Мониторинг влияния факторов природной среды на урожайность травостоев

УДК 631.5:631.6:911.2

Мониторинг влияния факторов природной среды на урожайность травостоев

Иванов Д. А., доктор сельскохозяйственных наук

Рублюк М. В., кандидат сельскохозяйственных наук

Карасёва О. В., кандидат сельскохозяйственных наук

ФГБНУ «Всероссийский научно-исследовательский институт мелиорированных земель» (ФГБНУ «ВНИИМЗ»)

170530, Россия, Тверская обл., п. Эммаусс, д. 27

E-mail: 2016vniimz-noo@list.ru

В статье показано влияние временной динамики параметров плодородия почв, погодных условий и структуры агроценоза на изменчивость урожая сена в различных ландшафтных условиях. Исследования проводились в 2001–2017 годах на полигоне ФГБНУ «ВНИИМЗ». Мониторинг проводился на агроэкологической трансекте, узком поле длиной 1300 м, пересекающем все основные микроландшафтные позиции конечно-моренного холма. Определение продуктивности травостоев и параметров ландшафтной среды проводилось в точках опробования, различающихся только в природном отношении. Они регулярно расположены по трансекте на расстоянии 40 м друг от друга. Для отдельных частей агроландшафта были получены уравнения множественной регрессии, описывающие влияние параметров ландшафтных компонентов и многолетних колебаний агрометеорологических показателей на урожайность сена. В результате исследований выявлено, что возраст травостоев является основной причиной трансформации адаптивных реакций растений на природные условия агроландшафта. Продуктивность молодых травостоев 1-го г.п. практически в одинаковой степени зависит от почвенных, климатических и внутриценотических условий, тогда как травы 2-го г.п. сильнее откликаются на изменение метеоусловий, а травостои 3-го г.п. в основном зависят от характера динамики показателей почвенного плодородия. Совокупность факторов природной среды, использованная нами в данной работе, не является исчерпывающей для описания процессов формирования продуктивности трав различного возраста. Наиболее полно на её основе можно описать динамику продуктивности трав 1-го г.п., в то время как для случаев более зрелых травостоев её явно не хватает — некоторые регрессионные модели недостаточно представительны, а иные и недостоверны. Это объясняется малой длиной временных рядов, которая не позволяет включить в регрессионную модель значительное количество предикторов. По мере накопления информации представительность моделей будет возрастать.

Ключевые слова: агроландшафт, мониторинг, многолетние травы, регрессионные модели, адаптивные реакции растений на условия природной среды.

Effect of environment on grass productivity

Ivanov D. A., Dr. Agr. Sc.

Rublyuk M. V., PhD Agr. Sc.

Karaseva O. V., PhD Agr. Sc.

The All-Russian Research Institute of Meliorated Lands

170530, Russia, the Tver region, poselok Emmaus (village), 27

E-mail: 2016vniimz-noo@list.ru

This article deals with the effect of soil fertility, weather and botanical composition on hay yield in different location. Investigations took place at the All-Russian Research Institute of Meliorated Lands in 2001–2017. The monitoring was conducted on the 1300 m-long narrow field (transect) that crossed all the main microlandscape locations of the terminal moraine. Productivity tests were arranged at sampling points along the transect located 40 m from each other. Regression models obtained described the influence of the landscape and weather on hay yield. Ecosystem age was the main parameter affecting plant adaptability. The productivity of the first-year grasses depended on soil, climate and botanical composition. Second-year plants were mostly affected by weather condition. Third-year stands mainly depended on soil fertility. The accurate description of yield formation requires more environmental factors to be used particularly for older grass ecosystems. The most accurate regression model was obtained for the first-year grasses. Significant number of environmental parameters could not be included into regression models due to the short time period. To develop efficient models more information should be considered.

Keywords: landscape, monitoring, perennial grass, regression model, adaptation, reaction, plant, environment.

Обсуждение закрыто.