Стаття

Отримано 10.04.2023

Доопрацьовано 07.07.2023

Прийнято 29.08.2023

Взято з Том 27, № 3, 2023

Сторінки 31 -45

Pichura, V., Potravka, L., Domaratskiy, Ye., & Petrovas, S. (2023). Spatiotemporal patterns and vegetation forecasting of sunflower hybrids in soil and climatic conditions of the Ukrainian Steppe zone. Ukrainian Black Sea Region Agrarian Science, 27(3), 31-45. https://doi.org/10.56407/bs.agrarian/3.2023.31

Просторово-часові закономірності та прогнозування вегетації гібридів соняшнику в ґрунтово-кліматичних умовах зони Степу України

Віталій Пічура Лариса Потравка Євгеній Домарацький Спартакас Петровас

Довгострокові дослідження обробітку ґрунту та управління сільськогосподарськими культурами є важливими для визначення практик виробництва сільськогосподарських культур, які сприяють забезпеченню сталої врожайності та прибутку. Зокрема, в умовах зміни клімату актуальним питанням залишається вибір, прогнозування та коригування систем вирощування сільськогосподарських культур в зоні дефіциту вологи та ведення ризикового землеробства. Тому метою дослідження було встановлення просторово-часових закономірностей вегетаційного розвитку гібридів соняшнику та прогнозування їх продуктивності в ґрунтово-кліматичних умовах зони Степу України. Проведено детальний аналіз сезонних змін значень нормалізованого диференційного вегетаційного індексу у посівах гібридів соняшнику за період 2019-2021 рр. із використанням космічних знімків супутникового апарату Sentinel 2, оброблених із застосуванням ліцензійного програмного продукту ArcGis 10.6. Доведено достовірність результатів дослідження стану посівів у різні фази вегетації рослин на основі NDVI та можливість їх використання для прогнозування врожайності сільськогосподарських культур. Визначено пластичність різних гібридів соняшнику до ґрунтово-кліматичних умов зони Степу, зокрема гібридів Оплот, Гектор, ДСЛ403, П64ГЕ133, 8Х477КЛ. Розроблено модель функції прогнозування врожайності для кожного гібрида соняшнику відповідно до рівня вологозабезпечення року. Достовірність моделей прогнозування склала 97,2-99,9 %. Рекомендовано використання системи моделей функцій, розроблених для різних умов вологозабезпечення та підживлення з метою ситуаційного прогнозування врожайності гібридів соняшнику. Отримані результати досліджень можуть бути використані для удосконалення методики дослідження вегетації сільськогосподарських культур, обґрунтування сівозміни, вибору кращих практик застосування багатофункціональних ріст регулюючих препаратів, вставлення кліматичної пластичності сортів та гібридів, управління ресурсами, розробки адаптивно-кліматичних технологій у землеробстві та рослинництві, розрахунку їх ефективності, прогнозування урожайності та забезпечення прибутковості агровиробництва у зоні дефіциту вологи та ведення ризикового землеробства

рослинництво; клімат; дистанційне зондування; супутникові знімки; моделювання

[1] Aksionov, I.V., Macaj, N.Yu., Maslijov, S.V., Gavryliuk, Yu.V., & Beseda, O.O. (2021). Forecasting and programming of the yield of agricultural crops. Starobilsk: State Institution “Luhansk National University named after Taras Shevchenko”. Retrieved from http://dspace.luguniv.edu.ua/jspui/bitstream/123456789/8612/4/001.pdf.

[2] Assan, E., Suvedi, M., Olabisi, L.S., & Bansah, K.J. (2020). Climate change perceptions and challenges to adaptation among smallholder farmers in semi-arid Ghana: A gender analysis. Journal of Arid Environments, 182, 104247. doi: 10.1016/j.jaridenv.2020.104247.

[3] Beyer, M., Ahmad, R., Yang, B., & Rodríguez-Bocca, P. (2023). Deep spatial-temporal graph modeling for efficient NDVI forecasting. Smart Agricultural Technology, 4, 100172. doi: 10.1016/j.atech.2023.100172.

[4] Chen, C.-Sh., Noorizadegan, A., Young, D.L., & Chen, C.S. (2023). On the selection of a better radial basis function and its shape parameter in interpolation problems. Applied Mathematics and Computation, 442, 127713. doi: 10.1016/j.amc.2022.127713.

[5] Cheng, Y., Luo, M., Zhang, T., Yan, S., Wang, C., Dong, Q., Feng, H., Zhang, T., & Kisekka, I. (2023). Organic substitution improves soil structure and water and nitrogen status to promote sunflower (Helianthus annuus L.) growth in an arid saline area. Agricultural Water Management, 283, 108320. doi: 10.1016/j.agwat.2023.108320.

[6] Chitsiko, R.J., Mutanga, O., Dube, T., & Kutywayo, D. (2022). Review of current models and approaches used for maize crop yield forecasting in sub-Saharan Africa and their potential use in early warning systems. Physics and Chemistry of the Earth, Parts A/B/C, 127, 103199. doi: 10.1016/j.pce.2022.103199.

