Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах

Бородий, Сергей Алексеевич

Бесплатный автореферат и диссертация по сельскому хозяйству на тему
Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах
ВАК РФ 06.01.09, Растениеводство

Автореферат диссертации по теме "Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах"

РГб од

2 8 НЮН то

На правах рукописи

Бородий Сергей Алексеевич

ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ КОМПЛЕКСНОЙ ИМИТАЦИОННО-МОНИТОРИНГОВОЙ МОДЕЛИ ПРОДУКЦИОННОГО ПРОЦЕССА РАСТЕНИЙ В АГРОЭКОСИСТЕМАХ

Специальность 06.01.09 - Растениеводство

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора сельскохозяйственных наук

Санкт-Петербург-Пушкин 2000г.

Диссертационная работа выполнена в Костромской государствен! сельскохозяйственной академии в 1978-1981гг. и в 1985-1998гг.

Официальные оппоненты:

Доктор сельскохозяйственных наук, профессор

Ганусевич Федор Федорович (С.-Петербургский ГАУ)

Доктор техничеких наук, профессор

Полуэктов Ратмир Александрович (Агрофизический НИИ)

Доктор биологических наук

Зубков Аркадий Федорович (ВИЗР)

Ведущая организация:

Костромской научно-исследовательский институт сельского хозяйстве

Защита состоится « » сгг-'г^ 2000г.. в 14 часов 30

нут

на заседании диссертационного совета Д. 120.3 7.08 в Са Петербургском государственном аграрном университете по адресу 189 Санкт-Петербург-Пушкин, С.-Петербургское шоссе, д.2, корп. 1, ауд 507.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербурге: аграрного университета.

2000г..

Автореферат разослан « » 2>

Ученый секретарь диссертационного совета, Доктор сельскохозяйственных наук, пшф&срор

(КокоринаI

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Управление продукционным процессом куль-фных растений в современных условиях должно базироваться на оптималь-эм соотношении многочисленных факторов роста и развития растений. В свя-I с этим необходима разработка моделей продукционного процесса, учиты-нощих биологические и абиотические параметры агроэкологической системы прогнозом их в пространстве и времени. Существующие в настоящее время одели требуют большого числа входных параметров, получить которые в по-;вых условиях проблематично.

Таким образом, для управления продукционным процессом растений не-5ходима модель, обеспечивающая максимальную информацию при мини-альном объеме исходных данных, полученных доступными методами, не тре-лющими больших затрат времени и средств.

Такие модели нужны и в научной работе для координации научных на-эавлений в решении проблемы максимальной эффективности производства ж минимальных затратах.

В учебной работе при подготовке специалистов и консультантов отрасли ютениеводства ощущается дефицит прикладных компьютерных программ, >торые моделируют производственные ситуации, обеспечивают прогноз ди-шикн процесса формирования урожая, возможность управления этим про-;ссом и оптимизировать методы управления.

Цель и задач» исследований. Целью исследований ставилось: разрабо-ггь и обосновать комплексную динамическую модель управления агроэкоси--емами для Центральных районов Нечерноземной зоны России.

Для достижения цели необходимо было решить следующие задачи: Теоретически обосновать и разработать структурную схему модели. Адаптировать существующее математическое обеспечение модулей и разработать необходимые дополнительные модули модели продукционного процесса полевых культур.

Разработать методику настройки и реализовать в виде компьютерных программ модули модели продукционного процесса на примере Костромской области.

Паучная новизна.

Создана комплексная имитационно-мониторинговая модель продукци-шого процесса растений в агроэкосистемах, обеспечивающая взаимодействие модулей: радиационного режима посева, температурного режима почвы, вод-)го режима почвы, режима температуры и влажности в посеве, роста и разви-и растений, почвенного питания растений, экологических взаимодействий >ганизмов в экосистеме, агротехники.

Разработана методика сбора информации и настройки модели управле-1я продукционным процессом сельскохозяйственных культур на локальные :ловия, включающая 23 параметра, в том числе 3 константы, 6 являются гатной информацией сети агрометеорологической службы, 3 - штатная ин-

формация проектно-изыскательской станции химизации сельского хозяйства, 8- настраиваются по экспериментальным данным и 3 устанавливаются при обследовании конкретной агроэкосистемы; методика массового обследования посевов основных сельскохозяйственных культур с дальнейшим прогнозом продуктивности общей биомассы, биомассы и площади отдельных фитоорганов с комлартментапьным их распределением, заключающаяся в сборе информации о высоте растений, плотности популяции, абсолютно сухой массе наземной части одного растения, сумме энтальпии воздуха от даты посева (или весеннего возобновления вегетации) до даты обследования с последующим расчетом динамики биометрических параметров и хозяйственной урожайности на основе прогноза суммы энтальпии воздуха.

Разработана методика прогноза агрометеорологических параметров экосистемы (суммы интегральной коротковолновой солнечной радиации, суммы эффективных температур воздуха и суммы энтальпии воздуха) на вегетационный период. Установлена функциональная зависимость прогнозируемых параметров от календарных сроков с поправкой на фактическое значение параметров от даты полного таяния снегового покрова до 10 мая прогнозируемого года.

Реализованы компьютерные программы модулей модели продукционного процесса, позволяющие сделать быстрый анализ и прогноз биологических химических и физических параметров и установить целесообразность антропогенного регулирования агроэкосистемы.

Практическая значимость работы и реализация результатов исслс дований. На основании предлагаемой в работе модели и разработанных компьютерных программ возможна оценка и прогноз экологического и хозяйственного состояния агроэкосистемы. Верификация программного обсспечени; свидетельствует о возможности его использования для прогноза динамики агроклиматических параметров и оптимизации срока и метода защиты растеши от вредителей и сорных растений, для мониторинга и прогноза продуктивное« культурных растений, расчета оптимальности систем удобрений, загрузки машинно-тракторного парка в весенне-летний период и календарных сроков вьг полнения технологических операций в производстве продукции растениевод ства.

Модель используется в научной, учебной и консультационной работе Ко стромской ГСХА, в практической работе Костромского центра гидрометеоро логии и мониторинга окружающей среды.

На защиту выносятся следующие основные положения.

♦ Обоснование, структурная схема, математическое описание имитационно мониторинговой модели продукционного процесса растений в агроэкоси стемах и метод настройки модели на биологические особенности культуры сорта, агрометеорологические и почвенные условия.

♦ Возможность использования базового и мониторингового режимов оценки ] прогноза физико-химических и биологических параметров агроэкосистемы.

Апробация работы. Базовый объем работ выполнен в Костромской государственной сельскохозяйственной академии. Основные положения диссертационной работы апробированы и получили положительную оценку на совещании агрономов и руководителей семеноводческих хозяйств Костромской области (1988г.), на конференциях: молодых ученых и специалистов в НИИ Центральных районов Нечерноземной зоны (1989г.), молодых ученых и специалистов Костромской области (1989г.), на научно-технических советах отде-иа защиты растений ВНИИ кормов им. В.Р.Вильямса (1987-1989гг), на совещании кафедры защиты растений Костромского СХИ «Караваево» (1989г.), на научной конференции преподавателей и аспирантов в С-Пб ГАУ (1994г.),на научно-практической конференции Ивановского СХИ (1995г.), на ежегодных научно-практических конференциях Костромской ГСХА (1993 - 2000гг.), на ежегодных учебно-методических конференциях профессорско-преподавательского состава Костромской ГСХА (1992 - 2000гг.), на семинаре-совещании заведующих кафедрами земледелия, растениеводства и кормопроизводства в Орловской ГСХА (1996г.).

Публикации. По материалам диссертации опубликованы самостоятельно я в соавторстве 49 работ, в том числе 1 монография.

Объем и структура работы. Диссертация изложена на 364 страницах машинописного текста, состоит из введения, 10 глав, выводов и предложений производству, иллюстрирована 42 таблицами, 112 рисунками. Список литературы содержит 375 наименований, в т.ч. 316 иностранных авторов.

УСЛОВИЯ И МЕТОДИКА ПРОВЕДЕНИЯ ИССЛЕДОВАНИЙ

Для теоретического обоснования схемы и базовых функций имитационно-мониторинговой модели продукционного процесса использована ипформа-дия из публикаций Менжулина Г.В., 1970; Молдау Х.А., 1973; Галямина Е.П., 1974; Абашиной и др., 1977; Шатилова И.С. и др., 1978; Сиротенко О.Д., 1981; Зондаренко Н.Ф.и др., 1982; Полуэктова P.A., 1991 и др. и оригинальных экс-териментальных исследований.

Настройка и верификация модуля радиационного режима в посеве вы-толнялась с использованием информации Костромского центра гидрометеорологии и мониторинга окружающей среды (ЦГМ). Распределение интегральной соротковолновой солнечной радиации внутри травостоя измерялось люксметром Ю-116 на вегетирующих растениях по фазам развития с дифференциацией го высоте 10см от верхней кромки посева до поверхности почвы.

Для разработки функции прогноза динамики поступления интегральной соротковолновой солнечной радиации за период январь-декабрь информация о гжедневной величине указанного параметра суммировалась за декаду или ме-;яц (в зависимости от решаемого вопроса) и подвергалась статистической об-эаботке.

Настройка и верификация модуля температурного режима почвы выпол-кна в ходе экспериментальной работы. Для изучения динамики плотности точвы были взяты 8 полей севооборота кафедры растениеводства КГСХА, на

которых производился отбор образцов по общепринятой методике послойно на глубину 0-5, 5-10, 10-15, 15-20 и 20-30см до обработки почвы, а далее через 10 суток после обработки. Наблюдения проводились с апреля (начало вегетационного периода) по октябрь (прекращение вегетации). При верификации настроенной модели использована информация Костромского ЦГМ.

Настройка и верификация модуля водного режима почвы проводилась путем наблюдений за динамикой запаса почвенной влаги в течение вегетационного периода с интервалом 10 дней по общепринятой методике. Глубина взятия проб составляла 0-5, 5-10, 10-15, 15-20 и 20-30см. Ежемесячно, в конце третьей декады влажность измерялась в 1м слое почвы по слоям мощностью 10 см.

Сбор и обработка информации для настройки модуля роста и развития растений по методу С. А. Бородий (1998)

Учет энтомофауны проводился методом кошения энтомологическим сачком со сменными приемными емкостями конструкции С.А. Бородий (1990) и ловушками Барбсра (по общепринятой методике). Кошение проводилось вблизи каждой из 30 стационарных площадок (0,25 м2) (Зубков А.Ф., 1981) по 10 взмахов в фазы кущения, выхода в трубку, колошения, молочной спелости и восковой спелости (1993г.), а на производственных посевах (1989-1992гг.) — по 25 взмахов в четырехкратной повторности с интервалом 7... 10 дней по границам и в центре агроэкосистемы. Расчет доминирующих групп энтомофауны, их распространенность и групповость рассчитаны по методике В.Ф.Палий (1970).

Сбор полевой информации по засоренности посевов выполнялся на опытном поле КГСХА в одновидовых и поливидовых посевах зерновых, зерновых бобовых культур и многолетних трав. Учет семян в почве поведен по стандартной методике с послойным взятием образцов почвы (0-5, 5-10, 10-15, 15-20 и 20-30см) в начале и в конце вегетационного периода. Вегетирующие сорные растения учитывались на стационарных площадках (0,25м2) без удаления растений (Зубков А.Ф., 1981 )с интервалом 5 суток.

Для статистической обработки экспериментальных данных применялся табличный процессор Excel 97, Quattro-Pro (ver.4), пакет прикладных программ SCIENCE (компьютерная реализация С.А. Бородий (1991) методики Б.А. Дос-пехова (1979). При реализации компьютерных программ модулей использованы программные редакторы Turbo Basic и Turbo Pascal.

Погодные условия периода исследований отличались от многолетних значений незначительно. Так, отклонение по осадкам не превышало 6%, а по температуре - 19%, что свидетельствует о репрезентативности погодных условий.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ

1. Состояние изученности проблемы (обзор литературы)

Интенсивная разработка моделей полевых культур в мировой практике гачалась примерно с 1975 года. Основное количество публикаций посвящено ira разработке регрессионных моделей, или настройке и совершенствованию существующих стандартных, которые зарегистрированы под собственными шенами. Аналогичная работа проводится и в России. Так, в АФИ (г. С-1етербург) на базе npoi-раммы SIMONA разработаны модели продукционного троцесса люцерны и яровой пшеницы (Полуэктов P.A., 1995).

В настоящее время в мировой практике используются следующие модели i базы данных: климатические и агрометеорологические, глобальные модели жосистем Земли, системы поддержки решений, имитационные модели влаги, ■юдели почвы и почвенных процессов, физиологии, биохимии, конкуренции сомпонентов биоценозов, роста и развития растений, прогноза урожайности и троизводства продукции.

Обработка выборки из 500 зарубежных публикаций показывает, что )азработка базовых и регрессионных моделей в зарубежной практике ведется 1аиболее интенсивно по пшенице, рису, кукурузе, сое, хлопку, ячменю, картофелю, древесно-кустарниковой растительности и арахису. Менее интенсивно пучены луговые сообщества, подсолнечник, copio, свекла, томат, фасоль и >апс. Остальным культурам посвящено менее 1% публикаций. Модели дейст-шя вредителей и болезней на продуктивность растений в сумме составляют >,6% общего числа публикаций.

В научной и практической работе модели применяются чаще на регио-гальном уровне, реже - глобальном на котором описываются последствия кли-яатических изменений (естественных и антропогенных). Разработаны модели данамики химических элементов и их соединений в почве, фотосинтеза, раз-шчного рода стрессовых воздействий, конкурентных отношений в одно- и по-твидовых посевах, действия вредителей и болезней на рост и продуктивность :ультур. Целый ряд моделей описывает физиологические и биохимические гроцессы растений, зависимость урожайности от элементов продуктивности, соторые варьируют от условий окружающей среды и регулируются антропо-•енно. Рост и развитие растений обычно описываются регрессионными урав-1ениями, что не позволяет широко применять функции без настройки на ло-гальные климатические условия, культуру, сорт и состояние агроэкосистемы. Срайне недостаточно моделей, описывающих динамику популяций вредителей, юлезней и сорных растений, слабо отражены структурные связи агроэкосистемы.

2. Структурная схема модели продукционного процесса

В главе обосновываются принципы построения компартментальной ди-гамической модели продукционного процесса. Модели продукционного про-

цесса имеют разную степень сложности построения. Наиболее простые - регрессионные, включающие один или несколько параметров. Такие модели, как правило, работают в «жестких» рамках, что значительно затрудняет их совершенствование. Тем не менее, они успешно применяются когда недостаточная изученность вынуждает описывать процесс по принципу «черного ящика», используя зависимость выходных параметров от входных.

Не все факторы взаимодействуют с одинаковой силой, что позволяет объединить их в сравнительно обособленные блоки (модули), внутри которых взаимодействие проявляется сильнее, чем между ними. Современные модели строятся только по этому принципу. Каждый модуль имеет входные и выходные параметры, что позволяет при необходимости связать их в единую модель. Модели такого типа позволяют совершенствовать или разрабатывать каждый модуль самостоятельно, не нарушая тем самым общую композицию. Этот же принцип структурности дает возможность объединять индивидуальные модели в еще более сложные комплексы.

Запасы ресурсов, скорость и количество их потребления растением варьирует при удалении от границы «почва - атмосфера», поэтому необходимо учитывать компартментальное разделение пространства.

На основании вышеизложенного разработан принцип построения динамической модульной компартментальной модели продуктивности агроэкоси-стемы. Все процессы, действующие на продуктивность, объединены в отдельные модули (Рис.1.), которые в последующих главах рассматриваются как системы более детально.

На вход агроэкосистемы подаются количественные значения факторов, которые можно подразделить на регулируемые (агротехнические приемы) и нерегулируемые или частично регулируемые (погодные условия, миграции организмов и др.).

На выходе снимаются потери того или иного фактора, которые могут быть продуктивные (вынос элементов питания с урожаем) и непродуктивные (отражение солнечной радиации, тепловое излучение почвы и растений и др.).

Внутри агроэкосистемы происходит множество разнообразных взаимозависимых процессов, самыми существенными из которых являются радиационный режим посева, тепловой и водный режимы почвы и атмосферы внутри посева, процессы фотосинтеза, роста и развития растений, экологические взаимодействия организмов, динамика элементов питания (в которую входят и органические и минеральные вещества). Динамика этих процессов во времени имеет дискретный или непрерывный характер. Поскольку процессы протекают од новременно, а скорость их различна, каждый модуль может иметь свой шаг расчета.

Модель должна рассчитывать баланс поступления и потребления того или иного фактора. В ненарушенных системах расход вещества равен приходу, так как произведенное органическое вещество практически все остается на месте в виде растительных и животных остатков, а незначительное отчуждаемое количество обычно компенсируется приходом извне. В агроэкосистеме ба-

тане вещества нарушен из-за ежегодного выноса за ее пределы значительной 10ЛИ микро- и макроэлементов с урожаем. Естественные процессы восполнены не могут компенсировать такое количество отторгнутого вещества, что и обусловливает необходимость искусственного введения в агроэкосистему органических и минеральных веществ в виде удобрений.

Рис.1. Схема структурных связей агроэкосистемы (по P.A. Полуэктову (1991) с модификацией С.А. Бородин (1999).

3. Модуль режима солнечной радиации в посеве

Разработан модуль прогноза поступления и распределения коротковолновой солнечной радиации в надземной части агроэкосистемы на вегетационный период.

Радиационный режим на границе атмосфера - фитоорганы

Расчет радиационного режима на границе атмосфера - фитоорганы выполняется одним из двух способов:

1. По продолжительности солнечного сияния (формула Сивкова (цит. по Росс Ю., Бихеле 3., 1969));

2. По формуле Г.Г. Берлянд (цит. По Сепп Ю.В., Тооминг Х.Г., 1991).

В диссертационной работе описывается настройка формул на условия Костромской области путем введения коэффициентов. Оригинальная формула Т.Г. Берлянд модифицирована дополнительным коэффициентом ослабления радиации, учитывающим балл облачности.

Выбор способа расчета обусловливается видом актинометрических наблюдений, проводимых ближайшим к точке мониторинга подразделением агрометеорологической службы.

Поскольку ни продолжительность солнечного сияния (БВ), ни коэффициент ослабления радиации (Кк) в настоящее время не поддаются прогнозированию, вводить их можно либо по непосредственным актинометрическим наблюдениям, либо по сценарию пользователя. В первом случае получается ретроспективный анализ, во втором - ценные для исследования, но малоприменимые в производстве результаты. Отсюда следует необходимость разработки прогноза поступления интегральной коротковолновой солнечной радиации (КР).

Для работы модели прогноза предлагается ввести поправочный коэффициент (С'), являющийся разностью между фактическим уровнем интегральной КР (Сф) в текущем году и среднемноголетним (Сем):

С-Сф - Сем,

д0' = 18,876Х + 81,598 + С', (1)

где С—О при Сф = Сем; С'>0 при Сф > Сем; С'<0 при Сф < Сем; X - порядковый номер декады от I декады мая:.

При верификации модели прогноза в 1991—1993гг. точность ее составляла 99,4 £ 0,2% (Г=0.994±0.002). Следовательно, при отсутствии эмпирических данных, поступление интегральной КР от 10 мая до конца вегетационного периода прогнозируется по функции (1).

В дальнейшем вся интегральная КР переводится в ФАР через коэффициент пересчета 0,52.

Радиационный режим внутри травостоя

Поступившая на верхнюю кромку посева интегральная КР распределяется внутри него по функциям, предложенным Р.А. Полуэктовым (1991). Нами установлено, что тенденция распределения естественной радиации внутри посева мало зависит от облачности. Например, измерения, проведенные в пасмурный день отличались от таковых в безоблачный не более, чем на 10%. Ин-

тенсивность освещенности по направлению к поверхности почвы уменьшается со скоростью, зависящей от морфологических характеристик растения.

Количество и расположение листьев в пространстве зависит от возраста, вида и сорта культуры, поэтому по эмпирическим данным нами выведено уравнение динамики напряженности солнечной радиации в зависимости от высоты и объема фотоэлементов.

0'(= 30 + 31-^ + 32^, (2)

где (2' - освещенность компартмента, Люкс; X - высота компартмента от поверхности почвы, см; Ъ - объем фитоэяементов компартмента, см3 растение"'; а0,а1,а2 - статистические коэффициенты; 1 - номер компартмента.

Это уравнение применимо при отсутствии входных параметров базовой модели, функции которой использованы в рассматриваемом модуле.

На рис.2 представлена структурная схема модуля КР, где указаны его предикторы из которых агротехническому воздействию подвержен только листовой индекс (Ь), который можно или подавать на вход непосредственно, или снимать с выхода модуля роста и развития растений. Одним из способов регулирования Ь является норма высева. Выход рассмотренного модуля (количество распределенной в экосистеме ФАР) применяется как самостоятельно, при изучении радиационного режима, так и в качестве входного параметра модуля роста и развития растений.

Верификация модуля

Верификация модуля проведена по данным Костромской агрометеорологической станции за 1994, 1995 и 1998гг. Расчеты выполнялись по продолжительности солнечного сияния и по модифицированной формуле Т.Г.Берлянд, дополненной корректировкой по баллу облачности и аппроксимированными автором функциями динамики коэффициентов для формулы ослабления солнечной радиации.

В результате установлено, что оба способа вполне приемлемы для применения в научной и практической работе, так как погрешность среднегодового поступления интегральной КР составляла 7...15%, что вполне укладывается в допустимый интервал для агроклиматических моделей, составляющий 15...20%. Совпадение теоретических и эмпирических данных достигало 96...98%. Однако, расчетная сумма интегральной КР по месяцам в осенне-зимний период в отдельных случаях существенно отклоняется от эмпирической, что особенно характерно для способа, учитывающего облачность в связи с уменьшением шага расчета модуля до 1 часа, и накоплением, таким образом, ошибки.

Следовательно, применение рассмотренных методов расчета обусловливается их назначением: для производственных потребностей целесообразно

Рис.2. Структурная схема модуля поступления и распределения коротковолновой

солнечной радиации. --- внутренние связи; ► - внешние связи; * -

предикторы модуля.

ЭБ - продолжительность солнечного сияния за сутки, час; (20 - уровень приходя-шей на верхнюю кромку посева КР кДж-см"2-мин~'; Ьо ~ высота Солнца над горизонтом, рад.; Кк - коэффициент ослабления радиации; - географическая широта места, рад; Те1 - угол склонения Солнца; к! - номер суток, отсчитываемый с 1 января; П„, Пс, Па - количество нижней, средней и облачности в долях от балла общей облачности; <3, - поглощенная ФАР; - отраженная ФАР; <2фар - уровень поступления ФАР; А - коэффициент отражения на верхней границе компартмента; авиш - коэффициент ослабления радиации; аэ - коэффициент пропускания приходящей к посеву прямой радиации; Ь - листовой индекс; - коэффициент пропускания фитоэлементами прямой радиации; ас1 - коэффициент пропускания приходящей к посеву диффузной радиации; Cq - коэффициент перехода от суммы КР к сумме ФАР.

