CC BY
13
ISSN 1026-2237 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. NATURAL SCIENCE. 2023. No. 3
НАУКИ О ЗЕМЛЕ SCIENCES OF EARTH
Научная статья
УДК 551.583:631.559
doi: 10.18522/1026-2237-2023-3-45-56
МЕТОД СНИЖЕНИЯ РИСКОВ В СЕЛЬСКОМ ХОЗЯЙСТВЕ, СВЯЗАННЫХ С ЗАСУХАМИ, С УЧЕТОМ ВЕРОЯТНОСТИ ИХ ПОЯВЛЕНИЯ
Б.А. Ашабоковш, Л.М. Федченко2, Г.В. Куповых3, А.А. Ташилова4, Л.А. Кешева5,
H.В. Теунова6, М.Б. Ашабокова7
I,2.4.5.6.7Высокогорный геофизический институт, Нальчик, Кабардино-Балкарская Республика, Россия 'Институт информатики и проблем регионального управления КБНЦ РАН, Нальчик, Кабардино-Балкарская Республика, Россия
3Южный федеральный университет, Ростов-на-Дону, Россия
'ashabokov. boris@mail. ruB
2fedchenkolm@mail.ru
3kupovykh @sfedu. ru
4tashilovaa@mail. ru
5kesheva. lara@yandex. ru
6nata0770@yandex.ru
7ashabokova. marina@rambler. ru
Аннотация. Повышение средних и экстремальных температур на фоне практически неизменного количества осадков на юге европейской территории России (ЕТР) приводит к целому ряду изменений, влияющих на сельскохозяйственное производство. Сочетание таких неблагоприятных факторов внешней среды, как высокая температура, дефицит воды, может оказывать сравнительно кратковременное, но сильное влияние на растениеводческую отрасль с долгосрочными последствиями. Ожидается, что с учетом современных тенденций изменения климата предгорная и равнинная зоны юга ЕТР окажутся в засушливой зоне. Таким образом, нехватка воды была и остается критическим фактором, определяющим производство сельскохозяйственных культур в регионе.
В работе обсуждаются механизмы влияния изменения климата на сельское хозяйство. Отмечено, что актуальность разработки эффективных и экономичных для практического использования методов снижения рисков в данной отрасли, связанных с экстремальными погодными явлениями, включая и засухи, повышается и становится важнейшим условием обеспечения продовольственной безопасности страны. Отмечены особенности информационного обеспечения проблемы разработки моделей снижения рисков, связанных с засухами. Изложен метод снижения потерь сельского хозяйства, связанных с данным погодным явлением. Он основан на использовании различной уязвимости сельскохозяйственных культур для опасных погодных явлений. Затронуты возможности практического использования метода в условиях изменения климата, обсуждаются основные задачи, возникающие на этом пути. Приводятся результаты модельных расчетов, которые были проведены с целью исследования эффективности метода. Отмечено, что на основе предложенного подхода могут быть созданы гибкие и быстро реагирующие на изменения условий функционирования сельского хозяйства системы, позволяющие снизить потери сельского хозяйства от неблагоприятных погодных явлений.
Ключевые слова: климатические риски, засухи, сельское хозяйство, коэффициенты влагообеспеченно-сти, повреждаемость сельхозкультур, снижение рисков, теория принятия решения, целевая функция
© Ашабоков Б.А., Федченко Л.М., Куповых Г. В., Ташилова А.А., Кешева Л.А., Теунова Н.В., Ашабокова М.Б., 2023
Для цитирования: Ашабоков Б.А., Федченко Л.М., Куповых Г. В., Ташилова А.А., Кешева Л.А., Те-унова Н.В., Ашабокова М.Б. Метод снижения рисков в сельском хозяйстве, связанных с засухами, с учетом вероятности их появления // Изв. вузов. Сев.-Кавк. регион. Естеств. науки. 2023. № 3. С. 45-56.
Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Original article
METHOD FOR REDUCING RISKS IN AGRICULTURE ASSOCIATED WITH DROUGHTS, TAKING INTO ACCOUNT THE PROBABILITY
OF THEIR OCCURRENCE
B.A. Ashabokovm, L.M. Fedchenko2, G.V. Kupovykh3, A.A. Tashilova4, L.A. Kesheva5, N.V. Teunova6, M.B. Ashabokova7
i, 2,4, s, 6,7High-Mountain Geophysical Institute, Nalchik, Kabardino-Balkar Republic, Russia
1Institute of Informatics and Problems of Regional Management KBSC RAS, Nalchik,
Kabardino-Balkar Republic, Russia
3Southern Federal University, Rostov-on-Don, Russia
1ashabokov. boris@mail. ruB
2fedchenkolm@mail.ru
3kupovykh @sfedu. ru
4tashilovaa@mail. ru
5kesheva. lara@yandex. ru
6 nata0770@yandex.ru
7ashabokova. marina@rambler. ru
Abstract. The increase in mean and extreme temperatures against the background of almost unchanged precipitation in the south of the European territory of Russia (ETR) leads to a number of changes affecting agricultural production. The combination of such unfavorable environmental factors as high temperature and water shortage can have a relatively short-term, but strong impact on the crop industry with long-term consequences. It is expected that, taking into account current trends in climate change, the foothill and plane zones in the south of the ETR will be in an arid zone. Thus water scarcity has been and remains a critical factor in determining crop production in the region.
The paper discusses the mechanisms of the impact of climate change on agriculture. It is noted that the relevance of developing effective and cost-effective for practical use methods to reduce risks in this industry associated with extreme weather events, including droughts, is increasing and becoming an essential condition for ensuring the country's food security. The features of information support of the problem of developing models for reducing risks associated with droughts are noted. A method for reducing agricultural losses associated with this weather event is outlined. It is based on exploiting the different vulnerabilities of crops by hazardous weather events. The possibilities ofpractical use of the method under conditions of climate change are touched upon, and the main tasks arising along this path are discussed. The results of model calculations, which were carried out in order to study the effectiveness of the method, are presented. It is noted that, on the basis of the proposed approach, flexible and quickly responding to changes in the conditions for the functioning of agriculture, systems can be created to reduce the loss of agriculture from adverse weather events.
