Микроморфометрические параметры агрегатов пахотных несмытого и сильносмытого черноземов (на примере Курской области)

Обложка

Цитировать

Полный текст

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

Аннотация

Цель работы – выявить влияние почвенных свойств: содержание фракций ила, пыли, песка, органического углерода (Сорг), карбоната кальция (Скарб), а также факторов распашки и водной эрозии на морфометрические параметры (МП) агрегатов пахотного и подпахотного слоев несмытого и сильносмытого черноземов типичных Курской области. Значимая положительная корреляция с минимальным диаметром агрегатов выявлена для углерода карбонатов сильносмытых черноземов и органического углерода несмытых черноземов. В пределах всех размерных классов агрегатов влияния содержания Сорг и Скарб и разных гранулометрических фракций, а также степени проявления эрозионных процессов по бинарной шкале несмытый/сильносмытый на МП не выявлено. На вытянутость и ориентацию агрегатов не влияют ни вышеназванные почвенные факторы, ни размерный класс агрегата, в то время как фактор формы и изрезанность границы при увеличении размера агрегатов уменьшаются и увеличиваются соответственно. Показано, что фактор водной эрозии оказывает значимое влияние на физические и химические свойства верхних горизонтов пахотных черноземов. Однако при детальном анализе МП почвенных агрегатов обнаружено, что в присутствии такого мощного фактора, как регулярная сельскохозяйственная обработка, фактор водной эрозии проявляется только на глубине 20–30 см, где воздействие антропогенного фактора ослабевает, а влияние естественных свойств почвы проявляется сильнее. Полученные результаты свидетельствуют об устойчивости большинства МП агрегатов черноземов к водной эрозии, если ей сопутствует ежегодная распашка почвы. Показано, что изрезанность границы агрегатов в большей степени зависит от их размера, нежели от степени смытости почвы. Предположительно, процессы водной эрозии и распашки косвенно воздействуют на этот морфометрический параметр, регулируя состав размерных фракций агрегатов почв.

Полный текст

Доступ закрыт

Об авторах

О. О. Плотникова

Почвенный институт им. В.В. Докучаева

Автор, ответственный за переписку.
Email: mrs.plotnikova@mail.ru
Россия, Москва, 119017

