Динамические модели формирования урожая
Обновлено: 05.10.2024
В статье рассмотрены возможности моделирования урожайности сельскохозяйственных культур. Для построения простейшего прогноза достаточно использовать аппарат временных рядов и адаптивные методы. Учет влияния погодных факторов продемонстрирован на ассоциативных моделях. При исследовании влияния значительного числа факторов эффективен аппарат корреляционного и регрессионного анализа. Ранжирование факторов по степени влияния на урожайность выполнено методом главных компонент. Построение математических моделей выполнено с предварительной оценкой однородности исходных данных. Для построенных моделей определена значимость и оценены их остатки.
Ключевые слова: сельскохозяйственная культура, модель, временной ряд, адаптивная модель, ассоциативная модель, регрессионный анализ.
Ignatev V.M.
ORCID: 0000-0002-1795-9766, PhD in Engineering, Russian Scientific-Research Institute of Land Improvement Problems
MODELING CROP YIELDS
Abstract
The article discusses the possibility of modeling the yield of crops. To construct the simplest prognosis is enough to use the device, and time series adaptive methods. The influence of weather factors demonstrated in associative models. In the study of the impact of a significant number of factors effective device correlation and regression analysis. The ranking factors in the degree of influence on yield performed by principal component analysis. Construction of mathematical models is made from a preliminary estimate the homogeneity of the source data. To determine the significance of the constructed models and evaluated their remains.
Keywords: crop, model, time series, adaptive model, the associative model, regression analysis.
При построении математических моделей урожайности сельскохозяйственных культур, выращиваемых в открытом грунте, к виду модели предъявляются различные требования. Прежде всего, урожайность интересует производителя с учетом параметра времени. Поэтому для прогноза урожайности используется аппарат временных рядов. Построим временной ряд средней урожайности зерновых культур в Ростовской области с 1989 по 2011 гг. на основе данных из справочников Росстата [1]. Проверка данных с помощью критерия Колмогорова – Смирнова [2] на уровне значимости 0,05 подтвердила их однородность. Следовательно для данного временного ряда можно подобрать закон распределения или его построить. В результате применения регрессионного анализа были построены модели урожайности зерновых, приведенные в табл. 1
Таблица 1 – Модели урожайности зерновых
При учете погодного риска выращивания сельскохозяйственной культуры в число учитываемых факторов может входить параметр времени. В монографии [3] модели урожайности учитывает аномалии температуры и осадков. Урожайность сельскохозяйственных культур, выращиваемых в Ростовской области, предлагается моделировать с помощью этих аномалий.
Для моделирования временных рядов были использованы адаптивные методы [4]: Брауна, Хольта, Бокса – Дженкинса, Унитерса и Тейла – Вейджа. Для оценки построенных моделей в качестве критерия использовался коэффициент корреляции, значения которого приведены в табл. 2.
Таблица 2 – Значения коэффициента корреляции для адаптивных методов
Как видно из табл. 2, все адаптивные модели имеют незначимый коэффициент корреляции.
Расчет значимости модели урожайности проведен с помощью дисперсионного анализа [5]. Результаты проверки первого уравнения из табл. 1 с помощью критерия Фишера для одномерной величины сведены в табл. 3.
Таблица 3 – Результаты проверки на значимость
Значение критерия Фишера рассчитано как отношение дисперсии регрессии к дисперсии остатков и равно 3,423. Теоретическое значение критерия Фишера равно 3,127. Следовательно построенное регрессионное уравнение значимо и может выступать в качестве модели прогноза.
Построена многофакторная регрессионная модель урожайности сельскохозяйственных культур с учетом метеофакторов. Данные об урожайности озимой пшеницы, кукурузы на зерно и люцерны на зеленый корм получены с участков, расположенных в зоне регистрации данных метеорологическими станциями наблюдения Ростовской области. Использовались следующие метеофакторы [6]: температура воздуха (T), °С; относительная влажность (R), %; скорость ветра (V), м / с; осадки (X), мм; начальная влажность почвы (W), м 3 / га; испаряемость (E), мм; солнечная радиация (Q), ккал / см 2 ; фотосинтетическая активная радиация (Qф), ккал / см 2 ; радиационный баланс (B), ккал / см 2 ; продолжительность солнечного сияния (N), час; сумма температура воздуха больше 10 °С (∑T), °С; коэффициент увлажнения (K); дефицит влажности воздуха (D), мб; сумма дефицитов влажности воздуха (∑D), мб. Зависимые факторы – урожайность озимой пшеницы (YO), урожайность кукурузы на зерно (YK), урожайность люцерны (YЛ).
Модели урожайности сельскохозяйственных культур и значения коэффициентов детерминации (R 2 ) приведены в табл. 4.
