УДК 631.559.2: 633.174: 631.67 (477.72)
МАТЕМАТИЧНА МОДЕЛЬ ПРОДУКТИВНОСТІ СОРГО ЗЕРНОВОГО НА ПІВДНІ УКРАЇНИ ЗАЛЕЖНО ВІД УМОВ ЗВОЛОЖЕННЯ ТА СОРТУ
Федорчук М., д-р. с.-г. наук, проф., e-mail: mfedorchyk@gmail.com, https://orcid.org/0000-0001-7028-0915
Миколаївський національний аграрний університет
Лиховид П., канд. с.-г. наук, доц., e-mail: pavel.likhovid@gmail.com, https://orcid.org/0000-0002-0314-7644
Інститут кліматично орієнтованого сільського господарства НААН
Федорчук В., канд. с.-г. наук, доц., https://orcid.org/0000-0003-0253-9766
Коваленко О., д-р. с.-г. наук, доц., https://orcid.org/0000-0002-2724-3614
Гамаюнова В., д-р. с.-г. наук, проф., https://orcid.org/0000-0002-4151-0299
Хоненко Л., канд. с.-г. наук, доц., https://orcid.org/0000-0002-5365-8763
Миколаївський національний аграрний університет
Анотація
У статті викладено результати математичного моделювання продуктивності зернового сорго, що вирощується на півдні України, за різних вхідних параметрів зволоження і тривалості вегетації сорту.
Мета дослідження. Встановлення закономірностей формування врожаю сорго зернового за різного впливу досліджуваних факторів і ваги кожного з них у визначенні продуктивності культури.
Методи дослідження. Математичні розрахунки виконували на основі дослідних даних, одержаних у рамках польових досліджень, виконаних у 2020 р. на базі Інституту кліматично орієнтованого сільського господарства НААН (колишній Інститут зрошуваного землеробства НААН). Польові дослідження проводили відповідно до вимог загальноприйнятих методик наукової роботи в агрономії. Схема двофакторного досліду передбачала оцінку продуктивності сорго сортів Генічеський 209, Дніпровський 39, Вінець, Гранд, Ерітрея, Колор, Одеський 205, а також режимів зволоження – без зрошення (природне) та зі зрошенням дощуванням нормою 120 мм. Урожайність сорго зернового встановлювали за стандартною методикою з перерахунком залікової маси на вологість 14%. Статистичні розрахунки за узагальненими результатами польових дослідів, які включали в себе такі процедури, як розгорнутий регресійний аналіз, аналіз мультиколінеарності, похибки апроксимації, якості апроксимації, критерій Фішера; графічна оцінка якості моделі виконана в табличному процесорі Microsoft Excel 2019. Штучна нейронна мережа для оцінки важливості кожного фактора й продуктивності зернового сорго була створена, навчена, валідована та протестована в програмному комплексі JustNN.
Результати дослідження. Математичні розрахунки виконували на основі дослідних даних, одержаних у рамках польових досліджень, виконаних у 2020 р. на базі Інституту кліматично орієнтованого сільського господарства НААН (колишній Інститут зрошуваного землеробства НААН). Польові дослідження проводили відповідно до вимог загальноприйнятих методик наукової роботи в агрономії. Схема двофакторного досліду передбачала оцінку продуктивності сорго сортів Генічеський 209, Дніпровський 39, Вінець, Гранд, Ерітрея, Колор, Одеський 205, а також режимів зволоження – без зрошення (природне) та зі зрошенням дощуванням нормою 120 мм. Урожайність сорго зернового встановлювали за стандартною методикою з перерахунком залікової маси на вологість 14%. Статистичні розрахунки за узагальненими результатами польових дослідів, які включали в себе такі процедури, як розгорнутий регресійний аналіз, аналіз мультиколінеарності, похибки апроксимації, якості апроксимації, критерій Фішера; графічна оцінка якості моделі виконана в табличному процесорі Microsoft Excel 2019. Штучна нейронна мережа для оцінки важливості кожного фактора й продуктивності зернового сорго була створена, навчена, валідована та протестована в програмному комплексі JustNN.
