CC BY
33
УДК 631.2:631.524.84:581.52 (471.21)
Костюк В.И. ©
Г лавный научный сотрудник, доктор биологических наук Полярно-альпийский ботанический сад-институт им. Н. А. Аврорина Кольский научный центр Российской академии наук
ВЛИЯНИЕ СОЛНЕЧНОЙ АКТИВНОСТИ НА УРОЖАЙНОСТЬ МНОГОЛЕТНИХ ТРАВ В УСЛОВИЯХ КОЛЬСКОГО СЕВЕРА
Аннотация
Впервые выявлена зависимость между многолетними колебаниями урожайности многолетних трав на Кольском Севере и короткопериодическими вариациями солнечной активности. Проведен Фурье-анализ периодических свойств динамических рядов данных показателей, а также выполнен кросс-спектральный анализ сопряженности профилей их временных изменений, происходивших на протяжении 16 лет мониторинговых наблюдений.
Ключевые слова: Кольский Север, урожайность многолетних трав, солнечная активность. Keywords: Kola North, perennial grasses, solar activity.
Введение
Известно, что формирование урожаев культурных растений находится под постоянным "контролем" такого мощного гелиогеофизического фактора, как солнечная активность, обусловливающего разнообразные проявления солнечно-биосферных связей [14].
В начале двухтысячных годов было установлено, что биота Кольского полуострова, который расположен достаточно близко к географическому и магнитному полюсам Земли, испытывает хорошо выраженное широтно-зависимое воздействие данного фактора [5]. Однако изучение влияния активности Солнца на продукционный процесс сельскохозяйственных растений в условиях Кольского Севера было начато только в последние годы [6, 7].
Цель данной работы - выявление связи между урожайностью многолетних трав в данном регионе и вариациями солнечной активности, представленной в форме долговременного гелиогеофизического индекса - чисел Вольфа.
Объекты и методы исследования
Мониторинговые наблюдения проводили в течение 16 лет (1993-2008 гг.) на реперном земельном участке совхоза "Мурманск" (пос. Пушной Мурманской области).
Объектом исследования служили производственные посевы многолетних трав (различные сорта овсяницы луговой с примесью мятлика лугового). Среднее многолетнее соотношение овсяниц и мятлика в агрофитоценозе составляло приблизительно 3:1 [8]. Органические и минеральные удобрения вносили под травы в конце мая - начале июня на всю площадь земельного участка.
Ежегодно в центральной части реперного участка для оценки состояния лугового фитоценоза закладывали пять пробных площадок (площадью 7 кв. м каждая), разнесенных друг от друга на расстояние 50-70 м. Учет величины урожая (т/га) зеленой массы многолетних трав на пробных площадках проводили в конце июля.
Значения чисел Вольфа (цюрихские относительные числа солнечных пятен - W) за анализируемый период наблюдений были получены из открытого интернет-источника -
© Костюк В.И., 2015 г.
URL: ftp://ftp.ngdc.noaa.gov/stp/solar data/sunspot numbers. Для расчетов использовали усреднённые за два летних месяца значения чисел Вольфа.
Статистический анализ состава и структуры временных рядов "солнечная активность" и "урожайность многолетних трав", а также оценку связи между ними выполняли с использованием программы STATISTICA 8.
Результаты исследования
Парная корреляция динамических рядов. Анализ сопряженности временных рядов показал, что между урожайностью трав и длиннопериодическими колебаниями солнечной активности существует умеренная положительная связь: линейная корреляция Пирсона составила 0.43 (P = 0.09), а ранговая корреляция Спирмена - 0.45 (P = 0.08). Это свидетельствует о том, что разногодичные вариации урожайности трав целесообразно увязывать не только с долговременными колебаниями, но и с более короткими циклами изменений солнечной активности. Во многих случаях такой подход оказывается весьма результативным при анализе циклического поведения рядов.
Кросс-корреляция динамических рядов. Связь подобных рядов редко бывает симбатной. Чаще наблюдается сдвиг серий наблюдений на некоторый временной промежуток - Лаг (Lag, далее, с целью сокращения, L), когда влияние одного явления на другое проявляется с определенным запаздыванием или опережением. Г оворя иначе, кросскорреляция (перекрестная корреляция) - это корреляция одного ряда с другим рядом, сдвинутым на определенное число наблюдений. Временной лаг (сдвиг) определяется обычно при помощи перебора коэффициентов парной корреляции между абсолютными уровнями двух рядов динамики [9].
