Плодоводство
и виноградарство Юга России
Информационные ресурсы
Дана характеристика процессов интенсификации в промышленном плодоводстве, определены их цели. Представлены основные технологические сдвиги сформированного в отечественном плодоводстве технологического уклада. На основе анализа развития технологических укладов приведены прогнозируемые технологические сдвиги на ближайшую перспективу, характерные черты перспективных технологий в плодоводстве, их критерии и признаки. Системно представлены факторы-признаки интенсификации плодоводства. Отражена ретроспектива интенсификации промышленного плодоводства на основе селекции и внедрения слаборослых подвоев и формируемых с их участием дифференцированных технологий. Графически представлены основные направления интенсификации, повышающие биопотенциал агроценоза. Проведен анализ негативного влияния химико-техногенных факторов на агроэкоценозы, приводящих к биоресурсным деформациям в биоценозе, почве и почвенной микробиоте, микробио-, акаро- и энтомосистемах. Доказана необходимость восстановления и развития воспроизводственных возможностей агроэкосистем, преимущественно биологическими способами, к которым относятся: развитие в почвенной биоте популяций ризосферных микроорганизмов, расширение спектра применяемых биопрепаратов, созданных на основе эффективных штаммов полезных микроорганизмов, широкое применение многообразных форм и способов повышения иммунности растений, в том числе препаратов элиситорного типа.
Обоснована необходимость разработки механизма управления устойчивостью агроэкосистем с участием виноградных агроценозов. Выявлены негативные проявления факторов химико-техногенной интенсификации, приводящих к биоресурсной деформации в ампелоценозах (нарушению рациональности природопользования и устойчивости агроэкосистем) и снижению эффективности производства продукции: повышение резистентности патогенов к применяемым химическим препаратам, что обуславливает увеличение кратности обработок, рост издержек на приобретаемые средства защиты растений, снижение урожайности; увеличение техногенной нагрузки приводит к увеличению объемов механизированных работ, снижению биогенности почвы; снижение иммунного статуса растений обуславливает уменьшение потенциальной продуктивности насаждений. Предложен механизм управления экологоэкономической устойчивостью агроэкосистем, который базируется на комплексе формализованных принципов и требований, отображающих специфику организуемых воспроизводственных процессов, и цифровых технологиях, основанных на многолетних эмпирических базах данных и современных способах биологизации. Расчетно обоснована технолого-экономическая эффективность методов и способов биологизации производственно-технологических процессов в промышленном виноградарстве, основанных на использовании живых организмов, их систем, продуктов их жизнедеятельности в решении технологических задач, позволяющих не только восстановить биоресурсный потенциал агроценоза, достигнутый химикотехногенными способами интенсификации, но и сформировать более высокие воспроизводственные возможности агроэкоценоза, имеющие значительный запас потенциала пластичности, обеспечивающий общесистемную устойчивость.
Опыт использования данных дистанционного зондирования и геоинформационных систем (далее ГИС) в виноградарстве других стран показал, что внедрение цифровых технологий сбора, обработки и использования данных о состоянии почв, растений и окружающей среды на разных уровнях обобщения (куст, ряд, клетка, поле, хозяйство) обеспечивает стабильность производства урожая и качества ягоды для производства вина. Концепция управления цифровизованным виноградарским хозяйством строится на применении аналитических инструментов и специализированных баз данных. В статье рассмотрены возможности ГИС Полис 5 для виноградарских хозяйств. Внедрение ГИС для цифровизации виноградных насаждений позволит решать многие задачи: определять границы виноградных участков; создавать цифровые паспорта (легенды) виноградников на основе технологических карт с привязкой к электронной карте; получить многослойную территориальную параметрическую модель местности, в которой растет виноградник; моделировать климатические 8-11 летние циклы, вероятность заморозков, затяжной весны, засух, града и другие экстремальные проявлений погоды в данной местности и в какой степени может повлиять на виноградники на разных стадиях вегетации; моделировать роль ландшафтных характеристик в формировании рельефа, климата, почв, погоды (перепады температур, промерзание почвы); моделировать гидрологический режим территории; моделировать почвенные характеристики, например, на наличие активного кальция, уровень основных элементов питания после внесения удобрений в течении 3-5 лет; разрабатывать оптимальные схемы посадок в зависимости от ландшафтно-почвенных и климатических условий по цифровым слоям. Решение этих и ряда других задач на основе цифровизации обеспечит устойчивое развитие отрасли виноградарства, стабильное получение урожая и качество продукции виноградарства в современных условиях.
