Бесплатный автореферат и диссертация по сельскому хозяйству на тему

Построение и идентификация прикладных моделей продуктивности зерновых и кормовых культур (на примере кукурузы и люцерны)

ВАК РФ 06.01.03, Агропочвоведение и агрофизика

Автореферат диссертации по теме "Построение и идентификация прикладных моделей продуктивности зерновых и кормовых культур (на примере кукурузы и люцерны)"

АГРОФИЗИЧЕСКИЙ ОРДЕНА ТРУДОВОГО КРАСНОГО ЗНАМЕНИ НАУЧНО - ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ

На правах рукописи

РГЗ оЛ

ВАСИЛЕНКО Галина Васильевна

• ПОСТРОЕНИЕ И ИДЕНТИФИКАЦИЯ 1РИКЛАДНЫХ МОДЕЛЕЙ ПРОДУКТИВНОСТИ ЗЕРНОВЫХ И КОРМОВЫХ КУЛЬТУР (на примере кукурузы и люцерны)

Специальность: 06.01X13. — АгропочвЬведение и агрофизика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 1994

РйбЛ'га р.ьпо.лнйий в Агрофизическом ниучно-исследоьатилыж институте.

Научьый руководитель - доктор тихничмеких наук, г|р<4исо Р.А.Полупктов.

Офлциальниа оппоненты - доктор фиаико- мнтьмнтичвских няук, профессор Ь'. Г.^укоьский; док?о|> физико-- мнгвма'гичыкшс наук, иро.^пгор о. Д. Сиротенк о.

Ведущая организация - Всероссийский научно- иослвдовн'гельек институт гидротехники и «я.шю'цнцнл.

на заседании Спенаалиаиролянного ссшти Д 020.2I.nj А1'ро>1>измчвском нпучно-исельдоинтильском института но адрес;

С диссертацией можно озиякомиться в оиФшото Агрофизического нпучно-исслодонатвльскоро институт«.

Отзыеи п двух эазомплнрах, омвирьшшв гврбоьой иьчш учреждения, просим напршшт, но адресу: ¡95220, Салкт-Пощ>йу[ Граждинский пр., Д. 14, А<Н1.

1 УГ)220, Сшжт-■ПпткрЧур!*, Гражданский пр., 14.

Ученый секретарь Социализированного совета, доктор Онологических наук

М.Н.Архишн

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Главной и до сих пор не решенной задачей в ельском хозяйстве является получение урожаев полевых культур аданного уровня и качества при условии обеспечения экологической езопасности окружающей среда и ресурсосбережения. Попытки решить ту задачу за счет получения и анализа большого количества ксперименталышх данных о деталях поведения агроэкосистем казались малоуспешными в связи с разнообразием почвенных и лиматнческих условий произрастания растений и высоким уровнем атрат на приборное обеспечение. Естественной альтернативой этому етоду является применение динамических моделей продукционного роцесса, рассчитанных на использование, в основном, стандартной грометеорологической информации. Ясно, что для этого должны быть тработаны и доведены до определеного уровня адекватности алопараметрические динамические модели, ориентированные на решение рикладных задач.

Одним из основных природных факторов, лимитирующих урожай ногих культур в большинстве регионов России, является почвенная лага. При этом отклонения от оптимальных условий влаго-беспечения происходят как в сторону недостатка вода, так и в торону переувлажнения. В связи с этим вопрос оптимального спользования доступной растениям почвенной влаги приобретает собой значение. Водный режим, в свою очередь, определяется идрофизическими свойствами почвы, погодными условиями, собешгостчми возделываемых в зоне сортов и, наконец, принятыми гротехнологиями. Все это свидетельствует о необходимости омппексного анализа всех протекающих в агроэкосистемах процессов с елью получения количественной основы для оценки суммарного влияния а урожай совокупности внешних факторов.

Существенный прогресс в этой области наметился с появлением в 3-70-е году динамических моделей продукционного процесса злъскохозяйствешшх культур. В то да время сложюст! аталпзировашшх, так называемых "базовых" моделей, не позволяла зпользовать их непосредственно как инструмент принятия решений в змледелии. Кроме того, существовавшая в то время техническая база ЕС-ЭВМ ) затрудняла доступ к модели непосредственным ■)льзователям. В связи с этим актуальной является задача построения

специализированных прикладных моделей, реализованных на персональных 1ВИ-совместимых компьютерах, находящих нее более широкое распространение. Ясно, что такие модели долит обладать простотой в использовании и интерпретации результатов, решать вполне определенный набор задач, важных для практики, не требовать проведения дорогостоящих экспериментов ' для идентификации га параметров. Именно такая задача и была поставлена в диссертации.

