Рентгено-флуоресцентный анализ в агроэкологическом мониторинге
Обзор работ в области рентгено-флуоресцентного анализа сельскохозяйственных объектов за тридцатилетний период. Физические основы и историческое развитие концепций применения этого метода в агроэкологическом мониторинге. Анализ методик на его основе.
Рубрика | Сельское, лесное хозяйство и землепользование |
Вид | монография |
Язык | русский |
Дата добавления | 21.01.2018 |
Размер файла | 1,0 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Пределы обнаружения для определения свинца, меди, никеля, цинка, железа и кобальта составили 0.1…0.2 мкг, для марганца - 0, 5 мкг.
Для оценки сорбционной характеристики фильтров в предварительном эксперименте 5 фильтров было помещено в избыток раствора, содержащего 0.1% сульфата меди и при непрерывном перемешивании провели насыщение фильтров медью (при этом фильтры приобрели синий цвет). Затем фильтры промыли дистиллированной водой и измерили содержание меди, которое в среднем составило 100 мкг на фильтр. Близкие значения были получены в аналогичном опыте по насыщению фильтров цинком.
В таблице 5.1 приведены данные по накоплению цинка из почвенных суспензий ГСО чернозема с возрастающей степенью загрязнения металлами (СЧТ1, СЧТ2, СЧТ3) при различном количестве фильтров в ячейке (1-4) за 120 мин при навеске почвы 0.50 г.
При этом с увеличением степени загрязненности почвы наблюдается значительное увеличение доли извлекаемого цинка. Увеличение количества фильтров приводит к небольшому снижению накопления цинка каждым фильтром, но при этом общее накопление цинка в 2…3 раза возрастает. Отсюда следует, что по условиям эксперимента он соответствует уравнению (5.8) и началу перехода к (5.7).
При уменьшении массы почвы до 0.1 г и при 2-х ДЭТАТА фильтрах в ячейке (табл. 2) динамика накопления близка к уравнению (5.7), причем ее явно нелинейный характер (увеличение примерно в 2 раза вместо 4-х) указывает на приближение к состоянию насыщения.
Таблица 5.1 Накопление цинка (мкг/фильтр) из суспензий при различном количестве фильтров в ячейке при 120 мин встряхивания
Почва |
Накопление цинка, мкг/фильтр |
||||
1* |
2* |
3* |
4* |
||
СЧТ1 |
0,5 |
0,3 |
0,6 |
0,3 |
|
Счт2 |
4,9 |
4,5 |
3,1 |
3,3 |
|
Счт3 |
13,6 |
12,2 |
10,1 |
7,5 |
* - количество фильтров в ячейке
Таблица 5.2Динамика накопление элементов на ДЭТАТА фильтрах (мкг) из суспензии ГСО почвенных проб в 0.1 М растворе нитрата кальция при времени накопления 20 и 80 мин (среднее из 3-х параллельных)
Пробы |
Накопление элементов (мкг/фильтр) |
||||||||||||
Co |
Cu |
Fe |
Ni |
Pb |
Zn |
||||||||
20 |
80 |
20 |
80 |
20 |
80 |
20 |
80 |
20 |
80 |
20 |
80 |
||
сдпс3 |
0,3 |
0,5 |
1,8 |
2,8 |
6,5 |
15,8 |
0,5 |
0,9 |
6,0 |
8,4 |
9,2 |
14,1 |
|
сск3 |
0,3 |
0,7 |
0,5 |
1,3 |
17,5 |
47,8 |
0,3 |
0,9 |
0,5 |
1,4 |
1,4 |
2,6 |
|
счт3 |
0,3 |
0,4 |
0,8 |
1,1 |
9,7 |
16,8 |
0,5 |
0,9 |
0,5 |
1,2 |
3,1 |
5,9 |
Данные таблицы 5.2 также демонстрируют значительные различия в подвижности металлов при примерно одинаковом общем содержании металлов в загрязненных почвенных образцах дерновопозолистой (СДПС3 ГСО 2500-83), карбонатного серозема (ССК3 ГСО 2506-83) и черноземной (СЧТ3 ГСО 2509-83) почвы, что согласуется с изменением их буферной способности. Погрешности (Sr) определения металлов на ДЭТАТА фильтрах в диапазоне от 1 до 10 мкг в условиях эксперимента составляли от 15 до 24% от измеряемой величины. Затраты на подготовку проб и измерения во много раз снижены по сравнению с традиционными методами исследования подвижности металлов в водно-солевых вытяжках, влияние загрязнений экстрагента существенно снижено за счет уменьшения его доли в почвенной суспензии, уменьшения количества переносов и контактирующих поверхностей. Также необходимо отметить возможность многократного использования ДЭТАТА фильтров после их регенерации и потенциальную возможность использования предлагаемого метода пробоподготовки для других аналитических методов, например, ААС с электротермической атомизацией, что также позволит снизить матричные эффекты за счет селективного поглощения металлов ДЭТАТА фильтрами их отделения от мешающих примесей. Однако, вероятно, самое большое потенциальное достоинство предлагаемой методики - возможность, при определенной постановке эксперимента, определения общего содержания подвижных форм металлов, которые обычно не удается полностью извлечь при однократной обработке экстрагентом. Более того, как показывают данные сравнительного эксперимента (табл. 5.3), извлечение сорбционно-кинетическим методом значительно превосходит не только однократное извлечение водно-солевым раствором, но и извлечение более сильным экстрагентом - аммонийно-ацетат-ным буфером (рН 4,8), приближаясь для некоторых элементов к общему содержанию металлов в этих загрязненных почвах. Отметим, что при этом нет таких побочных эффектов, ухудшающих интерпретацию, как разрушения почвенных минералов при обработке почв сильными кислотами.
