Содержание к диссертации
Введение
Анализ состояния вопроса. постановка задач исследования 13
1.1. Структурно-функциональное описание системы земледелия, ее основные свойства и особенности 13
1.2. Почва-растение как единая экосистема и необходимость управления ее внутренним состоянием (содержанием гумуса) с целью достижения запланированной урожайности культур
1.3. Анализ методов математического моделирования агрэкосистем в целях рационального управления их состоянием
1.4. Постановка задач исследования
Выводы 31
Разработка методического и информационного обеспечения для моделирования агроэкосистемы 32
2.1. Разработка методики математического моделирования агроэкосистем для рационального управления их состоянием
2.2. Основные характеристики полевых опытов для исследуемой агроэкосистемы 35
2.3. Разработка баз данных мониторинга агроэкосистемы .
2.4. Структурно-функциональный анализ агроэкосистемы и определение критериев оптимизации для управления ее состоянием 43
Выводы 54
- Почва-растение как единая экосистема и необходимость управления ее внутренним состоянием (содержанием гумуса) с целью достижения запланированной урожайности культур
- Анализ методов математического моделирования агрэкосистем в целях рационального управления их состоянием
- Основные характеристики полевых опытов для исследуемой агроэкосистемы
- Структурно-функциональный анализ агроэкосистемы и определение критериев оптимизации для управления ее состоянием
Введение к работе
Актуальность темы. Важнейшей компонентой социально-экономических систем являются агроэкосистемы, значение которых определяется на уровне качества жизнеобеспечения, выживаемости и безопасности существования регионов и государства в целом. В процессе эксплуатации агро-экосистем ведущее место занимает задача рационального управления их состоянием с целью повышения биопродуктивности культур и экономической эффективности сельскохозяйственного производства. Одновременно с этим необходимо добиваться сохранения плодородия почвы, которое определяется в первую очередь запасами гумуса, что является важнейшей задачей в области управления охраной природы.
Сложность решения данной научной задачи определяется следующими свойствами и особенностями агроэкологических систем:
- многофакторность и многокритериальность, стохастические и нелинейные зависимости показателей биопродуктивности и плодородия почвы от антропогенных и абиотических факторов;
- неуправляемость и априорная неопределенность абиотических факторов (погодных условий);
- последействие агропроцессов, заключающееся в том, что под действием антропогенных факторов изменяется плодородие почвы, влияющее на биопродуктивность систем в последующие годы.
Фундаментальные теоретические положения по вопросам математического моделирования, прогнозирования и управления состоянием агроэкоси-стем сформулированы в трудах Образцова А.С., Каюмова М.К., Шатилова И.С., Перегудова В.Н., Державина Л.М., Стребкова И.М., Рубанова И.А., Доспехова Б. А., Полуэктова Р.А., Уайсонг Г. Л., Фиссер X. Г., Хеди Э, Диллон Д. и др.
Основная проблемная ситуация заключается в том, что существующие методы принятия решений и математические модели агроэкосистем имеют узкоспециализированный характер и не в полной мере обеспечивают качественное управление их состоянием. Они ориентированы на решение задач, связан ных с получением достаточно высокой биопродуктивности отдельных монокультур при определенных погодных условиях и конкретных значениях параметров плодородия почвы. При моделировании не учитывается необходимость систематического достижения высокой биопродуктивности, рентабельности производства всех культур севооборота при любых погодных условиях, а также возможность снижения уровня плодородия почвы.
В связи с вышеизложенным имеет место актуальная задача научного обоснования и разработки методов и средств совершенствования управления состоянием агроэкосистем в условиях априорной неопределенности абиотических факторов. Они.включают в себя математические модели агроэкосистем, а также методы и алгоритмы решения задач управления их состоянием.
Важнейшими управляемыми факторами, влияющими на состояние агроэкосистем, являются дозы вносимых минеральных и органических удобрений. В связи с этим в рамках данной диссертационной работы рассматриваются именно эти факторы.
