АГРОМЕТ
.pdfЛ.А. Хворова, В.М. Брыксин
ОЦЕНКА ЭКОНОМИЧЕСКОГО ЭФФЕКТА ОТ ИСПОЛЬЗОВАНИЯ АГРОМЕТЕОРОЛОГИЧЕСКОЙ ИНФОРМАЦИИ
И ПРОГНОЗОВ В АГРОПРОМЫШЛЕННОМ КОМПЛЕКСЕ
Различные отрасли агропромышленного комплекса в той или иной степени заинтересованы в прогнозе агрометеорологических ус- ловий, особенно это касается сельскохозяйственного производства, которое в значительной степени заинтересовано в прогнозе агрометео- рологических условий развития и формирования продуктивности культурных растений, сроков проведения сельскохозяйственных ра- бот, эффективности агротехнических приемов и т.д. На рис.1 приведе- на схема основных направлений использования агрометеорологиче- ской информации и прогнозов в земледелии [1].
Рис. 1. Схема основных направлений использования агрометеорологической информации и прогнозов
В настоящее время заблаговременность прогноза метеорологиче- ских условий агрометеослужбами не превышает одного месяца [2, 3], что в сложившихся условиях формирования рынка зерна является сдерживающим фактором. Для выработки стратегий на рынке зерна
необходим прогноз урожайности основных сельскохозяйственных культур еще до начала вегетационного периода. Поэтому специальны- ми математическими методами и моделями устанавливаются количе- ственные зависимости формирования урожая от агрометеорологиче- ских факторов.
Математические методы агрометеорологических прогнозов осно- ваны на закономерностях, сложных связях, выявленных в процессе исследования процесса или явления в системе почва – растение – ат- мосфера, обусловленных множеством факторов (метеорологических, биологических, почвенных, культуры земледелия и др.). Эти законо- мерности установлены при помощи статистической обработки вре- менных рядов агрометеорологических наблюдений и выражены про- гностическими уравнениями и моделями.
С помощью математических методов и моделей осуществляется прогноз по четырем основным направлениям.
1. Прогнозы агрометеорологических условий: прогноз теплообес-
печенности вегетационного периода, сроков оттаивания и промерзания почвы, запасов продуктивной влаги в почве, агрометеорологических условий развития и роста сельскохозяйственных культур, условий уборки зерновых культур.
2. Фенологические прогнозы: прогноз сроков начала весенних по- левых работ и сроков наступления основных фаз развития растений.
3. Прогнозы урожайности основных сельскохозяйственных куль- тур и качества урожая.
4. Прогноз состояния озимых культур в зимний период.
Рассмотрим составление некоторых прогнозов первого направле-
ния.
1. Прогноз теплообеспеченности вегетационного периода
1.1. Метод прогноза теплообеспеченности, разработанный Ф.Ф. Давитая, основывается на связи сумм активных температур с да- той весеннего перехода средней суточной температуры воздуха через 10° С [1, 4]. Эта связь установлена в результате обработки данных мно- голетних метеорологических наблюдений основных метеостанций. Уравнение связи имеет вид
∑t = К1 × D + K 2 ,
где ∑t – сумма температур за период со средней суточной тем-
пературой воздуха более 10° С; D – дата весеннего перехода темпера- туры через 10° С, выраженная числом дней от 1 апреля. (Например,
для Санкт-Петербурга K1 = −18,25; K 2 = 2759 . Коэффициент корреляции R = –0,74.)
На основании такого прогноза можно определять обеспеченность теплом сельскохозяйственных культур в текущем году, что особенно важно знать до посева теплолюбивых культур в районах, где обеспе- ченность их вызревания меньше 90%.