Таблица 4 – Модели урожайности сельскохозяйственных культур в зависимости от метеофакторов
Для оценки влияния метеофакторов использовался метод главных компонент [7] и корреляционный анализ [8]. Последовательности влияния факторов на значения главной компоненты, последовательности уменьшения значений коэффициента корреляции на урожайность и коэффициенты вариации метеофакторов приведены в табл. 5.
Высокая корреляционная зависимость выявлена между метеофакторами ∑D, D, K; между T, ∑T; между Q, Qф; между D, E, R. Поэтому в полученные зависимости включен только один из этих сильно коррелированных факторов. Построенные регрессионные модели урожайности культуры значимы на 5 % уровне и, следовательно, применимы при рамочных значениях исходных данных, т. е. на интервалах значений, использованных при построении этих моделей.
Таблица 5 – Последовательности влияния метеофакторов на урожайность сельскохозяйственных культур
Достоверность многомерных моделей урожайности выше, чем с одним или двумя исходными параметрами, так как, более корректно описывает процесс сельскохозяйственного производства.
В статье [9] исследованы зависимости прибавки урожайности основных сельскохозяйственных культур для Ростовской области в зависимости от следующих факторов: содержание гумуса; плотность почвы; наименьшая влагоемкость; уровень питания азотом; уровень питания фосфором; уровень питания калием; оросительная норма; гидротермический коэффициент; обеспеченность по дефициту водного баланса. На основе рассмотренных в настоящей статье методов были построены многофакторные значимые модели урожайности.
Остатки моделей (разность между исходным значением и значением, вычисленным по построенной модели) оцениваются с помощью методов Дарбина – Уотсона, Уайта, Голдена, Спирмана [10]. Рассмотрим оценку остатков по методу Уайта на примере первого уравнения из табл. 1. Для этого вначале строится тренд квадратов остатков. Затем вычисляется коэффициент корреляции (R) взаимосвязи построенной параболы и квадрата фактических остатков. Коэффициент корреляции позволяет вычислить статистику Уайта (W):
где n – количество лет временного ряда.
Теоретическое значение критерия Уайта подчиняется обратному распределению хи-квадрат при определенном уровне значимости [10]. Теоретическое значение критерия равно 4,605 при значимости 10 %. Так как значение критерия Уайта больше теоретического, то остатки незначительные. Погрешность модели урожайности зерновых не превышает 10 %. Результаты проверки остатков модели на гомоскедастичность сведены в табл. 6.
Таблица 6 – Результаты проверки остатков по критерию Уайта
Выводы. Моделирование средней урожайности зерновых выполнено с использованием данных Росстата, проверенных на однородность по критерию Колмогорова – Смирнова на 5 % уровне. Построенные регрессионные уравнения оценены на значимость по критерию Фишера и, следовательно, могут быть использованы для прогноза урожайности зерновых. Использование метода главных компонент позволило значительно уменьшить число учитываемых факторов, выявить наиболее значимые, которые вошли в уравнение урожайности сельскохозяйственной культуры. На основе оценки остатков моделей по методу Уайта погрешность модели урожайности не превышает 10 %.
Необходимость учета влияния на продуктивность растений множества сильно варьирующих факторов в динамике (биологических особенностей растений, почвенных, климатических, агротехнических, экономических и других факторов) обуславливает развитие системного подхода к управлению формированием урожая на основе моделирования. Точный расчет с применением математических моделей и вычислительной техники обеспечивает наиболее эффективное использование ресурсов с учетом роста плодородия полей и охраны окружающей среды. Это повышает объективность, точность решения задач оптимизации по сравнению с традиционными методами принятия решений на основе практического опыта и интуиции.
В зарубежных странах с развитым сельским хозяйством моделирование находит все большее значение для прогнозирования урожайности и управления формированием урожая сельскохозяйственных культур в целях достижения максимальной эффективности в земледелии. Потребность в разработке и совершенствовании математических моделей обусловлена непрерывным усложнением задач, возникающих во всех отраслях сельского хозяйства, имеющих системный характер, ужесточение требований к корректности и обоснованности принятия решений. Все это ведет к повышению удельного веса математических моделей в ряду средств современной информационной технологии.
В селекционных программах с помощью моделирования ведутся исследования для выявления оптимального сочетания признаков при проектировании новых сортов с заданными параметрами. По-видимому, в будущем значительная часть работы в этих программах будет состоять из разработки целесообразных моделей и сбора материала для математического моделирования.
Все многообразие разрабатываемых и применяемых математических моделей формирования урожая объединяется в три основных типа: балансовые, математико-статистические и динамические имитационные модели. В практике прогнозирования и программирования урожая наибольшее применение получили первые два типа. Комплексные динамические модели используются пока преимущественно для исследовательских целей — изучения особенностей механизмов, определяющих важнейшие физиологические процессы растений, возможность их адаптации и т.д. Для решения практических задач разрабатываются прикладные динамические модели продуктивности посевов сельскохозяйственных культур.
