Содержание к диссертации
Введение
1. Изучение растительности агроценозов с помощью спутникового мониторинга. современное состояние проблемы 10
1.1 Агроценозы как объект спутникового мониторинга 10
1.2 Изучение растительности агроценозов с помощью спутникового мониторинга 12
1.2.1 Физические основы дистанционного зондирования 12
1.2.2 Спектральные отражательные свойства агроценозов 15
1.2.3 Спектральные индексы - показатели состояния растительности сельскохозяйственных угодий 29
1.2.4 Основные виды космических изображений, применяемые для мониторинга и картографирования агроценозов 35
2 Объект и методы исследования 46
2.1 Физико-географические условия тестовых участков Минусинской котловины 46
2.2 Проведение наземных полевых наблюдений за динамикой агроценозов 53
2.3 Обработка спутниковой информации 56
2.4 Статистические методы анализа 57
3 Применение спутниковой и наземной информации для изучения растительности агроценозов в условиях аридного климата минусинской котловины 59
3.1 Состояние агроценозов по спектральным характеристикам спутниковых изображений 60
3.2 Сезонная динамика агроценозов на тестовых участках Минусинской котловины по спутниковым и наземным данным 70
3.2.1 Особенности динамики агроценозов овса 70
3.2.2 Особенности динамики агроценозов пшеницы 82
3.2.3 Особенности динамики агроценозов пропашных культур 90
3.2.4 Особенности динамики кострецовой залежи 95
3.3 Динамика водного режима и содержания хлорофиллов в листьях доминантных растений агроценозов 99
3.4 Морфометрические параметры культурных растений на тестовых участках ПО
3.5 Пространственная структура посевных площадей на основе информации Landsat 7 ЕТМ+в 2001 и 2006 гг 114
Заключение 118
Выводы 120
Список работ, опубликованных по теме диссертации 122
Список использованной литературы
- Изучение растительности агроценозов с помощью спутникового мониторинга
- Проведение наземных полевых наблюдений за динамикой агроценозов
- Сезонная динамика агроценозов на тестовых участках Минусинской котловины по спутниковым и наземным данным
- Особенности динамики агроценозов пропашных культур
Введение к работе
Актуальность темы. Для оптимизации землепользования и реабилитации деградированных сельскохозяйственных угодий, картографирования и прогноза изменений в агроценозах важнейшее значение приобретают спутниковые методы исследования (Ефременко и др., 1997; Золотокрылин и др., 2000; Вандышева и др., 2003; Chen et al., 2005; Барталев и др., 2006). Эти методы позволяют единовременно охватить значительные территории и обладают необходимой информативностью, достоверностью и периодичностью для решения вышеуказанных задач. На основе спутниковых данных накоплен значительный опыт исследований, посвященных мониторингу сельскохозяйственных посевов (Буга и др., 1986; Кондратьев и др., 1986; Брейдо и др., 1989; Гарелик, 1989; Борисоглебский и др., 1990; Зеллнер и др., 1991; Сидько и др. 1997; Shevyrnogov et al., 2000; Doraiswamy et al., 2005; Ortiz-Monasterio et al., 2007). Главные проблемы дистанционного зондирования в интересах сельского хозяйства сопряжены с обширностью территорий, динамичностью сельскохозяйственных культур и требованиями к оперативности обработки поступающей информации.
Однако вопросы совместного использования наземных и спутниковых данных по динамике агроценозов изучены недостаточно, в частности, вопросы взаимосвязи динамики сезонного хода вегетационного индекса и наземной динамики растительной массы. Между тем, достоверное дешифрирование космической информации невозможно без наземных наблюдений, которые позволяют осуществить привязку космических изображений к территории и интерпретировать информацию, полученную дистанционными методами (Гарелик, 1989; Коробов и др., 1991а).
