Влияние солнечной активности и метеорологических факторов на сбор сырого протеина в посевах многолетних трав в условиях Кольского Севера Текст научной статьи по специальности «Сельское хозяйство, лесное хозяйство, рыбное хозяйство»

МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070

Продолжение таблицы

Пл. пузырь 0,50±0,0 0,0 0,0 0,0 0,56±0,016 0,5 0,6 9,2

Кишечник 1,86±0,07* 1,6 2,0 9,0 1,63±0,04 1,5 1,8 8,2

Вн. жир 0,04±0,01* 0,01 0,09 75,0 0,11±0,03 0,02 0,3 91,1

Гонады 6,0±0,8* 3,0 8,1 33,6 0,5±0,1 0,17 1,60 84,0

*- разность достоверна при р>0,05

Результаты исследований показывают, что половой диморфизм у линя достоверно проявляется по относительной массе почек, внутреннего жира и гонад. Эти морфофизиологические особенности следует учитывать при разведения линя.

© Есавкин Ю.И., Панов В.П., Грикшас С.А., 2016

УДК 633.2 : 57.045 (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

ВЛИЯНИЕ СОЛНЕЧНОЙ АКТИВНОСТИ И МЕТЕОРОЛОГИЧЕСКИХ ФАКТОРОВ НА СБОР СЫРОГО ПРОТЕИНА В ПОСЕВАХ МНОГОЛЕТНИХ ТРАВ В УСЛОВИЯХ КОЛЬСКОГО СЕВЕРА

Аннотация

В рамках программы регионального агроэкологического мониторинга изучено влияние метеорологических факторов и гелиогеофизических условий на выход протеина в посевах многолетних трав, выращиваемых в центральной части Мурманской области. На основе использования современных статистических технологий построены ранжированные ряды влияния экзогенных факторов на общий сбор сырого протеина с единицы площади агроценоза трав. Подобрана оптимальная конфигурация данных факторов, обеспечивающая максимальный сбор протеина в условиях Заполярья.

Ключевые слова

Метеорологические факторы, гелиогеофизические условия, многолетние травы, сбор сырого протеина, Кольский Север.

Введение

Мурманская область отличается неблагоприятными почвенно-климатическими условиями для выращивания культигенов, обусловленными широтной спецификой ее географического положения. Недавно было показано, что урожайность культурных растений в данном регионе, входящем в зону глобальных электромагнитных возмущений, зависит не только от погодных условий, но и от такого космофизического фактора, как активность Солнца [1].

Цель данной работы - представить в сжатом виде формализованную картину комплексного влияния солнечной активности и основных метеорологических элементов на общий сбор сырого протеина в посевах многолетних трав, являющихся важнейшим компонентом кормовой базы для молочного животноводства в Мурманской области.

Методика исследования

Стационарный полевой эксперимент проводили с 1993 по 2008 годы на сельскохозяйственных угодьях совхоза "Мурманск" (пос. Пушной Мурманской области). Объектом исследования служили производственные посевы многолетних трав - различные сорта овсяницы луговой с примесью (около 30%)

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070_

мятлика лугового. Учет величины урожая зеленой массы трав с опытных делянок проводили ежегодно в конце июля. Анализ химического состава растений выполняли в осенне-зимний период (с ноября по февраль). Содержание сырого протеина в фитомассе трав определяли по ГОСТ 13496.4-84 и рассчитывали в процентах на сухое вещество [2]. В качестве интегральной характеристики эффективности продукционного процесса в посевах многолетних трав использовали известный в полевом кормопроизводстве показатель -общий выход сырого протеина [3] с единицы площади агроценоза (ВП, кг/га).

Данные о средних температурах воздуха (Т, оС) и количестве атмосферных осадков (H, мм), выпадающих за период вегетации трав (июнь-июль), были предоставлены гидрометеорологической станцией "Мурманск" Мурманского управления по гидрометеорологии и мониторингу окружающей среды. Месячные значения прихода суммарной солнечной радиации (R, кВт/м2/сутки) получены из следующего интернет-источника - NASA Surface meteorology and Solar Energy (http://eosweb.larc.nasa.gov). Электронная база данных по солнечной активности, выражаемой в виде чисел Вольфа или относительного цюрихского числа солнечных пятен (W, отн. ед.), доступна на сайте ftp://ftp.ngdc.noaa.gov/stp/solar data/sunspot numbers.

Статистическую обработку общего массива данных проводили с использованием программы STATISTICA 8.0 [4].

Результаты и их обсуждение

Дескриптивный анализ материалов 16-летнего агроэкологического мониторинга показал, что в наиболее широком диапазоне в полевом опыте варьировали три следующих показателя: количество атмосферных осадков, солнечная активность и выход протеина с единицы площади агроценоза многолетних трав. Коэффициенты вариации разногодичных значений этих показателей достигали 24-85%. Для прихода суммарной солнечной радиации к посевам трав был характерен сравнительно узкий диапазон изменчивости по годам, не превышающий 6% (табл. 1).

