CC BY
28
Ukrainian Journal of Ecology
UkrainianJournal of Ecology, 2017, 7(3), 186-207, doi: 10.15421/2017_68
ORIGINAL ARTICLE UDC 631.559
Spatial-temporal dynamics of sunflower yield - the ecological
and agricultural approach
O.V. Zhukov1, S.V.Ponomarenko2
1Oles Hon char Dnipropetrovsk National University Gagarin a Prospekt 72, Dnipro, Ukraine, 490102 2Poltava State Agrarian Academy Skovorody str. 1/3, Poltava, Ukraine, 36003 E-mail: zhuko v_ dnepr@rambler. ru Tel.: +380985079682 Submitted 13.08.2017. Accepted20.09.2017
Dynamics of sunflower yield in agricultural enterprises in the administrative districts of the Poltava region for the period 19952016 have been explored. Agroecological zoning of the Poltava region that is based on dynamic productivity features sunflower have been performed. We founded that sunflower yield fluctuated in the farms of Poltava region from 13.36±1.40 to 21.81 ±1.89 t/ha within 1995-2016. The lowest level of variation (CV) of sunflower yields during the study period was 28.33% and the highest was 49.03%. The great yield range was caused by spatial variation component. The analysis of sunflower yield revealed clear trends which can be described by the third polynomial order. Specific terms of polynomial curve of the third order can be meaningfully interpreted and applied to describe the dynamics of sunflower yield. The free coefficient of the polynomial reflects the level of sunflower productivity in the starting period. The value of the function at the point of local minimum points to the "bottom" of the dynamics of productivity culture. The maximum productivity reflects a balance between factors of the agroeconomical and agrotechnological nature and also the biological potential of the sunflower. Parameters and special trend point of sunflower yield can be explained by landscape cover diversity indicators, topographic wetness index, erosion factors and their interaction. According to the forecast value of growth rate the study plots were divided into three groups of agriculture environment, namely: with low potential of growth (b <0.044), moderate growth potential (0.044 <b <0.051), and high growth potential (b> 0.051). Sunflower yield variability which is outside the polynomial trend can be described by four multidimensional factors that explained up to 84.9% of variability. These factors were characterized by definite spatial and temporal variability. The most typical oscillation period is 4.4 years and 2.2 years, whereas the longest period was 11 years. We also determined some periods of 5.5 and 7.3 years. We determined some clusters or agro-ecological zones by factor analysis. The highest yield potential of sunflower was registered for agro-ecological zone with disruptive areas in the east of study region. The area with lowest productive capacity was determined for agro-ecological zones in the northwest. We determined the transitional zones concerning the yields characteristic in the center and eastern part of study region. Keywords:sunflower; yield; dynamics; landscape diversity; topographical wetness index; erosion factor
Агроеколопчы аспекти просторово-часовоТ динамки
урожайност соняшнику
О.В. Жуков1, С.В. Пономаренко2
1Днiпропетровський нацональнийун'/верситет iMe4i Олеся Гончара пр. Гагарiна, 72, м. Днiпро, УкраТна, 49010 2Полтавська державна аграрна академ'1я вул. Сковороди, 1/3, м. Полтава, 36003 E-mail: zhuko dnepr@rambler. ru Тел.: +380985079682
У робот роботи дослужено динамку урожайносп соняшнику в стьськогосподарських пiдприeмствах Полтавсьо1 областi по адмЫктративним районам за перiод 1995-2016 рр., встановленi складовi цieí динамiки, показана роль просторовоУ та агроекологiчноí компонент у формуванн цих складових та виконане агроеколопчне районування територп ПолтавськоУ областi на основi динамiчних особливостей урожайносп соняшнику. Встановлене, що врожайнкть соняшнику в сiльськогосподарських пiдприeмствах Полтавсько!' областi по районах у середньому за 19952016 рр. варивала в межах вiд 13,36±1,40 ц/га (Чорнуханський район) до 21,81 ±1,89 ц/га (Великобагачанський). Найменший рiвень варiювання показникiв врожайносп соняшнику за перiод дослiдження був характерний для Котелевського району (коефiцieнт варiацií 28,33 %), а найбтьший - для Чорнуханського (CV = 49,03 %). Просторова компонента вар^вання середнього рiвня врожайностi соняшнику дуже значна. Аналiз динамiки урожайностi соняшнику в стьськогосподарських пщприемствах Полтавсько!' обласп у часi вказуе на наявнкть чiткого тренду змiни врожайностi за перюд дослiдження, який можна описати за допомогою полiному третього порядку. Особливi точки полiномiальноí кривоУ третього порядку можуть бути змiстовно Ытерпретоваы та застосованi для описання динамки урожайносп соняшнику. Вiльний член полному вказуе на урожайнiсть культури в стартовий перюд. Значення функцп в точцi локального мiнiмуму вказуе на «дно» динамки урожайносп культури. Стан максимуму продуктивной культури вiдбиваe певну рiвновагу мiж факторами агроекономiчноí та агротехнолопчно1 природи з одного боку та бюлопчним потенцiалом - з Ышого. Параметри та особливi точки тренду урожайносп соняшнику можуть бути пояснен за допомогою показниюв рiзноманiття ландшафтного покриву, топографiчного iндексу вологосл, iндексу ерозГГ та Ух взаeмодií. Вiдповiдно до прогнозованого значення коефiцieнту зростання райони розподiленi на три агроеколопчы групи: з низьким потен^алом зростання (Ь < 0,044), помiрним потенцiалом зростання (0,044< Ь < 0,051) та великим потен^алом зростання (Ь > 0,051). Варiабельнiсть урожайносп соняшнику, яка знаходиться поза межами полiномiального тренду, може бути описана за допомогою чотирьох багатовимiрних факторiв, як разом пояснюють 84,9 % варiабельностi простору ознак. Цi фактори характеризуются закономiрною мiнливiстю у просторi та часi. Варiювання у час факторiв 1 -4 вказуe на рiзнi частотнi характеристики, якi властивi цим процесам. Найбiльш типовим перюдом коливання e перiод 4,4 роки, який робить суггевий внесок у динамку факторiв 1, 2 та 3. Важливу роль маe також кратний до нього перюд 2,2 роки, який проявляe себе для факторiв 2 та 4. Найбтьший за тривалктю перюд встановлений для фактору 2 який дорiвнюe 11 рокам. Менш тривалi перюди 5,5 та 7,3 роки характеры для фактору 4, та фактору 3 (7,3 роки) та фактору 2 (5,5 роки). На основi факторiв 1 -4 проведена кластериза^я райоыв обласп, як ч^ко розподтеы на чотири кластери (агроекологiчних зони). Найвищим потенцiалом урожайностi соняшнику характеризуeться агроекологiчна зона, яка маe дизруптивний ареал на сходi областi. Найнижчий продукцмний потенцiал характерний для агроеколопчноТ зони на пiвнiчному заходi. Переходы показники врожайностi характернi для агроеколопчно1 зони, яка маe центральне широтне розмщення та агроекологiчна зона за сходi областi. Ключов/ слова: соняшник; урожайнкть; динамiка; ландшафтне рiзноманiття; топографiчний iндекс вологостi; фактор ерози
Вступ
CBiTOBa потреба у ixi буде зростати у найближчi десятилiття у зв'язку 3i значним збтьшенням чисельностi людства (Godfray et al., 2010). Тому iснуe нагальна потреба збтьшення виробництва якiсних сiльськогосподарських продуклв (Godfray et al., 2010; Tscharntke et al., 2012). Виршення цього завдання вiдбуваeться в умовах глобальних змЫ клiмату та зростаючого тиску на природнi екосистеми (Bohan et al., 2013). Деграда^я земель та еколопчних процесiв створюють потенцмно небезпечний зворотнiй зв'язок (спустелення, засолення) та створюе джерело тривалого негативного впливу на виробництво стьськогосподарськоУ продукци (Rockstrom et al., 2009). Урожайнкть сiльськогосподарських культур може бути збтьшена за за допомгою покращення агротехнологм (Mueller et al., 2012) та генетики культур (Tester, Langridge, 2010). Але ефективнкть цих напрямки обмежуеться зростаючими витратами, пов'язаними з ризиками хвороб та негативного впливу шюдниюв (Oerke, Dehne, 2004). Традицмний менеджмент шкiдникiв та хвороб сприяе збтьшенню урожайностi сiльськогосподарських культур, але мае певн недолiки. Неспецифiчний вплив синтетичних iнсектiцидiв призводить до знищення нецiльових груп органiзмiв та таким чином порушуються природнi механiзми контролю числельност шкiдникiв (Metcalf, 1980; Newsom, 1967; Sumarokov, Zhukov, 2007).
В ландшафтнiй екологп застосовуються ландшафтнi метрики та множина iндикаторiв навколишнього середовища, якi визначаються як вимiрюванi бiотичнi та абiотичнi характеристики навколишнього середовища, як дозволяють одержати ктьюсы данi щодо екологiчних ресурав та функцiонування екосистем (McAlpine et al., 2002). Дан про типи ландшафтного покриву аграрних земель можуть бути застосован для рiзних цтей. Це може бути аналiз стьськогосподарськоУ продуктивностi (Anaya-Romero et al., 2011), дослщження енергетичного потенцiалу плантацiй з короткою рота^ею (Kollas et al., 2009), або для створення карт вщкладення ерозмних осадiв (Mahmoodabadi, 2011). Ландшафты метрики широко застосовуються для ктьюсного вщображення типiв застосування земного покриву та особливостей просторового розподту титв ландшафтно-екологiчного покриву, а також для ствставлення Ух з географiчними та екологiчними процесами (McGarigal, Marks, 1995; Malaviya et al., 2010). Застосування концепцп ландшафтноУ екологи й даних дистанцмного зондування Землi дозволяе оцЫити просторово-часову динамiку рослинного покриву агроценозiв (Zhukov et al., 2013; 2015; 2017). Обфунтовано доцiльнiсть застосування для оцЫки ландшафтного рiзноманiття територм ландшафтних метрик, до яких належать: Ыдекс найбiльшого фрагмента, iндекс щтьносп меж, iндекс розподiлу ядер, Ыдекс рiзноманiття Шеннона, iндекс рiвномiрностi Омпсона, iндекс контакту,
¡ндекс окружносп, ¡ндекс щ1льност1 фрагмент1в, 1ндекс близькосп та 1ндекс зчеплення. Ц1 ¡ндекси мають високу кореляц1ю з показником р1вня розораност1, часткою природних упдь та щ1льн1стю л1сосмуг (Kuchma, 2015). Ландшафты метрики на р1вн1 окремих тип1в покриву включають також Ндекси форми. Анал1з ландшафтних метрик допомагае зрозум1ти властивост1 клас1в ландшафтного покриву (Jiao, Liu, 2012). Дан1 дистанц1йного зондування Земл1 наають можливосп тривалого та пост1йного мон1торингу стану рослинного та фунтового покриву, а також водних ресурав стьськогосподарських територм (Kostrzewski et al., 2002). Категор1зована мапа тип1в покриву Земл1 е первиним джерелом Ыформаци для ландшафтного анал1зу, який стосуеться р1зноман1ття тип1в покриву та його структури (Chmielewski et al., 2014). Головною позиц1ею ландшафтноТ екологи е уявлення про визначальний вплив ландшафтних патерн1в на еколопчы процеси (Turner et al., 1989; Zhukov et al., 2013). Ландшафтний менеджмент е важливим для збереження б1ор1зноман1ття (Lindenmayer et al., 2008; Tscharntke et al., 2012). Агрегац1я с1льськогосподарських пол1в та придушення площ, як1 не культивуються, призводить до трансформаци складних ландшафт1в з в1дносно високою часткою нап1вприродних оселищ у прост1 за своею структурою ландшафти з домЫуванням орних пол1в (Roschewitz et al., 2005). Ландшафтна структура е ключовим фактором пщтримання б1ор1зноман1ття (Antrop, 2005; Zhukov et al., 2016; Zhukov, Andryushchenko, 2017).
