ДИСТАНЦИОННЫЕ МЕТОДЫ ПРОГНОЗА УРОЖАЙНОСТИ И ОЦЕНКИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ РИСКОВ

ДИСТАНЦИОННЫЕ МЕТОДЫ ПРОГНОЗА УРОЖАЙНОСТИ И ОЦЕНКИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ РИСКОВ ( на примере Казахстана)

• Прогнозные оценки урожайности, особенно когда речь идет о зерновых, традиционно представляют большой практический интерес, как для стран производителей, так и для потенциальных потребителей. • В России и Казахстане основные площади зерновых возделываются в условиях неполивного земледелия. Урожайность зерновых очень сильно зависит от погоды и в неблагоприятные годы уменьшается в 2 -3 раза.

СРАВНЕНИЕ УРОЖАЙНОСТИ ЗЕРНОВЫХ В СЕВЕРНОМ КАЗАХСТАНЕ Срок предоставления информации: 10 августа 2002 2010

• Методы решения задач сезонного мониторинга с/х угодий, включая распознавание и картирование как яровых, так и озимых посевов, достаточно хорошо отработаны. При этом современные данные дистанционного зондирования земли позволяют с высокой точностью определять площади посевов.

СПУТНИКОВАЯ КАРТА ПЛОАДЕЙ ПОСЕВОВ ЗЕРНОВЫХ Пары Зерновые

Точность оценки площадей 5% 2%

• В тоже время задачи раннего прогноза и оценки рисков, связанных с потерями урожая из-за неблагоприятных погодных условий, пока не имеют удовлетворительного решения

• В общем случае урожайность конкретного поля (участка) определяется тремя группами факторов: У = F(Pr, Tx , Mt) • где: - Pr – факторы, определяющие естественную продуктивность земель; - Tx - факторы, определяющие технологию возделывания (семена, обработка и удобрение почвы, даты сева и т. п. ); - Mt – факторы, определяющие метеоусловия вегетационного сезона. • Факторы группы Pr являются наиболее стабильными. В случае, когда и Tx практически не изменяются, колебания урожайности, полностью зависят от Mt. • Таким образом, прогноз урожайности фактически сводится к прогнозу сезонных метеоусловий. При этом достаточно правильно предсказать будут ли Mt благоприятными, близкими к норме или неблагоприятными.

• Методы оценки и прогноза указанных факторов базируются на использовании временных рядов индексов вегетации, построенных по данным ДЗЗ. • Отметим, что по данным ДЗЗ оцениваются не собственно метеорологические параметры (осадки, температура), а результаты воздействия погодных условий на состояние растительности

ИЗМЕРЕНИЕ СПЕКТРАЛЬНЫХ ХАРАКТЕРИСТИК РАСТИТЕЛЬНОСТИ: нормализованный дифференциальный вегетационный индекс (NDVI) 1 1 2 2 • Декадные композиты нормализованного дифференциального вегетационного индекса (NDVI) позволяют регистрировать различия в отражательной способности растительности, находящейся в благоприятных условиях и в стрессовом состоянии. 1 - нормальное состояние, 2 - стрессовое

1 декада 2 декада 3 декада май июнь июль август сентябрь Распределение значений декадных NDVI/NOAA в вегетационном сезоне 2010 года NDVI 0 Почва 0. 1 0. 2 0. 3 0. 4 0. 6 Растительный покров

• Для распознавания растительности, поврежденной засухой используется индекс VСI (Vegetation Condition Index) • VCIj= 100 (NDVI j-max – NDVI j) / (NDVI j-max –NDVI j-min) • NDVI j –значение NDVI за j-ую декаду • NDVI j-max / NDVI j-min – максимальное и минимальное значение NDVI в j -декаду за весь период мониторинга • VСI отражают влияние погодных условий на продуктивность растительности. Значения VCI менее 30% являются критерием засухи. NDVImax NDVImin

1 декада 2 декада 3 декада май июнь июль август сентябрь Распределение значений декадных VCI/NOAA в вегетационном сезоне 2010 года VCI, % 0 20 40 60 80 100

• • • Индексы NDVI и VСI хорошо отражают сезонную динамику состояния растительного покрова, но для анализа межсезонных изменений продуктивности удобнее использовать интегральные индексы IVI и IVСI IVIt = j NDVI j j- номер декады в сезоне t – номер сезона IVCIt = 100 (IVImax – IVIt) / (IVImax – IVImin) t – номер сезона IVImax IVImin

Динамика интегрального вегетационного индекса по территории Казахстана за период 2000 -2012 (NOAA, 1 km) 2012

Динамика интегрального индекса условий вегетации по территории Казахстана за период 2000 -2012 (NOAA, 1 km) 2012

• Корректный прогноз можно сделать, только для однородных как по природным, так и погодным условиям районов. • Поэтому, прежде чем делать прогноз, нужно разбить территорию на однородные участки, т. е. провести районирование территории.

