CC BY
66
DOI: 10.24411/0235-2451-2019-10801
УДК 631.421
Оценка ожидаемой урожайности по данным краткосрочных полевых опытов
Д. В. ДУБОВИК, Ю. П. СУХАНОВСКИЙ, Л. Б. НИТЧЕНКО, А. В. ПРУЩИК
Курский федеральный аграрный научный центр, ул. Карла Маркса, 70 б, Курск, 305021, Российская Федерация
Резюме. Исследования проводили с целью разработки метода оценки ожидаемой урожайности по данным краткосрочных полевых опытов. Для этого был выполнен анализ многолетних рядов урожайности, полученных в 1987-2000 гг. в многофакторном полевом опыте (МПО) и в 2003-2018 гг. в научно-производственном опыте (НПО) Курского федерального аграрного научного центра. Почва - чернозём типичный. В МПО исследования проводили в четырёхпольном севообороте (чистый пар, озимая пшеница, сахарная свёкла, ячмень) без применения удобрений. В НПО изучали две технологии: базовую и интенсивную. Первая из них предусматривала выращивание культур в пятипольном севообороте (чистый пар, озимая пшеница, сахарная свёкла, гречиха, ячмень). Отличие интенсивной технологии от базовой, главным образом, заключалось в замене чистого пара на сидеральный и удвоении доз минеральных удобрений. Применение критерия Колмогорова-Смирнова при уровне значимости 5 % подтвердило принятую гипотезу о том, что изменения урожайности каждой культуры для каждой технологии подчиняются усечённому нормальному распределению вероятности. Сокращение продолжительности испытания технологий возделывания сельскохозяйственных культур возможно с использованием рядов многолетних данных тех же культур (аналогов). При этом расстояние между участком-аналогом и участком проведения испытания должно обеспечивать во времени одинаковое изменение метеоусловий. Расчеты осуществляли с использованием коэффициента K = У/У5, где Y - средняя урожайность для n лет, Y5 - средняя урожайность за 5 лет. Вычисления, проведенные для всех культур севооборота, показали, что при использовании разработанного метода средняя ошибка составляет 3,7 %. Его применение позволяет также оценивать ошибку урожайности и риск неполучения заданной урожайности, а также прогнозировать запасы гумуса.
Ключевые слова: полевые опыты, продолжительность, оценка урожайности, уменьшение ошибки, оценка рисков. Сведения об авторах: Д. В. Дубовик, доктор сельскохозяйственных наук, врио директора; Ю. П. Сухановский, доктор сельскохозяйственных наук, ведущий научный сотрудник (e-mail: soil-er@kursknet.ru); Л. Б. Нитченко, кандидат сельскохозяйственных наук, старший научный сотрудник; А. В. Прущик, кандидат сельскохозяйственных наук, старший научный сотрудник. Для цитирования: Оценка ожидаемой урожайности по данным краткосрочных полевых опытов / Д. В. Дубовик, Ю. П. Сухановский, Л. Б. Нитченко и др. // Достижения науки и техники АПК. 2019. Т. 33. № 8. С. 5-9. DOI: 10.24411/0235-2451-2019-10801.