использовать продолжительность солнечного сияния; для научной работы -балл облачности. В пользу последнего говорит тот факт, что формула позволяет прогнозировать относительное ослабление солнечной радиации при варьирующих оптических свойствах атмосферы, вызванных загрязнением ее аэрозолями.

4. Модуль температурного режима почвы

Дано теоретическое обоснование компартментальной модели модуля температурного режима почвы, система функций динамики температуры почвенных компартментов по А.П. Широбоковой (1965), А.Ф. Чудновскому (1967), С.В.Нерпину, И.Л. Калюжному, К.К. Павловой и С.А. Лаврову (1988), P.A. Полуэктову (1991).

Структурная схема модуля представлена на рис.3. На вход подается только один независимый параметр - Сш, который может быть константой для данного типа почвы. Остальные предикторы задаются функцией модулей: агротехники (Хм, Ps); режима влажности почвы (Ws); режима температуры и влажности посева (Ts). Выходные параметры можно подавать на вход модулей радиационного режима посева (Ts(tk-H)), режима влажности почвы (Ts(tk+1), С) и режима температуры и влажности в посеве (Ts(tk+1)), а так же применять автономно при изучении термического режима почвы.

Многие параметры модуля можно получить исключительно в конкретных условиях контура (поля), поэтому при верификации вначале проведено генденционное сравнение суточной динамики температуры почвы, рассчитанной по модели, с опубликованными данными.

Суточная динамика температуры отслеживалась моделью до глубины 0,6...0,8м (Рис.4). Температура более глубоких слоев не подверглась изменению, что говорит об адекватном отражении тенденции распределения суточной цинамики температуры почвы до глубины 3,2м.

В 1994 году верификация проводилась для условий стационарной площадки Костромской агрометеорологической станции. По значению входных параметров на 6 часов 18 мая 1994г. рассчитывалась температура почвенных компартментов на 12 и 18 часов этих же суток. По разработанной программе выполнен расчет прогноза температуры по горизонтам почвы с интервалом 1 час. Отклонение расчетных от эмпирических данных лежало в пределах 2,6...0,1°С в 12 часов и 1,8...0,1°С в 18 часов, а коэффициент корреляции составил, соответственно, 0,97 и 0,98, что говорит о высокой точности работы моде-ти (Табл. 1.)

Нашими наблюдениями в полевых условиях установлено, что плотность пгочвы под различными культурами увеличивается к концу вегетации, но зависит как от вида преобладающего растения, так и от наблюдаемого слоя. Следовательно, для каждого вида растения необходимо рассчитать свою динамику плотности, которая хорошо описывается уравнением Лотки-Вольтерры (Бигон М., Харпер Дж., ТаунсепдК., 1989):

Рис.3. Структурная схема модуля температурного режима почвы. * - внешние связи; -- внутренние связи; * - предикторы модуля.

С — объемная теплоемкость компартмента, кал-см~3-°С; Те — температура компар-тмента, °С; Л - теплопроводность компартмента, кал-см~'-°(Г1-с~1.; Сэ - удельная теплоемкость почвенного скелета, кал.-г"'-сСГ'; Рб - плотпость почвы, г-см"^; - весовая влажность почвы, %; Ст — удельная теплоемкость минерала или органического вещества; Хт — процентное содержание в почве минерала или органического вещества.

Г.|убина,см

1час —»-бчас —12час 18час —24час

Рис.4. Суточная динамика температуры почвы (расчет по модели).

Таблица 1. Проверка адекватности работы модели термического режима почвы по данным Костромской агрометеорологической станции (па 18 мая 1994 г.)

Глубина, б часов 12 часов 18 часов

см

Тз расчет- Тя эмпири- Те расчет- Те эмпири- Т5 расчет- Тэ эмпири-

ная ческая ная ческая ная ческая

0 - 6.2 - 15.5 - 13.7

5 5.3 5.3 14.9 13.9 13.3 12.4

10 6.2 6.2 12.4 11.2 12.6 11.7

20 7.6 7.6 10.8 8.2 11.1 9.3

40 8.9 8.9 8.6 8.4 9.1 9.1

80 6.8 6.8 6.9 6.8 6.9 6.8

120 5.3 5.3 5.4 5.4 5.5 5.4

Рв^к+О = (Рз(1к) • г)/(1+(а • Р5(1к))ь), (3)

где Р5(гк+1) - плотность почвы на следующий шаг модели, равный 10 суткам, гсм~3; РБ^к) -плотность почвы после схода талых вод или обработки почвы, г-см~3; г, а, Ь - коэффициенты, подбираемые по эмпирическим данным.

Пример расчета для почвы под ежой сборной приведен на рис. 5. Модель хорошо описывает эмпирические данные.

- О-5см 10-15см (расч)

0-5см (расч) -15-20см

60 80 100 дни после схода снега

5-10см о 15-20см расч)

5- 10см (расч) - 20-Мсм

- 10-15см 20-30см (расч)

Рис.5 Верификация модели динамики плотности почвы на примере ежи сборной, 1995г.

Плотность почвы во многом зависела от марки почвообрабатывающих машин. Например, если глубина обработки культиватора составляла 0,10...0,12 м, то и плотность этого горизонта уменьшалась, в то время, как более глубокие слои испытывали естественное уплотнение (Табл. 2). При фрезеровании на глубину 0,25м, плотность также уменьшается, но более заметно это выражено

для верхних слоев. Следовательно, степень разрыхления слоя почвообрабатывающими орудиями уменьшается с глубиной, что учитывается моделью, использующей поправочные коэффициенты.

Таблпца 2. Действие почвообрабатывающих машин на плотность дерново-подзолистой среднесуглинистой почвы.

глубина, м Плотность почвы, г-см J

до обработки после обработки

Культивация зяби КПС-4,2

0,00-0,05 0.76 0.56 -26.3

0,05-0,10 0.86 0.82 -4.7

0,10-0,15 0.92 0.97 +5.4

0,15-0,20 0.99 1.20 +3.0

0,20-0,30 0.96 1.03 +7.3

Фрезерование КФГ

0.00-0,05 0.98 0.49 -50.0

0,05-0,10 1.15 0.64 -44.4

0,10-0,15 1.06 0.99 -6.6

0,15-0,20 1.17 1.12 -4.3

0,20-0,30 1.07 1.05 -1.9

5. Модуль водного режима почвы

Представлено обоснование водного режима почвы при насыщении ее влагой и иссушении. На основе функций, предложенных P.A. Полуэктовым (1991), H.JI. Латифовым и др. (1996) реализован в виде компьютерной программы модуль движения влага между почвенными слоями.

Скорость перемещения влаги по почвенным компартментам определяется их коэффициентом влагопроводности, зависящим, в свою очередь, от физи-ко-хнмических параметров почвы, многие из которых изменяются антропогенно, что и обеспечивает связь модуля влажности почвы с модулем агротехники. Неотъемлемым компонентом модуля влагопереноса в почве является функция поглощения воды корневой системой.

Коэффициент влагопроводности для талой и мерзлой почвы (к(р)) рассчитывается в зависимости от режима увлажнения по эмпирическим функциям, полученным Калюжным И.Л., Павловой К.К. и Лавровым С.А. (1988).

Для наименьшей влагоемкости (HB) и влажности завядания (ВЗ) нами подобраны функции по результатам, опубликованным в работе Wilcox J.C. and Spilsbury R.H. (1941)

HB = 5,461-1п(ЧП)+2,4838 (R2 = 0.9784), (4)

В3 = 0,1111-ЧП+1.66 (R2 = 0.9983),

где ЧП - содержание в почве частиц диаметром < 0,01мм (физическая пиша), %.

Пользуясь относительной характеристикой увлажненности почвы (WSs), можно рассчитать Р в зависимости от содержания влаги в почве в диапазоне выше ВЗ при разных режимах увлажнения.

Влияние корней на влажность почвы выражается через их площадь в единице объема почвы, то есть через объемную плотность (Lr), которая определяется для каждого компартмента и изменяется во времени но мере роста корней.

Функция поглощения воды корневой системой рассчитывается по функциям, предложенным Р.А. Полуэктовым (1991).

Структурная схема модуля представлена на рис. 6. На вход подаются: содержание влаги в компартментах на начало расчета (Wsk(tk)), гидрологические характеристики почвы (влажность завядания и наименьшая влагоемкость), пористость почвы (Рог), использующиеся для расчета коэффициента влагопро-водности (к(р)) и коэффициента фильтрации (к(р=^0)), корневой индекс (Lr), проводимость корня (PROV) и эвапотранспирация (Е), определяющие функцию поглощения влаги корневой системой. Для применения модели в холодные периоды года коэффициент фильтрации рассчитывается с учетом температуры (Ts), плотности (Ps) и объемной теплоемкости почвы (С). На выходе снимается запас влаги в компартментах на следующие сутки. Значение Wsfc(tkM) подается как входной параметр на модуль температурного режима почвы. Антропогенное регулирование водного режима почвы осуществляется через изменение Wsk.

Динамика почвенной влаги в эксперименте с полевыми культурами изучалась нами на опытном поле КГСХА. В результате установлено, что динамика содержания влаги в слое почвы 1м соответствует динамике суммы осадков за месяц, но вследствие конечности скорости влагопроводности отстает по фазе на 30 суток:

Wm = 0,854X+ 105,470 (г2 = 0,92), (5)

где Wm - содержание влаги в метровом слое почвы, мм; X - сумма осадков предыдущего месяца, мм.

Управление режимом влажности почвы (модуль агротехники) реализован в компьютерной программе на основании анализа обеспеченности влагой почвенных компартментов по методике Б.С.Маслова (1980):

Wopt = Ws / Рог-100, (6)

где Wopt - оптимальная влажность, % от ППВ. при Wopt > 85 - избыток влаги в почве;

при Wopt = 75... 85 - оптимально для трав и других влаголюбивых культур; при Wopt = 55. ..75 - оптимально для овощных, технических и зерновых; при Wopt < 55 - недостаток влаги в почве;

При дефиците влаги в корнеобитаемом слое почвы программа рекомендует провести полив, норма которого вычисляется по формуле (Андреев Н.Г., КоротковБ.И. и др., 1992)

Рис.6. Структурная схема модуля влагопереноса в почве. --внутренние связи;-- внешние связи; * - предикторы модуля.

Е - трапспирадия; \У5|, - запас влаги в компартменте; Ив - функция скорости поглощения воды корнями, отнесенная к единице объема почвы; vi, \2 — функции скорости движения воды; к(р) - коэффициент влагопроводности (при Р=0, коэффициент фильтрации (к(р=0)); Р - водный потенциал почвенного компартмента;

- относительная характеристика увлажнения почвы; ХУэ' - влажность почвы, %; ВЗ - влажность завядания, %; НВ - наименьшая влагоемкость, %; Рог - пористость почвы; км(к(р=0)) - коэффициент фильтрации мерзлой почвы; Ье - исходная льди-стость; Рб - плотность почвы; Тб - температура почвы; С - объемная теплоемкость почвы; \Vols - удельная теплота фазового превращения «вода-лед»; Рг - водный' потенциал корня; Ьг - объемная плотность корней; РЯОУ - проводимость корня.

Мбр = 1 ОО-Рб-ИНВ - \¥б) / КПД, (7)

Где Мбр - норма полива брутто, м1-га"1; КПД - коэффициент полезного действия дождевальной установки (0,85...0,95).

6. Модуль режима температуры и влажности в посеве

Приводится теоретическое описание динамики температуры и влажности в посеве, .математическое представление этих процессов функциями, предложенными А.Ф.Чудновским (1948), Р.А. Полуэктовым (1991) и др., излагается методика расчета прогноза энергетических параметров атмосферной части экосистемы - суммы эффективных температур (СЭТ) и суммарной энтальпии (теплосодержания) воздуха (СЭВ), разработанная, апробированная и внедренная автором в учебный процесс и практическую работу Костромского ЦГМ.

Модуль режима температуры и влажности в посеве достаточно сложен по причине многообразия входящих в него компонентов. Поэтому его целесообразно разделить на несколько блоков: скорость ветра (Рис. 7), теплоперенос в посеве (Рис.8), влагоперенос в посеве (Рис. 9) и температура листьев (Рис.10). Для расчета необходимо ввести следующие параметры: плотность атмосферы (Ра); теплоемкость воздуха при постоянном давлении (Ср) (модуль прогноза суммарной энтальпии воздуха и суммы эффективных температур), высота над посевом выше высоты метеобудки (х); высота растений (Ы), листовой индекс компартмепта (Ь) и длина листа в направлении ветра (Ьо) (модуль роста и развития растений); скорость ветра на высоте флюгера (11:Е); исходная температура воздуха компартмента (Та); исходная влажность воздуха компартмента ^а); сопротивление устьиц (гэТ); коэффициент ослабления радиации (Кк), интегральная радиация (ОД альбедо листа (А1) и поверхности почвы (Аэ) (модуль радиационного режима); относительный коэффициент излучения растений (ерэ) и почвы (ерэп), температура поверхности почвы Тэ (модуль температурного режима почвы).

Регулирование режима температуры и влажности посева в полевых условиях можно обеспечить только искусственным увлажнением воздуха с помощью туманообразующих или дождевальных установок.

Выход модуля обеспечивает получение температуры (Та) и влажности ^а) атмосферы внутри посева с интервалом 1 час, что позволяет связать описываемый модуль с модулями роста и развития растений, температурного режима почвы, радиационного режима посева, экологических взаимодействий.

Прогноз суммы эффективных температур

В практике обычно требуется прогноз температурного параметра на более или менее продолжительный период. Существующие методики как правило, дают значительную погрешность, что делает невозможным планирование сроков проведения технологических операций при управлении продукционным процессом растений.

Рис.7. С |рукг\риая счсма олокя ».корост вс1ра молч.и режима ампера г\ры и влажноеш в посеве__- внешние сья-«п ' — внхтрелшк свя'й!: 4 - предикторы модуля. .......-■ —■ лоподш: 1ельцые еиячи при сфашфт.ашш отличной ог нейтральной

1. - листовой индекс: 1)1 - проводимость прилиспюк- слоя нонуха для кила: Т1 -•'ем мера! ура лаельсь: Та - 1емперапра вочдуха: кг — ко.ффннисш ¡>р'\\лсшного обмена Количества тепла; !д> - длина листа ь направлении вора рля люцерны - 2..."-см. лля шпснины - 1Осч (Р.Л, 11ол\ жюв. личное сиоОшеииеГс 1'( - скорнеи. пелра н ним компар|мепте. 1!,„— скороси. вегра на высоте посева: Ы - высота посева. I ь - темпера-|>|Ч1 поверхности почвы: О,. - интегральная радиация, приходящая на I орнэонталвнчт, > повепхнос I ь: А1 - а_1ьоело диско — идвоедо поверхносш почвы. Кк -кодффлциеи I ослаблсшш радиации: 1.а — \нр\1чх:|.. кашнкю пара в, г»пд\ хс. mm.pi сл.. "I аЬ> - ¡счис-р;пура а1моефсрнон> кендуха. "К: I *' — дннамич« кая скороси, ветра, м-е ': ср>. -относительный коэффициент и»л>чения: epsп — оиюспгельныи коэффшшеш тлучення для ¡ючвм 1)Ч - суммарная пронолпмосль паров волы « ири.шсшом слое: ц! - удельная влажное!|> воа.лха и .межклепшке: ца - влажность атмоефертмо иочду \и: 1.Т — скорость недра па выеше флюгера: го — высота слоя пнут реп пей шероховатости. при котором скорость ветра раина нулю: км - колффшшен 1 ¡у роулентного оомепа количс-сгва движения: х - нмаи а от поверхносш почвы: гы - сопротивление уел ьнц: НТЛТ — показатель устойчивое! и а1Ч»>сферы: Л - высота слоя вытеснения. I*"'' - Iшримсф Мо-пина-Ооухова: Га — плотность атмосферы: Ср - (епдосм кость во ¡духа при поооянном лавлешш: Пг - поток тепла и атмосферу.

Рис.9. Структурная схема блока влагопереноса модуля режима температуры и

влажности в посеве__^ - внешние связи; —- внутренние связи: * - предикторы

модуля;

Рис.10. Структурная схема блока температуры листьев модуля режима температуры и

влажности в посеве__— внешние связи; —— внутренние связи: * — предикторы

модуля;

Для расчета прогнозируемых значений СЭТ нами разработана и апробирована регрессионно-динамическая модель, структурная схема которой представлена на рис.11.

Тапр = (а-1ЧиМ+Ь)+Та',ф (8)

Та'Эф = ТаЭф~{а-№_ГМ+Ь)

Таэф = X (Та,-5)

¡-1

где Тапр - прогнозируемая сумма эффективных температур, °С; ЬЮМ - порядковый номер декады; Та'Э1|, - динамический коэффициент; Та*!, - эмпирическая сумма эффективных температур от 1 января до 1 Омая прогнозируемого года, °С; Та - среднесуточная температура воздуха, °С; мим - кодовый номер декады; а,Ь - статистические коэффициенты.

Верификация модели по эмпирическим наблюдениям Костромского ЦГМ проводилась в период 1995...1998гг. Точность прогноза на период 160 суток (от 10 мая по 10 октября) в среднем 99,5%, что позволяет применять модель для решения научных, учебных и практических задач.

Прогноз суммарной энтальпии воздуха

Суммарная энтальпия воздуха (СЭВ) является боле точным параметром оценки термических характеристик агроэкосистемы поскольку учитывает не только температуру, но и относительную влажность воздуха.

Этот параметр не входит в штатную информацию агрометеорологической службы, но легко рассчитывается по разработанной нами модели (Рис. 1 ]):

Cpnp - (a-NUM-b)+Cp' (9)

Ср' = Cp-(a-NUM-b)

Cp=Z(4,19-(0,24Ta+0(001-((622-(0,01-fB-qa))/(Patm-0,01-fB-qa))-(595+0,46Ta))„

i=i

где Српр - прогнозируемая суммарная энтальпия воздуха, кДж-кг-1; Ср' - динамический коэффициент; Ср-эмпирическая суммарная энгальпиявоздуха,, кДж-кг"1.

Результаты верификации показывают, что энтальпию воздуха можно прогнозировать на 120 суток вегетационного периода (10 мая ...31 августа) с точностью 99,6%.

Модели прогноза суммарной энтальпии воздуха, суммы эффективных температур и коротковолновой интегральной радиации реализованы в виде компьютерной программы «Агрометеорологические прогнозы», входящей в пакет прикладных программ «AGROMONITORJNG» для всех версий MS DOS (патент заявлен в 1999г.).

Программа предназначена к применению в сельскохозяйственном производстве, агрометеорологической службе, службе защиты растений, научной и учебной работе для прогноза календарных сроков фаз развития растений, насекомых, пауков и других беспозвоночных животных, прогноза календарных сроков динамики численности насекомых, пауков и других беспозвоночных животных, прогноза календарных сроков выполнения технологических операций в растениеводстве, сравнения термических и радиационных ресурсов предстоящего вегетационного периода со средними многолетними значениями, прогноза динамики биомассы и линейных параметров сельскохозяйственных культур, разработки календарного плана загрузки машинно-тракторного парка в весенне-летний период.

В отличие от подобных моделей, предлагаемая модель прогнозирует метеорологические параметры на базе эмпирических их значений от начала вегетационного периода до 10 мая прогнозируемого года, что и обеспечивает высокую точность.

7 Модуль роста и развития растений

Модуль роста и развития растений предусматривает расчет биометрических параметров в базовом и мониторинговом режимах.

Для базового режима применялись функции, предложенные P.A. Полуэк-товым (1991) и А.Н. Полевым (1983), объединенных в блоки: динамика биомассы фитоорганов, фотосинтез посева, газообмен посева. Однако, базовые функции малоприменимы в условиях производства по причине большого числа входных параметров, учесть которые при массовых обследованиях невозможно.

Рис.11. Структурная схема модуля прогноза суммы эффективных температур и суммарной энтадьгши воздуха. .. > - внешние связи; > - внутренние связи; * -предикторы модуля. Та - среднесуточная температура; ТаЭф - сумма эффективных температур; Та'зф - динамический коэффициент; Тапр - прогнозируемая сумма эффективных температур; qa - среднесуточная относительная влажность; Ср - суммарная энтальпия Ср'; - динамический коэффициент; Ср„р - прогнозируемая суммарная энтальпия.

В связи с вышеизложенным, автором и работавшими под его руководством аспирантами Ермолаевой Н.В., Волновой C.B. и Котляровой Л.Д. для мониторинга и прогноза в производственных условиях аппроксимирована динамика биомассы в зависимости от биологического времени.

Рост отношения надземные:подземные органы аппроксимируется зависимостью:

• Однодольные: Кн/п = а-Срь

• Двудольные: Кн/п = а-еСрЬ (10)

Где Кн/п - коэффициент превышения надземной биомассы над подземной; Ср - суммарная энтальпия воздуха от даты посева, кДж-кг"1 ; а,Ь - статистические коэффициенты.

Верификация рассчитанных по эмпирическим данным 1995г. функций на независимом материале в 1996 году показала хорошее совпадение теоретических и эмпирических данных: кукуруза - R2 = 0,9497; ячмень - R2 = 0,9877; яровая пшеница - R2 = 0,9997; горох - R2 = 0,6500.

По общей массе надземных органов растения (Мн) и рассчитанному по (10) соотношению ее с подземной (Кн/п), вычисляется биомасса всего растения (M(tk)) по зависимости:

M'(tk) = M'n(tk) / KH/n(tk)+M'H(tk) (11)

При отсутствии входных параметров базовой модели фотосинтеза, прогноз нарастания биомассы рассчитывается по функции:

M'(tk+1 ) = а-Срь + КоггМ

KorrM = M'(tk) - а-Срь,

где М' - прогнозируемая биомасса, г. абс.сух.в-па-растение"1; а.Ь - статистические ээффициенты; КоггМ - корректирующий коэффициент.

Верификация модели на независимом материале 1996 года показала сле-утощие совпадения теоретических и эмпирических данных: кукуруза - Я2 = ,9100; ячмень - Я2 = 0,9600; овес-К2 = 0,8978; пшеница яровая - И2 = 0,9257; эрох-Я2 =0,9884.

Рассчитанную общую биомассу растения следует распределить между рганами растения, что позволит определить урожай основной, побочной про-укции и корневых остатков, то есть связать модель продукционного процесса моделями животноводства, экологии и экономики сельскохозяйственного редприятия.

Расчет ростовых функций фитоорганов ведется в относительных едини-ах, что позволяет избежать значительного отклонения результатов от среднего о годам. По методу, предложенному А.Н. Полевым (1983), вычисление росто-ых функций ведется по эмпирическим данным (Рис.12).

Доля активных фитоорганов - это динамическая величина, зависящая от аксономического вида и возраста растения, определяющегося, в свою очередь, нтальпией среды:

Кс1] = а-ЕпСр+Ь,

где Кс1' - доля )-го органа в абсолютно сухой биомассе растения, безразмерная; а,Ь -гатистические коэффициенты.

