Методологические аспекты прогнозирования урожайности озимой ржи на землях, выбывших из сельскохозяйственного оборота

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Исследования проводили с целью сравнения пригодности двух математических методов для процедуры прогнозирования урожайности озимой ржи в пределах заброшенных земель. Обучающим множеством для настройки прогностических моделей (регрессионного и нейросетевого анализа) послужили результаты длительного мониторинга урожайности озимой ржи на агроэкологической трансекте, заложенной в пределах конечно-моренного холма вблизи г. Тверь. Уравнения регрессии и перцептроны, полученные для разных климатических обстановок, описывающие зависимость урожайности ржи от ландшафтных условий, были применены для прогнозирования ее продуктивности в условиях заброшенных земель, расположенных в том же регионе. Разработанные прогнозы на основе регрессионных и нейросетевых моделей различаются только в деталях. Карты прогнозной урожайности озимой ржи, созданные на основе различных математических подходов, свидетельствуют о пригодности изучаемой территории для выращивания этой культуры, прогнозная средневзвешенная урожайность которой в ее пределах варьирует от 1,52 до 2,61 т/га. Оптимальное местоположение для размещения посевов ржи на основании карты, созданной по результатам прогнозирования, – ландшафт моренно-ледниковой равнины, а ареалы, неблагоприятные для выращивания этой культуры, располагаются в пределах зандровой равнины и долины р. Волга. Для целей адаптивно-ландшафтного земледелия Нечерноземья необходимо рекомендовать совместное использование регрессионного и нейросетевого анализа для получения наиболее достоверных и информативных прогнозов. Создание карт прогнозной урожайности озимой ржи в пределах заброшенного участка на основе архивных данных имеет не только методологический, но и прикладной смысл, так как эта процедура позволяет оценить его пригодность к выращиванию культуры и тем самым ответить на вопрос о целесообразности проведения дорогостоящих экспедиционных исследований.

Полный текст

Доступ закрыт

Об авторах

Д. А. Иванов

Федеральный исследовательский центр «Почвенный институт им. В. В. Докучаева»

Автор, ответственный за переписку.
Email: 2016vniimz-noo@list.ru

доктор сельскохозяйственных наук, член-корреспондент РАН

Россия, 119017, Москва, Пыжевский пер., 7, стр. 2

С. В. Архипов

Федеральный исследовательский центр «Почвенный институт им. В. В. Докучаева»

Email: 2016vniimz-noo@list.ru

кандидат физико-математических наук

Россия, 119017, Москва, Пыжевский пер., 7, стр. 2

О. Н. Анциферова

Федеральный исследовательский центр «Почвенный институт им. В. В. Докучаева»

Email: 2016vniimz-noo@list.ru

кандидат сельскохозяйственных наук

Россия, 119017, Москва, Пыжевский пер., 7, стр. 2

К. С. Курпас

Федеральный исследовательский центр «Почвенный институт им. В. В. Докучаева»

