CC BY
47
ОЦЕНКА ВКЛАДА ПОГОДНЫХ ФАКТОРОВ В ВАРЬИРОВАНИЕ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР В ЛЕСОСТЕПИ ОРЕНБУРГСКОГО ПРЕДУРАЛЬЯ
В.В. ФЕДОСЕЕВ, аспирант,
Оренбургский государственный педагогический университет
Ключевые слова: лесостепь, урожайность, погода, регрессионная модель, доля влияния фактора.
В лесостепных районах Оренбург- Несмотря на кажущуюся простоту и
ской области для получения высоких и логичность балансовых методов расчё-
устойчивых урожаев яровой пшеницы та возможного урожая по уровню про-
важнейшее значение имеет эффектив- дуктивной влаги (прямые показатели)
ное использование ограниченных ес- или по различным коэффициентам ув-
тественных осадков. Известно, что лажнения (косвенные показатели), они
влага в почве здесь накапливается не позволяют получать устойчивых реглавным образом в осенне-зимний пе- шений, а главное - не отвечают на воп-
риод. Её количество зависит от погод- рос, осадки каких месяцев оказывают
ных условий, способов обработки по- решающее значение на формирование
чвы и предшественников. урожая. От ясного понимания этой про-
. 460000, г. Оренбург,
ул. Советская, 19; тел.: 8 (3532) 70-76-64, 8-9225472999;
e-mail: fww1984@yandex.ru
блемы складывается осознанный подход к совершенствованию не только элементов зональных систем земледелия, но и селекционных программ и реализации их результатов.
Forest steppe, yielding capacity, weather, regression model, rate of factor influence.
Агрономия
Цель и методика исследований
Наиболее эффективное использование ресурсов влаги возможно только на основе точного расчёта с применением математического моделирования и вычислительной техники. При этом усиливается элемент объективности, повышается точность решения задач оптимизации по сравнению с традиционными методами принятия решений на основе практического опыта и интуиции [1].
Зависимость продукционного процесса агроценоза всегда многофакторная. Однако в засушливых зонах области одной из основных причин снижения потенциального урожая является недостаток влаги. Чтобы изучить эту зависимость, разработаны многомерные регрессионные модели. Они дают возможность приступить к долгосрочному прогнозированию только тех предикторов, которые включены в регрессионные уравнения, оценивающие агроклиматические ресурсы для той или иной культуры. Характеристика и описание такого явления, как засуха, приобретают вполне конкретную формализацию [4]. Предварительным графическим анализом выяснен предполагаемый тип линейности модели. Тренды урожайности рассчитывались методом гармонических весов [2].
Разработка моделей и схем зависимостей в биоценозе яровой пшеницы в условиях лесостепи Оренбургского Предуралья в значительной степени базировалась на анализе материалов Оренбургского областного центра по гидрометеорологии и мониторингу окружающей среды, опубликованных в климатических справочниках и агрометеорологических бюллетенях (МС Абдулино и МС Фадеевский), а также в ежегодниках Оренбургского областного комитета государственной статистики «Валовые сборы и урожайность сельскохозяйственных культур» (Матвеевский район).
Регрессионные модели представлены в табличной форме, которая позволяет показать значимость каждого коэффициента, входящего в уравнение регрессии. Для оценки доли влияния фактора проводился соответствующий порядок подбора значимых переменных в регрессионной модели, после чего рассчитывалась доля влияния фактора как отношение факториальной суммы квадратов той или иной переменной к общей (итоговой) сумме квадратов отклонений (пакет прикладных программ «СТАТГРАФИК 2.6»).
Объём выборки, используемой для построения модели, обозначен в виде продолжительности периода наблюдений (например, 1951-2008 гг.).
В описании приводимых ниже регрессионных моделей применены следующие обозначения для независимых переменных: ДВВ - дефицит влажности воздуха, Мб; 1 - среднемесячная температура воздуха, °С; ^ - температура воздуха максимальная, °С; октябрь, но-
ябрь, декабрь - месяцы предшествующего года; дек. - декада месяца.
Результаты исследований
Сравнительно полные регрессионные модели, объясняющие основную часть зависимости урожайности яровой мягкой пшеницы и озимой ржи от погодных условий в изучавшейся зоне, представлены в таблицах 1 и 2. В данных таблицах показаны регрессионные уравнения для зависимой переменной, которая определяется как отклонения урожайности от тренда. В связи с тем, что на уровень урожайности влияет не только погода, но и постоянно действующий антропогенный фактор, обусловленный культурой земледелия, принято этот фактор представлять в виде тренда. Тогда отклонения урожайности от тренда (в %) характеризуют влияние погоды.
