METODYKA BADAŃ

Badania przeprowadzono w latach 2002 i 2003 w gospodarstwach rolnych w województwie lubelskim . Rozmieszczenie gospodarstw podano w pracy Fotymy i in. [2005 w druku], a ich ogólną charakterystykę zamieszczono w tabeli 1. Bilans potasu we wszystkich badanych gospodarstwach sporządzono wg ujednoliconej i powszechnie stosowanej metody OECD [Kopiński 2005] z wykorzystaniem modelu

Tabela 1. Podstawowa charakterystyka populacji badanych gospodarstw Table 1. Brief description of farm population

Wartość Value

Agricultural acreage AA (ha) 42,70 1,8 1176

Powierzchnia GO (ha)

Arable land AL (ha) 36,20 1,5 1124

Powierzchnia TUZ (ha)

Permanent grasslands PG (ha) 6,30 0 321

Wskaźnik bonitacji gruntów ornych (pkt.)

Soil valuation index (pts.) 2,12 1,16 3,21

Plony (j.zb. ^. ha^-1 UR)

Yields (grain unit ^. ha^-1 AA) 44,0 8,2 87,3

Obsada inwentarza (SD ^. ha^-1 UR)

Cattle stock (LU ^. ha^-1 AA) 0,72 0 3,32

MACROBIL [Fotyma i in. 2001] wykonanego w IUNG Puławy. Wszystkie elementy bilansu potasu podano w formie pierwiastkowej. Wyniki obliczeń opracowano statystycznie wykorzystując pakiet statystyczny Statgraphics Plus 5.2. Przy wykonywaniu analiz statystycznych posługiwano się opracowaniem Filipiak i Wilkos [1998]. Dokonano podziału badanej populacji gospodarstw na skupienia za pomocą metody Warda. Analizę wielozmienną w obrębie poszczególnych skupień wykonano z wykorzystaniem eliminacji poszczególnych zmiennych metodą wstecznej propagacji.

WYNIKI I DYSKUSJA

W badanej populacji gospodarstw bilans potasu był dodatni i wynosił 38 kg K ^.ha^-1 UR (tab. 2) i tylko w 50 gospodarstwach na 340 badanych wykazywał wartość ujemną.

Według Kopińskiego [2005] bilans potasu w Polsce w ostatnich latach jest ujemny i jego średni deficyt wynosi – 9,3 kg K ^. ha^-1 UR. W województwie lubelskim deficyt ten jest zbliżony do średniej i wynosi – 10,2 kg K ^. ha^-1 UR. Rozbieżności w wielkości salda bilansu potasu pomiędzy zbiorem badanych gospodarstw a średnim saldem dla województwa lubelskiego wynikały przede wszystkim ze zużycia potasu w nawozach mineralnych i naturalnych. W badanych gospodarstwach zużycie potasu w nawozach mineralnych było ponad dwukrotnie a w nawozach naturalnych trzykrotnie wyższe w stosunku do średniej dla województwa [Kopiński 2005].

Metodą analizy skupień wydzielono 3 grupy gospodarstw, biorąc pod uwagę podstawowe czynniki wpływające na saldo bilansu (Tabela 3). Poszczególne skupienia różniły się pomiędzy sobą, przy czym najbardziej interesujące są skupienia 2 i 3.

Gospodarstwa w skupieniu 2 zlokalizowane były na średnich glebach i posiadały bardzo dużą obsadę zwierząt, co bezpośrednio wpływało na bardzo dużą produkcję i wnoszenie potasu w nawozach naturalnych. W grupie tej znalazło się 20 % badanych gospodarstw.

W skupieniu 3 znalazło się tylko 5 % gospodarstw. Gospodarstwa te, zlokalizowane na dobrych glebach, osiągały bardzo dobre efekty w produkcji roślinnej a obsada zwierząt była bardzo niska. Cechą charakterystyczną tej populacji było wysokie zużycie potasu w nawozach mineralnych. W obydwu omawianych skupieniach nadwyżka bilansu potasu dochodziła do 90 kg K ^.ha^-1 UR a współczynnik wykorzystania potasu był bardzo niski. Nasuwa się zatem wniosek, że obydwie grupy gospodarstw rozrzutnie gospodarowały potasem, przy czym głównym powodem dużej nadwyżki bilansowej potasu w skupieniu 2 był nadmiar nawozów naturalnych a w skupieniu 3 nadmiar nawozów mineralnych. Skupienie 1 reprezentowało średni stan analizowanych zmiennych a bilans potasu nie przekraczał 30 kg K ^. ha^-1 UR. Wszystkie badane gospodarstwa, a szczególnie gospodarstwa z grupy 2 i 3 powinny zatem zoptymalizować system zaleceń nawozowych dla potasu. Zagadnienie to wymaga jednak indywidualnej analizy i z uwagi na brak miejsca nie stanowi przedmiotu niniejszej pracy.

