенты модели.</p>
<p>В процессе обучения модели неизвестные коэффициенты определяются из условия минимизации функционала качества модели, в качестве которого используется среднеквадратичная ошибка (СКО):</p>
<p>&nbsp;</p>
<p>где – фактическое значение урожайности и</p>
<p>– результат оценки урожайности для <em>k</em>-ого набора факторов.</p>
<p>Минимизация СКО (130) выполняется на обучающей выборке с помощью метода наименьших квадратов [44].</p>
<p>Отбор значимых факторов модели заключается в многократном обучении модели на различных подгруппах факторов. Данный этап анализа весьма трудоемкий и предполагает постепенное формирование набора факторов согласно следующей стратегии последовательного присоединения [45].</p>
<p>1. Для начала оцениваются <em>N </em>однофакторных регрессионных моделей относительно каждого фактора. В качестве главного фактора выбирается тот, для которого построенная модель имеет максимальный коэффициент детерминации:</p>
<p>, (131)</p>
<p>где – выборочное среднее;</p>
<p>2. Затем итерационно методом последовательного присоединения уточняется набор факторов. Пусть набор значимых факторов, отобранный на предыдущих шагах, а– исследуемый фактор. Тогда для оценки значимости фактора относительно факторов, включенных в модель, рассматривается уравнение регрессии относительно пополненного набора факторов и значимость добавленного фактора оценивается по частному критерию Фишера [45]:</p>
<p>, (132)</p>
<p>, (133)</p>
<p>где – количество коэффициентов регрессии, которое необходимо оценить для модели, включая константу,</p>
<p>– уровень значимости критерия,</p>
<p>–квантиль распределения Фишера со степенями свободы 1 и. Если неравенство (132) верно, то включения фактора в модель целесообразно, иначе фактор может быть отброшен. В случае включения в модель, необходимо также выполнить проверку гипотезы значимости отличия коэффициента регрессии при переменной от нуля. Для этого используется t-критерий Стьюдента в следующей форме [45]:</p>
<p>, (134)</p>
<p>, (135)</p>
<p>где – наблюдаемое значение критерия,</p>
<p>– -квантиль распределения Стьюдента со степенью свободы. Если неравенство (134) верно, то принимается гипотеза о значимом отличии коэффициента регрессии от нуля. В противном случае, фактор может быть исключен из модели.</p>
<p>Таким образом, процедура отбора факторов модели для заданной модели урожайности культуры состоит из оценки частных моделей с меньшим количеством факторов путем последовательного присоединения значимых факторов.</p>
<p><em>Оценка адекватности модели</em></p>
<p>Оценка адекватности модели заключается в проверке гипотез метода наименьших квадратов относительно данных, использованных для построения модели, и включает в себя:</p>
<p>– оценку общего коэффициента детерминации модели по формуле (130). Чем ближе значение к 1, тем лучше уравнение регрессии представляет наблюдаемые данные. Для качественных регрессионных моделей полагается, что коэффициент детерминации должен быть;</p>
<p>– проверку гипотезы о статистической значимости уравнения регрессии с помощью F-критерия Фишера:</p>
<p>, (136)</p>
<p>, (137)</p>
<p>где <em>K</em> – объем обучающей выборки,</p>
<p><em>N</em> – количество параметров уравнения регрессии, включая константу,</p>
<p>– уровень значимости критерия. Если выполнено (136), то уравнение регрессии полагается значимым;</p>
<p>– анализ регрессионных остатков. Данный анализ применяется для проверки таких свойств регрессии, как: равенство математического ожидания остатков нулю, распределение остатков по нормальному закону, отсутствие тренда в последовательности остатков и проверка гомоскедастичности остатков. Для признания уравнения регрессии адекватным необходимо выполнение всех указанных свойств.</p>
<p>Рассмотрим анализ регрессионных остатков подробнее. Под регрессионными остатками понимают ошибки моделирования:</p>
<p>. (138)</p>
<p>Для проверки гипотезы равенства математического ожидания остатков нулю используется t-критерий Стьюдента [99]:</p>
<p>, (139)</p>
<p>. (140)</p>
<p>Если (139) выполнено, то гипотеза о равенстве математического ожидания остатков нулю принимается.</p>
<p>Оценка нормальности распределения остатков может быть проверена с использованием любого из критериев оценки нормальности распределений [33]. Нормальность распределения остатков при их нулевом математическом ожидании гарантирует малую вероятность образования больших остатков, отличных от нуля.</p>
<p>Проверка на отсутствие тренда в данных позволяет заключить, что входящие в модель факторы не имеют скрытых зависимостей. Данную проверку предлагается производить с помощью критерия Аббе-Линника [33]. Критерий проверяется по каждому фактору отдельно. Для произвольного фактора и последовательности остатков, упорядоченной в порядке возрастания значений фактора, критерий Аббе-Линника имеет вид:</p>
<p>&nbsp;</p>
<p>где – значение статистики критерия Аббе-Линника для <em>n</em>-ого фактора модели,</p>
<p>– критическое значение критерия, задаваемое таблично.</p>
<p>Если неравенство (141) верно, то в остатках по заданному фактору отсутствует тренд. При объеме обучающей выборки можно использовать упрощенный критерий Аббе-Линника:</p>
<p>&nbsp;</p>
<p>Где – упрощенная статистика критерия Аббе-Линника, а</p>
<p>– критическое значение, представляющее собой -квантиль стандартного нормального закона распределения. Если (132) выполнено, то тренд в остатках по фактору с номером <em>n</em> отсутствует.</p>
<p>Требование к гомоскедастичности остатков означает однородность дисперсии ошибок модели в зависимости от диапазонов изменения входных данных. Для проверки гомоскедастичности используется тест Уайта [45]. Для этого оценивается регрессия квадратов остатков по используемым факторам:</p>
<p>&nbsp;</p>
<p>где – вспомогательные коэффициенты регрессии, получаемые методом наименьших квадратов. Для полученного уравнения (145) оценивается F-критерий Фишера по формуле (136)-(137). Если полученное уравнение является не адекватным, то можно считать, что последовательность является гомоскедастичной.</p>
<p>Если все упомянутые проверки выполнены, можно сделать вывод об адекватности построенной регрессионной модели.</p>
<h3><a id="post-7639-_Toc24715362"></a><a id="post-7639-_Toc25690842"></a><a id="post-7639-_Toc31195725"></a>5.2 Оценка качества модели по результатам наземных наблюдений на примере озимой пшеницы</h3>
<p>Предварительная оценка качества моделирования, предложенным способом, была произведена в программной среде Microsoft Visual Studio 2019 для выборки полей озимой пшеницы.</p>
<p>Использованные для моделирования факторы, перечислены ниже:</p>
<p>– мощность ВПВИ для NDVI, длина периода вегетации и дата начала вегетации, рассчитанные по формулам (93)-(96) с порогом и максимум NDVI за период вегетации;</p>
<p>– максимальная температура за период вегетации;</p>
<p>– минимальная температура за период вегетации;</p>
<p>– сумма температур за период вегетации;</p>
<p>– средняя влажность воздуха за период вегетации;</p>
<p>– суммарное количество выпавших осадков за период вегетации;</p>
<p>– гидротермический коэффициент;</p>
<p>– сорт посевов (по данным производителя);</p>
<p>– репродукция семян;</p>
<p>– номер муниципального района;</p>
<p>– дата начала вегетации;</p>
<p>– дата окончания вегетации;</p>
<p>– географические координаты центра поля;</p>
<p>– площадь и периметр поля;</p>
<p>– балл бонитета почвы и содержание гумуса по данным почвенных карт за 2003 г.;</p>
<p>– среднее содержание гумуса, фосфора и калия по данным агрохимических обследований за 2015 г.</p>
<p>Поскольку оцифрованные почвенные карты и карты агрохимических обследований имелись не для всех полей, процесс обучения и выбора факторов модели производился в три этапа:</p>
<p>– оценка наиболее значимых факторов и качества уравнения регрессии без учета факторов плодородия почвы;</p>
<p>– оценка наиболее значимых факторов и качества уравнения регрессии с учетом факторов плодородия почвы, полученных по почвенным картам;</p>
<p>– оценка наиболее значимых факторов и качества уравнения регрессии с учетом факторов плодородия почвы, полученных по агрохимическим обследованиям.</p>
<p>Полученные на первом этапе факторы рассматривались как базовые факторы для модели и дополнялись на двух последующих этапах дополнительными факторами о плодородии почвы. В результате были оценены три регрессионные модели: модель 1 – по базовым факторам, модель 2 – с дополнением информации с использованием почвенных карт, модель 3 – с дополнением информации по агрохимическим обследованиям. Характеристики качества моделей приведены в таблице 18.</p>
