CC BY
101
УДК 551.58:631.58
МЕТОДОЛОГИЯ И ТЕХНОЛОГИЯ АГРОМОНИТОРИНГА В ЗАДАЧАХ РАЦИОНАЛЬНОГО АГРАРНОГО ПРИРОДОПОЛЬЗОВАНИЯ
Владимир Алексеевич Понько
СибНИИЗиХ, Лаборатория геомониторинга и геоинформационного моделирования, 630501, Россия, Новосибирская обл., п. г. т. Краснообск, тел. (383)348-67-02, e-mail: [email protected]
Владимир Климентьевич Каличкин
СибНИИЗиХ, Лаборатория геомониторинга и геоинформационного моделирования, 630501, Россия, Новосибирская обл., п. г. т. Краснообск, тел. (383)348-67-02, e-mail: [email protected]
Марина Ивановна Иванова
СибНИИЗиХ, Лаборатория геомониторинга и геоинформационного моделирования, 630501, Россия, Новосибирская обл., п. г. т. Краснообск, тел. (383)348-67-02, e-mail: [email protected]
Саир Вафирович Хизаметдинов
СибНИИЗиХ, Лаборатория геомониторинга и геоинформационного моделирования, 630501, Россия, Новосибирская обл., п. г. т. Краснообск, тел. (383)348-67-02, e-mail: [email protected]
Агромониторинг включает: анализ глобальной информации о почвенно-растительном покрове в рамках модели «климат - почва - урожай»; пополнение вековых агрометеорологических архивов данными гидрометеорологического и космического мониторинга; применение новых способов агрометеорологического прогнозирования для решения задач агроклиматической адаптации растениеводства, земледелия, мелиораций. Схемы агромониторинга включены в систему космогеопрогноза.
Ключевые слова: агроклиматические ресурсы, агромониторинг, астрогеомониторинг, математические модели, космогеопрогноз.
METHODOLOGY AND TECHNOLOGY OF THE AGROMONITORING IN PROBLEMS OF RATIONAL AGRARIAN NATURE MANAGEMENT
Vladimir A. Ponko
SibNIIZiC, Laboratory of geomonitoring and geoconstruction of information model, sia, Novosibirsk region, Krasnoobsk, tel. (383)348-67-02, e-mail: [email protected]
Vladimir K. Kalichkin
SibNIIZiC, Laboratory of geomonitoring and geoconstruction of information model, sia, Novosibirsk region, Krasnoobsk, tel. (383)348-67-02, e-mail: [email protected]
Marina I. Ivanova
SibNIIZiC, Laboratory of geomonitoring and geoconstruction of information model, sia, Novosibirsk region, Krasnoobsk, tel. (383)348-67-02, e-mail: [email protected]
Sair V. Khizametdinov
SibNIIZiC, Laboratory of geomonitoring and geoconstruction of information model, sia, Novosibirsk region, Krasnoobsk, tel. (383)348-67-02, e-mail: [email protected]
630501, Rus-
630501, Rus-
630501, Rus-
630501, Rus-
Agricultural monitoring includes analysis of global information on land cover in the model of «climate-soil-crop»; replenishment of the age-old agro-meteorological archives with new data of hydro-meteorological and space monitoring; the application of new methods for agro meteorological forecasting to meet the challenges of agro-climatic adaptation of plant growing, farming, improvement of the soil. Agromonitoring schemes included in the system of kosmogeoprognoz.
Key words: agro-climatic resources, agromonitoring, astrogeomonitoring, mathematical models, kosmogeoprognoz.
Рациональное аграрное природопользование это система деятельности в отраслях аграрной сферы (растениеводство, земледелие, мелиорации), которая призвана обеспечить эффективные режимы использования агроклиматических ресурсов с учетом перспективных интересов общества и отраслей. Для этого необходима оценка почвенно-климатического потенциала агроландшаф-тов - агросистем с однотипными климатическими условиями, рельефом, почвами, агроценозами. Актуальны задачи адаптации отраслей к изменчивости климата с помощью долгосрочного прогнозирования агроклиматических ресурсов. В Основах государственной политики в области экологического развития РФ до 2030 года сказано о необходимости использования климатических прогнозов для рационального освоения сельскохозяйственных земель и лесов. Особую актуальность представляют прогнозы засухи и переувлажнения, вызывающих резкие спады урожайности культур.
