Известия Оренбургского Государственного Аграрного Университета 2020 № 3 (83)
Агрономия
УДК 633:631.559:551.5:57.045:519.25
Прогноз урожайности сельхозкультур для центральной зоны Оренбургской области альтернативными методами на 2020 год*
А.А. Неверов, канд. с.-х. наук
ФБГНУ ФНЦ БСТ РАН
В условиях рыночной экономики и конкуренции на мировом рынке растениеводства приоритетным является получение максимальной прибыли от выращивания конкурентоспособной продукции. Однако в условиях недостаточного и неустойчивого увлажнения в период вегетации растений создаются серьёзные риски снижения эффективности производства продукции тех или иных культур. Поскольку в Оренбургской области, особенно в сухостепных районах, вероятность потерь урожая от засух одна из наибольших в РФ, а возможности орошения весьма ограниченны, то заблаговременное прогнозирование продуктивности растений, а также сопутствующих погодных условий – это единственный выход минимизировать неоправданные затраты на производство и сохранить свой бизнес в дальнейшем.
Экстремальные условия: жара, засуха, отсутствие продуктивной влаги в почве, заморозки для полевых культур Оренбургской области часто повторяются, но их проявление в течение вегетационного периода значительно различается во времени. В отдельные годы выгодно выращивать более поздние культуры, например подсолнечник, кукурузу, просо, в другое время лучшие условия формируются для озимых и ранних яровых культур. Избежать воздействия на посевы неблагоприятных погодных условий или минимизировать их последствия можно агротехникой: манипулируя сроками сева, нормой высева семян, подбором сельскохозяйственных культур, наиболее приспособленных к предстоящим условиям. При отсутствии прогноза предстоящих погодных условий земледелец вынужден принимать решения вслепую с очень низкой вероятностью оправдать затраченные средства полученной продукцией.
Цель настоящего исследования – долгосрочный прогноз урожайности сельскохозяйственных культур и погодных условий вегетационного периода для центральной зоны Оренбургской области на 2020 г.
Материал и методы исследования.
Объектом исследования были многолетние временные ряды:
– средней урожайности зерна озимой ржи, ячменя, яровой пшеницы, подсолнечника и зелёной массы кукурузы в Оренбургском районе Оренбургской области (1891 – 2019 гг.);
– факторы погодных условий: за период с 1-й декады сентября года, предшествующего году наблюдений, по 1-ю декаду февраля текущего года, в том числе температура воздуха средняя, максимальная и минимальная, среднесуточный дефицит влажности воздуха, осадки, среднедекадная температура воздуха с 1-й декады мая по 3-ю декаду августа по г. Оренбургу (1891 – 2020 гг.) по данным Оренбургского центра по гидрометеорологии и мониторингу окружающей среды – филиала 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;
– аномалии площади морского льда в Северном и Южном полушариях;
– индексы североатлантического колебания (1891 – 2020 гг.) (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) [1].
Для исследований влияния глобальных параметров климатической системы на урожайность сельскохозяйственных культур в Оренбургской области нами использовались принципы синоптико-статистического моделирования В.М. Лебедевой, разработанного в ФГБУ «ВНИИСХМ» [2]. Прогнозирование урожайности сельскохозяйственных культур на основе регрессии параметров климатической системы планеты хорошо зарекомендовало себя для прогнозирования валовых сборов зерна по субъектам РФ. В настоящее время прогнозы ВНИИСХМ используются Правительством РФ для планирования в сфере народного хозяйства страны. Отличие нашего подхода заключается в подборе параметров климатической системы планеты и региона для точечного прогнозирования урожайности на уровне района области.
Прогноз урожайности сельскохозяйственных культур и среднедекадной температуры воздуха осуществляли в задачах авторегрессии временного ряда и множественной регрессии с использованием многослойного персептрона программы Statistica 6.1. Метод авторегрессии временного ряда основан на предположении, что показатель урожайности несёт в себе информацию о закономерностях её формирования в прошлом, в качестве зависимой и независимой переменных используется одна и та же – временной ряд урожайности со смещением вперёд (лагом) во времени.
Для прогнозирования также применялся метод остаточных отклонений в совокупности с методом наложения эпох на основе квазицикличности природных процессов – в авторской программе «Prognostics v.4 – 1».