Tabela 2. Średnie wartości cech zmiennych w skupieniach Table 2. Mean values of variables in clusters

Skupienie i % gospodarstw, potassium balance coefficient [Fotyma M.,FotymaE. 2001], WWK,UCK- współczynnik wykorzystania potasu, coefficient of potassium utilization (stosunek ilości potasu wynoszonego do wnoszonego ,potassium output/input ratio)

Tabela 3. Zmienne istotnie wpływające na saldo bilansu potasu w poszczególnych skupieniach

Table 3. Variables significantly affecting potassium balance in each cluster Skupienie

W przeprowadzonej oddzielnie dla każdego skupienia analizie regresji wyznaczono równania opisujące zależności pomiędzy saldem bilansu potasu i czynnikami glebowymi i produkcyjnymi (tab. 3). W równaniach podano tylko zmienne objaśniające istotnie wpływające na saldo bilansu potasu nie wykazujące interkorelacji między sobą. W każdym z analizowanych skupień na saldo bilansu potasu wpływał nieco inny zestaw zmiennych objaśniających a wspólną dla wszystkich skupień zmienną było zużycie potasu w nawozach mineralnych. W skupieniach 1 i 2 zmiennymi istotnie wpływającymi

na saldo bilansu były plony roślin oraz obsada zwierząt. W skupieniu 1 istotny wpływ na saldo bilansu wywierało także zużycie nawozów naturalnych a w skupieniu 2 wskaźnik bonitacji. Najlepiej dopasowany model regresji wielokrotnej opisywało równanie w skupieniu 2. Głównymi czynnikami wpływającymi na saldo bilansu potasu w skupieniu 3 był wskaźnik bonitacji gruntów, współczynnik bilansowy potasu i zużycie nawozów mineralnych.

WNIOSKI

Średnie saldo bilansu potasu w badanej populacji 340 gospodarstw było dodatnie i wynosiło 38 kg K ^.ha^-1 UR. Największa nadwyżka bilansowa potasu wystąpiła w gospodarstwach z dużą obsadą zwierząt oraz w grupie gospodarstw o intensywnej produkcji roślinnej, stosujących wysokie nawożenie mineralne.

Na saldo bilansu potasu w największym stopniu wpływał poziom plonów oraz zużycie nawozów naturalnych i mineralnych.

PIŚMIENNICTWO

Filipiak K., Wilkos S.: Wybrane metody analizy wielozmiennej i ich zastosowanie w badaniach przestrzennych. Wyd. IUNG Puławy. 1998. R(349).

Fotyma M.,Fotyma E. 2001. Development of fertilizer recommendation algorithms.

Nawozy i Nawożenie - Fertilizers and Fertilization.1:87-87.

Fotyma M., Jadczyszyn T., Pietruch Cz., 2001: System wspierania decyzji w zakresie zrównoważonej gospodarki składnikami pokarmowymi MACROBIL. Pam.

Puł., Puławy, z.124: 81-91.

Fotyma M., Krasowicz S., 2001: Potencjalna produkcyjność gleb gruntów ornych Polski w ujęciu regionalnym. Pam. Puł., Puławy, z. 124: 99-109.

Fotyma M., Gosek S., Strączyk D. 2005. New approach to calibration of the Egner-Riehm (DL) soil test for available potassium . Nawozy i Nawożenie - Fertiliz-ers and Fertilization. 3 (w druku)

Kopiński J., 2005: Regionalne zróżnicowanie bilansu azotu, fosforu i potasu w rolnictwie polskim w latach 1999-2003. Nawozy i Nawożenie, Puławy, 2/2005: 84-97.

Krasowicz S., Igras J., 2003: Regionalne zróżnicowanie wykorzystania potencjału rolnictwa w Polsce. Pam. Puł., Puławy, z. 132: 233-253.

Janusz Igras

POTASSIUM BALANCE ON FARMS IN THE LUBLIN REGION Summary

Agricultural production in Poland tends to grow recently and this affect nutrition elements balance. Potassium balance in Poland is negative – 9.3 kg K ^. ha^-1. In Lublin region the balance is negative as well and reach 10.2 kg ^. K ha^-1. In previous works nutrition balance was presented only in region scale.

Results of investigation of potassium balance in soil surface layer of 340 farms in Lublin region is presented in this paper. The balance was measured by soil-surface method with the application of the MACROBIL model. The farms were divided into three groups according factors significantly affecting potassium balance. The second group (20%) was settled down on average soils and kept many animals, what determined high use of potassium fertilizers in organic form. The third group of farms (5%) was settled down on very good soils, kept very few animals and used mineral potassium fertilisers in big amounts. Positive balance was in both groups and reached to 90 kg K ha^-1. Last group (75%) represented average farms and potassium balance in this group was positive and reached to 30 kg ^. K ha^-1. Mean potassium balance on the farms was positive and reached to 38 kg K ^. ha^-1.

Different variables were chosen for calculation of regression equations for each farm group, however use of potassium mineral fertilizers was chosen for each group.

Results are presented in table 3. The most reliable relation was obtained in the second group. Crop yield, stock cattle, soil bonitation index and use of potassium mineral fertilizers were taken for this group. Crop yield, organic and mineral fertilizers use had the highest influence on soil surface potassium balance.

Dr Janusz Igras

Instytut Uprawy Nawożenia i Gleboznawstwa ul. Czartoryskich 8, 24-100 Puławy, Polska E-mail: ij@iung.pulawy.pl