WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМЕНИ М.В. ЛОМОНОСОВА ГЕОГРАФИЧЕСКИЙ ФАКУЛЬТЕТ

На правах рукописи

УДК 631:551.5 ТАРАСОВА

ЛИДИЯ ЛЬВОВНА АГРОМЕТЕОРОЛОГИЧЕСКАЯ ЭНЕРГОБАЛАНСОВАЯ ОЦЕНКА ПОТЕНЦИАЛЬНОЙ УРОЖАЙНОСТИ ЯРОВОЙ ПШЕНИЦЫ И ЯЧМЕНЯ

25.00.30 – метеорология, климатология, агрометеорология

Автореферат диссертации на соискание ученой степени кандидата географических наук

Москва – 2012

Работа выполнена на кафедре метеорологии и климатологии географического факультета МГУ имени М.В. Ломоносова Научный руководитель – Шульгин Игорь Александрович, доктор биологических наук, профессор, Географический факультет МГУ Официальные оппоненты – Грингоф Иосиф Генрихович, доктор биологических наук, профессор, главный научный сотрудник, Всероссийский научно-исследовательский институт сельскохозяйственной метеорологии, г. Обнинск – Золотокрылин Александр Николаевич, доктор географических наук, профессор, главный научный сотрудник, Институт географии РАН, г. Москва Ведущая организация – Гидрометеорологический научноисследовательский центр Российской Федерации, г. Москва

Защита диссертации состоится « 31 » мая 2012 г. в 15 часов на заседании диссертационного совета Д 501.001.68 при Московском государственном университете имени М.В. Ломоносова по адресу: 119991, Москва, ГСП-1, Ленинские Горы, д.1, географический факультет, 18 этаж, ауд. 1801.

С диссертацией можно ознакомиться в научной библиотеке географического факультета МГУ имени М.В. Ломоносова на 21 этаже.

Автореферат разослан « » апреля 2012 г.

Ученый секретарь диссертационного совета доктор геолого-минералогических наук, профессор Савенко В.С.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В настоящее время одной из актуальных проблем, стоящих перед агрометеорологией, является решение задачи обеспечения устойчивого развития сельского хозяйства в условиях изменения климата и получения максимально возможных урожаев в конкретных физико-географических районах.

Понятно, что бесконечного роста продуктивности с.-х. культур быть не может и поэтому необходимо знать величины максимально возможных (потенциальных) урожаев в наиболее благоприятных условиях роста.

Проблемы зависимости урожайности с.-х. культур от факторов среды разрабатываются учеными ВНИИСХМ, Гидрометцентра России и других НИИ Росгидромета и РАН. В большинстве агрометеорологических исследований для оценки возможной продуктивности посевов с.-х. культур основное внимание уделяется гидротермическим параметрам почвы и воздуха, и значительно меньше – влиянию солнечной радиации.

В этой связи целесообразно сослаться на работу К.А. Тимирязева «Солнце, жизнь и хлорофилл» (1883), в которой он ставил задачи на будущее:

«…Мы можем доставить растению сколько угодно удобрений, сколько угодно воды, можем, пожалуй, оберегать его от холода в теплицах, можем ускорить круговорот углекислоты, но не получим органического вещества более того количества, которое соответствует количеству солнечной энергии, получаемой растением от солнца. Это – предел, преступить за который не во власти человека. Но раз мы узнаем это предел, мы получим настоящую, строго научную меру для предела производительности данной площади земли, а в то же время будем в состоянии судить о том, на сколько наши культуры приближаются к совершенству.» Начиная с 60-х годов прошлого столетия в продолжение и развитие этого мнения, актуального и в наше время, в рамках Международной биологической программы разрабатывается новая концепция, согласно которой оценка воз можных урожаев при оптимальной агротехнике выращивания требует обязательного учета солнечной радиации как основного фактора фотосинтетической деятельности и продуктивности посевов (Ничипорович, 1956, 1988; Шульгин, 1967, 2004; Росс, 1975; Тооминг, 1975, 1983; Грингоф, Пасечнюк, 2005 и др.).

Закономерно, что в современных учебниках (учебных пособиях) по с.-х. метеорологии основам физиологии растений, их фотосинтетической деятельности, влиянию на не радиационного режима уделяется значительное внимание (Грингоф, Клещенко, 2011).

Эта концепция позволяет считать, что сколь бы значимыми не были (и учитывались) фоновые для растений параметры среды (температура воздуха и почвы, влажность воздуха, скорость ветра и т.д.) и используемые ими (осадки и доступная влага в почве), они недостаточны без учета приходящей, поглощаемой и используемой солнечной радиации – энергетической основы всех без исключения процессов в зеленом растении.

К сожалению и в настоящее время по-прежнему существуют трудности учета приходящей и поглощенной солнечной радиации, как фактора продукционного процесса, а также сложности создания репрезентативных массивов экспериментальных данных для разных физико-географических регионов.

Цели и задачи исследования. В последние десятилетия в агрометеорологии предложен физиолого-метеорологический подход, базирующийся на комплексном изучении энергетики растений, использования энергии фотосинтетически активной радиации (ФАР) на взаимосвязанные процессы фотосинтеза, транспирации, теплообмена, ведущий к более глубокому пониманию причин различной урожайности растений (Ничипорович, 1956; Шульгин, 1973, 2004; Тарасова, Шульгин, 2011).

Для изучения и выявления потенциальной продуктивности растений наиболее эффективна энергобалансовая модель, базирующаяся на уравнении энергетического баланса (Шульгин, Тарасова, Сенников, 2011) Q·А=QM+QT+Qt+Qir, в котором приход лучистой энергии Q с учетом коэффициента е поглощения А посевом равен расходу поглощенной энергии на формирование биомассы QM в процессе газообмена, на транспирацию QT, теплообмен со средой Qt и на ряд низкоэнергетических регуляторных процессов фотоморфогенеза Qir. Вычисление QM позволяет найти сухую биомассу посева и, далее, определить урожайность.

