Результаты испытаний метода прогноза урожайности яровой пшеницы в Приволжском, Верхне-Волжском, Северо-Кавказском УГМС и УГМС республик Татарстан
с заблаговременностью 1-2 месяца


Методы прогноза урожайности и валового сбора основных сельскохозяйственных культур нуждаются в усовершенствовании и обновлении. Необходимость обновления методов обусловлена изменением статистической отчетности Росстата (переход на учет урожайности в весе после доработки), сокращением объема агрометеорологиче-ских наблюдений, внедрением новых сортов и технологий возделывания культур.

В качестве теоретической основы при создании методов оценки условий вегетации и прогноза урожайности яровой пшеницы использовались методологические принципы моделирования воздействия условий внешней среды на продуктивность сельско-хозяйственных культур, разработанные А.Н. Полевым [1–4]. Ключевым моментом при разработке новых методов прогнозов является создание базовой длинно-периодной модели продукционного процесса растений.

Продукционный процесс растений можно представить как взаимодействие совокупности физиологических процессов, конечным результатом которого является урожай. Формирование урожая рассматривается как развивающийся во времени процесс. В основу моделирования продукционного процесса положено описание «поведения основных физиологических процессов (фотосинтеза, дыхания, роста и распределения ассимилятов)» в зависимости от складывающихся метеорологических условий. Модели-рование продукционного процесса сводится к определению прироста общей биомассы и биомассы отдельных органов растений за определенные интервалы времени.

Проведенный анализ чувствительности модели к входным параметрам и численные эксперименты по повышению чувствительности модели к условиям тепло- и влаго-обеспеченности позволили свести объем входной оперативной информации, закладываемой в модель, к двум элементам: средней декадной температуре воздуха и сумме осадков за декаду. Параметры модели определялись с учетом биологических особенностей сельскохозяйственных культур и климатических особенностей субъектов Российской Федерации [5].

Структура модели модифицирована под задачу оценки средних областных условий формирования урожая сельскохозяйственных культур. Она удовлетворяет следую-щим условиям:
- описывает основные процессы жизнедеятельности растений (фотосинтез, дыхание, рост и распределение ассимилятов);
- учитывает влияние метеорологических факторов на формирование продуктивности посевов;
- предусматривает географическую изменчивость параметров модели;
- адаптирована к сокращенным объемам исходной информации практически без нарушения степени детализации математического описания основных процессов жизнедеятельности растений.

В ГУ «ВНИИСХМ» обновлены и внедрены в оперативную практику УГМС методы ежедекадной оценки условий вегетации и прогноза урожайности озимой пшеницы, озимой ржи, ярового ячменя, картофеля, зерновых и зернобобовых культур в целом по всем субъектам Российской Федерации в установленные оперативные сроки.

Урожайность сельскохозяйственных культур определяется уровнем культуры земледелия, почвенно-климатическими и погодными условиями района возделывания. Временные ряды урожайности культур рассматриваются как сумма двух слагаемых – детерминированной составляющей и случайных отклонений от нее:



Тенденция урожайности является следствием постепенного улучшения культуры земледелия при среднем уровне почвенно-климатических условий. Ее уровень зависит от внедрения в практику достижений науки и техники. Изменение случайной компоненты временных рядов урожайности определяется в основном агрометеорологическими условиями вегетационного периода конкретных лет.

Прогнозирование урожайности осуществляется с учетом обеих составляющих временного ряда: тренда (путем экстраполяции по одному временному ряду) и отклонений урожайности от сложившейся тенденции (с помощью оценки агрометеорологических условий произрастания сельскохозяйственных культур). Сумма двух полученных таким способом прогнозов дает суммарный прогноз урожайности.

Прогностическое значение трендовой составляющей на прогнозируемый год рассчитывается с помощью метода гармонических весов, описанного в [2].

Основная идея метода заключается в том, что более поздним значениям временного ряда урожайности присваивааются бОльшие веса. В результате влияние более поздних значений урожайности должно сильнее отражаться на прогнозируемой трендовой составляющей, чем влияние более ранних.

