Математическая модель для прогнозирования урожайности яблони на подвое 62-396
- Авторы: Захаров В.Л.1, Бунеев С.С.1, Шубкин С.Ю.1, Сотников Б.А.1, Кравченко В.А.1
-
Учреждения:
- ФГБОУ ВО «Елецкий государственный университет имени И.А. Бунина»
- Выпуск: № 4 (2024)
- Страницы: 69-71
- Раздел: Растениеводство и селекция
- URL: https://snv63.ru/2500-2082/article/view/659277
- DOI: https://doi.org/10.31857/S2500208224040126
- EDN: https://elibrary.ru/xkvihs
- ID: 659277
Цитировать
Полный текст
Аннотация
Выделены наиболее значимые почвенные параметры для формирования урожайности сортов яблони на карликовом подвое 62-396, построена математическая модель для прогнозирования урожайности плодов в условиях Центрального Черноземного региона Российской Федерации. Исследования проводили в 2004–2022 годах на промышленных насаждениях яблони в возрасте полного плодоношения в двух хозяйствах Липецкой области и восьми Тамбовской. Изучено семь типов почв. На основании статистического анализа получена математическая модель урожайности яблони как аналитическая зависимость от трех факторов. Представлена геометрическая интерпретация регрессионной модели с помощью системы символьной математики Mathcad в виде поверхностей отклика и соответствующих им линий уровня. Даны практические рекомендации по выбору рациональных параметров внутри интервалов варьирования факторов.
Ключевые слова
Полный текст
На формирование урожайности яблони влияет комплекс почвенных параметров. В овражном районе Лессового плато Северного Китая лимитирующий фактор урожайности яблони – влажность почвы. [20] Для этого региона были определены критические пороговые значения pH, содержания органического вещества, доступного азота, фосфора и калия, на основе которых стало возможным корректировать систему удобрений. [23] Урожайность яблони зависит от плотности почвы, ее гранулометрического состава, наличия органического вещества и прочих почвенных параметров. [11, 19, 21] Содержание бора определяет процент завязывания плодов, азота – макроэлементный состав листьев и плодов, фосфора – нормализует стабильность клеточных мембран, препятствует межклеточному наливу плодов, повышает их устойчивость к потемнению и способствует увеличению антиоксидантов. [8, 15] Рост количества калия в почве приводит к уменьшению процента кальция в листьях и плодах яблони, но увеличивает урожайность последних, содержание в них сахаров и сохранность. [7] На примере сорта Лодо и Жигулевское в условиях Тамбовской области было доказано, что снижение поступления калия в растение делает более доступным почвенный кальций, способствующий увеличению его содержания в листьях и твердости плодов. [5, 10] Большое количество дрожжей и полезных бактерий в почве сопутствует хорошей гумусированности и ускоряет фотосинтез яблони, увеличение кислотности почвы приводит к повышению содержания марганца в листьях. [12, 13] Содержание цинка, марганца и бора в яблоках и листьях прямо пропорционально концентрации этих элементов в питательном растворе. [9]
Традиционно урожайность яблони прогнозировали по ее многолетней динамике или исходя из сформированных на дереве генеративных образований. Рассчитать урожайность можно по проценту плодовых образований в общей структуре ветвей или обработав фотографии кроны с помощью искусственной нейронной сети, а также по сорто-подвойным комбинациям. [14] Есть фотокамеры, позволяющие по величине кроны и диаметру яблок точно определить урожайность яблони. [1, 4, 16–18, 22] Машинное зрение распознает степень плодовой нагрузки и калькулирует ожидаемый урожай. [6] Построена модель на метеоданных, помогающая оценить степень повреждения деревьев яблони. [2] Создан программный инструмент Crop Advisor, прогнозирующий урожайность яблони с помощью климатических параметров. [11] В Калифорнии, с учетом нескольких неизменных параметров почвы по данным шести округов, разработали компьютерную модель для вычисления урожайности яблони. [3]
Цель работы – выделить наиболее значимые почвенные параметры для формирования урожайности сортов яблони на карликовом подвое 62-396, построить математическую модель для ее прогнозирования в условиях Центрального Черноземного региона РФ.
МАТЕРИАЛЫ И МЕТОДЫ
Полевые опыты проводили в 2004–2022 годах на промышленных насаждениях яблони (возраст полного плодоношения) в двух хозяйствах Липецкой области и восьми Тамбовской. Система содержания междурядий – черный пар. Сорта Мелба, Мантет, Первенец, Синап Орловский, Северный Синап, Лобо, Жигулевское, Уэлси, Пепин шафранный, Веньяминовское, Строевское, Богатырь, Победа, Антоновка обыкновенная, Беркутовское. Подвой – 62-396. Схема размещения деревьев – 5 × 3 м. Почвы – чернозем оподзоленный, выщелоченный, типичный, лугово-черноземная, черноземно-луговая, серая лесная, дерново-подзолистая. На каждом из типов почв было по 24 учетных дерева, шесть в блоке. Расположение блоков – рендомизированное. Учитывали урожай по методическим указаниям Ю.А. Маркова. Агрохимические анализы почвы выполняли в научно-исследовательской лаборатории Елецкого государственного университета имени И.А. Бунина по инструкции ЦИНАО, физические параметры – термостатно-весовым и объемно-весовым методами. Полученные данные математически обрабатывали методом дисперсионного анализа по Б.А. Доспехову, корреляционный анализ осуществляли в программе Microsoft Excel.
В исследовании применяли симметричные ротатабельные композиционные планы второго порядка, состоящие из ядра и звездных точек.
В качестве основных факторов, оказывающих наиболее значительное воздействие на урожайность – y, были выбраны: X1 – плотность почвы, X2 – мощность гумусового горизонта и X3 – процентное содержание гумуса. Характеристики планирования сведены в таблицу.
Характеристики планирования
Показатель | Min (–1) | Max (+1) | Интервал варьирования |
