Современная технология прогнозирования урожайности зерновых культур

Размещено на http://www.allbest.ru/

Кокшетауский университет им. Абая Мырзахметова

Современная технология прогнозирования урожайности зерновых культур

Modern technology of prognostication of the productivity of grain-crops

Бидай шаруашылы?ын ?азіргі заман?а сай технологиясымен болжау

Есмаганбет М.Г. - к.ф-м.н, Зинченко В.А. - магистрант

Аннотация

В данной статье рассматриваются технологии и разработки Российских ученых. Результаты экспериментов. Рекомендации по итогам испытаний и внедрению в практику.

Annotation

Technologies and work of Russian scientists are considered in this article. Recommendations of the testing results and implementation in practice.

А?датпа

Б?л ма?алада орыс ?алымдарыны? жоспары мен технологиясы ?арастырылады.Т?жірибелер н?тижесі.?сынысты іс ж?зінде іске асыру

В системе оперативного агрометеорологического обеспечения сельского хозяйства особая роль отводится агрометеорологическим прогнозам урожайности зерновых культур. Используемые в оперативной практике методы прогнозов, с течением времени «устаревают» и перестают удовлетворять современным требованиям к качеству, возможностям и преждевременным прогнозам. Для поддержания должного уровня агрометеорологических прогнозов необходимо разработать новые методы и технологии агрометеорологического прогнозирования урожайности.

В условиях большой зависимости урожайности зерновых и зернобобовых культур от условий погоды и значительных колебаний валового сбора в России необходима современная технология, позволяющая поэтапно и заблаговременно прогнозировать урожайность и валовой сбор зерновых культур. Во ВНИИСХМ ведутся работы по разработке такой технологии.

Создание современной технологии поэтапного прогнозирования урожайности и валового сбора зерновых культур включает несколько этапов: от теоретических исследований до создания прогностических моделей «погода-урожай» и их реализации на основе современных компьютерных технологий.

Все многообразие факторов, влияющих на урожайность сельскохозяйственных культур, можно разделить на две группы: уровень культуры земледелия и метеорологические факторы. Уровень культуры земледелия оказывает значительное влияние на урожайность сельскохозяйственных культур. Однако, учесть это влияние не просто.

Достаточно точно ответить на этот вопрос можно в том случае, если имеется большой объем информации о характере всей деятельности сельскохозяйственного производства. Приблизительно, его можно решить статистическим путем, допустив, что колебания урожайности вокруг тренда связаны только с вариациями метеорологических условий, хотя иногда они обусловлены факторами не метеорологического происхождения (вредителями, болезнями и т.д.). При этом предполагается также, что влияние факторов, связанных с ростом культуры земледелия, приводит к плавному изменению урожайности, и что эти изменения происходят по определенному закону. агрометеорологический зерновой урожайность

Итак, динамику урожайности той или иной культуры в каком-либо сельскохозяйственном районе можно рассматривать как следствие изменения уровня культуры земледелия, на фоне которого происходят случайные колебания (иногда весьма значительные), связанные с особенностями погоды разных лет.

Продуктивность сельскохозяйственных культур определяется особенностями складывающихся погодных условий осенне-зимнего и весенне-летнего периодов. Детальное исследование отдельных параметров состояния атмосферы позволили выделить те из них, которые могут быть успешно использованы при прогнозировании урожайности зерновых культур. В период вегетации это средне-декадная температура воздуха, количество осадков за декаду.

Выделенные предикторы были использованы для количественного описания связей между характеристиками погоды и продуктивностью зерновых культур с помощью метода математического моделирования продукционного процесса сельскохозяйственных культур.

При создании базовых и прогностических моделей «погода-урожай» использовались:

- новые ряды урожайности сельскохозяйственных культур в весе после доработки;

- единая методическая основа для составления оценок условий вегетации и прогнозов;

- универсальный объем исходной оперативной информации, обеспеченной системой наблюдений Росгидромета;

- возможность поэтапного прогнозирования;

- единые сроки составления оценок и прогнозов;

- единая технология составления оценок и прогнозов.

В качестве теоретической основы при создании нового комплекса методов в период вегетации используются методологические принципы моделированного воздействия условий внешней среды на продуктивность сельскохозяйственных культур, разработанные А.Н. Полевым [1-3]. Ключевым моментом при разработке новых методов прогнозов является создание базовой длиннопериодной модели продукционного процесса растений.

