YIELD OF GREEN MASS OF FORAGE CROPS IN GRAIN PLANTS CROP ROTATIONS

Cover Page

Cite item

Full Text

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

Abstract

This study focuses on evaluating the green mass yield of forage crops in grain-grass crop rotations with varying durations of using a clover-alfalfa-timothy grass mixture, considering certain abiotic factors. A stationary experiment conducted from 2013 to 2018 investigated three third-rotation crop rotation schemes: with one-year (A1), two-year (A2), and three-year (A3) utilization of the clover-alfalfa-timothy mixture. Two levels of mineral nutrition (N0 and N60) were also studied against a background application of P60K60. The highest above-ground biomass yield was observed with two cuttings of the perennial grasses, averaging 17.6±0.9 t/ha, which represents a 14.2% increase compared to single-cut management. However, the drought in 2014 reduced the productivity of the second cut by half (2-fold) in the A2 rotation and by 1.4 times in the A3 rotation. The maximum green mass yield was recorded in 2015 within the A3 rotation, reaching 23.1 t/ha, 33.8% higher than in preceding years. Winter rye demonstrated high yield stability, averaging 15.4±1.1 t/ha regardless of the Selyaninov hydrothermal coefficient (HTC) and other studied factors. The application of N60 increased rye productivity to 17.5±1.0 t/ha (a 32.6% increase). Mustard, sown as a catch crop after cutting, showed a dependence on the HTC, with maximum yield (8 t/ha) achieved at an HTC of approximately 1.3. It was established that increasing the proportion of perennial grasses in the crop rotation did not consistently lead to higher green mass yield; the average annual yield in the A2 rotation was 15.1 t/ha, which was 31.3–37.0% lower than in the A1 and A3 rotations (19.8–20.7 t/ha). Humus content showed a positive correlation with yield: a 0.1% increase in humus corresponded to a 1.9% increase in green mass yield. The results indicate that the key factors influencing green mass formation for the studied crops are moisture availability (optimal HTC range 0.8–2.3), the level of mineral nutrition (yield increase from nitrogen application up to 24.0%), and soil humus content.

About the authors

A. K Svechnikov

Mari Agricultural Research Institute – Branch of Federal Agricultural Research Center of the North-East named N.V. Rudnitsky

