Современная технология прогнозирования урожайности зерновых и зерно-бобовых культур

Общие сведения
В системе оперативного агрометеорологического обеспечения сельского хозяйства особая роль отводится агрометеорологическим прогнозам урожайности зерновых и зернобо-бовых культур. Используемые в оперативной практике методы прогнозов с течением времени «устаревают» и перестают удовлетворять современным требованиям к качеству, возможностям и заблаговременности прогнозов. Для поддержания должного уровня агрометеорологических прогнозов необходимо разрабатывать новые методы и технологии агрометеорологического прогнозирования урожайности.

В условиях большой зависимости урожайности зерновых и зернобобовых культур от условий погоды и значительных колебаний валового сбора в России необходима современная технология, позволяющая поэтапно и заблаговременно прогнозировать урожайность и валовой сбор зерновых и зернобобовых культур. Во ВНИИСХМ ведутся работы по созданию такой технологии (автор Т.И. Русакова).


О разработке технологии прогнозирования урожайности зерновых
и зернобобовых культур
Создание современной технологии поэтапного прогнозирования урожайности и валового сбора зерновых и зернобобовых культур включает несколько этапов от теоретических исследований до создания прогностических моделей «погода-урожай» и их реализация на ос-нове современных компьютерных технологий.

Все многообразие факторов, влияющих на урожайность сельскохозяйственных культур, можно разделить на две группы: уровень культуры земледелия и метеорологические факторы. Уровень культуры земледелия оказывает значительное влияние на урожайность сельскохозяйственных культур. Однако учесть это влияние не просто.

Достаточно точно ответить на этот вопрос можно в том случае, если имеется большой объем информации о характере всей деятельности сельскохозяйственного производства. При-близительно его можно решить статистическим путем, допустив, что колебания урожайности вокруг тренда связаны только с вариациями метеорологических условий, хотя иногда они обусловлены факторами не метеорологического происхождения (вредителями, болезнями и т.д.). При этом предполагается также, что влияние факторов, связанных с ростом культуры земледелия, приводит к плавному изменению урожайности, и что эти изменения происходят по определенному закону.

Итак, динамику урожайности той или иной культуры в каком-либо сельскохозяйственном районе можно рассматривать как следствие изменения уровня культуры земледелия, на фоне которого происходят случайные колебания (иногда весьма значительные), связанные с особенностями погоды разных лет.

Продуктивность сельскохозяйственных культур определяется особенностями складывающихся погодных условий осенне-зимнего и весенне-летнего периодов. Детальное исследование отдельных параметров состояния атмосферы позволили выделить те из них, которые могут быть успешно использованы при прогнозировании урожайности зерновых культур. В период вегетации это средне-декадная температура воздуха, количество осадков за декаду.

Выделенные предикторы были использованы для количественного описания связей между характеристиками погоды и продуктивностью зерновых и зернобобовых культур с по-мощью метода математического моделирования продукционного процесса сельскохозяйственных культур.

При создании базовых и прогностических моделей «погода-урожай» использовались:
–  новые ряды урожайности сельскохозяйственных культур в весе после доработки;
–  единая методическая основа для составления оценок условий вегетации и прогнозов;
–  универсальный объем исходной оперативной информации, обеспеченной системой наблюдений Росгидромета;
–  возможность поэтапного прогнозирования;
–  единые сроки составления оценок и прогнозов;
–  единая технология составления оценок и прогнозов.

В качестве теоретической основы при создании нового комплекса методов в период вегетации используются методологические принципы моделирования воздействия условий внешней среды на продуктивность сельскохозяйственных культур, разработанные А.Н. Полевым [1-3]. Ключевым моментом при разработке новых методов прогнозов является создание базовой длиннопериодной модели продукционного процесса растений.

В основу базовой модели продуктивности посевов сельскохозяйственных культур, предназначенной для целей агрометеорологического прогнозирования, положена модель «погода-урожай» [3,4]. Структура модели модифицирована под задачу оценки условий формирования урожая сельскохозяйственных культур, осредненных для субъектов Российской Федерации, и удовлетворяет следующим 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 без нарушения степени детализации математического описания основных процессов жизнедеятельности растений.

Продукционный процесс растений можно представить как взаимодействие совокупно-сти 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. Моделирование продукционного процесса сводится к определению прироста общей биомассы и биомассы отдельных органов растений за определенные интервалы времени.

