Наукові доповіді Національного університету біоресурсів і природокористування України

Формування показників якості зерна кукурудзи за впливу норм висіву та зон продуктивності поля

Леся Гарбар, Богдан Васьківський
Завантажити статтю
Анотація

Якість зерна кукурудзи є важливим показником ефективності агротехнологій і формується під впливом просторової неоднорідності ґрунтово-кліматичних умов та рівня внутрішньоценозної конкуренції. Метою дослідження було встановити вплив зон продуктивності поля та змінних норм висіву на урожайність і показники якості зерна кукурудзи, зокрема натуру, масу 1000 зерен, вміст крохмалю, білка та жиру. Польові дослідження проводили упродовж 2023-2025 рр. у межах трьох зон продуктивності поля (високої, середньої та низької), виділених на основі багаторічних карт урожайності та просторового аналізу. Дослід закладали з використанням п’яти норм висіву – 65, 70, 75, 80 та 85 тис. насінин/га. Результати досліджень показали, що зона продуктивності була домінуючим чинником формування урожайності та якісних показників зерна, тоді як норма висіву визначала ступінь реалізації потенціалу в межах кожної зони. Найвища середня урожайність (11,3 т/га) сформувалася у високопродуктивній зоні за норми висіву 80 тис. насінин/га, тоді як у низькопродуктивній зоні максимальні показники не перевищували 7,7 т/га. Натура зерна та маса 1000 зерен знижувалися у напрямку від високих до низьких зон продуктивності, що свідчить про погіршення умов наливу зерна за обмеженого ресурсного забезпечення. Вміст крохмалю був вищим у високопродуктивних зонах (у середньому до 72,5 %), тоді як у середніх і низьких зонах спостерігалося підвищення концентрації білка та жиру, що відображає адаптивну реакцію культури на стресові умови та зниження врожайності. Отримані результати підтверджують доцільність застосування зонально диференційованих норм висіву як інструменту одночасної оптимізації урожайності та якості зерна кукурудзи

Ключові слова

Zea mays L., урожайність, показники якості зерна, натура, маса 1000 зерен, вміст крохмалю, білка і жиру, диференційована сівба, зона продуктивності

