Моделювання продукційного процесу рослин кукурудзи залежно від диференціації умов вирощування

Размещено на http://www.allbest.ru/

УДК 631.1:551.451.8(477:72)

Херсонський державний аграрний університет

МОДЕЛЮВАННЯ ПРОДУКЦІЙНОГО ПРОЦЕСУ РОСЛИН КУКУРУДЗИ ЗАЛЕЖНО ВІД ДИФЕРЕНЦІАЦІЇ УМОВ ВИРОЩУВАННЯ

О.В. Ларченко

Постановка проблеми. Вирощування кукурудзи в умовах зрошення потребує врахування інтенсивності продукційних процесів рослин залежно від особливостей погодних умов, характерних для певних ґрунтово-кліматичних зон, та їх здатності акумулювати найвищу кількість фотосинтетично активної радіації (ФАР). Крім того, важливе наукове й практичне значення має оптимізація технологій вирощування кукурудзи на зерно, які дозволяють отримати найвищий рівень продуктивності рослин, підвищити окупність агроресурсів та економічну ефективність виробництва, зменшити антропогенний тиск на довкілля.

Аналіз останніх досліджень і публікацій. Кукурудза відноситься до найважливіших зернових культур сучасного землеробства. В останні роки на її частку припадало приблизно 70-75% світової торгівлі кормовим зерном. Попит на кукурудзу наростає більш швидкими темпами порівняно з іншими зерновими культурами, особливо в країнах, що розвиваються. Економічні фактори та щорічно зростаючий попит обумовили ріст посівних площ під кукурудзою. Такі тенденції в умовах підвищення вартості енергоносіїв та інших виробничих засобів обґрунтовують необхідність оптимізації елементів технології вирощування, розробки й удосконалення заходів ресурсоощадження, підвищення окупності від добрив, поливної води пестицидів, зниження антропогенного тиску на довкілля тощо. Зазначені питання є дуже актуальними, оскільки недостатньо вивчені можливості оптимізації технологій вирощування кукурудзи на зерно за рахунок використання природних і агротехнологічних чинників та створення математичних моделей продукційного процесу, які мають найвищі параметри в умовах зрошення (наприклад, взаємодія факторів - біологічно оптимальний режим зрошення, розрахункові дози добрив, підвищення густоти стояння рослин та ін.) [1-4].

Математичні закономірності можна встановити у різних сферах - промисловості, сільському господарстві, економіці тощо. Під час встановлення таких моделей враховують, у першу чергу, позитивний ефект, проте іноді зустрічаються й негативний синергізм, що залежить від інтенсивності та характеру дії і взаємодії на кінцевий результат процесу. Для досягнення позитивних синергічних ефектів необхідна гармонійна система цілей, які відображають завдання для вирішення стратегії і структури загального потенціалу складних систем [5].

Наприкінці XX століття понад 3/4 зерна кукурудзи поставлялося на світовий ринок із США, проте починаючи з 2002 року на ринку цього зерна відбулися істотні зміни. За останні роки об'єм світової торгівлі кукурудзою збільшився приблизно на 10-12 млн. т при цьому американський експорт скоротився на 5 млн. т. Основними конкурентами США на ринку кукурудзи виступають Китай, Аргентина і Бразилія. В КНР зосереджена більше половини світових запасів зерна кукурудзи. В останні роки розширенню китайського експорту сприяло зростання світових цін на кукурудзу й скорочення її внутрішнього споживання [6].

Успіхи країн-експортерів на ринку кормового зерна пов'язані, в першу чергу, з досягненням стійких темпів зростання врожайності. З середини минулого сторіччя стабільне зростання середньої урожайності зерна кукурудзи забезпечувалося за рахунок виведення високоврожайних і стійких до захворювань гібридів. Істотний вплив на підвищення рівня продуктивності рослин кукурудзи спричинило широкомасштабне впровадження досягнень біотехнології та генної інженерії. З 1990 р. у СІЛА розпочалося вирощування генетично модифікованих сортів кукурудзи, які здатні формувати високий і якісний врожай, мають стійкість до шкідників і хвороб, що забезпечує при їх вирощуванні найкращі економічні показники. В останні роки також швидко зростають темпи - розповсюдження ГМО-кукурудзи в Аргентині та Канаді [7].

Крім вищенаведених чинників зростання врожайності забезпечує оптимізація елементів технології вирощування, використання засобів інтенсифікації агровиробництва - зрошення, добрив, пестицидів, регуляторів росту тощо [8-9].