Диссертационная работа выполнена в соответствии с научным направлением Курского государственного технического университета "Медико-экологические информационные технологии", научно-технической программой "Научные исследования высшей школы по приоритетным направлениям науки и техники" подпрограммой 204 "Технология живых систем", проектом №03.03.031.
Объект исследования: процессы управления состоянием агроэкосистем .
Предмет исследования: методы, модели и алгоритмы прогнозирования и управления состоянием агроэкосистем Центрально-Черноземного региона России.
Цель и задачи исследования.
Цель работы: повышение эффективности управления состоянием агроэкосистем на основе разработки комплекса методов, моделей и алгоритмов, обеспечивающих рационализацию процесса внесения удобрений.
Основная задача научных исследований заключается в разработке методов, моделей, алгоритмов, а также постановке и решении многокритериаль ных оптимизационных задач, учитывающих требования по биопродуктивности культур, рентабельности сельскохозяйственного производства и сохранению плодородия почвы для повышения эффективности управления состоянием аг-роэкосистем.
Для достижения поставленной цели решаются следующие частные задачи:
- разработка метода математического моделирования агроэкосистем для эффективного управления их состоянием;
- разработка математической модели агроэкосистемы в виде совокупности регрессионных моделей урожайности культур, плодородия почвы, аналитических хмоделей экономической эффективности- и алгоритма имитации функционирования агроэкосистемы, позволяющей повысить эффективность управления ее состоянием;
- разработка метода рационального управления состоянием агроэкосистемы, учитывающего различные варианты погодных условий;
- разработка алгоритма взаимодействия оперативного и планового управления состоянием агроэкосистемы, учитывающего фактическое плодородие почвы на начало ротации;
- разработка общей структуры системы поддержки принятия решений для управления состоянием агроэкосистемы, а также исследование биопродуктивности и экономической эффективности агроэкосистемы на основе прогнозов, выполненных по имитационному алгоритму, являющемуся основой СПГТР;
- определение критериев-принятия решений, учитывающих показатели биопродуктивности агроэкосистемы, рентабельности сельскохозяйственного производства, сохранения плодородия почвы и разработка на их основе рекомендаций по рациональному управлению состоянием агроэкосистемы, обеспечивающих выполнение данных критериев.
Методы и математический аппарат исследования.
В работе использованы методы системного анализа, теории управления и принятия решений, теории планирования эксперимента, теории вероятностей, математической статистики, прогнозирования, аналитического и имитационного моделирования.
Научная новизна.
1. Разработан метод математического моделирования агроэкосистем, отличающийся тем, что для моделирования агропроцессов используется комбинация регрессионных уравнений биопродуктивности культур и изменения плодородия почвы за период ротации, полученных по статистическим данным полевых опытов, экономико-математических моделей, позволяющих оценить экономическую эффективность системы и имитационного алгоритма, описывающего чередование культур в севообороте и погодные условия.
2. Разработана совокупность математических моделей, включающая регрессионные модели биопродуктивности агроэкосистемы и изменения содержания гумуса за период ротации, аналитические модели рентабельности сельскохозяйственных культур и алгоритм имитации функционирования агроэкосистемы.
3. Предложены критерии принятия решений, отличающиеся тем, что они в комплексе учитывают показатели урожайности, рентабельности производства всех культур севооборота, содержания гумуса в почве, ограничения по количеству вносимых минеральных удобрений, влияющих на загрязнение окружающей среды.
4. Для исследуемой агроэкосистемы получены новые зависимости и соотношения, а именно:
- соотношения вносимых минеральных и органических удобрений, приводящие к стабилизации гумуса;
- зависимости средней за время прогноза урожайности и рентабельности сельскохозяйственных культур от количества удобрений, стабилизирующих гумус;
соотношения статистических частот урожайности культур, попавших в зоны низких, средних и высоких урожаев при значениях управляемых параметров, приводящих к сохранению плодородия почвы.
5. Разработан метод рационального управления состоянием агроэкоси-стемы, позволяющий снизить недобор запланированного урожая, особенностью которого является то, что окончательные решения по внесению удобрений принимаются с учетом нескольких вариантов погодных условий по критерию минимакса Сэвиджа.
