SPATIAL STRUCTURE OF WEED CONTENSION OF GRAIN-GRASS-ROW CROP ROTATION IN THE NORTH-WEST OF RUSSIA
DOI 10.12737/2073-0462-2023-67-74 УДК 632.51:631.582(470.2)
Keywords:
crop rotation, weeds, species composition, weed structure, coefficient of var iation, aggregation coefficient.Abstract
The study was carried out to analyze the spatial distribution of weeds in grain-grass-row crop rotation in the North-West region of the Russian Federation. Based on calculations of the index of pairwise species similarity and the coefficient of commonality of specific abundance, it was revealed, on the one hand, a high similarity in the species composition of weeds within the studied crop rotation (0.81...0.94), on the other hand, significant differences in the structure of weediness in fields (30, 4…70.6). The differences in weediness between some fields, both in terms of the number and above-ground mass of weeds, turned out to be statistically significant. Species abundance varied within 6...10 species/m2, numerical composition - 150...312 specimens/m2, phytomass - 51.2...272.5 g/m2 with an average value of this indicator for crop rotation fields of 8 species/m2, 251 ind./m2 and 161.7 g/m2, respectively. Uneven or aggregated distribution in the crop rotation territory, confirmed by high values of the coefficients of variation (151...567) and aggregation (2.1...16.2), turned out to be characteristic of all widespread species of weeds. Geostatic features of the distribution of their mass species in the area of grain-grass-row crop rotation were quite clearly visible on digital maps compiled using special programs. Significant differences in the weed structure of crop rotation fields and the distribution of individual weed species were a consequence of differences in the agrochemical characteristics of the soil, primarily acidity, the amount of exchangeable bases and the content of organic matter. When using herbicides in crop rotation, it is necessary to take into account the individual characteristics of weediness in each field and the spatial distribution of mass species of weeds, which have developed under the influence of long-term agricultural use.
References
1. Моисеев А.Н., Моисеева К.В. Засоренность зернотравяного севооборота в северной лесостепи Тюменской области // Аграрный вестник Урала. 2017. № 12 (166). С. 7.
2. Паштецкий В.С., Радченко Л.А., Женченко К.Г. Зернопаропропашные севообороты для условий Крыма // Таврический вестник аграрной науки. 2017. № 4 (12). С. 90–97.
3. Замятин С.А., Ефимова А.Ю. Мониторинг засоренности полевых севооборотов // Вестник Марийского государственного университета. 2017. Т. 3. № 1 (9). С. 33–37.
4. Морозов В.И., Тойгильдин А.Л., Подсевалов М.И. Флористический состав и динамика численности сорных растений агрофитоценозов в севооборотах лесостепной зоны Поволжья // Вестник Ульяновской государственной сельскохозяйственной академии. 2018. № 4 (44). С. 102–109. doi: 10.18286/1816-4501-2018-4-102-109.
5. Перфильев Н.В., Вьюшина О.А., Тимофеев В.Н. Соотношение видов сорных растений под влиянием севооборота и систем основной обработки почвы в условиях северного Зауралья // Достижения науки и техники АПК. 2018. Т. 32. № 5. С. 35–40. doi: 10.24411/0235-2451-2018-10509.
6. Гурьянов А.М., Артемьев А.А. Оценка засоренности агроценозов и эффективность дифференцированного применения гербицидов в севообороте // Аграрная наука Евро-Северо-Востока. 2018. № 5 (66). С. 83-89. doi: 10.30766/2072-9081.2018.66.5.83-89.
7. Назранов Х.М., Хуцинова М.М. Оценка пространственной неоднородности уровня плодородия и засоренности в пределах поля // Известия Горского государственного аграрного университета. 2018. Т. 55. № 2. С. 41–45.
8. Precision weed detection in wheat fields for agriculture 4.0: A survey of enabling technologies, methods, and research challenges / K. Xu, L. Shu, Q. Xie et all. // Computers and Electronics in Agriculture. 2023. Vol. 212. P. 108106.
9. Rozenberg G., Kent R., Blank L. Consumer-grade UAV utilized for detecting and analyzing late-season weed spatial distribution patterns in commercial onion fields // Precision Agriculture. 2021. Vol. 22. P. 1317–1332. doi: 10.1007/s11119-021-09786-y
10. Spatial Modelling of Within-Field Weed Populations; a Review / G.J. Somerville, M. Sønderskov, S.K. Mathiassen et all. // Agronomy. 2020. Vol. 10. P. 1044. doi: 10.3390/agronomy10071044
11. Смук В.В., Шпанев А.М. Дистанционный мониторинг засоренности посадок картофеля в периоды до и после появления всходов // Агрофизика. 2019. № 4. С. 46–53.
