CC BY
90
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №4/2016 ISSN 2410-6070_
УДК 57.045:633.2 (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 ЦИКЛИЧЕСКИХ ВАРИАЦИЙ СОЛНЕЧНОЙ АКТИВНОСТИ НА УРОЖАЙНОСТЬ И КАЧЕСТВО МНОГОЛЕТНИХ ТРАВ В УСЛОВИЯХ КОЛЬСКОГО СЕВЕРА
Аннотация
Изучена циклическая компонента связи между ежегодными колебаниями урожайности многолетних трав на Кольском Севере и вариациями солнечной активности. Проведен спектральный анализ сопряженности профилей их временных изменений, происходивших на протяжении 16 лет мониторинговых наблюдений.
Ключевые слова
Кольский Север, урожайность многолетних трав, солнечная активность.
ВВЕДЕНИЕ
Известно, что формирование урожаев культурных растений находится под постоянным "контролем" такого мощного гелиогеофизического фактора как солнечная активность, обусловливающего разнообразные проявления солнечно-биосферных связей [1, 2, 3].
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 [4]. Однако изучение влияния активности Солнца на продукционный процесс сельскохозяйственных растений в условиях Кольского Севера было начато только в последние годы [5, 6].
Цель данной работы - анализ влияния циклических вариаций солнечной активности на урожайность, накопление белка в фитомассе и общий сбор сырого протеина в посевах многолетних трав.
МЕТОДИКА ИССЛЕДОВАНИЯ
Стационарный полевой эксперимент проводили с 1993 по 2008 годы на реперном участке сельскохозяйственных угодий совхоза "Мурманск" (пос. Пушной Мурманской области). Объектом исследования служили производственные посевы многолетних трав - различные сорта овсяницы луговой с примесью (около 25-30%) мятлика лугового. Учет величины урожая (УР, т/га) зеленой массы трав с опытных делянок проводили в последних числах июля. Содержание сырого протеина (СП, %) в фитомассе трав определяли согласно ГОСТ 13496.4-84 и рассчитывали в процентах на сухое вещество [7]. В качестве интегральной характеристики эффективности продукционного процесса в посевах многолетних трав использовали актуальный для кормопроизводства показатель - общий выход сырого протеина [8] с единицы площади агроценоза (ВП, кг/га).
База данных по солнечной активности, представленная в виде чисел (индекса) Вольфа (W, отн. ед.), доступна на сайте ftp://ftp.ngdc.noaa.gov/stp/solar data/sunspot numbers. Для расчетов использовали усреднённые за два летних месяца (июнь, июль) значения чисел Вольфа.
РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ
Визуальный анализ табличных (или графических) данных не позволяет надежно выявлять кардинальные изменения (качественные переходы, особые точки) в динамике результативных признаков. Поэтому для решения таких задач целесообразно использовать специализированные компьютерные программы. В нашей работе применялись следующие методы анализа временной структуры
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №4/2016 ISSN 2410-6070_
рассматриваемых откликов - численное дифференцирование, вейвлет-анализ и одномерный спектральный (Фурье) анализ.
Численное дифференцирование эмпирических кривых поведения результативных признаков выполняли с помощью программы Spectrum (версия 5.0.1.83). К такой процедуре часто обращаются, когда вычисляют производные от функций, заданных таблично или когда непосредственное дифференцирование затруднено - например, при сложном аналитическом виде функции. Переоценивать возможности данной процедуры и получаемые на ее основе результаты не следует, поскольку численное дифференцирование относится к числу так называемых некорректных задач, у которых отсутствует устойчивость решения [9]. Неопределенность производных высокого порядка (второго, третьего и т.д.) как раз характерна для биологических функций. Однако для предварительного анализа данных эта процедура весьма полезна.
