Россия
г. Анапа, Россия
УДК 631.4 Почвоведение. Почвенные исследования
Исследования проводили с целью определения необходимой совокупности оценочных признаков виноградопригодных земель со свойствами терруара на основе обобщения литературных источников и постановки полевого опыта по применению вегетационных спектральных индексов в виноградных насаждениях. Использование спектральных данных о состоянии почвы, растений и окружающей среды позволяет оценивать силу роста кустов и урожайность виноградников по разностным нормализованным индексам. Спектральный анализ виноградников по космоснимкам позволяет с периодичность в 2…7 дней получать данные о вегетативной и влажностной изменчивости виноградных насаждений. Правильная интерпретация спектральных космоснимков возможна при их проверке в результате наземных исследований показателей почвы, вегетации кустов по фенофазам, влажности почвы, воздуха и листа. В перспективе верификация спутниковых и наземных данных позволит снизить объемы маршрутно-полевых обследований и лабораторных анализов. Для решения этой задачи спектральные данные с общедоступных спутниковых платформ Sentinel-2 и Landsat-8 должны быть откалиброваны по наземным образцам с пробных участков виноградопригодных земель с терруарными свойствами, которые определяются как спектральные паттерны (образцы) виноградников. Наличие зависимости между влажностью почвы, площадью листовой поверхности и урожайностью позволяет на основе нормализованных индексов вегетации (NDVI) и влажности почвы (NDMI) определять микроучастки виноградного насаждения с различной продуктивностью и качеством урожая. Микрозонирование местности по таким параметрам как физико-химический состав, влажность почвы, морфометрия, экспозиция и уклоны склонов позволяет выделять виноградопригодные участки со свойствами терруаров. Выделение границ и площадей виноградного насаждения с терруарными свойствами по спектральным растровым космоснимкам с векторизацией разностных почвенных слоев в геоинформационной системе позволяет оперативно оценивать виноградопригодные земли, продуктивность различных участков виноградного насаждения и оптимизировать агроработы в соответствии с прецизионным подходом в виноградарстве.
виноградник, виноградарство, вегетационные спектральные индексы, структура почвы, терруар, паттерн, сила роста куста
Введение. На сегодняшний день пригодные для выращивания винограда земли есть в Крыму, Краснодарском и Ставропольском краях, Чеченской, Дагестанской, Кабардино-Балкарской и Карачаево-Черкесской Республиках, Ингушетии, Адыгее и Северной Осетии. Кроме того, виноградники можно встретить в Ростовской, Астраханской, Волгоградской и Саратовской областях. На Краснодарский край приходится треть виноградников всей России – около 28 тыс. га. Одним из основных подходов к определению виноградопригодности земельного участка выступает концепция терруара. С принятием Федерального закона № 468-ФЗ «О виноградарстве и виноделии в Российской Федерации» введено определение виноградно-винодельческого терруара, как ограниченной территории с одинаковыми географическими, климатическими и почвенными условиями, в границах которой применение одинаковых технологических приемов виноградарства и виноделия определяет особые органолептические характеристики винодельческой продукции [1]. Необходимо найти такие оценочные критерии терруарных свойств земельных участков, которые позволяют с высокой достоверностью выделять виноградопригодные земли под столовые и технические сорта винограда с учетом сроков вегетации. Терруарные свойства местности выступают первичным фактором, определяющим сорто-подвойные комбинации винограда и технологии его возделывания. Оценочные признаки соотносятся со спектральными паттернами терруарных виноградников по значениям индексов вегетации и влажности почвы в периоды фенофаз. Под спектральным паттерном терруара понимается участок микрозоны с однородной структурой, тоном и цветом, который выделяется на фоне изображения в границах виноградного насаждения.
Изучение почвенно-экологических и климатологических параметров местности на основе их спектральных характеристик стало возможным в результате интеграции дистанционных и наземных методов исследований на основе геоинформационных технологий [2]. Так, на базе сервиса «Вега-Science» (http://sci-vega.ru/) учеными ФГБУН «ВННИИВиВ «Магарач» РАН был разработан алгоритм классификации виноградников Южного берега Крыма по индексу NDVI на общей площади виноградных насаждений более 1700 га [3], с использованием которого они определили границы и составили варианты групп виноградников. По данным турецких и канадских исследователей [4, 5], использование спектрометров видимого ближнего инфракрасного диапазона (vis-NIR) с высоким и средним разрешением от 2 до 15 м на пиксель служит оперативным и недорогим методом сбора информации о почве. Эффективность классификации почв по индексам vis-NIR и таким признакам как цвет, органическое вещество, структура и pH почвы при высоком разрешении снимка составляет 68 %, при среднем разрешении – 64 %, а при использовании только спектральных данных – 61 и 59 % соответственно.