В основу базовой модели продуктивности посевов сельскохозяйственных культур, предназначенной для целей агрометеорологического прогнозирования, положена модель «погода-урожай» [3, 4]. Структура модели модифицирована под задачу оценки условий формирования урожая сельскохозяйственных культур, осредненных для субъектов Российской Федерации, и удовлетворяет следующим условиям:

- описывает основные процессы жизнедеятельности растений (фотосинтез, дыхание, рост и распределение ассимилянтов);

- учитывает влияние метеорологических факторов на формирование продуктивности посевов;

- предусматривает географическую изменчивость параметров модели;

- адаптирована к сокращенным объемам исходной информации без нарушения степени детализации математического описания основных процессов жизнедеятельности растений.

Продукционный процесс растений можно представить как взаимодействие совокупности физиологических процессов, конечным результатом которого, является урожай. Формирование урожая рассматривается как развивающийся во времени процесс. В основу моделирования продукционного процесса положено описание «поведения основных физиологических процессов (фотосинтеза, дыхания, роста и распределения ассимилянтов) в зависимости от складывающихся метеорологических условий. Моделирование продукционного процесса сводится к определению прироста общей биомассы и биомассы отдельных органов растений за определенные интервалы времени.

Ценность модели для решения прикладных задач определяется возможностью идентификации параметров модели и наличием стандартной оперативной информации для проведения расчетов. Параметры модели условно можно разделить на две группы: биологические параметры, характеризующие особенности сельскохозяйственных культур и функциональные параметры, отражающие условия произрастания культуры в конкретном почвенно-климатическом регионе. Определение параметров модели проводилось по методикам, приведенным в [3].

Прикладные модели отлаживались на среднемноголетних данных сети агрометеорологических наблюдений 1951-1985 гг. для всех субъектов РФ. При этом использовалась следующая среднемноголетняя информация: средняя декадная температура воздуха, продолжительность солнечного сияния, запасы продуктивной влаги в почве, густота стояния и даты наступления фаз развития растений. Среднемноголетняя динамика биомассы посева рассчитывалась от даты всходов (возобновления вегетации) до даты восковой спелости. Так как скорость развития растений в значительной мере зависит от скорости накопления сумм эффективных температур, то в качестве аргумента ростовых функций используется временная шкала, выраженная суммой эффективных температур выше биологического ноля. Модели настраивались на получение среднего уровня урожайности в конкретном субъекте Российской Федерации. Прикладные модели разработаны для озимой пшеницы, озимой ржи, ярового ячменя, картофеля, группы зерновых культур в целом. Для группы зерновых культур модели такого типа разработаны впервые, поэтому стоит отметить некоторые важные особенности:

- числовые параметры, входящие в формулы константами, и биометрические параметры, присущие определенной сельскохозяйственной культуре, для зерновых и зернобобовых культур установлены путем осреднения этих параметров и получены для озимой ржи, озимой пшеницы, яровой пшеницы, ярового ячменя, овса, гречихи, проса, кукурузы (на зерно) и горох;

- функциональные параметры, характеризующие влияние изменения возраста растения на процессы фотосинтеза, дыхания и роста, выраженные через суммы эффективных температур и устанавливающие точки перегиба, максимума и минимума в функциональных зависимостях, вычисляют в зависимости от среднемноголетних дат наступления фаз развития по перечисленным выше культурам;

- биологический ноль для этой группы культур принят равным 5?С;

- начало расчета по модели определяется самой ранней среднемноголетней датой возобновления вегетации озимых культур, а окончание - самой поздней датой восковой спелости на территории Казахстана.

Проведение расчетов по модели в оперативном режиме с учетом текущих погодных условий, включающих перечисленную выше входную информацию с учетом ее осреднения по субъекту, в настоящее время невозможно из-за сокращения сети наблюдений, как по объему, так и по количеству станций. Необходимо было решить задачу о сокращении объема исходной оперативной информации, закладываемой в прогностическую модель, не изменяя при этом степени детализации математического описания моделируемых процессов. Проведенная оценка чувствительности модели к изменению начальных значений биомассы посева и числа часов солнечного сияния, позволила оставить в моделях значения этих параметров константами среднемноголетних значений. Но при этом была повышена чувствительность модели к функциональным параметрам, определяющим влияние возраста растений на интенсивность фотосинтеза, дыхания и ростовые функции, через использование накапливаемой суммы эффективных температур за текущий вегетационный период (ранее это учитывалось через константы в виде среднемноголетних значений сумм температур). Продуктивность посевов в наибольшей мере определяется условиями тепло- и влагообеспеченности вегетационного периода. Поэтому была повышена чувствительность модели к этим входным параметрам через новые функции влияния температуры воздуха и суммы осадков на интенсивность фотосинтеза. В температурных кривых фотосинтеза, принятых для основных сельскохозяйственных культур [1-4], используется такой биологический параметр, как оптимальная температура для фотосинтеза. Численные значения этого параметра определялись по литературным данным в зависимости от вида и возраста растения, а принятые значения использовались в моделях в виде констант независимо от почвенно-климатических условий региона. Результаты численных экспериментов по варьированию полученных оптимальных температур позволяют более адекватно оценивать текущие условия теплообеспеченности вегетационного периода. Функция влияния влажности почвы на фотосинтез была заменена функцией влияния осадков. Для этого по каждому субъекту Российской Федерации был проведен численный эксперимент и погодичные соотношения средних декадных осадков за последние десять лет к среднемноголетним осадкам были нормированы и «уложены» в функцию имеющейся влажностной кривой запасов влаги. Кроме того, полученные кривые функции влияния осадков корректировались еще и в зависимости от периода вегетации растений.