Методы определения фотосинтезирующей фитомассы по вегетационным индексам дают интегральную характеристику состояния растительности, поэтому изучение связи между спектральными индексами и характеристиками посевов, полученными наземными методами, является актуальным. Сопоставление значений спектральных индексов с наземными измерениями фитомассы по агрогруппам, а также с физиологическими и морфометрическими показателями агроценозов позволит объяснить отдельные особенности и закономерности сезонной динамики спектральных характеристик агроценозов, полученных средствами космического мониторинга.
Цель и задачи работы. Цель работы заключалась в интерпретации космической спектральной информации по динамике растительности агроценозов в условиях аридного климата Минусинской котловины на основе комплексного использования многозональных спутниковых изображений и полевых исследований.
В связи с этим были поставлены следующие задачи:
1. на основе применения многозональных изображений проанализировать состояние агроценозов тестовых участков в Алтайском (Республика Хакасия) и Минусинском (Красноярский край) районах;
2. интерпретировать вегетационные кривые (NDVI) агроценозов, используя информацию, полученную наземными контактными измерениями;
3. изучить пространственно-временную динамику агроценозов на основе учета фитомассы, морфометрических параметров, водного режима и пигментного состава;
4. использовать спутниковые и наземные данные для анализа пространственной структуры сельскохозяйственных посевов.
Научная новизна. Показана возможность изучения по спектральным характеристикам спутниковых изображений высокого и среднего разрешения состояния агроценозов на территории с аридным климатом.
По спутниковым данным выявлены особенности в сезонной динамике накопления надземной фитомассы агроценозов в условиях аридного климата Минусинской котловины.
Предложены оптимальные сроки для анализа состояния агроценозов космической съемки на территории исследования.
По спутниковым и наземным данным показаны количественные различия в параметрах состояния агроценозов.
Практическое значение работы. Разработанный подход и обнаруженные на его основе особенности динамики развития агроценозов, могут быть применены для проведения детального дешифрирования сельскохозяйственных угодий (создания эталонов), объяснения хода вегетационных кривых агроценозов в условиях аридного климата Минусинской котловины и территорий со сходными климатическими параметрами. Полученные векторные картосхемы пахотных земель могут быть использованы для составления карт севооборотов и определения площадей, занятых сельскохозяйственными посевами.
На защиту выносятся следующие основные положения:
1. Многозональные спутниковые изображения Landsat 7 ЕТМ+, Terra Modis можно использовать для мониторинга состояния и картирования агроценозов и залежей в аридных условиях Минусинской котловины.
2. Существует взаимосвязь между спектральными индексами и общей сырой фитомассой агроценозов тестовых участков.
3. Пропашные культуры отличаются от остальных агроценозов высокими значениями NDVI и NDWI в осенний период,
4. Высокая засоренность посевов влияет на спектральные характеристики, повышая значения вегетационного и водного индексов.
Виды работ и использованные материалы. Автором была выполнена обработка спутниковых изображений Landsat 7 ЕТМ+, вычисление спектральных индексов для данного типа спутниковых изображений, создание векторных картосхем севооборотов за 2001 и 2006 гг., вычисления коэффициента корреляции для данных Landsat 7 ЕТМ+ и наземных измерений фитомассы.
С 2005 г. автором были проведены стационарные исследования агроценозов в Алтайском районе Республики Хакасия и в Минусинском районе Красноярского края. В 2005 г. в Алтайском районе было обследовано 19 стационарных участков, включающих посевы культурных растений и фитоценозы залежей, площадью около 2,5 тыс.га (площадь участков - 13 га).
В 2006 г. наземные исследования агроценозов проведены на 7 участках в Алтайском районе и 8 - в Минусинском районе, занимающих общую площадь 4,8 тыс.га (площадь участков - 10,4 га). В ходе работы были проведены измерения надземной фитомассы посевов пшеницы, овса, кукурузы, гречихи, залежных сообществ и эколого-физиологических показателей доминантных растений указанных агроценозов.