Целью работы является построение и идентификация динамически? моделей продуктивности зерновых (кукуруза) и кормовых (люцерна; культур при лимитировании урожая недостатком ала/и или кислород; (избыток влаги) в почве.

С этой целью решены следующие "задачи:

- обоснована структура и алгоритмы реализации пржеладной модели отражающей изменчивость водного режима почвы и посева по, воздействием метеоусловий, реально складывающихся на сельскохо зяйственном голе;

- разработан алгоритм учета влияния неоптимальности услови увлажнения на продукционный процесс растений;

- разработаны и программно реализованы метода! паряметрическо идентификации блока развития растений;

- проведена серия компьютерных экспериментов с целью проверк адекватности работы модели при использовании различных наборе стандартных метеоданных.

Научная новизна полученных результатов заключается в создаш методологических основ использования малопара- метричзега прикладных моделей для решения задач оценки и прогноза земледелии. В ходе работы:

- предложен новый приближенный метод расчета транспирации растет и почвенного испарения, в случае как дефицита, таи и избыт; почвенной влаги;

- обоснованы вид универсального показателя стресса по влаге процедура учета его влияния на процесс развития растений в услови засухи и переувлажнения;*

- предложены методы оценки текущих влагозапасов под посева различных культур, прогнозирования темпов развития растений урожая;

- предложен алгоритм расчета оптимальных сроков сева, основанный учете складывающейся метеорологической обстановки в

непосредственно предшествующий севу.

Практическая значимость. Разработанный в процессе выполнения работы пакет программ имеет непосредственное практическое значение, т.к. он может бить использован при решении следующих прикладных задач:

- расчета накопления влаги в контролируемом слое почвы под растительннм покровом той или иной культуры;

- имитации и прогнозирования темпов развития растений в реальных условиях выращивания;

- определения оптимальных сроков проведения посевных работ:

- динамического прогноза действительно возможного урожая полевых культур <ДВУ >;

- управления поливами (на орошаемых землях).

Апробация работы. Основные результаты дассертаця докладывались на семинарах лаборатории математического моделирования агроэкосистем АФИ, на расширенном семинаре Института биологии Карельского научного центра РАН "Использование математических методов в биологии" (Петрозаводск, 1993), на международной конференции молодых ученых и специалистов в ИППУ им. Н.Пушкарова (НРБ, 1988), на международной научно-практической конференции "Информатизация и системный анализ сельского хозяйства в условиях аграрной реформы" (Переславль-Залесский, 1992), на 11-й Санкт-Петербургской международной конференции "Региональная информатика" (РИ-93), на мездународной конференции "Моделирование систем и процессов в отраслях АПК" (АФИ, Санкт-Петербург, 1993).

Публикации. По теме диссертации опубликовано 6 печатных работ, 2 работы находятся в печати. Список работ приведен в конце автореферата.

Структура и объем работы. Диссертация состоит из введения, четырех глав, основных результатов и выводов и списка литературы, включающего 160 наименований, в том числе 56 работ иностранных авторов.

Объем диссертационной работы составляет 189 страниц . 37 рисунков, 6 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе проведен обзор существующих методов

моделирования основных составляющих продукционного процесса. При этом внимание акцентируется на проблеме влагообеспеченности посева в течение сезона вегетации. Методы моделирования почвенной влаги условно подразделяются на:

- непрерывные с переходом к конечно-разностным схемам и итерациям;

- дискретно-непрерывные (послойно-балансовые);

- дискретные (балансовые).

Выполнен анализ этих подходов в соответствии с их областью применения и по отношению к задачам, поставленным в диссертационной работе. На основе проведенного анализа выявлено, что вполне приемлемым для построения специализированных прикладных моделей является дискретный метод, предъявляющий достаточно низкие требования к ресурсам ЭВМ и квалификации пользователей, но позволяющий получать результаты с точностью, соответствующей характеру поставленных задач.