Мультиспектральные снимки c разрешением 10…60 м на пиксель с космических сканеров Sentinel-2 и Landsat-8 используют для создания цифровых почвенных карт. На основе таких снимков и баз данных почвенных образцов, разрабатывают цифровые карты с точностью 0,43 % по содержанию органического углерода в почве и 6…11 % для структурных фракций [6]. Для оценки качества почвы используют индекс SQI, который рассчитывается по комбинированным спектральным данным Vis-NIR (350...2500 нм) и pXRF (0...8 и 0...45 кВ). Индекс SQI отражает изменения свойств почвы по вертикальным и горизонтальным профилям [7]. Цифровое картографирование почв основано на растровой концепции модели почвенного профиля, обработки баз данных почв, методах отбора проб, определении пространственных ковариатов почв, количественном пространственном моделировании [8]. На основе результатов анализа почвенных проб и координат точек их отбора строится электронная почвенная карта. На эту основу накладывается слоями дополнительная информация по почвенным индексам, NDVI и др., картограммы водотоков и экспликация склонов. В результате анализа данных проводится зонирование поля по уровням плодородия почвы [9]. При этом по данным ученых Канадского института энологии и виноградарства (CCOVI), которые исследовали «эффекты терруара», влияющие на компоненты урожая виноградной лозы, состав ягод и сортовые параметры вина, устойчивая зависимость между составом почвы и качеством винограда и вина отсутствует, хотя традиционно считалось, что почва выступает основной характеристикой свойств терруара, определяющей качество винограда и вина.
Сейчас свойства терруара рассматривают через совместное взаимодействие почвы и окружающей среды. Во многих странах высококачественные вина производят из винограда, выращенного на самых разных почвах. Поэтому трудно определить лучшую почву с точки зрения структуры, мощности или содержания минералов. Заметное влияние на развитие кустов винограда и урожайность оказывают такие характеристики почвы, как водоудерживающая и фильтрационная способность. Одним из основных факторов «эффекта терруара» считают водный баланс виноградной лозы, так как самые сильные зависимости качества вина были связаны с водным потенциалом листьев в полдень, приростом лозы и массой ягод. Наиболее постоянными характеристиками почвы, которые повлияли на производительность виноградной лозы и компоненты урожая, были ее физические свойства, особенно структура с высоком содержанием песка [10].
В конечном счете именно водный баланс почвы и растения определяет качество вина для конкретного терруара. Влияние физических свойств почвы на влагообеспеченность виноградного куста и качество вина было более значимым, чем химического состава почвы. В хорошо дренируемых почвах отсутствуют застойные процессы в корневой зоне, а в конце сезона сокращается доступность влаги, поэтому участки, быстро теряющие водонасыщенность и находящиеся выше уровня грунтовых вод, более пригодны для виноградных насаждений.
В многочисленных вегетационных и полевых опытах доказано, что внесение удобрений не только повышает урожай, но и благодаря уменьшению эвапотранспирации снижается расход воды на создание единицы продукции. Поэтому высокое плодородие почвы способствует уменьшению коэффициента водопотребления. Так как сила всасывания корней виноградной лозы достигает 16,3 кг/см2 питательные вещества в почвенном растворе при небольших запасах влаги, если позволяет почва, могут поступать в растение с глубины до 10 м [11].
Зарубежные исследователи отмечают, что почва, пригодная для виноградников, характеризуется такими параметрами, как скорость инфильтрации от 500 мм в сутки, общая доступность воды в корневой зоне – от 150 мм, легкодоступной воды в корневой зоне – от 75 мм. Плохой дренаж и переувлажнение виноградных насаждений замедляют рост виноградной лозы. В засушливых регионах плохой дренаж увеличивает накопление солей в корневой зоне [12]. Уклон выступает важным показателем подстилающей поверхности для оценки эффекта терруара, так как от него зависит поверхностный сток и дренирование верхнего почвенного слоя, интенсивность эрозии, мощность почвенного профиля, поступление солнечных лучей, микроклимат участка [13].