Тогда функция динамики биомассы ]-го органа (М'^к)) будет опреде-яться, как

М'-^к) = М'0к)-К^'

М'ой0к) = М'(Гк)-1МЧ1к), (13)

где Мю6(1к) - суммарная биомасса отмерших органов на текущем шаге работы моде-и, г.абс.сух.в-ва-растенгге"1.

Включение ростовой (функции того или иного фитооргана определяется биологическим временем -суммарной энтальпией воздуха от даты посева (или шобновления вегетации).

Если учитывать долю каждого фитооргана в компартменте, являющую-я динамической величиной, то распределение биомассы органа записывается зункцией:

М'/(1к)=М''(1к>Кс1\

КсР; = а-ЬпСр+Ь (14)

где М','(1к) - биомасса .¡-го органа в ¡-м компартменте на текущем шаге работы моде-:и, г.абс.сух.в-варастение"1; Кй1, - доля ¡-го органа в ¡-м компартменте, безразмерная; а.Ь -татистические коэффициенты.

В результате становится возможным вычислить биомассу для любого ;омпартмента в пределах диапазона работы функции Кс1\.

0,7

500 1000 1500 2000 2500 Суммарная энтальпия воздуха, кДж/кг

3000

3500

Листья

Элементы колоса

Подземная проводящая часть стебля Отмершая масса

Стебли Плоды Корни

Рис. 12. Распределение деятельной биомассы по фитоорганам ячменя

(доли единицы), 1995г.

Индекс фитоорганов компартмента

Расчет численных значений индексов фитоорганов ведется по общей формуле

L^SSIVT-0,0001 (15)

где IA - индекс j-то фигооргана в i-м компартменте; SSlJi - плошадь j-ro органа в i-том компартменте для одного растения, см2; Г - количество растений на 1м2.

Результаты наших наблюдений позволили значительно упростить методику определения площади активной поверхности фитоорганов исходя из предположения наличия связи между биомассой растения и площадью его органов.

Sl.st.gen = M'h-Ks/m

Sr-M'n-Ks/Mr (16)

ГДС Ь> l,F.t,gcn ~ площадь надземных фитоорганов, см Sr - площадь корневой системы, см"2; М'н - масса надземных фитоорганов, г-растение"1; М'п - масса корневой системы, г-рас-тение"1.

Коэффициенты Ks/м и Ks/мг описываются системой динамических функций от суммарной энтальпии воздуха:

Ks/m, Ks/мг =У(Ср) (17)

По уравнениям (16) и (17) вычисляется площадь фитоорганов одного растения (или одного стебля) (SS1). Распределение их по компартментам рассчитывается по функциям

SSI = Si.st.gen.r'K'i (18)

Kjj = a-lnCp-bb,

где a,b - статистические коэффициенты; К-1, - доля фитооргана в компартменте.

Динамика высоты стеблей и глубины корневой системы растений.

Входными параметрами модулей «режим влажности почвы» и «радиаци-нный режим посева» являются высота посева и глубина корневой системы, та параметры изменяются во времени, следовательно, процесс следует опи-ать динамическими функциями.

• Однодольные: Ы = а-1пСр+Ь

• Двудольные: Ы=а-Срь (19)

где Ы - высота растений, см; Ср - суммарная энтальпия воздуха, кДж-кг"1; а,Ь - стати-гические коэффициенты.

Из вычисления отношения «глубина корневой системы:высота растения», ыводится коэффициент, зависящий от биологического времени и с достаточно ысокой точностью аппроксимирующийся степенной функцией от суммарной нтальпии воздуха:

КЬг = а'Срь, (20)

где КЪг - коэффициент глубины корневой системы; а,Ь - статистические коэффици-

нты.

Применение этого коэффициента значительно упрощает мониторинг по-евов, так как исключается необходимость трудоемкой операции по извлечете почвенного монолита и отделение корневой системы от почвы, поскольку дина корней рассчитывается как

Ьг = Ы-КЬг (21)

В развитие представлений Р.А. Полуэктова (1991) предложена схема мо-(уля роста и развития растения, предусматривающая работу в режимах «базо-!ый» и «мониторинг» (Рис. 13). В базовом режиме на вход подаются: концен-рация углекислого газа в атмосфере (Са); максимально возможный уровень зотосинтеза для растения (Фтах); тангенс угла наклона световой кривой в ■очке компенсации (ан); интенсивность поглощенной ФАР (<3г) (подается с юдуля радиационного режима посева); сопротивление карбоксилирования гх); сопротивление диффузии (ХЬ в межклетнике (гт); сопротивление устьиц геО; проводимость прилистного слоя воздуха для тепла (Б1) и коэффициент урбулентного обмена количества движения (ки), который подается с модуля )ежима температуры и влажности в посеве.

При работе в режиме мониторинга вводятся необходимые для прогноза {сходные характеристики посева, полученные эмпирическим путем: плотность юпуляции растений (Грает); высота надземной массы растения (Ы); абсолютно ;ухая масса надземной части растений (М'н). Поскольку прогноз биометрии ;троится на основе суммарной энтальпии воздуха (Ср), значение этого параметра берется с выхода модуля режима температуры и влажности в посеве.

С выхода рассматриваемого модуля снимается биомасса фитоорганов, ^определенная по компартментам атмосферы и почвы, которую в дальнейшем

можно использовать как самостоятельный параметр или подавать на вход экономической модели управления сельскохозяйственным производством.

Для работы других модулей модели продукционного процесса с выхода данного модуля снимаются индекс фитоорганов, сопротивление устьиц, высота растения, глубина корневой системы.

Управление ростом и развитием растения (модуль агротехники)

На основе экспериментальных исследований отечественными учеными разработаны модели управления продукционным процессом сельскохозяйственных культур (Полевой А.Н., 1983; Каюмов М.К., 1989; Ганусевич Ф.Ф., 1991; 1993; Швытов И.А., 1995;) и др.

В предлагаемом модуле управление продукционным процессом осуществляется через регулирование плотности популяции (Грает), и высоты (Ы) растений.

Верификация модуля

Для верификации нами был разработан компьютерный вариант модуля, работающий в режиме прогноза продуктивности производственных посевов основных полевых культур. Для расчета прогноза в полевых условиях учитывается Грает, Ы, М'н, а также Ср от посева до даты учета. По запросу программы вводятся: масса абсолютно сухого вещества надземных фитоорганов (г-растение-1); плотность популяции культурного растения (стеблей-м"2 или растений-м~2 в зависимости от таксономического вида растения); средняя высота стеблей (см); диапазон суммарной энтальпии и шаг расчета. Программа рассчитывает прогноз: календарных сроков фаз развития растения, плотности популяции культурного растения, суммарной энтальпии воздуха, массы абсолютно сухого вещества с 1м2 (в том числе массы листьев, стеблей, корней, генеративных органов, семян, подземной проводящей части стебля, отмершей биомассы), площади и индекса надземных и подземных фитоорганов, распределения массы, индексов и площади фитоорганов по слоям почвы и атмосферы с интервалом и на период, задаваемые пользователем.

Корреляционный анализ между расчетными и эмпирическими значениями параметров биомассы растений показал высокую степень соответствия, что обеспечивает применение модуля в условиях производства для расчета прогноза роста и развития ежи сборной, льна долгунца, ярового рапса, ячменя, овса, яровой пшеницы, гороха и кукурузы (Табл. 3). Низкий коэффициент корреляции по биомассе фтпоортанов озимой ржи говорит о необходимости проведения дополнительных наблюдений за ее биометрическими параметрами с целью дополнительной настройки модуля на эту культуру.

C'a,,(.i*

rt-:f-

•J a:il> 11 i ■

ф„

De !

Dt *

i\ *

О, *

ist

•'; '''TCMnepaiypbi;:'"; .'■.' i' иллжностн is посёве; 1

ti ' „ .|д ;

Jj Фи I

.....L . '::

лмик 'hl

Модуль рйжим'й виажностй'иоу-1

-'i-вы:■■•"" '

Модуль' раднаци0111)ого; ' речеимл несена

Í $К I

I' '

i I Ks'.Mf

К1,

.. Si.st,цеп.

Si-

kh г

lu-А

111

fpui'j

Кн.-и

Ср'

M'iUlk) i

V Y

SS!

' Модуль агротехника

1YÎ\- gcn(ll<+l) M'i l(tk+l) M'i r(tk+l) M'i st(lk+l ) M'i of»(tk+l)

¡ R<i f. j Km

M'(tk4)¡ ;

......." i M(ti m ) L . I Ñidki h—

M'gen(tk)* M'Ktkr Mï(tkf M'st(tk)--'

M'n(tk)

... T T

M'UkH

гаспределение по компартментам

M'ftk f ! )

1 Kcl1 К(Г.

Рис I i .t ' I p\ к i \ рппя схема ч>ыу i>¡ pw i а и pa tun i ни pac icniiü. - - mi> i реппне сия ai: —{>■ — ¡mciuimc ensuit:

- Iipc IHK i.>p-

Таблица 3. Оценка верификации модуля роста и развития растений по коэффициенту корреляции (г) между расчетными и эмпирическими значениями.

о Масса абсолютно сухого вещества

Культура « 1 = * ш 5 X к ^ к к 5 X. £ 3 а - с 5 ю 3 § 2 5 я з;

£ £ О те Г) н о X к Ю <и н о Н «5 й и а. о. о о В р О О о ЕЙ" г ч л и о н ^ а и £ ? с о. о и о о. о к

Озимая рожь 0,37 0,34 0.94 0,67 0,35 * ** 0.48 0.51

Ежа сборная 0,90 0.97 0,93 0,99 0,99 * ** 0,85 0,94

Лен долгунец 0,84 0,87 0,99 0.93 1,00 * 0,66 0.99 0,90

Рапс яровой 0.95 0,99 0,99 0,99 1.00 * 0,99 0.86 0,92

Ячмень 0,70 0,99 0,98 0,91 1,00 1,00 0,68 0,66 0,97

Овес 0,61 0,99 0.99 0,99 0.96 0,99 0,78 0,83 0.90

Яровая пшеница 0,17 0,99 0,95 0,99 0,99 0,99 0,88 0,84 0.61

Горох посевной 0,90 0,99 0,99 0,99 0,99 0,99 0.48 0,99 0.96

Кукуруза 0,40 0,99 0,99 0,98 0,98 * 0,38 0,97 0,86

(на силос)

Примечание: * - входит в массу генеративных органов; * * - входит в массу корневой системы.

8. Методика сбора информации и настройки модели управления продукционным процессом сельскохозяйственных культур

8.1. Входные и выходные параметры модели

Модель продукционного процесса построена по принципу структурного моделирования, где выходные данные одного модуля служат входными для одного или нескольких других (Рис.14). Некоторые входные параметры вводятся либо непосредственно пользователем при начале работы с моделью, либо самой программой в режиме «по умолчанию», либо заданы константами (если программа настроена на определенную культуру). В целом, на вход модели подаются следующие параметры:

Географическая широта местности (И). Вводится пользователем, «по умолчанию» или задано константой;

Количество облачности в баллах: общая (Пн + Пс + Пв) и нижняя (Пи). При отсутствии таковой информации вводится продолжительность солнечного сияния за сутки (ББ). Информация поступает с ближайшей агрометеорологической станции по стандартным интервалам измерений (не более 1 суток);

Температура воздуха среднесуточная (То), минимальная (Тппп) и максимальная (Ттах). Вводятся пользователем по данным ближайшей агрометеорологической станции.

Пс П. П„

Или ВБ

Радиационный режим ог

посева к.

Ро

Хт

Температурный режим почвы

Рог ВЗ НВ Р110Г

Режим влажности почвы

Яа

РаПтГ) ЬТ Ьо [ То,Ттах,Ттш|

Режим температуры и влажности посеваГ

(Ср

СЕ

ки

Та

Рост и развитие растений

тег

РА8А

-.М'Г

Модуль агротехники

Ьг

Модуль экологических взаимодействий

Модуль почвенного питания растений

М(1к+1) М1(&+1) Мг(1к+1)

М£еп(1к+1)

Рис.14. Структурная схема модели продукционного процесса сельскохозяйствен-

[ых культур. :онстанты.

- штатная информация?

- экспериментальные данные;

V 'Г

Пористость почвы (Рог). Вводится пользователем по результатам анализа или функцией от плотности почвы. Для настройки модели по этому показателю требуются экспериментальные данные;

Влажность завядания (ВЗ). Вводится пользователем по результатам анализа почвы участка или константой для данного типа почвы;

Наименьшая влагоемкость (НВ) Вводится пользователем по результатам анализа или константой для данного типа почвы;

Проводимость корня для питательного раствора (PROV). Вводится пользователем или константой для данного вида растения. Настройка этого параметра выполняется по экспериментальным данным',

Атмосферное давление (Patm). Вводится пользователем с интервалом 1 сутки по наблюдениям ближайшей агрометеорологической станции.

Скорость ветра на высоте флюгера (Uf). Ввод данных метеостанции выполняется пользователем;

Длина листа в направлении ветра (Lo). Вводится константа для данной культуры. Для настройки этого параметра требуются экспериментальные данные.

Концентрация С02 в атмосфере и интенсивность дыхания почвы (Са). Вводится на начало расчета пользователем, в дальнейшем снимается с выхода блока газообмена посева с интервалом 1 час. Для настройки этого параметра требуются экспериментальные данные.

Плотность популяции эдификатора (Грает). Рассчитывается для однолетних культур от нормы высева и настраивается для конкретной культуры по экспериментальным данным..

Высота растения (hi). Настраивается для конкретной культуры по экспериментальным данным и уточняется при мониторинге конкретной агроэкоси-стемы.

Биомасса надземных фитоорганов (М'н). Настраиваются для конкретной культуры по экспериментальным данным и уточняется при мониторинге конкретной агроэкосистемы.

Исходная температура почвенных компартментов (Ts). Вводится по результатам наблюдений ближайшей агрометеорологической станции, а в дальнейшем снимается с модуля термического режима почвы.

Содержание органического вещества в почве (Хт). Вводится по результатам агрохимического обследования.

Влажность почвы (Ws). Вводится по результатам мониторинга конкретного участка, а в дальнейшем снимается с выхода модуля режима влажности почвы.

Плотность почвы (Ps). Определяется по общепринятой методике (Доспехов Б.А., 1987) и в дальнейшем настраивается для конкретного контура и культуры по экспериментальным данным.

Влажность воздуха (qa). Вводится по результатам наблюдений ближайшей агрометеорологической станции.

Для корректировки урожайности при помощи функций соответствия шктических значений компонентов оптимальным для растения, дополнитель-о вводятся:

Содержание в почве гумуса, фосфора и калия - по результатам агрохи-шческого обследования.

Кислотность почвы (рНксО - по результатам агрохимического обследова-

:ия.

Численность энтомофаупьт и арахнофауны - по результатам мониторинга осевов.

Запас семян сорных растений в слое почвы 0-10см осенью после вспаш-:и - по результатам мониторинга конкретного контура.

На выходе модели продукционного процесса снимаются как биомасса (елого растения (М), так и отдельных его органов: листьев (М1), корней (Мг), теблей (МэЦ и плодов (1У%еп), распределенных по компартментам экосисте-ш, которые в определенном сочетании можно применять для самых разнооб-1азньгх целей. Например, прогноз урожая основной продукции (М£еп), урожай юбочной продукции (МНМб^, урожай зеленой массы на кормовые цели М1+М5{+М£еп), количество корневых остатков (Мг) и т.д.

9. Модуль почвенного питания растений

В настоящее время механизм трансформации органического и минераль-юго вещества почвы изучен крайне недостаточно для разработки действующей >азовой модели рассматриваемого процесса. В связи с этим в диссертационной >аботе модуль почвенного питания растений построен как мультипликативная функция, основанная на нормированных функциях отклика биомассы растения m степень оптимальности обеспеченности ее элементами почвенного плодоро-(ия (по Образцову A.C., 1990).

На вход модуля почвенного питания растений подается масса основной тродукцни стандартной влажности (М) и значения функций оптимальности: титания (азотного (Кп), фосфорного (Кр), калийного (Кк)); кислотности почвы КрН); окультуренности почвы (Кокп) (Рис.15.), поступающие с выходов соот-¡етствугощих блоков. С выхода снимается урожайность, скорректированная по фовню почвенного плодородия.

Важнейшее значение в плодородии почвы имеет содержание в ней орга--шческого вещества и его качественное состояние, в представленной работе шисывается упрощенный расчет баланса гумуса по углероду, предложенный в заботах Образцова A.C. (1990).

Регулирование режима химического состава почвы

Основными способами изменения агрохимических параметров почвы яв-1яются внесение органических и минеральных удобрений, а также известкова-тее. Применение средств химизации должно быть экономически эффектив-

ным, поэтому одним из условий является точное определение потребности растений в элементах минерального питания. Это стало особенно актуальным в последние годы, поскольку ограниченные ресурсы удобрений и известковых материалов должны давать максимальный эффект от их применения.

Рис. ! 5. Структурная схема .модуля почтенного питания растенш! > - внешние связи;-► — внутренние связи: * - предикторы модуля.

M(soil) - биомасса растения с поправкой на элементы почвенного плодородия, т-га"1; М* - максимальная биомасса растеши, т-ra'1; К;" - функции оптимальности обеспеченности: азотом (К"), фосфором (1СР), калием (Кк), кислотностью (К.1*), баллом окультурекности (К.™);

Доза действующего вещества удобрений рассчитывается эквивалентно-балансовым методом по методике A.C. Образцова (1990)

Блок расчета доз удобрений работает в случае недостаточной обеспеченности элементами питания планируемой урожайности при условии окупаемости применения удобрений. На вход поступают следующие исходные данные (Рис. 16): плановая урожайность культуры (М), обеспеченность почвы азотом, фосфором и калием; дополнительно с блока азотного питания вводятся азот, поступающий за счет свободных азотфиксаторов и осадков. По этим предикторам вычисляется дефицит элементов (ON, 0Р, ©К), который следует восполнить путем внесения удобрений. Тип системы удобрений выбирается пользователем в зависимости от биологических особенностей культуры, принятой системы земледелия и финансовых возможностей хозяйства. Модель предусматривает три системы удобрений: минеральная, органическая или органо-минеральная. Выходные данные - доза органического удобрения, (ОУ), доза NPK минеральных (Nm, Рм, Км) и органических (Noy, Роу, Коу) удобрений -поступает на вход блоков азотного, фосфорного, калийного питания и окульту-ренности почвы для последующего вычисления функций оптимальности и корректировки уровня урожайности с учетом вносимых удобрений.

Расчет дозы кальция для доведения кислотности почвы до оптимального для конкретной культуры значения выполняется по формулам Образцова A.C. (1990)

Рис. 16. Структурная схема блока расчета доз удобрений.

- внешние связи;-- внутренние связи; * - предикторы модуля. Nn, Рп, Кп — леткогидролизуе-

мый азот (Nn), подвижный фосфор (Рп) и обменный калий (Кп) в год проведения анализа (или прогнозируемая величина от прошлого анализа), мг-ЮОГ' почвы; Nm, Рм, Км - азот, фосфор, калий минеральных удобрений, вносимых в год получения урожая, ier ra"'; Noy, Роу, Коу - азот, фосфор, калий органических удобрений, вносимых в год получения урожая, кг-га"', Noc, Мсф, - азот, поступающий за счет азотфиксащш свободными азотфиксаторами (Мсф), с осадками (Noc), кг га

На основании их формируется блок расчета дозы Са (Рис. 17), на вход ко-эрого подаются тип почвы (из базы данных.), кислотность (рН) и содержание jTsiyca в почве (с блоков кислотности и окультуренности почвы соответствен-о). Выходной параметр - доза кальция (Са) - подается на блок кислотности очвы для дальнейшей корректировки урожайности по оптимальности этого араметра и на блок окультуренности почвы для корректировки балла окулт.ту-енности почвы, повторного расчета функции оптимальности и корректировки рожайности.

Верификация модуля

Модуль почвенного питания растений реализован в компьютерной ггро-рамме, база данных которой содержит информацию по 35 видам культурных осевов, 25 видам органических удобрений и 12 типам почвы:

Верификация .модуля проводилась на примере расчета доз удобрений под ланируемую урожайность озимой ржи, выращиваемой на дерново-одзолистой среднесуглинистой почве с содержанием гумуса 1,8%, подвижно-о фосфора - 10 мг-ЮОг"1, обменного калия - 10 мг-ЮОг-1 почвы. При этом

использовался фон естественного плодородия и внесение подстилочного навоза крупного рогатого скота планируемой дозой 15 т-га~'.

Рис. 17. Структурная схема блока расчета дозы кальция, - внешние связи; внутренние связи; * - предикторы модуля.

Са - доза кальция, т-ra"1; Gum - содержание гумуса в почве, %.

Результаты расчета показали, что естественное плодородие почвы может обеспечить уровень урожайности озимой ржи порядка 4 т-га"1, а по обеспеченности фосфором и калием - до 6 т-га'1. Однако, баланс гумуса при этом становится отрицательным уже при урожайности около 1 т-га"1. Следовательно, в аг-роэкосистеме озимой ржи постоянно будет наблюдаться дефицит гумуса, который можно несколько снизить применением азотных удобрений. Однако, самую высокую эффективность может дать органо-минеральная система удобрений, предусматривающая внесение 15 т-га"1 подстилочного навоза, обеспечивающая получение урожайности зерна порядка 4 т-га-1 и бездефицитный баланс гумуса (Табл. 4).

Исходя из подобных расчетов можно выбрать оптимальные системы удобрений для конкретных условий производства.

10. Модуль экологических взаимодействий организмов в экосистеме.

Одним из модулей модели продукционного процесса является модуль экологических взаимодействий организмов, который, в сущности, все еще остается малоизученным (Полуэктов P.A., 1991).

Прогноз динамики фауны членистоногих в агрозкосистемах.

Основываясь на количественном учете, выделены доминирующие таксоны насекомых и пауков в зависимости от вида эдификатора и соотношение эн-томофаг:фитофаг в центре и по границе агроэкосистемы.

Соотношение фитофагэнтомофаг в целом по зерновым (ячмень, овес, яровая и озимая пшеница, озимая рожь) отклоняется от оптимального (4:1) значения по причине искусственного доминирования культурного растения, которое обеспечивает неограниченные трофические ресурсы для растительноядных организмов. Особенно это выражено в начале вегетации эдификатора.

В среднем по зерновым культурам на большей части вегетационного пе-

юда соотношение фитофаг:энтомофаг было более благоприятным по краю эсева, нежели в центре. Однако, в середине вегетации от выметывания до мо-)Чной спелости все консуменгы распределялись по участку более или менее шпомерно. Следовательно, краевая обработка инсектицидами на мелкокон-'рном участке внесет дисбаланс в функционирование агроэкосистемы, так как шчтожит основное количество хищников и паразитоидов.

