esoilБюллетень Почвенного института имени В.В. ДокучаеваDokuchaev Soil Bulletin0136-16942312-4202V.V. Dokuchaev Soil Science Institute10.19047/0136-1694-2025-123-179-212esoil-918Research ArticleСтатьиОптимизация севооборотов на основе геостатистического анализа кислотности почвы и данных дистанционного зондирования земель с учетом финансовых издержекOptimization of crop rotations based on geostatistical analysis of soil acidity and earth remote sensing data, taking into account financial costshttps://orcid.org/0000-0003-2713-8184КиндеевА. Л.KindeevA. L.

Факультет географии и геоинформатики БГУ

220030, Минск, ул. Ленинградская 16

Faculty of Geography and Geoinformatics BSU

16 Leningradskaya Str., Minsk 220030

AKindeev@tut.byhttps://orcid.org/0009-0001-8161-2820ГутькоФ. С.GytkoF. S.

Факультет географии и геоинформатики БГУ

220030, Минск, ул. Ленинградская 16

Faculty of Geography and Geoinformatics BSU

16 Leningradskaya Str., Minsk 220030

gytko.filip12@gmail.comБелорусский государственный университетБеларусьBelarusian State UniversityBelarus2025170720250123179212Copyright © Киндеев А.Л., Гутько Ф.С., 20252025Киндеев А.Л., Гутько Ф.С.Kindeev A.L., Gytko F.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://bulletin.esoil.ru/jour/article/view/918

В статье приводятся возможности детального анализа пространственного распределения кислотности почвы для снижения издержек на известкование и оптимизации землепользования пяти рабочих участков опытного крестьянского фермерского хозяйства “Гутько С.”. На основании вариограммного анализа определяются закономерности распределения кислотности на ключевых участках. Регрессионный анализ показал значимую и высокую полиномиальную зависимость между индексом NDVI и кислотностью почв (корреляционное отношение составляет 0.60–0.75 на ключах № 2–4) и значимую прямую линейную взаимосвязь на ключе № 1. Геостатистический анализ позволил выявить на участке № 3 среднюю пространственную зависимость (остаточная дисперсия 29.9%). На основе сильной взаимосвязи между средними значениями индекса NDVI летних месяцев за 3 года (9 снимков) и кислотности почвы было предложено использовать NDVI в качестве предиктора для оптимизации сетки пробоотбора с использованием стохастического моделирования. Было установлено, что проявление взаимосвязи с NDVI больше на тех участках, где меньше выражена расчлененность рельефа. На основании расчетов затрат “франко-почва” для проведения известкования было обосновано преимущество детального учета кислотности перед классическими методами агрохимического обследования, применяемыми на территории Республики Беларусь. Прибыль за ротацию составила около 1 200 долларов США с площади 184,5 га. По результатам анализа распределения кислотности, индекса NDVI и истории полей была предложена более детальная схема элементарных участков с севооборотами, которые учитывают кислотность почвы. Ограничением для более дробной разбивки участков выступили возможности имеющейся сельскохозяйственной техники.

The article presents the possibilities of detailed analysis of the spatial distribution of soil acidity to reduce liming costs and optimise land use in five working areas of the experimental farm “Gutko S.”. Based on variogram analysis, the patterns of acidity distribution in key areas are determined. Regression analysis showed a significant and high polynomial dependence between the NDVI index and soil acidity (the correlation ratio is 0.60–0.75 at sites No. 2–4) and a significant direct linear relationship at site No. 1. Geostatistical analysis revealed an average spatial dependence (residual variance of 29.9%) at site No. 3. Based on the strong relationship between the average values of the NDVI index for the summer months over 3 years (9 images) and soil acidity, it was proposed to use NDVI as a predictor for optimising the sampling grid using stochastic modelling. It was found that the relationship with NDVI is more pronounced in areas where the relief is less fragmented. Based on calculations of costs for liming, the advantage of detailed acidity accounting over the classical methods of agrochemical survey used in the Republic of Belarus was substantiated. The profit per rotation was about 1,200 US dollars from an area of 184.5 ha. Based on the results of the analysis of acidity distribution, the NDVI index and field history, a more detailed scheme of elementary plots with crop rotations that take into account soil acidity was proposed. The limitations of the available agricultural equipment prevented a more detailed division of the plots.

