1. Введение
Одним из важнейших направлений повышения эффективности использования земельных ресурсов является программированное выращивание сельскохозяйственных культур, которое предусматривает разработку оптимальной программы развития растений и системы ее реализации, что позволяет управлять урожаем по заранее спланированному технологическому процессу. При этом обеспечивается эффективное использование природно-климатических факторов, генетического потенциала растений, естественного плодородия и материально-технических ресурсов.
В 1970–80-х гг. XX в. вопросы программирования изучали М. К. Каюмов, И. С. Шатилов, А. И. Симакин. По мнению М. К. Каюмова, программирование урожайности отражает закономерный процесс логического развития учения об урожае как сложной функции многих процессов и факторов, определяющих его количественные и качественные характеристики
[6][10]
В большинстве агроландшафтов главными факторами, лимитирующими урожайность сельскохозяйственных культур, являются влагообеспеченность, ФАР и уровень минерального питания растений. Определение величины программируемого урожая описывается функциональными зависимостями от почвенно-климатических условий, биологических и сортовых особенностей культуры.
Экономико-математическое моделирование для расчета параметров программируемого урожая выполнено на примере выращивания озимой пшеницы с использованием линейной оптимизационной модели. Основой является модель, разработанная в 1990–1993 гг. Г. Н. Барсуковой, Т. Р. Толорая, Л. А. Мироненко на кафедре экономической кибернетики КубГАУ, апробированная в КНИИСХ им. Лукьяненко
[1][3][11]
Усовершенствованная нами модель, в отличие от предшествующих, включает переменные, характеризующие параметры посевов озимой пшеницы сортов Юка и Гром, которые необходимо обеспечить ресурсами для получения уровня действительно возможной урожайности (ДВУ). В ранее разработанных моделях использовались усредненные данные по культуре, предложенная модель учитывает особенности и потенциал сортов, то есть их биологические характеристики.
Предшествующие модели программирования урожаев сельскохозяйственных культур позволяли определить величину действительно возможной урожайности при одном варианте климатических условий. Разработанная нами модель способна определять параметры посева определенного сорта сельскохозяйственной культуры при неблагоприятных, средних и благоприятных климатических условиях. Она дает возможность получать и анализировать варианты материально-технического обеспечения агротехнологий при управлении процессами выращивания урожая в соответствии с реально складывающимися условиями.
2. Методы и принципы исследования
Математическая модель представляет функциональные зависимости урожая от конкретных почвенно-климатических факторов в агроландшафте, включая:
– биологический потенциал продуктивности культуры (сорта, гибрида) и структуры посевов (густота стояния растений, размещение их по площади, коэффициент кустистости);
– агрофизические свойства почвы и влагообеспеченность растений;
– наличие в почве доступных питательных веществ, ресурсов органических и минеральных удобрений (NPK, микроэлементы);
– поступление фотосинтетически активной солнечной радиации (ФАР), коэффициент ее использования в зависимости от биологических и сортовых особенностей культуры, калорийности ее биомассы;
– тепловые ресурсы и температурный режим территории (продолжительность периодов со среднесуточной температурой воздуха выше 0
°°°
– коэффициент водопотребления, биоклиматический потенциал (БКП);
– способ и глубину обработки почвы;
– концентрацию углекислого газа (СО2Missing Mark : sub) в приземном слое атмосферы (активная зона посева)
[7][8]
Определение программируемой урожайности при помощи экономико-математической модели содержит следующие этапы:
– анализ взаимосвязи факторов и определение возможных вариантов формирования урожайности;
– расчет вариантов действительно возможной урожайности;
– анализ вариантов действительно возможной урожайности, выбор и теоретическое обоснование нормативной урожайности;
– оптимизация ресурсного обеспечения программируемой урожайности
[2][4][9][14]
Исследования выполнены для подзоны г. Краснодара, входящей в состав Центральной почвенно-климатической зоны Краснодарского края по двум сортам озимой пшеницы – Юка и Гром, их характеристика предоставлена отделом селекции и семеноводства пшеницы и тритикале ФГБНУ «НЦЗ им. П. П. Лукьяненко» (см. таблица 1).
Характеристика сортов озимой пшеницы Юка и Гром
| Показатель | Сорт | |
| Юка | Гром | |
| Внесен в Госреестр РФ | 2012 г. | 2010 г. |
| Гибрид зерен пшеницы | Половчанка и Руфа | Высокоморозостойкая полукарликовая линия 2919к3 и линия Ц1171-95 |
| Высота растений, м | до 1 | 0,8 |
| Продолжительность вегетационного периода, дн. | 227–286 | 250 |
| Урожайность, ц/га | 55–90 | 60–90 |
| Зона возделывания, регион | Северо-Кавказский | Северо-Кавказский |
| Масса 1000 зерен, г | 36–47 | 33–48 |
| Норма высева, кг/га | 160–250 | 230 |
| Засухоустойчивость | Высокая | Высокая |
| Устойчивость к болезням | Высокая | Высокая |
| Предшественники | Любые | Картофель, кукуруза, подсолнечник |
Усовершенствованная модель дополнена переменными и ограничениями, позволяющими определять параметры посева, необходимые для формирования действительно возможной урожайности сельскохозяйственных культур. Действительно возможная урожайность – это урожай, который может быть обеспечен генетическим потенциалом сорта и основным лимитирующим фактором – влагообеспеченностью.