6. Разработан алгоритм взаимодействия оперативного и планового управления состоянием агроэкосистемы, отличающийся тем, что значения управляемых параметров изменяются в связи с изменением первоначальной постановки оптимизационной задачи или фактическим содержанием гумуса на начало ротации.
Практическое значение работы.
1. Разработанная система поддержки принятия решений для управления состоянием агроэкосистемы позволяет:
- повысить урожайность и рентабельность производства сельскохозяйственных культур;
- сохранить уровень плодородия почвы, снизить степень загрязнения почв вредными веществами, поступающими вместе с минеральными удобрениями;
- исходя из минимальной гарантированной урожайности культур и варианта вносимых удобрений определить посевные площади и необходимый запас удобрений для производства запланированного объема сельскохозяйственной продукции.
2. Разработаны рекомендации по рациональному управлению состоянием -агроэкосистемы, учитывающие требования по биопродуктивности агроэкосистемы, рентабельности сельскохозяйственного производства и сохранения плодородия почвы.
3. Созданы информационные базы данных мониторинга агроэкосистемы, позволяющие разрабатывать математические модели агропроцессов.
Реализация работы.
Базы данных мониторинга агроэкосистемы, методы, модели и алгоритмы прогнозирования и управления состояниехМ агроэкосистем используются в учебном процессе вузов КГСХА, КГТУ, прогнозы урожайности сельскохозяйственных культур, рекомендации по внесению минеральных и органических удобрений в экспериментальном производстве и НИР ВНИИЗ и ЗПЭ, КНИИ ЛПП при разработке схем планирования полевых опытов.
Апробация работы.
Научные положения и практические рекомендации диссертационной работы докладывались и обсуждались на научной конференции «Вопросы современного земледелия» в 1997г. в КГСХА, на научной конференции «Распознавание -99» в 1999г. в КГТУ, на научно-технической конференции «Медико-экологические информационные технологии - 2001» в 2001г. в КГТУ, на научно-практической конференции «Социальная работа в XXI веке» в 2002 г. в КИСО, на научной конференции «Материалы и упрочняющие технологии» в 2001г. в КГТУ, на научно-технической конференции «Медико-экологические информационные технологии - 2002» в 2002 г. в КГТУ, на научно-практической конференции «Модели и технологии оптимизации земледелия» в ВНИИ земледелия и защиты почв от эрозии в 2003 г.
Публикации.
Результаты выполненных исследований отражены в 16 публикациях.
Структура и обьем работы.
Диссертационная работа состоит из введения, пяти разделов, заключения, 6 приложений, содержит 53 таблицы, 30 рисунков, список литературы из 167 наименований. Основная часть диссертации изложена на 186 страницах машинописного текста. - _.--.__. . .
Основные положения, выносимые на защиту.
1. Метод математического моделирования агроэкосистем, позволяющий управлять их состоянием с учетом априорной неопределенности погодных условий и последействия агропроцессов.
2. Математическая модель агроэкосистемы, включающая в себя регрессионные модели урожайности культур и плодородия почвы, аналитические модели рентабельности сельскохозяйственного производства и имитационный алгоритм, описывающий чередование культур севооборота и погодные условия.
3. Метод рационального управления состоянием агроэкосистемы, позволяющий принимать решения по внесению удобрений с учетом различных вариантов погодных условий и алгоритм взаимодействия оперативного и ила-нового управления состоянием агроэкосистемы, позволяющий изменять значения управляемых параметров в связи с изменением первоначальной постановки оптимизациионной задачи или фактическим содержанием гумуса на начало ротации.
4. Рекомендации по управлению состоянием агроэкосистемы, учитывающие требования по биопродуктивности агроэкосистемы, рентабельности сельскохозяйственного производства и сохранению плодородия почвы.
Личный вклад автора.