1.2. Авторами предлагается другой метод расчета суммы эффек- тивных температур на прогнозируемый год. Прогноз осуществляется на основе тригонометрического тренда [5].
|
(m / 2)−1 |
|
2π i |
|
2π i |
|
× (-1) j + am , |
||||
TEMPj = |
∑ |
a |
2i −1 |
×cos |
|
× j + a2i |
×sin |
|
× j + am−1 |
||
m |
m |
||||||||||
|
i=1 |
|
|
|
|
|
|
|
где TEMPj – рассчитываемая |
сумма |
эффективных температур, |
T j – ряд сумм эффективных температур, |
T – длина временного ряда |
|
сумм эффективных температур, m – |
длина цикла, ai – коэффициенты |
тригонометрического тренда, рассчитываемые по следующим форму- лам:
|
|
|
2 |
|
|
T |
|
|
|
2π i |
|
|
|
|
|
m |
|
|||||
a2i−1 |
= |
|
|
|
× |
∑ |
T j |
×cos |
|
|
|
× |
j , i = 1,..., |
|
|
-1; |
||||||
T |
|
|
m |
2 |
||||||||||||||||||
|
|
|
|
|
j=1 |
|
|
|
|
|
|
|
|
|||||||||
|
2 |
|
|
|
T |
|
|
|
2π |
i |
|
|
|
m |
|
|
|
|||||
a2i = |
|
|
|
× |
∑ T j |
×sin |
|
|
× j , i = 1,..., |
|
|
-1; |
||||||||||
|
|
|
|
|
|
|
||||||||||||||||
|
|
T |
|
|
|
j =1 |
|
|
m |
|
|
|
2 |
|
|
|
||||||
|
|
|
1 |
|
|
T |
|
|
|
|
|
|
|
|
|
1 |
T |
|
|
|
||
am−1 |
= |
× |
∑((-1) j ×T j ); am |
= |
× ∑T j . |
|
|
|
||||||||||||||
|
T |
|
|
|
||||||||||||||||||
|
|
|
T |
|
|
j =1 |
|
|
|
|
|
|
|
|
|
j =1 |
|
|
|
Возможность использования данной зависимости основана на цикличности солнечной активности [2].
В результате обработки метеорологических наблюдений с 1928 г. по 1998 г., предоставленных Алтайским центром по гидрометеороло- гии, средняя абсолютная процентная ошибка прогноза по сумме эф- фективных температур составила для 10-летнего цикла солнечной ак- тивности – 8,84%, для 8-летнего цикла – 7,59%.
2. Прогноз запасов влаги в почве к началу сева яровых культур
Этот прогноз имеет большое значение для районов недостаточно- го и неустойчивого увлажнения (каковым является Алтайский край), так как в целях выбора оптимальных сроков сева яровых культур, спо-
собов предпосевной обработки почвы, а также подбора культур необ- ходимо заранее знать, какие влагозапасы будут в метровом слое почвы перед посевом.
Метод прогноза влажности почвы разработан Л.А.Разумовой. Прогноз составляется обычно по состоянию на 1 марта, т.е. за 30–50 дней до посева ранних яровых в степной зоне. Исходные данные для прогноза следующие:
1)сведения о запасах продуктивной влаги в слое почвы 0–100 см осенью перед замерзанием почвы;
2)дефицит продуктивной влаги d осенью, который вычисляется как разность между наименьшей влагоемкостью метрового слоя почвы
иосенними запасами продуктивной влаги в этом слое;
3)количество осадков r, выпавших за период от осеннего опреде- ления влажности почвы до 1 марта (данные наблюдений) и от 1 марта до перехода средней суточной температуры воздуха через 5° С, опре- деляющего начало весенних полевых работ (данные, полученные по долгосрочному прогнозу погоды).
На основании обработки материалов многолетних наблюдений
установлена связь между изменением запасов продуктивной влаги W за период от начала промерзания почвы до перехода средней суточной температуры воздуха через 5° С весной, осадками и дефицитом про- дуктивной влаги. Эта связь выражается следующими уравнениями [4]:
∙для районов с устойчивой зимой
W= 0,115r + 0,56d − 20 ;
∙для районов с неустойчивой зимой и частыми оттепелями
W= 0,21r + 0,62d − 33 .
Зная запасы продуктивной влаги осенью и их изменение за зим- ний период, можно определить запасы влаги в почве к началу весен-
них полевых работ WВЕС, а именно:
WВЕС = WОС + W .
