Бесплатный автореферат и диссертация по наукам о земле на тему

Статистическое моделирование динамики урожайности пшеницы и оценки ее изменений при глобальном потеплении

ВАК РФ 25.00.30, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Статистическое моделирование динамики урожайности пшеницы и оценки ее изменений при глобальном потеплении"

РОССИЙСКАЯ АКАДЕМИЯ НАУК ЦЕНТР МЕЖДИСЦИПЛИНАРНЫХ ИССЛЕДОВАНИЙ ПО ПРОБЛЕМАМ ОКРУЖАЮЩЕЙ СРЕДЫ

На правах рукописи

Павловский Артем Александрович

СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ДИНАМИКИ УРОЖАЙНОСТИ ПШЕНИЦЫ И ОЦЕНКИ ЕЕ ИЗМЕНЕНИЙ ПРИ ГЛОБАЛЬНОМ ПОТЕПЛЕНИИ

Специальность 25 00 30 — метеорология, климатология, агрометеорология

Автореферат диссертации на соискание ученой степени кандидата физико-математических наук

Санкт 003 ¿ \j\-f /1

003176441

Работа выполнена в Центре междисциплинарных исследований по проблемам окружающей среды РАН, г Санкт-Петербург

Научный руководитель

профессор, доктор технических наук Менжулин Геннадий Викторович

Официальные оппоненты

профессор, доктор географических наук Кобышева Нина Владимировна

доцент, кандидат физико-математических наук Фролькис Виктор Абрамович

Ведущая организация

Российский государственный гидрометеорологический университет

Защита состоится «12» декабря 2007 г в 14 часов на заседании диссертационного совета Д327 005 01 в государственном учреждении «Главная геофизическая обсерватория им А И Воейкова» по адресу г Санкт-Петербург, 194021, ул Карбышева, д 7

С диссертацией можно ознакомиться в научной библиотеке государственного учреждения «Главная геофизическая обсерватория им А И Воейкова»

Отзывы в двух экземплярах, скрепленных гербовой печатью, просим направлять по адресу 194021, Санкт-Петербург, ул Карбышева, 7

Автореферат разослан «9» ноября 2007 г.

Ученый секретарь совета

по защите докторских и кандидатских диссертаций,

доктор географических наук

AB Мещерская

1. Общая характеристика работы

Актуальность исследования

В настоящее время для современной науки о Земле является показательным быстрое развитие дисциплин, целью исследования которых являются изменения окружающей среды Среди них ведущая роль отводится науке об ожидаемых изменениях компонентов климатической системы нашей планеты — современной климатологии В решение ее задач вовлечен широкий круг ученых различных направлений Проблемы современной климатологии привлекают все большее и большее внимание широкой общественности, исследовательских коллективов различных стран, межправительственных организаций, национальных комитетов, симпозиумов и конференций

Последние десятилетия характеризуются также и тем, что к ранее сформировавшемуся кругу смежных для климатологии дисциплин, проблемы которых традиционно имели к ней непосредственное отношение, следует включить экономику, социологию, политологию и международное право Общей проблемой, связавшей климатологию с этими науками, является изучение перспектив развивающегося глобального потепления, которое может произойти под влиянием антропогенных факторов, а также оценка их разнообразных экологических, экономических и, в конечном итоге, социально-политических последствий Несомненным успехом исследований, проведенных в мире за последние три десятилетия, является достаточная доля уверенности, с которой можно говорить о наиболее вероятных сценариях развития изменений основных показателей глобального климата и наиболее принципиальных их последствиях Важно заметить, что в отношении некоторых из них можно надеяться на достоверность полученных не только качественных, но и количественных оценок Углубление и расширение дальнейших исследований, и получение более детальных выводов о влиянии ожидаемого глобального потепления на природную среду и экономику, также как и комплексная оценка их последствий, должны обеспечиваться при научном подходе, сочетающем в себе обнаружение и анализ особенностей происходящих региональных изменений климата, построение сценариев их динамики в будущем и, наконец, расчеты влияния на окружающую среду и экономику Без расширения научных разработок в указанных направлениях будет трудно поддержать выводы о достоверности полученных результатов и использовать их для обоснования стратегии приспособления мирового сообщества к развивающемуся глобальному потеплению и его последствиям Без этого также малоперспективным представляется достижение согласованных геополитических решений и их обоснованное отражение в международных правовых документах В связи с этим можно упомянуть о том, как в последние годы изменялось отношение участников крупных международных конференций и правительств ряда стран к вопросу о подписании и ратификации Киотского Протокола об ограничении выбросов парниковых газов

Важнейшей компонентой исследований современных глобальных изменений климата являются оценки их влияния на экологические процессы и экономику В числе этих вопросов следует отметить влияние на водный режим и гидрологические процессы на суше, на наземные экосистемы и природную

зональность, на энергоресурсы и энергопотребление, на уровень мирового океана, морские и прибрежные экосистемы, на криосферу в целом и на вечную мерзлоту в частности, на транспорт, энергетику, строительство, на финансово-кредитную систему и другие сферы человеческой деятельности и экологические процессы Однако, по нашему глубокому убеждению, в ряду основных последствий современного глобального потепление одно из первых мест должно занимать влияние изменений климатических факторов на продуктивность сельскохозяйственных культур и инфраструктуру сельского хозяйства в целом Характерно, что наибольшее количество публикаций, посвященных последствиям изменений климата, приходится именно на эти вопросы Тем не менее нельзя не отметить, что практически все эти публикации посвящены вопросам изменения среднего уровня продуктивности сельскохозяйственных культур при изменении гидротермического режима и содержания углекислого газа в атмосфере Другими словами, в этих исследованиях в качестве расчетных методик фигурируют изменения норм метеорологических элементов, а выходными (искомыми) величинами являются изменения уровня продуктивности, то есть показателей урожайности за продолжительные промежутки времени в будущем Несмотря на то, что вопрос о повторяемости опасных для сельского хозяйства аномальных гидрогермических явлений ставился и до настоящего времени, количественно оценить его достаточно надежно не удавалось Однако согласно мнениям специалистов и решениям международных органов этот вопрос является одним из самых актуальных для современной науки об агроклиматических последствиях изменений климата

Цели исследования

Основной целью диссертационной работы является разработка методики построения эмпирико-статистических моделей «метеорологические факторы — урожайность» и применение их для оценки повторяемости аномальных для урожайности сельскохозяйственных растений гидротермических явлений до середины XXI века с использованием климатических сценариев, рекомендованных Международной группой экспертов по изменениям климата

Задачи исследования

• Построить ряды показателей урожайности различных типов пшеницы в областях России, странах бывшего СССР и графствах различных штатов США

• Составить ряды данных по средней месячной, максимальной, минимальной температуре приземного воздуха и атмосферным осадкам для метеостанций на исследуемых территориях бывшего СССР и США

• По данным архивов центра по распространению данных МГЭИК подготовить прогностические ряды метеорологических данных, используя среднемесячные значения температуры и осадков, для сценариев, построенным по моделям общей циркуляции атмосферы и океана, рекомендованным в третьем отчете МГЭИК

• Провести корреляционный анализ сельскохозяйственных и метеорологических рядов данных, подготовленных для построения регрессионных моделей Построить ансамбли регрессионных моделей

«погодные факторы — урожайность» для областей СССР и графств США Получить оценки их достоверности и значимости

• Проанализировать точность воспроизведения построенными регрессионными моделями исторических рядов урожайности пшеницы на исследуемых территориях

• С использованием прогностических модельных сценариев, рекомендованных МГЭИК, рассчитать динамику показателей урожайности различных типов пшеницы до 2050 года в регионах бывшего СССР и США Оценить согласованность прогностической динамики показателей урожайности пшеницы на исследуемых территориях при глобальном потеплении до 2050 года

Научная новизна

Основная компонента научной новизны состоит в разработке методики нового «ансамблевого» подхода к построению статистических регрессионных моделей показателей аномалий урожайности сельскохозяйственных культур С целью реализации такого подхода в диссертации разработана схема объективного отбора наиболее достоверных и точных регрессий, составляющих конечную статистическую модель Для практической реализации разработанного подхода построена методика анализа статистических критериев, характеризующих каждую модель, как представительницу «ансамбля» регрессий Существенной компонентой новизны является метод прямого выбора наилучшей модели из полного множества возможных регрессий, впервые использованный в агроклиматических исследованиях Впервые в агроклиматических прогностических исследованиях на основе единого методического подхода получены оценки изменений повторяемости аномальных лет в различных регионах бывшего СССР и США по семи модельным сценариям изменений глобального климата до 2050 года

Научная и практическая значимость

При анализе экологических и экономических последствий ожидаемого глобачьного потепления, оценки его воздействия на сельское хозяйство являются первоочередными Многолетняя статистика, разработки специалистов, и постоянное внимание со стороны международных и национальных организаций показывают, что из всех отраслей экономики, чувствительных к воздействию климатических факторов, сельское хозяйство, в особенности земледелие, наиболее сильно зависит от климатических факторов и от ожидаемых изменений глобального климата

Достоверность и обоснованность результатов

Достоверность и обоснованность полученных результатов обусловлена применением утвердившихся методов математической статистики, обработки и анализа рядов исходной сельскохозяйственной, климатической и метеорологической информации Обоснованность прогностических оценок, выдвигаемых на защиту, доказывается применением в расчетах научных прогностических материалов, полученных в ведущих исследовательских центрах мира при разработке сценариев изменений глобштьного климата

На защиту выносятся-

• Методика построения статистических моделей «погодные факторы — урожайность», базирующаяся на «ансамблевом» подходе

• Методика формирования рядов аномалий урожайности пшеницы, полученных по результатам статистических экспериментов с использованием разных типов трендов

• Прогностические оценки изменений повторяемости аномалий урожайности пшеницы в первой половине XXI века согласно сценариям глобального потепления, рассчитанным по моделям общей циркуляции атмосферы и океана

Апробация работы

Основные результаты диссертационной работы были представлены на следующих отечественных и международных конференциях и совещаниях

• Итоговая сессия ученого совета РГГМУ (25—26 января 2005г),

• Научная конференция «Экология Санкт-Петербурга и его окрестностей» (СПб, 5—7 декабря 2005г),

• Итоговая сессия ученого совета РГГМУ (2—3 февраля 2006г),

• Международная конференция «Влияние изменений окружающей среды на природные ландшафты» (СПб, 2—6 июля 2006г),

• Международная конференция «Погода и биосистемы» (СПб, 11—14 октября 2006г),

• Заседание комиссии экспертов Европейского союза по влиянию изменения климата на сельское хозяйство Европы (Вена, 22—23 октября 2007г)

Публикации

По теме диссертации опубликовано 4 статьи, одна из которых — в рецензируемом отечественном научном журнале «Вестник Санкт-Петербургского государственного университета»

Структура и объем диссертации

Диссертация состоит из введения, пяти глав, результатов, выводов, заключения, списка литературы, списка Интернет сайтов Общий объем диссертации составляет 199 страниц, включая 51 рисунок, 24 таблицы и 4 карты-схемы Список литературы содержит 249 наименований, список Интернет сайтов содержит 19 наименований

2. Содержание диссертации

Введение

Во введении обоснована актуальность исследования, сформулированы его цели и задачи, метод исследования, научная новизна полученных результатов

Глава 1. Влияние изменений климата на сельское хозяйство

В первой главе обсуждается проблема агроклиматических последствий глобального потепления, проводится анализ имеющихся оценок изменений агроклиматических показателей при ожидаемых изменениях климата Представлены примеры, показывающие важность исследований по проблеме

воздействия изменений климата на продуктивность сельскохозяйственных культур Также проводится анализ экспериментальных исследований по проблеме прямого физиологического влияния роста концентрации ССЬ ьа продуктивность растительности

Глава 2 Методы агроклиматических исследований и прогнозирования урожайности

Во второй главе анализируются различные эмпирико-статистические методы прогнозирования урожайности и имитационные модели продукционного процесса Обсуждается проблема диагноза и прогноза засух