Этот метод был предложен в общем виде Брауном и Вильсоном (1905) и детально разработан и применен для изучения в искусственных и естественных условиях энергозависимых процессов в листьях разных видов растений (Клешнин, Строганов, Шульгин, 1955; Шульгин, 2004; Илькун, 1967 и др.).

Применительно к целому растению, а тем более к целому посеву с.-х. культур этот метод до наших исследований практически не использовался.

В связи с этим была сформулирована основная цель работы – с учетом прихода ФАР и е использования посевом в период его активной деятельности обосновать максимально возможный биологический и хозяйственный урожай, который можно получить в современных климатических условиях.

В качестве территории исследования нами выбрано Черноземье, как один из самых благоприятных регионов для с.-х. производства России, и как район с хорошо развитой сетью метеорологических и актинометрических станций.

В соответствии с этой целью были поставлены следующие задачи исследования:

разработать энергобалансовую модель урожайности зерновых культур и реализовать е для центральных черноземных областей и Среднего Поволжья;

создать, для обеспечения модели необходимой информацией, специализированную базу данных, содержащую результаты агрометеорологических и актинометрических наблюдений, проводимых на сети станций Росгидромета для Черноземной зоны России;

оценить, на основе энергобалансовой модели, включающей радиационный режим посевов, потенциальную урожайность ранних яровых зерновых культур;

оценить, на основе модели, минимальный расход воды на транспирацию посевов, отвечающий максимальной урожайности, и возможность обеспечения такой транспирации имеющимися в период вегетации запасами продуктивной влаги в почве;

оценить пространственно-временную структуру запасов продуктивной влаги в почве и показать изменение климата в конце XX – начале XXI веков с точки зрения влагообеспеченности посевов, а также оценить правильность воспроизведения влагосодержания почв климатическими моделями.

При решении поставленных задач использовались методы математической статистики и программирования.

В настоящей работе под термином «потенциальная урожайность» мы понимаем максимально возможную урожайность, обусловленную только поглощенной ФАР и эффективностью е использования на создание биомассы, считая другие условия оптимальными.

Погодообусловленная урожайность зависит не только от радиационного режима, но и от сумм осадков, запасов продуктивной влаги (ЗПВ) после стаивания снежного покрова и в период налива зерна; она меньше потенциальной урожайности, т.к. в черноземных областях в годы с засухами рост зерновых культур в первую очередь лимитирует недостаток почвенной влаги.

Фактическая урожайность – как средняя по областям, так и рассчитанная нами по данным агрометеорологических наблюдений за элементами продуктивности зерновых культур – не превышает погодообусловленной урожайности.

В диссертации были проанализированы урожаи только ранних яровых зерновых культур (пшеницы и ячменя), т.к. более половины посевных площадей нашей страны заняты именно этими культурами и, в первую очередь, пшеницей. Отметим, что яровые пшеница и ячмень являются сходными как по сро кам сева, высоте растений и озерненности колоса, так и по требовательности к теплу и влаге.

Научная новизна работы заключается в том, что:

для анализа урожайности был использован комплексный метеорологический, агрометеорологический и физиологический подход, на основе которого впервые для полевой культуры – посева – был применен энергобалансовый метод оценки урожаев с учетом потоков приходящей и поглощенной ФАР, запасов почвенной влаги, а также биологических особенностей зерновых культур;

на основе энергобалансовой модели дается оценка потенциальной и погодообусловленной урожайности ранних яровых зерновых культур в центральных черноземных областях и в Среднем Поволжье;

на основе энергобалансовой модели оценено количество влаги за период активной деятельности посева, необходимое для получения максимальных урожаев и сопоставлено с реальными значениями влагопотребления посевов, полученными на основе водного баланса;

проведен статистический анализ декадных и месячных полей запасов продуктивной влаги в почве в Черноземной зоне европейской части России и дана оценка качества воспроизведения влаги в почве современными моделями климата.

На защиту выносятся следующие положения:

I. На основе разработанного и использованного энергобалансового метода (модели) и созданной базы данных дано разделение урожайности ранних яровых зерновых культур на три типа – потенциальная, погодообусловленная и фактически наблюдаемая.

II. В условиях современного климата возможно получение высоких урожаев ранних яровых зерновых культур – в центральных черноземных областях до 5055 ц/га, в Среднем Поволжье до 40-45 ц/га (потенциальная урожайность).

III. В условиях современного с.-х. производства погодообусловленная урожайность яровых ячменя и пшеницы в центральных черноземных областях составляет 30-35 ц/га, в Среднем Поволжье – 20-25 ц/га. В неблагоприятные годы, а также из-за отсутствия или несвоевременного проведения агротехнических мероприятий потери погодообусловленного урожая могут достигать 1520 ц/га.

IV. В условиях изменения климата в конце XX – начале XXI вв. существенного изменения запасов продуктивной влаги в метровом слое почвы под зерновыми культурами по сравнению с предшествующим периодом (1950-1977 г.) не наблюдается.

Практическая ценность данной работы состоит в том, что дает возможность оценить основные продуктивные ресурсы (приход солнечной радиации и почвенную влагу за период активного роста с.-х. культур) такого важного с.-х.

региона как Черноземье, а также, исходя из терморадиационных условий периода «всходы – 1-2 лист», наиболее рано оценить возможные потери урожая.

Важной особенностью разработанного метода является его робастность, т.е.

независимость получаемых результатов от начальной выборки.

Разработанный энергобалансовый подход к оценке урожайности ранних яровых зерновых культур позволяет использовать его для разных регионов России, а также для поздних яровых зерновых культур (кукуруза, гречиха, просо, рис), если известны радиационный и водный режим территории, и особенности формирования посевов этих культур.

Разработанный подход к оценке урожайности рассматривается в лекционной работе, а расчеты урожайности на практических занятиях по курсу «Агрометеорология и Агроклиматология» в МГУ.

Личный вклад автора. Автором лично составлены базы данных, проведены все необходимые расчеты и получены научные результаты.