12. Шпанев А.М. Влияние минеральных удобрений на пространственное размещение сорных растений в посевах ярового ячменя // Плодородие. 2022. № 2 (125). С. 8–12.
13. Структура сорного компонента и его пространственное распределение в полях зернопропашного севооборота / Г.Д. Гогмачадзе, Н.С. Матюк, В.Д. Полин и др. // АгроЭкоИнфо. 2021. № 1 (43). С. 4. doi: 10.51419/20211112.
14. Синицына С.М. Многолетние травы Северо-Запада РФ: состояние и проблемы // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2017. Вып. 92. С. 103–111.
1. Moiseev AN, Moiseeva KV. [Weediness of grain-grass crop rotation in the northern forest-steppe of Tyumen region]. Agrarnyi vestnik Urala. 2017; 12 (166). 7 p.
2. Pashtetskiy VS, Radchenko LA, Zhenchenko KG. [Grain and fallow crop rotations for the conditions of the Crimea]. Tavricheskiy vestnik agrarnoy nauki. 2017; 4 (12). 90-97 p.
3. Zamyatin SA, Efimova AYu. [Monitoring of weed infestation in field crop rotations]. Vestnik Mariyskogo gosudarstvennogo universiteta. 2017; Vol.3. 1 (9). 33-37 p.
4. Morozov VI, Toygil'din AL, Podsevalov MI. [Floristic composition and dynamics of the number of weeds in agrophytocenoses in crop rotations of the forest-steppe zone of Volga region]. Vestnik Ul'yanovskoy gosudarstvennoy sel'skokhozyaystvennoy akademii. 2018; 4 (44). 102-109 p. doi: 10.18286/1816-4501-2018-4-102-109.
5. Perfil'ev NV, V'yushina OA, Timofeev VN. [The ratio of weed species under the influence of crop rotation and basic tillage systems in the conditions of the northern Urals]. Dostizheniya nauki i tekhniki APK. 2018; Vol.32. 5. 35-40 p. doi: 10.24411/0235-2451-2018-10509.
6. Gur'yanov AM, Artem'ev AA. [Assessment of weediness in agrocenoses and the effectiveness of differentiated use of herbicides in crop rotation]. Agrarnaya nauka Evro-Severo-Vostoka. 2018; 5 (66). 83-89 p. doi: 10.30766/2072-9081.2018.66.5.83-89.
7. Nazranov KhM, Khutsinova MM. [Assessment of spatial heterogeneity of the level of fertility and weeds within the field]. Izvestiya Gorskogo gosudarstvennogo agrarnogo universiteta. 2018; Vol.55. 2. 41-45 p.
8. Xu K, Shu L, Xie Q. Precision weed detection in wheat fields for agriculture 4.0: a survey of enabling technologies, methods, and research challenges. Computers and Electronics in Agriculture. 2023; Vol.212. 108106 p.
9. Rozenberg G, Kent R, Blank L. Consumer-grade UAV utilized for detecting and analyzing late-season weed spatial distribution patterns in commercial onion fields. Precision Agriculture. 2021; Vol.22. 1317-1332 p. doi: 10.1007/s11119-021-09786-y
10. Somerville GJ, Sonderskov M, Mathiassen SK. Spatial modelling of within-field weed populations: a review. Agronomy. 2020; Vol.10. 1044 p. doi: 10.3390/agronomy10071044
11. Smuk VV, Shpanev AM. [Remote monitoring of weediness in potato plantings during the periods before and after emergence]. Agrofizika. 2019; 4. 46-53 p.
12. Shpanev AM. [The influence of mineral fertilizers on the spatial distribution of weeds in spring barley crops]. Plodorodie. 2022; 2 (125). 8-12 p.
13. Gogmachadze GD, Matyuk NS, Polin VD. [The structure of the weed component and its spatial distribution in the fields of grain crop rotation]. AgroEkoInfo. 2021; 1 (43). 4 p. doi: 10.51419/20211112.
14. Sinitsyna SM. [Perennial grasses of the North-West of the Russian Federation: state and problems]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2017; issue 92. 103-111 p.
Downloads
Published
How to Cite
Issue
Section
Categories
License
Copyright (c) 2026 Vestnik of Kazan state agrarian university
This work is licensed under a Creative Commons Attribution 4.0 International License.
Метаданные научных статей, включая название, аннотацию, сведения об авторах, список литературы, идентификаторы и иные элементы библиографического описания для дальнейшего неограниченного использования, передаются в редакцию с правом их неограниченного использования на условиях открытой лицензии Creative Commons Attribution (CC BY).
