Анализ динамики урожаев как инструмент информационного обеспечения эффективных прогнозов

Знакомство с основными проблемами долгосрочного прогнозирования колебаний природных условий сельскохозяйственного производства. Анализ особенностей технологии "Зонт". Этапы разработки прогнозов колебаний урожая для зарубежных стран Северного полушария.

Рубрика Сельское, лесное хозяйство и землепользование
Вид дипломная работа
Язык русский
Дата добавления 02.08.2013
Размер файла 879,0 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Точность агрометеорологических прогнозов чаще всего довольно высокая (80-90%), так как при их составлении учитываются такие очевидно значимые факторы, как исходное состояние посевов, сложившиеся фактические агрометеорологические условия на дату составления прогноза и наиболее важные инерционные факторы (запасы влаги в почве, число растений на единице площади, высота снежного покрова и т.д.).

Однако не следует забывать о недостатках современного уровня таких прогнозов, главным из которых является малая заблаговременность их представления - как правило, не более 1 месяца, и лишь в отдельных случаях 2-3 месяца, что не позволяет их использовать для решения таких народнохозяйственно значимых проблем, как повышение эффективности экспортно-импортных операций, переход к гибким системам ведения хозяйства, оптимизация размеров резервных фондов и др. Кроме того, методы агрометеорологических прогнозов не являются универсальными и чаще всего каждый из них применим только для определенных климатических зон, почвенных условий, сортов и т.п.

Известны различные способы прогнозирования урожайности с учетом агрометеорологических факторов. Так, М. С. Куликом [50] для Нечерноземной зоны, где почвы обладают низким естественным плодородием и высокопродуктивные сорта озимых зерновых не реализуют своего потенциала из-за недостаточного питания растений, разработан метод прогноза урожайности озимой пшеницы, который предусматривает использование в качестве факторных признаков - внесение минеральных удобрений, уровень агротехники, температуру осеннего и весеннего периодов и др.

На базе методики Е. С. Улановой [140] можно составить среднесрочный (с трехмесячной заблаговременностью) прогноз урожайности озимой пшеницы (сортов Безостая 1 и Мироновская 808) для Центрально-Черноземной зоны. При этом главными инерционными факторами формирования урожая в ЦЧЗ, позволяющими с большой достоверностью рассчитывать весной урожайность озимой пшеницы, даже без учета других дополнительных факторов, являются:

1) величина весенних запасов продуктивной влаги в метровом слое почвы на полях с озимой пшеницей (учитываются роль агротехники, влияние предшественников и плодородия почвы);

2) число стеблей на 1 кв. м, сохранившихся после перезимовки, которые являются потенциальным резервом числа колосоносных стеблей в будущем.

Уточнение этого прогноза дается дважды: в фазу выхода в трубку озимой пшеницы (с двухмесячной заблаговременностью) и в фазу колошения (с месячной заблаговременностью), что позволяет включить в оценку зависимость урожайности от запасов продуктивной влаги в эти периоды.

Такие прогнозы урожая озимой пшеницы (а она во многих районах является главной зерновой культурой), вполне пригодны для обоснования привлечения в хозяйства кредитов под залог еще неубранного урожая. Однако, с ростом заблаговременности получения прогнозов, в хозяйствах появилась бы возможность проводить еще и маневр структурой ярового сева, оптимизировать пропорции в посевах яровых и озимых культур, существенно повысить рентабельность предприятия за счет реализации продукции по форварду на более выгодных финансовых условиях.

Ю. И. Чирковым [143] предложен метод прогноза урожайности кукурузы, основанный на тесной связи урожайности с запасами продуктивной влаги в почве, с площадью листовой поверхности посева, выражающей фотосинтетический потенциал, т. е. способность использовать для формирования урожая солнечную радиацию.

Прогноз урожайности зерна кукурузы основывается на уравнениях, в которые включены площадь листовой поверхности, запасы продуктивной влаги в слое почвы 0-50 см в фазу выметывания метелки, температура воздуха в период формирования элементов продуктивности початка и температура воздуха в течение месяца после выметывания метелки, когда происходит цветение, оплодотворение початка и налив зерна.

Для прогноза урожайности растительной массы также имеется ряд уравнений применительно к степной и нечерноземной зонам. Однако небольшая заблаговременность таких прогнозов не позволяет рационально решать вопросы развития животноводства, обеспеченность которого фуражными ресурсами ставится в зависимость от объема производства силоса.

Для прогноза урожайности сахарной свеклы в основной зоне свеклосеяния О. М. Конторщиковой получены региональные уравнения, связывающие урожайность с суммой активных температур за период посева до пятой декады после фазы «начало роста корня», массой корнеплода и густотой посева на эту декаду, средними запасами продуктивной влаги в метровом слое почвы за период от посева до этой декады. Оценка условий урожая делается начиная с десятой декады после сева, то есть примерно со второй декады августа.

В основу прогноза средней областной урожайности семян подсолнечника, предложенного Ю. С. Мельником [60] положена зависимость урожайности от расчетного показателя увлажнения К, представляющего отношение суммы осенне-зимних осадков и суммы осадков за вегетационный период к сумме температур за вегетационный период, уменьшенной в 10 раз. Время составления первого прогноза совпадает с датой устойчивого перехода средней суточной температуры воздуха через 10ОС весной (примерно 1-я декада мая). В начале июня и июля прогнозы уточняются.

Разработаны методы прогноза урожайности яровой пшеницы (А. В. Процеров, К. В. Кириличева, Б. П. Пономарев и др.), картофеля (А. И. Худякова, Р. В. Шелудякова и др.), волокна льна-долгунца (А. А. Андреев), чая и табака (Г. Г. Меладзе), хлопка-сырца (Ф. А. Муминов, А. К. Абдуллаев и др.), а также урожайности сена многолетних трав (Н. В. Гулинова и др.) и пастбищной растительности (А. П. Федосеев, И. Грингоф и др.) [121].

Развитие количественной теории продукционного процесса, общие принципы которой сформулированы в исследованиях А. А. Ничипоровича, А. И. Будаговского, Ю. К. Росса и др., послужило основой создания моделей формирования урожая сельскохозяйственных культур, в которых в качестве основного аппарата исследования применяется математическое моделирование. Динамические модели рассматривают формирование урожая как процесс, изменяющийся во времени в зависимости от состояния посевов, влияния внешней среды и параметров модели.

Первые прикладные модели такого рода были разработаны О. Д. Сиротенко, Е. П. Галяминым, А. Н. Полевым. В исследованиях О. Д. Сиротенко были изучены свойства продукционного процесса системы «почва-растение-атмосфера», и проблема прогноза урожайности формулируется им как задача математической геофизики. Созданные им динамическая модель формирования урожайности и динамико-статистическая модель погода-урожай, например, для ярового ячменя, дают возможность ежедекадно рассчитывать биологический урожай, динамику биомассы и площадь листьев растений на основании данных о погодных условиях, влагозапасах почвы, состоянии посева. А. Н. Полевой создал комплекс динамико-статистических методов оценки агрометеорологических условий произрастания и прогнозирования урожайности сельскохозяйственных культур в Нечерноземье. Однако необходимо обратить внимание на то, что поскольку эти работы посвящены изучению влияния многообразных факторов внешней среды на формирование урожая, то для их практического использования необходим большой объем метеорологической информации за продолжительный период времени, на который реально трудно рассчитывать.

