Введение. По сути, все биосферные явления так или иначе связаны с органическим веществом почвы, которое определяет не только экологические, но и экономические пороги интенсификации земледелия. От обеспеченности почв органическим веществом зависит система применения органических и минеральных удобрений, которые относятся к основополагающим факторам интенсификации агропроизводства. Этот ключевой биосферный элемент, обуславливающий экологическую стабильность и защиту всей агроэкосистемы от различных техногенных и в первую очередь пестицидных нагрузок, способствует устойчивости земледелия при неблагоприятных погодных условиях. В конечном итоге, оказывая влияние на продуктивность сельскохозяйственных культур, органическое вещество почв определяет благосостояние человека. Проблеме органического вещества почв Приенисейской Сибири в целом, а также специальным направлениям исследований посвящено немало работ [1, 2], вместе с тем надо признать, что эта научная отрасль представляет собой открытую систему для получения новых знаний, актуальность которых не угасает, а, напротив, только обостряется в связи с внедрением новых средств и технологий в земледелии. Интенсификация агропроизводства предусматривает в первую очередь применение эффективных управленческих решений, научной основой которых служат различные производственные и функциональные модели. К группе основополагающих можно с уверенностью отнести модели урожайности сельскохозяйственных культур, которые зависят в том числе и от обеспеченности почв органическим веществом.Цель исследований. Создание моделей урожайности зерновых культур в зависимости от содержания в почве органических веществ. Условия, материалы и методы. Исследования проводились в подтаежной зоне, которая входит в южнотаежно-лесной, плоскоравнинный, дерново-подзолистый и болотно-подзолис­тый район Западно-Сибирской провинции, на серых лесных и дерново-подзолистых почвах (Зареченский стационар), а также в условиях южной части Красноярской лесостепи на выщелоченных и обыкновенных черноземах (Мининский стационар). Агрохимическая характеристика почв приведена в таблице 1.По количеству осадков за вегетационный период годы исследований сгруппированы в следующие ряды: увлажненные – количество осадков 267–424 мм; нормальные – количество осадков 246–258 мм; засушливые – количество осадков 150–210 мм. В подтаежной зоне (Зареченский стационар) преобладает доля увлажненных и нормальных лет, в открытой лесостепи (Мининский стационар) – больше лет с нормальными и засушливыми условиями. Среднегодовая температура воздуха составляет от -1,1 до 0,3 °С, сумма активных температур – 1550–1661 °С. Период вегетации – 95–120 дней. Глубина промерзания почвы 0,6–1,2 м. Высота снежного покрова 0,5–0,8 м. Таблица 1 Агрохимические свойства почв опытных стационаров (0–20 см) Гумус, %рНсол.V, %НгSР2О5К2Омг-экв/100 г почвымг/100 г почвыЧернозем выщелоченный (Мининский стационар)6,1–7,36,8–7,1951,248,014,317,1Чернозем обыкновенный (Мининский стационар)4,4–6,07,1–7,6990,754,04,822,0Серая лесная почва (Зареченский стационар)3,7–4,14,6–4,8716,516,07,48,1Дерново-подзолистая почва (Зареченский стационар)2,1–2,44,4–4,6694,19,02,36,2  Агрохимические свойства почв определяли по общепринятым методикам [3]. Содержание гумуса определяли по методу И.В. Тюрина, а для извлечения подвижной части гумуса (С0,1н.NаОН) использовали 0,1 н. гидрооксид натрия, при соотношении почвы и растворителя 1:20. Статистическую обработку данных проводили с использованием пакета прикладных программ Snedekor [4].Исходный материал для моделирования урожайности пшеницы на дерново-подзолистых и серых лесных почвах был получен на производственных посевах, а также на опытном поле Зареченского стационара. Методом площадок [5] проводили сопряженные учеты урожая и отбор почвенных проб для определения агрохимических свойств почв в пахотном и подпахотном горизонтах. На поле учитывался урожай пшеницы в 20–30-кратной повторности на площадках по 1 м2.Результаты и их обсуждение. Для определения факторов, необходимых при математиче­ском моделировании урожайности пшеницы в зависимости от свойств серых лесных и дерново-подзолистых почв, по выделенным информационным выборкам рассчитаны корреляционные связи (табл. 2).  