Апробация работы. Основные результаты диссертационной работы были доложены автором на Международной конференции «Современная физиология растений: от молекул до экосистем» (Сыктывкар, 2007), Междуна родной научно-практической конференции «Высокие технологии – агропромышленному комплексу» (АФИ Россельхозакадемии, С.-Петербург, 2008), Второй научно-практической конференции «Агрометеорологическое обеспечение устойчивого развития сельского хозяйства в условиях изменения климата» (ВНИИСХМ, Росгидромет, Обнинск, 2009), научно-практической конференции «Погода и климат: новые методы и технологии исследований» (ПГУ, Пермь, 2010), Международной научно-практической конференции «Адаптация сельского хозяйства России к меняющимся погодно-климатическим условиям» (МСХА имени К.А. Тимирязева, Москва, 2010), VII Съезде Общества физиологов растений России «Физиология растений – фундаментальная основа экологии и инновационных технологий» (ННГУ им. Н.И. Лобачевского, Нижний Новгород, 2011), Всероссийской научной конференции «Методы оценки сельскохозяйственных рисков и технологии смягчения последствий изменения климата в земледелии» (АФИ Россельхозакадемии, С.-Петербург, 2011), а также школах повышения квалификации специалистов Росгидромета, на рабочем совещании «Научные основы внедрения технологии автоматизированного контроля влажности почвы» (Гидрометцентр России, Москва, 2008) и семинарах в Отделе агрометпрогнозов Гидрометцентра России.

Публикации. По теме диссертации опубликовано 15 работ (3 статьи в рецензируемых журналах, 6 статей в сборниках, глава в книге «Экологогеографические последствия глобального потепления климата» (2011) и 5 тезисов докладов).

Структура диссертационной работы. Диссертация состоит из введения, 4 глав, выводов и списка литературы. Диссертация изложена на 151 страницах, содержит 17 таблиц и 11 рисунков. Список литературы включает 311 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении представлена актуальность темы, определены цели и задачи исследования, сформулирована научная новизна и практическая ценность работы. Даны развернутые определения потенциальной и погодообусловленной урожайности.

В главе 1 «Агроресурсы и продуктивность посевов сельскохозяйственных культур» на основе литературных источников проанализировано современное состояние вопроса, рассмотрены теоретические основы энергетического баланса растений (Клешнин, Строганов, Шульгин, 1955; Шульгин, 2004) и посева, изложены основные подходы к оценке максимальной продуктивности культур. Особо подчеркивается необходимость разработки методов оценки урожайности с.-х. культур в свете современного изменения климата.

Также рассматриваются основные представления об оценке фактической продуктивности зерновых культур.

Одно связано с разработкой статистических (Обухов, 1949; Чирков, 1969;

Сенников и др., 1972; Уланова, 1975; Тооминг, 1984; Пасов, 1986; Желтая и др., 1987; Пасечнюк, 1990; Жуков, 1998 и др.) и имитационных моделей (Колосков, 1963; Бихеле и др., 1980; Израэль и др., 1988; Полевой, 1988; Полуэктов и др., 2006; Сиротенко, 2007 и др.) различного уровня детализации, основывающихся на экспериментально определенных функциях роста и развития культур в зависимости от наборов метеорологических данных: температуры и влажности воздуха и почвы, осадков, даты сева, содержания питательных элементов в почве и др.

Другое основано на использовании регрессионных зависимостей между ожидаемой продуктивностью зерновых культур и различными спектральными параметрами, полученными по спутниковым измерениям (Мокиевский и др., 1969; Клещенко, 1986).

Особое внимание нами уделено рассмотрению современных статистических методов изучения формирования урожайности зерновых культур. Один из них, предложенный В.А. Жуковым (ВНИИСХМ) (1998), представляет собой стохастическую модель агроклиматических ресурсов (факторов, влияющих на конечную урожайность), которая базируется на расчетах вероятностных характеристик неблагоприятных погодных ситуаций и оценке потерь, а вопрос о максимально возможной продуктивности посевов остается за рамками исследования. Этот метод дает возможность хорошо прогнозировать конечную урожайность, хотя реализация его довольно сложна.

Другой, наиболее распространенный, метод исследования временных рядов урожайности с.-х. культур разработан во ВНИИСХМ В.М. Пасовым (1986).

Основная его особенность заключается в представлении рядов урожайности в виде суммы трендовой (обусловленной общим уровенем земледелия) и случайной компонент (зависящей от агроклиматических условий территории). В дальнейшем этот метод был развит в большом количестве работ (Русакова и др, 2010).

В этой же главе дано обоснование значений параметров, используемых в нашей модели.

В главе 2 в параграфе 2.1 представлена характеристика ранних яровых зерновых культур и рассмотрено влияние агрометеорологических условий роста и развития на их урожайность.

2.2. Исходная информация Для решения поставленных задач нами была создана уникальная база данных, содержащая результаты агрометеорологических и актинометрических наблюдений, проводимых на сети станций Росгидромета за период с 1996 по 2010 гг. Суммы потоков суммарной солнечной радиации за период роста (от всходов до молочной спелости (табл. 1)) рассчитывались по ежедневным данным, полученных с помощью интегратора по 5 станциям (табл. 2).

Исходя из доли ФАР в суммарной радиации, которая по более ранним расчетам составляла в среднем 50% (Тооминг, Гуляев, 1967; Тооминг, Нийлиск, 1967), а по уточненным данным – около 48% (Справочник экол.-клим. характе ристик …, 2003; Шульгин, 2004; Шиловцева и др., 2005), были рассчитаны суммы ФАР за период активной фотосинтетической деятельности посевов.

Таблица 1.

Продолжительность периодов роста ранних яровых зерновых культур.

Продолжительность периодов, дни Всходы – Всходы – Всходы – Область Станция выход в молочная восковая трубку спелость спелость 25 64 Курская Петринка 16…39 53…75 59…27 65 Тамбовская Мичуринск 16…41 50…77 72…22 58 Воронежская Каменная Степь 16…30 49…67 61…22 55 Самарская Самара-Безенчук 15…29 45…65 57…19 52 Саратовская Ершов 14…24 45…65 51…В верхней строке – средняя за период; в нижней – наименьшая…наибольшая величина.

Таблица 2.

Приход суммарной солнечной радиации.

