Применение методов математического моделирования для формирования севооборотов в условиях лесостепи Западной Сибири

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Применение методов математического моделирования для формирования севооборотов в условиях лесостепи Западной Сибири

Чибис В.В.

Омский государственный аграрный университет

севооборот сельскохозяйственный зональный пашня

Аннотация

Чередование сельскохозяйственных культур еще долго будет оставаться основополагающим элементом зональных технологий их возделывания. Применение методов математического моделирования позволит выйти на новый уровень в решении вопросов эффективного использования пашни через применение моделей, оптимизирующих его. Особенно будут ценны результаты исследований, в основу которых положены данные многолетних наблюдений. Ними были использованы данные длительных стационарных опытов по изучению чередования сельскохозяйственных культур в севооборотах, прошедших более пяти ротаций. Стационарные опыты расположены в лесостепной зоне Западной Сибири на полях ФГБНУ «СибНИИСХ». Цель исследований заключалась в оптимизации использования пашни при применении методов математического моделирования для сохранения почвенного плодородия. В работе приведена модель, позволяющая при выполнении определенных условий (баланс гумуса, затраты труда, энергетические затраты и др.) оптимизировать использование пашни для сохранения почвенного плодородия почвы, получения продукции на стабильно высоком уровне, увеличения экономической и энергетической эффективности. Показано, что в зернопаровых севооборотах формирование урожая происходит за счёт естественного плодородия почвы, о чем свидетельствует отрицательный баланс гумуса, который достигает 0,18-0,78 т/га. При плодосменном чередовании урожай формировался на фоне воспроизводства органического вещества почвы за счет увеличения растительных остатков от применения удобрений; баланс гумуса был положительным - 0,15-0,28 т/га. При использовании наряду с чистым паром занятого пара, рапса на сидерат, а также соломы как органического удобрения для зерновых культур, было получено 2,01 т/га товарного зерна (при доле чистого пара - 16,8%, занятого пара - 11%, яровых зерновых - 72,2% от площади пашни). Увеличивая в севооборотах Западной Сибири площади с использованием в качестве органического удобрения соломы, сидеральных и занятых паров, можно добиться воспроизводства плодородия почвы с некоторым снижением выхода товарного зерна до 2 т/га.

Ключевые слова: севооборот, плодосменное чередование, математическое моделирование, гумус, оптимизация структуры посевных площадей

Исследования в области математического моделирования продукционного процесса растений интенсивно развиваются, о чём свидетельствует множество работ в этой области [1-4]. Реорганизация крупных сельскохозяйственных предприятий и появление большого количества мелких фермерских хозяйств требуют пересмотра структуры посевных площадей. Формировать структуру посевных площадей необходимо на основе системно-энергетического подхода. Математическое моделирование позволяет построить оптимизационную модель структуры посевных площадей для товаропроизводителя с учетом его потребностей и наличия ресурсов.

При оценке агроэкосистем следует определять потенциальную продуктивность севооборотов, выявлять предшественники и севообороты, использующие природный потенциал, детально анализировать структуру антропогенных энергозатрат на возделывание сельскохозяйственных культур, оценивать производительность агроэкосистем. Проведение биоэнергетического анализа позволит объективно оценить энергетический потенциал агроэкосистемы и целесообразность использования антропогенной энергии при возделывании сельскохозяйственных культур.

Продуктивность севооборотов определяется продуктивностью культур, входящих в их структуру, которые по-разному реагируют на количество осадков и температуру в отдельные периоды вегетации. Исследованиями многих учёных доказано, что за ротацию севооборота продуктивность посевов достоверно зависит от природно-климатических условий и структуры посевных площадей [5-7].

Таким образом, цель наших исследований была в повышении продуктивности полевых севооборотов на основе оптимизации структуры использования пашни с помощью математического моделирования для совершенствования адаптивно-ландшафтных систем земледелия в лесостепи Западной Сибири.

Исследования проводились в длительных стационарных опытах по изучению чередования сельскохозяйственных культур в севооборотах, прошедших более пяти ротаций. Стационар расположен в лесостепной зоне Западной Сибири на полях ФГБНУ «СибНИИСХ». Размещение делянок в опытах - рендомизированное, размер делянок - 0,275 га (110Ч25 м) и 0,138 га (110Ч12,5 м), повторность - 4-хкратная. Сорта полевых культур районированы для Западной Сибири: пшеница яровая - «Омская 36», ячмень яровой - «Омский 95», соя - «Золотистая», рапс - «Юбилейный», овес - «Иртыш 21», кукуруза - «Омка 135». Почва опытного участка ? чернозем слабо выщелоченный среднегумусовый среднемощный тяжелосуглинистый с содержанием гумуса в пахотном горизонте 6,5-7 %. Система агротехнических мероприятий строилась с учетом рекомендаций СибНИИСХ для зоны лесостепи Западной Сибири [8]. Применялись методы регрессионного, корреляционного анализа и математического моделирования [9].