Таблица 5.3 Содержание различных форм элементов в ГСО почв, мг/кг
Элементы |
ГСО почв |
||||||||||||
сдпс3 (ГСО 2500-83) |
сск3 (ГСО 2506-83) |
счт3 (ГСО 2509-83) |
счт1 (ГСО 2507-83) |
||||||||||
1* |
2 |
3 |
1 |
2 |
3 |
1 |
2 |
3 |
1 |
2 |
3 |
||
Cu |
260 |
13,2 |
77 |
290 |
7,27 |
36 |
270 |
3,35 |
24 |
25 |
** |
6 |
|
Pb |
250 |
115 |
113 |
280 |
131 |
89 |
260 |
49 |
43 |
18 |
** |
4 |
|
Zn |
430 |
173 |
219 |
390 |
105 |
89 |
480 |
65 |
136 |
56 |
** |
6 |
|
Ni |
290 |
<1 |
24 |
320 |
<1 |
16 |
300 |
<1 |
19 |
32 |
** |
7 |
Примечания: * - 1 - общее содержание, 2 - извлекаемое однократной обработкой аммонийно-ацетатным буфером, 3 - извлекаемое предлагаемым методом при навеске почвы 100 мг с 0.5 мл 0.1 М раствора нитрат кальция 2-мя ДЭТАТА фильтрами при времени накопления 8 часов
** - измерения не проводили
Таким образом, предлагаемый метод представляется весьма перспективным для массового применения, при этом удалось существенно улучшить метрологические характеристики определения подвижных форм металлов с использованием ДЭТАТА фильтров по сравнению с ранее полученными нами результатами, а разработка кинетической модели процесса - улучшить интерпретацию получаемых данных.
Глава 6. СРАВНЕНИЕ АДЕКВАТНОСТИ МЕТОДОВ ОПРЕДЕЛЕНИЯ ПОДВИЖНЫХ ФОРМ ТЯЖЕЛЫХ МЕТАЛЛОВ В ПОЧВАХ
Преимущества рентгено-флуоресцентного метода анализа (РФА) для экспрессного определения валового содержания элементов в почвах хорошо известны начиная с 1950-х годов. Однако «доступные» для растений формы обычно определяют в почвенных вытяжках, анализ которых методом РФА затруднен из-за низкого уровня содержаний элементов. Приемлемое технологическое решение заключается в совмещении процессов извлечения металлов из почвы солевым раствором и их поглощения из вытяжки иммобилизованными на целлюлозе диэтилентриаминотетраацетатными (ДЭТАТА) группами с последующим анализом концентрата методом РФА (раздел 5). В данном разделе рассмотрены результаты, полученные при сравнении предлагаемого метода с некоторыми общепринятыми экстракционными методами с точки зрения их адекватности и стоимости. Для тестирования использованы две серии проб: пробы супесчанной дерново-подзолистой почвы (Владимирская область, рН в 0,01 М СаС12 от 5 до 6,3), отобранные в микрополевом опыте с ячменем по изучению влияния загрязнения различными дозами и видами осадков сточных вод и компостов (1 серия) и загрязненные тяжелыми металлами почвы Германии, различающиеся по месту отбора и ряду основных почвенных характеристик (рН 4,2…7,3; содержание ила 4…46%; Сорг. - 1,4…7,9%; ЕКО - 6,8…43,5 мг-экв/100 г почвы; СаСО3 - 0,1…12,4%; Fe - 0,71…4,2%; Mn - 303…1229 мг/кг) - 2 серия.
Определение общего содержания металлов в почвенных пробах (метод I) проводили методом РФА по ОСТ 10-259-2000 на приборе Спектроскан-Макс U (Россия). Условия измерений - напряжение на трубке 40 кВ, ток 50 мкА, анод - молибден, первичный алюминиевый фильтр 0.1 мм для подавления линии меди в первичном спектре.
Для определения подвижных форм по предлагаемому методу (II) в пластиковый экстракционный сосуд вместимостью 4 см3 с 0.5 г почвы и 0.5 мл 0.1 М СаС12 помещали по 2 ДЭТАТА фильтра площадью 0.2 см2 каждый. Процесс накопления проводили при непрерывном встряхивании на вибраторе в течение 270 мин. После промывки фильтра на капроновом сите дистиллированной водой, фильтр высушивали и определяли содержание меди, цинка, свинца, никеля и марганца методом РФА (пределы обнаружения - 30… 100 нг). Результаты определения контролировали в институте сельского хозяйства Тюрингии методом III: ДЭТАТА фильтр помещали в пластиковую пробирку и проводили реэкстракцию с использование 3 мл 1,5 М HNO3, затем объем реэкстракта довели до 9 мл водой сверхвысокой очистки, добавили 1 мл внутреннего стандарта (раствор родия) и проводили определения методом ICP-MS на спектрометре ELAN 6000 (Perkin-Elmer, 500 мс экспозиция, пределы обнаружения - менее 1 нг).
Пробы 1 и 2 серий для определения легкоподвижных форм металлов также анализировали по методу IV согласно DIN 19730 (1995). При этом из почвенных проб готовили вытяжку 1 М NH4NO3 при соотношении 1:2,5, с вертикальным перемешиванием в течение 2 часов на ротаторе, фильтровали через мембранный фильтр под вакуумом с измерением методом ICP-MS. Кислоторастворимые формы (метод V) определяли в вытяжке 1,5 М азотной кислоте (1 час на ротаторе, фильтрование через обеззоленный фильтр синяя лента, разбавление и добавление внутреннего стандарта родия) методом ICP-MS. Экстракцию аммонийно-ацетатным буфером проводили при соотношении почва : раствор 1:10 в течение 8 часов с последующим отделением осадка и анализом методом РФА с использованием ДЭТАТА фильтра для концентрирования металлов (метод VI).
Для сравнения адекватности методов по 2 серии проб использованы ранее полученные данные из микрополевого опыта с использованием загрязненных почв Германии /Brandt 1995, Altman H., 1996/, включая содержание легкоподвижных форм металлов в почвах по методу IV и извлекаемых по стандарту ISO «царской водкой» (смесь 3HCl+HNO3 при кипячении с обратным холодильником, метод VII), п также содержание тяжелых металлов в выращенных в микрополевом опыте растительных пробах (бобы).
Данные эксперимента с почвами 1 серии проб дают представление об отношении количеств металлов, извлекаемых различными методами из дерново-подзолистой почвы к их общему содержанию в почве и между собой (табл. 6.1, 6.2). По извлекающей способности к металлам экстрагенты располагаются в следующем порядке: общее содержание > 3HCl+HNO3 >> 1,5 М HNO3 > аммонийно-ацетат-ный буфер > ДЭТАТА > 1 M NH4NO3. В настоящее время в ЕС для нормирования для оценки загрязнения почв используют 3HCl+HNO3 , а для оценки легкоподвижных (мобильных) форм металлов, как наиболее доступных для миграции и корневой системы растений, - 1 M NH4NO3. В связи с тем, что именно этому методу сейчас отдают предпочтение в качестве официального, следует отметить очень значительные затраты на его реализацию, связанные с высокими требованиями к чистоте реактивов, посуды, применением мембранного фильтрования под вакуумом. При этом предлагаемый метод с использованием ДЭТАТА фильтров при существенно меньшей трудоемкости обеспечивает более высокое накопление металлов, что снизило риск загрязнения на этапе подготовки проб и обеспечило относительно хорошую воспроизводимость данных.