Действительные суммы суммарной солнечной Область Станция радиации за период активного роста, МДж/мсредние наименьшие наибольшие Курская Петринка 1336 1066 16Тамбовская Мичуринск 1278 877 17Воронежская Каменная Степь 1223 891 15Самарская Самара-Безенчук 1244 960 15Саратовская Ершов 1243 951 16Полная агрометеорологическая база данных (около 550 гидрометеорологических станций по всей территории России), наряду с традиционными параметрами температурно-влажностного режима, содержит как результаты фенологических наблюдений (даты наступления основных фаз развития, оценки состояния, высоты растений), так и полный комплекс элементов продуктивности зерновых культур (густота растений и стеблестоя, число стеблей с колосом, число колосков в колосе, общее число зерен в колосе и процент щуплых, влажность зерна, масса 1000 зерен); результаты определения запасов продуктивной влаги (ЗПВ) в верхнем, пахотном и метровом слоях почвы; информацию о проводимых полевых работах; наличии и степени повреждений растений от различных причин (заморозков, засух, ливня, сильного ветра, вредителей и болезней растений). Для сопряженного анализа элементов погоды, потоков ФАР и состояния посевов из большого числа станций брались данные не только по указанным 5, но и по 28 ближайших к ним (до 100 км). Были проанализированы результаты наблюдений этих станций за 15 лет (каждую декаду с апреля по август включительно с 1996 по 2010 г.), т.е. всего по 225 декадам по станциям.

За указанные годы были проанализированы условия роста, развития и формирования урожая ранних яровых культур и, зная структуру элементов продуктивности колоса (число стеблей с колосом на 1 кв.м., число зерновок колоса, процент щуплых, влажность зерна, масса 1000 зерен), была рассчитана урожайность этих культур для каждого наблюдательного участка. Также использовались данные о средней областной урожайности пшеницы и ячменя за каждый год.

В главе 3 проведена агроклиматическая оценка продуктивности зерновых культур. На базе уравнения энергетического баланса нами разработана энергобалансовая модель потенциальной и погодообусловленной урожайности посевов.

3.1. Потенциальная урожайность зерновых культур рассматривается нами как теоретический предел, реализуемый в оптимальных условиях и обусловленный, как было указано ранее, только приходом и поглощением ФАР и биологическими особенностями культуры.

Общепринято, что КПД приходящей ФАР по биомассе в оптимальном случае может достигать 4-5% (Ничипорович, 1956, 1963, 1976; Ничипорович, Шульгин, 1976; Грингоф и др., 1987). КПД же поглощенной ФАР по энергии, запасенной в сухой биомассе за период активного роста, достигает 5-7% (Тооминг, 1977; Шульгин, 2004). Принимается, что доля массы зерновок колоса в общей массе (Кхоз) составляет 0,30-0,35.

На основе нашей модели потенциальной урожайности можно определить величины максимально возможной урожайности посевов. В условиях равновесия, когда расход энергии за сутки на основные физиологические процессы равен поглощенной посевом, детальный энергетический баланс (Шульгин, 2004; Шульгин, Тарасова, Сенников, 2011) можно упрощенно представить как равенство между поглощенной лучистой энергией Q·A (Q – сумма приходящей ФАР, А – коэффициент поглощения ФАР посевом) и энергией, идущей на фотосинтез (газообмен) и запасаемой в приросте биомассы (QM), а также идущей на транспирацию QT и теплообмен Qt:

Q·A=QM+QT+Qt (1) В условиях, когда влага не лимитирует рост растений, температурный градиент между листьями и воздухом близок к нулю и поэтому значением Qt можно пренебречь. По существу, состояние энергетического баланса при равенстве приходной и расходной его частей – одна из важнейших оптимизационных функций организма в целом, направленная на максимально эффективную его работу за сутки – основную единицу биологического времени.

Интенсивный рост яровых ячменя и пшеницы и, следовательно, их активная фотосинтетическая деятельность продолжаются в основном до молочной спелости (Шульгин и др., 1978; Носатовский, 1965).

Поглощенную ФАР (Q·A) за этот период мы рассчитывали исходя из данных, что хорошо развитые посевы за период до молочной спелости имеют альбедо не более 10% и пропускают к почве не более 10% приходящей солнечной радиации, т.е. около 80% поглощается листьями (Росс, Нильсон, 1968; Росс, Тооминг, 1968; Тооминг, 1969).

Зная суммы поглощенной ФАР за период активного роста и КПД поглощенной ФАР по использованию в газообмене посева, можно рассчитать энергию QM, запасенную в общей сухой биомассе М растений посева:

QM = Q·A· КПД ФАР (2) и саму сухую биомассу посева М:

М = QM / 16,8 кДж, (3) где 16,8 кДж – средняя энергетическая емкость 1 грамма биомассы; зная Кхоз, можно получить и массу зерновок Мз, т.е. урожайность:

Мз = М · Кхоз. (4) По нашей модели (Тарасова, Шульгин, 2009) расчетная потенциально возможная урожайность ранних яровых зерновых культур составляет 4550 ц/га абсолютно сухого зерна, что в 2–4 раза превышает реальную среднюю областную урожайность (табл. 3).

Таблица 3.

Компоненты энергетического баланса и потенциальная урожайность ранних яровых зерновых культур.

Каменная Курск Мичуринск Самара Ершов Степь Приходящая за период всходы - цветение ФАР (Q), 644 592 596 656 5МДж/мПоглощенная ФАР(Q·А), 515 473 477 525 4МДж/мИспользуемая ФАР в фотосинтезе и запасаемая в 26 24 24 26 биомассе (QM), МДж/мПотенциальная 51 48 47 46 урожайность, ц/га Средняя областная 22 21 21 13 урожайность, ц/га В зависимости от погодных условий в период роста Мз может достигать 60 ц/га. Корреляция между потенциальной урожайностью и фактической весьма высока (0,6–0,7). Следовательно, именно солнечная радиация является основным фактором, определяющим конечную урожайность ранних яровых зерновых культур, хотя и другие факторы (агротехника и плодородие почв) имеют большое значение.