Апробация работы. Материалы работы были доложены на IX Международной научной школы конференции студентов и молодых ученых «Экология Южной Сибири и сопредельных территорий» (Абакан, 2005); на Четвертой Российской конференции «Флора и растительность Сибири и Дальнего Востока, посвященная 100-летию профессора Л.М. Черепнина и 70- летию кафедры ботаники» (Красноярск, 2006); на VIII научной конференции по тематической картографии «Геоинформационное картографирование для сбалансированного территориального развития» (Иркутск, 2006); на Юбилейной Открытой Всероссийской Конференции «Дистанционное зондирование Земли из космоса» (Москва, 2007).
Публикации. По теме диссертационной работы опубликовано 7 научных работ, из них 3 в рецензируемых отечественных журналах.
Объем и структура работы. Диссертация изложена на 138 страницах и состоит из введения, трех глав, заключения, выводов, списка работ, опубликованных по теме диссертации, библиографического списка из 121 наименования, включая 28 источников на иностранных языках, содержит 4 таблицы, 77 рисунков и 10 приложений.
Благодарности. Автор выражает глубокую благодарность за большую помощь, ценные советы и поддержку на всех этапах работы - научному руководителю - профессору, доктору технических наук А.П. Шевырногову, научным консультантам - доценту, кандидату биологических наук В.М. Жуковой и доценту, кандидату биологических наук Т.М. Зоркиной, а также сотрудникам лаборатории экологической информатики Института биофизики СО РАН.
Изучение растительности агроценозов с помощью спутникового мониторинга
Существуют различные трактовки термина «дистанционное зондирование» (ДЗ). Ш.М. Дейвис и др. (1983) понимали под ним получение информации об объекте по данным измерений, сделанных на расстоянии от объекта, т.е. без прямого контакта с объектом. П. Кронберг (1988) считал, что ДЗ - это изучение объектов на расстоянии без непосредственного контакта чувствительных элементов аппаратуры с объектом. СВ. Гарбук и др. (1997), А.Д. Китов (2000), В.Б. Кашкин и др. (2001) относят к ДЗ исследование Земли аэрокосмическими методами.
Возможность дистанционного исследования растительности основана на свойствах электромагнитного излучения: распространение энергии в пространстве в виде волн или прямолинейного потока световых частиц — фотонов. Оно характеризуется длиной волны или частотой, обратно пропорциональной длине волны, а также энергией и амплитудой колебаний. Проходя через земную атмосферу, лучистая энергия Солнца рассеивается и поглощается молекулами газов, аэрозолей и облаками. Так, более коротковолновая радиация поглощается озоном в верхних слоях атмосферы и кислородом воздуха (Кронберг, 1988).
По спектральному составу электромагнитный спектр можно разделить на ультрафиолетовое (УФ), видимое и инфракрасное (ИК) излучение. Около 40-45% излучаемой солнечной энергии приходится на область от 380 до 720 нм (видимый свет). Зеленые растения поглощают излучения между 380 и 740 нм (фотосинтетически активная радиация - ФАР). К ФАР примыкает со стороны более коротких волн ультрафиолетовая радиация, а со стороны более длинных волн — инфракрасная радиация (Лархер, 1978).
Только часть излучения от объектов Земли доходит до приемников регистрирующей аппаратуры. Э. Баррет и др. (1979) показали, что для ДЗ большое значение имеют окна прозрачности атмосферы (рисунок 1.1), т.е. диапазоны спектра, для которых атмосфера наиболее проницаема. Э. Баррет и др. (1979) предложили окна прозрачности атмосферы с диапазонами - УФ 0,27-0,4 мкм; видимый (световой) - 0,4-0,78 мкм; ближний ИК - 0,7-1,1 мкм; средний ИК - 1,5-2,5 мкм; средний ИК (тепловой) - 3,5-5 мкм; дальний ИК -8-14 мкм; микроволновой - 0,3-10 см и более длинные. Г.Б. Гонин (1989) для практической съемки выделил другие интервалы прозрачности атмосферы, начиная с видимого диапазона 0,4-1,3; 1,5-1,8; 2,0-2,6; 3,0-4,0; 4,5-5,0; 8,0-12,0 мкм
Спектр электромагнитной энергии, прозрачность атмосферы и используемые в дистанционном зондировании диапазоны электромагнитных волн (Баррет и др., 1979)
Максимум солнечной радиации приходится на видимую область спектра (0,4-0,6 мкм), а максимум земного излучения - на 8-12 мкм, поэтому в видимой, ИК-ближней и ИК-средней зонах спектра ведутся наблюдения отраженных лучей Солнца, а в ИК-дальней - собственного излучения Земли. В микроволновой области съемка проводится с помощью специальных систем, содержащих источники и приемники этих волн, которые мало зависят от состояния атмосферы (Китов, 2000).