На протяжении веков зоны аграрной деятельности определялись из народного опыта. Научное обобщение фактов природно-климатической зональности было заложено в трудах А. Гумбольдта, В.В. Докучаева, А.И. Воейкова. В последующем закон зональности «вещественно» наполнялся подведением количественного базиса в виде характеристик теплообеспеченности и увлажнения территории суши. Но не было универсальной связи между климатом, продуктивностью почв и урожайностью для всего земного пространства. Урожайность - количество продукции растениеводства с единицы посевной площади, рассчитываемая обычно в зерновом эквиваленте (ц зерновых единиц с гектара).
Авторами разработана методология агрометеомониторинга, включающая в себя анализ в рамках модели «климат-почва-урожай» информации о почвен-но-растительном покрове и урожайности культур; пополнение вековых архивов данными гидрометеорологического и космического мониторинга; применение новых способов прогнозирования для решения задач агроклиматической адаптации отраслей. Адаптация растениеводства, земледелия, водных мелиораций заключается в гибкой привязке агротехнологий к изменчивости гидрометеорологических условий с помощью долгосрочных (на сельскохозяйственный год) и сверхдолгосрочных прогнозов аномалий климата, увлажнения, урожайности.
Разработана модель почвенно-климатического зонирования Земного шара и урожайности. Урожайность V рассчитывается по климатической формуле в центнерах зерновых единиц с гектара:
V = 10KtK«Ae> 'кр'ж -1), если ку< 1,
V = \ОКгКФАР{е(1/ку)'кр'жесли ку> 1,
где К - коэффициент теплообеспеченности как отношение суммы среднесуточных положительных (активных) температур вегетационного периода к максимальной климатической сумме температур на Земле (10946°);
КФАР - коэффициент использования фотосинтетически активной радиации (ФАР), близкий к 1,0;
ку - коэффициент увлажнения как соотношение между количеством осадков (К) и испаряемостью, связанной с температурой воздуха: Я / (0,177*^Т>0°);
константы е = 2,718..., ж =3,14...;
-5
кр - коэффициент «развития», равный 1,0507 или (1,0167) .
В климатической формуле отражаются пропорции трансформации в биотическую продукцию энергии света (ФАР), тепла или «напряженности» ФАР и увлажнения. Значения V, составленные из безразмерных коэффициентов,
2 4 2
в конечном счете соответствуют размерности кг, м: (10 кг / 10 м).
В умеренном поясе максимум продуктивности почв идентифицируется с выщелоченными черноземами, севернее которых отмечается промывной режим почв, а южнее - дефицитный по влаге. Чтобы отразить гидротермический оптимум, значения коэффициентов увлажнения рассматриваются относительно единицы: ку = ку, если ку <1, и ку = 1/ ку , если ку >1.
При единичных значениях К, КФАР и ку предельная урожайность составляет 261,8 центнера зерновых единиц с гектара. Она получена в опытах на фитотроне при круглосуточном освещении либо в нескольких урожаях за год на орошаемых участках в Аравийской пустыне. Расчет по экспоненциальной зависимости показывает, например, что увеличение ку от 0,65 на южном черноземе до к=1,0 на обыкновенном черноземе, т.е. на 35%, соответствует росту урожайности в 3,5 раза.
Проверка климатической формулы проведена на примерах продуктивности почв Земного шара (табл. ), урожайности в районах и на опытных полях.
