авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 10 | 11 ||

«ОТДЕЛЕНИЕ БИОЛОГИЧЕСКИХ НАУК РОССИЙСКОЙ АКАДЕМИИ НАУК УЧРЕЖДЕНИЕ РОССИЙСКОЙ АКАДЕМИИ НАУК УЧРЕЖДЕНИЕ РОССИЙСКОЙ АКАДЕМИИ ИНСТИТУТ ФИЗИКО-ХИМИЧЕСКИХ И НАУК ИНСТИТУТ ...»

-- [ Страница 12 ] --

ЭкоМатМод-2011, г. Пущино, Россия Поскольку адекватность модели обоснована в (Шарый и др., 2011), то 74% изменчивости максимальной прибавки к урожаю озимой пшеницы объяснялось пространственной изменчивостью соответствующих факторов среды. Такая тесная связь позволяет не только строить детальные (разрешения 600 м) предсказательные карты, но и давать рекомендации по улучшению различных характеристик урожая путем применения соответствующих агротехнологий, например, усилением мер по снегозадержанию в феврале.

При изучении только серых лесных почв (27 точек наблюдения) связь с факторами среды оказалась еще теснее: R2 = 0,784 (P 10–5). Здесь статистически значим также сорт пшеницы (неколичественный фактор, как и тип почвы): прибавка в урожае возрастала на гребневых формах рельефа для сорта «Мироновская-808» (Шарый и др., 2011).

Литература Шарый П.А., Рухович О.В., Шарая Л.С. Методология анализа пространственной изменчивости характеристик урожайности пшеницы в зависимости от условий агроландшафта // Агрохимия, 2011.- №2.- в печати.

УСТОЙЧИВЫЕ СОЧЕТАНИЯ ПАР ХИМИЧЕСКИХ ЭЛЕМЕНТОВ В ПОЧВЕ И СОГЛАСОВАННОСТЬ ИХ УЗОРОВ В ЛАНДШАФТЕ Шарый П.А. 1, Пинский Д.Л. Институт физико-химических и биологических проблем почвоведения РАН, г.Пущино, Россия p_shary@mail.ru Аннотация: пары химических элементов могут образовывать устойчивые сочетания в почве. Их стабильность описывается с помощью предлагаемого метода наименьшей вариабельности, позволяющего построить ряд стабильностей. Показано, что Cu и Zn образуют наиболее устойчивое сочетание, причем локальная связь между ними на расстояниях ~10 см приводит к согласованному ландшафтному узору на протяженностях ~100 м.

Введение Локальное взаимодействие химических элементов в почве на расстояниях ~10 см (например, электрохимическое) способно создавать согласованные ландшафтные узоры протяженностью десятки и сотни метров. Этот вопрос недостаточно изучен в литературе;

его исследованию для Cu и Zn посвящена настоящая работа. Поскольку это явление может повторяться для различных пар элементов (или других свойств почв), предложена методика выявления и ранжирования устойчивых сочетаний пар (троек и т.д.) элементов.

Материалы и методы Опытный участок «Алфертищево» (юг Московской области) имеет размер 48 м м, почва серая лесная сильно смытая под лугом;



через него проходит бровка речной долины.

Рельеф снят по сетке с шагом 1 м. Для 47 точек наблюдения в двух слоях почвы (верхний 0 10 см и нижний 10-20 см) измерялись концентрации 10-и элементов Сорг, Al, Fe, K, Ca, Mg, Mn, Cu, Zn и Pb, а также плотность почвы D. Для объединенного слоя 0-20 см концентрации и D рассчитывались как среднее от двух слоев. Концентрации, кроме Сорг, определялись рентгенофлуоресцентной спектроскопией, с известными ошибками измерения. морфометрических величин (МВ) рассчитывались по методике (Shary et al., 2002).

Статистическое сравнение концентрации данного элемента с МВ проводилось методами линейной множественной регрессии;

модели проверялись по методике кросс-валидации Аллена (Montgomery, Peck, 1982).

При рассмотрении парных корреляции наиболее тесной была отрицательная связь 2 – между Cu и Zn: R = 0,553 (P10 ) в объединенном слое. Это значит, что Cu и Zn связаны Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия между собой внутри слоя на расстоянии порядка радиуса бура (1,5 см). Значимая корреляция Cu и Zn между верхним и нижним слоями отсутствовала, как и одного элемента (Cu или Zn) между ними. Однако рассмотрение связи между вертикальными градиентами концентраций Cu и Zn также выявило тесную отрицательную связь между их вертикальными 2 – градиентами: R = 0,580 (P10 ). Это значит, что для Cu и Zn существует локальный механизм связи на расстояниях ~10 см. Этот механизм известен из химии как свойство одного из этих элементов вытеснять другой из раствора из-за возникновения гальванической разности потенциалов в водных растворах.

