Scientific journal

Advances in current natural sciences

ISSN 1681-7494

"Перечень" ВАК

ИФ РИНЦ = 0,775

Соевые бобы являются одними из немногих продуктов растительного происхождения, в составе которых имеются двенадцать незаменимых аминокислот. Эти аминокислоты определяют белковый метаболизм организмов людей и сельскохозяйственных животных. В этой связи расширение зоны эффективного культивирования сои становится важной научно-технической задачей.

Одним из путей решения этой научно-технической задачи является определение влияния почвенно-климатических факторов на урожайность сои и оценка их значимости. Известно, что значения общей пористости почвы и пористости аэрации являются важными характеристиками, определяющими урожайность сои в средней полосе России [1, с. 18]. Учет этих характеристик позволяет назначить комплекс агротехнических мероприятий, направленных на повышение биопродуктивности сои, таких как прямой посев, севооборот и обработка почвы с использованием прогрессивной почвообрабатывающей техники [2, с. 70; 3, с. 15]. Эти показатели влияют на влагообеспеченность почвы, имеющую прямую корреляцию с ее урожайностью [4, с. 82]. Также урожайность сои увеличивается при ее посадке на поле, где перед этим росла одна из следующих культур: кукуруза, сорго и подсолнечник [5, с. 11; 6, с. 3]. Среди климатических условий, влияющих на урожайность сои, важную роль играют атмосферные осадки в весенне-летний период, которые обеспечивают необходимую влажность почвы. В этой связи определение зон, где можно эффективно возделывать сою, является актуальной задачей [7, с. 25].

Расположенная в зоне умеренно континентального климата, Саратовская область является аридным регионом, земледелие которого определяется комплексом агротехнических мероприятий, направленных на повышение увлажненности почвы с учетом мониторинга ее значений.

Мониторинг значений влажности почвы можно проводить непосредственным и дистанционным зондированием. В настоящее время дистанционное зондирование поверхности Земли является одним из информативных и эффективных методов исследования агроэкологических и агроинженерных свойств почвы и биопродуктивности растений, а также влияния на них окружающей среды. Этот подход позволяет устанавливать влияние засухи, пожаров и фитосанитарного состояния посевных площадей на урожайность сельскохозяйственных культур. Преимуществом такого подхода является его экономичность, а также возможность проводить одновременный сравнительный анализ состояния наделов, находящихся в разных климатических условиях на значительном удалении друг от друга.

При этом основными характеристиками, связывающими спектрометрические характеристики территории и состояние биомассы, являются вегетационные индексы. Они оцениваются на двух стабильных максимумах отражательной способности растений: максимуме поглощения хлорофилла, находящегося в красной области, и максимуме отражения солнечной радиации клеточной структурой листовой пластины [8, с. 3]. Почвенный фактор также влияет на растительные вегетационные индексы, поэтому для учета этого влияния необходима коррекция спектральных измерений загрязненности почвы [9, с. 67]. При геоинформационном растровом анализе почвенных карт и карт распределения вегетационных индексов отмечено, что индекс растительности, с оптимизированным учетом почвы (OSAVI), позволяет установить пространственные границы между основными типами почв с различными режимами увлажнения. При этом низкие значения вегетационного индекса характерны для почв гидроморфного режима увлажнения, сформировавшихся вблизи берегов небольших озер [10, с. 120]. Применение нормализованного разностного вегетационного индекса (NDVI) к исследованию плодородия посевов позволяет определить недостаток увлажнения как причину низкой биопродуктивности выращиваемой культуры [11, с. 34]. Сравнение величины этого индекса, в различные фазы вегетации сельскохозяйственной культуры, как при условии внесения подкормок, так и без них, позволяет оценивать эффективность мелиоративных мероприятий, направленных на рациональное использование агросферы [12, с. 27]. Применение гиперспектрального дистанционного зондирования позволяет понизить спектральную область захвата, что улучшает качество исследования физиологических характеристик растений и их ответа на изменение состояния окружающей среды, а также позволяет выявлять обеспеченность растительного организма питательными веществами. Расширение теоретической базы точного земледелия за счет возрастания возможностей вычислительной базы, основанной на повышении качества разрешения космоснимков и их частоты, позволяет исследовать агрохимические и агрофизические характеристики почв и сельскохозяйственных культур [13, с. 11].

Цель исследования – с помощью данных дистанционного зондирования определить взаимосвязь между урожайностью сои и вегетационными индексами, характеризующими качество почв, расположенных на различных по аридности территориях Саратовской области.

