Лаборатория методов агрометеорологического прогнозирования

Заведующая лабораторией  - кандидат географических наук  Лебедева Валентина Митрофановна,  тел. : (48439)  4-45-99;   e-mail: cxm@meteo.ru

В системе оперативного агрометеорологического обеспечения сельского хозяйства важное место занимают прогнозы урожайности сельскохозяйственных культур, в особенности – зерновых культур.

Используемые в оперативной практике методы прогноза с течением времени "устаревают" и перестают удовлетворять современным требованиям к их качеству, поэтому для поддержания должного уровня оправдываемости агрометеорологических прогнозов необходимо систематическое обновление методов и технологий прогнозирования урожайности и валового сбора сельскохозяйственных культур по территории субъектов Российской Федерации, федеральных округов и страны в целом.

В отделе агрометеорологических информационно-прогностических систем обслуживания народного хозяйства разрабатываются синоптико-статистические и  динамико-статистические методы прогнозов урожайности сельскохозяйственных культур:

– синоптико-статистический метод позволяет на первом этапе рассчитывать ожидаемую продуктивность зерновых до сева яровых культур (в марте). Используемые в этом методе предикторы – параметры общей циркуляции атмосферы Северного полушария и значения температуры поверхности океанов в  осенне-зимний период – определяют масштабность территории, по которой рассчитывается ожидаемый валовой сбор зерновых культур (группа областей, федеральный округ, Российская Федерация);

–  динамико-статистический метод прогнозирования урожайности, основанный на использовании сложившихся агрометеорологических условий  и фактическом состоянии растений (на дату составления прогноза) позволяет оперировать исходными данными в масштабе области (республики, края).

Синоптико-статистический метод прогноза

В основе синоптико-статистического метода  агрометеорологических прогнозов лежит предположение о том, что развитие атмосферных процессов в том или ином регионе в период весенне-летней вегетации культур связано с особенностями циркуляции атмосферы в предшествующий осенне-зимний период в пределах всего Северного полушария. Исследования особенностей циркуляции атмосферы в годы с экстремальными урожаями культур (а, следовательно, и с аномальным гидротермическим режимом) в отдельных регионах Северного полушария показали, что атмосферные процессы  сезонов связаны между собой, и можно выделить признаки нетипичного развития атмосферных процессов весенне-летнего периода по результатам анализа условий осенне-зимнего сезона. Отсутствие фундаментальной теории, объясняющей наличие связи между процессами в  отдельные сезоны, обуславливает применение в методиках, в основном, аппарата математической статистики.

Характерной чертой этого подхода является использование в качестве исходного материала данных с карт барической топографии (АТ-500), значений температуры поверхности воды Тихого и Атлантического океанов, данных о центрах действия атмосферы, индексах южного и североатлантического колебаний  в осенне-зимний период. Использование такой информации позволяет  составлять агрометеорологические прогнозы урожайности ряда сельскохозяйственных культур до начала их сева, что позволило осуществлять обслуживание потребителей даже в тех случаях, когда традиционная агрометеорологическая информация либо отсутствовала, либо была неполной, либо ее получение было затруднено.

Динамико-статистический метод прогноза

Основу динамико-статистических моделей продукционного процесса составляет математическое описание механизмов биофизических процессов, происходящих в течение определенного временного интервала в системе «почва–растение–атмосфера». В этих моделях оценка агрометеорологических условий основывается на учете влияния факторов среды на важнейшие физиологические процессы: фотосинтез, дыхание и рост. С помощью моделей продукционного процесса в агрометеорологических  прогнозах решаются следующие задачи: оценка агрометеорологических условий произрастания и прогнозирование продуктивности сельскохозяйственных культур.Методология динамико-статистического прогнозирования урожайности опирается, с одной стороны, на использование статистических методов прогнозирования по одному временному ряду, с другой стороны – на методы оценки условий формирования урожая с помощью моделей продукционного процесса.

Продукционный процесс растений можно представить как взаимодействие совокупности физиологических процессов и агрометеорологических условий, конечным результатом которого является урожай. Формирование урожая рассматривается как развивающийся во времени процесс. В основу моделирования продукционного процесса положено математическое описание поведения основных физиологических процессов в зависимости от складывающихся агрометеорологических условий. Моделирование продукционного процесса сводится к определению прироста общей биомассы и биомассы отдельных органов растений за определенные интервалы времени.

Ценность модели для решения прикладных задач определяется возможностью идентификации параметров модели и наличием стандартной оперативной метеорологической информации для проведения расчетов. Параметры модели условно можно разделить на две группы: биологические параметры, характеризующие особенности роста, развития и формирования продуктивности сельскохозяйственных культур и функциональные параметры, отражающие условия произрастания культуры в конкретном почвенно-климатическом регионе. Модели настраивались на получение среднего уровня урожайности в конкретном субъекте Российской Федерации и корректировались по годам. Проведенные нами исследования по оценке влияния параметров состояния атмосферы на продуктивность зерновых культур позволили в качестве входных данных модели использовать только среднюю декадную температуру воздуха и сумму осадков за декаду.

Прогностические модели «погода-урожай» в период вегетации разработаны для озимой пшеницы, озимой ржи, ярового ячменя, яровой пшеницы, кукурузы, группы зерновых и зернобобовых культур и картофеля. Сроки составления прогнозов 21 мая, 21 июня, 21 июля, 1 августа.

Агрометеорологическая информационно-прогностическая система