Метод остаточных отклонений в совокупности с методом наложения эпох (квазициклов) представлен в работе А.Ф. Игуменцова с соавторами [3]. В качестве предикторов используется квазицикличность природных процессов, подробно описанных в трудах учёных различных специальностей: климатологов, вулканологов, астрофизиков и т.д. Временной ряд отклонений урожайности от тренда урожайности разлагается на ряд детерминирующих урожай циклов, с последующим воспроизводством его в будущем времени. В отличие от циклов, квазициклы не являются строго периодичными, так же как и многие природные явления.
Результаты исследования. Прогнозирование урожайности различными альтернативными методами значительно повышает его вероятность. Нами применялись три наиболее изученных и апробированных в условиях Оренбуржья метода долгосрочного прогнозирования.
Для прогноза использовались ряды урожайности различных по биологии и продолжительности вегетационного периода сельскохозяйственных культур, что позволяет посредством только одного интегрального показателя – урожайности косвенно судить о степени благоприятности погодно-климатических условий в различные временные интервалы предстоящего вегетационного периода для посевов (табл. 1).
1. Прогноз урожайности полевых культур на 2020 г.
для Оренбургского района Оренбургской области
Метод прогнозирования
Предикторы
в моделях
Урожайность, т · га–1
озимая рожь
ячмень
пшеница
яровая
кукуруза (зелёная масса)
подсолнечник (маслосемена)
Остаточных отклонений + метод наложения эпох
квазицикличность природных процессов
1,5
0,8 – 1,3
0,7
2,0 – 3,7
0,8
Множественная регрессия, регрессия в нейронной сети
параметры климатической системы планеты и региона
1,2 – 1,5
0,8 – 1,0
0,8 – 0,9
5,0 – 6,5
1,0 – 1,2
Авторегрессия с созданием нейронной сети
временной ряд урожайности
0,9
1,0
0,9 – 1,1
4,0 – 4,5
0,9 – 1,6
Фактическая урожайность за 30 лет (1989 – 2018 гг.)
1,6
1,0
0,8
7,4
0,6
Прогноз сравнивался со средней фактической урожайностью за 30 лет (1989 – 2018 гг.) в Оренбургском районе. По урожайности озимой ржи два метода – остаточных отклонений и регрессии на параметры климатической системы планеты и региона показали равные по значению результаты 1,5 и 1,2 – 1,5 т · га–1, что близко к норме – 1,6 т · га–1. По методу авторегрессии временного ряда урожайность может быть ниже среднерайонной – на уровне 0,9 т · га–1.
По урожайности других культур все методы показали близкие результаты. Возможна среднемноголетняя урожайность яровой пшеницы и ячменя: около 1,0 т · га–1 ячменя при вариации от 0,8 до 1,3 т га-1 и 0,7 – 1,1 т · га–1 яровой пшеницы при среднем показателе 0,8 т · га–1.
Урожайность зелёной массы кукурузы прогнозируется ниже среднемноголетнего уровня – 7,4 т · га–1 по методу: остаточных отклонений – 2,0 – 3,7 т · га–1, регрессии – 5,0 – 6,5 т · га–1, авторегрессии – 4,0 – 4,5 т · га–1. Низкий уровень урожайности кукурузы предупреждает о возможных неблагоприятных погодных условиях второй половины лета – в июле и начале августа. По возможности часть посевов кукурузы можно заменить более засухоустойчивыми культурами: сорго и сорго-суданковыми гибридами.
Продуктивность подсолнечника с высокой степенью вероятности может быть выше среднемноголетней – 0,6 т · га–1 на уровне 0,8 – 1,2 т · га–1 по прогнозу.
Все методы, используемые нами для прогнозирования, относятся к статистическим, они обязательно содержат дисперсию результативного признака и ошибку. Задача прогнозирования заключается к сведению до минимума статистической ошибки и отбору прогностических моделей по наилучшим формальным критериям оценки качества этих моделей.
Опыт прогнозирования продуктивности посевов на 2019 г. [4] показал хорошую работоспособность моделей, созданных на основе пошаговой множественной регрессии с использованием климатических параметров планеты и региона. Прогноз урожайности по всем культурам подтвердился полностью на 100 %.
Аналогичные методы применили для прогнозирования средней суточной за декаду температуры воздуха (табл. 2).
2. Прогноз средней суточной температуры за декаду на предстоящий период вегетации полевых культур по г. Оренбургу, °С
Месяц
Декада
Методы прогноза
Средняя фактическая
за 30 лет
(1989 – 2018 гг.)
