Методы количественной оценки агрометеорологических условий формирования продуктивности и прогноза урожайности проса

• Автор: Просвиркина, Алла Гавриловна
• Шифр специальности: 11.00.09
• Научная степень: Кандидатская
• Год защиты: 1984
• Место защиты: Обнинск
• Количество страниц: 256 c. : ил

СОДЕРЖАНИЕ
Введение .
Глава I. Современное состояние вопроса прогнозирования урожайности и оценки влияния агрометеорологических условий на продуктивность проса

1.1. Особенности культуры проса .

1.2. Обзор существующих методов оценок и прогноза урожайности проса .

1.3. Методы оценок влияния факторов внешней среды на урожай других видов просяных злаков

Глава 2. Моделирование формирования продуктивности

проса посевного i ii

2.1. Принципы построения модели . . .

2.2. Структура модели.

2.2.1. Блок фотосинтеза .

2.2.2. Блок дыхания .
2.2.3. Блок роста
2.2.4. Блок зерна .
2.2.5. Гидрометеорологический блок
Глава 3 Идентфикация параметров и оценка чувствительности модели
3.1. Исследование чувствительности модели к изменению параметров.
3.2. Определение начальных значений биомассы для расчетов по модели.
3.3. Проверка адекватности расчетов .
Глава 4. Исследование влияния агрометеорологических
условий на рост, развитие и продуктивность проса
4Л. Влияние температурного режима
4.2. Зависимость продуктивности проса от влагообеспеченности
4.3. Исследование влияния радиационного режима на формирование продуктивности проса
4.4. Комплексная количественная оценка условий формирования урожая проса
Глава 5. Основы численного метода прогнозирования урожайности проса
5.1. Декадная количественная оценка условий формирования
урожая проса
5.1 Л. Декадный вариант модели продуктивности проса .
5.1.2. Оценка условий формирования урожая
5.2. Прогноз урожая проса по временному ряду с помощью экстраполяции тецденции урожайности .
5.3. Расчетная схема прогноза среднеобластной урожайности
5.4. Прогноз валового сбора зерна проса .
5.4.1. Прогноз валового сбора проса с учетом хода посевных работ
5.5. Подготовка исходных данных для прогноза среднеобластной урожайности и валового сбора зерна проса . . .
5.5.1. Расчет начальных значений густоты посева проса в конкретном году
Выводы .
Заключение . .
Список литературы


Тем не менее, в отсутствии развитых моделей проса для конкретных территорий или методов определения состояния посевов с помощью спутников рекомендовано использовать сведения о погоде для оценок урожая, хотя и с ограниченным успехом. В американской работе 8 изложен метод расчета ожидаемого урожая африканского проса i на основе определения оптимальных доз азотных удобрений и режима увлажнения орошения с учетом климатических условий года. В процессе исследований установлено, что влияние влажности почвы для проса более значимо, чем осадки. Поэтому в качестве показателя реакции культуры на увлажнение выбрали число засушливых дней. Под засушливым днем авторы понимают день, когда уровень доступной влаги в почве понижается до 2 бар. Расчет влагозапасов в
почве ведется по уравнению водного баланса. Модель урожая африканского проса представляет собой набор степенных уравнений, описывающих зависимость ожидаемого урожая от уровней удобрений и числа засушливых дней в разные периоды вегетации. Линейная связь между урожаем африканского проса в Нигерии и индексом внешней среды установлена исследованиями 3. Метод прогнозирования будущего урожая сухого вещества проса i xi для территории Берега Слоновой Кости 9 основан на зависимости фотосинтеза от концентрации , интенсивности радиации и ветра. Прирост биомассы определяется по разности между фотосинтезом и дыханием. Для сорго, применительно к территории одного из ведущих штатов США по производству этой культуры Небраска, разработана фенологическая модель оценки урожая в зависимости от температуры и осадков 9 . Для расчета сроков наступления фаз развития используется уравнение линейной регрессии, где аргументом служат градусодни М, т. С. Урожай сорго определяется количеством осадков в предпосевной период и за период вегетации, числом дней с температурой выше и ниже определенных пределов в критические периоды развития сорго и суммой осадков в период налива зерна. Колебания урожаев зерна сорго в субтропических районах Австралии можно количественно описать как следствие влияния параметров внешней среды по межфазным периодам на компоненты урожая с помощью метода пошаговой регрессии 7 . В модели формирования урожая учтены температура воздуха по межфазным периодам, температура почвы в период прорастания, интенсивность радиации. Расчеты выполняются для отдельных составляющих урожая биомассы посева, веса зерен и озерненности метелок. В работе 5 обобщены литературные данные по трем типам
упрощенных математических моделей зависимости урожая сельхозкультур, в т. В основе модели 5 лежат уравнения диффузии для расчета фотосинтеза и транспирации. Потери на дыхание учтены с помощью коэффициента, усиливающего эффективность фотосинтеза. Влияние температуры учитывается через температурную кривую, степень влагообеспеченностичерез отношение испарения к дефициту влажности. Сухой вес зерна находят по уравнению регрессии как часть общей биомассы посева. Отличаются модели формой зависимости, связывающей указанные факторы линейно, нелинейно функциями, зависящими от архитектоники посева конкретной культуры и коэффициентами, учитывающими биологические особенности каждой культуры. Последние определяются с помощью зависимости от аэродинамического и устьичного сопротивлений. Статистические методы исследования, на которых основаны перечисленные методики, не позволяют учесть влияние сразу большого числа факторов в сложной взаимосвязи нелинейность реакций растений на влияние внешних факторов и изменение во времени самих этих реакций и т. Статистические модели могут объяснить влияние погоды на урожай сельскохозяйственных культур, но они дают мало сведений относительно причин действия погоды и еще меньше как изменить систему выращивания культур, чтобы повлиять на урожай 1. Однако, несмотря на ограничения, статистические модели остаются эффективным методом объяснения вариаций урожая от года к году, их использование будет продолжаться. Указанные трудности в значительной степени можно устранить при использовании другого метода исследования математического моделирования. Это направление получило широкое распространение в агрометеорологии и других областях знаний.