Из анализа литературных источников можно сделать вывод, что большинство конструкций современных динамических моделей продукционного процесса являются тонкими, настроенными на конкретные культуры и условия окружения Несмотря на то, что они не всегда апеллируют к детальным физиологическим характеристикам жизнедеятельности растений, эти схемы способны обеспечить достаточную точность и заблаговременность агрометеорологических прогнозов

Вместе с тем, следует отметить, что прямая экстраполяция приемов, разработанных для решения задач агрометеорологического прогноза, в методику расчетов агроклиматических последствий современных антропогенных изменений глобального климата затруднительна

Глава 3 Исходная информация и ее обработка

В первом параграфе проводится анализ исходной сельскохозяйственной информации Для целей диссертационного исследования наибольший интерес представляют продолжительные и непрерывные ряды данных по урожайности сельскохозяйственных культур для отдельных территориальных единиц исследуемых регионов Большое значение также имеет и сопутствующая таким рядам информация валовой сбор, посевные и уборочные площади и т д

В качестве источников исходной сельскохозяйственной информации нами были использованы статистические архивы государственных служб и международных организаций в исследуемых нами регионах США и странах бывшего СССР

Информация об урожайности озимой и яровой пшеницы для отдельных административных единиц СССР (области, края, автономные республики) за период с 1945 по 1987 годы, полученная из статистических ежегодников «Народное хозяйство» издания Центрального статистического управления при Совете Министров СССР, лучше всего подходит для целей статистического моделирования Эти ряды достаточно продолжительны и в них мало пропусков Использование рядов урожайности пшеницы в изучаемых регионах бывшего СССР, начиная с 1988 года, затруднено в силу сложности их получения В отношении некоторых небольших современных независимых государств, таких как Латвия, Литва и Эстония этот вопрос решается относительно легко Информацию по урожайности сельскохозяйственных культур в целом по этим странам можно получить из баз данных Международной организации по сельскому хозяйству и продовольствию (ФАО) Применительно к России, Украине и Белоруссии использование этого источника не представляется

возможным, так как в базах данных ФАО отсутствует информация для отдельных территориальных единиц этих крупных стран

Основным источником сельскохозяйственной информации об урожайности озимой и яровой пшеницы для территории США являются архивы Министерства сельского хозяйства США (Ш йОА), находящиеся в свободном доступе в сети Интернет В этих архивах имеется информация по производству пшеницы в США за период с 1919 года по настоящее время Дополнительно нами были использованы данные ежегодных отчетов Министерства сельского хозяйства США Таблицы архивов сельскохозяйственной информации по производству сельскохозяйственных культур на территории США выгодно отличает наличие в них большого количества сопутствующих данных Кроме того, информация более дифференцирована по территории — имеются в наличии данные как по всему штату в целом, так и по отдельным округам и графствам

Анализ качества исходных рядов по урожайности пшеницы в регионах стран СНГ и Балтии позволил сделать следующие выводы Во-первых, имеющиеся данные обладают достаточной продолжительностью (около сорока лет), что позволяет надеяться на получение устойчивых статистических оценок при построении регрессионных моделей Во-вторых, внутри рядов практически нет пропусков, что снимает проблему заполнения отсутствующих записей И, наконец, в-третьих, для большинства областей данные относятся к одному и тому же временному промежутку

В отличие от российских данных, ограниченных периодом 1945—1987 годы, продолжительность рядов в США сильно варьирует для различных графств Преимущество американских архивов — наличие в них большой вспомогательной информации — посевные и уборочные площади, данные по валовому сбору и даже по содержанию белка в зерне, что позволяет использовать «дополнительные степени свободы» при обработке исходной информации В отношении данных по странам СНГ и Балтии такая информация отсутствует Следует признать, что исходные ряды по урожайности пшеницы на территории США более удобны для построения достоверных статистических моделей «погодные факторы — урожайность»

Осуществляя обзор имеющейся в настоящее время информации об урожайности сельскохозяйственных культур, нельзя не отметить, что за последние 60 с лишним лет сельское хозяйство развитых и некоторых развивающихся стран характеризуется значительным ростом урожайности основных продовольственных культур, в том числе зерновых, включая интересующую нас пшеницу Однако, несмотря на рост урожайности, ее межгодовая изменчивость, вызванная вариабельностью погодных условий, по-прежнему, остается весьма значительной Влияние технологического уровня развития сельскохозяйственного производства на урожайность существенно затрудняет исследование эффектов ее погодно-климатической изменчивости

Исходя из того, что в большинстве случаев при эмпирико-статистическом анализе приходится иметь дело с данными о урожаях, задача исследования показателей роста и изменчивости урожайности становится комплексной, включающей не только агроклиматическую, но и экономическую и технологическую компоненту

Для построения устойчивых схем агрометеорологического прогноза необходимо получение однородных рядов показателей урожайности Это очень важный вопрос для исследования влияния погодно-климатических факторов на урожайность

Не вызывает сомнения, что длительные тенденции в рядах урожайности обусловлены прежде всего влиянием технологических факторов Однако выявление технологических трендов часто затруднено отсутствием конкретной информации о них Понятно, что технологические факторы стимулируют рост урожайности, но какой фактор в какой степени часто остается неясным При построении индивидуальных регрессионных моделей урожайности пшеницы для небольших территориальных единиц получить информацию о динамике отдельных технологических факторов, практически не представляется возможным Поэтому исследователи, как правило, исходят из использования априорного вида временного тренда урожайности, следуя идее выделения простых трендов, прежде всего, линейного

Существуют разнообразные приемы выделения трендов, но все они являются априорными, и каждый из них требует дополнительного обоснования своей методики Использование априорных трендов для выделения трендовой компоненты изменчивости превращает задачу о прогнозировании урожайности в задачу с некоторой неопределенностью в окончательном результате

На основании сказанного, можно придти к важному выводу, что априорно невозможно сказать какой из выбираемых для анализа трендов является единственно «правильным» В данном исследовании мы отказались от выделения одного единственного априорного «наилучшего» тренда, и реализовали методику построения ансамбля трендов

В нашем исследовании «ансамбль» трендов Уд. состоял из восьми полиномов (от линейной функции до полинома 8-ой степени) и восьми экспоненциальных функций, показателями которых были полиномы до восьмой степени В отдельных контрольных расчетах для ряда выбранных графств США мы пользовались аппроксимацией эволюторными кривыми

Построенные полиномиальные и экспоненциальные тренды позволили получить различные показатели урожайности, которые были использованы в качестве предиктантов регрессионных моделей Расчет показателей относительной урожайности Г]^ производился по формуле

Пк{') = ШгШтШ (Л—1,2,3, 8,9,10,11 16) (1)

где у(Г) — урожайность культуры в год /, !*(/) значение урожайности в этом же году по тренду к (одному из выбранных 16-ти трендов), //¿(г) — относительная урожайность культуры в год /, рассчитанная с использованием тренда к

В принципиальном смысле технологическими трендами урожайности сельскохозяйственной культуры можно было бы назвать не ранее рассмотренные тренды, а некий тренд значений урожайности, которая могла бы быть достигнута в случае влияния всех технологических факторов при максимально благоприятных погодных условиях в каждый год Понятно, что такой тренд должен располагаться как выше «межточечного» тренда, так и

выше пилообразной кривой реальных урожаев Для обоснования методики проведения такого тренда сделаем предположение, что имеющийся в наших расчетах период возделывания культуры содержит такой самый благоприятный год Анализируя построенные ряды относительных отклонений t]k(i) для какого-либо региона, можно найти год, в который относительная урожайность культуры была самой высокой Можно предположить, что именно в этот год агрометеорологические условия сложились самым благоприятным образом для получения высокой урожайности Для определения вида кривой технологического тренда примем гипотезу о подобии ранее построенного эмпирического тренда и искомого «истинно» технологического тренда В таком случае кривая искомого тренда ГтаЛ;1д(г), рассчитанного по эмпирическому тренду с номером к, будет вычисляться по формуле

Ymax,k(i)=YkO) [1+Л Ук(лучший год)/Тк(лучший год)]==

=Yk(i) [1+1]к(лучший год)], (2)

где YniaX:h — максимальный тренд урожайности, соответствующий тренду Ук, АУ^лучший год) — положительное максимальное ненормированное отклонение реальной урожайности от тренда (в год самых благоприятных агрометеорологических условий), цк(лучший год) — относительное отклонение реальной урожайности от тренда в единственный год наилучших агрометеорологических условий Технологический тренд Утах,к представляет ряд потенциальной урожайности при отсутствии «неприятностей» погодного характера Относительно кривой максимального тренда пилообразная кривая динамики реальной урожайности располагается всегда ниже, то есть каждый год в исследуемом промежутке характеризуется сельскохозяйственными потерями, равными разности значений максимального тренда и реальной урожайности в этот конкретный год

Расчет относительных потерь Хк урожайности от максимального тренда производился по формуле

Ui)=100%[Ymax,k-y(i)]IYmaX:h, (3)

где приняты те же обозначения, что и в формулах (1—2) Множитель 100% введен для удобства Подчеркнем, что расчет относительных потерь урожайности будет проводиться таким образом, что на графиках они всюду будут положительными цифрами Это не должно смущать читателя, привыкшего воспринимать потери в урожайности как отрицательные величины

Во втором параграфе проводится анализ исторической метеоинформации и ее обработки При построении статистических моделей «погода— продуктивность культуры» в качестве предикторов использовались ежемесячные значения температуры приземного воздуха и осадков В качестве основного источника метеорологической информации привлекались архивы Центра Климатической Информации США (National Climate Data Center, World data Center "А") Данные по мировой сети метеорологических станций ВМО в этих архивах регулярно обновляются В некоторых случаях использовался

архив данных по 223 станциям бывшего СССР, подготовленный во Всероссийском научно-исследовательском институте гидрометеорологической информации, Мировом Центре "В", позже переданный в 1\тСОС

При выборе надежного сочетания «территориальная единица— метеорологические данные» была использована компьютерная программа поиска соответствующих метеорологических станций Применялась разная система отбора станций для территорий США и бывшего СССР, что было связано с большими различиями по площади между областями и республиками бывшего СССР, с одной стороны, и графствами США с другой

Для США отбор станций осуществлялся по критерию максимальной близости к географическому центру соответствующего графства Поиск станций производился в радиусе 30 км от центра графства Для областей и республик бывшего СССР приоритет отдавался станции, расположенной ближе к региону производства пшеницы в конкретной территориальной единице Все выбранные станции имеют длительные ряды данных, превышающие продолжительность данных по урожайности

В данной работе, как и в любом классическом агрометеорологическом исследовании, предполагалось, что основными метеорологическими факторами (в дальнейшем будем называть их предикторами), действующими на урожайность пшеницы, являются температура приземного воздуха и атмосферные осадки Другие факторы в наших расчетах не использовались

В большинстве случаев использовались ежемесячные значения максимальной и минимальной суточной температуры и атмосферных осадков В тех случаях, когда продолжительность рядов урожайности была меньше 24 лет, в качестве предикторов использовалась средняя месячная температура и месячная сумма осадков Помимо этого, такой подход был связан с тем, какие данные предоставляются в архивах Центра Распространения Данных комиссии 1РСС

При подготовке рядов метеорологических предикторов, как и при подготовке рядов предиктантов, важно было решить вопрос о показателях температуры и осадков, включаемых в регрессионные модели В данном случае также требовалось решение проблемы выделения длиннопериодной компоненты изменчивости В первую очередь этого требует логика постановки нашей задачи предиктанты в наших моделях представлены безразмерными показателями, следовательно, методически корректным было бы и предикторы представить в виде безразмерных величин Однако более важным обстоятельством принятия такого решения явилось то, что главная цель нашей исследовательской работы состояла в развитии методики оценки изменений повторяемости аномалий урожайности при ожидаемых изменениях климата, то есть отклонений показателей урожайности от их средних, в более общем случае, трендовых величин Понятно, что в связи с развивающимся глобальным потеплением понятие средних величин за какой-либо промежуток времени в будущем является условным Справедливым будет и то утверждение, что аналогичная картина имела место и в историческом прошлом, когда применительно к относительно длительным промежуткам времени утверждать об абсолютной устойчивости средних значений метеорологических элементов