Топограф1чн1 1ндекси по р1зному впливають на урожайн1сть зернових культур, що визначаеться фунтовими та кл1матичними умовами (Kravchenko, Bullock, 2000). Позиц1я у межах ландшафту (вигнена або ув1гнена д1лянки, схил або тальвег) е суттевим фактором, який впливав на урожайнкть пшениц1 (Ciha, 1984). Крив1зна поверхн1 рельефу е ефективним параметром для описання взаемов1дносин м1ж урожайн1стю, топограф1ею та погодними умовами (Timlin et al., 1998). Вщносна висота рельефу е одним з найважлив1ших фунтових та ландшафтних фактор1в, як1 впливають як на урожайнкть, так i на яюсть зерна соняшнику (Cox et al., 2006; Miao et al., 2006). Середня урожайнкть та середня волопсть зерна значно залежать в1д довжини стоку поверхн1 поля в умовах ¡р1гацГГ (Marques da Silva, Silva, 2006). Довжина схилу до водороздту е найкращим топограф1чним 1ндикатором урожайносп пшениц1 у широкому д1апазон1 масштаб1в (Zeleke, Si 2004). Топограф1чний 1ндекс вологост1 дозволив пояснити в1д 38 до 48 % просторовоТ вар1аци урожайност1 пшениц1 у сх1дному Колорадо (США) в 1997 р. (Green, Erskine, 2004).
Ландшафтна обстановка в р1зн1 етапи вегетаци може по-р1зному впливати на р1ст рослин i продуктивн1сть агроекосистем в ц1лому. В умовах степовоТ зони спочатку вегетаци л1м1туючим фактором е тепло, тому геоморфолопчн1 характеристики, як1 в1дображають розподт сонячноТ енерги, в1д1грають пров1дну роль у формуванн1 продукц1йних процес1в. У к1нц1 весни i на початку л1та, в пер1од оптимального поеднання тепла i вологи, на передай план висуваеться потенц1йна родюч1сть фунту, яка безпосередньо регулюеться потужн1стю гумусованого горизонту, а таким чином -Ытенсивнктю ерози. Тому геоморфолог1чн1 маркери активносп ерози фунт1в найб1льшою м1рою пояснюють простору вар1абельн1сть ф1томаси агроценоз1в. У друг1й половин! л1та дефщит вологи стае головним детерм1нантом достатку ф1томаси, а топограф1чний 1ндекс вологосп стае в1дпов1дальним за адекватний опис просторовоТ мЫливосп вегетац1йних показник1в (Демидов и др., 2013).
Вплив топограф1чних Ыдекав на урожайн1сть часто залежить в1д погодних умов, особливо в1д опад1в. У сем1аридних та аридних регюнах, де потенц1ал випаровування значно бтьший н1ж к1льк1сть опад1в, вм1ст води у фунт1 е л1м1туючим фактором для продукци зерна (Chi et al., 2009). Вплив опад1в (сн1гопад1в або дощ1в) на урожайнкть може бути п1дсилений унаслщок взаемоди з рельефними особливостями та фунтовими властивостями (Timlin et al., 1998; Kaspar et al., 2004). Сл1д вщзначити, що в1домост1 у л1тератур1 про характер взаемов1дносин м1ж погодними умовами, топограф1ею та урожайнктю, вкрай суперечлив1 (Kravchenko, Bullock, 2000). Було встановлено, що топограф1чн1 особливост менше впливають на урожай у сух1 роки, н1ж у волоп (Halvorson, Doll, 1991). У Ышому досл1джен1 навпаки, було встановлене, що вплив топографи б1льш в1дчутливий у волоп роки, н1ж у сух1 (Simmons et al., 1989). Ц1 суперечловост1 можна пояснити в1дм1нност1ми фунтових та кл1матичних умов, у яких були виконан1 експерименти. Умови вологосп Грунту е найважлив1шим фактором, який контролюе вар1абельн1сть урожайност1 пшениц1 та впливае на значимкть топограф1чних Ыдекав у сем1аридних рег1онах. У сух1 роки довжина до водорозд1лу була найсуттев1шим фактором, який визначав урожайнкть. У волог1 роки значення топограф1чних показник1в було меншим (Chi et al., 2009). У Европ соняшник найбтьш поширений у сх1дних та п1вених краТнах. В 2013 р. УкраТна та Рос1я (разом 49 % в1д св1тового обсягу - 17,7 млн. тон) та 28 краТн Евросоюзу (19 %, 6,8 млн. тон) були найбтьшими виробниками у свт, охоплюючи 68 % св1тового врожаю цкТ культури (Debaeke et al., 2017). Серед цих краТн спостер1гаеться значна нер1вном1рн1сть в урожайност1 соняшнику - в1д 1,1 до 2,4 тон/га (середы нац1ональн1 показники) з дуже пом1рним прогресом зростання, не дивлячись на постмы зусилля по генетичному покращенню рослин (Salvi, Pouzet, 2010). Кл1матичн1 зм1ни можуть бути частково в1дпов1дальн1 за обмеження урожайност1, як це встановлене для пшениц1 (Brisson et al., 2010), хоча змЫи в агротехниц1 та стратеги використання земель також впливають на урожайнкть (Debaeke et al., 2017). Метою нашоТ роботи е дослщити динамку урожайносп соняшнику в стьськогосподарських п1дприемствах ПолтавсьоТ област1 по адм1н1стративним районам за пер1од 1995-2016 рр., визначити складов! цкТ динамки, встановити роль просторовоТ та агроеколопчноТ компонент у формуванн цих складових та провести агроеколопчне районування територм ПолтавськоТ област1 на основ1 динам1чних особливостей урожайност1 соняшнику.
Матер1али i методи досл1джень
У основу досл1дження покладен1 в1дкрит1 в1домост1 про р1вень урожайност1 ключових с1льськогосподарських культур (зернов1 та зернобобов1, кукурудза та соняшник) в середньому по адм1н1стративним районам ПолтавськоТ обласл за пер1од 1995-2016 рр. В1дпов1дн1 в1домост1 м1стяться у офщмних щор1чних публ1кац1ях «Стьське господарство ПолтавськоТ обласл» Головного управлЫня статистики у Полтавсьюй област1 (http://www.pl.ukrstat.gov.ua/).
Концептуальна блок-схема аналiзу динамки урожайносп стьськогосподарських культур представлена на рис. 1. Часовi ряди урожайносп по кожному адмЫктративному району були розбит на двi компоненти: тренд та залишок тренду. Глобальний тренд був пояснений за допомого залежносп урожайносп культури вщ часу. В якосп аналiтичноí форми тренду ми обирали мiж полiномами рiзного порядку. Надавали перевагу полЫомам меншого порядку (бтьш простих за своeю аналiтичною формою) та таким, як мають найбтьшу пояснювальну здатнiсть. Параметри лiнiйноí моделi можуть бути самостiйно iнтерпретованi таким чином, що ним може бути наданий очевидний фiзичний змiст. Це дозволяe вiдповiднi коефiцieнти розглядати як самоспйы змiннi та дослiджувати Тх поведiнку залежно вiд iнших агроекологiчних змiнних, або дослiджувати особливостi \х просторово1 мiнливостi. Коефiцieнти полiномiв бтьшого порядку, за винятком вiльного члену, не можуть бути змктовно Ытерпретоваы, тому пошук \х аналiтичних залежностей вщ зовнiшнiх змiнних, або дослщження особливостей 1х просторовоí мiнливостi, не e екологiчно змiстовними. Замiсть цього нами була дослужена поведiнка характеристичних точок полiномiв третього порядку, до числа яких ми вщнесли м^мум та максимум вiдповiдних функцiй, а також максимальну швидюсть збiльшення урожайносп у дiапазонi мiж мiнiмумом та максимумом.
Рис. 1. Концептуальна блок-схема дослщження просторово-часовоУ динамiки врожайностi стьськогосподарських
культур
Залишки вщповщних регресiйних моделей, як описують тренди, складаються з випадково1 компоненти (шум) та,
вГропдно, регулярно!, яку неможна пояснити обраною трендовою моделлю. РозрГзнити цi двi компоненти можна за 'х властивостями: шум е незалежним для рiзних точок простору, а регулярна компонента повинна бути скорельованою для уах, або деяких точок простору (адмiнiстративних районГв). Для виокремлення регулярно' компоненти залишки трендових моделей пiддали аналiзу головних компонент. НаявнГсть головних компонент, власы числа яких переважають одиницю, вказуе на наявнкть кореляцiйних плеяд мЫливосп урожайностi.
Просторова регулярнiсть варiювання як параметрiв тренду, так i головних компонент позатрендово''' мiнливостi, може бути дослужена за допомогою /-статистики Морана (Жуков, 2015). Розрахунки виконан у програмi GeoDa (Anselin et al., 2006).
Також був дослщжений характер впливу агроеколопчних чинникiв на параметри тренду та багатовимiрнi фактори, як описують позатрендову компоненту варiабельностi урожайносп сiльськогосподарських культур. Серед агроекологiчних чинниюв ми розглянули маркери рельефу та структури рослинного покриву територГ''. Рельеф е важливим фактором фунтоутворення, роль якого полягае у перерозподГлГ клГматичних ресурсiв по поверхнi Землi. Таким чином, рельеф Ыдикуе фунтовГ умови а також е маркером умов життя безпосередньо живих органiзмiв. Структура рослинного покриву в умовах Полтавсько' обласп утворена комбЫа^ею природних, сГльськогосподарських та урбанiзованих територiй. Спiввiдношення цих компонен^в формуе рiзноманiття типiв покриву, яке, вiрогiдно, може мати функцюнальы наслiдки та бути або безпосередньо фактором дм, який визначае особливосп продукцiйного процесу в агроеоксистемах, або може бути Ыформацмним iндикатором, за допомогою ми зможемо висвгтлити та пояснити динамку урожайносп сiльськогосподарських культур.
ДослГдження включало такi види робгт: пiдготовку та обробку матерiалiв ДЗЗ, зокрема одержання матерiалiв ДЗЗ та 'х систематизацiя; спектральна, радiометрична та просторова корещя даних ДЗЗ та виявлення ознак дешифрування; камеральну обробку, в процеа яко!' здiйснено дешифрування матерiалiв ДЗЗ; створення карт наземного покриву; розрахунок Ыдекав ландшафтного рiзноманiття, статистичнi розрахунки. Географiчна iнформацiйна система побудована за допомогою програми ArcGIS 10.2.
ВГдмГтимо ще два ключовi iнформацiйнi набори земельних характеристик, як використовуються в агроекологiчному дослiдженнi Полтавсько''' областi. Для оцiнки рельефу використовуеться набiр даних GT0P030 (Global 30 arc-seconds elevation dataset), який забезпечуе характеризування висоти земно' поверхн над рiвнем моря. У якостi геоморфолопчних змiнних у роботi розглянуто наступи похГдн цифрово' моделi рельефу.