Методы планирования и организации фундаментальных и прикладных исследований, направленные на разработку моделей продукционного процесса растений, отличаются от традиционных. Это, прежде всего комплексные исследования, для которых характерен системный подход, позволяющий связать совокупность различных экспериментов физиологов, селекционеров, агрометеорологов, агрохимиков, растениеводов, математиков и инженеров в единую систему взаимосвязанных теоретических и экспериментальных работ, сориентированных на достижение единой цели. В зависимости от цели модели и ее структуры соотношение проводимых полевых, вегетационных, лабораторных опытов, исследований в фитотроне и на ЭВМ может быть различным. В связи с необходимостью проведения многофакторных опытов для определения параметров модели в этих исследованиях одним из наиболее рациональных является метод математического планирования эксперимента, базирующийся на основе математической статистики.
По мере накопления количественных данных о биологических процессах в растениях, а также о процессах, протекающих в системе почва – погода - растительный покров, совершенствования математических методов роль моделирования в программировании урожайности и селекции растений будет возрастать. Вместе с тем разработанные в ряде научных учреждений (Волгоградский СХИ, ЮжНИИГиМ, АФИ, MCXA, ВНИИ риса, ВНИИ кормов и др.) модели и системы программно-целевого управления урожаем отдельных культур и продуктивностью севооборотов в целом уже сейчас позволяют более эффективно использовать имеющиеся ресурсы, значительно снижать затраты труда на возделывание культур и получать запланированные урожаи.
ЗАКЛЮЧЕНИЕ
Селекция и интенсификация технологий в ряде экономически развитых стран определили современный высокий уровень урожайности зерновых (44—63 ц/га) и других культур. Есть основание считать, что дальнейшее нарастание производства сельскохозяйственной продукции в мире будет осуществляться на основе тех же факторов, прежде всего, за счет повышения уровня интенсификации земледелия в развивающихся странах. Но поскольку интенсификация земледелия на определенном этапе сопряжена с экономическими и экологическими издержками, важнейшее значение приобретают биологические и биофизические исследования, направленные на селекционное улучшение растений, стабильность производства сельскохозяйственной продукции и повышение ее качества.
Роль селекции в повышении фотосинтетической продуктивности растений современных сортов проявилась, главным образом, в изменении морфогенеза, т.е. генетическом улучшении структуры растений. Для значительного увеличения зерновой продуктивности новых сортов без изменения продолжительности вегетационного периода требуется повышение активности фотосинтетического аппарата на основе генетической перестройки его структуры и функций, детального изучения всех глубинных сторон процесса фотосинтеза, начиная с его первичных реакций. Рост продуктивности новых сортов кормовых культур, у которых общая надземная биомасса является хозяйственной частью урожая, также находится в прямой зависимости от активности фотосинтеза. Но при современном уровне знаний физиологии и генетики фотосинтеза и дыхания задача повышения активности фотосинтетического аппарата селекционными методами пока еще не имеет четкого решения.
Наряду с фотосинтезом, рост является важнейшей функцией продукционного процесса растений. Образовавшиеся в процессе фотосинтеза пластические вещества, а также синтезируемые при его участии стимуляторы и ингибиторы обеспечивают реализацию генетической программы роста и развития.
Кардинальным путем повышения урожайности сельскохозяйственных культур и ее стабильности, по мнению ряда исследователей, является создание генетически модифицированных растений (ГМР). Сдерживающими причинами широкомасштабного перевода растениеводства на этот путь развития являются: высокая стоимость работ по созданию ГМР и биобезопасность. Последнее обстоятельство вызывает обеспокоенность людей в различных странах мира и их протест против производства продуктов питания из ГМР. Теоретически не исключается, что в результате взаимодействия чужеродных и собственных генов генетически модифицируемого организма, а также воздействия мутагенных факторов среды могут возникать наследственные изменения, приводящие к образованию опасных для здоровья людей и окружающей среды, токсичных белков и других органических соединений. Следует отметить, что эти вопросы находятся под контролем специальных комиссий по биобезопасности, созданных во многих странах занимающихся генно-инженерными работами, в т.ч. и в России. Другой путь управления продукционным процессом растений в целях повышения их устойчивости к стрессам и продуктивности — применение природных и синтетических фиторегуляторов путем обработки этими препаратами семян и посевов сельскохозяйственных культур. Недостатком этого способа является наличие генетической и экологической безопасности, особенно при использовании химических аналогов фитогормонов. В связи с вышеизложенным поиск новых приемов управления продукционным процессом растений является актуальным (Балашова и др., 2001).
