The article presents the results of a five-year study of plant-microbe interactions in a small medium sodium solonetz. The research was carried out in the Barabinsk lowland of Siberia, where Bromus inermis was cultivated for 33 years in the fodder crop rotation. Its phytomelioration effect was reflected in soil desalinization which was proved by decrease of EC in 0-20 cm layer by 11.3 times, decrease of its oligotrophy by 6.3 times, replenishment of solonetz nitrogen fund and intensification of microbiological processes of humus accumulation. The taxonomic structure of microbiome under the crop rotation impact with B. inermis altered towards increasing the representation of genera from alpha-, beta- and delta-proteobacteria classes, functionally associated with the improvement of soil fertility, Gemmatimonadetes as a dryness indicator and reducing the Acidobacteria groups Gp4 and Gp6, associated with the pH control.

No abstract

No abstract

Авторами рассматривается возможность использования нейросетевой модели (FFNN – нейронная сеть прямого распространения), для прогнозирования урожайности яровой пшеницы в условиях лесостепи Западной Сибири. В исследовании использованы материалы длительных полевых опытов СибНИИЗиХ – структурного подразделения СФНЦА РАН, проведенные в северной лесостепи Приобья, а также данные о метеорологических показателях Новосибирского поста метеонаблюдений за 2001-2018 гг. Работа выполнена с использованием общедоступных данных для универсальности системы при ее использовании в различных природно-сельскохозяйственных условиях. В качестве предикторов выделены качественные факторы (система обработки почвы, предшествующая культура, размещение культуры после пара применение средств интенсификации) и метеорологические показатели (среднедекадные температуры воздуха и суммы осадков), определяющие урожайность культуры на исследуемой территории. Выполнено построение модели, позволяющей осуществить прогноз урожайности яровой пшеницы на будущий вегетационный период в зависимости от заданных параметров. Коэффициент детерминации модели составил 0.93, а средняя абсолютная ошибка изменялась в пределах 0.05±0.03, что являются достаточно высоким результатом точности предиктивных моделей в постоянно изменяющихся условиях при совокупности абиотических факторов и управляющего воздействия. Полученные в ходе работы теоретические и практические результаты могут быть использованы при разработке систем поддержки принятия решений, а также при планировании и оценке эффективности размещения сельскохозяйственного производства растениеводческой продукции в изменяющихся погодно-климатических условиях на территории лесостепи Приобья. The authors consider the possibility of using a neural network model (FFNN – feed forward neural network) to predict the yield of spring wheat in the forest-steppe of Western Siberia. The study involved materials from long–term field experiments of SibNIIZiH, a structural subdivision of the SFSCA RAS, conducted in the northern forest-steppe of the Ob region, as well as data on meteorological indicators of the Novosibirsk meteorological observation post for 2001-2018. The work was carried out using publicly available data for the universality of the system when it is used in various natural and agricultural conditions. Qualitative factors (the tillage system, the previous crop, the placement of the crop after steam, the use of intensification means) and meteorological indicators (average decadal air temperatures and precipitation amounts) that determine the crop yield in the study area are identified as predictors. A model has been constructed that allows forecasting the yield of spring wheat for the future growing season, depending on the specified parameters. The coefficient of determination of the model was 0.93, and the mean absolute error varied within 0.05±0.03, which is a fairly high result of the accuracy of predictive models in constantly changing conditions with a combination of abiotic factors and control action. The theoretical and practical results obtained in the course of the work can be used in the development of decision support systems, as well as in planning and evaluating the effectiveness of the placement of agricultural production of crop production in changing weather and climatic conditions on the territory of the Ob region.