В работах, опубликованных в соавторстве, и приведенных в конце автореферата: в [1] разработан алгоритм управления антропогенными факторами земледелия, в [2] предложены структуры баз данных, в [3] разработана методика математического моделирования агроэкосистем в целях рационального управления внесением удобрений, в [4] составлены планы экспериментов, предназначенные для разработки обобщенных моделей агроэкосистемы, в [5] разработана регрессионная модель урожайности сахарной свеклы, в [6] проведен корреляционный анализ между суммой осадков и суммой температур за вегетационные периоды культур, в [7] выполнены прогнозы содержания гумуса в почве, в [8,12] рассчитаны дозы минеральных и органических удобрений, обеспечивающие стабилизацию и восстановление гумуса в агроэкосистем е, в [9] разработан алгоритм -имитации функционирования агроэкосистемы, в [10] выполнен прогноз рентабельности сельскохозяйственных культур, в [И] предложено использовать теорию игр для рационального управления состоянием агроэкосистемы, в [13] разработана общая структура СППР.
Почва-растение как единая экосистема и необходимость управления ее внутренним состоянием (содержанием гумуса) с целью достижения запланированной урожайности культур
Научная новизна.
1. Разработан метод математического моделирования агроэкосистем, отличающийся тем, что для моделирования агропроцессов используется комбинация регрессионных уравнений биопродуктивности культур и изменения плодородия почвы за период ротации, полученных по статистическим данным полевых опытов, экономико-математических моделей, позволяющих оценить экономическую эффективность системы и имитационного алгоритма, описывающего чередование культур в севообороте и погодные условия.
2. Разработана совокупность математических моделей, включающая регрессионные модели биопродуктивности агроэкосистемы и изменения содержания гумуса за период ротации, аналитические модели рентабельности сельскохозяйственных культур и алгоритм имитации функционирования агроэкосистемы.
3. Предложены критерии принятия решений, отличающиеся тем, что они в комплексе учитывают показатели урожайности, рентабельности производства всех культур севооборота, содержания гумуса в почве, ограничения по количеству вносимых минеральных удобрений, влияющих на загрязнение окружающей среды.
4. Для исследуемой агроэкосистемы получены новые зависимости и соотношения, а именно: - соотношения вносимых минеральных и органических удобрений, приводящие к стабилизации гумуса; - зависимости средней за время прогноза урожайности и рентабельности сельскохозяйственных культур от количества удобрений, стабилизирующих гумус; соотношения статистических частот урожайности культур, попавших в зоны низких, средних и высоких урожаев при значениях управляемых параметров, приводящих к сохранению плодородия почвы. 5. Разработан метод рационального управления состоянием агроэкоси-стемы, позволяющий снизить недобор запланированного урожая, особенностью которого является то, что окончательные решения по внесению удобрений принимаются с учетом нескольких вариантов погодных условий по критерию минимакса Сэвиджа.
6. Разработан алгоритм взаимодействия оперативного и планового управления состоянием агроэкосистемы, отличающийся тем, что значения управляемых параметров изменяются в связи с изменением первоначальной постановки оптимизационной задачи или фактическим содержанием гумуса на начало ротации.
Практическое значение работы.
1. Разработанная система поддержки принятия решений для управления состоянием агроэкосистемы позволяет: - повысить урожайность и рентабельность производства сельскохозяйственных культур; - сохранить уровень плодородия почвы, снизить степень загрязнения почв вредными веществами, поступающими вместе с минеральными удобрениями; - исходя из минимальной гарантированной урожайности культур и вари анта вносимых удобрений определить посевные площади и необходимый запас удобрений для производства запланированного объема сельскохозяйственной продукции.
2. Разработаны рекомендации по рациональному управлению состоянием -агроэкосистемы, учитывающие требования по биопродуктивности агроэкосистемы, рентабельности сельскохозяйственного производства и сохранения плодородия почвы.
3. Созданы информационные базы данных мониторинга агроэкосистемы, позволяющие разрабатывать математические модели агропроцессов. Реализация работы.