Следует особо подчеркнуть, что полученные нами величины потенциальной урожайности ярового ячменя хорошо согласуются с фактической урожайностью в передовых хозяйствах и на сортоучастках (Неттевич, 1979; Зерфус и др., 1987; Таланов, 2003; Мельникова, Клименков, 2007; Родина, Щенникова, 2007), что говорит о физической обоснованности модели и входящих в не параметров. Представляется интересным, что результаты, полученные нами исходя почти исключительно из знания прихода суммарной солнечной радиации, практически полностью (урожайность, период от всходов до колошения, кустистость, озерненность колоса) совпадают с параметрами модели «идеального» сорта яровой пшеницы (Кумаков, 1985; Гончаров, Гончарова, 2009).

Далее нами рассматривается та доля энергии, которая не используется на формирование биомассы и расходуется (при оптимальной влагообеспеченности) на транспирацию.

В разделе 3.1.2. рассмотрена потенциальная транспирация (влагопотребление) посева в течение его активной физиологической деятельности, на основе чего можно рассчитать величины необходимого для получения максимально возможных урожаев количества влаги, а также его соотношения с реально доступной для растений влагой.

В условиях, когда почвенная влага не лимитирует рост растений, в суточном водном балансе посева количество поглощаемой корнями воды и количество транспирируемой и запасаемой в органах растений равно друг другу.

Допустим, что растения могут использовать всю продуктивную влагу, содержащуюся в метровом слое почвы. Примем, что осадки в полном объеме впитываются почвой, пополняя запасы продуктивной влаги. В этом случае, согласно водному балансу почвы, можно принять, что растениям на транспирацию доступно количество влаги, равное сумме весенних ЗПВ (на начало вегетации яровых зерновых культур) и суммы осадков за период активного роста.

Согласно принятому в модели значению КПД поглощенной ФАР (5%) следует, что в оптимальных условиях роста при нелимитирующем его количестве продуктивной влаги в почве на фототранспирацию расходуется около 94% поглощенной энергии. В табл. 4 показано, что за период до молочной спелости возможные затраты энергии QT на транспирацию посевами составляют в среднем 400-500 МДж/м2.

Для расчета транспирации Т существуют две возможности. Одна из них связана с физическими представлениями: принимается, что поглощенная ФАР, не идущая на фотосинтез, превращается внутри хлоропластов клеток листьев в тепловую, распространяется от них к наружным стенкам клеток, где и происходит фазовый переход приходящей жидкой воды в парообразную (Алехина и др., 2005) и тогда QT=КТ·Т, (5) где КТ· – теплота парообразования, которая для воды при температуре 20…25° составляет 2,2-2,4 кДж/г, Т – интенсивность транспирации (г/см2).

В этом случае как бы допускается, что снижение энергии QM может вести, согласно балансу, к увеличению доли энергии, идущей на транспирацию (QT) и теплообмен со средой (Qt).

Вторая возможность основана на физиологическом обосновании процессов транспирации, в соответствии с которым (при наличии влаги) поглощенная ФАР не переходит в хлоропластах в тепловую энергию, а преобразованная в фотосистемах направляется особым образом (не нагревая ткани и не нарушая их изотермичность) к многочисленным аквапоринам клеток, где и расходуется на парообразование в межклеточном пространстве (Шульгин, Мурей, 1980;

Шульгин, 2004). В этом случае транспирация функционально связана с фотосинтезом и пропорциональна ему. Снижение одного из этих процессов влияет на снижение другого, что соответствует экспериментальным данным. В обоих случаях энергия QT (и сама транспирация) пропорциональна общей биомассе посева; отличия составляют не более 4%.

Лишь в том случае, если снижена и транспирация и газообмен, энергия поглощенной ФАР идет на теплообмен, нагревая ткани листьев.

Итак, зная теплоту парообразования и плотность воды, а также величину расхода энергии на QT, можно перейти к значениям транспирации Т, а от них к миллиметрам водного слоя, что удобнее для сопоставления с количеством осадков и запасами продуктивной влаги в почве (табл. 4).

Таблица 4.

Компоненты энергетического баланса и потенциальная транспирация посевов яровых зерновых культур.

Курск Мичуринск Каменная Самара Ершов Степь Энергия на возможную 489 450 418 499 4транспирацию QТ, МДж/мПотенциальная транспирация 219 201 203 223 2Т, в мм Возможная доступная для 313 315 294 186 1растений влага, мм Сумма осадков, мм 101 118 81 61 Запасы продуктивной влаги в 212 197 213 125 10-100 см в фазу «всходы», мм Запасы продуктивной влаги в 0-100 см в фазу «цветение», 155 152 138 74 мм В нашем случае при условии, что Кхоз равен 30% от общей биомассы М, значение транспирационного коэффициента (ТК) равно 130 г воды/г сух. в-ва;

величина продуктивности транспирации (ПТ) равна 7,75 г сух. в-ва/кг воды.

В учебном пособии для ВУЗов И.Г. Грингофа и А.Д. Клещенко (2011) отмечено, что ТК у растений в условиях умеренного климата варьирует от 1до 1500. При этом в зависимости от условий роста посевов ПТ снижается от максимальной, равной 8, почти до 1.

Приводимые в литературе (Максимов, 1952; Hocking et al., 1997, Johnston et al., 2000, цит. по Кошкину, 2010; Zhang, Oweis, 1999) величины ТК (100-150) и ПТ (5-10) практически сходны с полученными нами (130 и 7,75) для среднего значения максимально возможного урожая пшеницы в данных климатических условиях. Естественно, что близки к нашим модельным данным о потенциаль ной урожайности (45-55 ц/га) и приводимые величины реальной максимальной урожайности этих культур в условиях орошения (48-55 ц/га).

Таким образом, можно утверждать, что расчетные значения минимимально возможной транспирации вполне реальны и что между урожайностью и транспирацией действительно существует тесная зависимость.