В настоящее время в России широкое распространение получили прогнозы урожайности зерновых культур аналитического центра фирмы «ОГО» и департамента маркетинга ГК «Юниделл», которые составляются на основе информации о реально сложившихся погодных условиях, с учетом почвенных и агротехнических факторов. Для оценки качества таких прогнозов рассмотрим некоторые из них на 2001-2002 гг.

Оценим качество первого прогноза урожайности зерновых культур на 2001 год фирмы «ОГО», представленного с заблаговременностью чуть более 3 месяцев до начала уборки По данным Вестника Зернового Союза от 21 апреля 2001 г.. Для этого обратимся к таблице 16, где сравним фактическую урожайность 2001 года в ряде основных регионов России с прогнозируемой урожайностью по состоянию на 11.04.2001 г.

Как видим, при заблаговременности оценки чуть более 3 месяцев, фактическая урожайность различных культур во многих регионах значительно отличается от прогнозируемой, причем как в большую сторону, так и в меньшую. В 68% случаев ошибка прогноза превысила 10%, в 36% случаев составила более 20%.

Например, в прогнозе урожайности озимой пшеницы в Волгоградской области ошибка составила 44,4%, в Татарстане - 33,9%, в Белгородской, Воронежской и Ростовской областях - свыше 20%.

Фактическая урожайность яровой пшеницы превысила прогнозируемую в Белгородской области на 41,1%, в Татарстане - на 28%, в Липецкой и Новосибирской областях - более чем на 20%.

При оценке урожайности ярового ячменя в Новосибирской области ошибка составила 49,3%, в Омской области - 43,2%, в Татарстане - 35,5%, в Белгородской и Ростовской областях - около 30%.

В Челябинской области фактическая урожайность и яровых и озимых культур оказалась существенно ниже прогнозируемой: овса - на 67,8%, ярового ячменя - на 39,1%, озимой и яровой пшеницы - на 29,5 % и 23,2% соответственно.

Обратим внимание, что изменилось в прогнозе урожайности аналитического центра «ОГО» по федеральным округам России на 2001 г. по состоянию на 01.05.01 По данным Вестника Зернового Союза от 10 мая с.г.; прогноз Аналитического центра фирмы «ОГО»., т.е. спустя 20 дней, по данным таблицы 17.

Как видим, даже при заблаговременности представления прогноза сроком всего в 2 месяца до начала уборки, качество прогноза нисколько не улучшилось - повсеместно наблюдаются значительные ошибки в определении урожайности 2001 года, в том числе доля ошибок, превышающих 25% достигла 42% всех оценок урожая.

Ошибка прогноза урожайности озимой пшеницы в Центральном и Южном федеральных округах составила свыше 30%, в Приволжском - 25,6%.

Фактическая урожайность ярового ячменя в Сибирском округе превысила прогнозируемую на 29,4%, в Центральном - на 21,6%.

Урожайность яровой пшеницы в Южном и Северо-Западном округах оказалась на 70,2 и 34,7% меньше, чем по прогнозу.

По Дальневосточному федеральному округу фактическая урожайность озимой пшеницы оказалась ниже прогнозируемой на 71,5%, ярового ячменя - на 63,9%, яровой пшеницы - на 52,4%.

Перейдем к анализу итогов прогноза урожая на 2002 год.

По данным Агентства Агрофакт со ссылкой на «Крестьянские ведомости» «Крестьянские ведомости»:29/04/2002/ http://www.agronews.ru. 29 апреля 2002 года «аналитическая группа АТО «ОГО» обнародовала свой прогноз урожая зерновых культур в России на 2002 год. По мнению экспертов этой ведущей зерноторговой фирмы, валовой сбор всего зерна составит в стране от 69 до 78 млн. тонн (среднее значение - 74). Урожай озимых прогнозируется в объеме 30 млн. тонн».

Сопоставляя данный прогноз с фактическим валовым сбором зерна в России в 2002 году -86,6 млн. тонн, видим, что аналитиками группы «ОГО» была допущена ошибка в оценке валового сбора зерна в России от 8,6 до 17,6 млн. тонн (или 9,9 - 20,3%). При ориентации на среднее значение валового сбора в 74 млн. тонн, ошибка прогноза равна12,6 млн. тонн (или 14,5%).

Рассмотрим опубликованный в газете «Крестьянские Ведомости»[44] прогноз урожая на 2002 год, подготовленный коллективом группы аналитиков компаний «Юниделл». В нем отмечалось, что «… прогноз построен на базе информации Минсельхоза, Госкомстата России и Росгидромета. В качестве основного прогнозного инструмента использовались методики прогнозов урожайностей зерновых культур по технологии «ЗОНТ» коллектива Воронежского аграрного университета под руководством профессора И.Б. Загайтова». Следовало бы заметить, что конкретная техника расчетов с нами не согласовывалась и ответственности за качество результатов данного прогноза коллектив Лаборатории долгосрочных прогнозов ВГАУ взять на себя не может.

Прогноз был представлен в двух вариантах: пессимистическом и оптимистическом (оценка валового сбора зерна от 65,4 до 77,8 млн. тонн соответственно), с оговоркой, что «судя по текущему состоянию озимых посевов, началу и плану ярового сева, можно оценить оптимистический прогноз как более вероятный, чем пессимистический.

Впрочем, заморозки в первых числах апреля и возможные холодные аномалии мая внесут свои коррективы». Таков был прогноз, опубликованный в апреле 2002 г., а 1 июля 2002 года «специалисты департамента маркетинга ГК «Юниделл» представили Агентству Агрофакт подготовленную ими оценку будущего урожая зерновых культур» «Крестьянские ведомости»:01/07/2002/ http://www.agronews.ru..

Оценим качество прогнозов представленных компанией «Юниделл» в таблице 18.

Данные этой таблицы свидетельствуют о том, что и в апрельском прогнозе, и в прогнозе представленном в июле были допущены значительные ошибки при оценке валового сбора зерна в России в 2002 году.

Особого внимания заслуживает тот факт, что ошибка валового сбора зерна в более позднем июльском прогнозе составила свыше 14 млн. т. (или 16,4%) и существенно превысила ошибку оптимистического варианта апрельского прогноза - около 9 млн. т (или 10,6%).

Если рассматривать указанные прогнозы по отдельным культурам, то необходимо отметить, что наиболее существенно возросла ошибка в определении валового сбора озимых культур: ячменя - с 7,2 до 22,2%, пшеницы - с 16, 5 до 26,4%.

