CC BY
18
УДК 631.81
Б01 10.24411/2409-3203-2019-11005
АДАПТИВНЫЙ ПРОГНОЗ КАЧЕСТВА ЗЕРНА ЯРОВОЙ ПШЕНИЦЫ В ЛЕСОСТЕПНОЙ ЗОНЕ ПРИ ДИФФЕРЕНЦИАЦИИ ПО РЕЖИМАМ ТЕМПЕРАТУРЫ И ОСАДКОВ
Сибирина Татьяна Фёдоровна
к.б.н., доцент кафедры агроинженерии, директор Ачинского филиала Красноярского ГАУ ФГБОУ ВО Красноярский ГАУ, Ачинский филиал Россия, г. Ачинск Мельникова Екатерина Валерьевна к.т.н., доцент кафедры технологии хлебопекарного, кондитерского и макаронного производств ФГБОУ ВО Красноярский ГАУ Россия, г. Красноярск Мордвинова Надежда Михайловна Агроном-технолог Агрохолдинга «Сибиряк», ОП «Краснополянское» Россия, г. Назарово, с. Красная Поляна Полубояринов Николай Александрович старший преподаватель кафедры агроинженерии ФГБОУ ВО Красноярский ГАУ, Ачинский филиал Россия, г. Ачинск Беляков Алексей Андреевич к.т.н., доцент кафедры экономики и управления АПК ФГБОУ ВО Красноярский ГАУ, Ачинский филиал Россия, г. Ачинск
Аннотация. В комплексной агроэкологической оценке продуктивности яровой пшеницы, возделываемой в агробиогеоценозах лесостепной зоны, важное место отводится показателям качества получаемого зерна: количество клейковины зерна, индекс деформации клейковины зерна, число падения а-амилазы зерна, натура зерна. Предложенный авторами теоретический подход по адаптивному интервальному анализу и прогнозированию агроэкологических объектов, получил дальнейшее развитие в сформулированной научной гипотезе подобия урожайности и показателей качества яровой пшеницы, отнесённых к общему объекту — продукционному процессу яровой пшеницы, лимитируемому режимами температуры и осадков в данной среде агробиогеоценоза. Получение прогнозных оценок урожайности и показателей качества основывается на измерениях, расчётах и предвидении случайностей природы в полевых опытах. Разработанный математический аппарат гипотезы и выявленные на его основе закономерности позволили объяснить возможные вариации количества клейковины, числа падения а-амилазы зерна, и других показателей качества яровой пшеницы действующими, в данной среде агробиогеоценоза и в данном интервале периода вегетации, режимами температуры и осадков. На примере сорта Новосибирская 31 обоснована состоятельность адаптивного прогноза группы показателей качества зерна яровой пшеницы, как группы подобных показателей, формируемых под влиянием режимов температуры, осадков и других факторов лесостепной зоны Красноярского края. Вычислительный эксперимент по имитации показателей качества, выполненный в рамках гипотезы и с учётом вероятностных свойств лимитирующих факторов температуры и осадков, обнаружил особые точки этих показателей, характерных для лесостепной зоны Красноярского края.
19
Ключевые слова. Адаптивный прогноз, адаптивный алгоритм, качество зерна яровой пшеницы, количество клейковины, индекс деформации клейковины, число падения а-амилазы зерна, натура зерна, научная гипотеза подобия, модель прогнозирования, вычислительный эксперимент, особые точки процесса
ADAPTIVE PREDICTION OF SPRING WHEAT GRAIN QUALITY IN THE FOREST-STEPPE ZONE WITH DIFFERENTIATION BY TEMPERATURE AND PRECIPITATION REGIMES
Sibirina Tatiana Fyodorovna
Ph.D, associate Professor, Chair of Agroengineering Achinsk branch of the Krasnoyarsk State Agrarian University Director of the Achinsk branch of the Krasnoyarsk SAU Russia, the city of Achinsk Melnikova Ekaterina Valerievna Ph.D., associate professor, Chair of baking confectionery and pasta technology productions Krasnoyarsk State Agrarian University
Russia, the city of Krasnoyarsk Mordvinova Nadezhda Mikhailovna Agronomist-technologist of the Sibiryak Agricultural holding, Separate division "Krasnopolyanskoe" Russia, the city of Nazarovo, with. Krasnaya Polyana Poluboyarinov Nikolay Aleksandrovich Senior lecturer, Chair of Agroengineering Achinsk branch of the Krasnoyarsk State Agrarian University Russia, the city of Achinsk Belyakov Alexey Andreevich Ph.D., associate professor, Chair of Economics and Management AIC Achinsk branch of the Krasnoyarsk State Agrarian University Russia, the city of Achinsk
Annotation. In a comprehensive agroecological assessment of spring wheat productivity cultivated in agrobiogeocenoses of the forest-steppe zone, an important place is given to the quality indicators of the obtained grain: the amount of grain gluten, the grain gluten deformation index, the number of grain а-amylase incidence, the grain nature. The theoretical approach proposed by the authors on adaptive interval analysis and prediction of agroecological objects was further developed in the formulated scientific hypothesis of the similarity of productivity and quality indicators of spring wheat related to the general object — the production process of spring wheat, limited by the temperature and precipitation conditions in this environment of agrobiogeocenosis. Obtaining predictive estimates of yield and quality indicators is based on measurements, calculations and prediction of the randomness of nature in field experiments. The developed mathematical apparatus of the hypothesis and the regularities revealed on its basis made it possible to explain possible variations in the amount of gluten, the fall number of а-amylase of grain, and other quality indicators of spring wheat acting in this environment for agrobiogeocenosis and in this interval of the growing season , temperature and precipitation modes. On the example of Novosibirsk 31 variety, the validity of the adaptive forecast of the group of spring wheat grain quality indicators as a group of similar indicators formed under the influence of temperature regimes, precipitation and other factors of the forest-steppe zone of the Krasnoyarsk Territory is substantiated. A computational experiment on the simulation of quality indicators, performed within the framework of the hypothesis and taking into account the probabilistic properties of the
limiting factors of temperature and precipitation, has found special points of these indicators characteristic of the forest-steppe zone of the Krasnoyarsk Territory.
