CC BY
12
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №1/2018 ISSN 2410-6070_
УДК 57.045:57.087.1:635.21(470.21)
В.И. Костюк
Ведущий научный сотрудник, д. б. н.
Полярно-альпийский ботанический сад-институт им. Н.А. Аврорина Кольский научный центр Российской академии наук г. Апатиты, Российская Федерация
МЕТЕОРОЛОГИЧЕСКИЕ И ГЕЛИОГЕОФИЗИЧЕСКИЕ УСЛОВИЯ ФОРМИРОВАНИЯ ВЫСОКИХ УРОЖАЕВ КАРТОФЕЛЯ НА КОЛЬСКОМ СЕВЕРЕ
Аннотация
На основе системного подхода проанализирована связь разногодичных колебаний урожайности картофеля с вариациями солнечной активности и метеорологических условий. С использованием нейросетевого моделирования выполнен поиск квазиоптимальной конфигурации экзогенных факторов, создающей наиболее комфортную среду для получения высоких урожаев картофеля в Заполярье.
Ключевые слова
Кольский Север, урожайность картофеля, солнечная активность, метеорологические условия.
Введение
В Мурманской области продукционный процесс растений картофеля осуществляется в условиях прохладного лета, невысокой освещенности и круглосуточного полярного дня в первой половине вегетационного периода [1]. Это накладывает особый отпечаток на рост и развитие картофеля в данном регионе, поскольку его продуктивность на 40-60% зависит от световых и гидротермических условий летнего сезона [2].
С другой стороны, на урожайность картофеля влияет также такой космофизический фактор, как солнечная активность [3]. Поэтому есть основания полагать, что встраивание этого абиотического регулятора в контур модельных реконструкций позволит точнее оценивать специфику влияния метеорологических элементов на продукционный процесс данной культуры.
Методика исследования
Для проведения системного анализа были использованы многолетние архивные материалы по изучению роста, развития и продуктивности картофеля сорта Хибинский ранний на Полярной опытной станции ВИРа за 1978-2010 годы. Общая длина временных рядов по урожайности и крахмалистости картофеля составила 33 года. Данные о среднемесячных температурах июня, июля и августа, а также о количестве атмосферных осадков, выпадавших в эти месяцы, были предоставлены Апатитской гидрометеорологической станцией Мурманского управления по гидрометеорологии и мониторингу окружающей среды.
Среднемесячные значения поступления суммарной солнечной радиации на горизонтальную поверхность для рассматриваемой географической точки (67.40 с. ш. и 33.20 в. д.) имеются в свободном доступе по адресу - NASA Surface meteorology and Solar Energy (http://eosweb.larc.nasa.gov). Среднемесячные значения потока радиоизлучения Солнца с длиной волны 10.7 см (индекс F10.7) доступны по адресу -ftp://ftp.geolab.nrcan.gc.ca/data/solar flux/monthly averages.
Статистическую обработку массива данных выполняли с использованием программ STATISTICA 10 [4] и PAST 3.17 [5]. Обозначения дескриптивных статистик: M - среднее арифметическое значение показателя; R - абсолютный размах значений показателя (min - max); SE - стандартная ошибка; V -коэффициент относительной вариации (%).
Результаты и их обсуждение
В табл. 1 представлены результаты первичной статистической обработки временных рядов для двух результативных признаков - урожайности и содержания крахмала в клубнях картофеля, для трех метеорологических элементов - светового режима, температуры и осадков, а также для гелиогеофизического фактора - потока радиоизлучения Солнца F10.7.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №1/2018 ISSN 2410-6070_
Результаты статистических расчетов для экзогенных факторов дифференцированы по трем летним месяцам, которые обозначены общепринятыми порядковыми номерами: 6-июнь, 7-июль, 8-август. Таким образом, общее количество рассматриваемых экзогенных факторов, которые оказывали влияние на урожайность картофеля на протяжении 33 лет, составило довольно внушительную цифру - 12.