Ценность модели для решения прикладных задач определяется возможностью идентификации параметров модели и наличием стандартной оперативной информации для проведения расчетов. Параметры модели условно можно разделить на две группы: биологические параметры, характеризующие особенности сельскохозяйственных культур и функциональные параметры, отражающие условия произрастания культуры в конкретном почвенно-климатическом регионе. Определение параметров модели проводилось по методикам, приведенным в [3].

Прикладные модели отлаживались на среднемноголетних данных сети агрометеорологических наблюдений 1951-1985гг. для всех субъектов Российской Федерации. При этом использовалась следующая среднемноголетняя информация: средняя декадная температура воздуха, продолжительность солнечного сияния, запасы продуктивной влаги в почве, густота стояния и даты наступления фаз развития растений. Среднемноголетняя динамика биомассы посева рассчитывалась от даты всходов (возобновления вегетации) до даты восковой спелости. Так как скорость развития растений в значительной мере зависит от скорости накопления сумм эффективных температур, то в качестве аргумента ростовых функций используется временная шкала, выраженная суммой эффективных температур выше биологического ноля. Модели настраивались на получение среднего уровня урожайности в конкретном субъекте Российской Федерации. Прикладные модели разработаны для озимой пшеницы, озимой ржи, ярового ячменя, картофеля, группы зерновых и зернобобовых культур в целом. Для группы зерновых и зернобобовых культур модели такого типа разработаны впервые, поэтому стоит отметить некоторые важные особенности:
–  числовые параметры, входящие в формулы константами, и биометрические параметры, присущие определенной сельскохозяйственной культуре, для зерновых и зернобобовых культур установлены путем осреднения этих параметров и получены для озимой ржи, озимой пшеницы, яровой пшеницы, ярового ячменя, овса, гречихи, проса, кукурузы (на зерно) и горох;
–  функциональные параметры, характеризующие влияние изменения возраста растения на процессы фотосинтеза, дыхания и роста, выраженные через суммы эффективных температур и устанавливающие точки перегиба, максимума и минимума в функциональных зависимостях, вычисляют в зависимости от среднемноголетних дат наступления фаз развития по перечисленным выше культурам;
–  биологический ноль для этой группы культур принят равным 5°С;
–  начало расчета по модели определяется самой ранней среднемноголетней датой возобновления вегетации озимых культур, а окончание – самой поздней датой восковой спелости на территории субъекта Российской Федерации.

Проведение расчетов по модели в оперативном режиме с учетом текущих погодных условий, включающих перечисленную выше входную информацию с учетом ее осреднения по субъекту, в настоящее время не возможно из-за сокращения сети наблюдений как по объему, так и по количеству станций. Необходимо было решить задачу о сокращении объема исходной оперативной информации, закладываемой в прогностическую модель, не изменяя при этом степени детализации математического описания моделируемых процессов. Проведенная оценка чувствительности модели к изменению начальных значений биомассы посева и числа часов солнечного сияния, позволила оставить в моделях значения этих параметров константами среднемноголетних значений. Но при этом была повышена чувствительность модели к функциональным параметрам, определяющим влияние возраста растений на интенсивность фотосинтеза, дыхания и ростовые функции, через использование накапливаемой суммы эффективных температур за текущий вегетационный период (ранее это учитывалось через константы в виде среднемноголетних значений сумм температур).

Продуктивность посевов в наибольшей мере определяется условиями тепло- и влагообеспеченности вегетационного периода. Поэтому была повышена чувствительность модели к этим входным параметрам через новые функции влияния температуры воздуха и суммы осадков на интенсивность фотосинтеза. В температурных кривых фотосинтеза, принятых для основных сельско-хозяйственных культур [1–4], используется такой биологический параметр, как оптимальная температура для фотосинтеза. Численные значения этого параметра определялись по литературным данным в зависимости от вида и возраста растения, а принятые значения использовались в моделях в виде констант независимо от почвенно-климатических условий региона. Результаты численных экспериментов по варьированию полученных оптимальных температур позволяют уточнять их для каждого субъекта Российской Федерации и более адекватно оценивать текущие условия теплообеспеченности вегетационного периода. Функция влияния влажности почвы на фотосинтез была заменена функцией влияния осадков. Для этого по каждому субъекту Российской Федерации был проведен численный эксперимент и погодичные соотношения средних декадных осадков за последние десять лет к среднемноголетним осадкам были нормированы и «уложены» в функцию имеющийся влажностной кривой запасов влаги. Кроме того, полученные кривые функции влияния осадков по субъектам Российской Федерации корректировались еще и в зависимости от периода вегетации растений.