Key words. Adaptive prediction, adaptive algorithm, spring wheat grain quality, gluten amount, gluten deformation index, grain a-amylase incidence rate, grain nature, similarity scientific hypothesis, prediction model, computational experiment, process points.
Введение. Научное направление по прогнозированию динамики показателей и предельных состояний агроэкологических объектов в различных природных средах агробиогеоценозов получило развитие в исследованиях авторов [7-9] по адаптивному прогнозированию продукционного процесса яровой пшеницы: разработан теоретико-гипотетический подхода по систематизации данных полученных из полевых опытов и от сети метеостанций, расположенных в лесостепной зоне Красноярского края [10].
Научная гипотеза. Все показатели (и) общего для них прогнозируемого
продукционного процесса яровой пшеницы в общих условиях вегетации являются подобными, то есть составляют группу показателей, имеющих общую структуру, определяемую степенной функцией зависящей от 2 n наблюдаемых значений (Tk, R)
температуры и осадков, отнесённых к заданным n интервалам дискретизации периода вегетации, причём эти показатели выделяются лишь значениями своих структурных коэффициентов (ук, bk, ck )
г+я-1
k=i
Здесь k = i, i +1, ..., i + n — l —номера выбранных n интервалов, разбивающих период вегетации растений яровой пшеницы так, что первый интервал имеет номер i , а последний — номер i + n — 1.
Цель исследования. Обосновать состоятельность адаптивного прогноза группы показателей качества зерна яровой пшеницы (количество клейковины зерна, индекс деформации клейковины зерна, число падения a-амилазы зерна, натура зерна), как группы подобных показателей, формируемых под влиянием режимов температуры, осадков и других факторов лесостепной зоны Красноярского края.
Задачи исследования. Дать адаптивный прогноз и визуализацию группы показателей качества зерна (количество клейковины зерна, индекс деформации клейковины зерна, число падения a-амилазы зерна, натура зерна) яровой пшеницы сорта Новосибирская 31 в условиях лесостепи Назаровского и Ачинского районов.
Объект исследования. Механизм формирования продуктивности яровой пшеницы в зерновых комплексах на агробиогеоценозах лесостепной зоны Красноярского края.
Предмет исследования. Закономерности динамики группы показателей качества зерна (количество клейковины зерна, индекс деформации клейковины зерна, число падения a-амилазы зерна, натура зерна) яровой пшеницы сорта Новосибирская 31 по интервалам, покрывающим период вегетации её растений и при изменении температуры и осадков.
Условия и методы исследований. Исследования проведены в 2013-2018 гг. в многолетнем полевом стационарном опыте Агрохолдинга «Сибиряк» на территории ОП «Краснополянское», расположенного в Назаровском районе Красноярского края и в производственных условиях Учебного хозяйства «Канонерское» Ачинского филиала Красноярского ГАУ [2, 10].
В лабораторных опытах использованы поверенные измерительные приборы: Glutomatic 2100 использован для измерения количества клейковины зерна, ИДК-3М — для измерения индекса деформации (упругости) клейковины зерна, ПЧП-3 — для измерения числа падения a-амилазы зерна, ПХП-1М — для измерения натуры зерна (литровая пурка).
Непосредственно использован, предложенный авторами, теоретический и практический подход [7-9], включающий многоступенчатую схему адаптивного прогнозирования показателей продуктивности по наблюдаемым значениям температуры и осадков в интервалах, покрывающих период вегетации растений.
Использованы методы прикладного моделирования [4, 6] и программирования [1]. Вычисления и визуализация расчётов выполнены с использованием разработанной для данных исследований прикладной Maple-программы.