Таблица
Связь средней урожайности зерновых культур (V) согласно климатической формуле и продуктивности почв из [1], равной (¥*в)
Почвы (У*е), ц/га Суммы температур выше 0о Коэффициенты увлажнения V, ц/га (табл.1)
Тундровые 10-25 300-800 >1,0 4-9
Подзолистые и дерново-подзолистые 45-85 1200-3200 1,2-1,6 16-32
Черноземы 90-137 2100-4200 0,8-1,0 33-52
Каштановые 40 2400-5400 0,4-0,6 14
Серо-бурые 12 3400-5400 0,2-0,3 4-5
Красные и желтые тропических саванн 120 7200-9200 0,5-0,6 44
Красные и желтые влажных тропиков 325 8900-10900 1,2-1,3 120
В табл. биомасса годового прироста растительности сравнивается с рассчитанной по формуле климатически обеспеченной урожайностью (КОУ), выраженной в зерновом эквиваленте. Получается вывод о том, что продуктивность почв зональных типов в среднем в «е» раз (е = 2,718...) превышает КОУ. Произведение (У*в) отражает по сути биоклиматический потенциал.
Наряду с климатически обеспеченной урожайностью рассматриваются категории действительно возможной (в реальных почвенных условиях) и хозяйственной урожайности, как интегральные показатели климата, плодородия земель и агротехники, показывающие меру освоения ежегодных агрометеорологических потенциалов (АМП). АМП рассчитываются также по климатической формуле и соответствуют урожайности, которая может быть получена на заданном земельном участке в течение вегетационного периода.
С 1996 года на опытном поле лаборатории севооборотов Сибирского НИИ земледелия и химизации (заведующий Г.М.Захаров) проводится выращивание культур в севооборотах при разных уровнях интенсификации. Климатические условия расположенной рядом метеостанции Огурцово со среднемноголетним значением £^=1,04 на выщелоченном черноземе близки к природному оптимуму увлажнения. Агрометеорологические потенциалы здесь были реализованы в посевах озимой ржи после пара, вики-овса, клевера (до 70 центнеров зерновых единиц с гектара). Урожайность зерновых яровых культур была ограничена величиной 57 ц/га, что соответствует значению КФАР=1,0. Из этого следует, что озимые и зерно-травяные агроценозы более эффективно используют энергию ФАР.
На рис. 1 показан диапазон межгодовой изменчивости коэффициентов увлажнения в Огурцово и Карасуке, расположенных соответственно в центрально-лесостепном и степном агроландшафтных районах на территории Новосибирской области.
1,40 1,20 1,00 0,80 0,60 0,40 0,20 0,00
ттттоооооооооогн^н^н^н^н ттттооооооооооооооо
Рис. 1. Коэффициенты увлажнения в июне по метеостанциям Огурцово
(вверху) и Карасук
Рассматриваемые модели могут быть полезны при решении задач глобальной оценки продуктивности почвенно-растительного покрова и размещения культур по тепло-влагообеспеченности. Для этого необходимо сопоставление
\ июнь
ч \ / /Ч Чу А V
ч / г \
V
информации, получаемой со спутников, с данными 8 тысяч метеостанций, которые применяются в схемах агрометеорологического мониторинга.
Синтез агрометеорологической информации необходим для оценки резервов, которые можно реализовать с помощью адаптации агротехники к ожидаемым условиям. Но для этого даже точных долгосрочных прогнозов характеристик тепло-влагообеспеченности оказывается не достаточно, поскольку линейные регрессионные модели позволяют оценить около 70% дисперсии связей погодных факторов и урожайности культур. Неопределенности можно снизить с помощью расчетов агрометеопотенциалов, урожайности культур и их прогнозов на предстоящие вегетационные сезоны. Прогнозы могут быть детализированы в процессе мониторинга агрометеорологической обстановки и оценки видов на урожаи по космическим снимкам.
Однако в современной практике данные космической съемки учитываются в основном при оценке последствий чрезвычайных событий типа засухи или наводнения, что не позволяет заблаговременно подготовиться к ним, а примеры прогнозов урожаев на сибирских полях пока не убедительны.