Для достижения поставленной цели решались следующие задачи:

− оценка вегетационных индексов, характеризующих агрофизические свойства почвы – стандартизованного индекса различий увлажненности (Normalized Difference Moisture Index, NDMI), почвенного вегетационного индекса (Soil-Adjusted Vegetation Index, SAVI) и нормализованного разностного вегетационного индекса (Normalized Difference Vegetation Index, NDVI);

− исследование корреляционной взаимосвязи между этими индексами и урожайностью сои, выращенной на почвах, расположенных на различных по аридности территориях Саратовской области.

Материалы и методы исследования

Использование спутниковой информации для диагностики состояния сельскохозяйственных полей – актуальное направление современной аграрной науки. Для решения задач экологической и сельскохозяйственной оценки территорий, с помощью методов дистанционного зондирования, применяются вегетационные индексы. При сборе и анализе картографического материала использовались данные о высотных профилях местности. Для цифровой модели рельефа применялись показатели SRTM (NASA Shuttle Radar Topography Mission). Значения для исследования поверхности Земли, расположенной между 60 параллелью северной широты и 54 параллелью южной широты, поставляются в варианте сетки с размером ячейки 3 угловые секунды (SRTM3). Файлы представляют собой матрицу из 1201х1201 значений.

Исходными материалами при дистанционном зондировании нами использованы мультиканальные снимки со спутника Landsat 8 с применением двух инструментов, Operational Land Imager (OLI) и Thermal InfraRed Sensor (TIRS). OLI сканирует объекты в 9 диапазонах видимого спектра и ближнего инфракрасного излучения, TIRS – в двух диапазонах инфракрасного излучения. Размер пикселя при сканировании – 30 × 30 м. Ширина полосы сьемки – 1,85∙105 м.

Обработка данных SRTM и картографирование полученного материала проводилось с помощью программного комплекса QGIS (версия 3.28.0) с системой координат проекции Мир WGS 1984 World Mercator. Статистическая обработка полученных данных реализована в программном комплексе Statistica (версия 10). Интерпретация полученных данных проведена методом одноканального псевдоцветного изображения (рис. 1–3).

Стандартизованный индекс различий увлажненности (NDMI) характеризует уровень влажности в растительности для оценки засушливости среды и подсчитывается по формуле [14, с. 435]:

(1)

где NIR и SWIR – показатели эффективности отражения в ближнем и коротковолновом инфракрасном спектральных каналах соответственно в мультиканальном снимке.

Нормализованный относительный индекс растительности NDVI (Normalized Difference Vegetation Index) подсчитывается по формуле [15, с. 340]:

(2)

где NIR и RED – соответственно показатели эффективности отражения в ближнем и красном каналах в мультиканальном снимке.

Рис. 1. Карта распределения индекса засушливости NDMI по районам возделывания сои в Саратовской области

Рис. 2. Карта распределения индекса NDVI по районам возделывания сои в Саратовской области

Рис. 3. Карта распределения индекса SAVI по районам возделывания сои в Саратовской области

Средние значения вегетационных индексов и урожайность сои в районах Саратовской области, отличающихся по засушливости

Почвенный вегетационный индекс (Soil-Adjusted Vegetation Index, SAVI) определяется по формуле

(3)

где L – коэффициент облиствения, L ∈ [0;1], L = 0 для наибольшего индекса облиствения, L = 1 для наименьшего. В формуле (3) применялось оптимальное значение L = 0,5, так как при данном значении индекс позволяет минимизировать влияние яркости почвы на отражательную способность растений.

Изучались следующие районы выращивания сои в Саратовской области: Дергачевский, Новоузенский, Пугачевский, Марксовский, Хвалынский, Балаковский, Аткарский, Ершовский. Эти районы различаются по физико-климатическим характеристикам, определяющим плодородие почвы, в частности по ее влажности и засушливости. Информация по урожайности сои в данных районах предоставлена производителями сельскохозяйственной продукции. Средние значения вегетационных индексов и урожайность сои в изучаемых районах представлены в таблице.

Результаты исследования и их обсуждение

Сравнительная характеристика засушливости территорий отражена усиливающейся градиентной окраской карты от менее к более засушливой (рис. 2). Полученные результаты свидетельствуют о том, что аридность районов Саратовской области увеличивается в следующем порядке: Хвалынский район – Балаковский район – Пугачевский район – Аткарский район – Марксовский район – Ершовский район –Дергачевский район – Новоузенский район (рис. 1–3).

Оценка влияния физико-климатических факторов на урожайность сои осуществлена проведением корреляционного анализа величин урожайности и вегетационных индексов. Построенная матрица множественной корреляции (рис. 4) содержит статистически значимые коэффициенты корреляции (выделены красным цветом) между вегетационными индексами и урожайностью.

Анализ корреляционных взаимосвязей между вегетационными индексами и урожайностью позволяет утверждать, что наиболее тесные корреляционные соотношения существуют между индексами NDMI и NDVI, SAVI и NDMI. Величина урожайности показывает значительный разброс относительно линейной зависимости.

