Justification of the approach to establishing levels of soil fertility (on the example of a farm)

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The information of agrochemical monitoring of elementary sections of fields allows us to study soil fertility in more detail. For example, using cluster and discriminant analysis methods to identify different levels of agricultural soil fertility. At the same time, it is necessary to comply with the criteria of grouping by fertility. 1. Low spatial contrast of agrochemical properties. If it is present (checked by indicators of asymmetry and kurtosis), then it must be weakened - to bring the data values in the sample to a normal distribution or close to it. Otherwise, information on some indicators may be veiled by extremely high values of others. 2. Reliable participation of all registered soil indicators in the allocation of several groups of sites with similar characteristics (cluster analysis). 3. Equivalent (according to Lambda-Wilkes) and reliable contribution (in terms of significance) of indicators in the allocation of fertility levels. At the same time, it is possible to determine the proportion of sites with different classes of availability of batteries or degrees of acidity. The research was carried out on the basis of data from agrochemical monitoring of soil indicators of leached chernozem of heavy loamy granulometric composition in JSC "General Skobelev", Ryazan region. Salt acidity, mobile forms of phosphorus and potassium, humus were determined by publicly available methods. Two fertility options have been established - conditionally level No. 1 and No.2. According to level 2, the acidity of leached chernozem is shifted to a greater extent to a slightly acidic region compared to level No. 1. The ranges of values for mobile phosphorus correspond to the average - 72-92 mg/kg (level No. 1) and elevated - 103-122 mg/kg (level No. 2) security classes, for mobile potassium - an elevated class. However, for level No. 2, the values were higher (145-167 mg/kg) compared to level No. 1 (114-138 mg/kg). A similar nature of differences was observed in humus. We believe that the information on the fertility of leached chernozem, characteristic of level No. 1, can serve as a guide for the soil of elementary areas with the worst characteristics.

About the authors

R. N Ushakov

Ryazan State Agrotechnological University named after P.A. Kostycheva

Email: r.ushakov1971@mail.ru

A. V Ruchkina

Ryazan State Agrotechnological University named after P.A. Kostycheva

V. I Levin

Ryazan State Agrotechnological University named after P.A. Kostycheva

T. Yu Ushakova

Ryazan State Agrotechnological University named after P.A. Kostycheva

F. Yu Bobrakov

Ryazan State Agrotechnological University named after P.A. Kostycheva

References

  1. Апарин Б.Ф. В книге: Эволюционные модели плодородия почв. С-Пб.: Изд-во Петербургского университета, 1997. С. 183-185.
  2. Гиниятуллин К.Г., Валеева А.А., Смирнова Е.В. Использование кластерного и дискриминантного анализов для диагностики литологической неоднородности почвообразующей породы по гранулометрическому составу // Почвоведение. 2017. № 8. С. 946-953.
  3. Державин Л.М., Фрид А.С. О комплексной оценке плодородия пахотных земель // Агрохимия. 2001. № 9. С. 5-12.
  4. Державин Л.М., Фрид А.С. Научно-методические принципы комплексного мониторинга плодородия земель сельскохозяйственного назначения // Агрохимия. 2012. № 2. С. 3-11.
  5. Иванов Д.А., Карасева О.В., Рублюк М.В. Мониторинг агрохимических свойств почв различных угодий в пределах агроландшафта // Вестник Российской сельскохозяйственной науки. 2020. № 1. С. 27-30.
  6. Княжнева Е.В., Надежкин С.М., Фрид А.С. Оценка плодородия чернозема выщелоченного на производственном участке // Агрохимия. 2005. № 2. С. 5-14.
  7. Когут Б.М., Семенов В.М., Артемьева З.С., Данченко Н.Н. Дегумусирование и почвенная секвестрация углерода // Агрохимия. 2021. № 5. С. 3-13.
  8. Лыков А.М. Гумус и плодородие почвы. М.: Московский рабочий, 1985. С. 65-69.
  9. Фрид А.С., Кузнецова И.В., Королева И.Е. и др. Зонально-провинциальные нормативы изменений агрохимических, физико-химических и физических показателей основных пахотных почв европейской территории России при антропогенных воздействиях. М.: Почвенный ин-т им. В.В. Докучаева, 2010. С.107-111.
  10. Фрид А.С. Обоснование методических подходов к анализу данных многолетних полевых опытов // Агрохимия. 2013. № 10. С. 95-96.
  11. Фрид А.С., Чуян О.Г., Соловиченко В.Д., Тютюнов С.И. Оценка плодородия. В книге: Научные основы предотвращения деградации почв (земель) сельскохозяйственных угодий России и формирования систем воспроизводства их плодородия в адаптивно-ландшафтном земледелии. М., 2013. С. 17-34.
  12. Холодов В.А., Ярославцева Н.В., Лазарев В.И. Интерпретация данных агрегатного состава типичных черноземов разного вида использования методами кластерного анализа и главных компонент // Почвоведение. 2016. № 9. С. 1093-1100.
  13. Чижикова Н.П. Деградация минеральной основы почв. В книге: Научные основы предотвращения деградации почв (Земель) сельскохозяйственных угодий России и формирования систем воспроизводства их плодородия в адаптивно-ландшафтном земледелии. М., 2013. С. 353-368.
  14. Якушев В.П., Петрушин А.Ф., Матвеенко Д.А. и др. Новый метод количественной оценки внутриполевой изменчивости по оптическим характеристикам посевов для точного земледелия // Вестник российской сельскохозяйственной науки. 2020. № 2. С. 4-10.
  15. Mandal U.K., Warrington D.N., Bhardwaj A.K. et al Evaluating impact of irrigation water quality on a calcareous clay soil using principal component analysis // Geoderma. 2008. V. 144. P. 189-197.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Russian Academy of Sciences

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».