«Любое обучение человека не что иное, как искусство содействовать стремлению природы к своему собственному развитию»
И. Песталоцци
Выпуск №4 (84) 2020 г.
Известия Оренбургского Государственного Аграрного Университета 2020 № 4 (84)
Агрономия
УДК 633:631.559:551.5:57.045:519.25
Влияние глобальных изменений в климатической системе планеты на погодно-климатические условия Оренбуржья и продуктивность растений*
А.А. Неверов, канд. с.-х. наук
ФБГНУ ФНЦ БСТ РАН
«Климат» в переводе с древнегреческого означает «наклон», т.е. наклон солнечных лучей относительно поверхности Земли. Приоритетная роль Солнца в управлении климатом на Земле бесспорна. Наряду с влиянием на климат солнечной активности в последнее время обнаружена связь климатических изменений с потоком галактических космических лучей (ГКЛ).
«Сегодня наблюдается естественный переход от моделей климата, целью которых является воспроизведение и прогноз чисто термогидродинамических характеристик, к моделям Земной системы. Термин «Земная система» расширяет понятие «климатическая система» как введением в рассмотрение дополнительных геосфер (литосфера, гелиосфера и др.), так и за счёт описания более широкого круга физических, химических, биологических (а также социальных) взаимодействий» [1].
На сегодняшний день причины глобального потепления достоверно не установлены. В одной из версий рассматривается возможный механизм солнечной модуляции ГКЛ, объясняющий причины изменения климата на планете: в периоды усиления солнечной активности ослабевает поток галактичесих космических лучей, и наоборот – ослабление солнечной активности приводит к усилению потока ГКЛ. Известно, что ГКЛ образуются в результате взрыва сверхновых звёзд. По гипотезе датского учёного Хенрика Свенсмарка [2], ГКЛ ионизируют нижние слои атмосферы, в результате формируется облачность, происходит понижение глобальной температуры на планете, ледники в Северном полушарии наступают на юг. В периоды снижения потока ГКЛ наблюдается противоположная ситуация, глобальная температура растёт. К сожалению, предсказать активность Солнца и динамику ГКЛ пока никому не удаётся.
Последние три десятилетия были самыми тёплыми в ряду инструментальных наблюдений за глобальной приповерхностной температурой с середины ХIX в. [3].
С глобальными изменениями климата связаны региональные, причём в России, и особенно в Оренбургской области, потепление происходит более высокими темпами, чем на Земле в целом.
На проявление региональных погодных аномалий существенное влияние оказывают колебания регионального и глобального климата, проявляющиеся на фоне долгопериодных изменений. Достоверно установлена связь межгодовых вариаций региональных погодно-климатических изменений во многих странах мира, в том числе и в России, с явлением Эль-Ниньо и Ла-Ниньо, характеризующимися температурными аномалиями поверхностных вод экваториальной части Тихого океана. На климат отдельных регионов Евразии большое влияние оказывают наряду с Эль-Ниньо квазициклические процессы Северного полушария: североатлантическое колебание (САК), тихоокеанская десятилетняя осцилляция (ТДО), атлантическая долгопериодная осцилляция (АДО) и т.д.
Климатологами [1] обнаружены региональные связи квазидвухлетних колебаний (КДК) зонального ветра в экваториальной стратосфере с процессами в тропиках, в частности с длительностью сезонных дождей и активностью ураганов в Атлантике. Оказалось, что ключевую роль в становлении периода КДК и амплитуды в нижних слоях атмосферы играют планетарные волны.
В.М. Лебедева с соавторами выявила устойчивые временные связи между характеристиками циркуляции атмосферы и теплового состояния поверхности океанов в предшествующий периоду вегетации осенне-зимний период и урожайностью яровой пшеницы по федеральным округам [4]. На основании этих связей разработан метод синоптико-статистического моделирования для прогноза урожайности зерновых культур по округам РФ.
Установлено, что в период глобального потепления произошёл резкий переход от восточной и меридиональной форм циркуляции к западной форме, что приводит к росту осадков в Санкт-Петербурге [5].
Б.Г. Шерстюков ( 2019) доказывает несостоятельность сезонных прогнозов погоды, основанных на преемственности атмосферных процессов при переходе от сезона к сезону, таких связей не было обнаружено на различных метеостанциях [6].
В отличие от слабой преемственности атмосферных процессов между месяцами и сезонами нами, выявлены хорошие корреляционные связи (r ≥ 0,5 – 0,68) температурных аномалий океана и суши с урожаем кукурузы в Оренбургском регионе, благодаря которым была разработана синоптико-статистическая модель прогноза урожайности, подтверждённая полученным результатом в 2019 г. [7].
