CC BY
14Ж™1^™^..» ЖВестеик АПК
JD Ставрополья
научно-практическии журнал
УДК 631/635 EDN: PMLDRF
DOI: 10.31279/2222-9345-2022-11-46-32-38 Дата поступления статьи в редакцию: 20.06.2022 г
К. Ю. Максимович, Д. С. Федоров, В. К. Каличкин, В. В. Алещенко Maksimovich K. Yu., Fedorov D. S., Kalichkin V. K., Aleschenko V. V.
ОРГАНИЧЕСКОЕ ЗЕМЛЕДЕЛИЕ В ЛЕСОСТЕПИ ЗАПАДНОЙ СИБИРИ: СВЯЗЬ УРОЖАЙНОСТИ ЯРОВОЙ ПШЕНИ ЦЫ И ВЛАГООБЕСПЕЧЕННОСТИ ТЕРРИТОРИИ
ORGANIC FARMING IN THE FOREST-STEPPE OF WESTERN SIBERIA: RELATIONSHIP OF THE YIELD OF SPRING WHEAT AND THE MOISTURE SUPPLY OF THE TER RITORY
Пространственное планирование сельскохозяйственного производства (в том числе органического) в Сибири как зоне рискового земледелия невозможно без учета показателей засушливости/увлажненности территории. Представлены результаты исследования по оценке изменчивости урожайности яровой пшеницы в зависимости от степени увлажнения территории в лесостепной зоне Западной Сибири. Степень увлажнения исследуемой местности оценивали с помощью стандартизированного индекса осадков (Standardized Precipitation Index - SPI). В работе исследовали встречаемость и проявление различных значений SPI за 51-летний период (1971-2021), а также варьирование урожайности яровой пшеницы в зависимости от стандартизированного индекса осадков (за период 20012018 гг.). Для оценки связи между урожайностью яровой пшеницы и SPI применяли методы непараметрической статистики (ранговый коэффициент корреляции Спирмена). Анализ временных рядов выпадения осадков за период с мая по июль с помощью расчетов SPI на территории лесостепи Приобья вблизи г. Новосибирска показал, что в 67 % лет осадки варьировали в пределах среднемноголетних значений. Атмосферные засухи различной степени тяжести проявлялись в 14 % лет, причем экстремальная засуха отмечена в 4 % лет. В годы с экстремальной засухой происходило существенное снижение урожайности культуры. Установлена высокая корреляционная связь SPI с урожайностью яровой пшеницы (r = 0,59-0,79).
По итогам работы выполнено построение модели отклика урожайности яровой пшеницы от различных категорий SPI на основе регрессионного сплайна (R2 = 0,71, RSME = 4,19). Полученные результаты указывают на возможность использования индекса SPI в качестве показателя степени увлажнения территории и его применения для оценки изменчивости урожайности. Результаты работы по изучению засушливых явлений на территории лесостепной зоны Западной Сибири и их связь с возможными снижениями урожайности зерновых культур могут быть использованы при оценке эффективности размещения сельскохозяйственного производства растениеводческой продукции, а также для анализа рисков при переходе производства на органическое земледелие.
Ключевые слова: урожайность, яровая пшеница, лесостепь Западной Сибири, SPI, атмосферная засуха.
