УДК 633.15.001.572
Динамическая модель продукционного процесса кукурузы с использованием спутниковой информации и методы прогноза урожайности
А. Д. Клещенко*, Т. А. Найдина*
Разработана новая динамическая модель продукционного процесса кукурузы. На основе модели создано два динамико-статистических метода прогноза урожайности кукурузы на зерно: с использованием и без использования спутниковой информации (вегетационных индексов МВУ1). Проведена оценка успешности методов прогноза урожайности кукурузы для субъектов Южного и Северо-Кавказского федеральных округов.
Введение
В Российской Федерации кукуруза по валовому сбору зерна уступает зерновым колосовым культурам, однако по биологической ценности продовольственное значение зерна кукурузы весьма велико. Основные площади, занимаемые культурой, сосредоточены на территории Северо-Кавказского и Южного федеральных округов. На их долю приходится до 80—90% посевных площадей и валового сбора зерна в Российской Федерации [7]. В последние годы во многих южных и центральных черноземных регионах страны расширились площади посевов кукурузы на зерно. Определенную роль в этом сыграло наблюдающееся потепление климата. По данным Росстата, по сравнению с 1980-ми годами валовой сбор зерна кукурузы в Южном и Северо-Кавказском федеральных округах увеличился на 14—15%. В связи с возрастающей хозяйственной ценностью этой культуры в нашей стране необходим своевременный и качественный агро-ме тео роло ги чес кий про гноз ее урожай нос ти, на осно ве кото ро го возмож но принятие плановых и стратегических решений с целью увеличения объема полезной продукции высокого качества и разработки баланса зерна страны и отдель ных тер ри то рий.
В настоящее время в оперативной практике Росгидромета для прогнозирования урожайности кукурузы на зерно используются регрессионные модели, разработанные Ю. И. Чирковым, Л. В. Комоцкой, А. И. Страшной, И. В. Свисюком. Несмотря на то что регрессионные модели имеют ряд недостатков, они остаются эффективными при решении агрометеорологических задач.
Как показывает анализ отечественных и зарубежных исследований, преодолеть сложившиеся в регрессионных моделях противоречия можно
* Всероссийский научно-исследовательский институт сельскохозяйственной метеорологии; e-mail: cxm-dir@obninsk.org.
путем построения динамических моделей продукционного процесса растений, позволяющих проводить оценку условий вегетации с заданным временным шагом, а также расчет ожидаемой урожайности в разные периоды вегетации.
Следует отметить, что ни одна из существующих отечественных и зарубежных динамических имитационных моделей формирования урожая кукурузы не разрабатывалась для решения задач, связанных с оперативным агрометеорологическим обеспечением сельского хозяйства Российской Федерации, поэтому ни одна из них не может быть использована в этих целях.
В настоящее время в оперативной практике Росгидромета применяют динамико-статистические методы прогнозирования урожайности картофеля, пшеницы, ржи и ячменя, основанные на динамической имитационной модели "погода — урожай", основоположниками которой являются О. Д. Сиротенко [6] и А. Н. Полевой [4]. Модель "погода — урожай" была адаптирована к сокращенному объему исходной оперативной информации Т. А. Гончаровой, Т. И. Русаковой. Входная оперативная информация сводится к двум параметрам — средней декадной температуре воздуха и количеству осадков за декаду, что позволяет использовать модель для разработки методов прогноза урожайности и валового сбора сельскохозяйственных культур в оперативном режиме [5].
В дан ной ра боте представ ле ны результаты раз ра бот ки ме тодов про гно-за урожайности кукурузы на зерно для кукурузосеющих субъектов Российской Федерации с использованием и без использования спутниковой информации, которая, являясь комплексным показателем текущего состояния посевов, может быть полезна для оценки условий вегетации кукурузы. Адаптированная для расчетов в оперативном режиме модель "погода — урожай" была взята в качестве базовой для разработки динамической модели продукционного процесса кукурузы с использованием спутниковой информации и методов прогноза урожайности кукурузы на зерно.
Разработка методов прогноза урожайности
Динамико-статистические методы основаны на сочетании двух прогнозов [4]: прогноза тенденции урожайности и оценки отклонений урожайности от тенденции. Для прогнозирования урожайности У используется выражение
У = У + Е (1)
где У + 1 — тенденция урожайности сельскохозяйственной культуры на прогнозируемый год; Е — оценка степени отличия складывающихся (на дату составления прогноза) агрометеорологических условий формирования урожая культуры от многолетних, на фоне которых формируется тенденция урожайности.
Урожайность кукурузы, как и других сельскохозяйственных культур, зависит не только от агрометеорологических условий вегетационного периода, но и от уровня применяемой агротехники возделывания. Тенденция У + 1 отражает влияние на урожайность уровня технологии возделывания кукурузы, смены сортов, изменения доз удобрений и т. д. Она находится путем экстраполяции временного ряда урожайности с помощью метода
гармонических весов или как среднее значение за несколько предшествующих лет.
