«Книга есть альфа и омега всякого знания, начало начал каждой науки»
С. Цвейг
Выпуск №2 (82) 2020 г.
Известия Оренбургского Государственного Аграрного Университета 2020 № 2 (82)
Агрономия
УДК 633:631.559:551.5:57.045:519.25
Прогнозирование почвенных влагозапасов
на основе статистического моделирования
природных процессов*
А.А. Неверов, канд. с.-х. наук
ФБГНУ ФНЦ БСТ РАН
В условиях сухого земледелия долгосрочное прогнозирование урожайности сельскохозяйственных культур, а также погодных факторов, детерминирующих их уровень [1 – 4], имеет первостепенное значение для принятия стратегических решений по управлению урожаем и максимальному снижению рисков от повреждающих факторов.
Для степной зоны Оренбургской области наличие хороших весенних запасов продуктивной влаги на уровне 150 – 160 мм и более в метровом слое почвы является гарантией формирования экономически обоснованного урожая сельскохозяйственных культур с глубоко проникающей корневой системой, например подсолнечника, сорго, суданской травы, в засушливых условиях вегетационного периода.
Моделирование природных процессов накопления и сбережения в почве атмосферных осадков холодного периода предоставляет возможность земледельцу активно вмешиваться в процесс увеличения почвенных влагозапасов в условиях арридизации климата степного Оренбуржья [5, 6].
Цель исследования – создание математической модели для долгосрочного прогнозирования начальных запасов продуктивной почвенной влаги в центральной зоне Оренбургской области.
Материал и методы исследования. Объектом исследования были многолетние временные ряды (1987 – 2018 гг.):
– запасы продуктивной влаги в метровом слое почвы во второй декаде мая на опытном поле ФНЦ БСТ РАН в Оренбургском районе Оренбургской области (данные ОНИИСХ, отдел технологий кормовых культур: предшествующая культура – яровая пшеница по пару; агрофон – зябь; координаты поля: 51,77779255 с.ш., 55,321491 в.д.);
– факторы погодных условий за период с первой декады августа года, предшествующего году наблюдений за почвенной влагой, по первую декаду мая: температура воздуха средняя, максимальная и минимальная, среднесуточный дефицит влажности воздуха, осадки (по данным Оренбургского центра по гидрометеорологии и мониторингу окружающей среды – филиала ФГБУ «Приволжское управление по гидрометеорологии и мониторингу окружающей среды»).
Выбор предикторов и построение прогностических моделей осуществляли с помощью корреляционно-регрессионного анализа в программе Statistica 6.1.
Проверка и отбор наилучших статистических моделей проводили с использованием метода кросс-валидации (перекрёстной проверки) [7].
Результаты исследования. Полученная модель регрессии начальных запасов продуктивной влаги в метровом слое почвы на погодные факторы описывает 93 % изменчивости результативного признака (табл. 1).
1. Модель регрессии начальных запасов продуктивной влаги в метровом слое почвы
на погодные условия центральной зоны Оренбуржья
Итоги регрессии для зависимой переменной: R = 0,96 R2 = 0,93
Скорректир. R2 = 0,90 F(9,23) = 32,502
Предикторы модели
β – стандартизованный коэффициент
Доля
фактора, %
Коэффициенты B
Станд. ошибка В
t (23)
p-уровень
Начальная ордината
172,49
18,56
9,29
0,00
Ос. периода (3 дек. 11 м. – 2 дек. 12 м.), мм
0,67 ± 0,07
7,80
0,84
0,08
10,14
0,00
ДВВ 2 дек 8 м., гПа
–0,31 ± 0,06
4,60
–1,04
0,20
–5,15
0,00
Тмакс. 1 дек 9 м., °С
0,38 ± 0,07
10,80
1,74
0,32
5,44
0,00
Тмакс. 3 дек 9 м., °С
–0,63 ± 0,10
9,10
–2,90
0,48
–6,10
0,00
Т 3 дек. 9 м., °С
0,27 ± 0,11
9,70
1,57
0,66
2,39
0,03
Т 3 дек. 11 м., °С
0,17 ± 0,08
1,00
0,56
0,25
2,24
0,04
Т 3 дек. 12 м., °С
–0,31 ± 0,07
24,10
–1,18
0,27
–4,45
0,00
Ос. 3 дек. 10 м., мм
–0,17 ± 0,06
0,60
–0,25
0,09
–2,80
0,01
Т. 1 дек. 5 м., °С
–0,62 ± 0,07
25,00
–4,40
0,50
–8,88
0,00
Примечание (здесь и далее): Ос. – осадки; ДВВ – среднесуточный дефицит влажности воздуха; Т – среднесуточная температура воздуха; Тмакс. – максимальная температура воздуха; 3 дек. 11 м. – третья декада ноября года, предшествующего году наблюдений.
Из девяти предикторов, вошедших в модель, наиболее сильное влияние (по величине стандартизованного коэффициента более 0,62) за последние 33 года оказали три фактора: положительное – осадки осенне-зимнего периода с третьей декады ноября по вторую декаду декабря, отрицательное – среднесуточная температура воздуха в третьей декаде сентября и первой декаде мая. Однако сила воздействия фактора на формирование запасов продуктивной влаги в почве не всегда совпадает с частотой его проявления.