Estimation of the Expected Yield According to the Data from Short-Term Field Experiments
D. V. Dubovik, Yu. P. Sukhanovskii, L. B. Nitchenko, A. V. Prushchik
Kursk Federal Agrarian Scientific Center, ul. Karla Marksa, 70 b, Kursk, 305021, Russian Federation
Abstract. The studies were aimed at developing a method for estimating the expected yield according to short-term field experiments. For this, we analyzed multi-year yields of 1987-2000 in a multifactor field experiment (MFE) and multi-year yields of 2003-2018 in a scientific production experiment (SPE). The experiments were conducted at the Kursk Federal Agrarian Scientific Center. The soil was typical chernozem. In the MFE, the studies were carried out in a four-field crop rotation (bare fallow, winter wheat, sugar beet, barley) without fertilizers. In the SPE we studied basic and intensive technologies. The first implied crop cultivation in a five-field crop rotation (bare fallow, winter wheat, sugar beet, buckwheat, barley). The main difference of intensive technology from the basic one lied in replacing bare fallow with green manured one and doubling of mineral fertilizers doses. The application of the Kolmogorov-Smirnov criterion at a significance level of 5% confirmed the accepted hypothesis that changes in the yield of each crop for each technology are subject to the truncated normal probability distribution. Multi-year datasets on the same crops (analogues) made it possible to reduce the duration of testing agricultural cultivation technologies. At the same time, the distance between the analogue site and the test site should provide the same change in weather conditions over time. Calculations were carried out using the coefficient K = Y/Y5, where Y was the average yield for n years and Y5 was the average yield for 5 years. Calculations carried out for all the rotation crops showed that when using the developed method the average error amounts to 3.7%. Its application also made it possible to evaluate the yield error and the risk of non-receipt of the expected yield, as well as to predict humus reserves. Keywords: field experiments; duration; yield assessment; error reduction; risk assessment.
Author Details: D. V. Dubovik, D. Sc. (Agr.), acting director;Yu. P. Sukhanovskii, D. Sc. (Agr.), leading research fellow (е-mail: soil-er@ kursknet.ru); L. B. Nitchenko, Cand.Sc. (Agr.), senior research fellow; A. V. Prushchik, Cand.Sc. (Agr.), senior research fellow. For citation: Dubovik D. V., Sukhanovskii Yu. P., Nitchenko L. B., Prushchik A. V. Estimation of the Expected Yield According to the Data from Short-Term Field Experiments. Dostizheniya nauki i tekhniki APK. 2019. Vol. 33. № 8. Pp. 5-9 (in Russ.). DOI: 10.24411/02352451-2019-10801.
В Стратегии научно-технологического развития России одним из приоритетных направлений на ближайшие 10...15 лет определён «переход к высокопродуктивному и экологически чистому агро- и аквахозяйству» [1]. Для этого требуется разработка новых агротехнологий с оценкой их последствий (урожайности и качества продукции, воздействия на почву и на окружающую среду). При этом если для определения ожидаемой урожайности в текущем году можно использовать, например, изображения состояния растительного покрова [2], то для принятия решений о переходе к другой системе земледелия необходима информация (прогноз), в частности, о средней урожайности, её стабильности и вероятности (риске) формирования урожайности меньше заданного
уровня, которую можно получать с использованием различных моделей [3, 4]. Для их разработки требуются, в частности, данные по урожайности краткосрочных (3. 10 лет) и многолетних (10.50 лет) полевых экспериментов. Необходимая продолжительность таких опытов зависит от поставленной задачи. Так, для оценки уменьшения запасов гумуса в почве требуется примерно 20 лет [5]. За это время технология уже устареет. Для изучения эффективности новой технологии также потребуется 20 лет. Таким образом, человек не успевает оценивать последствия технологического прогресса, что создаёт опасность для будущего. Необходима разработка методов оценки последствий технологий на основе данных краткосрочных полевых опытов методами математического и физиче-
Таблица 1. Характеристики полевых опытов
Характеристика МПО Технология НПО
базовая I интенсивная
Начало опыта, год 1984 2003 2003
Экспозиция северная водораздел водораздел
Площадь делянки 280 м2 0,54 га 0,54 га
Севооборот чистыи пар - озимая чистыи пар - озимая пшеница - сидеральныи пар** - озимая
пшеница - сахарная сахарная свёкла - гречиха - яч- пшеница - сахарная свёкла -
свёкла* - ячмень мень гречиха - ячмень
Удобрения нет минеральные минеральные
- с 2001 г. кукуруза на зелёный корм; ** - до 2016 г. горох, потом люпин белый.
ского моделирования, что требует значительно меньшего времени. На стадии планирования и проведения полевых экспериментов, а также для анализа их результатов, необходимы простые и доступные методы оценки, в частности, ожидаемой урожайности.