Таблица 4. Пример расчета дозы удобрений и баланса гумуса на планируемую уро-зйность озимой ржи (расчет по модели).

Почва дерново-подзолистая среднесуглинистая; гумус 1,8%; Р^О, Юмг-ЮОг-' почвы; >0 Юмг-ЮОг"1 почвы; плановая доза подстилочного навоза КРС - 15 т пГ1

Л ь о 0 га о. « й а о 03 £ Фон естественного плодородия Дозы удобрений при системах удобрений

сз а ¡к о я м Обеспеченность И, % Минеральная, кг д.в-га"1 Органическая т-га"' Органо-минеральная т-га"1.

Баланс гумуса, т-га"' N Баланс гумуса, т-га-1 Доза Баланс гумуса, т-га"' N плановая доза органических удобрений

0,95 +0,01 100,00 +0,01 - +0,01 - +4,21 - 15

1,00 -0,01 100,00 -0,01 - -0,01 - +4.19 - 15

2,00 -0,55 100,00 -0,55 - -0,55 - +3,66 - 15

3,00 -1,08 100,00 -1.08 - -1,08 - +3,12 - 15

4,00 -1,61 100,00 -1,60 1,6 -1,21 1,44 +2,59 - 15

5,00 -2,14 98,56 -1,90 27,6 +4,82 24,84 +2,16 10,43 15

6,00 -2,67 91,70 -2,21 53,6 + 10,84 48,24 | +1,85 36,93 15

Примечание: Обеспеченность Р2О5 и К2О находится в зоне оптимума.

Соотношение фитофагов и энтомофагов многолетних бобовых трав (кле-ера лугового и галеги восточной) лежит в оптимальных пределах и более бла-оприятно так же по краю участка. Это обеспечивает возможность агроэкоси-теме многолетних бобовых трав поддерживать равновесное состояние чис-енности энтомофауны, что позволяет снизить антропогенное регулирование имическими средствами защиты растений и уменьшить тем самым пестицид-уго нагрузку на окружающую среду.

В агроэкосистеме костреца безостого на поверхности почвы энтомофаги реобладали над фитофагами в среднем соотношении за период вегетации :0,6. В травянистом ярусе естественное соотношение между трофическими руппами насекомых нарушено, но с увеличением возраста костреца соотношение фитофагов и энтомофагов приближается к естественному уровню, что ■бъясняется повышением роли внутривидовых и межвидовых взаимодействий

насекомых, а так же насыщением консорции фитофагами до максимальной емкости среды экосистемы.

Количественное варьирование зоокомпонентов зависит от их биологии, фаз развития эдификатора и погодных условий. Главным параметром последних, влияющим на скорость развития как эдификатора, так и наблюдаемых таксонов насекомых и пауков является суммарная энтальпия воздуха. На базе этого параметра была проведена аппроксимация усредненных по годам эмпирических данных при помощи табличного процессора «Excel 97», что позволило вывести ряд функций и с достаточно большой точностью (от 58 до 98%) моделировать сезонную динамику доминирующих объектов.

По реализованной нами в виде компьютерной программы модели рассчитана динамика численности энтомофауны на период вегетации сельскохозяйственных культур для вычисления варьирования процентного обилия каждого таксона в зависимости от фазы развития растений и оценки целесообразности применения защитных мероприятий (Рис. 18).

Расчет сезонного прогноза начинается с получения от агрометеорологической станции информации о среднесуточной температуре и относительной влажности воздуха с 1 января по 10 мая. По ним рассчитывается прогноз суммарной энтальпии воздуха, который имеет два выхода: календарные сроки динамики фаз развития культурного растения (для планирования сроков выполнения технологических операций) и календарные сроки появления в консорции насекомых и пауков (для планирования сроков учета исходной численности). Когда установлена дата появления объекта, проводится эмпирический учет исходной численности, вычисляется поправочный коэффициент и рассчитывается сезонная динамика. В критическую для повреждения фазу развития растения, прогнозируется соотношение энгомофагов и фитофагов и оценивается его оптимальность. Поскольку учесть все факторы динамики невозможно, устанавливается календарная дата критической фазы, для проведения уточняющего эмпирического учета численности объектов, результаты которого обеспечат принятие решения о целесообразности обработки. В случае неблагоприятного соотношения необходима обработка, поэтому производится выбор средства воздействия. При этом за основу берется или вид фитофага, превышающий экономический порог вредоносности, или общий ущерб от фитофагов, рассчитанный по коэффициентам их вредоносности. На основе эффективности метода воздействия проводится повторный прогноз динамики популяций с учетом действия этого метода, вновь определяется соотношение фитофагов и энтомо-фагов и принимается решение о целесообразности применения выбранного метода. Если он недостаточно эффективен, расчет повторяется при выборе другого метода. После оптимального выбора принимается решение о сроках его реализации в полевых условиях.

Предлагаемая методика будет весьма полезна при консультировании производителей продукции растениеводства специалистами консультационной службы как в России, так и в зарубежных странах.

Рис. 18. Структурная схема блока управления энтомосанитарным состоянием агроэкоси-стемы.

Прогноз динамики сорной растительности

Разработка прогноза динамики сорной растительности и методика его фактического применения во многом аналогичны таковым для фауны члени-тоногих.

Наблюдениями за динамикой засоренности одновидовых и поливидо-ых посевов озимых и яровых однолетних культур и многолетних трав уста-ювлен видовой состав фитоценозов, состоящий из 40 видов, относящихся к 17 емействам, который более зависит от продолжительности существования аг-юфитоценоза и биологических особенностей засорителей, нежели от видового остава эдификаторов.

Количество всходов сорных растений зависит от заполненности банка емян и динамики их численности в течение вегетационного периода. Следова-

тельно, модель прогноза засоренности должна включать несколько этапов и иметь выход на урожайность культуры (Рис.19).

Рис.19. Структурная схема блока прогноза засоренности посевов и корректировки урожайности модуля экологических взаимодействий.

» - внешние связи; -»■ - внутренние связи; * - предикторы модуля.

Запас семян в почве определяется по стандартной методике, а количество всходов можно установить по уравнению Манько Ю.П

1=1

где Яв - количество всходов сорных растений в прогнозируемом году, экз.-м"г; X -количество семян осенью после вспашки в слое 0-1 Осм, млн.шт.та"1; \рг - полевая всхожесть семян, %; 0,8 - средневидовой коэффициент сохранности семян в осенне-зимний период; ] -таксономический вид сорного растения.

После появления всходов между растениями усиливается конкуренция, в результате которой происходит изреживание популяций. Эту тенденцию можно считать закономерной и рассчитывать по системе уравнений:

A SR = -30,989-Ln(day)+199,75 ДЭТ = 63,264-Ln(day)-l 26,71 т = -127,26-Ln(day)+607,38

(25...36 дни вегетации); (10.3) (36...48 дни вегетации); (48... 118 дни вегетации),

где Д!Н - отношение количества сорных растений на прогнозируемый день вегетации к исходному, %; day - день вегетации.

Переход от процентного отношения к количественному параметру засоренности осуществляется по уравнению:

<П = 0,01-%з-Д91, (22)

где 9! - число вегетирутощнх сорных растений, экз.-м'2, 0,01 - коэффициент пересче-троцентов в доли единицы.

Поскольку степень засоренности можно регулировать агротехнически-приемами, в модель вводится коэффициент антропогенного воздействия ant), который является функцией гибели особей сорных растений и зависит вида технологической операции. Учитывая поступление семян извне и гита при обработках почвы, функция принимает следующий вид.

11 п п

Dant = П 0,01 -(lOO-KO+SWII 0,01-(100-KrO+9isd-IT 0,01 <100-Kß), (23)

ß=i ' и ' [¡=1

где Kp - гибель вегетирующих сорных растений в результате проведения технологиях операций,%; 9tman - количество всхожих семян в дозе внесения органических удобре-й, экз.та"1; 37Sd - количество всхожих семян сорных растений в норме высева семян основ-Э культуры, экз-га"1.

Окончательная модель прогноза засоренности записывается:

SR = 0,01-9isA5RDant (24)

Этот параметр рекомендуется перевести в баллы засоренности для рас-та функции оптимальности засоренности посевов при корректировке уровня ожая культурного растения (Образцов A.C., 1990).

Кзп = 1-0,12(9?-1) (25)

Кзп = 1 (для многолетних и однолетних трав на кормовые цели)

где Кзп ~ степень засоренности, балл.

Для проведения специальных защитных мероприятий требуется прогноз шамики доминирующих видов, которыми обычно являются торица, звездчат-I, ромашка, марь, фиалка и осот. Для них можно применять следующие функ-1и.

звездчатка средняя

ромашка непахучая

торица посевная Д9? = -l,8309-day+147

Л9? = 0,043-day-2,8949 day+!45.5i A*=4-106day-2'7W Д« = 0,0273day2-l,9364-day+131,36 Д5Н = -0,0433-day2+6,2746day-97,08 Д9?'= 0,053-day2-3,7049-day+-159,51 A<J? = -0,008-day2+0,4825-day+96,013 0,0012 • day3+0,2103 • d ay 2+12,017- day-8 9,18 7 -0,0434-day2+5,3032-day-4,2809

марь оелая

фиалка полевая осот полевой

(25.. .73 дни вегетации); (25...46 дни)

(46...73 дни); (25...46 дни) (46...73 дни); (25...46 дни) (46...73 дни); (25. ..73 дни); (46...73 дни);

ВЫВОДЫ

1. В результате патентного поиска, проведенного на базе публикаций отечественных и зарубежных авторов установлено, что применяющиеся в последние 20...30 лет модели объектов и экологических систем разделяются на вербальные, табличные, графические, регрессионные и базовые. Обычно они применяются на региональном, реже - на глобальном уровнях и описывают последствия климатических и антропогенных изменений экологических систем. Большое количество моделей посвящено описанию динамики химических соединений в почве, фотосинтеза, стрессовых воздействий, внутривидовой и межвидовой конкуренции растений, действия вредителей и болезней на продукционный процесс культурных растений. Рост и развитие растений обычно описывается регрессионными функциями, что обусловливает необходимость настройки модели на локальные условия. Очень мало моделей описания и прогноза климатических параметров, динамики популяций вредителей в синэколо-гическом аспекте.

2. Установлено, что современная модель должна строиться по модульному принципу. Это позволяет вводить новые модули и совершенствовать существующие по мере поступления новой информации, а также объединять модель продукционного процесса культурных растений с экономико-математической моделью сельскохозяйственного производства. В связи с варьированием параметров экосистемы в вертикальном направлении, модель должна рассчитывать распределение их значений по атмосферным и почвенным слоям. В результате установлены принципы построения модульной динамической модели продукционного процесса агроэкосистемы.

3. Выяснено, что ежегодное отклонение от средней величины суммы поступающей интегральной радиации обусловливает необходимость прогнозирования этого климатического параметра. Построенный и реализованный для компьютера модуль рассчитывает среднегодовой режим интегральной коротковолновой солнечной радиации посева с точностью 96...98%. Для научной работы целесообразно применение блока на основе формулы Т.Г.Берлянд, позволяющего учесть степень загрязнения атмосферы аэрозолями, а для производственных целей - блока на основе формулы Сивкова.

4. Разработана модель динамики плотности почвы в зависимости от вида возделываемой культуры, интенсивности обработки, марки почвообрабатывающего орудия с возможностью настройки по этим параметрам. Построенный и реализованный для 1ВМ-совместимых компьютеров модуль рассчитывает распределение динамики температуры почвы с интервалом 1 час с точностью 94—96%, что обусловливает ее применение в научных, учебных, консультационных и производственных целях.

5. Для оценки целесообразности регулирования водного режима почвы и расчета нормы полива разработана компьютерная программа, позволяющая прогнозировать запасы влаги в почве и вычислять норму полива в зависимости

: типа дождевальной установки. Программа применяется в учебных, научных, шсультацнонных и производственных целях.

6. Агротехническое воздействие на процесс теплообмена и влагообмена >здуха внутри травостоя обеспечивается путем регулирования листового ин-жса, высоты посева и увлажнения с помощью туманообразующих или дожде-шьных установок. Верификация разработанного и реализованного компью-:рного варианта блока прогноза суммы эффективных температур и суммарной ггальпии воздуха на летний период прогнозируемого года показала точность эогноза на уровне 99,5%. Высокая точность позволяет применять программу ж решении научных, учебных, консультационных и практических задач.

7. Разработанная методика прогноза биометрических параметров посева гачительно снижает затраты на проведение массового мониторинга по про-юзнровашно урожайности сельскохозяйственных культур, за счет сокраице-ия количества входных параметров. При обследовании достаточно установить ысоту стеблей, количество растений (или стеблей многолетних трав) на 1 м2, ассу абсолютно сухого вещества растения (стебля) и сумму энтальпии от даты осева (или весеннего возобновления вегетации) до даты обследования. Вери-■икация реализованной компьютерной программы модуля роста и развития астения показала хорошее соответствие расчетных и эмпирических значений иометрических параметров ежи сборной, льна долгунца, ярового рапса, ячме-я, овса, яровой пшеницы, гороха посевного и кукурузы (на силос). Коэффици-нт корреляции по биомассе в среднем по культурам составил: растение -,87...0,99; листья - 0,93...0,99; стебли - 0,67...0,99; генеративные органы -,96...0,99; семена - 0,99; корневая система - 0,61...0,97. Программа преду-матривает распределение биомассы и площади фитоорганов по слоям атмо-феры и почвы.

8. По предложенной методике настройка модели управления продукци-■нным процессом проводится по 23 параметрам, в том числе: 1 константа (гео-рафическая широта местности); для 9 требуются аппроксимации функциями ю экспериментальным данным; 6 параметров предварительно заносятся в фай-:ы базы данных; остальные 7 являются штатной информацией метеорологиче-кого мониторинга и заносятся в базу данных по мере поступления информации. Применение данной методики снижает затраты по настройке модели правления продукционным процессом экологических систем на культуру, орт, климатические и почвенные условия.

9. Разработан модуль почвенного питания растений, связанный с моду-[ем роста и развития растений через биомассу растения и предназначенный для юрректировки урожайности по оптимальности обеспеченности азотным, фосфорным, калийным питанием и оптимальности кислотности и окультуренности гочвы. Расчет функций оптимальности для корректировки урожайности вы-голпяется в блоках азотного, фосфорного и калийного питания, окультуренно-:ти и кислотности почвы. Реализация модуля в виде программы для 1ВМ-ювместимых компьютеров обеспечивает корректировку урожайности и расчет

доз удобрений и известковых материалов для 35 видов культурных посевов п 25 видам органических удобрений и 12 типам почвы.

10. Изучен таксономический состав и сезонная динамика численност: энтомофауны и арахнофауны консорций ячменя, овса, яровой и озимой пше ницы, озимой ржи, клевера лугового, галеги восточной и костреца безостогс выявлены доминирующие таксоны. Разработан и реализован компьютерны: вариант блока динамики популяций доминирующих таксонов, обеспечиваю щий прогноз динамики фитофагов и энтомофагов, расчет их количественной соотношения на критическую для повреждения фазу развития культурного рас тения и выбор оптимального способа регулирования плотности популяци: вредителей.

11. Изучен видовой состав сорной растительности в агроэкосистемах, на считывающий 40 видов из 19 семейств. Разработан блок прогноза плотност] популяций сорных растений, корректировки урожайности в зависимости О' степени засоренности и регулирования плотности популяций сорных растений

ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ РЕЗУЛЬТАТОВ

Модули комплексной имитационно-мониторинговой модели продукци онного процесса растений в агроэкосистемах рекомендуется применять

♦ в научной работе - для изучения влияния варьирования параметров н; продукционный процесс агроэкосистем, настройки модели на экосистемы и аг роэкосистемы;

♦ в учебной работе - для обучения студентов, аспирантов, консультан тов и специалистов сельскохозяйственного производства процессу формирова ния продуктивности культур и методам оптимизации урожайности;

♦ в консультационной и практической работе - для прогноза динамик! агроклиматических параметров, прогноза и управления продукционным про цессом агроэкосистем, прогноза динамики, оптимизации срока и метода защи ты растений от вредоносных объектов, оптимизации системы удобрений, пла нирования загрузки машинно-тракторного парка в весенне-летний период и ка лендарных сроков выполнения операций в технологии производства продук ции растениеводства.

ОСНОВНЫЕ РАБОТЫ, ОПУБЛИКОВАННЫЕ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Видовой состав энтомофауны семенных посевов костреца безостого в Централь ном районе Нечерноземной зоны. /Труды облает, научно-практ. коиф. молоды? ученых. - Кострома, 19S9. - ч.Ш. с. 49-50.

2. Использование суммарного теплосодержания воздуха для прогноза в сельском хо зяйстве: Информ. листок №200-89. - Кострома: ЦНТИ, 1989. - 4 с.

3. Энтомофауна биотопов костреца безостого. // Защита растений. 1989, №7. - с.3( (соавт. Н.Н.Еаклашова).

4. С помощью микрокалькулятора. // Защита растений. 1990, №4 с. 36-37 (соавт. Н.С Каравянский).

5. Эффективность обработки посевов озимой ржи фундозолом. Информ. листок №94-90. - Кострома: ЦНТИ, 1990. - 3 с. (соавт. О.Э.Орлова).

6. Эффективность инсектицидов в семенных посевах костреца безостого. Информ. листок №106-90. - Кострома: ЦНТИ, ! 990. - 4 с.

7. Насыщенные растворы азотных удобрений. Информ. листок К» 186-90. - Кострома: ЦНТИ, 1990,- 2 с.

8. Прогноз фазы развития ячменя. Информ. листок №213- 90. - Кострома: ЦНТИ, 1990. - 5 с. (соавт. Г.Г.Тощакова).

9. Теплоемкость фаз развития озимой ржи. Информ. листок №7-91. - Кострома: ЦНТИ, 1991,- 5 с. (соавт. Г.Г.Тощакова).

10. Теплоемкость фаз развития озимой пшеницы. Информ. листок №15-91. - Кострома: ЦНТИ, 1991. - 4 с. (соавт. Г.Г.Тощакова).

11. Вредоносность фитофагов в семенных посевах костреца безостого. Информ. листок №53-91. - Кострома: ЦНТИ, 1991. - 4 с.

12. Теплоемкость фаз развития льна долгунца. Информ. листок №109-91. - Кострома: ЦНТИ, 1991. - 4 с. (соавт. Р.А.Мошкова В.В.Мальцев).

13. Теплоемкость фаз развития яровой пшеницы "Энита". Информ. листок №290-91. -Кострома: ЦНТИ, 1991. - 5 с. (соавт. Р.А.Мошкова).

14. Теплоемкость фаз развития ячменя Зазерский 85 и Носовский 9. Информ. листок №96-92. - Кострома: ЦНТИ, 1992. - 5 с. (соавт. Р.А.Мошкова).

15. Теплоемкость фаз развития овса. Информ. листок №161-92. - Кострома: ЦНТИ, 1992. - 5 с. (соавт. Р.А.Мошкова).

16. Теплоемкость фаз развития картофеля. Информ. листок №162-92. - Кострома: ЦНТИ, 1992. - 5 с. (соавт. Р.А.Мошкова).

17. Теплоемкость фаз развития озимой ржи Волхова и Вятка Северная. Информ. листок №163-92. - Кострома: ЦНТИ, 1992. - 5 с. (соавт. Р.А.Мошкова).

18. Применение ПЭВМ на кафедре растениеводства в учебной, научной и производственной работе./Жомпьютеризадия учебного процесса и научно-исследовательской работы в сельскохозяйственных вузах. Тез. Докл. межгосударственной учебно-методической конф. 19-22 мая 1992 г. -Кострома, 1992. -т.1. -с. 37 (соавт Г.Б.Демьядава).

19. Модель суммы эффективных температур для микрокалькулятора. Информ. листок №82-93. - Кострома: ЦНТИ, 1993. - 4 с. (соавт. Г.Г.Тощакова).

20. Применение прогноза суммы эффективных температур в учебном курсе "Проектирование технологий".// Новые формы и методы обучения студентов. Тез. докл. учебно-методич. конф. -Кострома, 1993. -с. 1-2.

21. Модель сезонного прогноза поступления интегральной радиации. //Ученые аграрники - сельскохозяйственному производству: Тезисы докл. научно-практич. конф. проф.-препод, состава, паучн.сот., аспир. и спец. с.-х. производства 27-30 апреля 1994г. -Кострома, 1994. -50с.

22. Системный метод в дисциплине "Проектирование технологий".// Новые формы и методы обучения студентов. Тез. учебно-методич. конф. -Кострома, 1994. -чЛ. -с. 100.

23. Компартментальная модель теплопереноса в почве. // Высшая школа - науке, просвещению, культуре и производству (Межвузовский сборник научн. трудов). -Кострома, 1994. -с. 105-108.

24. Курсовая работа по проектированию технологии для студентов агротехнологиче-ского факультета. // Новые формы и методы обучения студентов. Тез. учебно-методич. конф. -Кострома, 1995. -с. 50-51.

25. Теоретические основы системного моделирования продукционного процесса растений (лекция для студентов агротехнологического факультета). -Кострома: Изд. КГСХА, 1995.-с. 18.

26. Базовая модель термодинамики почвы. // Актуальные проблемы науки в сельскохозяйственном производстве: Тез. Докл. научио-практ. Конф, 11-12 апреля 1995г. -Иваново, 1995.-с. 121.

27. Динамическая модель влагопереноса в почве // Ученые аграрники - сельскохозяйственному производству: Матер, научно-практ. конф. 24-25 мая 1995г., -Кострома, 1995, -т.1. -с. 104-107.

28. Совершенствование программного обеспечения IBM PC для дисциплины "Растениеводство" и научной работы // Новые формы и методы обучения студентов. Тез. учебно-методич. конф. -Кострома, 1996. -с. 26.

29. Распределение солнечной радиации в посеве И Актуальные проблемы науки в АПК: Матер, научно-практической конф. -Кострома, 1996. -т.1. -с. 54-55.

30. Разработка блока динамики плотности почвы для модуля теплопереноса в почве модели продукционного процесса. // Актуальные проблемы науки в АПК: Тез. докл. межвузовской науч.-практ. конф. -Кострома, 1997. -т.2. -с. 10.

31. Урожай зеленой массы одно- и пояиввдовых посевов // Актуальные проблемы науки в АПК: Тез. докл. межвузовской науч.-практ. конф. -Кострома, 1997. -т.2. -с. 24 (соавт. Ермолаева Н.В).

32. Модели экологических систем (обзор зарубежных публикаций !976-1996гг.). -Кострома: КГСХА, 1997. - 34 с.

33. Совершенствование программного обеспечения курсовой работы по растениеводству для IBM PC/XT/AT. // Применение компьютерных технологий в учебном процессе. Тез. учебно-методич. конф. -Кострома, 1997. -с. 23-24.

34. Прогноз динамики сорной растительности агрофитоценоза // Актуальные проблемы науки в агропромышленном комплексе: Матер, межвуз. научно-прахтяч.конф. -Кострома: Изд. КГСХА, 1998.-т.1.-с. 11-13.

