Цифровое сопровождение агротехнологий в земледелии Южного Урала

   Исследования проведены в 2019–2024 гг. в посевах озимой и яровой пшеницы, озимой ржи, ячменя, подсолнечника, кукурузы и сои в Центральной почвенно-климатической зоне Оренбургской области с целью выявления эффективности цифровых методов в управлении продуктивностью полевых культур.

   Цифровой мониторинг развития биологической массы осуществляли посредством нормализованного разностного вегетационного индекса (NDVI) на основе данных ДЗЗ и наземного сканирования ручным сенсором. Площадь ассимиляционной поверхности растений определяли весовым методом. При обработке цифрового материала использовали общепринятые методы статистического анализа. Метеорологические условия соответствовали свойственной региону засушливости климата, определяемой повышенными ресурсами тепла и ограниченным атмосферным увлажнением. При сумме активных (выше 10 ^oC) температур 3402 ^oC и 232 мм осадков в среднем за период исследований ГТК Селянинова составил 0,69 единицы. Выявлена высокая внутрипольная гетерогенность биомассы растений, сопровождающаяся пространственной вариабельностью урожайности и снижением валовых сборов. Определена приемлемость цифровых методов ее выражения в виде мозаичности NDVI. Выявлена сильная связь его величины с площадью ассимиляционной поверхности (r = 0,86–0,89) и урожайностью полевых культур (r = 0,79–0,83) по элементарным участкам поля. Обоснована перспективность формирования зональной (региональной) базы оптимальных величин NDVI, характерных для высокопродуктивных (эталонных) посевов, и практическая целесообразность их использования при реализации корректирующих агроприемов в технологиях точного (цифрового) земледелия. На черноземах южных Оренбургской области при дискретном внесении минеральных удобрений установлено повышение средней по полю яровой пшеницы величины NDVI с 0,64 до 0,79 единицы, снижение пространственной вариабельности биомассы и повышение урожайности зерна на 0,32 т/га, или 22,6 %, по сравнению с внесением всей нормы удобрений сплошным способом в один прием.

1. Гулянов Ю. А., Поляков Д. Г. Зависимость фитометрических параметров полевых агроценозов от агрофизических показателей почвы // Таврический вестник аграрной науки. 2023. № 1(33). С. 19–33. DOI: 10.5281/zenodo.7898389

2. Ерошенко Ф. В., Барталев С. А., Кулинцев В. В., Сторчак И. Г., Шестакова Е. О., Симатин Т. В. Возможности региональной оценки качества зерна озимой пшеницы на основе спутниковых данных дистанционного зондирования // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14, № 7. С. 153–165. DOI: 10.21046/2070-7401-2017-14-7-153-165

3. Зубарев Ю. Н., Фомин Д. С., Новикова Т. В., Полякова С. С., Фомин Д. С. Применение данных дистанционного зондирования Земли с элементами точного земледелия при возделывании бобово-злаковых смесей с разным соотношением компонентов // Пермский аграрный вестник. 2023. № 1(41). С. 20–28. DOI: 10.47737/2307-2873_2023_41_20

4. Кирюшин В. И. Организация территориального и внутрихозяйственного землеустройства на ландшафтно-экологической основе // Достижения науки и техники АПК. 2024. Т. 38, № 5. С. 4–9. DOI: 10.53859/02352451_2024_38_5_4

5. Кремнева О. Ю., Костенко И. А., Пачкин А. А., Данилов Р. Ю., Пономарев А. В., Ким Ю. С. Картирование распространения и развития фитопатогенов на пшенице и ячмене с использованием NextGIS // Зерновое хозяйство России. 2020. № 3. С. 61–66. DOI: 10.31367/2079-8725-2020-69-3-61-66

6. Попович В. В., Дунаева Е. А. Мониторинг и прогнозирование урожайности сельскохозяйственных культур по данным ДЗЗ на уровне районов Республики Крым // Таврический вестник аграрной науки. 2024. № 2 (38). С. 140–152. DOI: 10.5281/zenodo.12200306

7. Шпанев А. М., Смук В. В. Эффективность дифференцированного применения гербицидов в посевах озимой пшеницы // Российская сельскохозяйственная наука. 2020. № 4. С. 25–27. DOI: 10.31857/S2500262720040067

8. Якушев В. П., Канаш Е. В., Якушев В. В., Матвеенко Д. А., Русаков Д. В., Блохина С. Ю., Петрушин А. В., Митрофанов Е. П. Новые возможности автоматизации процесса обнаружения внутрипольной неоднородности по гиперспектральным снимкам и оптическим критериям // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16, № 3. С. 24–32. DOI: 10.21046/2070-7401-2019-16-3-24-32

9. Acar E., Altun M. Classification of the agricultural crops using Landsat-8 NDVI parameters by support vector machine // Balkan journal of electrical and computer engineering. 2021. Vol. 9(1). P. 78–82. DOI: 10.17694/bajece.863147

10. Zhai W., Cheng Q., Duan F., Huang X., Chen Z. Remote sensing-based analysis of yield and water-fertilizer use efficiency in winter wheat management // Agricultural Water Management. 2025. Vol. 11, Article number: 109390. DOI: 10.1016/j.agwat.2025.109390