Ландшафтные факторы варьирования фитомассы сельскохозяйственных угодий Оренбургского Предуралья

Предсказуемость и малое внутриполевое варьирование урожаев – фактор эффективности сельского хозяйства. Зависимость продуктивности от гидротермических условий может определяться пространственной структурой ландшафта. На примере степного агроландшафта в Оренбургской области анализировалось влияние площадных и качественных характеристик ландшафтного соседства на внутриполевую вариабельность зеленой фитомассы. Использованы вегетационные индексы NDVI для 92 полевых участков с обычной площадью 100 га по 42 космоснимкам Landsat за 30-летний период в среднем по 4–6 за сезон. В качестве зависимой переменной рассматривались NDVI полевых пикселов, в качестве независимых – площади эрозионных форм и живых лесополос и суммарный NDVI лесополос в окрестности радиусом 150 м. Виды культур, свойства лесополос и ложбин описывались при полевых исследованиях. Кластерный анализ применялся для распознавания видов культур по сходству годового хода NDVI с таковыми в годы полевых наблюдений. Мультирегрессионные уравнения составлялись для расчетов суммарного вклада трех факторов соседства во внутриполевое варьирование фитомассы и их вкладов по отдельности. Параметры уравнений сравнивались для июньских дат за три года с различной тепловлагообеспеченностью. Установлено, что внутриполевое варьирование зеленой фитомассы может быть более чем наполовину обусловлено факторами ландшафтного соседства с эрозионными формами и лесополосами. Поля классифицированы по степени стабильности влияния лесополос и ложбин при разных гидротермических условиях. Наиболее стабильное влияние на зеленую фитомассу культур оказывает соседство с эрозионными формами рельефа, наименьшее – состояние лесополос. Для 44% площади исследования зависимость зеленой фитомассы от ландшафтного соседства стабильна от года к году и статистически значима. Соседство с лесополосами и их состояние сильнее влияют на июньскую фитомассу в жаркие и сухие годы, а близость к эрозионным формам – в годы с обильным зимним и весенним увлажнением. С приближением к лесополосам фитомасса растет почти на всех полях. Площадь смежных живых лесонасаждений имеет большее значение, чем их состояние. Установлены пороговые значения соседств с эрозионными формами и живыми лесополосами, при достижении которых зеленая фитомасса на плакорах возрастает. Достоверное влияние факторов соседства на фитомассу проявляется вне зависимости от вида культур.

1. Бадреев Р.М. Влияние нормы высева, способов внесения и уровня азотного питания на урожайность и качество зерна многорядного и двурядного ячменя на черноземах южных Оренбургского Предуралья: дис. … канд. с.-х. наук. Оренбург, 2008. 210 с.

2. Глазунов Г.П., Гендугов В.М., Евдокимова М.В. и др. Выбор и проверка модели сезонной динамики показателей биомассы сельскохозяйственных культур с использованием вегетационных индексов // Материалы II Всероссийской научной конференции «Применение средств дистанционного зондирования Земли в сельском хозяйстве». СПб.: ФГБНУ АФИ, 2018. С. 75–84.

3. Гулянов Ю.А. Мониторинг фитометрических параметров с использованием инновационных методов сканирования посевов // Таврический вестник аграрной науки. 2019. № 3(19). С. 64–76. DOI: 10.33952/2542-07202019-3-19-64-76.

4. Епишева Ю.Ю. Структура урожая и урожайность зерновых культур на черноземах южных Оренбургской области // Роль агрономической науки в оптимизации технологий возделывания сельскохозяйственных культур. Ижевск, 2020. С. 136–139.

5. Кирюшин В.И. Экологические основы проектирования сельскохозяйственных ландшафтов. СПб.: КВАДРО, 2018. 568 с.

6. Климентьев А.И. Почвенно-географическое районирование Оренбургской области // Вопросы степеведения. Оренбург, 2005. С. 83–95.