Spatial planning of agricultural production (including organic) in Siberia as a zone of risky agriculture is impossible without taking into account the indicators of aridity/moisture of the territory. The results of the research on the assessment of variability of spring wheat yields depending on moisture content in the forest-steppe zone of Western Siberia are considered. The level of moisture in the studied area was evaluated using Standardized Precipitation Index (SPI). This study investigated the occurrence and manifestation of different SPI values over a 51-year period (1971-2021), as well as the variation of spring wheat yields depending on the Standardized Precipitation Index (for the period 2001-2018). Nonparametric statistical method (Spearman rank correlation coefficient) was used to assess the relationship between spring wheat yield and SPI. Analysis of time series of precipitation for the period from May to July using SPI calculations in the forest-steppe area of Pri-obye (Ob River area) near Novosibirsk showed that in 67 % of years precipitation varied within the average annual values. Atmospheric droughts of varying severity occurred in 14 % of years, with extreme drought recorded in 4 % of years. In years with extreme drought, there was a significant decrease in crop yield. High correlation between SPI and yield of spring wheat was found (r = 0.59-0.79). According to the results of the work the response model of spring wheat yield from different categories of SPI was built on the basis of regression spline (R2 = 0.71, RSME = 4.19). Obtained results indicate the possibility of using SPI index as an indicator of moisture degree of the territory and its application to assess yield variability. The results of the study of drought phenomena in the forest-steppe zone of Western Siberia and their relationship to possible reductions in grain crop yields can be used to assess the efficiency of location of agricultural production of crops, as well as for risk analysis in the transition to organic farming.
Key words: productivity, spring wheat, forest-steppe, Western Siberia, SPI, atmospheric drought.
Максимович Кирилл Юрьевич -
младший научный сотрудник кафедры экологии
ФГБОУ ВО «Новосибирский государственный
аграрный университет»
г. Новосибирск
РИНЦ SPIN-код: 4700-3900
Тел.: 8-952-904-59-88
Е-mail: [email protected]
Федоров Дмитрий Сергеевич -
инженер-программист лаборатории
агроклиматических исследований
ФГБУН «Сибирский федеральный научный центр
Maksimovich Kirill Yurievich -
Junior Researcher of the Department of Ecology FSBEI HE «Novosibirsk State Agrarian University» Novosibirsk
RSCI SPIN-code: 4700-3900 Tel.: 8-952-904-59-88 E-mail: [email protected]
Fedorov Dmitry Sergeevich -
Software Engineer of the Laboratory
of Agro-Climatic Research
FSBIS «Siberian Federal Scientific Centre
в
№ 2(46), 2022
агробиотехнологий РАН»
р.п. Краснообск, Новосибирский район
РИНЦ SPIN-код: 9530-8327
Тел.: 8-913-459-78-41
Е-mail: [email protected]
Растениеводство
зз
of Agro-Bio Technologies of the Russian Academy of Sciences»
Krasnoobsk, Novosibirsk district
RSCI SPIN-code: 9530-8327
Tel.: 8-913-459-78-41
E-mail: [email protected]
Каличкин Владимир Климентьевич -
доктор сельскохозяйственных наук, учредитель
ООО НТК «АВИКОМ»
р.п. Краснообск, Новосибирский район
РИНЦ SPIN-код: 1587-4615
Тел.: 8-913-912-43-61
Е-mail: [email protected]
Алещенко Виталий Викторович -
доктор экономических наук, доцент кафедры управления и отраслевой экономики ФГБОУ ВО «Новосибирский государственный аграрный университет» г. Новосибирск РИНЦ SPIN-код: 1920-4879 Тел.: 8-913-975-42-36 Е-mail: [email protected]
Kalichkin Vladimir Klimentyevich -
Doctor of Agricultural Sciences, Founder
LLC Scientific and Technical Company «AVIKOM»
Krasnoobsk, Novosibirsk district
RSCI SPIN-code: 1587-4615
Tel.: 8-913-912-43-61
E-mail: [email protected]
Aleshchenko Vitaly Viktorovich -
Doctor of Economics, Associate Professor of the Department of Management and Branch Economics
FSBEI HE «Novosibirsk State Agrarian University» Novosibirsk
RSCI SPIN-code: 1920-4879 Tel.: 8-913-975-42-36 E-mail: [email protected]
Сибирь традиционно считается зоной рискованного земледелия. В этой связи реализация мероприятий по решению поставленных Министерством сельского хозяйства РФ задач по увеличению производства сельскохозяйственной продукции (в том числе органической), повышению эффективности использования земель сельскохозяйственного назначения в Сибири должна учитывать динамику показателей увлажненности/засушливости территории.