Важнейшим резервом роста урожайности и его стабильности является наиболее полная реализация потенциальной продуктивности возделываемых сортов, эффективное использование почвенно-климатических, материальных и других ресурсов на основе оптимизации агроэкологического районирования сельскохозяйственных культур, конструирования продуктивных и устойчивых агроэкосистем. Для принятия необходимых мер, обеспечивающих формирование высокопродуктивных растений, требуется диагноз биологической ситуации в посеве. Этой цели служит биологический контроль. Мировой опыт свидетельствует о необходимости перехода к так называемой "биологизации" технологий, предусматривающей максимальное согласование их с биологическими требованиями культуры, к стратегии интегрированного использования генетических, природных и техногенных факторов. В интегрированной системе выращивания сельскохозяйственных культур все больше будет возрастать роль сорта, так как он является наиболее надежным и экономически выгодным фактором повышения урожайности и ее стабильности.
Эффективность селекционной работы тесно связана с организацией семеноводства, быстрого размножения новых сортов и получения высококачественных семян. Влияние почвенно-климатических условий на формирование урожайных свойств семян вызывает необходимость экологического подхода при организации семеноводства, т. е. концентрации его в наиболее благоприятных зонах для производства высокоурожайных семян.
В перспективе в мире рост производства продуктов питания и другой сельскохозяйственной продукции будет определяться прежде всего, уровнем разработки и применения двух видов наукоемких технологий: биотехнологии и информационных технологий. Последние включают в себя компьютерные технологии, передачу в организм генетической информации (связь с биотехнологией) и адресной информации в виде химических и физических сигналов (определенной структуры и свойства). Использование низкоэнергетических факторов (физиологически активные вещества в низких концентрациях, слабые физические излучения — например, сигналы специальной формы, ССФ) открывает широкие возможности для управления живыми системами и организмами. Это особенно важно для повышения адаптации растений к неблагоприятным условиям выращивания, эффективного использования генетических, почвенно-климатических ресурсов, техногенных факторов и охраны окружающей среды.
Основные этапы развития астрономии. Гипотеза Лапласа: С точки зрения гипотезы Лапласа, это совершенно непонятно.
Одной из наиболее продвинутых областей в математической экологии является моделирование продукционного процесса растений. Это определяется практической значимостью таких моделей для оптимизации агрокультуры и тепличного хозяйства. Здесь математические модели используются для выбора оптимальной стратегии проведения сельскохозяйственных мероприятий: орошения, полива, внесения удобрений, выбора сроков посева или посадки растений с целью получения максимального урожая. Для полностью контролируемого тепличного хозяйства возможно построение модели, описывающей весь цикл процессов при заданных условиях. Тогда с помощью модели оптимальный "рецепт" управления культурой может быть задан полностью на все время вегетации.
Если же моделируется посев в открытом грунте, на который оказывают влияние непредсказуемые погодные условия, агробиоценоз нуждается в оперативном управлении, для него используются динамические модели, допускающие оперативное изменение параметров и, возможно. структуры модели в соответствии с изменениями погодных условий.
Всю систему происходящих в агробиоценозе процессов обычно представляют в виде блочной иерархической структуры. Выделяются биотический и абиотический блоки. Среди биотических процессов выделяют в отдельные блоки рост и развитие посева, функционирование почвенной микрофлоры, развитие энтомофауны, развитие болезней сельскохозяйственных культур, взаимодействие посева с сорняками и др.
Абиотические блоки включают в себя модели, описывающие формирование теплового, водного режима почвы и приземных слоев воздуха, концентрации и передвиженеия биогенных и токсических солей, различных остатков распада пестицидов, ростовых веществ и метаболитов в почве, концентрации углекислого газа в посеве. Пример блок-схемы модели продуктивности агроэкосистемы приведен на рис. 6.
Рис.6. Схема взаимодействия процессов в агроэкосистеме пшеницы. |
Блочная структура позволяет изучать, изменять и детализировать одни блоки, не меняя других. Как правило, число параметров внутри блоков существенно больше числа параметров, которыми блоки соединяются между собой. На основе блоков синтезируются целостные динамические модели, способные прогнозировать изменение во времени ряда характерных параметров растений, в первую очередь биомассу всего растения и отдельных органов, начиная от всходов (иногда от момента посева) до завершения вегетации (созревания). Первые такие модели были разработаны коллективом американских авторов (SPAM - Soil-Plant-Atmosphere Model, Schaweroft et.al., 1974) и де Витом и его группой (BESCROP - Basic Crop Simulation, De Wit, 1978). В настоящее время имеется несколько десятков такого типа моделей формирования урожая, разработанных с разной степенью детализации для сои, пшеницы. трав, кукурузы, хлопчатника и других культур.