Топографiчний iндекс вологост. КонцепцГя топографiчного Ыдексу вологостi (topographic wetness index - TWI) вперше була запропонована К. Бiвеном i Н. Кiркбi (Beven, Kirkby,1979). Топографiчний iндекс вологостi обчислюеться за формулою:
TWI = ln(a/tanp),
де a - дренажна площа (площа водозбору, розрахована на одиницю довжини замикаючого контуру), ¡3- крупсть схилу (Moore et al., 1993).
Фактор ероз' LS. Ерозмний потенцГал рельефу LS е одним з компоненлв уыверсального рiвняння фунтово''' ерозп (Universal Soil Loss Equation - USLE). LS е добутком L- i S-факторiв. L-фактор визначае значення довжини схилу (slope length), а S-фактор - крутосп (slope steepness). Уыверсальне рiвняння ерозiйних втрат фунту (USLE), або рiвняння Уiшмейера-Смiта, виведене в США як метод розрахунку середньорiчних втрат фунту на основi узагальнення результалв спостережень на стандартних стокових площадках довжиною 22,1 3 м з ухилом 9 %, проведених бГльш ыж на 8000 дГлянках в 21 штатi (Kunah, Papka, 2016). У першiй редакцГ'' USLE для опису впливу крутосп схилу використали тангенс, а для показника ступеня при довжин схилу - постмну величину, рiвну 0,5. ПГзнГше тангенс кута нахилу поверхн замiнили на синус, тому що було встановлено, що з допомогою цГе' функцГ'' вдаеться бiльш точно вщбити вплив ухилу на схилах крулстю бiльше 3° (Wischmeier, Smith, 1978). Ерозмы втрати Грунту набагато бтьш чутливi до змiни крутосп схилiв, нiж до змiни довжини, тому вдосконалена модель USLE - RUSLE була спрямована на найбГльш точну оцЫку фактора крутостi схилiв (Kunah, Papka, 2016).
На основi цифрово' моделi рельефу за допомогою процедури, основано' на Ыдека топографiчноí позицГ'' (G uisan et al., 1999) були видГлен головы форми рельефу. Процедуру виконано у програмi SAGA (Olaya et al., 2008). Для оцЫки типГв використання земель можуть бути застосован результати програми глобального монГторингу покриву Землi - GlobalLand Cover2000 Project(GLC 2000) [Global Land Cover 2000 database ..., 2003]. КласифкацГя типГв покриву ЗемлГ проведена в результат обробки знГмкГв, якГ робилися щодня протягом 14 мГсяцГв Гз супутника SPOT 4. Проект GLC 2000 використае класифкацмну систему типГв покриву ЗемлГ ФАО (FAO Land Cover Classification System - LCCS). Це ГерархГчна класифГкацГя, що дозволяе описати типи рослинносп для кожного регюну з деталГзацГею, найбГльшою мГрою придатною для експертизи ландшафтного рГзноманГття регГону, при цьому у вГдповГдносп зГ стандартизованим пГдходом для класифкацп. LCCS дае можливГсть регюнальы легенди карт транслювати у бтьш загальнГ класи типГв покриву ЗемлГ для такого глобального продукту, яким е GLC 2000.
На основГ карт класифкацп типГв покриву поверхн ЗемлГ та головних типГв рельефу були обрахованГ карти просторового варГювання ГндексГв рГзноманГття типГв покриву ЗемлГ та рельефного рГзноманГття за Шенноном. Розрахунки виконанГ у програмГ ArcMap 10.2 за допомогою модуля Land Facet Corridor Designer (Jenness et al., 2013). Кластерний аналГз проведений для встановлення агроеколопчних зон. ГеографГчна ГнформацГйна система побудована за допомогою програми ArcGIS 10.2. СтатистичнГ розрахунки виконанГ в програмГ Statistica 10.0.
Pe3ynbTaTi ypoxalmctb cohhwhmky
AHa.i3 oflepxaHMX flaHnx CBiflMMTb npo Te, ^o BpoxalHicTb coHHWHUKy y cmbCbKorocnoflapcbKnx niflnpueMCTBax no.TaBCbKoi o6.acri no paloHax y cepegHboMy 3a 1995-2016 pp. BapiroBa.a b Mexax Big 13,36±1,40 ц/гa (MopHyxaHcbKMM paloH) go 21,81 ±1,89 ^ra (Be^MKo6aranaHcbKMM) (Ta6.. 1).
1. YpoxaMHicTb coHHWHUKy b cmbCbKorocnoflapcbKnx nignp/eMcTBax no.TaBCbKoi o6.acTi no paloHax (ц/гa, 1995-2016 pp.)
PaloH floBipMil iHTepBa.
№ CepegHe MiHiMyM MaKCiiMyM -95 % + 95 % CV, %
1 B.-6araMaHcbKiM 21,81 ±1,89 10,00 40,40 10,00 40,40 40,73
2 ^A^b^ul/i 16,21 ±1,33 6,80 26,20 6,80 26,20 38,53
3 Г.o6мнcbкмм 18,45±1,21 10,70 28,70 10,70 28,70 30,78
4 15,04±1,46 3,70 25,50 3,70 25,50 45,47
5 flмкaнcbкмм 18,81 ±1,58 7,80 33,20 7,80 33,20 39,34
6 3iHKiBCbKMM 18,73±1,77 6,70 33,70 6,70 33,70 44,28
7 Kap^iBcbKil 20,50±1,78 9,60 34,50 9,60 34,50 40,65
8 Кo6e.nцbкмм 15,72±1,42 6,90 30,40 6,90 30,40 42,26
9 Кoзe.b^мнcbкмм 15,70±1,38 5,80 27,90 5,80 27,90 41,08
10 KoTe^eBCbKil 20,06±1,21 6,90 28,20 6,90 28,20 28,34
11 Кpeмeнмyцbкмм 14,61 ±1,04 7,70 26,10 7,70 26,10 33,48
12 ^OXBMЦbKMM 14,97±1,52 5,40 28,40 5,40 28,40 47,77
13 ^yeeHCbKiM 14,52±1,35 4,80 26,90 4,80 26,90 43,69
14 MawiBCbKil 18,84±1,78 8,10 35,00 8,10 35,00 44,30
15 MмpгopoACbкмм 17,04±1,41 7,70 32,10 7,70 32,10 38,94
16 HoBocaHxapcbKil 21,06±1,71 9,40 33,30 9,40 33,30 38,02
17 Оpxмцbкмм 19,44±1,42 7,20 30,80 7,20 30,80 34,38
18 Пмpnтмнcbкмм 16,02±1,38 4,40 28,10 4,40 28,10 40,31
19 no^TaBCbKil 18,27±1,58 8,90 36,80 8,90 36,80 40,47
20 Peweтм.iвcbкмм 19,32±1,49 10,30 35,10 10,30 35,10 36,07
21 CeMeHiBCbKil 16,44±1,52 6,30 28,90 6,30 28,90 43,45
22 Xopo.bCbKiM 17,69±1,40 8,10 31,40 8,10 31,40 37,22
23 MopHyxaHCbKil 13,36±1,40 1,60 25,90 1,60 25,90 49,02
24 MyTiBCbKiM 17,08±1,36 7,70 28,80 7,70 28,80 37,35
25 Uмwaцbкмм 21,54±1,72 9,70 33,70 9,70 33,70 37,43
MiHiMa.bHa BpoxalHicTb BCTaHoB.eHa y MopHyxaHCbKoMy paloi b 1997 p. (1,60 ^ra), a MaKciMa.bHa - y Be.MKo6aranaHcbKoMy paloi b 2013 p. (40,4 ^ra). 3a nepiog flocnigxeHb gjana3oH BapiwBaHHn cepegHboi BpoxalHocTi craHoBi/iB Big 18,00 ц/гa (rno6i/iHcbKi/ii/i paloH) go 30,40 ц/гa (Be.MKo6aranaHcbKMM paloH). HaMMeHWMM piBeHb BapiwBaHHn noKa3HMKiB BpoxalHocTi coHHWHMKy 3a nepiog flocniflxeHHA 6yB xapaKTepHil KoTe.eBCbKoro paloHy (Koe^i^eHT вapiaцií 28,33 %), a Hal6i.bWMM - MopHyxaHCbKoro (CV = 49,03 %).
reorpa^iMHo paloHi/i 3 bmcokmm Ta cepegHiM piBeHeM BpoxalHocTi coHHWHMKy 3ocepegxeHj Ha niBgeHHoMy cxogi (HoBocaHxapcbKoMy, Kap.iBcbKMl paloHi) Ta y ^HTpi (Be.MKo6araMaHcbKMl, Uмmaцbкмм paloHi) (pic. 2). HalMeHwi piBHi BpoxalHocri coHHWUHKy xapaKTepHi niBHiMHoro 3axogy (MopHyxiHcbKMl, ^y6eHCbKiM, ^oxвмцbкмм,
rpe6iHKiBcbKMl) Ta niBgHH o6.acTi (Кpeмeнмyцbкмм, Ko3e.b^MHcbKMl, Ko6e.^bKMi/i).
BcTaHoB.eHo, ^o HalBM^wl piBeHb Bapia6e.bHocn BpoxalHocTi coHHWHUKy xapaKTepHil niBHoMi o6.acri
(MopHyxaHcbKil, ^oxвмцbкмм paloHi). Bmbw CTa6mbHi Bpoxai ogepxywTb b KoTe.eBCbKoMy Ta rno6iiHCbKoMy paloHax. Оцiнмтм 3HaMeHHH npocTopoBoi KoMnoHeHTii BapiwBaHHn MoxHa 3a gonoMororo cтaтмcтмкм MopaHa.
cepegHboro 3HaMeHHH BpoxalHocTi cTaTicTiKa /-MopaHa cK.a.a 0,38. nica 999 paн1цoмiзaцil/l p-piBeHb bIamIhhoctI Big BinagKoBoi a.bтepнaтмвм CK.aB 0,002. TaKiiM miihom, npocTopoBa KoMnoHeHTa BapiwBaHHH cepegHboro piBHH BpoxalHocTi coHflWHiiKy gyxe 3HaMHa. Koe^ieHTy Bapia^i BpoxalHocTi cTaTicTiKa /-MopaHa CKna.a 0,26, a p-piBeHb nica paн1цoмiзaцií CK.aB 0,028, ^o BKa3ye TaKox Ha cyTTeBil BHecoK ^aKTopiB npocTopoBoi npipogi y BapiwBaHHH мiн.мвocтi BpoxalHocTi cmbcbKorocnoflapcbKiix Ky.bTyp.