Результаты исследования и обсуждение. На предварительном уровне исследований систематизированы наблюдаемые и опытные данные по группе показателей качества (количество клейковины зерна, индекс деформации клейковины зерна, число падения а-амилазы зерна, натура зерна) зерна яровой пшеницы и выполнен корреляционный анализ связей для условий лесостепи [2, 3, 5, 6].
На основном уровне исследований сформулирована и обоснована рабочая гипотеза о прогнозе качества зерна яровой пшеницы сорта Новосибирская 31, осуществлённого по п = 5 интервалам дискретизации с номерами к = 5, <5, 7, 8 (май, июнь, июль, август, сентябрь), соответствующими принятой на практике агрономической отчётности.
Рабочая гипотеза. Адаптивный прогноз каждого показателя качества (и) зерна яровой пшеницы в зависимости от 10-и наблюдаемых значений Т, Я, Т, Я, Т, Я 5 Т, Я, Т, Я температуры и осадков, отнесённых к 5-и интервалам дискретизации периода вегетации растений в условиях лесостепи, представляется в виде степенной функции
и (Т5, ад, ад, ад, ад, я ) = * Т5 • ЯЬ5 +г6 Т6 • яс +
+Г7 • Т* • я? + п • ТЬ • яс + у9 • ТЬ • ,
где ук, Ьк, с, — отыскиваемые числовые коэффициенты, отнесённые к наблюдаемому к -
интервалу дискретизации периода вегетации, причём ук = ак и левый множитель Ак
— относительный вес к -интервала.
Адаптивное прогнозирование количества клейковины зерна. Получены простые оценки количества клейковины зерна с использованием вычисленных коэффициентов нелинейных регрессий [1, 4, 7], а именно по данным 5 -го интервала
и5 Т Я5) = а5 • ^ ЯС5,
аъ = 3,4046, Ь5 = 0,0520, с5 = 0,4413. по данным 6-го интервала
и, (Тб, Я,) = а, • Г,66 • Я6С6, а = 18216,8436, Ь6 = "0,4751, с6 = -0,8754 . по данным 7-го интервала
щ (Т, Я ) = агТ^ Яс,
а = 0,5050 1070, Ь7 =-30,7328, с7 = 8,8303. по данным 8-го интервала
и8 (Т„ Я ) = а8 • Т^ • Яс8, а = 17822,6828, Ь8 =-0,8244, с8 =-0,3117.
по данным 9-го интервала
щ (T9, R) = a9 • T9b> • R9 a = 0,2366, b = 0,0078, c5 = 1,3460 . Получены и выбраны значения весов и относительных весов «количества клейковины зерна» с учётом коэффициентов корреляции [1, 4, 7], а именно по данным 5-го интервала
/ =-0,4952, v5 = 0,9569, ръ = 1,0774, Л5 = 0,2583 . по данным 6-го интервала
/=-0,8325, v6 = 0,1974, р6 = 0,8556, Л6 = 0,2051. по данным 7-го интервала
/=-0,1184, v7 = -0,2275, р7 = 0,2565, ^ = 0,0615 . по данным 8-го интервала
/ = -0,6912, v =-0,1500, р8 = 0,7073, \ = 0,1696 . по данным 9-го интервала
/ = -0,7910, v= 0,9997, р9 = 1,2748, 0,3056. Получены конкретные формулы сложной оценки и уточнения прогноза количества клейковины зерна в зависимости от исходных значений простых оценок количества клейковины [7], а именно,
по данным 5 -го интервала
u = u5T R )
по данным 6-го интервала
u = 0,5574 • щ (T, R ) + 0,4426 • щ (T6, R ). по данным 7-го интервала
u = 0,4921 • щ (T, R) + 0,3908 • щ (T6, R) + 0,1171 • щ (T7, R) . по данным 8-го интервала щ = 0,3719 • щ (T, R ) + 0,2953 • щ (T6, R ) + 0,0885 • щ (T7, R ) + 0,2442 • щ (Tg, R ). по данным 9-го интервала
щ = 0,2583 • щ(T, R) + 0,2051 • щ(T6, R) + 0,0615 • щ (T7, R) +
+0,1696• щ (T, R) + 0,3056• щ (T, R)
и она же — итоговая сложная оценка количества клейковины по данным 5.. .9 интервалам.
Получены расчётные формулы, которые позволяют дать уточнённый прогноз количества клейковины зерна по температуре и осадкам [5, 7, 10], а именно, по данным 5 -го интервала
щ (T, R ) = 3,4046 • T50 0520 • R0 4413.
по данным 6-го интервала
щ (T, R, T, R) = 1,8977 • T50 0520 • R04413 + 8505,6085 • T6-0,4751 • R-°9754.