Базы данных мониторинга агроэкосистемы, методы, модели и алгоритмы прогнозирования и управления состояниехМ агроэкосистем используются в учебном процессе вузов КГСХА, КГТУ, прогнозы урожайности сельскохозяйственных культур, рекомендации по внесению минеральных и органических удобрений в экспериментальном производстве и НИР ВНИИЗ и ЗПЭ, КНИИ ЛПП при разработке схем планирования полевых опытов.
Апробация работы.
Научные положения и практические рекомендации диссертационной работы докладывались и обсуждались на научной конференции «Вопросы современного земледелия» в 1997г. в КГСХА, на научной конференции «Распознавание -99» в 1999г. в КГТУ, на научно-технической конференции «Медико-экологические информационные технологии - 2001» в 2001г. в КГТУ, на научно-практической конференции «Социальная работа в XXI веке» в 2002 г. в КИСО, на научной конференции «Материалы и упрочняющие технологии» в 2001г. в КГТУ, на научно-технической конференции «Медико-экологические информационные технологии - 2002» в 2002 г. в КГТУ, на научно-практической конференции «Модели и технологии оптимизации земледелия» в ВНИИ земледелия и защиты почв от эрозии в 2003 г.
Публикации.
Результаты выполненных исследований отражены в 16 публикациях. Структура и обьем работы. Диссертационная работа состоит из введения, пяти разделов, заключения, 6 приложений, содержит 53 таблицы, 30 рисунков, список литературы из 167 наименований. Основная часть диссертации изложена на 186 страницах маши нописного текста. - _.--.__. . . Основные положения, выносимые на защиту.
1. Метод математического моделирования агроэкосистем, позволяющий управлять их состоянием с учетом априорной неопределенности погодных условий и последействия агропроцессов.
2. Математическая модель агроэкосистемы, включающая в себя регрессионные модели урожайности культур и плодородия почвы, аналитические модели рентабельности сельскохозяйственного производства и имитационный алгоритм, описывающий чередование культур севооборота и погодные условия. 3. Метод рационального управления состоянием агроэкосистемы, позволяющий принимать решения по внесению удобрений с учетом различных вариантов погодных условий и алгоритм взаимодействия оперативного и ила-нового управления состоянием агроэкосистемы, позволяющий изменять значения управляемых параметров в связи с изменением первоначальной постановки оптимизациионной задачи или фактическим содержанием гумуса на начало ротации.
4. Рекомендации по управлению состоянием агроэкосистемы, учитывающие требования по биопродуктивности агроэкосистемы, рентабельности сельскохозяйственного производства и сохранению плодородия почвы.
Анализ методов математического моделирования агрэкосистем в целях рационального управления их состоянием
Почва и растение составляют единую экосистему. Через почву растение получает влагу и элементы минерального питания, без которых невозможно его функционирование и развитие. Но в то же время растения сами влияют на почву, изменяя содержание органического вещества, находящегося в ней. В монографии [84] отмечено, что многолетние травы создают в почве запас органического вещества 17-20 т/га, а корнеплоды, наоборот, приводят к его потерям в количестве около 30 т/га.
Внутреннее состояние растения, как биообъекта можно оценить с помощью процесса роста биомассы (массы растений на единицу площади). Биомасса растения определяет урожайность культуры и массу растительных остатков, поступающих в почву и создающих в ней запас органического вещества. В монографии [92] отмечено, что большое влияние на рост биомассы растения оказывают погодные условия (свет, температура и осадки), а также элементы минерального питания, находящиеся в почве. Особенно важными из них являются азот, фосфор, калий.
В свою очередь наличие азота, фосфора, калия в почве зависит от режима внесения удобрений. Таким образом, влияние удобрений на урожайность культур можно представить в виде следующей причинно-следственной зависимости: удобрения - агрохимический состав почвы -» биомасса растения - урожай.