■11 .OS - 1.11
■11.12- 1.14
□ 1.15- 1.17
□ 1.18- 1.21
■ 122- 1.24
■1125- 1.27
■I12S- 1.30
А
В
> у стьськогосподарських
Рис. 2. Урожайнкть соняшнику (А - середне у ваз1 ц/га, В - коефщ1ент вар1ацп,
п1дприемствах ПолтавськоУ област по районах
Часовий тренд урожайност соняшнику та його просторов! особливост
Анал1з динам1ки урожайност1 соняшнику в стьськогосподарських пiдприeмствах Полтавсько! област1 у час вкaзуe на наявн1сть законом1рного S-подiбного тренду врожайност1 за перюд досл1дження. Певний р1вень врожайност1 на початку 90-х роюв зм1нився р1зким зниженням, яке в1дбувалося до юнця 90-х рок1в. Зниження зм1нилось переконливим зростанням, яке мало характер майже л1н1йно1 залежност в1д часу до юнця 2010-х рок1в, коли в1дбувся локальний максимум урожайност1 соняшнику. В деяких районах за локальним п1ком в1дбулося подальше зниження врожайност1 соняшнику, як, наприклад, у Великобагачанському, Гадяцькому, Диканському та багатьох Ыших. У деяких тенденц1я до зменшення у перюд досл1джень себе не проявила, або проявила непереконливо, наприклад у ЗЫювському, Кобеляцькому, Кременчуцькому та деяких Ыших. Очевидно, що найкращою моделлю для описання спостережуваного глобального тренду вар1ювання врожайност соняшнику e полном третього порядку:
Ух = Ь + ах + а2Х2 +а3х3, де Ух - урожайнкть соняшнику в момент часу х, Ь, аь а2, а3- коефiцieнти.
Особл^ точки полмоммальноУ криво!' третього порядку можуть бути змктовно iнтерпретованi та застосованi для описання динамки урожайносп соняшнику (рис. 3).
Рис. 3. Типова динамка урожайносп соняшнику в ПолтавськоТ областi протягом 1995-2016 рр. та апроксима^я тренду
полномом третього порядку Умовн1 позначки ось абсцис - час (1 - 1995 р., 22 - 2016 р.); ось ординат - урожайнкть, ц/га; Ь - втьний член у рiвняннi полному; Чыш - значення полному в точц локального м^муму; Yмax - значення полному в точц локального максимуму; tga- максимальна швидюсть нарощування урожаю у час мiж мiнiмумом та максимумом, тангенс кута
нахилу дотичноУ до криво' полному в точц перегину.
Втьний член полному - константа Ь, як у випадку з лнмною залежнктю та полномом другого порядку, вказуе на урожайнiсть культури в стартовий перюд. Якщо прийняти, що х= 0 на початку перюду дослiджень, то вiльний член буде вказувати на рiвень урожайностi у цей час. Слщ вiдзначити, що описання реально' динамки обраною аналогичною функцiею - це певним чином генералiзацiя та спрощення. Форма функци та У'' параметри можуть бути обран на основi iнтерполяцií та немае жодних пщстав застосовувати таку фунщю для екстраполяци - тобто для перспективного або ретроспективного прогнозу. Причому обфунтованкть таких прогнозiв буде суттево знижуватися при збiльшеннi часового перюду, в рамках якого вщбуваеться прогноз. ^м того, немае жодних пщстав вважати, що навiть при лагу, який дорiвнюе одиницi вимiрювання часу, система не змiнюе своУ властивостi суттево. Таким чином, константа Ь вказуе на стартовi умови для описання проткання процесу та е самослйним параметром часовоУ динамки змни урожайностi сiльськогосподарськоí культури у час.
Значення функци в точц локального мнмуму вказуе ЧМт на «дно» динамки урожайносп культури. Самм природi тренду ми надаемо агроекономiчне та агротехнологiчне походження. Тому динамка тренду мае характер економiчного циклу з його фазами: пщйом, пк, спад, дно. У часi спостережуване дно продуктивносп сiльськогосподарськоí культури совпало з соцiально-економiчною кризою 90-х роюв, яка виникла як продовження процесу розпаду СРСР. Змни форм господарювання i власностi на землю, що стали основним змктом перетворень в аграрному секторi УкраУни, на жаль, негативно позначилися на родючосп фунлв, що втратили значну частину Гумусу - найродючiшi у свiтi чорноземи перетворились у фунти iз середым рiвнем родючостi й продовжують попршуватись (Коуа! et а1.,, 2012). Реструктуриза^я виробничих вiдношень у сiльському господарс^ та фiнанасово-економiчна криза призвели до агротехнологи виробництва сiльськогосподарських культур, у тому чиш й соняшнику. Безумовно, це безпосередньо вщбилося на урожайносп стьськогосподарських культур.
Наприкiнцi 90-х роюв кризовi явища у сiльському господарс^ закiнчуються та формуються передумови для слйкого розвитку, що проявляе себе майже у лнмному зростаннi урожайносп соняшнику аж до настання максимуму цього показнику наприкнц 2010-х роюв. Стан максимуму продуктивносп культури Yмax вщбивае певну рiвновагу мiж факторами агроекономiчноí та агротехнологiчноí природи з одного боку та бюлопчним потен^алом - з iншого. Очевидно, що при даному рiвнi економiчного забезпечення та агротехнолопчнм системi сiльськогосподарськi упддя здатнi давати найбiльший можливий урожай. У таюй ситуаци слiд очкувати виходу продуктивностi на плато, вар^вання на якому урожайностi буде вже обумовлене ттьки природними флуктуацiями, як за своíм походженням будуть сптьними як у природних екосистемах, та i в агроекосистемах. Замiсть плато може вщбуватися зниження урожайностi, внаслщок чого, власно кажучи, i формуеться локальний максимум. Причини зниження урожайносп пкля досягнення максимуму потребують свого дослщження також у економiчнiй площиы, але на нашу думку, причини найбтьшою мiрою мають агротехнологiчну природу. Порушення сiвозмiн призводить до виснаження фунлв та втратi Тх родючосп, внаслщок чого загальний рiвень урожайносп соняшнику пкля настання локального максимуму, знижуеться.
Мiж локальними м^мумом та максимумом урожайностi вщбуваеться перегин полiномiальноí криво'Г, де друга похщна стае дорiвнювати нулю. У цм точцi швидкiсть нарощування врожаю в перiод мiж мiнiмумом та максимумом стае найбтьшою, а вщповщна динамiка може бути апроксимована лЫмною залежнiстю. Кут нахилу дотично'Г до лнГ регресГГ у точцi перетину вказуе на максимальну швидюсть нарощування урожаю, що може бути характеристичним показником динамки врожайносп.
Координати точок екстремуму функцГГ, яка описуе динамку урожайносп соняшнику, можуть бути знайден пiсля вирiшення рiвняння, яке одержане внаслщок диференцiювання полiному третього ступеню:
Ух' = % + 2 а2х + 3а2 = 0.
Вiдповiдне квадратичне рiвняння мае два рiшення:
х
Мт,Мах
—2а2 ± — 12а3 6 ач
Пiдстaвляючи у рiвняння регресГГ вiдповiднi значення аргументу хмт та хмах можна встановити значення функци Чмт та
УМах-
Точку перегину функцГГ х,- знаходиться у мiсцi, де друга похщна функцГГ дорiвнюе нулю:
Ух" = 2 а2 + 6 а3 = 0.
Рiшенням рiвняння е х, = -2а2/6аз. Значення похщно'Г функцГГ у точцi перегину х, дорiвнюе тангенсу кута нахилу дотичноУ до графку функцГГ, яке ктьюсно дорiвнюе мaксимaльнiй швидкостi зростання урожайносп соняшнику. Параметри та характеристичн точки регресГГ третього порядку динамки тренду урожайносп соняшнику в районах ПолтавськоГ обласп нaведенi у таблиц 1 Додатку 3. Мiнiмaльний рiвень врожaйностi соняшнику в районах ПолтавськоГ облaстi спостерiгaвся у 1998-2000 рр. Таким чином, тренд зниження врожайносп соняшнику як наслщок со^ально-економiчноí кризи початку 90-Г рокiв спостер^ався аж до початку 21 столггтя, пiсля чого вiдбулaся змiнa напрямку тренда та розпочалося зростання урожайносп ^е'Г культури. М^мальы рiвнi урожайносп, обумовлен глобальним трендом, становили 6,7-13,8 ц/га. Слщ вiдзнaчити, що у даному випадку мова йде не про абсолюты м^муми, як е результатом динамки урожайносп соняшнику, обумовлено'Г глобальним трендом та локальними флуктуа^ями, як можуть мати агроеколопчну, або випадкову природу.
Локальний максимум урожайносп соняшнику було досягнуто у 2012-2015 рр., вщповщно пiсля чого почали спостер^атися тенденцГГ до зниження продуктивной посiвiв цiеí культури. Максимум урожайносп, обумовлений глобальним трендом, склав 21,3-34,7 ц/га. В iнтервaлi мiж точками екстремуму максимальна швидкiсть зростання урожайносп соняшнику спостер^алася у 2005-2007 рр.
Просторове вар^вання пaрaметрiв та характеристичних точок регресГГ тренду третього порядку урожайносп соняшнику за перюд 1995-2016 рр. наведено на рис. 4.
A
а
Рис. 4. Просторове вар^вання параметрiв та характеристичних точок регреси тренду третього порядку урожайносп соняшнику за перюд 1995-2016 рр. А - коефiцiент Ь - потен^ал врожайностi на початок перюду, В - коефiцiент а -
швидюсть зростання урожайностi у точц перегину
Коефiцiент регресп Ь, або потен^ал врожайностi на початок перюду дослщження, демонструе закономiрну просторову варiабельнiсть. Найбiльший та помiрний потенцiал характерний для схщних та бiльшою мiрою - для центральних, районiв области Цi райони формують досить просторово компактний кластер. Райони з найменшим початковим потен^алом зосереджен на твычному заходi областi та також утворюють компактний кластер. Швидкiсть зростання урожайносп соняшнику в перiод мiж локальним м^мумом та максимумом формуе специфiчнi просторовi патерни. З одного боку, райони з подiбним рiвнем показнику зростання урожайносп розмщеы, як правило поряд, формуючи спорщнеы кластери. Найбтьший та помiрний рiвень зростання урожайносп встановлений для твычних та центральних райоыв областi. Найменша швидкiсть зростання встановлена для твденних захiдних райоыв (Глобинський, Кременчуцький), а також для Котелевського, який знаходиться на сходi области
Мiж значеннями урожайностi в локальному мiнiмумi та локальному максимумi встановлений позитивний кореляцiйний зв'язок (г = 0,39, р = 0,05). Мiж значеннями урожайностi в локальному мiнiмумi та максимальною швидкiстю зростання урожайносп соняшнику встановлений вщ'емний кореляцмний зв'язок (г= -0,65, р= 0,00), у той час як мiж значеннями урожайносп в локальному максимумi та максимальною швидюстю зростання урожайносп лнйний статистично вiрогiдний кореляцiйний зв'язок вщсутнм (г= 0,12, р = 0,56). Таким чином, падЫня продуктивносп соняшнику, яке спостерiгаеться у рамках загального тренду, а також швидюсть подальшого вiдновлення урожайностi взаемопов'язанi та визначаються агроекономiчними та агротехнологiчними чинниками. У той час як для максимально1 урожайносп лiмiтуючими факторами виступають чинники агроеколоичноТ природи за умов необхщного агроекономiчного та агротехнологiчного забезпечення виробництва соняшнику.
Найбтьше зниження урожайносп соняшнику внаслщок соцiально-економiчноí кризи вщбулося у пiвнiчних захiдних районах - Лохвицькому, Чорнухинському та Лубенському районах (рис. 5). Найменше зниження урожайносп спостеркалось у Котелевському райони У цтому, центральна широтна зона област (Новосанжарський, Решетилiвський, Шишацький, Великобагачанський, Глобинський та Оржицький райони) характеризувались високим рiвнем слйкосп агровиробництва у аспект урожайностi соняшнику. Менш стiйким опинилось виробництво у твденних районах (Козельщинський, Кременчуцький, Кобеляцький), а також у твычних схiдних районах (Гадяцький та Зенювський).