<p>Таблица 18</p>
<p>Характеристики качества моделей прогнозирования урожайности для выбранных культур</p>
<table>
<tbody>
<tr>
<td>Культура</td>
<td>Модель</td>
<td>СКО (ц/Га)</td>
<td>R<sup>2</sup></td>
<td>Объем выборки для обучения</td>
</tr>
<tr>
<td rowspan="3">Пшеница озимая</td>
<td>1</td>
<td>3.71</td>
<td>0.69</td>
<td>206</td>
</tr>
<tr>
<td>2</td>
<td>2.24</td>
<td>0.84</td>
<td>57</td>
</tr>
<tr>
<td>3</td>
<td>2.15</td>
<td>0.85</td>
<td>57</td>
</tr>
</tbody>
</table>
<p>В итоге для модели 1 все перечисленные факторы кроме климатической зоны оказались значимыми. Наибольшие коэффициенты модели соответствовали: максимальной температуре воздуха за период вегетации, датам вегетации, номеру района, сорту и репродукции семян.</p>
<p>Для моделей с учетом факторов плодородия почвы все дополнительные факторы оказались значимыми и можно видеть меньшую ошибку моделирования, чем для модели без их учета. Однако, следует также заметить, что в обучающих выборках с учетом почвенных характеристик данные были доступны в достаточном объеме только для двух культур – озимой пшеницы и подсолнечника.</p>
<p>Графики предсказанных и фактических значений для всех трех моделей для озимой пшеницы приведены на рисунке 42.</p>
<p>Таким образом, в рамках формирования комплексной модели прогнозирования урожайности выполнена технологическая проработка вопроса получения и обработки информации для осуществления агрономических оценок и прогнозов. Для этого проведены исследования динамики индекса NDVI в ходе вегетационного периода, определены подходы к оптимальной идентификации индекса NDVI применительно к прогнозированию урожайности (за период, когда отмечается превышение индексом заданного порогового значения; за период заданной длительности, центрированный относительно даты с максимальным значением индекса). Построен ряд регрессионных моделей урожайности в разрезе отдельных полей на основе разных наборов предикторов, включая индекс NDVI. С этой целью использованы данные урожайности озимой пшеницы по 127 конкретным полям Самарской области с заданными координатами.</p>
<p>а)б)в)<br />
Рисунок 42 – Фактическая и предсказанная урожайность для полей озимой пшеницы: а) модель 1 – без учета факторов плодородия почвы, б) модель 2 – с учетом данных почвенных карт, в) модель 3 – с учетом данных агрохимических обследований.</p>
<p>Рассматривались:</p>
<p>– данные ДЗЗ: суммарное значение индекса NDVI по дням за период наиболее активной вегетации (когда индекс превышает пороговое значение – 0,4 и 0,6);</p>
<p>– метеорологические параметры: максимальные и минимальные значения температуры и влажности воздуха, продолжительность вегетационного периода;</p>
<p>– геопространственные данные (климатическая зона, координаты центра поля);</p>
<p>– биологические и агротехнические данные: сорт, репродукция семян, подразделение хозяйства, дата посева;</p>
<p>– характеристики почвы: бонитет плодородия, содержание гумуса, фосфора, серы и калия.</p>
<p>Получены три варианта модели: на основе наиболее значимых метеорологических параметров и ДДЗ, то же с добавлением характеристик почвенного плодородия (бонитета, содержание гумуса по почвенным картам), то же с определением характеристик почвы по данным агрохимического обследования почвы. Оценка точности моделирования: коэффициент детерминации 0,80-0,98 (коэффициент корреляции 0,89-0,99); СКО 0,5-2,4 ц/га, с некоторым преимуществом второго.</p>
<p>Разработанная модель урожайности, демонстрирует возможности включения такого рода расчетного модуля в программу работы геопространственного агрономического сервиса ГИС АПК и отработки технологической схемы преобразования информации от формирования базы данных до предоставляемого результата пользователю сервиса.</p>
<p>Сравнение достоверности прогнозов по разным методикам прогнозирования урожайности приведено в таблице 19.</p>
<p>Таблица 19</p>
<p>Сравнительный анализ моделей расчета урожайности с использованием данных ДЗЗ</p>
<table>
<tbody>
<tr>
<td rowspan="2">Название учреждения (длина обучающей выборки)</td>
<td colspan="3">Наиболее важные факторы модли</td>
<td rowspan="2">Оценка результатов моделирования</td>
</tr>
<tr>
<td>Метеорологические параметры</td>
<td>Почвенные характеристики</td>
<td>Биометрические и агротехнические параметры</td>
</tr>
<tr>
<td>НАН Украины</p>
<p>(2000-2009)</td>
<td>–</td>
<td>–</td>
<td>NDVI в 145 день года</td>
<td>Кор. 0,65 (по районам)</p>
<p>0,66 (по области)</td>
</tr>
<tr>
<td rowspan="3">Ставропольский НИИСХ</p>
<p>(2003-2014)</td>
<td rowspan="3">–</td>
<td rowspan="3">–</td>
<td>Средний NDVI</td>
<td>Кор. 0,79</td>
</tr>
<tr>
<td>Максимальный NDVI</td>
<td>Кор. 0,82</td>
</tr>
<tr>
<td>Максимальный NDVI после калибровки с фотосинтетическим потенциалом посева</td>
<td>Кор. 0,84</td>
</tr>
<tr>
<td>ВНИИСХМ</p>
<p>(2001-2008)</td>
<td>Температура и дефицит влажности воздуха, ГТК (средние по декадам и накопленные)</td>
<td>–</td>
<td>NDVI (средний за декаду и накопленный по декадам)</td>
<td>3 декада мая 0,65 ско 3,61 ц/га</p>
<p>1 декада июня 0,68 ско 3,48 ц/га</p>
<p>2 декада июня 0,70 ско 3,38 ц/га</p>
<p>Ошибка 10-15%</td>
</tr>
<tr>
<td>ГМЦ России</p>
<p>(1993-2013)</td>
<td>Температура и дефицит влажности воздуха, ГТК</td>
<td>Запас продуктивной влаги в конце апреля</td>
<td>Средний NDVI за декаду с наибольшей корреляцией с урожайностью</td>
<td>Начало июня 0,45-0,78, ошибка 6-19%.</p>
<p>Начало июля 0,74-0,91,</p>
<p>ошибка 6-15%</td>
</tr>
<tr>
<td>Воронежский ГАУ</p>
<p>(2017)</td>
<td>–</td>
<td>–</td>
<td>Динамика NDVI в процессе вегетации</td>
<td>Кор. 0,36, ошибка 14,63 ц/га</td>
</tr>
<tr>
<td>Разработанная комплексная модель прогнозирования урожайности озимой пшеницы</td>
<td>Максимальные и минимальные температура и влажность воздуха, продолжительность вегетационного периода</td>
<td>Бонитет, содержание гумуса, агрохимический состав</td>
<td>NDVI (суммарное за период наиболее активной вегетации), сорт, предшественник, репродукция семян, дата посева</td>
<td>Кор. 0,89-0,99 ско 0,5-2,4 ц/га</td>
</tr>
</tbody>
</table>
<h2><a id="post-7639-_Toc25690817"></a><a id="post-7639-_Toc31195726"></a>6 РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МЕТОДОВ И АЛГОРИТМОВ ОПРЕДЕЛЕНИЯ ПЛОЩАДИ ПОСЕВОВ И ВАЛОВОГО СБОРА ОЗИМОЙ ПШЕНИЦЫ</h2>
<p>Спрогнозировать валовый сбор озимой пшеницы возможно, если известны прогнозная урожайность и площадь посевов, занятых озимой пшеницей. Вопросы прогнозирования урожайности рассмотрены выше. Остается определить площадь посевов, занятых озимой пшеницей, для чего необходимо все распознаные средствами ДЗЗ посевы классифицировать по типам. Предлагаемый метод определения типов посевов основан на принципах байесовской классификации [148]. Предположим, что задано множество классов культур и множество классифицируемых объектов-полей. Каждому полю соответствует вектор-признаков, такой что:</p>
<p>, (146)</p>
<p>где – это среднее значение ВИ за дату для поля. Таким образом, в качестве признаков рассматриваются значения ВПВИ для каждого поля, определенные для одного и того же интервала наблюдений, соответствующего объединению интервалов вегетационных циклов для всех рассматриваемых классов культур.</p>
<p>Компоненты вектора признаков <em>X</em> в каждом классе полагаются взаимно независимыми и распределенными по нормальному закону. Тогда, условная плотность распределения вектора-признаков в каждом классе будет иметь вид:</p>
<p>, (147)</p>
<p>Запишем правило байесовской классификации для случая простейшей матрицы штрафов:</p>
<p>, (148)</p>
<p>где – область пространства признаков, соответствующая классу, а и – априорные вероятности классов. Выражение (148) представляет собой отношение правдоподобия.</p>
<p>В рассматриваемом случае удобнее использовать логарифм отношения правдоподобия, тогда правило классификации примет вид:</p>
<p>. (149)</p>
<p>Выражение (149) задает байесовский классификатор полей по типам культур при использовании ВПВИ в качестве признаков.</p>
<p>Применение предлагаемого метода классификации требует выполнения обучения классификатора. Обучение производится по набору ВПВИ для полей с известной информацией по классам культур.</p>
<p>Суть обучения состоит в оценке математических ожиданий и дисперсий для каждой из компонент ВПВИ в каждом классе и априорных вероятностей классов Для оценок и применяются выборочное среднее и дисперсия, а оценивается как отношение количества объектов класса к общему количеству объектов в обучающей выборке.</p>
<p>Примеры средних ВПВИ для NDVI приведены на рисунке 43.</p>
<p>Рисунок 43 – Средние ряды по классам культур</p>
