Оценка состояния и почвозащитная обработка пахотных почв Ставропольского края

   Пахотные почвы Ставрополья подвержены влиянию различных природных и техногенных факторов, ухудшающих почвенное плодородие, поэтому разработка ряда определенных почвозащитных мероприятий является важной практической задачей. Процессы, влияющие на почву, имеют, как правило, комплексный характер и включают в себя определенное число факторов (водная эрозия, дефляция и т. д.), которые в той или иной степени проявляются на определенном типе черноземных и каштановых почв. Основная задача заключается в комплексной оценке состояния почв пашни на основе информации о площадях факторов, влияющих на почвы в районах обследования края. Для этой цели используется расчетный метод главных компонент, позволяющий получить значения комплексного показателя состояния почвы (КПСП). Установлено, что в главную компоненту РС1 входят значимые факторы: солончаки и засоленные почвы; солонцы и смытые почвы. В компоненту РС2 – дефлированные и переувлажненные почвы. Основной вклад в компоненту РС3 вносит фактор: почвы, разрушенные совместным проявлением эрозии и дефляции. Координаты расчетной точки BST и значения КПСП (Di) определяются и рассчитываются в подпространстве выделенных главных компонент. Далее методом группировки данных проводится ранжирование районов обследования края по значению КПСП с выделением групп районов с удовлетворительным, посредственным и неудовлетворительным уровнем состояния почв и представление данных КПСП в картографическом виде. Анализ данных карты-схемы размещения определенных типов почв по территории края и сравнение их с данными на карте уровня состояния почв по точкам обследования позволяет сделать вывод о том, что в большинстве случаев определенным негативным факторам почвенно-климатического характера и генезиса почв соответствует неудовлетворительный уровень состояния почвы по значению КПСП (Di). На основании комплексной оценки уровня состояния почв разработаны конкретные почвозащитные мероприятия по основной обработке почвы: в зонах с удовлетворительным уровнем – энергосберегающие технологии с отвальной обработкой только в системе полупара; с посредственным уровнем – комбинированное безотвальное рыхление; при неудовлетворительном уровне состояния почв – мелкие мульчирующие обработки до 10–12 см в дефляционных районах и глубокое чизелевание до 40 см на солонцовых почвах.

1. Айвазян В. М., Бухштабер И. С., Енюков Л. Д., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. 607 с.

2. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. М.: Мир, 1982. 488 с.

3. Герасимова М. И., Головлева Ю. А., Лаврова А. М., Красильников П. В. Количественная оценка почвенного разнообразия при разных масштабах исследования на примере Республики Карелии // Вестн. Моск. ун-та. Сер. 5. Геогр. 2020. № 3. С. 47–52.

4. Дубров А. М. Обработка статистических данных методом главных компонент. М.: Статистика, 1978. 136 с.

5. Зиновьев А. Ю. Визуализация многомерных данных. Красноярск: Изд-во КГТУ, 2000. 180 с.

6. Кулинцев В. В., Годунова Е. И., Желнакова Л. И. и др. Система земледелия нового поколения Ставропольского края. Ставрополь: АГРУС Ставропольского гос. аграрного ун-та, 2013. 520 с.

7. Куприченков М. Т. Почвы Ставрополья. Ставрополь: Ставропольская краевая типография, 2005. 423 с.

8. Смирнова М. А., Геннадиев А. Н. Количественная оценка почвенного разнообразия: теория и методы исследования // Вестн. Моск. ун-та. Сер. 5. Геогр. 2017. № 4. С. 3–11.

9. Stagnari F., Galieni A., D’Egidio S., Pagnani G., Pisante M. Sustainable soil management. Innovations in sustainable agriculture, 2019, р. 105–131, DOI: 10.1007/978-3-030-23169-9_5.

10. Trofimov I. A., Trofimova L. S., Yakovleva E. P., Oparina O. S., Oparin M. L. Scientific Bases for Enuring Productive Longevity of Agrolandscapes in Russia, Biology Bulletin, 2019, vol. 46, no. 10, р. 1442–1447.

11. Klik A., Rosner J. Long-term experience with conservation tillage practices in Austria: Impacts on soil erosion processes Soil and Tillage Research, 2020, 203 р.

12. Gorban A., Keg B., Wunsch D., Zinovyev A. Principal Manifolds for Data Visualization and Dimension Reduction, LNCSE 58, Springer, Berlin, Heidelberg, New York, 2007, URL: http://pca.narod.ru/ (дата обращения 30. 04. 2021).