Одним из наиболее широко используемых индексов увлажненности/засушливости территории во всем мире остается стандартизированный индекс осадков (Standardized Precipitation Index - SPI) [1]. Хотя с годами были введены другие комплексные индексы, SPI является общепринятым по ряду причин, наиболее важными из которых выступают его простая структура и тот факт, что при его расчетах используются только данные об осадках. Этот индекс выделен Всемирной метеорологической организацией (ВМО) в качестве отправной точки для мониторинга метеорологических засух и широко применяется региональными и национальными метеорологическими и гидрологическими учреждениями в 70 странах [2].
SPI представляет собой количественную оценку влагообеспеченности исследуемой территории. С помощью данной оценки возможно проведение мониторинга, прогнозирование продолжительности и интенсивности атмосферной засухи, в том числе дождливых периодов [2, 3, 5]. Расчет SPI для любой территории основан на записи данных об осадках в течение 20-30 лет. Эта долгосрочная запись аппроксимируется распределением вероятностей, которое затем преобразуется в нормальное распределение с тем, чтобы средний SPI для данного места и рассчитываемого периода был равен нулю. Положительные значения SPI указывают на объем осадков выше среднего, а от-
рицательные - ниже среднего [4]. В исследованиях SPI используются различные временные лаги - 1, 3, 6, 12 месяцев. Однако одномесячный SPI считается предпочтительным, поскольку он отражает краткосрочные условия увлажнения, которые являются ключевыми во время вегетационного периода сельскохозяйственных культур, и сильнее коррелирует с атмосферными и почвенными типами засух [2, 3]. Дефицит осадков и высокий температурный фон являются одними из основных факторов, объясняющих увеличение засушливости территории и возникновение такого явления, как атмосферная засуха. Засуха выступает важнейшим абиотическим фактором, оказывающим непосредственное влияние на продуктивность агро-экосистем и продовольственную безопасность большинства регионов России [4]. Оценка риска снижения урожайности сельскохозяйственных культур в связи с изменением климата и проявлением засушливых условий вегетации, в том числе с использованием различных индексов, проводится во многих странах и регионах мира. Исследуются вопросы рисков потери урожая с увеличением интенсивности засухи, меры адаптации и смягчения последствий для лиц, принимающих решения, и страховщиков в выборе подходящих стратегий [5].
Для оценки возможного варьирования урожая может использоваться подход на основе установления связей между урожайностью культур и показателями SPI. Так, в исследованиях [6] была показана довольно тесная связь урожайности зерновых культур со значениями SPI и ГТК (73-80 %), что позволило авторам разработать регрессионные уравнения зависимости урожайности зерновых культур от этих показателей в мае и июне для условий Среднего Поволжья. Сравнительный анализ индексов SPI, SPEI, PDSI, проведенный в исследованиях [7], подтвердил, что эти показатели объективно определяют наличие засухи в регионах с частой ее повторяемостью. Следует почеркнуть,
*>естеик АПК
ЖВ Ставрополья
научно-практическии журнал
что SPI отражает не только степень атмосферной засушливости периода вегетации сельскохозяйственных культур, но и увлажнения. Поэтому, на наш взгляд, может использоваться шире, чем только в качестве индекса засухи.
Целью работы было установление связей урожайности яровой пшеницы с показателями SPI в лесостепной зоне Западной Сибири.