Результаты Уравнения регрессии для связи концентраций Cu и Zn (в весовых %) в объединенном слое с рельефом (индексами показаны t-статистики) таковы:

[Cu] = –0,000529kmax–4,77 – 0,0589MCA–3,78 – 0,0000448И1GA–3,51 + 0,00105И1kve+2,97+ 2 – + 0,0645;

R = 0,474;

P10 ;

[Zn] = 0,000595kmax+4,49 – 0,0000897Z–3,44 – 0,000317И1H–3,19 – 0,000551kve–2, 2 – + 0,00344;

R = 0,443;

P10 ;

здесь kmax – максимальная кривизна (описывает гребневые формы), MCA – площадь сбора (гидрологически важная МВ), GA – крутизна склонов, kve – вертикальная разностная кривизна, Z – относительная высота, H – средняя кривизна (описывает оба механизма аккумуляции потоков), И1 – различающий участки выше и ниже бровки индикатор.

(Индикаторы описывают неколичественные характеристики ландшафта). Расчет по этим уравнениям дал предсказательные карты их пространственного распределения, см. рисунок.

Рисунок.1. Предсказательные карты пространственного распределения Cu (вверху) и Zn (внизу) в слое почвы 0-20 см. Видно, что одна из этих карт близка к негативу от другой Таким образом, локальное (~10 см) взаимодействие Cu и Zn приводит к согласованным ландшафтным узорам (на протяженностях ~100 м) этих элементов.

Для описания устойчивости пар элементов вводится коэффициент вариабельности Kvar, определяемый как умноженное на 100% отношение стандартного отклонения SD к Материалы Второй конференции «Математическое моделирование в экологии»





ЭкоМатМод-2011, г. Пущино, Россия среднему значению. Коль скоро карты Cu и Zn выглядят как позитив и негатив, то сумма Cu+aZn при некотором a 0 варьирует меньше, чем концентрация какого-либо одного из этих элементов. Для отыскания a и нахождения количественной оценки стабильности сочетания элементов разработан метод наименьшей вариабельности, который состоит в минимизации Kvar как функции a для Cu+aZn. Для объединенного слоя найденному сочетанию Cu+1,76Zn отвечает Kvar = 4,38% (12% для Cu и Zn порознь). Доказано, что для антагонистов (коэффициент корреляции r 0) на кривой Kvar(a) существует один экстремум и он есть строгий минимум;

a дается формулой a = (ZnСР+A|r|CuСР)/[A(ACuСР+|r|ZnСР)], где A = SDZn/SDCu. Метод обобщен на элементы-спутники (r 0) и на многомерный случай.

Для ранжирования пар элементов по устойчивости их сочетания можно использовать коэффициент эффективности сочетания Keff = min{KvarCu,KvarZn}/KvarCu+aZn (Keff 1).

Это позволило построить ряд устойчивостей пар элементов;

наиболее стабильной оказалась пара Cu и Zn (Keff = 2,7).

ИНФОРМАЦИОННАЯ СИСТЕМА ОБРАБОТКИ ПОЛЕВЫХ ДАННЫХ ИССЛЕДОВАНИЙ НАСЕЛЕНИЯ ПОЧВЕННОЙ МЕЗОФАУНЫ Шашков М.П.

Центр защиты леса Ленинградской области, г. Санкт-Петербург max.carabus@gmail.com Аннотация: исследования динамики биоразнообразия и экосистемных процессов требуют анализа больших объемов первичных полевых данных и литературной информации. Несмотря на объемы накопленных сведений по населению почвенной мезофауны, в отечественных исследованиях специализированные инструменты для обработки подобных данных отсутствуют.

Предлагается схема информационной системы, предназначенной для обобщения данных по населению почвенной мезофауны, состоящая из базы данных и пользовательского приложения.

К настоящему времени в литературе, несколькими поколениями исследователей почвенной мезофауны, накоплены громадные объемы полевых данных. Современные исследования биоразнообразия и динамики экосистемных процессов требуют обобщения и анализа этих данных. В то же время исследователям, в процессе выполнения собственных многолетних полевых сборов, приходится манипулировать большими объемами информации.С начала широкого внедрения компьютерной техники во многие области человеческой деятельности, технология баз данных (Codd, 1970) получила большую популярность. Не стали исключением и полевые исследования экологических сообществ.