Структура и сложность модели продукционного процесса растений, степень ее детализации, форма представления процессов, происходящих в растении, определяются двумя обстоятельствами: предметом и целью моделирования. Модель роста травы, биомассу которой можно считать однородной, предназначенной для корма скота, может быть существенно проще, чем модели культур, урожай которых заключен в репродуктивных органах (злаки, бобовые) или корнеплодах. Для практических целей удобнее простая модель, позволяющая давать прогноз урожая при определенных погодных условиях или рекомендации по оптимальному режиму полива и внесения минеральных удобрений. Изучение физиологических особенностей растений и их реакций на почвенные и погодные условия требует построения сложных моделей с блочной структурой.
Рис.7. Блок-схема модели сои. |
На рис. 7 представлена блок схема модели посева сои, которая представляет имитационное описание роста, развития и урожайности сои и считается наиболее подробной из разработанных к настоящему времени моделей сельскохозяйственных культур. В ней объединены несколько субмоделей и большое количество входных данных. В модели SOYMOD четыре: категории сухого вещества: структурные углеводы, доступные углеводы (неустойчивые соединения, которые могут передвигаться по растению), крахмал и белок. Эти вещества распределяются между различными морфологическими частями: пластинками и черешками листьев, плодами и корнями. Предполагается, что необходимые для процессов роста и жизнедеятельности растения материалы - это азот и углерод. Они перемещаются между морфологическими частями растения и реализуются в этих частях для роста, дыхания, образования новых органов, транспортных процессов. Соотношение между углеродом и азотом используют в качестве функций контроля за ростом различных частей растения. В этом смысле модель сои относится к моделям углеродно-азотного типа.
Модель агрофитоценоза пшеницы (система Симона) - наиболее детальная отечественная имитационная модель продукционного процесса сельскохозяйственных растений разработана под руководством P.А. Полуэктова в Петербургском агрофизическом институте. С математической точки зрения модель представляет собой систему из нескольких уравнений в частных производных параболического типа и нескольких десятков обыкновенных дифференциальных уравнений. При переходе к численной схеме выбирают шаг интегрирования по координате х и по времени t. Базовый временной шаг модели выбран равным одному часу, это позволяет имитировать суточный ход как абиотических (энергообмен), так и биотических (фотосинтез, метаболизм) процессов. Состояние абиотической части системы характеризуется набором вертикально распределенных переменных: радиации, температуры, и влажности воздуха в посеве, температуры и влажности почвы и др. Биологическая часть системы представлена переменными: плотность ассимилирующей поверхности фитоэлементов , поглощающей поверхности корней , плотность отдельных составляющих биомассы (углеводы, аминокислоты, белки) и фитомассы в целом и др.
В модель включено описание процессов трех типов (рис.6):
1) энерго- и массообмен, происходящий в среде обитания растений (в почве и приземном воздухе) и в самих растениях; 2) совокупность биофизических и физиологических процессов в растительном покрове, определяющих прирост биомассы, рост и развитие отдельных органов растения и формирования урожая; 3) экологическое взаимодействие культурных растений с сорняками, болезнетворными микроорганизмами и вредителями.
В качестве входных переменных выступают контролируемые (агротехника) и неконтролируемые (погода) внешние воздействия. Динамика погодных условий представлена реализациями многомерного случайного процесса. Отдельные блоки модели подробно описаны в монографиях: (Бондаренко и др., 1982; Заславский, Полуэктов, 1988). Каждый из блоков представляет собой описание группы однородных физических, биофизических, биохимических или физиологических процессов в отдельных частях системы почва-растение-атмосфера. Каждый из блоков решает свою математическую задачу, и может быть верифицирован (т.е. проведена проверка правильности его работы) на независимых массивах экспериментальных данных. Объединение блоков в целостную систему и возможная последующая редукция (упрощение) этой системы представляет собой также самостоятельную задачу из области теории сложных систем.
Модели типа SOYMOD или СИМОНА слишком сложны для использования в практике. В своем полном объеме такие модели, действительно, служат исследовательским целям, причем они непрерывно развиваются, их структура и значения параметров уточняются с использованием новейших данных о характеристиках моделируемой системы. Их тщательный анализ открывает путь и для практических применений. Потребитель может вести диалог для решения конкретных практических вопросов сельскохозяйственного производства. Например, запрашивать возможные пределы изменения урожая для конкретного поля, задавая величину и сроки выпадения осадков или решать оптимизационные задачи о сроках и дозах внесения удобрений.