Установлено, что чаще других лимитировали запасы продуктивной влаги факторы роста температуры воздуха в первой декаде мая, третьей декаде декабря и сентября – с долей влияния фактора 25; 24,1 и 29,6 %. Таким образом, в условиях Оренбургского района температура воздуха в указанные периоды времени детерминировала почти 80 % изменчивости начальных запасов продуктивной влаги метрового слоя почвы.
По силе воздействия и частоте проявления признака на первое место выходят погодные условия первой декады мая (рис. 1).
Рис. 1 – Влияние температуры воздуха первой декады мая на формирование начальных запасов продуктивной влаги в метровом слое почвы (1987 – 2018 гг.)
Отрицательное влияние роста температуры воздуха в начале мая на запасы влаги в почве очевидно: усиливается переход жидкой фазы воды в парообразное, что приводит к её испарению. Поверхность почвы рано весной хорошо увлажнена, рост температуры воздуха, как правило, сопровождается усилением движения сухих воздушных масс, и поэтому актуальным становится вопрос о мульчировании поверхности почвы растительными остатками и воздействии другими агроприёмами, препятствующими интенсивному испарению воды.
В последнее десятилетие наметилась тенденция значительного уменьшения весенних влагозапасов в центральной части степного Оренбуржья (рис. 2).
Рис. 2 – Тенденция изменения начальных запасов продуктивной влаги в метровом слое почвы за период 1987 – 2018 гг.
По динамическому тренду с 1987 до 2006 г. запасы продуктивной влаги находились на уровне 130 – 135 мм в метровом слое почвы. К 2019 г. за последние 13 лет запасы продуктивной влаги уменьшились примерно на 30 – 35 мм. Таким образом, к началу вегетации обеспеченность растений водой на уровне 100 мм уже недостаточна для формирования урожая даже засухоустойчивых растений с мощной корневой системой.
Актуальными становятся вопросы дополнительного снегонакопления на полях зимой, приёмы мульчирования почвы растительными остатками, предотвращающие потери влаги с поверхности почвы в осенний и весенний периоды.
Как уже отмечалось, основным фактором, снижающим почвенные влагозапасы, является рост температуры воздуха в сентябре, декабре и в начале мая. Предотвратить рост температуры воздуха на территории степного региона практически невозможно. Однако известны приёмы, которые смягчают повреждающее действие высокой температуры и сухости воздуха в период вегетации растений путём устройства полезащитных лесополос, лиманов, препятствующих стоку талой воды на склонах и плотных почвах.
По сообщениям ведущих климатологов мира, процессы арридизации в ближайшие десятилетия могут только усилиться, поэтому вопросам заблаговременного прогнозирования запасов продуктивной влаги в почве мы придаём большое значение. В условиях рыночной экономики проведение снегозадержания и других агроприёмов по дополнительному влагонакоплению должны быть экономически оправданы полученным урожаем.
Модель прогнозирования начальных запасов продуктивной влаги в почве, как и все статистические модели, описывающие природные процессы, имеют ограниченное применение (табл. 2).
2. Описательная статистика предикторов модели и пределов её работоспособности
Предиктор модели
№ набл.
Среднее
Минимум
Максимум
Станд. откл.
Продуктивная влага, нач. 100 см, мм
33
129,1
82,0
165,0
18,5
Ос. периода (3 дек. 11 м. – 2 дек. 12 м.), мм
33
29,3
2,0
58,0
14,8
ДВВ 2 дек 8 м., гПа
33
14,4
5,0
29,0
5,5
Тмакс. 1 дек 9 м., °С
33
30,2
20,3
38,0
4,1
Тмакс. 3 дек 9 м., °С
33
23,5
16,0
31,0
4,0
Т 3 дек. 9 м., °С
33
11,8
5,7
19,0
3,2
Т 3 дек. 11 м., °С
33
–6,0
–17,1
2,6
5,7
Т 3 дек. 12 м., °С
33
–10,7
–21,9
–4,2
4,8
Ос. 3 дек. 10 м., мм
33
14,2
0,0
46,0
12,4
Т. 1 дек. 5 м., °С
33
14,0
9,1
19,8
2,6
За 32 года невозможно создать модель, включающую всё многообразие сочетания погодных факторов, детерминирующих дисперсию результативного признака. Поэтому в расчётах необходимо понимать и принимать как должное, что фактические данные предикторов модели, близкие к крайним значениям, могут ухудшать точность прогноза. Основываясь на закономерностях статистического регрессионного анализа, следует вывод о корректировке в дальнейшем данной модели по мере роста временного ряда.
На первом месте в прогностическом моделировании стоит вопрос о работоспособности модели. Известно, что самой лучшей оценкой её работоспособности является проверка модели по внешнему тесту. В качестве внешнего теста был определён 2019 г., не участвующий в создании данной модели (табл. 3).
3. Тестирование модели предсказания начальных запасов продуктивной влаги на 2019 г.