Таблица 2 Корреляция урожайности пшеницы с содержанем гумусаи другими агрохимическими свойствами почв ПризнакКоэффициент корреляции (n=165)У*ГМР2О5К2ОрНSHrVУ1,000,43*0,53*0,40*0,210,35*0,72*0,290,30Г0,43*1,000,54*0,10-0,01-0,030,50*0,49*-0,08М0,53*0,54*1,000,330,200,010,50*0,50*0,06Р2О50,40*0,100,331,000,70*-0,010,53*0,420,19К2О0,21-0,010,200,70*1,00-0,110,360,360,10рН0,35*-0,030,01-0,01-0,111,000,47*-0,57*0,85*S0,72*0,50*0,51*0,53*0,360,47*1,000,230,66*Hr0,290,49*0,50*0,42*0,36-0,57*0,231,00-0,51*V0,30-0,070,060,190,100,85*0,66*-0,51*1,00Примечание: У – урожайность зерна, т/га; Г – содержание гумуса, %; М – мощность гумусового горизонта, см; Р2О5, К2О – содержание подвижного фосфора и обменного калия, мг/100 г почвы; рН, Hr – обменная и гидролитическая кислотность почвы; S – сумма обменных оснований, мг-экв./100 г; V – степень насыщенности почв основаниями, %; * – значимая величина корреляции.  Расчет парных коэффициентов корреляции между свойст­вами почв, а также между свойствами почв и урожайностью показал наличие коррелирующих факторов по всем выборкам и однотипность этих связей. По степени убывания влияния на величину урожая свойства почв располагаются в такой последовательности: сумма поглощенных оснований, мощность гумусового горизонта, содержание гумуса, содержание фосфора, рН. Высокая корреляционная связь суммы обменных оснований с содержанием в почве органического вещества [6], объясняет первостепенную роль именно гумуса в формировании урожайности пшеницы на кислых почвах подтаежной зоны.Математическая статистика указывает на значительную скоррелированность свойств почв и явных отличий от нормального распределения многих факторов (по показателям ассиметрии и эксцесса). Это является ограничением в использовании корреляционно-регрессионного анализа, для построения моделей эффективного плодородия целесообразно использовать информационно-логический анализ, суть которого заключается в расчете количества информации, передаваемой каждым фактором (свойства почв) явлению (величине урожая), определении логических функций связи факторов и явления и построении на этой основе логических моделей урожайности [7, 8]. Полученные результаты показывают направление и форму связей свойств почв и урожая. Практически они везде криволинейны (кроме формы связи урожая с суммой поглощенных оснований). Это свидетельствует о том, что коэффициенты корреляции не точно отражают степень связи признаков (они характеризуют прямолинейную связь), а множественная регрессия здесь также малоэффективна из-за неопределенной (геометрически) формы связей. В этом отношении более совершенен информационно-логический анализ – с его помощью описывается любая форма связи.Например, используя большую (n = 150–180) выборку данных, установлено, что для оценки уровня плодородия серых лесных почв наиболее приемлема модель: У = Г × (М × (рН × Р) с прогнозирующим эффектом более 70 %. Так как в структуре почвенного покрова подтаежной зоны дерново-подзолистые и серые лесные почвы составляют сопутствующие комплексы, мы сделали расчеты, в которые вошли оба типа. Оказалось, что при объединенной оценке уровня плодородия серых лесных и дерново-подзолистых почв наиболее эффективны модели вида: У = Г × (М × (рН × ФГ)) и У = Г × (рН × (М × Р)) (Г – содержание гумуса, М – мощность гумусового горизонта, Р – содержание Р2О5, ФГ – содержание физической глины). По обеим выборкам у них наибольший прогнозирующий эффект – 77–78 %. Такая точность допустима для бонитировки почв, а также может применяться при составлении мероприятий по повышению их продуктивности. Итак, во всех моделях с высокой долей распознаваемости первое место занимает гумус. Высокий ранг имеет мощность гумусового горизонта, но в отличие от содержания гумуса это нерегулируемый или ограниченно регулируемый фактор, так же, как и содержание физической глины. Присутствие в моделях рН и Р указывает на возможность повышения урожайности пшеницы на кислых почвах за счет регулирования кислотности и повышения содержания Р2О5 в дерново-подзолистых и серых лесных почвах.