Расчёт количественной оценки агрометеорологических условий произрастания – осуществляется с помощью динамической модели продукционного процесса. Модель описывает процессы фотосинтеза, дыхания и роста растений в зависимости от биологического времени, измеряемого суммами эффективных температур.

Начало периода расчёта по модели определяется самой ранней средней многолетней датой всходов сельскохозяйственных культур, а окончание – средней датой восковой спелости на территории области. В используемой модели установлены функциональные зависимости параметров модели от текущих погодных условий, определяемых минимальным количеством оперативных данных наблюдений – температурой воздуха и суммой осадков.



В 2005–2007 гг. Т.И. Русаковой разработана прикладная динамико-статистическая модель формирования урожая яровой пшеницы и на ее основе созданы методы оценки условий вегетации и прогноза урожайности яровой пшеницы по субъектам европейской территории Российской Федерации.

Прогнозы составляются в весенне-летний период вегетации с различной заблаговременностью до созревания яровой пшеницы: за два месяца – 20 июня, за один месяц – 20 июля. Прогнозы рассчитываются на следующий день после получения оперативной информации за декаду, предшествующую прогнозу.

Разработан автоматизированный прогностический комплекс, позволяющий рассчитывать ожидаемую урожайность яровой пшеницы по одному или нескольким субъектам Российской Федерации, а также оценивать оправдываемость прогнозов после получения данных Росстата о фактической урожайности яровой пшеницы в прогнозируемом году.

Программное обеспечение методики прогноза реализовано в среде Windows. При разработке методики составления прогноза использовались следующие программные продукты:
Visual Fortran – на языке Фортран реализованы все прогностические программы,
Borland Builder C++ 5.0 – как среда разработки интерфейса программного комплекса.

Интерфейс пользователя обеспечивает успешную работу прогнозиста-агрометео-ролога в среде OC Windows. Основное меню программного комплекса показано на рисунке 1.


Рис. 1 Основное меню программного комплекса

Оценка этих методов производится путем сравнения расчетных данных с фактическим значением урожайности яровой пшеницы. Заключение о качестве метода делается на материалах независимой выборки с помощью двух критериев:





Прогноз считается оправдавшимся, если его ошибка не превышает допустимую погрешность, рассчитанную на основании среднего квадратичного отклонения прогнозируемого элемента () с учетом заблаговременности составления прогноза.

Допустимая погрешность для прогнозов урожайности яровой пшеницы с двухмесячной заблаговременностью является величина, равная 0,8, для прогнозов с заблаговременностью один месяц - 0,67.



Оправдываемость метода () должна быть выше оправдываемости инерционного и климатологического прогнозов при одной и той же допустимой ошибке, или ошибка метода P должна быть меньше при одной и той же величине оправдываемости.

Оценка качества испытываемого метода прогноза проводилось в соответствии с РД 52.27.284-91 Методические указания. Проведение производственных испытаний новых и усовершенствованных методов гидрометеорологических и гелиогеофизических прогнозов [6]. Заключение о целесообразности использования метода для оперативного обслуживания проведены на основании авторских и производственных испытаний путём сравнения результатов оценки прогнозов, составленных по новой методике, с инерционным и климатологическим прогнозами.

Под инерционным прогнозом подразумевается прогноз, при котором в качестве прогнозируемого значения принимается среднее многолетнее значение элемента или расчет его по тренду (при наличии последнего). В качестве прогнозируемого значения элемента по тренду за год прогноза принимается среднее арифметическое из фактических наблюдений за последние пять лет.

Авторские испытания метода прогноза урожайности яровой пшеницы проводились на независимом материале 2001-2007 гг. Результаты сравнительной оценки динамико-статистического метода, инерционного и климатологического прогнозов представлены в таблицах 1–2. Оправдываемость испытываемого прогноза для всех представленных субъектов как в первый (таблица 1), так и во второй (таблица 2) срок составления прогноза превышает оправдываемость инерционного и климатологического прогнозов.

Производственные испытание данного метода проводилось в течение трех лет (2008–2010 гг.) в четырех УГМС: Приволжском, Верхне-Волжском, Республики Татар-стан, Северо-Кавказском. Результаты оценки оправдываемости прогнозов урожайности яровой пшеницы за этот период, рассчитанных по испытываемому методу представлены в таблице 3.

