CC BY
11
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №02-2/2017 ISSN 2410-6070
СЕЛЬСКОХОЗЯЙСТВЕННЫЕ НАУКИ
УДК 633.13 : 57.042 : 57.087.1 (470.21)
В.И. Костюк
Главный научный сотрудник, д. б. н.
Полярно-альпийский ботанический сад-институт им. Н.А. Аврорина Кольский научный центр Российской академии наук г. Апатиты, Российская Федерация
О МЕТЕОРОЛОГИЧЕСКИХ И ГЕЛИОГЕОФИЗИЧЕСКИХ УСЛОВИЯХ ФОРМИРОВАНИЯ УРОЖАЕВ ОВСА НА КОЛЬСКОМ СЕВЕРЕ
Аннотация
На основе статистического анализа многолетних данных установлено, что колебания урожайности овса в южной зоне Кольского полуострова обусловлены не только вариациями ключевых метеорологических элементов - света, температуры и осадков, но и изменениями солнечной активности. С помощью нейросетевого подхода и многофакторной оптимизации отклика подобрано наилучшее соотношение основных параметров экотопа, эффективно стимулирующее продукционный процесс данной культуры.
Ключевые слова
Метеорологические факторы, солнечная активность, урожайность овса, статистический
анализ и моделирование, Кольский Север.
Введение
Мурманская область отличается неблагоприятными почвенно-климатическими условиями для выращивания культурных растений, что обусловлено ее расположением за полярным кругом. Внимание исследователей, изучавших агрометеорологические аспекты формирования урожаев овса на Кольском Севере, чаще всего концентрировалось на двух метеорологических факторах - температуре воздуха и количестве осадков. Значительно реже изучалось влияние инсоляции на биопродуктивность овса [1].
Недавно нами было показано, что урожайность культурных растений в данном регионе в значительной мере зависит не только от погодных условий, но и от такого космофизического фактора, как активность Солнца [2]. Можно думать, что дополнительный учет этого фактора в модельных реконструкциях позволит более корректно оценивать, как общий уровень влияния основных метеорологических элементов на характер формирования урожаев овса в Мурманской области, так и конкретный вклад каждого из них в продукционный процесс данной культуры.
Методика исследования
Для содержательного и статистического анализа использовали результаты 20-летних наблюдений (1971-1990 гг.) за формированием урожаев овса в совхозе "Кандалакшский" (г. Кандалакша). Различные сорта овса (Рядовой, Орел, Фаленский, Золотой дождь) высевались на окультуренных альфегумусовых песчаных почвах преимущественно во второй декаде июня. Перед посевом на участки, отведенные под культуру овса, вносилось 40-60 т/га навоза в сочетании с комплексными минеральными удобрениями (нитрофоска, азофоска), которые применялись в дозах N60-80 P60-80 K60-80 кг д.в./га. Уборка урожая овса (Ур, т/га) производилась в период от выбрасывания метелки до начала молочной спелости (третья декада июля - первая декада августа).
Данные о среднемесячных температурах воздуха в период вегетации растений овса (соответственно: июнь - Т6, июль - Т7, оС), суммарном количестве атмосферных осадков (H6 и Н7, мм) и числе часов солнечного сияния в эти месяцы (S6 и S7, ч) были предоставлены гидрометеорологической станцией "Кандалакша" Мурманского управления по гидрометеорологии и мониторингу окружающей среды. Информация об уровнях ежемесячной солнечной активности, выражаемой в виде чисел Вольфа (W6 и W7,
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №02-2/2017 ISSN 2410-6070_
отн. ед.), имеется в свободном доступе на сайте ftp://ftp.ngdc.noaa.gov/stp/solar data/sunspot numbers.
Статистическую обработку общего массива данных проводили с использованием программы STATISTICA 10 [3].
Результаты и их обсуждение
Дескриптивный анализ 20-летних агрометеорологических наблюдений за посевами овса в совхозе "Кандалакшский" показал, что в эти годы с максимальной амплитудой варьировали солнечная активность, количество атмосферных осадков и число часов солнечного сияния. Коэффициенты вариации этих показателей достигали 26-74%. Для температуры воздуха и урожайности овса был характерен более узкий диапазон изменчивости по годам - 11-20% (табл. 1).
