2020, випуск 1, c. 53-61

Одержано 06.02.2020; Виправлено 24.02.2020; Прийнято 10.03.2020

Надруковано 31.03.2020; Вперше Online 26.04.2020

https://doi.org/10.34229/2707-451X.20.1.6

Попередня  |  Повний текст  |  Наступна

 

МОДЕЛЮВАННЯ КВАНТИЛЕЙ РОЗПОДІЛУ ЙМОВІРНОСТЕЙ  ВРОЖАЙНОСТІ за УМОВ ЗМІНИ КЛІМАТУ (НА ПРИКЛАДІ КУКУРУДЗИ)

В.А. Пепеляєв 1 *,   О.М. Голодніков 1,   Н.О. Голоднікова 1

1 Інститут кібернетики імені В.М. Глушкова, Київ, Україна

* Листування: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.

 

Вступ. За умов глобального потепління виникла нагальна потреба у адаптації аграрного сектору до кліматичних змін, яка, зокрема, передбачає адекватний вибір структури посівів. Для цього необхідно визначити які культури  найбільш пристосовані до нових кліматичних умов, і науково обґрунтувати їх розміщення по території України. Традиційний підхід до відбору сільськогосподарських культур, який полягає у проведенні польових випробувань їх реакції на кліматичні зміни, вимагає багато часу. Альтернативою цьому мають стати методи математичного моделювання врожайності сільськогосподарських культур у нових кліматичних умовах. В статті пропонується для моделювання залежності врожайності від кліматичних параметрів використовувати більш гнучкий підхід, метод квантильної регресії, який дозволяє визначати будь-який квантиль функції розподілу цього показника, а не тільки одне значення (середнє), як у випадку зі стандартною регресією. Модель врожайності сільськогосподарської культури на основі квантильної регресії була розроблена на базі моделі В.П. Дмитренка «Погода-врожай» [8, 9]. Як вхідні дані використовувались: 1) врожайність кукурудзи в розрізі декількох районів українського Лісостепу за останні роки; 2) інформація про середньомісячні значення температури повітря і кількість опадів в цих районах протягом останніх років; прогнози середніх місячних температур повітря і кількості опадів в Україні на найближчу (до 2030 р.) та більш віддалену (2031 – 2050 рр.) перспективи, які були отримані фахівцями Українського гідрометеорологічного інституту [10–12].

Мета статті. Розробити математичну модель для оцінки рівня врожайності сільськогосподарських культур, яка б враховувала невизначеність, пов'язану з кліматичними змінами в найближчій і більш віддаленій перспективах.

Результати. За допомогою розробленої моделі отримані оцінки квантилей функції розподілу врожайності кукурудзи на найближчу (до 2030 р.) та на більш віддалену (2031 – 2050 рр.) перспективи як на рівні окремого (Центрального) регіону України, так і на рівні окремої (Тернопільської) області. Результати моделювання свідчать, що прогнозовані в [10–12] погодні умови протягом найближчих 30 років дозволять з великою ймовірністю отримувати непогані врожаї кукурудзи.

 

Ключові слова: адаптація до кліматичних змін, моделювання врожайності, квантильна регресія, міжфазні періоди.

 

Цитувати так: Пепеляєв В.А., Голодніков О.М., Голоднікова Н.О. Моделювання квантилей розподілу ймовірностей врожайності за умов зміни клімату (на прикладі кукурудзи). Cybernetics and Computer Technologies. 2020. 1. С. 53–61. https://doi.org/10.34229/2707-451X.20.1.6

 

Список літератури

           1.     Польовий А.М.  Моделювання гідрометеорологічного режиму та продуктивності агроекосистем. Одес. держ. екол. ун-т. Одеса: Екологія, 2013. 430 с.

           2.     Wallach D., Makowski D., Jones J.W., Brun F. Working with Dynamic Crop Models. Methods, Tools and Examples for Agriculture and Environment. 2nd Edition. Academic Press, 2014. 504 p.

           3.     Зубов О.Р., Зубова Л.Г., Славгородська Ю.В. Оцінка впливу метеорологічних факторів на врожайність озимих культур в умовах північної частини Луганської області. Вісник Полтав. держ. аграр. акад.  2012. 2. С. 1420.

           4.     Холод С.Г. Залежність урожайності проса та її елементів від агрокліматичних умов зони вирощування. Вісник Центру наукового забезпечення АПВ Харківської області. 2016. 20. С. 75–83. http://nbuv.gov.ua/UJRN/Vcnzapv_2016_20_13

           5.     Shastry A., Sanjay H.A., Bhanusree E. Prediction of Crop Yield Using Regression Techniques. International Journal of Soft Computing.  2017. 12 (2) P. 96–102. https://medwelljournals.com/abstract/?doi=ijscomp.2017.96.102

           6.     Sellam V., Poovammal E. Prediction of Crop Yield using Regression Analysis. Indian Journal of Science and Technology. 2016. 9 (38). P. 1–5. https://doi.org/10.17485/ijst/2016/v9i38/91714

           7.     Koenker R., Bassett G. Regression Quantiles. Econometrica. 1978. 46 (1). P 33–50. https://pdfs.semanticscholar.org/a3cd/bfbba2ef3ce285980edc1213a4ac56f05bb1.pdf

           8.     Дмитренко В.П. Погода, клімат і урожай польових культур. Київ: Ніка-Центр, 2010. 620 с.

           9.     Дмитренко В.П., Однолєток Л.П., Кривошеїн О.О., Круківська А. В. Розвиток методології оцінки потенціалу урожайності сільськогосподарських культур з урахуванням впливу клімату і агрофітотехнологій. Український гідрометеорологічний журнал. 2017. 20. С. 52–60. https://uhmj.odeku.edu.ua/wp-content/uploads/2017/12/8-DMITRENKO-ODNOLETOK.pdf

       10.     Краковська С.В., Гнатюк Н.В., Шпиталь Т.М.. Можливі сценарії кліматичних умов у Тернопільській області впродовж ХХІ ст. Наукові записки Тернопільського національного педагогічного університету імені Володимира Гнатюка. Серія : Географія. 2014. 1. С. 55–67. http://nbuv.gov.ua/ujrn/nztnpug_2014_1_10

       11.     Краковська С.В., Гнатюк Н.В., Шпиталь Л.В. Паламарчук Т.М. Проекції змін приземної температури повітря за даними ансамблю регіональних кліматичних моделей у регіонах України в ХХІ столітті. Наукові праці Українського науково-дослідного гідрометеорологічного інституту. 2016. 268. С. 33–44. http://nbuv.gov.ua/ujrn/npundgi_2016_268_6

       12.     Заключний звіт «Про науково-дослідну роботу розроблення сценаріїв зміни кліматичних умов в Україні на середньо- та довгострокову перспективу з використанням даних глобальних та регіональних моделей». УкрГМІ. https://uhmi.org.ua/project/rvndr/climate.pdf

       13.     Klein Tank, A.M.G. and Coauthors. Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. International Journal of Climatology. 2002. 22. P. 1441–1453. https://doi.org/10.1002/joc.773

 

 

ISSN 2707-451X (Online)

ISSN 2707-4501 (Print)

Попередня  |  Повний текст  |  Наступна

 

 

 

© Вебсайт та оформлення. 2019-2022,

Інститут кібернетики імені В.М. Глушкова НАН України,

Національна академія наук України.