Таблица 1
Статистические характеристики временных рядов экзогенных факторов и результативных признаков (1978-2010 гг.)
Показатель Месяц R М SE V
Урожайность, кг/м2 - 2.49-5.75 4.10 0.14 20.1
Крахмалистость, % - 9.9-14.7 11.6 0.2 9.1
Температура воздуха, 0С 6 5.6-13.8 10.7 0.3 16.7
7 11.5-16.8 13.9 0.2 10.1
8 8.9-13.8 11.3 0.2 10.9
Сумма осадков, мм 6 6-101 49.7 3.7 42.9
7 7-171 71.5 6.1 49.2
8 17-114 57.3 4.3 43.3
Солнечная радиация, кВт/м2/сутки 6 4.23-6.17 5.25 0.08 8.8
7 3.72-5.78 4.77 0.09 11.2
8 2.86-4.08 3.47 0.05 8.8
Индекс F10.7, 10-22 Вт/(м2^Гц) 6 67.9-247.2 126.5 8.8 40.1
7 67.8-218.9 126.4 8.4 38.3
8 67.8-228.1 127.8 9.2 41.3
Как видно из табл. 1, наиболее сильно варьировали по годам значения двух показателей - количества атмосферных осадков и индекса F10.7. Для остальных показателей был характерен умеренный уровень вариабельности. Интересно отметить, что самый узкий диапазон изменчивости температуры воздуха и солнечной активности наблюдался в июле. В этом же месяце зарегистрирована максимальная изменчивость количества выпадающих осадков и притока солнечной радиации к верхней границе (деятельной поверхности) агрофитоценоза картофеля.
Стандартный корреляционный анализ показал, что урожайность картофеля наиболее тесно и достоверно коррелировала только с температурой воздуха в июне (г = 0.52; р = 0.002). Однако необходимо заметить, что этот вывод имеет предварительный характер и является лишь первым шагом в комплексном анализе общего массива многолетних наблюдений.
На втором этапе системного анализа экспериментальные данные по урожайности картофеля были разбиты на две контрастные и статистически однородные группы, с тем, чтобы лучше понять, как метеорологические элементы и солнечная активность влияют на колебания урожайности тест-объекта по годам (табл. 2).
Таблица 2
Итоги кластерного разделения результативных признаков и экзогенных факторов на две группы
Показатель Месяц Группа 1 (М ± SE) Группа 2 (М ± SE) Межгрупповая разность, % (2-1)
1 2 3 4 5
Урожайность, кг/м2 - 3.50 ± 0.12 4.81 ± 0.12 +37.4
Крахмалистость, % - 11.5 ± 0.2 11.8 ± 0.3 +2.6
Температура воздуха, 0С 6 9.8 ± 0.4 11.7 ± 0.4 +19.4
7 13.9 ± 0.4 13.9 ± 0.3 0.0
8 11.4 ± 0.3 11.0 ± 0.2 -3.6
Сумма осадков, мм 6 50.0 ± 5.8 49.3 ± 4.5 -1.4
7 68.8 ± 8.3 74.7 ± 9.3 +8.6
8 60.6 ± 6.9 53.5 ± 4.8 -11.7
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №1/2018 ISSN 2410-6070
1 2 3 4 5
Солнечная радиация, кВт/м2/сутки 6 5.14 ± 0.12 5.38 ± 0.10 +4.7
7 4.78 ± 0.13 4.76 ± 0.14 -0.4
8 3.40 ± 0.08 3.54 ± 0.06 +4.1
Индекс F10.7, 10-22 Вт/(м2^Гц) 6 120.5 ± 10.3 133.8 ± 15.2 +11.0
7 122.4 ± 10.6 131.2 ± 13.8 +7.2
8 123.0 ± 11.5 133.6 ± 15.0 +8.6
Для дихотомического разделения массива данных по урожайности картофеля использовали параметрический метод кластеризации в программе PAST (процедура Mixture analysis, алгоритм максимального правдоподобия). В результате реализации данной процедуры в состав первой группы вошли годы (объем выборки 18 лет) с относительно "низкой" урожайностью картофеля - 3.50 ± 0.12 кг/м2), а в состав второй группы (объем выборки 15 лет) - годы с более "высокой" урожайностью - 4.81 ± 0.12 кг/м2.