Для оценки вида нелинейной регрессии между изучаемыми параметрами произведен сравнительный анализ тесноты корреляционной взаимосвязи в рамках нескольких линейных моделей. Установлено, что статистически значимыми являются результаты применения линейной регрессии к описанию взаимосвязи зависимого параметра (урожайности сои) от независимых параметров (вегетационных индексов).

Таким образом, уравнения регрессионной взаимосвязи можно представить следующим образом:

Урожайность = 30,0452 + 176,9502 ∙ NDMI, (4)

Урожайность = –37,8378 + 79,2406 ∙ NDVI, (5)

Урожайность = –43,6041 + 85,1466 ∙ SAVI, (6)

Распределение остатков вблизи прямой зависимости ожидаемого нормального значения урожайности от величины остатка для вегетационных индексов (рис. 5) свидетельствует о статистической значимости регрессионных моделей.

Исходя из величины коэффициента b перед значением вегетационного индекса в соответствующем регрессионном уравнении, можно сделать вывод, что урожайность сои в наибольшей степени зависит от величины – засушливости (NDMI) и во вторую очередь – примерно одинаково – от фотосинтетической продуктивности биомассы (NDVI) и контрастности почвенного фактора по отношению к зеленой биомассе сои (SAVI).

Рис. 4. Матрица множественной корреляции между значениями индексов NDMI, NDVI, SAVI и урожайностью сои (ц/га)

Рис. 5. Разброс величины остатков вблизи прямой ожидаемого нормального значения урожайности сои от величины остатка для вегетационных индексов

Оптимальное соотношение между индексами NDMI, NDVI, характеризующими влияние климатического фактора на биопродуктивность сои (рис. 6, а), соответствует диапазону изменения NDMI [-0,08 ... -0,07], NDVI [0,70 ... 0,74], и урожайности [15 ... 20] (ц/га). Понижение величины NDVI ниже диапазона оптимальных значений свидетельствует о нехватке влаги или питательных элементов и необходимости проведения мелиоративных мероприятий, направленных на ее повышение: боронования, вспашки, соблюдения норм полива, а также внесения в каштановые почвы биостимуляторов роста, что увеличивает продуктивность зеленой фитомассы. B наибольшей степени почвенный фактор характерен для черноземных почв, типичных для северных районов Саратовского правобережья. В условиях средней величины суммарный коэффициент отражения SAVI агрегирует вклады сельскохозяйственной культуры и почвы (рис. 6, б). С севера на юг области тип почв меняется от черноземной к каштановым, а структура почвы меняется с глинистой к песчаной и супесчаной. При этом контрастность отражения между почвой и растительностью снижается, что связано с уменьшением величины зеленой биомассы.

Рис. 6. 3D-зависимость совместного влияния вегетационных индексов на урожайность сои: а) NDMI, NDVI; б) NDVI , SAVI; в) NDMI , SAVI

Индекс NDMI, снижение которого отвечает возрастанию засушливости климата, несет информацию об актуальности проведения мелиоративных мероприятий, направленных на повышение влажности почвы: полива, вспашки.

Оптимальное соотношение между индексами SAVI, NDMI и урожайностью сои (рис. 6, в) соответствует диапазону изменения SAVI [0,78...0,82], NDMI [-0,07...-0,04], урожайности сои [15...20] (ц/га). Дефицит влагообеспеченности приводит к снижению показателя всхожести сельскохозяйственной культуры и сокращению времени созревания, сопровождающимся понижением продуктивности биомассы и увеличением степени разреженности соответствующего сельскохозяйственного участка.

Анализ данных (рис. 6, а, в) позволяет заключить, что при снижении данных индексов NDMI относительно минимального значения в данных интервалах необходимо применение мелиоративных мероприятий, направленных на увеличение увлажненности почвы.

Заключение

Установлено, что величина урожайности сои коррелирует с вегетационными индексами, характеризующими продуктивность биомассы (NDVI), засушливость климата (NDMI) и степень контрастности отражения почвенного покрова относительно растительности. Линейная регрессионная зависимость урожайности от данных индексов показала, что урожайность сои в наибольшей степени зависит от величины индекса засушливости (NDMI) и во вторую очередь – примерно одинаково – от фотосинтетической продуктивности биомассы (NDVI) и величины почвенного вегетационного индекса (SAVI). Неравномерность распределения определенных индексов на изучаемых территориях может быть связана с неоднородностью посевов, а также различной продуктивностью сои. Установлены средние интервалы значений между вегетационными индексами и урожайностью сои, при выходе за которые рекомендуется производить мелиоративные мероприятия, направленные на увлажнение почвы.