Совершенно очевидно, что вопроси количественного описания почвенной влаги должны рассматриваться в неразрывной связи с методами учета поглощения влага, корнями и транспирацил. Обзор существующих методов показал преимущество макроскопического подхода к определению функции интенсивности стока (определяемой как количество влаги извлекаемой единичным однородным изотропным элементом корневой системы в единицу времени) и метода Пенмана-Монтейса дли расчета испаряемости, как наиболее полно учитывающего физическую сторону процессов, участвующих в формировании потоков водяного пара.

Получений потенциал! ..ю возможного урожая в реальных условиях недостижимо в силу ограничений, налагаемых на рост и развитие растений окружающей средой. В работе в качестве стрессовых воздействий на растения проанализированы факторы, связанные с температурными условиями жизни растений и с почвенной влагой. Температура оказывает влиятие на скорость развитая, причем установлено, что замедляют'развитие как слишком высокие, так и низкие значения температуры. Что же касается влажности "почвы, то здесь ситуация аналогична. Снижение влажности почвы приводит к закрытию устьиц, уменьшению транспирации и фотосинтеза, а избыток влаги ухудшает аэрацию корней," что также отрицательно сказывается на продуктивности посева. В связи с этим подход к сценке

продуктивности посевов с использованием прикладных моделей может быть основан на формулировке тех или иных зависимостей, отражающих влияние стрессов, т.е. отклонений показателей внощней среды от их оптимальных значений.

Вторая глава посвящена описанию разработанной модели. В ней приведено обоснование структуры модели и описаны алгоритмы фунта тонирования отдельных блоков. Модель рассматривается как вспомогательное средство в ходе принятия агрономичрских решений и с этой точки зрения ее структура должна удовлетворять определенным ограничениям. Главными из них являются согласованность детальности описания отдельных процессов с характером решаемых задач и доступность экспериментальных данных дня идентификации модели. Перечень задач, подлежащих решению, приведен выше. Что же касается экспериментальных данных, го в качестве таковых используется стандартная агрометеорологическая информация, получаемая Гидрометеослужбой. Структура модели приведена на рис.1. Как видно из рисунка, модель включает в себя четыре основных блока.

1

физическое испарение

реальная погода

имитатор погоды

блок мет еоинформации

В

И

и.?.

блок радиации и фотосинтеза)

С 717.

поверхности. слой почвы

корнеобитае-мый слой

подпочвенные слои

блок ДИИ8МЙКИ почвенной влаги

]

транспи-рация

индекс

надземная часть посева

корневая-система

блок роста и развития растений

индекс стресса

прогноз

темпов

развитие

прогноз урожая

Рис. I. Блок - схема прикладной модели.

В блоке метеоинформации формируются суточные дятлы о породе, првдставлпящд собой неконтролируемые входные воздействия модели. При этом в зависимости от характера решаемых задач имеется возможность либо использовать информацию о прошлых реализациях метеоусловий, либо имитировать погодные условия, откорректированные в соответсвии со складывающейся мегеообстановкой текущего года.

Блок.радиации ( и фотосинтеза ) выполнен в двух модификациях. В утхщенном варианте предусматривается вычисление суммарного за сутки радиационного баланса посева и радиационного баланса на поверхности почвы. Полный вариант содершт дополнительно подблок, рассчитывающий поглощение ФЛР посевом и интенсивность фотосинтеза.

Водный баланс посева моделируется в блоке динамики почвеиной влаги, также существующем в двух вариантах. Когда без особого ущерба для точности решаемой задачи можно пренебречь перетоками влага между почвенными слоями, разумно использовать так называемую "однослойную" модель. При этом основной характеристикой влажности почвы становится влагозапас в метровом слое, распределение влаги внутри которого считается равноморным. Если возникает необходимость в более детальном рассмотрении процесса влагопереноса, например, в случав рейкой изменчивости гидрофизических характеристик с глубиной, следует отдать предпочтение многослойной модели, предусматривающей разбиение почвенного массива на отдельные компартменты.

В качестве основы двух перечисленных блоков принята структура, предложенная Л.А.Хвощовой.

В блоке роста и развития осуществляется расчет прироста биомассы растения, динамики формирования листовой поверхности, сроков наступления фенофаз и процесса формирования конечного урожая.