В целом введение в севооборот фуражных культур и бобовых (сои) с долей 15-25 % позволит увеличить выход КПЕ кормопротеиновых единиц на 0,3-0,7 тонны с 1 га севооборотной площади при сохранении высокого уровня урожайности зерна в сравнении с яровой пшеницей (табл. 1).

Таблица 1. Продуктивность полевых севооборотов в зависимости от длины ротации и насыщенности полевыми культурами в 2010-2016 гг. в тоннах

К показателям эффективности севооборотов также относят выход зерна, КПЕ, кормовых единиц и переваримого протеина с одного гектара пашни. Эти показатели напрямую зависели от набора культур в севообороте и числа полей. Эффективными в условиях 2010-2016 годов оказались плодосменные севообороты, в основном, за счёт насыщения их бобовыми и зернофуражными культурами.

Для повышения эффективности использования пашни при развитии животноводства возможно увеличение ротации севооборотов и введение в структуру площадей культур, увеличивающих сбор кормовых единиц и переваримого протеина (соя и зернофуражные культуры). Введение этих культур в севообороты увеличивает продуктивность одного гектара пашни на 20-25 % [10].

В целом введение в севооборот зернобобовых и зернофуражных культур приводит к увеличению выхода зерна на 0,3-0,5 т/га, а КПЕ - на 0,5-0,8 тонны с гектара севооборотной площади в сравнении с яровой пшеницей. Применение средств интенсификации способствовало увеличению продуктивности как зернопаровых, так и плодосменных севооборотов. В плодосменных севооборотах прибавка от их применения составила 0,15-0,22 т/га зерна, 2,5-3,8 т/га переваримого протеина.

На основе данных по изучаемым севооборотам и их звеньям разработана математическая модель оптимизации структуры посевных площадей. В модель включены данные о семи сельскохозяйственных культурах, возделываемых в различных звеньях севооборотов на фоне N30P30 + солома и сидераты. Разработанная модель содержит 178 переменных и 282 ограничения.

В качестве переменных определены площади отдельных культур в севооборотах (хik - площадь i-ой культуры в k-ом севообороте или звене), площади севооборотов (хk), общая площадь пашни, объемы выхода продукции (Рj - объем j-ro вида продукции), издержки производства, чистый доход (Yj - объем j-го стоимостного показателя; Qj - объем j-ro вида ресурса), энергозатраты, приращение энергии и другие.

Критерием оптимальности служит максимум производства продукции j-ro вида:

(1)

где: N1- множество возделываемых культур;

N2 - множество севооборотов и их звеньев;

b j i k - выход продукции j-ro вида с единицы площади i-ой культуры k-го севооборота или звена.

Достижение цели возможно при выполнении определенных условий, описываемых системой ограничений. Основными являются ограничения: по балансу гумуса, издержкам производства, затратам труда, энергетическим затратам, приращению энергии с учетом и без учета гумуса. В систему также входят ограничения:

- по площади пашни:

(2)

- по площади севооборотов:

(3)

- по площади отдельных сельскохозяйственных культур внутри севооборотов:

(4)

- по производственным ресурсам:

(5)

- по производству продукции:

(6)

- по суммированию производственных затрат:

(7)

- по суммированию валовой продукции:

(8)

где: M4 - множество производственных ресурсов;

с ik - доля i-ой сельскохозяйственной культуры в k-ом севообороте;

d ik - выход валовой продукции с единицы площади i-ой культуры в k-м севообороте;

a jik - затраты j-ro ресурса на единицу площади i-ой культуры в k-ом севообороте или звене;

М5 - множество видов продукции;

М6 - множество производственных затрат;

М7 - множество валовой продукции;

В j - гарантированный объем производства продукции j-ro вида.

В настоящее время основной интерес сельскохозяйственного товаропроизводителя - получение продовольственного зерна высокого качества. В результате решения задачи с помощью разработанной модели получены варианты структуры посевных площадей, обеспечивающие наибольший выход продовольственного зерна.

Зернопаровые севообороты и плодосменное возделывание зерновых позволяют получить от 2,11 до 1,10 т/га товарного зерна (табл. 1, 2).

Таблица 2. Структура севооборотов для получения товарного зерна на (N30P30 и солома) в среднем за 2010 - 2016 гг.

