УДК: 632.112.001.57:551.509

ПРОГНОСТИЧЕСКИЕ МОДЕЛИ УРОЖАЙНОСТИ И ИХ ИСПОЛЬЗОВАНИЕ ДЛЯ ФОРМАЛИЗАЦИИ ЯВЛЕНИЯ ЗАСУХИ

 

В.Е. Тихонов

 

Для реализации обозначенной проблемы необходимо решить следующие задачи.

1. Разработать регрессионные модели оценки агроклиматических ресурсов в зональном аспекте. Общий вид этих моделей может быть представлен аналитическим выражением

У = a0 + naixi, где

i=1

У - оцениваемый урожай; а01... аn - коэффициенты; хi...хn влияющие на урожай факторы погоды, в качестве которых выступают характеристики агрометеорологических условий, в том числе и комплексные (коэффициент атмосферного увлажнения и другие), осредненные за календарные периоды.

2. Разработать математические модели долгосрочного прогноза как величины У, так и величины х1.

Совпадение прогнозных величин урожайности, рассчитанных как непосредственно по ряду продуктивности, так и с использованием ожидаемых значений независимых переменных по уравнению регрессии, будет служить критерием корректности выбранного пути научного поиска. Необходимость двойного прогноза урожайности диктуется невозможностью определить непосредственно по ряду продуктивности ожидаемые погодные условия. Это обусловлено в основном нелинейностью связей между урожайностью и погодными компонентами.

В связи с тем, что наблюдения за осадками характеризуются малой точностью, целесообразно исходить не из точности интерполяции в точке, а из точности определения их средних значений по площади [8,4,13],

Учитывай сказанное, нами проведено осреднение сумм осадков по метеостанциям Оренбург и Чебеньки для ОПХ «Урожайное» Оренбургского района.

Зависимая переменная в этих моделях представлена не урожайностью, а ее отклонением от тренда, выраженным в процентах.

Исключение влияния антропогенного фактора проводится путем деления фактических урожаев на расчетные (трендовые) значения с последующим умножением на 100. Полученные показатели представляют колебания не урожаев, а относительных их величин, в общем виде характеризующих степень соответствия комплекса погодных условий данного вегетационного периода потребностям растений. Динамика этого показателя описывает изменение погодных условий, а сам параметр назван индексом погоды [2].

В описании приводимой ниже (табл. 1) регрессионной модели применены следующие сокращения для обозначения независимых переменных: ОС - сумма осадков, мм; КУ - коэффициент атмосферного увлажнения, представляющий собой отношение суммы осадков за определенный период к испаряемости (потенциальному испарению) за тот же период.

Индексы при переменных означают номер месяца в году, а буква «п» при них - номер месяца прошлого года.

Моделирование связей урожайности с погодными условиями выявило следующие особенности использования климатических ресурсов влаги яровой пшеницей на Южном Урале (табл. 1);

В юго-западном природно-сельскохозяйственном районе (зона степная, провинция Заволжская, ОПХ «Урожайное» Оренбургского района) вклад осадков осенне-зимнего периода в дисперсию урожайности пшеницы составляет 29%; условия вегетации в мае, июне и июле для названной культуры объясняют также около 30% дисперсии зерновой продуктивности.

Таблица 1. Результирующая регрессионная модель для зависимой переменной (У): отклонения урожайности яровой пшеницы от тренда (%) (ОПХ «Урожайное», Оренбургский район, 1951 - 1995гг.)

В соответствии с проведенной оценкой существенности отклонения от линейной регрессии, можно утверждать, что в зоне деятельности Оренбургской и Чебеньковской метеостанций зависимость урожайности яровой пшеницы от КУ 4-6-7 представляет собой форму куполообразной кривой, достоверность которой статистически доказуема.

После разработки таких моделей появляется необходимость долгосрочного прогнозирования только тех предикторов, которые включены в регрессионные уравнения, оценивающие агроклиматические ресурсы для той или иной культуры. Характеристика и описание такого явления, как засуха, приобретают вполне конкретную формализацию.

Для современных представлений о структуре окружающего мира характерно все более глубокое понимание того факта, что ритмичность природных процессов является одним из наиболее важных свойств устойчивого существования всей иерархии естественных систем Вселенной, в том числе и такого все еще загадочного явления, как жизнь. Это убеждение в настоящее время материализовалось в возникновении нового направления автономных исследований - биоритмологии [12].