Постановка завдання. Завданням досліджень було розробити заходи підвищення продуктивності кукурудзи на зерно з рахунок синергічної оптимізації агротехнологічних чинників та використання новітніх статистичних методів і засобів.

Вихідними даними для розробки математичних моделей були результати багаторічних польових досліджень з розробки технологій вирощування кукурудзи на зерно, які проведені в Інституті землеробства південного регіону НААН України і в яких автори приймали безпосередню участь [10]. Дослідження з цього напряму проведені з використанням спеціальних методик із застосування інформаційних технологій сільському господарстві [11, 12].

Виклад основного матеріалу. Одержання високих і сталих врожаїв кукурудзи на зрошуваних землях можливо лише за умов оптимальної кількості поливної води, елементів живлення, густоти стояння рослин та інших агротехнологічних чинників, витрати яких необхідно коригувати з особливостями погодних умов вегетаційного періоду, диференціацією потреби у волозі й поживних речовинах за фазами розвитку, фітосанітарного стану посівів тощо. продуктивність кукурудза регресійний кореляційний

В останнє десятиріччя спостерігається сплеск в області дослідження і застосування штучних нейронних мереж [11]. Цей метод вже набув поширення в біохімічних дослідженнях, в медицині, молекулярної біології, екології (моделювання просторової динаміки риб, прогноз відтворювання фітопланктону, різноманітності риб тощо), в дослідженнях з розпізнаванню образів і мови. Залежно від поставленої задачі (узагальнення, оптимізація, управління, прогноз, редукція даних та ін.) розглядають і застосовують різні види нейронних мереж.

За допомогою статистичного моделювання нами була сформована нейронна мережа показників продукційного процесу залежно від комплексного впливу природних та технологічних факторів (рис. 1).

Архітектура побудованої нейронної мережі (РБФ 6:19-1-1:1, N = 10) заснована на десяти елементах (нейронах), які мають вплив на інтенсивність продукційного процесу кукурудзи. Нейрони поділяються на два блоки:

І. Природні фактори:

1. Надходження фотосинтетично активної радіації.

2. Сума температур повітря понад 5°С.

3. Сума температур повітря понад 10°С.

4. Кількість атмосферних опадів.

5. Сумарне водоспоживання. II. Технологічні фактори:

6. Зрошувальна норма.

7. Винос азоту з врожаєм.

8. Винос фосфору з врожаєм.

9. Винос калію з врожаєм

10. Густота стояння рослин.

Слід зауважити, що в розробленій нейронній мережі можна змінювати лише елементи другого блоку. Проте, шляхом оптимізації технологічних факторів можна подолати негативний вплив природних чинників (наприклад, посуху, нестачу елементів живлення тощо) та істотно підвищити продуктивність рослин.

Рис. 1. Нейронна мережа для моделювання продукційного процесу рослин кукурудзи для умовах зрошення півдня України

Тому важливою задачею є встановлення оптимального ресурсного потенціалу продуктивності з метою формування найвищого рівню врожаю, підвищення якості зерна, що забезпечить максимальний економічний та екологічний ефект.

За результатами узагальнення багаторічних (1970-2008 рр.) експериментальних даних польових дослідів лабораторій селекції кукурудзи, зрошення, агрохімії, меліоративного ґрунтознавства та автоматизованих систем управління Інституту зрошуваного землеробства НААН України [10] з використанням засобів програми SТАТІSТІСА 6.1 сформована база вихідних даних продуктивності середньостиглих гібридів кукурудзи при біологічно оптимальному режимі зрошення залежно від природних та агротехнологічних чинників.

За результатами статистичної обробки впливу показників, які обумовлюють інтенсивність продукційних процесів кукурудзи, доведено, що всі досліджувані фактори мають різну ступінь дії та взаємодії.

Показники надходження фотосинтетично активної радіації мають середній рівень впливу на продуктивність кукурудзи (г=0,3935). Відносно температур повітря понад 5 і 10°С, то відмічена слабка від'ємна тенденція впливу на продуктивність рослин (г= -0,2105 і -0,2116). Це пояснюється негативною дією підвищених температур та низькою відносною вологістю повітря у гостропосушливі роки (наприклад, 1996, 2002, 2007 рр.).

Середній рівень впливу (г=0,3507 та 0,5472) мають відповідно сумарне водоспоживання та зрошувальна норма. Найтісніші кореляційні зв'язки виявлені щодо впливу на продуктивність рослин густоти стояння рослин та забезпеченості елементами живлення і, в першу, чергу, азотом. Коефіцієнт кореляції за цими факторами перевищував 0,9, що вказує на наявність дуже тісного взаємозв'язку.

