Математичні моделі прогнозування врожайності біоенергетичних культур
DOI:
https://doi.org/10.47414/na.12.3.2024.317422Ключові слова:
верба енергетична, міскантус гігантський, NDVI індексАнотація
Мета. Визначити математичні моделі, придатні для прогнозування врожайності біоенергетичних культур, та закономірності моніторингу стану біоенергетичних культур.
Методи. Польові дослідження проводили в умовах зон нестійкого (дослідне поле Інституту біоенергетичних культур і цукрових буряків НААН України, с. Ксаверівка друга, Київська обл.) та достатнього зволоження (Ялтушківська дослідно-селекційна станція ІБКіЦБ, с. Черешневе, Вінницька обл.) Правобережного Лісостепу України впродовж 2022−2024 рр.
Результати. Заморозки згубно діють на молоді паростки міскантусу гігантського, і попри повторне відростання, зниження врожайності культури сягало 15,5 % (зона достатнього зволоження) та 22,4 % (зона нестійкого зволоження). Недостатнє вологозабезпечення теж обмежує формування врожайності міскантусу гігантського, обмежуючи дозу удобрення до 20 кг/га. За таких умов прогнозну врожайність міскантусу можна розрахувати за рівнянням: у = 15,19 + 0,29 Х – 0,005 Х2. В умовах же достатнього зволоження, невеликі дози добрив не обмежують функції лінійного приросту біомаси міскантусу гігантського. За таких умов прогнозну врожайність можна визначити за рівнянням: у = 18,44 + 0,25 Х.
Висновки. Для розрахунку прогнозної врожайності в умовах конкретного регіону варто користуватись можливостями регресійної моделі, запропонованої Воссеном, яка враховує середню врожайність, лінійний часовий тренд та лінійну регресійну функцію. А для певного агрокліматичного регіону показник урожайності біоенергетичних культур визначається за формулою, яка враховує загальну площу земель регіону, частку площ, задіяних під вирощуванням біоенергетичної культури, та показників прогнозної для умов регіону врожайності. Система прогнозування врожайності біоенергетичних культур умовно складається з таких рівнів: 1) визначення площ плантацій біоенергетичних культур у межах ГІС-карти регіону з уточненням віку плантації та сортів, що використовуються; 2) уточнення умов середовища (тип ґрунту, режим вологозабезпечення, мінеральне живлення); 3) спостереження за елементами погоди; 4) спостереження за вегетаційними індексами; 5) моделювання врожайності.
Посилання
Anderson, P. K., Cunningham, A. A., Patel, N. G., Morales, F. J., Epstein, P. R., & Daszak, P. (2004). Emerging infectious diseases of plants: Pathogen pollution, climate change, and agrotechnology drivers. Trends in Ecology & Evolution, 19, 535–544. doi: 10.1016/j.tree.2004.07.021
Arkin, G. F., Vanderlip, R. L., & Ritchie, J. T. (1976). A dynamic grain sorghum growth model. Transactions of the ASAE, 19, 622–626. doi: 10.13031/2013.36082
Aslan, M. F., Sabanci, K., & Aslan, B. (2024). Artificial intelligence techniques in crop yield estimation based on Sentinel-2 data: A comprehensive survey. Sustainability, 16(18), Article 8277. doi: 10.3390/su16188277
Audsley, E., Pearn, K. R., Simota, C., Cojocaru, G., Koutsidou, E., Rounsevell, M. D. A., Trnka, M., & Alexandrov, V. (2006). What can scenario modeling tell us about future European-scale agricultural land use, and what not? Environmental Science & Policy, 9, 148–168. doi: 10.1016/j.envsci.2005.11.008
Baker, R. H. A., Sansford, C. E., Jarvis, C. H., Cannon, R. J. C., MacLeod, A., & Walters, K. F. A. (2000). The role of climatic mapping in predicting the potential distribution of non-indigenous pests under current and future climates. Agriculture, Ecosystems & Environment, 82, 57–71. doi: 10.1016/s0167-8809(00)00216-4
Berti, A., Morari, F., Borin, M., & Giardini, L. (2001). Use of CropSyst to simulate a four-year rotation with different fertilization levels. In Proceedings of the Second International Symposium Modelling Cropping Systems (pp. 105–106). Florence, Italy.