не приходится В особенности это справедливо, если иметь в виду динамику региональных метеорологических характеристик

Исходя из этого, потребовалось «очистить» ряды метеорологических величин от длиннопериодной компоненты изменчивости и считать относительные отклонения метеорологических параметров от их трендовых линий показателями влияния метеорологических условий на урожайность Проиллюстрируем это примерами расчетов относительных отклонений для средней максимальной ттах4и минимальной температуры

воздуха и осадков л^ в апреле на станции Кострома Эти величины рассчитаны по формулам

Ттеап4,к~{.Ттеип{— Тmean,и^УТmean,tr4i

T/twx4, А Тпшх'Г Тчшх,1г4 У^тах, tr4 > (4)

Ттш4,к~{Хпип4~Тт1П1Г4Утт1П1Г4,

K4,k-(P<r-Ptr4yPtr4,

в которых Ттесш4, ТтаХ4, Т„пп4 — среднесуточная, максимальная и минимальная температура приземного воздуха и я^ — атмосферные осадки в 4-ый месяц года (апрель)

На основании проведенного анализа, как и в случае с предиктантами, при построении более достоверных статистических моделей было решено не ограничиваться «выделением» из рядов метеорологических предикторов трендов какого-то одного определенного вида Вычисления проводились с использованием широкого набора трендовых линий, а выбор в пользу того или другого тренда проводился на финальном этапе построения моделей В данной работе не использовались априорные гипотезы и предположения о наилучшем тренде для многолетней динамики метеорологических факторов Было решено пойти по пути массовых расчетов, чтобы на финальном этапе построения регрессий сохранить возможность выбора наиболее достоверной модели из «ансамбля» моделей, построенных с использованием большого набора трендовых линий, как для предиктантов, так и для предикторов

Глава 4 Методика построения регрессионных моделей урожайности

В первом параграфе рассматривается один из важнейших этапов диссертационной работы методика построения статистических регрессионных моделей урожайности, предназначенных для расчетов влияния глобального потепления на повторяемость аномальных для урожайности гидротермических явлений Основными задачами настоящего этапа были обоснования методики выбора статистически наиболее достоверных наборов предиктантов — предикторов для искомых регрессий Подчеркнем, что такой выбор для модели урожайности конкретного типа пшеницы для каждого конкретного региона должен проводиться индивидуально Напомним, что в набор предикторов были включены все возможные комбинации из трех показателей термического режима (средняя месячная, средняя максимальная и средняя минимальная температура) и месячной суммы осадков Каждый из упомянутых предикторов представлялся в вариантах их отклонений от трендов, представляемых в виде

полиномов от первой до шестой степени Выбор «наилучшего» предиктанта статистической модели урожайности производился нами двумя способами

Первый способ Этот способ построения регрессионных моделей в практике статистического моделирования называется способом прямого перебора из всех возможных многофакторных регрессий На первом этапе расчетов для каждого региона после выбора предиктора, наиболее высоко коррелированного с конкретным предиктантом, строятся все возможные двухфакторные регрессионные схемы, как с привлечением его в расчеты, так и без привлечения Количество таких схем составит более 72 млн Второй этап построений — это построение для заданного предиктанта всех возможных трехфакторных регрессий, которых будет более 411 млн Следующим этапом должен быть расчет всех возможных четырехфакторных регрессий — это порция из более 3 млрд регрессий Количество пятифакторных моделей составит около 21 млрд регрессий Следующая группа шестифакторных моделей составит приблизительно 112 млрд регрессионных конструкции Если ограничить расчеты на этапе построения шестифакторных моделей всего в сумме будет более 137 млрд регрессий Для всех 318 регионов бывшего СССР и США было построено более 42 триллионов регрессий

Второй способ С использованием введенного нами эмпирического индекса / корреляционной связи, вычисляемого по формуле

f^nunjl)

+ corr (yjk •i^maxj

,) + corr (yjk ,7T7/)]} (4)

i

где sqrt — корень квадратный, corr2 — коэффициент корреляции в квадрате, у — значения предиктантов ?/, Л, ттш, т„шх (или ттеап), п — значения предикторов, i — номер месяца вегетационного сезона, j — номер региона (67 + 241), к — тип предиктанта, к = 1—8, 9—16, 17—24, 25—32, / — тип температурных предикторов, I = 1,2,3,4,5, т — тип предиктора осадков, т = 1,2,3,4,5

Полученные индексы ранжировались в порядке их убывания Предиктант, занимающий первую строку в рейтинге, выбирался в качестве «наилучшего» и включался в регрессионную модель для конкретного региона Такое построение схемы отбора базируется на феноменологической предпосылке ее статистической справедливости и требует доказательства ее пригодности С этой целью в работе и был применен первый способ отбора сочетания предиктант — предикторы, который в полной мере можно назвать абсолютным

Во втором параграфе проводится сравнительный анализ алгоритмов выбора предиктантов моделей, базирующихся на феноменологическом показателе и анализе всех возможных регрессий Как уже отмечалось, в качестве базового (абсолютного) метода выбора предиктантов регрессионных моделей в нашей работе был использован метод анализа статистических свойств всех возможных регрессий Повышение сложности регрессионной модели (включение в расчет регрессий более высокого порядка) происходит до тех пор, пока продолжает возрастать значение скорректированного (adjusted) коэффициента детерминации Ra2, расчет которого производился по формуле

112.=1

С*-*'), (5)

\n-PJ

в которой п — продолжительность ряда наблюдений, р — количество предикторов, включаемых в регрессию, Я — коэффициент детерминации

Для реализации данного подхода была составлена специальная компьютерная программа, алгоритм которой позволял проводить расчеты до шестифакторных регрессий включительно Такое ограничение сверху связано с тем, что для вычисления алгоритма прямого перебора, несмотря на его относительную простоту, требуется продолжительный период времени, который достаточно быстро растет при увеличении количества предикторов, вовлекаемых в расчеты Поэтому в нашем исследовании мы использовали его только при переборе всех двухфакторных, трехфакторных, четырехфакторных, пятифакторных и шестифакторных моделей урожайности При-этом наша цель состояла в том, чтобы с использованием этого абсолютного метода, показать, что другой, использованный в нашем исследовании метод отбора предиктантов, базирующийся на анализе величин эмпирического индекса I корреляционной связи, является столь же надежным, как и абсолютный метод перебора всех возможных регрессий

В третьем параграфе анализируются результаты выбора предиктантов моделей урожайности в различных регионах

В четвертом параграфе проводится анализ корреляционной связи предиктантов и метеопредикторов моделей Следующим, после этапа обоснования наилучшего предиктанта моделей урожайности для исследуемых нами территорий, стал этап построения непосредственно моделей Как уже было отмечено, для построения статистических моделей урожайности мы приготовили два набора предикторов 1) относительные значения максимальной, минимальной температуры воздуха и месячных сумм осадков, 2) относительные значения средней месячной температуры воздуха и месячных сумм осадков

Для территории США, в зависимости от продолжительности рядов предиктантов и предикторов, приминительно к различным узлам климатических моделей, попадающих на территорию определенных графств, может использоваться, как один, так и второй набор предикторов На территории бывшего СССР в силу меньшей длины рядов урожайности можно было использовать только второй наборов предикторов

Исходя из того, что значения максимальной и минимальной температуры в один и тот же месяц обычно высоко коррелированны, нам необходимо было сделать выбор в отношении включения одного из двух предикторов в отбор При проведении такого анализа рассчитывались коэффициенты корреляции между значениями минимальной и максимальной температуры в каждый месяц По указанной причине, ряды максимальной и минимальной температуры подвергались «просеиванию» С этой целью были рассчитаны коэффициенты корреляции между «наилучшими» предиктантами и температурными предикторами Естественно, что в конечном итоге, приоритет отдавался тому из этих двух предикторов, который теснее коррелирует с предиктантом

В пятом параграфе приводятся оценки точности и достоверности регрессионных моделей Во всех расчетах и оценках в качестве основных критериев качества построенных уравнений регрессии мы использовали коэффициент детерминации, скорректированный на количество степеней свободы — ItJ, и значения критериев Стьюдента, применительно к каждому из выбираемых предикторов (¿-критериев)

При включении дополнительных предикторов в регрессионные модели, вычисления продолжались до момента падения значение Ra2 В качестве нижнего предела для регрессий, используемых в целях агроклиматического прогнозирования, выбиралось значение /-критерия Стьюдента для предикторов равное 1,7 (уровень доверительной вероятности 90—95%) В качестве критерия оценки отсутствия в рядах остатков автокорреляционных связей нами использовался критерий Дарбина-Уотсона (et), вычисляемый по формуле

1=1

в которой е, — ряд остатков

Значение этого критерия, позволяющее сделать вывод об отсутствии автокорреляционных связей, — 1,4 Следует отметить, что во всех расчетах значения критерия Дарбина-Уотсона были выше этого уровня, что дополнительно свидетельствует о достаточной надежности выбранных трендов Представлены примеры регрессионных моделей урожайности различных типов пшеницы для исследуемых территории

Модели урожайности для графств штата Канзас (основного производителя озимой пшеницы в США) характеризуются значениями корректированного коэффициента множественной корреляции Ra варьирующими от 0,62 (графство Kingman) до 0,70 (графство Brown) Что касается значений коэффициента R2, они изменяются от 0,56 до 0,65 В качестве предикторов моделей урожайности для графств штата Канзас чаще всего выступают атмосферные осадки — 32 случая, нормированная минимальная температура, как предиктор, встречается в моделях 27 раз, максимальная — 22 раза Если рассматривать каждый из типов предикторов в отдельности, то наиболее часто встречающимися оказались из г„,„, — ттш5 (шесть случаев), из т„шх — ттако (6 случаев), из п — Ко и Ли (5 случаев) Говоря о встречаемости предикторов в предыдущий год и в год уборки, можно сделать вывод о том, что в «год посадки» определяющими для конечного урожая являются значения т„ых и я, в год же уборки — т„ип и я

В целом, суммируя информацию обо всех графствах различных штатов-производителей озимой пшеницы в США, можно отметить, что наиболее часто встречающимися метеорологическими предикторами в регрессионных моделях явились относительные осадки, они запрашивались алгоритмом 99 раз, нормированная максимальная температура привлекалась в качестве предиктора

72 раза, минимальная — 58 раз Чаще других в конечных моделях встречались следующие предикторы из т„„„ — г„|(„д (11 повторений), из ттах — тпшх0 (13 повторений) и ттаХ1з (14 повторений), из л ттс (12 повторений), по (15 повторений), пп (10 повторений), тс$ (10 повторений), л> (И повторений) Заметим еще раз, что наиболее часто встречающимися в регрессионных моделях урожайности метеорологическими предикторами являются атмосферные осадки

Следует сказать, что большинство построенных регрессионных моделей характеризуются высокими значениями коэффициентов множественной корреляции, которые варьируют от 0,76 в графстве Pittsburg (штат Оклахома) до 0,98 в графстве Lassen (штат Калифорния) Характеризующие уровень статистической значимости выбираемых алгоритмом метеорологических предикторов критерии Стьюдента практически во всех случаях соответствуют уровню доверительной вероятности 95—99%

Глава 5 Прогностические оценки

В первом разделе приводится краткая характеристика различных методик или сценариев предстоящих изменений глобального и регионального климатов априорные сценарии изменений климата и экспертные опросы, аналоговые сценарии, палеоклиматические сценарии, модельные сценарии В настоящее время наиболее универсальным методом оценки ожидаемых количественных изменений климата является использование результатов расчета по моделям общей циркуляции атмосферы и океана (МОЦАО) Большинство современных исследований, посвященных возможным последствиям изменения климата, основано на этих результатах

Во втором разделе проводится описание прогностической методики проведения расчетов При анализе возможных последствий глобального потепления климата, диссертанта, прежде всего, интересовал вопрос о проявлении погодных вариаций термического режима и режима осадков в исследуемых нами регионах, которые могут оказывать влияние на повторяемость аномальных показателей урожайности сельскохозяйственных культур при глобальном потеплении Поэтому, как и в случае с историческими сельскохозяйственными и метеорологическими данными, встала задача о выделении длиннопериодной компоненты изменчивости из модельных прогностических рядов метеорологических параметров