<p>Разработан программный модуль ГИС АПК (рис.44), осуществляющий определение типов посевов на участках посевов под монокультурами. Программный модуль представляет собой консольное приложение <strong>Classifier</strong>, работающее в двух режимах:</p>
<p>– обучение;</p>
<p>­– классификация.</p>
<p>В режиме обучения модуль создает файл классификатора, используемый в дальнейшем на этапе классификации.</p>
<p>Рисунок 44 – Результаты запроса типов посевов в виде цифровой карты в ГИС АПК</p>
<p>Таким образом, результатом работы программного модуля определения типов посевов (озимые, ранние и поздние яровые, пары, многолетние травы и неиспользуемые земли) на участках посевов под монокультурами являются:</p>
<p>– файл классификатора, полученный на этапе обучения;</p>
<p>– результаты определения типов посевов в центральной базе данных.</p>
<p>В результате исследований предложены методы расчета временных последовательностей вегетационных индексов (ВПВИ) и их фильтрации, алгоритмы расчета производных характеристик ВПВИ, методы оценки состояния посевов по сравнению со средним по территории и со средним за ряд лет, метод классификации, реализующий байесовскую стратегию классификации.</p>
<p>Предложенный метод расчета ВПВИ и ее фильтрации изложен в наиболее общей форме и может быть использован для любого ВИ и любого источника данных ДЗЗ. Алгоритм фильтрации ВПВИ включает в себя оригинальный эмпирический метод фильтрации ВПВИ с последующей интерполяцией последовательности кубическим сплайном. В результате полученная последовательность ВИ является более гладкой и сохраняет приблизительное расположение точек перегиба графика ВПВИ за счет использования аппроксимации кубическим сплайном, что бывает полезно при оценке времени наступления фенологических фаз развития растений.</p>
<p>Расчет производных характеристик включает в себя три признака: дата начала вегетации, длительность периода вегетации и мощность ВПВИ за сезон вегетации. Расчет производится с использованием пороговой обработки ВПВИ. Полученные признаки достаточно универсальны и могут быть рассчитаны для любых ВИ и любого периода времени при соответствующем подборе порога.</p>
<p>Алгоритмы получения оценок состояния посева в сравнении со средним по территории и за несколько лет формируют интегральные и точечные оценки качества посева на основании мощности ВПВИ NDVI в анализируемом периоде времени. Так как данная характеристика отражает оценку накопленной зеленой биомассы растительности за сезон, которая непосредственно и определяет качество посева.</p>
<p>Предлагаемый алгоритм классификации типов посевов основан на байесовской стратегии классификации и использует ВПВИ NDVI в качестве признаков. Длина используемой последовательности ВПВИ определяется как объединение рассматриваемых промежутков вегетации для каждой из классифицируемых групп культур.</p>
<p>Разработаны программные модули, реализующие все предлагаемые методы и алгоритмы:</p>
<ol>
<li>построение временной последовательности значений вегетационных индексов для границ посевов под монокультурой, эффективной фильтрации значений последовательности, вычисления производных характеристик (дата начала вегетации, мощность и длина вегетационного цикла и пр.);</li>
<li>получение оценки качества посевов для сельхозполей относительно средних значений по территории;</li>
<li>получение оценки качества посевов для сельхозполей относительно средних значений за ряд лет;</li>
<li>определение типов посевов (озимые, ранние и поздние яровые, пары, многолетние травы и неиспользуемые земли) на участках посевов под монокультурами.</li>
</ol>
<p>Программные модули взаимодействуют с центральной базой данных. Полученные результаты используются на дальнейших этапах обработки данных, включая прогнозирование и анализ фактической урожайности.</p>
<h2><a id="post-7639-_Toc31195727"></a>ВЫВОДЫ</h2>
<p>В результате проведенных исследований сделаны следующие выводы:</p>
<p>1. Для построения регрессионных моделей необходимо опираться на статистически значимые метеорологические показатели, получаемые непосредственно по данным метеонаблюдений. К таким показателям, прежде всего, относится температура и влажность воздуха, гидротермический коэффициент, количество осадков, сумма ФАР. Использование запаса продуктивной влаги в почве позволяет уточнить действие на растения метеорологических условий с учетом агрофизических свойств почвы и способствует повышению достоверности и точности моделирования. Включение в состав предикторов показателей состояния растительного покрова (густоты стояния и высоты растений, числа колосков в колосе, индекса листовой поверхности, величины фотосинтетического потенциала посева, сухой биомассы надземных органов, а также вегетационных индексов по данным ДЗЗ) позволяет наиболее корректно задать начальные условия на момент составления прогноза, снимает необходимость дополнительно учитывать особенности агротехники, также способствует повышению достоверности и точности прогноза. Для этого наиболее адаптированы вегетационные индексы SR, NDVI и PVI, рассчитываемые по данным ДЗЗ красного и ближнего инфракрасного спектральных диапазонов. Из них индекс NDVI имеет наиболее широкое использование в качестве оптико-биологической характеристики поверхности, и целесообразно включить в модель именно этот показатель. С целью последовательного уточнения прогноза модели необходимо построить для реализации в разные сроки – от возобновления весенней вегетации озимой пшеницы до колошения. Применительно к Самарской области – это период с 3 декады апреля по 2 или 3 декаду июня.</p>
<p>2. Разработаны методы мониторинга всех значимых факторов, оказывающие существенное влияние на формирование урожая озимой пшеницы. В частности разработан математический подход, включающий математические модели, методы и алгоритмы, направленный на поиск, получение, обработку и доведения до конечного прикладного использования космических снимков (ДДЗ) в виде покрытий (композитов) для последующего расчета по ним характеристик вегетации. Разработаны математические модели метеоданных для каждой рассматриваемой точки (определяющей положение сельскохозяйственного поля) и построения растровых карт (гриды) значений температур и влажности, расчета для каждой рассматриваемой точки суммарных значений накопленных температур и термодинамических коэффициентов, позволяющие получать растровые карты температуры, относительной влажности за необходимый диапазон дат, растровые карты суммарных значений накопленных температур и гидротермического коэффициента увлажнения Селянинова за требуемый год, рассчитывать метеорологические признаки для участков посевов.</p>
<p>3. Разработана комплексную модель прогнозирования урожайности и валового сбора озимой пшеницы с использованием данных дистанционного зондирования земли и интеллектуальной системы прогнозирования метеоусловий. Реализован метод прогнозирования урожайности основе многофакторной линейной регрессии на основе данных о суммарном значении вегетационных индексов NDVI и SR в начале сезона вегетации и в конце соответственно, характеристиках посевов по почвенным картам и агрохимическим обследованиям, метеорологическим характеристикам температуры, влажности и осадков за сезон.Использование двух вегетационных индексов основано на различной чувствительности данных индексов к оценкам биомассы в зависимости от проективного покрытия растительности на поле.</p>
<p>4. Предлагаемый метод прогнозирования урожайности включает нормализацию данных по обучающей выборке, расчет коэффициентов модели методом наименьших квадратов и оценку адекватности модели. Применение модели требует расчета и нормализации факторов с последующим вычислением прогнозируемого значения урожайности. На основе обучающей выборки для озимой пшеницы было показано, что предлагаемая модель может быть использована для прогнозирования урожайности, поскольку является адекватной и имеет высокий коэффициент детерминации &#8212; больше 0,8.</p>
<h2><a id="post-7639-_Toc31195728"></a>СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ</h2>
<ol>
<li><a id="post-7639-ч82_A_global_dataset"></a> Агроклимат<a id="post-7639-Агроклиматические_ресурсы_области_1968"></a>ические ресурсы области: серия областных и республиканских справочников. – Л.: Гидрометеоиздат, 1968-1977.</li>
<li><a id="post-7639-Агроклиматический_справочник_1958"></a> Агроклиматический справочник: серия областных и республиканских справочников. – Л.: Гидрометеоиздат, 1958-1961.</li>