Keywords: climate risks, droughts, agriculture, moisture coefficients, crop damage, risk reduction, decision theory, objective function
For citation: Ashabokov B.A., Fedchenko L.M., Kupovykh G.V., Tashilova A.A., Kesheva L.A., Teunova N.V., Ashabokova M.B. Method for Reducing Risks in Agriculture Associated with Droughts, Taking into Account the Probability of Their Occurrence. Bulletin of Higher Educational Institutions. North Caucasus Region. Natural Science. 2023;(3):45-56. (In Russ.).
This is an open access article distributed under the terms of Creative Commons Attribution 4.0 International License (CC-BY 4.0).
Введение
Со второй половины ХХ в. беспрецедентное изменение климата в постиндустриальный период стало заметно влиять не только на биологические системы Земли, но и на различные сферы деятельности человека [1-9]. Особенно значительным может оказаться его влияние на аграрный сектор экономики многих стран мира, включая и Россию [10-24]. Оно может осуществляться многочисленными путями, одним из которых является изменение термического и гидрологического циклов системы атмосфера - почва - урожай. Отметим, что исследованию изменений различных климатических факторов посвящено достаточно много работ. В работах [4-6] приводятся результаты исследований изменений режима атмосферных осадков и температуры приземного воздуха с 1961 по 2018 г. в различные сезоны года и в различных климатических зонах на юге европейской территории России (ЕТР). Исследования показали, что изменения метеорологических параметров на указанном временном отрезке уже в состоянии оказать заметное влияние на аграрный сектор экономики Юга России.
Под влиянием изменения климата быстрыми темпами происходит увеличение частоты и мощности экстремальных погодных явлений, расширение территорий, охваченных ими. Очевидно, что такие тенденции приводят к усложнению проблем разработки и практического использования методов снижения, связанных с ними рисков, повышают требования к этим методам. Что касается территории Российской Федерации, то на ней «отмечается примерно 1000 опасных гидрометеорологических явлений ежегодно, из них около половины наносят значительный ущерб отраслям экономики и жизнедеятельности населения» [7]. Поскольку главные растениеводческие районы страны (юг ЕТР) расположены в зоне недостаточного увлажнения, то эффективное редуцирование рисков в сельском хозяйстве, связанных с экстремальными погодными явлениями, становится важнейшим условием обеспечения продовольственной безопасности общества.
В настоящей работе изложен метод снижения рисков в сельском хозяйстве, связанных с засухами. В качестве механизма снижения рисков в методе используется тот факт, что уязвимость для этих погодных явлений различна для сельскохозяйственных культур. Соответственно, путем подбора структуры производства сельхозкультур с учетом их уязвимости для засух можно осуществить управление рисками, а также регулирование условий, наложенных на объемы производства сельскохозяйственных культур и на использование ограниченных ресурсов для производственных целей.
Некоторые результаты анализа климатических изменений влагообеспеченности почвы на юге ЕТР
Как известно, дефицит влаги наряду с высокими температурами приводит к опасному погодному явлению - засухам. Различают атмосферную и почвенную засуху. При длительном отсутствии дождя атмосферная засуха переходит в почвенную, когда содержание воды в почве снижается до пределов недоступной влаги [25]. Остановимся на некоторых результатах анализа изменений влагообеспеченности почвы в различных климатических зонах юга ЕТР, которая играет значительную роль в обеспечении продовольственной безопасности страны. Для мониторинга и анализа влияния увлажненности почв на сельскохозяйственное производство широко используются различные индексы [26, 27]. Для этой цели в настоящей работе исследовалась динамика гидротермического коэффициента увлажнения (ГТК) Г.Т. Селянинова [28]:
К = (1)
где - сумма осадков за период с температурами выше +10 мм; £ £ - сумма температур за этот же отрезок времени, °С; 0,1 - нормировочный коэффициент.
В зависимости от значений К выделяются следующие зоны влагообеспеченности почвы:
1) К> 1,3 - избыточное увлажнение;
2) 1<К<1,3 - зона обеспеченного увлажнения;
3) 0,7<К<1,0 - засушливая зона (или слабая засуха);
4) 0,5<К<0,7 - зона сухого земледелия (средняя засуха);
5) К< 0,5 - зона ирригации (сильная засуха).
Исследования проводились с использованием данных метеостанций о количестве осадков и температуре воздуха с 1961 по 2018 г. (13 метеостанций в равнинной и предгорной климатических зонах юга ЕТР). В предгорной зоне метеостанции расположены в г. Буйнакск, Нальчик, Владикавказ, Черкесск, Ставрополь, Кисловодск. В равнинной зоне они расположены в г. Изобильный, Моздок, Прохладный (степная зона) и Дербент, Изберг, Изобильный, Кизляр, Махачкала (прикаспийская).
В качестве примера приведем результаты расчетов коэффициента K по данным метеопараметров в степной зоне г. Прохладного (Кабардино-Балкарская Республика) в 2018 г. (табл. 1).
Таблица 1 / Table 1
Средняя месячная температура воздуха t, °С, и количество осадков P, мм, в 2018 г., Прохладный / Average monthly air temperature t, °С, and precipitation P, mm, in 2018, Prokhladny
Показатель Месяц
I II III IV V VI VII VIII IX X XI XII
°С 0,8 1,6 7,3 10,0 17,2 23,7 26,9 22,9 20,3 14,0 4,9 -0,8
P, мм 28,9 19,9 17,8 19,6 76,2 71,4 18,5 47,0 10,4 3,2 15,9 54,5
В табл. 1 приведены средние месячные температуры воздуха, а также выделены ячейки с месяцами, когда средняя температура выше +10 °С: май, июнь, июль, август, сентябрь, октябрь и соответствующие им среднемесячные суммы осадков. Тогда сумма осадков £ Р определяется как простое сложение количества осадков в отмеченные месяцы: = 76,2+71,4+18,5+47,0+10,4+3,2 = 226,7 мм.