Найбiльше значення локального максимуму було характерне для центральних райоыв област (Шишацький та Великобагачанський). Досить високий рiвень максимально1 урожайностi соняшнику характерний для твденних схiдних райоыв (Карлiвський, Машiвський та Новосанжарський), а також для ЗЫювського, який знаходиться на твычному сходi. Найменший продущйний потенцiал соняшнику характерний для Чорнухинського та Кременчуцького райоыв.
A
Рис. 5. Просторове вар^вання пaрaметрiв регресп тренду третього порядку урожайносп соняшнику за перюд 1991 -2016 рр. А - значення регресмно'Г функцГГ у точцi мiнiмуму, В - значення регресмноГ функцГГ у точц максимуму
Мiж значеннями урожайносп в локальному мiнiмумi та коефiцiентом детермiнaцГГ полiному третього порядку встановлений негативний статистично вiрогiдний кореляцiйний зв'язок (г= -0,45, р= 0,03). Мiж значеннями урожaйностi в локальному мaксимумi та коефiцiентом детермiнaцГГ полiному лЫмний статистично вiрогiдний кореляцiйний зв'язок вщсутнм (г= 0,08, р = 0,72). Найкраще загальний тренд вaрiювaння урожайносп соняшнику за допомогою полiному третього порядку описаний для Великобагачанського району (рис. 6).
Рис. 6. Просторове вар^вання коефщieнту детермнацп регреси тренду третього порядку урожайносп соняшнику
протягом 1991-2016 рр.
Розмщення районiв з великим значенням коефiцiенту детермiнацií мае характер <^рки», променi якоí розходяться вiд Великобагачанського району. У свою чергу, найменше значення глобального полному третього порядку для пояснення варiабельностi урожайносп соняшнику встановлене для твычних захщних райоыв.
Параметри моделi тренду третього порядку врожайносп соняшнику характеризуються наявнiстю певного рiвня просторовоí компоненти своеГ мнливосл. Статистика /-Морана для коефiцiенту Ь становить 0,48. Пкля процедури рандомiзацií встановлений ревень вiрогiдностi вiдмiнностi вщ випадковоí альтернативи 0,001. Для коефiцiенту а статистика /-Морана становить -0,11 (р-ртень 0,34), а для коефiцiенту детермiнацií Й2 - 0,09 (р-ртень 0,16). Таким чином, потен^ал урожайностi соняшнику на початку перюду дослiджень характеризуеться найбтьшим рiвнем просторовоí залежностi, тодi як у вар^ваны швидкостi зростання врожайносп та для коефiцiенту детермнацп просторова компонента е не дуже важливою. Статистика /-Морана для значення лни тренда в зон мiнiмуму становить 0,26, а в зон максимуму - 0,35. Пкля процедури рандомiзацГí встановлений ревень вiрогiдностi вiдмiнностi вщ випадковоí альтернативи 0,021 та 0,006 вщповщно. Афоеколопчна детерм1нац1я тренду врожайносп соняшнику
Загальна лiнiйна модель впливу показниюв рiзноманiття ландшафтного покриву, топографiчного iндексу вологостi, iндексу ерозГГ та Гх взаемодп на коефiцiенту детермiнацií тренду третього порядку здатна пояснити 56 % вар^вання цiеí ознаки (табл. 2).
Таблиця 2. Загальна лнмна модель впливу показникiв рiзноманiття ландшафтного покриву, топографiчного iндексу вологосп, iндексу ерозГГ та íх взаемоди на коефiцiент детермiнацií тренду третього порядку (Й2 = 0,56)_
Предиктор Сума квадратiв Ступеы свободи Середня сума квадралв F- вiдношення pрiвень
Ландшафтне рiзноманiття (Land) 0,016 1 0,016 5,15 0,04
Рiзноманiття рослинного покриву (Plant) 0,006 1 0,006 2,02 0,18
Топографiчний iндекс вологостi (TWI) 0,027 1 0,027 8,65 0,01
1ндекс ерозГГ (LS) 0,004 1 0,004 1,21 0,29
Land*Plant 0,001 1 0,001 0,45 0,51
Land*TWI 0,022 1 0,022 6,91 0,02
Plant*TWI 0,006 1 0,006 1,87 0,19
Land*LS 0,002 1 0,002 0,69 0,42
Plant*LS 0,002 1 0,002 0,67 0,42
TWI*LS 0,010 1 0,010 3,03 0,10
Помилка 0,047 15 0,003 - -
Статистично вiрогiдним предиктором коефiцiенту детермiнaцГГ е топогрaфiчний iндекс вологостi та взaемодiя цього Ыдексу з iндексом рельефного рiзномaнiття. Топогрaфiчний iндекс характеризуеться позитивним регресмним коефiцiентом (4,13±1,41), що вказуе на те, що у бiльш сприятливих умовах зволоження ефективнкть aгроекономiчних та aгротехнологiчних зaходiв е бiльш високою. У свою чергу взаемний вплив рельефного рiзномaнiття та топогрaфiчного iндексу вологостi е вщ'емним (-19,29±7,34). Очевидно, склaднi рельефы умови викликають додaтковi труднощi при виконан aгротехнологiчних оперaцiй, що певним чином нейтрaлiзуе сприятливi умови зволоження. Загальна лЫмна модель впливу показниюв рiзномaнiття ландшафтного покриву, топогрaфiчного Ыдексу вологостi, iндексу ерозГГ та Гх взаемодГГ на коефiцiент Ь тренду здатна пояснити 67 % вар^вання цього показнику (табл. 3).
Таблиця 3. Загальна лЫмна модель впливу показниюв рiзномaнiття ландшафтного покриву, топогрaфiчного iндексу вологостi, iндексу ерозГГ та Гх взаемодГГ на коефiцiент Ь тренду (Й2 = 0,67)_
Предиктор Сума квадратiв Ступеы свободи Середня сума квадралв F- вщношення ревень
Ландшафтне pi3HOMaHirm (Land) 0,010 1 0,010 3,77 0,07
Рiзноманiття рослинного покриву (Plant) 0,018 1 0,018 6,43 0,02
Топографiчний iндекс вологосп (TWI) 0,010 1 0,010 3,72 0,07
1ндекс ерозГГ (LS) 0,037 1 0,037 13,51 0,00
Land*Plant 0,000 1 0,000 0,03 0,86
Land*TWI 0,008 1 0,008 2,95 0,11
Plant*TWI 0,017 1 0,017 6,20 0,03
Land*LS 0,009 1 0,009 3,15 0,10
Plant*LS 0,029 1 0,029 10,68 0,01
TWI*LS 0,018 1 0,018 6,45 0,02
Помилка 0,041 15 0,003 - -
Стартовий потен^ал урожaйностi статистично вiрогiдно залежить вiд рельефного рiзномaнiття та рiзномaнiття рослинного покриву, топогрaфiчного Ыдексу вологостi та iндексу ерозГГ, а також взаемодГГ мiж рiзномaнiттям рослинного покриву та топогрaфiчного iндексу вологосп, рiзномaнiттям рослинного покриву та Ыдексом ерозГГ, взaемодiею топогрaфiчного iндексу вологосп та Ыдексу ерозГГ. Значна залежнкть коефiцiенту Ь вiд aгроекологiчних предикторiв пояснюе значну просторову компоненту його вар^вання. Рiзномaнiття рельефне негативно впливае на коефiцiент Ь (-7,32±3,77), а рiзномaнiття рослинного покриву - позитивно (8,89±3,51). Позитивно впливае на коефiцiент Ь топогрaфiчний iндекс вологосп (1,35±0,71), але негативно впливае Ыдекс ерозГГ (-2,67±0,73). Взаемний вплив рослинного рiзномaнiття та топогрaфiчного iндексу вологосп, як i iндексу ерозГГ, е негативним (-8,21 ±3,29 та -0,64±0,19 вщповщно). У свою чергу, позитивним е взаемний вплив топогрaфiчного Ыдексу вологостi та iндексу ерозГГ (2,51 ±0,98). Слщ вiдзнaчити, що характер не кожного типу статистично вiрогiдного впливу в рамках складноГ системи взаемодм можна просто мтерпретувати. Головний результат - це те, що у формуванн стартового потен^алу урожaйностi соняшнику приймае участь складна взaемодiя екологiчних процесiв, якi меншою мiрою формально можуть бути описан за допомогою застосованих екологiчних предикторiв з урахуванням Гх статистичних взаемодм. Загальна лммна модель впливу показниюв рiзномaнiття ландшафтного покриву, топогрaфiчного Ыдексу вологостi, iндексу ерозГГ та Гх взаемодГГ на коефiцiент атренду здатна пояснити 79 % вар^вання цього показнику (табл. 4).
Таблиця 4. Загальна лммна модель впливу показниюв рiзномaнiття ландшафтного покриву, топогрaфiчного Ыдексу вологостi, iндексу ерозГГ та Гх взаемодГГ на коефiцiент атренду (Й2 = 0,79)_
Предиктор Сума квадратiв Ступенi свободи Середня сума квадратiв /-вщношення ревень
Ландшафтне рiзноманiття (Land) 0,042 1 0,042 5,11 0,04
Рiзноманiття рослинного покриву (Plant) 0,032 1 0,032 3,93 0,07
Топографiчний iндекс вологосп (TWI) 0,134 1 0,134 16,21 0,00
1ндекс ерозГГ (LS) 0,370 1 0,370 44,95 0,00
Land*Plant 0,007 1 0,007 0,86 0,37
Land*TWI 0,024 1 0,024 2,87 0,11
Plant*TWI 0,029 1 0,029 3,47 0,08
Land*LS 0,121 1 0,121 14,72 0,00
Plant*LS 0,041 1 0,041 5,02 0,04
TWI*LS 0,354 1 0,354 42,98 0,00
Помилка 0,124 15 0,008 - -
Обран предиктори характеризуються статистично вiрогiдним впливом на значення максимальное швидкост зростання урожайносп за перiод дослщжень. Важливу роль також вiдiграють взаемоди мiж предикторами. Встановлено, що складнкть рельефного оточення, яке знаходить свое вщображення у рельефному рiзноманiттi, негативно впливае на темпи зростання урожайносп соняшнику (-12,21 ±5,41). Рiзноманiття рослинного покриву е обставиною, яка здмснюе стимулюючий вплив на швидюсть збтьшення урожайностi соняшнику (9,97±5,03). Також позитивний вплив мають топографiчний iндекс вологостi та iндекс ерози (4,05±1,01 та 6,98±1,05). Слiд утримуватися вiд буквального трактування дiагностичноí цiнностi геоморфологiчних предикторiв, пам'ятаючи реальну процедуру \х розрахунку. 1ндекс ерози пропорцмний довжинi схилу, що також можна Ытерпретувати як довжину прогону в межах поля. З одного боку, як фактор ерози, ця геоморфолопчна обставина е несприятливим фактором, але якщо цей показник розглядати з боку конфкураци поля, то поля з бтьш великою довжиною прогоыв мають бтьш боытет. Значну роль в^грае взаемодiя iндексу ерози з Ышими предикторами. Взаемодiя з рельефним рiзноманiттям е позитивною (2,65±0,69), а з рослинним рiзноманiттям та топографiчним iндексом вологостi - негативною (-0,63±0,28 та -9,29±1,42 вiдповiдно). Загальна лЫмна модель впливу показникiв рiзноманiття ландшафтного покриву, топографiчного iндексу вологосп, iндексу ерози та \х взаемоди на м^мум тренду здатна пояснити 76 % вар^вання цього показнику (табл. 5).