В 2018 г. нами была опубликована работа, посвящённая кросскорреляционному анализу и подготовке предикторов для долгосрочного прогнозирования урожайности подсолнечника в Оренбургской области, в которой показана межгодовая периодичность колебаний метеофакторов и их связь с урожаем [8].
В 2019 г. опубликованный долгосрочный прогноз урожайности полевых культур: озимой ржи, яровой пшеницы, ячменя, кукурузы и подсолнечника с использованием связей урожайности с параметрами климатической системы планеты полностью подтверждён фактической урожайностью всех культур [9].
Таким образом, работами учёных по проблеме долгосрочного прогнозирования погодных условий и урожайности сельскохозяйственных культур в регионах страны показана необходимость учитывать изменения, происходящие в глобальной климатической системе планеты.
Цель исследования – создание синоптико-статистической модели для долгосрочного прогнозирования урожайности ячменя в центральной зоне Оренбургской области.
Материал и методы исследования. Объектами исследования были многолетние временные ряды (1979 – 2019 гг.):
– среднерайонной урожайности зерна ячменя в Оренбургском районе Оренбургской области;
– факторов погодных условий за период с 1-й декады сентября года, предшествующего году наблюдений, по 3-ю декаду января: температура воздуха средняя, максимальная и минимальная, среднесуточный дефицит влажности воздуха, осадки (по данным Оренбургского центра по гидрометеорологии и мониторингу окружающей среды, проведённому филиалом ФГБУ «Приволжское управление по гидрометеорологии и мониторингу окружающей среды»);
– аномалии температуры: воздуха нижней тропосферы в Северном и Южном полушариях над сушей и океаном, поверхностных вод океана, площади морского льда, индексы североатлантического колебания (данные получены с сайта Национального центра климатических данных США и Всероссийского научно-исследовательского института гидрометеорологической информации–Мирового центра данных (ВНИИГМИ–МЦД) в г. Обнинске РФ) [10].
Для изучения влияния глобальных параметров климатической системы на урожайность сельскохозяйственных культур в Оренбургской области нами использовались принципы синоптико-статистического моделирования В.М. Лебедевой, разработанные в ФГБУ «ВНИИСХМ» [4]. Особенностью этого подхода является использование данных с карт барической топографии (АТ-500), значений температуры поверхности воды Тихого и Атлантического океанов, данных о центрах действия атмосферы, индексах южного и североатлантического колебаний в осенне-зимний период.
Выбор предикторов и построение прогностических моделей осуществлялось с помощью корреляционно-регрессионного анализа в программах: Statistica 6.1, NCSS-2000.
Результаты исследования. Основные требования к моделям долгосрочного прогнозирования каких-либо событий – это их хорошая оправдываемость и заблаговременность, т.е. время, позволяющее принять необходимые управленческие решения для максимального воздействия на процесс и извлечения наибольшей выгоды от этого.
За последние 10 лет в условиях аридизации климата степного Оренбуржья ранние яровые зерновые культуры – пшеница, ячмень и овёс в наибольшей степени пострадали от проявления неблагоприятных погодных условий. Экстремальные условия в период вегетации растений – высокая температура и сухость воздуха, отсутствие осадков, недостаточные начальные запасы продуктивной влаги в почве в совокупности с низкими ценами на зерновую продукцию определили низкую экономическую эффективность растениеводства в степных районах Оренбуржья.
В последние три десятилетия происходит ускоренное изменение климата, существенно изменились атмосферные процессы, которые в предшествующее столетие были крайне редким явлением или не наблюдались совсем.
Существовавшие до сих пор методы прогнозирования продуктивности растений на основе цикличности атмосферных процессов дают сбой в силу того, что они в основном учитывают прошлый опыт, который в современных условиях не даёт надёжных результатов. Созданная нами синоптико-статистическая модель демонстрирует влияние параметров климатической системы планеты и региона в современный период на основе инерции атмосферных процессов (табл. 1).
1. Модель регрессии урожайности ячменя на погодные факторы региона и аномалии глобальных параметров климатической системы планеты
Итоги регрессии для зависимой переменной: R = 0,87 R2 = 0,76Скорректир. R2 = 0,72 F(6,33) = 17,5; n = 40
Предикторы модели
β–стандартизованный коэффициент
Доляфактора, %
Коэффициенты B
Стд. Ош. В
T (23)
p-уровень
Начальная ордината
17,36
1,60
10,8
0,000
НТ СП Ок 1 м.,°С
–0,53 ± 0,09
38,7
–8,80
1,52
–5,8
0,000
Т 3 дек. 1 м.,°С
0,55 ± 0,10
17,4
0,55
0,10
5,6
0,000
Ос. 12 м. пр.
0,27 ± 0,09
6,7
0,09
0,03
3,1
0,004
Океания Суша 9 м. пр.,°С
–0,28 ± 0,09
5,5
–2,64
0,87
–3,0
0,004
НТ РегПоляр 11 м. пр.,°С
0,25 ± 0,09
3,6
2,01
0,76
2,7
0,012
СевАтлКол 9 м. пр.