В таблице 4 для сравнения приведены результаты оценки инерционного и климатологического прогнозов. В 2008–2009 гг. производственные испытания дали хорошие результаты во всех четырех УГМС (таблица 3).

В 2010 году урожайность яровой пшеницы практически на всей европейской территории Российской Федерации была экстремально низкой в связи с установившейся в центральной части России аномальной жарой, плюсовая аномалия, составляла 6–7°C выше нормы. Другой особенностью периода вегетации 2010 года являлась жестокая засуха в средней полосе. В 2010 году прогноз оправдался в Северо-Кавказском УГМС (Волгоградская область) и в трех субъектах территории ответственности Верхне-Волжского УГМС (Кировская область, Республика Мари Эл и Удмуртская Республика).

Коллегия Приволжского УГМС от 13.04.2011 г. приняла решение: «Учитывая высокую оправдываемость методики в 2007-2008 годах, внедрить динамико-статис-тический метод прогноза урожайности яровой пшеницы в практику оперативной работы на территории всех областей Приволжского УГМС».

Коллегия Верхне-Волжского УГМС от 12.05.2011 г. отметила «необходимость использования в ГУ «Нижегородский ЦГМС-Р» и во всех ЦГМС территории деятельно-сти Верхне-Волжского УГМС методики прогнозирования яровой пшеницы».

Технический совет ГУ «УГМС Республики Татарстан» от 11.04.2011 г. по результатам производственных испытаний принял следующее решение: «Производственные испытания метода прогноза урожайности яровой пшеницы (автор Т.И. Русакова), проводившиеся в ГУ «УГМС Республики Татарстан» в период 2001–2010 гг., показали, что оправдываемость метода в девяти годах из десяти составляет 90–99%. Не оправдался прогноз в аномальном 2010 году, когда на территории республики отмечалась жесточайшая засуха, не имеющая аналогов за весь ряд регулярных метеорологических наблюдений.

Вышеуказанный метод можно применять для прогнозирования урожайности яро-вой пшеницы в годы без природных аномалий в течение вегетационного периода».

Технический Совет Северо-Кавказского УГМС от 24.03.2011 г. принял решение: «Рекомендовать использовать в оперативной работе предлагаемый метод прогноза урожайности яровой пшеницы по Волгоградской области».

Таким образом, во всех четырех УГМС метод прогноза урожайности яровой пшеницы с заблаговременностью 1–2 месяца внедрен в оперативную практику в качестве основного метода.


Список литературы

1. Полевой А.Н. Теория и расчет продуктивности сельскохозяйственных культур. Л.: Гидрометеоиздат. – 1983. – 175 с.
2. Полевой А.Н. Прикладное моделирование и прогнозирование продуктивности посевов. – Л.: Гидрометеоиздат. 1988. – 320 с.
3. Полевой А.Н. Методическое пособие по разработке динамико-статистических методов прогнозирования урожайности сельскохозяйственных культур. – М.: Гидрометеоиздат. – 1981. – 36 с.
4. Полевой А.Н., Русакова Т.И. и др. Прикладная динамическая модель форми-рования урожая сельскохозяйственных культур // Сб. докладов: Гидрометео-рологическое обеспечение агропромышленного комплекса страны. – Л.: Гид-рометеоиздат. – 1991. – С.15–31.
5. Русакова Т.И. Разработка и внедрение новых методов агрометеорологических прогнозов урожайности сельскохозяйственных культур по территории РФ // Информационный сборник. – 2006. – № 32. – С. 65–78.
6. РД 52.27.284-91 Методические указания. Проведение производственных (опе-ративных) испытаний новых и усовершенствованных методов гидрометеоро-логических и гелиогеофизических прогнозов. – М., Госкомгидромет. – 1991. – С. 98–107.


Автор
В.М. Лебедева, ВНИИСХМ


Контакты
В.М. Лебедева
E-mail: v_lebedeva@mail.ru


© Методический кабинет Гидрометцентра России