Email: koalder@yandex.ru
Researcher Ruem, Mari El Republic, Russia

References

  1. Гребенников В.Г., Шипилов И.А., Хонина О.В. Подсев многолетних трав в обработанную дернину как метод восстановления кормовой продуктивности угодий // Сборник научных трудов ВНИИОК. 2017. № 10. C. 94–100.
  2. Grebennikov V.G., Shipilov I.A., Honina O.V. Podsev mnogoletnih trav v obrabotannuyu derninu kak metod vosstanovleniya kormovoj produktivnosti ugodij // Sbornik nauchnyh trudov VNIIOK. 2017. № 10. C. 94–100.
  3. Дьяченко В.В., Дронов А.В., Дьяченко О.В. Высокоурожайные бобово-мятликовые травосмеси для агроклиматических условий юго-западной части Центрального региона // Земледелие. 2016. № 7. C. 31–35.
  4. D’yachenko V.V., Dronov A.V., D’yachenko O.V. Vysokourozhajnye bobovo-myatlikovye travosmesi dlya agroklimaticheskih uslovij yugo-zapadnoj chasti Central’nogo regiona // Zemledelie. 2016. № 7. C. 31–35.
  5. Зарьянова З.А., Кирюхин С.В., Осин А.А. Экологическая оценка различных видов и сортов многолетних трав в условиях Орловской области // Земледелие. 2016. № 4. C. 39–47.
  6. Zar’yanova Z.A., Kiryuhin S.V., Osin A.A. Ekologicheskaya ocenka razlichnyh vidov i sortov mnogoletnih trav v usloviyah Orlovskoj oblasti // Zemledelie. 2016. № 4. C. 39–47.
  7. Золотарев В.Н., Косолапов В.М., Переправо Н.И. Состояние травосеяния и перспективы развития семеноводства многолетних трав в России и Волго-Вятском регионе // Аграрная наука Евро-Северо-Востока. 2017. № 56 (1). C. 28–34.
  8. Zolotarev V.N., Kosolapov V.M., Perepravo N.I. Sostoyanie travoseyaniya i perspektivy razvitiya semenovodstva mnogoletnih trav v Rossii i Volgo-Vyatskom regione // Agrarnaya nauka Evro-Severo-Vostoka. 2017. № 56 (1). C. 28–34.
  9. Козлова Л.М., Макарова Т.С., Попов Ф.А., Денисова А.В. Влияние предшественников озимой ржи на урожайность, показатели почвенного плодородия и экономическую эффективность // Достижения науки и техники АПК. 2012. № 6. C. 42–44.
  10. Kozlova L.M., Makarova T.S., Popov F.A., Denisova A.V. Vliyanie predshestvennikov ozimoj rzhi na urozhajnost’, pokazateli pochvennogo plodorodiya i ekonomicheskuyu effektivnost’ // Dostizheniya nauki i tekhniki APK. 2012. № 6. C. 42–44.
  11. Косолапов В.М. Трофимов И.А., Трофимова Л.С., Яковлева Е.П. Важнейший фактор биологизации земледелия – кормопроизводство. М.: Угрешская типография, 2015. C. 523–527.
  12. Kosolapov V.M. Trofimov I.A., Trofimova L.S., Yakovleva E.P. Vazhnejshij faktor biologizacii zemledeliya – kormoproizvodstvo. M.: Ugreshskaya tipografiya, 2015.C. 523–527.
  13. Пивень М.Г., Михайлова А.Г., Донских Н.А. Сравнительная оценка разных сортов клевера лугового при возделывании на кормовые и семенные цели // Известия СПбГАУ. 2020. № 60. C. 9–16. https://doi.org/10.24411/2078-1318-2020-13009
  14. Piven’ M.G., Mihajlova A.G., Donskih N.A. Sravnitel’naya ocenka raznyh sortov klevera lugovogo pri vozdelyvanii na kormovye i semennye celi // Izvestiya SPbGAU. 2020. № 60. C. 9–16. https://doi.org/10.24411/2078-1318-2020-13009
  15. Свечников А.К., Козлова Л.М. Динамика содержания гумуса в севооборотах с многолетними травами // Таврический вестник аграрной науки. 2023. № 34 (2). C. 87–101. https://doi.org/10.5281/zenodo.8271998
  16. Svechnikov A.K., Kozlova L.M. Dinamika soderzhaniya gumusa v sevooborotah s mnogoletnimi travami // Tavricheskij vestnik agrarnoj nauki. 2023. № 34 (2). C. 87–101. https://doi.org/10.5281/zenodo.8271998
  17. Уланов Н.А. Влияние атмосферных осадков на эффективность шлюзования в условиях выработанных торфяников. М.: ООО «Угреша Т», 2020. C. 44–48. https://doi.org/10.33814/MAK-2020-24-72-44-48
  18. Ulanov N.A. Vliyanie atmosfernyh osadkov na effektivnost’ shlyuzovaniya v usloviyah vyrabotannyh torfyanikov M.: OOO «Ugresha T», 2020. C. 44–48. https://doi.org/10.33814/MAK-2020-24-72-44-48
  19. Эседуллаев С.Т. Сравнительная продуктивность и питательная ценность одновидовых и смешанных посевов фестулолиума и традиционных многолетних трав на дерново-подзолистых почвах Верхневолжья // Кормопроизводство. 2018. № 4. C. 21–25.
  20. Esedullaev S.T. Sravnitel’naya produktivnost’ i pitatel’naya cennost’ odnovidovyh i smeshannyh posevov festuloliuma i tradicionnyh mnogoletnih trav na dernovo-podzolistyh pochvah Verhnevolzh’ya // Kormoproizvodstvo. 2018. № 4. C. 21–25.
  21. Ashworth A.J., Toler H.D., Allen F.L. et al. Global metaanalysis reveals agro-grassland productivity varies based on species diversity over time // PLOS ONE. 2018. № 7 (13). Р. e0200274. https://doi.org/10.1371/journal.pone.0200274
  22. Iqbal M.A., Iqbal A., Maqbool Z. et al. Revamping soil quality and correlation studies for yield and yield attributes in sorghumlegumes intercropping systems // Bioscience Journal. 2018. № 34. Р. 564–576. https://doi.org/10.14393/BJ-v34n3a2018-36561
  23. Galeev R.F., Shashkova О. N. Effect of biologization and chemicalization techniques on the productivity of the forage crop rotation in the forest-steppe of Western Siberia // Achievements of Science and Technology of AIC. 2019. № 10 (33). C. 22–25. https://doi.org/10.24411/0235-2451-2019-11005
  24. Peltonen-Sainio P., Jauhiainen L., Honkavaara E. et al. Precrop values from satellite images for various previous and subsequent crop combinations // Frontiers in Plant Science. 2019. № 10. Р. 462. https://doi.org/10.3389/fpls.2019.00462
  25. Wei.huhn P., Reckling M., Stachow U., Wiggering H. Supporting agricultural ecosystem services through the integration of perennial polycultures into crop rotations // Sustainability. 2017. № 12 (9). C. 2267. https://doi.org/10.3390/su9122267

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 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».