По мнению данного автора, в рамках волновой концепции Вселенной Солнечную систему можно рассматривать как волновую динамическую систему, т. е. как некоторый нетривиальный аналог атома - известной волновой динамической системы микромира. В таком случае, как утверждает исследователь, наряду с существованием множества мегаквантовых эффектов в Солнечной системе (в частности, наряду с существованием энергетически и физически выделенных, элитных, планетных орбит - аналогов стационарных орбит Бора в атоме) следует ожидать и наличие спектра характерных для Солнечной системы волновых частот - аналога спектра частот (спектроскопии) атома. Эта мегаспектроскопия Солнечной системы, в которой волновые периоды характеризуются уже, разумеется, не долями секунды, как в системе атомов, а сутками и годами (в силу принципа соразмерности рассматриваемых систем), может быть, по его предположению, представлена фундаментальным волновым спектром Солнечной системы.

Энергия на пути из космоса к биосфере переносится многими физическими агентами, к которым относятся: электромагнитные излучения, гравитационные поля тел Солнечной системы, межпланетные магнитные и электрические поля, солнечный ветер, галактические и солнечные космические лучи, слабовзаимодействующие элементарные частицы низких энергий [6,1]

Таким образом, есть все основания процессы солнечной активности считать внешними проявлениями ротационно-гравитационных взаимодействий в Солнечной системе, где ритмозадающими «первоисточниками» являются планеты [11,9,5]. Это подчеркивает правомерность построения цепочки связей «динамика планет - солнечная активность - земные процессы».

Из сказанного вытекает, что наиболее вероятной методической основой для разработки долгосрочных прогнозов могут быть закономерности циклических колебаний, обнаруживающихся в агрометеорологических рядах (осадки, температура, урожайность и т. д.). Возникает необходимость анализа временных рядов имеющихся статистических материалов производственной деятельности сельскохозяйственных предприятий и сети метеостанций.

В практике долгосрочного прогнозирования все большее место занимают исследования, базирующиеся на разложении таких рядов в спектр некоррелируемых друг с другом гармонических колебаний. Формализация таких колебании очень удобна для математической интерпретации сложных колебательных процессов. Математический аппарат для реализации такого подхода представлен в работах А.Ф. Игуменцева, Д.М. Хомякова [2]; А.Ф. Игуменцева и др. [3].

Ранее нами [10], в соответствии с современными представлениями, проведен поиск циклов или ритмов, входящих в спектр гармонических колебаний, обусловливающих динамику временных рядов для различных природных зон Южного Урала.

Поданным шестилетнего испытания наработанных версий математических моделей долгосрочного прогноза урожайности ( по ряду У) получены предварительные итоги, показанные в табл. 2. Заблаговременность прогнозов составляла один год. Процесс совершенствования моделей продолжается.

Анализ данных табл. 2 показывает, что наименее результативным был прогноз урожайности на 1993 год. Если к успешным прогнозам отнести те, отклонение которых от фактической урожайности не превышает 15%, а за меру оправдываемости принять отношение успешных прогнозов к общему числу разработанных прогнозов, то эта величина составит 75%. Ошибка прогноза определена с учетом ошибки модели.

Разработка математических моделей долгосрочного прогноза факторов погоды (по ряду хi) осуществлена по той же схеме и с помощью того же математического аппарата.

В работах прогностической направленности значительное внимание уделяется способам расчета тенденций временного ряда, в том числе и величине скользящего осреднения. В данной работе тренд рассчитывался методом гармонических весов [7]. Дополнительно проведена подборка скользящей фазы осреднения.

По временным рядам погодных факторов (по ряду хi) установлены различные осредняющие отрезки, обусловливающие более успешные результаты прогноза (табл. 3).

Проиллюстрируем значение полученных результатов поиска. Рассчитаем прогноз отклонения урожайности яровой пшеницы от тренда (в %) на 1996 год. Для этого используем коэффициенты уравнения регрессии, представленные в табл. 1, и прогнозные значения погодных факторов, представленные в табл. 3, в качестве предикторов этого уравнения. Получим величину 92,67 □ 19,6 (112,2 -73,0%).

Прогноз тенденции урожайности данной культуры на 1996 г. составляет 1,52 т с 1 га (табл. 4), Следовательно, ожидаемая урожайность лежит в интервале 1,11 - 1,70 т с 1 га.

В табл. 2 дано модельное (прогнозное) значение урожайности на этот же год, рассчитанное непосредственно по ряду продуктивности, Для яровой пшеницы в ОПХ «Урожайное» оно укладывается, с учетом ошибки модели, в границах 0,98□0,10 тс1 га (0,83 - 1,08 т/га). Таким образом, оба пути вычислений дают близкие результаты. Одновременно объясняется низкий уровень ожидаемой урожайности недостаточной увлажненностью вегетационного периода изучаемой культуры.

Несколько большая ошибка модели прогноза при использовании, погодных факторов обусловлена малой точностью наблюдений за осадками, о чем говорилось выше.