При этом доля зерновых культур составляет 67-100 % (табл. 3). На производство требуется затратить материально-денежных средств от 1094 до 1636,5 тыс. руб./га, совокупной энергии - 23,0-44,6 ГДж/га и эксплуатационной - 5,8-10,4 ГДж/га. Рентабельность производства по кормовым единицам с учетом побочной продукции варьирует от 17,0 до 43,9 %, по зерну - от 87,6 до 94,9 %. Только бессменное возделывание пшеницы оказывается нерентабельным. Коэффициент энергетической эффективности составляет 1,34-2,14, показатель производительности агроэкосистемы - 0,040-0,127 МДж/дн./ГДж. В зернопаровых севооборотах формирование урожая происходит за счёт естественного плодородия почвы, о чем свидетельствует отрицательный баланс гумуса, который достигает 0,18-0,78 т/га. При плодосменном чередовании урожай формировался на фоне воспроизводства органического вещества почвы за счет увеличения растительных остатков от применения удобрений; баланс гумуса был положительным - 0,15-0,28 т/га.

Таблица 3. Оценка структуры посевных площадей для получения продовольственного зерна на фоне N30P30 + солома (по результатам решения модели)

Введение условия, не допускающего отрицательный баланс гумуса, исключает возможность использования на фоне N30P30 + солома зернопаровых севооборотов, включающих пар и одно-три звена пшеницы, так как они сопровождаются значительными потерями гумуса. Воспроизводство плодородия почв при максимальном выходе 2,11-2,06 т/га продовольственного зерна возможно при следующей структуре посевных площадей: соя и рапс на масло семена - 25-40 %, зерновые - 60-75 %. При этом рентабельность производства товарного зерна составила более 90%.

Таким образом, товаропроизводитель может выбирать различные варианты структуры посевных площадей, например, снижение доли чистого пара до 14,3% и пшеницы до 43,2%, увеличение доли озимой ржи и технических культур (рапс, соя) до 21,3%, что позволяет получать 2,15 т/га продовольственного зерна. При использовании наряду с чистым паром занятого, сурепицы на сидерат, а также органического удобрения - соломы зерновых культур получено 2,01 т/га товарного зерна, при условии, что под чистый пар отведено 16,8%, под занятый - 11%, под яровые зерновые - 72,2% площади пашни. Увеличивая в севооборотах площадь с использованием в качестве органического удобрения соломы и сурепицы на сидерат, можно добиться воспроизводства плодородия почвы с некоторым снижением выхода товарного зерна до 2 т/га.

Литература

1. Блавский В.А., Вирченко М.И., Шестакова Н.В. Экономико-математические модели в сельском хозяйстве // Экономика. - 2011, № 7. - С. 118-123.

2. Строганова М.А. Математическое моделирование формирования качества урожая. - Ленинград: Гидрометеоиздат. - 1986. - 150 с.

3. Penning de Vries F. W. T., Laar van H. H. Simulation of growth processes and the model BACROS. ? In: Simulation of plant growth and crop production/Ed. F. W. T. Penning de Vries. - Wageningen: PUDOC. - 1982. - P. 114-135.

4. Wit de C. T. et al. Simulation of assimilation and transpiration of crops. ? Wageningen: PUDOC. - 1978. ? P. 141.

5. Абрамов Н.В., Селюкова Г.П. Оптимизация структуры посевных площадей на биоэнергетической основе. - Екатеринбург: Изд-во УрГСХА. - 2001. - 143 с.

6. Гилев С.Д., Цимбаленко И.Н., Суркова Ю.В. Продуктивность и экономическая эффективность короткоротационных зернопаровых севооборотов в центральной лесостепной зоне Зауралья // Земледелие. - 2016, № 6. - С. 8-11.

7. Чибис В.В. Эффективность средств интенсификации и предшественников при возделывании яровой в условиях южной лесостепи Омской области // Омский научный вестник. - 2014, № 1 (128). - С. 87-89.

8. Технологические системы возделывания зерновых и зернобобовых культур: рекомендации / М-во сел. хоз-ва и продовольствия Омской обл., Сиб. науч.-исслед. ин_т сел. хоз-ва. Сост. Л.В. Юшкевич и др.; под общ. ред. И.Ф Храмцова, Н.П. Дранковича]. - Омск: [ЛИТЕРА]. - 2014. - 105 с.

9. Доспехов Б.А. Методика полевого опыта (с основами статистической обработки результатов исследований). - 5-е изд., доп. и перераб. - М.: Агропромиздат. - 1985. - 351 с.

10. Чибис В.В., Чибис С.П. Формирование элементов плодородия почвы при плодосменном чередовании полевых культур в лесостепной зоне Западной Сибири // Земледелие. - 2015, № 7. - С. 20-22.

Размещено на Allbest.ru