35. Проблемы и перспективы фитонрофилактики и фитолечения в Костромской области // Сб. тр. / Костромская государственная сельскохозяйственная академия. -1998. -Вып. 56. -с. 30-33 (соавт. Виноградова B.C., Соддапсина Н.А.).

36. К вопросу совершенствования программного обеспечения курсового проекта по дисциплине "Растениеводство". Прогноз динамики энтомофауны. Н Новые формы, учебно-методического обеспечения образовательного процесса. Тез. учебно-методич конф. -Кострома, 1998. -т.1. -с. 37-38.

37. Методика сбора информации и настройки модели управления продукционным процессом сельскохозяйственных культур. -Кострома: КГСХА, 1998. -26с.

38. Исследования внутривидовой конкуренции прорастающих in vitro семян яровой пшеницы сорта Приокская. // Актуальные проблемы науки в АПК: Материалы юбилейной межвуз. науч.-практ. Конференции. В 2 томах. -Кострома: Изд. КГСХА, 1999. -Т.1. -с. 12-13 (соавт. Власова Е.А).

39. Магематическая модель управления агроэкологической системой. //Сб.тр./ Костромская государственная сельскохозяйственная академия. Выпуск 57. -Кострома: Изд. КГСХА, 1999. -с. 78-82.

40. Методика подготовки и защиты дипломной работы по моделям управления экосистемами. -Кострома: изд. отдел «Эврика-М», 3999. ~30с. (соавт. Виноградова B.C.).

41. Совершенствование программного обеспечения курсового проекта по дисциплине «Растениеводство». Прогноз биометрических параметров растения // Новые информационные технологии в процессе подготовки специалистов высшей квалифи-

кации. Матер, юбилейной межвузовской учебно-методич. конф. Кострома: изд. КГСХА, 1999.-с, 29-30.

42. Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах. - Кострома: Изд-во КГСХА, 2000, ~20бс. -ял.

43. Конкурентные взаимоотношения в агроценозе костреца безостого. // Актуальные проблемы науки в АПК: Материалы межвузовской научно-технической конференции 3-4 февраля 2000г.: В 2 томах. -Кострома: Изд. КГСХА, 2000. Том 1. -с. 14-16 (соавт. C.B. Волкова).

44. Коэффициент видового различия биоценозов. // Актуальные проблемы науки а АПК: Материалы межвузовской научно-технической конференции 3-4 февраля 2000г.: В 2 томах. -Кострома: Изд. КГСХА. 2000. Том 1. -с. 16 (соавт. А.Н.Плотников).

45. Прогноз продуктивности по биометрии растения на примере одуванчика лекарственного (Taraxacum officinalis). И Актуальные проблемы науки в АПК: Материалы межвузовской научно-технической конференции 3-4 февраля 2000г.: В 2 томах. -Кострома: Изд. КГСХА, 2000. Том 1. -с. Î 7-18 (соавт. Л.И. Ухина,А.В. Дунаева).

46. Оптимизация численности популяции люмбрицидов и качество вермикомпоста. // Актуальные проблемы науки в АПК: Материалы межвузовской научно-технической конференции 3-4 февраля 2000г.: В 2 томах. -Кострома: Изд. КГСХА, 2000. Том 1. -с. 21 (соавт. B.C. Виноградова, Е.Г. Ватазин, A.B. Хмилевский).

47. Компьютерная программа комплексной оценки состояния почвенного плодородия в Костромской области. // Актуальные проблемы науки в АПК: Материалы межвузовской научно-технической конференции 3-4 февраля 2000г.: В 2 томах. -Кострома: Изд. КГСХА, 2000. Том 1. -с. 36 (соавт. H.A. Лучник, E.H. Репина).

48. Сорная растительность в агроэкосистемах нетрадиционных культур. // Актуальные проблемы науки в АПК: Материалы межвузовской научно-технической конференции 3-4 февраля 2000г.: В 2 томах. -Кострома: Изд. КГСХА, 2000. Том 1. -с. 54-55 (соавт. В.В. Соколова).

49. Продуктивность картофеля при использовании нетрадиционных органических удобрений. // Актуальные проблемы науки в АПК: Материалы межвузовской научно-технической конференции 3-4 февраля 2000г.: В 2 томах. -Кострома: Изд. КГСХА, 2000. Том 1. -с. 55-56 (соавт. А.И. Сорокин, B.C. Виноградова).

50. Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах. -Кострома: Изд-во КГСХА, 2000. -206с. -ил.

Содержание диссертации, доктора сельскохозяйственных наук, Бородий, Сергей Алексеевич

ВВЕДЕНИЕ.

УСЛОВИЯ И МЕТОДИКА ПРОВЕДЕНИЯ ИССЛЕДОВАНИЙ.

1. Состояние изученности проблемы в странах Западной Европы, Америки, Африки, Азии и Австралии (обзор литературы).

1.1. Стандартные модели, применяемые в мировой практике.

1.2. Применение моделей.

1.3. Адаптация моделей к локальным условиям.

2. Структурная схема модели продукционного процесса.

3. Модуль режима солнечной радиации в посеве.

3.1. Радиационный режим на границе атмосфера-фитоорганы.

3.2. Радиационный режим внутри травостоя.

3.3. Верификация модуля.

4. Модуль температурного режима почвы.

4.1. Объемная теплоемкость почвы.

4.2. Теплопроводность почвы.

4.3. Верификация модуля.

4.4. Управление термическим режимом почвы модуль агротехники).

5. Модуль водного режима почвы.

5.1. Коэффициент влагопроводности.

5.2. Водный потенциал.

5.3. Функция стока воды в корень.

5.4. Динамика почвенной влаги в агроэкосистемах.

5.5. Управление режимом влажности почвы модуль агротехники).

6. Модуль режима температуры и влажности в посеве.

6.1. Прогноз суммы эффективных температур.

6.2. Прогноз суммарной энтальпии воздуха.

7. Модуль роста и развития растений.

7.1. Динамика биомассы фитоорганов.

7.2. Фотосинтез посева.

7.3. Газообмен посева.

7.4. Индекс фитоорганов в компартменте.

7.5. Динамика высоты стеблей и глубины корневой системы растений.

7.6. Управление ростом и развитием растения модуль агротехники).

7.7. Верификация модуля.

8. Методика сбора информации и настройки модели управления продукционным процессом сельскохозяйственных культур.

8.1. Входные и выходные параметры модели.

8.2. Настройка эмпирических параметров модели.

9. Модуль почвенного питания растений.

9.1. Прогноз содержания гумуса в почве.

9.2. Регулирование режима химического состава почвы.

9.3. Верификация модуля.

10. Модуль экологических взаимодействий организмов в экосистеме.

10.1. Прогноз динамики фауны членистоногих в агроэкосистемах.

10.2. Прогноз динамики сорной растительности.

ВЫВОДЫ.

ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ РЕЗУЛЬТАТОВ.

Введение Диссертация по сельскому хозяйству, на тему "Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах"

Современное растениеводство - это сложная динамическая система, состоящая из многих взаимосвязанных компонентов, осознать и учесть которые человеку чаще всего невозможно, равно как и принять действительно оптимальное решение по управлению агроэкологическими системами. В связи с этим необходима разработка моделей агроэкосистем с реализацией их в компьютерных программах с учетом всех современных научных знаний.

До недавнего времени в качестве модели выступало исключительно опытное поле, где в течение нескольких лет проводились исследования того или иного приема с большими затратами времени и средств. Компьютерные модели позволяют провести те же испытания с минимальными затратами, в очень краткие сроки и по заранее разработанным сценариям. Причем, некоторые эксперименты могут иметь настолько опасные последствия, что для них применимо только виртуальное моделирование.

Организованной в 1998 году консультационной службе России крайне необходимы информационные банки данных, методики оценки и программы прогнозов состояния агроэкосистемы для оказания помощи производителям сельскохозяйственной продукции.

В связи с этим целью исследований ставилось: разработать динамическую модель управления агроэкосистемами для Северо-Западного региона России.

Для достижения этой цели решались следующие задачи:

1. Обосновать и разработать структурную схему модели.

2. Адаптировать существующее математическое обеспечение модулей и разработать необходимые дополнительные модули модели продукционного процесса полевых культур.

3. Разработать методику настройки и реализовать для IBM-совместимых компьютеров модули модели продукционного процесса на примере Костромской области.

Исследования проводились в течение 18 лет по этапам: 1978. 1981гг. - видовой состав и динамика энтомофауны агроэкосистем костреца безостого (Костромской СХИ);

1985. 1989гг. - динамика энтомофауны костреца безостого, модель динамики популяций фитофагов и энтомофагов, методики прогноза суммарной энтальпии воздуха, методика оценки целесообразности химической защиты посевов от вредителей (Костромской СХИ, Всесоюзный НИИ кормов им. В.Р.Вильямса, Центрально-Нечерноземный филиал ВНИПТИХИМ);

1989. 1993гг. - видовой состав и динамика энтомофауны консорций ячменя, овса, озимой ржи, яровой и озимой пшеницы, клевера лугового, га-леги восточной (Костромская СтаЗР, Костромской СХИ);

1993. 1998гг. — динамика биометрических параметров ежи сборной, льна долгунца, ярового рапса, ячменя, овса, яровой пшеницы, озимой ржи, гороха и кукурузы, разработка и реализация в виде компьютерных программ блоков прогноза суммарной интегральной коротковолновой солнечной радиации, суммы эффективных температур, суммарной энтальпии воздуха, динамики энтомофауны и биометрических параметров растения. Реализация для IBM-совместимых компьютеров модулей модели продукционного процесса сельскохозяйственных культур (Костромская ГСХА).

Таким образом, базовый объем работ выполнен в Костромской государственной сельскохозяйственной академии, основные положения диссертационной работы обсуждались на совещании агрономов и руководителей семеноводческих по травам хозяйств Костромской области (1988г.), на конференции молодых ученых и специалистов в НИИ Центральных районов Нечерноземной зоны (1989г.), на конференции молодых ученых и специалистов Костромской области (1989г.), на научно-технических советах отдела защиты растений ВНИИ кормов им. В.Р.Вильямса (1987-1989гг), на совещании кафедры защиты растений Костромского СХИ «Караваево» (1989г.), на диссертационном совете К-120.35.03 Московской сельскохозяйственной академии им. К.А.Тимирязева (1990г.), на научно-практической конференции Ивановского СХИ (1995г.), на ежегодных научно6 практических конференциях Костромской ГСХА (1993, 1994, 1995 1996, 1997 1998 и 1999гг.), на ежегодных учебно-мего дических конференциях профессорско-преподавательского состава Костромской ГСХА 91002, 1993, 1994, 1995 1996, 1997, 1998 и 1999гг.), на научной конференции преподавателей и аспирантов в С-Пб ГАУ (1994г.), на семинаре-совещании заведующих кафедрами земледелия, растениеводства и кормопроизводства в Орловской ГСХА (1996г.).

Условия и методика проведения исследований

Для теоретического обоснования схемы и базовых функций имитационно-мониторинговой модели продукционного процесса автором использована информация из публикаций (Менжулин Г.В., 1970; Молдау Х.А., 1973; Галямин Е.П., 1974; Абашина и др., 1977; Шатилов И.С. и др., 1978; Сиротенко О.Д., 1981; Бондаренко Н.Ф.и др., 1982; Полуэктов Р.А., 1991 и др.) и оригинальных экспериментальных исследований.

Настройка и верификация модуля радиационного режима в посеве выполнялась с использованием штатной информации Костромского центра гидрометеорологии и мониторинга окружающей среды (ЦГМ). Распределение интегральной коротковолновой солнечной радиации внутри травостоя измерялось люксметром Ю-116 на вегетирующих растениях по фазам развития с дифференциацией по высоте 10см от верхней кромки посева до поверхности почвы.

Для разработки функции прогноза динамики поступления интегральной коротковолновой солнечной радиации за период январь-декабрь информация о ежедневной величине указанного параметра суммировалась за декаду или месяц (в зависимости от решаемого вопроса) и подвергалась статистической обработке.

Настройка и верификация модуля температурного режима почвы выполнена в ходе экспериментальной работы. Для изучения динамики плотности почвы были взяты 8 полей севооборота кафедры растениеводства КГСХА, на которых производился отбор образцов по общепринятой методике послойно на глубину 0-5, 5-10, 10-15, 15-20 и 20-30см до обработки почвы, а далее через 10 суток после обработки. Наблюдения проводились с апреля (начало вегетационного периода) по октябрь (прекращение вегетации). При верификации настроенной модели использована информация Костромского ЦГМ.

Методика сбора и обработки информации для настройки модуля роста и развития растений разработана автором, является одним из защищаемых положений и подробно излагается в соответствующей главе диссертационной работы.

Для отлова энтомофауны использовался метод кошения энтомологическим сачком со сменными приемными емкостями конструкции автора. Кошение проводилось вблизи каждой из 30 стационарных площадок (0,25 м2) (Зубков А.Ф., 1981) по 10 взмахов в фазы кухцения, выхода в трубку, колошения, молочной спелости и восковой спелости (1993г.), а на производственных посевах (19891992гг.) — по 25 взмахов в четырехкратной повторности с интервалом 7. 10 дней по границам и в центре агроэкосистемы. Расчет доминирую! цих групп энтомофауны, их распространенность и групповость рассчитаны по методике В.Ф.Палий (1970).

Для статистической обработки экспериментальных данных применялся табличный процессор Excel 97, Quattro-Pro (ver.4), пакет прикладных программ SCIENCE (компьютерная реализация автором методики Б.А. Доспехова). При реализации компьютерных программ модулей использованы программные редакторы Turbo Basic и Turbo Pascal.

Погодные условия периода исследований имели значительное варьирование: хотя в целом за указанный период мало отличались от многолетних значений (Таблица). Так, отклонение по осадкам не превышало 6%, а по температуре - 19%, что свидетельствует о репрезентативности погодных условий.

Отклонение годовой суммы осадков от средних многолетних составляло от 2 до 31%, причем в 50% лет сумма осадков была выше, а в остальных - ниже среднего многолетнего значения. Отклонения температуры были значительно существеннее — от 0 до 81%. Температура выше среднего наблюдалась в 64%, а ниже среднего - в 21% случаев.

Таким образом, ежегодное варьирование температуры и осадков создавали разнообразие погодного фона и провоцировали проявление соответствующих реакций агроэкосистем, а допустимые отклонения средних значений параметров в целом обеспечивали типичность периода исследований для Северо-Западного региона России.

Месяц 1979 1980 1981 1986 1987 1988 1989 1990 1991 1992 1993 1996 1997 1998 Многолетнее

Январь 67 40 67 53 12 22 77 48 45 77 41 16 29 25 37

Февраль 30 28 42 20 36 39 32 60 44 33 21 24 29 26 27

Март 42 И 40 19 21 29 44 46 32 44 30 1 29 58 27

Апрель 28 54 21 39 25 42 42 13 50 45 38 21 25 27 35

Май 3 86 28 19 74 34 23 84 59 23 19 52 63 77 51

Июнь 53 69 37 91 70 82 41 30 115 40 51 110 176 86 67

Июль 118 103 13 57 99 40 27 62 121 26 107 101 7 104 81

Август 55 111 40 188 89 64 88 78 85 88 58 51 79 176 68

Сентябрь 51 64 84 89 100 56 13 114 83 13 94 51 110 26 66

Октябрь 44 57 69 60 0 43 109 66 73 109 36 37 154 77 61

Ноябрь 45 48 59 29 47 64 47 65 35 47 6 47 56 22 48

Декабрь 46 73 106 53 53 54 17 21 63 17 51 29 35 65 47

Сумма 582 744 606 714 626 569 560 687 805 562 552 540 792 769 615

Среднемесячная температура воздуха за период исследований

Месяц 1979 1980 1981 1986 1987 1988 1989 1990 1991 1992 1993 1996 1997 1998 Многолетнее

Январь -13,3 -13,6 -6,8 -9,6 -22,4 -10,3 -4,6 -9,9 -8,8 -8,1 -6,3 -12,0 -12 -8 -11,6

Февраль -11,0 -8,6 -7,4 -15,3 -8,1 -7,5 -2,9 -1,2 -7,9 -7,5 -7,0 -11,8 -7 -12 -10,8

Март -з,о -7,7 -6,8 -2,0 -5,3 -2,2 -0,4 -0,5 -3,5 -0,6 -4,2 -4,3 -3 -3 -5,0

Апрель -0,1 4,6 1,4 6,0 2,6 3?7 5,8 7?3 6,3 4,1 4,0 3,0 3 1 3,7

Май 15,8 8,0 11,8 11,3 12,6 12,6 12,4 8,9 13,2 10,7 13,5 12,6 10 13 11,3

Июнь 14,4 17,9 17,7 17,4 18,0 18,8 20,2 14,4 18,6 15,5 13,9 16,8 17 19 15,6

Июль 17,0 16,5 21,6 16,5 15,7 22,0 19,1 17,9 17,5 18,1 16,7 17,7 18 18 17,8

Август 16,8 13,0 17,9 14,7 14,4 16,3 16,1 15,9 15,1 17,0 14,5 16,1 16 15 15,9

Сентябрь 9,9 9,4 9,6 7,3 8?3 9,9 11,2 8,5 9,7 13,2 5,8 8,8 8 10 9,9

Октябрь 2,2 3,8 7Д 3,1 2,8 4,5 4,4 3,5 6,4 0,3 3,4 4,2 2 5 3,4

Ноябрь -2,1 -3,8 -1,8 -1,4 -7,5 -7,3 -4,2 -2,9 0,0 -5,0 -10,3 -1,9 -3 -9 -3,3

Декабрь -8,4 -6,7 -5,6 -10,3 -9,6 -9,9 -7,9 -5,2 -6,2 -5,8 -6,4 -8,9 -10 -7 -8,2

Среднее 3,2 2,7 4,9 3,1 1,8 5,5 5,8 4,8 5,0 4,3 3,1 3,4 3,3 3,5 3,2

Заключение Диссертация по теме "Растениеводство", Бородий, Сергей Алексеевич

выводы

1. В результате патентного поиска, проведенного на базе публикаций отечественных и зарубежных авторов установлено, что применяющиеся в последние 20.30 лет модели объектов и экологических систем разделяются на вербальные, табличные, графические, регрессионные и базовые. Обычно они применяются на региональном, реже - на глобальном уровнях и описывают последствия климатических и антропогенных изменений экологических систем. Большое количество моделей посвящено описанию динамики химических соединений в почве, фотосинтеза, стрессовых воздействий, внутривидовой и межвидовой конкуренции растений, действия вредителей и болезней на продукционный процесс культурных растений. Рост и развитие, растений обычно овисывается регрессионными функциями, что обусловливает необходимость настройки модели на локальные условия. Очень мало моделей описания и прогноза климатических параметров, динамики популяций вредителей в синэкологическом аспекте.

2. Установлено, что современная модель должна строиться по структурному принципу. Это позволяет вводить новые модули и совершенствовать существующие по мере поступления новой информации, а также объединять модель продукционного процесса культурных растений с экономико-математической моделью сельскохозяйственного производства. В связи с варьированием параметров экосистемы в вертикальном направлении, модель должна рассчитывать распределение их значений но атмосферным и почвенным компартментам. В результате установлены принципы построения модульной компартментальной динамической модели продукционного процесса агроэкосистемы.

3. Выяснено, что ежегодное отклонение от средней величины суммы поступающей интегральной радиации обусловливает необходимость прогнозирования этого климатического параметра. Построенный и реализованный для компьютера модуль рассчитывает среднегодовой режим интегральной коротковолновой солнечной радиации посева с точностью 96. 98%. Для научной работы целесообразно применение блока на основе формулы Т.Г.Берлянд, позволяющего учесть степень загрязнения атмосферы аэрозолями, а для производственных целей - блока на основе формулы Сивкова.

4. Разработала модель динамики плотности почвы компартментов в зависимости от вида возделываемой культуры, интенсивности обработки, марки почвообрабатывающего орудия с возможностью настройки по этим параметрам. Построенный и реализованный для IBM-совместимых компьютеров модуль рассчитывает распределение динамики температуры почвы с интервалом 1 час с точностью 94.96%, что обусловливает ее применение в научных, учебных, консультационных и производственных целях.

5. Для оценки целесообразности регулирования водного режима почвы и расчета нормы полива разработана компьютерная программа, прогнозирующая запасы влаги в почве и вычисляющая норму полива в зависимости от типа дождевальной установки. Программа применяется в учебных, научных, консультационных и производственных целях.

6. Агротехническое воздействие на процесс теплообмена и влагообмена воздуха внутри травостоя обеспечивается путем регулирования высоты посева, листового индекса и увлажнения с помощью туманообразующих нлн дождевальных установок. Верификация разработанного и реализованного компьютерного варианта блока прогноза суммы эффективных температур и суммарной энтальпии воздуха на летний период прогнозируемого года показала точность прогноза на уровне 99,5%, что обеспечивает применение программы при решении научных, учебных, консультационных и практических задач. Высокая точность позволяет применять программу при решении научных, учебных, консультационных и практических задач.

7. Разработанная методика прогноза биометрических параметров посева значительно снижает затраты на проведение массового мониторинга по прогнозированию урожайности сельскохозяйственных культур, за счет сокращения количества входных параметров. При обследовании достаточно установить высоту стеблей, количество растений (или стеблей многолетних трав) на 1м\ массу абсолютно сухого вещества растения (стебля) и сумму энтальпии от даты посева (или весеннего возобновления вегетации) до даты обследования. Верификация реализованной компьютерной программы модуля роста и развития растения показала хорошее соответствие расчетных и эмпирических значений биометрических параметров ежи сборной, льна долгунца, ярового рапса, ячменя, овса, яровой пшеницы, гороха посевного и кукурузы (на силос). Коэффициент корреляции но биомассе в среднем по культурам составил: растение - 0,87. 0,99; листья - 0,93.0,99; стебли - 0,67.0,99; генеративные органы - 0,96.0,99; семена -0,99; корневая система - 0,61. 0,97. Программа предусматривает распределение биомассы и площади фитоорганов по компартментам атмосферы и почвы.

8. По предложенной методике настройка модели управления продукционным процессом проводится по 23 параметрам, в том числе: 1 константа (географическая широта местности); для 9 требуются аппроксимации функциями по экспериментальным данным; 6 параметров предварительно заносятся в файлы базы данных; остальные 7 являются штатной информацией метеорологического мониторинга и заносятся в базу данных по мере поступления информации. Применение данной методики снижает затраты по настройке модели управления продукционным процессом экологических систем на культуру, сорт, климатические и почвенные условия.

9. Разработан модуль почвенного питания растений, связанный с модулем роста и развития растений через биомассу растения и предназначенный для корректировки урожайности по оптимальности обеспеченности азотным, фосфорным, калийным витанием и оптимальности кислотности и окультуренности почвы. Расчет функций оптимальности для корректировки урожайности выполняется в блоках азотного, фосфорного и калийного питания, окультуренности и кислотности почвы. Реализация модуля в виде программы для IBM-совместимых компьютеров обеспечивает корректировку урожайности и расчет доз удобрений и известковых материалов для 35 видов культурных посевов по 25 видам органических удобрений и 12 типам почвы.