Рассмотрим второй объект изучаемой биосистемы - почву. В работах [63,70,76] отмечено, что почва - это биокостное тело. Она образуется на базе материнской горной породы. Почвообразовательный процесс заключается в формировании органического вещества из остатков растений и животных, обитающих в почве. Наличие органического вещества отличает почву от горной породы. Именно благодаря ему почва обладает свойством плодородия, которое заключается в возможности обеспечения растения необходимыми питательными веществами. Среди органических веществ почвы можно выделить продукты первичного разложения остатков растений и животных, а также образующийся из них перегной или гумус. Он составляет 80-90% органического вещества почвы. В процессе гумификации (образования гумуса) большую роль играют микроорганизмы, которые вместе с почвенными животными составляют «живую фазу» почвы. Под действием микроорганизмов происходит распад органических веществ, кроме того многие из них служат строительным материалом для гумуса. Гумус - относительно устойчивое соединение. Параллельно с его образованием под воздействием микроорганизмов происходит минерализация гумуса.
Поскольку гумус - это продукт жизнедеятельности растений, животных и микроорганизмов, составляющих «живую фазу» почвы, то его можно рассматривать в качестве внутреннего состояния почвы, как биосистемы.
Гумус имеет исключительно важное значение для плодородия почвы. В работах [63,70,76,114,140] отмечены следующие свойства гумуса . 1. В гумусе накапливаются и долго сохраняются основные элементы питания растений. При постепенной минерализации гумуса эти элементы переходят в минеральные формы и используются растениями. 2. Доказано, что минеральные удобрения более эффективны на почвах, богатых гумусом. 3. Гумус задерживает влагу в пахотном слое почвы. 4. Гумусовые соединения улучшают структуру почвы, что создает благоприятные условия для доступа воздуха к корням растений. - 5. Гумус имеет большое значение для теплового баланса почвы. 6. Гумус обладает сильным буферным действием, благодаря чему не происходит избыточного подкнсления почвы. 7. Установлено, что некоторые соединения, входящие в состав гумуса об-ладают свойствами гормонов, т.е. могут активно воздействовать на рост и развитие живых организмов.
Все эти свойства приводят к тому, что при увеличении содержания гумуса в почвах растет урожайность сельскохозяйственных культур. Поэтому важнейшей задачей рационального земледелия является управление содержанием гуму 18 са в почве. В условиях Центрально-черноземного репюна России необходимо хотя бы добиваться стабилизации гумуса, т.е. не допускать его снижения. Если при управлении технологическими процессами в земледелии мы будем добиваться высокой урожайности культур без учета изменения содержания гумуса, то это может привести к постепенному снижению плодородия почвы, а следовательно - урожайности культур в последующие годы. Отрицательные результаты этого явления усиливаются благодаря тому, что изменение гумуса происходит очень медленно и его быстрое восстановление практически невозможно.
Большое влияние на содержание гумуса в почве оказывает внесение минеральных и особенно органических удобрений. Органические удобрения создают в почве запас вещества, которое постепенно разлагаясь, образует гумус. Кроме того, органические удобрения повышают плотность микроорганизмов почвы, участвующих в образовании гумуса. Поэтому они оказывают положительное влияние на плодородие почвы. В качестве примера можно привести представленные в [70] результаты полевого опыта, заложенного на Мироновской опытной станции. Рассматривалось внесение навоза в пятипольном севообороте (40 т на 1 га в ротацию). Через 50 лет был произведен анализ гумуса, который показал его увеличение с 4,87% до 5,23%. На тех делянках, где удобрения не вносились содержание гумуса упало до 4,74%.
Минеральные удобрения хотя и в меньшей степени, но также влияют на содержание гумуса в почве. С одной стороны минеральные удобрения усваиваются растением, в результате чего увеличивается масса растительных остатков, которые преобразуются в гумус. Но с другой стороны высокие дозы минеральных удобрений увеличивают кислотность почвы, что снижает численность, микроорганизмов, а следовательно скорость образования гумуса. Таким образом, действие минеральных удобрений на плодородие почвы противоречиво.
Выше приведенные рассуждения доказывают необходимость управления содержанием гумуса в почве с помощью внесения удобрений в целях достижения запланированной урожайности культур.
