Алгоритмы дифференцированного внесения азотных удобрений под кукурузу

на основе данных вегетационного индекса NDVI и сенсоров GreenSeeker

В современных условиях интенсификации земледелия традиционная система

удобрения кукурузы, предполагающая сплошное внесение фиксированных доз азота,

рассчитанных на получение планируемой урожайности «выше средней», демонстрирует

свою неэффективность. Гетерогенность почвенного плодородия даже в пределах одного

компактного поля приводит к тому, что до 40% площади получают либо недостаточное,

либо избыточное количество питательных веществ, что ведет к экономическим потерям и

экологической нагрузке. Переход к технологиям точного земледелия требует создания

математических моделей — алгоритмов принятия решений (Rate Prediction Models),

которые связывают текущее физиологическое состояние посевов с необходимой дозой

удобрений в режиме реального времени. Наиболее распространенными инструментами

для оперативной диагностики являются активные оптические датчики наземного

базирования (такие как Trimble GreenSeeker) и данные дистанционного зондирования

Земли (индекс NDVI со спутников или БПЛА).

Целью проведенных исследований являлась разработка и агрономическая оценка

алгоритма дифференцированного внесения азотных удобрений под кукурузу для условий

Центрального Черноземья. Полевые опыты проводились в течение трех лет (2023–2025

гг.) на базе чернозёмных почв Белгородской области. Объектом исследования служил

среднеспелый гибрид кукурузы Краснодарский 292 АМВ. Схема опыта включала

контрольный вариант со сплошным внесением N90 под культивацию и N30 в подкормку,

а также опытные варианты с применением технологии Variable Rate Application (VRA).

Для реализации переменной нормы использовался активный датчик GreenSeeker RT200,

принцип работы которого основан на измерении нормализованного относительного

индекса растительности (NDVI). Данный индекс рассчитывается по соотношению

отражения света в красной (Red) и ближней инфракрасной (NIR) областях спектра.

Теоретической базой для разработки алгоритма послужила модель локального

отклика

(Sufficiency

Index).

Она

предполагает,

что

доза

азота

должна

быть

пропорциональна текущему состоянию растения относительно эталонного участка, где

питание заведомо избыточно.

Анализ пространственной вариабельности состояния посева в фазу V6 показал

высокую неоднородность биомассы. Коэффициент вариации (CV) значений NDVI

составлял 12–15%. Минимальные значения индекса (< 0,55) стабильно фиксировались в

микрозападинах с признаками временного переувлажнения, где наблюдалось угнетение

корневой системы, тогда как максимальные показатели (> 0,75) соответствовали

водораздельным

плато

с

глубоким

гумусовым

горизонтом.

Сплошное

внесение

стандартных доз в таких условиях неизбежно привело бы к перерасходу дорогостоящего

азота на участках с высоким потенциалом (создавая риск полегания и избыточного

накопления нитратов) и дефициту элемента в низинках, ограничивая их продуктивность.

В фазу V8 были проведены финальные замеры датчиком перед внесением КАС-32.

Установлена

тесная

корреляционная

связь

между

показаниями

GreenSeeker

и

содержанием хлорофилла в листьях (измеряемым прибором SPAD-502), коэффициент

корреляции составил r=0,82. На основе модели Sufficiency Index был сформирован

алгоритм выдачи команды на бортовой контроллер опрыскивателя. При значениях

NDVI<0,60, свидетельствующих о стрессе, норма увеличивалась до 150% от базовой (45

кг/га). При средних показателях (0,60≤NDVI≤0,70) вносилось 100% нормы (30 кг/га). Если

же индекс превышал 0,70, форсунка отключалась полностью, так как растение находилось

в состоянии насыщения.

Теоретическое обоснование такого подхода базируется на теории донорно-

акцепторных отношений. Растения в зонах с низким NDVI имеют слабую аттрагирующую

способность («Sink strength») из-за уменьшенной листовой поверхности и низкой

фотосинтетической мощности. Внесение избытка азота в такие зоны теоретически

приведет лишь к накоплению небелкового азота в вакуолях клеток стебля (эффект

«стеклянного стебля»), который растение не сможет трансформировать в зерно ввиду

отсутствия достаточной площади ассимиляции. Напротив, зоны с высоким NDVI

обладают мощным аппаратом поглощения и способны эффективно переработать

дополнительный азот в урожай. Результаты уборки подтвердили эффективность данного

подхода. Средняя фактическая доза азота в варианте с дифференцированным внесением

составила всего 98 кг/га против 120 кг/га на контроле, что обеспечило экономию ресурсов

на уровне 18%. При этом средняя урожайность зерна выросла с 98,2 ц/га до 102,1 ц/га

(+4%). Важным показателем стало улучшение выравненности посева: коэффициент

вариации урожая снизился с 22% до 14%, что критически важно для последующей

послеуборочной обработки и сушки зерна, снижая затраты на досушку влажного зерна из

понижин.

Сравнение

наземного

сенсорного

метода

с

использованием

беспилотных

летательных аппаратов (БПЛА) показало схожий картографический материал, однако

спутниковый метод имел временной лаг задержки обработки данных, тогда как сенсор

GreenSeeker обеспечил мгновенную реакцию агрегата непосредственно в поле. Тем не

менее, мультиспектральная съемка с дрона позволила выявить проблему нехватки серы,

которая визуально маскировала дефицит азота (сенсор видел зеленый цвет здоровых

листьев, в то время как спектральный анализ выявил нарушение соотношения индексов

RECI/NDVI). Таким образом, использование алгоритмов дифференцированного внесения

на основе активного сенсора GreenSeeker является экономически оправданным приемом,

позволяющим

сэкономить

15–20%

минеральных

удобрений

при

стабилизации

и

небольшом росте урожайности. Оптимальным моментом для проведения такой азотной

подкормки признана фаза V8 (начало интенсивного роста стебля), когда закладывается

потенциальная длина початка. Предложенная формула расчета показала высокую

адаптивность, однако для переноса алгоритма на другие поля требуется ежегодная

актуализация эталонного участка, зависящая от конкретных погодных условий сезона.

Перспективным направлением развития данной технологии видится гибридизация систем:

использование БПЛА для предварительного зонирования (создания базовых карт

продуктивности) и наземных датчиков для финального уточнения дозы азота в реальном

времени непосредственно в процессе движения техники по полю.

Список литературы

1.

Кирюшин

В.И.

Технологии

точного

земледелия

как

инструмент

оптимизации минерального питания // Плодородие. — 2023. — № 4. — С. 12–15.

2.

Турнин

С.Л.

Цифровые

технологии

мониторинга

посевов

сельскохозяйственных культур: Автореф. дис. ... канд. с.-х. наук. — М., 2023.

3.

Савич В.И., Сычев В.Г. Агрохимия тяжелых металлов и токсикантов в

почвах: Монография. — М.: Изд-во ВНИИА, 2021.