почвенный покровагрохимическое обследованиенеоднородностьвариограммавегетационный индексрегрессионный анализsoil coveragrochemical surveyheterogeneityvariogramvegetation indexregression analysisReferencesАгропромышленный комплекс России в 2019 году. М.: ФГБНУ “Росинформагротех”, 2020. 564 с.Agropromyshlennyi kompleks Rossii v 2019 godu (Agro-industrial complex of Russia in 2019), Moscow: FGBNU “Rosinformagrotekh”, 2020, 564 p.Бакина Л.Г., Чугунова М.В., Зайцева Т.Б., Небольсина З.П. Влияние известкования на комплекс почвенных микроорганизмов и гумусовое состояние дерново-подзолистой почвы в многолетнем опыте // Почвоведение. 2014. № 2. С. 225–234.Bakina L.G., Chugunova M.V., Zaitseva T.B., Nebol'sina Z.P., Vliyanie izvestkovaniya na kompleks pochvennykh mikroorganizmov i gumusovoe sostoyanie dernovo-podzolistoi pochvy v mnogoletnem opyte (The effect of liming on the complex of soil microorganisms and the humus state of sod-podzolic soil in a long-term experiment), Pochvovedenie, 2014, No. 2, pp. 225–234.Бекбаева А.М., Мажренова Ш.К., Ермеков Ф.К., Токбергенов И.Т., Куришбаев А.К. Классификация содержания фосфора методами машинного обучения по данным дистанционного зондирования Земли // The Scientific Heritage. 2020. № 56–3. С. 29–36.Bekbaeva A.M., Mazhrenova Sh.K., Ermekov F.K., Tokbergenov I.T., Kurishbaev A.K., Klassifikatsiya soderzhaniya fosfora metodami mashinnogo obucheniya po dannym distantsionnogo zondirovaniya Zemli (Classification of phosphorus content by machine learning methods based on Earth remote sensing data), The Scientific Heritage, 2020, No. 56–3, pp. 29–36.Богдевич И.М. Итоги и перспективы оптимизации агрохимических показателей плодородия пахотных почв Беларуси // Известия Национальной академии наук Беларуси. Серия аграрных наук. 2023. Т. 61. № 1. С. 22–33.Bogdevich I.M., Itogi i perspektivy optimizatsii agrokhimicheskikh pokazatelei plodorodiya pakhotnykh pochv Belarusi (Results and prospects of optimization of agrochemical fertility indicators of arable soils in Belarus), Izvestiya Natsional'noi akademii nauk Belarusi. Seriya agrarnykh nauk, 2023, Vol. 61, No. 1, pp. 22–33.Воробей М.В., Киндеев А.Л. Геостатистический анализ внутрипольной неоднородности почвенной кислотности для проведения работ по известкованию // Почвоведение и агрохимия. 2024. № 1(72). С. 27–34.Vorobei M.V., Kindeev A.L., Geostatisticheskii analiz vnutripol'noi neodnorodnosti pochvennoi kislotnosti dlya provedeniya rabot po izvestkovaniyu (Geostatistical analysis of in-field heterogeneity of soil acidity for liming), Pochvovedenie i agrokhimiya, 2024, No. 1(72), pp. 27–34.Глобальное почвенное партнерство. URL: https://www.fao.org/global-soil-partnership/resources/highlights/detail/ru/c/1470631/.Global'noe pochvennoe partnerstvo (Global soil partnership.), URL: https://www.fao.org/global-soil-partnership/resources/highlights/detail/ru/c/1470631/.ГОСТ 26484-85. Метод определения обменной кислотности.GOST 26484-85. Metod opredeleniya obmennoi kislotnosti (Method for determining exchangeable acidity).Иванов А.Л., Столбовой В.С., Гребенников А.М., Оглезнев А.К., Петросян Р.Д., Шилов П.М. Ранжирование кислых почв по приоритетности проведения известкования в Российской Федерации // Бюллетень Почвенного института имени В.В. Докучаева. 2020. № 103. С. 168–187. DOI: https://doi.org/10.19047/0136-1694-2020-103-168-187.Ivanov A.L., Stolbovoy V.S., Grebennikov A.M., Ogleznev A.K., Petrosyan R.D., Shilov P.M., Ranking of acidic soils by priority of liming in the Russian Federation, Dokuchaev Soil Bulletin, 2020, Vol. 103, pp. 168–187, DOI: https://doi.org/10.19047/0136-1694-2020-103-168-187.Киндеев А.