Качественный анализ прогностических данных выявил существенные различия в типах тенденций изменений метеорологических элементов в различных территориальных единицах Поэтому при подготовке рядов относительных величин прогностических предикторов, как и в случае с исторической информацией, было принято решение не ограничиваться использованием какого-то одного априорного тренда, а делать вывод, анализируя особенности трендов из заданного набора

В качестве набора возможных трендовых линий использовались полиномиальные тренды от нулевой (среднее многолетнее значение) до четвертой степени Напомним, что для относительных значений метеоэлементов от трендов были введены следующие обозначения т^ — для

температурных характеристик и л^ — для атмосферных осадков (к — номер тренда)

В качестве инструмента для выбора «наилучшего» тренда изменений метеопараметров в будущем был использован метод интегральных периодограмм Выбор наилучшей аппроксимирующей линии осуществлялся с использованием критерия Колмогорова и введенного нами эмпирического показателя у, вычисляемого по формуле

у=пип^.аЬь(вг<Гкп,0 (7)

где <гг — доля общей дисперсии, суммарно приходящаяся на колебания с большими частотами Л — она же для «белого шума» В проведенных расчетах задавались следующие критерии отбора достоверного тренда для вычисления прогностических значений метеорологических показателей, как нормированных разностей отклонений от тренда (1) интегральная периодограмма метеорологического показателя не должна выходить за пределы 99%-го доверительного интервала, (2) величина у при изменении степени полиномиального тренда должна быть минимальной

В третьем параграфе приводятся оценки прогностической динамики урожайности При проведении прогностических расчетов изменений повторяемости аномальных для урожайности явлений было принято решение не отдавать предпочтения тому или иному климатическому сценарию, а провести расчеты по всем семи сценариям третьего поколения При анализе рассчитанных прогностических рядов относительной урожайности или относительных потерь урожайности первоочередное внимание уделялось анализу динамики сглаженных прогностических показателей С этой целью с привлечением рассчитанных рядов ежегодных значений аномалий урожайности пшеницы в областях бывшего СССР и США, вычислялись ряды их 11-ти летних сглаженных значений Все прогностические оценки относились к периоду 2007—2050гг Дальше в тексте приводятся некоторые примеры прогностической динамики показателей урожайности для различных территорий России и США Подробнее остановимся на некоторых из них

Графики на рис 1 характеризующие прогностическую динамику, относительных потерь урожаев яровой пшеницы в графстве 8юих (штат Северная Дакота), рассчитаны по климатическим сценариям ЕСНАМ4 и МСА11-РСМ(1130) Можно отметить хорошее согласование в поведении сглаженных кривых — 11-летних скользящих средних Для данного графства будет характерным небольшое увеличение потерь урожаев во вторую половину второго десятилетия текущего столетия и значительное повышение потерь в период с 2030 по 2045гг На рис 2 для графства Бюих приводится сравнение исторического и прогностического рядов Л Следует отметить, что на обоих графиках отмечается согласованность в тенденции на уменьшение относительных потерь урожайности с конца 1990-х годов

Рис. 1. Сглаженная динамика относительных потерь урожайности, полученная по данным климатических сценариев.

Рис. 2. Пример сравнения исторической и прогностической сглаженной динамики показателей урожайности.

Интересные результаты получены при проведении прогностических расчетов для регионов России. На рис. 3 показана сглаженная прогностическая динамика относительных потерь урожайности озимой пшеницы в республике

Башкортостан, рассчитанная по четырем климатическим сценариям (ЕСНАМ4, ЫСАЯ-РСМ^ЗО), На<1СМЗ и С5ПЮ(Мк2)), хорошо согласующимся между собой. На этих графиках отмечается период 2020—2030гг, когда могут наблюдаться более частые засушливые явления. Менее частыми они станут в последующие годы.

Рис. 3. Сглаженная динамика относительных потерь урожайности, полученная по данным климатических сценариев.

Представленные примеры показывают, что использование разработанной в диссертации методики в прогностических расчетах изменений повторяемости аномальных для урожайности гидротермических явлений в будущем позволяет выявить важнейшие закономерности влияния глобального потепления на урожайность сельскохозяйственных культур. По мнению диссертанта, факты хорошего согласования оценок будущей динамики показателей урожайности, рассчитанных с использованием разных климатических сценариев, позволяют надеяться, что дальнейшее совершенствование, как сценариев, так и статистических моделей урожайности, существенно расширит возможности получения новых прогностических результатов.

Основные результаты и выводы

• Построены ряды показателей урожайности различных видов пшеницы в 67 областях России, Европейских стран СНГ и Балтии и 3568 графствах различных штатов США

• С использованием данных по средней месячной, максимальной, минимальной температуре приземного воздуха и атмосферным осадкам для 543 метеостанций на исследуемых территориях рассчитаны ряды предикторов статистических моделей аномалий урожайности

• Для выбранных областей бывшего СССР и графств США с использованием различных методик построены многофакторые статистические модели аномалий урожайности Получены оценки статистической достоверности и значимости построенных моделей Значения коэффициентов множественной корреляции для большинства построенных моделей превосходят уровень 0,80, величины /-критериев Стьюцента для коэффициентов уравнений регрессий соответствуют уровню доверительной вероятности в 95—99%

• С использованием модельных сценариев изменений климата, рекомендованных МГЭИК, рассчитана динамика аномалий урожайности пшеницы до 2050 года в исследуемых регионах

• Показано, что использование методик моделирования аномалий урожайности, базирующихся на отборе наиболее статистически достоверных из всего набора построенных регрессий, позволяет отказаться от априорных предпосылок и гипотез, являющихся источниками неопределенности в прогностических оценках Точность таких моделей существенно превосходит точность регрессий, базирующихся на априорных предпосылках

• Расчеты динамики аномалий урожайности, проведенные с использованием некоторых модельных сценариев изменений климата третьего поколения, показывают определенную согласованность, поэтому привлечение климатических сценариев, рекомендованных в 4-ом отчете МГЭИК, представляется весьма актуальным

Основные результаты диссертационной работы опубликованы в следующих работах в рецензируемых журналах, входящих в перечень ВАК.

1 Павловский А А Изменения климата и повторяемость экстремальных гидротермических явлений // Вестник СПбГУ, 2006 Сер 7 Вып 3 С 88—94

Другие публикации

2 Павловский А А, Савватеев С П Методы оценки агроклиматических последствий антропогенного глобального потепления // В сб Труды итоговой сессии Ученого совета Российского государственного гидрометеорологического университета 23—25 января 2005 СПб , 2005а С 66—67

3 Павловский А А , Менжулин Г В, Петерсон Г Н Особенности изменений климата Санкт-Петербурга и других крупных городов Европы в историческом прошлом и в настоящее время Материалы научной конференции «Экология Санкт-Петербурга и его окрестностей» 5—7 декабря 2005 г СПб, 2005 С 16—17

4 Павловский А А, Менжулин ГВ, Петерсон ГII, Савватеев СП Глобальное потепление и повторяемость экстремальных гидротермических явлений // В сб Погода и биосистемы материалы международной конференции 11—14 октября 2006г СПб Астерион, 2006 С 70—71

Отпечатано с готового оригинал-макета в ЦНИТ «АСТЕРИОН» Заказ 379 Подписано в печать 06 11 2007 Бумага офсетная Формат 60х84'/|6 Объем 1,5 п. л Тираж 100 экз Санкт-Петербург, 191015, а/я 83, тел /факс (812) 275-73-00, 970-35-70 E-mail astenon@astenon ru

Содержание диссертации, кандидата физико-математических наук, Павловский, Артем Александрович

Введение.

1. Влияние изменений климата на сельское хозяйство.

1.1. Проблема агроклиматических последствий глобального потепления.

1.2. Возможности расширения посевных площадей.

1.3. Перспективы развития агротехнологий.

1.4. Прямое физиологическое влияние роста концентрации С02 на продуктивность растительности

1.5. Анализ имеющихся оценок изменений агроклиматических показателей при ожидаемых изменениях климата.

2. Методы агроклиматических исследований и прогнозирования урожайности.

2.1. Эмпирико-статистические методы.

2.2. Имитационные модели продукционного процесса.

2.3. Проблемы диагноза и прогноза засух.

3. Исходная информация.

3.1. Исходная сельскохозяйственная хозинформация и ее обработка.

3.1.1. Данные об урожайности пшениц в странах СНГ и Балтии.

3.1.2. Данные об урожайности пшеницы в регионах США.

3.1.3. Качество данных об урожайности для различных регионов.

3.1.4. Использование информации о посевной и уборочной площадях при корректировке рядов урожайности пшеницы в США.

3.1.5. Обработка сельскохозяйственной информации и обоснование предиктантов статистических моделей.

3.2. Историческая метеоинформация и ее обработка.

4. Методика построения регрессионных моделей урожайности.

4.1. Выбор предиктантов регрессионных моделей для различных территорий и культур.

4.2. Сравнительный анализ алгоритмов выбора предиктантов моделей, базирующихся на эмпирическом показателе и анализе всех возможных регрессий.

4.3. Анализ результатов выбора предиктантов моделей урожайности в различных регионах.

4.3.1. Озимая пшеница в США.

4.3.2. Яровая пшеница в США.

4.3.3. Пшеница Durum в США.

4.3.4. Озимая пшеница в европейской части России, стран СНГ и в Балтии.

4.3.5. Яровая пшеница в европейской части России, стран СНГ и в Балтии.

4.4. Анализ корреляционной связи предиктантов и метеопредикторов моделей.

4.5. Оценки точности и достоверности регрессионных моделей.

4.5.1. Методика оценивания.

4.5.2. Особенности регрессионных моделей урожайности для регионов США.

4.5.3. Особенности регрессионных моделей урожайности для европейских регионов России, стран СНГ и Балтии.

5. Прогностические оценки.

5.1. Сценарии ожидаемых изменений климата в XXI столетии.

5.1.1. Априорные сценарии изменений климата и экспертные опросы.

5.1.2. Аналоговые сценарии.

5.1.3. Палеоклиматические сценарии.

5.1.4. Модельные сценарии.

5.2. Методика проведения прогностических расчетов.

5.3. Оценки прогностической динамики урожайности.

Введение Диссертация по наукам о земле, на тему "Статистическое моделирование динамики урожайности пшеницы и оценки ее изменений при глобальном потеплении"

Актуальность исследования

В настоящее время для современной науки о Земле является показательным быстрое развитие дисциплин, целью исследования которых являются изменения окружающей среды. Среди них ведущая роль отводится пауке об ожидаемых изменениях компонентов климатической системы нашей планеты — современной климатологии. В решение ее задач вовлечен широкий круг ученых различных направлений. Проблемы современной климатологии привлекают все большее и большее внимание широкой общественности, исследовательских коллективов различных стран, межправительственных организаций, национальных комитетов, симпозиумов и конференций.

Последние десятилетия характеризуются также и тем, что к ранее сформировавшемуся кругу дисциплин, являвшихся для климатологии смежными, проблемы которых традиционно имели к ней непосредственное отношение, следует включить экономику, социологию, политологию и международное право. Общей проблемой, связавшей климатологию с этими науками, является изучение перспектив развивающегося глобального потепления, которое может произойти под влиянием антропогенных факторов, а также оценок их разнообразных экологических, экономических и, в конечном итоге, социально-политических последствий. Несомненным успехом исследований, проведенных в мире в последние три десятилетия, является то, что сейчас можно достаточно уверенно говорить о наиболее вероятных сценариях развития изменений основных показателей глобального климата и наиболее принципиальных их последствиях (IPCC, 2007а,Ь,с). Важно заметить, что в применении к некоторым из них уже можно надеяться на достоверность полученных не только качественных, но и количественных оценок. Углубление и расширение дальнейших исследований и получение более детальных выводов о влиянии ожидаемого глобального потепления на природную среду и экономику, также как и комплексная оценка их последствий, должны обеспечиваться при научном подходе, сочетающем в себе обнаружение и анализ особенностей происходящих региональных изменений климата, построение сценариев их динамики в будущем и, наконец, расчеты влияния на окружающую среду и экономику. Без расширения научных разработок в указанных направлениях будет трудно поддержать выводы о достоверности уже полученных результатов и использовать их для обоснования стратегии приспособления мирового сообщества к развивающемуся глобальному потеплению и его последствиям. Без этого также малоперспективным представляется достижение согласованных геополитических решений и их обоснованное отражение в международных правовых документах. В этой связи можно упомянуть о том, как в последние годы изменялось отношение участников крупных международных конференций и правительств ряда стран к вопросу о подписании и ратификации Киотского Протокола об ограничении выбросов парниковых газов. (The Earth Submit, 1993; The Kyoto Protocol, 1997; Госдепартамент США о проблеме., 2001; Всемирная конференция., 2003).