по данным 7-го интервала
щ (T, R, T, R, T, R ) = 1,6754 • T0 0520 • R04413 + 7509,3074 • T6° 4751 • R~09754 +
+0,5915•Ю69 • T7-30'733 • R9'9303. по данным 8-го интервала щ (T, R, T, R, T, R, T, R) = 1,2663 • T00520 • R0'4413 + 5675,7235 • T- 0 4751 • R-09754 + +0,4471 1069 • T7-30'7329 • R9'9303 + 4351,8507 • Ts0'8244 • R-°'3170
по данным 9-го интервала
щ (Т, Я, Т, Я, Т, Я, Т, Я, Т, Я ) = 0,8783 • Т0 0520 • Я0'4413 + 3841,2132 • Т" М751 • Я-0'9754 + +0,31054068 • Т~30'7328 • Я88303 + 3021,8180^ Т^244 • Я"0'9754 + 0,0723^ • Я'346°.
и он же — итоговый прогноз количества клейковины зерна по данным 5.. .9 интервалов.
Адаптивное прогнозирование индекса деформации клейковины зерна. Получены простые оценки индекса деформации клейковины зерна с использованием вычисленных коэффициентов нелинейных регрессий [1, 4, 7], а именно по данным 5 -го интервала
и5 Т Я) = а5- ^ Я5, а = 46,5253, Ь = 0,0684, с = 0,0548. по данным 6-го интервала
и Т Я) = а6 • Т6Ь6- Я6,
а = 1078,5666, Ь= 0,0325, с =-0,7648.
по данным 7-го интервала
щ (Т, Я ) = аП •ТЬ • Яс7,
а = 0,3530-10-8, Ь= 5,0602, с =-1,5683 . по данным 8-го интервала
и8 (Т8, Я,) = а8 • Т^ Я8, а = 14,7727, Ь8= 0,1168, с = 0,2345.
по данным 9-го интервала
и8 Т Я ) = а8 • • Я8, а = 60338,1882, Ь =-0,1788, с =-1,6355 . Получены и выбраны значения весов и относительных весов «индекса деформации клейковины» с учётом коэффициентов корреляции [1, 4, 7], а именно
по данным 5 -го интервала
^5 = 0,8830, у5 =-0,5876, р5 = 1,1453, 0,2146. по данным 6-го интервала
Мб = 0,7860, уб = -0,8808, р6 = 1,2711, Л6 = 0,2382. по данным 7-го интервала
= 0,8770, 1/7 = 0,8846, р7 = 1,3842, ^ = 0,2613 . по данным 8-го интервала
^=-0,4566, г8 = 0,8833, р8 = 1,0841, 0,2032. по данным 9-го интервала
^ = -0,3181, у9 = -0,3054, р9= 0,4417, 0,0828. Получены конкретные формулы сложной оценки и уточнения прогноза индекса деформации клейковины зерна в зависимости от исходных значений простых оценок индекса деформации клейковины [7], а именно,
по данным 5 -го интервала
и = и5 (Т, Я5 )
по данным 6-го интервала
и = 0,4740 • щ (Т, Я) + 0,5260 • щ (Т6, Я).
по данным 7-го интервала
и = 0,3005 • щ (Т5, Я) + 0,3336 • щ (Т, Я) + 0,3658 • щ (Г7, Я). по данным 8-го интервала и = 0,2340 • щ (Т, Я ) + 0,2587 • щ (Г6, Я ) + 0,2848 • щ (Г7, Я ) + 0,2215 • щ (Г8, Я ). по данным 9-го интервала
и = 0,2146 • щ (Т, Я) + 0,2382 • щ (Г6, Я) + 0,2613 • щ (Г7, Я) +
+0,2032 • щ (Т, Я ) + 0,0828^ щ (Г9, Я )
и она же — итоговая сложная оценка индекса деформации клейковины зерна по данным 5.9 интервалам.
Получены расчётные формулы, которые позволяют дать уточнённый прогноз индекса деформации клейковины зерна по температуре и осадкам [5, 7, 10], а именно, по данным 5 -го интервала
щ (Т, Я ) = 46,5253 • Т00684 • Я0 0550.
по данным 6-го интервала
щ (Т, Я, Г, Я ) = 22,0514 • Т00684 • Яа0550 + 567,8877 • Г6а0325 • Я~°'7682. по данным 7-го интервала
щ (Т, Я, Г, Я, Т, Я) = 13,8833• Т0 0684 • Я00550 + 360,1082• Т0 0325 • Я"0, 7648 +
+0,1282 •10-8 • Т50602 • Я"15683.
по данным 8-го интервала
щ (т, я, т, я, т, я, т, я)=10,8861 т5 00684 • я0,0550+280,3468 • т60'0325 • я"0,7648 + +0,1006• 10-8• T75'0602 • Я1'5693 + 3,2721 Т0'116^ Я0'2345.
по данным 9-го интервала
щ (Т, Я, Т, Я, Т, Я, Т, я, Т, я) = 8,8850 • Т0'0684 • Я0'0550 + 257,1422 • Г60'0325 • Я°'7648 + +0,82253• 60-10 • Т75'0602 • Я"1'5693 +3,0012• Г80Д168 • Я°'2345 + 4994,2897• Г,-0'1798 • Я6-1,6355.
и он же — итоговый прогноз индекса деформации клейковины по данным 5.9 интервалов.