Л. Перспективные направления геостатистического анализа и стохастического моделирования с учетом экономических издержек при точном земледелии // Вестник Московского университета. Серия 17: Почвоведение. 2022. № 2. С. 59–70.Kindeev A.L., Perspektivnye napravleniya geostatisticheskogo analiza i stokhasticheskogo modelirovaniya s uchetom ekonomicheskikh izderzhek pri tochnom zemledelii (Promising directions of geostatistical analysis and stochastic modeling taking into account economic costs in precision farming), Vestnik Moskovskogo universiteta. Seriya 17: Pochvovedenie, 2022, No. 2, pp. 59–70.Красильников П.В., Таргульян В.О. На пути к “новой географии почв”: вызовы и решения (обзор) // Почвоведение. 2019. № 2. С. 131–139.Krasil'nikov P.V., Targul'yan V.O., Na puti k “novoi geografii pochv”: vyzovy i resheniya (obzor) (Towards a “New Soil Geography”: Challenges and Solutions (review)), Pochvovedenie, 2019, No. 2, pp. 131–139.Лапа В.В., Пироговская Г.В., Богдевич И.М. Инструкция по известкованию кислых почв сельскохозяйственных земель. Минск: Ин-т почвоведения и агрохимии, 2019. 32 с.Lapa V.V., Pirogovskaya G.V., Bogdevich I.M., Instruktsiya po izvestkovaniyu kislykh pochv sel'skokhozyaistvennykh zemel' (Instructions for liming acidic soils of agricultural lands), Minsk: In-t pochvovedeniya i agrokhimii, 2019, 32 p.Малышевский В.А., Федулов Ю.П., Островский Н.В., Лебедовский И.А. Расчет содержания гумуса с использованием данных дистанционного зондирования Земли // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2013. №. 92. С. 859–883.Malyshevskii V.A., Fedulov Yu.P., Ostrovskii N.V., Lebedovskii I.A., Raschet soderzhaniya gumusa s ispol'zovaniem dannykh distantsionnogo zondirovaniya zemli (Calculation of humus content using Earth remote sensing data), Politematicheskii setevoi elektronnyi nauchnyi zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta, 2013, No. 92, pp. 859–883.Нурлыгаянов Р.Б., Гиниятова Ф.Ф., Зайнагабдинов А.Ф., Хаернасов И.И. Известкование кислых почв: прошлое и настоящее // Вестник Башкирского государственного аграрного университета. 2021 № 1. P. 34–41.Nurlygayanov R.B., Giniyatova F.F., Zainagabdinov A.F., Khaernasov I.I., Izvestkovanie kislykh pochv: proshloe i nastoyashchee (Liming of acidic soils: past and present), Vestnik Bashkirskogo gosudarstvennogo agrarnogo universiteta, 2021, No. 1, pp. 34–41.Окорков В.В. К теории химической мелиорации кислых почв // Агрохимия. 2019. № 9. С. 3–17. DOI: https://doi.org/10.1134/S0002188119090096.Okorkov V.V., K teorii khimicheskoi melioratsii kislykh pochv (On the theory of chemical melioration of acidic soils), Agrokhimiya, 2019, No. 9, pp. 3–17, DOI: https://doi.org/10.1134/S0002188119090096.Основные концепции геостатистических имитаций. URL: https://desktop.arcgis.com/ru/arcmap/latest/extensions/geostatistical-analyst/key-concepts-of-geostatistical-simulation.htm.Osnovnye kontseptsii geostatisticheskikh imitatsii (Basic concepts of geostatistical simulations), URL: https://desktop.arcgis.com/ru/arcmap/latest/extensions/geostatistical-analyst/key-concepts-of-geostatistical-simulation.htm.Охрана окружающей среды в России. 2020. M.: Росстат, 2020. 113 с.Okhrana okruzhayushchei sredy v Rossii (Environmental Protection in Russia), 2020, Moscow: Rosstat, 2020, 113 p.Пустыльник Е.И. Статистические методы анализа и обработки наблюдений. М., 1968. 289 с.Pustyl'nik E.I., Statisticheskie metody analiza i obrabotki nablyudenii (Statistical methods of analysis and processing of observations), Moscow, 1968, 289 p.Привалов Ф.И., Павловский В.К., Гракун В.В., Лапа В.В., Сорока С.В., Вахонин Н.К., Шиманский Л.