10. Изучен таксономический состав н сезонная джинамика численности энтомофауеы а арахнофауны консорций ячменя, овса, яровой и озимой пшеницы, озимой ржи, клевера лугового, галеги восточной и костреца безостого, выявлены доминирующие таксоны. Разработан н реализован компьютерный вариант блока динамики популяций доминирующих таксонов, обеспечивающий прогноз динамики фитофагов и энтомофагов, расчет их количественного соотношения на критическую для повреждения фазу развития культурного растения и выбор оптимального способа регулирования плотности популяций вредителей.

11. Изучен видовой состав сорной растительности в агроэкосистемах, насчитывающий 40 видов из 19 семейств. Разработан блок прогноза плотности популяций сорных растений, корректировки урожайности в зависимости от степени засоренности и регулирования плотности популяций сорных растений.

ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ РЕЗУЛЬТАТОВ

Модули комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах рекомендуется применять в научной работе - для изучения влияния варьирования параметров на продукционный процесс агроэкосистем, настройки модели на экосистемы и агроэкосистемы; в учебной работе - для обучения студентов, аспирантов, консультантов и специалистов сельскохозяйственного производства процессу формирования продуктивности культур и методам оптимизации урожайности; в консультационной и практической работе - для прогноза динамики агроклиматических параметров, прогноза и управления продукционным процессом агроэкосистем, прогноза динамики, оптимизации срока и метода защиты растений от вредоносных объектов, оптимизации системы удобрений, планирования загрузки машинно-тракторного парка в весенне-летний период и календарных сроков выполнения операций в технологии производства продукции растениеводства.

Библиография Диссертация по сельскому хозяйству, доктора сельскохозяйственных наук, Бородий, Сергей Алексеевич, Кострома

1. Абашина Е.В., Просвиркина А.Г., Сиротенко О.Д. Упрощенная динамическая модель формирования урожая ярового ячменя. / Тр. ИЭМ, 1977, вып. 8(67). -с. 54-67.

2. Агрофизические методы исследования почв (под ред. С.И.Долгова). М.: Наука, 1966, 258с.

3. Александров Б.П. Воздействие белого окрашивания на температурный режим растения./Сб. работ по агрофизике. — М.: Сельхозгиз, -1934.

4. Александров Б.П., Куртенер А.В. Определение констант излучения для твердых дисперсных тел./ЖТФ, -т.3,-№3, 1936.

5. Александров Б.П., Куртенер А.В. Физические основы теплового баланса почвы. -М.: Сельхозгиз, -1935.

6. Берлянд М.Е., Берлянд Т.Г. Определение эффективного излучения земли с учетом влияния облачности.// Изв. АН СССР, сер.гидрофиз., N1, -1952.

7. Бигон М., Харпер Дж., Таунсенд К. Экология. Особи, популяции и сообщества. в 2-х т. Т.1.: Пер. с англ. -М.: Мир,1989. -667с., ил.

8. Бондаренко В.Ф. и др. Моделирование продуктивности агроэкосистем. -Л.; Гидрометеоиздат. 1982.-262с.

9. Будыко М.И. Тепловой баланс земной поверхности. Л.: Гидрометеоиздат, -1956.

10. Ван Вийк В.Р., Де Фриз Д.А. Атмосфера и почва./ В кн. Физика среды обитания растений (пер. с англ. А.М.Глобуса). Л.: Гидрометеорологическое изд-во. -1968.-304с. ил.

11. Ван Вийк В.Р., Де Фриз Д.А. Периодические колебания температуры в однородной почве./ В кн. Физика среды обитания растений (сокр.пер.с англ. и ред. А.М.Глобуса). -Л.: Гидрометеорологическое изд-во, -1968. -304с. -ил.

12. Ван Вийк В.Р., Дерксен В.И. Синусоидальные колебания температуры в слоистой почве./ В кн. Физика среды обитания растений (сокр.пер.с англ. и ред. А.М.Глобуса). -Л.: Гидрометеорологическое изд-во, -1968. -304с. -ил.

13. Ван Вийк В.Р., Шолте Убинг Д.В. Радиация / В кн. Физика среды обитания растений (пер.с англ. А.М.Глобуса). -JI.: Гидрометеорологическое издательство,1968. -304 с. -ил.

14. Гаевский B.JI. Температура поверхности больших территорий./Труды ГТО, Вып.26(88), -1951.

15. Галямин Е.П. О построении динамической модели формирования урожая агроценозов. -В кн.: Биологические системы в земледелии и лесоводстве. М.: Наука, 1974. -с.70-84.

16. Ганусевич Ф.Ф. Обоснование программируемых посевов кормовых корнеплодов в условиях Северо-запада (лекция для студентов агрономического факультета. -JL: Типогр. ЛГАУ, -1991. -13с.

17. Ганусевич Ф.Ф. Агротехнические основы программированного возделывания кормовых корнеплодов на Северо-Западе Нечерноземья (автореф. дисс. докт. с.-х. наук). -СПб-Пушкин, 1993, -32с.

18. Глобус А.М. Экспериментальная гидрофизика почв. -Л.: Гидрометеоиздат,1969. -335с.

19. Григорьев А.А., Чернов С.С. Эффективность применения органических удобрений в севообороте. / Актуальные проблемы науки в сельскохозяйственном производстве.Тезисы докладов научно-практ. конференции 11- 12 апреля 1995г.:Иваново, 1995, с.80.

20. Де Фриз Д.А. Тепловые свойства почв./ В кн. Физика среды обитания растений (сокр.пер.с англ. и ред. АМ.Глобуса). -Л.: Гидрометеорологическое изд-во, -1968. -304с. -ил.

21. Доспехов Б.А. и др. Практикум по земледелию/Б.А.Доспехов, И.П.Васильев, АМ.Туликов. -2-е изд., перераб. и доп.- М.:Агропромиздат, 1987 383с.: ил-(Учебники и учеб. пособия для студентов высш. учеб. заведений).

22. Зборищук Ю.Н. Дистанционные методы инвентаризации и мониторинга почвенного покрова. -М. Изд-во МГУ, 1992. -86с.

23. Зубков А.Ф. Агробиоценологическая фитосанитарная диагностика. -СПб-Пушкин, 1995,-386с.

24. Иоффе И.А., Широбокова А.П. Влияние мульчирования прозрачной пленкой на тепловой режим почвы ./Докл.ВАСХНИЛ,Ш, 1966.

25. Калитин Н.Н. Актинометрия. -Л.: Гидрометеоиздат,-1938.

26. Каменев П.И. Отопление и вентиляция. -М.: Гостройиздат, -1959.

27. Калюжный И.Л., Павлова К.К., Лавров С.А. Гидрофизические исследования при мелиорации переувлажненных земель. -Л.Гидрометеоиздат, -1988, -260с. с ил.

28. Каюмов М.К. Программирование урожаев сельскохозяйственных культур: учебное пособие. -М.: Агропромиздат, 1989. -320с., ил.

29. Кондратьев К.Я. Лучистая энергия Солнца. -Л.:Гидрометеоиздат, -1954.

30. Кондратьев К.Я. Лучистый теплообмен в атмосфере.-Л:, Гидрометеоиздат, 1956.

31. Корольков Е.Д. Тепловая мелиорация приземного климата при культуре ранних овощей. -М.: Сельхозгиз. -1955.

32. Куртенер Д.А., Чудновский А.Ф. Расчет и регулирование теплового режима в открытом и защищенном грунте. -Л.: Гидрометеорологическое издательство, -1969, 299с. сил.

33. Латифов Н.Л., Кобозев И.В., Парахин Н.В., Тюльдюков В.А. Оптимизация режимов орошения сельскохозяйственных культур. Учеб. пособие. — М.: изд-во МСХА, 1996.-96с.

34. Лекции по сельскохозяйственной метеорологии (под ред. М.С.Кулика и В.В.Синелыцикова) Л.: Гидрометеоиздат, 1966,340с.

35. Матаруева И.А. Роль микробиологических процессов в трансформации органического вещества в дерново-подзолистых почвах (методологические подходы к количественной оценке). Автореф. дисс. С.-Пб-Пушкин, 1999, -36с., -ил.

36. Матвеев Jl.Т. Теория общей циркуляции атмосферы и климата Земли—Л.: Гидрометеоиздат, 1991. 259с.

37. Менжулин Г. В. К методике расчета метеорологического режима в растительном сообществе. / Метеорология и гидрология, 1970, №2, -с.92-99.

38. Мичурин Б.Н. Доступность влаги для растения в зависимости от структуры и плотности сложения почв и грунтов. /В сб. Вопросы агрономической физики. -Л.: ВАСХНИЛ,-1957.

39. Молдау Х.А. Влияние дефицита воды на сопротивление устьиц (математическая модель). // Изв. АН СССР. Сер. Биология, 1973, -т.22, №4. с.348-357.

40. Нерпин С.В., Чудновский А.Ф. Физика почвы. -М.: Наука, 1967. -548с, -ил.

41. Нерпин С.В., Чудновский А.Ф. Физика почв. М: Физматгиз, 1967.

42. Образцов А.С. Системный метод: применение в земледелии. -М.: Агропромиздат, 1990.

43. Орошаемые культурные пастбища/ Н.Г.Андреев, Б.И.Коротков и др.; под редакцией Н.Г.Андреева. -4 изд., перераб. и доп. -М.: Агропромиздат, 1992, -272с.: ил.

44. Палий В.Ф. Методика изучения фауны и фенологии насекомых, -Воронеж. -1970. -184с.

45. Полевой А.Н. Теория и расчет продуктивности сельскохозяйственных культур. -Л.: Гидрометеоиздат, 1983, 175с.

46. Полуэктов Р. А. Динамические модели агроэкосистемы. Л.: Гидрометеоиздат, -1991, 312с., с ил.

47. Попович JI.B. Определение термических характеристик и те плообмена в почве. -М.: Изд-во Моск.ун-та, -1987. -56с.

48. Росс Ю., Бихеле 3. Расчет фотосинтеза растительного покрова. В кн.: Фотосинтетическая продуктивность растительного покрова. Тарту, 1969, с. 5-43.

49. Руднев Г.В. Агрометеорология (изд. 2-е. испр. и доп.). Л.: Гидрометеоиздат, 1973.

50. Сепп Ю.В., Тооминг Х.Г. Ресурсы продуктивности картофеля. Л.: 1991, 261с. ил.

51. Сиротенко О.Д. Математическое моделирование водно-теплового режима и продуктивности агроэкосистем. -Л.; Гидрометеоиздат, 1981. -167с.

52. Справочник мелиоратора/Сост. Б.С.Маслов -изд. 2-е, перераб. и доп. -М.: Россельхозиздат, 1980. -256с., ил.

53. Сурова Г.А. Эффективность различных приемов обработки почвы в полевом севообороте. / Актуальные проблемы науки в сельскохозяйственном производстве. Тезисы докл. науч.-практ.конференции 11- 12 апреля 1995г.:Иваново, 1995, с.100.

54. Шатилов И.С., Шаров А.Ф. Фотосинтетический потенциал, интенсивность фотосинтеза и роль отдельных органов растений в формировании биологического урожая озимой пшеницы на разных агрофонах. // Сельскохозяйственная биология, 1978. -т. 13, Вып. 1.

55. Швытов И.А. Системный подход и моделирование в теории управления процессом формирования урожая (на примере зерновых). Дисс. Докт с-х наук, -СПб, Пушкин, 1995 -53с.

56. Широбокова А.П. Изучение закономерностей в тепловых свойствах почвы с целью оценки и регулирования ее теплового режима.(Автореф.дисс.). -Л: Изд.АФИ., -1965.

57. Шкловер A.M., Васильев Б.Ф., Ушков Ф.В. Основы строительной теплотехники жилых и общественных зданий. М:, Госстройиздат, -1956.

58. Чирков Ю.И. Основы агрометеорологии. -Л. :Гидрометеоиздат, 1988, 248 с.

59. Чудновский А.Ф. Физика теплообмена в почве. -Л.-М.: ОГИЗ, Государственное изд.-во технико-теоретической литературы. 1948. -220с. -ил.

60. Abu-Sharar Т. On The Application Of Arabian Gulf Water In Irrigation: A Future Possibility. -Amman (Jordan). Jan 1987. 14 p.

61. Acock В., Acock M.C. Potential For Using Long-Term Field Research Data To Develop And Validate Crop Simulators.//Agronomy-journal (USA). (Jan-Feb 1991). v. 83(1) p. 56-61.

62. Adee S.R., Pfender W.F., Hartnett D.C. Competition Between Pyrenophora Tritici-Repentis And Septoria Nodorum In The Wheat Leaf As Measured With De Wit Replacement Series.//Phytopathology (USA). (Nov 1990). v. 80(11) p. 1177-1182.

63. Alagos M.J.C. Performance Of Three Soybean (Glycine Max (L.)) Cultivars At Varying Watertable Depths. -College, Laguna (Philippines). Oct 1990. 96 leaves.

64. Alagos M.J.C., Penning-de-Vries F.W.T. Simulation To Soybean Research In The Philippines.//Philippine-Journal-of-Crop-Science (Philippines). (May 1989). v. 14(supplement no. 1) p. S7. Issued Jun 1989

65. Aquino V.M., Shokes F.M. Relationship Among Severity Of Late Leafspot, Canopy Reflectance, Healthy Leaf Area Duration And Pod Yield In Two Peanut Cultivars. -Manila (Philippines). 1991. 1 p.

66. Aquino V.M., Shokes F.M., Berger R.D., Gorbet D.W., Kucharek T.A. Ti: Relationships Among Late Leafspot, Healthy Leaf Area Duration, Canopy Reflectance, And Pod Yield Of Peanut.WPhytopathology (USA). (May 1992). v. 82(5) p. 546-552.

67. Arner S.L., Seegrist D.W. A Computer Program For The Maximum Multivariate Linear Model With Corelated Errors (Forest Growth And Yield Models, Measurement Of Plant Volume And Basal Area).-1979. 10 p.

68. Arris L.L., Eagleson P.S. A Water Use Model For Locating The Boreal Deciduous Forest Ecotone In Eastern North America. Water Resources Research. 30(1): 1-9, 1994 Jan.

69. Baier J., Baierova V. Model Optimalnich Vyzivnych Stavu Jamiho Jecmene.// Rostlinna-Vyroba-UVTIZ (CSFR). (May 1991). v. 37(5) p. 387-392.

70. Baier J., Baierova V. Model Vyvoje Vyzivneho Stavu Ozime Psenice Pro Ruzne Vynosy.//Rostlinna-Vyroba-UVTIZ (Czechoslovakia). (Apr 1987). v. 33(4) p. 337-346.

71. Baker D.N., Parsons .I.E. Phene C.J., Lambert J.R., McKinion J.M., Hodges H.F. Spar And The Physiological Process Level Model./ARS-United-States-Department-of-AgricuIture,-Agricultural-Research-Service (USA). (Jun 1985). (no. 38) p. 151-158.

72. Bock B.R., Sikora F.J. Modified-Quadratic/Plateau Model For Describing Plant Responses To Fertilizer.//Soil-Science-Society-of-America-journal (USA). (Nov-Dec 1990). v. 54(6) p. 17841789.

73. Bolarian M.C., Fernandez F.G., Cruz V., Cuartero J. Salinity Tolerance In Four Wild Tomato Species Using Vegetative Yield-Salinity Response Curves.//Journal-of-the-American-Society-for-Horticultural-Science (USA). (Mar 1991). v. 116(2) p. 286-290.

74. Borja G.C. Computerized Model For Predicting Water Satisfaction Index And Yield Reduction Index Of Crops Planted In Bicol Region Philippines . -Malabon, Metro Manila (Philippines). 1990. 238 leaves.

75. Braakhekke W.G. On Coexistence: A Causal Approach To Diversity And Stability In Grassland Vegetation. -Wageningen (Netherlands). Pudoc. 1980. 164 p.

76. Bullock D.G., Bullock D.S. Quadratic And Quadratic-Plus-Plateau Models For Predicting Optimal Nitrogen Rate Of Corn: A Comparison.//Agronomy-joumal (USA). (Jan-Feb 1994). v. 86(1) p. 191-195.

77. Burleigh J.R., Yamoah C.F., Regas J.L., Eylands V.J. Analysis Of Factors Related To

78. Wheat Yield On Farm Fields In The Buberuka Highlands Of Rwanda.//Agronomy-journal (USA). (May-Jun 1991). v. 83(3) p. 625-631.

79. Cabia E.M. Simulation Of Field Soil Moisture Condition Under Corn As Affected By Planting Date. -College, Laguna (Philippines). Mar 1985. 108 leaves.

80. Callaway R.M., Delucia E.H., Schlesinger W.H. Biomass Allocation Of Montane And Desert Ponderosa Pine An Analog For Response To Climate Change. Ecology. 75(5): 1474-1481, 1994 Jul.

81. Calvero S.B. Jr., Teng P.S. Interfacing Diseases Severity To The Ibsnat (International Benchmark Sites Network For Agrotechnology) Ceres Rice Model: A Computer Simulation On Rice Yield Loss (Philippines). -Cebu City (Philippines). 1988. 1 p.

82. Calvero S.B. Jr., Torres C.Q., Fabellar N.G., Teng P.S. Preliminary Validation Of The Blast And Blast-Coupled Ibsnat Ceres Rice Models.//Philippine-Phytopathology (Philippines). (Jan-Jun 1989). v. 25 p. 68. Issued Jul 1990.

83. Cao M.K., Dent J.B., Heal O.W. Modeling Methane Emissions From Rice Paddies (Review). Global Biogeochemical Cycles. 9(2): 183-195, 1995 Jun.

84. Chapman S.C., Hammer G.L., Meinke H. A Sunflower Simulation Model. I. Model Development.//Agronomy-journal (USA). (May-Jun 1993). v. 85(3) p. 725-735.

85. Chen-Bin, Wu-Weiwen, Jiang-Shunan, Zhou-Haodong. On The Prediction Model Of Rice Yield Loss Caused By Rice Stem Borer./Acta-Phytophylacica-Sinica (China). (Mar 1993). v. 20(1) p. 1-6.

86. Chen-Huabang, Zeng-Baiyian, Li-Qingqi. A Tentative Study On Model Breeding Of Wheat Cultivars With High Yield Potential.//Acta-Agronomica-Sinica (China) (Mar 1993). v. 19(2) p. 165172.

87. Chen-Shibing, Wang-Xiaoming, Wang-Demao. Studies On Yield Model And Profit Model Of Spring Wheat On Dry Land In Semi-Arid Region Of Dingxi. / Acta-Agriculturae-Universitatis-Gansu (China). (Jun 1986). (no.2) p. 20-32.

88. Cole D.F. A Model To Estimate Harvest Losses Due To Taproot Breakage In Sugarbeet.//Agronomy-journal (USA). (Sep-Oct 1986). v. 78(5) p. 930-932.

89. Comins H.N. Equilibrium Analysis Of Integrated Plant-Soil Models For Prediction Of The Nutrient Limited Growth Response To Co2 Enrichment. Journal of Theoretical Biology. 171(4):369-385, 1994 Dec 21.

90. Cooperative Research Group of Adjustment of Boll-bearing Model in Cotton, Henan (China). (Adjustment Of The Boll-Bearing Model In Cotton For High Quality And Yield And The Cultivation Technology)./China-Cotton (China). (Jul 1991). (no. 4) p. 19-20.

91. Cooter E.J., Dhakhwa G.B. A Solar Radiation Model For Use In Biological Applications In The South And Southeastern USA. Agricultural & Forest Meteorology. 78(1-2):31-51, 1996 Jan.

92. Costello T.A., VanDevender K.W., Ferguson J.A. The Arkansas Rice Model: Preliminary Structure. -1988. 13 p.

93. Cruz-Medina R., Hernandez-Jasso A. Genotype-Environment Interaction Analysis With The AMMI Model. Beltwide-Cotton-Conferences (USA). (1994). v. 2 p. 690-692.

94. Cumpa-Reyes J.S., Palacios-Velez E., Exebio-Garcia A. Efecto Del Deficit De Humedad Y Caracteristicas Fisicas Del Suelo En El Desarrollo Del Frijol (Phaseolus Vulgaris L.).//Agrociencia (Mexico). (1988). (no.73) p. 195-215.

95. Damicone J.P., Snow J.P., Berggren G.T. Spatial And Temporal Spread Of Soybean Stem Canker From An Inoculum Point Source /ZPhytopathology (USA). (Jun 1990). v. 80(6) p. 571-578.

96. Danty-L Jeannette-Andrea. Analisis De Algunos Parametros De Crecimiento, Desarrollo Y Rendimiento Del Hibrido De Tomate H31 En Funcion De La Temperatura Y Radiacion Solar. -Santiago (Chile). 1992. 69 p. •

97. Danuso F., Zanin G. Simulazione Delia Dinamica Di Popolazioni Di Malerbe Annuali In Colture Erbacee. 1: Descrizione Del Modello "WEPOM".//Rivista-di-Agronomia (Italy). (Oct-Dec 1989). v. 23(4) p. 466-476.

98. De-Jong R., Kabat P. Modeling Water Balance And Grass Production.//Soil-Science-Society-of-America-journal (USA). (Nov-Dec 1990). v. 54(6) p. 1725-1732.

99. Deng-Shaohua, Jiang-Guozhu, Dong-zhanshan. Studies On Mathematical Model On The Relationship Between Chemical Regulation And Cotton Yield./Acta-Gossypii-Sinica (China). (Dec 1992). v. 4(suppl.) p. 45-52.

100. Destouni G. Applicability Of The Steady State Flow Assumption For Solute Advection In Field Soils.//Water-resources-research (USA). (Aug 1991). v. 27(8) p. 2129-2140.

101. Dewar R.C., Mcmurtrie RE. Analytical Model Of Stemwood Growth In Relation To Nitrogen Supply. Tree Physiology. 16(1-2): 161-171, 1996 Jan-Feb.

102. Dingebauer G. Unterschung Zur Tolerierbaren Verunkrautung In Winterrapskulturen. /Zeitschrifl-fuer-Pflanzenkrankheiten-und-Pflanzenschutz (Germany, F.R.). (1990). (Spec.no. 12) p. 315-328.

103. Duan-Guirong, Nan-Jianfu, Su-Chunping A Strategic Model Of Comprehensive Agro-Technical Measures For High-Yield Sorghum Production.//Journal-of-Shanxi-Agricultural-University (China). (Sep 1990). v. 10(3) p. 204-208, 278.

104. Du-Shuantian, Zhong-Xuemei, Liu-Linli. The Mathematical Model Of The Best Cultivation Prescription Of Hericium Erinaceus (Bull.) Pers./Acta-Universitatis-Agriculturalis-Boreali-Occidentalis (China). (Jan 1993). v. 21(1) p. 46-50.