Проведенный анализ чувствительности модели к входным параметрам и численные эксперименты позволили свести объем входной оперативной информации, закладываемой в модель, к двум элементам: средней декадной температуре воздуха и сумме осадков за декаду. Таким образом, полученные прикладные модели продуктивности сельскохозяйственных культур описывают основные процессы жизнедеятельности растений, в результате которых формируется урожай, а также влияния на эти процессы складывающихся погодных условий.

Далее модель отлаживалась на конкретных годах с учетом погодичных значений урожайности. В результате такой отладки создавалась прогностическая модель «погода-урожай», предназначенная для оперативного прогнозирования.

По рассмотренной технологии разработаны методы ежедекадной оценки условий вегетации и прогноза урожайности озимой пшеницы, озимой ржи, ярового ячменя, картофеля, группы зерновых культур в целом по субъектам РФ в установленные оперативные сроки. Для зерновых в целом заблаговременность прогноза увеличена на месяц. В настоящее время прогнозы урожайности по этой группе культур составляются 21 июня и уточняются 21 июля. Новая методика позволяет составлять прогноз 21 мая и уточнять 21 июня и 21 июля.

Уникальность технологии заключается в том, что появляется возможность прогнозировать урожайность по единой методике одновременно по территории Казахстана, с различной заблаговременностью.

Опытная реализация технологии осуществлена по субъектам РФ в рамках автоматизированной информационно-прогностической системы оперативного агрометеорологического обслуживания (ИПС).

Внедрение динамико-статистических методов прогнозов урожайности осуществляется после проведения авторских испытаний и испытаний методов в территориальных УГМС (ЦГМС). Методы прогноза урожайности для группы зерновых и зернобобовых культур испытывались в УГМС Верхне-Волжском, Северо-Кавказском, ЦЧО, Уральском, Приволжском и в ЦГМС Центрального управления.

По результатам производственных испытаний Центральная методическая комиссия по гидрометеорологическим и гелиогеофизическим прогнозам Росгидромета (ЦМКП) от 27.01.2006г., рекомендовала динамико-статистический метод прогноза урожайности зерновых и зернобобовых культур в целом, с заблаговременностью 1-3 месяца к внедрению в качестве основного, в практику агрометеорологического обеспечения в УГМС ЦЧО (Курская, Воронежская, Белгородская, Орловская, Брянская, Липецкая, Тамбовская области), в Верхне-Волжском УГМС (Нижегородская область, Республики Чувашия, Марий-Эл, Удмуртия), в Северо-Кавказском УГМС (Астраханская область, Республики Карачаево-Черкесская, Адыгея, Северная Осетия), в ЦГМС Калининградском, Ивановском и Калужском.

По результатам производственных испытаний Технический совет Уральского УГМС от 26.04.2006 года рекомендует внедрить динамико-статистический метод прогноза в оперативную практику в качестве основного по Пермской, Челябинской, Курганской и Свердловской областям.

По результатам производственных испытаний Технический совет Приволжского УГМС от 13.04.2005 года рекомендует внедрить динамико-статистический метод прогноза в оперативную практику в качестве вспомогательного по Ульяновской, Самарской, Оренбургской и Саратовской областям.

По итогам достижения Российских ученых. Рассматривая достижения, выводы и географию внедрения методов прогнозирования, нелишним было бы опробовать методы и в ряде областей Казахстана.

Литература

1. Полевой А.Н. Теория и расчет продуктивности сельскохозяйственных культур. Л.: Гидрометеоиздат.1983.175с.

2. Полевой А.Н. Прикладное моделирование и прогнозирование продуктивности посевов.-Л.: Гидрометеоиздат.1988.320с.

3. Полевой А.Н. Методическое пособие по разработке динамико-статистических методов прогнозирования урожайности сельскохозяйственных культур. М.: Гидрометеоиздат. 1981.36с.

4. Полевой А.Н., Русакова Т.И. и др. Прикладная динамическая модель формирования урожая сельскохозяйственных культур. //Сб. докладов: Гидрометеорологическое обеспечение агропромышленного комплекса страны. -Л.: Гидрометеоиздат. 1991. с.15-31.

Размещено на Allbest.ru