Внешние и внутренние взаимосвязи элементов программируемого урожая отражаются в следующей системе ограничений, показанной в сокращенном виде (см. таблица 2).
Условия, вид и объем ограничений экономико-математической модели (сокращенный вид)
| № пп | Наименование и формулировка ограничений | Вид и объем ограничений |
| Ограничения по агроклиматическим ресурсам | ||
| 1 | Приход ФАР за период вегетации, КДж/См², (∑Q) | ≤∑Q |
| 2 | Запас влаги в слое почвы 0–100см, при посеве, мм/га, (Wo) | =Wo |
| 3 | Прогнозируемая сумма осадков от посева до окончания формирования урожая мм/га, (Wср) | X3= Wср |
| 4 | Использование влаги сорняками, мм/га | Wс – величина, зависящая от уровня агротехники, при высоком уровне агротехники, Wс = 0 |
| 5 | ) | коэффициент использования осадков (0,8) |
| Ограничения по определению параметров посева | ||
| 34 | Определение количества колосьев, млн/га | – масса зерна колоса исследуемого сорта, г. |
| 35 | Определение количества растений, млн/га | – коэффициент, характеризующий кустистость сорта культуры. |
| 36 | Определение нормы высева всхожих семян, млн/га | < 1. |
| 37 | Определение нормы высева, ц/га | – вес 1000 зерен, ц. |
| Ограничения по определению финансовых результатов при выращивании на уровне действительно возможной урожайности, тыс. руб. | ||
| 38 | Расчет стоимости удобрений | – цена одного центнера удобрений j-го вида, тыс. руб. |
| 39 | Расчет затрат на внесение удобрений | Z40 – дополнительные затраты на внесение удобрений, руб./руб. |
| 40 | Стоимость семян | – цена одного центнера семян, тыс. руб. |
| 41 | Затраты на уборку | – норматив затрат в расчете на уборку одного центнера урожая, тыс. руб./ц |
| 42 | Затраты на обработку почвы и уход за посевами | – условно постоянные затраты на один гектар, тыс. руб. |
| 43 | Стоимость валовой продукции | – цена реализации одного центнера пшеницы, тыс. руб. |
| j =45, J =40–44 | Чистый доход→MAX |
Структура переменных и ограничений позволяет определить величину урожайности, обеспечиваемую нерегулируемыми или частично регулируемыми ресурсами. При выращивании полевых культур используются ресурсы, величина применения которых изменяется в соответствии с производственной необходимостью. К ним относятся удобрения, средства защиты от вредителей, болезней, затраты на уборку урожая и др. Структура переменных и ограничений позволяет установить количество недостающих питательных веществ, определить оптимальное количество и виды удобрений необходимых для их пополнения и получения действительно возможной урожайности. Потребность в ресурсах для ухода за посевами, защиты их от вредителей и болезней отражается в стоимостной оценке. Величины этих ресурсов необходимы для планирования технологии и организации материально-технического обеспечения процесса выращивания урожая.
Для решения модели программирования урожайности использована программа «Optim 2», реализующая алгоритм симплексного метода, который является универсальным и позволяет решать задачи, условия которых выражены в различных единицах измерения.
Решение задачи симплексным методом позволило получить оптимальный вариант с точки зрения выбранного критерия оптимальности и поставленных условий задачи
[4]
Предлагаемый критерий оптимальности – максимум чистого дохода, в условиях рыночных отношений именно он является одним из основных показателей эффективности сельскохозяйственного производства.
3. Основные результаты
Экономико-математическая модель составлена по 27 вариантам, включая 9 вариантов изменения природно-климатических условий по запасам влаги в почве при посеве от 126 до 228 мм, осадкам за период вегетации от 420,6 до 471 мм, продуктивной влаге от 430,4 до 567,6 мм и трем вариантам изменения величины ФАР – 3, 3,5 и 4%. Получены значения действительно возможной урожайности с учетом параметров посева двух сортов озимой пшеницы Гром и Юка.
Для реализации потенциальной урожайности сортов Гром и Юка при всех уровнях продуктивной влагой необходимо формировать посевы, обеспечивающие использование не менее 3,5 % ФАР (см. рисунок 1).
Динамика величины действительно возможной урожайности сортов озимой пшеницы Гром и Юка при использовании ФАР 3,5 %, по вариантам обеспеченности влагой
Одновременно экономико-математическая модель позволяет решать обратную задачу – рассчитать объем ресурсов, необходимых для достижения проектной урожайности. Можно определить оптимальные дозы минеральных удобрений в зависимости от их наличия, обеспеченности почв доступными для растений формами азота, фосфора и калия, выноса элементов минерального питания с урожаем, степени поглощения их почвой и поступления с пожнивными остатками.