Расчет производной второго порядка для временной траектории урожайности многолетних трав (см. таблицу) показал, что изменения данного признака претерпевают качественную трансформацию с периодичностью 2, 3 и 4 года, причем чаще наблюдается 3-летняя цикличность в экспрессии данного показателя. Эмпирическая траектория накопления сырого протеина в фитомассе многолетних трав характеризуется набором следующих особых точек (или точек перелома на кривой) - 2, 3, 4 и 5 лет. Доминирующие циклы в этом ряду - 4 и 5 лет. В структуре временного ряда "выход протеина с единицы площади агроценоза" выявлена та же периодичность, что и для урожайности данной культуры - 2, 3 и 4 года.
Вейвлет-анализ временных рядов трех результативных признаков проводили с помощью программы New Profile (версия 3.4.486, продукт творческого объединения ReMax SoftWare).
Сегодня считается, что сглаживание вейвлетами профилей сигналов (в нашем случае - временной траектории того или иного показателя) является наиболее "продвинутым" методом анализа нестационарных временных сигналов или неоднородных пространственных полей.
Таблица
Влияние гелиогеофизических условий на урожайность, содержание в фитомассе белка и общий сбор сырого протеина в посевах многолетних трав в совхозе "Мурманск"
Годы УР, т/га СП, % ВП, кг/га W, отн. ед.
1993 6.8 10.2 125 53.8
1994 7.9 9.1 122 31.6
1995 8.4 12.3 196 15.1
1996 6.1 7.8 95 10.0
1997 11.7 9.0 190 11.6
1998 9.8 8.6 169 68.7
1999 9.3 15.9 281 125.6
2000 10.5 12.1 254 147.5
2001 13.0 13.2 378 107.9
2002 14.2 11.0 297 93.9
2003 9.0 11.3 183 80.3
2004 10.2 8.3 212 47.2
2005 7.5 8.8 172 39.7
2006 8.2 9.7 191 13.1
2007 10.0 9.7 213 10.9
2008 8.9 10.7 219 2.1
М 9.5 10.5 206.0 53.7
V, % 22.8 20.2 34.4 85.4
Примечание. М - средняя арифметическая; V - коэффициент относительной вариации; УР -урожайность многолетних трав; СП - содержание сырого протеина в фитомассе; ВП - общий выход (сбор) сырого протеина с единицы площади агроценоза; W - усредненные за два летних месяца (июнь, июль) значения чисел Вольфа.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №4/2016 ISSN 2410-6070_
Оно применяется для разложения (декомпозиции) сигнала при помощи вейвлет-преобразования, очистки сигнала от шума путем удаления незначащих деталей, а затем восстановления сигнала по его разложению. Поэтому вейвлеты обычно включают небольшое количество осцилляций [10].
Вейвлет - сглаживание временной траектории урожайности многолетних трав показало, что в структуре рассматриваемой кривой обнаруживается существование трех циклов - 3, 3-4 и 5-6 лет (тип вейвлета - ортогональный вейвлет Добеши порядка 3, одноуровневое преобразование). На траектории изменений содержания сырого протеина в фитомассе многолетних трав в явном виде выделяются только два цикла - 4 и 5-6 лет (вейвлет Добеши порядка 2, одноуровневое преобразование). При этом 4-летняя периодичность в данном временном ряду является доминирующей (тип вейвлета - Симмлет 3, двух- или трехуровневое преобразование). На профиле временных изменений общего сбора протеина с единицы площади поля выделяются два характерных цикла - 3-4 и 6 лет (тип вейвлета - ортогональный вейвлет Добеши порядка 3 или 4, одноуровневое преобразование). Следует отметить, что при вейвлет-анализе цикличность во временных траекториях рассматриваемых показателей проявляется не в виде островершинных пиков, а в виде расширенных, платообразных интервалов.
Спектральный (Фурье) анализ временных профилей результативных признаков проводили с использованием программы STATISTICA 8.
Основная цель данного вида анализа - определение наиболее важных (существенных) гармонических составляющих временного ряда с эндогенными циклическими компонентами [11]. Одномерный спектральный анализ обычно используется для получения описательных статистик стационарного временного ряда, обнаружения в нем скрытых периодических свойств и построения периодограмм, для определения оценок спектральной плотности и вклада основных частотных гармоник в спектр ряда [12].