Предиктор модели
Bзвешенный вес
Значение предиктора
B-веса × значение
Ос. периода (3 дек. 11 м. – 2 дек. 12 м.), мм
0,84
33,00
27,61
ДВВ 2 дек 8 м., гПа
–1,04
12,00
–12,45
Тмакс. 1 дек 9 м., °С
1,74
28,00
48,81
Тмакс. 3 дек 9 м., °С
–2,90
25,00
–72,52
Т 3 дек. 9 м., °С
1,57
13,90
21,88
Т 3 дек. 11 м., °С
0,56
–6,80
–3,84
Т 3 дек. 12 м., °С
–1,18
–14,50
17,09
Ос. 3 дек. 10 м., мм
–0,25
18,00
–4,52
Т. 1 дек. 5 м., °С
–4,40
18,30
–80,61
Начальная ордината
172,49
Предсказанные запасы влаги, мм
114,00
–95,0 % ДП
107,50
+95,0 % ДП
120,39
Фактические запасы влаги, мм
110,00
Тестирование показало высокую точность предсказания запасов продуктивной влаги в метровом слое почвы в 2019 г. – 114 мм при фактических запасах 110 мм.
Для предсказания запасов продуктивной влаги в начале января прогнозируемого года известны значения всех предикторов модели, представляющих период времени со второй декады августа по третью декаду декабря, за исключением первой декады мая (табл. 4).
4. Прогноз начальных запасов продуктивной влаги во второй декаде мая 2020 г.
Предиктор модели
Bзвешенный вес
Значение предиктора
B-веса × значение
Ос. периода (3 дек. 11 м. – 2 дек. 12 м.), мм
0,84
36,0
30,12
ДВВ 2 дек 8 м., гПа
–1,038
13,0
–13,49
Тмакс. 1 дек 9 м., °С
1,743
23,0
40,09
Тмакс. 3 дек 9 м., °С
–2,900
14,0
–40,61
Т 3 дек. 9 м., °С
1,574
6,1
9,60
Т 3 дек. 11 м., °С
0,564
–9,7
–5,47
Т 3 дек. 12 м., °С
–1,179
–9,1
10,73
Ос. 3 дек. 10 м., мм
–0,251
6,0
–1,51
Т. 1 дек. 5 м., °С
–4,405
12,0
–52,86
Начальная ордината
172,49
Предсказанные запасы влаги, мм
150,0
–95,0 % ДП
140,0
+95,0 %ДП
158,0
Фактические запасы влаги, мм
Прогноз среднесуточной температуры воздуха первой декады мая нами проведён на основе квазицикличности по методу остаточных отклонений и наложения эпох в авторской программе. Полученный результат равен 12 °С.
Значения всех предикторов находятся в пределах, обеспечивающих работоспособность модели (табл. 2).
В 2020 году ожидаются хорошие начальные запасы продуктивной влаги в метровом слое почвы на уровне 150 мм (вариации от 140 до 158 мм).
Вывод. В условиях нестабильного и недостаточного увлажнения посевов полевых культур актуальной задачей для земледельца становится аккумуляция в почве и максимально эффективное использование осадков холодного периода. Заблаговременный прогноз начальных запасов продуктивной влаги в почве предоставляет возможность своевременного принятия экономически обоснованного решения по проведению зимнего снегозадержания и регулирования снеготаяния в весенний период.
Литература
1. Неверов А.А. Современные тенденции изменения урожайности зернофуражных культур в Оренбургской области // Вестник мясного скотоводства. 2014. № 3 (86). С. 125 – 130.
2. Неверов А.А. Современные тенденции изменения климата в Оренбургской области // Вестник мясного скотоводства. 2015. № 1 (89). С. 117 – 121.
3. Неверов А.А. Влияние погодных факторов на продуктивность ячменя в восточной зоне Оренбургской области // Бюллетень Оренбургского научного центра УрО РАН. 2017. 33: 8 с. [Электронный ресурс]. URL: http://elmag.uran.ru:9673/magazine/Numbers/2017-3/Articles/NAA-2017-3.pdf.
4. Неверов А.А. Математическое моделирование связей урожая озимой ржи с погодно-климатическими условиями в центральной зоне Оренбургской области (цикл статей по теме «Исследования методами нейросетевого анализа влияния региональных изменений климата на продуктивность агрофитоценозов») // Вестник мясного скотоводства. 2015. № 3 (91). С. 125 – 131.
5. Неверов А.А. Региональный прогноз урожайности полевых культур по аномалиям глобальных параметров климатической системы планеты // Известия Оренбургского государственного аграрного университета. 2019. № 1 (75). С. 15 – 19.
6. Неверов А.А. Вероятностный прогноз урожайности сельскохозяйственных культур и погодных условий вегетационного периода 2019 года для степной зоны Оренбургского Приуралья // Известия Оренбургского государственного аграрного университета. 2019. № 3 (77). С. 36 – 39.
7. Кросс-валидация (Cross-validation)[Электронный ресурс]. URL: http://long-short.pro/post/kross-validatsiya-cross-validation-304/ (дата обращения 16.10.2019).
№ 2 (82)