Д. С. Комкова

Почвенный институт им. В.В. Докучаева

Email: mrs.plotnikova@mail.ru
Россия, Москва, 119017

И. В. Данилин

Почвенный институт им. В.В. Докучаева

Email: mrs.plotnikova@mail.ru
Россия, Москва, 119017

Н. П. Масютенко

Курский федеральный аграрный научный центр

Email: mrs.plotnikova@mail.ru
Россия, Курск, 305021

А. В. Кузнецов

Курский федеральный аграрный научный центр

Email: mrs.plotnikova@mail.ru
Россия, Курск, 305021

М. Н. Масютенко

Курский федеральный аграрный научный центр

Email: mrs.plotnikova@mail.ru
Россия, Курск, 305021

Список литературы

  1. Афанасьева Е.А. Черноземы Средне-Русской возвышенности. М.: Наука, 1966. 224 c.
  2. Вадюнина А.Ф., Корчагина З.А. Методы исследования физических свойств почв. М.: Агропромиздат, 1986. 416 c.
  3. Воронин А.Д. Основы физики почв. М.: Изд-во МГУ, 1986. 243 c.
  4. Воронин А.Д. Учебное руководство к полевой практике по физике почв. М.: Изд-во МГУ, 1988. 89 c.
  5. Заславский М.Н. Эрозиоведение. М.: Высшая школа, 1983. 320 c.
  6. Качинский Н.А. Структура почвы. М.: Изд-во МГУ, 1963. 100 c.
  7. Классификация и диагностика почв СССР. М.: Колос, 1977. 224 c.
  8. Марголина Н.Я., Александровский А.Л., Ильичев Б.А., Черкинский А.Е., Чичагова О.А. Возраст и эволюция черноземов. М.: Наука, 1988. 142 c.
  9. Масютенко Н.П., Глазунов Г.П., Кузнецов А.В., Масютенко М.Н. Система показателей агроэкологической оценки эродированных черноземов // Достижения науки и техники АПК. 2016. № 11. C. 7–11.
  10. Медведев В.В. Механизмы формирования макроагрегатов черноземов // Почвоведение. 1994. № 11. C. 24–30.
  11. Муха В.Д. Почвы Курской области. Курск: Изд-во Курс. гос. с.-х. акад., 2006. 119 c.
  12. Афонский В.Л., Зайцев С.Н., Пузанов В.П. Пат. СССР № 1030724. 1983. № 3395572.
  13. Плотникова О.О., Куст П.Г., Романис Т.В., Лебедев М.А. Методическое руководство по компьютерному анализу изображений почвенных шлифов с использованием программного обеспечения Thixomet Pro. М.: Почв. ин-т им. В.В. Докучаева, 2022. 64 с.
  14. Полевой определитель почв России. М.: Почв. ин-т им. В.В. Докучаева, 2008. 182 c.
  15. Скворцова Е.Б., Морозов Д.Р. Микроморфометрическая классификация и диагностика строения порового пространства почвы // Почвоведение. 1993. № 6. C. 49–56.
  16. Хитров Н.Б., Понизовский А.А. Руководство по лабораторным методам исследования ионно-солевого состава нейтральных и щелочных минеральных вод. М.: Почв. ин-т им. В.В. Докучаева, 1990. 236 c.
  17. Bronick C.J., Lal R. Soil structure and management: A review // Geoderma. 2005. V. 124. P. 3–22. https://doi.org/10.1016/j.geoderma.2004.03.005
  18. Farkhodov Y.R., Nikitin D.A., Yaroslavtseva N.V., Maksimovich S.V., Ziganshina A.R., Danilin I.V., Kholodov V.A. et al. Composition of organic matter and biological properties of eroded and aggraded soils of a small catchment in the forest-steppe zone of the Central Russian Upland // Eurasian Soil Sci. 2024. V. 57. P. 1474–1486. https://doi.org/10.1134/S106422932460115X
  19. Filippova O.I., Kholodov V.A., Safronova N.A., Yudina A.V., Kulikova N.A. Particle-size, microaggregate-size, and aggregate-size distributions in humus horizons of the zonal sequence of soils in European Russia // Eurasian Soil Sci. 2019. V. 52. P. 300–312. https://doi.org/10.1134/S1064229319030037
  20. Gemtou M., Kakkavou K., Anastasiou E., Fountas S., Pedersen S.M., Isakhanyan G., Erekalo K.T., Pazos-Vidal S. Farmers’ transition to climate-smart agriculture: a systematic review of the decision-making factors affecting adoption // Sustainability. 2024. V. 16. P. 2828. https://doi.org/10.3390/su16072828
  21. Gennadiev A.N., Zhidkin A.P., Olson K.R., Kachinskii V.L. Soil erosion under different land uses: Assessment by the magnetic tracer method // Eurasian Soil Sci. 2010. V. 43. P. 1047–1054. https://doi.org/10.1134/S1064229310090127
  22. Grieves M., Vickers J. Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems // Transdisciplinary Perspectives on Complex Systems. Springer Cham: Springer Int. Publ., 2017. P. 85–113. https://doi.org/10.1007/978-3-319-38756-7_4
  23. Guidelines for soil description. Rome: FAO, 2006. 97 p.
  24. IUSS Working Group WRB. World Reference Base for Soil Resources 2014. International soil classification system for naming soils and creating legends for soil maps. World Soil Resources Reports. No. 106. Rome: FAO, 2015. 192 p.
  25. Jarvis S., Tisdall J., Oades M., Six J., Gregorich E., Kögel‐Knabner I. Landmark papers // Eur. J. Soil Sci. 2012. V. 63. P. 1–21. https://doi.org/10.1111/j.1365–2389.2011.01408.x
  26. Kassambara A., Mundt F. Factoextra: Extract and Visualize the Results of Multivariate Data Analyses. 2020.
  27. Kay B.D. Soil Structure and organic carbon: a review // Soil Processes and the Carbon Cycle. CRC Press, 2018. P. 169–197. https://doi.org/ 10.1201/9780203739273-13
  28. Kholodov V.A. The capacity of soil particles for spontaneous formation of macroaggregates after a wetting-drying cycle // Eurasian Soil Sci. 2013. V. 46. P. 660–667. https://doi.org/10.1134/S1064229313040078
  29. Kholodov V.A., Yaroslavtseva N. V., Farkhodov Yu.R., Belobrov V.P., Yudin S.A., Aydiev A.Ya., Lazarev V.I., Frid A.S. Changes in the ratio of aggregate fractions in humus horizons of chernozems in response to the type of their use // Eurasian Soil Sci. 2019. V. 52. P. 162–170. https://doi.org/10.1134/S1064229319020066
