Выберите язык

УДК 633.11+556.3.06;519.237.5;528.88
DOI 10.36461/NP.2025.75.3.021

ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ОЗИМОЙ ПШЕНИЦЫ НА ОСНОВЕ АГРОКЛИМАТИЧЕСКИХ ПОКАЗАТЕЛЕЙ И ВЕГЕТАЦИОННОГО ИНДЕКСА NDVI В УСЛОВИЯХ ПЕНЗЕНСКОЙ ОБЛАСТИ
А.С. Щербаков, старший преподаватель, С.В. Богомазов, кандидат с.-х. наук, доцент
Федеральное государственное бюджетное образовательное учреждение высшего образования «Пензенский государственный аграрный университет», Пенза, Россия
E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.

Целью исследования являлось изучение статистических взаимосвязей между урожайностью озимой пшеницы, метеорологическими факторами и значениями нормализованного относительного индекса растительности (NDVI) для создания методических основ прогнозирования урожайности и оценки состояния озимой пшеницы в динамике. Исследование основано на анализе данных за девятилетний период (2015-2023 гг.) с применением статистических методов, включая кластерный и корреляционно-регрессионный анализ. На первом этапе проведена кластеризация 27 муниципальных районов области, в результате которой было выделено 4 однородные группы. Для каждого кластера построены уравнения множественной линейной регрессии с коэффициентом детерминации (R²) от 0,71 до 0,85. В модели вошло пять ключевых переменных, включая количество осадков в критические периоды вегетации, термические условия и максимальное значение NDVI. Верификация моделей показала среднюю абсолютную ошибку (MAE) 2,7 ц/га и среднюю абсолютную процентную ошибку (MAPE) 9,2 %. Точность прогноза валового сбора составила 97,0 % (ошибка 3,0 %). На основе моделей осуществлен прогноз урожайности на 2024 год с диапазоном от 21,3 до 41,0 ц/га по районам и средней урожайностью по области 31,9 ц/га. Результаты работы могут быть использованы органами управления АПК для оперативного планирования производства и оценки рисков в растениеводстве.
Ключевые слова: озимая пшеница, урожайность, прогнозирование, дистанционное зондирование, NDVI, регрессионная модель, кластерный анализ, агроклиматические условия.

Информация о публикации Посмотреть статью

We use cookies

Используя данный сайт, вы даёте согласие на использование файлов cookie, помогающих нам сделать его удобнее для вас.
CookieHint and Consent by reDim GmbH (Opens in a new window)