<li>Аг<a id="post-7639-Агрометеорология_сборник_материалов_1986"></a>рометеорология: сборник материалов Международных учебных курсов / ред. И.Г. Грингоф, Д.В. Козинец. – Л.: Гидрометеоиздат, 1986. – 352 с.</li>
<li><a id="post-7639-Ацци_Сельскохоз_эколология_1959"></a> Ацци, Дж. Сельскохозяйственная экология / Дж. Ацци. – М.: Изд-во ин. лит., 1959. – 460 с.</li>
<li>Береза О.В. О <a id="post-7639-Береза_Овозможности_прогнозирования_2015"></a>возможности прогнозирования урожайности озимой пшеницы в Среднем Поволжье на основе комплексирования наземных и спутниковых данных / О.В. Береза, А.И. Страшная, Е.А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса, 2015. Т. 12. № 1. С. 18-30.</li>
<li><a id="post-7639-Биоклиматический_потенциал_России_2006"></a> Биоклиматический потенциал России: теория и практика / А.В. Гордеев, А.Д. Клещенко, Б.А.Черняков, О.Д. Сиротенко – М.: КМК, 2006. – 508 с.</li>
<li><a id="post-7639-Брыксин_Использование_модели_2007"></a> Брыксин, В.М. Использование модели биопродуктивности EPIC и космоснимков MODIS для прогнозирования урожайности зерновых культур / В.М. Брыксин, А.В. Евтюшкин // Современные проблемы дистанционного зондирования Земли из космоса. – 2007. – Т. 4. – № 2. – С. 189-196.</li>
<li><a id="post-7639-ч97_Брыксин"></a> Брыксин, В.М. Использование модели биопродуктивности EPIC и космоснимков MODIS для прогнозирования урожайности зерновых культур [Текст] / В.М. Брыксин, А.В. Евтюшкин // Современные проблемы дистанционного зондирования Земли из космоса. – 2007. – T. 4, № 2. – C. 189-196.</li>
<li><a id="post-7639-Будыко_Тепловой_баланс_земной_1956"></a> Будыко, М.И. Тепловой баланс земной поверхности / М.И. Будыко. – Л.: Гидрометеоиздат, 1956. – 256 с.</li>
<li><a id="post-7639-Буховец_Моделирование_динамики_NDVI_2018"></a> Буховец А.Г. Моделирование динамики вегетационного индекса NDVI озимой пшеницы в условиях ЦФО / А.Г. Буховец, Е.А. Семин, Е.И. Костенко, С.И. Яблоновская // Вестник Воронежского государственного аграрного университета, 2018. № 2(57). С. 186-199.</li>
<li><a id="post-7639-Васин_Особенности_погодных_условий_2011"></a> Васин, В.Г. Особенности погодных условий и основные направления совершенствования агротехнологий / В.Г. Васин, Е.В. Самохвалова // Известия СГСХА. – 2011. – № 4. – С. 43-47.</li>
<li><a id="post-7639-Вильфанд_О_динамике_2016"></a> Вильфанд, Р.М. О динамике агроклиматических показателей условий сева, зимовки и формирования урожая основных зерновых культур / Р.М. Вильфанд, А.И. Страшная, О.В. Береза // Труды ФГБУ «ГМЦ РФ». – 2016. – Вып. 360. – С. 45-78.</li>
<li><a id="post-7639-Влияние_глобального_изменения_2007"></a> Влияние глобального изменения климата на агрометеорологические условия перезимовки и формирования урожая озимых зерновых культур в России за последние 50 лет / В.А. Моисейчик, Н.А. Богомолова, А.И. Страшная, Т.А. Максименкова // Труды ВНИИСХМ. – 2007. – Вып. 36. – С. 106-132.</li>
<li><a id="post-7639-ч53_Воробьева"></a> Воробьева, Н. С. Аппроксимация временных рядов NDVI в задаче раннего распознавания видов сельскохозяйственных культур по космическим снимкам [Текст] / Н.С. Воробьева, А.В. Чернов // Информационные технологии и нанотехнологии (ИТНТ-2017). – 2017. – С. 390-399.</li>
<li><a id="post-7639-ч1_Воробьева"></a> Воробьева, Н.С. Разработка геоинформационной системы учета и контроля земель сельхозназначения [Текст] / Н.С. Воробьева, Е.И. Тимбай // Компьютерная оптика. – 2009. – Т. 33, № 3. – С. 340-344.</li>
<li><a id="post-7639-Второй_оценочный_доклад_2014"></a> Второй оценочный доклад Росгидромета об изменениях климата и их последствиях на территории Российской Федерации: техническое резюме / Г.В. Алексеев, М.Д. Ананичева, О.А. Анисимов [и др.]. – М.: Росгидромет, 2014. – 94 с.</li>
<li><a id="post-7639-Гидрометео_условия_Волжского_2011"></a> Гидрометеорологические условия Волжского региона и современные изменения климата / О.А. Анисимов, И.И. Борзенкова, Е.Л. Жильцова, О.К. Захарова, В.А. Кокорев, С.А. Ренева, Ю.Г. Стрельченко // Метеорология и гидрология. – 2011. – № 5. – С. 33-42.</li>
<li><a id="post-7639-Давитая_Прогноз_обеспеченности_тепл_1964"></a> Давитая, Ф.Ф. Прогноз обеспеченности теплом и некоторые проблемы сезонного развития природы / Ф.Ф. Давитая. – М.: Гидрометеоиздат, 1964. – 130 с.</li>
<li><a id="post-7639-Динамическое_моделирование_1982"></a> Динамическое моделирование в агрометеорологии: доклады участников Всесоюзной школы молодых ученых и специалистов / ред. Ю.А. Хваленский, О.Д. Сиротенко, А.Н. Полевой. – Л.: Гидрометеоиздат, 1982. – 152 с.</li>
<li><a id="post-7639-Дмитренко_Погода_климат_урожай_2010"></a> Дмитренко, В.П. Погода, климат и урожай полевых культур / В.П. Дмитренко. – Киев: Ника-центр, 2010. – 620 с.</li>
<li><a id="post-7639-Евстифорова_Анализ_влияния_почвенн_2018"></a> Евстифорова А.В. Анализ влияния почвенных характеристик на результаты регрессионного моделирования урожайности озимой пшеницы по данным вегетационного индекса NDVI / А.В. Евстифорова, А.Ю. Денисова // Информационные технологии и нанотехнологии: Сборник трудов конференции. Самарский НИУ, 2018.С. 664-673.</li>
<li><a id="post-7639-Жуков_Стохастическое_моделирование_2000"></a> Жуков, В.А. Стохастическое моделирование и прогноз агроклиматических ресурсов при адаптации сельского хозяйства к региональным изменениям климата на территории России / В.А. Жуков, О.А. Святкина // Метеорология и гидрология. – 2000. – № 1. – С. 100-109.</li>
<li><a id="post-7639-Жуковский_Статистический_анализ_1976"></a> Жуковский, Е.Е. Статистический анализ случайных процессов: в приложении к агрофизике и агрометеорологии / Е.Е. Жуковский, Т.Л. Киселева, С.М. Мандельштам. – Л.: Гидрометеоиздат, 1976. – 407 с.</li>
<li><a id="post-7639-Зоидзе_О_концепции_сельхозбонитиров_1993"></a> Зоидзе, Е.К. О концепции сельскохозяйственной бонитировки климата в Российской Федерации / Е.К. Зоидзе // Метеорология и гидрология. – 1993. – № 6. – С. 92-101.</li>
<li><a id="post-7639-Карманов_Методика_и_технология_1990"></a> Карманов, И.И. Методика и технология почвенно-экологической оценки и бонитировки почв для сельскохозяйственных культур / И.И. Карманов. – М.: 1990. – 114 с.</li>
<li><a id="post-7639-ч88_Каюмов"></a> Каюмов, М. К. Программирование продуктивности полевых культур [Текст]: Справочник / М.К. Каюмов. – М.: Росагропромиздат, 1989. – 368 с.</li>
<li><a id="post-7639-Кельчевская_Влажность_почв_1983"></a> Кельчевская, Л.С. Влажность почв Европейской части СССР / Л.С. Кельчевская. – Л.: Гидрометеоиздат, 1983. – 184 с.</li>
<li><a id="post-7639-Кельчевская_Сравнительная_проверка_1971"></a> Кельчевская, Л.С. Сравнительная проверка агроклиматических показателей по оценке условий увлажнения вегетационного периода сельскохозяйственных культур / Л.С. Кельчевская // Труды ИЭМ. – 1971. – Вып. 22. – С. 33-46.</li>
<li><a id="post-7639-Клещенко_Вирченко_Савицкая_2013"></a> Клещенко А.Д., Вирченко О.В., Савицкая О.В. Спутниковый мониторинг состояния и продуктивности посевов зерновых культур // Труды ФГБУ «ВНИИСХМ». 2013. Вып. 38. С. 54-70.</li>
<li><a id="post-7639-Клещенко_Савицкая_Вирченко_2010"></a> Клещенко А.Д., Савицкая О.В., Вирченко О.В. Ежедекадная оценка урожайности зерновых культур по спутниковой и наземной информации // Труды ГУ «ВНИИСХМ». 2010. Вып. 37. С. 82-95.</li>
<li>Клещенко, А.Д. Использование спутниковой информации в динамических моделях прогнозирования урожайности сельскохозяйственных культур / А.Д. <a id="post-7639-Клещенко_Гончарова_Найдина_2012"></a>Клещенко, Т.А. Гончарова, Т.А. Найдина // Метеорология и гидрология. – 2012. – № 4. – С. 90-99.</li>
<li><a id="post-7639-Климат_Самарской_области_2006"></a> Климат Самарской области и его характеристики для климатозависимых областей экономики / Б.Г. Шерстюков, В.Н. Разуваев, А.И. Ефимов, О.Н. Булыгина, Н.Н. Коршунова, Е.Г. Апасова, Л.Г. Анурова, Л.В. Шуруева. – Самара: 2006. – 167 с.</li>
<li><a id="post-7639-ч99_Кобзарь"></a> Кобзарь, А.И. Прикладная математическая статистика [Текст] / А.И. Кобзарь – М: Физматлит, 2006. – 816 с.</li>
<li><a id="post-7639-Колосков_Климатический_фактор_1971"></a> Колосков, П.И. Климатический фактор сельского хозяйства и агроклиматическое районирование / П.И. Колосков. – Л.: Гидрометеоиздат, 1971. – 328 с.</li>
<li><a id="post-7639-Колотий_Прогнозирование_урожайности_2014"></a> Колотий А.В. Прогнозирование урожайности озимой пшеницы по различным спутниковым данным / А.В. Колотий // Iндуктивне моделювання складних систем, 2014. № 6.</li>
<li><a id="post-7639-Константинов_Погода_почва_урожай_1978"></a> Константинов, А.Р. Погода, почва и урожай озимой пшеницы / А.Р. Константинов. – Л.: Гидрометеоиздат, 1978. – 263 с.</li>