Адаптивное прогнозирование числа падения а-амилазы зерна. Получены простые оценки числа падения а-амилазы зерна с использованием вычисленных коэффициентов нелинейных регрессий [1, 4, 7], а именно по данным 5-го интервала
щТ Я) = а5• ^ Я5, а =3,6813, Ь =0,0881, с =0,8581.
по данным 6-го интервала
и6 (Г6, Я6) = а6 • Я, а = 0,225М0-8, Ь =-1,0683, с =-1,8588.
по данным 7-го интервала
и (Т, Я )=а Г7 • яс7,
а, = 0,4600• 10159, Ь7 = -70,2900, с7 = 22,6855.
по данным 8-го интервала
щ (78, Д) = а8 • Г8Ь • Д8, а = 0,10644010, Ь = -1,8779, с = -0,7863.
по данным 9-го интервала
щ (Т9, Д) = а • Т^ • Д9,
а = 0,0006, Ь = 0,0894 с = 3,6454.
Получены и выбраны значения весов и относительных весов «числа падения а-амилазы зерна» с учётом коэффициентов корреляции [1, 4, 7], а именно по данным 5-го интервала
Я = -0,5649, у5 = 0,9775, = 1,1290, ^ = 0,2612.
по данным 6-го интервала
Я = -0,8752, у6 = 0,2774, = 0,9181, Я6 = 0,2124.
по данным 7-го интервала
Я = -0,1996, у7 = -0,3068, р7 = 0,3660, 0,0847.
по данным 8-го интервала
Я = -0,6295, = -0,2308, р8 = 0,6705, \= 0,1551.
по данным 9-го интервала
Я = -0,7381, у9 = 0,9945, р9 = 1,2384, ^ = 0,2865.
Получены конкретные формулы сложной оценки и уточнения прогноза числа падения а-амилазы зерна в зависимости от исходных значений простых оценок числа падения [7], а именно,
по данным 5 -го интервала
и = и57 Д )
по данным 6-го интервала
и = 0,5515 • щ (Т5, Д) + 0,4485 • и6(Т6, Д). по данным 7-го интервала
и = 0,4678 • щ (Т, Д ) + 0,3805 • щ (Т6, Д) + 0,1517 • щ (Т7, Д). по данным 8-го интервала й = 0,3661 • щ (Т, Д ) + 0,2977 • щ (Т6, Д ) + 0,1187 • щ (Т7, Д ) + 0,2174 • щ (Т8, Д ). по данным 9-го интервала
щ = 0,2612 • щ (Т, Д ) + 0,2124 • щ (Т6, Д) + 0,0847 • щ (Т7, Д) +
+0,1551 • щ (Т, Д ) + 0,2865^ щ (Т9, Д )
и она же — итоговая сложная оценка числа падения а-амилазы зерна по данным 5...9 интервалам.
Получены расчётные формулы, которые позволяют дать уточнённый прогноз числа падения а-амилазы зерна по температуре и осадкам [5, 7, 10], а именно, по данным 5 -го интервала
щ (Т, Д ) = 3,6912 • Т500881 • Я0'9581.
по данным 6-го интервала
щ (Т, Д, Т, Д ) = 2,0358 • Т50 0881 • Д09581 + 0,1009 •Ю9 т6
(Т, Д, Т, Д) = 2,0358 • Та0881 • Д0'9581 + 0,1009-109 • Т6~10683 • ДТи
по данным 7-го интервала
щ (Г, Я, Т, Я, Т, Я ) = 1,7270 • Г0 0881 • Я0 9581 + 0,8563 408 • Г6 1 0683 • Я^598 +
+0,697740158 • Г7-70'2800 • Я22'6855. по данным 8-го интервала
щ (Г, Я, Г, Я, Т, Я, Г, я) = 1,3515• Г0 0881 • я09581 + 0,670140- • Т6-1 0683 • я-1 8598 + +0,5460 • 10158 • Т-70'2900 • Я22'6855 + 0,2314408 • Г8-1'8778 • Я~°'7863. по данным 9-го интервала щ (Т, я, Т, Я, Т, Я, Т, Я, Т, Я ) = 0,8642 • Т°-0881 • Я0' 8581 + 0,4781 • 108 • Т61 0683 • Я-1 -58- + +0,3885•1015- • Т-70,2800 • Я22,6855 + 0,1651108 • Т^8778 • Я°'7-63 + 0,0001 Т90'0884 • Я^3-6454. и он же — итоговый прогноз числа падения а-амилазы зерна по данным 5.9 интервалов.