Виноград особенно тонко реагирует на изменения климатических условий и аномальные проявления погоды, которые в последние десятилетия стали более нестабильны и принимают характер природных катаклизмов. В первую очередь это относится к температурному режиму и количеству осадков. Морфометрические параметры почвенной и рельефной поверхности участка, которые определяют агроэкологические показатели виноградных насаждений, более устойчивы.
Наличие прямой зависимости между влажностью почвы, площадью листовой поверхности и урожайностью позволяет на основе нормализованных индексов вегетации (NDVI) и влажности почвы (NDMI) определять терруарные участки виноградного насаждения [14]. Но эти спутниковые данные необходимо верифицировать и калибровать по контрольным точкам в местах уклонов, бугров и низин, проводя полевые исследования влажности и структуры почвы, определение фенофаз развития лозы. Отражательная способность земель под виноградниками меняется в зависимости от погодных факторов, влажности почвы, фенологических стадий развития винограда, агротехнических мероприятий, степени засоренности поля, характеристик мезорельефа и др. Систематизация разнородных характеристик виноградных насаждений позволяет на основе геоинформационных технологий определять внутренние и внешние границы виноградопригодных земель со свойствами терруара.
Экстенсивные возможности увеличения виноградных насаждений в Краснодарском крае практически исчерпаны. Поэтому дальнейшее развитие виноградарской отрасли возможно посредством перехода к прецизионному виноградарству. Прецизионное виноградарство основывается на оперативных данных с метеорологических и других датчиков окружающей среды, спутникового и воздушного дистанционного зондирования, их анализа в географической информационной системе (ГИС). Высокая вариабельность факторов, влияющих на рост лозы и качественные характеристики винограда, требует также интенсивного управления с учетом этих данных о местных условиях виноградника.
Цель исследования – проверка метода микрозонирования урожайности виноградных насаждений со свойствами терруара по изменчивости значений вегетационных индексов с космических снимков Sentinel-2.
Условия, объекты и методы. Объект исследования – виноградник на площади 23,46 га (координаты: с.ш. 44.92, в.д. 37.36) Анапского района, год посадки – весна 2019 г., сорт – Шардоне×Кобер 5ББ, схема посадки – 2,5 м × 1,0 м, формировка Гюйо. Постановку полевого опыта и анализ данных осуществляли в соответствии с методикой СКЗНИИСиВ (2010). Почвенные исследования проведены по ГОСТам: определение плотного остатка водной вытяжки – по ГОСТ 26423-85, определение кальция и магния – комплексонометрическим методом по ГОСТ 26487-85. Количество сахаров в образцах винограда определяли денсиметрическим методом (ГОСТ 13192-73), кислотность сока ягод путем титрования (ГОСТ Р 51621-2000).
Определение границ и морфометрических параметров почвенных участков проводили на основе космических снимков Sentinel-2 по каналам: B04, B03, B02, B08 в программах QGIS, SAGA GIS, SNAP. На каждом участке исследовали по 15 кустов. Анализ данных проводили за несколько вегетационных периодов. Диапазон обновления спектральных космоснимков составляет от 3 до 7 дней [15].
Микрозонирование местности по таким параметрам, как физико-химический состав почвы, температурные поля, влажность почвы, морфометрия и уклоны склонов проводили визуальным дешифрированием космических снимков и классификацией виноградопригодных земель с использованием современных цифровых технологий: глобального позиционирования, дистанционного зондирования (ДЗ) и геоинформационных систем (ГИС) [3].
Результаты и обсуждение. В Анапском районе определяющими параметрами при выборе земель для закладки виноградных плантаций служат уровень и солевой состав грунтовых вод и почв, содержание активных карбонатов в почве, гранулометрический состав и плотность почвы, запасы гумуса, экспозиция, длина и крутизна склонов [16]. Проведенные маршрутно-полевые исследования почвы опытного участка и вегетационных индексов виноградных насаждений позволили сформулировать гипотезу выделения терруара по спектральным паттернам (образцам) почвенных участков и силе роста кустов. Для ее подтверждения в 2022 г. на участке виноградного насаждения площадью 23,46 га выделено 5 почвенных разностей (рис. 1) с различными физико-химическими характеристиками почвы (табл. 1).
В первом варианте почва, начиная с глубины 100 см, содержит повышенное количество легкорастворимых солей, среди которых преобладают входящие в гипс ионы НСО3-. Важной особенностью также выступает полное отсутствие карбонатов кальция как общих, так и активных.