Цель исследования - разработка метода оценки ожидаемой урожайности по данным краткосрочных полевых опытов.
Условия, материалы и методы. В работе использовали многолетние данные по урожайности многофакторного полевого опыта (МПО) и научно-производственного опыта (НПО), расположенных на экспериментальном поле Курского федерального аграрного научного центра. Почва - чернозём типичный. Основной обработкой почвы в опыте была вспашка на глубину 20.. .22 см. Расстояние между экспериментальными участками примерно 1 км. Поскольку разница между началом полевых опытов составляла 20 лет, климат для МПО и НПО был одинаковым, но погодные условия разными; исследовали разные технологии (без применения и с применением минеральных удобрений, с чистым и с сидеральным паром); севообороты были схожими (табл. 1). Эксперименты проводили в относительно широком диапазоне условий производства растениеводческой продукции.
Размещение севооборотов в пространстве и во времени обеспечило возможность ежегодного формирования урожаев возделываемых культур. Минеральные удобрения (здесь и далее дозы действующего вещества) вносили под основную обработку почвы. В базовой технологии под озимую пшеницу применяли под сахарную свёклу -^8Р80К88; под ячмень - ^2Р32К32; под гречиху удобрения не вносили. Кроме того, проводили ранневесеннюю азотную подкормку озимой пшеницы (^7). Посевы обрабатывали гербицидами. В интенсивной технологии под озимую пшеницу заделывали ^0Р78К78 + 30 т/га зелёной массы сидеральной культуры; под сахарную свёклу - ^76Р160К176; под гречиху - ^0Р26К26; под ячмень - ^4Р64К64. В фазе начала цветения проводили подкормку озимой пшеницы азотными удобрениями ^34). Применяли ретарданты, гербициды и фунгициды в рекомендуемых дозах. Кроме гречихи дозы удобрений были в 2 раза больше, чем при базовой технологии. Заделку зелёной массы сидеральной культуры осуществляли дисковыми орудиями.
Урожайность за один год и средняя урожайность за произвольное количество (п) лет - случайные и непрерывные величины. Невозможно определить конкретное значение урожайности в будущем. Можно задать интервал значений для величины этого показателя и оценить вероятность ее нахождения в таком интервале. Для этого мы использовали функцию нормального распределения вероятности: N (^ m, а), где x - значение случайной величины, m - её среднее значение, а - стандартное отклонение. Эта функция определяет вероятность, с которой значение случайной величины будет меньше х В дальнейшем при проведении расчётов вместо m и а использовали их выборочные значения, рассчитанные по выборке данных.
Урожайность зависит от детерминированных (например, технология производства растениеводческой продукции) и случайных (например, метеоусловия) факторов. Полную характеристику случайной величины отражает функция распределения её вероятности. Детерминированные факторы определяют тренд (изменение во времени) среднего значения исследуемой величины (урожайности), а случайные - отклонение от тренда. Стандартное отклонение характеризует отклонение от среднего значения, то есть определяет влияние случайных факторов и имеет такую же размерность, как исследуемая величина (урожайность). Коэффициент вариации (в процентах) определяет влияние случайных факторов, выраженное в долях от среднего значения:
С, = 100£.
(1)
где а - стандартное отклонение, m - среднее значение.
Чем меньше коэффициент вариации, тем больше устойчивость исследуемой величины (урожайности) к воздействию случайных факторов. Следовательно, величины этого коэффициента и стандартного отклонения можно использовать как меры устойчивости урожайности к влиянию случайных факторов. Для проверки гипотезы об усечённом нормальном распределении вероятности для урожайности, а также свойств нормального распределения использовали критерий Колмогорова-Смирнова [6].