Таблица 1
Описательные статистики метеорологических элементов, солнечной активности и урожайности овса за период с 1971 по 1990 годы
Показатели Месяцы Размах (min-max) Средняя арифметическая Стандартное отклонение Коэффициент вариации, %
Температура воздуха, оС Июнь 6.7-13.8 11.1 1.9 17.2
Июль 12.4-18.1 14.6 1.6 11.0
Количество осадков, мм Июнь 18-110 49.1 23.4 47.6
Июль 0-148 67.3 36.3 53.9
Число часов солнечного сияния Июнь 188-345 269.2 46.0 17.1
Июль 147-426 284.5 73.0 25.6
Числа Вольфа, отн.ед. Июнь 1.1-196.2 73.0 54.3 74.4
Июль 1.9-159.4 74.8 50.4 67.4
Урожайность овса, т/га - 8.4-17.7 13.2 2.6 19.7
Корреляционный анализ первичных данных показал, что урожайность овса наиболее тесно была связана с метеорологическими условиями июля, причем критическим звеном оказалось количество выпадающих в этом месяце атмосферных осадков (табл. 2). В целом, выявленные корреляции свидетельствуют о важности оптимального сочетания метеоэлементов в июле для максимальной реализации продукционного потенциала растений овса. Поэтому дальнейшее обсуждение материала будет ограничено временными рамками именно этого месяца. Общую картину индивидуального влияния экзогенных факторов на урожайность овса в условиях Кольского Севера можно ориентировочно представить в виде следующего ранжированного (по абсолютным значениям коэффициентов корреляции) ряда: Ш > S7 > Т7 > W7.
Таблица 2
Парные линейные связи между урожайностью овса и экзогенными управляющими факторами
Факторы Месяцы Коэффициенты корреляции P-уровень
Температура воздуха, оС Июнь -0.30 0.203
Июль -0.62 0.004
Количество осадков, мм Июнь 0.07 0.763
Июль 0.82 < 0.001
Число часов солнечного сияния Июнь -0.19 0.428
Июль -0.74 < 0.001
Числа Вольфа, отн.ед. Июнь -0.43 0.057
Июль -0.40 0.080
Примечание. Статистика "P-уровень" - характеризует уровень статистической значимости коэффициентов парной корреляции Пирсона.
Следует, однако, заметить, что связь между набором управляющих параметров (метеорологическими
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №02-2/2017 ISSN 2410-6070_
и гелиогеофизическими условиями в годы проведения наблюдений) и целевой функцией (урожайностью овса) имеет сложные топологические очертания, которые невозможно исчерпывающим образом описать только с помощью линейного корреляционного анализа [4].
Действительно, на основе многомерного регрессионного анализа установлено, что обсуждаемая связь носит выраженный нелинейный характер. Это хорошо видно из спецификации следующей простой полиномиальной модели, включающей в свою структуру только главные эффекты (линейные и квадратичные) влияния метеорологических факторов:
Ур (т/га) = -1.86T7 + 1.62T72 +2.46H7 -1.66H72 -2.54S7+ 2.80S72 .
(R2 = 74.8%; Брасч. (6;13) = 6.43 > F0.95 = 2.92; Р = 0.0025),
где R2 - коэффициент множественной детерминации уравнения связи; F - статистика Фишера для оценки адекватности уравнения, P - уровень статистической значимости уравнения.
Дополнительный учет влияния на продуктивность овса гелиогеофизического индекса Вольфа существенно улучшает статистические оценки "качества" аппроксимирующего полинома:
Ур (т/га) = 0.62T7 - 0.66T72 +3.19H7 -2.14H72 -3.16S7+ 3.51S72 - 1.35W7
+ 0.92W72.
(R2 = 94.6%; Брасч. (8;11) = 24.1 > F0.95 = 2.95; Р < 0.001).