В работе предложен новый способ расчета транспирацни и физического испарения, суть которого сводится к следующему. Обе величины, характеризующие потери почвенной влаги, вычисляются раздельно, причем сразу же учитывается и отклонение влажности почвы от оптимальной в сторону либо недостатка, либо избытка почвенной влаги. " Расчет осуществляется на основе модернизированного метода Пенмана - Монтейса. Для этого уравнение теплового баланса записывается раздельно для надземной части

растительного покрова и для поверхности почва. Для транспирацш, в частности, после некоторых упрощений получено выражение:

Ь Н + раСР < - Яа> V

1? ___±___£'Р___,__;_____

- с,;^ , Ь .. г? Ср 4 * Ь * г1

где - поглощенная посевом коротковолновая радиация, 5а-

среднесуточная температура воздуха, ра и ср - плотность и теплоемкость воздуха, и - соответетственно насыщенная и фактическая влажность воздуха, крг - коэффициент проективного покрытия, Ь - коэффициент линеаризации в формуле Магнуса, и г! - суммарные сопротивления по водяному пару и теплу. Очевидно, что первое слагаемое в (I) означает вклад в транспирацию радиационного баланса посева, а второе - дефицита влажности воздуха. Все составлявшие этого выражения определяются погодными условиями и могут считанься известными. Единственной величиной, значение которой пока не определено, остается устьичное сопротивление входящее в качестве слагаемого в г^. Но поскольку гзЪ является Функцей водного потенциала листа Рг транспирсция оказывается зависящей от метеоусловий и неизвестной величины Р^

БР = *1 Р1' (2>

Данная неопределенность может быть устранена, если учесть, то суточная транспирация посева равна суммарному поглощению воды корневой системой:

Р1' «пр. •■■> =Вг=? О (Рг-Р), (3 )

а также воспользоваться обычно принимаемым допущением, что водные потенциалы листа и корня равны, Р;= Рг.. В соотношении (3) величина о представляет собой суммарную площадь поверхности корней, отнесенную к единице площади поля, р - водный потенциал почвы, осредненный по глубине корнеобитаемого слоя, ? - проводимость корня. . В работе предложен итерационный алгоритм решения нелинейного уравнения (3) относительно неизвестной величины Рг

Расчет испарения с поверхности почвы производится на основе аналогичной идеи, но с использованием условия .теплового баланса на поверхности почвы. В результате получено соотношение:

Б »= * + "Ать ( V«»

-у (с! V Ур > Ш0> = 1 - е " ° ® »

где Б*, Д^ - проводимость пршючвенного воздуха по теплу и по влаге; - удельная влажность насыщенного воздуха, Та - средняя температура воздуха; Т (0) - температура поверхности почин; и,,-влажность верхнего слоя почвы; - средний размер почвенных агрегатов; рч - объемная масса почвы; г ~ коэффициент. При лтой влняше радиационного баланса на величину физического испарения осуществляется через температуру поверхности почвы.

Отметим, что реализованный в модели способ раздельного учит» траяспьрации посева и испарения с поверхности почвы с учетом реальной влажности почвы основан на физических закономерностях энерго- и массобмена, что обеспечивает более адекватное воспроизведение процессов влагооомена по сравнении <■ другими моделями.

Кроме того, в рамках модели реализован универсальный индекс стресса по влаге, позволяющий учесть как условия засухи, так и временного переувлаямения почвы. Ери этом, в отличие от известных подходов, временное переувлажнение почвы описано как динамический процесс, приводящий к постепенному снижении транепирации растении и фотосинтеза, а при длительном избытке влаги - к гибели растений.

Моделирование фенологического развития основывается на модификации метода, связанного с суммированием ?ф}ективних температур и использованием понятия биологического 6ре.«?ми. В соответствии с этим каждый день врготяци») характеризуется разностью:

= | 0 и ' ( 5 >

где (к) - среднесуточная температура воздуха в к-й день, пороговое значение температуры, зависящее от номера фенофазы (т.н. "биоАоглчеекий нуль"). Прирост биологического времени за текущие сутки рассчитывается в соответствии с выражением:

»(к.1^ = (тос.г^ - а ) бшр,) . ( б )

а суммарное с момента сева время определяется как:

к

ВТ (к) = I у[\, I,) , 17)

где 1=1 соответствует началу вегетации, к - номер текущего дня вегетации. Добавление в уравнение (6) квадратичного члена ,зг2(к,Г(). учитывает замедление развития при избытке температур, а сомножитель Б^Р,) отражает влияние водного стресса. Аргумент функции ) изменяется в пределах от Рвз до нуля. Функция имеет

два параметра, зависящие от стадии развития 1а: границу "комфортной зоны" ас и предельное значение 5т, которое может быть больше или меньше единицы. Снижение водного потенциала растения Р1 ниже ас вызывает ускорение развития в период до цветения и замедление - в Фазе прорастания семян и после цветения.