0,22 ± 0,09
4,1
1,14
0,48
2,4
0,022
Примечание: Ос. – осадки; Т – среднесуточная температура воздуха, 3 дек. 1 м. – 3-я декада 1-го месяца (января); НТ СП Ок – аномалия температуры нижней тропосферы над океаном в Северном полушарии; СевАтлКол – индекс северо-атлантического колебания; пр. – год, предшествующий году урожая; Океания Суша – аномалия температуры воздуха над сушей Океании.
Наибольший отклик и значимость в модели прогноза урожайности ячменя показали два фактора: аномалия температуры нижней тропосферы над океаном в Северном полушарии в январе текущего года и среднесуточная температура воздуха третьей декады этого же месяца г. Оренбурга с долей влияния 38,7 и 17,4 % соответственно. Ещё четыре фактора – осадки декабря 2019 г., предшествующего году урожая, аномалия температуры приземного слоя воздуха над сушей Океании, аномалия температуры нижней тропосферы полярного региона в ноябре и индекс северо-атлантического колебания в сентябре 2019 г. обеспечивают от 3,6 до 6,7 % дисперсии результативного признака, а в совокупности 19,9 %. Коэффициент множественной корреляции регрессионного уравнения достаточно высокий – R = 0,87, соответственно данными факторами детерминируется 76 % изменчивости урожайности ячменя в Оренбургском районе Оренбургской области.
Описательная статистика предикторов и пределов работоспособности модели показана в таблице 2.
2. Описательная статистика предикторов модели и пределов её работоспособности
Предикторы модели
Количество набл.
Среднее
Минимум
Максимум
Стд. откл
Урожайность ячменя, ц с 1 га
41
10,7
0,1
23,1
5,28
НТ СП Ок 1 м.,°С
41
0,058
–0,48
0,73
0,32
Т 3 дек. 1 м.,°С
41
–13,06
–22,00
–1,50
5,11
Ос. 12 м. пр., мм
42
31,00
4,00
69,00
15,28
Океания Суша 9 м. пр.,°С
42
0,697
–0,98
1,48
0,61
НТ РегПоляр 11 м. пр.,°С
41
0,074
–1,34
1,22
0,65
СевАтлКол 9 м. пр.
42
0,007
–2,00
2,10
1,00
Прогноз урожайности возможен лишь в случае, если количественные значения предикторов модели не выходят за указанные ограничения, т.е. в границах от минимума до максимума этих значений. По мере накопления новой информации модель должна быть пересмотрена.
Поскольку данное условие соблюдалось, нами рассчитан прогноз возможной урожайности зерна ячменя в 2020 г. (табл. 3).
3. Прогноз урожайности зерна ячменя в 2020 г.
Предикторы модели
Bзвешенныевеса
Значениепредиктора
B-веса × значение
НТ СП Ок 1 м.,°С
–8,80
0,46
–4,05
Т 3 дек. 1 м.,°С
0,55
–4,00
–2,21
Ос. 12 м. пр.
0,09
37,00
3,34
Океания Суша 9 м. пр.,°С
–2,64
0,95
–2,50
НТ РегПоляр 11 м. пр.,°С
2,01
0,70
1,41
СевАтлКол 9 м. пр.
1,14
–0,16
–0,18
Начальная ордината
–
–
17,36
Предсказанная урожайность, ц с 1 га
–
–
13,2
–95,0 % ДП
–
–
10,3
+95,0 % ДП
–
–
16,0
Предсказанная урожайность ячменя в 2020 г. возможна на уровне 13,2 ц с 1 га при вариациях от 10,3 до 16,0 ц с 1 га, что выше или на уровне средней урожайности в Оренбургском районе–10,7 ц с 1 га за последние 30 лет.
Урожайность ячменя хорошо коррелирует (R = –0,57) с аномалией температуры нижней тропосферы Северного полушария (рис. 1).
Рис. 1 – Связь урожайности ячменя с аномалией температуры нижней тропосферы Северного полушария
Чем выше аномалия температуры, тем ниже урожайность ячменя в центральной степной зоне Оренбуржья. При аномалии температуры в 90-е годы прошлого века, равной –0,5 °С, урожайность ячменя по тренду достигала 16 ц с 1 га, рост аномалии в настоящее время достиг 0,4 – 0,5 °С, при этом урожайность снизилась до 6 – 8 ц с 1 га.
К сожалению, тенденция роста температуры нижней тропосферы над океаном Северного полушария сохраняется в настоящее время (рис. 2).
Рис. 2 – Динамика аномалии температуры нижней тропосферы над океаном Северного полушария в январе временного периода (1979 – 2019 гг.)