Таблица 6.2Среднее соотношение содержания элементов в вытяжках для разных методов извлечения в опыте
Сравниваемые методы |
Cd |
Co |
Cr |
Cu |
Mn |
Ni |
Pb |
Zn |
|
V-VI |
1,4 |
3,1 |
2,3 |
||||||
VI-II |
4,2 |
2,8 |
3,5 |
||||||
II-IV |
2,6 |
1,1 |
0,8 |
15,4 |
0,4 |
1,5 |
1,7 |
2,6 |
Коэффициенты корреляции парных рядов данных, полученных при анализе одних и тех же почвенных проб, но независимых концентратов, для кобальта, свинца и марганца составляли, соответственно, 0,370; 0,324; 0,225 и оказались малозначимыми, то есть для этих элементов в условиях опыта адекватность данных измерений следует считать сомнительной. Вероятно, это вызвано тем, что у кобальта и свинца величины накопления сопоставимы с пределами обнаружения методов или диапазон их варьирования слишком низок. Источник плохой воспроизводимости для марганца требует дополнительных исследований. В то же время, погрешность определения кадмия, цинка, хрома, никеля в условиях опыта малосущественна, что подтверждается высокими значениями коэффициентов корреляции, соответственно, 0,991; 0,978; 0,852; 0,940
Определение ряда элементов в одних и тех же концентратах методами РФА и ICP-MS показало очень хорошее их соответствие, если принять во внимание низкий уровень содержаний металлов, а также различие в пределах обнаружения методов, что подтверждается рассчитанными величинами коэффициентов уравнений регрессии и корреляции: для меди - у = 0,996х (R = 0,989), для марганца - у = 1,49х (R = 0,9), для никеля - у = 1,25х (R = 0,965). Для цинка, при высоком значении коэффициента корреляции (R = 0,992), значение коэффициента регрессии - у = 1,925х указывает на систематическое отклонение данных, что, вероятно, было вызвано погрешностью при градуировке РФА спектрометра.
Коэффициенты корреляции между результатами определения содержания тяжелых металлов в почвенных пробах серии 2 и растениях (табл. 6.3) показывают преимущества предлагаемого метода.
Таблица 6.3 Коэффициенты корреляции данных определения тяжелых металлов в загрязненных почвах Германии при использовании различных методов определения с их накоплением в стеблях бобов в микрополевом опыте
Элемент |
Метод определения металлов в почве |
||||
I |
VII |
II |
IV |
||
никель |
0,63 |
0,55 |
0,80-0,85 |
0,84 |
|
свинец |
0,95 |
0,90 |
0,90 |
0,73 |
|
медь |
0,50 |
0,50 |
0,52 |
0,46 |
|
цинк |
0,71 |
0,58 |
0,96-0,98 |
0,93 |
Таким образом, результаты определения содержания меди, марганца, цинка, никеля и свинца по предлагаемой методике с использованием метода РФА подтверждены анализом ICP-MS, при этом показано хорошее соответствие данных. Метод экспрессного РФА определения легкоподвижных и потенциально доступных растениям форм металлов, имея технологические преимущества по сравнению с аммонийно-нитратной вытяжкой, что, по нашему мнению, важно для его возможной реализации в массовых анализах.
Глава 7. ОПРЕДЕЛЕНИЕ ЕМКОСТИ КАТИОННОГО ОБМЕНА И СУММЫ ПОГЛОЩЕННЫХ ОСНОВАНИЙ ПОЧВ С ПРИМЕНЕНИЕМ РФА
Емкость катионного обмена (ЕКО) определяет реакцию и буферные свойства почвы и поэтому ее определение имеет первостепенную важность при оценке устойчивости почв к загрязнению тяжелыми металлами. Но низкая экспрессность и сравнительно высокая трудоемкость стандартных методов определения ЕКО ограничивают их применение, особенно, в детальном картографировании. Нами изучалась возможность использования РФА для определения ЕКО на основе насыщения ППК стронцием с его последующим определением методом рентгено-флуоресцентного анализа (РФА). В основе данной методики определения ЕКО лежит тот же принцип насыщения почвы раствором двухвалентного катиона, что и в стандартизованной методике (ГОСТ 17.4.4.01). В нашем случае это стронций, так как этот элемент хорошо определяется рентгено-флуоресцентным методом и его естественным содержанием в почве можно пренебречь или учесть его предварительным измерением необработанной почвы.
Методика эксперимента. Высушенную до воздушно сухого состояния и измельченную почву массой 0,5 г помещали в пробирки, для удаления ионов водорода из ППК добавляли 3 мл 1 М раствора ацетата натрия для нейтрализации обменных ионов водорода в ППК, взбалтывали, отстаивали, надосадочную жидкость отсасывали. Затем добавляли 3 мл 2 % (по стронцию) раствора хлорида стронция, тщательно перемешивали, отстаивали, отсасывали надосадочную жидкость и повторяли обработку 3 раза. После этого суспензию переносили на фильтр, дважды промывали на фильтре дистиллированной водой. Осадок отжимали на фильтре и помещали в кювету спектрометра СПЕКТРОСКАН, разравнивали шпателем из титана и проводили измерение в соответствии с ОСТ в режиме количественного анализа с экспозицией 10 секунд на аналитическую линию при анодном напряжении 40 кВ.
Таблица 7.1 Сопоставление измеренных и аттестованных значений ЕКО в ОСО почв
Стандартные образцы |
ЕКО атт. |
ЕКО |
ЕКОатт.-ЕКО |
|
18410 |
7,33 |
6,54 |
0,79 |
|
18505 |
4,6 |
3,86 |
0,74 |
|
18601 |
8,46 |
7,98 |
0,48 |
|
18604 |
29,9 |
29,09 |
0,81 |
|
18705 |
15,1 |
14,79 |
0,31 |
|
18806 |
9,19 |
8,69 |
0,5 |
|
19110 |
28,1 |
28,86 |
-0,76 |
Для проверки правильности методики использовали отраслевые стандартные образцы почв с аттестованными агрохимическими показателями (табл. 7.1, рис. 7.1).
Рис. 7.1. Зависимость ЕКО от аттестованного значения
Уравнение регрессии и значение коэффициента (рис. 7.1) показывают, что предлагаемый метод дает практически несмещенное и достаточно точное значение ЕКО, хотя и несколько уступает в точности классическому методу. При этом затраты на проведение по предлагаемому методу намного меньше, что достигается за счет снижения массы пробы и уменьшения расхода на реактивы и утилизацию токсичных отходов. Некоторое огрубление результатов может произойти из-за небольшой навески, если она окажется непредставительной, но этого можно избежать хорошим усреднением и тонким измельчением почвенного образца. В оценке предлагаемого метода также следует учесть значительное повышение экспрессности и производительности, сокращении необходимых для работ площадей и других затрат.