Во втором варианте почва выделяется легким гранулометрическим составом, в то время как у остальных образцов он варьирует от среднесуглинистого до тяжелосуглинистого.
В третьем варианте почва содержит наибольшее количество карбонатов кальция, которой с глубиной увеличивается и достигает 18 % на глубине 160 см.
В четвертом варианте почва характеризуется отсутствием карбонатов кальция и среднесуглинистым гранулометрическим составом.
В пятом варианте почва содержит токсичные легкорастворимые соли, концентрация хлорид иона начинает увеличивается с глубины 60 см и на глубине 160 см достигает 0,63 мг-экв. на 100 г почвы.
Для определения степени влияния почвенных разностей на виноградное растение проводили агробиологические учеты и определяли качественно-количественные показатели виноградной продукции на всех пяти массивах виноградного насаждения (табл. 2).
|
|
Рис. 1 – Варианты почвенных массивов (1 участок – 3,58 га, 2 участок – 6,15 га, 3 участок – 2,60 га, 4 участок – 2,80 га, 5 участок – 1,36 га, 6 участок – 4,31 га) и точки отбора почвенных проб на опытном участке, профиль рельефа, высоты и уклон маршрута.
По контрастным снимкам, после обработки по специальным алгоритмам (с использованием сервиса https://app.onesoil.ai/), была проведена оценка относительной плотности фитомассы по значениям индекса вегетации NDVI. Коллекция снимков виноградников с повторяющимися признаками узора-текстуры позволила выявить отклонения от оптимального значения. На отклонения значения индекса NDVI также влияло распределение суточных температур и осадков (рис. 2).
а)
б)
Рис. 2 – Влияние температуры (а) и осадков (б) на индекс NDVI в 2022 г. и средние за 5 лет.
Спектральные индексы определяли по каналам B04, B03, B02 и B08 космического снимка Sentinel-2. На снимке парового поля (2019 г.), когда зеленые растения на поверхности почвы отсутствовали, четко видны границы и контуры почвенных массивов, различимые по цвету, тону и текстуре (рис. 3а). Аналогичные различия видны при обработке спектральных каналов B08 и B04 соответственно для средних и контрастных значений вегетационного индекса NDVI (рис. 3б и 3в). Один пиксель снимка имеет разрешение 10 м, что соответствует площади в 0,01 га. То есть значение вегетационного индекса в одном пикселе отражает среднюю силу роста от 30 до 40 виноградных кустов на 0,01 га для схемы посадки 2,5 м × 1,0 м (сорт – Шардоне×Кобер 5ББ, формировка Гюйо), что соответствует скорости роста побегов этого участка. В свою очередь сила роста кустов винограда зависит как от плодородия почвы, так и от используемых агротехнических приемов [17].
Наличие тесной связи между влажностью почвы, площадью листовой поверхности и урожайностью виноградника [18] позволяет на основе нормализованных индексов вегетации (NDVI) и влажности почвы (NDMI) выделять участки виноградного насаждения с различной силой роста кустов на разных почвенных массивах.
Таблица 1 – Физико-химическая характеристика почв по результатам анализа водной вытяжки
|
Вариант, почва |
Слой, см |
рН |
Плотный остаток, % |
HCO3 - |
Cl- |
Са2+ |
Mg2+ |
Карбонаты, % |
Вскипание от 10 % соляной кислоты |
|
|
мг-экв. /100 г почвы |
общие |
подвижные |
||||||||
|
1. Чернозем обыкновенный мощный глубоко солонцеватый, тяжелосуглинистый, сформированный на гипсовых глинах |