Следует подчеркнуть, что на уровень оправдываемости прогнозов кардинальное влияние оказывает применяемый при гармоническом анализе комплекс природных циклов (спектр гармоник). Этот вопрос обсуждался нами ранее (Тихонов и др.,1996).

Таблица 2. Фактическая реализация долгосрочного прогноза урожайности зерновых культур в различных природных зонах Оренбургской области (ошибка модели 0,1 с 1 га)

Таблица 3. Ожидаемые и фактические величины погодных факторов, формировавших; уровень урожайности яровой пшеницы в ОПХ «Урожайное» в 1996 г. (архивный ряд наблюдений 1936-1995 гг.)

Таблица 4. Фрагмент расчета прогноза урожайности яровой пшеницы для ОПХ «Урожайное» Оренбургского района на 1996 год, ц/га (архивный ряд урожайности с 1951 по 1995 гг.)

ЛИТЕРАТУРА

  1. Васильева Г.Я., Красногорская Н.В., Сазеева Н.Н. Космобиосферные взаимодействия и некоторые аспекты их реализации // Современные проблемы изучения и сохранения биосферы. - Т.1. - Свойства биосферы и ее внешние связи. - С. Петербург: Гидрометеоиздат, 1992. - С. 57-66.
  2. Игуменцев А.Ф., Хомяков Д.М. Погодные условия и эффективность удобрений. Математическое моделирование продуктивности агроценозов. - М.,1988. - 37 с.
  3. Игуменцев А.Ф., Шикота Н.Г., Лазуренко Э.К., Григоренко Г.Ф. Цикличность погоды и прогнозирование урожайности сельскохозяйственных культур. - Луганск, 1990. - 48 с.
  4. Каган Р.Л. Осреднение метеорологических полей. -П.: Гидрометеоиздат, 1979. - 213 с.
  5. Коваленко В.Л., Кизим Л.Д., Николаев В.Г., Пашестюк A.M. Модель влияния гравитационного поля Солнца на климат Земли // Современные проблемы изучения и сохранения биосферы. - Т. 1. Свойства биосферы и ее внешние связи. - С. Петербург: Гидрометеоиздат, 1992. - С. 192-207.
  6. Красногорская Н.В., Пархомов А.Г. Космическая природа ритмов в биосфере // Современные проблемы изучения и сохранения биосферы. -Т. 1. - Свойства биосферы и ее внешние связи. - С. Петербург: Гидрометеоиздат, 1992.-С. 237-246
  7. Полевой А.Н, Прикладное моделирование и прогнозирование продуктивности посевов. - П.; Гидрометеоиздат, 1968. - 319 с.
  8. Полищук А.И. О статистической структуре летних осадков // Тр. ГГО. - 1972. - Вып. 286. - С. 39-54.
  9. Понько В.А. Геокосмические связи как информационная основа долгосрочного прогнозирования // Вопросы агроэкологичеокого прогнозирования / Научн.-техн. бюлл. СО РАСХН. - Новосибирск, 1991. - Вып. 5. -С. 19-32.
  10. Тихонов В.Е., Хопренинов В.Д., Журавлев В.В., Востриков В.И. Возможности многоритмичной структуры временного ряда как информационной основы долгосрочного прогнозирования урожайности // Наука и хлеб. - Оренбург, 1996. - Вып. 3. - С. 134-167.
  11. Усманов Р.Ф. Ротационно-гравитационный механизм циркуляции атмосферы //Вопросы агроэкологического прогнозирования / Научн.-техн. бюлл. СО РАСХН. - Новосибирск, 1991. - Вып. 5. - С. 3-18.
  12. Чечельницкий A.M. Волновая структура Солнечной системы и ритмы биосферы // Современные проблемы изучения и сохранения биосферы, - Т. 1. - Свойства биосферы и ее внешние связи. - С, Петербург: Гидрометеоиздат, 1992.-С. 66-72.
  13. Чичасов Г.Н. Технология долгосрочных прогнозов погоды. С.-Петербург: Гидрометеоиздат, 1991. - 304 с

Prognostic models of yield and their use for formalization of drought phenomenon

V.Y. Tikhonov

Meaning of separate weather factors for dispersion of yield of spring wheat on the South Urals on the basis of models of numerous regression is represented. The mathematical models of long-term prediction of veriables, being a part of regressional equations are worked out. As a result of six-years productional trial 75% level of their precision was received. The possibility of forecasting of drought a year before is shown.


Для того чтобы оставить комментарий вы должны авторизоваться на сайте! Вы также можете воспользоваться своим аккаунтом вКонтакте для входа!