<li><a id="post-7639-ч77_Крюкова"></a> Крюкова, С.В. Оценка методов интерполяции метеорологических данных [Текст] / С.В. Крюкова, Т.Е. Семакина // Общество. Среда. Развитие. – 2018. – №1. – С. 144-151.</li>
<li><a id="post-7639-Кулаичев_Полное_собрание_сочинений_1999"></a> Кулаичев, А.П. Полное собрание сочинений в трех томах. Т.1. Методы и средства анализа данных в среде Windows. STADIA / А.П. Кулаичев. – М.: Информатика и компьютеры, 1999. – 341 с.</li>
<li><a id="post-7639-Кулаковская_Оптимизация_агрохимич_1990"></a> Кулаковская, Т.Н. Оптимизация агрохимической системы почвенного питания растений: монография / Т.Н. Кулаковская. – М.: Агропромиздат, 1990. – 219 с.</li>
<li><a id="post-7639-Куссуль_Ильин_Скакун_Лавренюк_2008"></a> Куссуль Н., Ильин Н., Скакун С., Лавренюк А. Оценка состояния растительности и прогнозирование урожайности озимых культур Украины по спутниковым данным // International Book Series “Information Science and Computing”, 2008.</li>
<li><a id="post-7639-Куссуль_Колотий_Яцков_Олейник_2013"></a> Куссуль Н.Н., Колотий А.В., Яцков С.В., Олейник Т.В. Регрессионные модели прогнозирования урожайности зерновых в Украине по спутниковым данным различной природы. Науковi працi ДонНТУ, №1 (17), 2013. С. 94-101.</li>
<li><a id="post-7639-Куссуль_Кравченко_Скакун_2012"></a> Куссуль Н.Н., Кравченко А.Н., Скакун С.В. и др, Регрессионные модели оценки урожайности сельскохозяйственных культур по данным MODIS // Современные проблемы дистанционного зондирования Земли из космоса, 2012. Т.9, №1. С. 95-107.</li>
<li><a id="post-7639-Лебедева_Синоптико_статистические_2013"></a> Лебедева В.М. Синоптико-статистические методы прогнозов урожайности озимых культур и теплообеспеченности вегетационного периода. Труды ФГБУ «ВНИИСХМ», 2013. Вып. 38. С. 71-86.</li>
<li><a id="post-7639-ч84_Линник"></a> Линник, Ю.В. Метод наименьших квадратов и основы теории обработки наблюдений [Текст] / Ю.В. Линник. – М.: Физматгиз, 1962. – 352 с.</li>
<li><a id="post-7639-ч98_Маслова"></a> Маслова, А.С. Основы эконометрики в среде GRETL [Текст]: Учебное пособие / А.С. Маслова. – М.: Проспект, 2016. – 360 с.</li>
<li><a id="post-7639-Математические_методы_оценки_1989"></a> Математические методы оценки агроклиматических ресурсов / В.А. Жуков, А.Н. Полевой, А.Н. Витченко, С.А. Даниелов. – Л.: Гидрометеоиздат, 1989. – 207 с.</li>
<li><a id="post-7639-Математическое_моделирование_2013"></a> Математическое моделирование и информационные технологии в экологии и природопользовании / Л.А. Хворова, В.М. Брыксин, Н.В. Гавриловская, А.Г. Топаж. – Барнаул: Алтайский ГУ, 2013. – 277 с.</li>
<li><a id="post-7639-Михайленко_Новые_тенденции_2012"></a> Михайленко, И.М. Новые тенденции математического моделирования в современной агрофизике / И.М. Михайленко // Агрофизика. – 2012. – № 3 (7). – С. 58-64.</li>
<li><a id="post-7639-Мищенко_Биоклимат_дня_и_ночи_1984"></a> Мищенко, З.А. Биоклимат дня и ночи / З.А. Мищенко. – Л.: Гидрометеоиздат, 1984. – 279 с.</li>
<li><a id="post-7639-Моделирование_роста_и_продуктивност_1986"></a> Моделирование роста и продуктивности сельскохозяйственных культур / ред. Ф.В.Т. Пеннинг де Фриз, Х.Х. ванЛаар. – Л.: Гидрометеоиздат, 1986. – 320 с.</li>
<li><a id="post-7639-Моисейчик_Агрометоусловия_1988"></a> Моисейчик, В.А. Агрометеорологические условия и перезимовка озимых культур / В.А. Моисейчик. – Л.: Гидрометеоиздат, 1975. – 295 с.</li>
<li><a id="post-7639-Научно_прикладной_справочник_1988"></a> Научно-прикладной справочник по климату СССР. Серия 3. Ч. 1-6. Вып. 12. – Самара: УГМС, 1988.</li>
<li><a id="post-7639-Оценка_качества_и_классификация_2007"></a> Оценка качества и классификация земель по их пригодности для использования в сельском хозяйстве / А.К. Оглезнев, Д.С. Булгаков, В.А. Суханов [и др.]. – М.: ФГУП «Госземкадастрсъемка» – ВИСХАГИ, 2007. – 131 с.</li>
<li><a id="post-7639-Павловский_Статистическое_моделир_2007"></a> Павловский, А.А. Статистическое моделирование динамики урожайности пшеницы и оценки ее изменений при глобальном потеплении: автореф. дис. … канд. ф.-м. наук: 25.00.30 / А. А. Павловский. – СПб.: 2007. – 19 с.</li>
<li><a id="post-7639-Педь_О_показателе_засухи_1975"></a> Педь, Д.А. О показателе засухи и избыточного увлажнения / Д.А. Педь // Труды ГМЦ СССР. – 1975. – Вып. 156. – С. 19-38.</li>
<li><a id="post-7639-Письман_Ботвич_Сидко_2014"></a> Письман Т.И. Определение сезонной динамики урожайности агроценозов на основе спутниковой информации и математической модели / Т.И. Письман, И.Ю. Ботвич, А.Ф. Сидко // Известия РАН. Серия билогическая. – 2014. – № 2. – С. 196-202.</li>
<li>Повтор Евстифорова, А. В. Анализ влияния почвенных характеристик на результаты регрессионного моделирования урожайности озимой пшеницы по данным вегетационного индекса NDVI [Текст] / А.В. Евстифорова, А.Ю. Денисова // Информационные технологии и нанотехнологии. – 2018. – С. 664-673.</li>
<li><a id="post-7639-Подскочий_Аномалии_температуры_1994"></a> Подскочий, И.И. Аномалии температуры воздуха и осадков за 1982-1993 сельскохозяйственные годы / И.И. Подскочий, Е.В. Самохвалова // Сборник научных трудов к 75-летию Самарского СХИ. Ч. 1. – Самара, ССХИ, 1994. – С. 138-144.</li>
<li>Полевой, А.Н. Моделирование формирования зимостойкости растений озимой пшеницы / А.Н. <a id="post-7639-Полевой_Блыщик_Феоктистов_2015"></a>Полевой, Д.В. Блыщик, П.А. Феоктистов // Проблемы экологического мониторинга и моделирования экосистем. Т. XXVI. – 2015. –– № 1. – С. 28-48.</li>
<li>Полевой, А.Н. Прикла<a id="post-7639-Полевой_Прикладное_моделирование_1988"></a>дное моделирование и прогнозирование продуктивности посевов / А.Н. Полевой. – Л.: Гидрометеоиздат, 1988. – 318 с.</li>
<li><a id="post-7639-Полуэктов_Динамические_модели_1991"></a> Полуэктов, Р.А. Динамические модели агроэкосистемы / Р.А. Полуэктов. – М.: Гидрометеоиздат, 1991. – 312 с.</li>
<li>Полуэктов, Р.А. Моделирование водоудерживающей способности с использованием агрогидрологических характеристик / Р.А. <a id="post-7639-Полуэктов_Терлеев_2005"></a>Полуэктов, В.В. Терлеев // Метеорология и гидрология. – 2005. – № 12. – С. 98-103.</li>
<li>Природно-сельскохозяйственное районирование и использование земельного фонда СССР / ред. А.Н. <a id="post-7639-Каштанов_Природно_сельхозрайониров_1983"></a>Каштанов. – М.: Колос, 1983. – 335 с.</li>
<li><a id="post-7639-Реймерс_Природопользование_1990"></a> Реймерс, Н.Ф. Природопользование: словарь-справочник / Н.Ф. Реймерс. – М.: Мысль, 1990. – 637 с.</li>
<li><a id="post-7639-Розенберг_Волжский_бассейн_1996"></a> Розенберг, Г.С. Волжский бассейн: экологическая ситуация и пути рационального природопользования / Г.С. Розенберг, Г.П. Краснощеков. – Тольятти: ИЭВБ РАН, 1996. – 248 с.</li>
<li><a id="post-7639-Росс_Система_управления_1971"></a> Росс, Ю.К. Система уравнений для количественного описания роста растений / Ю.К. Росс // Фитоактинометрические исследования растительного покрова. – Таллин: Валгус, 1971. – С. 64-88.</li>
<li><a id="post-7639-Руководство_по_агрометеопрогнозам_1984"></a> Руководство по агрометеорологическим прогнозам / ред. Е.С. Уланова, В.А. Моисейчик, А.Н. Полевой – Л.: Гидрометеоиздат, 1984. – Т. 1. – 308 с.</li>
<li>Русакова, Т.И. Исследование климатообусловленных колебаний урожайности основных зерновых культур, их количественная оценка в новых социально-экономических условиях Российской Федерации / Т.И. <a id="post-7639-Русакова_Лебедева_Грингоф_2010"></a>Русакова, В.М. Лебедева, И.Г. Грингоф // Метеоролрогия и гидрология. – 2010. – № 12. – С. 88-97.</li>
<li><a id="post-7639-Рябчиков_Гидрометеоусловия_1968"></a> Рябчиков, Л.М. Гидрометеорологические условия продуктивности фитомассы в основных ландшафтных зонах / Л.М. Рябчиков // Вестник Московского университета. Сер. География. – 1968. – № 5. – С. 41-48.</li>
<li><a id="post-7639-Савицкая_Методы_спутникового_2016"></a> Савицкая О.В. Методы спутникового мониторинга оценки состояния и продуктивности посевов зерновых культур: диссертация к.геогр.наук. – Обнинск, 2016.</li>
<li><a id="post-7639-Самохвалов_Агрометобеспечение_1992_2014"></a> Самохвалов, В.А. Агрометеорологическое обеспечение научных исследований и изучение влияния погодных условий на формирование урожаев сельскохозяйственных культур: отчеты о НИР / Самарская ГСХА; В.А. Самохвалов, Е.В. Самохвалова, С.П. Татаренцева [и др.] – Кинель: СГСХА, 1992-2014. – 63 с. – ГР № 116041210128.</li>
<li><a id="post-7639-Самохвалова_Агрометоособенности_2004"></a> Самохвалова, Е.В. Агрометеорологические особенности периода 1983-2003 гг. в Кинельском районе Самарской области / Е.В. Самохвалова, В.А. Самохвалов // Актуальные вопросы агрономической науки в 21 веке. – Самара, СГСХА, 2004. – С. 233-238.</li>
