Чжоу Цзыяо (ZhouZiyao)

В работе исследуется потенциал имитационной модели продукционного процесса WOFOST для прогнозирования урожайности и оценки состояния ряда ключевых сельскохозяйственных культур России на больших территориях за пятнадцатилетний период анализа 2005–2020 гг. на основе почвенно-климатической информации. Отдельный акцент был сделан на адаптации информации из Почвенной карты под редакцией В.М. Фридланда масштаба 1:2 500 000 для обеспечения корректной работы модели. В рамках работы были получены модельные параметры среднерайонных гибридов ячменя, подсолнечника и кукурузы для нескольких сотен районов агропояса РФ, включая характеристики фенологии, фотосинтеза, дыхания и распределения ассимилятов. Параметризация осуществлялась с использованием функций потерь на основе алгоритмов Брента, Нелдера–Мида и дифференциальной эволюции для минимизации ошибок оценки урожайности. Для обеспечения параметризации и независимой оценки точности результатов набор исходных данных был поделен на обучающий набор и контрольный набор в соотношении 80:20. Районно-параметризованные модели обеспечили качественное совпадение гистограмм ошибок на обучающем и контрольном наборах с околонулевым систематическим сдвигом, при этом среднее относительное значение модуля отклонения оценки урожайности находилось в диапазоне 20–26% в зависимости от культуры. Кроме этого, было показано, что модельные оценки не только оказываются близки значениям фактической урожайности для исследуемого интервала лет, но и что модельный прогноз способен улавливать многолетние тренды динамики урожайности исследуемых культур. Наконец, на финальном этапе полученные модельные гибриды культур были использованы для оценки состояния в терминах отклонения модельной урожайности от урожайности оптимального сезона с формированием картограмм отклонений. Полученные в работе результаты могут быть использованы для информационной поддержки сельскохозяйственного сектора, включая прогнозирование урожайности и оценку состояния исследуемых ключевых культур на больших территориях с использованием имитационного моделирования, в том числе в различных климатических сценариях.