При небольшой модификации метода, если насыщать почву раствором стронция без предварительной нейтрализации ППК ацетатом, можно получить еще одну почвенную характеристику - сумму поглощенных оснований, преимущественно состоящих в кислых почвах из суммы катионов кальция и магния. Проверка показала, что этот метод также неплохо согласуется со стандартными методиками, существенно снижая время и затраты на определение (табл. 7.2).
Таблица 7.2 Определение суммы поглощенных оснований, мг-экв/100 г
Стандартныеобразцы |
Ca+Mg атт. |
Ca+Mg |
Разность |
|
18410 |
3,03 |
3,22 |
0,19 |
|
18505 |
1,50 |
1,63 |
0,13 |
|
18601 |
5,36 |
5,60 |
0,24 |
|
18604 |
22,2 |
22,41 |
0,21 |
|
18705 |
12,1 |
12,26 |
0,16 |
|
18806 |
6,97 |
7,05 |
0,08 |
|
19110 |
20,6 |
21,2 |
0,6 |
Предлагаемые методики использованы при проведении вегетационных опытов, а также опробованы нами для изучения пространственного распределения почвенно-агрохимических характеристик в Длительном полевом опыте РГАУ-МСХА (рис. 7.2).
.
Рис.7.2. Распределение суммы обменных оснований по вариантам опыта с учетом их пространственного расположения
Как видно из рисунка, результаты определения соответствуют ожидаемым, исходя из теоретических предпосылок. Так известкование почвы приводит к увеличению суммы обменных оснований, также действует внесение навоза. При этом, однако, использованный метод оказался более экспрессным и менее затратным по сравнению с традиционным.
Глава 8. РЕНТГЕНО-ФЛУОРЕСЦЕНТНОЕ ОПРЕДЕЛЕНИЕ ЦИНКА И ДРУГИХ МИКРОЭЛЕМЕНТОВ В ПРОРОСТКАХ РАСТЕНИЙ
В задачи одного из наших исследований /Пуховская, 2009/ входило изучение динамики накопления цинка в растениях ячменя, однако в условиях модельных и вегетационных опытов количество доступной для анализа массы растений, как правило, было очень ограничено. В связи с этим было необходимо разработать методику определения микроэлементов в зеленой массе с учетом этой особенности. При этом рассматривались следующие варианты реализации:
1) анализ сухой измельченной растительной фиксированной массы;
2) анализ массы, смешанной с наполнителем (например, тонкоизмельченным кварцем особой чистоты);
3) анализ золы, смешанной с наполнителем;
4) анализ золы с введенным внутренним стандартом в тонком слое.
Все эти методы были опробованы и проанализированы с точки зрения оптимальности, что позволило выявить преимущества и недостатки этих подходов.
В первом варианте приходилось ориентироваться на минимальную в опытах массу пробы. Например, 7-дневный проросток ячменя имеет массу сухого вещества от 20 до 40 мг. Измельчать, дозировать и переносить без потерь пробы такой массы технически очень сложно. Но наибольшие проблемы возникали с получением воспроизводимых результатов измерений, поскольку сигнал зависит не только от массы, но и расположения и формы пробы в кювете прибора.
Во втором варианте смешение с наполнителем в виде кварца помогает измельчить пробы растений. Однако, если использовать соотношение 1:1, то это позволяло стабилизировать матрицу, но требовало большого числа точных взвешиваний (проба, кварц, дозирование после измельчения) и затрудняло проведение измерений в требуемых по условиям эксперимента объемах. Если использовать фиксированную массу кварца, достаточную для заполнения кюветы (0,2 г), то возникали трудности с учетом матричного эффекта из-за непостоянства ее состава. Кроме того, по сравнению с 1 способом происходило значительное уменьшение аналитического сигнала, и в ряде случаев количественное определение просто становилось невозможным.
В третьем варианте термическая деструкция растительных проб (даже если озоление неполное) значительно облегчает получение гомогенных тонкодисперсных проб, необходимых по условиям определения. Однако матричный состав таких проб непостоянен и, поэтому, хотя теоретически и возможен, но на практике трудно поддается учету (см. примечания к 1 и 2 вариантам).
В четвертом варианте применен метод внутреннего стандарта, который широко используется в аналитической практике для учета потерь и матричных эффектов, причем он может использоваться как в режиме насыщенного, так и тонкого излучателя. Затруднения возникают в слое промежуточной толщины, так как для разных элементов поправки становятся хотя и предсказуемыми теоретически, но разными. По вышеупомянутым причинам для наших целей тонкий слой более предпочтителен, чем насыщенный, так как это позволяет игнорировать различия в составе матриц проб. Поэтому в окончательной и рекомендованной методике был принят именно этот вариант, подробно изложенный ниже.
1. Спектрометр градуировали по многоэлементным тонкослойным пробам, приготовленным с использование ДЭТАТА фильтров и растворов с известной концентрацией микроэлементов. Мы использовали для этой цели стандартный раствор фирмы МЕРК для ИСП спектроскопии с содержанием цинка, марганца, меди, никеля , свинца и других микроэлементов 1000 мкг/мл, после соответствующего разведения и доведения рН до 4…5 добавлением раствора ацетата натрия.
2. Пробы растений массой от 20 до 200 мг нарезали ножницами в кварцевую чашку, добавляли около 50 мг кварца, смесь смачивали 0,2 мл раствора кобальта с содержанием 40 мкг/мл (внутреннего стандарта), затем аккуратно высушивали на воздухе или при слабом нагревании на плитке, а затем обугливали в печи с электрическим нагревателем при температуре не более 3500С. После этого чашку доводили до комнатной температуры и агатовым пестиком растирали золу с кварцем до получения однородной массы.
3. Пробы растений массой от 200 мг до 1 г обрабатывали также как в п. 2, за исключением того, что в качестве внутреннего стандарта использовали более концентрированный раствор кобальта при том же объеме, а также в ряде случаев исключали добавление наполнителя (кварца), если масса зольного остатка была достаточна для удобной работы.
4. В кювету прибора помещали небольшое количество (от 10 до 40 мг) подготовленной смеси, без взвешивания, распределяя ее вблизи центра кюветы.