Проведенный анализ чувствительности модели к входным параметрам и численные эксперименты позволили свести объем входной оперативной информации, закладываемой в модель, к двум элементам: средней декадной температуре воздуха и сумме осадков за декаду. Таким образом, полученные прикладные модели продуктивности сельскохозяйственных культур описывают основные процессы жизнедеятельности растений, в результате которых формируется урожай, а также влияния на эти процессы складывающихся погодных условий.

Далее модель отлаживалась на конкретных годах с учетом погодичных значений урожайности. В результате такой отладки создавалась прогностическая модель «погода-урожай», предназначенная для оперативного прогнозирования.

По рассмотренной технологии разработаны методы ежедекадной оценки условий вегетации и прогноза урожайности озимой пшеницы, озимой ржи, ярового ячменя, картофеля, группы зерновых и зернобобовых культур в целом по субъектам РФ в установленные оперативные сроки. Для зерновых и зернобобовых культур в целом заблаговременность прогноза увеличена на месяц. В настоящее время прогнозы урожайности по этой группе культур составляются 21 июня и уточняются 21 июля. Новая методика позволяет составлять прогноз 21 мая и уточнять 21 июня и 21 июля.

Уникальность технологии заключается в том, что появляется возможность прогнозировать урожайность по единой методике одновременно по территории субъектов Российской Федерации, федеральных округов и по России в целом с различной заблаговременностью.


Опытная реализация и внедрение
Опытная реализация технологии осуществлена по субъектам РФ в рамках автоматизированной информационно-прогностической системы оперативного агрометеорологического обслуживания (ИПС).

Внедрение динамико-статистических методов прогнозов урожайности осуществляется после проведения авторских испытаний и испытаний методов в территориальных УГМС (ЦГМС). Методы прогноза урожайности для группы зерновых и зернобобовых культур испы-тывались в УГМС Верхне-Волжском, Северо-Кавказском, ЦЧО, Уральском, Приволжском и в ЦГМС Центрального управления.

По результатам производственных испытаний Центральная методическая комиссия по гидрометеорологическим и гелиогеофизическим прогнозам Росгидромета (ЦМКП) от 27.01.2006г.рекомендовала динамико-статистический метод прогноза урожайности зерновых и зернобобовых культур в целом с заблаговременностью 1-3 месяца к внедрению в качестве основного в практику агрометеорологического обеспечения в УГМС ЦЧО (Курская, Воронежская, Белгородская, Орловская, Брянская, Липецкая, Тамбовская области), в Верхне-Волжском УГМС (Нижегородская область, Республики Чувашия, Марий-Эл, Удмуртия), в Северо-Кавказском УГМС (Астраханская область, Республики Карачаево-Черкесская, Адыгея, Северная Осетия), в ЦГМС Калининградском, Ивановском и Калужском.

По результатам производственных испытаний Технический совет Уральского УГМС от 26.04.2006 года рекомендует внедрить динамико-статистический метод прогноза в оперативную практику в качестве основного по Пермской, Челябинской, Курганской и Свердловской областям.

По результатам производственных испытаний Технический совет Приволжского УГМС от 13.04.2005 года рекомендует внедрить динамико-статистический метод прогноза в оперативную практику в качестве вспомогательного по Ульяновской, Самарской, Оренбургской и Саратовской областям.


Список литературы
1.  Полевой А.Н. Теория и расчет продуктивности сельскохозяйственных культур. Л.: Гидрометеоиздат 1983, 175с.
2.  Полевой А.Н. Прикладное моделирование и прогнозирование продуктивности посевов. Л.: Гидрометеоиздат 1988, 320с.
3.  Полевой А.Н. Методическое пособие по разработке динамико-статистических методов прогнозирования урожайности сельскохозяйственных культур. М.: Гидрометеоиздат.1981, 36с.
4.  Полевой А.Н., Русакова Т.И. и др. Прикладная динамическая модель формирования урожая сельскохозяйственных культур. //Сб. докладов: Гидрометеорологическое обеспечение агропромышленного комплекса страны. Л.: Гидрометеоиздат 1991, с.15-31.


Контакты:
Русакова Татьяна Ивановна, отдел агрометеорологических информационно-прогностических систем обслуживания народного хозяйства ВНИИСХМ
Адрес: Россия, 249030, Калужская область, г. Обнинск, пр. Ленина,82;
Е-mail: схм@meteo.ru
Тел.: 08439-4-45-99