Результаты и обсуждение. Ранее [7] для конкретных условий было показано, что изменение показателей урожайности подчиняется усечённому нормальному распределению. Нормальное распределение определяется двумя параметрами: средним значением и стандартным отклонением. Случайная величина может принимать значения в интервале (-да, +да). Урожайность может принимать значения только в интервале (0, +да). Это определяет отличие усечённого нормального распределения от нормального. Для всех вариантов опытов (табл. 2) была принята следующая гипотеза: значения урожайности за год независимы и изменяются в соответствии с усечённым нормальным распределением. Применение критерия Колмогорова-Смирнова [6] подтвердило ее при уровне значимости 5 %. Рассчитанные (см. табл. 2) значения вероятности урожайности меньше нуля P (< 0) = N (0, m, а) изменяются в интервале от 1х10-4% до 1х10-1%. Следовательно, для оценок подобных вероятностей больше 1 % можно использовать нормальное распределение. Это упрощает расчёт практически без ущерба для точности.
Во всех опытах коэффициент вариации для озимой пшеницы был больше, чем для ярового ячменя. Такая ситуация обусловлена тем, что в отличие от яровых, при выращивании озимых существует ещё один случайный фактор - вымерзание посевов. Это ведёт к увеличению коэффициента вариации, то есть к уменьшению устойчивости урожайности.
Более близка к технологии МПО - базовая технология НПО. Для этих технологий (см. табл. 2) были проанализи-
*
Таблица 2. Данные по урожайности в многофакторном полевом опыте (МПО) и в научно-производственном опыте (НПО)
НПО (базовая технология) НПО (интенсивная технология) МПО
озимая сахар- озимая сахар- озимая яч-
пше- ячмень гречиха ная пше- ячмень гречиха ная пше-
ница свекла ница свекла ница
Период наблюде- 2003- 2003- 2003- 2003- 2003- 2003- 2003- 2003- 1987- 1985-
нии, годы 2018 2018 2018 2018 2018. 2018 2018 2018 2000 1998
Объём выборки* 16 16 14 9 16 16 14 9 14 14
Среднее, т/(га год) 3,88 3,37 1,15 31,42 4,38 3,62 1,28 37,88 3,36 2,92
Стандартное откло-
нение, т/(га год) 1,25 0,83 0,30 8,72 1,27 0,76 0,39 11,50 1,06 0,62
Коэффициент ва-
риации, % 32,2 24,6 26,1 27,8 29,0 21,0 30,5 30,4 31,5 21,2
Вероятность
Р (< 0), % 1х10-1 2х10-3 6х10-3 2х10-2 3х10-2 1х10-4 5х10-2 5х10-2 8х10-2 1х10-4
■ объём выборки меньше периода наблюдений показывает отсутствие урожайности за некоторые года.
рованы результаты наблюдений, проведенных в разные интервалы времени, которые не пересекаются, но объём выборки примерно одинаков (14 и 16 лет). При этом коэффициенты вариации для озимой пшеницы составили соответственно 31,5 и 32,2 %, для ячменя - 21,2 и 24,6 %.
которую она может обеспечить. То же самое можно отметить и в отношении оценки влияния технологии на почву и окружающую среду. При этом использовать технологии без оценки их последствий опасно.
Решение этой проблемы можно продемонстрировать на примере двух технологий НПО. Испытание базовой технологии проводили на пяти полях в течение 16 лет с 2003 г. Данные по урожайности озимой пшеницы и ячменя получали ежегодно (объём выборки 16), для гречихи - 14 лет, для сахарной свёклы - 9 лет. Полный ряд урожайности для базовой технологии (объём выборки 16) назван аналогом (см. рисунок). Для него принято, что тренд урожайности (изменение во времени среднего значения) отсутствует.
Для урожайности базовой технологии введён коэффициент
(2)
Рисунок. Урожайность озимой пшеницы для базовой технологии НПО: х - измеренная урожайность; пунктирная линия - среднемноголетняя урожайность (3,88 т/(га год) за весь период наблюдений (объём выборки 16); сплошная линия - среднемноголетняя урожайность (4,46 т/(га год) за 2014-2018 гг. (объём выборки 5).
