Наукові доповіді Національного університету біоресурсів і природокористування України

Динаміка біометричних показників рослин кукурудзи за впливу норм висіву та зон продуктивності поля

Леся Гарбар, Богдан Васьківський
Завантажити статтю
Анотація

Біометричні показники кукурудзи є важливим індикатором ефективності агротехнологій та відображають адаптивну реакцію культури на просторову неоднорідність умов вирощування. Метою дослідження було встановити вплив зональної продуктивності та норм висіву на висоту та формування сухої речовини кукурудзи на ранніх етапах органогенезу. Польові дослідження проведено у 2023-2024 рр. у межах трьох зон продуктивності поля: високої, середньої та низької. Варіювали п’ять норм висіву – від 65 до 85 тис. насінин/га. Результати досліджень свідчать, що зона продуктивності чинила основний вплив на біометричні параметри рослин, тоді як норма висіву мала додатковий, але менш суттєвий ефект. На стадії розвитку кукурудзи V2-V3 максимальні показники сухої речовини (до 23,5 %) спостерігалися у високопродуктивній зоні за норми висіву 70 тис. насінин/га. У низькопродуктивних зонах показники знижувались до 15,5 %. Висота рослин у цій фазі варіювала від 22,5 см у високій зоні до 16,6 см у низькій зоні продуктивності. У фазі початку цвітіння (R1) відзначено зменшення вмісту сухої речовини у напрямку до менш продуктивних зон: від 31,7 % (висока зона, 70 тис./га) до 25,3 % (низька зона, 85 тис./га) у 2023 р. Висота рослин варіювала від 252 см у високопродуктивних зонах до 143 см у низьких. Біометричні параметри кукурудзи можна використовувати як надійний критерій для оцінки реакції культури на диференційовані технологічні прийоми, що є перспективним напрямом у системах точного землеробства. Застосування зонально диференційованих норм висіву дозволяє підвищити ефективність використання ресурсів та оптимізувати агротехнології вирощування кукурудзи на неоднорідних за продуктивністю полях

Ключові слова

Zea mays L., висота рослин, диференційована сівба, густота стояння, суха речовина