Пик аномалии температуры пришёлся на 2016 г., в последующие три года наблюдался спад роста температуры, однако говорить о тенденции снижения аномалии преждевременно.
О том, что условия для вегетации и формирования урожая ячменя в центральной части Оренбуржья ухудшаются, свидетельствует динамика снижения урожайности во времени за последние четыре десятилетия (рис. 3).
Рис. 3 – Тенденция изменения урожайности ячменя во времени (1979 – 2019 гг.)
Однако прямолинейной зависимости между урожаем зерновых культур и ростом температуры в Северном полушарии над океаном не существует и не должно существовать, поскольку изменчивость урожайности зависит от множества других факторов.
Аномалия температуры нижней тропосферы над океаном Северного полушария оказывает влияние на формирование урожайности ячменя в локальном регионе Оренбуржья косвенно через изменения атмосферных процессов (рис. 4).
Рис. 4 – Связь аномалии температуры нижней тропосферы Северного полушария над океаном с количеством осадков июня по г. Оренбургу
Установлена обратная связь (R = –0,30) между потеплением нижних слоёв атмосферы Северного полушария и снижением количества атмосферных осадков июня в Оренбургском регионе.
В предыдущих исследованиях нами установлено, что погодные условия июня являются одним из основных погодных факторов с долей влияния порядка 40 % на урожайность ячменя в степном Оренбуржье [11]. В июне протекают процессы от кущения до начала формирования молочной спелости зерна, что во многом определяет уровень продуктивности растений.
Выводы. Создана синоптико-статистическая модель для долгосрочного прогнозирования урожайности ячменя в центральной зоне Оренбургской области.
Наибольший отклик и значимость в модели показывают два фактора: аномалия температуры нижней тропосферы над океаном в Северном полушарии в январе текущего года и среднесуточная температура воздуха третьей декады этого же месяца в г. Оренбурге с долей влияния 38,7 и 17,4 % соответственно. Ещё четыре фактора–осадки декабря 2019 г., предшествующего году урожая, аномалия температуры приземного слоя воздуха над сушей Океании, аномалия температуры нижней тропосферы полярного региона в ноябре и индекс северо-атлантического колебания в сентябре 2019 г. обеспечивают в совокупности 19,9 % изменчивости результативного признака.
Литература
1. Дымников В.П., Лыкосов В.Н., Володин Е.М. Математическое моделирование динамики Земной системы // Известия РАН. Физика атмосферы и океана. 2015. Т. 51 (№ 3). С. 260 – 275.
2. Svensmark, Henrik (2007). «Cosmoclimatology: a new theory emerges». Astronomy & Geophysics. 48 (1): 18 – 24.
3. Мохов И.И., Семёнов В.А. Погодно-климатические аномалии в российских регионах и их связь с глобальными изменениями климата // Метеорология и гидрология. 2016. № 2. С. 16 – 28.
4. Лебедева В.М. Долгосрочный синоптико-статистический метод прогноза валового сбора зерновых культур по федеральным округам и России в целом // Труды ВНИИСХМ. 2010. Вып. 37. С. 69 – 81.
5. Куликова Л.А., Ерёмина А.В. Режим осадков в Санкт-Петербурге при разных формах циркуляции (по классификации Г.Я. Вангегейма) // Учёные записки РГГМУ. 2019. № 54. С. 28 – 37.
6. Шерстюков Б.Г. Короткопериодные колебания климата по данным наблюдений, их закономерности и предпосылки для прогноза с заблаговременностью более одного года // Труды ВНИИГМИ-МЦД. 2019. Вып. 185. С. 40 – 55.
7. Неверов А.А. Прогнозирование урожайности сельскохозяйственных культур в Оренбургском Предуралье на основе синоптико-статистического моделирования // Известия Оренбургского государственного аграрного университета. 2019. № 2 (76). С. 24 – 27.
8. Неверов А.А. Подготовка предикторов для моделей долгосрочного прогнозирования урожайности // Животноводство и кормопроизводство. 2018. Т. 101 (№ 4). С. 185 – 193.
9. 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.
10. Национальный центр климатических данных [Электронный ресурс]. URL: https://www.ncdc.noaa.gov/cag/global/time-series/nhem/ocean/1/9/1880-2018 (дата обращения 25.12.2018).
11. Неверов А.А. Влияние погодно-климатических условий на формирование урожая ячменя в центральной зоне Оренбургской области (цикл статей по теме «Исследования методами нейросетевого анализа влияния региональных изменений климата на продуктивность агрофитоценозов» // Вестник мясного скотоводства. 2015. № 2 (90). С. 114 –118
________________
* Исследование выполнено в соответствии с планом НИР на 2019 – 2021 гг. ФГБНУ БСТ РАН по теме № 0761-2019-0004.