Цель: использовать различные методы получения первичных данных для определения содержания в почве питательных веществ и отрисовки их наличия на обследуемом участке.
Материалы и методы. Рассмотрены три метода сбора данных. Первый метод включает в себя отбор почвенных образцов с помощью пробоотборника. Второй метод основан на применении специализированных датчиков, которые определяют наличие питательных веществ в почве. Третий метод получения данных – на технологии дистанционного зондирования Земли (ДЗЗ).
Результаты. С помощью использованных методов получены первичные данные и отрисованы карты наличия в почве питательных веществ. На картах за условные обозначения принята цветовая палитра, отображающая отклонение количества питательных веществ в почве от номинального их значения. Для каждого питательного элемента отрисовывается индивидуальная карта. На картах изображаются участки, ограниченные областями с наличием питательных веществ в почве с равным или выше номинального значения (окрашивается зеленым цветом), ниже номинального на 10–15 % (окрашивается желтым цветом), ниже на 15–20 % (окрашивается оранжевым цветом), ниже и более 25 % (красным цветом). Номинальное значение содержания в почве для общего азота 25 мг на 1 кг почвы, подвижного фосфора – 40 мг на 1 кг, обменного калия – 270 мг на 1 кг почвы.
Выводы. В результате проведенных исследований выявлено, что общепринятый метод определения в почве питательных веществ является трудоемким (при его использовании необходимы лабораторные исследования), но при этом он является наиболее точным. Главным недостатком использования почвенных датчиков является их дороговизна. Помимо этого, следует контролировать состояние самого датчика и соприкасающихся с почвой элементов. Метод с использованием камер, установленных на БПЛА, спутниковых карт и данных дистанционного зондирования показывает разницу с гостированным методом более чем на 20 %.
пробоотборник, мониторинг питательных веществ, отбор почвенных образцов, дистанционное зондирование Земли, общий азот, подвижный фосфор и обменный калий
Монастырский В. А. Получение первичных данных о динамике в почве питательных веществ // Пути повышения эффективности орошаемого земледелия. 2026. Т. 98, № 1. С. 276–289.
1. Якименко В. Н. Изменение параметров плодородия почвы в агроценозах // Плодородие. 2008. № 1(40). С. 10–12. EDN: KUCLJH.
2. Абдусаламова Р. Р., Баламирзоева З. М. Способы комплексной оценки плодородия почв сельскохозяйственных земель // Вестник Социально-педагогического института. 2022. № 1(41). С. 7–14. EDN: CUABXH.
3. Влияние минеральных удобрений на развитие хлопчатника в условиях орошения / Р. Е. Юркова, С. А. Селицкий, А. Н. Бабичев, Ю. И. Недоцукова // Пути повышения эффективности орошаемого земледелия. 2024. № 2(93). С. 264–276. EDN: JKFOGX.
4. Почвенно-мелиоративное состояние новоорошаемых земель Приазовья / Р. Е. Юркова, Г. Т. Балакай, А. Н. Бабичев, С. А. Селицкий // Мелиорация почв для устойчивого развития сельского хозяйства: материалы Междунар. науч.-практ. конф., посвященной 105-летию со дня рождения профессора Александра Филипповича Тимофеева, г. Киров, 28–29 нояб. 2024 г. Киров: Вятский государственный агротехнологический университет, 2024. С. 193–198. EDN: JHZXYN.
5. Блохина С. Ю., Матвеенко Д. А. Мониторинг основных агрохимических параметров плодородия почв в интеллектуальном земледелии // Земледелие. 2025. № 8. С. 9–15. DOI: 10.24412/0044-3913-2025-8-9-15. EDN: NDDHJK.
6. Милюткин В. А., Канаев М. А. Разработка технических средств мониторинга плодородия почв с исследованием эффективности дифференцированного внесения удобрений при точном земледелии // Известия Оренбургского государственного аграрного университета. 2017. № 2(64). С. 92–95. EDN: YMXGUJ.
7. Нугманов С. С., Гриднева Т. С., Васильев С. И. Совершенствование конструкции почвенного пробоотборника // Известия Самарской государственной сельскохозяйственной академии. 2015. № 3. С. 55–60. EDN: UOHKCB.
8. Leonov A.A., Sankina O.V. Working Tool for Robotic Soil Sampling System // Modern Trends in Agricultural Production in the World Economy: Proceedings of XVIII International Scientific and Practical Conference, Kemerovo, 3–4 december 2019. Kemerovo: Kuzbass State Agricultural Academy, 2020. P. 69–76. DOI: 10.32743/kuz.agri.2020.69-76. EDN: DKOFZT.
9. Лужецкий В. В., Паньков Д. Н., Бугорский И. А. Методы механизированного отбора проб почвы для проведения агрохимического анализа // Современные перспективы развития гибких производственных систем в промышленном гражданском строительстве и агропромышленном комплексе: сб. науч. статей Всерос. конф. г. Курск, 26 мая 2023 г. Курск: Университетская книга, 2023. Т. 1. С. 89–92. EDN: IRBRLE.
10. Киселев М. В. Сравнительный анализ ручного и механизированного методов отбора почвенных образцов для их агрохимического анализа // II International scientific conferential: Conserving soils and water: Proceeding, Burgas, Bulgaria, 30.08. – 02.09.2017. Том 1(1). Burgas, Bulgaria: Scientific Technical Union of Mechanical Engineering, 2017. С. 18–20. EDN: JCABDS.
11. Котрухова М. С., Машков С. В. Разработка автоматизированного почвенного пробоотборника с дистанционным управлением // Молодая наука аграрного Дона: традиции, опыт, инновации. 2017. № 1. С. 140–143. EDN: YPDSHR.
12. Голохвастова Е. Ф., Гурин И. В. Устройство пробоотбора почвы для универсальной сельскохозяйственной платформы // Journal of Advanced Research in Technical Science. 2024. № 45. С. 13–16. DOI: 10.26160/2474-5901-2024-45-13-16. EDN: LGGSQU.
13. Нугманов С. С., Гриднева Т. С., Васильев С. И. Совершенствование конструкции почвенного пробоотборника // Известия Самарской государственной сельскохозяйственной академии. 2015. № 3. С. 55–60. EDN: UOHKCB.
14. Rabbani G., Smeaton C., Cheema M., Galagedara L. Evaluation and estimation of boreal podzol soil nutrient concentrations using electromagnetic induction sensors // Computers and Electronics in Agriculture. 2025. Vol. 236. Article number: 110448. DOI: 10.1016/j.compag.2025.110448.
15. Косова А. Е., Кориков А. М. Применение видеокамер на борту беспилотных летательных аппаратов (БПЛА) для задач автоматического определения координат БПЛА // Электронные средства и системы управления. Материалы докладов Международной научно-практической конференции. 2016. № 1–2. С. 32–34. EDN: YGXUNN.
16. Куликов Ю. А., Куликова Е. В. Мультиспектральная съемка как инструмент дистанционного мониторинга состояния растительности природных территорий и агроландшафтов // Теория и практика инновационных технологий в АПК: материалы нац. науч.-практ. конф., г. Воронеж, 1 апр. 2024 г. Воронеж: Воронежский ГАУ им. императора Петра I., 2024. С. 152–157. EDN: JFCEUC.
17. Кучин Л. С. Мультиспектральная съемка на платформе беспилотного летательного аппарата районов природно-техногенной аккумуляции углеводородов // Географический вестник. 2025. № 1(72). С. 160–173. DOI: 10.17072/2079-7877-2025-1-160-173. EDN: NFIFVK.