3. Прогноз суммы осадков за вегетационный период
Как показывает анализ литературы по влиянию метеофакторов на продуктивность и урожайность многих сельскохозяйственных культур, уровень урожайности слабо зависит от запасов продуктивной влаги в почве на момент сева [6]. Совокупное влияние запасов продуктивной влаги и осадков на урожайность более выраженное, чем одной продук- тивной влаги на момент сева. Поэтому перед авторами встала задача попытаться разработать технологию прогноза количества осадков за вегетационный период и числа дней с осадками по годам-аналогам.
Цель разработки поиска года-аналога состояла в том, чтобы на основе различных характеристик объекта классифицировать его, то есть отне- сти к одной из нескольких групп (классов) некоторым оптимальным способом. Под оптимальным способом можно понимать либо мини- мум математического ожидания потерь, либо минимум вероятности ложной классификации.
Задачи, связанные с классификацией, можно решать методами дискриминантного анализа и кластерного анализа. Отличие кластерно- го анализа от дискриминантного в том, что в нем заранее не фиксиро- вано число групп (кластеров). В результате применения процедур кла- стерного анализа исходная совокупность объектов разделяется на кла- стеры схожих между собой объектов.
Реализация данных методов осуществлялась при помощи пакета Statistica 5.0 по сочетанию комплекса факторов: суммы эффективных температур, количества осадков и числа дней с осадками за вегетаци- онный период; суммы осадков за октябрь-ноябрь и декабрь-март те- кущего сезона; средней температуре и сумме положительных темпера- тур за апрель; урожайности.
В результате классификации получили значение статистики λ- Уилкса 0,023283, которое свидетельствует о хорошей дискриминации (значения статистики λ-Уилкса лежат в интервале [0, 1]. Чем ближе полученное значение к нулю, тем лучше дискриминация). Кроме того, дискриминантный анализ позволяет получить апостериорные вероят- ности принадлежности объекта к определенному классу.
В результате проделанной работы построен классификатор, по- зволяющий с определенной степенью вероятности утверждать, что те сочетания факторов, которые наблюдались в годах-аналогах, будут наблюдаться и в году, для которого составляется прогноз. Данная ме- тодика позволяет давать несколько прогнозов, уточняющих друг дру- га: в октябре, декабре, апреле и мае. Оценка точности проведенного прогноза была проверена по данным Алтайского центра по гидроме- теорологии. Погрешность прогноза составила 10%.
4. Методы прогноза сроков наступления основных фаз развития сельскохозяйственных культур
Скорость развития растений зависит в основном от температуры воздуха. С повышением температуры (до определенного уровня) ско- рость развития увеличивается. Следовательно, при теплой погоде фазы развития будут наступать раньше, чем при прохладной [7]. Эту зави-
симость выражает уравнение n = |
A |
|
|
, где п – продолжительность |
|
|
||
|
t − tσм |
межфазного периода, А – сумма эффективных температур, необходи- мая для наступления данной фазы, t – средняя суточная температура данного периода, t σм – биологический минимум температуры расте- ния в данной фазе (для многих культур умеренного климата он равен
5° С).
Эта зависимость положена в основу существующих методов про- гноза сроков наступления фаз развития. А.А.Щиголев установил сум- мы эффективных температур (выше 5° С), необходимые для наступле- ния основных фаз развития зерновых и плодовых культур с учетом сортовых различий. Так, для большинства сортов яровой пшеницы сумма эффективных температур, необходимая для прохождения пе- риода выход в трубку — колошение, составляет 305–375° С, а для пе- риода колошение — восковая спелость 490–540° С.
Прогноз наступления данной фазы рассчитывается по уравнению
D2 |
= D1 |
+ |
A |
|
, |
|
t − |
5 |
|||||
|
|
|
|
где D2 – дата наступления ожидаемой фазы, D1 – дата наступления предшествующей фазы, А – сумма эффективных температур между этими фазами, t – ожидаемая средняя суточная температура воздуха за межфазный период.