По этой методике нами был исследован состав растений ячменя в бессменном посева длительного полевого опыта РГАУ-МСХА в вариантах с известью и без извести (рис. 8.1).
Рис. 8.1. Поступление цинка в растения (мкг/ растение) на 21 день после сева в бессменном посеве ячменя ДПО РГАУ-МСХА
Как видно из рисунка, в зеленой массе ячменя выявлено различие содержания цинка в известкованных и не известкованных вариантах. Известкование способствует заметному снижению биодоступности цинка в бессменном посеве ячменя. Азотные удобрения способствуют росту доступности цинка, фосфорные - снижению доступности, что можно объяснить образованием труднорастворимых фосфатов ТМ /Ефимов и др., 2001/. Методика также опробована при проведении вегетационных опытов с растениями ячменя, (табл. 8.1)
Таблица 8.1 Концентрация цинка в зеленой массе и корнях ячменя в зависимости от дозы внесения и возраста растений, мкг/г (вегетационный опыт 2)
Частьрастений |
Доза Zn, мг/кг |
Время вегетации, дней |
||||
3 |
6 |
16 |
50 |
|||
Зеленаямасса |
0 |
62 |
67 |
55 |
68 |
|
200 |
82 |
87 |
197 |
240 |
||
400 |
94 |
98 |
264 |
314 |
||
600 |
122 |
141 |
284 |
328 |
||
Корни |
0 |
115 |
121 |
209 |
86 |
|
200 |
248 |
345 |
966 |
630 |
||
400 |
374 |
613 |
1221 |
1368 |
||
600 |
412 |
971 |
1247 |
1711 |
Таблица 8.2 Вынос цинка зеленой массой и корнями ячменя в зависимости от дозы внесения и возраста растений, мкг (вегетационный опыт 2)
Часть растений |
Доза Zn , мг/кг |
Время вегетации, дней |
||||
3 |
6 |
16 |
50 |
|||
1 |
2 |
3 |
4 |
5 |
6 |
|
Зеленая масса |
0200 |
45 |
1013 |
27102 |
299803 |
|
400 |
5 |
16 |
86 |
1009 |
||
600 |
6 |
20 |
84 |
1005 |
||
Корни |
0 |
5 |
9 |
34 |
63 |
|
200 |
14 |
23 |
141 |
279 |
||
400 |
20 |
46 |
162 |
747 |
||
600 |
25 |
61 |
138 |
835 |
По результатам динамических вегетационных опытов можно сказать, что накопление цинка проростками ячменя происходит наиболее активно в начальной стадии роста. Корни ячменя в значительно большей степени концентрируют цинк, чем наземная масса, выполняя барьерную функцию. Однако, несмотря на консервативность генеративных органов растений, повышенные дозы цинка в субстрате дают возможность его накопления зерном ячменя, при этом удалось повысить уровень содержания цинка в зерне ячменя почти в 3 раза (табл. 8.3)
Таблица 8.3 Концентрация цинка в зерне ячменя в зависимости от дозы внесения
Доза цинка, мг/кг |
Масса зерна, г |
Концентрация цинка, мг/кг |
|
0 |
4,46 |
34 |
|
200 |
4,21 |
75 |
|
400 |
3,49 |
83 |
|
600 |
2,58 |
93 |
В другом вегетационном опыте изучали действие удобрений и гранулометрического состава почвы на поступление цинка в зерно ячменя (табл. 8.4).
Таблица 8.4 Содержание цинка в зерне ячменя по вариантам вегетационного опыта 1
Вариант* |
Урожай-ность, г |
Содержание Zn в зерне, мг/кг |
Вынос Zn зерном, мг |
||||
1 * |
2* |
1 |
2 |
1 |
2 |
||
Контроль |
6,3 |
4,7 |
39 |
25 |
0,24 |
0,12 |
|
Zn 500 мг/кг (фон) |
2,0 |
0,9 |
83 |
132 |
0,17 |
0,12 |
|
Фон+N |
3,1 |
1,6 |
95 |
120 |
0,30 |
0,20 |
|
Фон+P |
1,8 |
1,1 |
81 |
116 |
0,15 |
0,12 |
|
Фон+K |
1,9 |
0,9 |
103 |
113 |
0,19 |
0,11 |
|
Фон+NP |
3,4 |
2,7 |
126 |
138 |
0,43 |
0,38 |
|
Фон+PK |
2,1 |
1,2 |
93 |
109 |
0,20 |
0,13 |
|
Фон+NK |
2,9 |
3,0 |
103 |
118 |
0,30 |
0,36 |
|
Фон+NPK |
3,5 |
2,7 |
108 |
118 |
0,38 |
0,32 |
|
Фон+ОСВ+NPK |
4,4 |
4,0 |
100 |
96 |
0,44 |
0,38 |
|
НСР05 |
0,6 |
0,5 |
8,7 |
11,7 |
0,1 |
0,09 |
* 1 - Тяжелосуглинистая дерново-подзолистая почва, 2 - супесчаная дерново-подзолистая почва
Как видно из полученных результатов, различия типов почв, видов растений и условий роста приводят к тому, что загрязнение почв по-разному может влиять на состояние микроэлементов в растениях. Некоторые авторы используют понятие сопротивляемость почв к загрязнению тяжелыми металлами /Ильин В.Б., 2004/. Она определяется по критическим уровням содержаний металлов загрязнений, при которых в растениях и среде в целом обнаруживаются токсические эффекты, и тесно связана с катионообменной емкостью почв. Обычно сопротивляемость некислой тяжелой почвы с высоким содержанием органического вещества в несколько раз выше, чем у легкой песчаной кислой почвы. Суглинистые нейтральные почвы могут накапливать большие количества микроэлементов с меньшей степенью риска для среды. Благодаря относительно плохой растворимости комплексов гуминовых кислот с тяжелыми металлами, особенно в кислой среде, эти комплексы можно рассматривать как органический запас тяжелых металлов в почве. Органическое вещество может действовать как важный регулятор подвижности микроэлементов в почвах /Головатый С.Е., 2002/. Однако в большинстве минеральных почв органическое вещество не превышает 2% общего веса почвы, поэтому оно не может быть наиболее важным контролирующим фактором в поведении микроэлементов в почвах.
Высокая доза цинка оказывает угнетающее действие на ячмень, что выражается в снижении урожая по сравнению с контролем без цинка при этом существенно повысилось содержание цинка в зерне ячменя.