Сумма температур определяется с учетом количества дней в каждом месяце:
££ = 17,2 31 (май) + 23,7 30 (июнь) + 26,9 31 (июль) + 22,9 31 (август) + 20,3 30 (сентябрь) + 14,031 (октябрь) = 3831,0 °С.
По формуле (1) определяется К для степной зоны в 2018 г.: К = 226,7/0,1 3831=0,59.
Полученный коэффициент К=0,59 соответствует состоянию сухого земледелия для рассматриваемой территории в 2018 г. (0,5<К<0,7 - зона средней засухи). Аналогично проводится расчет коэффициента увлажнения К для каждого года.
Авторами был проведен подробный анализ динамики данного коэффициента в различных климатических зонах юга ЕТР, результаты изложены в работе [29]. Коротко отметим, что данный коэффициент имеет тенденцию к уменьшению различными темпами во всех климатических зонах. На рис. 1 приведены графики изменения значений коэффициента К для метеостанций предгорной (а) и степной (б) зон.
К
t
»■ Владикавказ -»Кисловодск -»-Нальчик -•- Чсркссск
а - предгорная зона
К 2,0
Изобпльньш —* -Прохладный -*— Моздок
б - степная зона
Рис. 1. Коэффициенты влагообеспеченности, полученные по данным метеостанций: а - предгорной и б - степной зон за 1961-2018 гг. / Fig. 1. Moisture coefficients obtained from the data of weather stations:
a - in the foothill and b - steppe zones, 1961-2018
Если наблюдаемая в настоящее время тенденция изменения климата сохранится, то примерно в середине нынешнего столетия предгорная и равнинная климатические зоны юга ЕТР окажутся в засушливой зоне. Такая тенденция наблюдается и в других регионах ЕТР. Очевидно, что последствия таких изменений условий производства сельскохозяйственной продукции могут оказаться крайне негативными для продовольственной безопасности страны, что в существенной степени повышает актуальность разработки эффективных методов снижения последствий засух для производства сельскохозяйственной продукции.
Модель снижения потерь сельского хозяйства, связанных с засухами
Остановимся в краткой форме на записи модели снижения потерь сельского хозяйства от засух. Важнейшими задачами на пути разработки такой модели являются прогноз появления засухи в предстоящем году и определение ее характеристик или состояния, в котором она может находиться. Но в связи с отсутствием информации достаточного объема и достаточного качества на пути решения этих задач возникают серьезные трудности: невозможно с достаточной точностью определить состояние, в котором будет находиться рассматриваемое погодное явление в предстоящем году. Следует отметить, что источником такой информации являются данные многолетних наблюдений о засухах на заданной территории. Пользуясь этими данными, характеристики состояния засух, определяющие состояния, в которых они находятся, могут быть представлены либо в виде счетного множества их значений, либо в виде дискретной случайной величины с известным законом распределения. Такие особенности информационного обеспечения делают более перспективным рассмотрение задачи снижения рисков в рамках теории принятия решений. Во втором случае можно сказать, что имеется множество состояний засух Ui, U2, U3,..., Un с соответствующими вероятностями pi, p2, рз,..., Pn (табл. 2).
Таблица 2 / Table 2
Состояния засух на рассматриваемой территории n и соответствующие им вероятности pj / States of droughts in the considered territory n and their corresponding probabilities pj
n 0 1 2 N
p P0 P1 P2 Pn
Таким образом, предположено, что число состояний засух на заданной территории равно N, вероятности их нахождения в этих состояниях равны pi, р2, ..., pN. Случай n=0 в таблице соответствует отсутствию засух (р=р0). Отметим, что в первом случае вероятности pi, p2, p3, ..., Pn неизвестны [30].
Кроме этого, постановка данной задачи требует формирования и использования множества Ai, A2, A3, ..., Am, каждое из которых приводит к снижению рисков по выбранному критерию [31]. В данной работе при рассмотрении случая засух элементами множества Ai, A2, A3, ..., Am являются площади сельскохозяйственных культур, а элементами множества Ui, U2, U3,...,Un , как было отмечено, могут быть различные характеристики данного природного явления. При этом важно иметь в виду, что для каждой пары (A;, Uj) должно быть возможным вычисление некоторой величины (исход) Sj (/=1, 2, ..., M; j=1, 2, ..., N), которая равна значению выигрышей или потерь сельского хозяйства, в случае, когда используется действие A;, а засуха находится в состоянии Uj. При их вычислении необходимо учитывать уязвимость сельскохозяйственных культур для засух. Отметим, что под уязвимостью культуры понимается доля урожайности, теряющаяся в случае, когда засуха находится в состоянии Uj [32].
В случае, когда известны Ui, U2, U3, ...,Un и вероятности pi, P2, P3, ..., Pn, приходим к задаче принятия решений в условиях риска [31]. Для решения данной задачи получаем различные исходы в зависимости от комбинаций действий и состояния засух и формируем табл. 3, что позволяет определить ее как модель принятия решений для снижения потерь от засухи. Для выбора наиболее приемлемого из множества Ai, A2, A3, ..., Am существуют различные критерии. В выражения для этих критериев входят и исходы Sj (/=1, 2, .., M; j=1, 2, ...,N).
Таблица 3 / Table 3
Формирование исходов Sj, соответствующих действиям Ai и состояниям засух Uj / Formation of outcomes Sij corresponding to actions Ai and states Uj of droughts
Ui U2 U3 - Un
Ai Sii Si2 S i3 - SiN
A2 S2i S22 S23 - S2N
A3 S3i S32 S33 - S3N
- - - - - -
Am Smi Sn2 Sm3 - Smn
Ниже в качестве такого критерия используется математическое ожидание валового объема производства сельскохозяйственной продукции. Важно отметить, что элементы множества А1, А2, Аз, ..., Ам (допустимые площади производства сельхозкультур) подбираются с учетом ограничений, наложенных на объемы производства культур, на использование ограниченных ресурсов [30].