Таким образом, мн имеем следующий набор параметров, зависящих от стадии развития: Т0(1(1), ас(1а), 51П(1(1>, 0(1,) и ВТ1П1а). Варьируя их значения, можно привести результаты моделирования в соответствий с экспериментальными данными'. Иначе говоря, эти параметры и должны явиться результатом решения задачи идентификации блока развития.

Для моделирования роста растений и формирования урожая, как и в случае водного блока, предложены два варианте, различающиеся по уровню их содержательного описания. Первый из них основан на хорошо известном факте связи урожая с фотосинтетическим потенциалом, т.е. интегралом от листового индекса. Второй вариант более детализирован и базируется на учете поглощения ФАР посевом, фотосинтеза и распределения ассимшштов мэвду органами растений.

Первый подход используется в модели кукурузы, выращиваемой на зерно. При этом в качестве промежуточного звена, связывающего урожай с погодными условиями, поливами и динамикой почвенной влаги выступает процесс формирования листового индекса. Весь сезон вегетации разбивается на два периода: от всходов до цветения и от цветения до уборочной спелости. В первый период формируется потенциальный урожай, в течение второго эта величина может только уменьшаться под влиянием стрессов до уровня действительно возможного при сложившихся условиях урожая. Потенциальный уровень

урожая определяется на основе квадратичной регрессионной зависимости от величины фотосилтетического потенциала, накопленного на конец фазы цветения, а влияние водного стресса в течение первой половины сезона вегетации учитывается за счет уменьшения прироста листовой поверхности. Процедура снижения потенциального уровня урожая в ходе дальнейшего фенологического развития в модели также осуществляется путем учета коэффициента редукции, который определяется посредством накопления стрессовых водействий.

• Второй вариант подблока роста, базирующийся на учете накопления биомассы растениями, был разработан для модели люцерны, опрашиваемой на сено или зеленую массу. Схематически последовательность рассматриваемых при этом процессов может быть представлена следующим образом:

- расчет коротковолновой радиации, поглощенной посевом (эта величина вычисляется и в первом варианте, поскольку она входит в состав формулы определения трянсиирации);

- расчет ФАР, поглощенной посевом;

расчет интенсивности фотосинтеза и, соответственно, прироста ассимилятов за сутки;

- распределение ассимилятов между надземной и корневой системами.

При этом используется метод, .базирующийся на учете взаимодействия углерода и азота в растениил. Как показал опыт моделирования, метод ростовых функций "работает" в ряде относительно простых случаев, однако в такой сложной ситуации, когда, например, речь идет о моделировании продукционного процесс« трав, сопровождающегося укосами, его использование просто невозможно, действительно, гос-ле очередного укоса в почве остается развитая корневая система, способная обеспечить азотным питанием надземную часть посева. В то же время фонда углеводов отсутствуют. Поэтому после возобновления вегетации весь азот транспортируется в листья, а корневая система распадается за сч^т дыхания. Только после накопления •определенного количества зеленой масон наступает равновесие, после чего происходит сбалансированное накопление биомассы надземных органов и корневой биомассы.

В третьей главе рассмотрена вопросы алгоритмической и программной реализации модели и задачи ее идентификации, а также обсуждаются возмоашосги практического использования модели. Прред

мочал.* >м |)Ж)"ТН п диаппп-всм режиме уточняется величина начального

в.11пг,<п>.ппае.а в контролируемом слое почвы и временной интервал работы мололи, т.е. отрезок времени на который имеются данные о погоде. Если до заданной пользователем даты окончания счета состояние посева не достигло уборочной спелости, модель прогнозирует наступление следующей стадии фенологического развития. Предусмотрено несколько вариантов орошения - фактические полипы и режим управления (автоматического или оперативного). Первый вариант предполагает заранее заданные фиксированные даты и нормы поливов. Для установки управляемого режима орошения пользователь определяет уровень предполивной влажности почвы, как до.шп НВ в корнеобитаемом слое. При автоматическом управлении модель сама производит полив в момент достижения заданного граничного значения по влаге. Норма полива соответствует разности между уровнем наименьшей влагоемкости и реальным значением влажности Iючвн. Е? случае оперативного управления система выдает только предупреждения и рекомендации, а окончательное решение о необходимости полива, а также о его сроках и норме остается за пользователем. Результата моделирования оформляются в виде таблиц л графиков.