Основные характеристики полевых опытов для исследуемой агроэкосистемы
Проведенное содержательное описание объекта исследований позволяет перейти к его формализованному представлению. Для этого первоначально необходимо решить несколько методических вопросов: - выбрать обобщенный агроклиматический показатель для оценки влияния фактора погодных условий на урожайность культур; - выбрать экономический показатель для оценки эффективности внесения удобрений в агроэкосистеме; - обосновать возможность использования гумуса как показателя плодородия почвы для оценки его влияния на урожайность культур.
В качестве показателя оценки влияния погодных условий на урожайность культур предлагается выбрать гидротермический коэффициент (ГТК), взятый за вегетационные периоды культур. По физическому смыслу ГТК есть отношение суммы осадков за вегетационный период культуры к сумме температур выше 10С за тот же период, умноженное на 10 [152]. (2.1) п ГТК = іі—10 , i=ll где n - количество дней вегетационного периода; r„ tj - осадки (мм) и средняя за сутки температура (С).
Выбор ГТК объясняется тем, что в его состав входят два фактора погодных условий, имеющие важнейшее значение для роста растения и формирования урожая.
По экспертным оценкам специалистов сельского хозяйства вегетационный период вико-овса, ячменя, гороха, озимых продолжается примерно с 20 апреля по 20 июля, кукурузы с 10 мая по 20 августа, клевера, свеклы с 20 апреля по 1 октября.
В качестве показателей экономической эффективности агроэкосистемы предлагается выбрать рентабельности культур севооборота. Данный экономический показатель рассчитывается по формуле [33]: R = -100%, (2.2) где АР - прибыль, полученная за счет реализации урожая, выращенного на одном га площади; АС - материально-денежные затраты, связанные с производством урожая, выращенного на одном га площади.
Целесообразность выбора данного экономического показателя объясняется тем, что он комплексно учитывает доход от реализации продукции и материально-денежные затраты, связанные с ее производством.
Для оценки влияния плодородия почвы на урожайность культур использован показатель гумуса. Физическая природа гумуса, а также необходимость учета его влияния на урожайность культур рассмотрены в п. 1.2.
В связи с тем, что гумус изменяется очень медленно, а его колебания на одном и том же поле значительны, целесообразно в качестве экологического показателя эффективности агроэкосистемы использовать изменение содержания гумуса за ротацию.
Рассмотренные входные и выходные параметры агроэкосистемы позволяют представить объект моделирования в виде структурно-функциональной схемы в терминах «вход-выход», рис.4. На рис. 4 приведены следующие обозначения: Xi - фактор погодных условий, выраженный через ГТК за вегетационные периоды культур; X2 - фактор минеральных удобрений (в дозах); Хз - фактор органических удобрений (в дозах); і - номер текущей ротации при прогнозировании агроэкосистемы; Сі-..Cn - экономические параметры (себестоимость и цена реализации урожая, стоимость приобретения, погрузки, перевозки и внесения удобрений, стоимость уборочных работ); Yro - содержание гумуса в почве на начало первой ротации (в процентах); Yr і - содержание гумуса в почве на начало текущей ротации при прогнозировании поведения агроэкосистемы (в процентах); AYr. - изменение содержания гумуса в почве за период ротации ( в процентах); Yi,R.i - урожайность (ц/га) и рентабельность (в процентах) вико-овса; Y2,R2 - урожайность (ц/га) и рентабельность (в процентах) озимой пшеницы; зДз - урожайность (ц/га) и рентабельность (в процентах) сахарной свеклы; Y4,R4 - урожайность (ц/га) и рентабельность (в процентах) ячменя; YSJRS - урожайность (ц/га) и рентабельность (в процентах) клевера; Y6,R6 - урожайность (ц/га) и рентабельность (в процентах) гороха; Y7,R7 - урожайность (ц/га) и рентабельность (в процентах) озимой ржи; Ye,R8 - урожайность (ц/га) и рентабельность (в процентах) кукурузы; Rep.- средняя по всем культурам севооборота рентабельность (в процентах).