Bocchi, S., Confalonieri, R., & Bechini, L. (2001). CropSyst for rice in Northern Italy. In Proceedings of the Second Modelling Cropping Systems International Symposium (pp. 51–52). Florence, Italy.
Boogaard, H. L., de Wit, A. J. W., te Roller, J. A., & van Diepen, C. A. (2014). User’s guide for the WOFOST Control Centre 2.1 and WOFOST 7.1.7 crop growth simulation model. Wageningen: Alterra, Wageningen University & Research Centre.
Jones, K. J., Hoogenboom, J. W., & Pickering, N. B. (1998). The CROPGRO model for grain legumes. In G. Y. Tsuji, G. Hoogenboom, & P. K. Thornton (Eds.), Understanding options for agricultural production (pp. 99–128). Dordrecht: Kluwer Academic Publishers. doi: 10.1007/978-94-017-3624-4_6
Bouman, B. A. M., van Keulen, H., van Laar, H. H., & Rabbinge, R. (1996). The 'School of de Wit' crop growth simulation models: A pedigree and historical overview. Agricultural Systems, 52, 171–198. doi: 10.1016/0308-521x(96)00011-x
Cammarano, D., Miguez, F. E., & Puntel, L. (2023). Process-based models and simulation of nitrogen dynamics. In D. Cammarano, F. K. van Evert, & C. Kempenaar (Eds.), Precision agriculture: Modelling (pp. 105–127). Cham: Springer. doi: 10.1007/978-3-031-15258-0_5
Cen, H., & Wan, L. (2023). Crop yield estimation and prediction. In Zhang (Ed.), Encyclopedia of smart agriculture technologies (pp. 1–13). Cham: Springer. doi: 10.1007/978-3-030-89123-7_48-1
Chapman, S., Potgieter, A., & George-Jaegli, B. (2020). Extending the phenotype – combining proximal sensing with crop models to characterize radiation use efficiency. In Book of abstracts Second International Crop Modelling Symposium (iCROPM2020): Crop modelling for the future. Le Corum, Montpellier, France.
Chloupek, O., Hrstkova, P., & Schweigert, P. (2004). Yield and its stability, crop diversity, adaptability and response to climate change, weather and fertilization over 75 years in the Czech Republic in comparison to some European countries. Field Crops Research, 85, 167–190. doi: 10.1016/s0378-4290(03)00162-x
Choruma, D. J., Akamagwuna, F. C., & Odume, N. O. (2022). Simulating the impacts of climate change on maize yields using EPIC: A case study in the Eastern Cape Province of South Africa. Agriculture, 12(6), Article 794. doi: 10.3390/agriculture12060794
de Wit, A., Boogaard, H., Fumagalli, D., Janssen, S., Knapen, R., van Kraalingen, D., … van Diepen, K. (2019). 25 Years of the WOFOST Cropping Systems Model. Agricultural Systems, 168, 154–167. doi: 10.1016/j.agsy.2018.06.018
de Wit, A. J. W., van Diepen, C. A., & Kroes, J. G. (2005). Application of remote sensing data as inputs for the WOFOST 7.1 and SWAP 2.0 models. In G. Maracchi, A. Mestre, L. Toulios, & B. Gozzini (Eds.), Use and availability of meteorological information from different sources as input in agrometeorological models (pp. 362–378). [S. l.]: EC DG XII.
de Wit, C. T., Brouwer, R., & Penning de Vries, F. W. T. (1970). The simulation of photosynthetic systems. In Proceeding IBP/PP Technical Meeting Trebon 1969 (pp. 47–50). Wageningen: Pudoc.
Diaz-Ambrona, C. G. H., O’Leary, G. J., O’Connell, M. G., & Connor, D. J. (2001). Application of CropSyst to a new location and crops: Advantages and limitations. In Proceedings of the Second International Symposium Modelling Cropping Systems (pp. 127–128). Florence, Italy.