0…20 |
6,6 |
0,051 |
0,20 |
0,24 |
0,25 |
0,15 |
0 |
0 |
- |
|
20...40 |
6,4 |
0,068 |
0,22 |
0,29 |
0,25 |
0,15 |
0 |
0 |
- |
|
|
40…60 |
6,3 |
0,056 |
0,22 |
0,29 |
0,30 |
0,20 |
0 |
0 |
- |
|
|
60…80 |
6,3 |
0,086 |
0,24 |
0,24 |
0,30 |
0,20 |
0 |
0 |
- |
|
|
80…100 |
6,4 |
0,100 |
0,26 |
0,25 |
0,25 |
0,25 |
0 |
0 |
- |
|
|
100…120 |
6,7 |
0,196 |
0,50 |
0,38 |
0,75 |
0,40 |
0 |
0 |
- |
|
|
120…140 |
6,7 |
0,518 |
0,40 |
0,38 |
3,50 |
1,50 |
0 |
0 |
- |
|
|
140…160 |
6,8 |
0,473 |
0,26 |
0,38 |
4,00 |
0,30 |
0 |
0 |
- |
|
|
2. Чернозем южный карбонатный маломощный, супесчаный, сформированный на приморских песках |
0…20 |
6,7 |
0,037 |
0,24 |
0,24 |
0,30 |
0,10 |
2,0 |
2,5 |
+ |
|
20...40 |
6,7 |
0,031 |
0,40 |
0,27 |
0,30 |
0,10 |
4,0 |
2,5 |
+ |
|
|
40…60 |
6,5 |
0,040 |
0,40 |
0,27 |
0,30 |
0,15 |
4,0 |
4,0 |
+ |
|
|
60…80 |
6,5 |
0,034 |
0,40 |
0,29 |
0,45 |
0,10 |
4,0 |
4,5 |
+ |
|
|
80…100 |
6,7 |
0,037 |
0,34 |
0,25 |
0,35 |
0,15 |
2,0 |
4,5 |
+ |
|
|
100…120 |
6,7 |
0,030 |
0,34 |
0,29 |
0,25 |
0,15 |
2,0 |
4,5 |
+ |
|
|
120…140 |
6,6 |
0,026 |
0,32 |
0,30 |
0,35 |
0,10 |
2,0 |
2,5 |
+ |
|
|
140…160 |
6,4 |
0,030 |
0,32 |
0,34 |
0,35 |
0,10 |
2,0 |
0 |
- |
|
|
3. Чернозем обыкновенный мощный карбонатный тяжелосуглинистый, сформированный на тяжелых суглинках и глинах |
0…20 |
7,3 |
0,073 |
0,38 |
0,29 |
0,40 |
0,20 |
4,0 |
2,5 |
+ |
|
20...40 |
7,7 |
0,070 |
0,40 |
0,26 |
0,45 |
0,30 |
6,0 |
5,0 |
+ |
|
|
40…60 |
7,6 |
0,080 |
0,40 |
0,25 |
0,40 |
0,15 |
6,0 |
6,5 |
+ |
|
|
60…80 |
7,5 |
0,051 |
0,36 |
0,25 |
0,45 |
0,15 |
8,0 |
8,5 |
+ |
|
|
80…100 |
7,7 |
0,040 |
0,40 |
0,24 |
0,50 |
0,10 |
10,0 |
10,0 |
+ |
|
|
100…120 |
7,5 |
0,050 |
0,40 |
0,24 |
0,45 |
0,15 |
12,0 |
10,0 |
+ |
|
|
120…140 |
7,6 |
0,051 |
0,40 |
0,25 |
0,50 |
0,10 |
16,0 |
11,5 |
+ |
|
|
140…160 |
7,6 |
0,053 |
0,32 |
0,24 |
0,50 |
0,15 |
18,8 |
13,5 |
+ |
|
|
4. Чернозем южный выщелоченный мощный среднесуглинистый, сформированный на лессовидных суглинках |
0…20 |
6,8 |
0,048 |
0,22 |
0,26 |
0,30 |
0,10 |
0 |
0 |
- |
|
20...40 |
6,9 |
0,050 |
0,24 |
0,31 |
0,35 |
0,15 |
0 |
0 |
- |
|
|
40…60 |
6,9 |
0,058 |
0,26 |
0,31 |
0,35 |
0,20 |
0 |
0 |
- |
|
|
60…80 |
7,2 |
0,038 |
0,30 |
0,30 |
0,40 |
0,15 |
0 |
0 |
- |
|
|
80…100 |
7,1 |
0,032 |
0,30 |
0,31 |
0,40 |
0,15 |
0 |
0 |
- |
|
|
100…120 |
7,1 |
0,037 |
0,26 |
0,32 |
0,40 |
0,15 |
0 |
0 |
- |
|
|
120…140 |
7,5 |
0,072 |
0,46 |
0,34 |
0,40 |
0,05 |
4,2 |
2,6 |
+ |
|
|
140…160 |
7,5 |
0,062 |
0,50 |
0,34 |
0,40 |
0,05 |
8,4 |
4,7 |
+ |
|
|
5. Чернозем южный карбонатный мощный среднесуглинистый глубокосолонцеватый, сформированный на лессовидных глинах |
0…20 |
7,4 |
0,066 |
0,40 |
0,29 |
0,45 |
0,25 |
2,1 |
1,8 |
+ |
|
20...40 |
7,4 |
0,059 |
0,42 |
0,30 |
0,45 |
0,10 |
2,1 |
2,0 |
+ |
|
|
40…60 |
7,3 |
0,064 |
0,40 |
0,30 |
0,45 |
0,10 |
4,2 |
2,5 |
+ |
|
|
60…80 |
7,4 |
0,130 |
0,36 |
0,53 |
0,80 |
0,20 |
5,0 |
3,2 |
+ |
|
|
80…100 |
7,4 |
0,107 |
0,36 |
0,53 |
0,90 |
0,20 |
6,3 |
3,9 |
+ |
|
|
100…120 |
7,4 |
0,124 |
0,40 |
0,68 |
0,90 |
0,15 |
7,6 |
4,5 |
+ |
|
|
120…140 |
7,4 |
0,120 |
0,42 |
0,68 |
0,95 |
0,10 |
8,4 |
7,1 |
+ |
|
|
140…160 |
7,4 |
0,120 |
0,46 |
0,63 |
0,90 |