Несмотря на то, что генеративные органы (зерно) растений по сравнению с вегетативными являются наиболее стабильными по элементному составу и экологический фактор варьирования состава /Ильин, 1977/ проявляется для них в меньшей степени, в условиях вегетационного опыта удалось существенно повысить содержание цинка в зерне ячменя, при этом основным регулирующим фактором являлась мобильность Zn, а минеральные удобрения в большей степени влияние на общую продуктивность. Наиболее сильным фактором действия минеральных удобрений на концентрацию цинка в зерне ячменя являлся азот. Действие фосфорных и калийных удобрений было в пределах ошибки опыта. В супесчаной почве подвижность цинка и его доступность растениям выше, чем в суглинистой. ОСВ снижает подвижность цинка в почве и уменьшает поступление его в растения на супесчаной почве и может выступать в качестве протектора на почвах легкого гранулометрического состава. Без применения удобрений невозможно обеспечить высокую урожайность и качество получаемой продукции. Основным регулирующим фактором являлась мобильность Zn в почве, которая зависит от ее буферных характеристик. Концентрация цинка в зерне выше на почве легкого гранулометрического состава. ОСВ увеличивает буферность супесчаной почвы, в результате чего снижается биодоступность цинка, уменьшается его концентрация в зерне и увеличивается урожай. Следует отметить, что минеральные удобрения слабо влияют на концентрацию цинка в растениях, в большей степени оказывают влияние на общую продуктивность /Пуховская, 2009/.
Глава 9. ОБ ОСОБЕННОСТЯХ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ АГРОЭКОЛОГИЧЕСКОГО МОНИТОРИНГА
Большие массивы первичных данных характерны для АЭМ. Так только в Агрохимической службе России ежегодно анализируют миллионы проб почв, растений и агрохимикатов на различные показатели, десятки тысяч людей участвуют в получении и обработке данных измерений. При всем многообразии решаемых задач, общим в методологии агрохимических исследований является стремление в наиболее компактной форме описать изучаемое явление, т.е. вместо больших массивов данных каждый исследователь, используя методы статистической обработки, проводит их свертку, то есть описывает сравнительно небольшим числом наиболее существенных параметров /Налимов, 1971/. В основном публикуются именно эти данные, то есть именно они становятся доступными для общего пользования и становятся основой для формирования управленческих решений, справочников и банков данных, а первичные результаты, как правило, остаются в архивах и недоступны. Поэтому получается, что метод статистической обработки данных может быть фактором, определяющим реальную ценность полученных результатов исследования. И если раньше /Константинов, 1928, Соколов, 1960, 1975, Доспехов, 1985/ арсенал методов и технических средств для статистической обработки данных был сравнительно невелик, то теперь массовое внедрение компьютеров в эту сферу дает возможность упростить, удешевить, ускорить и повысить качество обработки данных. Тем не менее, проблема корректной обработки данных становится еще более актуальной, так как сам компьютер - только техническое средство, не решающее за исследователя, какой из методов статистической обработки предпочтительней использовать для обработки в данном конкретном случае. К сожалению, несмотря на наличие ряда руководств по статистической обработке данных /Литтл и Хиллс, 1981, Дерфель, 1994, Тюрин и Макаров, 1997/, приходится констатировать, что некорректная обработка данных не является редкостью даже в научной литературе. Тем более вероятны ошибки в обработке данных у исполнителей, выполняющих первичную обработку данных из-за их недостаточной квалификации в области статистики, а последствия таких ошибок могут быть наиболее опасны, так как их трудно выявить и практически невозможно исправить. Чтобы избежать подобных ошибок, необходимо учитывать особенности массивов данных агрохимических исследований, что и является предметом данного раздела.
В математической статистике можно выделить два основных подхода к статистическому анализу данных. Первый подход основан на предположении, что распределение данных принадлежит некоторому параметрическому семейству распределений, например, соответствующие случайные величины имеют нормальное, пуассоновское или какое-либо иное распределение. В этом случае задача исследователя сводится к оценке параметров, наиболее подходящих для описания имеющегося массива экспериментальных данных. В результате обработки происходит замена (описание) большого первичного экспериментального материала оценками параметров распределения. Если обработка соответствует типу распределения массива, то свертка эффективна. И наоборот, при несоответствии типу распределения произойдет неконтролируемое искажение информации.
Чаще всего при первичной статистической обработке данных проводят их усреднение с оценкой стандартного отклонения. Более квалифицированные исследователи используют регрессионный и дисперсионный анализ, стандартные критерии проверки гипотез, например, t-критерий, методы построения доверительных оценок среднего и дисперсии. Однако все эти методы базируются на предположении о нормальном типе распределений и это предположение имеет принципиальное значение для их обоснованного применения. На практике эти методы применяют и тогда, когда данные распределены иначе, что вносит серьезную погрешность в результаты статистического исследования. Например, при обработке данных количественного химического анализа часто не учитывают, что использование нормального распределения, в строгом смысле, допускает попадания в область отрицательных значений, вероятность которого растет по мере увеличения коэффициента вариации. Поэтому, при коэффициенте вариации данных 30% и более (а это случается довольно часто при анализе природных объектов) использование нормального распределения совершенно необоснованно. И, более того, приводит к абсурдным результатам: при оценке доверительных интервалов одна граница доверительного интервала попадает в область отрицательных значений, которые для большинства величин не имеют физического смысла, а за другой границей интервала оказывается существенно большее количество наблюдений, чем предполагается в оценке. Это обстоятельство привело к интенсивному развитию в биометрии и ряде других наук второго подхода - методов непараметрической и робастной статистики /Холлендер и Вульф, 1983/, которые получают все большее распространение, особенно, в зарубежных публикациях. Однако, следует отметить силу психологической инерции, для преодоления которой потребуются десятилетия, чтобы использовать новые непривычные математические методы в рутинной обработке данных. Кроме того, при известном типе распределения параметрические методы все-таки существенно информативней, особенно для малых выборок. Следовательно, решение в области параметрического подхода более предпочтительно, если удастся устранить отмеченные ранее несоответствия данных и выбранного типа распределений.