Donatelli, M., Spallacci, P., Marchetti, R., & Papini, R. (1996). Evaluation of CropSyst simulations of growth of maize and of water balance and soil nitrate content following organic and mineral fertilization applied to maize. In Proceedings of the Fourth European Society for Agronomy Congress (Vol. I, pp. 342–343). Veldhoven-Wageningen, The Netherlands.
Donatelli, M., Stöckle, C. O., & Ceotto, E. (1997). CropSyst validation for cropping systems at two locations of Northern and Southern Italy. European Journal of Agronomy, 6, 35–45. doi: 10.1016/s1161-0301(96)02029-1
Donatelli, M., Stöckle, C. O., Nelson, R. L., & Francaviglia, R. (1999). Evaluating cropping systems in lowland areas of Italy using the cropping system simulation model CropSyst and the GIS software ARCVIEW. In Proceedings of the Seventh ICCTA Conference (pp. 114–121). Firenze, Italy.
Ferrer-Alegre, F., Villar, J. M., Carrasco, I., & Stöckle, C. O. (1999). Developing management decision tools from yield experiments with the aid of a simulation model: An example with N fertilization in corn. In Proceedings of the First International Symposium Modelling Cropping System (pp. 175–176). Lleida, Spain.
García-Tejera, O., López-Bernal, Á., & Villalobos, F. J. (2024). Crop models. In F. J. Villalobos, & E. Fereres (Eds.), Principles of agronomy for sustainable agriculture (pp. 599–611). Cham: Springer. doi: 10.1007/978-3-031-69150-8_40
Harrison, P. A., Butterfield, R. E., & Orr, J. L. (2000). Modelling climate change impacts on wheat, potato and grapevine in Europe. In T. E. Downing, P. A. Harrison, R. E. Butterfield, & K. G. Lonsdale (Eds.), Climate Change, Climatic Variability and Agriculture in Europe (pp. 367–390). Oxford, UK: Environmental Change Unit, University of Oxford.
Huang, J., Gomez-Dans, J. L., Huang, H., Ma, H., Wu, Q., Lewis, P. E., … Xie, X. (2019). Assimilation of remote sensing into crop growth models: Current status and perspectives. Agricultural and Forest Meteorology, 276–277, Article 107609. doi: 10.1016/j.agrformet.2019.06.008
Janjić, J., & Tadić, L. (2023). Fields of application of SWAT hydrological model: A review. Earth, 4(2), 331–344. doi: 10.3390/earth4020018
Jones, J. W., Tsuji, G. Y., Hoogenboom, G., Hunt, L. A., Thornton, P. K., Wilkens, P. W., … Singh, U. (1998). Decision support system for agrotechnology transfer DSSAT v3. In G. Y. Tsuji, G. Hoogenboom, & P. K. Thornton (Eds.), Understanding options for agricultural production (pp. 157–177). Dordrecht: Kluwer Academic Publishers. doi: 10.1007/978-94-017-3624-4_8
Jones, J. W., Porter, C. H., Boote, K. J., & Batchelor, W. (2003). DSSAT cropping system model. European Journal of Agronomy, 18, 235–265. doi: 10.1016/S1161-0301(02)00107-7
Jongman, R. H. G., Bunce, R. G. H., Metzger, M. J., & van Dijk, J. (2006). Objectives and application of a statistical environmental stratification of Europe. Landscape Ecology, 21, 409–419. doi: 10.1007/s10980-005-6428-0
Kaukoranta, T., & Hakala, K. (2008). Impact of spring warming on sowing times of cereal, potato and sugar beet in Finland. Agricultural and Food Science, 17, 165–176. doi: 10.2137/145960608785328198
Keating, B. A., Carberry, P. S., Hammer, G. L., Probert, M. E., Robertson, M. J., Holzworth, D., … Smith, C. J. (2003). An overview of APSIM, a model designed for farming systems simulation. European Journal of Agronomy, 18, 267–288. doi: 10.1016/s1161-0301(02)00108-9
Van Keulen, H., & Wolf, J. (Eds.). (1986). Modelling of agricultural production: Weather, soils, and crops. Wageningen, Netherlands: Pudoc.