<li><a id="post-7639-Сапожникова_Об_уточнении_оценки_1970"></a> Сапожникова, С.А. Об уточнении оценки сельскохозяйственного бонитета климата / С.А. Сапожникова // Агроклиматические ресурсы природных зон СССР и их использование. – Л.: Гидрометеоиздат, 1970. – С. 80-92.</li>
<li><a id="post-7639-Селянинов_Принципы_агроклиматичиеск_1958"></a> Селянинов, Г.Т. Принципы агроклиматического районирования СССР / Г.Т. Селянинов // Вопросы агроклиматического районирования СССР. – М.: Изд-во МСХ СССР, 1958. – С. 7-13.</li>
<li><a id="post-7639-Сиротенко_Основы_сельхозметеорол_2012"></a> Сиротенко, О.Д. Основы сельскохозяйственной метеорологии. Том 2. Методы расчетов и прогнозов в агрометеорологии. Книга 1. Математические модели в агрометеорологии / О.Д. Сиротенко. – Обнинск: ФГБУ «ВНИИГМИ-МЦД», 2012. – 136 с.</li>
<li><a id="post-7639-Сиротенко_Прогноз_урожая_2005"></a> Сиротенко, О.Д. Прогноз урожая как задача физики / О.Д. Сиротенко // Проблемы экологического мониторинга и моделирования экосистем. – СПб.:Гидрометеоиздат, 2005. – С. 238-250.</li>
<li><a id="post-7639-Справочник_агроклиматического_оцен_2010"></a> Справочник агроклиматического оценочного зонирования субъектов Российской Федерации / ред. С.И. Носов. – М.: Маросейка, 2010. – 208 с.</li>
<li><a id="post-7639-Справочник_по_климату_СССР_1979"></a> Справочник по климату СССР. Вып.12. Части I-V. – Кбш.: 1979.</li>
<li>Страшная А.И. Агрометеорологическая оценка состояния зерновых культур в период прекращения вегетации с использованием наземных и спутниковых данных на примере Приволжского федерального округа / А.И. <a id="post-7639-Страшная_Барталев_Максименко_2014"></a>Страшная, С.А. Барталев, Т.А. Максименкова, О.В. Чуб, В.А. Толпин, Д.Е. Плотников, Н.А. Богомолова // Труды Гидрометеорологического научно-исследовательского центра РФ. 2014. № 351. С. 85-107.</li>
<li><a id="post-7639-Страшная_Тарасова_Богомолова_2015"></a> Страшная А.И. Прогнозирование урожайности зерновых и зернобобовых культур в центальных черноземных областях на основе комплексирования наземных и спутниковых данных / А.И. Страшная, Л.Л. Тарасова, Н.А. Богомолова, Т.А. Максименкова, О.В. Береза // Труды Гидрометеорологического научно-исследовательского центра РФ. 2015. № 353. С.128-153.</li>
<li><a id="post-7639-Строчак_Прогноз_урожайности_2016"></a> Строчак И.Г. Прогноз урожайности озимой пшеницы с использованием вегетационного индекса NDVI для условий Ставропольского края: автореферат к. сх наук. – Ставрополь, 2016. 22 с.</li>
<li><a id="post-7639-Тайчинов_Система_бонитировки_1973"></a> Тайчинов, С.Н. Система бонитировки почвы и качественная оценка земель / Земельные ресурсы Южного Урала и Среднего Поволжья и вопросы рационального их использования / С.Н. Тайчинов // Тезисы докладов и сообщений. – Уфа: БФАН, 1973. – С. 41-44.</li>
<li><a id="post-7639-ч33_Терехин"></a> Терехин, Э.А. Информативность спектральных вегетационных индексов для дешифрирования сельскохозяйственной растительности [Текст] / Э.А. Терехин //Современные проблемы дистанционного зондирования Земли из космоса. – 2012. – Т. 9, № 4. – С. 243-248.</li>
<li><a id="post-7639-Технические_указания_по_Госоценке_2000"></a> Технические указания по Государственной кадастровой оценке сельскохозяйственных угодий в субъекте Российской Федерации (утверждены Госкомземом РФ 15.05.2000).</li>
<li><a id="post-7639-Толковый_словарь_2002"></a> Толковый словарь по сельскохозяйственной метеорологии / ред. И.Г. Грингоф, А.М. Шамен [и др.] – СПб.:Гидрометеоиздат, 2002. – 471 с.</li>
<li><a id="post-7639-Тооминг_Метод_эталонных_урожаев_1982"></a> Тооминг, Х.Г. Метод эталонных урожаев / Х.Г. Тооминг // Вестник сельскохозяйственной науки. – 1982. – № 3. – С. 89-93.</li>
<li><a id="post-7639-Тооминг_Экологические_принципы_1984"></a> Тооминг, Х.Г. Экологические принципы максимальной продуктивности посевов / Х.Г. Тооминг. – Л.: Гидрометеоиздат, 1984. – 264 с.</li>
<li><a id="post-7639-ч5_Трегубов"></a> Трегубов, Б.А. Бонитировка почв пашни хозяйств Куйбышевской области [Текст] / Б.А. Трегубов, Г.Г. Лобов, М.Г. Холина. – Куйбышев: Кн. изд-во, 1976. – 111 с.</li>
<li><a id="post-7639-Уланова_Агрометеоусловия_1975"></a> Уланова, Е.С. Агрометеорологические условия и урожайность озимой пшеницы / Е.С. Уланова. – Л.: Гидрометеоиздат, 1975. – 302 с.</li>
<li>Уланова, Е.С. Методы корреляционного и регрессионного анализа в агрометеорологии / Е.С. <a id="post-7639-Уланова_Забелин_1990"></a><a id="post-7639-Уланова_Методы_корреляционного_1990"></a>Уланова, В.Н. Забелин. – Л.: Гидрометеоиздат, 1990. – 208 с.</li>
<li><a id="post-7639-ч69_Федеральная_служба"></a> Федеральная служба по гидрометеорологии и мониторингу окружающей среды. Специализированные массивы [Электронный ресурс]. – Режим доступа: http://meteo.ru/data (дата обращения: 24.09.2019).</li>
<li>Франс, Д. Математические модели в сельском хозяйстве / Д. <a id="post-7639-Франс_Торнли_1987"></a>Франс, Дж. Торнли. – М.: Агропромиздат, 1987. – 400 с.</li>
<li><a id="post-7639-Харченко_Дефициты_водопотребления_1970"></a> Харченко, С.И. Дефициты водопотребления сельскохозяйственных культур и методика расчета режима орошения / С.И. Харченко // Агрометеорологические аспекты повышения продуктивности земледелия. – Л.: Гидрометеоиздат, 1970. – С. 110-124.</li>
<li>Хромов, С.П. Метеорологический словарь / С.П. <a id="post-7639-Хромов_Мамонтова_1974"></a>Хромов, Л.И. Мамонтова. – Л.: Гидрометеоиздат, 1974. – 567 с.</li>
<li><a id="post-7639-ч4_Черепанов"></a> Черепанов, А.С. Спектральные свойства растительности и вегетационные индексы [Текст] / А.С. Черепанов, Е.Г. Дружинина // Геоматика. – 2009. – № 3. – С. 28-32.</li>
<li><a id="post-7639-Шарипова_Современные_изменения_клим_2012"></a> Шарипова, Р.Б. Современные изменения климата и агроклиматических ресурсов на территории Ульяновской области: автореф. дис. … канд. геогр. наук: 25.00.30 / Р.Б. Шарипова. – Казань: 2012. – 23 с.</li>
<li><a id="post-7639-Шашко_Агроклиматические_ресурсы_1985"></a> Шашко, Д.И. Агроклиматические ресурсы СССР / Д.И. Шашко. – Л.: Гидрометеоиздат, 1985. – 248 с.</li>
<li><a id="post-7639-Шашко_Изучение_расхода_влаги_1957"></a> Шашко, Д.И. Изучение расхода влаги на транспирацию и суммарное испарение / Д.И. Шашко // Биологические основы орошаемого земледелия. – М.: Изд. АН СССР, 1957. – С. 398-411.</li>
<li><a id="post-7639-Шумова_Закономерности_форирования_2010"></a> Шумова, Н.А. Закономерности формирования водопотребления и водообеспеченностиагроценозов в условиях юга Русской равнины / Н.А. Шумова. – М.: Наука, 2010. – 239 с.</li>
<li><a id="post-7639-Энциклопедия_климатических_ресурсов_2005"></a> Энциклопедия климатических ресурсов Российской Федерации / ред. Н.В. Кобышева, К.Ш. Хайруллин. – СПб.:Гидрометеоиздат, 2005. – 319 с.</li>
<li>A global dataset of air temperature derived from satellite remote sensing and weather stations [Электронный ресурс]. – Режим доступа: https://www.nature.com/articles/sdata2018246 (дата обращения: 24.09.2019).</li>
<li><a id="post-7639-ч62_Atzberger"></a> Atzberger, C. Evaluating the effectiveness of smoothing algorithms in the absence of ground reference measurements [Text] / C. Atzberger, P.H. Eilers // International Journal of Remote Sensing. – 2011. – Vol. 32, № 13. – P. 3689-3709.</li>
<li><a id="post-7639-Baier_Water_Balance_1981"></a> Baier, W. Water Balance in the Crop Yield Models / W. Baier // Appl. Rem. Sens. Agr. Prod. Forec. – Rotterdam: A.A. Balkema, 1981. – 272 p.</li>
<li><a id="post-7639-Baier_Crop_weather_1973"></a> Baier. W. Crop-weather analysis model // Int. j. Biometeor. 1973. Vol. 17. N 4. P. 313-320.</li>
<li><a id="post-7639-ч86_Benedetti"></a> Benedetti, R. On the use of NDVI profiles as a tool for agricultural statistics: The case study of wheat yield estimate and forecast in Emilia Romagna [Text] / R. Benedetti, P. Rossini // Remote Sensing of Environment. – 1993. – Vol. 45, № 3. – P. 311-326.</li>
<li><a id="post-7639-ч83_Brunsdon"></a> Brunsdon, C. Geographically Weighted Regression: A Method for Exploring Spatial Nonstationarity [Text] / C. Brunsdon, A. S. Fotheringham , M. E. Charlton // Geographical Analysis. –1996. – Vol. 28, №4. – P. 281-298.</li>
<li><a id="post-7639-ч76_Burrough"></a> Burrough, P. A. Principles of Geographical Information Systems for Land Resources Assessment [Text] / P.A. Burrough – New York: Oxford University Press, 1986.</li>