0,15 |
6,3 |
6,0 |
+ |
|
Почвенные свойства выделенных участков микрозон и морфометрические параметры (уклон и протяженность), определяют силу развития кустов в исследованном ряду (рис. 1), урожайность и качество гроздей (табл. 2), что в течении вегетационного периода проявляется в величинах значений индекса вегетации. Так, индекс NDVI в диапазоне от 0,27 до 0,47 в красном цвете соответствует 2,14 га межклеточных проездов и других участков без растительности (рис. 4а). Светло-желтый цвет со значениями индекса в диапазоне 0,4…0,6 – участки со слаборазвитыми кустами, на которые приходится 7,7 га – варианты 1 и 2, значения индекса 0,6…0,7 соответствуют участкам с нормально развитыми кустами на площади 14,5 га – варианты 3 и 5. Сильно развитые кусты на 1,9 га характеризует NDVI от 0,7 и выше – вариант 4.
NDMI – нормализованный разностный индекс влажности отражает уровень содержания влаги в растениях. При его величине 0,019…0,125 относительных единиц, характерной для 64 % площади виноградника, растения имеют нормальную увлажненность, а на 4 % площади насаждений со значениями индекса 0,125…0,231 они переувлажнены (рис. 4б). В зону переувлажнения попадает вариант 4 – с наибольшим количеством гроздей, расчетной и фактической урожайностью и кислотностью ягод. Остальные варианты расположена на участках с нормальной увлажненностью (см. табл. 2, рис. 3г).
ReCI – показатель фотосинтетической активности растительного покрова, чувствительный к содержанию хлорофилла в листьях. Он очень вариабелен и может менять свое значение в зависимости от влажности воздуха. По его величине можно судить о стрессе листьев. По результатам исследований растения на 4 % площади виноградника характеризуются высоким уровнем хлорофилла (рис. 4в), 27 % – повышенным, что соответствует вариантам 4 и 5, 58 % – нормальным (варианты 1, 2, 3).
Значительно меньшую фактическую урожайность, в сравнении с расчетной, в варианте 5 (см. табл. 2), можно объяснить влиянием краевого эффекта. Но в целом сила роста кустов и фактическая урожайность в остальных вариантах соответствует изменчивости значений вегетационных индексов.
Таблица 2 – Урожайность и качественные показатели сорта Шардоне в различных вариантах почвенной разности и рельефа
|
Вариант, высота, уклон |
Коэффициент Плодоношения, К1 |
Коэффициент плодоносности, К2 |
Среднее количество гроздей |
Средняя масса грозди, грамм |
Расчетная урожайность с куста, кг |
Фактическая урожайность, кг/куст |
Сахар, г/100 см3 |
Титруемая кислота, г/дм3, кислотность |
рН сока |
|
1) 31 м, 0,7 % |
1,06 |
1,68 |
11,3 |
201 |
2,86 |
2,28 |
18,6 |
8,85 |
3,13 |
|
2) 28 м, 4,3 % |
1,32 |
1,70 |
18,2 |
130 |
3,06 |
2,37 |
15,9 |
12,00 |
3,02 |
|
3) 22 м, 1,5 % |
1,35 |
1,58 |
18,8 |
140 |
3,19 |
2,64 |
18,6 |
8,92 |
3,11 |
|
4) 20 м, 2 % |
1,49 |
1,83 |
27,8 |
142 |
3,62 |
3,96 |
14,6 |
14,70 |
2,99 |
|
5) 18 м, 5 % |
1,47 |
1,87 |
12,5 |
155 |
3,19 |
1,94 |
18,9 |
9,67 |
3,07 |
а б в г
Рис. 3 – Космоснимки виноградных насаждений: а) пашня, б) средний NDVI = 0,35, в) контрастный NDVI 27.09.2022: красный – 0,21…0,39 (низкий уровень вегетации); желтый – 0,40…0,42 (угнетенная вегетация); зеленый – 0,43…0,55 (сильная вегетация), г) точки отбора проб по варианту на участке (27.09.2022).