Степень увлажненности территории и частота проявления атмосферных засух исследованы с помощью стандартизированного индекса осадков (Standardized Precipitation Index - SPI). Для расчетов SPI использованы временные ряды осадков за 51-летний период в лесостепи Приобья Новосибирской области по данным поста метеонаблюдений г. Новосибирска (источником данных был web-ресурс «http://www.pogodaiklimat.ru»). Расчеты SPI выполнены в ПО Drought Indices Calculator (DrinC) с открытым исходным кодом (https://drought-software.com). Степень проявления увлажненности/засушливости территории оценивали по следующей шкале варьирования SPI: экстремально влажно - 2,0+; сильно влажно - от 1,5 до 1,99; умеренно влажно - от 1,0 до 1,49; норма от -0,99 до +0,99; умеренно сухо - от -1,0 до -1,49; сильно сухо - от -1,5 до -1,99 и экстремально сухо —2,0 и менее [3]. Для расчетов статистических связей SPI с урожайностью яровой пшеницы использовали данные полевых исследований по урожайности яровой пшеницы, проведенных в 2001-2018 гг.на выщелоченном черноземе [8]. Использованы данные, полученные на фоне без применения средств интенсификации, поскольку они в большейстепе-ни позволяют оценить изменчивость урожайности культуры в зависимости от агрометеорологического ресурса данной местности. Для подтверждения предположения о наличии зависимости изменения урожайности пшеницы от условий увлажнения, рассчитанных с помощью SPI, провеет ряд статистических тестов: определение типа распределения/степени отклонения от нормального. Графический способ проверки характера распределения данных по урожайности культуры заключался в построении графика распределения плотности значений. Вторым графическим способом проверки характера распределения данных являлось построение графика квантилей (Q-Q графика). Для оценки нормальности распределения также применяли статистические тесты Шапиро -Уилка и Лиллиефорса. Для оценки связи между значениями урожайности яровой пшеницы и показателями индекса SPI применяли ранговый коэффициент корреляции Спирмена. При оценке силы связи коэффициентов корреляции использовали шкалу Чеддока. Уровень значимости (p-значение) оценивали на уровне 0,05. Построение модели количественной оценки варьирования урожайности на единицу изменения SPI выполнено на основе сплайн-моделирования. Исходный набор данных был разделён на обучающую и тестовую выборки в соотношении 80 % и 20 %. При расчете использовали следующие параметры: степень полинома и расположение узлов в нижнем квартиле, среднем квартиле и верхнем квартиле (0,25, 0,5, 0,75).
Статистические расчёты выполнены средствами языка программирования R в интегрированной среде разработки R-Studio.
Анализ временных рядов осадков с мая по июль с помощью расчетов SPI на территории лесостепи Приобья вблизи г. Новосибирска показал, что в 67 % лет осадки варьировали в пределах среднемноголетних значений (160 мм). Атмосферные засухи различной степени тяжести проявлялись в 14 % лет, причем экстремальная засуха отмечена в 4 % лет (рис. 1).
■ Среднемноголетние значения
■ Сильно влажно
□ Умеренно влажно
□ Умеренно сухо
■ Сильно сухо
■ Экстремально сухо
Рисунок1 - Частотапроявленияразличных категорий SPIв лесостепиПриобья, %
Одной из важных особенностей климатических условий лесостепи Приобья является наличие цикличности - чередование влажных и сухих периодов разной продолжительности, обусловленное временными изменениями солнечной активности. В работах отечественных авторов по оценке агрометеорологических условий исследуемой территории ранее также была выявлена повторяемость весенней засухи на территории вблизи г. Новосибирска. За последние 36 лет она составляет примерно 35 % лет и более, в северных и восточных районах - 10 % и менее, избыточное увлажнение отмечалось в 15 % лет [8].
Анализ зависимости урожайности яровой пшеницы от SPI был первоначально выполнен путём визуализации тенденций изменений за период с2001 по2018 г. (рис.2).
В лесостепи Приобья проявление экстремальной засухи наблюдали в 2012 году = 3,67). На графиках (рис. 2) прослеживается связь между засушливостью/обеспеченным увлажнением и показателями урожайности яровой пшеницы: в годы с экстремальными отклонениями индекса от среднемноголетних значений (-0,99 до +0,99) наблюдали также тенденцию изменений данных по урожайности яровой пшеницы. На рисунке 3 изображены квантили анализируемых данных и квантили нормального распределения: при соблюдении нормальности они должны располагаться вдоль прямой под углом 45 градусов.