Если бы технологии были одинаковыми, то можно было бы утверждать, что период наблюдений 14.16 лет достаточен для репрезентативной оценки устойчивости урожайности относительно воздействия случайных факторов. Тогда продолжительность проведения полевых опытов можно было бы рекомендовать равной 14.16 лет. Сейчас это можно принять только как предположение. Однако оно справедливо при условии закладки севооборота одновременно всеми полями во времени и пространстве. Если севооборот, например, пятипольный, развернут только во времени, то продолжительность наблюдения должна быть в 5 раз дольше, то есть 75 лет. В результате технология устареет раньше, чем будет определена урожайность,
где У - средняя урожайность озимой пшеницы за 16 лет наблюдений (на рисунке - пунктирная горизонтальная линия); У5 - средняя урожайность за 5 лет наблюдений (на рисунке - сплошная линия).
Сделано предположение, что величина этого коэффициента такая же, как и для урожайности озимой пшеницы по интенсивной технологии. В этом случае, зная среднюю урожайность за 5 лет для интенсивной технологии У5, можно по равенству (2) рассчитать среднюю ее величину за 16 лет: Ур = КхУ5 (табл. 3).
Результаты проделанных вычислений (см. табл. 3) свидетельствуют, что при анализе только выборки с объёмом 5 лет ошибка средней урожайности для интенсивной технологии достигает 13,3 %. Введение коэффициента К, рассчитанного с использованием аналога с длительным периодом наблюдения, уменьшает ее в 3,6 раза (до 3,7 %). Таким образом, принятое предположение получает подтверждение, а наличие соответствующего аналога открывает возможности для сокращения продолжительности испытаний технологии с 15 до 5 лет, или в 3 раза.
Такие эмпирические заключения можно обосновать следующим образом: погодные условия сильно влияют на урожайность всех рассмотренных культур; поскольку
Таблица 3. Среднемноголетняя урожайность для технологий НПО
*
Культура Базовая технология Интенсивная технология
У1 т/га У2 т/га К=УУ5 У51, т/га У2 т/га ошибка3, % У 4=КхУ5т/га р 5 ошибка5, %
Озимая пшеница 4,46 3,88 0,87 5,02 4,38 14,7 4,37 -0,2
Ячмень 3,29 3,37 1,02 3,24 3,62 -10,6 3,32 -8,3
Гречиха 1,44 1,15 0,80 1,62 1,28 26,7 1,29 0,9
Сахарная свёкла 33,66 31,42 0,93 38,39 37,88 1,4 35,84 -5,4
Среднее абсолютных значении 13,3 3,7
1 - средняя урожайность для выборки с объёмом 5 лет;2 - средняя урожайность для выборки за весь период наблюдений; 3 - различие между У5 и У;4 - средняя урожайность, рассчитанная с использованием аналога базовой технологии;5 - различие между рассчитанной средней урожайностью Ур и измеренной У за весь период наблюдений.
у разных культур периоды вегетации различаются, необходимо использовать аналоги наблюдений для тех же культур, для которых проводится испытание; при этом расстояние между участком-аналогом и участком проведения испытания должно обеспечивать во времени одинаковое изменение метеоусловий.
Значения С¥ изменяются в малом интервале (см. табл. 2). Это можно объяснить следующим: увеличение средней урожайности ведёт к росту стандартного отклонения, а согласно формуле (1), при одновременном увеличении средней урожайности т и стандартного отклонения а значение Отменяется меньше. Следовательно, в первом приближении для всех вариантов нашего исследования коэффициент вариации можно принять равным его среднему значению для выборочных коэффициентов вариации всех культур (см. табл. 2): 0¥ = (27 ± 4) %. Исходя из этого, для интенсивной технологии можно использовать значение коэффициента вариации урожайности для аналога (базовой технологии). Зная среднее значение т (среднее значение Ур см. табл. 3) и 0¥ для базовой технологии (см. табл. 2), по формуле (1) можно рассчитать стандартное отклонение а = тСу100 для интенсивной технологии при нормальном распределении N(x, т, а), которое имеет следующее свойство [6]: для выборки с объёмом п среднее значение хп описывается нормальным распределением
Ы(хп,т,ап),ап =а ¡4п. (3)
При п = 1 функцию (3) записывают в виде N (х, т, а). Примем, что объём выборки п равен количеству лет наблюдений за урожайностью. Оценив значения т и а, можно использовать функцию (3) для решения разных задач.