Рис. 4 – Нормализованные разностные индексы, август 2022 г.: а) NDVI; б) NDMI; в) RECI.
Выводы. При изучении спектральных характеристик виноградных насаждений отмечены три основных признака, несущих информацию о состоянии растительного покрова: индекс яркости почв – синтезированный снимок в трех видимых каналах, взвешенная сумма значений пикселов всех зон снимка, учитывающая максимальное варьирование отражательной способности почвы; индекс вегетации NDVI зеленой растительности – контраст между ближней инфракрасной и видимой областями, в значительной степени определяющий количество зеленой растительности в отображаемой области; индекс влажности растений NDMI, который определяется на основе индексов влажности почвы и воздуха.
Данные дистанционного зондирования с 10 м разрешением в сочетании с полевой калибровкой при маршрутно-полевом обследовании почв могут применяться для оценки и классификации терруарных свойств виноградных насаждений по способности накапливать сахар и кислотности. При проведении калибровки спектральных изображений для различных условий выращивания и с учетом конкретных агротехнических приемов, которые оказывают влияние на силу роста виноградного куста (обрезка, обломка зеленых побегов, форма куста, обработка почвы, внесенное удобрение, орошение виноградников и др.) оценку терруарных свойств виноградопригодных земель можно проводить оперативно с высокой точностью и минимальной наземной проверкой.
Динамику индекса NDVI в течение вегетационного периода можно использовать для оценки силы роста группы от 20 до 50 виноградных кустов (в зависимости от схемы посадки) на участке в 0,01 га и урожайности в зависимости от терруарных свойств, а в сочетании с данными индекса влажности почвы NDMI – для выявления отклонений в развитии (участки повышенной влажности проявляются в сильном развитии кустов). Эти два индекса отражают изменения в кронах кустов на фоне междурядий с оголенной почвой и выступают индикатором для классификации проблемных и терруарных участков виноградника. Контурно-площадное дешифрирование микрозон виноградного насаждения по почвенными и вегетационным индексам многозональных космоснимков в сочетании с маршрутно-полевыми исследованиями почв могут служить надежными оценочными признаками для выделения виноградопригодных земель в рамках концепции терруара виноградного насаждения.
1. О виноградарстве и виноделии в Российской Федерации: Федеральный закон от 27.12.2019 N 468-ФЗ (ред. от 02.07.2021) URL: http://publication.pravo.gov.ru/Document/View/0001201912280016 (дата обращения: 17.08.2022).
2. Орлов В.А., Лукьянов А.А. Элементы цифровизации виноградных насаждений на основе геоинформационной системы // Плодоводство и виноградарство Юга России. 2022. № 73 (1) С. 14-27. doi:https://doi.org/10.30679/2219-5335-2022-1-73-14-27.
3. Организация работы с данными наземных и дистанционных наблюдений для решения задач дистанционного мониторинга виноградников / Е.А. Рыбалко, Н.В. Баранова, Е.А. Лупян и др. // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13 (1). С. 79-92. doi:https://doi.org/10.21046/2070-7401-2016-13-1-79-92.
4. A soil quality index using Vis-NIR and pXRF spectra of a soil profile / G. Gozukara, M. Acar, E. Ozlu, et al. // Catena. 2022 Vol. 211. 105954. URL: https://www.sciencedirect.com/science/article/abs/pii/S0341816221008122 (дата обращения: 01.07.2022). doi:https://doi.org/10.1016/j.catena.2021.105954.