<li><a id="post-7639-ч65_Carlson"></a> Carlson, T. N. On the relation between NDVI, fractional vegetation cover, and leaf area index [Text] / T.N. Carlson, D.A. Ripley //Remote sensing of Environment. – 1997. – Vol. 62, №. 3. – С. 241-252.</li>
<li><a id="post-7639-ч39_Carlson"></a> Carlson, T.N. On the relation between NDVI, fractional vegetation cover, and leaf area index [Text] / T.N. Carlson, D.A. Ripley // Remote sensing of Environment. – 1997. – Vol. 62, № 3. – P. 241-252.</li>
<li><a id="post-7639-ч92_Chahbi"></a> Chahbi, A. Estimation of the dynamics and yields of cereals in a semi-arid area using remote sensing and the SAFY growth model [Text] / A. Chahbi, M. Zribi, Z. Lili-Chabaane, B. Duchemin, M. Shabou, B. Mougenot, G. Boulet // International journal of remote sensing. –2014. – Vol. 35, № 3. – P. 1004-1028.</li>
<li><a id="post-7639-ч60_Chen"></a> Chen, J. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter [Text] / J. Chen, P. Jönsson, M. Tamura, Z. Gu, B. Matsushita, L. Eklundh // Remote Sensing of Environment. – 2004. – Vol. 91, № 3. – P. 332-344.</li>
<li><a id="post-7639-ч2_Cloud_API"></a> Cloud API for satellite imagery [Электронный ресурс]. – Режим доступа: <a href="https://www.sentinel-hub.com/" target="_blank" rel="noopener">https://www.sentinel-hub.com/</a> (дата обращения: 08.10.2019).</li>
<li><a id="post-7639-ч7_Copernicus"></a> Copernicus Open Access Hub OpenSearch API User Guide [Электронный ресурс]. – Режим доступа: https://scihub.copernicus.eu/userguide/OpenSearchAPI (дата обращения 01.10.2019).</li>
<li><a id="post-7639-CS_Suite_CropSyst"></a> CS Suite CropSyst [Electronic resource] / WashingtonStateUniversity. – Mode of access: <a href="http://www.modeling.bsyse.wsu.edu/ES_Suite_4/CropSyst/index.html" target="_blank" rel="noopener">http://www.modeling.bsyse.wsu.edu/ES_Suite_4/CropSyst/index.html</a>.</li>
<li><a id="post-7639-Curry_Dynamic_simulations_1971"></a> Curry, R.B. Dynamic simulations of plant growth. Part 1. Development of a model / R.B. Curry // Trans. ASAE. – 1971. – Vol. 14, No. 5. – Pp. 946-949.</li>
<li>Decision Support System for Agrotechnology Transfer (DSSAT) [CD ROM] / G. <a id="post-7639-Hoogenboom_Jones_Wilkens_2012"></a>Hoogenboom, J.W. Jones, P.W. Wilkens, C.H. Porter, K.J. Boote, L.A. Hunt, U. Singh, J.L. Lizaso, J.W. White, O. Uryasev, F.S. Royce, R. Ogoshi, A.J. Gijsman, G.Y. Tsuji, J. Koo // University of Hawaii, Honolulu, Hawaii. – 2012.</li>
<li><a id="post-7639-ч80_Eberle"></a> Eberle, J. Comparison of Satellite-Derived Land Surface Temperature and Air Temperature from Meteorological Stations on the Pan-Arctic Scale [Text] / M. Urban, J. Eberle, C. Hüttich, C. Schmullius, M. Herold // Remote Sensing. – 2013. – Vol. 5. – P. 2348-2367.</li>
<li><a id="post-7639-ч8_ESPA"></a> ESPA User API Operations [Электронный ресурс]. – Режим доступа: https://github.com/USGS-EROS/espa-api/blob/master/docs/API-RESOURCES-LIST.md (дата обращения 01.10.2019).</li>
<li><a id="post-7639-ч85_Gallego"></a> Gallego, F.J. Crop area estimation in the MARS project [Text] / F.J. Gallego //Conference on ten years of the MARS Project. – 1999. – Vol. 4. – P. 1-11.</li>
<li><a id="post-7639-ч38_Gamon"></a> Gamon, J.A. Relationships between NDVI, canopy structure, and photosynthesis in three Californian vegetation types [Text] / J.A. Gamon, C.B. Field, M.L. Goulden, K.L. Griffin, A.E. Hartley, G. Joel, J. Penuelas, R. Valentini // Ecological Applications. – 1995. – Vol. 5, № 1. – P. 28-41.</li>
<li><a id="post-7639-ч78_Global"></a> Global Precipitation Measurement [Электронный ресурс]. – Режим доступа: https://www.nasa.gov/mission_pages/GPM/main/index.html (дата обращения: 24.09.2019).</li>
<li><a id="post-7639-ч35_Haboudane"></a> Haboudane, D. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision agriculture [Text] / D. Haboudane, J.R. Miller, E. Pattey, P.J. Zarco-Tejada, I.B. Strachan // Remote sensing of environment. – 2004. – Vol. 90, № 3. – P. 337-352.</li>
<li><a id="post-7639-Hanks_Model_for_predicting_1974"></a> Hanks, R.J. Model for predicting plant yields as influenced by water use / R.J. Hanks // Agron. J. – 1974. – No. 65. – Pp. 660-665.</li>
<li><a id="post-7639-ч71_How"></a> How inverse distance weighted interpolation works [Электронный ресурс]. – Режим доступа: <a href="https://pro.arcgis.com/en/pro-app/help/analysis/geostatistical-analyst/how-inverse-distance-weighted-interpolation-works.htm" target="_blank" rel="noopener">https://pro.arcgis.com/en/pro-app/help/analysis/geostatistical-analyst/how-inverse-distance-weighted-interpolation-works.htm</a> (дата обращения: 24.09.2019).</li>
<li><a id="post-7639-ч75_How"></a> How Kriging works [Электронный ресурс]. – Режим доступа: http://desktop.arcgis.com/en/arcmap/10.3/tools/3d-analyst-toolbox/how-kriging-works.htm (дата обращения: 24.09.2019).</li>
<li><a id="post-7639-ч73_How"></a> How Natural Neighbor works [Электронный ресурс]. – Режим доступа: <a href="http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/how-natural-neighbor-works.htm" target="_blank" rel="noopener">http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/how-natural-neighbor-works.htm</a> (дата обращения: 24.09.2019).</li>
<li><a id="post-7639-ч95_Huang"></a> Huang, J. Improving winter wheat yield estimation by assimilation of the leaf area index from Landsat TM and MODIS data into the WOFOST model [Text] / J. Huang, L. Tian, S. Liang, H. Ma, I. Becker-Reshef, Y. Huang, W. Su, X. Zhang, D. Zhu, W. Wu // Agricultural and Forest Meteorology. – 2015. – Vol. 204. – P. 106-121.</li>
<li>Hubbard, K.G. Climate model for winter wheat yield simulation / K.G. <a id="post-7639-Hubbard_Hanks_1983"></a>Hubbard, R.J. Hanks // J. Clim. and Appl. Meteor. – 1983. – No. 22. – Pp. 698-703.</li>
<li><a id="post-7639-ч79_Huffman"></a> Huffman, G.J. GPM IMERG Final Precipitation L3 1 day 0.1 degree x 0.1 degree V06 / E.F. Stocker, D.T. Bolvin, E.J. Nelkin, T. Jackson // Edited by Andrey Savtchenko, Greenbelt, MD, Goddard Earth Sciences Data and Information Services Center (GES DISC) [Электронный ресурс]. – Режим доступа: https://doi.org/10.5067/GPM/IMERGDF/DAY/06 (дата обращения: 24.09.2019).</li>
<li><a id="post-7639-ч48_Hulley"></a> Hulley, G. Moderate Resolution Imaging Spectroradiometer (MODIS) Land Surface Temperature and Emissivity Product (MxD21) Algorithm Theoretical Basis Document Collection-6 [Text] / G. Hulley, N. Malakar, R. Freepartner // JPL Publication. – 2016. – P. 12-17.</li>
<li><a id="post-7639-ISPRS_WG_VIII_2006"></a> ISPRS WG VIII / 10 Workshop. Remote Sensing Support to Crop Yield Forecast and Area Estimates // Stresa. Italy. ISSN 1682-1750. 2006. 155 p.</li>
<li><a id="post-7639-ч94_Jacquemoud"></a> Jacquemoud, S. Extraction of vegetation biophysical parameters by inversion of the PROSPECT+ SAIL models on sugar beet canopy reflectance data [Text] / S. Jacquemoud, Baret F., B. Andrieu, F.M. Danson, K. Jaggard // Application to TM and AVIRIS sensors. – Remote sensing of environment. – 1995. – Vol. 52, № 3. – P. 163-172.</li>
<li><a id="post-7639-ч61_Jönsson"></a> Jönsson, P. Seasonality extraction by function fitting to time-series of satellite sensor data [Text] / P. Jönsson, L. Eklundh // IEEE Transactions on Geoscience and Remote Sensing. –2002. – Vol. 40, № 8. – P. 1824–1832.</li>
<li><a id="post-7639-ч63_Keys"></a> Keys, R.G. Cubic Convolution Interpolation for Digital Image Processing [Text] / R.G.Keys // IEEE Transactions on acoustics, speech and signal processing. – 1981. – Vol. 29, № 6. – P. 1153-1160.</li>
<li><a id="post-7639-Land_Allocation_Decision_Support"></a> Land Allocation Decision Support System [Electronic resource] / The Macaulay Institute. – Mode of access: <a href="http://www.macaulay.ac.uk/LADSS/cropsyst.html" target="_blank" rel="noopener">www.macaulay.ac.uk/LADSS/cropsyst.html</a>.</li>
<li>Lessons from Climate Modeling on the Design and Use of Ansembles for Crop Modeling / D. <a id="post-7639-Wallach_Mearns_Ruane_2016"></a>Wallach, L.O. Mearns, A.C. Ruane, R.P. Rotter, S. Asseng // Climatic Change. – 2016.</li>
<li><a id="post-7639-ч91_Ma"></a> Ma, G. Assimilation of MODIS-LAI into the WOFOST model for forecasting regional winter wheat yield [Text] / G. Ma, J. Huang, W. Wu, J. Fan, J. Zou, S. Wu //  Mathematical and Computer Modelling. –  2013. – Vol. 58, 3-4. – P. 634-643.</li>
<li><a id="post-7639-ч90_Ma"></a> Ma, H. Estimating regional winter wheat yield by assimilation of time series of HJ-1 CCD NDVI into WOFOST–ACRM model with Ensemble Kalman Filter [Text] / H. Ma, J. Huang, D. Zhu, J. Liu, W. Su, C. Zhang, J. Fan // Mathematical and Computer Modelling. 2013. – Vol. 58, № 3-4. – P. 759-770.</li>