  30. Kubiena W.L. Die mikromorphometrische Bodenanalyse, Stuttgart: Enke, 1967. 224 p.
  31. Marcelino V., Cnudde V., Vansteelandt S., Carò F. An evaluation of 2D‐image analysis techniques for measuring soil microporosity // Eur. J. Soil Sci. 2007. V. 58. P. 133–140. https://doi.org/10.1111/j.1365–2389.2006.00819.x
  32. Meusburger K., Mabit L., Park J.-H., Sandor T., Alewell C. Combined use of stable isotopes and fallout radionuclides as soil erosion indicators in a forested mountain site, South Korea // Biogeosciences. 2013. V. 10. P. 5627–5638. https://doi.org/10.5194/bg-10-5627-2013
  33. Monteiro J., Barata J. the circular digital twin: climate-smart soils as a use case // 32nd Int. Conf. Information Systems Development. ISD2024, Gdańsk, 2024. 4 https://doi.org/10.62036/ISD.2024.107
  34. Mukhtar H., Wunderlich R.F., Lin Y.-P. Digital twins of the soil microbiome for climate mitigation // Environments. 2022. V. 9. P. 34. https://doi.org/10.3390/environments9030034
  35. Perfect E., Zhai Q., Blevins R. L. Soil and tillage effects on the characteristic size and shape of aggregates // Soil Sci. Soc. Am. J. 1997. V. 61. P. 1459–1465. https://doi.org/10.2136/sssaj1997.03615995006100050025x
  36. Plotnikova O.O., Demidov V.V., Farkhodov Yu.R., Tsymbarovich P.R., Semenkov I.N. Influence of water erosion on soil aggregates and organic matter in arable chernozems: case study // Agronomy. 2024. V. 14. P. 1607. https://doi.org/10.3390/agronomy14081607
  37. Portes R., Dahms D., Brandová D., Raab G., Christl M., Kühn P., Ketterer M., Egli M. Evolution of soil erosion rates in alpine soils of the Central Rocky Mountains using fallout Pu and δ13C // Earth Planet. Sci. Lett. 2018. V. 496. P. 257–269. https://doi.org/10.1016/j.epsl.2018.06.002
  38. R Core Team R: A language and environment for statistical computing. 2024.
  39. Raj P., Surianarayanan P. Digital twin: the industry use cases // Adv. Computers. 2020. V. 117. P. 285–320. https://doi.org/10.1016/bs.adcom.2019.09.006
  40. Ringrose-Voase A. Micromorphology of soil structure – description, quantification, application // Soil Res. 1991. V. 29. P. 777. https://doi.org/10.1071/SR9910777
  41. Silva L., Rodríguez-Sedano F., Baptista P., Coelho J.P. The digital twin paradigm applied to soil quality assessment: a systematic literature review // Sensors. 2023. V. 23. P. 1007. https://doi.org/10.3390/s23021007
  42. Soderstrom N.C., Yue C.L., Bjork E.L. Metamemory and education // The Oxford Handbook of Metamemory / Eds. Dunlosky J., Tauber S. (Uma) K. Oxford University Press, 2015. P. 197–217. https://doi.org/10.1093/oxfordhb/9780199336746.013.6
  43. Stoops G. Guidelines for analysis and description of soil and regolith thin sections. Madison: Soil Science Society of America, Inc., 2021. 259 p. https://doi.org/10.2136/2003.guidelinesforanalysis
  44. Targulian V.O., Krasilnikov P.V. Soil system and pedogenic processes: self-organization, time scales, and environmental significance // Catena. 2007. V. 71. P. 373–381. https://doi.org/10.1016/j.catena.2007.03.007
  45. Tenu I., Jitareanu G., Muraru-Ionel C., Cojocariu P., Muraru V.M. The impact of mechanization technologies on soil // Environ. Engineer. Management J. 2009. V. 8. P. 1263–1267. https://doi.org/10.30638/eemj.2009.185
  46. Tisdall J.M., Oades J.M. Organic matter and water-stable aggregates in soils // J. Soil Sci. 1982. V. 33. P. 141–163. https://doi.org/10.1111/j.1365–2389.1982.tb01755.x
  47. Verdouw C., Sundmaeker H., Tekinerdogan B., Conzon D., Montanaro T. Architecture framework of IoT-based food and farm systems: A multiple case study // Computers and Electronics in Agriculture. 2019. V. 165. P. 104939. https://doi.org/10.1016/j.compag.2019.104939
  48. Vereecken H., Schnepf A., Hopmans J.W., Javaux M., Or D., Roose T., Vanderborght J. et al. Modeling soil processes: review, key challenges, and new perspectives // Vadose Zone J. 2016. V. 15. P. 1–57. https://doi.org/10.2136/vzj2015.09.0131
  49. Vogel H., Balseiro‐Romero M., Kravchenko A., Otten W., Pot V., Schlüter S., Weller U., Baveye P.C. A holistic perspective on soil architecture is needed as a key to soil functions // Eur. J. Soil Sci. 2022. V. 73. P. e13152 https://doi.org/10.1111/ejss.13152
  50. Wang H., Wu W., Zhou Y., Sun Y., Zhao Z., Hu L., Zheng Q. Review on image-based non-destructive observation methods for soil meso-liquefaction process // Bull. Engineer. Geol. Environ. 2024. V. 83. P. 233. https://doi.org/10.1007/s10064-024-03734-6
  51. Wickham H. Ggplot2: Elegant graphics for data analysis. N.Y.: Springer-Verlag, 2016. 260 p.
  52. Yudin S.A., Plotnikova O.O., Belobrov V.P., Lebedeva M.P., Abrosimov K.N., Ermolaev N.R. Quantitative characteristics of the microstructure of typical chernozems under different agricultural technologies // Eurasian Soil Sci. 2023. V. 56. P. 807–817. https://doi.org/10.1134/S1064229323600343
  53. Zia-ur-Rehman, M., Murtaza G., Qayyum M.F., Saifullah Rizwan, M., Ali S., Akmal F., Khalid H. Degraded soils: origin, types and management // Soil Science: Agricultural and Environmental Prospectives / Eds. Hakeem K.R., Akhtar J., Sabir M. Springer Int. Publ., 2016. P. 23–65. https://doi.org/10.1007/978-3-319-34451-5_2

