VESTNIK-VGATU
2782-3172
2782-3172
Вятский государственный агротехнологический университет
Киров, Россия
10.66783/2782-3172.2026.27.1.020
Математическое моделирование урожайности культур в регионе в условиях изменения климата (на основе данных по Кировской области)
Егоровна
Евдокимова Наталья
Всероссийский институт аграрных проблем и информатики им. А. А. Никонова
Москва, Россия
Россия
В связи с изменением климата растениеводство в регионах сталкивается с постепенным изменением условий возделывания ранее районированных сортов и культур, а также с возрастающим воздействием экстремальных погодных явлений. В этих условиях актуальным научным направлением становится моделирование и прогнозирование продуктивности сельскохозяйственных культур от природно-климатических факторов их выращивания. В настоящей работе представлены методические аспекты построения регрессионной зависимости урожайности культур от таких факторов на основе данных по Кировской области. С использованием программного обеспечения Statistica10.0 получены математические модели для региональной урожайности яровой и озимой пшеницы, овса, озимой ржи и ярового ячменя. Метод, примененный для выбора факторов модели, отличается возможностью визуальной оценки выделенного воздействия каждого фактора на урожайность и применим для решения задач анализа и прогнозирования на исторических рядах региональных данных.
исследование, на основе результатов которого написана данная статья, финансировалось за счет собственных средств автора
УДК 633.1:519.24
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ УРОЖАЙНОСТИ КУЛЬТУР
В РЕГИОНЕ В УСЛОВИЯХ ИЗМЕНЕНИЯ КЛИМАТА
(НА ОСНОВЕ ДАННЫХ ПО КИРОВСКОЙ ОБЛАСТИ)
Наталья Егоровна Евдокимова
Всероссийский институт аграрных проблем и информатики им. А. А. Никонова,
n.e.evdokimova@vniiesh.ru
В связи с изменением климата растениеводство в регионах сталкивается с постепенным изменением условий возделывания ранее районированных сортов и культур, а также с возрастающим воздействием экстремальных погодных явлений. В этих условиях актуальным научным направлением становится моделирование и прогнозирование продуктивности сельскохозяйственных культур от природно-климатических факторов их выращивания. В настоящей работе представлены методические аспекты построения регрессионной зависимости урожайности культур от таких факторов на основе данных по Кировской области. С использованием программного обеспечения Statistica10.0 получены математические модели для региональной урожайности яровой и озимой пшеницы, овса, озимой ржи и ярового ячменя. Метод, примененный для выбора факторов модели, отличается возможностью визуальной оценки выделенного воздействия каждого фактора на урожайность и применим для решения задач анализа и прогнозирования на исторических рядах региональных данных.
[
1. Галямин Е. П., Сиптиц С. О., Милютин Н. Н. Модель формирования урожая агроценоза и ее идентификация // Принципы управления продукционными процессами в агроэкосистемах. М., 1976. С. 96–115. EDN UAMRKZ.
]
[
2. Сиптиц С. О., Романенко И. А., Евдокимова Н. Е. Проектирование эффективных государственных регуляторов рынков агропродовольственной продукции // Актуальные проблемы современной аграрной теории и политики. М., 2005. С. 338–385. EDN TTRLXF.
]
[
3. Разработать теоретические основы формирования эффективного сельскохозяйственного производства на территории Российской Федерации с учетом биоклиматического потенциала региональных агропродовольственных систем : отчет о НИР / ВИАПИ им. А. А. Никонова ; И. А. Романенко, С. О. Сиптиц, О. С. Соболев [и др.]. М. : [б. и.], 2011. 201 с. EDN YRCSGR.
]
[
4. Gommes R. Crop-yield Weather Modelling. Lecture Notes and Exercises for WMO/FAO Roving Seminar. Rome : FAO, 2017. 155 р.
]
[
5. Влияние чрезвычайных ситуаций на продовольственную безопасность Российской Федерации / И. А. Романенко, С. О. Сиптиц, Н. Е. Евдокимова, О. Д. Егорова. М. : ЭРД, 2015. 142 с. EDN UWFCVT.
]
[
6. Comparison of regression techniques to predict response of oilseed rape yield to variation in climatic conditions in Denmark / Sharif B. [et al.] // European Journal of Agronomy. 2017. Vol. 82. P. 11–20.
]
[
7. Sellam V., Poovammal E. Prediction of crop yield using regression analysis // Indian Journal of Science and Technology. 2016. Vol. 9, no 38. P. 1–5.
]
[
8. Iniyan S., Varma V. A., Naidu C. T. Crop yield prediction using machine learning techniques // Advances in Engineering Software. 2023. Vol. 175. P. 103326.
]
[
9. Kaya Y., Polat N. A linear approach for wheat yield prediction by using different spectral vegetation indices // International Journal of Engineering and Geosciences. 2023. Vol. 8, no 1. P. 52–62.
]
[
10. Abbas F. et al. Crop yield prediction through proximal sensing and machine learning algorithms //Agronomy. 2020. Vol. 10, no 7. P. 1046.
]
[
11. Soybean yield prediction from UAV using multimodal data fusion and deep learning / Maimaitijiang M. [et al.] // Remote sensing of environment. 2020. Vol. 237. P. 111599.
]
[
12. Kamir E., Waldner F., Hochman Z. Estimating wheat yields in Australia using climate records, satellite image time series and machine learning methods // ISPRS Journal of Photogrammetry and Remote Sensing. 2020. Vol. 160. P. 124–135.
]
[
13. A comprehensive review of crop yield prediction using machine learning approaches with special emphasis on palm oil yield prediction / Rashid M. [et al.] // IEEE access. 2021. Vol. 9. P. 63406–63439.
]
[
14. Ezekiel M. Methods of Correlation Analysis. John Wiley & Sons, Inc. N. Y. 1941.
]
[
15. Thompson Louis M. Weather and technology in the production of corn and soybeans. CARD Reports. Book 17. 1963. URL: http://lib.dr.iastate.edu/card_reports/17 (дата обращения: 26.02.2026).
]
[
16. Мухамадьяров Ф. Ф., Пермякова Е. А. Изменчивость урожайности зерновых и зернобобовых культур в Кировской области // Вестник Казанского государственного аграрного университета. 2022. Т. 17, № 1 (65). С. 27–31. DOI: 10.12737/2073-0462-2022-27-31. EDN RWRUAU.
]
[
17. Пермякова Е. А. Факторы и слагаемые изменчивости урожайности в Кировской области // Успехи современной науки. 2017. Т. 2, № 5. С. 182–185. EDN YTAYXJ.
]
[
18. Усова Г. А., Снигирева О. М. Урожайность зерновых культур в условиях Кировской области // Инновационные технологии – в практику сельского хозяйства : материалы ВНПК. Киров, 2019. С. 433–436. – EDN SWHFJG.
]
[
19. Сиптиц С. О. Критерии эффективности и устойчивости интеграционных образований и реализующие их процедуры // Никоновские чтения. 2006. № 11. С. 159–161. EDN NUWKUT.
]