Исследованиями по моделированию связей урожайности с погодными условиями установлено, что комплекс метеорологических показателей, описывающих дисперсию урожайности зерна,
в значительной степени отличается специфичностью для каждой сельскохозяйственной культуры. Эта специфичность характеризуется не только различным набором погодных элементов, но и долей влияния каждого из них на результирующий признак.
Важно также подчеркнуть, что количество влияющих эффектов (на входе модели) довольно велико. Это отражает естественное течение событий, поскольку в условиях неустойчивого увлажнения и значительных колебаний гидротермических факторов по годам и внутри каждого года (те. постоянно меняющейся погоды) доля влияния каждого изучавшегося фактора относительно невелика. При этом удаётся детерминировать более 85% разброса значений урожайности зерна. Оставшаяся часть дисперсии приходится на невыявлен-ные факторы и ошибки измерения. Всё это говорит о сложности и многогранности связей между экологическими условиями и продуктивностью яровой пшеницы и озимой ржи.
Таблица 1
Агрометеорологические факторы, обусловливающие варьирование урожайности (% тренда) яровой пшеницы в лесостепи Оренбургского _______________Предуралья за период 1951-2008 гг. _______________
Агрометеорологические факторы (источник варьирования) Коэффициент регрессии * 1 “ ^ Доля влияния фактора, % Коэффициент коррел ядии
У-пересечение 116,7 0,000 - -
ДВВ июня, (дек. 2)(дек. 3) -0,219 0,000 32,33 -0,569
1 сентября текущего гща -5,748 0,000 9,48 -0,332
Осадки (октября + ноября) -0,788 0,000 8,73 -0,262
Осадки февраля, (дек. 2 + дек. 3) 3,884 0,000 4,10 0,127
Осадки февраля, (^ек. 2 + дек. 3)“ -0,075 0,000 5,21 -0,016
Осадки (октября, дек. ЗИноября, дек. 1) 0,062 0,000 2,92 -0,118
Осадки (?нваря + феЕраля)* -0,003 0,002 2,74 -0,077
Осадки: 1 (мая, дек. 1) 8,896 0,000 2,32 0,150
ДВВ (агреля, дек. 3 + мая, дек. 1) 5,467 0,000 4,03 -0,054
(1 апреля)^ -0,552 0,000 4,33 0,019
Осадки июня, дек. 3 0,671 0,000 5,58 0,272
ДВВ августа, дек. 2 2,343 0,002 3,56 0,016
Для полнен регрессии: Р-квадрат = 0,853 уровень значимости = 0,000; стандартная ошибка оцег-ки = 14,3%треща; Р-отношение = 21,8
Таблица 2
Оценка существенности отклонения от линейной регрессии по Р-критерию. Данные о влиянии температуры воздуха апреля на вариацию
урожайности
Источник варьирования % тренда урожайности яровой пшеницы % тренда урожайности озимой ржи
число степеней свободы їй %1 аЕ 1— 5 <П Г О. ■=£ >=£ число степеней свободы їй 5І Н ^ <П Г й. >=£ ■=£ 11
Отклонение от линейной регрессии 56 60750,5 - 56 53704,2 -
Отклонение от криволинейной регрессии 55 54210,0 985,635 55 43336,0 787,927
Криволинейностъ регрессии 1 6540,53 6540,53 1 10368,2 10368,2
Р= 6540,53: 985,63= 6,63 Р =10368,27: 787,92 = 13,1
Рк=4,03__________________р0|= 7,17
240
Тткпврвшяш воаОуха ягрвпя, °С
Рис. 1. Зависимость урожайности яровой пшеницы от средней температуры воздуха апреля в лесостепи Оренбургского Предуралья,
1951-2008 гг.
Таблица 3
Агрометеорологические факторы, обусловливающие варьирование урожайности (% тренда) озимой ржи в лесостепи Оренбургского Предуралья за период 1951-2008 гг.
Агрометеорологические факторы (источник варьирования) Коэффициент регрессии * 1 ш У т | 0 ? *ї О Доля влияния фактора, % Коэффициент коррел ядии
У-пересечение 212,0 0,000 - -
и мая, дек. 3 -5,897 0,000 23,22 -0,482
Осадки (октября + ноября) -0,380 0,000 10,68 -0,213
1 августа, дек. 2 5,280 0,000 10,77 0,272
Осадки апреля, (дек. 2 + дек. 3) -0,828 0,000 9,78 -0,258
Осадкиавіуста, дек.1 0,439 0,000 7,00 0,063
ДВВ июля, дек. 3 -1,806 0,003 6,15 -0,310
Осадки (ноября, дек. 1 + декабря, дек. З^і 0,777 0,000 5,44 0,006
Осадки сентября предшеств. гща, дек. 2 0,356 0,012 2,88 0,251
5 апреля)^ -0,547 0,000 1,37 0,033
1агреля,(дек. 1 + дек. 2) 2,216 0,000 4,02 0,306
Осадки феЕраля, (дек. 2+ дек. 3) 0,726 0,000 2,35 0,051
Осадки, (твэря + феЕраля, дек. 1) -0,319 0,008 2,38 -0,115
Для полном регрессии: Р:+:Еадрат= О.ЗбШ; уровень значимости = 0,000;
стандартная ошибка оцеши = 13,2% тренда; Р-отношение = 23,1
'Ц чво
-4-2 0 2 4 в в Ю 12 14
Тонпоратуря воаВуяа апреля, вС
Рис. 2. Зависимость урожайности озимой ржи от средней температуры воздуха апреля в лесостепи Оренбургского Предуралья, 1951-2008 гг.