Детальный анализ условий среды и подбор растений, имеющих максимальную продуктивность в каждой "точке" исследуемой территории. Разработка базы данных "Декоративные растения" и методики определения продуктивности растений, вошедших в базу данных.
| Рубрика | Сельское, лесное хозяйство и землепользование |
| Вид | статья |
| Язык | русский |
| Дата добавления | 19.05.2018 |
| Размер файла | 661,2 K |
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
ИССЛЕДОВАНИЕ МЕЛИОРАТИВНЫХ РЕЖИМОВ В СИСТЕМЕ ЛАНДШАФТНОГО ОБУСТРОЙСТВА МАЛЫХ СЕЛИТЕБНЫХ ТЕРРИТОРИЙ
Д.В. Сидоренко - магистр 6 курс
ФГОУ ВПО «Московский
г. Москва, Россия
На основании этого паспорта и детальной характеристики условий среды на территории составляется план размещения (районирования) планируемых к выращиванию растений на территории в целом.
The work purpose is working out of a database "Ornamental plants", and also working out of a technique definition of efficiency of the plants which have entered into a database.
On preliminary design stages of systems of landscape arrangement small territories, a number of researches on detailed studying of conditions of environment and selection of the plants having in each "point" of territory the maximum efficiency is spent. Such operation can be made, having the ecological passport of a plant.
On the basis of this passport and the detailed characteristic of conditions of environment in territory, the plan of placing (division into districts) of plants planned to cultivation for territories as a whole is made.
For simplification of such selection creation of the generalised database "Ornamental plants" on the plants most used in landscape design also is necessary.
Учитывая это, можно определить три способа согласования необходимых условий развития для растений (требований растений) и условий внешней среды.
Первый способ - поиск мест (азональных территорий), в которых условия среды будут соответствовать требованиям (мелиортивным режимам) интродуцированных растений. Второй способ - направленная селекция для получения растений с расширенными возможностями приспосабливаемости. Третий способ - искусственное изменение внешней среды для поддержания у растений необходимых условий роста. Это возможно при проведении комплексной мелиорации территории.
При использовании любого из этих способов необходимо знание мелиоративного режима обустраиваемой территории, и в частности, требований растений к условиям среды, выраженных в количественной форме.
Методы взаимодействия внешней среды и растений
Чтобы рассчитать потребность в мелиорациях, надо знать количественное выражение (S) требования растений к условиям внешней среды по водному (W), тепловому (t), пищевому (f) и другим факторам в зависимости от времени (), то есть иметь функцию
Для получения общей информации о требованиях растений рассмотрим сначала биологические законы, которые раскрывают взаимоотношение между внешней средой и растением.
Закон незаменимости факторов внешней среды обязывает доставлять растению, для нормального роста и развития, все факторы в необходимых соотношениях и количествах.
Закон минимума фактора весьма важен в мелиорации. Его можно описать следующим образом: развитие растения ограничивается тем фактором, который находится в наименьших, относительно оптимальных, количествах.
Закон оптимума - каждый фактор имеет оптимум, то есть понижение или повышение величины фактора вызывает ослабление жизненных процессов и при некотором удалении от оптимальной зоны значение фактора становится губительным для растения /Шабанов В.В., 1973/.
Общий вид зависимостей продуктивности растений от условий внешней среды
Многолетние исследования требований растений к совершенно различным условиям внешней среды, проведенные разными авторами, дают практически один и тот же вид кривой. Координатные оси, в которых строятся такие кривые, следующие: ось абсцисс - величина фактора внешней среды (W, t, f,…), ось ординат - дифференциальная характеристика роста и развития растения (интенсивность прироста урожая или интенсивность обменных процессов, интенсивность накопления какого-либо химического вещества и т.д.). Построенные в таких координатах кривые имеют колоколообразный вид практически для всех факторов внешней среды. В общем случае кривые могут быть и несимметричны.
Если на оси ординат отложить какой-либо интегральный показатель жизнедеятельности растения, например нарастающие суммы приростов массы или длины, то получим S-образную кривую. Дифференцируя ее, можно получить кривую интенсивности приростов, то есть колоколообразную кривую.
Некоторые математические модели системы растение-среда
1. Симметричная модель
Для каждого момента периода вегетации требования растений к условиям среды будут меняться, то есть для i-го момента времени будем иметь i-ю величину оптимального значения фактора Таким образом, оптимальное значение фактора - функция времени. Построим модель для i-го момента времени.
Ее можно представить в виде
где k - коэффициент пропорциональности, приводящий в соответствие размерности правой и левой частей.
Считая, что жизнедеятельность растений протекает в конечном диапазоне какого-либо фактора и достигает оптимального значения при , одной наиболее общей зависимостью S(ц) может служить кривая по виду аналогичная кривой распределения Пирсона 1-го типа, которую для рассматриваемого случая запишем в виде
где , г - параметр, имеющий размерность (1/ц), начало координат принято в точке , S = 0. Уравнение (3) удовлетворяет условиям: 1) S = 0 при и при ; 2) S = 1 при .