Отклонение от тенденции рассчитывается по динамической модели продукционного процесса кукурузы и позволяет количественно характеризовать условия формирования урожая кукурузы. Оно находится как отношение биомассы репродуктивных органов в конкретном году тр к биомассе реп родуктив ных орга нов, рас счи тан ных с помощью моде ли по сред ним мно голетним дан ным т:
тр
Е = . (2)
т
Если численное значение Е близко к единице, то агрометеорологические усло вия оце ни ва е мо го пе ри ода близ ки к сред ним мно голет ним; если больше единицы, то условия оцениваемого периода более благоприятны для формирования урожая кукурузы по сравнению со средними многолетними. Худшие условия формирования урожая по сравнению со среднемно-голетними условиями характеризуются значением оценки меньше единицы.
Оценка условий вегетации сельскохозяйственных культур на территории субъектов Российской Федерации проводится ежедекадно в период вегетации и характеризует весь временной интервал, предшествующий декаде про гно за.
В результате проведенных исследований по оценке возможности использования спутниковой информации в базовой динамической модели продукционного процесса сельскохозяйственных культур установлено, что вегетационный индекс ЫВУ1 (отношение разности и суммы значений спектральных яркостей в ближней инфракрасной и красной зонах спектра) достаточно адекватно отражает сезонный ход фотосинтеза растений, поэтому его применение в модели для расчета интенсивности фотосинтеза улучшает оправдываемость прогнозов урожайности яровой пшеницы. Это позволяет использовать данные дистанционного зондирования Земли для моделирования продукционного процесса кукурузы [1].
На основе базовой модели прогнозирования урожайности сельскохозяйственных культур была разработана новая динамическая модель продукционного процесса кукурузы с использованием спутниковой информации для субъектов Северо-Кавказского и Южного федеральных округов [2]. Структура модели обеспечивает достаточно полное описание основных про цес сов жиз неде я тель нос ти рас те ния (коли чес твен ное опи са ние про цес-сов фотосинтеза, дыхания и роста кукурузы), учитывает биологические особенности кукурузы и ее взаимодействие с окружающей средой. Разработанная модель предполагает географическую изменчивость входных параметров. Входная информация не превышает объем агрометеорологической ин форма ции, по сту па ю щей в опе ратив ном ре жи ме.
Расчет интенсивности фотосинтеза кукурузы проведен по двум вариантам моде ли:
— с использованием онтогенетической кривой, рассчитываемой по мете о роло ги чес ким дан ным;
— путем введения вегетационного индекса ЫВУ1 для исследуемой терри то рии.
Моделирование продукционного процесса кукурузы сводится к расчету при рос та об щей би омас сы и би омас сы отдель ных орга нов рас те ний за опреде лен ные ин тер валы вре ме ни.
При определении прироста биомассы (ДМ''/Д?) за расчетную декаду учитываются основные физиологические процессы растения — фотосинтез и дыхание [4]: '
ДМ ' '
= Р' - Я', (3)
А?
где Р — суммарный фотосинтез посева; Я — затраты на дыхание;' — номер рас чет ной декады.
Главное значение при моделировании процесса формирования урожая имеет оценка прироста биомассы отдельных органов. Для описания скорости изменения сухой биомассы в течение вегетационного периода принята следующая система уравнений [4]:
' + 1 т = т
' + 1 ' тр = тр +
\' М л
V ' Д ,
С дм' 1,5,г ^
В р-+ У у'т'
р Д? ^ 1 1
I е I, s, г, (4)
ч — у
где тI — общая сухая биомасса отдельных органов (I — листья, 5 — стебли, г — корни, р — репродуктивные органы); р; — функция распределения "свежих", вновь созданных ассимилятов; у1 — функция перераспределения между органами "старых", ранее запасенных ассимилятов; п — число дней в расчетной декаде.
Вид ростовых функций зависит от суммы эффективной температуры, с которой начинается рост початка, а также от суммы эффективной температуры, необходимой для завершения роста каждого органа растения кукурузы. Прирост биомассы початка, а следовательно, и урожайность кукурузы определяются главным образом интенсивностью фотосинтеза посевов в реальных условиях среды и площадью ассимилирующей поверхности растения, которые взаимосвязаны и влияют на расчет суммарного фото-син те за в моде ли:
Р1 = еР'а >'у 'V х', (5)
гд е Р' — суммарный фотосинтез посева за светлое время суток; р — интенсивность фотосинтеза листьев при оптимальных условиях тепло- и вла-гообеспеченности в реальных условиях освещенности; V — листовой индекс; а'' — онтогенетическая кривая фотосинтеза; у' и у' — функции воздействия температуры воздуха и суммы осадков на интенсивность фотосинтеза; е — коэффициент эффективности фотосинтеза; X — продолжительность светлой части суток.
Кукуруза, являясь растением типа С4 (ее фотосинтез протекает по циклу Хэтча и Слэка), отли
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.