Таблица 1

Описательные статистики метеорологических факторов, солнечной активности и общего сбора протеина за период с 1993 по 2008 годы

Показатели Средняя арифметическая Медиана Стандартное отклонение Коэффициент вариации, %

Температура воздуха, оС 11.7 11.5 1.1 9.4

Количество атмосферных осадков, мм 61.4 65.7 15.1 24.6

Суммарная солнечная радиация, кВт/м2/сут. 4.83 4.88 0.26 5.4

Числа Вольфа, отн.ед. 53.7 43.4 45.8 85.3

Выход протеина, кг/га 210.9 210.3 74.6 35.4

Стандартный корреляционный анализ (включающий расчет коэффициентов парной корреляции Пирсона и ранговой корреляции Спирмена) показал, что сбор протеина с единицы площади агроценоза трав зависел преимущественно от двух показателей - температуры воздуха и солнечной активности, выражаемой в форме долговременного гелиогеофизического индекса - чисел Вольфа. Выявленные связи указывают на ключевую роль данных факторов в реализации продукционного процесса многолетних трав в экстремальных условиях Кольского Севера. Общую картину влияния экзогенных факторов на выход протеина можно представить в виде такого ранжированного (по абсолютным значениям коэффициентов корреляции) ряда: Т > W > R > H (табл. 2).

Таблица 2

Парные линейные связи между общим сбором протеина и экзогенными управляющими факторами

Факторы Коэффициенты парной корреляции Пирсона P-level Коэффициенты ранговой корреляции Спирмена

T 0.82 < 0.001 0.85*

H -0.19 0.470 -0.08

R 0.48 0.060 0.50*

W 0.64 0.008 0.64*

Примечания. 1. P-level (сокращенно - Р) - уровень статистической значимости коэффициентов корреляции Пирсона. 2. Звездочкой отмечены статистически значимые (Р < 0.05) коэффициенты корреляции Спирмена.

Следует, однако, заметить, что связь между набором управляющих параметров (метеорологическими

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070_

и гелиогеофизическими условиями в годы проведения исследований) и целевой функцией (сбором протеина), имеет сложные топологические очертания, которые невозможно корректно описать только с помощью линейного корреляционного анализа [5].

Действительно, на основе многомерного регрессионного анализа установлено, что эта связь носит выраженный нелинейный характер. Это хорошо видно из спецификации следующей полиномиальной модели, включающей в свою структуру как линейные, так и квадратичные эффекты:

ВП (кг/га) = -1.66T + 2.53T2 - 1.80H + 1.49H2 + 4.10R - 4.46R2 - 0.23W + 0.55W2

(R2 = 82.8%; Fрaсч. (8; 7) = 4.22 > F0.95 = 3.73; Р = 0.037),

где R2 - коэффициент множественной детерминации уравнения связи; F - статистика Фишера для оценки адекватности уравнения, P - уровень статистической значимости уравнения.

Наличие в вышеприведенной аппроксимирующей функции квадратичных членов указывает на значительную кривизну поверхности отклика (выхода протеина) в естественном диапазоне вариаций экзогенных управляющих факторов.

Вполне понятно, что метеорологические элементы и солнечная активность оказывают на общий сбор протеина не обособленное, а интегрированное модульно-иерархическое воздействие. В связи с этим, оценка их индивидуальной роли в системе "управляющие факторы - отклик" является достаточно сложной и нетривиальной задачей.

Для ее ориентировочного решения мы использовали технологию частных наименьших квадратов (Partial Least Squares - PLS), которая является стержнем проекционного метода многомерной калибровки поликомпонентных систем. Регрессия PLS опирается на матрицу смешанных произведений для переменных X и Y - Y'XX'Y. Это обстоятельство позволяет использовать PLS-анализ даже в тех случаях, когда традиционные многомерные методы применять нельзя (например, в ситуациях, когда число наблюдений меньше числа предикторов). Построение регрессионных моделей по этой технологии производилось нами с применением нелинейного итерационного алгоритма NIPALS [6].

С помощью данного подхода был получен следующий ряд сравнительной силы влияния экзогенных факторов на экспрессию отклика (общий сбор протеина): Т (0.61) > R (0.57) > W (0.54) > H (-0.19). В круглых скобках приведены значения стандартизованных нагрузок предикторов в структуре первой главной компоненты линейной модели PLS.

Архитектура этого ряда показывает, что биопродуктивность посевов многолетних трав, оцениваемая по общему сбору протеина с единицы площади поля, зависела преимущественно от температуры воздуха в период вегетации растений, от прихода суммарной солнечной радиации к верхней границе (деятельной поверхности) агроценоза и от активности Солнца в летние месяцы. Роль осадков в условиях холодного и гумидного климата Восточной Фенноскандии, куда входит Кольский полуостров, оказалась минорной.

Особый интерес представляет вопрос о том, при каких количественных сочетаниях экзогенных факторов достигается наиболее высокий выход протеина в посевах многолетних трав. Решение этой задачи состояло из двух этапов.