На пути решения данной задачи могут возникнуть такие трудности:
- множество действий А1, А2, Аз, ..., Ам может оказаться ограниченным и, как следствие, его элементы могут быть далекими от оптимальных;
- формирование множества А1, А2, Аз, ..., Ам может оказаться трудоемким.
Ниже при решении модельных задач излагается один подход к определению элементов множества состояний засух и соответствующих им вероятностей, приводятся выражения для вычисления значений с учетом уязвимости культур для засух.
Некоторые результаты модельных расчетов
Остановимся на некоторых результатах модельных расчетов, проведенных для производственно-экономических условий предгорной и степной климатических зон КБР. Для определения состояний, в которых могут находиться засухи, была использована приведенная выше их классификация по значениям коэффициента К. Значения К, как было отмечено, были вычислены на интервале 1976-2018 гг. с использованием данных о среднемесячной температуре
ISSN 1026-2237 BULLETINOFHIGHEREDUCATIONALINSTITUTIONS. NORTHCAUCASUSREGION. NATURAL SCIENCE. 2023. No. 3
приземного воздуха и сумме осадков с мая по октябрь метеостанций Нальчик и Прохладный. Пользуясь значениями K на достаточно длинном отрезке времени, состояния засух в различных климатических зонах были представлены в виде дискретной случайной величины. Для этой цели во временных рядах К были определены количества элементов ni, П2, пз, П4, ns, которые соответствуют различным зонам увлажнения: K>1,3; 1<K<1,3; 0,7<K<1,0; 0,5<K<0,7 и К<0,5. Очевидно, что = N, а вероятности состояний засух определяются по формуле pi =n/N.
В табл. 4 приведены состояния, в которых могут оказаться засухи в предгорной (м/с Нальчик) и степной (м/с Прохладный) климатических зонах КБР и соответствующие им вероятности. Из таблицы видно, что за исследуемый период времени наиболее часто встречающимся состоянием в предгорной зоне является избыточное увлажнение (р=0,420), за ним следует состояние обеспеченного увлажнения (р=0,403). Случаю, когда значение K находится в засушливой зоне, соответствует вероятность р=0,145. Состояние K<0,5, соответствующее сильной засухе, на рассматриваемом отрезке времени в данной климатической зоне не наблюдалось.
Таким образом, засухи в предгорной климатической зоне могут находиться в четырех состояниях Uj (j=1, 2, 3, 4). Из таблицы видно, что вероятность появления засух в данной климатической зоне незначительна и равна 0,177 (для коэффициента влагообеспеченности в интервалах 0,7<K<1,0 и 0,5<K<0,7).
Таким образом, агрометеорологические условия в предгорной климатической зоне КБР пока еще являются благоприятными для производства растениеводческой продукции. Данные, приведенные в табл. 4, показывают, что подверженности климатических зон региона данному погодному явлению существенным образом различаются.
Таблица 4 / Table 4
Зоны увлажнения почвы в предгорной и степной климатических зонах КБР и соответствующие вероятности / Soil moistening zones in the foothill and steppe climatic zone of the KBR
and the corresponding probabilities
Предгорная зона КБР (м/с Нальчик)
K K>1,3 1<K<1,3 0,7<K<1,0 0,5<K<0,7 К<0,5
Р 0,420 0,403 0,145 0,032 0,0
Степная зона КБР (м/с Прохладный)
K K>1,3 1<K< 1,3 0,7<K< 1,0 0,5<K< 0,7 K< 0,5
Р 0,016 0,371 0,355 0,226 0,032
Если наиболее часто встречающимся состоянием коэффициента влагообеспеченности в предгорной зоне является избыточное увлажнение (р=0,420), то в степной зоне таким состоянием является обеспеченное увлажнение (р=0,371). Вероятность того, что сельское хозяйство предгорной зоны окажется под влиянием засух, незначительна и равна р=0,177, для степной зоны -р= 0,613.
Далее предположим, что на участке 5"= 600 га производятся сельхозкультуры: озимая пшеница, кукуруза, овес и картофель. Влагообеспеченность почвы может находиться в состояниях, которые указаны в табл. 4. Вероятностирг-, соответствующие каждому состоянию, известны.
Пусть элементами множества действий являются следующие структуры производства культур:
1. 300, 100, 100, 100 га. 4. 240, 100, 100, 160 га. 7. 240, 100, 160, 100 га.
2. 150, 100, 250, 100 га. 5. 200, 200, 20, 180 га. 8. 150, 100, 100, 250 га.
3. 300, 100, 80, 120 га. 6. 240, 160, 100, 100 га. 9. 210,190,100,100 га.
Таким образом, для снижения потерь сельского хозяйства от засух возможно использование девяти действий. Задача заключается в выборе наиболее приемлемой структуры. Для этой цели, как было отмечено, необходимо составить табл. 3, что требует вычисления исходов 8у (=1, 2, ..., 9;
ISSN 1026-2237 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. NATURAL SCIENCE. 2023. No. 3
j=l, 2, ..., 4). В качестве исхода, соответствующего действию Ai и состоянию засух j, в работе используется объем производства сельскохозяйственной продукции:
Sij = Y!i=i(1-kjdYlRlxll, (2)
где kji - уязвимость культуры с номером l, когда засуха находится в состоянии j; Yi, Ri - соответственно, урожайность, ц/га, и цена реализации культуры с номером l, руб./ц; хц - площадь пашни, занимаемая культурой с номером l и соответствующая действию Ai, га. Под уязвимостью понимается доля урожайности культуры i, теряющаяся под влиянием засухи в состоянии Uj [32].
Тогда ожидаемый объем производства сельскохозяйственных культур, соответствующий действию Ai, можно записать в виде
Vt = Zj=iZt=iPi(l - kJi)YlRlxil, (3)
где pj - вероятность того, что засуха находится в состоянии Uj.