Оценка ошибки для средней урожайности за п лет. За интервал ошибки принимают интервал определённой (доверительной) вероятности. Для нормального распределения (3) интервал ошибки можно записать в следующем виде:
т ± ка , (4)
где кр - безразмерная величина, зависящая от доверительной вероятности Р (часто принимают вероятность Р =
0.95, для которой приближённо кр=2), за абсолютную ошибку также часто принимают стандартное отклонение ап (кр =
1, а доверительная вероятность приближённо Р = 0,68).
Мы оценили интервал ошибки урожайности озимой пшеницы за 1 год (п = 1) для базовой технологии (аналог) и для интенсивной технологии по данным наблюдений за 5 лет с использованием аналога. В этом случае для базовой технологии (см. табл. 2) т = 3,88 т/(га год), а = 1,25 т/(га год), С¥ = 32,2 %; для интенсивной (см. табл. 3) - т = Ур = 4,37 т/(га год), С¥ принят равным для базовой технологии, то есть 0= 32,2 %, стандартное отклонение рассчитано по формуле (1): а = т С/100 = 4,37x32,2/100 = 1,40 т/(га год). В результате для базовой технологии интервал ошибки (3,88 ± 2,50) т/(га год), для интенсивной - (4,37 ± 2,80) т/(га год). То есть разница значений средних урожайностей для этих технологий находится в пределах ошибки.
Для оценки интервалов ошибки для урожайности за 16 лет (п = 16) в соответствии с (3), нужно в (4) ап заменить на
Таблица 4. Прогноз запасов гумуса в пахотном слое
Технология Поступление растительных остатков, т/(га год) Запасы гумуса
в 2017 г., т/га уменьшение через 50 лет, %
Интенсивная 7,0 114,2 5,9 Базовая 5,9 113,7 8,2
а/4. Согласно расчетам для базовой технологии интервал ошибки составит (3,88 ± 0,63) т/(га год), для интенсивной - (4,37 ± 0,70) т/(га год). То есть и в этом случае разница остается в пределах ошибки. Для достижения разницы урожайностей за пределами ошибки необходимо проводить наблюдения больше 120 лет, что практически невозможно. При планировании испытаний новых технологий это необходимо учитывать.
Оценка риска (вероятности) получения урожайности ниже заданного значения. Заданным значением может быть, например, урожайность, меньше которой будут убытки или не будут выполнены поставки продукции. Для расчетов мы условно приняли, что при интенсивной технологии убытки формируются в случае сбора зерна озимой пшеницы ниже 2 т/га. Вероятность такого события равна N(2, т=4,37, а = 1,40) = 4,5 %.
Оценка динамики запасов гумуса в почве. Изменение запасов гумуса происходит очень медленно. Для шести разных вариантов МПО за 20 лет (1986-2006 гг.) запасы гумуса в слое почвы 0.20 см уменьшились в среднем на 7,7 % [5]. Проверка предложенной в той же работе математической модели динамики запасов гумуса в почве показала, что ее средняя ошибка составляет 2,5 %. Это меньше 7,7 %, следовательно, сокращение запасов гумуса за 20 лет выходило за пределы ошибки модели. Такой период наблюдений очень продолжителен для испытаний новых технологий. Можно разработать прогноз динамики запасов гумуса для интенсивной технологии, используя математическую модель [5] и данные по урожайности за 5 лет. На основании расчетных величин урожайности Ур (см. табл. 3) можно определить поступление в почву растительных остатков [8] за 16 лет. Результаты проделанных вычислений свидетельствуют, что для обеих технологий запасы гумуса будут уменьшаться. Для их поддержания на текущем уровне необходимо поступление растительных остатков в количестве 9,2 т/(га год).