Висновoк: Розроблена математична модель із достатньою точністю здатна прогнозувати врожайність зернового сорго на півдні України за параметрами тривалості вегетації культури та рівнем подачі штучної вологи, похибка апроксимації моделі становила 13,72 %. Сорт є більш вагомим фактором продуктивності культури порівняно зі зрошенням.
Ключові слова: зрошення, програмування врожаю, регресійний аналіз, сила впливу, штучна нейронна мережа.
MATHEMATICAL MODEL OF GRAIN SORGHUM YIELD DEPENDING ON WETTING CONDITIONS AND VARIETY IN THE SOUTH OF UKRAINE
Fedorchuk M., D-r Agr. Scs, prof., e-mail: mfedorchyk@gmail.com, https://orcid.org/0000-0001-7028-0915
Mykolaiv National Agrarian University
Lykhovyd P., Ph.D., Associate Prof., e-mail: pavel.likhovid@gmail.com, https://orcid.org/0000-0002-0314-7644
Institute of Climate Smart Agriculture of NAAS
Fedorchuk V., Ph.D., Associate Prof., https://orcid.org/0000-0003-0253-9766
Kovalenko O., Doctor, Associate Prof., https://orcid.org/0000-0002-2724-3614
Gamayunova V., D-r Agr. Scs, Prof., https://orcid.org/0000-0002-4151-0299
Khonenko L., Ph.D., Associate Professor, https://orcid.org/0000-0002-5365-8763
Mykolaiv National Agrarian University
Summary
The article contains the results of mathematical modeling of grain sorghum yield in the South of Ukraine under different input parameters of wetting and growing season duration.
The purpose of research. To establish the regulations of grain sorghum yield formation under the influence of the studied factors, and to determine the weight of each factor in the yield of this crop.
Research methods. Mathematical calculations were performed on the basis of experimental data, collected within the framework of the field trials conducted in 2020 at the Institute of Climate Smart Agriculture of NAAS (former Institute of Irrigated Agriculture of NAAS). The field trials were carried out with accordance to current standards of scientific work in agronomy. The scheme of two-factor trial embraced evaluation of sorghum varieties Genicheskyi 209, Dniprovskyi 39, Vinets, Grand, Eritreya, Kolor, Odeskyi 205, and wetting conditions – no irrigation (natural wetting) and overhead irrigation with the total volume of water about 120 mm. Grain sorghum yield was determined by the standard methodology with further recalculation of the grain weight to 14% moisture content. Statistical calculations based on the generalized data of the field trials included the procedure of advanced regression analysis, analysis of multicollinearity, calculation of approximation error, approximation quality, Fischer’s criterion estimation, and visual assessment of the model quality, conducted using the tools of spreadsheet processor Microsoft Excel 2019. Artificial neural network for assessment of the weight of each studied factor in grain sorghum yield was created, trained, validated, and tested in JustNN software.
Research results. As a result of mathematical data analysis, the following model of grain sorghum yield was developed Y=9.6654–0.05648X1+0.02029X2, where Х1 – growing season duration from emergence to maturity (days), Х2 – irrigation rate (mm), multiple determination coefficient – 0.6731, normed determination coefficient – 0.6136, standard deviation of the model – 0.989 t/ha, approximation error (mean absolute percentage error) – 13.72%. Weight assessment of the model inputs using the artificial neural network certifies about significant superiority of the crop growing season duration (varietal property) over irrigation: 7.7084 versus 2.3774 of absolute points.
Conclusions. The developed mathematical model is capable to provide reasonable grain sorghum yield prediction in the South of Ukraine using the parameters of growing season duration and irrigation rates, approximation error averaged to 13.72%. Variety is more influential factor in the crop productivity in comparison to irrigation.
Keywords: irrigation, yield programming, regression analysis, influence power, artificial neural network.