остаточных отклонений по квазицикличности
множественная
регрессия
авторегрессия временного ряда
Апрель
3-я
7,1 – 7,9
–
–
10,4
Май
1-я
12,0
10,8
15,6
13,2
2-я
17,9
–
15,0 – 19,0
16,2
3-я
24,0 – 24,8
24,3
–
16,8
Июнь
1-я
21,2
16,4 – 17,5
19,5 – 20,0
17,8
2-я
18,9
19,1
18,3 – 18,5
20,4
3-я
19,0 – 22,0
17,2
20,0 – 22,0
20,8
Июль
1-я
25,7 – 28,2
23,7
19,0 – 20,0
21,4
2-я
21,7 – 22,0
24,6
19,0 – 21,0
21,7
3-я
20,6
24,7
–
21,5
Август
1-я
25,7
25,7
18,3
21,2
2-я
25,3
20,4
20,5
19,6
3-я
16,0
–
–
18,4
Из всех показателей погодных факторов осреднённая за декаду температура воздуха наиболее объективно отражает состояние атмосферных процессов в регионе. Более значимый прогноз осадков, к сожалению, не возможен из-за отсутствия необходимых наблюдений по сетке датчиков в местах пересечений со стороной квадрата не более 2 км, особенно в летний период, поскольку осадки в условиях сухой степи значительно локализованы по территории региона.
В степных районах Оренбуржья в условиях постоянного дефицита влаги повышение температуры до экстремальных значений приводит к значительному снижению продуктивности посевов сельскохозяйственных культур.
Для большинства видов растений в условиях недостаточного атмосферного увлажнения и сухости воздуха пороговым значением перехода среднесуточной температуры к экстремальным условиям является 22,5 °С, что эквивалентно 30 °С в дневное время [5, 6].
Прогноз рассчитан с 3-й декады апреля по 3-ю декаду августа и охватывает практически весь период активной вегетации прогнозируемых культур.
Близкие по результатам прогнозы температуры воздуха показывают два метода: остаточных отклонений и регрессия на климатические параметры планеты и региона. Оба метода указывают на волнообразный характер изменения температуры воздуха. Близкая к норме температура в ранневесенний период сменится резким повышением температуры в 3-й декаде мая – до 24,0 – 24,8 °С, в июне температурные условия приблизятся к норме – от 17,8 до 20,8 °С. Июль и начало августа могут быть очень жаркими, что подтверждает нашу версию о неблагоприятных погодных условиях для вегетации кукурузы.
Несколько иной прогноз показывает метод авторегрессии временного ряда, по которому температура воздуха может быть в течение всего вегетационного периода близка к норме и не выходить на экстремально высокий уровень для растений.
Выводы. Долгосрочное прогнозирование урожайности сельскохозяйственных культур альтернативными методами показало близкие по величине результаты, что значительно повышает надёжность прогноза.
Продуктивность яровой пшеницы и ячменя могут быть близки к среднемноголетнему уровню, подсолнечника – выше нормы, а кукурузы – ниже.
Основным фактором, лимитирующим урожай в степных районах центральной зоны Оренбуржья, является обеспеченность водой в критические периоды вегетации растений. Экстремальное повышение температуры воздуха в условиях засухи приводит к резкому снижению продуктивности посевов.
Прогноз снижения урожайности кукурузы подтверждается прогнозом роста температур воздуха до экстремальных значений свыше 22,5 °С в позднелетний период (июль – 1-я декада августа). Для минимизации рисков по выращиванию зелёной массы кукурузы необходимо часть посевов заменить на сорго и сорго-суданковые гибриды, а также использовать устойчивые к засухе и высокой температуре воздуха раннеспелые гибриды кукурузы. В целях улучшения влагообеспеченности растений норму высева необходимо снизить на 10 – 15 %. Повысить устойчивость кукурузы к неблагоприятным условиям позволяет обработка семян регуляторами роста растений, например Мивал-Агро.
Литература
1. Национальный центр климатических данных [Электронный ресурс]. URL: https://www.ncdc.noaa.gov/cag/global/time-series/nhem/ocean/1/9/1880-2018 (дата обращения 20.02.2020).
2. 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.
3. Цикличность погоды и прогнозирование урожайности сельскохозяйственных культур / А.Ф. Игуменцев, Н.Г. Шикота, Э.К. Лазуренко [и др.]. Луганск, 1990. 48 с.
4. 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.
5. 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.
6. 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.
№ 3 (83)