5. Прогноз урожая основных сельскохозяйственных культур
На формирование урожая сельскохозяйственных культур влияет множество факторов, имеющих различную значимость и изменчивость во времени. По изменчивости эти факторы можно разделить на три группы.
1.Факторы устойчивые. Это местоположение, механический со- став почв, биологические особенности растения и т. п.
2.Факторы, изменение которых от года к году происходит в од- ном направлении и влияет на урожай положительно. Это факторы, связанные с ростом культуры земледелия (внесение удобрений, ме- лиорация, механизация и др.).
3.Факторы, изменение которых во времени влияет или положи- тельно, или отрицательно на формирование урожая. К ним относятся метеорологические факторы и состояние посевов (густота посевов, площадь листовой поверхности и т. п.).
Для прогноза урожая необходимо учитывать в первую очередь факторы третьей группы, выбирая из них в качестве предикторов ос- новные и лимитирующие. Связи этих факторов с урожайностью уста- навливают статистическими методами и выражают в виде прогности- ческих уравнений. Вторая группа факторов, выражающая влияние аг- ротехники, учитывается как корректирующая результаты решения прогностических уравнений, т. е. вносится поправка на тенденцию роста урожайности, которая выражается линией тренда.
Таким образом, научной основой методов агрометеорологических прогнозов урожая являются биологически обоснованные и выражен- ные численно зависимости роста, развития и продуктивности растений от метеорологических условий, динамики запасов почвенной влаги, уровня агротехники.
4.1. Прогноз урожая яровой пшеницы
Яровая пшеница произрастает преимущественно в зоне недоста- точного и неустойчивого увлажнения, поэтому факторами, опреде- ляющими формирование ее урожая, являются показатели увлажнения. Для прогноза урожая А.В. Процеров и К.В. Кириличева предложили несколько уравнений. А.В. Процеровым была предложена следующая формула для расчета влагообеспеченности яровой пшеницы v [4]:
v = |
W1 |
-W2 |
+ r |
×100% . |
|
K1 |
d + K 2 d |
||||
|
|
Здесь Wl и W2 – запасы продуктивной влаги в метровом слое поч- вы в начале и конце периода, за который рассчитывают влагообеспе-
ченность, r – сумма, осадков за этот период, d — сумма дефицитов
упругости водяного пара (мбар), К1 и К2 – коэффициенты, соответст- венно равные в период от посева до колошения 0,45 и от колошения до восковой спелости 0,3.
По этой формуле влагообеспеченность может быть рассчитана как за весь вегетационный период яровой пшеницы (от посева до восковой спелости), так и за отдельные его подпериоды или отдельные декады.
Зависимости средней областной урожайности яровой пшеницы от средней областной влагообеспеченности (%) для различных районов зоны недостаточного увлажнения были рассчитаны К.В.Кириличевой [4]. Это статистические уравнения (линейная регрессия у от х, где у – ожидаемая средняя областная урожайность, х – влагообеспеченность за соответствующие фазы развития), которые используются при про- гнозе урожайности.
В последние годы наряду с влагообеспеченностью растений ис- следовалась и учитывалась зависимость урожайности от различных показателей состояния посевов (числа стеблей, числа колосков в коло- се и пр.).