5. Soil classification of multihorizontal profiles using support vector machines and vis-NIR spectroscopy / S. Chen, W. Ma, D. Xu, et al. // Pedometrics: Wageningen 2017. P. 56. URL: https://hal.science/hal-01606621 (дата обращения: 10.07.2022).
6. Minařík R., Žížala D., Juřicová A. Creation of detailed soil properties maps of the Czech Republic based on national legacy data and digital soil mapping // EGU General Assembly 2020. EGU2020-18480. doi:https://doi.org/10.5194/egusphere-egu2020-18480. URL: https://meetingorganizer.copernicus.org/EGU2020/EGU2020-18480.html (дата обращения: 12.07.2022). doi:https://doi.org/10.5194/egusphere-egu2020-18480.
7. Digital Soil Mapping - An Introductory Perspective / P. Lagacherie A.B. McBratney, M. Voltz, et al. // The European Journal of Soil Science (EJSS). 2007. Vol. 58. No. 5. P.1217-1218. doi:https://doi.org/10.1111/j.1365-2389.2007.00943_6.x.
8. Organic Matter Modeling at the Landscape Scale Based on Multitemporal Soil Pattern Analysis Using RapidEye Data / G. Blasch, D. Spengler, S. Itzerott, et al. // Remote Sensing. 2015. № 7 (9). P. 11125-11150. doi:https://doi.org/10.3390/rs70911125.
9. Regional mapping of soil organic matter content using multitemporal synthetic Landsat 8 images in Google Earth Engine / C. Luo, X. Zhang, X. Meng, et al. // CATENA. 2022. Vol. 209, P. 1. 105842. URL: https://www.sciencedirect.com/science/article/abs/pii/S0341816221007001?via%3Dihub (дата обращения: 15.08.2022). doi:https://doi.org/10.1016/j.catena.2021.105842.
10. Reynolds A., Willwerth J. Spatial variability in Ontario Riesling vineyards: I. Soil, vine water status and vine performance // OENO One. 2020. № 54. P. 311-333. doi:https://doi.org/10.20870/oeno-one.2020.54.2.2401.
11. Bamberger U. Wasserdefizit im Boden - Folgen für den Wein? // Deutsches Weinbaujahrbuch. 2008. Verlag Ulmer, Stuttgart, S. 130-133.
12. The use of proximal soil sensor data fusion and digital soil mapping for precision agriculture / W. Ji, V. Adamchuk, S. Chen, et al. // Pedometrics. 2017. HAL Id: hal-01601278. URL: https://hal.science/hal-01601278 (дата обращения: 17.02.2022)
13. Устойчивость сортов винограда к засухе / Н.И. Ненько, И.А. Ильина, В.С. Петров и др. // Вестник Российской сельскохозяйственной науки. 2019. № 5. С.40-45. doi:https://doi.org/10.30850/vrsn/2019/5/40-45.
14. Remote sensing, yield, physical characteristics, and fruit composition variability in Cabernet Sauvignon vineyards / B. Sams, R.G.V. Bramley, L. Sanchez, et al. // American Society for Enology and Viticulture. 2022. №73(2). P. 93-105. doi:https://doi.org/10.5344/ajev.2021.21038.
15. Шукилович А.Ю., Федотова Е.В., Маглинец Ю.А. Применение сенсора MODIS для оперативного мониторинга земель сельскохозяйственного назначения // Журнал Сибирского федерального университета. Cерия: техника и технологии. 2016. С. 1035-1044. doi:https://doi.org/10.17516/1999-494X-2016-9-7-1035-1044.
16. Влияние факторов среды ампелоценоза на формирование качественных показателей вина / А.А. Лукьянов, М.В. Антоненко, Ю.В. Гапоненко и др. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2015. № 112. С. 1224-1235.
17. Майбородин С.В. Изменение показателей продуктивности и плодоносности виноградных насаждений в зависимости от применения различных агротехнических приемов // Вестник НГАУ (Новосибирский государственный аграрный университет). 2022. № 2 (63). С. 33-38. doi:https://doi.org/10.31677/2072-6724-2022-63-2-33-38.
18. Mathematical Models of Leaf Area Index and Yield for Grapevines Grown in the Turpan Area Xinjiang, China / L. Su, W. Tao, Y. Sun, et al. // Agronomy. 2022. 12(5):988. URL: https://www.mdpi.com/2073-4395/12/5/988 (дата обращения: 04.09.2022). doi:https://doi.org/10.3390/agronomy12050988.