Например, в геоботанике известно много подобных разработок, наиболее удачные из которых обобщенны в виде интегрированной информационной системы IBIS (Зверев, 2007).

В то же время, для нужд почвенно-зоологических исследований подобные разработки единичны. В иностранной литературе – это описание базы MACROFAUNA 2.0 (Lipied et all, 2004), а в отечественной литературе они неизвестны вовсе. Большинство исследователей организует данные в виде электронных таблиц Excel, которые не обеспечивают контроль корректности и целостности данных.

Цель данной работы – разработать концептуальную модель информационной системы для хранения и обработки полевых данных исследований сообществ почвенной мезофауны.

Центральная задача – создать универсальную структуру реляционной БД для обобщения данных полевых исследований, как первичных материалов исследователей, так и опубликованных в литературе. Структура БД должна быть основана на стандартных методах сборов.

Информационная система с рабочим названием «Carabus» состоит из:

• Базы данных, разработанной в открытой СУБД PostgreSQL;

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия • Пользовательского приложения для управления данными базы, разрабатываемого на ООЯП Delphi.

База данных состоит из трех блоков:

• Систематический список;

• Библиография и прочие ссылки;

• Полевые данные.

Систематический список имеет составной иерархический ключ. При этом блок систематики объединен внутри себя и с блоком полевых данных системой триггеров на обновление, которые обеспечивают целостность идентификаторов по всей базе при любых изменениях в систематическом списке, что позволяет добавлять виды с середину списков и производить их перенумерацию согласно изменениям в систематике.

Библиография представлена в виде внешней базы или каталога XML или текстовых файлов.

Блок полевых данных состоит из двух разделов:

• Характеристика ПП;

• Данные сборов.

Характеристика ПП может включать многие параметры и иметь связи с внешними базами (геоботанические описания, описания почвенных разрезов и т.д.).

Подавляющее большинство работ по фауне и животному населению почвенной мезофауны основаны на трех типах данных. Согласно этим типам данные сборов в базе организованы в три подраздела (таблицы):

• Фаунистический список;

• Сборы почвенными ловушками;

• Сборы почвенными раскопками.

Основная единица в базе данных – это находка того или иного вида в конкретном месте (пробной площади - ПП). Для сборов методом почвенных ловушек для находки также указывается число собранных экземпляров, а для ПП число ловушек и дней, в течение которых они действовали – для расчета динамической плотности (уловистости). Для сборов методом почвенных раскопок указывается число экземпляров, их онтогенетичекое состояние, почвенный горизонт и его глубина, а для ПП указывается число проб и площадь одной пробы – для расчета плотности.

Выбранная СУБД PostgreSQL обеспечивает непосредственную совместимость практически со всеми современными ГИС. Пространственные данные, в виде указаний на тот или иной географический, административный район или точные географические координаты, могут быть использованы для визуализации данных, содержащихся в базе.

К настоящему времени разработана инфологическая модель БД, в общих чертах описанная выше. Разработка пользовательского приложения, удобного для исследователей и обеспечивающего выполнение большинства основных задач по обработке первичных данных – задача дальнейшей разработки информационной системы.

Литература Зверев А.А. Программно–информационное обеспечение исследований растительного покрова: Автореф. дис.

канд. биол. наук. Томск, 2007.- 22 с.

Codd, E.F. (1970). "A Relational Model of Data for Large Shared Data Banks". Communications of the ACM 13 (6):

377–387.

Lapied L., Fragoso C., Brown G., Lavelle P. (2004) MACROFAUNA 2.0 – a database management system for assessing the soil fauna diversity of natural and disturbed ecosystems // XIVth International Collocquium on Soil Zoology and Ecology.- P.44.

Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия ВЕРОЯТНОСТНО-СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В ТОЧНОМ ЗЕМЛЕДЕЛИИ Якушев В.П., Буре В.М.

г. Санкт-Петербург, Агрофизический НИИ Россельхозакадемии office@agrophys.ru Технология точного земледелия рассматривает каждое сельскохозяйственное поле как неоднородное. Оно разделяется на некоторое количество новых единиц управления, которые являются однородными (квазиоднородными) участками. Суть точного земледелия заключается в том, чтобы выделить на поле эти участки и обеспечить для всех растений заданного массива оптимальные условия произрастания с учётом выявленной неоднородности.