3.2. Погодообусловленная урожайность зерновых культур Следующей задачей была оценка урожайности, которую можно получить в условиях современного сельскохозяйственного производства. Понятно, что при существующем уровне агротехники, а также в условиях лимита влаги в почве в засушливые годы КПД поглощенной ФАР по использованию в газообмене посева за период роста будут менее 5%. Соответственно с уменьшением влагопотребления растений снижается их транспирация, КПД ФАР (с 3-4 до 1%); при этом уменьшается и доля массы зерновок в общей биомассе. Уровень агротехники здесь не определен – при максимальных значениях КПД он высокий, но если КПД всего лишь 1-2%, то возможны как погодные причины снижения урожая (засуха, недостаток тепла и др.), так и агротехнические (например, недостаток минерального питания, засоренность посевов и т.п.).

Из агротелеграмм нам известны ЗПВ в метровом слое почвы весной (на конец декады, когда появились всходы ранних яровых культур) и летом (период колошения-цветения), а также сумма осадков за этот период. На основе уравнения водного баланса можно рассчитать фактическое влагопотребление растений за период роста. В течение этого периода в конкретный момент времени эта влага идет в ткани и органы растений и на транспирацию, однако, в конечном итоге, в период формирования урожая, когда растение засыхает, она испаряется, поэтому для краткости и удобства расчетов далее термин «транспирация» мы употребляем как синоним «влагопотребления».

За период от всходов до молочной спелости возможная транспирация яровой пшеницы и ячменя должна была составлять, по нашим расчетам, в среднем около 200-220 мм, а фактическая обычно не превышала 100-160 мм (табл. 5).

Таблица 5.

Влагообеспеченность посевов ранних яровых зерновых культур.

Сумма Запасы продуктивной осадков за влаги в метровом слое Фактическая Потенциальная период почвы в период, мм Область транспирация, транспирация, «всходы – всходов цветения – в мм в мм начала цветение», налива зерна мм 102 214 158 1Курская 250…159 154…278 101…272 79…2121 197 138 1Тамбовская 251…247 120…303 58…198 98…387 212 145 1Воронежская 224…159 181…259 87…225 94…255 126 76 1Самарская 213…136 91…179 17…125 47…147 110 53 1Саратовская 23…114 64…162 0…116 45…1В верхней строке – среднее за период; в нижней – наименьшая…наибольшая величина.

Таким образом, зная соотношение фактической и потенциальной транспирации можно соответственно уменьшить и суммы QМ и саму биомассу М, откуда легко найти и урожайность. Эту величину мы назвали погодообусловленной урожайностью, т.е. зависящей не только от ФАР, но и от запасов влаги в почве и количества осадков за период активного роста (табл. 6).

Погодообусловленная урожайность ранних яровых зерновых культур в центральных черноземных областях составляет 30-35 ц/га, в Среднем Поволжье – 20-25 ц/га (Тарасова и др., 2011), и лишь в отдельные годы – 30-32 ц/га.

В тоже время средняя за период 1996-2010 гг. урожайность яровых ячменя и пшеницы в указанных регионах составляет соответственно 20-22 ц/га и 1011 ц/га. Рассчитанная по элементам продуктивности урожайность яровой пшеницы (по примерно 50 участкам выбранных станций за 15 лет) несколько выше 25-35 ц/га, т.е. равна погодообусловленной (!) (табл. 6). Укажем, что значительная часть наблюдательных участков метеорологических станций расположена на полях с высоким уровнем агротехники – в передовых хозяйствах или на производственных площадях научных учреждений Россельхозакадемии.

Таблица 6.

Потенциальная, погодообусловленная, расчетная по элементам продуктивности колоса и средняя по области урожайность ранних яровых зерновых культур в среднем за период 1996-2010 гг.

Потенциальная Погодообусловленная Расчетная по Средняя по урожайность, урожайность, ц/га элементам про- области урожайОбласть ц/га дуктивности ность, ц/га урожайность, ц/га 51 35 37 Курская 48 34 35 Тамбовская 47 35 36 Воронежская 46 24 23 Самарская 43 21 20 Саратовская Разницу между погодообусловленной урожайностью и среднеобластной мы назвали агротехнологической компонентой. Интересно отметить, что она в среднем за период одинакова во всех пяти областях и составляет около 10 ц/га.

В годы с засухой эта компонента мала (около 5 ц/га), зато в благоприятные годы она достигает 15 ц/га и более. Такое распределение объясняется нивелирующим действием засухи на формирование урожайности зерновых культур. В напряженных агрометеорологических условиях страдают как хорошо развитые, ухоженные, так и слабые, испытывающие дефицит минерального питания, посевы.

Из сказанного следует также, что достаточно низкий уровень получаемых урожаев связан не с суммами ФАР и запасами продуктивной влаги, а, повидимому, с невысоким уровнем агротехники (включая минеральное питание растений). Разумеется, наряду с этим свою роль в величинах конечной продуктивности может играть и неравномерность, апериодичность прихода и действия многих факторов (суточных сумм ФАР, осадков, дневных температур воздуха, интенсивности поглощения минеральных веществ из почвы и т.д.).

Далее была показана роль экстремальных погодных условий в формировании урожайности ранних яровых зерновых культур (3.3), для чего с точки зрения изучения компонент энергетического баланса посева были про анализированы агрометеорологические условия отдельных лет с наиболее низкими урожаями (1998, 1999, 2004, 2010).

В подразделе (3.3.1) было проанализировано влияние на продуктивность засух (за период 1996-2010 гг.), а в подразделе (3.3.2) – весенних заморозков (Тарасова, Шульгин, 2010, 2011). Показано, что экстремальные условия (засухи и низкие температуры воздуха, сниженный приход ФАР в период всходов) обуславливают снижение урожая зерна на 15-30%.

Таким образом, энергобалансовая оценка потенциальной и погодообусловленной урожайности чрезвычайно важна и необходима, но она не исчерпывает многообразие действия погодно-климатических факторов среды на растение, особенно при экстремальности их параметров по интенсивности и длительности в один и тот же период, что требует их учета при прогнозе урожайности посевов.

В итоге, нами показана главенствующая роль используемых ресурсов среды (ФАР и доступная влага в почве) и модулирующая роль фоновых (температура воздуха и почвы, влажность воздуха, и т.д.), лимитирующих и ингибирующих физиологические процессы. Причем ресурсы ФАР определяют максимально возможную продуктивность с.-х. культур, которая, в свою очередь, лимитируется количеством доступной влаги в почве.