Расчеты проводились для значений параметров урожайности культуры Yi, цены реализации Ri и коэффициента уязвимости kji, приведенных в табл. 5.
Таблица 5 / Tabie 5
Исходные данные для проведения расчетов / Initial data for calculations
nn, сельхозкультура Yi, ц/га Коэффициент уязвимости kji R*i,, тыс. руб./ц
j=l, пшеница 40 kn=0,0 ki2=0,0 ki3=0,0 к14=0,0 к15=0,6 1,35
j=2, кукуруза 50 к21=0,0 к22=0,0 к2з=0,0 к24=0,0 к25=0,6 1,1
j=3, овес 35 кз1=0,2 кз2 =0,2 кзз=0,2 кз4=0,2 кзз=0,1 0,7
j=4, картофель 150 к41=0,3 к42=0,3 к4з=0,4 к44=0,4 к45 =0,6 1,0
* - данные сайта Госкомстата КБР [33].
Не останавливаясь подробно на результатах вычисления исходов (/=1, 2, ..., 9;]=1, 2, ..., 5), приведем ожидаемые валовые объемы производства продукции У/, полученные для условий предгорной климатической зоны и соответствующие действиям Ас
V1 = 37 583 тыс. руб. У4 = 43 092 тыс. руб. У?= 35 877 тыс. руб.
V2= 33 317 тыс. руб. У5 = 47 299 тыс. руб. У8 = 51 355 тыс. руб.
Уз = 39 989 тыс .руб. Уб= 37 641 тыс. руб. Уд = 37 669 тыс. руб.
Отсюда можно заметить, что наилучшим из всех действий является А% (150, 100, 100, 250), а наихудшим, как можно заметить, - действие А2 (150, 100, 250, 100). Разброс между ожидаемыми валовыми объемами производства продукции, соответствующими отмеченным действиям, равен 18 038 тыс. руб.
Для сравнения такие же расчеты с использованием тех же данных проводились и для условий степной зоны. В этом случае соответствующие различным действиям ожидаемые объемы производства сельскохозяйственных культур У/ получились равными:
V1 = 31 018 тыс. руб. У4 = 35 599 тыс. руб. V? = 29 623 тыс. руб.
У2= 27 532 тыс. руб. У5 = 39 082 тыс. руб. У8 = 42 471 тыс. руб.
Уз = 33 010 тыс. руб. Уб = 31 076 тыс. руб. Уд= 31 105 тыс. руб.
Можно заметить, что, как и в предгорной зоне, максимальный и минимальный ожидаемые объемы производства продукции соответствуют действиям А8 (150, 100, 100, 250) и А2 (150, 100,
250, 100), а разброс между ними равен 14 939 тыс. руб. Кроме этого, значения V в предгорной зоне выше, чем в степной, что связано с тем, что данная климатическая зона менее подвержена засухам.
Отметим, что с точки зрения отмеченного выше требования к методам снижения рисков (с точки зрения экономичности практического использования) изложенный метод имеет значительное преимущество.
Заключение
В методе, предложенном в работе, в качестве механизма снижения потерь растениеводческой отрасли аграрного сектора от засух используется то, что уязвимость для засух различна для различных сельскохозяйственных культур. Путем выбора наиболее эффективной структуры производства сельскохозяйственных культур с точки зрения используемого критерия осуществляется управление потерями сельского хозяйства от засух. Авторами предложена модель снижения потерь сельского хозяйства от засух в рамках теории принятия решений.
Для анализа эффективности метода для производственно-экономических условий предгорной и степной климатических зон КБР проведены модельные расчеты. При этом для определения возможных состояний засух в данной климатической зоне была использована классификация засух в зависимости от значений гидротермического коэффициента увлажнения Селянинова. Для вычисления значений данного коэффициента и соответствующих им вероятностей использовались временные ряды температуры воздуха и количества осадков за период 1961-2018 гг., что сводит задачу снижения потерь сельского хозяйства к задаче принятия решений в условиях риска. Приведенные модельные расчеты показали достаточно высокую эффективность метода для поставленной задачи. Важным достоинством метода является то, что практическое его использование не требует значительных финансовых затрат.
Серьезное внимание следует уделить исследованию уязвимости сельскохозяйственных культур для засух. При этом необходимо учитывать, что она существенно зависит от фазы развития сельскохозяйственных культур и от состояния, в котором находятся засухи. Это относится и к другим опасным погодным явлениям.
Список источников
1. Парниковый эффект, изменение климата и экосистемы / под ред. Б. Болина, Б. Дееса, Дж. Ягера, Р. Уорика. Л.: Гидрометеоиздат, 1989. 558 с.
2. Булыгина О.Н., Коршунова Н.Н., Кузнецова В.Н., Разуваев В.Н., Трофименко Л.Т. Анализ изменчивости климата на территории России в последние десятилетия // Тр. ВНИИГМИ-МЦД. 2000. Вып. 167. С. 3-15.
3. Золина О.Г., Булыгина О.Н. Современная климатическая изменчивость характеристик экстремальных осадков в России // Фундаментальная и прикладная климатология. 2016. Т. 1. С. 84-103.
4. Ashabokov B.A., Tashilova A.A., Kesheva L.A., Taubekova Z.A. Trends in Precipitation Parameters in the Climate Zones of Southern Russia (1961-2011) // Russian Meteorology and Hydrology. 2017. Vol. 42, № 3. P. 150-158.
5. Ашабоков Б.А., Ташилова А.А., Кешева Л.А., Таубекова З.А. Климатические изменения средних значений и экстремумов приповерхностной температуры воздуха на юге европейской территории России // Фундаментальная и прикладная климатология. 2017. Т. 1. С. 5-19.
6. Ашабоков Б.А., Федченко Л.М., Ташилова А.А., Кешева Л.А., Теунова Н.В. Пространственно-временное изменение климата юга европейской территории России, оценка его последствий, методы и модели адаптации АПК. Нальчик: Фрегат, 2020. 476 с.