Моделирование показало, что 80,7–84,3% программируемого уровня действительно возможной урожайности формируется за счет внесения минеральных удобрений.
Представлено сравнение фактически полученного урожая сорта Гром в соответствии с данными годовых отчетов сельскохозяйственных организаций г. Краснодара при сложившихся природно-климатических условиях – продуктивной влаге 479,0 мм с программируемым уровнем действительно возможной урожайности при величине использования ФАР 3,5% и норме высева семян 2,02 ц/га (см. таблица 3).
Сравнение фактической и действительно возможной урожайности озимой пшеницы сорта Гром при коэффициенте использования ФАР 3,5 %
| Показатель | Значения показателей для получения ДВУ, 2018–2019 гг. | Фактические данные, 2018–2019 гг. | Разница между показателями фактической урожайности и действительно возможной | |
| +/– | % | |||
| Натуральные показатели | ||||
| Запас влаги при посеве, мм | 175 | 146,90 | 28,1 | 83,9 |
| Осадки за период вегетации, мм | 420 | 453,50 | 33,5 | 108,0 |
| Продуктивная влага, мм | 479 | 469,50 | 9,5 | 98,0 |
| Внесение мин. удобрений, ц/га N P K | 5,5 3,0 1,2 | 0 | –1,2 | 100 |
| Урожайность, ц/га | 95,98 | 57,71 | 38,2 | 60,2 |
| Стоимостные показатели | ||||
| Производственные затраты, тыс. руб./га | 68,19 | 45,50 | 22,7 | 66,7 |
| в т. ч. семена | 4,05 | 3,20 | 0,9 | 79,0 |
| удобрения | 4,87 | 6,44 | 1,6 | 132,2 |
| Стоимость валовой продукции, тыс. руб./га | 145,58 | 87,63 | 58,0 | 60,2 |
| Чистый доход, тыс. руб./га | 77,39 | 42,13 | –35,3 | 54,4 |
| Рентабельность, % | 113,48 | 92,58 | 20,9 | – |
Фактическая урожайность озимой пшеницы сорта Гром в 2018–2019 гг. была ниже действительно возможного урожая на 38,2 ц/га или 39,8%, фактические затраты меньше на 22,7 тыс. руб./га, составляют 66,7% от полученных в результате моделирования.
Производственные затраты на семена в 2018–2019 гг. составили 3,2 тыс. руб./га или 79,0% от расчетного уровня, что на 0,9 тыс. руб./га или 21,0% меньше, чем требуется для получения действительно возможной урожайности по причине несоблюдения нормы высева семян.
В результате моделирования производственные затраты на минеральные удобрения для получения действительно возможной урожайности составили 4,87 тыс. руб./га, что на 1,6 тыс. руб./га или 32,2% меньше фактических затрат. Имеет место оптимизация размера затрат на минеральные удобрения, количество которых должно точно соответствовать величине действительно возможной урожайности. Недостаток удобрений вызовет снижение урожайности, превышение нормативной дозы их внесения приведет к угнетенному состоянию и снижению урожайности сельскохозяйственных культур.
Получение величины действительно возможной урожайности озимой пшеницы сорта Гром обеспечивает увеличение стоимости валовой продукции с одного гектара на 58,0 тыс. руб./га или 39,8% и чистого дохода на 35,3 тыс. руб./га или 45,6% [2].
4. Заключение
1. При существующей агротехнике выращивания, основанной на усредненных биологических характеристиках культуры, потенциально высокая сортовая урожайность озимой пшеницы не реализуется полностью.
2. Экономико-математическое моделирование показывает, что почвенно-климатические условия агроландшафта (подзоны) города Краснодара позволяют получать урожаи озимой пшеницы на 30-40% выше, чем при выращивании без использования метода программирования урожайности.
3. Урожайность, приближенную к действительно возможной, обеспечивает инновационная технология, создающая условия для формирования стеблестоя с высоким коэффициентом усвоения ФАР, разрабатываемая для конкретного сорта по результатам программирования.
4. Программирование урожайности оптимизирует материально-техническое обеспечение технологических операций по уходу за посевами для реализации потенциальной урожайности конкретного сорта, приближенную к действительно возможной в реально складывающихся природно-климатических условиях.
5. Урожайность в значительной степени зависит от количества внесенных минеральных удобрений, которое должно точно соответствовать величине проектируемой действительно возможной урожайности.
6. В современных условиях для сельскохозяйственных организаций и крестьянских (фермерских) хозяйств, имеющих ограниченное ресурсное обеспечение технологий выращивания зерновых культур из-за слабого экономического состояния, программирование урожаев следует рассматривать как одно из направлений более эффективного использования имеющегося ресурсного потенциала.