Оптимизация применения агрохимических средств с использованием информационных технологий и математического моделирования (1098311), страница 10

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 10)

В результате серии имитационных экспериментов установлена возможность групповой классификации (типизации) лет по агрометеорологическим условиям вегетационного периода на основании эмпирических функций распределения гидротермических показателей. С целью исключения повторяющихся (дублирующих) серий данных, в анализируемую выборку были включены уникальные наблюдения на метеостанциях (т.е. погодные условия в экспериментах, проведённых одним стационаром и характеризуемые одной метеостанцией, за каждый год учитывались однократно).

Поскольку в информационном банке присутствуют результаты полевых опытов с озимыми и яровыми зерновыми, техническими и кормовыми культурами, в анализе использованы величины суммы осадков и активных температур выше +10 ^оС за апрель - октябрь, что позволяет оценить условия возделывания возделывания различных видов сельскохозяйственных растений с использованием единой системы показателей.

Установлено, что распределение сумм осадков и активных температур за данный период достоверно отличается от нормального закона при уровне значимости  = 0,05 (по величине статистики Уилка-Шапиро).

Гистограммы распределений (рисунки 5.1 и 5.2) свидетельствуют о наличии двух максимумов плотности вероятности, соответствующих типам лет по условиям обеспеченности осадками и теплом. Возможные их сочетания позволяют рассмотреть четыре группы лет (A, B, C и D) по погодным условиям вегетационного периода (таблица 5.2).

Определение численных значений границ групп по величине суммы осадков ( r _IV-X) и активных температур ( t _IV-X) за апрель - октябрь проведено на основе представление функций плотности вероятности в виде смеси нормальных распределений в программе Statistica 5.5. Границы полуинтервалов значений следующие: сумма осадков за апрель - октябрь ( r _IV-X) - 380 мм, активных температур за апрель - октябрь ( t _IV-X) - 2300 ^оС.

Рисунок 5.1. Распределение суммы осадков за период апрель-октябрь
в Нечернозёмной зоне. Информационный банк АИС “Геосеть-2000”,
полевые опыты на дерново-подзолистых почвах (1953-1984 годы)

Рисунок 5.2. Распределение суммы активных температур
выше + 10 град. С за период апрель- октябрь в Нечернозёмной зоне.
Информационный банк АИС “Геосеть-2000”, полевые опыты на
дерново-подзолистых почвах (1953-1984 годы)

Таблица 5.2. Агрометеорологические показатели в группах лет по
состоянию погодных условий за вегетационный период
в Нечернозёмной зоне. Информационный банк АИС “Геосеть-2000”,
полевые опыты на дерново-подзолистых почвах (1953 -1984 годы)

Вероятности выделенных групп лет по метеорологическим условиям равны: A - 53%, B - 21%, C - 12%, D - 14%.

На рисунках 5.3 и 5.4 приведены графики хода месячных сумм осадков и активных температур по месяцам. Наибольшие различия между группами связаны с величинами суммы активных температур за май и июнь, а также суммами осадков за июль - наиболее тёплый месяц в году. Значения доверительных интервалов средних значений агрометеорологических показателей в группах лет A - D по состоянию агрометеорологических условий за вегетационный период свидетельствуют о том, что группы A и B достоверно отличаются по характеристикам влагообеспеченности от C и D; группы A и С - по показателям теплообеспеченности от B и D (приложение 3).

Рисунок 5.3. Средние месячные суммы осадков за апрель-октябрь
в группах лет по погодным условиям в Нечернозёмной зоне.
Информационный банк АИС “Геосеть-2000”, полевые опыты
на дерново-подзолистых почвах (1953-1984 годы)

Рисунок 5.4. Средние месячные суммы активных температур
(выше + 10 град. С) за апрель-октябрь в группах лет
по погодным условиям в Нечернозёмной зоне.
Информационный банк АИС “Геосеть-2000”, полевые опыты
на дерново-подзолистых почвах (1953 -1984 годы)

Оценка возможности использования величины ГТК за апрель - октябрь и за май - август в качестве диагностической величины для распознавания принадлежности года к группе по метеорологическим условиям проведена с помощью дискриминантного анализа (Айвазян, Мхитарян, 1998) в программе Statistica 5.5. Процедура распознавания основана на вычислении дискриминантных функций для четырёх классов по заданной величине ГТК. Наблюдение относят к тому классу, дискриминантная функция которого принимает наибольшее значение. Результаты анализа свидетельствуют, что выделенные группы A и B правильно распознаются, соответственно, в 74 и 94 % случаев, в то время, как C и D - только в 64 и 14 (таблица 5.3).

Таблица 5.3. Распознавание принадлежности лет наблюдений, включенных в АИС “Геосеть-2000” к группам по состоянию погодных условий за
вегетационный период, на основании величины ГТК за апрель-октябрь,
с использованием дискриминантного анализа

Сопоставление средних характеристик погодных условий в группах с предложенной ранее ВНИИ сельскохозяйственной метеорологии (ВНИИСХМ) Росгидромета типизацией (Федосеев, 1985), свидетельствует о сходстве средних значений величин суммы осадков и средних температур за период май - июль (таблица 5.4). Выделенный в классификации ВНИИСХМ тип лет с избыточным увлажнением входит в группу “A” в предлагаемой классификации (годы с оптимальным увлажнением и обеспеченностью теплом), поскольку группы значения в группах совпадают с полуинтервалами гидротермических показателей (больше или меньше граничного значения). Соответствие других групп и типов - взаимно однозначное. Это подтверждает правильность реализованного алгоритма групповой классификации и возможности его использования при разработке адекватных моделей продуктивности культур.

Таблица 5.4. Сравнительная характеристика групп лет по погодным условиям в АИС “Геосеть-2000”
и типизации погодных условий, проведенная ВНИИСХМ Росгидромета

В дальнейшем в качестве единого показателя состояния метеорологических условий в группах выбрана величина ГТК, характеризующая отклонение гидротермических характеристик в рассматриваемый год от средних величин по выборке для группы. Это позволяет использовать при разработке и верификации моделей данные метеорологических наблюдений с декадных месячным разрешением, имеющиеся в документации полевых опытов, благодаря чему решается задача информационного обеспечения агроэкологических моделей.

5.2. Построение моделей продуктивности сельскохозяйственных культур

На первом этапе построения моделей продуктивности сельскохозяйственных культур по данным полевых опытов решена задача выбора наиболее информативных показателей для включения в число объясняющих переменных регрессионных уравнений. Использован статистический метод главных компонент (МГК), позволяющий снизить размерность описания объектов за счёт перехода от исходной многомерной совокупности признаков X = {x⁽¹⁾, x⁽²⁾, ..., x^(p)} к преобразованным показателям: Z = {z ⁽¹⁾, z⁽²⁾, ... z^(k)}. Условием снижения размерности является k  p. Составляющие вектора Z преобразованных показателей называются главными компонентами. Исходные признаки, наиболее тесно коррелирующие с ними обладают наибольшей информативностью и используютсяё при построении регрессионных моделей продуктивности культур.

При построения системы преобразованных показателей Z в методе главных компонент рассматриваются ортогональные линейные комбинации z⁽ⁱ⁾ исходных признаков вида:

Характеристики

Список файлов диссертации