[7] Debaeke, P., Attia, F., Champolivier, L., Dejoux, J.-F., Micheneau, A., Al Bitar, A., & Trépos, R. (2023). Forecasting sunflower grain yield using remote sensing data and statistical models. European Journal of Agronomy, 142, 126677. doi: 10.1016/j.eja.2022.126677.

[8] Desloires, J., Ienco, D., & Botrel, A. (2023). Out-of-year corn yield prediction at field-scale using Sentinel-2 satellite imagery and machine learning methods. Computers and Electronics in Agriculture, 209, 107807. doi: 10.1016/j.compag.2023.107807.

[9] Didora, V.G., Smaglii, O.F., & Ermantraut, E.R. (2013). Methodology of scientific research in agronomy: Study guide. Kyiv: Center for Educational Literature.

[10] Ding, Y., He, X., Zhou, Zh., Hu, J., Cai, H., Wang, X., Li, L., Xu, J., & Shi, H. (2022). Response of vegetation to drought and yield monitoring based on NDVI and SIF. CATENA, 219, 106328. doi: 10.1016/j.catena.2022.106328.

[11] Domaratskiy, Ye., Bazaliy, V., Dobrovolskiy, A., Pichura, V., & Kozlova, O. (2022). Influence of eco-safe growth-regulating substances on the phytosanitary state of agrocenoses of wheat varieties of various types of development in non-irrigated conditions of the Steppe zone. Journal of Ecological Engineering, 23(8), 299-308. doi: 10.12911/22998993/150865.

[12] Domaratskiy, Ye., Dobrovolskiy, A., Bazaliy, V., Pichura, V., & Domaratskiy, О. (2020). Sunflower: Ecological ways of optimizing its nutrition. Kherson: Oldi-Plus.

[13] DSTU 6068:2008. (2009). Sunflower seeds. Varietal and sowing qualities. Specifications. Retrieved from http://online.budstandart.com/ua/catalog/doc-page?id_doc=74272.

[14] DSTU 7011:2009. (2010). Sunflower. Specifications. Retrieved from https://elevator.com.ua/sites/default/files/docs/dstu_7011.pdf.

[15] Dudiak, N., Pichura, V., Potravka, L., & Stratichuk, N. (2021). Environmental and economic effects of water and deflation destruction of steppe soil in Ukraine. Journal of Water and Land Development, 50(6-9), 10-26. doi: 10.24425/jwld.2021.138156.

[16] Dudiak, N.V., Potravka, L.A., & Stroganov, A.A. (2019). Soil and climatic bonitation of agricultural lands of the steppe zone of Ukraine. Indian Journal of Ecology, 46(3), 534-540. Retrieved from https://www.indianjournals.com/ijor.aspx?target=ijor:ije1&volume=46&issue=3&article=016.

[17] Ermantraut, E.R., Bobro, M.A., & Hoptsii, T.I. (2008). Methodology of scientific research in agronomy: Study guide. Kharkiv: Kharkiv National Agrarian University named after S.V. Dokuchaev.

[18] Essaadia, A., Abdellah, A., Ahmed, A., Abdelouahed, F., & Kamal, E. (2022). The normalized difference vegetation index (NDVI) of the Zat valley, Marrakech: Comparison and dynamics. Heliyon, 8(12), e12204. doi: 10.1016/j.heliyon.2022.e12204.

[19] Giannini, V., Mula, L., Carta, M., Patteri, G., & Roggero, P.P. (2022). Interplay of irrigation strategies and sowing dates on sunflower yield in semi-arid Mediterranean areas. Agricultural Water Management, 260, 107287. doi: 10.1016/j.agwat.2021.107287.

[20] Grover, L.K., & Kaur, A. (2021). An improved regression type estimator of population mean with two auxiliary variables and its variant using robust regression method. Journal of Computational and Applied Mathematics, 382, 113072. doi: 10.1016/j.cam.2020.113072.

[21] Jan, A.U., Hadi, F., Ditta, A., Suleman, M., & Ullah, M. (2022). Zinc-induced anti-oxidative defense and osmotic adjustments to enhance drought stress tolerance in sunflower (Helianthus annuus L.). Environmental and Experimental Botany, 193, 104682. doi: 10.1016/j.envexpbot.2021.104682.

[22] Kamath, P., Patil, P., Shrilatha, S., & Sowmya, S. (2021). Crop yield forecasting using data mining. Global Transitions Proceedings, 2(2), 402-407. doi: 10.1016/j.gltp.2021.08.008.

[23] Kohan, A.V. (2021). Agrotechnological basics of increasing sunflower productivity in conditions of insufficient and unstable moisture. (Doctoral dissertation, Kherson State Agrarian and Economic University, Kherson, Ukraine).

[24] Koutroubas, S.D., Antoniadis, V., Damalas, Ch.A., & Fotiadis, S. (2020). Sunflower growth and yield response to sewage sludge application under contrasting water availability conditions. Industrial Crops and Products, 154, 112670. doi: 10.1016/j.indcrop.2020.112670.