П. Организационно-технологические нормативы возделывания зерновых, зернобобовых, крупяных культур, технических и кормовых растений. РУП “Научно-практический центр НАН Беларуси по земледелию”. Минск: ИВЦ Минфина, 2022. 530 с.Privalov F.I., Pavlovskii V.K., Grakun V.V., Lapa V.V., Soroka S.V., Vakhonin N.K, Shimanskii L.P., Organizatsionno-tekhnologicheskie normativy vozdelyvaniya zernovykh, zernobobovykh, krupyanykh kul'tur, tekhnicheskikh i kormovykh rastenii. RUP “Nauchno-prakticheskii tsentr NAN Belarusi po zemledeliyu” (Organizational and technological standards for the cultivation of grain, legumes, cereal crops, industrial and forage plants. RUE “Scientific and Practical Center of the NAS of Belarus for Agriculture”), Minsk: IVTs Minfina, 2022, 530 p.Самсонова В.П., Благовещенский Ю.Н., Мешалкина Ю.Л. Использование эмпирического Байесовского кригинга для выявления неоднородностей распределения органического углерода на сельхозугодьях // Почвоведение. 2017. № 3. С. 321–328.Samsonova V.P., Blagoveshchenskii Yu.N., Meshalkina Yu.L., Ispol'zovanie empiricheskogo Baiesovskogo kriginga dlya vyyavleniya neodnorodnostei raspredeleniya organicheskogo ugleroda na sel'khozugod'yakh (Using empirical Bayesian kriging to identify heterogeneities in the distribution of organic carbon on farmland), Pochvovedenie, 2017, No. 3, pp. 321–328.Савин И.Ю., Виндекер Г.В. Некоторые особенности использования оптических свойств поверхности почв для определения их влажности // Почвоведение. 2021. № 7. С. 806–814.Savin I.Yu., Vindeker G.V., Nekotorye osobennosti ispol'zovaniya opticheskikh svoistv poverkhnosti pochv dlya opredeleniya ikh vlazhnosti (Some features of using optical properties of soil surfaces to determine soil moisture content), Pochvovedenie, 2021, No. 7, pp. 806–814.Савин И.Ю., Танов Э.Р., Харзинов С. Использование вегетационного индекса NDVI для оценки качества почв пашни (на примере Баксанского района Кабардино-Балкарии) // Бюллетень почвенного института им. В.В. Докучаева. 2015. Вып. 77. С. 51–65. DOI: https://doi.org/10.19047/0136-1694-2015-77-51-65.Savin I. Yu., Tanov E. R., Kharzinov S. The use of NDVI profiles for estimating the quality of arable lands (exemplified by the Baksan rgion in Kabardino-Balkaria), Dokuchaev Soil Bulletin, 2015, Vol. 77, pp. 51-65, DOI: https://doi.org/10.19047/0136-1694-2015-77-51-65.Савин И.Ю., Терехов А.Г., Мухамедиев Р.И. Концепция линии почв и ее использование для картографирования и мониторинга почв (обзор). Бюллетень Почвенного института имени В.В. Докучаева. 2025. Вып. 122. С. 174–193. DOI: https://doi.org/10.19047/0136-1694-2025-122-174-193.Savin I.Yu., Terekhov A.G., Mukhamediev R.I., Soil line concept and its use for soil mapping and monitoring (overview), Dokuchaev Soil Bulletin, 2025, Vol. 122, pp. 174–193, DOI: https://doi.org/10.19047/0136-1694-2025-122-174-193.Хутуев А.М., Занилов А.Х., Тутукова Д.А., Савин И.Ю. NDVI посевов как дистанционный индикатор качества пахотных почв // Бюллетень Почвенного института имени В.В. Докучаева. 2024. Вып. 121. С. 70–85. https://doi.org/10.19047/0136-1694-2024-121-70-85.Khutuev A.M., Zanilov A.Kh., Tutukova D.A., Savin I.Yu., NDVI of crops as a remote indicator of arable soils quality, Dokuchaev Soil Bulletin, 2024, Vol. 121, pp. 70–85, DOI: https://doi.org/10.19047/0136-1694-2024-121-70-85.Шильников И.А., Сычёв В.Г., Зеленов Н.А., Аканова Н.И., Федотова Л.С. Известкование как фактор урожайности и почвенного плодородия. М.: ВНИИА, 2008. 340 с.Shil'nikov I.A., Sychev V.G., Zelenov N.A., Akanova N.I., Fedotova L.S., Izvestkovanie kak faktor urozhainosti i pochvennogo plodorodiya (Liming as a factor of crop yield and soil fertility), Moscow: VNIIA, 2008, 340 p.Якушев В.