Опыт стыковки прогностических схем с данными агромониторинга начинался в 1991-1992 гг. в сотрудничестве с РосНИЦ «Земля» (директор П.Р. Попович). Далее схемы были обобщены в способах прогнозирования аномалий экосферы и экологического состояния на Земле или ее части [2,3]. Прогнозирование агрометеорологических потенциалов и урожайности проводится с помощью моделирования геокосмических связей во временных рядах. Геокосмические связи это зависимости между параметрами экосферы и астрономическими (космическими) факторами, изначально рассчитываемыми по канонам небесной механики. Экстраполяция детерминированных геокосмических связей на будущее позволяет достоверно рассчитывать на сезоны и годы вперед аномалии, связанные со стационарными антициклонами, вызывающими засухи, либо циклонами, определяющими осадки и переувлажнение земель.
На рис. 2 показана модель ряда урожайности зерновых культур в Новосибирской области с прогнозом на 2012-2015 годы. Колебания урожайности описаны суммой циклических компонент, которые отражают резонансные сочетания астрономических факторов, определяющих динамику планетарных волн атмосферы над данным регионом. Максимумы синусоид соответствуют проявлению барических воронок, циклональному характеру погоды, а минимумы синусоид связаны с гребнями волн, антициклонами и дефицитом осадков.
На графике видны тренды, 6-8-летние и квази-2-летние циклы. Прогноз на 2012 год был 9 ц/га, а фактическая урожайность составила 9,5 ц/га. В 2012 году над территорией области наблюдались устойчивые антициклональные условия, что вызвало июньско-июльскую засуху, при которой величины коэффициентов увлажнения не превышали 0,6-0,9. В 2013 году урожай уменьшился из-за переувлажнения во вторую половину вегетационного сезона, особенно в августе. Фактическая урожайность в 2013 и 2014 годы составила соответственно 15,4 и 11,9 ц/га в амбарном весе, то есть прогноз на 3 года оправдался. Прогноз на 2015 год составлял 16 ц/га. Хорошее предшествующее увлажнение осени
2014 и весны 2015 года создает для этого предпосылки, однако обстановка в аграрной отрасли области сложная.
П Параметры модели (циклы в годах)
2,02 3,28 4,32 5,93 9,93 21,54 61,00
2,24 3,90 5,21 7,42 14,74 32,71
Рис. 2. Модель и прогноз на 2012-2015 годы урожайности зерновых культур в Новосибирской области: 9; 14,9; 12,3; 16 ц/га
Алгоритм построения модели временного ряда следующий. В структуре исходного ряда выделяются серии циклических компонент, которым дается ас-трогеофизическое обоснование. По обоснованному набору компонент проводится аппроксимация суммой косинусоид, параметры (амплитуда, период, фаза) которых рассчитываются с помощью метода экспоненциальной аппроксимации. Заданному временному ряду X[n] ставится в соответствие модель:
Рх
XW = ехр[аХ7 (л - 1)T]cos[cdX] (л -1 )Т + срХ1], пе[1,N],
7=1
где Т - интервал дискретизации, Axj, coxi, (pxj - параметры модели, соответствен-
но амплитуда, частота и фаза 1-й незатухающей косинусоиды.
Спектральный анализ позволяет выделить ритмы (периоды, циклы) на выбранных участках стационарности и определить многоритмичный сценарий. В модели принимаются циклы, наиболее близкие к выделенному спектру, вытекающие из резонансных сочетаний астрономических факторов. По методу наименьших квадратов определяются коэффициенты модели и находится стандартная ошибка. Начальные фазы и амплитуды ритмов интерпретируются как результаты резонансных сочетаний детерминированных факторов.
Предшествующий опыт агромониторинга отражен в публикациях и показал практическую значимость в Сибирском регионе и России [4-8]. Разработаны схемы глобального астрогеомониторинга, которые включают в себя расчеты астрономических факторов в сопоставлении с данными агрометеорологического и космического мониторинга. Астрономические факторы рассчитываются и представляются на временных графиках и карте Земли на сотни лет назад и десятки лет вперед. Регулярно пополняется архив снимков атмосферы Земли с геостационарных спутников. Эти схемы описаны в докладе на конференции 2011 года [9] и являются составной частью системы космогеопрогноза.