Поэтому, а также исходя из сложившихся представлений о глобальном изменении климата, можно предполагать, что в дальнейшем вариации урожайности будут в первую очередь связаны с изменением режима осадков и соответственно почвенной влаги (Белолюбцев, 2011; Вильфанд, Страшная, 2011;

Якушев, Иванов, 2011, Эколого-географические последствия …, 2011).

В главе 4 представлена оценка ресурсов почвенной влаги в центральных черноземных областях и Среднем Поволжье. В ней рассматриваются статистическая структура ЗПВ, влияние на не изменений климата, а также насколько правильно влагосодержание почв воспроизводится современными климатическими моделями.

В параграфе 4.1 рассматривается пространственно-временная структура запасов продуктивной влаги в почве, что чрезвычайно важно для понимания продукционного процесса.

В качестве исходной информации использовали массивы данных о запасов продуктивной влаги в пахотном (0-20 см) и метровом слоях почвы под ранними яровыми зерновыми культурами (ячмень и пшеница) по 70 станциям черноземной зоны европейской части России.

Проведенный анализ позволяет утверждать, что средние за апрель, май, июнь и июль запасы продуктивной влаги в метровом слое почвы, рассчитанные по станциям и средние по области запасы влаги, рассчитанные за 1950-1977 гг.

(Мещерская и др., 1982), хорошо согласуются. В то же время точечные запасы более изменчивы во времени, чем запасы влаги, осредненные по областям.

Анализируя запасы влаги под зерновыми культурами в июле, прослеживаются две основные географические закономерности. Во-первых, на всей рассматриваемой территории в течение лета запасы продуктивной влаги убывают (растения расходуют влагу для роста), а их изменчивость из-за неравномерного выпадения осадков возрастает. В работе А.В. Кислова (1991) на основе стохастической модели влажности почвы показано, что в июле дисперсия запасов продуктивной влаги в метровом слое почвы на 85-95% определяется «текущими» флуктуациями осадков, а остальные 5-15% связаны с аномалиями исходного состояния.

Во-вторых, увлажнение почвы в центральных черноземных областях лучше, чем в Поволжье, так как на западе черноземной зоны суммы летних осадков существенно (на 30%) выше, чем на востоке. Для Самарской и Саратовской областей, особенно для заволжских районов, характерно неустойчивое увлажнение, со значительными колебаниями запасов влаги по годам (Кельчевская, 1983; Тарасова, 2008).

4.2. Структура корреляционных связей Для характеристики пространственно-временной изменчивости были построены пространственные корреляционные функции ЗПВ в метровом слое почвы. Они позволяют судить о закономерностях связности флуктуаций ЗПВ на разных расстояниях (Гандин, Каган, 1976; Исаев, 1988).

Полученная пространственная корреляционная функция хорошо аппроксимируется экспоненциальной функцией; при этом достоверность аппроксимации равна 0,7. Вместе с тем, разброс точек достаточно велик и это объясняется, прежде всего, «пестрым» характером распределения летних осадков (Исаев, 2001) и, во вторую очередь, – особенностями почв и агротехники, которые нарушают изотропность поля. Отметим, что до расстояния 200 км полученная корреляционная функция ЗПВ хорошо согласуется с корреляционной функцией декадных сумм летних осадков (Сиротенко, 1970; Исаев, 2001).

4.3. Оценка качества воспроизведения почвенной влаги современными климатическими моделями Для оценки возможных последствий глобального потепления на продуктивность в основных земледельческих регионах, в том числе и России, все чаще используются методы численного моделирования климата (Золотокрылин, 2003, 2011; Менжулин, 2011; Грингоф, Клещенко, 2011; Кислов, Барабанова, 2011).

Как было показано ранее, важную роль в формировании продуктивности посевов играет солнечная радиация и продуктивная влага.

Оценка качества воспроизведения суммарной солнечной радиации, выполненная Н.Е. Чубаровой (2011), показывает, что большинство моделей климата практически не воспроизводят е межгодовую изменчивость, поэтому моделирование процессов фотосинтеза и транспирации в растительном покрове главным образом осуществляется методом параметризации с учетом прежде всего термического режима (воспроизведение которого наиболее близко к адекватному) (Hanks, Ritchie, 1991; Pope, Gallani, Rowntree, Stratton, 2000;

Bonan, Levis, Kergoat, Oleson, 2001, 2002; Kondratyev, Krapivin, Phillips, 2002).

Влагосодержание почвы является одним из ключевых природно-ресурсных агроклиматических показателей. Представляется важным оценить, насколько правильно оно воспроизводится при моделировании климата.

Для этой цели в качестве исходной информации использовали массивы выходных данных 6 климатических моделей: NCAR_CCSM3 (США), CGCM3.(Канада), MIROC3.2 и MRI-CGCM2.3.2а (Япония), UKMO_HADCM3 и UКMO_HADgem1 (Великобритания) (http://www-pcmdi.llnl.gov/).

В современных моделях тепло- и влагоперенос в системе растительность – почва описывается через уравнения тепло- и влагопроводности, с учетом таяния и замерзания, стока, поступления влаги на верхнюю границу почвы, испарения и всасывания корнями. В разных моделях эти процессы описываются с разной степенью детализации (Володин, Лыкосов, 1998; Мочалов, 1999; Bonan, 2001; Володин, 2007).

Для верификации выходных данных этих моделей нами использованы средние областные значения ЗПВ в пахотном слое почвы под ранними яровыми зерновыми культурами за период 1970-1999 г.

Оказалось, к сожалению, что ни одна моделей не воспроизвела сильнейшие и обширные засухи этого периода, наблюдавшиеся в 1972, 1975, 1979, 1981, 1984, 1991, 1995, 1998, 1999 годы (Страшная, Богомолова, 2005). Более того, большинство моделей существенно завышает количество влаги в почве. Вместе с тем, все климатические модели «в первом приближении» правильно показывают основные закономерности поля почвенной влаги: уменьшение количества влаги с севера на юг и главные особенности годового хода, т.е. в июле влагозапасы меньше, чем в апреле.