Таблиця 5. Загальна лЫмна модель впливу показникiв рiзноманiття ландшафтного покриву, топографiчного iндексу вологосп, Ыдексу ероз^ та ]х взаемоди на мпмум тренду (Й2 = 0,76)_
Предиктор Сума квадратiв Ступенi свободи Середня сума квадратiв Fвiдношення р-ртень
Ландшафтне рiзноманiття (Land) 0,024 1 0,024 16,63 0,00
Рiзноманiття рослинного покриву (Plant) 0,034 1 0,034 23,52 0,00
Топографiчний Ыдекс вологостi (TWI) 0,002 1 0,002 1,43 0,25
1ндекс ерози (LS) 0,042 1 0,042 29,36 0,00
Land*Plant 0,001 1 0,001 0,37 0,55
Land*TWI 0,028 1 0,028 19,87 0,00
Plant*TWI 0,036 1 0,036 24,93 0,00
Land*LS 0,002 1 0,002 1,73 0,21
Plant*LS 0,032 1 0,032 22,50 0,00
TWI*LS 0,047 1 0,047 33,08 0,00
Помилка 0,021 15 0,001 - -
Ми вважаемо, що загальний рiвень мнмуму тренду як показника розвитку наслщюв соцiально-економiчноí кризи визначаеться агроекономiчними чинниками та як наслщок - зниженням культури землеробства без вщповщного фiнансування агротехнiчних заходiв виробництва. Але варiювання значень мнмуму мiж адмiнiстративними районами певною мiрою залежить також i вiд агроеколопчних умов, що нами i показане. Так, статистично вiрогiдними предикторами локального м^муму врожайностi соняшнику е як рельефне рiзноманiття, та i рiзноманiття рослинного покриву, а також Ыдекс ерози. Через взаемодiю з Ыдексами рiзноманiття та iндексом ерози проявляе себе топографiчний iндекс вологостi. Взаемний вплив на мнмальний рiвень урожайносп соняшнику здмснюють також iндекс ерози та рiзноманiття рослинного покриву. Таким чином, сприятливi агроекологiчнi умови можуть пом'якшувати негативнi наслiдки економiчноí кризи.
Таблиця 6. Загальна лЫмна модель впливу показниюв рiзноманiття ландшафтного покриву, топографiчного iндексу вологостi, iндексу ерози та ]х взаемоди на максимум тренду (Й2 = 0,61)_
Предиктор Сума квадратiв Ступенi свободи Середня сума квадратiв Fв¡дношення ревень
Ландшафтне рiзноманiття (Land) 0,010 1 0,010 7,51 0,02
Рiзноманiття рослинного покриву (Plant) 0,021 1 0,021 15,49 0,00
Топографiчний iндекс вологосп (TWI) 0,019 1 0,019 14,12 0,00
1ндекс ерози (LS) 0,008 1 0,008 5,72 0,03
Land*Plant 0,001 1 0,001 0,74 0,40
Land*TWI 0,008 1 0,008 5,64 0,03
Plant*TWI 0,023 1 0,023 16,64 0,00
Land*LS 0,004 1 0,004 3,25 0,09
Plant*LS 0,028 1 0,028 20,20 0,00
TWI*LS 0,004 1 0,004 2,61 0,13
Помилка 0,020 15 0,001 - -
Загальна лЫмна модель впливу показниюв рiзноманiття ландшафтного покриву, топографiчного iндексу вологостi, Ыдексу ерозГГ та Ух взаемодп' на максимум тренду здатна пояснити 61 % вар^вання цього показнику (див. табл. 6). Майже ус дослужен предиктори, за винятком показнику взаемодiе рельефного рiзноманiття та рiзноманiття рослинного покриву, а також взаемодп' топографiчного iндексу вологостi та iндексу ерозп, впливають на максимальне значення урожайносп соняшнику по адмiнiстративним районам ПолтавськоУ областi. Ця обставина пiдтверджуе нашу ппотезу про значну агроекологiчну обумовленкть найбiльших рiвнiв урожайностi соняшнику. Найважливш значення у визначенi максимального врожаю вiдiграе позитивний вплив рiзноманiття рослинного покриву (15,41 ±3,17) та взаемодiя топографiчного iндексу вологосп з рельефним рiзноманiттям (14,77±3,31).
Прогнозоване значення коефiцiенту зростання тренду врожайносп соняшнику вказуе на бiотичний потен^ал територп для зростання урожайностi внаслщок агроекономiчних та агроекологiчних зусиль, яке обумовлене агроеколопчними чинниками). Вiдповiдно до прогнозованого значення коефiцiенту зростання райони розподтен на три агроекологiчнi групи: з низьким потен^алом зростання (Ь < 0,044), помiрним потенцiалом зростання (0,044< Ь < 0,051) та великим потенциалом зростання (Ь > 0,051) (рис. 7).
Рис. 7. Агроеколопчне районування територп ПолтавськоУ областi за агроекологiчним потен^алом зростання урожайностi соняшнику. Умовн1 позначки. 1 - низький потен^ал; 2 - помiрний потенцiал; 3 - високий потен^ал.
Райони з високим агроеколопчним потенцiалом росту урожайностi соняшнику зосереджен у пiвнiчний та центральна частинi областi. Райони з низьким агроеколопчним потен^алом знаходиться на сходi та у центральнiй частинi обласп, яка наближена до заходу. Райони з помiрним потенцiалом займають знаходяться на твды та сходi обласп.
Природно-еколог1чн1 аспекти динамки врожайност соняшнику
Аналiз тренду варiювання урожайностi соняшнику показав, що вiн може бути описаний за допомогою полiному третього порядку. Параметри полному та характеристичн точки вщбивають динамiку урожайностi соняшнику та демонструють певний рiвень просторово'' залежностi та можуть бути пояснен за допомогою агроеколопчних предикторiв. Причиною формування закономiрного тренду врожайностi соняшнику протягом перюду дослiдження е сукупнкть факторiв агроекономiчноí та агротехнологiчноí природи. Просторовi особливостi протiкання процесiв реалiзацп бiотичного потенцiалу територп пiд впливом агротехнологп обумовленi и агроекологiчними особливостями. Формально залишок тренду складаеться з двох компонент: регулярно', яка не може бути пояснена у рамках моделi глобального тренду та Ыформацмний шум. 1нформацмний шум представляе собою випадковий процес, який нескорельований мiж рiзними адмнстративними районами. Регулярна компонента мае погоджену динамку мiж юлькома адмiнiстративними районами, у випадку, коли керуюча причина мае поширення бтьше, нiж межi окремого адмiнiстративного району. У Ышому випадку регулярну компоненту неможливо вiдрiзнити вiд iнформацiйного шуму. Багатовимiрний аналiз залишкiв регресiйних моделей, як описують глобальний тренд мЫливосп соняшнику в адмiнiстративних районах ПолтавськоУ областi, дозволив виявити чотири фактори, власы числа яких перевищують одиницю. Загалом, першi чотири фактори пояснюють 84,9 % загально'' варiабельностi залишюв. Фактор 1 пояснюе 63,9 % варiабельностi простору ознак. Вiн вказуе на синхронну варiабельнiсть урожайностi соняшнику в твнчних захiдних районах обласп. Значення цього фактору затухае у твденному напрямку (рис. 8). ^вдены райони зовсiм не вiдчувають коливально' динамiки, яку цей фактор вщдзеркалюе.
Фактор 2 описуе 11,4 % варiабельностi простору ознак. Цей фактор чутливий до варiабельностi врожайносп соняшнику в схщних та центральних районах обласп. Ареал найбшьш чутливих до ди цього фактору районiв мае дизруптивний
Ukrainian Journal of Ecology, 7(3), 2017
(розiрваний) характер. Фактор 3 описуе 5,8 % варiабельностi простору ознак. Централью райони з пiвночi до твдня найбтьш чутливi до цього фактору. Його значення найменше на сходi та заходi областi. Фактор 4 пояснюе 4,4 % варiабельностi. ВЫ вказуе на динамiчнi процеси, як розгортаються переважно на твденному сходi областi.
Рис. 8. Просторове вар^вання навантажень багатовимiрних факторiв 1 -4
Встановлен фактори вiддзеркалюють структуру динамки урожайност соняшнику, яка обумовлена Ышими, нiж агроекономiчнi та агротехнолопчы причинами. Пiдтвердженням цiеí позицп е закономiрний розподiл значень цих факторiв у просторi. Статистики Морана вказують на велику просторову компоненту вар^вання факторiв 1, 3, 4. Статистики /-Морана велик за модулем та статистично вiрогiдно вiдрiзняються вiд випадкових альтернатив (для вех факторiв р< 0,01). Велика просторова обумовленкть факторiв вказуе на \х агроеколопчну природу. Просторова компонента варiювання для фактору 2 не статистично вiрогiдною на обраному масштабному рiвнi. Вар^вання у часi факторiв 1 -4 вказуе на рiзнi частотнi характеристики, як властивi цим процесам (рис. 8).
1.5 0.5 -0.5 -1.5 -2.5
1994 1998 2002 2006 2010 2014 2018
Рк
Рис. 9. Вар^вання у час багатовимiрних факторiв 1 -4
Результати спектрального аналiзу свщчать про те, що у часовiй динамiцi фактору 1 можна видтити найголовнiший перiод довжиною 4,4 роки (рис. 10).
Динамка фактору 2 у час бтьш складна. Для неУ характернi перюди 2,2, 4,4 та 11 роюв. Особливе значення мае перюд 11 рокiв, дещо менше - 2,2 роки.
Рис. 10. Перюдограма факторiв 1 -4
Для фактору 3 найважлившими складовими динамки е компоненти з перiодами 2, 2,75-3,14, 4,4 та 7,3 роки. Головы особливосп динамки фактору 3 визначають перюди 2,75-3,14 та 4,4 роки. Складовими динамки фактору 4 е компоненти з перюдичнктю 2,2, 5,5-7,3 роки.
Таким чином, найбтьш типовим перюдом коливання е перюд 4,4 роки, який робить суттевий внесок у динамку факторiв 1, 2 та 3. Важливу роль мае також кратний до нього перюд 2,2 роки, який проявляе себе для факторiв 2 та 4. Найбтьший за тривалктю перюд встановлений для фактору 2 який дорiвнюе 11 рокам. Менш тривалi перюди 5,5 та 7,3 роки характеры для фактору 4, та фактору 3 (7,3 роки) та фактору 2 (5,5 роки).
На твычному заходi найбтьш типовим е перюд коливання урожайносп соняшнику з перюдичнктю 3,14-4,4 роюв. На сходi динамка вщбуваеться з перюдичнктю 3,14 роюв, але з зсувом по фазi майже на три роки. Також на сходi набувають значення коливання перiодичнiстю 2,0-2,2 та 11 роюв.