7. Катцов В.М., Школьник И.М., Павлова В.Н., Хлебникова Е.И., Константинов А.В., Павлова Т.В., Пикалева А.А., Рудакова Ю.А., Салль И.А., Байдин А.В., Задворных В.А. Развитие технологии вероятностного прогнозирования регионального климата на территории России и построение на ее основе сценарных прогнозов изменения климатических воздействий на секторы экономики. Часть II: Оценки климатических воздействий // Тр. Главной геофизической обсерватории им. А.И. Воейкова. 2019. Вып. 593. С. 6-52.
8. Третий оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации: общее резюме. СПб.: Наукоемкие технологии, 2022. 124 с.
9. Доклад об особенностях климата на территории Российской Федерации за 2022 год. М., 2023. 104 с.
10. Кравченко Р.Г. Математическое моделирование экономических процессов в сельском хозяйстве. М.: Колос, 1979. 388 с.
11. Уланова Е.С., Страшная А.И. Засухи в России и их влияние на урожайность зерновых культур // Тр. ВНИИСХМ. 2000. Вып. 33. С. 64-83.
12. Израэль Ю.А., Сиротенко О.Д. Моделирование влияния изменений климата на продуктивность сельского хозяйства России // Метеорология и гидрология. 2003. № 6. С. 5-17.
13. Зоидзе Е.К., Хомякова Т.В., Шостак З.А., Сиротенко В.Г., Овчаренко А.И., Сухарева В.А. О проблеме адекватного агроклиматического обеспечения экономики Российской Федерации в условиях изменения климата // Метеорология и гидрология. 2010. № 8. С. 73-86.
14. Переведенцев Ю.П., Шарипова Р.Б., Важнова Н.А. Агроклиматические ресурсы Ульяновской области и их влияние на урожайность зерновых культур // Вестн. УдГУ. Биология. Науки о Земле. 2012. № 2. С. 120-126.
15. Черенкова Е.А., Бардин М.Ю., Золотокрылин А.Н. Статистика осадков и засух в противоположные фазы квазидвухлетней цикличности атмосферных процессов и ее связь с урожайностью в европейской части РФ // Метеорология и гидрология. 2015. № 3. С. 23-35.
16. Балкизова А.Х., Ташилова А.А., Пшихачева И.Н. Основные этапы и задачи проблемы адаптации аграрного сектора к изменениям климата // Устойчивое развитие: проблемы, концепции, модели: материалы междунар. симп. КБНЦ РАН, 28 июня - 3 июля. Нальчик, 2013. Т. 1. С. 106-109.
17. Ashabokov B.A., Fedchenko L.M., Tashilova A.A., Shapovalov A.V., Khavtsukov A.Kh., Balkarova S.B. Modeling Risk Reduction in Agriculture Associated with Dangerous Agrometeorological Phenomena // AgroSMART - Smart solutions for agriculture. International Scientific and Practical Conference. KnE Life Sciences, 2019. P. 223-231. Doi: 10.18502/kls.v4i14.5608.
18. Dai A., Trenberth K.E., Qian T. A global dataset of Palmer Drought Severity Index for 1870-2002: Relationship with soil moisture and effects of surface warming // J. Hydrometeorol. 2004. Vol. 5. P. 1117-1130.
19. Lane D.,Chatrchyan A., Tobin D., Thorn K., Allred S., Radhakrishna R. Climate change and agriculture in New York and Pennsylvania: Risk perceptions, vulnerability and adaptation among farmers // Renew. Agric. FoodSyst. 2018. Vol. 33. P. 197-205.
20. Vicente-Serrano S.M., Domínguez-Castro F., Murphy C., ^nnaford J., ReigF., Pena-Angulo D., Tramblay Y., Trigo R.M., MacDonald N., Luna M.Y., McCarthy M., Van der Schrier G., Turco M., Camuffo D., Noguera I., Carcia-Herrera R., Becherini F., della Valle A., Tomas-Burguera M., El Kenawy A. Long-Term Variability and Trends in Meteorological Droughts in Western Europe (1851-2018) // Int. J. Climatol. 2021. Vol. 41. P. 690-717.
21. Ferreira N.C.R., Rotter R.P., Bracho-Mujica G., Nelson W.C.D., Lam Q.D., Recktenwald C., Abdulai I., Odhiambo J., FoordS. Drought patterns: Their spatiotemporal variability and impacts on maise production in Limpopo province, South Africa // Int. J. Biometeorol. 2023. Vol. 67. P. 133-148.
22. Shang Z., Lu Z., Shang S., Zhang X., He L., Jiang D. Effects of Relative Climate Changes on the Growth Period of Winter Wheat in Jiangsu Province, China // Romanian Agricultural Research. 2016. Vol. 33. P. 88-96.
23. Wilcox J., Makowski D. A Meta-Analysis of the Predicted Effects of Climate Change on Wheat Yields using Simulation Studies // Field Crops Research. 2014. Vol. 156. P. 180-190.
24. Elias E.H., Flynn R., Idowu O.J., Reyes J., Sanogo S., Schutte B.J., Smith R., Steele C., Sutherland C. Crop Vulnerability to Weather and Climate Risk: Analysis of Interacting Systems and Adaptation Efficacy for Sustainable Crop Production // Sustainability. 2019. Vol. 11 (23). P. 6619. https://doi.org/10.3390/su11236619.
25. Чудинова Л.А., Орлова Н.В. Физиология устойчивости растений. Пермь: Перм. ун-т, 2006. 124 с.
26. Heim R.R. A review of twentieth-century drought indices used in the United States // Bull. Am. Met. Soc. 2002. Vol. 84. P. 1149-1165.
27. HayesM.J., Alvord C., Lowrey J. Drought indices // Intermountain West Climate Summary. 2007. Vol. 3 (6). P. 2-6.
28. СеляниновГ.Т. Агроклиматическая карта мира. Л.: Гидрометеоиздат, 1996. 12 с.