Статистический анализ межгрупповых различий с помощью LSD-критерия (который является аналогом популярного в России показателя НСР05) показал, что дифференциация уровней урожайности картофеля между группами (кластерами) была обусловлена главным образом различиями температуры воздуха в июне. Пороговое значение критерия Дункана для межгрупповых температурных различий за июнь составило 1.1 0С (при фактической разности 1.9 0С), а р-уровень статистической значимости этих различий -0.002.
Тем не менее, логико-содержательный подход к оценке результатов кластерного анализа дает основания считать, что повышенная урожайность картофеля в группе 2 (при незначительных различиях крахмалистости клубней между группами) является отображением удачного сочетания целого набора экзогенных факторов. Это более комфортные температурные условия на начальных этапах произрастания растений картофеля в июне, повышенное поступление атмосферных осадков в июле, лучший световой режим растений картофеля в июне и августе. Но, пожалуй, самый любопытный факт - это высокая солнечная активность в наиболее благоприятные для продукционного процесса картофеля годы. Она наблюдалась в течение всего периода их вегетации, то есть с июня по август.
На третьем этапе нашего анализа был выполнен однокритериальный (по урожайности картофеля) поиск оптимального сочетания количественных уровней экзогенных факторов. Он позволяет лучше понять потребности растений картофеля в погодно-климатических ресурсах Кольского Севера. Вместе с тем, необходимо сделать ремарку о "хрупкости" получаемых в ходе подобных расчетов оптимальных решений, которые в общем случае не являются безальтернативными [6]. Одному и тому же "наилучшему" значению параметра оптимизации могут соответствовать разные наборы значений факторов [7].
Для моделирования зависимости урожайности картофеля (отклика) от 12 экзогенных факторов мы использовали модуль STATISTICA Automated Neural Networks. Искомая связь удовлетворительно описывалась нейронными сетями в виде многослойного персептрона [8]. Всего было построено 10 сетей с различной архитектурой, которые затем объединяли в ансамбль. Качество аппроксимации нейросетями зависимости отклика от вариаций управляющих факторов оказалось достаточно высоким - r = 0.97-0.99.
Затем, с помощью ансамбля данных сетей был выполнен поиск квазиоптимальной конфигурации управляющих факторов, обеспечивающей наиболее высокий уровень урожайности картофеля. С этой целью использовали модуль Response Optimization for Data Mining Models, в который загружали XML-файлы нейронных сетей.
Процедуру многофакторной оптимизации выполняли с использованием двух взаимодополняющих подходов: симплекс-метода и метода сеток, который позволяет адекватно описывать практически любую поверхность отклика [9]. Стартовые условия для начала работы обоих алгоритмов - средние многолетние значения экзогенных переменных (табл. 1). Тип использованной оптимизации - поиск заданного значения отклика. Поскольку максимальная урожайность картофеля в течение 6 из 33 лет экологического мониторинга варьировала в диапазоне 5.0 - 5.8 кг/м2 (1980, 1983, 1999, 2001, 2006, 2008 гг.), то для модельных расчетов использовали величину 5.5 кг/м2. Итоги оптимизации для заданного уровня целевого показателя приведены в табл. 3.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №1/2018 ISSN 2410-6070_
Нейросетевое моделирование (в сочетании с содержательным анализом выборки за 6 наиболее урожайных лет) показало, что максимальная урожайность картофеля на Кольском Севере может быть достигнута в годы с высокой солнечной активностью в летний период и хорошей влагообеспеченностью растений в июле месяце.