Особенно важна оценка межгодовой изменчивости воспроизводимых моделями запасов почвенной влаги, т.к. именно эта характеристика дает возможность понять правильность работы модели.

По данным наблюдений, наибольшая дисперсия запасов влаги в верхнем слое почвы закономерно имеет место в регионах с достаточным увлажнением в летние месяцы, т.к. здесь возможны как периоды бездождья, когда верхний слой почвы практически пересыхает, так и периоды с обильными осадками. В засушливых регионах дисперсия запасов влаги в летние месяцы тоже больше, чем весной, но по величине мала, т.к. сумма летних осадков здесь мала, а вла гопотребление растениями велико. Тенденцию к увеличению изменчивости влажности почвы летом можно увидеть в результатах модели MIROC3.2, CGCM3.1, UKMO_HADCM3, но вместе с тем, к примеру, UKMO_HADCMпоказывает большую изменчивость в южных областях, а не в северных. В других моделях эта закономерность не прослеживается: весенние запасы влаги более изменчивы, чем летние, а не наоборот (Тарасова, 2011).

Выводы.

Для анализа и количественной оценки урожайности ранних яровых зерновых культур был применен комплексный метеорологический, агрометеорологический и физиологический подход.

Разработана энергобалансовая модель, позволившая оценивать урожайность зерновых культур.

На основе модели и е реализации с использованием созданной уникальной базы агрометеорологических и актинометрических данных для центральных черноземных областей и Среднего Поволжья оценена потенциальная (максимально возможная) урожайность ранних яровых зерновых культур (4555 ц/га) в современных климатических условиях при максимально высоком уровне агротехники.

На основе энергобалансовой модели оценено минимальное количество влаги за период активной деятельности посева (200-220 мм водного слоя), необходимое для транспирации за счет поглощенной лучистой энергии для получения максимально возможных урожаев.

На основе этой же базы данных, с учетом влагопотребления посевов, оценена фактическая биологическая и хозяйственная урожайность яровой пшеницы и ячменя (30-35 ц/га) в условиях сложившейся системы земледелия.

Сравнительно низкая среднеобластная урожайность яровых злаков (2022 ц/га) обусловлена, по-видимому, как низким уровнем агротехники, так и влиянием неблагоприятных агрометеорологических условий (весенних заморозков, засух и др.). Только заморозки в первый критический период «всходы – 1-2 лист» снижают конечную озерненность колоса яровой пшеницы и ячменя на 15-20%.

Оценены изменения климата по влагообеспеченности посевов в конце XX – начале XXI веков, т.е. пространственно-временная структура поля запасов продуктивной влаги в почве и показано, что существенного изменения запасов продуктивной влаги в метровом слое почвы под зерновыми культурами по сравнению с серединой ХХ в. не наблюдается.

Построены корреляционные функции точечных запасов продуктивной влаги в метровом слое почвы для черноземной зоны европейской части России и установлено, что пространственная связность запасов продуктивной влаги существует и прослеживается на значительном расстоянии (до 800 км).

Проведена оценка качества воспроизведения влагосодержания типичных почв Европейской части России современными климатическими моделями.

Показано, что модели климата не улавливают межгодовые, а также пространственные изменения запасов влаги в почве, а лишь воспроизводят общие закономерности годового хода и пространственного распределения.

Публикации.

1. Тарасова Л.Л. Пространственно-временная структура поля запасов продуктивной влаги в почвах черноземной зоны европейской части России – Вестн. Моск. ун-та. Сер. 5. география. 2008, №2, с. 56-71.

2. Тарасова Л.Л. Оценка качества воспроизведения почвенной влаги современными климатическими моделями // Сб. науч. тр. «Погода и климат:

новые методы и технологии исследований» Под ред. Калинина Н.А. – Пермь, ПГУ, 2010, с. 38-45.

3. Тарасова Л.Л. Оценка качества воспроизведения почвенной влаги современными климатическими моделями. // Тр. ФБГУ "ВНИИСХМ", вып. 37, 2010, с. 274-285.

4. Тарасова Л.Л. Оценка качества воспроизведения почвенной влаги климатическими моделями // Гл. 3.4 в кн. «Эколого-географические последст вия глобального потепления климата XXI века на Восточно-европейской равнине и в Западной Сибири» // под ред. Н.С. Касимова и А.В. Кислова – М., МАКС Пресс, 2011, с. 87-94.

5. Тарасова Л.Л., Шульгин И.А. Гидро-радиационный режим и урожайность яровых зерновых культур в центральных черноземных областях и Среднем Поволжье – Вестн. Моск. ун-та. Сер. 5, география, 2010, №4, с. 30-33.

6. Тарасова Л.Л., Шульгин И.А. К вопросу об агроклиматической оценке урожайности зерновых культур в условиях изменения климата. // Материалы всероссийской научной конференции «Методы оценки сельскохозяйственных рисков и технологии смягчения последствий изменения климата в земледелии» – СПб, АФИ, 2011, с.78-81.

7. Тарасова Л.Л., Шульгин И.А. О физиологической и фитометеорологической оценке урожаев яровых зерновых культур // Материалы докладов VII Съезда Общества физиологов растений России «Физиология растений – фундаментальная основа экологии и инновационных технологий» – Нижний Новгород, 2011, с. 686-688.

8. Тарасова Л.Л., Шульгин И.А. О первом критическом термо-радиационном периоде регуляции продуктивности яровых злаков // Материалы докладов VII Съезда Общества физиологов растений России «Физиология растений – фундаментальная основа экологии и инновационных технологий» – Нижний Новгород, 2011, с. 688-689.

9. Шульгин И.А., Тарасова Л.Л. Агрометеорологические аспекты энергетического баланса растений и агрофитоценозов. // Агрометеорология XXI века. Материалы Международ. научн. конф. – М., РГАУ-МСХА, 2009, с. 32-43.

10. Шульгин И.А., Тарасова Л.Л., Сенников В.А. Агрометеорологические аспекты оценки урожаев в условиях климатических изменений. // Адаптация сельского хозяйства России к меняющимся погодно-климатическим условиям – М., РГАУ-МСХА, 2011, с. 90-99.







© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.