Сопоставление расчетных и экспериментальных величин (рис.Л-4) подтверждает приемлемую точность работы модели и отражает качество, проведенной Идентификации. Идентификация и верификация модели кукурузы тгроводена по данным, предоставлена'м ИППУ им. Н.Лушкзрова (Горный Лозен, Болгария). Модель люцерны идентифицирована применительно к условиям Саратовской области (ВоджШМГиМ, г. Энгельс).

3 50.0

г

и «

С

«

Г)

о и

Л

с

т

Ф 1« X 1«

0} и

о

Л

о

эначрний нлвгсзапасов

Л гг-

1> го.» зо.о «о со.о

экспериментальны« влаго.шшн;ы (си) Рис. ? Сравнен нр рппчртных и экспериментальны*

У

аГ

А,'?

'.А

»

Апрель? Май ■ Июнь - Июль ' Август! Сент"' Окт '

Рис. 3 Сравнение экспериментальных и расчетных сроков наступления фенофаа люцерны (+) и кукурузы (х).

в

ь 12

О- 1-—г-!-,---!-}---1---р-—,-1-,-1-г |

О 2 4 б 8 10 12 14

Фактический урожай (т га) Рис. 4. Сравнение экспериментальных и расчетных данных по урожаю кукурузы и люцерны: - кукуруза,

Четвертая_глава посвящена результатам компьютерных

экспериментов. В.лияние водного режима на продукционный процесс исследовалось на примере кукурузы. Кал у;ке отмечалось выше, в моделях используется универсальный индекс стресса по рлаго, позволяющий учитывать влияние как переувлажнения, так и засухи па состояние посева. ГВДективность введенного показателя наглядно и.и.топтрируется рис.,5. Представленные на них кривые влагозапасов ГСз отражают условия развития посева, складывающиеся при фактическом и управляемом (до НВ) режимах орошения в 1984 году. Состояние посева характеризуется фирмой функции листового индекса -ЬА1. Пунктирные линии ограничивают диапазон влагозапасов от влажности завядаяия до до наименьшей влагоемкости. Приближение уровня влажности почвн к нижней границе этой зоны или при выходе за ее верхнюю границу сопровождается значительным увеличением индекса стресса 15. Интересно отметить, что широко распространенная технология поливов до достижения ИВ в контролируемом слое почвы зачастую приводит к стрессовым ситуациям (рис.50) вызвацш м избытком почвенной в...аги в результате выпадения осадков после произведегчого полива. Эксперимент показал, что задание поливной нормы в пределах 0.91Ш позволяет свести влияние 1Б на посев в наиболее ответственные периоды фенологического развития до величины 5 - 15%.

Привлекает внимание то, что при „выборе разумной технологии управления поливами, максимум урожайности достигается именно в засушливые годы, что вполне объяснимо, поскольку в данной ситуации реализуется первый уровень продуктивности, когда единственным лимитирунидим урожай фактором выступает приходящая к посеву ФАР. Л наиболее насыщенный радиационный режим складывается, безусловно, в годы с минимальной суммой осадков. Однако в реальных условиях этот »¡фект может не проявиться, т.к. оросительные системы не рассчитаны на стопроцентную обеспеченность и поливной вода дня удовлетпореиил потребностей растения просто не хватает.

На модели люцерны проверялась возможность минимизации набора входных метеохарактеристик за счет замены экспериментальных суточных данных по влажности воздуха и радиации их рассчетнлми Величинами. Идея сужения круга рассматриваемых метеогюрамчтров была позаимствована у Федднса. однако се реализация осуществлялась в соответствии со спецификой построения используемой модели.

Ws, IAI, IS

а). Посев кукурузы при орошении.

6). Писев кукурузы при оптимальном орошении до I1B.