Важнейшей компонентой исследований современных глобальных изменений являются оценки их влияния на экологические процессы и экономику. В числе этих вопросов следует отметить: влияние на водный режим и гидрологические процессы па суше, влияние на наземные экосистемы и природную зональность, влияние на энергоресурсы и энергопотребление, влияние па уровень мирового океана и морские и прибрежные экосистемы, влияние на криосферу в целом и на вечную мерзлоту в частности, влияние на транспорт, энергетику, строительство, влияние па финансово-кредитную систему и другие сферы человеческой деятельности и экологические процессы. Однако, по нашему глубокому убеждению, в ряду основных последствий современного глобального потепление одно из первых мест должно занимать влияние изменений климатических факторов на продуктивность сельскохозяйственных культур и инфраструктуру сельского хозяйства в целом. Характерно, что наибольшее количество публикаций, посвященным последствиям изменений климата, приходится именно на эти вопросы. Однако нельзя не отметить, что практически все эти публикации посвящены вопросам изменения среднего уровня продуктивности сельскохозяйственных культур при изменении гидротермического режима и содержании углекислого газа в атмосфере. Другими словами, в этих исследованиях в качестве расчетных методик фигурируют изменения норм метеорологических элементов, а выходными (искомыми) величинами является изменения уровня продуктивности, то есть показателей за продолжительные промежутки времени в будущем. Хотя вопрос о повторяемости опасных для сельского хозяйства аномальных гидротермических явлений и ставился до настоящего времени, количественно оцепить его достаточно надежно не удавалось. Однако согласно мнениям специалистов и решениям международных органов этот вопрос является одним из самых актуальных для современной пауки об агроклиматических последствиях изменений климата.

Цели исследования

Основной целью диссертационного исследования является разработка методики построения эмпирико-статистических моделей «урожайность — метеорологические факторы» и применение их для оценки повторяемости аномальных для урожайности сельскохозяйственных культур гидротермических явлений до середины XXI века с использованием климатических сценариев, рекомендованных Международной группой экспертов по изменениям климата. Задачи исследования

• Построить ряды показателей урожайности различных культур пшеницы в областях России, странах бывшего СССР и графствах различных штатов США.

• Составить ряды данных по средней месячной, максимальной, минимальной температуре приземного воздуха и атмосферным осадкам для метеостанций на исследуемых территориях бывшего СССР и США.

• С использованием архивов центра по распространению данных МГЭИК подготовить прогностические ряды метеорологических данных по средним месячным значениям температуры и осадков, для сценариев, построенным по моделям общей циркуляции атмосферы и океана, рекомендованным в третьем отчете МГЭИК.

• Провести корреляционный анализ сельскохозяйственных и метеорологических рядов данных, подготовленных для построения регрессионных моделей. Построить ансамбли регрессионных моделей «погода — урожайность» для областей СССР и графств США. Получить оценки их достоверности и значимости.

• Проанализировать точности воспроизведения построенными регрессионными моделями исторических рядов урожайности культур пшеницы на исследуемых территориях.

• С использованием прогностических модельных сценариев, рекомендованных МГЭИК рассчитать динамику показателей урожайности различных культур пшеницы до 2050 года в регионах бывшего СССР и США. Оценить согласованность прогностической динамики показателей урожайности пшеницы на исследуемых территориях при глобальном потеплении до 2050 года.

Научная новизна

Основная компонента научной новизны состоит в разработке методики нового ансамблевого подхода к построению статистических регрессионных моделей показателей аномальности урожайности сельскохозяйственных культур.

С целыо реализации такого подхода в диссертации разработана схема объективного отбора наиболее достоверных и точных регрессий, составляющих конечную статистическую модель.

Для практической реализации разработанного подхода построена методика анализа статистических критериев, характеризующих каждую модель, как представительницу ансамбля регрессий.

Существенной компонентой новизны является впервые использованный в агроклиматических исследований метод прямого выбора наилучшей модели из полного множества возможных регрессий.

В первые в агроклиматических прогностических исследованиях на основе единого методического подхода получены оценки изменений повторяемости аномальных лет в различных регионах бывшего СССР и США по семи модельным сценариям изменений глобального климата до 2050 года.

Научная и практическая значимость

При анализе экологических и экономических последствий ожидаемого глобального потепления, оценки его воздействия на сельское хозяйство являются первоочередными. Многолетняя статистика, разработки специалистов, и постоянное внимание со стороны международных организаций и национальных показывают, что из всех отраслей экономики, чувствительных к воздействию климатических факторов, наиболее сильно зависит от климатических факторов и от ожидаемых изменений глобального климата сельское хозяйство, в особенности земледелие.

Достоверность и обоснованность результатов

Достоверность и обоснованность полученных результатов обусловлена применением утвердившихся методов математической статистики, обработки и анализа рядов исходной сельскохозяйственной, климатической и метеорологической информации. Обоснованность прогностических оценок, выдвигаемых на защиту, доказывается применением в расчетах научных прогностических материалов, полученных в ведущих исследовательских центрах мира при разработке сценариев изменений глобального климата.

Заключение Диссертация по теме "Метеорология, климатология, агрометеорология", Павловский, Артем Александрович

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Построены ряды показателей урожайности различных видов пшеницы в 67 областях России, Европейских стран СНГ и Балтии и 3568 графствах различных штатов США. С использованием данных по средней месячной, максимальной, минимальной температуре приземного воздуха и атмосферным осадкам для 543 метеостанций на исследуемых территориях рассчитаны ряды предикторов статистических моделей аномалий урожайности.

Для выбранных областей бывшего СССР и графств США с использованием различных методик построены миогофакторые статистические модели аномалий урожайности. Получены оценки статистической достоверности и значимости построенных моделей. Значения коэффициентов множественной корреляции для большинства построенных моделей превосходят уровень 0,80, величины ^-критериев Стьюдента для коэффициентов уравнений регрессий соответствуют уровню доверительной вероятности в 95—99%.

С использованием модельных сценариев изменений климата, рекомендованных МГЭИК, рассчитана динамика аномалий урожайности пшеницы до 2050 года в исследуемых регионах.

Показано, что использование методик моделирования аномалий урожайности, базирующихся на отборе наиболее статистически достоверных из всего набора построенных регрессий, позволяет отказаться от априорных предпосылок и гипотез, являющихся источниками неопределенности в прогностических оценках. Точность таких моделей существенно превосходит точность регрессий, базирующихся на априорных предпосылках.

Расчеты динамики аномалий урожайности, проведенные с использованием некоторых модельных сценариев изменений климата третьего поколения, показывают определенную согласованность, поэтому привлечение климатических сценариев, рекомендованных в 4-ом отчете МГЭИК, представляется весьма актуальным.

ЗАКЛЮЧЕНИЕ

За время работы над диссертационным исследованием диссертант решил поставленные перед ним задачи по построению методики оценки изменений повторяемости аномальных для урожайности гидротермических явлений при ожидаемых изменениях климата. Цели работы достигнуты. Вместе с тем в этом заключительном разделе работы нам хотелось бы остановиться на некоторых перспективных вопросах тематики влияния изменений климата на продуктивность сельскохозяйственных культур, которые выявились при проведении данного исследования. Обсуждение этих вопросов способно определить будущие исследования, как диссертанта, так и других авторов. Главные из этих вопросов состоят в следующем.

• В 2007 году вышел в свет четвертый отчет IPCC, в первом томе которого проблема современных изменений глобального климата существенно продвинута. Главное, по мнению диссертанта, состоит в том, что к настоящему времени группа экспертов подготовила уже не семь, а 22 сценария изменений климата, базирующихся па расчетах по моделям общей циркуляции атмосферы и океана нового поколения. Расширение списка рекомендуемых сценариев позволит значительно расширить исследовательские возможности прогностической агроклиматологии. Увеличение территориального разрешения климатических моделей позволит включить в прогностические расчеты значительно большее количество административно-территориальных единиц исследуемых регионов, для которых уже подготовлены прогностические модели урожайности.

• Результаты, полученные в работе, весьма желательно использовать в исследованиях, применительно к другим сельскохозяйственным регионам мира. Разработанная методика прогнозирования повторяемости аномальных для урожайности сельскохозяйственных культур гидротермических явлений в целом достаточно проста для такой территориальной «экстраполяции». В качестве объектов будущих исследований первоочередное внимание следует уделить таким важным для мирового зернопроизводства странам, как Китай, Индия, Канада, Австралия, Аргентина.

• Проведенное исследование со всей остротой ставит вопрос о доступности в мировой сети ИНТЕРНЕТ информации о производстве сельскохозяйственных культур в разных странах и, в особенности, их малых территориально-административных образованиях. Сохраняющиеся до настоящего времени сложности получения подобной информации, крайне осложняют проведение любых агроклиматических исследований учеными разных стран.

• Представляется весьма желательным проведение исследований по влиянию изменений климата на повторяемость неурожаев и для других, как зерновых, так и прочих сельскохозяйственных культур в разных регионах и странах.

• Весьма желательно, чтобы исследования агроклиматических последствий изменения климата производить комплексно с использованием разным методик. Расчеты тенденций изменений осредненных показателей урожайности, проводимые с помощью динамических моделей, даст возможность лучше понять на каком фоне урожаев, изменяющихся в связи с ростом концентрации углекислого газа и изменениями средних климатических условий, будут проявлять себя аномалии, вычисляемые по методике, предложенной в диссертации. По мнению диссертанта для этих целей наиболее подошли бы модели DSSAT типа.

• В процессе выполнения диссертационного исследования было выявлено, что в целом уже довольно высокие оценки точности и статистической достоверности результатов расчетов динамики урожайности по статистическим моделям можно увеличить, если привлекать к расчетам более «дискретизированные» по времени ряды метеорологических факторов. Развитие посевов сельскохозяйственных культур протекает в соответствии с внутренними физиологическими фазами, которые пе всегда улавливаются при месячном представлении метеорологических параметров.

• Проведение широкого круга исследования небольшим научным коллективом, в котором работал диссертант, стало возможным при широком использовании вычислительной техники и доступа к соответствующим сайтам ИНТЕРНЕТ-сети. Дальнейшее расширение вычислительных возможностей и развитие информационных технологий, также как доступ российских исследователей к статистическим архивам сельскохозяйственной, метеорологической и другим видам информации, позволит успешно выполнить упомянутые выше задачи.

Библиография Диссертация по наукам о земле, кандидата физико-математических наук, Павловский, Артем Александрович, Санкт-Петербург

1. Агроклиматический атлас мира (под ред. И.А. Гольцберг). М.—Л.: Гидрометеоиздат, 1972. 117 карт.

2. Алпатъев A.M. Влагооборот культурных растений. Л.: Гидрометеоиздат, 1954. 246 с.

3. Алпатъев A.M. Влагообороты в природе и их преобразования. Л.: Гидрометеоиздат, 1969. 323 с.

4. Базилевич Н.И., Родин Л. В. Картосхемы продуктивности и биологического круговорота главнейших типов растительности суши Земли // Изв. ВГО, 1967. № 3. С. 190— 194.

5. Бараш С. И Анализ динамики урожайности пшеницы в СССР с применением экономико—математических методов (1920—1973) // Записки ЛСХИ, 1974. Т. 244. С. 113— 140.

6. Бараш С.И. О некоторых тенденциях урожайности зерновых культур Европейской части России и СССР // Труды ВИР по прикладной ботанике, генетике и селекции, 1980. Т. 66. Вып. I.C. 85—105.

