Перспективные направления геостатистического анализа и стохастического моделирования с учетом экономических издержек при точном земледелии.

Аннотация

В статье рассматриваются современные подходы к учету неоднородности свойств почвенного покрова. На опытном поле при помощи спутниковых снимков и разновременных индексов EVI были выявлены микроучастки площадью от 50 до 200 м2 с существенно пониженным уровнем эффективного плодородия, вплоть до гибели растений, была разработана сет ка отбора проб. В ходе проведения полевых работ было отобрано 214 проб с дальнейшим определением pHKCl с шагом пробоотбора 70 м и 53 дополнительные пробы в «проблемных зонах». При помощи методов геостатистики были получены данные о пространственной неоднородности pHKCl, оценены степень пространственной зависимости и точность полученных результатов при различных выборках (107, 216 и 268 точек). Дальнейшее использование стохастического моделирования позволило построить высокоточные картограммы кислотности с разрешением 4 и 12 м на пиксель, при этом показана нецелесообразность использования ячеек, размер которых меньше, чем ширина обрабатывающего устройства, для прикладных задач точного земледелия. Были получены вероятностно-статистические модели, представленные картограммами среднеквадратических ошибок и вероятности явления. Полученные картограммы показали наличие очень сильнокислых почв в «проблемных зонах», высокая кислотность, также обуславливает налич ие соединений токсичного алюминия и экстремально низкие содержания кальция и магния, что в совокупности приводит к отсутствию всходов культурной растительности. Детальный учет кислотности почв по сравнению с классическим агрохимическим обследованием обеспечил экономию на внесении СаСО3 2807 долларов США, что позволило полностью компенсировать дополнительные затраты на отбор и анализ большего количества образцов

Литература

 Богдевич И.М., Лапа В.В., Цыбулько Н.Н. [и др.]. Методика крупномасштабного агрохимического и радиационного обследования почв сельскохозяйственных земель Республики Беларусь: методические указания. Мн.: Изд-во Ин-та системных исследований в АПК НАН Беларусии.2020.

2. Государственный комитет по стандартизации Республики Беларусь. Национальный фонд технических нормативных правовых актов [Электронный ресурс]. 2020. URL: https://tnpa.by/#!/DocumentCard/490371/622805 (дата обращения: 05.04.2021).

3. Клебанович Н. В., Василюк Г.В. Известкование почв Беларуси. Мн.: Изд-во БГУ. 2003.

4. Клебанович Н.В., Киндеев А.Л. Использование программного обеспечения ArcGis для стохастического моделирования свойств почв // ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: материалы медунар. науч. конф. / Под ред. В.С. Тикунова. Москва: Изд-во Московского университета. 2020.

5. Красильников П.В., Таргульян В.О. На пути к «новой географии почв» вызовы и решения (обзор) // Почвоведение. 2019. № 2.

6. Лапа В.В., Г.В. Пироговская, И.М. Богдевич [и др.]. Инструкция по известкованию кислых почв сельскохозяйственных земель. Мн.: Изд-во Ин-та почвоведения и агрохимии. 2019.

7. Метод определения обменной кислотности: ГОСТ 26484-85 — Введ. 26.04.1985. М.: Изд-во Министерства сельского хозяйства СССР, 1985.

8. Михеева И. В., Оплеухин А. А. Идентификация вероятностно-статистических моделей свойств экологических систем и их информационная оценка // Вестник СГУГиТ. 2018. Том 23. № 4.

9. ОАО «Доломит» [Электронный ресурс]. 2021. URL: http://www.dolomit.by/ru/prices.html (дата обращения: 25.11.2021).

10. Определение обменного кальция и обменного (подвижного) магния методами ЦИНАО: ГОСТ 26487–85 — Введ. 26.03.1985. М.: Изд-во Министерства сельского хозяйства СССР, 1986.

11. Определение подвижных соединений фосфора и калия по методу Кирсанова в модификации ЦИНАО: ГОСТ Р 54650-2011 — Введ. 01.01.2013. М.: Изд-во Национального стандарта Российской Федерации, 2013.

12. Почвы. Методы определения органического вещества ГОСТ 26213-91 – Введ. 01.07.1993. М.: Изд-во Национального стандарта Российской Федерации. 1993.

13. Пустыльник Е.А. Статистические методы анализа и обработки наблюдений. М.: Изд-во «Наука». 1968.

14. Савин И.Ю. Пространственные аспекты прикладного почвоведения // Бюл. Почвенного ин-та им. В.В. Докучаева. 2020. Вып. 101.

15. Самсонова В. П., Мешалкина Ю. Л. Часто встречающиеся неточности и ошибки применения статистических методов в почвоведении // Бюл. Почвенного ин-та им. В.В. Докучаева. 2020. Вып. 102.

16. Якушев В.П., Жуковский Е.Е., Кабанец А.Л. [и др.] Вариограммный анализ пространственной неоднородности сельскохозяйственных полей для целей точного земледелия (методическое пособие). СПб.: Изд-во АФИ. 2010.

17. Damgaard C. Measurement Uncertainty in Ecological and Environmental Models // Trends in Ecology & Evolution. 2020. Vol. 35. № 10.

18. Fu W, Outlier identification of soil phosphorus and its implication for spatial structure modeling // Precision Agriculture. 2016. Vol 17. № 2.

19. Keskin H., Grunwald S., Harrisa W. G. Digital mapping of soil carbon fractions with machine learning // Geoderma. 2019. Vol. 339.

20. Lark R. M. Estimating variograms of soil properties by the method-ofmoments and maximum likelihood // European Journal of Soil Science. 2000. Vol. 51.

21. Sturges H. The choice of a class-interval // J. Amer. Statist. Assoc. 1926. №21.

22. Turner A. K. Discretization and Stochastic Modeling // Applied Multidimensional Geological Modeling. 2021. Vol. 13.

23. USS Working Group WRB. World Reference Base of Soil Resources 2014, update 2015. International Soil Classification System for Naming Soils and Creating Legends for Soil Maps. World Soil Resources Reports. Rome: FAO. 2015. № 106.

24. Wadoux A. M.J.‐C., Marchant B.P., Lark, R M. Efficient sampling for geostatistical surveys // Eur J Soil Sci. 2019.

25. Waitz Y. From microsite selection to population spatial distribution: Pinus halepensis colonization in mediterranean-type ecosystems // Plant Ecology. 2015. Vol. 216. № 9.

26. Webster R, Oliver M. A. Sample adequately to estimate variograms of soil properties // Journal of Soil Science. 1992. Vol. 43.