I'uc. 5. Динамика влагоэапасои ( Wi, си )

листового индекса (. LAI, тыс. Ku.i^ia ) и индекса стресса ( IS, % ).

Внутренними рабочими переменными модели являются коэффициент ослабления радиации Кг и удельная влажность воздуха q¡l. При этом в формулу Магнуса, используемую для расчета был введен так

напиваемый климатический коэффициент сг, осуществляющий настройку нмчиелпем'то значения в соответствии с климатическими условиями региона;

Полученные уравнения регрессии, ьыявляющие зависимость климатических4.) коэффициента сг и коэффициента ослабления радиации от температурного режима строятся нез; эисимо для "сухих" и "влажных" дней. Такой подход широко распространен при моделировании погоды, поскольку он позволяет получить зависимости, 'полнее отражающие конкретную ситуацию.

В качестве критерия допустимости метода принимался уровень урожая как' конечная цель моделирования, а эталонными считались значения, получаемые при использования полного набооа метеоданных. Корректность выбора эталона доказывается результатами, представленными на рис..4, демонстрирующем степень соответствия расчетных и экспериментальных ветчин урожаев.

На рис.6 представлены результата расчетов при отсутствии данных по влажности (41) и но радиации (42), соотнесенные с эталонными вычислениями (УО)- Как видно из графика, отказ от использования информации о влажности воздуха практически не влияет на выходные характеристики (.угол наклона линии регрессии близок к 45"). В отношении "бозрадиационной" методики наблюдается отклонение от эталона, не выходящее, однако, иа допустимого интервяла. При желании эта ошибка может быть снижена путем введения дополнительного эмпирического коэффициента-.'

Другая задача, решаемая в ходе модельных исследований, связана с прогнозом сроков укоса. В практике орошаемого земледелия часто возникает необходимость в определении даты очередного укоса заранее. Для решения этой проблемы была организована серия компьютерных экспериментов с моделью с целью выявления соответствия между сроками приведения укосов я временем выхода посева в фазу отрастания. Результаты моделировании показали существование

( 8 )

У1,

80-,

50

40

30

го

ю

У2

16

VI

л

VI = 1.01У0 -

\г - о.исуо +

(1.01 4.6'/

-- 4

К

ш

20

эо

40

1

50

I

во

. УО

Рис.6. Результаты расчета поукоеных урожаев люцерны при использовании сокращенных наборов метеоданных. У0 — расчет по полному набору; У1 — расчет без данных но влажности воздуха; У2 - расчет без данных по радиации.

200 180

а

° 160

о

к 140

120

Л

* 100 И

П 60 С»

40

20

Т ' 40

60

во

~1 100

Г 120

140

I

160

Дата о т р а с т а н и я Рис.7. Зависимость даты укоса от начала отрастания н срока проведения предыдущего укоса люцерны.

-------- _ укосы в цветение, У = 0.91 X + 41.3;

- - - - укосы в бутонизацию, У = 0,07 X + UG.fi. По осам отложен порядковый номер дня, начиная с 1 апреля.

«а

тесней линейной завис¡имости между этими временными характеристиками при укосах как в стадии цветения, так и бутонизации (рис.7). (Клучишне регрессионные 'зависимости позволяют прогнозировать дату последующего укоса, проводимого в назначенную фазу развития лщерни, л также определять время проведения предыдущего укоса для получения урожая к желаемому сроку.

к соответствии с методическими рекомендациями, для лучшей перезимовки растений люцерну необходимо скосить за 25-30 даей до наступления заморозков. Статистическая обработка метеоданных по Саратовской области показала зависимость дат.ч устойчивого перехода температуры через 0"С от температурного режима, наблюдаемого в 4-и центач.У сентября, а точнее, от суммы накопленных за этот период температур. В зависимости от величины этой суммы последний укос принудительно проводится либо в начале, либо в середине октября. Однако, если к данному моменту уровень сухой биомассы не достиг определенного уровня, то четвертый укос вообще не проводится.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЬШОДН

I. В работе детально обоснован выбор структуры модели. Бри атом рассматривались две ключевые проблемы: (I) применимость модели для решения заданного класса задач; (2) доступность и безызбыточность информации, необходимой для идентификации модели.