105. Ebuenga M.D. Epidemic Analysis And Modelling Of Yield Losses Of Peanut Due To Cercospora Leafspots (Cercospora Arachidicola Hori And Cercosporidium Personatum (Berk And Curt) Deighton). -College, Laguna (Philippines). Oct 1988. 109 leaves.

106. Edwards D.R., Daniel T.C., Marbun O. Determination Of Best Timing For Poultry Waste Disposal: A Modeling Approach. //Water-resources-bulletin (USA). (May-Jun 1992). v. 28(3) p. 487494.

107. Exconde M.R.D., Alagos M.J.C., Kropff M.J. TI: Model To Analyze The Sensitivity Of IR64 To Different Dry Matter Partitioning Pattern. SO. Philippine-Journal-of-Crop-Science (Philippines). (May 1992). v. 17(supplement no. 1) p. S43. Issued Apr 1995.

108. Fagerberg B. Validation Of A Ley-Ruminant System Model, 1: Growth And Change In Nutritive Value Of The Forage.//Swedish-Journal-of-Agricultural-Research (Sweden). (1991). v. 21(1) p. 11-18.

109. Fagerberg В., Nyman P. The Effect Of Weather Fluctuations On Simulated Ley Growth In Sweden.//Swedish-Journal-of-Agricultural-Research (Sweden). (1991). v. 21(3) p. 95-105.

110. Field C.B., Randerson J.T., Malmstron C.M. Global Net Primary Production Combining Ecology And Remote Sensing. Remote Sensing Of Environment. 51(1): 74-88, 1995 Jan.

111. Foley .LA. Net Primary Productivity In The Terrestrial Biosphere The Application Of A Global Model. Journal of Geophysical Research-Atmospheres. 99(D10):20773-20783, 1994

112. Friend A.D., Cox P.M. Modelling The Effects Of Atmospheric Co2 On Vegetation Atmosphere Interactions. Agricultural & Forest Meteorology. 73(3-4):285-295, 1995 Mar.

113. Gaddi V.Q. Soil Sulfur Fractions As Indices Of Plant Available Sultur And The Influence Of Pre-Emergence On Sulfur Availability In Selected Rice Soils In The Philippines. -College, Laguna (Philippines). May 1988. 73 leaves.

114. Gallagher L.W., Belhadri M., Zahour A. Interrelationships Among Three Major Loci Controlling Heading Date Of Spring Barley When Grown Under Short Daylengths.// Crop-science (USA). (Mar-Apr 1987). v. 27(2) p. 155-160.

115. Gan Y., Stobbe E.H., Moes J. Relative Date Of Wheat Seedling Emergence And Its Impact On Grain Yield.//Crop-seienee (USA). (Sep-Oct 1992). v. 32(5) p. 1275-1281.

116. Ge-Jiaqi, Hon-Zhongtian, Xu-Zhongru. The Establishment And Application Of Mathematic Model For Corn Regional Production In Heilongjiang Province (China)AActa-Ecologica-Sinica (China). (Mar 1991). v. 11(1) p. 13-17.

117. Gill G.S., Holmes J.E., Poole M.L. Competition Between Wheat And Brome Grass In Western Australia. Australian-Journal-of-Experimental-Agriculture (Australia). (1987). v. 27(2) p. 291-294.

118. Gozzini В., Miglietta F., Orlandini S. Velocita' Di Apparizione Delle Foglie E Accrescimento Fogliare Nella Vite (Vitis Vinifera L.) (Toscana).// Rivista-di-Agronomia (Italy). (Oct-Dec 1993). v. 27(4) p. 479-483.

119. Grieve A.M., Dunford E., Marston D., Martin R.E., Slavich P. Effects Of Waterlogging And Soil Salinity On Irrigated Agriculture In The Murray Valley: A Review. Australian-Journal-of-Experimental-Agriculture (Australia). (1986). v. 26(6) p. 761-777.

120. Grieve C.M., Lesch S.M., Maas E.V., Francois L.E. Leaf And Spikelet Primordia Initiation In Salt-Stressed Wheat.//Crop-science (USA). (Nov-Dec 1993). v. 33(6) p. 1286-1294.

121. Grimm S.S., Jones J.W., Boote K.J., Hesketh J.D. Parameter Estimation For Predicting Flowering Date Of Soybean Cultivars.//Crop-science (USA). (Jan-Feb 1993). v. 33(1) p. 137-144.

122. Gustafsson Y. Acta Agricult. Stockholm: Suecana. -2, -1946 p. 1-157.

123. Hall D.O., Ojima D.S., Parton W.J., Scurlock J.M.O. Response Of Temperate And Tropical Grasslands To Co2 And Climate Change. Journal of Biogeography. 22(2-3). 537-547, 1995 Mar-May.

124. Hammer G.L., Muehow R.C. Assessing Climatic Risk To Sorghum Production In Water-Limited Subtropical Environments. 1. Development And Testing Of A Simulation Model. // Field-Crops-Research (Netherlands). (Mar 1994). v. 36(3) p. 221-234.

125. Handschack M., Schmidt S. Grafisches Modell Zur Beschreibung Der Ertragsbildung Bei Apfel Unter Beruecksichtigung Von Wechselwirkungen Zwischen Den Ertragskomponenten./Archiv-fuer-Gartenbau (German D R.). (1990). v. 38(6) p. 399-405.

126. Hashiba T. New Forecasting Model Of Yield Loss By Rice Sheath Blight Disease (By Rhizoctonia Solani).// (Plant-Protection) (Japan). Shokubutsu Boeki. (Jul 1985). v. 39(7) p. 332-338.

127. Hedley C.L., Ambrose M.J., Руке K.A. Developing An Improved Plant Model For The Pea Crop (Phenotype, Yield Stability, Lodging)./Temperate legumes: physiology genetics and nodulation. Boston (USA). Pitman Advanced Pub. Program. 1983. p. 135-146

128. Heggestad H.E., Lesser V.M. Effects of ozone, sulfur dioxide, soil water deficit, and cultivar on yields of soybean.//Journal-of-environmental-quality (USA). (Jul-Sep 1990). v. 19(3) p. 488-495.

129. He-Jim. Prediction Of Cotton Production In China By The Year 2000 With GM (1,1) Model Of Gray System. Acta-Gossypii-Sinica (China). (Apr 1995). v. 7(2) p. 70-72.

130. Hellman G. Meteorol. Z., 1915, 32., p.l.

131. Hellstroem A. Growth Analysis In Brassica Using A Mechanistic Growth Model.//SO: Swedish-Journal-of-Agricultural-Research (Sweden). (1994). v. 24(2) p. 57-65.

132. Herman D.J., Rundel P.W. Nitrogen Isotope Fractionation In Burned And Unburned Chaparral Soils.//SoiI-Science-Society-of-America-journal (USA). (Jul-Aug 1989). v. 53(4) p. 12291236.

133. Hertstein XL, Grunhage L., Jager HJ., Assessment Of Past, Present, And Future Impacts Of Ozone And Carbon Dioxide On Crop Yields. Atmospheric Environment. 29(16) 2031-2039, 1995 Aug.

134. Hoffmann G.M., Verreet J.-A., Habermeyer J. Entwicklung Und Einfuehrung Des ' Weizenmodell Bayem' Im Rahmen Des Integrierten Pflanzenschutzes.//Gesunde-Pflanzen (Germany, F.R.). (1991). v. 43(10) p. 333-334, 336-345.

135. Holz F., Wetzel Т., Freier B. 3 Bis 5 Blattlaeuse Pro Aehre Im Winterweizen Eine Neue Bekaemfungsschwelle?//Gesunde-Pflanzen (Germany). (1994). v. 46(1) p. 8-12.

136. Hoogenboom G., Jones J.W., Boote K.J. Predicting Growth And Development Of Grain Legumes With A Generic Grain Legume Model. Win 1991. 19 p.

137. Hoogenboom G., White J.W., Jones J.W., Boote K.J. BEANGRO: A Process-Oriented Dry Bean Model With A Versatile User Interface.//Agronomy-journal (USA). (Jan-Feb 1994). v. 86(1) p. 182-190.

138. Hough M.N. A Weather-Dependent Yield Model For Silage Maize.// Agricultural-Meteorology (Netherlands). (Feb 1981). v. 23(2) p. 97-113

139. Hua-Dejun. Ecotype Zonation And Technique Model For High Yield Of Rice In The Northwest Sichuan (China).//Journal-of-Mianyang-Agricultural-College (China). (Jun 1990). v. 7(2) p. 31-34.

140. Huang-Shumei, Tan-Chunsong, Yang-Tiegang. Cultural Model For High Yield And Quality Of Summer Cotton Dibbling In Wheat Ridge./Acta-Agriculturae-Boreali-Sinica (China). (Jun 1993). v. 8(Suppl.) p. 133-136.

141. Huang-Zhongqing, Jiang-Zhixun, Gu-Yuanshan Studies On The Mathematical Model Of Ratooning Culture Of Middle-Early Rice In Mid-South Anhui (China).//Anhui-Agricultural-Sciences (China). (Sep 1989). (no. 3) p. 21-31.

142. Hu-Hongwen, Li-Baoqing, Li-Yufeng. Optimal Model For High-Yield Seed Production Of Hybrid Rapeseed Cultivar With Good Quality.//OiI-Crops-of-China (China). (Sep 1993). (no. 3) p. 4144, 48.

143. Jaafar M.N., Stone L.R, Good rum D.E. Rooting Depth And Dry Matter Development Of Sunflower //Agronomy-journal (USA). (Mar-Apr 1993). v. 85(2) p. 281-286.

144. Jakobsen B.F., Dexter A.R. Effect Of Soil Structure On Wheat Root Growth, Water Uptake And Grain Yield. A Computer Simulation Model.// Soil-and-Tillage-Research (Netherlands). (1987). v. 10(4) p. 331-345.

145. Jakobsen B.F., Dexter A.R., Haakansson L Simulation Of The Response Of Cereal Crops To Soil Compaction.// Swedish-Journal-of-Agricultural-Research (Sweden). (1989). v. 19(4) p. 203212.

146. JeufTroy M.H. Pois. Les Profils De Graines: Interpretation Et Modelisation.// Perspectives-Agricoles (France). (Dec 1991). (no 164) p. 62-72.

147. Johnson K.B. Modeling The Influences Of Plant Infection Rate And Temperature On Potato Foliage And Yield Losses Caused By Verticillium Dahliae.WPhytopathology (USA). (Sep 1988). v. 78(9) p. 1198-1205.

148. Johnson K.B., Radcliffe E.B. Validation Of A Model Simulating The Feeding Effects Of The Potato Leaflhopper (Empoasca Fabae) On Potato Growth. // Crop-Protection (United Kingdom). (1991). v. 10(5) p. 416-422.

149. Johnson K.B., Teng P.S. Coupling A Disease Progress Model For Early Blight To A Model Of Potato Growth.//Phytopathology (USA). (Apr 1990). v. 80(4) p. 416-425.

150. Jones J.W., Dayan E., Allen L.H., Keulen H.-van, Challa H. A Dynamic Tomato Growth And Yield Model (Tomgro).//Transactions-of-the-ASAE (USA). (Mar-Apr 1991). v. 34(2) p. 663672.

151. Kapur M.L. Sugar Beet Tops As Green Manure For Rice./International-Rice-Research-Notes (Philippines). (Mar 1993). v. 18(1) p. 41-42. Issued Jun 1993.

152. Karlovsky J. The Balance Sheet Approach To Determination Of Phosphate Maintenance Requirements (Grassland).//Fertilizer-Research (Netherlands). (1982). v. 3(2) p. 111-125.

153. Kenig A., Mishoe J.W., Boote K.J., Cook P.W., Reicosky D.C., Pettigrew W.T., Hodges H.F. Development Of Soybean Fresh And Dry Weight Relationships For Real Time Model

154. Calibration.//Journal-of-the-Americaii-Society-of-Agronomy (USA). (Jan-Feb 1993). v. 85(1) p. 140146.

155. Kersten M.S. Bull. Univ. of Minnesota Inst, of Techn., Engn. Exp. Stat. 28. -1949.

156. Kim S.H., Bin Y.H., Choe Z.R. The Use Of Multiple Seed Vigor Indices To Predict Field Emergence And Grain Yield Of Naked And Malting Barley.//Korean-Journal-of-Crop-Science (Korea R ). (Jun 1989). v. 34(2) p. 134-141.

157. Kiniry J.R., Williams J.R., Gassman P.W., Debaeke P. A General, Process-Oriented Model For Two Competing Plant Species. // Transactions-of-the-ASAE (USA). (May-Jun 1992). v. 35(3) p. 801-810.

158. Koulen H., van. Simulation Of Water Use And Harbade Growth In Arid Regions. -Wageningen: Pudoc, 1975. -184p.

159. Kropff M.J. Modelling Short-Term Effects Of Sulphur Dioxide. 1. A Model For The Flux Of So2 Into Leaves And Effects On Leaf Photosynthesis.//Netherlands-Journal-of-Plant-Pathology (Netherlands). (1989). v. 95(4) p. 195-213

160. Krug H-, Liebig H.-P. Analyse, Kontrolle Und Programmierung Der Pflanzenproduktion In Gewaechshaeusern Mit Hilfe Beschreibender Modelle. 1: Das

161. Produktionsmodell.//Gartenbauwissenschafi (Germany, F.R.). (1979). v. 44(4) p. 145-154.

162. Kuchar L. Przewidywanie Sum Opadow I Srednich Temperatur Powietrza W Aspekcie Prognozowania Plonow Roslin Uprawnych./Wroclaw (Poland). Wydawnictwo Akademii Rolniczej we Wroclawiu. 1993. 91 p.

163. Kuest G., Heitefuss R., Wahmhoff W. Ein Vorlaeufiges Modell Zur Unkrautbekaempfung Nach Schadensschwellen Im Winterraps./ Zeitschrift-&er-Pflanzenkrankheiten-und-Pflanzenschutz (Germany, F.R.). (1990). (Spec.no. 12) p. 339-346.

164. Maerz U. Methods To Simulate Distributions Of Crop-Yields Based On Farmer Interviews./Aleppo (Syria). International Center for Agricultural Research in the Dry Areas. 1987. 39 P

165. Maggiore Т., Bocchi S. Convalida Del Modello Funzionale CERES-Maize. Risultati Di Un Biennio Di Prove (Lombardia).//Rivista-di-Agronomia (Italy). (Oct-Dec 1993). v. 27(4) p. 553-557.

166. Manrique L.A. Plant Morphology Of Cassava During Summer And Winter.// Agronomy-journal (USA). (Sep-Oct 1990). v. 82(5) p. 881-886.

167. Manrique L.A., Bartholomew D.P., Ewing E.E. Growth And Yield Performance Of Several Potato Clones Grown At Three Elevations In Hawaii. I. Plant Morphology.//Crop-science (USA). (Mar-Apr 1989). v. 29(2) p. 363-370.

168. Martin RJ., Cullis B.R, McNamara D.W. Prediction Of Wheat Yield Loss Due To Competition By Wild Oats (Avena Spp.) (Crop Density; Model). Australian-Journal-of-Agricultural-Research (Australia). (1987). v. 38(3) p. 487-499.

169. Martin S.M., Nearing M.A., Bruce R.R. An Evaluation Of The ЕРГС Model For Soybeans Grown In Southern Piedmont Soils.//Transactions-of-the-ASAE (USA). (Sep-Oct 1993). v. 36(5) p. 1327-1331.

170. Mc-Mennamy J.A., O'Toole J.C. Rice Mod: A Physiologically Based Rice Growth And Yield Model. -Los Banos, Laguna (Philippines). Apr 1983. 33 p.

171. Meinke H., Hammer G.L., Chapman S.C. A Sunflower Simulation Model. Ii. Simulating Production Risks In A Variable Sub-Tropical Environment. // Agronomy-journal (USA). (May-Jun 1993). v. 85(3) p. 735-742.

172. Messat S. Model Matriciel De Croissance Pour Les Futaies Jardinees Du Cedrus Manetti Dans La Foret Seheb Au Moyen Atlas Marocain. -Rabat (Morocco). Dec 1986. 145 p.

173. Miller B.C., Foin T.C., Hill J.E. CARICE: A Rice Model For Scheduling And Evaluating Management Actions.//Agronomy-journal (USA). (Jul-Aug 1993). v. 85(4) p. 938-947.

174. Miller J.E., Pursley W.A., Vozzo S.F., Heagle A.S. Response Of Net Carbon Exchange Rate Of Soybean To Ozone At Different Stages Of Growth And Its Relation To Yield.//Journal-of-environmental-quality (USA). (Jul-Sep 1991). v. 20(3) p. 571-575.

175. Moeller-Nielsen J. Evaluation And Control Of The Nutritional Status Of Cereals, 7: The Fertilization System Transferred To Cereals Grown Under Field Conditions.//Plant-and-Soil (Netherlands). (1982). v. 64(3) p. 403-423.

176. Moermans R., Nelis S., Moens M. Descrizione Delia Diminuzione Di Una Popolazione Di Nematodi. / Nematologia-Mediterranea (Italy). (1992). v. 20(2) p. 227-232.

177. Mohren G.M.J., Klein-Goldewijk C.G.M. Co(2)Fix: A Dynamic Model Of The Co(2> Fixation In Forest Stands. Model Documentation And Listing. -Wageningen (Netherlands). D3N-DLO. 1990. 96 p.

178. Mooney H.A., Koch G.W. The Impact Of Rising Co2 Concentrations On The Terrestrial Biosphere. Ambio. 23(1):74-76, 1994 Feb.

179. Moore P.A. Jr., Attanandana Т., Patrick W.H. Jr. Factors Affecting Rice Growth On Acid Sulfate Soils.//Soil-Science-Society-of-America-journal (USA). (Nov-Dec 1990). v. 54(6) p. 16511656.

180. Morrison I.N., Nawolsky K.M., Marshall G.M., Smith A.E. Recovery Of Spring Wheat (Triticum Aestivum) Injured By Trifluralin.//Weed-science (USA). (Nov 1989). v. 37(6) p. 784-789.

181. Muchow R.C., Sinclair T.R. Water Deficit Effects On Maize Yields Modeled Under Current And "Greenhouse" ClimatesV/Agronomy-journal (USA). (Nov-Dec 1991). v. 83(6) p. 1052-1059.

182. NasruIIah. Modelling Of Nitrogen X Plant Population Interaction On Corn (Zea Mays L.) (Study Conducted In The Philippines). -College, Laguna (Philippines). May 1981. 60 leaves.

183. Nelson B.D., Hertsgaard D.M., Holley R.C. Disease Progress Of Sclerotinia Wilt Of Sunflower At Varying Plant Populations, Inoculum Densities, And Environments.// Phytopathology (USA). (Dec 1989). v. 79(12) p. 1358-1363.

184. Nemecek Т., Derron J.O. Validation Et Application D Un Modele De Croissance De La Pomme De Terre.//Revue-suisse-d'agronomie (Switzerland). (Sep-Oct 1994). v. 26(5) p. 311-315.

185. Nordfors L., Sandberg D. Utbytessimulering Av Soenderdelning Enligt Stjaernsaagningsmetoden. Stockholm (Sweden). Tekniska Hoegskolan. 1993. 62 p.

186. Ocallaghan J.R, Resource Utilisation And Economy Of Soil Tillage In Crop Production Systems. Soil & Tillage Research. 30(2-4):327-343, 1994 Jun

187. O'Donovan J.T, Quackgrass (Elytrigia Repens) Interference In Canola (Brassica Campestris).//Weed-science (USA). (Jul-Sep 1991). v. 39(3) p. 397-401.

188. Oger R, Le Choix Et L' Interpretation Des Fonctions De Reponse A La Fumure Azotee Des Cereales./Bulletin-des-Recherches-Agronomiques-de-Gembloux (Belgium). (1994). v. 29(3) p. 289313

189. Omar N., Heulin Т., Weinhard P., Alaa-El-Din M.N., Balandreau J. Field Inoculation Of Rice With In Vitro Selected Plant-Growth Promoting-Rhizobacteria (Azospirillum Brasilense, Spermosphere Model).//Agronomie (France). (1989). v. 9(8) p. 803-808.

190. Oo M. Technology, Prices, And Agricultural Growth: A Case Study Of Myanmar Rice Economy. -College, Laguna (Philippines). Jun 1993. 89 leaves.

191. Overman A.R., Wilkinson S.R. Modeling Tall Fescue Cultivar Response To Applied Nitrogen.//Agronomy-journal (USA). (Nov-Dec 1993). v. 85(6) p. 1156-1158.

192. Overman A.R., Wilkinson S.R., Wilson D.M. An Extended Model Of Forage Grass Response To Applied Nitrogen. Agronomy-journal (USA). (Jul-Aug 1994). v. 86(4) p. 617-620 Paeschke W. Beitr. Phys. fur Atmos, 1937, 24,p. 163.

193. Pantone D.J., Baker J.B. Reciprocal Yield Analysis Of Red Rice (Oryza Sativa) Competition bi Cultivated Rice.//Weed-science (USA). (Jan-Mar 1991). v. 39(1) p. 42-47.

194. Pantone D.J., Baker J.B. Weed-Crop Competition Models And Response-Surface Analysis Of Red Rice Competition In Cultivated Rice: A Review.//Crop-science (USA). (Sep-Oct 1991) v 31(5) p. 1105-1110.

195. Pan-Xuebiao, Long-Tengfang, Dong-Zhanshan. Studies On Simulation A Model Of Cotton Growth And Development And Yield Composition./Acta-Gossypii-Sinica (China). (Dec 1992). v. 4(suppl.) p. 11-20.

196. Parton W.J., Rasmussen P.E. Long-Term Effects Of Crop Management In Wheat-Fallow. П. CENTURY Model Simulations.//Soil-Science-Society-of-America-journaI (USA). (Mar-Apr 1994) v. 58(2) p. 530-536.

197. Perez H.E., Pezo D.A., Arze J. Crecimiento De Brachiaria Brizantha Y Brachiaria Dictyoneura Asociadas Con Soya (Glycine Max L ). / Pasturas-Tropicales (CIAT). (Abr 1993). v. 15(1) p. 2-9.

198. Popovic Z., Stikic R., Pekic S. Utvrdjivanje Fizioloskih Pokazatelja Otpornosti Kukuruza Prema Susi./Zbornik-radova-Poljoprivrednog-fakulteta (Yugoslavia). (1989). v. 34(591) p. 1-23.

199. Protopapas A.L., Bras R.L. Effects Of Weather Variability And Soil Parameter Uncertainty On The Soil-Crop-Climate System.//Journal-of-climate (USA). (Apr 1993). v. 6(4) p. 645-656.

200. Pukkala T. Kuusen Ja Maennyn Siemensadon Ennustemaffi.//Silva-Fennica (Finland). (1987). v. 21(2) p. 135-144.

201. Qiao-Chungui, Wang-Siyuan, Yu-Fuping. An Improved Mathematical Model For Predicting Grain Yield At Seedling Stage In Sunflower.//Oil-Crops-of-China (China). (Sep 1993). (no. 3) p. 52-55.