ЦИТУВАТИ
Harbar, L., & Vaskivskyi, B. (2025). Dynamics of biometric indicators of maize plants under the influence of sowing rates and field productivity zones. Scientific Reports of the National University of Life and Environmental Sciences of Ukraine, 21(4),81-91. https://doi.org/10.31548/dopovidi/4.2025.81
Використані джерела
  1. Anselmi, A.A., Molin, J.P., Bazame, H.C., & Corrêdo, L.P. (2021). Definition of optimal maize seeding rates based on the potential yield of management zones. Agriculture, 11(10), article number 911. doi: 10.3390/agriculture11100911.
  2. Bakó, K., Rácz, C., Dövényi-Nagy, T., Molnár, K., & Dobos, A. (2025). Advancements in leaf area index estimation for maize using modeling and remote sensing techniques: A review. Agronomy, 15(3), article number 519. doi: 10.3390/agronomy15030519.
  3. Bantchina, B.B., Qaswar, M., Arslan, S., Ulusoy, Y., Gündoğdu, K.S., Tekin, Y., & Mouazen, A.M. (2024). Corn yield prediction in site-specific management zones using proximal soil sensing, remote sensing, and machine learning approach. Computers and Electronics in Agriculture, 225, article number 109329. doi: 10.1016/j.compag.2024.109329.
  4. Bűdi, K., Bűdi, A., Tarcsi, Á., & Milics, G. (2025). Variable rate seeding and accuracy of within‑field hybrid switching in maize (Zea mays L.). Agronomy, 15(3), article number 718. doi: 10.3390/agronomy15030718.
  5. Convention on Biological Diversity. (1992, June). Retrieved from https://www.cbd.int/doc/legal/cbd-en.pdf.
  6. Cui, J., Cui, Z., Lu, Y., Lv, X., Cao, Q., Hou, Y., Yang, X., & Gu, Y. (2022). Maize grain yield enhancement in modern hybrids associated with greater stalk lodging resistance at a high planting density: A case study in northeast China. Scientific Reports, 12, article number 14647. doi: 10.1038/s41598-022-18908-z.
  7. Djaman, K., Allen, S., Djaman, D.S., Koudahe, K., Irmak, S., Puppala, N., Darapuneni, M.K., & Angadi, S.V. (2022). Planting date and plant density effects on maize growth, yield and water use efficiency. Environmental Challenges, 6, article number 100417. doi: 10.1016/j.envc.2021.100417.
  8. DSTU ISO 11260:2001. (2001). Soil quality – determination of cation exchange capacity and base saturation using barium chloride solution (ISO 11260:1994, IDT). Retrieved from https://online.budstandart.com/ua/catalog/doc-page.html?id_doc=57138.
  9. Du, Z., Yang, L., Zhang, D., Cui, T., He, X., Xiao, T., Xie, C., & Li, H. (2022). Corn variable-rate seeding decision based on gradient boosting decision tree model. Computers and Electronics in Agriculture, 198, article number 107025. doi: 10.1016/j.compag.2022.107025.
  10. Gallardo‑Romero, D.J., Apolo‑Apolo, O.E., Martínez‑Guanter, J., & Pérez‑Ruiz, M. (2023). Multilayer data and artificial intelligence for the delineation of homogeneous management zones in maize cultivation. Remote Sensing, 15(12), article number 3131. doi: 10.3390/rs15123131.
  11. Havlin, J.L., Tisdale, S.L., Nelson, W.L., & Beaton, J.D. (2013). Soil fertility and fertilizers (8th ed.). Upper Saddle River, NJ: Pearson Education.
  12. Lacolla, G., Caranfa, D., De Corato, U., Cucci, G., Mastro, M.A., & Stellacci, A.M. (2023). Maize yield response, root distribution and soil desiccation crack features as affected by row spacing. Plants, 12(6), article number 1380. doi: 10.3390/plants12061380.
  13. Li, D., et al. (2022). Corn nitrogen nutrition index prediction improved by integrating genetic, environmental, and management factors with active canopy sensing using machine learning. Remote Sensing, 14(2), article number 394. doi: 10.3390/rs14020394.
  14. Liu, W., et al. (2020). Contribution of total dry matter and harvest index to maize grain yield – a multisource data analysis. Food and Energy Security, 9(4), article number e256. doi: 10.1002/fes3.256.
  15. Munnaf, M.A., Haesaert, G., & Mouazen, A.M. (2022). Site‑specific seeding for maize production using management zone maps delineated with multi‑sensors data fusion scheme. Soil and Tillage Research, 220, article number 105377. doi: 10.1016/j.still.2022.105377.
  16. Saleem, N., Jubery, Z.T., Balu, A., Zhou, Y., Li, Y., Schnable, P.S., Krishnamurthy, A., & Ganapathysubramanian B. (2025). Accessing the effect of phyllotaxy and planting density on light use efficiency in field‑grown maize using 3D reconstruction. ARXIV. doi: 10.48550/arXiv.2503.06887.
  17. Șarauskis, E., Kazlauskas, M., Naujokienė, V., Bručienė, I., Steponavičius, D., Romaneckas, K., & Jasinskas, A. (2022). Variable rate seeding in precision agriculture: Recent advances and future perspectives. Agriculture, 12(2), article number 305. doi: 10.3390/agriculture12020305.
  18. Shatkovskyi, A., Zhuravlov, O., Melnychuk, F., Ovchatov, I., & Yarosh, A. (2020). Influence of irrigation methods on corn’s productivity. Plant and Soil Science, 11(4), 34-42. doi: 10.31548/agr2020.04.034.
  19. Silva, E.E., Baio, F.H.R., Kolling, D.F., Schneider Júnior, R., Zanin, A.R.A., Neves, D.C., Fontoura, J.V.P.F., & Teodoro, P.E. (2021). Variable-rate in corn sowing for maximizing grain yield. Scientific Reports, 11, article number 12711. doi: 10.1038/s41598-021-92238-4.
  20. Tian, P., Liu, J., Zhao, Y., Huang, Y., Lian, Y., Wang, Y., & Ye, Y. (2022). Nitrogen rates and plant density interactions enhance radiation interception, yield, and nitrogen use efficiencies of maize. Frontiers in Plant Science, 13, article number 974714. doi: 10.3389/fpls.2022.974714.
  21. Videgain, M., Martínez-Casasnovas, J.A., Vigo, A., Vidal, M., & García Ramos, F.J. (2024). On-farm experimentation of precision agriculture for differential seed and fertilizer management in semi-arid rainfed zones. Precision Agriculture, 25(6), 3048-3069. doi: 10.1007/s11119-024-10189-y.
  22. Zhang, M., Zhao, X., Han, X., Chen, Y., Dang, P., Xue, J., Qin, X., & Siddique, K.H.M. (2025). Optimizing planting density for enhanced maize yield and resource use efficiency in China. A meta-analysis. Agronomy for Sustainable Development, 45(3), article number 29. doi: 10.1007/s13593-025-01027-0.
  23. Zhu, Z., Friedman, S.P., Chen, Z., Zheng, J., & Sun, S. (2022). Dry matter accumulation in maize in response to film mulching and plant density in northeast China. Plants, 11(11), article number 1411. doi: 10.3390/plants11111411.