Заметно, что нормальное распределение отсутствует в данных и не все квантили попадают в доверительный интервал (рис. 3), однако имеется характерный колоколообразный вид кривой со смещением. Квантили также были расположены вдоль линии, и их положение схоже с эталонным. С полученным результатом становится возможным дальнейшее проведение анализа.
iCJ)
в
естник АПК
Ставрополья
№ 2(46), 2022
Растениеводство
35
Значения ЭР1 (Ма й-Июль)
на территории лесостепи Приобья (2001-2018)
Урожайность нровой пшенжцы на территории лесостепи Приобья (2001-2018)
Классификация
Год
Норма Н Умеренно влажно Экстремально сухо
Год
ЭР1 (Май)
Рисунок2 - Варьирование SPIиурожайностияровойпшеницы
Плотности распределения вероятностей
ЭР1 (Июль) ЭР1 (Май-Июль)
БР1 (Июнь)
Урожайность пшеницы
ЭР1 (Май)
ЭР1 (Июнь)
1 -3-2-10 1 -3 -2-10 1
Нормальные графики квантиль-квантиль
ЭР1 (Июль) ЭР1 (Май-Июль)
20 30 40
Урожайность яровой пшеницы, ц/га
Урожайность пшеницы
2-2-1 0 1 2-2-1 0 1 2-2-1 0 1 2
Теоретические квантили
Рисунок 3 - Графики плотности распределения и квантилей
Таблица 1
Результаты проведённых тестов, представленные в таблице 1, указывали на отклонения в распределении данных и их отличие от закона нормального распределения, так как р-значение (значение вероятности) в отдельных выборках принимало значение <0,05 для значений критериев Шапиро - Уилка и Лиллиефорса.
Учитывая вышесказанное, для анализа связей между урожайностью культуры и показателями SPI применяли непараметрические методы. На рисунке 4 представлена коррелограмма с нанесением значений коэффициента корреляции Спирмена. С увеличением количества выпавших атмосферных осадков (увеличение SPI) растёт и показатель урожайности, причём сильная связь урожайности была выявлена с индексом SPI в мае и за часть вегетационного периода (с мая по июль); установлена также средняя связь со SPI за июль; связь со SPI за июнь характеризуется как слабая (рис. 4).
Результаты тестов Шапиро - Уилка и Лиллиефорса
Тест Выборка Значение критерия р-значение
Шапиро-Уилка БР1 0,77720 0,00074
урожайность 0,94185 0,19690
Лиллиефорса БР1 0,19563 0,06691
урожайность 0,10392 0,74890
Данное предположение также подтверждается диаграммой рассеяния (рис. 5), где представлена зависимость урожайности культуры пшеницы от значений ЭР1 с наложением линии регрессии сплайнами.
Используя фактические данные по урожайности яровой пшеницы (табл. 2), становится возможным оценить ее изменения при чередовании разных значений SPI.
3.4
} 1
Вк&квартальный научно-практический журнал ^^^^^^^
Вестник АПК
Ставрополья
БР1 (Июнь) вР1 (Июль) БР1 (Май-Июль) БР1 (Май)
0.28 0.59 О Урожайность яровой пшеницы, ц/га
5!
06
■° 2 а
■04 % •06 ^
Рисунок 4 -Коррелограммакоэффициентов корреляцииСпирмена
ЭР1 (Июль)
-2 -1 ЭР1 (Май-Июль)
Рисунок 5 - Диаграмма рассеяния переменных, содержащих значения полученной урожайности яровой пшеницыииндекса SPIзавегетационный периодсналожениемрегрессионного сплайна
Таблица 2 - Показатели урожайностияровой пшеницы за годы с различными категориями стандартизированного индекса осадков ^Р!)