Моделирование урожайности сельскохозяйственных культур на черноземах имеет свои особенности, которые обусловлены значительной пестротой и комплексностью почвенного покрова. Площадь элементарных почвенных ареалов составляет от нескольких квадратных метров до десятков и реже сотен. В почвенном покрове широко распространены пятнистости черноземов, которые обуславливают значительное варьирование содержания гумуса, что убедительно доказал Н.Г. Рудой в исследованиях на выщелоченных черноземах Солянского стационара (Канская лесостепь). В партии из ста отобранных индивидуальных образцов экстремумы представлены значениями 4,9 и 9,4 %, охватывая почвенные группы градации – очень низкого и высокого содержания [9].Информация, полученная в исследованиях на черноземах Красноярской лесостепи, позволила построить модели урожайности зерновых культур в зависимости от содержания в почве органических веществ. В объединенную выборку вошли опыты с пшеницей, ячменем и овсом, где продуктивность была сопоставимой. Среднее содержание углерода гумуса в выборке составляло 2,01 % или 3,46 % гумуса. Содержание подвижных гумусовых веществ колебалось от 90 до 393 мг С/100 г почвы. Средняя урожайность зерна составляла 2,43 т/га.При построении модели урожайности зерновых культур на черноземе обыкновенном использовали методы линейного и нелинейного регрессионного анализа (табл. 3). Таблица 3 Модели урожайности зерновых культурв зависимости от содержания в почве органических веществ Тип связиnFфакт.rМодель урожайностиSrЛинейная608,30,36у1 =0,465 ∙ x1 + 1,49621,9Криволинейная6012,30,42Ln(y1)=0,44 ∙ Ln(x1)+0,5621,7Линейная606,60,32у2=0,002∙x2 + 1,93121,8Криволинейная6013,10,44Ln(y2)=0,266 ∙ Ln(x2)-0.5521,6Примечание: n – число наблюдений; Fфакт. – критерий Фишера; r – коэффициент корреляции; у1, у2 – урожайность зерна, т/га; х1 – содержание в почве углерода гумуса (С гумуса, %); х2 – содержание в почве подвижных гумусовых веществ (С 0,1н.NаОН, мг/100 г); Sr – ошибка математической модели, %.  Оказалось, что на почвах Красноярской лесостепи модели урожайности зерновых культур статистически доказываются по критерию Фишера. Полученные модели урожайности позволили рассчитать минимальные, средние и максимальные значения углерода гумуса, подвижных гумусовых веществ и соответствующие им уровни урожайности зерновых культур. Выяснилось, что минимальное содержание гумуса соответствует 2,10–3,03 %, среднее – 3,02–4,02, высокое – 4,02–5,10 %. Полученная информация позволила заключить, что нижнее значение оптимального содержания общего углерода можно принять как 2,33 % или 4,00 % гумуса. Это значение в предложенной градации соответствует верхнему значению среднего содержания и нижнему значению высокого содержания гумуса. На базе этих значений разработана градация содержания гумуса применительно к зерновым культурам: менее 2,0 – очень низкое; 2,0–3,0 – низкое; 3,0–4,0 – среднее; 4,0–5,0 – высокое; более 5,0 – очень высокое. По содержанию подвижных гумусовых веществ (мг С/100 г почвы): менее 100 – очень низкое; 100–200 – низкое; 200–300 – среднее; 300–400 – высокое; более 400 – очень высокое [10].Выводы. Для оценки уровня плодородия серых лесных почв наиболее приемлема модель У = Г × (М × (рН × Р) с прогнозирумым эффектом 72 %. Для объединенной оценки уровня плодородия серых лесных и дерново-подзолис­тых почв наиболее эффективны модели вида: У = Г × (М × (рН × ФГ)) и У = Г × (рН × (М × Р)). По обеим выборкам у них наибольший прогнозирующий эффект – 77–78 %. Такая точность приемлема для бонитировки почв, а также может применяться при составлении мероприятий по повышению их продуктивности.Математические модели урожайности позволили рассчитать минимальные, средние и максимальные значения углерода гумуса, подвижных гумусовых веществ и соответствующие им уровни урожайности зерновых культур на черноземах Красноярской лесостепи. Минимальное содержание гумуса соответствует 2,10–3,03 %, среднее – 3,02–4,02, высокое – 4,02–5,10 %. Нижнее значение оптимального содержания общего углерода можно принять как 2,33 % или 4,00 % гумуса.