Выводы. Применение разработанного метода оценки ожидаемой урожайности с использованием аналога с длительным периодом наблюдений обеспечивает снижение ошибки при расчетах величина этого показателя для интенсивной технологии по данным наблюдений за 5 лет в 3,6 раза. Имея такой аналог можно значительно сократить продолжительность испытания новых технологий. Предложенный метод оценки ожидаемой урожайности прост и доступен. Его можно использовать для анализа данных по урожайности, оценки риска получения урожайности меньше заданного значения, а также прогнозирования динамики запасов гумуса в почве.
Литература.
1. Стратегия научно-технологического развития Российской Федерации: Указ Президента РФ от 1 декабря 2016 г. № 642. URL: https://reestr.extech.ru/docs/sntr.pdf (дата обращения 06.06.2019).
2. Evaluation of grain yield based on digital images of rice canopy/Li Yazhen, Han Tianfu, YuXichu, etc.//Plant Methods. 2019. № 15. № Article 28. Pp. 1-11. D0I:10.1186/s13007-019-0416-x.
3. Saengseedam P., Kantanantha N. Spatio-temporal model for crop yield forecasting // Journal of Applied Statistics. 2017. Vol. 44. № 3. Pp. 427-440. D0I:10.1080/02664763.2016.1174197.
4. Tikhonov V. E., NeverovA. A. Long-term Crop Yield Forecasting in the Urals Steppe Zone Using Modern Methods for the Estimation of Solar-Terrestrial Relations //Arid Ecosystems. 2014. Vol. 4. № 4. Pp. 294-298. D0I:10.1134/S207909611404012X.
5. Долгосрочное прогнозирование изменения запасов гумуса в почве/ Ю. П. Сухановский, Н. П. Масютенко, С. И. Санжа-рова и др.// Земледелие. 2010. № 4. С. 22-25.
6. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. М.: Мир, 1982. 488 с.
7. Сухановский Ю. П., Дубовик Д. В., Виноградов Д. Ю. Оценка влияния детерминированных и случайных факторов на урожайность зерновых культур //Агрофизика. 2011. № 4. С. 10-15.
8. Рекомендации для исследования баланса и трансформации органического вещества при сельскохозяйственном использовании и интенсивном окультуривании почв. М.: ВАСХНИЛ, 1984. 96 с.
References
1. Federal'nyi reestr ekspertov nauchno-tekhnicheskoi sfery [Federal register of science and technology experts] [Internet]. Moscow: SRI FRCEC; [2012-2019]. Strategiya nauchno-tekhnologicheskogo razvitiya Rossiiskoi Federatsii: Ukaz Prezidenta RFot 1 dekabrya 2016 g. No 642[Strategy for scientific and technological development of the Russian Federation: Decree of the President of the Russian Federation of December 1, 2016 No. 642]; [cited 2019 Jun 6]. Available from: https://reestr.extech.ru/docs/sntr.pdf. Russian.
2. Yazhen L, Tianfu H, Xichu Yu, et al. Evaluation of grain yield based on digital images of rice canopy. Plant Methods. 2019;15:1-11. doi:10.1186/s13007-019-0416-x.
3. Saengseedam P, Kantanantha N. Spatio-temporal model for crop yield forecasting. Journal of Applied Statistics. 2017;44(3):427-40. doi:10.1080/02664763.2016.1174197.
4. Tikhonov VE, Neverov AA. Long-term Crop Yield Forecasting in the Urals Steppe Zone Using Modern Methods for the Estimation of Solar-Terrestrial Relations. Arid Ecosystems. 2014;4(4): 294-8. doi:10.1134/S207909611404012X.
5. Sukhanovsky YuP, Masyutenko NP, Sanzharova SI, et al. [Long-term prognostication of changes of humus' stores in soil]. Zemledelie. 2010;4:22-5. Russian.
6. AfifiA, Eizen S. Statisticheskiianaliz: Podkhods ispol'zovaniem EVM [StatisticalAnalysis: Computer-Based Approach]. Moscow: Mir; 1982. 488 p. Russian.