В целом, дистанционное изучение свойств земных объектов основано на том, что до аэрокосмических приемников доходит частично диффузно или зеркально отраженная (в основном от водных объектов) энергия солнечного излучения или посланная искусственными излучателями, а также собственное излучение Земли (Китов, 2000).
Спектральные отражательные свойства агроценозов
Многозональное ДЗ используется, в частности, для получения информации о состоянии и урожайности сельскохозяйственных культур. Важным направлением в области применения ДЗ в сельском хозяйстве стала спектральная оценка таких параметров, которые могут быть введены впоследствии в модели роста и урожайности культур.
Многие авторы (Бауер, 1985; Зеллнер и др., 1991; Doraiswamy et al., 2005) показали, что спектральные отражательные свойства посевов культурных растений определяются следующими факторами: оптическими свойствами листа; геометрией покрова, особенно индексом листовой поверхности (LAI) и угловым распределением листьев; отражательной способностью почвы; углом освещения и углом наблюдения; атмосферным пропусканием.
Связь оптических характеристик листьев с их морфологическими свойствами достаточно хорошо изучена (Буга и др., 1986; Барш и др. 1989; Зеллнер и др., 1991). Для описания оптических свойств листьев разработаны несколько теорий и моделей (Champagne et al., 2003; Haboudane et al., 2004; Thenkabaila et al., 2004).
Предполагается, что для культурных растений на стадии вегетации листья являются основными рассеивающими элементами. Однако на ранних стадиях роста, когда плотность растительного покрова мала, отражение может в значительной степени зависеть от почвы.
Как видно из рисунка 1.2 интервал длин волн 0,4-2,5 мкм условно подразделяют на три области, в каждой из которых отражение, пропускание и поглощение света определяют различные явления.
Проведение наземных полевых наблюдений за динамикой агроценозов
На исследуемой территории были заложены 36 стационарных площадок (размер одной площадки - 1 га).
Учет динамики надземной фитомассы в посевах сельскохозяйственных культур, проводился по стандартной методике Ф.И. Левина (Родин и др., 1968). Учет динамики надземной фитомассы в посевах сельскохозяйственных культур проводили по стандартной методике методов конвертов в 3-5 повторности. Укосы с площадок разбирали по агрогруппам (Гродзинский и др., 1991; Зоркина, 2003) - масса генеративных органов, масса побегов и листьев культурных растений, масса сорных растений и опад, включающий ветошь и мортмассу; для костеровых залежей — злаки и осоки, полыни, бобовые, разнотравье, ветошь и мортмасса. Агрогруппы взвешивали в сыром и сухом (потеря 80% веса) виде. Полученные данные переводили в ц/га. Продуктивность (продукция) биологическая - результат деятельности экосистем. Первичная биологическая продуктивность (ПБП) - результат деятельности автотрофов, среди ПБП различают валовую (ВПП) - результат фотосинтеза и чистую (ЧПП) - ту ее часть, которая не израсходована на дыхание. Огрубленной оценкой ЧПП является урожайность (в этом случае из ЧПП вычитается продукция биологическая подземных частей растений, если это не корнеплоды, а также утеря вещества при усыхании части растений во время роста и часть надземной фитомассы, оставшаяся ниже линии среза (Гродзинский и др., 1991).
Координаты участков растительности, где отбирались пробы, фиксировались GPS-приемником.
Одновременно проводили морфометрические измерения растений высоты побегов, густоты стеблестоя и фазы онтогенеза культурных растений (Вавилов и др. 1983).