На первом этапе для описания нелинейных связей между сбором сырого протеина и управляющими параметрами использовали модуль STATISTICA Automated Neural Networks (автоматические нейронные сети), входящий в комплекс Data Mining Analyses (добыча данных) [7].

Искомая связь удовлетворительно описывалась с помощью многослойного персептрона (MLP -Multilayer perceptron). Всего было построено 12 трехслойных нейронных сетей с различной архитектурой (с числом нейронов в скрытом слое от 3 до 10), которые затем объединяли в группу или ансамбль. Качество аппроксимации MLP-сетями нелинейной зависимости отклика от управляющих факторов оказалось достаточно высоким - r = 0.98-0.99.

Затем, с помощью ансамбля данных сетей был выполнен поиск оптимальной конфигурации управляющих факторов, позволяющей получать максимальный выход сырого протеина с единицы площади агроценоза. С этой целью использовали модуль Response Optimization for Data Mining Models (оптимизация отклика для моделей добычи данных), в который загружали XML-файлы нейронных сетей.

Процедуру многопараметрической оптимизации осуществляли с применением симплекс-метода поиска желаемой величины отклика. В качестве стартовых условий для начала работы алгоритма принимали средние многолетние значения экзогенных факторов (табл. 1). Тип использованной оптимизации - поиск

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070_

максимальной величины целевой функции (ВП), полученной в ходе многолетних мониторинговых наблюдений - 380 кг/га.

В результате проведенных расчетов установлено, что наиболее высокий выход протеина с единицы площади агроценоза многолетних трав достигается при следующем сочетании метеорологических и гелиогеофизических условий: температура воздуха - 12.1... 13.1 оС, количество атмосферных осадков - 38...58 мм, приход суммарной солнечной радиации - 4.55.4.70 кВт/м2/сут., значения чисел Вольфа - 66.89 отн. ед.

Реалистичность найденной конфигурации подкрепляется данными полевого эксперимента, проведенного в совхозе "Мурманск". Так, в 2001 году общий сбор сырого протеина с единицы площади опытного участка достиг максимума и составил 384 кг/га. Количественные уровни экзогенных факторов в этом году были следующими: средняя за период вегетации многолетних трав температура воздуха - 13.4 оС, сумма атмосферных осадков - 43 мм, приход суммарной солнечной радиации - 4.88 кВт/м2/сут., число Вольфа - 108 отн. ед.

Сравнение значений приведенных показателей (расчетных и фактических) с их многолетней "геофизической и экологической нормой" (табл. 1) позволяет сформулировать следующее общее заключение. В неблагоприятных почвенно-климатических условиях Кольского Севера максимальный сбор сырого протеина в посевах многолетних трав может быть достигнут в годы с повышенной температурой воздуха и умеренным поступлением атмосферных осадков, при хорошем световом довольствии и высоком уровне активности Солнца на протяжении всего периода вегетации растений. Список использованной литературы:

1. Костюк В.И. Экология культурных растений на Кольском Севере. - Апатиты: Изд-во Кольского НЦ РАН. 2012. - 169 с.

2. Методические указания по оценке качества и питательности кормов. - М.: Центр научно-технической информации, пропаганды и рекламы, 1993. - 87 с.

3. Кутузова А.А., Новоселов Ю.К., Гарист А.В., Рогов М.С., Харьков Г.Д. Увеличение производства растительного белка. - М.: Агропромиздат, 1985. - 191 с.

4. Халафян А.А. STATISTICA 6. Статистический анализ данных. - М.: ООО "Бином-Пресс", 2008. - 512 с.

5. Фрид А.С. Современное состояние моделирования в агрохимии. - Агрохимия. - 2004. - № 1. - С. 40-45.

6. STATISTICA: Обзор методов и руководство пользователя. - М.: StatSoft, 2001. - 220 с.

7. Нейронные сети: Методология и технологии современного анализа данных. - М.: Горячая линия-Телеком, 2008. - 392 с.

© Костюк В.И., 2016

УДК 633.111 «324»:631.527:631.524.7

Г.Я. Маслова

зав.лабораторией селекции и семеноводства озимой пшеницы,

Н.И. Китлярова

старший научный сотрудник селекции и семеноводства озимой пшеницы,

А.А. Тоибова

зав.аналитической лаборатории зерна, кормов и почвы ФГБНУ «Поволжский НИИСС им. П.Н. Константинова» Самарская область, пгт. Усть-Кинельский, Российская Федерация

ФРАКЦИОННЫЙ СОСТАВ БЕЛКОВОГО КОМПЛЕКСА СОРТОВ ОЗИМОЙ ПШЕНИЦЫ КОНКУРСНОГО СОРТОИСПЫТАНИЯ

Аннотация

Исследованы сорта озимой мягкой пшеницы конкурсного сортоиспытания по фракционному составу белков. Данный показатель следует оценивать при проведении селекционного отбора на качество зерна.