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Расположение прикопок исследуемых черноземов типичных (несмытый, Haplic Chernozem, прикопки 576, 577, 625; сильносмытый, Haplic Chernozem, прикопки 582, 583, 584) и схема профиля склона (Курская область).

Скачать (1023KB)
3. Рис. 2. Кластеризация несмытых и сильносмытых пахотных черноземов в координатах главных компонент (ГК).

Скачать (93KB)
4. Рис. 3. Зависимость минимального диаметра агрегатов (по Фере) от свойств ((a) – содержание илистой фракции, %, (b) – содержание пылеватой фракции, %, (c) – содержание песчаной фракции, %, (d) – содержание углерода органического вещества, %, (e) – содержание углерода карбонатов, %) пахотных черноземов типичных Курской области (ρ – коэффициент корреляции Спирмена, p – p-value, черный цвет – несмытый чернозем, серый цвет – сильносмытый чернозем).

Скачать (292KB)
5. Рис. 4. Распределение морфометрических параметров (1 – вытянутость, 2 – фактор формы, 3 – ориентация, 4 – изрезанность, приведены в логарифмической шкале) агрегатов пахотных черноземов несмытых (a) и сильносмытых (b) по размерным классам агрегатов.

Скачать (321KB)
6. Рис. 5. Зависимость морфометрических параметров ((a) – вытянутость, (b) – фактор формы, (c) – ориентация, (d) – изрезанность) агрегатов пахотных черноземов от минимального диаметра агрегатов по Фере.

Скачать (278KB)
7. Рис. 6. Изрезанность границы агрегатов несмытых и сильносмытых пахотных черноземов в разных слоях ((a) – 0–10, (b) – 10–20, (c) – 20–30 см).

Скачать (87KB)
8. Дополнительные материалы
Скачать (63KB)

© Российская академия наук, 2025

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

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

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

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

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

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

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

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

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

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

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