7. Sukhanovsky YuP, Dubovik DV, Vinogradov DYu. [Assessment of the influence of deterministic and random factors on crop yields]. Agrofizika. 2011;4:10-5. Russian.
8. Rekomendatsii dlya issledovaniya balansa i transformatsii organicheskogo veshchestva pri sel'skokhozyaistvennom ispol'zovanii i intensivnom okul'turivanii pochv [Recommendations for the study of the balance and transformation of organic matter in agricultural use and intensive cultivation of soils]. Moscow: VASKhNIL; 1984. 96 p. Russian.
Василию Григорьевичу Васину - 70 лет!
14 августа 2019 г. свой 70-летний юбилей отмечает Заслуженный деятель науки РФ, доктор сельскохозяйственных наук, профессор, заведующий кафедрой «Растениеводство и земледелие» ФГБОУ ВО Самарский ГАУ Васин Василий Григорьевич.
Василий Григорьевич родился в крестьянской семье в селе Екатериновка Приволжского района Самарской области. Его родители пользовались большим авторитетом и уважением среди односельчан. Жизненный путь Василия Григорьевича - это многолетний повседневный труд.
После окончания техникума в апреле 1968 г. молодой специалист Васин В.Г. начал работать агрономом 4-го отделения совхоза «Безенчукский». Но через месяц он был призван на службу в армию. Служил на Дальнем Востоке, а вернувшись и отучившись на Рабфаке стал студентом агрономического факультета Куйбышевского СХИ. После получения диплома в апреле 1976 г. он занимал должность главного агронома одного из самых крупных хозяйств области того времени колхоза им. Ленина Больше-Черниговского района. На этом предприятии будущий ученый приобрел опыт практической работы по выращиванию зерновых и технических культур, созданию кормовой базы в условиях сухостепной зоны.
С 1977 г. трудовая деятельность Васина В. Г. связана с Куйбышевским сельскохозяйственным институтом, ныне Самарский государственный аграрный университет, где он прошел путь от ассистента, доцента до ведущего ученого, заведующего кафедрой, традиционно занимающей первые места в рейтинговой оценке вуза. Около пяти лет Василий Григорьевич занимал должность проректора по науке.
Профессор Васин В.Г. - член диссертационного Совета в Самарском ГАУ, член экспертного совета ВАК Министерства образования и науки РФ по агрономии и лесному хозяйству. Он автор более 400 научных работ и 36 учебно-методических изданий, в том числе 7 монографий, 3 учебных пособий под грифом УМО Минсельхоза РФ, компьютерной программы по кормопроизводству, учебного пособия «Растениеводство».
Под руководством профессора Васина В.Г. защищено 22 кандидатских и одна докторская диссертация. Сейчас он руководит подготовкой 3 докторов и 14 кандидатов наук.
За активную внедренческую работу на полях области Василий Григорьевич, неоднократно отмечен почетными грамотами губернатора, министра сельского хозяйства и Губернской Думы Самарской области. В 2004 г. Указом Президента РФ ему присвоено почетное звание «Заслуженный деятель науки РФ», в 2009 г. он был награжден Почетным знаком губернатора «За труд во благо земли Самарской». Васин В. Г. награжден знаком «Почетный работник высшего профессионального образования РФ», знаком «Почетный работник агропромышленного комплекса Российская Федерация», серебряной медалью «Петра Великого». Василий Григорьевич трижды лауреат Губернской премии за выдающиеся достижения в науке.
Васин В. Г. не только труженик науки, педагог высокой квалификации, практикующий агроном, но и добрый, отзывчивый человек с разносторонними интересами и талантами. Он заядлый рыболов и грибник. Им выпущена книга воспоминаний с рассказами и стихами о своем родном крае.
Коллектив ФГБОУ ВО Самарский ГАУ поздравляет Василия Григорьевича со знаменательной датой, желает здоровья и дальнейших успехов в научной и образовательной деятельности.