Рассмотрим основные функциональные зависимости между показателями эффективности агроэкосистемы и ее входными параметрами. Урожайность культур севооборота зависит от фактора погодных условий (xi), значений управляемых параметров минеральных (х2) и органических удобрений (х3), а также от содержания гумуса на начало текущей ротации: Y1...Y8=f(xbx2,X3,Yr.i) (2.3)
Рентабельность производства сельскохозяйственных культур (Rj) зависит от их урожайности (Yj), значений управляемых параметров минеральных (х2) и органических (х3) удобрений, а также от экономических параметров
Структурно-функциональный анализ агроэкосистемы и определение критериев оптимизации для управления ее состоянием
Одной из задач исследования является разработка эмпирико-статистических производственных функций зависимости урожайности культур от вносимых удобрений и погодных условий, а также изменения гумуса за период ротации от вносимых удобрений. Поскольку при постановке оптимизационной задачи (п.2.3) в качестве ограничивающего уело вия принято обеспечение стабилизации гумуса, то модели урожайности культур имеют общий вид: Yj = f(xb х2, х3), j = 1,...,N , (3.7) где Xi - фактор погодных условий; Х2, хз - факторы минеральных и органических удобрений; N - количество культур в севообороте (N = 8). Экологические модели имеют общий вид: AYr = f(x2, хз), (3.8) где AYp - изменение гумуса за период ротации (в процентах); Х2, х3 - факторы минеральных и органических удобрений.
Выбранное направление построения моделей сводится к нахождению регрессионных уравнений на основе использования результатов многолетних полевых опытов. При разработке этих моделей необходимо учитывать влияние нескольких факторов, а также их взаимодействия.
В этих условиях получение более качественных моделей может быть достигнуто в результате использования теории планирования эксперимента [2,3,13,28,68,79,80,145,148]. В монографии [13] отмечено, что применение активного эксперимента по сравнению с пассивным значительно увеличивает точность определения коэффициентов разрабатываемой модели. Это объясняется тем, что при активном эксперименте в отличии от пассивного точки факторного пространства, определяющие исходные данные, располагаются не произвольно и бессистемно, а по специальному разработанному симметричному плану.
Однако специфика выполняемой работы заключается в том, что мы можем составить планы эксперимента только исходя из уже имеющейся информации по ведению многолетних полевых опытов. Эти опыты проводились для решения агрономических вопросов на основе первичного анализа данных, но они не были предназначены для решения сложных управленческих задач на основе системного анализа и методов математического моделирования. Поэтому имеющиеся варианты внесения удобрений (п. 2.2) в соответствии с правилами теории планирования эксперимента не позволяют составить единого, математически симметричного активного плана эксперимента, охватывающего все факторное пространство от минимума до максимума.
В связи с этим возникает необходимость разработки и использования нескольких схем планирования активных экспериментов, а также пассивного эксперимента в случае, если первые не обеспечивают полное рассмотрение всей области факторного пространства.
Итак, прежде чем приступить к разработке моделей, предназначенных для прогнозирования урожайности культур и плодородия почвы необходимо составить планы экспериментов.
Они должны учитывать общий вид модели, саму схему эксперимента (количество уровней для каждого фактора), взаимосвязь значений факторов и функции.
Для составления планов экспериментов, предназначенных для получения агрономических моделей, необходимо определить границы и уровни для фактора погодных условий. Особенностью климата данного географического региона является существенная обратная корреляционная связь между осадками и температурой (п. 3.1). В связи с этим выделяем следующие типы погодных условий: 1) малое значение ГТК - жаркая, сухая погода; 2) среднее значение ГТК - наиболее вероятные, типовые погодные условия; 3) большое значение ГТК - холодный, влажный тип погодных условий. Диапазоны ГТК, соответствующие трем отмеченным типам погодных условий выбираем следующим образом: 1) они располагаются симметрично относительно математического ожидания; 2) в них должно входить 95% значений случайной величины, взятой по теоретическому нормальному закону распределения (п.3.1) в соотношении 25%, 45% и 25% соответственно (рис.8).