202. Ragab R, Beese F., Ehlers W. A Soil Water Balance And Dry Matter Production Model. I. Soil Water Balance Of Oat.//Agronomy-joumal (USA). (Jan-Feb 1990). v. 82(1) p. 152-156.

203. Rajan A., Surjit S., Ibrahim Y.B. Validation Of A Dynamic Weed Competition Model For Direct-Seeded Rice./Rajan,-A.; Yusof-Ibrahim (eds ). Plant protection in the tropics, proceedings of

204. Fourth International Conference on Plant Protection in the Tropics. Kuala Lumpur (Malaysia). Malaysian Plant Protection Society. 1994. p. 468-472. (En).

205. Rawlings J.O., Lesser V.M., Heagle A.S., Heck W.W. Alternative Ozone Dose Metrics To Characterize Ozone Impact On Crop Yield Loss.//Journal-of-environmental-quality (USA). (Apr-Jun 1988). v. 17(2) p. 285-291.

206. Rejmanek M., Robinson G.R., Rejmankova E. Weed-Crop Competition: Experimental Designs And Models For Data Analysis./AVeed-science (USA). (Mar 1989). v. 37(2) p. 276-284.

207. Revilla J.A.V., Soemarna K., Sumarna Y. Sagu Palm (Metroxylon Spp ) Yield Model For Indonesia. -Jakarta (Indonesia). 1990. 31 p.

208. Reyes C.H., Penning-de-Vries F.W.T. Evaluation Of A Model For Simulating The Potential Production Of Rice. // Philippine-Journal-of-Crop-Science (Philippines). (May 1989). v. 14(supplement no. l)p. SI 1.

209. Richards L.A., Moore D.S. Trans. Am. Geophys. Un„ -33, -1952. p.531-539.

210. Richter J. Modellierung Des Stick stoffhaushaltes Fuer Ackerschlaege./ Tagungsbericht-Akademie-der-Landwirtschaftswissenschaften-der-DDR (German D.R.). (1989). (no. 275) p. 117131.

211. Ritchie J.R., Otter S. Description And Performance Of Ceres-Wheat: A User-Oriented Wheat Yield Model./ ARS-Umted-States-Department-of-Agriculture,-Agricultural-Research-Service (USA). (Jun 1985). (no. 38) p. 159-175.

212. Robles Martinez, Blanca Estela. Modelo De Transporte Con La Tecnica De Programacion Lineal Aplicada Al Cultivo Del Tabaco. Chapingo, Мех. (Mexico). 1993. 98 p.

213. Rojas M.A., Palacios-Velez E. Modelo De Simulacion Digital Del Sistema Suelo-Planta-Atmosfera Para Estimar Rendimiento De Cultivos./ Avances-en-la-Ensenanza-y-la-Investigacion (Mexico). (1978). (1977-1978) p. 237.

214. Rosacia W.Z. Appraisal Of Forage Biomass By Clipped Method, Ocular Estimation And Combined Estimation Technique Under Pasture And Rangeland Condition. College, Laguna (Philippines). May 1994. 138 leaves.

215. Rosenthal W.D., Gerik T.J., Wade L.J. Radiation-Use Efficiency Among Grain Sorghum Cultivars And Plant Densities.//Agronomy-journal (USA). (May-Jun 1993). v. 85(3) p. 703-705.

216. Rossing W.A.H. Simulation Of Damage In Winter Wheat Caused By The Grain Aphid Sitobion Avenae. 2. Construction And Evaluation Of A Simulation Model.//Netherlands-Journal-of-Plant-Pathology (Netherlands). (1991). v. 97(1) p. 25-54.

217. Roszak W., Radecki A., Opic J. Reakcja Roslin Uprawnych Na Stopien Zageszczenia Gleby. Cz. 8. Bobik /Roczniki-Nauk-Rolniczych.-Seria-A-Produkcja-Roslinna (Poland). Polish Agricultural Annual. Series A Plant Production. (1991). v. 109(1) p. 85-91.

218. Rottermann-Meyer M.-L. Modellanbauprojekt Koriander In Niedersachsen.// Gartenbau-Magazin (Germany). (1993). v. 2(12) p. 26-27.

219. Russo J.M., Seem R.C. Models For Integrated Pest Management Of Apple: A Primer. -1980.8 p.

220. Safadi A.S. Irrigation Scheduling Of Squash Under Drip Irrigation And Black Plastic Mulch In The Central Jordan Valley. -Amman (Jordan). Jan 1987. 115 leaves.

221. Sain G.E., Jauregui M.A. Deriving Fertilizer Recommendations With A Flexible Functional Form. // Agronomy-journal (USA). (Jul-Aug 1993). v. 85(4) p. 934-937.

222. Sawyer A.J., Fick G.W. Potential For Injury To Alfalfa By Alfalfa Blotch Leafminer (Diptera: Agromyzidae): Simulations With A Plant Model.//Environmental-entomology (USA) (Jun 1987). v. 16(3) p. 575-585.

223. Schenk M.K., Barber S.A. Potassium And Phosphorus Uptake By Corn Genotypes Grown In The Field As Influenced By Root Characteristics.//Plant-and-Soil (Netherlands). (1980). v. 54(1) p. 65-76.

224. Schumann H., Hevland K.-U. Zum Einfluss Von Umwelt- Und Produktionsbedingungen Auf Konkurrenzbeziehungen In Wintergerstenbestaenden. / Zeitschrift-fiier-Pflanzenkrankheiten-und-Pflanzenschutz (Germany, F.R.). (1992).

225. Schumann H., Heyland K.-U. Zur Frage Der Konkurrenzbeziehungen In Wintergerstenbestaenden Mit Begleitpflanzenwachstum./Zeitschrift-fuer-Pflanzenkrankheiten-und-Pflanzenschutz (Germany, F.R.). (1990). (Spec.no.12) p. 293-306.

226. Seastedt T.R., Coxwell C.C., Ojima D.S., Parton W.J. Controls Of Plant And Soil Carbon In A Semihumid Temperate Grassland. Ecological Applications. 4(2): 344-353, 1994 May.

227. Seligman N.G., Sinclair T.R., Climate Change, Interannual Weather Differences And Conflicting Responses Among Crop Characteristics The Case Of Forage Quality. Global Change Biology. 1(2): 157-160, 1995 Apr.

228. Seligman N.G., Sinclair T.R., Global Environment Change And Simulated Forage Quality Of Wheat .2. Water And Nitrogen Stress. Field Crops Research. 40(1) 29-37, 1995 Jan.

229. Senanayake D.G., HoIIiday N.J. Economic Injury Levels For Colorado Potato Beetle (Coleoptera: Chrysomelidae) On 'Norland' Potatoes In Manitoba.//Journal-of-economic-entomology (USA). (Oct 1990). v. 83(5) p. 2058-2064.

230. Sequeira R.A., Stone N.D., Cochran M., El-Zik K.M. Inclusion Of Plant Structure And Quality Into A Distributed Delay Cotton Model./Proceedings-Beltwide-Cotton-Conferences (USA). (1989). (no Book l)p. 156-159.

231. Sergeev M.M., Sadovo A.F. Matematicheskaya Model' Produktsionnogo Protsessa Fitotsenoza PshenitsyV/Mekhanizatsiya-i-EMektrffikatsiya-Sel'skogo-Khozyajstva (USSR). (Jan 1980). (no. 1) p. 17-19.

232. Sharpley A.N., Singh U., Uehara G., Kimble J. Modeling Soil And Plant Phosphorus Dynamics In Calcareous And Highly Weathered Soils.WSoil-Science-Society-of-America-journal (USA). (Jan-Feb 1989). v. 53(1) p. 153-158.

233. Shaw W.N. Manual of meteorology. Caembridge (Eng.) Univ. Press, 1930, v.3, p.337-338.

234. Sheppard P.A. Proc. Roy. Soc. London, 1947, Ser. A, p.208-222.

235. Shitaka Y., Hirose T. Timing Of Seed Germination And The Reproductive Effort In Xanthium Canadense.//Oecologia (Germany). (1993). v. 95(3) p. 334-339.

236. Shtienberg D. Development Of A Model For Loss Assessment Of Foliar Wheat Diseases In Israel. -Rehovot (Israel). Hebrew University. 1987. 162 p.

237. Sinsabaugh R.L., Moorhead D.L.Resource Allocation To Extracellular Enzyme Production A Model For Nitrogen And Phosphorus Control Of Litter Decomposition. Soil Biology & Biochemistry. 26(10): 1305-1311, 1994 Oct.

238. Slabbers P.J., Dunin F.X. Wheat Yield Estimation In Northwest Iran.// Agricultural-Water-Management (Netherlands). (Jul 1981). v. 3(4) p. 291-304.

239. Smart J.R., Weiss A., Mortensen D.A. Modeling The Influence Of Postdirected Sethoxydim On Corn Yields.//Agronomy-journal (USA). (Nov-Dec 1993). v. 85(6) p. 1204-1209.

240. Smetankova M., Bartosova Z., Baierova V. Vztah Vyse Vynosu Zma К Hladine Dusiku A Drasliku V Susine Jarniho Jecmene.//Rostlinna-Vyroba-UVTIZ (CSFR). (Sep 1990). v. 36(9) p. 947954.

241. Smith D.M., Brown D.M. Rainfall-Induced Leaching And Leaf Losses From Drying Alfalfa Forage. Agronomy-journal (USA). (May-Jun 1994). v. 86(3) p. 503-510.

242. Smith M. Use Of Computers In Consumptive Water Use And Irrigation Scheduling (Fao Irrigation Management Model Cropwat Based On Field Data). -Amman (Jordan). Dec 1989. 16 p.

243. Somkid-Rongrat. Kan Pramoen Phon Krathop Phumi Akat To Phonphalit Khong Phut Settakit Bang Chanit Nai Bang Changwat Khong Prathet Thai. -Bangkok (Thailand). 1982. 133 leaves.

244. Starr J.L., Jeger M.J., Martyn RD., Schilling K. Effects Of Meloidogyne Incognita And Fusarium Oxysporum F. Sp. Vasinfectum On Plant Mortality And Yield Of Cotton.//Phytopathology (USA). (Jun 1989). v. 79(6) p. 640-646.

245. Steinman J.R, MacLean D.A. Predicting Effects Of Defoliation On Spruce-Fir Stand Development: A Management-Oriented Growth And Yield Model. Forest-Ecology-and-Management (Netherlands). (Nov 1994). v. 69(1-3) p. 283-298.

246. Stenitzer E. Ein Numerisches Modell Zur Simulation Des Wasser- Und Salzhaushaltes Sowie Des Pflanzenertrages Eines Standortes. -Berlin (Germany, F.R.). 1980. 132 p.

247. Suyat M.N., Lacson RT., Acosta A.V., Ceniza A. Establishment Of Critical Levels Of NPK In Blackpepper Leaves For Fertilization Management.//Philippine-Journal-of-Plant-Industry (Philippines). (Jul-Dec 1993). v. 58(3-4) p. 68-79. Issued Jun 1993.

248. Swan J.B., Staricka J.A., Shaffer M.J., Paulson W.H., Peterson A.E. Corn Yield Response To Water Stress, Heat Units, And Management: Model Development And Calibration.//Soil-Science-Society-of-America-journal (USA). (Jan-Feb 1990). v. 54(1) p. 209-216.

249. Takami S., Kobata Т., Van-Bavel C.H.M. Quantitative Method For Analysis Of Grain Yield In Rice.//Agronomy-journal (USA). (Nov-Dec 1990). v. 82(6) p. 1149-1153.

250. Tallon R.B., Barroga M.E., Cosico V.B. Growth Patterns Of Cotton (Gossypium Hirsutum) Plant Parts And Some Physiological Parameters. Cotton-Research-Journal (Philippines). (Jan-Dec 1994). v. 7(1 and 2) p. 1-19. Issued Mar 1995.

251. Tang-Zhicheng, Sun-Han. The Model Of Weighted Multiple Regression For Yield Prediction. // Agricultural-Meteorology (China). (Aug 1992). v. 13(4) p. 24-28.

252. Tobey J., Reilly J., Kane S. Economic Implications Of Global Climate Change For World Agriculture. // Journal-of-agricultural-and-resource-economics (USA). (Jul 1992). v. 17(1) p. 195204.

253. Torres C.Q., Magnaye A.J.P., Teng P.S., Bonman J.M. Simulation Of Blast Epidemic Using An Expanded Logistic Model.//Philippine-Phytopathology (Philippines). (Jan-Jun 1988). v. 24(1-2) p. 59-60. Issued Sep 1989.

254. Torssell B.W.R, Nicholls A.O. A Comparison Between Two Models For Plant Competition (Mathematical Model To Predict Growth From Yield-Density Response In Monocultures).//Australian-Joumal-of-Ecology (Australia). (Jan 1976). v. 1(1) p. 29-35.

255. Ulrich R. Forschung Gebiete Agr.-Physik,-17, -1984. -p.l.

256. Valadez-Gutierrez Juan. Capacidad Predictiva De Un Modelo De Simulation Dinamica Para Soya (Glycine Max (L.) Merr.) En Sur De Tamaulipas. / Montecillo, Мех (Mexico). 1992 97 p.

257. Van-Evert F.K., Campbell G.S. Cropsyst: A Collection Of Object-Oriented Simulation Models Of Agricultural Systems. Agronomy-journal (USA). (Mar-Apr 1994). v. 86(2) p. 325-331.

258. Vedula S., Mujumdar P.P. Optimal Reservoir Operation For Irrigation Of Multiple Crops./AVater-resources-research (USA). (Jan 1992). v. 28(1) p. 1-9.

259. Vu Dinh-Hoa. Extreme Resistance To Potato Virus Y (Pvy) And Its Effect On Tuber Yield Of Some Potato Clones. -College, Laguna (Philippines). Jul 1989. 62 leaves.

260. Wall G.W., Amthor J.S., Kimball B.A. C0TC02 A Cotton Growth Simulation Model For Global Change. Agricultural & Forest Meteorology. 70(l-4):289-342, 1994 Sep.

261. Wamontree L.E. Evaluation Of Two Models For Estimating Yield Loss In Soybeans (Glycine Max Merril) Due To Soybean Rust. -College, Laguna (Philippines). Oct 1983. 66 leaves.

262. Wang-Duo, Ye-Meide. An Initial Study Of The Citrus Harvest-Ecology Model Associated With Environmental Disasters./Acta-Ecologica-Sinica (China). (Sep 1992). v. 12(3) p. 273-281.

263. Warnant P., Francois L., Strivay D., Gerard J.C. CARAJB A Global Model Of Terrestrial Biological Productivity. Global Biogeochemical Cycles. 8(3):255-270, 1994 Sep.

264. Watson M. The Nitrogen Response Curve For Vegetatively Propagated Tea (Camellia Sinensis) In The Low Country Of Sri Lanka, And Its Implications On Fertilizer Policy. -Kuala Lumpur (Malaysia). 1984. 11 p.

265. Wen-Shaokun, Yao-Yue, Yang-Yuhua. Studies On High Yield Potential Of Xiangai 63 And Its Cultivation By Using Leaf Age Model.//Hybrid-Rice (China). (Nov 1991). (no. 5) p. 6-9.

266. Westcott M.P., Callan N.W. Modeling Plant Population And Rectangularity Effects On Broccoli Head Weights And Yield.//Journal-of-the-American-Society-for-Horticultural-Science (USA). (Nov 1990). v. 115(6) p. 893-897.

267. Wheeler G.L., Sale M.J. Teloc: A Simulation Model Of The Effects Of Lead On Corn (Zea Maize) Growth.//Ecological-Modeffing (Netherlands). (Nov 1980). v. 11(2) p. 141-150.

268. White J.W., Izquierdo J. Frijol: Fisiologia Del Potencial De Rendimiento Y Tolerancia Al Estres. -Cali (Colombia). CIAT. 1989. 96 p.

269. Widjaya-Adhi I.P.G. Prediction Of Maize Response To Phosphate Fertilizer Application On Two Benchmark Soil: I. Models Using Extractable Phosphorus.//Indonesian-Journal-of-Crop-Science (Indonesia). (1991). v. 6(1) p. 11-21. Received 1993.

270. Wiegand C.L., Richardson A.J. Use Of Spectral Vegetation Indices To Infer Leaf Area, Evapotranspiration And Yield. I. Rationale.//Agronomy-journal (USA). (May-Jun 1990). v. 82(3) p. 623-629.

271. Wilcox J.C. and Spilsbury RJEL, Soil moisture studies; in application of soil moisture measurements to soils classification. Sc. Agr. V.21. 1941.

272. Wilson J.P., Sandor S.P., Nielsen G.A. Productivity Index Model Modified To Estimate Variability Of Montana Small Grain Yields.//Soil-Science-Society-of-America-journal (USA). (Jan-Feb 1991). v. 55(1) p. 228-234.

273. Wopereis M.C.S., Bouman B.A.M., Kropff M.J., Berge H.F.M.-ten, Maligaya A.R. Water Use Efficiency Of Flooded Rice Fields. 1. Validation Of The Soil-Water Balance Model SAWAH. Agricultural-Water-Management (Netherlands). (Dec 1994). v. 26(4) p. 277-289.

274. Wright E., Carr M.K.V., Hamer P.J.C. Crop Production And Water-Use. 1. A Model For Estimating Crop Water-Use With Limited Data.//Journal-of-Agricultural-Science (United Kingdom). (1994). v. 123(1) p. 9-13.

275. Wu-Guowei, Zhai-Lianrong, Li-Dianmo. Simulation Model Of Cotton Growth And Development.//Acta-Ecologica-Sinica (China). (Sep 1988). v. 8(3) p. 201-210.

276. Wu-Jincai. A Study On Mathematical Model Of Rice Yield Loss Of Coexistence System Of Three Spiders With Two Insect Pests In Paddy Field.//Insects-Knowledge (China). (Mar 1991). v. 28(2) p. 65-67, 73.

277. Wu-Runsheng, Wang-Bisheng. Studies On The Mathematical Model Of Summer Soybean High-Yield Cultural Practices, Including Row-Spacing, Plant Density And Fertilizers. // Oil-Crops-of-China (China). (Sep 1987). (no. 3) p. 26-32.

278. Wust. lnstr. fur Meereskunde, Veroff. Berlin. 1920, A6.

279. Wu-Yunkang, Chen-Dehua, Yuan-Zhankun, Ji-Congliang. Study On Cotton Regulative Model For Good Quality And High Yield In Jiangsu Province (China)./Acta-Gossypii-Sinica (China). (Dec 1992). v. 4(suppl.) p. 121-130.

280. Xevi E. Application Of Crop Yield Model To The Areal Variation Of Applied Water And Initial Soil Water. -Leuven (Belgium). KUL. Mar 1992. 163 p.

281. Yambao E.B., Ingram K.T., Malabuyoc J.A., De-Datta S.K. Simulation Of Upland Rice Yields Using A Cabo-Crop Growth Model. Philippine-Journal-of-Crop-Science (Philippines) (Nov 1991). v. 16(supplement no. 1) p. S16. Issued Apr 1995.

282. Yang X.B., Royer M.H., Tschanz A.T., Tsai B.Y. Analysis And Quantification Of Soybean Rust Epidemics From Seventy-Three Sequential Planting Experiments.//Phytopatho-logy (USA). (Dec 1990). v. 80(12) p. 1421-1427.

283. Yang X.B., Tschanz A.T., Dowler W.M., Wang T.C. Development Of Yield Loss Models In Relation To Reductions Of Components Of Soybean Infected With Phakopsora Pachyrhizi.//Phytopathology (USA). (Nov 1991). v. 81(11) p. 1420-1426.

284. Yaninek J.S., Gutierrez A.P., Herren H.R. Dynamics Of Mononychellus Tanajoa (Acari: Tetranychidae) In Africa: Effects On Dry Matter Production And Allocation In Cassava.//Environmental-entomology (USA). (Dec 1990). v. 19(6) p. 1767-1772.

285. Ye-Gongyin, Hu-Cui, Lu-Chenyin. Mathematical Model Of The Relationship Between The Propagational Yield Of Insect's Nuclear Polyhedrosis Virus (NPV) And Temperature.//JournaI-of-Zhejiang-Agricultural-University (China). (Feb 1994). v. 20(1) p. 21-23.

286. Zemanek M. Produktivita, Adaptace A Vynosova Stabilita Jarniho Jecmene V Modelovem Zasobovani Vodou.//Rostlinna-Vyroba-UVTIZ (CSFR). (Oct 1991). v. 37(9-10) p. 799-808.

287. Zhang-Jianming, Jiang-Xuehui, Zhang-Xilin. Measurement Of Damage And Loss Rates By Rice Leafroller And Dynamic Economic Threshold Model. // Chinese-Journal-of-Applied-Ecology (China). (Oct 1992). v. 3(4) p. 327-332.

288. Zhao-Jinlia, Shi-Kelin, Zhong-Zhiguang. (Preliminary Study On Yield Components And Agronomic Model In Winter Wheat)./ Shandong-Agricultural-Science (China). (Jan 1987). (no.l) p. 7-9.

289. Zheng-Hongchu A Study On Prediction Model Of Grain Output In Ankang Prefecture Of Shaanxi (China).//Shaanxi-Journal-of-Agricultural-Sciences (China). (Nov 1993). (no. 6) p. 1-3.

290. Zhou-Jichu, Hu-Chenggao. Study On Mathematical Model Of High Yielding Cultivation For Plastic Sheeting Cotton /ZHubei-Agricultural-Sciences (China). (Sep 1993). (no. 9) p. 8-10.

291. Частная и множественная линейные корреляции между освещенностью (Q'), высотой (X) и объемом фитоэлементов наземной биомассы (Z) компартмента.1. Виды корреляции

292. Культура парная частная множественнаяxQ' xz Q'z xQ'.z xz.Q' Q'z.x x.Q'z Q'.xz z.xQ'

293. ЛЕН ДОЛГУНЕЦ рост стебля зелено-желтая 0.86 0.94 -0.94 -0.50 -0.77 -0.48 0.42 1.00 -0.85 -0.15 0.21 -0.05 0.95 0.94 0.87 0.94 0.94 0.50спелость

294. ЕЖА СБОРНАЯ кущение 0.97 0.730 0 -0.98 -0.75 1.00 -0.06 -0.23 0.97 0.97 0.752.й узел 0.97 -0.99 1.00 0.83 -0.94 1.00 1.00 1.00соломины выметывание 0.98 -0.95 -0.97 0.91 -0.12 -0.63 0.98 0.99 0.97

295. РАПС 0.87 -1. -0.81 0.20 -1.00 1.00 1.00 1.00 1.003.я пара листьев

Информация о работе

Бородий, Сергей Алексеевич
доктора сельскохозяйственных наук
Кострома, 2000
ВАК 06.01.09

Диссертация

Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах - тема диссертации по сельскому хозяйству, скачайте бесплатно

Автореферат

Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах - тема автореферата по сельскому хозяйству, скачайте бесплатно автореферат диссертации

Похожие работы