7. Батталов Ф.З. Сельскохозяйственная продуктивность климата для яровых зерновых культур. Л.: Гидрометеоиздат, 1980.

8. Бондаренко Н.Ф. Программирование урожаев и его значение в повышении плодородия почв // Плодородие почв и пути его повышения. М.: Колос, 1983. С. 25—30.

9. Борзенкова ИИ. Изменение климата в кайнозое. СПб: Гидрометеоиздат, 1992. 246 с.

10. Будыко М.И. Испарение в естественных условиях. Л.: Гидрометеоиздат, 1948. 136 с.

11. Будыко М.И. К теории влияния климатических факторов на фотосинтез. ДАН СССР, 1964. Т. 158. №2. С. 331—334.

12. Будыко М.И. Климат и жизнь. Л.: Гидрометеоиздат, 1971. 472 с.

13. Будыко М.И. Климата в прошлом и будущем. П.: Гидрометеоиздат, 1980. 352 с.

14. Будыко М.И. Климатические условия увлажнения на материках // Изв. АН СССР, сер. геогр., № 2,4.

15. Будыко М.И. Тепловой баланс земной поверхности. JL: Гидрометеоиздат, 1956. 156 с.

16. Бучинский И.Е. Засухи и суховеи. Л.: Гидрометеоиздат, 1976. 214 с.

17. Воздействие климата на сельское хозяйство. Бюллетень ВМО, 1989. Т. 38. № 2

18. Волобуев В.Р. Введение в энергетику почвообразования. М.: Наука, 1974. 128 с.

19. Георгиевский В.Ю., Ежов А.В., Шалыггт A.JI. и др. Оценка влияния возможных изменений климата на гидрологический режим и водные ресурсы рек бывшего СССР // Метеорология и гидрология, 1996. № 11. С. 89—99.

20. Георгиевский В.Ю., Ежов А.В., Шалыгин A.JI. Оценка изменений стока рек под влиянием хозяйственной деятельности и глобального потепления климата // Докл. Международного симпозиума "Расчеты речного стока". ЮНЕСКО, 1997. С. 75—81.

21. Голицын Г.С. Климат и приоритеты хозяйствования. Коммунист, 1986. № 6

22. Гольцберг И.А. Картирование климатических элементов с учетом требований сельскохозяйственного производства // Вопросы агроклиматического районирования СССР. М.: Изд. МСХ СССР, 1958. С. 121—132.

23. Гольцберг И.А. Оценка влагообеспеченности сельскохозяйственных культур на земном шаре // Тр. ГГО, 1966. Вып. 192. С. 99—106.

24. Гольцверг И.А. Исследования по агро- и микроклиматологии // Тр. ГГО, 1967. Вып. 218. С. 75—88.

25. Гордеев А.В. Клещенко А.Д., Черняков Б.А., Сиротенко ОД. Биоклиматический потенциал России: теория и практика. М.: Т—во научных изданий КМК. 2006. 512 с.

26. Григорьев А.А., Будыко М.И. О периодическом законе географической зональности. ДАН СССР, 1956. Т. 110, № 1.

27. Гэлстон А., Девис П., Сэттер Р. Жизнь зеленого растения (пер. с англ.). М.: Мир, 1983. 552 с.

28. Давид Р.Э. Сельскохозяйственная метеорология. М.: Сельхозгиз, 1936. 226 с.

29. Давитая Ф.Ф., Сапожиикова С.А, Климатические ресурсы сельского хозяйства // Природные ресурсы СССР, их использование и воспроизводство. М.: Изд. АН СССР, 1963. С. 43—53.

30. Дандарон Ж.-Д. Приближенный расчет испарения воды из почвы с просохшим слоем // Метеорология и гидрология, 1974. № 2. С. 166—172.

31. Дмитренко В.П. Метод расчета урожайности озимой пшеницы на территории УССР // Тр. УкрНИГМИ, 1975. Вып. 139. С. 3—13.

32. Дорофеев В.Ф., Бараш С.К, Горбатенко JI.E. Количественные характеристики мирового производства зерна и картофеля в XX веке // Труды по прикладной ботанике, генетике и селекции, 1982. Т. 72. Вып. 2. С. 121—129.

33. Дроздов О.А. Засухи и динамика увлажнения. Л.: Гидрометеоиздат, 1980. 93 с.

34. Ефимова Н.А. Радиационные факторы продуктивности растительного покрова. Л.: Гидрометеоиздат, 1977. 216 с.

35. Ефимова Н.А., Байкова И.М. Влияние современного изменения климата на режим отопления зданий // В сб. Изменения климата и их последствия. СПб.: Наука, 2002. С. 217— 220.

36. Ефимова Н.Л., Байкова И.М., Лаперье B.C. Влияние потепления зимних сезонов па расход топлива // Метеорология и гидрология, 1994. № 12. С. 95—98.

37. Жуковский Е.Е. Метеорологическая информация и экономическая информация и экономические решения. Л., Гидрометеоиздат, 1981.

38. Жуковский Е.Е., Бельченко Г.Г., Броуиова Т.М. Вероятностный анализ влияния изменений климата на потенциал продуктивности агроэкосистем // Метеорология и гидрология, 1992. № 3. С. 92—103.

39. Израэль Ю.А. Экология, климат и влияние возможных его изменений на сельское хозяйство страны // Вестник сельскохозяйственной науки, 1987. № 10.

40. Король И.Л. Изменения климата и сельскохозяйственное производство // Метеорология и гидрология, 1977. № 9. С. 98—105.

41. Кельчевская Л.С., Полевая Л.И., Нестеренко О.И. Картирование запасов продуктивной влаги в метровом слое почвы по Европейской территории // Климат почвы. Л.: Гидрометеоиздат, 1971. С. 65—71.

42. Кириличева КВ. Развитие представлений о влагообеспченности как показателе урожайности яровой пшеницы // Тр. ГМЦ СССР, 1951. 484 с.

43. Кирюишн В.И. Экологические основы земледелия. М.: Колос, 1996. 367 с.

44. Классика русской агрономии в борьбе с засухой. М.: Изд—во АН СССР, 1951. 484 с.

45. Колосков П. И. Агроклиматическое районирование Казахстана. М.—JI.: Изд. АН СССР, 1947.266 с.

46. Константинов А.Р., Зоидзе Е.К, Смирнова С.И. Почвенно-климатические ресурсы и размещение зерновых культур. JI.: Гидрометеоиздат, 1981. 278 с.

47. Константинов А.Р., Химии Н.М. Применение сплайнов и метода остаточных отклонений в гидрометеорологии. Л.: Гидрометеоиздат, 1983. 184 с.

48. Кулик М.С. и др. Состояние и перспективы научных исследований по агрометеорологическим прогнозам в СССР // Тр. V Всесоюзного метеорологического съезда. JL: Гидрометеоиздат, 1972. С. 161—173.

49. Куперман Ф.М. Физиология устойчивости пшеницы // Физиология сельскохозяйственных растений. М.: МТУ, 1969. С.401—500.

50. Манелля А.И., Нагнибедова Н.П., Френкель А.А., Ващуков Л.И. Динамика урожайности сельскохозяйственных культур в РСФСР. М.: Статистика, 1972. 192с.

51. Менжулин Г.В. К методике расчета метеорологического режима в растительном сообществе // Метеорология и гидрология, 1970. № 2. С. 92—99.

52. Менжулин Г.В. Влияние современных изменений климата и содержания углекислого газа на продуктивность сельскохозяйственных растений // Метеорология и гидрология, 1984. №4.

53. Менжулин Г.В. К теории стационарного метеорологического режима растительного покрова // Труды ГГО, 1973. Вып. 297. С. 20—28.

54. Менжулин Г.В. Методика расчета углекислотного режима в слое растительного покрова // Труды ГГО, 1969. Вып. 249. С.72—80.

55. Менжулин Г.В. Методика расчета фотосинтеза растительных сообществ при достаточном увлажнении // Труды ГГО, 1968. Вып. 229. С. 81—88.

56. Менжулин Г.В. Моделирование метеорологического режима растительного покрова // Труды ГГО, 1974. Вып. 318. С. 5—34.

57. Менжулин Г.В. Об аэродинамических параметрах растительного покрова // Труды ГГО, 1972. Вып. 282. С. 133—143.

58. Менжулин Г.В., Савватеев С.П. Влияние современных изменений климата на урожайность сельскохозяйственных культур // В кн.: Проблемы атмосферного углекислого газа. Труды советско—американского симпозиума. JL, Гидромеоиздат, 1981.

59. Менжулин Г.В., Савватеев С.П. Мировая продовольственная проблема и современное глобальное потепление // В сб. Изменения климата и их последствия. СПб: Наука, 2002. С. 122—151.

60. Менжулин Г.В., Савватеев СЛ. Современные изменения климата и продуктивность сельскохозяйственных культур // Тр. ГГИ, 1981. Вып. 271. С. 90—103.

61. Методические указания по составлению долгосрочного прогноза урожайности зерновых и зернобобовых культур (под ред. Е.С. Улановой). Л.: Гидрометеоиздат, 1984. 46 с.

62. Мещерская А.В. Анализ многолетних связей гидротермических коэффициентов с урожайностью зерновых // Изв. АН СССР, сер. геогр., 1981. № 3. С. 60—70.

63. Мирвис В.М., Гусева И.П., Мещерская А.В. Тенденция изменения временных границ теплового и вегетационного сезонов на территории бывшего СССР за длительный период // Метеорология и гидрология, 1996. № 9. С. 106—116.

64. Михайловский В.Г. Урожаи России в 1801—1914 годах. М.: Бюллетень ЦСУ, 1921. № 50, С. 2—8.

65. Народное хозяйство СССР. (1956—1989). Статистические ежегодники ЦСУ при СМ СССР. М.: Госстагиздат ЦСУ и изд. Статистика, (разделы: промышленность, сельское хозяйство).

66. Обухов В.М. Урожайность и метеорологические факторы. М.: Госпланиздат, 1949. 316с.

67. Павловский А.А. Изменения климата и повторяемость экстремальных гидротермических явлений // Вестник СПбГУ, 2006а. Сер. 7. Вып. 3. С. 88—94.

68. Педь ДА. О показателе засухи и избыточного увлажнения // Тр. ГМЦ, 1975. Вып. 156. С. 19—39.

69. Полевой А.К, Мызина Т.И. Методические указания по составлению агрометеорологического прогноза среднеобластной урожайности ярового ячменя в Нечерноземной зоне ETC. М.: Гидрометеоиздат, 1976. 39 с.

70. Полуэктов Р.А. и др. Имитационное моделирование круговорота углерода в агроэкоеиетеме // Труды Советско-американского симпозиума Душанбе, 12—20 октября 1978 г. Л., Гидрометеоиздат, 1980. С. 232—242.

71. Полуэктов Р.А., Смоляр Э.И., Терлеев В.В., Топаж А.Г. Модели продукционного процесса сельскохозяйственных культур. СПб: Изд-во С.-Петерб. ун-та, 2006. 396 с.

72. Пономарев Б.П. Методические указания по составлению агрометеорологических прогнозов среднеобластной урожайности яровой пшеницы в степных и лесостепных зонах Западной Сибири. М.: Гидрометеоиздат, 1974. 11 с.

73. Пухальская ИВ. Роль азотного питания в формировании продуктивности и устойчивости ценозов пшеницы и ячменя при повышенной концентрации С02 в атмосфере. // Глобальные проявления изменений климата в агропромышленной сфере. М., 2004. С 250—262.

74. Пых Ю.А. и др. Имитационная модель водного транспорта в системе "почва— растение—атмосфера" и его связь с ростом биомассы посева // Сборник трудов по агрофизике, 1978. Вып. 43. Л., Гидрометеоиздат.

75. Пых Ю.А. Математические модели фотосинтеза листа в общей модели продуктивности агроэкосистем // В Сб. трудов по агрофизике, 1976а. Вып. 38. Л., Гидрометеоиздат.

76. Пых Ю.А. Подмодель фотосинтеза и фотодыхания СЗ растений // В кн. Теоретические основы и количественные методы программирования урожаев, 1979. Л.