Система точного земледелия по своей направленности относится к ресурсосберегающим высокоинтенсивным технологиям, рассчитанным на достижении урожайности культуры, близкой к ее биологическому потенциалу, с высоким качеством продукции при минимальных экологических рисках, при этом используются современные достижения научно-технического прогресса, прецизионная техника, современные препараты и информационные технологии. Важную роль в этом процессе играет совершенствование информационного обеспечения методов поддержки решений путем создания баз данных и знаний, экспертных систем и различных математических моделей, в том числе вероятностно статистического характера, позволяющих находить оптимальные или близкие к ним решения в условиях стохастической неопределенности и изменчивости. В рамках точного земледелия появляется принципиальная возможность разработки системы математических моделей для каждого поля в отдельности, что в принципе позволяет в максимальной степени учесть пространственную неоднородность. В проблематике вероятностно-статистического моделирования можно выделить следующие основные группы решаемых на практике задач.

Оптимизация сроков проведения агротехнологических операций (Якушев В. П., Буре, 2001, 2002) является важнейшим этапом в реализации точного земледелия. Уже на стадии планировании агротехнологий возникает задача оценки момента времени проведения той или иной операции, при этом, как правило, можно оценить ожидаемые потери за единицу времени, связанные с завышением или, наоборот, с занижением оценки времени проведения необходимого мероприятия. В задачах такого типа часто заранее можно указать временные границы проведения мероприятий. Проблема сводится к оценке момента времени проведения необходимых работ внутри некоторого временного интервала.

Ключевым понятием концепции точного земледелия является адаптация элементов агротехнологии к внутриполевому варьированию условий, т.е. приспособление системы хозяйствования к пространственной неоднородности конкретного поля. Очевидно, что с точки зрения такого подхода первостепенное значение приобретает более глубокое изучение самой пространственной неоднородности сельскохозяйственных угодий, разработка методов ее количественного описания и выделения границ изменчивости на заданной территории.

Предложены два подхода к оценке пространственной неоднородности по продуктивности сельскохозяйственных культур. Первый из них позволяет оценивать биоэквивалентность двух заданных участков на поле (Якушев В. П., Буре, 2006). Соответствующий алгоритм предполагает наличие данных по урожайности за ряд лет на сравниваемых участках. Второй подход, напротив, по распределению и величине урожайности на конкретном поле за определенный год позволяет выделить однородные технологические зоны на нем (Якушев и др., 2007, Якушев и др., 2008). Решение второй задачи имеет важное практическое значение, так как позволяет осуществить прецизионное внесение удобрений на основе электронных карт урожайности, которые автоматически формируются при уборке сельскохозяйственных культур с помощью комбайнов, оборудованных мониторами и соответствующими Материалы Второй конференции «Математическое моделирование в экологии»

ЭкоМатМод-2011, г. Пущино, Россия датчиками, с привязкой урожайности к глобальной системе координат (Якушев и др., 2009).

Еще одним важным аспектом вероятностно-статистического моделирования является разработка вероятностных моделей оценки риска неурожаев в условиях климатических изменений и оценки влияния доли орошаемых земель на риски неурожаев в условиях засухи (Якушев, Жуковский, 2010;

Якушев и др., 2011).

Литература Якушев В.П., Буре В.М. Методологические подходы к оценке оптимального момента времени проведения агротехнологических мероприятий // Доклады РАСХН.- 2001.- № 4.

Якушев В. П., Буре В. М. Статистическая оценка распределения оптимального момента времени проведения агротехнического мероприятия // Доклады РАСХН.- 2002. -№ 3.

Якушев В. П., Буре В. М. Оценка биоэквивалентности двух участков на сельскохозяйственном поле // Доклады РАСХН.- 2006.- № 5.

Якушев В. П., Буре В. М., Якушев В. В. Выделение однородных зон на поле по урожайности отдельных участков // Доклады РАСХН.- 2007.- № 3.

Якушев В. П., Буре В. М., Якушев В. В. Методология и инструментарий анализа натурных данных в точном земледелии // Доклады РАСХН.- 2008.- № 6.

Якушев В.П., Якушев В.В., Якушева Л.Н., Буре В.М. Электронная карта урожайности как информационная основа прецизионного внесения удобрений. // Земледелие, 2009, №3.

Якушев В.П., Жуковский Е.Е. Климатические изменения и риск в земледелии. // Вестник сельскохозяйственной науки, №2, 2010.

Якушев В. П., Буре В. М., Якушев В. В. Теоретико-вероятностная модель оценки влияния орошаемых земель на риски неурожаев в условиях засухи // Вестник сельскохозяйственной науки, №1, 2011.



Pages:     | 1 |   ...   | 10 | 11 ||
 

Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

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.