Адаптивное прогнозирование натуры зерна. Получены простые оценки натуры зерна с использованием вычисленных коэффициентов нелинейных регрессий [1, 4, 7], а именно
по данным 5-го интервала
и5 (Г5, Я) = а5 • Т5Ь^ Я5, а = 827,1815, Ь = 0,0008, с = -0,0088. по данным 6-го интервала
щ(Т6, Я6) = а6 • ТЪ6Ь- Я6, а = 732,0288, Ь = 0,0137, с =-0,0001. по данным 7-го интервала
щ (Г, Я ) = а7•Г7Ъ7• Яс, а = 5,1181, Ь7 = 0,8852, с =-0,3161. по данным 8-го интервала
щ (Т8, Я )= 08 • T-Ъ- • Я^ , а = 634,2260, Ь = 0,0258, с = 0,0162. по данным 9-го интервала
и8 (Т8, Я) = ОТ Т^Ь9 • Я9, а = 1131,7283, Ь = -0,0063, с = -0,0811.
Получены и выбраны значения весов и относительных весов «натуры зерна» с учётом коэффициентов корреляции [1, 4, 7], а именно
по данным 5 -го интервала
цъ = -0,8632, у5 = -0,8738, р5 = 1,3014, 0,2588 . по данным 6-го интервала
^6= 0,8880, г6 =-0,6611, р6 = 1,1871, \ = 0,2388. по данным 7-го интервала
^7 = 0,5880, у7 = 0,6838, р7 = 0,8081, 0,1815 . по данным 8-го интервала
^ = 0,2373, г8 = 0,6243, р% = 0,6678, ^ = 0,1333. по данным 9-го интервала
я = 0,3792, у9 = -0,8543, р9 = 0,9346, ^ = 0,1866. Получены конкретные формулы сложной оценки и уточнения прогноза натуры зерна в зависимости от исходных значений простых оценок натуры зерна [7], а именно, по данным 5 -го интервала
щ = щ5 (^ Д )
по данным 6-го интервала
щ = 0,5209 • щ (Т, Д ) + 0,4791 • щ (Т6, Д ). по данным 7-го интервала
щ = 0,3819 • щ (Т5, Д) + 0,3513 • щ (Т, Д) + 0,2668 • щ (Т7, Д). по данным 8-го интервала щ = 0,3193 • щ (Т, Д ) + 0,2937 • щ (Т6, Д) + 0,2231 • щ (Т7, Д ) + 0,1639 • щ (Т8, Д ). по данным 9-го интервала
щ = 0,2598 • щ (Т, Д ) + 0,2389 • щ (Т6, Д) + 0,1815 • щ (Т7, Д ) +
+0,1333^ щ (Т, Д ) + 0,1866• щ (Т, Д)
и она же — итоговая сложная оценка натуры зерна по данным 5.9 интервалам.
Получены расчётные формулы, которые позволяют дать уточнённый прогноз натуры зерна по температуре и осадкам [5, 7, 10], а именно, по данным 5 -го интервала
щ (Т, Д ) = 827,1615 •Т00009 • Д°0098.
по данным 6-го интервала
щ (Т, Д, Т, Д ) = 430,8561 •Т00009 • Д00098 + 350,7356 • Т6°0137 • Д00001.
по данным 7-го интервала
щ (Т, Д, Т, Д, Т, Д ) = 315,9061 •Т00009 • Д00098 + 257,1613 • Т60 0137 • Д00001 +
+1,1420 • Т709852 • Д°зш.
по данным 8-го интервала
щ (Т, Д, Т, Д, Т, Д, Т, Д ) = 264,1397 Т500009 • Д°0098 + 215,0212 • Т600137 • Д-00001 +
+1,1420 • Т09852 • Д"03161 +103,9284 • Т800258 • Д00162. по данным 9-го интервала щ (Т, Д, Т, Д, Т, Д, Т, Д, Т, Д ) = 214, 8644 • Г° 0009 • Д00098 +174,9089 • Т6° 0137 • Д0 ■ 0001 + +0,9289• Т709852 • Д-03161 + 84,5406• Г00258 • Д00162 + 211,1242• Т-0 0063 • Д°09П.
и он же — итоговый прогноз натуры зерна по данным 5.9 интервалов.
Вычислительный эксперимент по имитации показателей качества зерна яровой пшеницы. Реализованные в рамках гипотезы [7] расчёты на компьютере позволили выполнить визуализацию вклада каждого интервала дискретизации периода вегетации растений в итоговую оценку качества: количество клейковины (рис. 1-5), индекс деформации клейковины (рис. 6 -10), число падения а-амилазы (рис. 11-15), натура зерна (рис. 16-20).
»2 ■ 1
7.»