Общее проективное покрытие (ОНИ) травостоя определяли с помощью сетки размерами 50x50 см, с ячейками по 10x10 см по методике Л.Г. Раменского (1971). Аспект определяли глазомерным методом (Зоркина, 2003).
Определение водного дефицита листьев определяли по стандартной методике (Паницкий, 1972). Водный дефицит листьев вычисляли по следующей формуле: X = (в " а) х 100 , (2.1) в где X — водный дефицит листа к весу насыщенного водой листа, %; а - вес пробы до насыщения водой, г; в — вес пробы после насыщения водой, г.
Формы воды в растении определяли по методу А.Ф. Маринчик (Сказкин и др., 1958). В бюксы с 2 мл 30%-ного раствора сахарозы помещали 10 отрезков листьев длиной 0,5 см, Через 2 часа раствор перемешивали и с помощью рефрактометра определяли показатель преломления исходного и опытного растворов сахарозы. Параллельно брали листья среднего яруса массой 10 г для определения содержания общей воды. Высушивание растительной навески при 105 С проводили до постоянного веса. Определение общего количества воды: (б — в) Общая вода = х 100, (2.2) (6-а) где а - вес пустого бюкса, г; б — вес бюкса с сырой навеской, г; в — вес бюкса с сухой навеской, г. Определение количества свободной воды: Бх(Д-Г) где А — % сахарозы в исходном растворе; Б - % сахарозы после опыта; В - вес пустого бюкса, г; Г — вес бюкса с раствором (без листьев), г; Д — вес бюкса с раствором и листьями, г. Определение количества связанной воды: Х . fcix Ю0 _(Л-) (Г- )х100 (24) (6-а) Бх{Д-Г)
Содержание хлорофиллов а и Ъ в листьях среднего яруса определяли спектрофотометрическим методом без предварительного их разделения пигментов (Полевой и др., 1978). Концентрацию пигмента в вытяжке рассчитывают по уравнениям. Для 80%-ного ацетона (по Вернону):
Сезонная динамика агроценозов на тестовых участках Минусинской котловины по спутниковым и наземным данным
Посевы пшеницы по аспекту на первую декаду сентября можно подразделить на две группы. Первая группа - это контуры 1 и 4 с общей сырой массой 54,0 и 56,9 ц/га и желто-зеленым аспектом, имели сходные значения вегетационного (0,21 и 0,27) и водного индексов (0,13 и 0,10). Вторая группа - это контуры 2 и 3 посевы с общей фитомассой 64,9 и 50,5 ц/га, желтым аспектом и более низкими с первой группой спектральными индексами - NDVI (0,13-0,18), a NDWI (-0,01 и 0,01). Посев пшеницы на зеленую массу (контур 5), с общей фитомассой 45,4 ц/га и массой сорной растений 23,5 ц/га, имел более высокие значения NDVI (0,34) и NDWI (0,14).
Общая сырая надземная фитомасса посева кукурузы на зеленую массу (контур 6) увеличивалась с 48,9 ц/га до 204,7 ц/га, затем посев убрали, сырая масса пожнивных остатков составила 26,3 ц/га. Убранный посев, представленный пожнивными остатками, имел низкие значения вегетационного и водного индекса (0,13 и -0,06, соответственно).
Посев гречихи (контур 7) имел наиболее высокие значения общей надземной фитомассы (82,8 ц/га) и спектральных индексов (NDVI=0,42 и NDWI=0,27), по сравнению с контуром 8 (60,9 ц/га) и остальными контурами. Каждой фенофазе онтогенеза культурных растений соответствует определенный аспект, который является конкретным дополнительным дешифровочным признаком. В начале сентября посевы пшеницы с желто-зеленым аспектом (фаза молочной спелости) обладали более высокими значениями вегетационного (0,21 и 0,27) и водного индексов (0,13 и 0,10) по сравнению с посевами пшеницы с желтым аспектом (фаза полной спелости) -NDVI (0,13 и 0,18) и NDWI (-0,01 и 0,01). Пропашные культуры в сентябре, имеющие темно-зеленый (кукуруза) и красновато-бурый (гречиха) аспект, характеризовались наиболее высокими значениями NDVI и NDWI среди всех изученных агроценозов. В частности, посев кукурузы с общей сырой фитомассой 2214,3 ц/га имел значения вегетационного и водного индексов — 0,46 и 0,28, а посев гречихи (82,8 ц/га) - соответственно 0,42 и 0,27.