<li><a id="post-7639-ч81_Mildrexler"></a> Mildrexler, D.J. A global comparison between station air temperatures and MODIS land surface temperatures reveals the cooling role of forests [Text] / D.J. Mildrexler, M. Zhao, S.W. Running // Journal Of Geophysical Research. – 2011. – Vol. 116, № G3. – P. 1-15.</li>
<li><a id="post-7639-ч3_MOD09GQ"></a> MOD09GQ v006 [Электронный ресурс]. – Режим доступа: <a href="https://lpdaac.usgs.gov/products/mod09gqv006/" target="_blank" rel="noopener">https://lpdaac.usgs.gov/products/mod09gqv006/</a> (дата обращения: 08.10.2019).</li>
<li><a id="post-7639-ч34_Mulla"></a> Mulla, D.J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps [Text] / D.J. Mulla // Biosystems engineering. – 2013. – Vol. 114, № 4. – P. 358-371.</li>
<li><a id="post-7639-ч68_OpenWeatherMap"></a> OpenWeatherMap [Электронный ресурс]. – Режим доступа: https://openweathermap.org/ (дата обращения: 24.09.2019).</li>
<li><a id="post-7639-ч72_Philip"></a> Philip, G. M. A Refinement of Inverse Distance Weighted Interpolation [Text] / G.M. Philip, D.F. Watson // Geoprocessing, 1985. – 2. – P. 315–327.</li>
<li><a id="post-7639-ч47_Plotnikov"></a> Plotnikov, D.E. The recognition features to map arable lands based on multi-annual MODIS Earth observation data [Text]  / D.E. Plotnikov, S.A. Bartalev, E.A. Loupian // Contemporary problems of Earth remote sensing: Physical basics, methods and technologies of environmental and hazardous phenomena monitoring. Scientific papers compilation. – Moscow: “Domira”, 2010. – V. 7, № 1. – P.330-341.</li>
<li><a id="post-7639-ч89_Quarmby"></a> Quarmby, N. A. The use of multi-temporal NDVI measurements from AVHRR data for crop yield estimation and prediction [Text] / N.A. Quarmby, M. Milnes, T.L. Hindle, N. Silleos // International Journal of Remote Sensing. –  1993. – Vol. 14, № 2. – P. 199-210.</li>
<li><a id="post-7639-ч36_Raster"></a> Raster &amp; Image Processing: Broad Band Vegetation Indices [Электронный ресурс]. – Режим доступа: <a href="https://www.microimages.com/documentation/TechGuides/82VegIndices.pdf" target="_blank" rel="noopener">https://www.microimages.com/documentation/TechGuides/82VegIndices.pdf</a> (дата обращения: 08.10.2019).</li>
<li><a id="post-7639-ч87_Rembold"></a> Rembold, F. Using low resolution satellite imagery for yield prediction and yield anomaly detection [Text] / F. Rembold, C. Atzberger, I. Savin, O. Rojas // Remote Sensing. – 2013. – Vol. 5, № 4. – P. 1704-1733.</li>
<li><a id="post-7639-ч67_Rish"></a> Rish, I. An empirical study of the naive Bayes classifier [Text] / I. Rish //IJCAI 2001 workshop on empirical methods in artificial intelligence. – 2001. – Vol. 3, № 22. – P. 41-46.</li>
<li><a id="post-7639-ч70_rp5"></a> rp5.ru. Расписание погоды [Электронный ресурс]. – Режим доступа: https://rp5.ru/ (дата обращения: 24.09.2019).</li>
<li><a id="post-7639-Samokhvalova_Bioclimatic_Basement_2019"></a> Samokhvalova E.V. Bioclimatic Basement for Mesoscale Agricultural Land Use Assessment in Samara Region / Proceedings of the International Scientific and Practical Conference “Digital agriculture &#8212; development strategy” (ISPC 2019) // <a href="https://www.atlantis-press.com/proceedings/series/aisr" target="_blank" rel="noopener">Advances in Intelligent Systems Research</a>. Vol. 167. 2019. P.302-305. Doi 10.2991/ispc-19.2019.68.</li>
<li>Samokhvalova E.V. <a id="post-7639-Samokhvalova_Geo_informational_2019"></a>Geo-informational Analysis of Agricultural Land Natural Potential in Samara Region / IOP: Earth and Environment Science. Vol. 403 (1). 2019. Doi 10.1088/1755-1315/403/1/012041.</li>
<li>Samokhvalova E.V., Kutilkin V.G., Zudilin S.N. <a id="post-7639-Samokhvalova_Analysis_of_Natural_2019"></a>Analysis of Natural Potential for Territorial Organization of Agriculture in Samara Region / IOP: Earth and Environment Science. Vol. 341 (1). 2019. Doi 10.1088/1755-1315/341/1/012031.</li>
<li><a id="post-7639-ч56_ScanEx"></a> ScanEx Image Processor [Электронный ресурс]. – Режим доступа: <a href="http://www.scanex.ru/software/obrabotka-izobrazheniy/scanex-image-processor/" target="_blank" rel="noopener">http://www.scanex.ru/software/obrabotka-izobrazheniy/scanex-image-processor/</a> (дата обращения: 09.10.2019).</li>
<li><a id="post-7639-ч54_Sen2Cor"></a> Sen2Cor. STEP. Science toolbox exploration platform [Электронный ресурс]. – Режим доступа: <a href="https://step.esa.int/main/third-party-plugins-2/sen2cor/" target="_blank" rel="noopener">https://step.esa.int/main/third-party-plugins-2/sen2cor/</a> (дата обращения: 09.10.2019).</li>
<li><a id="post-7639-ч40_Serrano"></a> Serrano, L. Remote sensing of biomass and yield of winter wheat under different nitrogen supplies [Text] / L. Serrano, I. Filella, J. Penuelas // Crop science. – 2000. – Vol. 40, № 3. – P. 723-731.</li>
<li><a id="post-7639-ч59_Shao"></a> Shao, Y. An evaluation of time-series smoothing algorithms for land-cover classifications using MODIS-NDVI multi-temporal data [Text] / Y. Shao, R.S. Lunetta, B. Wheeler, J.S. Iiames, J.B. Campbell // Remote Sensing of Environment. – 2016. – Vol. 174. – P. 258-265.</li>
<li><a id="post-7639-ч74_Sibson"></a> Sibson, R. A Brief Description of Natural Neighbor Interpolation [Text] / R. Sibson // Interpreting Multivariate Data. – 1981. – P. 21–36.</li>
<li><a id="post-7639-ч93_Singh"></a> Singh, A. K. Evaluation of CERES-Wheat and CropSyst models for water–nitrogen interactions in wheat crop [Text] / A.K. Singh, R. Tripathy, U.K. Chopra // Agricultural water management. – 2008. – Vol. 95, № 7. – P. 776-786.</li>
<li><a id="post-7639-STICS"></a> STICS [Electronic resource] / INRA science &amp; impact. – Mode of access: <a href="http://www.paca.inra.fr/stics_eng" target="_blank" rel="noopener">www.paca.inra.fr/stics_eng</a>.</li>
<li><a id="post-7639-ч49_Turner"></a> Turner, B.L. Changes in land use and land cover: a global perspective [Text] / B.L. Turner, W.B. Meyer. – Cambridge University Press, 1994.</li>
<li><a id="post-7639-ч6_USGS_EROS"></a> USGS/EROS Inventory Service Documentation (Machine to Machine) [Электронный ресурс]. – Режим доступа: https://earthexplorer.usgs.gov/inventory/documentation (дата обращения 01.10.2019).</li>
<li><a id="post-7639-ч55_Vincent"></a> Vincent, R.K. An ERTS multispectral scanner experiment for mapping iron compounds [Text] / R.K. Vincent // Proceedings of the 8th International Symposium on Remote Sensing of Environment. – USA, MI: Ann Arbor, 1972. – P. 1239–1247.</li>
<li><a id="post-7639-ч52_Vorobiova"></a> Vorobiova, N. Curve fitting of MODIS NDVI time series in the task of early crops identification by satellite images [Text] / N. Vorobiova, A. Chernov // Procedia engineering. – 2017. – Vol. 201. – P. 184-195.</li>
<li><a id="post-7639-ч64_Vorobiova"></a> Vorobiova, N. S. How to use geoinformation technologies and space monitoring for controlling the agricultural sector in Samara Region [Text] / N.S. Vorobiova, A.Y. Denisova, A.V. Kuznetsov, A.M. Belov, A.V. Chernov, V.V. Myasnikov // Pattern Recognition and Image Analysis. – 2015. – Vol. 25, № 2. – P. 347-353.</li>
<li><a id="post-7639-ч51_Vorobiova"></a> Vorobiova, N.S. NDVI time series modeling in the problem of crop identification by satellite images [Text] / N.S. Vorobiova, A.V. Chernov // CEUR Workshop Proceedings. – 2016. – Vol. 1638. – P. 428-436.</li>
<li>Wit, C.T. A dynamic model of plant and crop growth / C.T.de <a id="post-7639-Wit_Brouwer_1971"></a>Wit, R. Brouwer, F.W.T. Penning de Vries // Potential Crop Production. A case study / P.P. Wareing, J.R. Cooper (eds.). – London: 1971. – Pp. 117-142.</li>
<li><a id="post-7639-ч37_Xue"></a> Xue, J. Significant remote sensing vegetation indices: A review of developments and applications [Text] / J. Xue, B. Su // Journal of Sensors. – 2017. – Vol. 2017. – Article ID.: 1353691</li>
<li><a id="post-7639-ч96_Zhang"></a> Zhang, L. Estimating wheat yield by integrating the WheatGrow and PROSAIL models [Text] / L. Zhang, C.L. Guo, L.Y. Zhao, Y. Zhu, W.X. Cao, Y.C. Tian, T. Cheng, X. Wang // Field crops research. – 2016. – Vol. 192. – P. 55-66.</li>
</ol>
<p>&nbsp;</p>
]]></content:encoded>
					
					<wfw:commentRss>https://apknet.ru/razrabotka-kompleksnoj-modeli-progn/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>

<!--
Performance optimized by W3 Total Cache. Learn more: https://www.boldgrid.com/w3-total-cache/

Кэширование страницы с использованием disk: enhanced 

Served from: apknet.ru @ 2025-03-12 00:29:59 by W3 Total Cache
-->