Таблица 3
Оптимальные гелиогеофизические и метеорологические условия формирования максимального урожая
картофеля на широте г. Апатиты (67.4° с. ш.)
Показатель Алгоритм оптимизации Месяцы
Июнь Июль Август
Температура воздуха, 0С Симплекс -метод 10.8-11.1 14.1-14.3 11.0-11.3
Метод сеток 10.0-10.7 13.7-14.6 10.0-10.7
Среднее (N=33) 10.7 13.9 11.3
Среднее (N=6) 12.2 13.6 10.6
Сумма осадков, мм Симплекс -метод 39-49 67-80 52-59
Метод сеток 35-45 60-76 48-64
Среднее (N=33) 50 72 57
Среднее (N=6) 40 82 50
Солнечная радиация, кВт/м2/сутки Симплекс -метод 5.09-5.16 4.71-4.94 3.47-3.59
Метод сеток 5.04-5.10 4.60-5.00 3.42-3.70
Среднее (N=33) 5.25 4.77 3.47
Среднее (N=6) 5.46 4.90 3.56
Поток радиоизлучения Солнца (F10.7 см), 10-22 Вт/(м2^Гц) Симплекс -метод 115-129 119-130 133-150
Метод сеток 120-134 126-134 128-142
Среднее (N=33) 126 126 128
Среднее (N=6) 141 129 132
Примечания. 1. Квазиоптимальные значения экзогенных факторов по месяцам приведены в виде интервальных величин. 2. Средняя урожайность картофеля за 6 наиболее благоприятных для продукционного процесса данной культуры лет составила 5.25 кг/м2 (при абсолютном размахе - 4.96-5.75 кг/м2).
Не менее важным является высокий приход солнечной радиации (особенно в области ФАР) к посадкам картофеля в июне и июле, когда появляются всходы растений, формируется активно работающий фотосинтетический аппарат, происходят процессы образования и накопления массы клубней [2]. Можно утверждать, что световое довольствие является приоритетным абиотическим ресурсом для картофеля, дающим возможность успешно выращивать его на северном пределе культигенного ареала. Известно, что видимая и инфракрасная части солнечного спектра влияют не только на фотоэнергетический потенциал картофеля и других культурных растений, но и увеличивают их теплообеспеченность в условиях холодного и гумидного климата Кольской Субарктики [10, 11].
Резюмируя, следует особо подчеркнуть, что включение показателя F10.7 в число важнейших экзогенных регуляторов продукционного процесса растений картофеля является вполне обоснованным. Учет этого космофизического фактора позволяет более корректно описывать реакцию культурных видов растений на вариации метеорологических условий [12]. Особенно это актуально для Кольского Севера, который, как
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №1/2018 ISSN 2410-6070_
известно, входит в специфическую зону глобальных электромагнитных возмущений [13]. Список использованной литературы:
1. Яковлев Б.А. Климат Мурманской области. - Мурманск: Мурманское кн. изд-во, 1961. - 200 с.
2. Костюк В.И. Агроэкологические основы продуктивности картофеля на Кольском полуострове. - Апатиты: Изд-во Кольского НЦ РАН, 1994. - 141 с.
3. Чижевский А.Л. Земное эхо солнечных бурь. - М.: Мысль, 1976. - 367 с.
4. Халафян А.А. STATISTICA 6. Статистический анализ данных. - М.: ООО "Бином-Пресс", 2008. - 512 с.
5. Hammer, 0. & Harper, D.A.T. Paleontological Data Analysis. - Oxford: Blackwell Publishing, 2005. - 351 PP.
6. Тарасенко Ф.П. Прикладной системный анализ (Наука и искусство решения проблем). - Томск: Изд-во Томского ун-та, 2004. - 186 с.
7. Антонов А.В. Системный анализ. - М.: Высшая школа, 2004. - 454 с.