Представленную модель относят к статистическим и используют в основном для практических расчетов. Теоретические исследования лучше выполнять на так называемых динамических моделях
Динамическая модель Полуэктова Р.А. /Полуэктов Р.А., 2006/
Динамическая модель описывает продукционный процесс полевых культур. Она имеет блочную структуру (рис. 3) и включает описание следующих процессов, имеющих место в системе почва - растительный покров - приземный слой воздуха:
радиационного режима посева, включающее моделирование поглощенной посевом интегральной коротковолновой радиации, тепловой радиации и фотосинтетически активной радиации ФАР;
турбулентного режима посева;
фотосинтеза и фотодыхания;
развития растений (расчет физиологического времени, определяющего сроки наступления фенофаз);
распределения накопленных продуктов фотосинтеза по органам растения с учетом взаимодействия С:N в растениях, их роста, формирования хозяйственного урожая;
транспирации растений и испарения влаги с поверхности почвы;
динамики тепло- и влагопереноса в почвенном профиле;
трансформации и переноса соединений азота в почве;
прогнозирования темпов развития растений;
прогнозирования урожая (для зерновых начиная с фазы колошения);
выбора норм и сроков орошения в поливном земледелии;
выбора доз азотных удобрений, норм и сроков азотных подкормок.
Корнеобитаемая зона почвы ограничивается полутораметровым слоем почвы для воды и метровым слоем для азотных соединений. Шаг по времени в модели - сутки
где mp - масса р-го органа, мг/см2, р є l, s, ls, r, k, z; t - время, сут; Gp, Dp, qp, Pp - скорости роста, дыхания, распада и опада тканей растений, мг/(см2·сут); Wt - запасы влаги i-го слоя почвы, мм (i = 1,15); qi-1, qi - потоки воды через верхнюю и нижнюю границы i-го слоя, мм/сут; для 1-го слоя поток через верхнюю границу (q0) равен эффективным осадкам (Rэф); TRi - затраты воды на транспирацию из i-го слоя почвы, мм/сут; дi - логическая переменная, равная 1 при I = 0 и нулю во всех остальных случаях; Е - испарение с поверхности почвы, мм/сут; Nk - содержание нитратов в k-м слое почвы (k = 1,3), мг/см2; Нk - скорость минерализации легкогидролизуемого органического азота, мг/(см2·сут); UN - количество минеральных удобрений с учетом их иммобилизации, мг/(см2·сут); дk - логическая переменная, принимающая значение дk = 1 для первого слоя почвы в день внесения удобрений и дk = 0 во всех случаях; Vk-1, Vk - потоки минерального азота с водой через верхнюю и нижнюю границы k-го слоя (V0 = 0), мг/(см2·сут); hk - скорость денитрификации минерального азота, мг/(см2·сут); Аk - поглощение азота растениями из k-го слоя почвы, мг/(см2·сут).
Модель делится на три взаимосвязанных блока, в каждом из которых решается соответствующая подсистема уравнений для расчета:
динамики фитомассы отдельных органов растений в результате моделирования процессов фотосинтеза, дыхания, роста, распада, развития и старения;
динамики влагозапасов почвы в результате моделирования процессов инфильтрации, испарения, транспирации и корневого поглощения воды;
динамики минерального азота почвы путем моделирования процессов нитрификации, денитрификации, корневого поглощения и вымывания.
Модель Хомякова Т.М., Пегова С.А. /Кирейчева Л.В. и др., 2008/
Для оценки величины продуктивности мелиорированных угодий возможно использовать модель, разработанную Т.М. Хомяковым, С.А. Пеговым, так как она является интегральной и позволяет учитывать свойства почвы, выражающиеся через индекс почвы (S), влияние климатических условий, определяемых коэффициентом благоприятности климата для естественных ценозов (CL) и показателем соответствия климатических условий данной культуре (ART) - для агроценозов, а также уровень культуры производства (GGR):
(для естественных ценозов);
Коэффициент экологической устойчивости мелиорированного агроландшафта имеет следующий вид
где К'эс - коэффициент экологической стабильности агроландшафта; - коэффициент устойчивости каждого выдела (местности); Fi - площадь каждого выдела (местности). Величина коэффициента устойчивости находится в интервале 0…1, поэтому значения коэффициентов К'эс, должны находиться в аналогичных пределах.
Коэффициент устойчивости каждого выдела рассчитывается следующим образом
где Хopt - оптимальное значение i-го показателя; Хi - текущее значение i-го показателя;
Хmin, Хmax - соответственно, минимальное и максимальное значение i-го показателя; Hi - содержание гумуса в почве в i-ой точке, %; Thi - мощность гумусовых горизонтов почв, см; - содержание элементов минерального питания в гумусовых горизонтах почвы, в долях от максимального значения; Qi - величина оросительной нормы, мм; рНi - кислотность гумусовых горизонтов почв; Сi - содержание физической глины, %; Di - норма осушения, см; Тi - величина сработки торфа, см.