У центральна частинi областi, яка сполучае схщну та захiдну зони також спостер^аеться коливання з перiодом 4,4 роки, яке характерне також i для сходу i для заходу, але значення цього коливального процесу суттево поступаеться Ышим складовим динамiки. Найбтьшу роль у центральнiй частинi обласп вiдiграють бiльш високочастотнi коливання урожайносп соняшнику з перюдичнктю 2,4-3,1 роки. Для твденних та пiвденно схщних районiв домiнуючим е перiод 7,3 роки.
На основi значень факторiв 1-4 проведена кластериза^я районiв областi (рис. 11). Встановлено, що райони можуть бути ч^ко розподiленi на чотири кластери (групи). Кластер 1 сформований районами на твычному заходi областi (рис. 11). Кластер 2 поеднуе твычы, централью та пiвденнi райони у меридюнальному напрямку. Кластери 2 та 4 лсно переплетенi так, що Ух слщ розглядати як пщзони загальноУ агроекологiчноУ зони, яка знаходиться на твденному сходi областi.
Be^HKoGaranaHCbKHH MamiBCbKHH HoBocaH^ap cbKHH fl,HKaHCbKHH KoTe^eBCbKHH Kap^iBCbKHH no^TaBCbKHH PemeraniBCbKHH HyTiBCbKHH Kooe.n^bKHH Ko3e^b^HHCbKHH rag^bKHH fflHma^KHH r.oGHHCbKHH 3iHKiBCbKHH CeMeHiBCbKHH Xop O.bCbKHH
Kp eMerny ^khh M up rop ogcbKHH HOXBH^KHH Hop Hy xaHCb khh rp eGiHKiBCbKHH Op^^bKHH HyGeHCbKHH nHpaTHHCbKHH
0 12 3
^HcraH^a 3B'a3Ky
Pic. 11. KnacrepHi/ii/i aHani3 pai/oHiB nonTaBcbKoi o6nacri 3a oco6ni/iBocTflMi/i ,qi/iHaMiKi/i ypoxaiHocTi coHAWHi/iKy (MeTog
yopga, EBKnigoBa BigcraHb)
Pic. 12. npocTopoBe po3Mi^eHHn KnacrepiB, BcraHoBneHi/ix Ha ocHOBi Bapi^BaHHn ypoxaiHocTi coHAWHi/iKy
MoTi/ipi/i arpoeKonoriMHi 3OHM BcraHoBneHi Ha OcHOBi oco6nMBocTei цмкniмнoí giHaMiKM ypoxaiHocTi coHAWHi/iKy Baxni/iBi/iM acneKTOM e BM3HaneHHn oco6nMBocTei ^/ix 3OH y Big-ioweHHi go 3aranbHoro piBHn ypoxaiHocri. BcTaHOBneHO, ^o arpoeKonoriMHi 3ohm (Knacrepi/i) craTi/icTi/mHo BiporigHo Biflpi3HnwTbcn 3a MiHiManbHi/iM Ta MaKci/iManbHi/iM 3HaneHHflMM
полмомлального тренду урожайносп соняшнику (Р= 3,62, р= 0,03 та Р= 3,49, р= 0,03 вiдповiдно). Найвищим потенцiалом урожайносп характеризуеться кластер 2 (рис. 13).
1.2
1.0
0.8
1.5
1.4 -
1.3
1
2
3
4
1
2
3
4
Рис. 13. Параметри урожайносп соняшнику по агроеколопчним зонам (кластерам, ось абсцис). Представлене мнмальне та максимальне значення полiномiального тренду (ц/га, логарифмован данО
У свою чергу, найнижчий рiвень зниження врожайносп можна очiкувати у межах кластеру 4. Можна стверджувати, що цi два кластери формують цткну агроекологiчну зону, яка характеризуеться найбтьшим продукцiйним потенцiалом для вирощування соняшнику. Ця зона знаходиться у твденному сходi ПолтавськоТ областi. Найнижчий продукцмний потенцiал характерний для кластеру 1. Цей кластер знаходиться на твычному заходи Перехщы показники врожайносп характеры для кластеру 3.
Обговорення
Таким чином, аналiз просторовоУ та часовоУ динамiки врожайностi соняшнику в Полтавськм областi показав складний характер процеав, якi VI визначають. Загальною особливiстю змiн у часi для вех адмнстративних районiв е наявнкть тренду, який вiдповiдно до його складносп може бути описаний полномом третього ступеню. У формулi полному ттьки вiльний член може бути змктовно iнтерпретований як потенцiал урожайносп культури на початку перюду дослщження. Цей показник слiд розглядати як спадок вщ виробничих вiдносин, як розпалися внаслiдок соцiально-економiчноí кризи початку 90-х роюв. Iншi коефiцiенту полному не можуть бути змiстовно нтерпретоваы, так як вони мають суто математичний сенс. Для порiвняння особливостей динамки урожайносп соняшнику ми розробили та застосували метод характеристичних точок. На графку полному обран особливi (характеристично точки, як найбiльш суттево його характеризують та можуть бути змктовно iнтерпретованi. Таким точками е значення полному в точц локального мнмуму, максимуму та найбiльша швидюсть змiни урожайностi у дiапазонi мiж локальним мiнiмумом та локальним максимумом. Ц характеристичнi точки об'емно вщдзеркалюють специфiку динамiки змiни урожайностi соняшнику по районах. ^м того, ц характеристичнi точки володiють значною компонентою просторовоУ мiнливостi, а також можуть бути статистично вiрогiдно поясненi за допомогою агроекологiчних предикторiв. 1снування явища трендовоУ динамiки урожайностi сiльськогосподарських культур, на нашу думку, обумовлене причинами тотально'!' природи, а саме -агроекономiчними та агротехнолопчними факторами. Ц фактори безпосередньо розгортають бiотичний потен^ал територп щодо можливостi продукцп урожаю. Та обставина, що параметри тренду також залежать вщ агроеколопчних предикторiв свiдчить про те, що особливосп розгортання бiотичного потенцiалу залежать вщ екологiчних обставин. Спiввiдношення загалом соцiально-економiчних та природно-екологiчних факторiв у формуванн врожаю рiзне залежно вiд етатв динамiки. На рiвнi мiнiмальноí продуктивной найважливiшими е чинники соцiально-економiчноí природи. Це обумовлене тим, що агроеколопчна система знаходиться далеко вщ максимально! еколопчноУ емностi, тому роль лiмiтуючих факторiв виконують агроекономiчнi та агротехнолопчы фактори. У зонi максимальних урожа'в, якi досягаються систематичними багаторiчними зусиллями, агроеколопчы фактори набувають значення лiмiтуючих. Але якiсна перебудова виробництва, яка потребуе економiчних витрат та впровадження новггых агротехнологiчних пiдходiв е единою можливктю подальшого збiльшення продуктивностi стьськогосподарських угiдь при збереженнi екологiчноí рiвноваги. Таке рiшення е основую спйкого розвитку агропромислового комплексу.
Висновки
Врожайнкть соняшнику в сiльськогосподарських пiдприемствах ПолтавськоТ областi по районах у середньому за 19952016 рр. варивала в межах вiд 13,36±1,40 ц/га (Чорнуханський район) до 21,81 ±1,89 ц/га (Великобагачанський). Найменший рiвень вар^вання показникiв врожайносп соняшнику за перюд дослiдження був характерний для Котелевського району (коефiцiент варiацií 28,33 %), а найбтьший - для Чорнуханського (CV = 49,03 %). Просторова компонента вар^вання середнього рiвня врожайностi соняшнику дуже значна.
Аналiз динамiки урожайностi соняшнику в стьськогосподарських пщприемствах Полтавськоí обласл у часi вказуе на наявнкть чiткого тренду змiни врожайностi за перюд дослщження, який можна описати за допомогою полному третього порядку. Особливi точки полiномiальноí кривоУ третього порядку можуть бути змктовно нтерпретоваы та застосованi для описання динамки урожайносп соняшнику.
Втьний член полному вказуе на урожайнкть культури в стартовий перюд. Значення функци в точц локального MiHiMyMy вказуе на «дно» динамки урожайносп культури. Стан максимуму продуктивное^ культури вiдбивае певну рiвновагу мiж факторами агроекономiчноí та агротехнолопчноУ природи з одного боку та бюлопчним потенцiалом - з ншого.
Параметри та особливi точки тренду урожайносп соняшнику можуть бути пояснен за допомогою показникiв рiзноманiття ландшафтного покриву, топографiчного iндексу вологостi, ндексу ерозп та ix взаемодп'. Вщповщно до прогнозованого значення коефiцiенту зростання райони розподтеы на три агроеколопчн групи: з низьким потенцiалом зростання (b < 0,044), помiрним потен^алом зростання (0,044< b < 0,051) та великим потен^алом зростання (b> 0,051).
Варiабельнiсть урожайностi соняшнику, яка знаходиться поза межами полiномiального тренду, може бути описана за допомогою чотирьох багатовимiрниx факторiв, якi разом пояснюють 84,9 % варiабельностi простору ознак. Ц фактори характеризуються закономiрною мiнливiстю у просторi та час.
Вар^вання у часi факторiв 1-4 вказуе на рiзнi частотнi характеристики, як властивi цим процесам. Найбтьш типовим перiодом коливання е перюд 4,4 роки, який робить суттевий внесок у динамку факторiв 1, 2 та 3. Важливу роль мае також кратний до нього перюд 2,2 роки, який проявляе себе для факторiв 2 та 4. Найбтьший за тривалктю перюд встановлений для фактору 2 який дорiвнюе 11 рокам. Менш тривалi перюди 5,5 та 7,3 роки характеры для фактору 4, та фактору 3 (7,3 роки) та фактору 2 (5,5 роки).
На основi факторiв 1-4 проведена кластериза^я райоыв обласп, якi ч^ко розподiленi на чотири кластери (агроеколопчних зони). Найвищим потенцiалом урожайностi соняшнику характеризуеться агроеколопчна зона, яка мае дизруптивний ареал на сxодi обласп. Найнижчий продукцiйний потенцiал характерний для агроеколопчноУ зони на пiвнiчному заходп Переxiднi показники врожайностi xарактернi для агроеколопчноУ зони, яка мае центральне широтне розмщення та агроекологiчна зона за сxодi областi.
References
Anaya-Romero, M., Pino, R., Moreira, J., Mujoz-Rojas, M., de la Rosa, D. (2011). Analysis of soil capability versus land use change by using CORINE land cover and MicroLEIS. Int. Agrophys., 25, 395-398.
Antrop, M. (2005). Why landscapes of the past are important for the future. Landscape Urban Plan, 70, 21 -34. Beven K., Kirkby N. (1979). A physically based variable contributing area model of basin hydrology. Hydro. Sci. Bull, 24, 43-69. Bohan, D.A., Raybould, A., Mulder, C., Woodward, G., Tamaddoni-Nezhad, A., Bluthgen, N., Pocock, M.J.O., Muggleton, S., Evans, D.M., Astegiano, J., Massol, F., Loeuille, N., Petit. S., Macfadyen, S. (2013). Networking agroecology: integrating the diversity of agroecosystem interactions. Adv. Ecol. Res., 49, 1 -67.
Brisson, N., Gate, P., Gouache, D., Charmet, G., Oury, F.X., Huard, F. (2010). Why are wheat yields stagnating in Europe? A comprehensive data analysis for France. Field Crops Res, 119, 201 -212.