Год Урожайность, ц/га БР1 (май) БР1 (июнь) БР1 (июль) БР1 (май -июль)
Нормаувлажненияпо SPI (май - июль)
2003 27,2 -0,84 -0,51 0,03 -0,85
2004 30,8 -0,99 -0,32 0,86 0,21
2005 27,5 1,04 -0,32 0,74 0,87
2006 35,4 0,63 -1,54 -0,08 -0,40
2007 34,4 0,56 1,07 0,49 0,86
2008 36,5 0,31 0,71 -0,68 -0,23
2009 42,1 0,78 -0,70 0,70 0,60
2010 28,9 -1,73 0,83 -0,20 -0,61
2011 22,0 -0,70 -0,13 -0,27 -0,93
2013 33,2 -0,28 1,40 0,39 0,65
2014 26,7 -1,64 0,72 0,42 -0,07
2016 26,0 -0,25 -0,21 0,42 -0,08
2017 31,3 0,84 -0,10 0,76 0,82
Умеренно влажно по SPI (май - июль)
2001 40,4 1,18 -1,11 0,96 1,06
Год Урожайность, ц/га БР1 (май) БР1 (июнь) БР1 (июль) БР1 (май -июль)
2002 43,4 1,69 0,09 0,30 1,07
2015 34,1 -0,58 1,28 0,91 1,00
2018 46,3 0,82 1,49 0,21 1,01
Экстремально сухо по SPI (май - июль)
2012 12,2 -1,48 -1,29 -3,48 -3,67
Изменения показателей урожайности культуры пшеницы в разные годы при чередовании различных значений SPI на территории лесостепи Приобья могут быть приравнены к конкретным показателям как в ц/га, так и в % от значений урожайности за годы с категорией «норма» увлажнения от -0,99 до +0,99). Отклонение показателей урожайности в засушливый год относительно урожайности в годы со среднемноголетними значениями увлажнения (данные за 2004, 2008, 2014 и 2016 гг. - 20 ц/га) могут быть оценены в диапазоне 40 % (в 2012 г. средняя урожайность составила 12 ц/га). Полученные результаты подтверждают выводы отечественных авторов о том, что наиболее значимая положительная корреляция урожайности зерновых культур в регионах Среднего Повол-
в
№ 2(46), 2022
Растениеводство
37
жья и Заволжья была связана с режимом вла-гообеспеченности посевов на начало вегетационного сезона (средние значения ГТК за май - июнь) [6, 9, 10]. Варьирование показателей на основе ГТК Селянинова в мае - июне объясняло почти половину изменчивости показателей урожайности яровой пшеницы в Оренбургской области [6, 9, 10].
На основе исследуемых данных выполнено построение уравнения отклика (регрессия сплайнами), отражающего варьирование урожайности яровой пшеницы в зависимости от изменения значений ЭР!. В таблице 3 представлены статистические характеристики построенных моделей на основе уравнения отклика для каждого временного диапазона.
Таблица 3 - Статистические характеристики
построенных моделей для оценки изменчивости урожайности яровой пшеницы от значений ЭР!
Модель Уравнение отклика R2 RMSE
SPI (May) Урожайность яровой пшеницы = = b0 + b1*bs(SPI, df=3)1 + b2*bs(SPI, df=3)2+ + b3*bs(SPI, df=3)3 0,62 6,96
SPI (June) 0,43 18,77
SPI (July) 0,55 7,42
SPI (May -July) 0,71 4,19
Примечание: b, bs - коэффициенты полинома; df - степень полинома.
Следует отметить, что наиболее высокая точность полученных результатов при тестировании (R2 = 0,71) была достигнута с помощью модели, в которую включены данные SPI за период с мая по июль. Низкие значения (R2 = 0,43) по модели SPI (June), могут указывать на значимость других сопутствующих факторов в этот период, влияющих на рост и развитие растений в самом начале периода вегетации, например поздние сроки посева и соответственно смещение этапов органогенеза, поздние заморозки и др. В таблице 4 приведены рассчитанные показатели урожайности при достижении определённого значения показателя SPI.