Система включает в себя способы космогеосистемного анализа и прогнозирования аномалий в экосфере Земли с помощью моделирования и экстраполяции в будущее геокосмических связей. Теперь необходимо эти способы глубже адаптировать к долгосрочному агрометеорологическому прогнозированию. Разработка должна завершиться технологией, включающей способы с точностью прогнозов природообусловленных аномалий выше 90%.
В состав программно-аппаратного комплекса входят архивы и программы, которые необходимо доработать, чтобы создать автоматизированное рабочее место специалиста по агромониторингу. Базы гидрометеорологических данных основываются на архивах Гидрометеослужбы, Всемирной метеорологической организации и пополняются в основном из сети Интернет. Картографическое обеспечение состоит из: карт с административными границами стран, областей, штатов, объектами гидрографии, информацией о почвенном и растительном покрове в известных географических проекциях.
Технология агромониторинга нацелена на информационное обеспечение аграрных отраслей в регионах для оптимизации использования агроклиматических ресурсов. Для этого необходимо построить динамические экономические модели. Такие модели в России не разрабатывались, потому что для них нужны прогнозы урожайности культур на пять лет в разрезе агроландшафтных районов. Прогнозы могут быть получены из моделей агрометеорологических потенциалов и хозяйственной (агроклиматически обеспеченной) урожайности зерновых и кормовых культур.
Например, для Новосибирской области можно составить матрицу для 7 районов с прогнозом на 5 лет и тогда в модели будет 35 блоков. Каждый блок составляется на основе прогноза урожайности культур и балансируется по животноводческой продукции с учетом запасов кормов и поставок из других регионов. Суммарные обьемы продукции растениеводства и животноводства балансируются в координирующем блоке. Затраты ресурсов и труда учитываются в целевой функции минимизации затрат на производство продукции. Это позволит минимизировать ущерб в аномальные годы и оптимизировать обеспечение региона собственной сельскохозяйственной продукцией, вывоз ее в северные области и на экспорт.
Первоочередные задачи следующие:
- анализ и пополнение информации агрометеорологических архивов для разработки агроклиматических сценариев, решения задач оптимального размещения культур, создания адаптивных систем земледелия нового поколения;
- модернизация программно-аппаратного комплекса для проведения агро-мониторинга, агрометеорологического прогнозирования, разработки моделей для управления сельскохозяйственным производством;
- создание рабочего места специалиста по агромониторингу и прогнозированию для информационной поддержки отраслей по вопросам агроклиматической адаптации растениеводства, земледелия, водных мелиораций, страхования сельских товаропроизводителей.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Добровольский В.В. География почв с основами почвоведения. - М.: Просвещение, 1967. - 350 с.
2. Патент на изобретение РФ № 2164029 Способ прогнозирования аномалий экосферы на Земле или её части (2000).
3. Патент на изобретение РФ № 2164030 Способ прогнозирования экологического состояния на Земле или её части (2000).
4. Понько В.А. Введение в систему «Экопрогноз». - М.: Новый век, 2000.-136 с.
5. Адаптивно-ландшафтные системы земледелия Новосибирской области // СО РАСХН - 2002. - 388 с.
6. Понько В.А. Агроклиматическая адаптация земледелия // Использование и охрана природных ресурсов в России. - 2008.3. - С. 57-62; 2008.4. - С. 42-48.
7. Понько В.А., Каличкин В.К., Иванова М.И. Почвенно-климатическое зонирование и продуктивность агроландшафтов // Сибирский вестник с.-х. науки. - 2009. - № 12. - С.5-13.
8. Каличкин В.К., Понько В.А., Иванова М.И., Хизаметдинов С.В. Агроклиматический прогноз и его использование в специализации растениеводства // СО РАСХН - 2009. -С. 202-210.
9. Понько В.А. Предупреждение кризисных и чрезвычайных ситуаций на основе методологии космогеоэкопогноза // ГЕО-Сибирь-2011. VII Междунар. науч. конгр. : сб. материалов в 6 т. (Новосибирск, 19-29 апреля 2011 г.). - Новосибирск: СГГА, 2011. Т. 1, ч. 2. -С.156-163.
© В. А. Понько, В. К. Каличкин, М. И. Иванова, С. В. Хизаметдинов, 2015