Уточним с этих позиций связь между солнечной активностью и урожайностью трав, учитывая, что продуктивность агрофитоценоза отображает влияние гелиогеофизических условий с некоторой задержкой по времени, то есть с отрицательным лагом. Общее число лагов в проведенных расчетах варьировали в диапазоне от 1 до 11 (L =11 соответствует циклу Швабе-Вольфа или 11-летней периодичности солнечной активности). Отметим, что коэффициент кросс-корреляции между двумя сериями наблюдений при L = 0 (без сдвига) в точности соответствовал тому коэффициенту парной корреляции, который был приведен ранее (г = 0.43; P = 0.09). При L = -1 парная корреляция между рядами составила плюс 0.50, а при L = -2 - плюс 0.46 (P < 0.05). Таким образом, реакция агрофитоценоза многолетних трав на вариации гелиогеофизических условий оказалась достаточно оперативной - запаздывание не превышало 1-2 лет. При соотносительном сдвиге рядов более чем на 2 года, кросскорреляция между ними существенно уменьшалась.
Кросс-спектральный анализ связи динамических рядов. Этот подход позволяет анализировать взаимосвязь периодических и частотных спектров двух временных рядов. С его помощью можно определить наличие или отсутствие существенных гармонических составляющих в исследованных частотных диапазонах и оценить тесноту связи между временными рядами именно с этих позиций [10, 11].
Итоговая таблица результатов кросс-спектрального анализа включает следующие основные статистики: кросс-периодограмму, кросс-плотность, квадратурную плотность, кросс-амплитуду, квадрат когерентности, усиление, фазовый сдвиг [12]. Ключевыми в данном наборе статистик являются оценки когерентности, усиления и фазового сдвига [10, 13].
Коэффициент когерентности представляет собой квадрат корреляции между циклическими компонентами двух рядов соответствующей частоты. Данный показатель отражает линейную связь двух рядов дифференцированно по частотам. Когерентность принимает значения в промежутке от 0 до 1.
Коэффициент усиления (выигрыша) позволяет получить информацию о том, на каких частотах наблюдается синхронное и соответствующее по величине изменение мощности в двух анализируемых временных рядах.
Фазовый сдвиг (спектр) дает представление о том, насколько каждая частотная компонента одного ряда опережает частотные компоненты другого ряда или отстает от них.
Оценим теперь с помощью этого статистического подхода связь между солнечной активностью и урожайностью многолетних трав (таблица). Из представленных материалов видно, что наиболее высокие значения кросс-амплитуды и кросс-плотности в короткопериодическом диапазоне сопряженных изменений временных рядов относятся к следующим трем частотам: f = 0.19 (период 5.3 года), f = 0.31 (период 3.2 года) и f = 0.44 (период 2.3 года). Однако максимальная когерентность рядов (0.96-0.97) проявилась только на двух частотах взаимного спектра - f = 0.31 и f = 0.44.
Таблица
Результаты кросс-спектрального анализа чисел Вольфа (Х) и урожайности трав (Y)
№ п/п Частота (f) Период (годы) Плотность X Плотность Y Кросс- плотн. Кросс- ампл. Квадр. когер. Выиг- рыш Сдвиг фазы
0 0.000 - 2993 2.6 85.8 85.8 0.96 33.6 0.00
1 0.062 16.00 19123 16.2 543.9 552.7 0.99 34.1 -0.18
2 0.125 8.00 6892 4.5 129.4 146.2 0.69 32.6 0.48
3 0.188 5.33 2578 5.2 -94.4 94.6 0.67 18.3 3.08
4 0.250 4.00 283 3.3 -25.0 25.2 0.68 7.6 -3.02
5 0.312 3.20 391 4.6 -40.3 41.6 0.97 9.1 2.89
6 0.375 2.67 64 2.3 -7.3 7.8 0.40 3.3 -2.78
7 0.438 2.29 344 4.4 -12.4 38.4 0.96 8.6 -1.90
8 0.500 2.00 114 0.7 -1.9 1.9 0.05 2.8 0.00
Самые большие значения коэффициента усиления (выигрыша) для значений ряда "урожайность многолетних трав" в зависимости от вариаций активности Солнца (Gain values Y over X) также наблюдались на ранее отмеченных когерентных частотах с периодичностью 2.3, 3.2 и 5.3 года. Заметим, что хорошо выраженная периодичность 5.3 года для урожайности трав фактически совпадает не только с полупериодом 11-летнего цикла солнечной активности, но и с одним из основных циклов вариаций планетарного амплитудного индекса геомагнитной активности Аа, который составляет приблизительно 5.5 года [14, 15].
