МАТЕМАТИКО-СТАТИСТИЧНИЙ АНАЛІЗ СВІТОВОЇ ПРАКТИКИ ЗАСТОСУВАННЯ МІНЕРАЛЬНИХ ДОБРИВ НА ПОСІВАХ М’ЯТИ ПЕРЦЕВОЇ

Ключові слова: гетероскедастичність, математична модель, рангові кореляції, регресійний аналіз, урожайність надземної біомаси.

Анотація

Мета. М’ята перцева є однією із найбільш важливих лікарських та ефіроолійних культур в Україні та світі, тому вивчення особливостей формування її продуктивності є важливим завданням сучасної аграрної науки. У статті представлено результати математичної аналітики ефективності застосування різних доз мінеральних добрив NPK на посівах м’яти перцевої з огляду на врожайність сирої надземної біомаси культури. Методи. Узагальнені результати наукових досліджень, виконаних у різних куточках світу, було оброблено методами множинної регресії для побудови моделі врожайності культури залежно від доз NPK та апроксимації результатів математичного моделювання. Додатково було виконано перевірку гетероскедастичності вхідних даних моделі, та розраховано рангові кореляції. Результати. У результаті статистичних розрахунків за більшістю критеріїв нормальності розподілу даних та гетероскедастичності було відкинуто нульову гіпотезу щодо впливу мінеральних добрив на врожайність м’яти перцевої. Розраховані величини коефіцієнтів рангових кореляцій дозволяють стверджувати про визначальну роль фосфорних мінеральних добрив у продуктивності культури, у той час як роль калійних добрив є мінімальною та за окремими статистичними критеріями може бути описана як неістотна. Множинна регресійна модель урожайності м’яти перцевої залежно від доз внесення NPK мінеральних добрив має середню адекватність вхідному набору даних, але прогностична точність моделі є низькою. Коефіцієнти регресії множинної моделі підтверджують високу роль фосфорних добрив у формуванні продуктивності м’яти перцевої. Висновки. Таким чином, перспективними є подальші польові та вегетаційні досліди щодо формування продуктивності культури за внесення саме азотно-фосфорних мінеральних добрив, у той час як застосування калійних добрив на посівах м’яти перцевої з високою вірогідністю не матиме позитивного ефекту з огляду на продуктивність та економічні показники вирощування лікарської сировини.

Посилання

1. Fazili M. A., Wani A. H., Bhat M. Y. Effect of different doses of gamma-irradiated sodium alginate and nitrogen fertilizer on growth, physiology and yield attributes of Mentha piperita L. in Northern Himalayas. International Journal of Agricultural Science and Research. 2017. Vol. 7. Issue 4. P. 165–176.
2. Sujana P., Sridhar T. M., Josthna P., Naidu C. V. Antibacterial activity and phytochemical analysis of Mentha piperita L. (Peppermint) – An important multipurpose medicinal plant. American Journal of Plant Sciences. 2013. Vol. 4. P. 77–83. DOI:10.4236/ ajps.2013.41012
3. Yamamoto N., Nakai Y., Sasahira N., Hirano K., Tsujino T., Isayama H., Komatsu Y., Tada M., Yoshida H., Kawabe T., Hiki N., Kaminishi M., Kurosaka H., Omata M. Efficacy of peppermint oil as an antispasmodic during endoscopic retrograde cholangiopancreatography. Journal of Gastroenterology and Hepatology. 2006. Vol. 21. P. 1394–1398.
4. Cash B., Epstein M., Shah S. A novel delivery system of peppermint oil is an effective therapy for irritable bowel syndrome symptoms. Digestive Diseases and Sciences. 2016. Vol. 61. P. 560–571. DOI: 10.1007/ s10620-015-3858-7
5. Haber S. L., El-Ibiary S. Y. Peppermint oil. American Journal of Health-System Pharmacy. 2016. Vol. 73. P. 22–26. DOI:10.2146/ajhp140801
6. Cunha A. P., Ribeiro J. A., Roque O. R. Plantas aromáticas em Portugal. Caracterização e utilização. Lisboa : Fundação Calouste Gulbenkian. 2007.
7. Arrobas M., Ferreira I. Q., Afonso S., Ângelo Rodrigues M. Sufficiency ranges and crop nutrient removals for peppermint (Mentha X piperita L.) established from field and pot fertilizer experiments. Communications in Soil Science and Plant Analysis. 2018. 12 pp. DOI: 10.1080/00103624.2018.1474909
8. Jeliazkova E. A., Zheljazkov V. D., Craker L. E., Yankov B., Georgieva T. NPK fertilizers and yields of peppermint, Mentha x Piperita. Acta Horticulturae. 1999. 502. P. 231–236.
9. Patrui O., Tabara V. Research on the quality yield of herbal mint (Mentha piperita L.) under the influence of mineral and organic fertilization in climate conditions in S. C. D. A. Lorvin. Buletinul AGIR. 2011. No. 2. P. 60–62.
10. Tepecik M., Esetlili B. C., Ozturk B., Anac D. Effect of different fertilizers on peppermint – Essential and nonessential nutrients, essential oils and yield. Italian Journal of Agronomy. 2022. Vol. 17. 1921. DOI: 10.4081/ija.2022.1921
11. Can M., Katar D. Effect of different nitrogen doses on agricultural and quality characteristics of Mentha x piperita L. and Mentha spicata L. species. Journal of Agricultural Science and technology. 2021. Vol. 23. No. 6. P. 1327–1338.
12. Cerven, V. Effect of nitrogen, location, and harvesting stage on peppermint (Mentha X piperita L.) productivity, oil content, and composition. A thesis for the degree of Master of Science. Mississippi State, US. 2009. 50 pp.
13. Jat, M., Singh, G., Choudhary, S. Standardizing drip irrigation scheduling and NPK levels on economics and energy use of Mentha ( Mentha arvensis) Crop in Tarai regions of Uttarakhand. International Journal of Environment and Climate Change. 2023. Vol. 13. No. 3. P. 125–133.
14. Behera, M. S., Mahapatra, P. K., Singandhupe, R. B., Kundum D. K., Kannan, K., Mandal, K. G., Singh, A. Effect of drip fertigation on yield, water use efficiency and water productivity of mint (Mentha arvensis L.). Journal of Agricultural Physics. 2014. Vol. 14. No. 1. P. 37–43.
15. Krämer, W., Sonnberger, H. The linear regression model under test. Springer Science & Business Media, 2012.
16. White, H. A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica: Journal of the Econometric Society. 1980. P. 817–838.
17. Cureton, E. E. Rank-biserial correlation. Psychometrika. 1956. Vol. 21. P. 287–290. DOI: 10.1007/BF02289138
18. Forthofer, R. N., Lehnen, R. G., Forthofer, R. N., Lehnen, R. G. Rank correlation methods. In Public Program Analysis: A New Categorical Data Approach. Springer, 1981. P. 146-163. DOI: 10.1007/978-1-4684-6683-6_9
19. Haase, R. F. Multivariate General Linear Models. Sage, 2011.
20. Blasco B. C., Moreno J. J. M., Pol A. P., Abad A. S. Using the R-MAPE index as a resistant measure of forecast accuracy. Psicothema. 2013. Vol. 25. No. 4. P. 500–506. DOI: 10.7334/psicothema2013.23
Опубліковано
2023-04-27
Розділ
МЕЛІОРАЦІЯ, ЗЕМЛЕРОБСТВО, РОСЛИННИЦТВО