29. ЗалихановМ.Ч., Федченко Л.М., АшабоковБ.А., КешеваЛ.А., Теунова Н.В. Возможные последствия изменения климата на юге европейской территории России // Успехи современного естествознания. 2021. № 12. С. 107-113.
30. Кини Р.Л., РайфаX Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981. 560 с.
31. ТахаХ. Введение в исследование операций. М.: Мир, 1985. Т. 2. 496 с.
32.Генкель П.А. Физиология жаро- и засухоустойчивости. М.: Наука, 1982. 280 с.
33. Управление Федеральной службы государственной статистики по Северо-Кавказскому федеральному округу. URL: https://stavstat.gks.ru/ofstatistics_kbr (дата обращения: 10.03.2023).
ISSN 1026-2237 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. NATURAL SCIENCE. 2023. No. 3
References
1. Bolin B., Dees B., Jager J., Warwick R., eds. Greenhouse effect, climate change and ecosystems. Leningrad: Gidrometeoizdat Publ., 1989. 558 p. (In Russ.).
2. Bulygina O.N., Korshunova N.N., Kuznetsova V.N., Razuvaev V.N., Trofimenko L.T. Analysis climate variability in Russia in recent decades. Tr. VNIIGMI-MTsD = Proceedings of the All-Russian Research Institute of Hydrometeorological Information - World Data Center. 2000;(167):3-15. (In Russ.).
3. Zolina O.G., Bulygina O.N. Modern climatic variability of extreme precipitation characteristics in Russia. Fundamental'naya i prikladnaya klimatologiya = Fundamental and Applied Climatology. 2016;1:84-103. (In Russ.).
4. Ashabokov B.A., Tashilova A.A., Kesheva L.A., Taubekova Z.A. Trends in Precipitation Parameters in the Climate Zones of Southern Russia (1961-2011). Russian Meteorology and Hydrology. 2017;42(3):150-158.
5. Ashabokov B.A., Tashilova A.A., Kesheva L.A., Taubekova Z.A. Climatic changes in mean values and extremes of near-surface air temperature in the south of the European territory of Russia. Fundamental'naya i prikladnaya klimatologiya = Fundamental and Applied Climatology. 2017;1:5-19. (In Russ.).
6. Ashabokov B.A., Fedchenko L.M., Tashilova A.A., Kesheva L.A., Teunova N.V. Spatio-temporal climate change in the south of the European territory of Russia, assessment of its consequences, methods and models of adaptation of agriculture. Nalchik: Fregat Publ.; 2020. 476 p. (In Russ.).
7. Kattsov V.M., Shkolnik I.M., Pavlova V.N., Khlebnikova E.I., Konstantinov A.V., Pavlova T.V., Pikaleva A.A., Rudakova Yu.A., Sall I.A., Baidin A.V., Zadvornykh V.A. Development of technology for probabilistic forecasting of regional climate in Russia and building on it is based on scenario forecasts of changes in climate impacts on economic sectors. Part II: Climate impact assessments. Tr. Glavnoi geofizicheskoi observatorii im. A.I. Voeikova = Proceedings of the VoeikovMain Geophysical Observatory. 2019;(593):6-52. (In Russ.).
8. Third assessment report on climate change and its consequences on the territory of the Russian Federation: general summary. St. Petersburg: Naukoemkie tekhnologii Publ.; 2022. 124 p. (In Russ.).
9. Report on the peculiarities of the climate in the territory of the Russian Federation for 2022. Moscow, 2023. 104 p. (In Russ.).
10. Kravchenko R.G. Mathematical modeling of economic processes in agriculture. Moscow: Kolos Publ.; 1979. 388 p. (In Russ.).
11. Ulanova E.S., Strashnaya A.I. Droughts in Russia and their impact on the yield of grain crops. Tr.
VNIISKhM = Proceedings of the All-Russian Research Institute of Agricultural Meteorology. 2000;(33):64-83. (In Russ.).
12. Israel Yu.A., Sirotenko O.D. Modeling the impact of climate change on the productivity of agriculture in Russia. Meteorologiya i gidrologiya = Meteorology and Hydrology. 2003;(6):5-17. (In Russ.).
13. Zoidze E.K., Khomyakova T.V., Shostak Z.A., Sirotenko V.G., Ovcharenko A.I., Sukhareva V.A. On the problem of adequate agro-climatic support of the economy of the Russian Federation in the conditions of climate change. Meteorologiya i gidrologiya = Meteorology and Hydrology. 2010;(8):73-86. (In Russ.).
14. Perevedentsev Yu.P., Sharipova R.B., Vazhnova N.A. Agro-climatic resources of the Ulyanovsk region and their impact on the yield of grain crops. Vestn. UdGU. Biologiya. Nauki o Zemle = Bulletin of Udmurt University. Series Biology. Earth Sciences. 2012;(2):120-126. (In Russ.).
15. Cherenkova E.A., Bardin M.Yu., Zolotokrylin A.N. Statistics of precipitation and droughts in the opposite phases of the quasi-two-year cycle of atmospheric processes and its relationship with productivity in the European part of the Russian Federation. Meteorologiya i gidrologiya = Meteorology and Hydrology. 2015;(3):23-35. (In Russ.).
16. Balkizova A.Kh., Tashilova A.A., Pshikhacheva I.N. The main stages and tasks of the problem of adaptation of the agricultural sector to climate change. Sustainable development: problems, concepts, models: materials of the international symposium. KBSC RAS, June 28 - July 3. Nalchik, 2013;1:106-109. (In Russ.).
17. Ashabokov B.A., Fedchenko L.M., Tashilova A.A., Shapovalov A.V., Khavtsukov A.Kh., Balkarova S.B. Modeling Risk Reduction in Agriculture Associated with Dangerous Agrometeorological Phenomena. AgroSMART - Smart solutions for agriculture. International Scientific and Practical Conference. KnE Life Sciences, 2019:223-231, doi: 10.18502/kls.v4i14.5608.