Email: 2016vniimz-noo@list.ru
Россия, 119017, Москва, Пыжевский пер., 7, стр. 2

Список литературы

  1. Динамика сельскохозяйственных земель России в XX веке и постагрогенное восстановление растительности и почв / Д. И. Люри, С. В. Горячкин, Н. А. Караваева и др. М.: ГЕОС, 2010. 415 с. ISBN 978-5-89118-500-5.
  2. Сысуев В. В., Матасов В. М., Бричева С. С. Геофизический подход к установлению ландшафтных границ // Вестник Воронежского государственного университета. Серия: География. Геоэкология. 2024. № 1. С. 34–48. doi: 10.17308/geo/1609-0683/2024/1/34-48.
  3. Детерминанты пространственного распределения заброшенных сельскохозяйственных земель в европейской части России / А. В. Прищепов, Д. Мюллер, М. Ю. Дубинин и др. // Пространственная экономика. 2013. № 3. С. 30–62.
  4. Щерба В. Н., Долматова О. Н. Оценка состояния и перспективы развития системы землепользования южной лесостепи Омской области // Московский экономический журнал. 2022. № 5. С. 107–122. doi: 10.55186/2413046X_2022_7_5_323.
  5. Methodological evolution of potato yield prediction: a comprehensive review / Y. Lin, S. Li, S. Duan, et al // Frontiers in Plant Science. 2023. No. 14. P. 1214006. URL: https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2023.1214006/full (дата обращения: 21.01.2025). doi: 10.3389/fpls.2023.1214006.
  6. Бисчоков Р. М., Ахматов М. М. Анализ и прогноз урожайности сельскохозяйственных культур методами нечеткой логики // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2021. № 168. С. 274–287. URL: https://www.elibrary.ru/item.asp?id=45849137 (дата обращения: 21.01.2025). doi: 10.21515/1990-4665-168-020.
  7. Бисчоков Р. М. Анализ, моделирование и прогноз урожайности сельскохозяйственных культур средствами искусственных нейронных сетей // Вестник Российского университета дружбы народов. Серия: Агрономия и животноводство. 2022. Т. 17. № 2. C. 146–157. doi: 10.22363/2312-797X 2022-17-2-146-157.
  8. Лебедева В. М., Найдина Т. А. Учет осенне-зимнего увлажнения почвы в динамико-статистической модели прогноза урожайности озимых культур // Гидрометеорологические исследования и прогнозы. 2022. № 4 (386). С. 79–95. doi: 10.37162/2618-9631-2022-4-79-95.
  9. Андрющенко С. А. Тенденции и условия повышения экологической устойчивости АПК Российской Федерации // Международный сельскохозяйственный журнал. 2023. № 2(392). С. 143–146. doi: 10.55186/25876740_2023_66_2_143.
  10. Шалов Т. Б., Азубеков Л. Х. Адаптивно-ландшафтные системы земледелия в схеме землеустройства территории сельского поселения // Земледелие. 2013. № 6. С. 28–29.
  11. Principles and applications of topography in precision agriculture / A. H. Rabia, J. Neupane, Z. Lin, et al. // Advances in Agronomy. 2022. Vol. 171. P. 143–189. doi: 10.1016/bs.agron.2021.08.005.
  12. Иванов Д. А., Карасева О. В., Рублюк М. В. Изучение динамики продуктивности трав на основе данных многолетнего мониторинга // Аграрная наука Евро-Северо-Востока. 2021. № 22(1). С. 76–84. doi: 10.30766/2072-9081.2021.22.1.76-84.
  13. Средостабилизирующая роль многолетних трав в условиях современных вызовов экологического и климатического характера / А. И. Белолюбцев, А. Н. Куприянов, И. А. Кузнецов и др. // АгроЭкоИнфо. 2023. № 1(55). URL: http://agroecoinfo.ru/STATYI/2023/1/st_127.pdf (дата обращения: 21.01.2025).
  14. The application of the soil-agroclimatic index for assessing the agronomic poten-tial of arable lands in the forest-steppe zone of Russia / D. S. Bulgakov, D. I. Rukhovich, E. A. Shishkonakova, et al. // Eurasian Soil Science. 2018. Vol. 51 (4). Р. 448–459. doi: 10.1134/S1064229318040038.
  15. Шашко Д. И. Розов Н. Н. Внутриобластное природно-сельскохозяйственное районирования как форма учета биоклиматического потенциала // Земледелие. 1989. № 3. С. 18–22.
  16. Беручашвили Н. Л. Геофизика ландшафта. М.: Высшая школа, 1990. 287 с.
  17. Иванов Д. А. Влияние почв и рельефа на продуктивность разновозрастных травостоев // Международный сельскохозяйственный журнал. 2021. № 4(382). С. 73–76. doi: 10.24412/2587-6740-2021-4-73-76.
  18. Рублюк М. В., Иванов Д. А., Карасева О. В. Влияние осушаемых агроландшафтов на свойства почвы и элементы структуры урожая озимой ржи // Плодородие. 2023. № 1 (130). С. 72–76. doi: 10.25680/S19948603.2023.130.17.
  19. Сысуев В. А., Кедрова Л. И., Уткина Е. И. Значение озимой ржи для сохранения природного агроэкологического баланса и здоровья человека (обзор) // Теоретическая и прикладная экология. 2020. № 1. С. 14–20. doi: 10.25750/1995-4301-2020-1-014-020.
  20. Минаев П. А. Анализ неиспользуемых земель сельскохозяйственного назначения России // Наука без границ. 2021. № 9(61). С. 26–32.
  21. Плохинский Н. А. Биометрия. М.: МГУ, 1970. 367 с.
  22. Learn R Programming. Neuralnet: Training of neural networks. URL: https://www.rdocumentation.org/packages/neuralnet/versions/1.44.2/topics/neuralnet (дата обращения: 14.02.2025).
  23. Hjort J., Marmion M. Effects of sample size on the accuracy of geomorphological models // Geomorphology. 2008. Vol. 102. P. 341–350.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Карта-схема ландшафтного устройства ОПХ «Заветы Ленина».

Скачать (315KB)
Метаданные
3. Рис. 2. Результаты кластеризации данных по урожайности озимой ржи на агроэкологической трансекте по годам наблюдения (1…4 номера кластеров).

Скачать (100KB)
Метаданные
4. Рис. 3. Степени воздействия факторов на урожайность озимой ржи в условиях разных кластеров.

Скачать (129KB)
Метаданные
5. Рис. 4. Оптимальные нейросети для каждого кластера (1…4 – номера кластеров).

Скачать (182KB)
Метаданные
6. Рис. 5. Пространственная динамика реальной и прогнозной урожайности ржи в пределах агроэкологической трансекты для разных кластеров (1…4 – номера кластеров).

Скачать (207KB)
Метаданные
7. Рис. 6. Результаты кластерного анализа реальных и прогностических данных урожайности на трансекте.

Скачать (90KB)
Метаданные
8. Рис. 7. Климатические условия, реальная (для трансекты) и прогностическая (для хозяйства) продуктивность ржи в условиях различных кластеров.

Скачать (174KB)
Метаданные
9. Рис. 8. Районирование территории хозяйства по степени пригодности к выращиванию озимой ржи на основе разных прогностических процедур.

Скачать (391KB)
Метаданные

© Российская академия наук, 2025