Представляет интерес опубликованный в газете «Крестьянские ведомости»«Крестьянские ведомости»:13/01/2003/ http://www.agronews.ru. 13.01.2003 г. под заголовком «Предварительные итоги урожая 2002 года в России - Юниделл», обзор завершившегося зернового года в России, подготовленный отделом маркетинга группы компанией «Юниделл», где приводятся данные расхождения прогноза компании и официальных итогов валового сбора зерна в России.

Данные приложения 2 свидетельствуют о том, что ошибка в оценке валового сбора зерновых в целом по Российской Федерации компанией «Юниделл» составила всего «-0,50%», хотя проведенный нами анализ представленного этой компанией, непосредственно перед уборкой зерновых прогноза, выявил ошибку свыше 16%.

В чем же причина такого несоответствия?

Все дело в том, что «прогнозы Юниделл валового сбора зерна составлялись в августе (87,224 млн. т) и уточнялись в сентябре (86,631 млн. т) и в октябре (86,06 млн. т) 2002 года. Расхождения последнего уточненного прогноза с официальными предварительными данными составляет -0,5%» «Крестьянские ведомости»:13/01/2003/ http://www.agronews.ru..

Как видим, «Юниделл» определил качество своего прогноза валового сбора зерна в 2002 году по оценке, уточненной в октябре 2002 года. Очевидно, что для сельхозпроизводителей подобные прогнозы бесполезны, поскольку прогноз урожая дается после его уборки.

Проведенный нами анализ прогнозов, составляемых на основе агрометеорологических методов свидетельствует о неустойчивости подобных прогнозов, и о необходимости очень осторожного использования такой прогностической информации в хозяйственной деятельности ввиду недостаточной надежности.

Представляют интерес прогнозы, выполняемые Минсельхозом США (United States Department of Agriculture Foreign Agricultural (USDA)). Так, опубликованный 10 мая 2002 г. прогноз указывал, что «урожай 2002 года в России будет хуже рекордного прошлогоднего, но выше чем в среднем за пятилетие». «Крестьянские ведомости»:17/05/2002/ http://www.agronews.ru.

Согласно имеющейся информации Агентства Агрофакт «Крестьянские ведомости»:17/05/2002/ http://www.agronews.ru.. «для выработки прогноза использовались данные, полученные из космоса со спутников. Анализ всхожести культур на полях, а также данные о температуре и осадках позволили американцам сделать вывод, что максимальный сбор зерна в лучшем случае (если не произойдет ухудшения погодных условий) составит 74,6 млн. тонн (в прошлом году - 85 млн. тонн). Из них пшеницы будет собрано 41 млн. тонн (46,9 млн. тонн), ячменя - 16 млн. (19,5 млн.), ржи - 6 млн. (6,6 млн.), овса - 7 млн. (7,7 млн.), кукурузы -1,4 млн. (0,8 млн.), риса - 600 тыс. тонн (600 тыс. тонн), бобовых - 2,2 млн. (2,4 млн.).

Со спутников видно, что состояние растений в Центральной России и в бассейне реки Волга не такое, как было в прошлом году. Однако в целом оно остается весьма удовлетворительным. На Юге России, где производится около половины озимых, посевы в хорошем состоянии, как и год назад.

Площади пшеницы в России сократилась с 23,8 до 23,5 млн. га. Считается, что урожайность пшеницы составит 17,4 ц/га, что на 15% выше показателя за 5 лет, хотя и меньше прошлогоднего - 19,7 ц/га.

Ячмень засеян на площади 10,5 млн. га. Урожайность прогнозируется в пределах 15,2 ц/га против прошлогоднего показателя в 19,1 ц/га и среднего за 5-летие в 14,1 ц/га.

Применение удобрений по сравнению с прошлым годом улучшилось, но вряд ли погода будет такой же идеальной для зерновых, как в прошлом году».

Обратим внимание, что Минсельхоз США прогнозировал снижение как урожайности пшеницы и ячменя в России, так и валового сбора зерна в 2002 году относительно 2001 года. Посмотрим, в какой мере оправдался этот прогноз, для чего обратимся к таблице 19.

Таблица 19 - Оправдываемость прогноза урожая в России в 2002 г., представленного Минсельхозом США 10 мая 2002 г.

Как видим, фактически, сбор зерна в России в 2002 году превысил уровень предыдущего года. Кроме того, фактическая урожайность пшеницы и ячменя, оказалась выше урожайности предшествующего года и прогнозируемого показателя. Ошибка в количественном прогнозе урожайности пшеницы на 2002 год составила 15,9%, ячменя - 22,8%.

Кроме прогнозов United States Department of Agriculture Foreign Agricultural (USDA) широкое распространение, получили прогнозы производства пшеницы в различных странах мира, разрабатываемые Food and Agriculture Organization of the United Nations (ФАО - Всемирная продовольственная и сельскохозяйственная организация ООН). Оценка оправдываемости и точности прогнозов урожая пшеницы для России, США и Канады за 1997-2002 гг., разрабатываемых USDA и ФАО будет дана нами в дальнейшем (§2.3).

Рассмотренные методы прогнозов довольно убедительно свидетельствуют о том, что агрометеорологические прогнозы, представляемые с заблаговременностью всего 2-3 месяца и менее, не только существенно ограничены в возможностях их практического применения, но еще и остаются недостаточно точными.

Поэтому естественно, что в метеорологических прогнозах постепенно преобладающим становится статистический подход. Это связано с попытками выявить для каждого синоптического сезона характерную специфическую динамику метеорежима, нарушения которой можно было бы рассматривать в качестве предвестников аномалий осадков и температур в предстоящем периоде. В таком случае прогнозы должны базироваться на последовательном переборе многолетней статистики нарушений нормального хода метеопроцессов либо экспертным путем, либо методами дискриминантного, корреляционного анализа (В. М. Пасов), распознавания образов и др., опираясь на анализ не причинно-следственных, а статистически обнаруженных связей, с целью подбора аналогов наметившимся нарушениям.

В этой связи следует внимательно отнестись к абстрактно-статистическим методам, которые предполагают изучение периодичности колебаний метеоусловий безотносительно к определению их причин, в соответствии с принципом - сначала отбор бесспорных фактов, а потом их всестороннее объяснение и система поиска периодической цикличности в динамике природных процессов.

Примером исследований в этом направлении, как известно, является работа профессора Г. Крафта, который собрал довольно объемный материал исторических свидетельств того, что между 177 г. до н. э. и 1740 г. суровые зимы повторялись с периодом 29-38 лет. Позднее Э. Брикнер, обобщив материалы длительных наблюдений за изменением уровня Каспия и других непроточных озер, данные о колебаниях сроков замерзания и вскрытия рек на Восточно-Европейской равнине, динамике осадков, температур, давления воздуха и др. в конце XIXвека пришел к выводу о циклической повторяемости как суровых зим, так и засушливости, влажности и других явлений с периодом 34,8+-0,7 года [10, с.11]. Многим исследователям выводы Брикнера показались достаточно убедительными, чтобы на основе указанной им цикличности перейти к составлению прогнозов метеоусловий. По мнению же современных исследователей, в XX веке брикнеровский цикл почти не обнаруживается [6, с.34].

А. Воейков [16], Г. Баскин [12], Н. Череванин [15] занимались изучением пригодности абстрактно-статистического прогноза для расчетов на какой-либо конкретный год, исходя из гипотезы строго равной периодичности колебаний. Учитывал это в своих работах и С. Струмилин [137, с.107-109].

Позднее исследование в этом направлении было выполнено по материалам Ставропольского края за 1869-1971 гг. Е. Тарасовой и А. Тарасовым [138, с.167-175], в результате чего им с помощью автокорреляционной функции удалось выделить циклы колебаний урожаев длиной в 22, 18, 17 лет и 4 года, на основе которых был составлен прогноз на 1971-1975 и 1976-1980 гг. Однако в последующих испытаниях эти циклы не подтвердились и, по мнению профессора Л. П. Яновского, «...циклы такой длины на выборке длиной 75 (и даже 100 наблюдений) не могут считаться надежно обнаруженными» [157, с.36].

С данной гипотезой связаны и многочисленные попытки поиска периодической цикличности в динамике природных процессов, о чем свидетельствуют работы М. Давидовича, П. Г. Кабанова, А. В. Дьякова, П. И. Колоскова.

Так, М. Давидович на основе материалов по озимой ржи в Вятке (1842-1922 гг.) сделал вывод о том, что цикличность хотя и имеет место, но осложнена дополнительным наличием урожайных чередований и выделил «пару лет» в качестве основной ячейки чередования [10].

Представляет интерес мнение П. Г. Кабанова о том, что в областях Поволжья просматривается сложное сочетание различных циклов урожаев, которые, по его оценке, в отдельные периоды затухают или разрушаются полностью, но в это время возникают новые циклы [43, с.121]. Опыт П. Г.Кабанова, которому из четырех существенных засух в Поволжье за период 1973-1981 гг. еще в 1973 г. удалось правильно указать две (1977 и 1981 гг.) - позволяет надеяться, что на основе абстрактно-статистических методов можно распознать часть предстоящих колебаний метеоусловий.

Примером абстрактно-статистических исследований может служить гипотеза А.В. Дьякова, считавшего, что для европейской территории СССР характерна повторяемость условий увлажнения со строгой 12-летней периодичностью. Известно, что уже к 1974 г. А. В. Дьяков «довел успешность декадных прогнозов по Западной Сибири … до 90-95%, а месячных до 80-85% попаданий в яблочко! Более того, с помощью выявленных закономерностей атмосферной динамики Дьяков делал предупреждения не менее чем за полмесяца о 50 исключительных атмосферных аномалиях, которые возникали над обширной территорией Евразии или Атлантики» [133, с.28-31].

Иное дело строгая двенадцатилетняя периодичность повторяемости условий увлажнения для европейской территории СССР. Проведенные исследования по оценке устойчивости данной гипотезы в статистическом испытании на европейской территории СССР [36, с.29-31] показали, что оправдываемость гипотезы составила 39%. Следовательно оправдываемость подобных прогнозов была бы много выше, если бы годы, оцениваемые по таблице А. В. Дьякова как влажные, считать сухими, а сухие - влажными.

По мнению П. И. Колоскова, «... при анализе хронологической структуры урожаев выявляется их двухлетняя периодичность. Она выражается в том, что если урожай предыдущего года был ниже урожая данного года, то и урожай следующего года в большинстве случаев будет также ниже урожая данного года. И наоборот, если урожай предыдущего года был выше урожая данного года, то урожай следующего года будет также выше урожая данного года» [48, с.295-307]. Результаты проверки гипотезы о равномерной двухлетней цикличности тоже «свидетельствуют о том, что данная гипотеза не выдерживает испытания на независимом материале, поскольку оправдываемость такого рода прогнозов в своей массе не превышает 75%, что недостаточно для практического использования полученной прогностической информации» [151, с.36-37].

В целом можно констатировать, что хотя идея установления периодичности колебаний урожаев, засух и иных погодных аномалий заманчива, но специально проведенные исследования оправдываемости гипотезы о равнопериодической и квазипериодической цикличности в колебаниях урожайности зерновых универсальность этой гипотезы нигде не подтвердили: «не обнаружено ни одного региона, где бы за время наблюдений строго выдерживалась периодичность с периодом от двух до двенадцати лет» [151, с.38-39]. В то же время выявлена возможность ее использования в трансформированном виде - в исследовании устойчивости импульсивно-циклических колебаний урожаев, позволяющих с высокой надежностью выделить хотя бы один год из всех, описываемых циклом [14, с.71-75]. Так, была выявлена шестилетняя периодичность спадов урожаев на территории РФ (1921г., 1927г., 1933г., 1939г., 1945г., 1951г., и т. д.).

Особый интерес представляют системно-статистические методы прогнозирования, целесообразно сочетающие изучение колебаний урожаев как на основе всесторонне обоснованных, так и гипотетических зависимостей, статистически выявленных симптомов и аналогов. В 20-30 гг. этот подход проявился в работах В. Обухова и В. Михельсона.

Известно, что В. М. Обухов был первым, кому удалось за довольно продолжительный период (1872-1931 гг.) на уровне России (СССР) описать динамику урожайности зерновых уравнениями с малым числом параметров [84, с.42-118]. Этот успех был достигнут благодаря умелому выбору прогностических признаков, например, таких как: время распускания листьев на деревьях станции Б. Фенино (была примета: «коли береза перед ольхой лист распустит лето будет сухое, если ольха наперед - мокрое»), специфика движения температур с октября до апреля включительно, разность суммы осадков за ноябрь-апрель между северо-восточным и юго-западным земледельческим районом ЕТС. Расчеты В. М. Обухова были ориентированы на сравнительно небольшую заблаговременность - период вегетации яровых культур. Кроме того, они несколько формально (по тренду) нивелировали ряд показателей, которые можно было бы использовать в прогнозах - изменение структуры предшественников, удельный вес весновспашки и др., но тем не менее, умелый выбор прогностических признаков и многоаспектный взгляд на проблему позволили достигнуть хороших результатов.

В литературе неоднократно отмечался успех проф. В. Михельсона и Э. Давида, представивших осенью 1920 г. предупреждение о засухе 1921 года. Одновременное использование гипотезы модифицированного брикнеровского цикла и системы физически осязаемых аналогов (ход осадков, температур и др.), которые в свою очередь контролировались очевидными симптомами грядущего неурожая (сухая осень, задержавшая посев озимых) и предопределили успех прогноза урожая на 1921 год.

Успешными оказались опубликованные в 1975 г. с большой заблаговременностью прогнозы урожайности озимой пшеницы по Краснодарскому краю на 1976-1979 гг., разработанные А. Прудниковым, Б. Бугерой [7, с.67-72], где был одновременно и эффективно учтен как существенный фактор экономического прогресса в земледелии, так и гипотеза импульсивно-циклических колебаний урожаев.

В настоящее время уже признана практическая ценность идеи К. Маркса, связывающей колебания урожайности зерновых с особенностями взаимодействия погоды с почвой и растениями в годы, следующие за экстремальными условиями сельхозпроизводства, что послужило основой для гипотезы «малых циклов урожаев» [58, с.128]. Исследования эффективности использования двух фаз «малых циклов» по данным урожайности различных зерновых культур в нашей стране и за рубежом подтвердили их универсальную эффективность в основных зернопроизводящих районах мира по различным видам колосовых в условиях преобладания богарного земледелия [36, с.45-47]. Это позволяет использовать данные циклы в сочетании с другими факторами, определяющими колебания урожаев для составления систематически эффективных прогнозов.

К этой группе методов прогнозирования условий сельскохозяйственного производства относится технология «ЗОНТ», разрабатываемая в Воронежском агроуниверситете с 60-ых гг. под руководством профессора И. Б. Загайтова.

За 31 год публичных испытаний технология «ЗОНТ» обеспечила 87 % оправдываемости прогнозов годичной заблаговременности (было допущено 4 ошибки в оценке знаков грядущей динамики урожаев), а проведенные ретроспективные испытания показали, что современные возможности данного метода позволяют повысить его прогностический потенциал до 96 % - 1 ошибка и 3 несостоявшихся прогноза (приложение 3).

Кроме того, исследования показали принципиальную возможность использования технологии «ЗОНТ» в долгосрочных прогнозах не только колебаний урожаев. Получены первые свидетельства того, что в ближайшие годы удастся выйти на прогнозы колебаний помесячных осадков с заблаговременностью свыше 280 дней, а также поднять оправдываемость прогнозов колебаний экспортных цен на зерно - при заблаговременности более 6 месяцев- с нынешних 83% до практически значимых 86-88%.

В этой связи целесообразно перейти к рассмотрению специфики технологии «ЗОНТ», имеющей столь высокий прогностический потенциал.

2. Опыт использования технологии «ЗОНТ» в прогнозах межгодовых колебаний урожая зерновых культур для стран Северного полушария

2.1 Специфика прогнозов по технологии «ЗОНТ»

Технология «ЗОНТ» - совокупность выполняемых в определенной последовательности операций, которые обеспечивают создание такого специфического продукта интеллектуального труда, как прогноз колебаний природных, а в ряде случаев и социально-экономических условий жизнедеятельности.

Технология базируется на представлении о реально квазицикличном характере колебаний многих процессов природно-экономического свойства, о наличии определенных зависимостей динамики таких колебаний во времени и пространстве, о принципиальной возможности познания этих зависимостей при использовании современного потенциала естественных, экономических и социальных наук, новых способов математической обработки информации, ее анализа и оценки достоверности результатов исследований.

Оценивая современный потенциал технологии «ЗОНТ», напомним, что по мнению разработчиков успешность ее использования обеспечивается рядом условий, которые могут быть сформулированы следующим образом:

уникальная база данных;

особые приемы подготовки и обработки статистической информации;

обоснование и включение в состав факторных признаков ряда закономерностей в межгодовых колебаниях урожаев;

многоаспектность оценок вероятных колебаний;

осуществление прогностических работ в несколько этапов;

открытость технологии расчетов для повышения качества и надежности прогнозов.

В этой связи обратим внимание, что база данных (приложение 4) формировалась в течение многих лет и насчитывает свыше 100 тысяч единиц информации об урожайности различных сельскохозяйственных культур по разным странам, регионам и областям России за длительный период.

В наших исследованиях будет задействована лишь часть этой базы. При этом удалось воспользоваться ранее выполненными работами по преодолению трудностей, связанных с обеспечением сопоставимости временных рядов урожаев, что необходимо ввиду различий в способах и мерах веса учета объемов продукции принятых в разных странах в различные периоды: бушель, малые и большие тонны в расчете на акр, гектар; бункерный вес, вес после доработки, в пересчете на стандартные показатели качества, чистый сбор, фактический сбор на обсемененную площадь и на фактически убранную площадь; подвижки в административных и государственных границах; исторические тенденции к занижению или завышению фактического урожая.

Предварительная подготовка исходной информации включает ряд специфических операций, имеющих своей целью обеспечить сопоставимость рядов динамики урожаев.

Ряды динамики урожаев представлены в форме цепных индексовЦепные индексы (Ц) рассчитываются как отношение урожайности текущего года (Yi ) к урожайности предыдущего года (Yi-1): Ц = (Yi : Yi-1) * 100., характеризующих межгодовые колебания урожайности, и мажорантных отношений Мажорантные отношения (М) определяются путем деления урожайности текущего года (Yi) к максимальной (мажорантной) урожайности за предыдущий период (Yмах (i1: i-1)): М = (Yi : Yмах (i1: i-1)) * 100., позволяющих абстрагироваться от влияния технологического прогресса, организационно-экономических факторов и вычленить природную компоненту межгодовых колебаний урожаев.

Представление рядов динамики урожаев в форме цепных индексов и мажорантных отношений весьма значимо в целях сглаживания имеющихся неточностей в исходной информации, которая представляется не в натуральных показателях, а в виде отношений урожая текущего года к урожаю прошлого или рекордного года, что позволяет считать ее более надежной в качественном смысле, поскольку маловероятны грубые ошибки в относительных уровнях урожаев.

Насколько действенным является сглаживание рядов динамики с помощью цепных индексов, свидетельствует сопоставления рис. 10-11 с рис. 1-2 (с. 13).

2) Вся совокупность наблюдений разбивается на две или даже три подвыборки: обучающую, проверочную и экзаменационную. Обучающая совокупность используется для выявления более вероятных из множества возможных тенденций. В проверочной совокупности выделяются только такие из этих тенденций, которые сохраняют высокую устойчивость на независимом материале наблюдений. В дальнейшем они апробируются в так называемой экзаменационной совокупности, что позволяет уверенно находить закономерности в поведении динамических рядов урожайностей и оценивать надежность и точность их использования для прогнозирования.

Как уже отмечалось, впервые на целесообразность разбиения статистического ряда на обучающую и проверочную совокупности еще в 30-х гг. указал В. Обухов, а спустя 40 лет А. Ивахненко математически обосновал необходимость выделения экзаменационной совокупности. Однако до разработки технологии «ЗОНТ» в экономических исследованиях эта идея экономистами-аграрниками практически не использовалась, хотя должна стать обязательным элементом организации экономического предвидения в аграрной сфере.

Рисунок 10 -Колебания цепных индексов урожайности зерновых в России за 1801-2001 гг.

Рисунок 11 -Колебания цепных индексов урожайности пшеницы в США за 1866-2001 гг.

Проблемным остается вопрос о предпочтительных пропорциях расчленения ряда динамики на обучающую и проверочную совокупности. Бесспорно одно, обе эти совокупности должны быть достаточно большими, чтобы в процессе распознавания образов интересующих нас колебаний урожаев можно было абстрагироваться от влияния эпизодических, нетипичных для общей динамики колебаний. Но это не следует понимать таким образом, якобы качество прогнозов прямо пропорционально размеру обрабатываемого ряда динамики, во всяком случае, когда речь идет о прогнозах урожаев сельскохозяйственных культур. Определяя продолжительность периода, в течение которого статистика урожаев может быть включена в обучающую совокупность, необходимо исходить из исторических реалий и ориентироваться не на максимум, а на оптимум размера наблюдений, используемых для разработки прогнозов.

Так, если изучаются колебания урожаев под влиянием погодных условий, обучающая совокупность не должна выходить за пределы социально-экономически однотипных периодов, а потому не может включать одновременно довоенные, военные и послевоенные годы. Поэтому при разработке прогнозов урожая для стран Северного полушария нами используется в основном статистика за 1947-2002 гг.

Основной гарантией успеха прогностических исследований должно стать включение в алгоритм расчетов статистически доказанных закономерностей в межгодовых колебаниях урожаев. Прежде всего речь идет о следующих закономерностях:

1) в рядах урожайностей сельскохозяйственных культур обнаружено наличие «долговременной памяти», свидетельствующей о неслучайности сложившегося в определенном регионе чередовании спадов и подъемов урожая [151, с.117-123];

2) ряды урожайностей сельскохозяйственных культур не подчинены нормальному закону распределения вероятностей;

3) в каждом регионе существуют свои специфические пределы размаха и продолжительности колебаний. Например в России после двух спадов обычно следует подъем урожайности, а после двух подъемов - спад (приложение 3). Исключением являются военные годы и последнее десятилетие, когда в результате «реформ» в агросфере урожайность снижалась три года подряд (1993-1995 гг.), а после крайне неблагоприятного 1998 гг., когда в России собрали с гектара всего 10,1 ц зерновых (уровень 60-х годов), отмечался заметный рост урожайности в 1999 - 2002 гг.;

4) колебания урожаев подвержены влиянию импульсивно-циклических процессов. В частности в России прослеживаются 6-летний и 10-летний циклические импульсы спадов урожайности зерновых культур; в Аргентине - 7-летняя импульсивная цикличность урожаев пшеницы и т.д. [14, с.71-74];

5) по мере интенсификации производства периодичность межгодовых колебаний урожаев может несколько изменяться. Так, статистика урожаев зерновых в России свидетельствует о том, что с ростом технических возможностей и технологического уровня земледелия чаще достигаются максимальные (мажорантные) уровни урожаев: за период 1842-1940 гг. - 1 раз в пять лет; в 1945-1997 гг. - 1 раз в три года. А в странах с более благоприятными естественными условиями производства (Венгрия, США, Франция и др.) благодаря применению оптимальных доз удобрений, внедрению новых высокопродуктивных сортов, улучшению агротехники возделывания культур, в ряде случаев достигался рост урожайности в годы, следующие за рекордным урожаем;

6) существуют количественные зависимости между мажорантными отношениями урожаев в зонах-индикаторах в текущем году и колебаниями урожаев в следующем году в различных регионах. Эти зависимости определены в качестве закона межгодовой колеблемости урожаев, который демонстрирует себя тем, что межгодовые колебания урожаев на больших территориях с годичным запаздыванием определяются межгодовыми микроколебаниями в системе солнечно-земных связей, трансформированными в межрегиональные колебания мажорантных отношений урожаев - в рамках «малых циклов», в свое время описанных К.Марксом.

Это подтверждается повсеместно, о чем свидетельствует выполненное на основе технологии «ЗОНТ» распознавание колебаний урожаев зерновых культур как в целом по странам мира, по крупным территориям (РФ, Западная Европа, Канада, США), так и по отдельным регионам (области РФ, штаты США и Канады) за более чем полувековой период [149, с.64-80].

Такого рода исследования, ранее проводившиеся А.Н. Михайло вым [66], Л.С. Власовой [14], базировались на сопоставлении мажорантных отношений с цепными индексами урожаев. При этом распознавание межгодовых колебаний (спад, подъем) осуществлялось с использованием в качестве точки перегиба стабильного значения цепного индекса, равного 1,0.

Мы поставили своей целью изучить возможности технологии «ЗОНТ» в описании колебаний не цепных индексов урожаев, а цепных индексов мажорантных отношений, с использованием в качестве точки перегиба медианных значений цепных индексов мажорантных отношений. На наш взгляд, исследования в этом направлении целесообразны по нескольким причинам.

Во-первых, в случае достижения положительных результатов, появится возможность полнее реализовать принцип многоаспектности разрабатываемых прогнозов.

Во-вторых, исследование медианных значений колебаний цепных индексов мажорантных отношений позволит рассчитывать на более содержательные прогнозы экстремальных колебаний.

В-третьих, ориентация на показатели медианных значений цепных индексов мажорантных отношений особенно целесообразна для регионов, характеризующихся долговременной несменяемостью знаков колебаний цепных индексов урожаев, а это позволит повысить надежность прогнозов колебаний со знаками «+» и «-».

По программе «ЗОНТ-1М» нами были проведены исследования по оценке успешности общего распадения колебаний цепных индексов мажорантных отношений урожаев зерновых культур на спады и подъемы, как по странам мира и крупным территориям (Мир, Западная Европа, Россия, США, Испания), так и по отдельным регионам (республики и области РФ, штаты США) за более чем полувековой период, если в качестве факторов грядущего через год расчленения колебаний принимались мажорантные отношения урожаев в так называемых индицирующих регионах.

В качестве примера рассмотрим рисунок 12.

Рисунок 12 - «Сито» для распознавания межгодовых колебаний урожайности пшеницы в штате Канзас (1947-2000 гг.) - 4 ошибки

Можно убедиться, что при использовании по оси Х мажорантных отношений урожаев пшеницы в штате Канзас i-того периода, а по оси У мажорантных отношений урожаев пшеницы в штате Южная Дакота (i-того периода) колебания цепных индексов мажорантных отношений (i+1) периода в 49 случаях из 53 разместились кучно: знаки «+» слева от разграничительной (индицирующей) прямой, знаки «-» справа от этой прямой. Следовательно, в данном случае общая оправдываемость открытой И. Б. Загайтовым закономерности колебаний урожаев от мажорантных отношений составила 92,5%, в том числе для колебаний со знаком «+» - 88,7%, для колебаний со знаком «-» - 96,2%.

Примерно такова же оправдываемость рассматриваемой закономерности для урожаев пшеницы в целом по странам мира (рисунок 13), а также по изучавшимся территориям Северного полушария (приложение 5: рисунки 1-27).