?.. Разработан программный комплекс на языке Turbo Pascal, включающий прикладную имитационную модель продукционного процесса я сопровождающую ее сервисную оболочку. Разработан пакет программ для идентификации модели.

3. В рамках прикладной модели реализован новый приближенный метод расчета фактических значений транспирации растений и испарения с поверхности почвы путем раздельного вычисления этих величин. Возможность такого подхода основывается на разбиении радиационного баланса на две составляющие, определяемые соответственно для посева и для поверхности почвы.

4. Обоснован вид универсального показателя стресса по влаге, учитывающего отклонение влажности почвы от ее оптимальной величины в сторону как недостатка, так и избытка; отработана процедура учета влияния индекса стресса на процесс развития растений в эти» условиях.

5. Верификация модели проведена на базе двух экспериментальных полигонов - Горный Лозен, Болгария (кукуруза) и Саратовская область (люцерна). Проверка показала отзывчивость модели на изменение погодных условий и режимов орошения, а также адекватность этих реакций результата!, натурных экспериментов.

6. Доказаны возможность и значение сужения набора входных метеопараметров модели путем замены экспериментальных данных тю влажности воздуха и по радиации их расчетными зависимостями от суточных температурных характеристик. Это позволяет, во-первых, уменьшить объем работ по подготовке и обработке исходной информации модели и, во-вторых, распространить применимость модели на регионы, для которых сведения по перечисленным метеохарактеристикам отсутствуют.

7. Показана эффективность использования модели для решения прикладных задач имитационного плана:

- расчета накопления влаги в контролируемом слое почвы под растительным покровом той или иной культуры;

- оценки состояния вегетирующих растений в текущем сезоне вегетации;

- управления оросительными режимами сельскохозяйственного поля с выработкой рекомендаций по нормам и срокам проведения поливов, а также оценкой последствий реализации выбранного режима с точки зрения экономики и экологии;

- определения влияния водного режима на темны и продуктивность развития посева.

8. Доказана применимость модели для решения задач прогностического типа, таких как:

- расчет оптимально сроков сева, основанный на учете складывающейся метеорологической обстановки в период , непосредственно предавствующий севу;

- прогноз даты наступления очередной фазы фенологического развития, •дащий возможность подготовиться к проведению тех или иных

агротехнических мероприятий, планируемых на данную фазу;

- динамический щюгноз уровня действительно возможного урожая рассматриваемой культуры;

- прогноз сроков проведения очередного укоса люцерны, позволяющий организовать непрерывное поступление зеленой 0 • пкчссн в течение всего сезона вегетации.

Основные результаты диссертации отражены в следующих опубликованных и принятых в печать работах:

Т.Денисов В.В., Василенко Г.В. Идентификация модели фонологического развития // Трета научна конференция на младите научпи работницы и специалиста от селскостонянските института к учреждения / Тез. докл. -София, 1988. С. 4 -"5.

2.Полуэктов P.A., Василенко Г.В. Расчет транспирации t физического испарения в прикладных моделях агроэкосистем // Сб. науч. тр. / Почва и растение - процессы и модели. -СПб.: АФИ, 1992. С. 58 - 66.

8.Василенко Г.В. Использование сокращенного набора метеоданны) в прикладных моделях продукционного процесса // Деп. ВНШТ'К пгропром, 1993. * 138 ВС-93. 16 с.

4. Полуэктов P.A., Василешсо Г.В. Компьютерная систем! поддерни и решений в агроэкологии // Тезисы докладов международно! конференции "Модели[ювяние систем и процессов в отраслях АПК" -СПб, АФИ. 2Z - 26 ноября 1993 г.

5.Полуэктов P.A., Василенко Г.В., Опарина И.В., Топаж А.Г, Компьютерная система поддержки решений пои управлеши агроэкологическими системами // Информатика и вычислительна! техника, 1993. .№1-3.

6.Василенко Г.В. Учет водного стресса при моделироваим испарения и продуктивности посевов // Сб. Контроль состояния i регуляция функций биосистем различного. уровня организации -Петрозаводск, 1993.

V.Poluektov, R.A., Vasilenko, G.V, et all. Computer system io: prediction of plant development rates and yield level // Coll works of ARI (in pressO).

8. Poluektov, R.A., Vasileriko, G.V. A universal water stres index in cultivation of agricultural crops // Intern. Agrophysic (in press). :