Объясняющий потенциал этого уравнения регрессии (R2) почти на 20% превосходит возможности предыдущей статистической модели, что доказывает практическую целесообразность использования фактора-предиктора "солнечная активность" для более полного описания агрометеорологических аспектов формирования урожаев овса. Наличие в вышеприведенных аппроксимирующих функциях квадратичных членов указывает на значительную кривизну поверхности отклика (урожайности овса) в естественном диапазоне вариаций экзогенных управляющих факторов.
Вполне понятно, что метеорологические элементы и солнечная активность оказывают на урожайность овса кооперативное воздействие. В связи с этим, оценка их индивидуальной роли в системе "управляющие факторы - отклик"не имеет, очевидно, однозначного решения. Стандартный корреляционно-регрессионный подход дает возможность получить только самое общее представление о структуре подобной системы, а для более глубокого проникновения в суть её каузальных связей требуется использование более сложных математических технологий (например, имитационного моделирования [5]).
Особый интерес представляет вопрос о том, при каких количественных сочетаниях экзогенных факторов в июле достигается наиболее высокий выход урожая овса с единицы площади агроценоза. Он актуален с феноменологической точки зрения, поскольку позволяет лучше понять потребности растений овса в погодно-климатических ресурсах Кольского Севера. Решение этой задачи состояло из двух этапов.
На первом этапе для описания нелинейной связи между урожайностью овса и управляющими параметрами использовали модуль STATISTICA Automated Neural Networks (автоматические нейронные сети), входящий в комплекс Data Mining Analyses (добыча данных) [6]. Искомая связь удовлетворительно аппроксимировалась нейронными сетями в виде многослойных персептронов и радиальных базисных функций. Всего было построено 10 трехслойных сетей с различной архитектурой (с числом нейронов в скрытом слое от 3 до 12), которые затем объединяли в ансамбль или группу. Качество аппроксимации нейросетями нелинейной зависимости отклика от управляющих факторов оказалось достаточно высоким - r = 0.98-0.99.
На втором этапе с помощью построенных сетей был выполнен поиск наиболее подходящей (квазиоптимальной) конфигурации управляющих факторов для июля месяца, при которой возможно получение максимальной урожайности овса. С этой целью использовали модуль Response Optimization for Data Mining Models (оптимизация отклика для моделей добычи данных), в который загружали XML-файлы нейронных сетей. Будет уместным, на наш взгляд, сделать ремарку о "хрупкости" получаемых в результате подобных расчетов оптимальных решений, которые в общем случае не являются безальтернативными [7]. Доказано, что одному и тому же "наилучшему" значению параметра оптимизации могут соответствовать разные наборы значений факторов или независимых переменных [8].
Процедуру многопараметрической оптимизации осуществляли с применением метода сеток, который
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №02-2/2017 ISSN 2410-6070_
позволяет адекватно описывать практически любую поверхность отклика [9]. Для начала работы алгоритма в качестве стартовых условий принимали средние значения управляющих факторов (табл. 1). Тип использованной оптимизации - поиск максимальной величины целевой функции (17.7 т/га), полученной в ходе многолетних наблюдений за динамикой урожайности овса. Результаты выполненных расчетов приведены в табл. 3.
Таблица 3
Оптимальные метеорологические и гелиогеофизические условия для формирования максимального урожая овса на широте г. Кандалакша
Управляющие факторы Классификация фактора Значение фактора в июле
Температура воздуха, оС Расчетный оптимум 15.6-15.9
Реальное значение 13.3
Сумма осадков, мм Расчетный оптимум 146-148
Реальное значение 148
Число часов солнечного сияния Расчетный оптимум 194-211
Реальное значение 147
Числа Вольфа, отн. ед. Расчетный оптимум 7-15
Реальное значение 37.4
Примечание: 1. Квазиоптимальные значения экзогенных факторов для июля приведены в виде интервальных величин; 2. Реальные значения факторов для производственного агрофитоценоза относятся к 1984 году, когда фактическая урожайность овса достигла максимума - 17.7 т/га.