200
Т
Рисунок 1 - Вклад температуры и осадков 5-го интервала Т5 = Т, Я = Я в
формируемое количество клейковины при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом ^ = 0,2583
Рисунок 3 - Вклад температуры и осадков 7-го интервала Т = Т, Я = Я в
формируемое количество клейковины при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом ^ = 0,0615
Рисунок 2 - Вклад температуры и осадков 6-го интервала Т = Т, Я = Я в
формируемое количество клейковины при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом Л5 = 0,2051
Рисунок 4 - Вклад температуры и осадков 8-го интервала Т = Г, Я = Я в
формируемое количество клейковины при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом \ = 0,1686
92
Рисунок 5 - Вклад температуры и осадков 9-го интервала Т9 = Т, Д = Д в
формируемое количество клейковины при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом \ = 0,3056
Рисунок 6- Вклад температуры и осадков 5-го интервала Т5 = Т, Д = Д в
формирование индекса деформации клейковины зерна при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом ^ = 0,2146
Рисунок 7 - Вклад температуры и осадков Рисунок 8 - Вклад температуры и осадков
6-го интервала Т = Т, Д = Д в 7-го интервала Т = Т, Д = Д в
формирование индекса деформации формирование индекса деформации
клейковины зерна при средних значениях клейковины зерна при средних значениях
температуры и осадков в других температуры и осадков в других интервалах
интервалах с относительным весовым с относительным весовым коэффициентом коэффициентом Л = 0,2382 Л = 0,2613
Рисунок 9 - Вклад температуры и осадков 8-го интервала Т = Т, Я = Я в
формирование индекса деформации клейковины зерна при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом \ = 0,2032
Рисунок 10 - Вклад температуры и осадков 9-го интервала Т = Т, Я = Я в
формирование индекса деформации клейковины зерна при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом Л, = 0,0828
Рисунок 11 - Вклад температуры и осадков Рисунок 12 - Вклад температуры и осадков
5-го интервала Т5 = Т, Я = Я в 6-го интервала Т = Т, Я = Я в формирование числа падения а-амилазы формирование числа падения а-амилазы
зерна при средних значениях температуры зерна при средних значениях температуры
и осадков в других интервалах с относительным весовым коэффициентом
Л = 0,2612
и осадков в других интервалах с относительным весовым коэффициентом Л = 0,2124
Рисунок 13 - Вклад температуры и осадков 7-го интервала Т = Т, Я = Я в
формирование числа падения а-амилазы зерна при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом Л = 0,0847
Рисунок 14 - Вклад температуры и осадков 8-го интервала Т = Г, Я = Я в
формирование числа падения а-амилазы зерна при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом Л = 0,1551
Рисунок 15 - Вклад температуры и осадков 9-го интервала Т = Т, Я = Я в
формирование числа падения а-амилазы зерна при средних значениях температуры
Рисунок 16 - Вклад температуры и осадков 5-го интервала Т5 = Т, Я = Я в
формирование натуры зерна при средних значениях температуры и осадков в других
и осадков в других интервалах с относительным весовым коэффициентом ^ = 0,2865
интервалах с относительным весовым коэффициентом Л5 = 0,2598
Рисунок 17 - Вклад температуры и осадков 6-го интервала Т = Т, Д = Д в
формирование натуры зерна при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом 0,2389
ЫИ1
620
Рисунок 18 - Вклад температуры и осадков 7-го интервала Т = Т, Д = Д в
формирование натуры зерна при средних значениях температуры и осадков в других интервалах с относительным весовым коэффициентом ^ = 0,1815
Рисунок 19 - Вклад температуры и осадков Рисунок 20 - Вклад температуры и осадков
8-го интервала Т = Т, Д = Д в 9-го интервала Т = Т, Д = Д в
формирование натуры зерна при средних формирование натуры зерна при средних
значениях температуры и осадков в других значениях температуры и осадков в других
интервалах с относительным весовым интервалах с относительным весовым коэффициентом Л= 0,1333 коэффициентом Л= 0,1866
Из формул аналитического представления показателей (и) качества зерна, а также
из графиков вкладов отдельных интервалов, непосредственно видно, что количество клейковины в 7-м интервале (рис. 3) и число падения а-амилазы зерна в этом же 7-м
интервале (рис. 13), имеют особенность в недостижимой угловой точке (т*, Я*) области О «сумма активных температур - сумма осадков»: при подходе к особой точке с координатами Т* = 500 0С Я* = 128 мм функция показателя резко растёт. Кроме того, в данном 7-м интервале, при подходе к особой точке прослеживается больший рост показателей индекса деформации клейковины, натуры зерна (и урожайности [7]), чем в других интервалах периода вегетации.
Следовательно, потенциал 7-го интервала (июль) реализуется, когда наблюдаемые на этом интервале значения суммы активных температур и суммы осадков окажутся близкими к координатам особой точки. Поэтому при реализации заложенного потенциала 7-й интервал (июль) периода вегетации имеет решающий вклад в рост показателей качества зерна и урожайность яровой пшеницы. Интервал с таким свойством, если он при данном разбиении периода вегетации существует, будем называть особым интервалом вегетации.
Стало быть, в частном случае при разбиении периода вегетации на 5 интервалов (месяцев) установлено, что для сорта Новосибирская 31 существует особый интервал вегетации — июль месяц года.