Рисунок 13 - «Сито» для распознавания межгодовых колебаний урожайности пшеницы по странам мира (1947-2000 гг.) - 4 ошибки

В таблице 20 сведем материалы, графически представленные на рисунках 12 и 13, а также в приложении 5.

Таблица 20 - Доля колебаний цепных индексов мажорантных отношений урожаев зерновых культур за 1947- 2000 гг., правильно расчлененных на спады и подъемы, с использованием программы «ЗОНТ-1М» Программа «ЗОНТ-1М» подготовлена коллективом авторов в составе: Деревенских М.Н, Загайтов И.Б., Яновский Л.П., Власов Д.В., Зернюков А.И., %

Регионы

Культура

Точка разделения В данном случае в качестве точки разделения приняты указанные для различных регионов уровни медианных значений цепных индексов мажорантных отношений.

Всего наблюдений

Число ошибок

Доля колебаний правильно расчлененных на спады и подъемы, %

Мир

пшеница

1,010

53

4

92,5

Западная Европа

пшеница

1,012

53

6

88,7

Испания

пшеница

1,008

53

6

88,7

Сев. Америка Объединенная территория Канады и США.

пшеница

1,008

53

6

88,7

США

пшеница

1,008

53

6

88,7

Канзас

пшеница

0,987

53

4

92,5

Оклахома

пшеница

1,000

53

6

88,7

Техас

пшеница

1,038

53

4

92,5

Северная Дакота

ячмень

1,024

53

6

88,7

Южная Дакота

пшеница

1,000

53

4

92,5

Южная Дакота

ячмень

1,000

53

5

90,6

Россия По России и регионам РФ расчеты проведены на основе данных об урожайности за 1947-2001 гг.

зерновые

1,081

54

4

92,6

Россия

яр.ячмень

1,059

54

3

94,4

Республика Башкирия

зерновые

1,016

54

3

94,4

Воронежская область

зерновые

0,988

54

4

92,6

Воронежская область

яр. ячмень

1,080

54

4

92,6

Красноярский край

яр. ячмень

0,969

54

6

88,9

Новосибирская область

зерновые

1,032

54

6

88,9

Новосибирская область

яр. ячмень

0,970

54

5

90,7

Оренбургская область

зерновые

1,021

54

4

92,6

Оренбургская область

яр. ячмень

1,011

54

5

90,7

Самарская область

зерновые

1,012

54

3

94,4

Самарская область

яр. ячмень

1,122

54

3

94,4

Саратовская область

зерновые

1,108

54

2

96,3

Республика Татарстан

зерновые

1,077

54

4

92,6

Республика Татарстан

яр. ячмень

1,105

54

5

90,7

Тюменская область

зерновые

1,023

54

5

90,7

Челябинская область

зерновые

0,974

54

5

90,7

Челябинская область

яр. ячмень

0,923

54

6

88,9

Анализ данных этой таблицы свидетельствует о том, что колебания урожаев в Северном полушарии относительно медианных значений цепных индексов мажорантных отношений обнаруживаются достаточно четко даже при использовании в распознавании образов колебаний урожаев только одной из нескольких уже выявленных закономерностей.

Попытаемся исследовать, нельзя ли повысить уровень распознавания образов колебаний урожаев (спад, подъем) за счет некоторых изменений в критериях распознавания.

Прежде всего, поставим вопрос таким образом: в какой мере возможно вычленение из общей массы колебаний урожаев 100% подъемов и 100% спадов. При такой постановке вопроса придется чем-то пожертвовать. Скорее всего, определенная часть колебаний в таком случае просто окажется в области неопределенных значений. Важно лишь, чтобы их доля не была чрезмерной.

Кроме того, рассмотрим, в какой мере с помощью технологии «ЗОНТ» удается из общей массы колебаний отчленять колебания только со знаком «+» и колебания только со знаком «-».

В порядке иллюстрации обратимся к рис. 10 и 11, где показано, что с помощью программы «ВВН-М/М» Программа «ВВН-М/М» разработана коллективом авторов в составе Деревенских М.Н., Загайтов И.Б. Яновский Л.П., Власов Д.В., Зернюков А.И. для штата Канзас, а также для других территорий Северного полушария (приложение 6: рисунки 1- 86), удается вычленить большую часть грядущих через год спадов-подъемов урожаев.

Рисунок 14 - «Сито» для распознавания межгодовых колебаний урожайности пшеницы в штате Канзас со знаком «-» - 22 значения

Рисунок 15 - «Сито» для распознавания межгодовых колебаний урожайности пшеницы в штате Канзас со знаком «+» - 20 значений

В таблице 21 обобщим материалы, которые выражены графически на рисунках 14-15 и в приложении 6.

Таблица 21 - Доля правильно выявленных спадов - подъемов урожая зерновых культур c оправдываемостью близкой к 100% (за 1947-2000 гг.), %

Регион

Культура

Точка разделения

Количество колебаний

Доля правильно отчлененных колебаний, %

со знаком «-»

со знаком «+»

Итого

Мир

пшеница

1,010

18

19

37

69,8

Западная Европа

пшеница

1,012

18

17

35

66,0

Великобритания

пшеница

1,030

18

14

32

60,4

Великобритания

ячмень

1,031

18

12

30

56,6

Испания

пшеница

1,008

19

15

34

64,2

Франция

пшеница

1,010

16

15

31

58,5

Франция

ячмень

0,988

17

16

33

62,3

Сев. Америка

пшеница

1,008

15

16

31

58,5

Канада

пшеница

1,018

14

14

28

52,8

Канада

ячмень

1,040

15

15

30

56,6

США

ячмень

1,010

19

19

38

71,7

США

пшеница

1,008

14

16

30

56,6

Индиана

пшеница

0,971

16

18

34

64,2

Канзас

пшеница

0,987

20

22

42

79,2

Колорадо

пшеница

0,985

14

14

28

52,8

Монтана

пшеница

1,024

17

14

31

58,5

Оклахома

пшеница

1,000

16

15

31

58,5

Северная Дакота

пшеница

1,000

13

15

28

52,8

Техас

пшеница

1,038

21

16

37

69,8

Южная Дакота

пшеница

1,000

16

21

37

69,8

Вайоминг

ячмень

0,999

16

14

30

56,6

Колорадо

ячмень

1,009

17

16

33

62,3

Монтана

ячмень

1,000

17

14

31

58,5

Северная Дакота

ячмень

1,024

14

19

33

62,3

Южная Дакота

ячмень

1,000

18

17

35

66,0

Россия По России и регионам РФ расчеты проведены по данным об урожайности за 1947-2001 гг.