7. Манаенков А.С., Подгаецкая П.М., Попов В.С. Влияние полезащитных лесных полос на развитие яровой пшеницы в приопушечной зоне посевов // Вестн. Моск. ун-та. Сер. 5. Геогр. 2023. № 4. С. 97–106. DOI: 10.55959/MSU0579-9414.5.78.4.9.

8. Письман Т.И., Ботвич И.Ю., Сидько А.Ф. Определение сезонной динамики урожайности агроценозов на основе спутниковой информации и математической модели // Известия РАН. Серия биологическая. 2014. № 2. С. 196–202. DOI: 10.7868/s0002332914020106.

9. Хорошев А.В., Ткач К.А., Муртазина Д.У. Влияние ландшафтной структуры на урожайность зерновых культур в степной зоне Казахстана // Вестн. Моск. ун-та. Сер. 5. Геогр. 2018. № 3. С. 62–69.

10. Черемисинов А.Ю., Спахова А.С. Агролесомелиорация. Воронеж: ВГАУ, 2014. 212 с.

11. Birtwistle A.M., Laituri M., Bledsoe B. et al. Using NDVI to measure precipitation in semi-arid landscapes, Journal of Arid Environments, 2016, vol. 131, p. 15–24.

12. Blackmore S., Godwin R.J., Fountas S. The analysis of spatial and temporal trends in yield map data over six years, Biosystems Engineering, 2003, vol. 84, p. 455–466, DOI: 10.1016/S1537-5110(03)00038-2.

13. Corwin D. Site-specific management and delineating management zones, Precision Agriculture for Food Security and Environmental Protection, M. Oliver (еd.), Earthscan, London, UK, 2013, р. 135–157.

14. Detsch F., Otte I., Appelhans T. et al. Seasonal and longterm vegetation dynamics from 1-km GIMMS-based NDVI time series at Mt. Kilimanjaro, Tanzania, Remote Sensing of Environment, 2016, vol. 178, p. 70–83, DOI: 10.1016/j.rse.2016.03.007.

15. Duan T., Chapman S.C., Guo Y. et al. Dynamic monitoring of NDVI in wheat agronomy and breeding trials using an unmanned aerial vehicle, Field Crops Research, 2017, vol. 210, p. 71–80, DOI: 10.1016/j.fcr.2017.05.025.

16. Eckert S., Hüsler F., Liniger H. et al. Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia, Journal of Arid Environments, 2015, vol. 113, p. 16–28, DOI: 10.1016/j.jaridenv.2014.09.001.

17. Johansen B., Tømmervik H. The relationship between phytomass, NDVI and vegetation communities on Svalbard, International Journal of Applied Earth Observation and Geoinformation, 2014, vol. 27, p. 20–30, DOI: 10.1016/j.jag.2013.07.001.

18. Kiryanov-Gref F.K., Khoroshev A.V., Anatskaya K.A. Factors of intra-field phytomass variability in steppe agricultural landscapes of Kazakhstan, Bulletin of the Karaganda University, “Biology. Medicine. Geography” Series, 2024, vol. 29, iss. 1(113), p. 150–158, DOI: 10.31489/2024BMG1/150-158.

19. Lyle G., Lewis M., Ostendorf B. Testing the temporal ability of LANDSAT imagery and precision agriculture technology to provide high resolution historical estimates of wheat yield at the farm scale, Remote Sensing, 2013, vol. 5, p. 1549–1567, DOI: 10.3390/rs5041549.

20. Mahajan U., Bundel B.R. Drones for normalized difference vegetation index (NDVI), to estimate crop health for precision agriculture: A cheaper alternative for spatial satellite sensors, Proceedings of the International Conference on Innovative Research in Agriculture, Food Science, Forestry, Horticulture, Aquaculture, Animal Sciences, Biodiversity, Ecological Sciences and Climate Change (AFHABEC-2016), Delhi, India, 2016, vol. 22, p. 31.

21. Verhulst N., Govaerts B. The normalized difference vegetation index (NDVI) Green Seeker TM handheld sensor: Toward the integrated evaluation of crop management, part A, Concepts and case studies, Mexico, D.F., 2010, DOI: 10.1016/j.funeco.2023.101233.