На современном этапе при увеличении объёмов потребления виноградовинодельческой продукции, необходимо осуществлять мониторинговый прогноз возможности её производства для каждого отдельного сорта или привойно-подвойной комбинации в зависимости от почвенно-климатических условий и технологии выращивания. Это возможно только при условии разработки прогностических моделей поведения сорта винограда или его привойно-подвойной комбинации в привитой культуре в различных экоагробиоценозах. Целью исследования являлось рассмотрение методологических подходов к созданию математических моделей прогноза поведения отдельного сорта или групп сортов винограда в зависимости от абиотических и агротехнологических особенностей выращивания. Для выполнения поставленной цели была использована ранее созданная база данных, полученных в ходе эксперимента, проводимого на базе маточных насаждений и открытой виноградной школки Института «Агротехнологическая академия» ФГАОУ ВО «Крымский федеральный университет им. В.И. Вернадского», собранная в период с 2018 по 2021 гг. и подвергнутая многомерному регрессионному анализу с применением разработанной программы. Суммарное количество позиций, включенных в базу данных составляет 1860 шт. (31 параметр). В ходе исследований была доказана возможность разработки регрессионных моделей прогноза продуктивности при использовании непараметрического цифрового введения сортов, а также факторов окружающей среды. Установлено, что регрессионные модели, характеризующие качество лозы с учётом сортовых особенностей и погодных условий, могут меняться в зависимости от конкретного сорта. Так, подобная модель для сорта Каберне Совиньон является коренной с коэффициентом множественной корреляции R = 0,9866, а для сорта Сира – логарифмической при R = 1,0000. Рассмотрены перспективные возможности и способы разработки цифровых (математических) моделей, характеризующих отдельно взятые сорта или группы сортов по происхождению по их продуктивности в зависимости от почвенно-климатических условий, технологии производства, а также параметров качества производимой продукции.
В статье рассмотрен вопрос влияния аномальных агрометеорологических условий на урожайность ранних столовых сортов винограда межвидового происхождения в Краснодарском крае для создания математической модели минимальной урожайности. Для оценки влияния использовались парная корреляция и множественная регрессия. Урожайность винограда ранних столовых сортов межвидового происхождения взята с разных агроэкологических зон Краснодарского края за 1997-2020 год. Экстремальные агрометеорологические показатели рассчитаны по общепринятым методикам. С помощью парной корреляции отобраны наиболее важные экстремальные агрометеорологические параметры: минимальная температура воздуха июня-ноября предыдущего год (r = 0,41), сумма атмосферных осадков май-июль (r = -0,50) и гидротермический коэффициент Селянинова за май-июль (r = -0,52). Прогностическая модель минимальной урожайности ранних столовых сортов винограда межвидового происхождения включила в себя минимальную температуру воздуха июня-ноября предыдущего года и гидротермический коэффициент Селянинова за май-июль. Модель апробирована по показателям фактической урожайности, полученным в Центральной агроэкологической зоне на двух сортах раннего срока созревания межвидового происхождения – Гурман Крайнова и Виктор. Определена прогнозируемая средняя минимальная урожайность ранних столовых сортов винограда межвидового происхождения для агроэкологических зон и подзон Краснодарского края с помощью разработанной модели урожайности. Выявлены агроэкологические подзоны с высокой средней минимальной прогнозируемой урожайностью в зависимости от аномальных погодных условий – в Черноморской зоне подзоны Ч1, Ч2 и Ч5 с урожайностью равной или выше 10 т/га, в Северной зоне подзоны С1 и С3 с урожайностью выше 9 т/га, в Западной зоне подзона З1 с урожайностью выше 9 т/га, в Центральной зоне подзоны Ц1, Ц2 и Ц3 с урожайностью выше 8 т/га. Наименьшую прогнозируемую продуктивность показывают сорта в удаленных от моря подзонах Центральной агроэкологической зоны и в Предгорной зоне. Данная методика для оценки рисков возделывания рекомендуется использовать для любых сортов технического и столового направления использования.