зерновые

1,081

20

21

41

75,9

Республика Башкирия

зерновые

1,016

22

19

41

75,9

Воронежская область

зерновые

0,988

20

19

39

72,2

Воронежская область

яр. ячмень

1,080

20

17

37

68,5

Красноярский край

яр. ячмень

0,969

18

20

38

70,4

Новосибирская область

зерновые

1,032

21

14

35

64,8

Новосибирская область

яр. ячмень

0,970

19

14

33

61,1

Оренбургская область

зерновые

1,021

21

21

42

77,8

Оренбургская область

яр. ячмень

1,011

21

19

40

74,1

Самарская область

зерновые

1,012

23

22

45

83,3

Самарская область

яр. ячмень

1,122

23

24

47

87,0

Республика Татарстан

зерновые

1,077

19

21

40

74,1

Республика Татарстан

яр. ячмень

1,105

16

21

37

68,5

Челябинская область

зерновые

0,974

21

21

42

77,8

Челябинская область

яр. ячмень

0,923

18

18

36

66,7

Данные таблицы свидетельствуют о том, что при исследовании динамики цепных индексов мажорантных отношений повсеместно удается правильно выделять от 52,8 до 83,3% спадов - подъемов урожаев зерновых.

В этой связи определенный интерес представляет изучение возможности с помощью технологии «ЗОНТ» выявлять экстремальные Под экстремальными колебаниям...


Подобные документы

  • Уборка урожая как наиболее напряженный технологический процесс сельскохозяйственного производства, его основные этапы и закономерности. Главные технологические и организационные требования для обеспечения максимально возможного сбора выращенного урожая.

    реферат [198,6 K], добавлен 24.03.2013

  • Содержание, цели и методы прогнозирования деятельности предприятия. Основы прогнозирования народного хозяйства в современных условиях. Народно-хозяйственное прогнозирование сельскохозяйственного производства.

    курсовая работа [43,5 K], добавлен 27.06.2007

  • Анализ организационно-экономических условий сельскохозяйственного производства в ООО "Россия". Климатические условия, рельеф и почвы. Структура земельных ресурсов и показатели их использования. Уровень специализации сельскохозяйственного предприятия.

    контрольная работа [57,9 K], добавлен 10.05.2010

  • Анализ разработки технологии возделывания рапса на зерно на основе методов программирования урожайности. Биологические особенности рапса. Характеристика почвенно-климатических условий. Разработка структурной модели высокопродуктивного растения и посева.

    курсовая работа [134,7 K], добавлен 07.06.2012

  • Анализ биологических особенностей озимого рапса. Характеристика корневой системы культуры. Состав и структура земельных угодий СПК "Им. Димидова". Цели и проблемы программирования урожая озимого рапса. Способы получения урожаев необходимого качества.

    курсовая работа [98,8 K], добавлен 07.06.2012

  • Посевные площади, валовые сборы и урожайность ячменя в Ставропольском крае. Разработка схемы технологии возделывания ячменя с урожайностью 30 ц/га, расчёт уровня рентабельности её производства. Уход за посевами, защита урожая от сорняков, его уборка.

    курсовая работа [53,0 K], добавлен 15.03.2014

  • Анализ экономических условий деятельности предприятия. Анализ размера предприятия, концентрации, специализации, интенсификации и эффективности производства. Факторный анализ производства продукции растениеводства и животноводства. Резервы роста прибыли.

    отчет по практике [133,3 K], добавлен 26.09.2010

  • Планирование себестоимости продукции и управление издержками. Местоположение, характеристика природных условий, специализация сельскохозяйственного производства. Динамика посевных площадей, урожайности и производства основной продукции растениеводства.

    курсовая работа [78,9 K], добавлен 23.11.2011

  • Теоретико-нормативные основы экономической оценки земель сельскохозяйственного назначения. Характеристика природных и социально-экономических условий использования сельскохозяйственных земельных ресурсов в районе. Анализ использования земельного фонда.

    дипломная работа [4,2 M], добавлен 21.07.2021

  • Биологические особенности яровой пшеницы. Характеристика почвенно-климатических условий хозяйства. Биологические, агрофизические и агрохимические факторы плодородия почвы. Разработка технологии возделывания культуры для получения планового урожая.

    курсовая работа [51,3 K], добавлен 14.09.2015

  • Характеристика почвенно-климатических условий. Программирование урожая. Разработка структурной модели высокопродуктивного растения и посева. Разработка технологии возделывания овса для получения запрограммированного урожая.

    курсовая работа [49,7 K], добавлен 18.02.2011

  • Изучение особенностей сельскохозяйственного производства на примере ООО "Центротех". Структура его машинно-тракторного парка, энергетических и технических средств. Характеристика ремонтной базы, состав инженерно-технической службы, служба охраны труда.

    отчет по практике [42,9 K], добавлен 15.01.2012

  • Определение концентрации производства на сельскохозяйственных предприятиях. Анализ показателей рентабельности, доходности капитала, ресурсов и продукции. Расчет численности руководящих работников, уровня оплаты труда, обеспечения средствами производства.

    контрольная работа [17,2 K], добавлен 19.06.2011

  • Исследование овощной культуры - топинамбура, как сырья для промышленного производства, а именно: для сельскохозяйственного производства, спиртового сырья, биотоплива. Особенности агротехнических приемов для получения высоких урожаев топинамбура.

    творческая работа [341,1 K], добавлен 14.06.2011

  • Географическое положение и экономические условия района. Почвенно-климатические и технологические условия. Биологические особенности культуры и сорта. Анализ природных условий и обоснование уровня планируемого урожая. Подготовка семенного материала.

    курсовая работа [204,9 K], добавлен 07.12.2008

  • Анализ динамики и структуры посевных площадей и урожайности по группе однородных культур (зерна) ГУП ОПХ "Орошаемое" Советского района г. Волгограда. Статистический ндексный анализ. Корреляционный анализ показателей урожая и урожайности зерновых культур.

    курсовая работа [143,3 K], добавлен 23.05.2008

  • Особенности роста и развития суданки, особенностей ее биологии, природно-климатические условия ее произрастания. Место кормовой культуры в структуре посевных площадей. Норма высева и подготовка семян, сроки их посева. Уходы за травой и уборка урожая.

    курсовая работа [3,3 M], добавлен 05.04.2011

  • Источники информации, показатели статистики сельского хозяйства. Сравнение относительных показателей для России и зарубежных стран. Статистическое моделирование динамики объема производства сельскохозяйственной продукции. Вариационный анализ сбора зерна.

    курсовая работа [233,8 K], добавлен 30.05.2015

  • Организационно-экономические основы сельскохозяйственного предприятия и земельные ресурсы. Анализ динамики и степени выполнения плана по валовому выходу продукции животноводства. Анализ продуктивности животных и производительности труда в отрасли.

    курсовая работа [43,9 K], добавлен 21.04.2009

  • Исследование производственных условий, а также технической и технологической организации структуры предприятия. Технология производства продукции растениеводства и животноводства, принципы ее хранения. Санитарно-гигиенические условия производства.

    отчет по практике [45,2 K], добавлен 10.11.2014

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.