Преобразование Фурье позволяет перевести амплитудно-временное представление в частотный спектр. В этой связи особый интерес представляет поиск частот с большими спектральными плотностями или, говоря иными словами, такие частотные области, которые состоят из совокупности близких частот и которые вносят максимальный вклад в периодическое (циклическое) поведение всего ряда [13].
В связи с относительно небольшой продолжительностью наших мониторинговых наблюдений (16 лет) ширину окна Хемминга для оценки спектральной плотности временных рядов рассматриваемых показателей принимали предельно малой (равной 3), чтобы максимально сблизить результаты частотного разложения сигналов (откликов) с помощью быстрого Фурье-преобразования с их реальным спектром.
Опишем теперь с этих позиций структурные особенности рядов "урожайность трав", "содержание протеина в фитомассе" и "выход сырого протеина с единицы площади агроценоза".
Одномерный спектральный анализ показал, что на спектрограммах динамического ряда "урожайность трав" отчетливо выделяются три характерных пика - 2.3, 3.2 и 5.3 года. Высокочастотная компонента с периодом 2.3 года совпадает с одной из хорошо известных частотных компонент спектра солнечной активности (периодичность ~ 2.2-2.5 года).
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 проецируется не только на биоту, но и на абиотическую составляющую среды. Установлено, например, что с достаточно близкой периодичностью происходят оползни и обвалы в Альпах, на территориях Западной и Восточной Европы, осуществляются колебания среднегодовых уровней Черного и Азовского морей [14].
Возможно, именно этот внешний синхронизирующий фактор генерирует колебания урожайности многолетних трав приблизительно с двухлетней периодичностью. Проявление этой цикличности можно рассматривать, вероятно, как специфический отклик лугового агроценоза на квазидвухлетнюю модуляцию количества пятен в обоих полушариях Солнца [15].
На эмпирической кривой изменений содержания сырого протеина в фитомассе многолетних трав выделяются два основных цикла - 2.0 и 5.3 года, а также один минорный цикл - 4.0 года. В структуре временного ряда "выход сырого протеина с единицы площади агроценоза" обнаружена следующая
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №4/2016 ISSN 2410-6070_
периодичность - 2.0, 3.2, 4.0 и 5.3 года, причем в этом ряду доминируют двухлетний цикл, а также цикл 5.3 года. Заметим, что хорошо выраженная периодичность 5.3 года для общего сбора сырого протеина совпадает с одним из основных циклов вариаций планетарного амплитудного индекса геомагнитной активности Аа, который приблизительно равен 5.5 года [16].
В качестве общего вывода следует отметить, что результаты применения трех разных подходов для обнаружения качественных переходов или особых точек во временных рядах рассмотренных показателей имеют вполне удовлетворительное согласование, что указывает на объективный характер полученной информации.
ЗАКЛЮЧЕНИЕ
С помощью численного дифференцирования, вейвлет-анализа и спектрального анализа временных рядов установлено, что колебания урожайности, накопления белка в фитомассе и общего сбора сырого протеина в посевах многолетних трав на Кольском Севере в значительной мере обусловлены изменениями активности Солнца.
На вариации данных показателей наиболее существенно влияют высокочастотные компоненты спектра солнечной активности с цикличностью от 2 до 6 лет, индивидуальная эффективность которых несколько различается в пределах "окна максимальной чувствительности" агрофитоценоза многолетних трав. Внутри этого диапазона выделяется известный квазидвухлетний цикл солнечной активности продолжительностью 2.0-2.3 года, характеризующийся выраженным "фитотропным" эффектом [17]. Проявление данного эффекта связано, вероятно, как с прямым "захватом частот" биорецепторами растений на упомянутых гармониках солнечной активности, так и с общей "настройкой" циклического поведения комплекса почвенно-климатических условий. Установлено, например, что основные межгодовые климатические колебания, кардинально влияющие на продукционный процесс растений, также происходят с периодичностью в 2.4 года [18].