Агрономия
Приведённые в таблицах результаты по своей информативности значительно богаче интуиции земледельца, поскольку показывают влияние не только очевидных факторов. Так, например, по данным таблицы 1, осадки осеннезимнего периода в сумме оказывают определяющее влияние на урожай яровой пшеницы в 23,7% случаев. Вряд ли человеческой интуиции под силу это понять. Но важно другое: зимние (снежные) осадки января - февраля в данной природной зоне детерминируют всего 12,15% дисперсии урожайности зерна. Примерно 8 раз за 100 лет. И это выявлено за 58 лет наблюдений (1951-2008 гг.). Указанный фактор входит в модель в квадратичной форме. Следовательно, недостаток осадков за данный период в одни годы может переходить в избыток в другие годы. Это говорит о том, что применение снежных мелиораций в технологии возделывания яровой пшеницы требует более глубокого обоснования.
На летние факторы (не только осадки) приходится более половины объяснённой дисперсии зерновой продуктивности яровой пшеницы в этом регионе. Однако значительная часть влияющих на урожай летних эффектов регулированию и управлению пока не поддаётся. К таким же факторам относится и температура воздуха сентября. На этот месяц приходится период уборки урожая, вариация которого в 9,48% случаев обусловлена вариацией температуры воздуха.
На рисунке 1 показана параболическая форма связи отклонения от тренда урожайности зерна яровой пшеницы с температурой воздуха апреля.
Согласно модели (табл. 1), этот погодный фактор находится в квадратичной форме и обусловливает 4,33% случаев варьирования урожайности за изученный период. Важно подчеркнуть особенность этого месяца - температура воздуха более 6°С работает на снижение урожая.
Преобразованные данные, в частности, возведённые во вторую степень, используются в данной работе, чтобы приблизить теоретическое (усреднённое) течение функции к экспериментальным точкам корреляционного поля на графике. В тех случаях, когда криволи-нейность связи статистически достоверна, приводится её доказательство (табл. 2). Доказательство проводилось путём оценки по Р-критерию влияния криволинейности на систему отклонений от регрессии [3].
В остальных случаях можно ограничиться констатацией наличия наблюдаемой тенденции.
По данным таблицы 3, можно отметить, что в изучавшейся природной зоне вариация максимальной температуры воздуха третьей декады мая обусловливает наибольшее число случаев вариации формирующегося урожая озимой ржи.
Осадки предшествующей осени в пе-
Агрономия
риод вегетации данной культуры также в значительной мере объясняют вариацию урожайности.
Для формирования будущего урожая озимой ржи, как и для яровой пшеницы, имеет значение колебание по годам температуры воздуха апреля (рис. 2). Отмечен тот же оптимум на уровне 6°С. На значительное влияние погодных факторов апреля на дисперсию урожайности озимой ржи указывают и осадки этого месяца. Коэффициент
корреляции указывает на отрицательную связь между этими переменными. Вклад погоды апреля (температура + осадки) как источника варьирования в объяснение дисперсии урожайности культуры за изученный период в сумме составил 16,17% случаев.
Проведённые исследования показали, что в условиях лесостепной зоны Оренбургского Предуралья вариация урожайности зерновых культур обусловлена колебанием большого количе-
ства факторов погоды в течение всего года. По данным 58-летних наблюдений разработаны многомерные регрессионные модели, объясняющие более 85% дисперсии урожайности яровой пшеницы и озимой ржи при высоком уровне значимости как полной регрессии, так и коэффициентов при каждом предикторе. Данные предикторы можно использовать для разработки долгосрочных прогнозов условий вегетации указанных культур.
Литература
1. Образцов А. С. Биологические основы селекции растений. М. : Колос, 1981. 271 с.
2. Полевой А. Н. Прикладное моделирование и прогнозирование продуктивности посевов. Л. : Гидрометеоиздат, 1988. 319 с.
3. Снедекор Д. У. Статистические методы в применении к исследованиям в сельском хозяйстве и биологии. М. : Сельхозиз-дат, 1961. 503 с.
4. Тихонов В. Е. Засуха в степной зоне Урала. Изд. 2-е, доп. Оренбург : ООО «Агентство «Пресса», 2005. 347 с.