В конце вегетации значимая (более 0,5) корреляция отмечена в Алтайском районе для контуров 2, 4, 6 и 7, в Минусинском районе для всех контуров, за исключением посевов пшеницы (контура 2 и 3), обладающих выраженным желтым аспектом (таблица 3.1).
В сентябре коэффициент корреляции средних значений NDVI и NDWI для всех контуров тестового участка 1 и 2 составил 0,79 и 0,93.
В сентябре вегетирующая фитомасса агроценозов приходилась, в основном, на сорные растения и, предположительно, их количество влияло на значение NDVI. Для проверки этой гипотезы проведено сравнение корреляционных коэффициентов вегетационного индекса с показателями сырой надземной фитомассы агроценозов овса и пшеницы.
Анализ данных показал наличие значимой (0,5) корреляции для NDVI и сырой массы сорных растений и наличие обратной корреляции между NDVI и вегетативной массой для пшеницы и между NDVI и опадом. Также была отмечена значимая обратная корреляция (-0,5) между NDWI и общей сырой массы, вегетативной массы и опадом для пшеницы и между NDWI и опадом для посевов овса. Таким образом, в конце вегетационного сезона в посевах зерновых культур наблюдали положительную взаимосвязь между NDVI и сырой массой сорных растений и отрицательную взаимосвязь между NDVI, NDWI и нефотосинтезирующей фитомассой. В целом, для агроценозов тестовых участков 1 и 2 наблюдали положительную корреляцию между NDVI и общей сырой фитомассой (0,93 и 0,59) и между NDWI и общей сырой фитомассой (0,78 и 0,70).
Оценить состояние агроценозов можно использовать не только спектральным индексам, но и непосредственно по спектральной яркости пикселей.
Критерий продуктивности агроценозов. Низкие значения спектральных характеристик в областях поглощения хлорофилла и воды в термической ИК-области и высокие значения в области отражение ИК-света присущи продуктивным фитоценозам.
Этот критерий продуктивности, применялся X. Баршем и др. (1989) для оценки урожайности сельскохозяйственной растительности по ее спектральным характеристикам. Так, если значения спектральных характеристик изучаемого объекта в спектральных диапазонах (0,63-0,69; 2,08-2,35; 10,4-12,8 мкм) ниже, чем средние значения данных характеристик для всей группы объектов в этих каналах, и если значение спектральных характеристик в канале с диапазоном 0,76-0,90 мкм выше среднего значения, то объект относится к более продуктивной группе.
Особенности динамики агроценозов пропашных культур
Содержание хлорофилла а в листьях пшеницы снижалось со второй декады июля до второй декады июля. Содержание хлорофилла Ъ в вегетационный сезон период снижалось от 0,34 до 0,28 мкг/г сырой массы (рисунок 3.636). Среднее количество хлорофилла а за сезон в листьях пшеницы в контуре 2 - 1,21 мкг/г сырой массы, хлорофилла b - 0,33 мкг/г сырой массы (рисунок 3.636). Максимальное количество пигментов отмечено в начале июля.
Содержание хлорофилла а в листьях кукурузы постепенно снижалось к августу с 1,03 до 0,82 мкг/г сырой массы, хлорофилл Ъ в среднем составил 0,32 мкг/г сырой массы (рисунок 3.63в).
В отличие от остальных культур содержание хлорофилла а в листьях гречихи постепенно возрастало к середине июля с 0,69 до 1,0 мкг/г сырой массы, хлорофилла Ъ — с 0,22 до 0,35 мкг/г сырой массы (рисунок 3.63г).