[25] Kyrychenko, V.V., Syvenko, V.I., Maklyak, K.M., Buryak, Yu.I., Kolomatska, V.P., Lebedenko, E.O., Syvenko, O.A., Ogurtsov, Yu.E., Andrienko, V.V., Satarov, O.Z., Shepilov, B.P., Svyatchenko, S.I., & Bragin, O. M. (2014). Growing seeds of sunflower hybrids: Methodical recommendations. Kharkiv: V.Y. Yuriev Institute of Plant Industry of the National Academy of Agrarian Sciences of Ukraine.

[26] Lisetskii, F., Poletaev, A., Zelenskaya, E., & Pichura, V. (2020). Associated data on the physicochemical properties of pedosediments, climatic and dendrochronological indicators for palaeogeographic reconstructions. Data in Brief, 28, 104829. doi: 10.1016/j.dib.2019.104829.

[27] Mateo-Sanchis, A., Piles, M., Amorós-López, J., Muñoz-Marí, J., Adsuara, J., Moreno-Martínez, A., & Camps-Valls, G. (2021). Learning main drivers of crop progress and failure in Europe with interpretable machine learning. International Journal of Applied Earth Observation and Geoinformation, 104, 102574. doi: 10.1016/j.jag.2021.102574.

[28] Oti, J.O., Kabo-Bah, A.T., & Ofosu, E. (2020). Hydrologic response to climate change in the Densu River Basin in Ghana. Heliyon, 6(8), E04722. doi: 10.1016/j.heliyon.2020.e04722.

[29] Özşahin, E. (2023). Climate change effect on soil erosion using different erosion models: A case study in the Naip Dam basin, Türkiye. Computers and Electronics in Agriculture, 207, 107711. doi: 10.1016/j.compag.2023.107711.

[30] Papish, I. (2001). Workshop on soil physics (Vol. 2). Lviv: LNU Publishing Center named after Ivan Franko.

[31] Pichura, V., Potravka, L., Dudiak, N., Stroganov, A., & Dyudyaeva, O. (2021). Spatial differentiation of regulatory monetary valuation of agricultural land in conditions of widespread irrigation of steppe soils. Journal of Water and Land Development, 48(1-3), 182-196. doi: 10.24425/jwld.2021.136161.

[32] Pichura, V., Potravka, L., Stratichuk, N., & Drobitko, A. (2023). Space-time modeling steppe soil fertility using geo-information systems and neuro-technologies. Bulgarian Journal of Agricultural Science, 29(1), 182-197. Retrieved from https://www.agrojournal.org/29/01-22.pdf.

[33] Pichura, V., Potravka, L., Vdovenko, N., Biloshkurenko, O., Stratichuk, N., & Baysha, K. (2022). Changes in climate and bioclimatic potential in the Steppe zone of Ukraine. Journal of Ecological Engineering, 23(12), 189-202. doi: 10.12911/22998993/154844.

[34] Ronchetti, G., Manfron, G., Weissteiner, C.J., Seguini, L., Scacchiafichi, L.N., Panarello, L., & Baruth, B. (2023). Remote sensing crop group-specific indicators to support regional yield forecasting in Europe. Computers and Electronics in Agriculture, 205, 107633. doi: 10.1016/j.compag.2023.107633.

[35] Shakalij, S.M., Bagan, A.V., & Barabolja, O.V. (2019). Productivity of sunflower hybrids depending on cultivation density and interlines width. Scientific Reports of NULES of Ukraine, 5(81).  doi: 10.31548/dopovidi2019.05.003.

[36] The Convention on Biological Diversity. (2022). Retrieved from https://www.cbd.int/convention/.

[37] Török, P., Neuffer, B., Heilmeier, H., Bernhardt, K.-G., & Wesche, K. (2020). Climate, landscape history and management drive Eurasian steppe biodiversity. Flora, 271, 151685. doi: 10.1016/j.flora.2020.151685.

[38] Zhang, H., Huo, S., Yeager, K.M., Li, C., Xi, B., Zhang, J., He, Z., & Ma, C. (2019a). Apparent relationships between anthropogenic factors and climate change indicators and POPs deposition in a lacustrine system. Journal of Environmental Sciences, 83, 174-182. doi: 10.1016/j.jes.2019.03.024.

[39] Zhang, J., Pan, Y., Tao, X., Wang, B., Cao, Q., Tian, Y., Zhu, Y., Cao, W., & Liu, X. (2023). In-season mapping of rice yield potential at jointing stage using Sentinel-2 images integrated with high-precision UAS data. European Journal of Agronomy, 146, 126808. doi: 10.1016/j.eja.2023.126808.

[40] Zhang, Y., Chipanshi, A., Daneshfar, B., Koiter, L., Champagne, C., Davidson, A., & Bédard, F. (2019b). Effect of using crop specific masks on Earth Observation based crop yield forecasting across Canada. Remote Sensing Applications: Society and Environment, 13, 121-137. doi: 10.1016/j.rsase.2018.10.002.