Наибольшая согласованность между рассматриваемыми рядами (минимальный фазовый сдвиг) проявилась на частоте f = 0.44 (период 2.3 года). Тесная сопряженность изменений активности Солнца и вариаций урожайности трав с периодичностью 2.3 года является, вероятно, не случайной и отражает одну из любопытных граней " универсального" влияния рассматриваемого гелиогеофизического фактора на природную среду. Воздействие этой высокочастотной компоненты активности Солнца (с периодом 2.0-2.5 года) проецируется не только на биоту, но и на абиотическую составляющую среды. Установлено, например, что с достаточно близкой периодичностью происходят оползни и обвалы на территориях Альп, Западной и Восточной Европы, а также осуществляются колебания среднегодовых уровней Черного и Азовского морей [14]. Недавно на основе спектрального анализа временных рядов максимального стока реки Днестр (в периоды весенних половодий) также был выделен устойчивый цикл продолжительностью 2.2-2.5 года [16].
По мере снижения частоты (увеличения периода) фазовый сдвиг (рассогласование) между рядами несколько возрастал. Об этом свидетельствуют повышенные значения фазового спектра на частотах f = 0.38 (период 2.7 года) и f = 0.25 (период 4.0 года).
Заключение
На основе спектрального анализа временных рядов установлено, что многолетние колебания урожайности многолетних трав на Кольском Севере в значительной мере обусловлены изменениями активности Солнца. На разногодичные вариации урожайности трав наиболее существенно влияют высокочастотные компоненты спектра солнечной активности с цикличностью 2.. .3 года. Их модулирующий потенциал усиливается также за счет "тонкой настройки" структурно-функциональных параметров почвенно-климатического комплекса, зависящей от активности Солнца. Показано, например, что основные межгодовые климатические колебания, кардинально влияющие на продукционный процесс растений, наблюдаются с периодичностью 2.4 года [17].
Полученные нами результаты дают основания считать, что для корректной оценки возможных изменений урожайности многолетних трав в кратко- и среднесрочной перспективе необходимо учитывать не только долговременные, но и короткопериодические вариации активности Солнца. В противном случае, доля неопределенности и масштабы ошибок в подобных прогнозах будут очень велики.
Литература
1. Harrison V.L. Do sunspot cycles affect crop yields? // Economic Research Service. Department of Agriculture. Agricultural Economic Report. - Washington, 1976. - No. 327. - 23 р.
2. Чижевский А.Л. Земное эхо солнечных бурь. - М.: Мысль, 1976. - 367 с.
3. Владимирский Б.М. Работы А.Л. Чижевского по солнечно-земным связям. Гелиобиология в канун ХХ1 века - итоги, проблемы, перспективы // Биофизика. - 1998. - Т. 43. - Вып. 4. - С. 566570.
4. Мирошниченко Л.И. Физика Солнца и солнечно-земных связей. - М.: Университетская книга, 2011. - 174 с.
5. Кашулин П.А., Ролдугин В.К., Жибоедов П.М., Костюк В.И. Исследование биологической роли гелиогеофизических факторов в Субарктике на примере выживания растений // Вековые изменения морских экосистем Арктики. Климат, морской перигляциал, биопродуктивность. -Апатиты: Изд-во Кольского научного центра РАН, 2001. - С. 136-145.
6. Костюк В.И. Экология культурных растений на Кольском Севере. - Апатиты: Изд-во Кольского научного центра РАН, 2012. - 169 с.
7. 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 научного центра РАН, 2013. - 79 с.
8. Кислых Е.Е., Вихман М.И. Экологические основы сельскохозяйственного землепользования на Кольском Севере. - Петрозаводск: Изд-во ПетрГУ, 2008. - 217 с.
9. Садовникова Н.А., Шмойлова Р.А. Анализ временных рядов и прогнозирование. - М.: МГУЭСИИ, 2001. - 67 с.
10. Дроздов О.А., Васильев В.А., Кобышева Н.В. и др. Климатология. - Л.: Гидрометеоиздат, 1989. -567 с.
11. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики. В 2-х томах. - М.: ЮНИТИ-ДАНА, 2001. - Т.1. - 656 с., - Т.2. - 432 с.
12. STATISTICA: Обзор методов и руководство пользователя. - StatSoft, 2001. - 220 с.
13. Горчаков А.А., Половников В.А. Финансовая математика. - М.: ВЗФЭИ, 1995. - 247 с.
14. Атлас временных вариаций природных, антропогенных и социальных процессов. Том 2. Циклическая динамика в природе и обществе. - М.: Научный мир, 1998. - 432 с.
15. Заболотная Н.А. Индексы геомагнитной активности. Справочное пособие. - М.: Изд-во ЛКИ, 2007. - 88 с.
16. Мельник С.В. Анализ временных рядов стока на постах верхнего и среднего Днестра // Ученые записки Таврического университета им. В.И. Вернадского. - 2012. - Т.25 (64). - № 2. - С. 74-80.
17. Монин А.С., Сонечкин Д.М. Колебания климата по данным наблюдений: тройной солнечный и другие циклы. - М.: Наука, 2005. - 191 с.