В работе /Литтл и Хиллс, 1981/ подробно рассмотрены наиболее часто используемые виды преобразований для нормализации данных, среди которых предлагается использовать логарифмирование. В работе Дерфель /1994/ со ссылкой на ранее выполненные исследования Gaddum /1945/ было показано, что в ряде случаев результаты анализа природных объектов имеют логнормальное распределение и тогда логарифмирование данных позволяет нормализовать их распределение. Логнормальный закон распределения агрохимических показателей отмечается в ряде других работ, например, Пузаченко и Холоповой /1998/. В геохимии для оценки фоновых концентраций микроэлементов с 1960-х используют среднегеометрическое значение /Кабата-Пен-диас, 2001/, что также основано на логнормальном типе распределения. Также в современных публикациях в ведущих международных изданиях много упоминаний о логнормальном типе распределения в массивах данных обследования /например, Chen et al. 2002; Kravchenko and Bullock, 1999; Heuvelman and Mcinnes, 1997; Lengnick, 1997; Desmet et al. 1996; Mallawatantri and Mulla, 1996; Vanderborght et al. 1996; Bahri et al. 1993; Parkin and Robinson, 1993; Hendrickx et al. 1992; Lascano and Hatfield, 1992; Shiozawa and Campbell, 1991; Nash and Daugherty, 1990/. В данном разделе исследованы типы распределения данных, полученные в наших исследованиях и опубликованные данные Kucharrski Et al, 1992, Минеральный состав, 1995/ с аналитической информацией об элементном составе почвенных и растительных проб. Статистические исследования в данной работе проводились с использованием пакета Exсel-97.
При проведении обследования территории в одном из промышленных городов в 1991 г. были отобраны более 200 образцов почвенных проб. Валовое содержание тяжелых металлов в почвах определяли рентгено-флуоресцентным методом по методике ЦИНАО с использованием многоканального спектрометра СРМ-25 (Приложение А). Пробы измельчали до размера частиц менее 0.1 мм, смешивали с полистиролом и прессовали в таблетки диаметром 30 мм. Метод характеризуется достаточно хорошей воспроизводимостью (табл. 9.8.), поэтому, очевидно, что наблюдаемые вариации состава связаны с неоднородностью распределения загрязнений по территории, характеристики которой желательно оценить количественно.
Таблица 9.1 Выписка из ведомости с результатами рентгено-флуоресцентного анализа почвенных проб
Номер пробы |
Содержание элементов в пробе, мг/кг |
|||||
Zn |
Ni |
Cu |
2As+Pb* |
РЬ |
||
1 |
2 |
3 |
4 |
5 |
6 |
|
10 |
112,5 |
39,3 |
31,2 |
30,4 |
27,5 |
|
10 |
115,2 |
40,2 |
35,7 |
42,6 |
31,3 |
|
11 |
125,9 |
48,9 |
36,6 |
42,6 |
32,7 |
|
11 |
129,8 |
42,9 |
30,2 |
41,4 |
33 |
|
12 |
171,5 |
53,4 |
47,6 |
38,7 |
34,5 |
|
12 |
199,9 |
46,7 |
50 |
42,9 |
32,3 |
|
13 |
176,7 |
43,5 |
34,7 |
44 |
39,7 |
|
13 |
161,9 |
40,9 |
34,4 |
42,8 |
38 |
|
14 |
151 |
33,1 |
37,9 |
58,6 |
46,7 |
|
14 |
113 |
40,8 |
32,2 |
48,3 |
43 |
|
15 |
87,3 |
42,4 |
28,7 |
20,9 |
17,4 |
|
15 |
80,1 |
41 |
23,9 |
19 |
15,7 |
|
16 |
100,5 |
67,8 |
26,5 |
29,8 |
23,8 |
|
16 |
95,6 |
69,1 |
24,2 |
27,3 |
20,3 |
|
17 |
66,5 |
36 |
18 |
19,8 |
14 |
|
17 |
62,4 |
36 |
18 |
19,8 |
14,4 |
|
18 |
72,2 |
45,3 |
27,1 |
27,5 |
19,1 |
|
18 |
72,5 |
46,1 |
22,1 |
29,9 |
18,8 |
|
19 |
89,1 |
42,3 |
22,3 |
26 |
18,1 |
|
19 |
82,7 |
41,5 |
22 |
25,4 |
19,5 |
|
20 |
75,5 |
49,7 |
23 |
25,6 |
15,1 |
|
20 |
73,7 |
50,6 |
24,6 |
28,8 |
17,4 |
|
21 |
85,1 |
47,4 |
28 |
28,9 |
17,1 |
|
21 |
83,5 |
48,2 |
24,3 |
27 |
17,1 |
|
22 |
69,9 |
44,5 |
22,2 |
28,5 |
16,6 |
|
22 |
98,3 |
50,3 |
25,5 |
29,9 |
20,8 |
|
23 |
61,5 |
48,4 |
18 |
23,1 |
15,1 |
|
23 |
64,5 |
55,2 |
19,2 |
31,2 |
17,3 |
|
23 |
89,5 |
39,7 |
25,9 |
46,7 |
31,2 |
|
24 |
79,2 |
48,9 |
17 |
32,8 |
20,3 |
|
24 |
73,1 |
50,1 |
16,6 |
33,1 |
19,8 |
|
25 |
88,2 |
43,6 |
17,6 |
32,9 |
20,7 |
|
25 |
101,3 |
41,1 |
22,7 |
33,3 |
22,6 |
|
26 |
95,3 |
36 |
25,4 |
30,9 |
20,3 |
|
26 |
92,1 |
44,8 |
19 |
33,7 |
24,3 |
|
27 |
109,2 |
43 |
25,4 |
38 |
20,5 |
|
27 |
98,5 |
35,2 |
28,1 |
32,5 |
21,3 |
|
28 |
88 |
37,1 |
28,1 |
40,8 |
25,1 |
|
29 |
99,4 |
40,9 |
28,1 |
37,8 |
24 |
|
29 |
92,6 |
36,1 |
24,7 |
43,3 |
26,6 |
|
30 |
64,1 |
44,1 |
21,9 |
31,7 |
16,1 |
|
30 |
64,4 |
39,7 |
24,5 |
23,8 |
15 |
|
31 |
67,1 |
48,7 |
25,8 |
28,8 |
17,6 |
|
31 |
63,6 |
53,6 |
23 |
25,5 |
18,2 |
|
32 |
73,5 |
51,2 |
28,3 |
28,2 |
19,1 |
|
32 |
71,4 |
53,6 |
27,3 |
24,7 |
16,5 |
|
33 |
71,5 |
56,1 |
18,3 |
24,1 |
15,5 |
|
33 |
82,8 |
57,9 |
23,9 |
26,1 |
19,2 |
* на этой длине волны регистрируется суммарный сигнал от мышьяка и свинца, из-за более высокой спектральной яркости линии мышьяка вклад этого элемента примерно в 2 раза выше. Данные рассчитаны в пересчете на свинец
Если сравнить экспериментальную частотную характеристику массива с теоретическими, построенными с использованием параметров статистической обработки без и с логарифмированием данных по содержанию свинца (рис. 9.1А), то становится очевидным неадекватность предположения о нормальном распределении.