Заключение
С использованием выявленных закономерностей продукционного процесса яровой пшеницы, установлено, что для природно-климатических условий лесостепной зоны адаптивный прогноз качества её зерна в зависимости от 10-и наблюдаемых значений Т, Я , Т, Я , Т , Я , Т, Я , Т, Я суммарных температуры и осадков, отнесённых к 5-и интервалам дискретизации периода вегетации растений в условиях лесостепи, представляется функциональными оценками (и) группы подобных показателей:
оценка предельного количества клейковины зерна
и (Г, Я, Г, Я, Т, Я, Г, Я, Г, Я ) = 0,8783 • Г5°-0520 • Я0'4413 + 3841,2132 • Т6 4751 • я8754 +
+0,3105-1068 • Г;30'7328 • Я8'8303 + 3021,8180• Г/'8244 • Я°'9754 + 0,0723- Г90'0078 • Я^3460 ;
оценка предельного индекса деформации клейковины зерна
и (Г, Я, Г, Я, Т, Я, Г, Я, Г, Я ) = 8,8850 • Г5°-0684 • Я0 ■0550 + 257, 1422 • Т60' 0325 • Я07648 +
+0,8223•Ю-10 • Т75'0602 • Я-1'5683 + 3,0012• Т80Д168 • Я°'2345 + 4994,2897• Т^0'1788 • Я1'6355 ;
оценка предельного числа падения а-амилазы зерна
и (Г, Я, Т, Я, Т, Я, Г, Я, Т, Я ) = 0,8642 • Г50'0881 • Я0'9581 + 0,4781 • 108 • Т-10683 • я 1'-58- + +0,3885•1015- • Г/0' 2800 • Я22'6855 + 0,1651 • 108 • Т^1'8778 • Я-0'7863 + 0,0001 Т00884 • Я^6454 ;
оценка предельной натуры зерна
u(T,R,T6,R,T,R,T,R,R) = 214,8644-T/0009 • R0,0098 +174,9089• T60 0137 • R0,0001 +
+0,9289• T09852 • R0'3161 + 84,5406• T80'0258 • R0'0162 + 211,1242• T90' 0063 • R00911.
Заметим, что сформулированная научная гипотеза подобия, по-существу утверждает, что проведённые исследования и выводы могут быть масштабированы и будут справедливы для любого допустимого (и для неравномерного) разбиения периода вегетации.
Выводы
1. С использованием разработанной модели адаптивного прогнозированию агроэкологических объектов в лесостепной зоне на примере сорта Новосибирская 31 яровой пшеницы доказана гипотеза подобия, о том, что прогнозные (функциональные) оценки урожайности, количества клейковины зерна, индекса деформации клейковины, числа падения а-амилазы зерна и натуры зерна составляют группу подобных показателей.
2. С использованием предложенного алгоритма адаптивного интервального анализа агроэкологических объектов в лесостепной зоне, в частном случае выполненного разбиения периода вегетации показано, что для сорта Новосибирская 31 яровой пшеницы существует особый интервал вегетации.
Список литературы:
1. Аладьев В.З. Эффективная работа в Maple 6/7 / В.З. Аладьев. - М.: Лаборатория Базовых Знаний, 2002 - 336 с.
2. Доспехов Б.А. Методика полевого опыта (с основами статистической обработки результатов исследований) / Б.А. Доспехов. - М.: Агропромиздат, 1985. - 351 с.
3. Ермаков А.И. Методы биохимического исследования растений / А.И. Ермаков. - Л.: Агропромиздат, 1987. - 430 с.
4. Кобзарь А.И. Прикладная математическая статистика для инженеров и научных работников / А.И. Кобзарь. - М.: Физматлит, 2012. - 816 с.
5. Лосев А.П., Журина Л.Л. Агрометеорология / А.П. Лосев, Л.Л. Журина. - М.: Колос, 2001. - 297 с.
6. Полевой А.Н. Прикладное моделирование и прогнозирование продуктивности посевов / А.Н. Полевой. - Л.: Гидрометеоиздат, 1988. - 208 с.
7. Сибирина Т.Ф. и др. Адаптивный прогноз качества зерна яровой пшеницы в лесостепной зоне при дифференциации по режимам температуры и осадков / Т.Ф. Сибирина, Е.В. Мельникова, Н.М. Мордвинова, Н.А. Полубояринов, А.А. Беляков // Эпоха науки. - Ачинск: АФ Красноярского ГАУ, 2019. - № 20. — С. 77-89.
8. Сибирина Т.Ф. и др. О физико-механической характеризации пахотного слоя под зернопаровым севооборотом / Т.Ф. Сибирина, В.Н. Романов, В.К. Ивченко, Е.В. Мельникова, А.А. Беляков // Эпоха науки. - Ачинск: АФ Красноярского ГАУ, 2019. - № 19. - С. 87-95.
9. Сибирина Т.Ф. и др. Программирование и имитация урожайности зерновых культур при балансе запаса продуктивной влаги и водопотребления растений в полевых условиях / Т.Ф. Сибирина, В.В. Матюшев, Е.В. Мельникова, И.А. Фёдорова, А.А. Беляков // Эпоха науки. - Ачинск: АФ Красноярского ГАУ, 2019. - № 18. - С. 87-100.
10. Агрометеобюллетени ФГБУ «Среднесебирское УГМС» за 2013-2018 гг.
♦