77. Пых Ю.А. Построение математических моделей продуктивности агроэкосистем. Аналитический обзор. Промежуточный отчет по заданию ВАСХНИЛ, 19766. Тема 08— 03.01. Per. N76023450. 123 с.

78. Разработка механизмов торговли квотами на выбросы парниковых газов. М.: Бюро экономического анализа, 2002.

79. Раунер ЮЛ. Группировка засушливых лет в зерновой зоне СССР // Изв. АН СССР, сер. географ, 1982. № 5. С. 38—51.

80. Раунер Ю.Л. Климат и урожайность зерновых культур. М.: Наука, 1981. 163 с.

81. Раунер Ю.Л. О периодичности засух на территории зерновых районов СССР. // Изв. АН СССР, сер. географ., 1976. № 6. С. 37—54.

82. Раунер Ю.Л. Тепловой баланс растительного покрова. Л.: Гидрометеоиздат, 1972 — 210 с.

83. Раунер Ю.Л. Урожайность зерновых и факторы агротехнологии // Изв. АН СССР, сер. географ., 1983. №5. С. 46—58.

84. Раунер Ю.Л., Лазовская Л.А. Колебания урожайности пшеницы и кукурузы в зерновой зоне Северной Америки // Изв. АН СССР, сер. географ., 1978. №1. С .90—101.

85. Романова Е.И., Мосолова Г.И., Бересиева И.А. Микроклиматология и ее значение для сельского хозяйства. Д.: Гидрометеоиздат, 1963. 245 с.

86. Русакова Т.Н. Современное состояние агрометеорологического прогнозирования урожайности зерновых культур. Обнинск: ВНИИСХМ, 1984. 47 с.

87. CanooicmiKoea CA. Опыт агроклиматического районирования территории СССР // Вопросы агроклиматического районирования СССР. М.: Гидрометеоиздат, 1958. С. 14—37.

88. Сельское хозяйство капиталистических и развивающихся стран. (1973). Экономико— статистический справочник (под ред. Петрушова A.M.). М.: Мысль. 351с.

89. Сельское хозяйство СССР. Статистический сборник. М.: Госстатиздат, 1960. 665 с.

90. Сельское хозяйство СССР. Статистический сборник. М.: Статистика, 1971. 711 с.

91. Селянинов Г.Т. Мировой агроклиматический справочник. Л.: Гидрометеоиздат, 1937. 417 с.

92. Селянинов Г.Т. Принципы агроклиматического районирования СССР // В кн.: Вопросы агроклиматического районирования СССР. М.: Изд. Министерства сельского хозяйства СССР, 1958а. С. 7—13.

93. Селянинов Г.Т. Происхождение и динамика засух // В кн.: Засухи в СССР, их происхождение, повторяемость и влияние на урожай. Л.: Гидрометеоиздат, 19586. С. 5—38.

94. Селянинов Т.Г. К вопросу о классификации сельскохозяйственных культур по климатическому признаку // Тр. по сельскохозяйственной метеорологии, 1930. Вып.21. № 2. С. 130—174.

95. Семенов М.И. К вопросу о закономерности колебаний урожаев. Вестник статистики, 1922. Кн. И. №5—8. С. 57—96.

96. Сиротеико ОД. Имитационная система климат — урожай СССР // Метеорология и гидрология, 1991, № 4. С. 67—73

97. Снротенко О.Д. Физико-математическое моделирование в агрометеорологии // Метеорология и гидрология, 1978. № 3. С. 80—88.

98. Сиротеико ОД., Абашина Е.В. Агроклиматические ресурсы и физико-географическая зональность территории России при глобальном потеплении, 1998. № 3. С. 92—103.

99. Сиротенко О.Д., Абашина Е.В. Влияние глобального потепления на агроклиматические ресурсы и продуктивность сельского хозяйства России. Метеорология и гидрология, 1994. № 4. С. 101—112.

100. Сиротенко О.Д., Абашина Е.В., Павлова В.Н. Чувствительность сельского хозяйства России к изменениям климата, химического состава атмосферы и плодородия почв. Метеорология и гидрология, 1995. № 4. С. 107—114.

101. Сиротенко ОД., Хвале некий Ю.А. Матеметическое моделирование и некоторые проблемы развития агрометеорологии // Динамическое моделирование в агрометеорологии. Л.: Гидрометеоиздат, 1982. С. 3—8.

102. Уланова Е.С. Агрометеорологические условия и урожайность озимой пшеницы. Л.: Гидрометеоиздат, 1975. 302 с.

103. Уланова Е.С., Сиротенко ОД. Методы агрометеорологических прогнозов. Л.: Гидрометеоиздат, 1968. 198 с.

104. Фотосинтез: в 2—х томах (под ред. Говинджи). М., 1987

105. Хлебутин Е.Б. Экономика зернового хозяйства в развитых капиталистических странах. М.: Колос, 1975. 317с.

106. Холл Д., Рао К. Фотосинтез (пер. с англ.). М.: Мир, 1983

107. Хромов С.П., Мамонтова Л.И. Метеорологический словарь. Л.: Гидрометеоиздат, 1974. 568 с.

108. ШашкоД.И. Агроклиматические ресурсы СССР. Л.: Гидрометеоиздат, 1985. — 247 с.

109. Эдварде Д., УокерД. Фотосинтез СЗ и С4 растений механизмы и регуляция. М., 1986.

110. Яковлева Н.И. Сопоставление различных индексов засушливости // Тр. ГГО, 1979. Вып. 403. С. 3—14.

111. Abe—Ouchi A. et al. Outline of CCSR/NIES Coupled Atmosphere and Ocean Model and Experiment. Internal. Report. Tokyo, Japan: Centre for Climate System Research, University of Tokyo. 1996. 134 p.

112. Amthor J.S. Effects of atmospheric co2 concentration on wheat yield: review of results from experiments using various approaches to control C02 concentration // Elsevier. J. Field Crops Research, 2001. Vol. 73. P. 1—34.

113. Ayoade J.O. Perspectives on the recent drought in the Sudano-Sahelian region of West Africa with particular-reference to Nigeria. // Arch. Meteorol. Geophys. and Bioklimatol., 1977. №1. P. 67—77.

114. Backer A., Oberhuber J.M., Roeckner E. ENSO Dynamics and Seasonal Cycle in the Tropical Pacific as Simulated by the ECHAM4/OPYC3 Coupled General Circulation Model // Climate Dynamics, 1998. Vol. 14. P. 431—450.

115. Baier W. et al. Recent Biometeorological Applications to Crops // Internatl. J. Biometeor, 1976. Vol. 20. N2. P. 108—127.

116. Baier W. Note on the Terminology of Crop—Weather Models // Agricul. Meteor., 1979. N 20. P. 137—145.

117. Bergstrem S., Carlsson B. Hydrology of the Baltic basin // SMHI Reports Hydrology, 1993. N7.21 p.

118. Boer G.J., Flato G.M., Reader M.C., Ramsden D. Transient Climate Change Simulation with Historical and Projected Greenhouse Gas and Aerosol Forcing // Climate Dynamics, 2000. P. 67—75.

119. Borzenkova I.I. The accuracy of paleoclimatic information // Meteorology, 1998. N 9. P. 51—61.

120. Bouman B.A.M., Wopereis M.C.S., Riethoven J.J.M. (Eds.). The use of crop growth models in agro—ecological zonation of rice. SARP Research Proceedings. AB—DLO/Wageningen, WAU—TPE/Wageningen, IRRI/Los Ba?os, 1994. 134 p.

121. Confalonieri II, Acutis M. et al. WARM: a scientific group on rice modelling // Rivista Italiana di Agrometeorologia, 2005. Vol. 2. P. 54—60.

122. Confalonieri R., Bocchi S. Evaluation of CropSyst for simulating the yield of flooded rice in northern Italy // European Journal of Agronomy, 2005. Vol. 23. P. 315—326.

123. Confalonieri R., Mariani L., Bocchi S. Analysis and modelling of water and near water temperatures in flooded rice (Oryza sativa L.) // Ecological Modelling, 2005. N 183. P. 269—280.

124. Cooley D.S. Drought severity chart // U.S. Dep. Commer. Nat. Ocean and Atmos. Admin. Nat. Weather Serv. Techn. Proud. Bull., 1978, N 321—325, P. 683—697.

125. Covey C. Using paleoclimates to predicts future climate: how far can analogy go? // Climatic Change, 1995. N 29. P. 403—407.

126. Cox P., Betts R., Bunton C. et al. The Impact of New Land Surface Physics on the GCM Similation of Climate and Climate Sensitivity // Climate Dynamics, 1999. Vol. 15. P. 183—203.

127. Crowley T.J. Are there any satisfactory geologic analogs for a future greenhouse warming? // Journal of Climate, 1990. Vol. 3. P. 1282—1292.

128. Cullen M.J.?. The Unified Forecast Climate Model // Meteorological Magazine, 1993. Vol. 122. P. 81—94.

129. Di Chio G. La siccia in Africa occidentale // Riv. meteorol. aeronaut., 1974. Vol. 34, N 41, P. 351—359.

130. Dix M.R., Hunt B.G. Transient Climatic Change to ЗхССЬ Conditions // Global and Planetary Change, 1998. Vol. 18. N 1—2. P. 15—36.

131. Easterling D.R., Horton B. et al. Maximum and minimum temperature trends for the globe, Science, 1997. N 277 (July 18, 1997). P. 364—367.

132. Edwards D.C., McKee T.B. Characteristics of 20th century drought in the United States at multiple time scales // Climatology Report Number 97—2, 1997. Colorado State University, Fort Collins, Colorado.

133. Emori S., Nozawa Т., Abe—Ouchi A. et al. Coupled Ocean-Atmosphere Model Experiments of Future Climate Change with an Explicit Representation of Sulfate Aerosol Scattering // J. Meteor. Soc. Japan., 1999. N 3. P. 16—26.

134. FAO, 2001. The State of Food Insecurity in the World, 2001, Food and Agriculture Organization of the United Nations, Rome, Italy (ISBN 92—5—104628—X).

135. Fischer G., Shah M., Van Velthuizen H., Nachtergaele F.O. Global Agroecological Assessment for Agriculture in the 21st Century, Executive Summary, FAO and HAS A, Laxenburg, Austria, 2001,

136. Fischer G., Van Velthuizen, H., Shah M., Nachtergaele F.O. Global Agroecological Assessment for Agriculture in the 21st Century: Methodology and Results, RR-02-02, FAO and HAS A, Laxenburg, Austria, 2002.

137. Flato G.M., Boer G.J., Lee W.G. et al. The Canadian Centre for Climate Modelling and Analysis Global Coupled Model and its Climate // Climate Dynamics, 1999. Vol. 14. P. 36—39.

138. Giams I. Susa 1970—1973 v sahela in vprasanje klimatskin Sprememb // Georgr. Obror.,1975. Vol. 22. N 3—4. P. 24—27.

139. Gibbs, W.J., Maher J.V. Rainfall deciles as drought indicators // Bureau of Meteorology Bulletin, 1967. N. 48. Commonwealth of Australia, Melbourne.

140. Giraud J.M., Georgie P. Le climat Soudano—Sahelien annee pluvieuse // Meteorologie,1976. №6. P. 69—81.

141. Gordon C., Cooper C., Senior C.A. et al. The Simulation of SST, Sea Ice Extents and Ocean Heat Transport in a Version of the Hadley Centre Coupled Model without Flux Adjustments // Climate Dynamics, 1999. Vol.17. P. 116—124.

142. Green J.S.A. The weather during July 1976: some dynamical considerations of the drought // Weather, 1977. Vol. 32. № 4. P. 120—126.

143. Haigh P. Separating the Effects of Weather and Management on Crop Production. Contract Rept. Grant ST—77—4, Kettering Foundation. Columbia, Missouri, 1977.

144. Haywood J.M., Stouffer R.J., Wetherald R.T et al. Transient Response of a Coupled Model to Estimated Changes in Greenhouse Gas and Sulphate Concentrations // Geophys. Res. Letts. 1997. Vol. 24. P. 1335—1338.