В. Информационно-технологические основы прецизионного производства растениеводческой продукции: Дис. ... д-ра с.-х. наук. 06.01.03. Санкт-Петербург, 2013. 367 с.Yakushev V.V., Informatsionno-tekhnologicheskie osnovy pretsizionnogo proizvodstva rastenievodcheskoi produktsii: Dis. ... dokt. s.-kh. nauk, 06.01.03 (Information and technological foundations of precision production of plant products, Dr. of Agri. Sci. thesis, 06.01.03), Sankt-Peterburg, 2013, 367 p.Heuvelink G.B.M., Webster R.A. Modelling soil variation: past, present, and future // Geoderma. 2001. Vol. 100. Iss. 3/4. P. 269–301.Heuvelink G.B.M., Webster R.A., Modelling soil variation: past, present, and future, Geoderma, 2001, Vol. 100, Iss. 3/4, pp. 269–301.Hofman D.J. Siegfried C.K. How many sampling points are needed to estimate the mean nitrate-N content of agricultural fields? A geostatistical simulation approach with uncertain variograms // Geoderma. 2021. Vol. 385. Art. 114816.Hofman D.J. Siegfried C.K., How many sampling points are needed to estimate the mean nitrate-N content of agricultural fields? A geostatistical simulation approach with uncertain variograms, Geoderma, 2021, Vol. 385, Art. 114816.McBratney A.B., Gruijter J., Bryce A. Pedometrics timeline // Geoderma. 2019. Vol. 338. P. 568–575.McBratney A.B., Gruijter J., Bryce A., Pedometrics timeline, Geoderma, 2019, Vol. 338, pp. 568–575.McBratney A.B., Minasny B., Stockmann U. Pedometrics. Australia: The University of Sydney, 2018. 713 p.McBratney A.B., Minasny B., Stockmann U., Pedometrics, Australia: The University of Sydney, 2018, 713 p.Oliver V.A., Kerry R., Frogbrook Z.L. Sampling in Precision Agriculture. Geostatistical Applications for Precision Agriculture. Ed.: M.A. Oliver. Dordrecht, 2010. P. 35–64.Oliver V.A., Kerry R., Frogbrook Z.L., Sampling in Precision Agriculture, In: M.A. Oliver (Ed.) Geostatistical Applications for Precision Agriculture, Dordrecht, 2010, pp. 35–64.Raj E.F.I., Appadurai M., Athiappan K. Precision farming in modern agriculture // Smart agriculture automation using advanced technologies: Data analytics and machine learning, cloud architecture, automation and IoT. Singapore: Springer Singapore, 2022. Р. 61–87.Raj E.F.I., Appadurai M., Athiappan K., Precision farming in modern agriculture, In: Smart agriculture automation using advanced technologies: Data analytics and machine learning, cloud architecture, automation and IoT, Singapore: Springer Singapore, 2022, pp. 61–87.The State of the World’s Land and Water Resources for Food and Agriculture – Systems at breaking point. Synthesis report. Rome. 2021. 82 p. DOI: https://doi.org/10.4060/cb7654en.The State of the World’s Land and Water Resources for Food and Agriculture – Systems at breaking point. Synthesis report, Rome, 2021, 82 p., DOI: https://doi.org/10.4060/cb7654en.Uwiragiye Y., Ngaba M.J.Y., Yang M., Elrys A.S., Chen Z., Zhou, J. Spatially Explicit Soil Acidification under Optimized Fertilizer Use in Sub-Saharan Africa // Agronomy. 2023. Vol. 13. Р. 632.Uwiragiye Y., Ngaba M.J.Y., Yang M., Elrys A.S., Chen Z., Zhou J., Spatially Explicit Soil Acidification under Optimized Fertilizer Use in Sub-Saharan Africa, Agronomy, 2023, Vol. 13, pp. 632.Xiao S., Ou M., Geng Y., Zhou T. Mapping soil pH levels across Europe: An analysis of LUCAS topsoil data using random forest kriging (RFK) // Soil Use and Management. 2023. Vol. 39(2). P. 900–916.Xiao S., Ou M., Geng Y., Zhou T., Mapping soil pH levels across Europe: An analysis of LUCAS topsoil data using random forest kriging (RFK), Soil Use and Management, 2023, Vol. 39(2), pp. 900–916.

The authors declare that there are no conflicts of interest present.