8. Нейронные сети: Методология и технологии современного анализа данных. - М.: Горячая линия-Телеком, 2008. - 392 с.
9. Самарский А.А. Введение в численные методы. - М.: Наука, 1987. - 288 с.
10. Шахов А.А. Фотоэнергетика растений и урожай. - М.: Наука, 1993. - 415 с.
11. Костюк В.И. Экология культурных растений на Кольском Севере. - Апатиты: Изд-во Кольского НЦ РАН, 2012. - 169 с.
12. Костюк В.И., Травина С.Н., Вихман М.И. Влияние солнечной активности, инсоляции, температуры воздуха и атмосферных осадков на продуктивность культурных растений в условиях Кольского Севера. -Апатиты: Изд-во Кольского НЦ РАН, 2013. - 79 с.
13. Мирошниченко Л.И. Физика Солнца и солнечно-земных связей. - М.: Университетская книга, 2011. - 174 с.
© Костюк В.И., 2018
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №1/2018 ISSN 2410-6070_
ЭКОНОМИЧЕСКИЕ НАУКИ
УДК 336
Д.Ю. Бахарева
бакалавр, студент-магистр ОГУ г. Оренбург, РФ
ОПТИМИЗАЦИЯ ОБЕСПЕЧЕНИЯ ПРЕДПРИЯТИЯ МАТЕРИАЛЬНЫМИ РЕСУРСАМИ НА ОСНОВАНИИ ЛОГИСТИЧЕСКОГО ПОДХОДА
Аннотация
Как известно, одной из основных задач хозяйственной деятельности предприятий является обеспечение производства материальными ресурсами на основании логистического подхода. Актуальность данной статьи обосновывается тем, что снабжение любого производства материальными ресурсами является первостепенной управленческой задачей. Ее значимость заключается в сведении к минимуму сбоев и нестабильности поступления ресурсов, которые могут привести к необратимым последствиям, а точнее к увеличению длительности изготовления изделий, к уменьшению клиентов и, следовательно, снижение прибыли предприятия.
Целью данной работы является оптимизация обеспечения предприятия материальными ресурсами на основании логистического подхода.
Исходя из вышеперечисленного, можно сделать вывод о том, что оптимизация играет значимую роль в работе любого производства и ей необходимо уделять особое внимание.
Ключевые слова
Оптимизация, материальные ресурсы, предприятие, потребность, логистика
«Логистика - наука об организации, планировании, контроле и регулировании движения материальных и информационных потоков в пространстве и во времени от их первичного источника до конечного потребителя.» [3, с. 420]
Приоритетными направлениями работы в области логистики являются:
1) Изучение и прогнозирование ожидаемого спроса на конкретные виды товаров и услуг;
2) Закупка материальных ресурсов, необходимых для производства;
3) Управление запасами;
4) Регулирование материальных потоков в производстве;
5) Товарораспределение: выбор упаковки готового продукта, транспортировка к месту назначения и оформление необходимой документации.
Развитие науки логистики обусловлено стремлением к сокращению в первую очередь временных затрат и во вторую очередь денежных затрат, которые связаны с товародвижением.
Главной задачей логистических связей выступает разделение работы по стадиям товародвижения, которое ведет к разделению отдельных процессов. Решение данной задачи осуществляется путем организации в рамках единого процесса перемещения материалов и информации по всей цепи от производителя к потребителю, обеспечения взаимодействия отдельных стадий и согласования действий всех участников логистической цепи.
Основная цель логистики - своевременно и в необходимом количестве доставить продукцию в назначенное место с минимальными издержками.
Под материальными ресурсами организации понимаются используемые в процессе изготовления предметы труда в виде сырья, материалов, покупных изделий, полуфабрикатов, топлива и энергии.
Классификация сырья и материалов производится по следующим критериям, представленных в таблице 1.
Отлаженный порядок оценки потребности в материальных ресурсах приводит к уменьшению размера запасов, что значительно снижает издержки предприятия.