Таблица 4 - Расчетная урожайность яровой пшеницы в зависимости от SPI в различные периоды вегетации, ц/га
Модель SPI
-2 -1 0 1 2
SPI (May) 26,54 24,93 33,47 37,04 32,52
SPI (June) 24,82 32,23 28,94 32,22 44,37
SPI (July) 33,11 33,21 31,87 36,61 38,44
SPI (May - July) 22,38 26,18 31,09 36,57 43,11
Представленные результаты (табл. 4) по варьированию урожайности яровой пшеницы в зависимости от значений ЭР! позволяют опи-
сать изменчивость и оценить возможное снижение урожайности культуры. Достаточно показательными выглядят результаты, полученные с помощью модели SPI (May - July), описывающие изменения урожайности яровой пшеницы на 71 %. Возможно, наибольшая «чувствительность» модели, в основе которой заложены данные по режиму увлажнения за период с мая по июль, свидетельствует о значимости равномерного распределение атмосферных осадков в период с максимальными значениями коэффициента водопотребления культуры. В начале вегетации коэффициент водопотребления у зерновых достигает максимальных значений (май - июнь), когда растение проходит начальные этапы органогенеза (формирование первичной и вторичной корневых систем), а в дальнейшем интенсивность развития культуры напрямую зависит от влагообеспеченности территории в середине периода вегетации, который выпадает на июль [4, 9].
Результаты исследования обосновывают возможность применения SPI как для характеристики степени увлажнения территории, так и для оценки изменчивости урожайности на единицу изменения индекса при пространственном планировании и оценке рисков сельскохозяйственного производства (в том числе органического).
По результатам работы установлено, что на территорию вблизи г. Новосибирска (лесостепь Приобья) в среднем за 51 год наблюдений на 67 % рассмотренных лет приходится категория выпадения осадков за период с мая по июль в пределах среднемноголетних значений. Атмосферные засухи различной степени тяжести проявлялись в 14 % лет, причем экстремальная засуха отмечена в 4 % лет. Полученные результаты подтвердили наличие цикличности - чередование влажных и сухих периодов разной продолжительности. В год с экстремальной засухой (2012 г.) происходило существенное снижение урожайности культуры. Результаты выполненного исследования подтвердили высокую степень связи SPI с урожайностью яровой пшеницы (r = 0,59-0,79). По итогам работы выполнено построение моделей связи урожайности от различных значений SPI на основе регрессионного сплайна. Наиболее точные результаты были получены с помощью модели «SPI (May - July)» (R2 = 0,71, RSME = 4,19). Полученные результаты указывают на возможность использования SPl в качества показателя степени увлажнения территории и обосновывают возможность его применения для оценки изменчивости урожайности яровой пшеницы.
Результаты работы по изучению цикличности проявления засушливых явлений и оценке изменчивости урожайности яровой пшеницы на территории лесостепной зоны Западной Сибири могут быть использованы при разработке, планировании и оценке эффективности размещения, а также оценке рисков сельскохозяй-
38
Ежеквартальный
научно-практический
журнал
В
ственного производства растениеводческом продукции (в том числе органической) в условиях проявления неблагоприятных для сельского хозяйства природных явлений.
Благодарности. Работа выполнена при финансовой поддержке гранта Президента РФ для государственной поддержки ведущих научных школ НШ-1129.2022.2.
Литература
1. Cheval S. The standardized precipitation index-an overview // Romanian Journal of Meteorology. 2015. Vol. 12, № 1-2. Р. 17-64. URL: http://rjm.inmh.ro/articole/vol12-1-2/ RJM2015-2.pdf
2. Справочник по показателям и индексам засушливости // ВМО-№ 1173. 2016. 60 с. URL: https://www.droughtmanagement.info/litera-ture/WMO-GWP-Drought Indices_ru_2016.pdf
3. Руководство для пользователей стандартизированного индекса осадков // ВМО-№ 1090. 2012. 26 c. URL: https://www. droughtmanagement.info/literature/wMO_ standardized_precipitation_index_user_ guide_ru_2012.pdf
4. Шульмейстер К. Г. Избранные труды. В 2 т. Волгоград, 1995. Т. 2. 480 с.
5. Global integrated drought monitoring and prediction system / Z. Hao, A. Aghakouchak, N. Nakhjiri [et al.] // Scientific data. 2014. Vol. 1, № 1. P. 1-10.
DOI: https://doi.org/10.1038/sdata.2014.!