За результатами статистичного моделювання в програмі розроблена оптимізаційна модель вирощування кукурудзи на зерно залежно від строків сівби та густоти стояння рослин, яка враховує комплекс природних та агротехнологічних чинників півдня України (рис. 2).

Рис. 2. Прогностична модель росту й розвитку рослин кукурудзи залежно від тривалості вегетаційного періоду з використанням програми Aqua Crop 3.1

Використовуючи створену математичну модель можна проводити програмування врожайності різних за скоростиглістю гібридів кукурудзи в умовах зрошення. Крім того, для моделювання можна використовувати інші елементи нейронної мережі продукційного процесу, які відповідають лінійним регресійним рівнянням та мають середній або високий кореляційний взаємозв'язок.

Висновки

За результатами статистичної обробки експериментальних даних продуктивності кукурудзи на зерно при оптимальному режимі зрошення встановлено, що найвищій вплив на продуктивність рослин мають густота стояння рослин та вміст в ґрунті елементів живлення й, в першу чергу, азоту.

За створеною математичною моделлю можна проводити програмування врожайності зерна кукурудзи залежно від строків сівби та густоти стояння рослин. Крім того, для моделювання можна використовувати інші елементи нейронної мережі, які відображені лінійним регресійними рівняннями та мають середню або високу ступінь кореляційних взаємозв'язків.

Список використаних джерел

1. Лисогоров К.С, Писаренко В.А. Наукові основи використання зрошуваних земель у степовому регіоні на засадах інтегрального управління природними і технологічними процесами // Таврійський науковий вісник. - 2007. - Вип. 49. - С 49-52.

2. Власова О.В. Отримання просторового розподілення даних для планування зрошення // Таврійський науковий вісник. - Херсон; Айлант. - 2005. - Вип. 41. - С. 137-143.

3. Жовтоног О.І Кириєпко 0.1, Шостак І.К Алгоритм планування зрошення з використанням геоінформаційних технологій для системи точного землеробства // Меліорація і водне господарство. - 2004. - Вип. 91. - С. 33-41.

4. Ушаков А.В. Пространственный анализ в сельском хозяйстве: Подход с использованием ГИС.-М.: Дата+,2005.- С. 18-21.

5. Єгоргиин О.О., Лісовий М.В. Методика статистичної обробки експериментальної інформації довгострокових стаціонарних польових дослідів з добривами. - Харків: Друкарня № 14, 2007. - 45с.

6. Ковалев В.М. Теория урожая. - М.: МСХА, 2003. - С. 387-394.

7. Ушкаренко В.О., Міхеєв Є.К. Основні аспекти створення системи точного землеробства.-К.:НАУ, 2002.-Т. 11. -С. 130-134.

8. Заключні звіти лабораторій зрошення, селекції кукурудзи та агрохімії та меліоративного ґрунтознавства ІЗПР НААН України за програмою 03 "Розвиток меліорованих територій" за 2006-2010 рр. - Херсон: ІЗПР НААНУ, 2010.

9. Галушкин А.И. Теория нейронных сетей.- М.: ИПРЖР, 2000.- 416 с.

10. Дисперсійний і кореляційний аналіз результатів польових дослідів : монографія / [Ушкаренко В.О., Нікішенко В.Л, Голобородько С.П., Коковіхін С.В.]. - Херсон: Айлант, 2009. -372 с: іл.

Анотація

В статті наведено результати статистичної обробки експериментальних даних продуктивності кукурудзи на зерно при оптимальному режимі зрошення. Встановлено, що значний вплив на продуктивність рослин мають строки сівби та густота стояння рослин. Встановлені залежності можна використовувати для моделювання продукційного процесу кукурудзи, які відповідають лінійним регресійним рівнянням та мають високий кореляційний взаємозв'язок.

Ключові слова: кукурудза, зрошення, нейронні мережі, кореляція, регресія, модель.

The results of the statistical experimental data processing of productivity of corn at the optimum regime irrigation are resulted in the article. It is set, that have a considerable influence on productivity of plants terms of sowing and density of standing of plants. The set dependences can be used for the design of products process of corn, which answer linear regressive equalizations and have high correlation intercommunication.

Keywords: corn, irrigation, neuron networks, correlation, regression, model.

Размещено на Allbest.ru