4.2. Прогноз урожая яровой пшеницы по параметрической модели
Анализируя зависимость элементов продуктивности и урожайно- сти в целом от уровня проявления отдельного агрометеофактора, сле- дует иметь в виду определенную условность такого анализа, т.к. влия- ние конкретного фактора проявляется на фоне своеобразного сочета- ния целого комплекса экофакторов (осадки, температура, исходная увлажненность почвы, поражение болезнями и вредителями и т.п.) [6]. В связи с этим авторами была разработана эмпирическая модель ожи- даемой урожайности зерновых культур, учитывающая влияние ком- плекса факторов [5]:
|
|
+ (Y |
|
- Y |
|
|
) × H (P) × H (T ) × H (N ), |
если Y |
|
_ |
|
Y |
|
|
|
|
³ Y ; |
||||||
Y j +1 = |
min |
+ (Y |
j |
|
|
min |
) × H (P) × H (T ) × H (N ), |
|
j |
_ |
|
Y |
max |
- Y |
j |
если Y |
j |
< Y , |
|||||
|
min |
|
|
|
|
|
|
|
|
|
где Y j +1 – урожайность текущего года (ожидаемая), |
Y j – урожай- |
ность предыдущего года, Ymax – максимальная, Ymin – |
минимальная, |
|||
|
|
– |
средняя урожайности по всему временному ряду урожайностей, |
|
Y |
||||
|
P – |
сумма осадков за вегетационный период с пороговыми значения- |
ми функции отклика p1 , p2 , p3 , p4 , T – сумма эффективных темпера- тур за вегетационный период с пороговыми значениями функции от- клика t1, t2 , t3 ,t4 , N – число дней с осадками за вегетационный период
с пороговыми |
значениями функции отклика |
n1, n2 , n3 , n4 , |
H (P), H (T ), H (N ) – |
нормированные функции отклика. |
|
Модель прогноза урожайности зерновых культур идентифициро- вана на основе данных, представленных Алтайским центром по гид- рометеорологии. Результаты численных расчетов ожидаемой урожай- ности на 1991–1998 годы представлен в таблице 1.
При расчете урожайности при неизвестном сценарии погоды сна- чала осуществлялся прогноз суммы осадков, суммы эффективных тем- ператур, числа дней с осадками на прогнозируемый год и, используя данные прогноза, рассчитывалась ожидаемая урожайность. Процент отклонения предсказанных данных от фактических в среднем состав- ляет 11,3%. Гипотеза согласованности расчетных и эксперименталь- ных данных была проверена по критерию Стьюдента. Проверка пока- зала, что гипотеза оказывается верной с вероятностью 95%.
|
|
|
Т а б л и ц а 1 |
|
|
Прогнозируемая величина урожайности |
|||
|
|
|
|
|
|
Урожайность |
Урожайность расчет- |
Урожайность расчет- |
|
Год |
ная (сценарий погоды |
ная (сценарий погоды |
||
фактическая, ц/га |
||||
|
|
известен), ц/га |
не известен), ц/га |
|
1991 |
17,8 |
18,1 |
12,8–20,7 |
|
1992 |
17,0 |
23,0 |
19,6–23,1 |
|
1993 |
19,0 |
19,0 |
19,0–22,9 |
|
1994 |
20,0 |
17,1 |
19,1–21,6 |
|
1995 |
20,0 |
19,7 |
19,6–19,7 |
|
1996 |
15,2 |
19,8 |
15,3–19,9 |
|
1997 |
12,8 |
13,2 |
11,3–15,6 |
|
1998 |
- |
- |
21,4–26,1 |
Как видно из таблицы 1 и приведенных оценок, результаты чис- ленных расчетов, проведенных по эмпирической модели урожайности, хорошо согласуются с экспериментальными данными.
6. Оценка экономического эффекта от использования агрометеорологической информации и прогнозов
в агропромышленном комплексе
Своевременное получение и правильное использование метеоро- логической информации и агрометеорологических прогнозов способ- ствуют увеличению продукции и доходов хозяйств при неблагоприят- ных метеорологических условиях.
Как известно, чистый доход (прибыль) представляет собой раз- ность между выручкой за сданную по закупочным ценам сельскохо- зяйственную продукцию и затратами на ее производство (себестои- мость). Чистый доход может быть получен с использованием метеоро- логической информации при принятии хозяйственных решений и без использования таковой. В общем случае экономическая эффектив- ность (ЭЭ) будет выражаться разностью чистых доходов, получаемых хозяйством в результате осуществления производственных решений с учетом метеорологической информации и агрометеорологических прогнозов и без их учета.
Коэффициент долевого участия агрометеорологической информа- ции и прогнозов в полученном экономическом эффекте КУ обычно устанавливается в зависимости от характера использования прогнозов и агрометеорологической информации. Обычно коэффициент долевого участия прогнозов и агрометеорологической информации КУ принима-