Методы, алгоритмы и технология прогнозирования агрометеорологических факторов в моделях продуктивности зерновых культур

• Автор: Гавриловская, Надежда Владимировна
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Барнаул
• Количество страниц: 165 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ЕЛАВА 1. ОСНОВНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ В АГРОМЕТЕОРОЛОГИИ
1.1. Традиционные методы составления агрометеорологических прогнозов
1.1.1. Синоптико-статистические методы
1.1.2. Физико-статистические методы
1.1.3. Численные (гидродинамические) методы
1.1.4. Применение принципа аналогичности
1.2. Современные подходы составления агрометеорологических прогнозов
1.2.1. Использование данных дистанционного зондирования Земли (ДЗЗ)
1.2.2. Имитационно-моделирующие комплексы
ГЛАВА 2. РАЗРАБОТКА ТЕХНОЛОГИИ ОПРЕДЕЛЕНИЯ ЛЕТ-АНАЛОГОВ ДЛЯ ПОЭТАПНОГО ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР
2.1. Алгоритм поэтапного прогнозирования урожайности с использованием технологии лет-аналогов
2.2. Формирование методики предварительного статистического анализа и оценки достоверности экспериментальных данных
2.3. Математическая формализация принципа аналогичности и классификации агрометеорологических факторов
2.4. Система моделирования погодных сценариев

ГЛАВА 3. ПРИМЕНЕНИЕ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ И ПРОГРАММНЫХ СРЕДСТВ ПРОГНОЗИРОВАНИЯ
АГРОМЕТЕОРОЛОГИЧЕСКИХ ФАКТОРОВ И ОЦЕНКИ УРОЖАЙНОСТИ
ЯРОВОЙ ПШЕНИЦЫ В УСЛОВИЯХ АЛТАЙСКОГО КРАЯ
ЗЛ. Разработка программного комплекса обработки экспериментальных агрометеорологических данных для информационного обеспечения моделей продуктивности зерновых
3.2. Интеграция технологии определения лет-аналогов с имитационно-моделирующими комплексами АОГЮТООГ и ЕРЮ
3.3. Оценка урожайности яровой пшеницы в условиях
Алтайского края
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность исследования. Политика государства в последние годы направлена на подъем и стабильное функционирование сельского хозяйства и агропромышленного производства. Об этом свидетельствуют осуществление приоритетного национального проекта «Развитие агропромышленного комплекса», реализация Государственной программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2008-2012 гг., а также реализация проекта «Комплексное развитие Алтайского Приобья». Кроме того, сами производители сельскохозяйственной продукции и научно-исследовательские институты испытывают новые методы и технологии ведения сельскохозяйственного производства. Примером тому может служить дифференцированная технология точного земледелия, которая базируется на достижениях не только традиционных областей агрономической науки, но и других областей знаний.
Для поддержки сельскохозяйственных производителей и управления ценовыми рисками с сентября 2006 г. в России реализуется проект по организации рынка биржевых торгов зерном с использованием механизма форвардных и фьючерсных контрактов, которые заключаются, начиная с марта каждого года. В связи с этим субъектам аграрной сферы необходимо обладать аналитической информацией о складывающихся погодных условиях, их возможном воздействии на объекты сельскохозяйственного производства и ожидаемую продуктивность зерновых культур.
Сдерживающим моментом в решении этих задач является погодный фактор, компоненты которого (среднесуточные температура воздуха, скорость ветра, атмосферное давление, относительная влажность воздуха, солнечная радиация, суточная сумма осадков) могут изменяться в широком диапазоне от года к году и в течение самого периода вегетации растений. При обосновании стратегии ведения сельского хозяйства экономический эффект должен быть получен на всем множестве возможных погодных реализаций в

где у - средняя урожайность яровой пшеницы по экономическому району, области (краю) и административному району, т/га; хх - количество осадков за январь - апрель, мм; х36 - количество осадков за июнь, мм; х89 - высота роста яровой пшеницы при колошении [127].
Более полное представление о физико-статистических моделях, которые базируются на регрессионном анализе, дается в [70].
Для эффективного управления формированием урожая сельскохозяйственных культур орошаемого севооборота в Волгоградском СХИ A.A. Климовым, Г.Е. Листопадом и др. [54] разработана и внедрена в практику динамическая модель регрессионного типа, в которой одним из параметров является время. В данной модели учитывается в динамике влияние десяти наиболее важных факторов, определяющих урожайность: особенность сорта, приход ФАР в течение вегетационного периода, структура посева (густота и пространственное размещение растений), содержание имеющихся и дополнительно вносимых в почву азотных, фосфорных и калийных питательных веществ, температура почвы и воздуха, влажность почвы и др. Зависимость урожайности от указанных факторов описывается моделью
уСТ — j4l(pß2S3уВд ' gClv+c20+c3S+c4N+csP+c6K+c7T+cgJV+c9V
где Ус/ - урожай, рассчитываемый стационарной частью модели, ц/га; А -константа, значение которой зависит от выбора величин; v - потенциальные особенности сорта, безразмерная величина; Ф - приход ФАР за период, ккал/га/сут; S — структура посева в относительные единицах; N,P,K — Дозы азота, фосфора и калия соответственно, кг/га; Т — среднесуточная температура, °С; W - влажность почвы, % HB; V - способ обработки почвы; В}
Для перевода решения задачи из стационарного в динамический вариант в формулу вводится временной бинал в виде
Бвп = а j tBe~E‘dt,