18. Dai A., Trenberth K.E., Qian T. A global dataset of Palmer Drought Severity Index for 1870-2002: Relationship with soil moisture and effects of surface warming. J. Hydrometeorol. 2004;5:1117-1130.
19. Lane D., Chatrchyan A., Tobin D., Thorn K., Allred S., Radhakrishna R. Climate change and agriculture in New York and Pennsylvania: Risk perceptions, vulnerability and adaptation among farmers. Renew. Agric. FoodSyst. 2018;33:197-205.
20. Vicente-Serrano S.M., Domínguez-Castro F., Murphy C., Hannaford J., Reig F., Pena-Angulo D., Tram-blay Y., Trigo R.M., MacDonald N., Luna M.Y., McCarthy M., Van der Schrier G., Turco M., Camuffo D., Noguera I., Carcia-Herrera R., Becherini F., della Valle A., Tomas-Burguera M., El Kenawy A. Long-Term Variability and Trends in Meteorological Droughts in Western Europe (1851-2018). Int. J. Climatol. 2021;41:690-717.
ISSN 1026-2237 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. NATURAL SCIENCE. 2023. No. 3
21. Ferreira N.C.R., Rotter R.P., Bracho-Mujica G., Nelson W.C.D., Lam Q.D., Recktenwald C., Abdulai I., Odhiambo J., Foord S. Drought patterns: Their spatiotemporal variability and impacts on maise production in Limpopo province, South Africa. Int. J. Biometeorol. 2023;67:133-148.
22. Shang Z., Lu Z., Shang S., Zhang X., He L., Jiang D. Effects of Relative Climate Changes on the Growth Period of Winter Wheat in Jiangsu Province, China. Romanian Agricultural Research. 2016;33:88-96.
23. Wilcox J., Makowski D. A Meta-Analysis of the Predicted Effects of Climate Change on Wheat Yields using Simulation Studies. Field Crops Research. 2014;156:180-190.
24. Elias E.H., Flynn R., Idowu O.J., Reyes J., Sanogo S., Schutte B.J., Smith R., Steele C., Sutherland C. Crop Vulnerability to Weather and Climate Risk: Analysis of Interacting Systems and Adaptation Efficacy for Sustainable Crop Production. Sustainability. 2019;11(23):6619, https://doi.org/10.3390/su11236619.
25. Chudinova L.A., Orlova N.V. Physiology of plant resistance. Perm: Perm University Press; 2006. 124 p. (In Russ.).
26. Heim R.R. A review of twentieth-century drought indices used in the United States. Bull. Am. Met. Soc. 2002;84:1149-1165.
27. Hayes M.J., Alvord C., Lowrey J. Drought indices. Intermountain West Climate Summary. 2007;3(6):2-6.
28. Selyaninov G.T. Agro-climatic map of the world. Leningrad: Gidrometeoizdat Publ.; 1996. 12 p. (In Russ.).
29. Zalikhanov M.Ch., Fedchenko L.M., Ashabokov B.A., Kesheva L.A., Teunova N.V. Possible consequences of climate change in the south of the European territory of Russia. Uspekhi sovremennogo estestvoznaniya = Advances in Current Natural Sciences. 2021;(12):107-113. (In Russ.).
30. Kini R.L., Raifa X. Decision-making under many criteria: preferences and substitutions. Moscow: Radio i svyaz' Publ.; 1981. 560 p. (In Russ.).
31. Takha H. Introduction to operations research. Moscow: Mir Publ.; 1985. Vol. 2. 496 p. (In Russ.).
32. Genkel P.A. Physiology of heat and drought resistance. Moscow: Nauka Publ.; 1982. 280 p. (In Russ.).
33. Department of the Federal State Statistics Service for the North Caucasus Federal District. Available from: https://stavstat.gks.ru/ofstatistics_kbr [Accessed 10th March 2023]. (In Russ.).
Информация об авторах
Борис Азреталиевич Ашабоков - доктор физико-математических наyк, профессор, заведyющuй отделом физики облаков, Высокогорный геофизический инстит}т; заведyющuй отделом, Инстuтyт информатики и проблем регионального yправленuя КБНЦ РАН.
Людмила Михайловна Федченко - доктор географических наyк, профессор, главный наyчный сотрyднuк. Геннадий Владимирович Ryповых - доктор физико-математических наyк, профессор, заведyющuй кафедрой высшей математики, Инстит}т компьютерных технологий и информационной безопасности. Алла Амарбиевна Ташилова - доктор физико-математических наyк, доцент, старший наyчный сотрyд-ник.
Лара Асировна Кешева - кандидат физико-математических наyк, старший наyчный сотрyднuк. Наталия Вячеславовна Теyнова - кандидат физико-математических наyк, старший наyчный сотрyднuк. Марина Борисовна Ашабокова - младший наyчный сотрyднuк.
Information about the authors
Boris A. Ashabokov - Doctor of Science (Physics and Mathematics), Professor, Head of the Department of Cloud Physics, High-Mountain Geophysical Institute; Head of the Department, Institute of Informatics and Problems of Regional Management, KBSC RAS.
Lyudmila M. Fedchenko - Doctor of Science (Geography), Professor, Main Researcher.
Gennady V. Kupovykh - Doctor of Science (Physics and Mathematics), Professor, Head of the Department of Higher Mathematics, Institute of Computer Technologies and Information Security.
Alla A. Tashilova - Doctor of Science (Physics and Mathematics), Associate Professor, Senior Researcher. Lara A. Kesheva - Candidate of Science (Physics and Mathematics), Senior Researcher. Nataliya V. Teunova - Candidate of Science (Physics and Mathematics), Senior Researcher. Marina B. Ashabokova - Junior Researcher.
Статья постyпuла в редакцию 06.04.2023; одобрена после рецензирования 23.05.2023; принята к пyблuкацuu 20.06.2023. The article was submitted 06.04.2023; approved after reviewing 23.05.2023; accepted for publication 20.06.2023.