Полученные нами результаты дают основания считать, что для корректного описания сценариев возможных изменений урожайности многолетних трав в кратко- и среднесрочной перспективе необходимо учитывать вариации активности Солнца. В противном случае, доля неопределенности и неточности в подобных прогнозах будет достаточно велика. Список использованной литературы
1. Harrison V.L. Do sunspot cycles affect crop yields? - Washington: Economic Research Service, U.S. Department of Agriculture. Agricultural Economic Report, 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. 566-570.
4. 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.
5. Костюк В.И. Экология культурных растений на Кольском Севере. - Апатиты: Изд-во Кольского НЦ РАН, 2012. - 169 с.
6. 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.
7. Методические указания по оценке качества и питательности кормов. - М.: Центр научно-технической информации, пропаганды и рекламы, 1993. - 87 с.
8. Кутузова А.А., Новоселов Ю.К., Гарист А.В., Рогов М.С., Харьков Г.Д. Увеличение производства растительного белка. - М.: Агропромиздат, 1985.
- 191 с.
9. Самарский А.А. Введение в численные методы. - М.: Наука, 1982. - 272 с.
10. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения. - Успехи физических наук. -
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №4/2016 ISSN 2410-6070_
1996. - Том 166. - № 11. - С. 1145-1170.
11. Халафян А.А. STATISTICA 6. Статистический анализ данных. - М.: ООО "Бином-Пресс", 2008. - 512 с.
12. Суслов В.И., Ибрагимов Н.М., Талышева Л.П., Цыплаков А.А. Эконометрия. - Новосибирск: Изд-во Сибирского Отделения РАН, 2005. - 744 с.
13. Теребиж В.Ю. Анализ временных рядов в астрофизике. - М.: Наука, 1992. -392 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. McIntosh S.W., Leamon R.J., Krista L.D. et al. The solar magnetic activity band interaction and instabilities that shape quasi-periodic variability. - Nature Communications. - 2015. - 6:6491. - Doi: 10.1038/ncomms7491.
16. Заболотная Н.А. Индексы геомагнитной активности. Справочное пособие. - М.: Изд-во ЛКИ, 2007. - 88 с.
17. Заяц О.А. Исследование цикличности урожайности зерновых культур Волгоградской области методом спектрального анализа. - Вестник Волгоградского института бизнеса. - 2011. - № 4 (17). - С. 186-191.
18. Монин А.С., Сонечкин Д.М. Колебания климата по данным наблюдений: тройной солнечный и другие циклы. - М.: Наука, 2005. - 191 с.
© Костюк В.И., 2016
УДК 635.21 : 631.5 : 63.001.573 (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
О МОДЕЛИРОВАНИИ ПРОСТРАНСТВЕННОЙ СТРУКТУРЫ АГРОФИТОЦЕНОЗА КАРТОФЕЛЯ
Аннотация
В полевом эксперименте изучено кооперативное влияние плотности агроценоза и массы посадочных клубней на урожайность картофеля сорта Хибинский ранний. На основе системного подхода построены малоразмерные статистические модели воздействия данных факторов на хозяйственную продуктивность тестируемой культуры.
Ключевые слова
Кольский Север, продуктивность картофеля, моделирование.
Введение
Для описания зависимости урожайности сельскохозяйственных культур от густоты стояния растений в агроценозе часто конструируются достаточно сложные эмпирические или полуэмпирические соотношения. Среди них наибольшее распространение получили гиперболические функции [1], обратные квадратические функции [2], модифицированные уравнения Михаэлиса-Ментен [3], а также специализированные статистические модели типа "густота стояния растений - урожайность" [4].
Прямое использование перечисленных и аналогичных моделей для культуры картофеля является не вполне корректным. Это обусловлено тем, что биологическая и хозяйственная продуктивность картофеля зависят не только от густоты стояния растений в агроценозе, но и от характера развития их вегетативных органов. В совокупности эти два параметра определяют горизонтальную и вертикальную составляющие