145. Hirst Л.С., OFarrell S.P., Gordon H.B. Comparison of a Coupled Ocean—Atmosphere Model with and without Oceanic Eddy-Induced Advection. 1. Ocean Spin-up and Control Integrations.//J. Climate, 1999. Vol. 17. P. 112—121.

146. Idso S. el al. Grain yield prediction: Extending the stress-degree-day approach to accommodate climate variability // Remote Sensing of Environment, 1979. N 8.

147. IPCC (Intergovernmental Panel on Climate Change). Climate Change 2001: Impacts, Adaptation, and Vulnerability. Cambridge University Press, Cambridge , UK, 2001b.

148. IPCC (Intergovernmental Panel on Climate Change). Climate Change 2001: Mitigation. Cambridge University Press, Cambridge , UK, 2001c.

149. IPCC (Intergovernmental Panel on Climate Change). Climate Change 2001: The Scientific Basis. Cambridge University Press, Cambridge, UK, 2001a.

150. IPCC 1990. Climate Change: The IPCC Scientific Assessment. Houghton J.T., Jenkins G.J., Ephraums J.J. (eds.). Cambridge University Press, Cambridge, UK. 365 p.

151. IPCC 1995. Climate Change 1994: Radiative Forcing of Climate Change, and An Evaluation of the IPCC IS92 Emission Scenarios. Houghton J.T., Meira Filho L.G. et al. (eds.). Cambridge University Press, Cambridge, UK. 339 p.

152. IPCC 1996. Climate Change 1995: The Science of Climate Change. Houghton J.T., Meira Filho L.G. et al. (eds.). Cambridge University Press,Cambridge, UK. 572 p.

153. IPCC 1996: Climate change. The science of climatic change (eds. Houghton J.T. et. al.). Cambridge. Camb. Univ. Press. 572 p.

154. IPCC 2001. Climate Change 2001. The Scientific Basis. Houghton J.T., Ding Y. et al. (eds), Cambridge UniversityPress, Cambridge, UK. 881 p.

155. Katz R. W. Assessing the impact of climate change on food production // Climatic change, 1977. Vol. 1. № 1. P. 85—96.

156. Keener M.E., Runge E. C.A., Klugh B.F. The testing of a limited-data corn yield models for large—area corn yield predictions // J. Appl. Meteor, 1980. Vol. 19. № 11. P. 1245—1253.

157. Keetch J.J, Byram G. A drought index for forest fire control // Res. Paper SE—38. Asheville, NC: U.S. Department of Agriculture, Forest Service, Southeastern Forest Experiment Station, 1968. 32 p.

158. Kimball B.A. Ecology of Crops in Changing C02 Concentration // Journal of Agricultural Meteorology. Special issue. Disturbed Climate, Vegetation and Foods, 1993. Vol. 48. P. 559—563.

159. Kimball, В.A., Kobayashi, К., Bindi M. Responses of agricultural crops to free—air C02 enrichment // Advances in Agronomy, 2002. N 77. P. 293—368.

160. Kneshgi H.S., Lapenis A.G. Estimating the accuracy of Russian paleotemperature reconstruction // Palaeogeography, Palaeoclimatology, Palaeoecology, 1996. Vol. 121. P. 221— 237.

161. Kmitson T.R., Munabe S. Time-Mean Response over the Tropical Pacific to Increased C02 in a Coupled Ocean—Atmosphere Model //J. Climate, 1995. Vol. 8. P. 2181—2199.

162. Kyei-Boahen S., Astatkie 7. el al. Gas exchange ol carrot leaves in response to elevated C02 concentration // Photosynthctica, 2003. N41. P 597—603.

163. Landsberg LI.E. Sahel drought: change of climate or part of climate? // Arch. Meteorol. Geophys. und Bioklimatol., 1975. Vol. B23. № 3. P. 193—200.

164. Longer J., Rodhe H. A Global Three Dimensional Model of the Troposphcrie Sulfur Cycle //Journal of Atmospheric Chemistry, 1991. Vol. 13. P. 225—263.

165. Lawlor D. W. Simulating plant responses to the global greenhouse // Trends in Plant Science. N 1(3). P. 100—102.

166. Lawlor D.W., Mitchell R.A.C. The effect of increasing CO2 on crop photosynthesis and productivity: a review of field studies II Plant, Cell and Environment, 1991. N 18. P. 736—748.

167. Levis A. et al. AGRIMOD: A dynamic simulation model of the US food production system // Rep. PRA—22720, System Control, Inc. Palo Alto, California, 1977.

168. Lough J.M. Wigley T.M.L. PalutikofJ.P. Climate and climate impact scenarios for Europe in a warmer world // Journal of Climatology and Applied Meteorology, 1983. N 22. P. 1673— 1684.

169. Majorowic: J.A., Skinner W.R. Anomalous warming in the Canadian prairie provinces // Clim. Change., 1997. Vol. 35. № 4. P. 380—385.

170. Maroco J.P., Edwards G.E., Ku M.S.B. Photosynthetic acclimation of maize to growth under elevated levels of carbon dioxide // Planta, 1999. N 210. P. 115—125.

171. McKee T.B., Doesken N.J., Kleist J. The relationship of drought frequency and duration to time scales. Preprints, 8th Conference on Applied Climatology, 1993. January 17—22, Anaheim, California. P. 179—184.

172. Mearns L.C)., Rosenzweig С., Goldberg R. Effect of changes in interannual climatic variability on CERES—Wheat yields: sensitivity and 2 x C02 general circulation model studies // Agricultural and Forest Meteorology, 1992. N 62. P. 159—189.

173. Mearns L.O., Rosenzweig C, Goldberg R. The effect of changes in daily and interannual climatic variability on CERES—Wheat: a sensitivity study // Climatic Change, 1996. Vol. 32. P. 257—292.

174. Meehl G.A. Modification of Surface Fluxes from Component Models in Global Coupled Models//J. Climate, 1997. Vol. 10. P. 2811—2825.

175. Meehl G.A. Washington W.M. El Nino—like Climate Change in a Model with Increased Atmospheric C02 Concentrations // Nature, 1996. Vol. 382. P. 56—60.

176. Meehl G.A., Washington W.M. et al. Anthropogenic Forcing and Climate System Response in Simulations of 20th and 21st Century Climate // J. Climate, 1999. Vol. 30. P. 1214—1228.

177. Miglietta F., Magliulo V. et al. Free Air C02 Enrichment of potato (Solanum tuberosum L.): development, growth and yield // Global Change Biology, 1998. N 4. P. 163—172.

178. Mitchell J.F.B. Greenhouse warming: is the mid-Holocene a good analogue? // Journal of Climate, 1990. Vol. 10. P. 245—267.

179. Mitchell J.F.B., Johns T.C. On Modification of Global Warming by Sulphate Aerosols II J. Climate. 1997. Vol. 10. P. 245—267.

180. Monitoring and Predicting Agricultital Drought. A Global Study (Eds: Boken V.K. et al.). Oxford Pniversity Press, 2005. 472 p.

181. Nakagawa H., Horie T. Rice responses to elevated CO2 concentrations and high temperatures // Journal of agricultural meteorology, 1997. Vol. 52. P. 797—800.

182. Nelson W.L., Dale R.F. Effect technology variables and record period on predictions of corn yields with weather variables // J. Appl. Meteor, 1978. Vol. 17. P. 926—933.

183. Oberhuber J.M., Roeckner E. el al. Predicting the 1997 El Nino Event with a Global Climate Model // Geophys. Res. Letts., 1998. Vol. 25. P. 2273—2276.

184. Oberhuber J.M. Simulation of the Atlantic Circulation with a Coupled Sea—Ice Mixed Layer—Isopycnal General Circulation Model. Part I: Model Description // Journal of Physical Oceanography, 1993. Vol. 13. P. 808—829.

185. Parry M.L. Climate change and world agriculture. London, 1990.

186. Parry M.L., Rosenzweig C. et al. Climate change and world food security: A new assessment // Global Environmental Change, 2002. Vol. 9. P. 51—67.

187. Pitter R. The effect of weather and technology of wheat yields in Oregon // Agricul. Meteor., 1977. N 18. P. 115—131.

188. Population, environment and development. The concise report. UN, NY, 2001. ST/ESA/Ser. A/202. 7 p.

189. Reader M.C., Boer G.J. The Modification of Greenhouse Gas Warming by the Direct Effect of Sulphate Aerosols // Climate Dynamics, 1998. Vol. 14. P. 593—607.

190. Rodewald. Die Durre in West Afrika ein Hinweis auf besonderer Kalte und Rcichweite des kuhlen Aufriebwassere? // Wetterlotse, 1975. Vol. 27. № 343—344. P. 101—105.

191. Rogers G.S., Gras P.W. et al. The Influence of atmospheric CO2 concentration on protein, starch and mixing properties of wheat flour // Aust. J. Plant Physiol., 1998. N 25. P. 387—393.

192. Rosenberg N.J., Corsson P.R. et al. The MINK methodology: background and baseline: paper 1. Climate Change, 1993. N 24. P. 7—22.

193. Rosenzweig С., Parry M.L. Potential impacts of climate change on world food supply // Nature, 1994. N 367. P. 133—138.

194. Rosenzweig C., Phillips J. Potential impacts of climate change on citrus and potato production in the U.S. // Agricultural System, 1996. N 52. P. 455—479.

195. Rozema J., Lumbers H., Van de Geijn S.C., Cambridge M.L. C02 and Biosphere // Kluwer Academic Publishers, Dordrecht, 1993.

196. Schlesinger M.E., Mitchell J.F.B. Climate model simulations of the equilibrium climatic response to increased carbon dioxide // Rewiews of Geophysics, 1987. Vol. 25. P. 760—798.

197. Semenov, Porter J.R. Climatic variability and the modeling of crop yields // Agricultural and Forest Meteorology, 1995. Vol. 73. P. 265—283.

198. Simmond J., Walland D.J. Decadal and Centennial Variability of the Southern SemiAnnual Oscillation Simulated in the GFDL Coupled GCM // Climate Dynamics, 1998. Vol. 14. P. 45—54.

199. Sirkoulon J. La recentc secheresse des des regions Sahelinnes // Ilouille Blanche, 1976. Vol. 31. N 6—7. P. 547—548, 434—435.

200. Starnz. War der Niederschlang im Sachl im Jahre 1975 wieder normal? // Wetterlotse, 1976. Bd. 28. № 355—356. S. 104—106.

201. Starr Т., Kostrow P. The response of spring wheat yield to anomalous climate sequences in the United States // Appl. Meteor, 1978. Vol. 17. № 8.

202. Steffen K. Cooperative Institute for Research in Environmental Sciences, University of Colorado, 2003.

203. Terjung W.H., Liverman D.M. et al. Climatic change and water requirements for grain corn in the North American Great Plains // Climatic Change, 1984. Vol. 6. P. 193—220.

204. Thompson G.B., Woodward F.I. Some influences of CO2 enrichment, nitrogen nutrition and competition on grain yield and quality in spring wheat and barley // J. Exp. Bot., 1994. N 45. P. 937—942.

205. Thompson I. Climate change and world grain production: The politics of food. Chicago: The Chicago Council on Foreign Relations, 1980.

206. Thompson I. Living with climate change: phase II. Symp. Rep. Mitre Corp., 1976.

207. Thompson L.M. Evaluation of weather factors in the production of wheat // J. Soil and Water Conserv., 1962. Vol. 17. N 4. 149 p.

208. Thompson L.M. Weather variability, climatic change and grain production // Science. May, 1975. Vol. 188. P. 535—541.

209. Waggoner P. Variability of Annual Wheat Yields since 1909 and among Nations // Agricul. Meteor., 1979. N20. P. 41—45.

210. Wheeler R.M., Tibbitts T.W., Fitzpatrick A.H. Carbon dioxide effect on potato growth under different photoperiods and irradiance // Crop Science, 1991. N 31. P. 1209—1213.

211. Willeke G., Hosking J.R.M. et al. The National Drought Atlas. Institute for Water Resources Report 94—NDS—4, U.S. Army Corps of Engineers, 1994.