Yield Dynamics in Long-Term Field Experience (Lyubertsy Experimental Field of the NIUIF). Message 3. Long-Term Yield and Soil Properties

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

On the territory of one of the fields of a long-term field experiment with a 4-pole crop rotation (the Lyubertsy experimental field of the NIUIF), the set of properties of soil samples obtained from wells in each plot was analyzed. The undisturbed structure samples were taken 5 cm deep to a depth of 150 cm. In this work, arable and sub-arable layers up to 50 cm were analyzed. In the arable layer, for dry dispersion aggregates >10 mm and for the equilibrium soil density (in spring before tillage), most of the plots were far from optimal, with the best plots being in the first 2 out of 4 field repetitions, and in density in the third. Also, in the arable layer, half of the plots had a low content of exchangeable potassium by Oil content, and the other half (like all plots) – the content of Ca, Mg and the amount of absorbed bases – was very low. Thus. The connection with the long-term application of K-fertilizers for the content of exchangeable potassium in the soil turned out to be not very strict. To obtain a spatial representation of the heterogeneity of soils in the field, the plots were grouped separately for physical, chemical and morphological soil parameters. Spatial ranges for each of the groups have been identified. For physical indicators, the groups of plots were divided mainly according to the indicators of the under–arable layer (the same for morphological ones), and for chemical indicators – according to the indicators of both arable and under-arable layers. A variance analysis of the dependence of average long–term yields on plots of land on experimental options and on grouped soil indicators showed the following decreasing number of shares of influence of factors: experimental options – 54–82%, groups of chemical indicators – 22–31%, groups of physical indicators – 12–14%, groups of morphological indicators – 5.5–5.8%. When the control and NP options were removed, leaving only 8 options with K-fertilizers in order to more clearly identify the influence of soil factors, we got the following number of shares of influence: groups of physical indicators – 37–43%, groups of chemical indicators – 27–35%, experimental options – 19–29%. Variance and regression analyses made it possible to clarify the specific soil indicators most related to the average long-term yield; these turned out to be indicators of the under-arable layer, mainly physical (fractional composition) and the content of exchangeable Ca. Significant regression equations are obtained.

作者简介

V. Grakovsky

The All-Russian Scientific Research Institute of Phytopathology

编辑信件的主要联系方式.
Email: asfrid@mail.ru
ul. Institut, poss. 5, r.p. Bolshye Vyazemy, Moscow region 143050, Russia

A. Frid

The All-Russian Scientific Research Institute of Phytopathology

Email: asfrid@mail.ru
ul. Institut, poss. 5, r.p. Bolshye Vyazemy, Moscow region 143050, Russia

参考

  1. Граковский В.Г., Фрид А.С. Динамика урожайности в многолетнем полевом опыте (Люберецкое опытное поле НИУИФ). Сообщение 1. Урожайность на делянках // Агрохимия. 2025. № 3. С. 77–85.
  2. Граковский В.Г., Фрид А.С. Динамика урожайности в многолетнем полевом опыте (Люберецкое опытное поле НИУИФ). Сообщение 2. Урожайность вариантов и полевых повторений // Агрохимия. 2025. № 8 (в печати).
  3. Граковский В.Г., Фрид А.С. Влияние форм калийных удобрений на урожай с учетом неоднородности почвенного покрова // Тр. НИУИФ. 1986. Вып. 250. С. 268–277.
  4. Прохорова З.А., Фрид А.С. Изучение и моделирование плодородия почв на базе длительного полевого опыта. М.: Наука, 1993. 189 с.
  5. Магницкий К.П. Эффективность различных форм калийных удобрений на песчаных и супесчаных почвах // Калийные удобрения / Под ред. К.П. Магницкого и Д.В. Харькова. М.: Колос, 1964. С. 7–56.
  6. Граковский В.Г., Исаков А.С. Конусный бур для отбора образцов почв с ненарушенной структурой // Почвоведение. 1974. № 6. С. 121.
  7. Методические указания по проведению комплексного мониторинга плодородия почв земель сельскохозяйственного назначения / Под ред. Л.М. Державина и Д.С. Булгакова. М.: Росинформагротех, 2003. 240 с.
  8. Фрид А.С., Кузнецова И.В., Королева И.Е., Бондарев А.Г., Когут Б.М., Уткаева В.Ф., Азовцева Н.А. Зонально-провинциальные нормативы изменений агрохимических, физико-химических и физических показателей основных пахотных почв европейской территории России при антропогенных воздействиях. М.: Почв. ин-т им. В.В. Докучаева, 2010. 176 с.
  9. Алгоритмы и программы для ЭВМ СМ-4 / Ответств. ред. А.С. Фрид. М., 1985. С. 29–34.
  10. Фрид А.С. Обоснование методических подходов к анализу данных многолетних полевых опытов // Агрохимия. 2013. № 10. С. 75–96.

补充文件

附件文件
动作
1. JATS XML

版权所有 © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».