Chi, B.L., Bing, C.S., Walley, F. and Yates, T. (2009). Topographic indices and yield variability in a rolling landscape of western Canada. Pedosphere, 19(3), 362-370.
Chmielewski, Sz., Chmielewski, T. J., Tompalski, P. (2014). Land cover and landscape diversity analysis in the West Polesie Biosphere Reserve. International Agrophysics, 28, 153-162.
Ciha, A.J. (1984). Slope position and grain yield of soft white winter wheat. Agron. J., 76, 193-196.
Cox, M.S., Gerard, P.D., Abshire, M.J. (2006). Selected soil properties' variability and their relationships with yield in three Mississippi fields. Soil Sci., 171, 541 -551.
Debaeke, P., Casadebaig, P., Flenet, F., Langlade, N. (2017). Sunflower crop and climate change: vulnerability, adaptation, and mitigation potential from case-studies in Europe. OCL, 24(1), D102. DOI:10.1051 /ocl/2016052
Godfray, H.C.H., Beddington, J.R., Crute, I.R., Haddad, L., Lawrence, D., Muir, J.F., Pretty, J., Robinson, S., Thomas, S.M., Toulmin, C. (2010). Food security: the challenge of feeding 9 billion people. Science, 327, 812-818.
Green, T.R., Erskine, R.H. (2004). Measurement, scaling, and topographic analyses of spatial crop yield and soil water content. Hydrol. Process, 18, 1447-1465.
Guisan, A., Weiss, S.B., Weiss, A.D. (1999). GLM versus CCA spatial modeling of plant species distribution. Plant Ecology. 143, 107-122.
Halvorson, G.A. and Doll, E.C. (1991). Topographic effects on spring wheat yield and water use. Soil Sci. Soc. Am. J., 55, 16801685.
Hansen, M.C., DeFries, R.S., Townshend, J.R.G., Sohlberg, R. (2001). Global land cover classification at the 1 km spatial resolution using a classification tree approach. International Journal of Remote Sensing, 21, 1331 -1364.
Jenness, J., Brost, B., Beier, P. (2013). Land Facet Corridor Designer: Extension for ArcGIS. Jenness Enterprises. Available at: http://www.jennessent.com/arcgis/land_facets.htm
Jiao, L., Liu, Y. (2012). Analyzing the Shape Characteristics of Land Use Classes in Remote Sensing Imagery. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, 1 -7, 135-140.
Kaspar, T.C., Pulido, D.J., Fenton, T.E., Colvin, T.S., Karlen, D.L., Jaynes, D.B. and Meek, D.W. (2004). Relationships of corn and soybean yield to soil and terrain properties. Agron. J., 96, 700-709.
Kollas, C., Lasch, P., Rock, J., Suckow, F., (2009). Bioenergy potential in Germany - assessing spatial patterns of biomass production with aspen short-rotation coppice. Int. agrophys., 23, 343-352.
Kostrzewski, M., Waller, P., Guertin, P., Haberland, J., Colaizzi, P., Barnes, E., Thompson, T., Clarke, T., Riley, E., Choi, C. (2002). Ground-based remote sensing of water and nitrogen stress. J. Trans. ASABE, 46(1 ), 29-38.
Koval, V.V., Natalochka, V. O., Tkachenko, S.K., Minenko, O.V. (2012). The present state of soil fertility in the Poltava region. Bulletin of the Poltava State Agrarian Academy, 2, 76-82 (in Ukranian).
Kravchenko, A.N., Bullock, D.G. (2000). Correlation of corn and soybean grain yield with topography and soil properties. Agron. J., 92, 75-83.
Kuchma, T.L. (2015). Indication landscape diversity according to remote sensing: Dis. candidate. Agricultural Sciences: 03.00.16. Kyiv (in Ukranian).
Kunah, O.M., Papka, O.S. (2016). Ecogeographical determinants of the ecological niche of the common milkweed (Asclepias syriaca) on the basis of indices of remote sensing of land images. Visnyk of Dnipropetrovsk University. Biology, ecology. 24(1), 78-86.
Mahmoodabadi, M. (2011). Sediment yield estimation using a semiquantitative model and GIS-remote sensing data. Int. Agrophys., 25, 241 -247.
Malaviya, S., Munsi, M., Oinam, G., Joshi, P.K., (2010). Landscape approach for quantifying land use land cover change (1972 -2006) and habitat diversity in a mining area in Central India (Bokaro, Jharkhand), Environmental Monitoring and Assessment, 170, 215-229.
Marques da Silva, J.R., Silva, L.L. (2006). Evaluation of maize yield spatial variability based on field flow density. Biosyst. Eng., 95, 339-347.
McAlpine, C.A., Eyre, T.J. (2002). Testing landscape metrics as indicators of habitat loss and fragmentation in continuous eucalypt forests (Queensland, Australia). Landscape Ecol., 17(8), 711 -728.
McGarigal, K., Marks, B.J., (1995). FRAGSTATS: spatial pattern analysis program for quantifying landscape structure. Gen. Tech.
Report PNW-GTR-351, USDA Forest Service, Pacific Northwest Research Station, Portland, OR.
Metcalf, R.L. (1980). Changing roles of insecticides in crop protection. Annu. Rev. Entomol., 25, 219-256.
Miao, Y.X., Mulla, D.J., Robert, P.C. (2006). Identifying important factors influencing corn yield and grain quality variability using
artificial neural networks. Precis. Agr., 7, 117-135.
Moore I., Gessler P., Nielsen G., Peterson G. (1993). Soil attribute prediction using terrain analysis. Soil Sci. Soc. Am. J., 57, 443452.
Mueller, N.D., Gerber, J.S., Johnston, M., Ray, D.K., Ramankutty, N., Foley, J.A. (2012). Closing yield gaps through nutrient and water management. Nature, 490, 254-257.
Newsom, L.D. (1967). Consequences of insecticide use on nontarget organisms. Annu. Rev. Entomol., 12, 257-286.
Oerke, E.-C., Dehne, H.-W. (2004). Safeguarding production - losses in major crops and the role of crop protection. Crop Prot.,
23, 275-285.
Olaya, V., Conrad, O. (2008). Geomorphometry in SAGA. Hengl T., Reuter H.I. (Eds.): Geomorphometry: concepts, software, applications. Elsevier.
Rockstrom, J., Steffen, W., Noone, K., Persson, A., Chapin, F.S., Lambin, E.F., Lenton, T.M., Scheffer, M., Folke, C., Schellnhuber, H.J., Nykvist, B., de Wit, C.A., Hughes, T., van der Leeuw, S., Rodhe, H., Sorlin, S., Snyder, P.K., Costanza, R., Svedin, U., Falkenmark, M., Karlberg, L., Corell, R.W., Fabry, V.J., Hansen, J., Walker, B., Liverman, D., Richardson, K., Crutzen, P., Foley, J.A. (2009). A safe operating space for humanity. Nature, 461, 472-475.
Roschewitz, I., Gabriel, D., Tscharntke, T., Thies, C. (2005). The effects of landscape complexity on arable weed species diversity in organic and conventional farming. J. Appl. Ecol., 42, 873-882
Salvi, F., Pouzet, A. (2010). Étude sur les causes possibles du ralentissement du progrès agronomique en colza d'hiver et en tournesol. CR Académie d'Agriculture de France, 96(3), 24-32.
Simmons, F.W., Cassel, D.K. and Daniels, R.B. (1989). Landscape and soil property effects on corn grain yield response to tillage. Soil Sci. Soc. Am. J., 53, 534-539.
Sumarokov, A.M., Zhukov, A.V. (2006). Ground of renewal of ecological potential of agrobiogeocenose s at diminishing of pesticidal loadings in Ukraine. The Kharkov Entomological Society Gazette, XIV, 1 -2, 145-154.
Tester, M., Langridge, P. (2010). Breeding technologies to increase crop production in a changing world. Science, 327, 818-822. Timlin, D., Pachepsky, Y., Snyder, V.A., Bryant, R.B. (1998). Spatial and temporal variability of corn grain yield on a hillslope. Soil Sci. Soc. Am. J., 62, 764-773.
Tscharntke, T., Clough, Y., Wanger, T.C., Jackson, L., Motzke, I., Perfecto, I., Vandermeer, J., Whitbread, A. (2012). Global food security, biodiversity conservation and the future of agricultural intensification. Biol. Cons., 151, 53-59. Turner, M.G., O'Neill, R.V., Gardner, R.H., Milne, B.T. (1989). Effects of changing spatial scale on the analysis of landscape pattern. Landscape Ecology, 3, 153-162.
Wischmeier, W.H., Smith, D.D. (1978). Predicting rainfall erosion losses. Agricultural handbook. Washington, 537-565. Zeleke, T.B., Si, B.C. (2004). Scaling properties of topographic indices and crop yield: Multifractal and joint multifractal approaches. Agron. J., 96, 1082-1090.
Zhukov, O.V., Pisarenko, P.V., Kunah, O.M., Dichenko, O.J. (2015). Role of landscape diversity in dynamics of abundance of sugar beet pests population in Poltava region. Visnyk of Dnipropetrovsk University. Biology, ecology, 23, 1, 21 -27 (in Ukranian). Zhukov, O.V., Pisarenko, P.V., Kunah, O.M., Dichenko, O.J. (2015). Assessment of the variation within space and time plant cover by means of remote sensing. Visnyk of Dnipropetrovsk State Agrarian and Economy University, 2, 36, 105-112 (in Ukranian). Zhukov, A. V., Kunah, O. Y., Zadorozhnaja, G. A., Andrusevich E. V. (2013). Landscape ecology as a basis of the spatial analysis of agrocoenosis productivity. Ecology and Noospherology, 24, 1 -2, 68-80 (in Russian).
Zhukov, A., Zadorozhnaya, G. (2016). Spatial heterogeneity of mechanical impedance of a typical chernozem: the ecological approach. Ekologia (Bratislava), 35, 263-278.
Zhukov, A.V., Andryushchenko, A.Yu. (2017). Relief and ecological niche of mute swan (Cygnus olor (Gmelin, 1803)) wintering in Sivash. Acta Biologica Sibirica, 3 (2), 20-45.
Zhukov, A.V., Kunah, O.N., Konovalova, T.M. (2011). Landscape aspect of the mole rats (Spalax microphthalmus Guldenstaedt 1770) ecological niche Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 3, 13-27 (in Russian). Zhukov, A.V., Kunah, O.N., Novikova, V.A., Ganzha, D.S. (2016). Phyitoindicacion estimation of soil mesopedobionts communities catena and their ecomorphic organization. Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 6 (3), 91-117 (in Russian).
Zhukov, A.V., Sirovatko, V.O., Ponomarenko, N.O. (2017). Spatial dynamic of the agriculture fields towards their shape and size. Ukrainian Journal of Ecology, 7(3), 14-31. doi: 10.15421 /2017_45
Zhukov, O.V., Kunah, O.M., Taran, V.O., Lebedinska, M.M. (2016). Spatial variability of soils electrical conductivity within arena of the river Dnepr valley (territory of the natural reserve "Dniprovsko-Orilsky"). Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 6 (2), 129-157 (in Ukranian).
Citation:
Zhukov, O.V., Ponomarenko, S.V. (2017). Spatial-temporal dynamics of sunflower yield - the ecological and agricultural approach. Ukrainian Journal of Ecology, 7{3), 186-207. I This work Is licensed under a Creative Commons Attribution 4.0. License