Рис. 9.1. Сравнение экспериментальных частотных характеристик данных определения состава почв с нормальным и логнормальным распределением
Как видно из рисунка 9.1А, данные по свинцу отличаются большим размахом варьирования, которое делает недопустимой аппроксимацию экспериментального распределения нормальным типом распределения. Оценивание доверительного интервала в предположении нормального распределения приведет к отрицательной нижней границе диапазона, среднее значение будет смещено относительно максимума распределения. После логарифмирования данных и их аппроксимации логнормальным распределением наблюдаются расхождения между расчетом и экспериментом, но различия не столь велики как в...
Подобные документы
Общая характеристика основных методик расчета объемов земляных работ, а также оценка их экономической эффективности и целесообразности применения при том или ином варианте планировки. Особенности распределения грунта на основе баланса земляных масс.
курсовая работа [982,4 K], добавлен 16.11.2010Принципы абиоза. Виды, хранение продукции на основе абиоза. Характеристика типов зернохранилищ. Устройство буртов и траншей для хранения корнеплодов картофеля. Сушка плодов, овощей и картофеля. Обоснование этого метода консервирования. Способы сушки.
контрольная работа [1,9 M], добавлен 22.10.2008Удобрения как вещества, применяемые для улучшения питания растений, свойств почвы, повышения урожаев. Знакомство с основными особенностями оценки применения минеральных и органических удобрений на сельскохозяйственных угодьях Гомельской области.
курсовая работа [6,1 M], добавлен 16.06.2016Методы защиты от вредителей. Шкала балльной оценки показателей активности вредных организмов. Оценка состояния насаждений при лесопатологических обследованиях и мониторинге. Надзор за появлением и распространением вредителей и болезней и состоянием леса.
книга [251,3 K], добавлен 06.12.2010Проведение количественного и качественного учета земель, участие в инвентаризации и мониторинге земель. Земельно-кадастровое дешифрирование. Составление отчета о наличии земель и распределении их по формам собственности, категориям и пользователям.
отчет по практике [64,8 K], добавлен 10.01.2016Сущность и классификация посевных площадей. Показатели состава и структуры посевных площадей, структуры урожая и факторы формирования урожайности сельскохозяйственных культур. Факторный анализ урожая (валового сбора) на основе индексного метода.
контрольная работа [76,9 K], добавлен 16.09.2015Современное состояние отрасли по производству молока в России. Анализ вариации основных статистических показателей продуктивности коров в сельскохозяйственных организациях по группе районов Самарской области. Анализ динамики производства молока.
курсовая работа [523,4 K], добавлен 11.03.2014Характеристика методов защиты сельскохозяйственных растений от вредителей. Селекция устойчивых видов. Развитие биологического и химического методов контроля. Современное применение биологического контроля вредителей на территории Вологодской области.
дипломная работа [1,5 M], добавлен 07.10.2016Анализ деятельности сельскохозяйственных предприятий. Определение оптимального объема производства. Анализ обеспеченности основными ресурсами и эффективности их использования. Тенденции производства продукции в сельскохозяйственных организациях.
курсовая работа [175,0 K], добавлен 15.12.2014Методологические основы внутрихозяйственного землеустройства на агроэкологической основе. Разработка проекта организации использования сельскохозяйственных угодий с трансформацией земель и увеличением площади пастбищ и сенокосов на примере СПК "Маяк".
дипломная работа [158,4 K], добавлен 07.01.2013Анализ использования техники при выполнении сельскохозяйственных работ. Подготовка поля и организация работы тракторного агрегата. Расчёт потребности в топливо-смазочных материалах и пути их снижения. Подготовка машинно-тракторного агрегата к работе.
курсовая работа [110,3 K], добавлен 04.12.2011Анализ методов и механизмов управления земельными ресурсами в Республике Беларусь. Оценка состояния почвенного покрова Витебской области. Программа развития сельскохозяйственных предприятий как основа повышения эффективности землепользования региона.
дипломная работа [1,2 M], добавлен 22.11.2015Анализ агрохимических свойств почвы Ярославской области. Известкование почв, баланс гумуса. Расчет доз удобрений на планируемую урожайность сельскохозяйственных культур. Баланс питательных веществ в севообороте. Годовой план применения удобрений.
курсовая работа [121,2 K], добавлен 17.06.2017Профилактика незаразных болезней. Экологические основы диспансеризации. Объем и сроки диспансерного обследования сельскохозяйственных животных. Анализ условий кормления и содержания животных. Лабораторный анализ крови, мочи, молока, рубцового содержимого.
курсовая работа [26,4 K], добавлен 19.12.2015Обзор интенсивных технологий возделывания основных сельскохозяйственных культур. Обоснование марочного состава тракторов и сельскохозяйственных машин и составление годового плана работ. Планирование технической эксплуатации машинно-тракторного парка.
курсовая работа [264,3 K], добавлен 15.08.2011- Система применения удобрений в полевом севообороте СПК "Юг Руси" Сальского района Ростовской области
Разработка и обоснование системы удобрения сельскохозяйственных культур в СПК "Юг Руси". Описание климатических и почвенных условий хозяйства, особенности питания сельскохозяйственных растений, свойств удобрений и содержания в них действующих веществ.
курсовая работа [61,0 K], добавлен 08.05.2012 Методика планирования производственных процессов по механизации возделывания сельскохозяйственных культур. Обзор современных технологий по возделыванию пшеницы. Анализ себестоимости сельскохозяйственных культур предприятия на примере ООО "Сагайское".
курсовая работа [543,9 K], добавлен 02.05.2016Современное состояние отрасли животноводства и перспектива её развития. Характеристика ветеринарной службы хозяйства. Заболеваемость и падёж сельскохозяйственных животных от незаразных болезней. Ветеринарно-санитарное состояние животноводческих объектов.
курсовая работа [41,6 K], добавлен 27.08.2009- Формирование новых объектов кадастрового учета на территории Ярославского района Ярославской области
Обзор основных методических и законодательных положений образования и формирования новых объектов кадастрового учета. Экономические условия развития исследуемой территории. Проблемы и пути совершенствования землеустройства. Оценка объектов недвижимости.
дипломная работа [1,2 M], добавлен 05.05.2014 Анализ ландшафтной неоднородности земельного фонда. Структура сельскохозяйственных угодий, посевных площадей. Продуктивность сельскохозяйственных культур, сенокосов и пастбищ. Оценка экологической устойчивости ландшафта и мероприятия по его защите.
курсовая работа [41,3 K], добавлен 09.04.2012