6. О возможности использования стандартизированного индекса осадков для выявления засух и в прогнозах количественной оценки урожайности зерновых и зернобобовых культур / А. И. Страшная, В. А. Ти-щенко, О. В. Береза [и др.] // Труды гидрометеорологического научно-исследовательского центра Российской Федерации. 2015. № 357. C. 81-97.
7. Задорнова О. И. Сравнительная характеристика зарубежных индексов оценки засух по основным зерносеющим субъектам Европейской территории России // Труды Главной геофизической обсерватории им. А. И. Воейкова. 2015. № 578. С. 126-139.
8. Синещеков В. Е., Васильева Н. В. Фито-санитарная ситуация в зерновых агро-ценозах при минимизации обработки почвы. Новосибирск : ФГБНУ «СибНИИЗиХ», 2015. 138 с.
9. Черенкова Е. А., Золотокрылин А. Н., Тит-кова Т. Б. Весенне-летние засухи в степях Оренбуржья: современные изменения и модельные прогнозы // Степи Северной Евразии : материалы IX Международного симпозиума. 2021. Т. 9. С. 849-853.
10. Страшная А. И., Береза О. В., Павлова А. А. Агрометеорологические условия и прогнозирование урожайности зерновых и зернобобовых культур на основе комплексирования наземных и спутниковых данных в субъектах Приволжского федерального округа // Гидрометеорологические исследования и прогнозы. 2020. № 3. С. 71-91.
DOI: https://doi.org/10.37162/2618-9631-2020-3-71-91
References
1. Cheval S. The standardized precipitation index-an overview // Romanian Journal of Meteorology. 2015. Vol. 12, № 1-2. P. 17-64. URL: http://rjm.inmh.ro/articole/vol12-1-2/ RJM2015-2.pdf
2. Handbook on indicators and indices of aridity // WMO-No. 1173. 2016. 60 p. URL: https://www.droughtmanagement.info/ literature/WMO-GWP-Drought-Indices_ ru_2016.pdf
3. Guidelines for users of the Standardized Precipitation Index // WMO-No. 1090. 2012. 26 p. URL: https://www. droughtmanagement.info/literature/wMO_ standardized_precipitation_index_user_ guide_ru_2012.pdf
4. Shulmeister K. G. Selected works. In 2 volumes. Volgograd, 1995. Vol. 2. 480 p.
5. Global integrated drought monitoring and prediction system / Z. Hao, A. Aghakouchak, N. Nakhjiri [et al.] // Scientific data. 2014. Vol. 1., № 1. P. 1-10.
DOI: https://doi.org/10.1038/sdata.2014.!
6. On the possibility of using a standardized precipitation index to detect droughts and in forecasts of quantitative assessment of the yield of grain and leguminous crops / A. I. Strashnaya, V. A. Tishchenko, O. V. Bereza [et al.] // Proceedings of the Hydrometeorological Research Center of the Russian Federation. 2015. № 357. P. 81-97.
7. Zadornova O. I. Comparative characteristics of foreign indices for assessing droughts for the main grain-sowing subjects of the European territory of Russia // Proceedings of the Main Geophysical Observatory named after A. I. Voeykov. 2015. № 578. P. 126-139.
8. Sineshchekov V. E., Vasilyeva N. V. Phytosanitary situation in grain agrocenoses while minimizing tillage. Novosibirsk : FSBSI «Siberian Research Institute of Agriculture and Chemicalization», 2015. 138 p.
9. Cherenkova E. A., Zolotokrylin A. N., Titko-va T. B. Spring-summer droughts in the Orenburg steppes: current changes and model forecasts // Steppes of Northern Eurasia : proceedings of the IX International Symposium. 2021. V. 9. P. 849-853.
10. Strashnaya A. I., Bereza O. V., Pavlova A. A. Agrometeorological conditions and forecasting of grain and leguminous crops yield based on the integration of ground and satellite data in the subjects of the Volga Federal District // Hydrometeorological studies and forecasts. 2020. № 3. P. 71-91.
DOI: https://doi.org/10.37162/2618-9631-2020-3-71-91