Содержание хлорофилла а в листьях Panicum dichotomiflorum Michx. было ниже в 1,8 раза, чем в листьях пшеницы и снижалось к середине июля (до 0,62 мкг/г сырой массы), количество хлорофилла Ъ изменялось незначительно и в среднем составило - 0,24 мкг/г сырой массы (рисунок З.бЗд).
Содержание хлорофилла а в листьях Bromopsis inermis Leys, меньше, чем в зерновых культурах и составляло в среднем 0,55 мкг/г сырой массы (рисунок 3.63г). Содержание хлорофилла b также небольшое — 0,13-0,14 мкг/г сырой массы.
Изменение пигментного состава листьев сельскохозяйственных растений зависит от ряда экологических факторов и фазы развития (Полесская и др., 2001; А.А. Зайцева (Кондратьев и др., 1982) ).
Таким образом, в листьях культурных растений наблюдали максимальное накопление хлорофиллов к середине июня, а затем снижение в зависимости от культуры. Исключение составила гречиха, содержание хлорофиллов в которой к августу увеличивалась. Существенных различий в содержании хлорофиллов не обнаружено, хотя, содержание хлорофилла а в листьях растений Bromopsis inermis меньше, чем в зерновых культурах и составляло в среднем 0,55 мкг/г сырой массы.
Анализ морфометрических параметров сельскохозяйственных культур выявил следующие особенности - за вегетационный сезон 2005 г. высота растений овса (контура 1 и 3) увеличивалась в среднем с 10 до 30 см (рисунки 3.64 и Приложение 5). Агроценоз овса (контур 5) имел более высокие значения высоты побегов от 13,5 до 34,7 см (Приложение 5).
Данный показатель в контуре 3 был в 1,5 раза ниже, чем в контуре 1, максимальное ее значение (255±24 шт/м") наблюдали в конце июня (Приложение 5). В течение вегетационного сезона густота стеблестоя снижалась в 1,4 раза. Вероятно, низкая продуктивность генеративных органов (1,4 ц/га сухой массы), была связана как с более низкой, чем в контуре 1 густотой стеблестоя, так и с увеличением доли сорной растительности (62%). Густота стеблестоя растений овса в контуре 5 снижалась с 310 до 220 шт/м , т.е. в 1,4 раза (Приложение 5).
Количество зерен в метелке одного растений овса (контура 1, 3 и 5 составило соответственно 10±3, 7±2 и 11±2 шт в третьей декаде июля и 7±2, 6±1 и 10±4 шт во второй декаде августа. Уменьшение количества зерен происходило в результате осыпания зерен в период созревания. Таким образом, контур 5 являлся более продуктивным по сравнению с контурами 1иЗ.
За вегетационный сезон 2006 г. высота побегов растений овса (контура I, 2 и 3) увеличивалась от 16,7 до 30,1 см, от 17,0 до 30,8 см и от 16,2 до 27,1 см (Приложение 5).
Густота стеблестоя растений овса (контур 1) уменьшилась в течение сезона в среднем в 1,5 раза - с 132 до 91 шт, что почти в 2,4 раза меньше, чем в контуре 5 в 2005 г, а в контуре 2 - с 137 до 82 шт/м , в контуре 5-е 127 до 87 шт/м2 (Приложение 5).
Количество зерен в метелке одного растений овса колебалась соответственно в контуре 1, 2 и 3 от 18±4, 22±4 и 18±3 шт во второй декаде июля, 17±6, 20±4 и 17±2 шт в первой декаде августа и 14±2, 20±2 и 17±2 шт в сентябре. Таким образом, количество зерен в метелке овса в 2006 г. в среднем в 1,7 раза превышало данный показатель в 2005 г. За вегетационный сезон 2005 г. высота растений пшеницы (контура II, 13 и 16) увеличивалась в среднем от 13,4 до 21,3 см (рисунок 3.66), от 12,8 до 30,3 см и от 15,5 до 39,4 см (Приложение 5).