Нейросетевые вычисления показали, что максимальная урожайность овса может быть достигнута при следующем сочетании метеорологических и гелиогеофизических условий в июле: средняя температура воздуха - 15.6...15.9 оС, сумма атмосферных осадков - 146...148 мм, число часов солнечного сияния -194...211, индекс Вольфа - 7.15. Эти цифры показывают, что в долгосрочном масштабе (в отличие от показателей отдельно взятого года) для оптимизации продукционного процесса растений овса наиболее благоприятными будут следующие характеристики экотопа: 1) пониженная солнечная активность (относительно среднего многолетнего тренда), 2) повышенные инсоляция, температура воздуха и количество осадков в самом теплом месяце вегетационного периода.
Резюмируя, следует сказать, что включение индекса Вольфа в список важнейших экзогенных факторов, влияющих на урожайность овса, позволяет более корректно оценивать реакцию данной культуры на вариации света, температуры и осадков в экстремальных почвенно-климатических условиях Кольского Севера.
Список использованной литературы:
1. Костюк В.И. Экология культурных растений на Кольском Севере. - Апатиты: Изд-во Кольского НЦ РАН, 2012. - 169 с.
2. 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.
3. Халафян А.А. STATISTICA 6. Статистический анализ данных. - М.: ООО "Бином-Пресс", 2008. - 512 с.
4. Фрид А.С. Современное состояние моделирования в агрохимии. - Агрохимия. - 2004. - № 1. - С. 40-45.
5. Полуэктов Р.А., Смоляр Э.И., Терлеев В.В., Топаж А.Г. Модели продукционного процесса сельскохозяйственных культур. - СПб.: Изд-во С.-Петерб. ун-та, 2006. - 396 с.
6. Нейронные сети: Методология и технологии современного анализа данных. - М.: Горячая линия-
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №02-2/2017 ISSN 2410-6070_
Телеком, 2008. - 392 с.
7. Тарасенко Ф.П. Прикладной системный анализ (Наука и искусство решения проблем). - Томск: Изд-во Томского ун-та, 2004. - 186 с.
8. Антонов А.В. Системный анализ. - М.: Высшая школа, 2004. - 454 с.
9. Самарский А.А. Введение в численные методы. - М.: Наука, 1987. - 288 с.
© Костюк В.И., 2017
УДК 631.331.8:631.43
И.В. Кокунова
к.т.н., доцент кафедры «Автомобили, тракторы и сельскохозяйственные машины» Великолукская государственная сельскохозяйственная академия
Е.Г. Котов
студент 4 курса инженерного факультета Великолукская государственная сельскохозяйственная академия
г. Великие Луки, Российская Федерация
ТЕХНОЛОГИЯ NO-TILL - ВАЖНЕЙШЕЕ НАПРАВЛЕНИЕ РЕСУРСОСБЕРЕЖЕНИЯ В РАСТЕНИЕВОДСТВЕ
Аннотация
В статье рассмотрена сущность понятия «технология No-till», проведен анализ достоинств и недостатков нулевой обработки почвы, рассмотрен опыт применения No-till в зарубежных странах и перспективы ее использования в России, обосновано минимальное техническое обеспечение технологии No-till.
Ключевые слова
Технология No-till, нулевая обработка почвы, ресурсосберегающая технология, почвозащитное земледелие.
В Государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2013-2020 годы предусмотрено увеличение производства продукции растениеводства и животноводства. Для реализации намеченных планов необходимо проведение целого ряда мероприятий, в том числе осуществление технической и технологической модернизации сельского хозяйства, оптимизации затрат материально-технических ресурсов.
Ресурсосбережение является одним из важнейших направлений в структурной перестройке методов ведения сельскохозяйственного производства. Эффективность применения ресурсосберегающих технологий должна сопровождаться постоянным повышением плодородия почвы, учетом биологических особенностей районированных высокопродуктивных сортов интенсивного типа, применением интегрированной системы защиты растений от сорняков, вредителей и болезней, использованием новейшей сельскохозяйственной техники [4, с. 5].
Стремительный научно-технический прогресс в развитии микроэлектроники, информационной и телекоммуникационной техники, разработка географиических информационных систем (ГИС), эффективное использование ГИС-технологий при автоматическом управлении рабочими процессами машин, оборудования и навигационными устройствами, широкое использование сети Интернет создают условия для применения в сельском хозяйстве качественно новых технологических решений [1, с. 37; 2, с. 23].