Khaki, S., Wang, L., & Archontoulis, S. V. (2019). A CNN-RNN framework for crop yield prediction. Frontiers in Plant Science, 10, Article 1750. doi: 10.3389/fpls.2019.01750
Marchetti, R., Donatelli, M., & Spallacci, P. (1997). Testing denitrification functions of dynamic crop models. Journal of Environmental Quality, 26(2), 394–401. doi: 10.2134/jeq1997.00472425002600020009x
McCown, R. L., Hammer, G. L., Hargreaves, J. N. G., Holtzworth, D. P., & Freebairn, D. M. (1996). APSIM: A novel software system for model development, model testing and simulation in agricultural systems research. Agricultural Systems, 50, 255–271. doi: 10.1016/0308-521x(94)00055-v
Meinke, H., Baethgen, W. E., Carberry, P. S., Donatelli, M., Hammer, G. L., Selvaraju, R., & Stöckle, C. O. (2001). Increasing profits and reducing risks in crop production using participatory systems simulation approaches. Agricultural Systems, 70, 493–513. doi: 10.1016/s0308-521x(01)00057-9
Pala, M., Stöckle, C. O., & Harris, H. C. (1996). Simulation of durum wheat (Triticum durum) growth under differential water and nitrogen regimes in a Mediterranean type of environment using CropSyst. Agricultural Systems, 51, 147–163. doi: 10.1016/0308-521x(95)00043-5
Pasley, H., Brown, H., Holzworth, D., Whish, J., Bell, L., & Huth, N. (2022). How to build a crop model. A review. Agronomy for Sustainable Development, 43, Article 2. doi: 10.1007/s13593-022-00854-9
Sadeh, Y., Zhu, X., Dunkerley, D., Walker, J. P., Chen, Y., & Chenu, K. (2024). Versatile crop yield estimator. Agronomy for Sustainable Development, 44, Article 42. doi: 10.1007/s13593-024-00974-4
Silva, J. V., & Giller, K. E. (2020). Grand challenges for the 21st century: What crop models can and can’t (yet) do. The Journal of Agricultural Science, 158(10), 794–805. doi: 10.1017/S0021859621000150
Spitters, C. J. T., van Keulen, H., & van Kraailingen, D. W. G. (1989). A simple and universal crop growth simulator: SUCROS87. In R. Rabbinge, S. A. Ward, & H. H. van Laar (Eds.), Simulation and systems management in crop protection (pp. 147–181). Wageningen: Pudoc. doi: 10.1007/bf00024963
Swaney, D. P., Jones, J. W., Boggess, W. G., Wilkerson, C. G., & Mishoe, J. W. (1983). Real-time irrigation decision analysis using simulation. Transactions of the ASAE, 26, 562–568. doi: 10.13031/2013.33979
Van Dam, J. C., Groenendijk, P., Hendriks, R. F. A., & Kroes, J. G. (2008). Advances of modelling water flow in variably saturated soils with SWAP. Vadose Zone Journal, 7, 640–653. doi: 10.2136/vzj2007.0060
Ventrella, D., & Rinaldi, M. (1999). Comparison between two simulation models to evaluate cropping systems in Southern Italy. Yield response and soil water dynamics. Agricoltura Mediterranea, 129, 99–110.
Yin, P. C., & Struik, X. (2010). Modelling the crop: from system dynamics to systems biology. Journal of Experimental Botany, 61(8), 2171–2183. doi: 10.1093/jxb/erp375
Antonenko, V. S. (2002). Dynamic modelling of growth, development, and productivity formation of winter wheat. Kyiv: ArtEk. [In Ukrainian]
Polovyi, A. M. (2013). Modelling of the hydrometeorological regime and productivity of agroecosystems. Odesa: Ekolohiia. [In Ukrainian]