ЦИТУВАТИ
Harbar, L., & Vaskivskyi, B. (2026). Formation of maize grain quality indicators under the influence of seeding rates and field productivity zones. Scientific Reports of the National University of Life and Environmental Sciences of Ukraine, 22(1),54-65. https://doi.org/10.31548/dopovidi/1.2026.54
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. Babić, V., Nikolić, V., Babić, M., Kravić, N., Pavlov, J., Žilić, S., Čamdžija, Z., & Filipović, M. (2024). Elite maize lines having variability in quality parameters – a valuable starting material for grain quality-oriented breeding programs. Agriculture, 14(12), article number 2122. doi: 10.3390/agriculture14122122.
  3. Barabolia, O., & Kosenko, I. (2024). The impact of sowing time on corn yield capacity. Scientific Progress & Innovations, 27(1), 41-46. doi: 10.31210/spi2024.27.01.07.
  4. Birinyi, E., Kristóf, D., Hollós, R., Barcza, Z., & Kern, A. (2024). Large-scale maize condition mapping to support agricultural risk management. Remote Sensing, 16(24), article number 4672. doi: 10.3390/rs16244672.
  5. Convention on Biological Diversity. (1992, June). Retrieved from https://zakon.rada.gov.ua/laws/show/995_030#Text.
  6. Deines, J.M., Patel, R., Liang, S.-Z., Dado, W., & Lobell, D.B. (2020). A million kernels of truth: Insights into scalable satellite maize yield mapping and yield gap analysis from an extensive ground dataset in the US Corn Belt. Remote Sensing of Environment, 239, article number 112174. doi: 10.1016/j.rse.2020.112174.
  7. DSTU 10840:2019. (2019). Grain. Method for determination of test weight (GOST 10840-2017, IDT). Retrieved from https://online.budstandart.com/ua/catalog/doc-page.html?id_doc=89079.
  8. DSTU 4117:2007. (2007). Grain and grain products. Determination of quality indicators by near-infrared spectrometry. Retrieved from https://online.budstandart.com/ua/catalog/doc-page.html?id_doc=85620.
  9. Dudka, M., & Yakunin, O.P. (2023). The formation of maize grain yield depends on the method of sowing and the density of the plants standing in the Northern Steppe of Ukraine. The Scientific Journal Grain Crops, 7(2), 76-84. doi: 10.31867/2523-4544/0261.
  10. Gheith, E.M.S., El-Badry, O.Z., Lamlom, S.F., Ali, H.M., Siddiqui, M.H., Ghareeb, R.Y., El-Sheikh, M.H., Jebril, J., Abdelsalam, N.R., & Kandil, E.E. (2022). Maize (Zea mays L.) productivity and nitrogen use efficiency in response to nitrogen application levels and time. Frontiers in Plant Science, 13, article number 941343. doi: 10.3389/fpls.2022.941343.
  11. Havlin, J.L., Tisdale, S.L., Nelson, W.L., & Beaton, J.D. (2013). Soil fertility and fertilizers: An introduction to nutrient management (8th ed.). Upper Saddle River, NJ: Pearson Education.
  12. ISO 12099:2017. (2017). Animal feeding stuffs, cereals and milled cereal products – guidelines for application of near infrared spectrometry. Retrieved from https://www.iso.org/standard/67352.html?utm_source.
  13. Kothiyal, S., Prabhjyot‑Kaur, Sandhu, S.S., & Kaur, J. (2023). Modelling viable adaptive options under climate change scenarios to increase maize productivity in Indian Punjab. Arabian Journal of Geosciences, 16, article number 403. doi: 10.1007/s12517-023-11516-9.
  14. Lippold, E., Lucas, M., Fahrenkampf, T., Schlüter, S., & Vetterlein, D. (2022). Macroaggregates of loam in sandy soil show little influence on maize growth, due to local adaptations of root architecture to soil heterogeneity. Plant and Soil, 478, 163-178. doi: 10.1007/s11104-022-05413-5.
  15. Liu, W., et al. (2023). Spatial distribution of maize grain quality and its influence by climatic factors across China. Agronomy Journal, 115(5), 2439-2450. doi: 10.1002/agj2.21362.
  16. Łukowiak, R., Barłóg, P., & Ceglarek, J. (2024). Soil and plant nitrogen management indices related to within-field spatial variability. Agronomy, 14(8), article number 1845. doi: 10.3390/agronomy14081845.
  17. 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.
  18. Ogunniyan, D.J., Adetumbi, J.A., Olasoji, J.O., & Makinde, S.A. (2021). The variability of grain yield, seed morphometric and vigour traits of early maturing hybrid maize. Journal of Agricultural Sciences, 66(2), 105-119. doi: 10.2298/jas2102105o.
  19. Romero-Ruiz, A., O’Leary, D., Daly, E., Tuohy, P., Milne, A., Coleman, K., & Whitmore, A.P. (2024). An agrogeophysical modelling framework for the detection of soil compaction spatial variability due to grazing using field-scale electromagnetic induction data. Soil Use and Management, 40(2). doi: 10.1111/sum.13039.
  20. Sachan, D.S., Reddy, K.J., Sulochna, Saini, Y., Rai, A.K., Singh, O., & Laxman, T. (2023). Assessing grain yield and achieving enhanced quality in maize by next generation fertilizer: A review. International Journal of Environment and Climate Change, 13(8), 626-637. doi: 10.9734/IJECC/2023/v13i81991.
  21. Salem, H.M., Schott, L.R., Piaskowski, J., Chapagain, A., Yost, J.L., Brooks, E., Kahl, K., & Johnson-Maynard, J. (2024). Evaluating intra-field spatial variability for nutrient management zone delineation through geospatial techniques and multivariate analysis. Sustainability, 16(2), article number 645. doi: 10.3390/su16020645.
  22. Tadiboina, G.K., Maitra, S., Kalasare, R.S., Ray, S., Mahto, R.K., & Sairam, M. (2024). Influence of location-specific nutrient management and plant stand on the growth, productivity, and nutrient uptake of irrigated rabi maize (Zea mays L.). Research on Crops, 25(2), 560-569. doi: 10.31830/2348-7542.2024.roc-1140.
  23. 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 semiarid rainfed zones. Precision Agriculture, 25(6), 3048-3069. doi: 10.1007/s11119-024-10189-y.
  24. Zhou, S., Zhou, F., Zi, X., Rao, D., Liu, K., & Wu, B. (2022). Responses of maize (Zea mays L.) roots to nitrogen heterogeneity and intraspecific competition: Evidence from a pot experiment using the “root splitting” approach. Agronomy, 12(12), article number 3101. doi: 10.3390/agronomy12123101.
  25. Zhou, S., Zi, X., Rao, D., Liu, K., Yang, L., Shen, P., Wu, B., & Zhou, F. (2024). Jasmonic acid mediates maize (Zea mays L.) roots response to soil nitrogen heterogeneity. Journal of Plant Biology, 67, 241-255. doi: 10.1007/s12374-024-09428-6.