Коэффициент К'yi преобразуется в коэффициент устойчивости Кyi, значения которого находятся в пределах 0…1, следующим образом
Эта модель более приспособлена для использования в практической деятельности, но и она требует достаточно большого количества исходной информации, получить которую не всегда возможно.
В последнее время ландшафтный дизайн приобретает всё большую популярность. Главное направление инженерной поддержки ландшафтного дизайна заключается в подборе растения под определенные условия внешней среды. Методология восстановления экологически нарушенных ландшафтов может быть реализована путем определения условий среды на отдельных участках территории и подбора растений для этих условий. В случае существенного различия между требованиями растений и условиями внешней среды проектируется система, изменяющая и поддерживающая условия среды в требуемых диапазонах, то есть создается система многофакторного (комплексного) мелиоративного регулирования.
Рис. 4. Экологический паспорт растения На основании этого паспорта и детальной характеристики условий среды на территории составляется план размещения (районирования) планируемых к выращиванию растений на территории в целом.
Для облегчения такого подбора необходимо создание обобщенной базы данных по наиболее используемым в ландшафтном дизайне растениям.
В качестве инструмента для разработки базы данных использована система управления данными фирмы Microsoft -- Microsoft Office Access.
В настоящее время, на кафедре природообустройства и водопользования МГУП, разработана база данных для цветущих растений, но в ближайшем будущем планируется создание такой же базы данных по кустарникам и деревьям.
Библиографический список
1. Абашина Е.В., Сиротенко О.Д. Прикладная динамическая модель формирования урожая для имитационных систем агрометеорологического обеспечения сельского хозяйства // Труды Всесоюзного научно-исследовательского института сельскохозяйственной метеорологии. 1986. № 21. С. 13-33.
2. Голованов А.И., Сухарев Ю.И., Шабанов В.В. Комплексное обустройство территорий - дальнейший этап мелиорации земель. // Мелиорация и водное хозяйство. 2006. № 2.
3. Кирейчева Л.В., Белова И.В. и др. Технологии управления продуктивностью мелиорируемых агроландшафтов различных регионов Российской Федерации. - М., 2008.
4. Кирюшин В.И. Экологические основы земледелия. - М.: Колос, 1996. 367 с.
5. Полуэктов Р.А. и др. Модели продукционного процесса сельскохозяйственных культур. - М., 2006.
6. Сиротенко О.Д. Математическое моделирование водно-теплового режима и продуктивности гроэкосистем. - Л.: Гидрометеоиздат, 1981. 167с.
7. Сиротенко О.Д., Абашина Е.В. Об использовании динамических моделей для оценки агрометеорологических условий формирования урожаев //Метеорология и гидрология. 1982. № 8. С. 95-101.
8. Смирнов П.М., Муравин Э.А. Агрохимия. - М.: Колос, 1984. 2-е изд., перераб. и доп. 304 с.
9. Шабанов В. В. Биоклиматическое обоснование мелиораций. - Л.: Гидрометеоиздат, 1973.
10. Шишов Л.Л., Булгаков Д.С., Карманов И.И., Андроников В.Л., Славный Ю.А. Региональные эталоны почвенного плодородия. - М.: Агропромиздат, 1991. 274 с.
Подобные документы
Характеристика почвенно-климатических условий озеленяемой территории. Обоснование выбора территории для местоположения питомника декоративных древесных растений. Подбор ассортимента растений, принятых к размножению. Разработка схем севооборотов.
курсовая работа [51,0 K], добавлен 14.01.2014
Основные направления в интегрированной системе защиты растений как средство повышения урожайности сельскохозяйственных культур. Роль интегрированной защиты растений в охране окружающей среды. Классификация методов, принципы проведения защиты растений.
реферат [19,7 K], добавлен 23.03.2012
Характеристика природных условий хозяйства с/к Белореченского. Сведения о вредителе защищаемой культуры. Вредители и болезни растений и меры борьбы с ними. Сорные растения и меры борьбы с ними. Разработка и план мероприятий по химической защите растений.
курсовая работа [58,6 K], добавлен 22.12.2010
Осуществление ухода, борьба с болезнями и вредителями цветочных растений, выявление наиболее встречающихся болезней и вредителей. Составление композиций из горшечных растений, оценка их декоративности. Подбор растений, выносливых к комнатным условиям.
отчет по практике [2,7 M], добавлен 07.01.2014
Способы и технология озеленения современного города. Инженерная и агротехническая подготовка территории. Основные типы и классификация древесно-кустарниковых насаждений. Учет условий внешней среды и морфологических признаков растений при их подборе.
Читайте также: