Mathematical model for predicting the yield of apple trees on rootstock 62-396
- 作者: Zakharov V.L.1, Buneev S.S.1, Shubkin S.Y.1, Sotnikov B.A.1, Kravchenko V.A.1
-
隶属关系:
- Bunin Yelets State University (YelSU)
- 期: 编号 4 (2024)
- 页面: 69-71
- 栏目: Crop Production and Selection
- URL: https://snv63.ru/2500-2082/article/view/659277
- DOI: https://doi.org/10.31857/S2500208224040126
- EDN: https://elibrary.ru/xkvihs
- ID: 659277
如何引用文章
全文:
详细
Traditionally, forecasting apple tree yields was carried out on the basis of statistics of already obtained long-term yield dynamics or based on generative formations formed on the tree. The purpose of the work is to identify the most significant soil parameters for the formation of the apple tree varieties yield on the dwarf rootstock 62-396 and to build a mathematical model for predicting fruit yield in the conditions of the Central Chernozem region of the Russian Federation. Field research was carried out in 2004-2022 in industrial apple tree plantations at the age of full fruiting in the Lipetsk (two farms) and Tambov (eight farms) regions. Seven horticultural soil types have been studied. Based on statistical analysis, a mathematical model of apple tree productivity was obtained in the form of an analytical dependence on three factors. A geometric interpretation of the regression model is given using the Mathcad symbolic mathematics system in the form of response surfaces and the corresponding level lines. Practical recommendations are given for choosing rational parameters within selected intervals of factor variation.
全文:
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 |