Районирование земель по продуктивности • Естественная продуктивность земель (Pr – факторы) определяется максимальной урожайностью в благоприятные годы. • Методика районирования предусматривает по пиксельное вычисление интегрального показателя продуктивности по формуле • IPPR = 100 ((IVI max - IVI max ) / IVI max) • где IVI max - максимальное значение индекса по всем маскам полей • территории за весь период наблюдения. IVI max - максимальное значение индекса для данного пикселя за период наблюдения • На основе полученных значений, строится карта районирования территории с использованием трехбальной ранговой шкалы: - ) 75% < IPPR - участки высокой продуктивности (голубой цвет) - ) 50 %< IPPR <75% - участки средней продуктивности (зеленый цвет) - ) IPPR < 50 % - участки низкой продуктивности (желтый цвет)

Результаты районирования Акмолинской области по продуктивности земель IVI_PR, % < 50 50 - 75 > 75

Оценка качества районирования а б в Варианты оценки а) хорошо – одномодальное распределение с малой дисперсией, б) удовлетворительно - одномодальное распределение с большой дисперсией в) плохо – многомодальное распределение

Районирование по степени зависимости от погодных условий • • Но оценить только Pr – факторы для прогноза урожайности недостаточно. Нужно знать какое воздействие на продуктивность оказывают вариации погодных условий. Соответствующий показатель определяется диапазоном изменения продуктивности при благоприятных и неблагоприятных погодных условиях и рассчитывается по формуле. IPSP = 100 х (IVI max - IVI min) / IVI max где: - IVI min – минимальное значение IVI в данном пикселе за весь период наблюдений, что соответствует урожайности при самых неблагоприятных погодных условиях; - IVI max - максимальное значение IVI в дном пикселе за весь период наблюдений, что соответствует урожайности при самых благоприятных погодных условиях; На основе рассчитанных значений строится карта районирования территории с использованием трех бальной ранговой шкалы: - А ) IPSP < 25% - участки с малой зависимостью от погодных условий и низким риском (зеленый цвет). - В) 25%< IPSP < 50 % - участки умеренной зависимости и соответственно умеренного риска (желтый цвет) -С) 50%< IPSP - участки высокой зависимости и высокого риска (красный цвет)

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Акмолинская область. Динамика индекса IVCI 2012

ЧАСТОТА ЗАСУХИ НА ТЕРРИТОРИИ АКМОЛИНСКОЙ ЧАСТОТА ЗАСУХИ НА ТЕРРИТОРИИ ОБЛАСТИ В 20002010 гг. ОБЛАСТИ В 2000 -2010 гг. Частота появления низких значений IVCI (0 -30%) меньше 3 3 - 6 и более меньше 3 5 3 - 5 6 и более

Комплексное районирование с учетом двух групп факторов А В С Pr-районирование Mt-районирование А А А В В В С С С Pr + Mt районирование

Комплексное районирование Акмолинской области ( на основе данных ДЗЗ за 2000 -2011 годы) Акмолинская область Частота появления низких значений IVCI

Таким образом, вся территория делиться на 9 (? ) категорий земель. У каждой категории должна быть своя цена и свои условия страхования. Mt Pr Низкий риск Умеренный (А) риск(В) Высокий риск (С) Высоко продуктивные ( ) S 11 S 12 S 13 Средне продуктивные ( ) S 21 S 22 S 23 Низко продуктивные ( ) S 31 S 32 S 33 Для более точной дифференциации земель с умеренным и высоким риском необходимо учитывать частоту (вероятность) различных погодных условий

Прогноз урожайности • • Для прогноза необходимо иметь временной ряд прямых или косвенных оценок урожайности. Для корректного прогноза ряд следует очистить от влияния технологий. Прогноз на основе временного ряда предусматривает: - прогноз тренда - прогноз колебаний урожайности с учетом ожидаемых погодных условий Динамика индекса IVCI в Акмолинской области за период с 2000 по 2012 гг

Прогноз тренда Для прогноза тренда обычно используют среднее многолетнее значение урожайности: Уп = 1/n ∑Уi ; i=1, …, n где: Уi – урожайность в i-ый год временного ряда; n – длина ряда. • Если известны вероятности различных погодных условий и соответствующие им урожайности, прогнозное значение можно вычислить о формуле: Уп =r 1 У 1 + r 2 У 2 + r 3 У 3 ; r 1 + r 2 + r 3 = 1 • где : • r 1 – априорная вероятность благоприятных погодных условий; • У 1 - средняя урожайность при благоприятных погодных условиях • r 2– априорная вероятность «нормальных» погодных условий; • У 2 - средняя урожайность при «нормальных» погодных условиях; • r 3 – априорная вероятность неблагоприятных погодных условий (засухи); • У 3 - средняя урожайность при неблагоприятных погодных условиях

Динамика интегрального индекса условий вегетации по областям Казахстана за период 2000 -2012 Алматинская ЮКО Жамбылская Акмолинская Костанайская Кызылординская Карагандинская Актюбинская СКО ВКО Павлодарская ЗКО Атырауская Мангыстауская

Районирование областей Казахстана по значениям коэффициента в уравнении линейного тренда за период 2000 -2012 гг.

Прогноз колебаний урожайности • • Прогнозная оценка колебаний определяет ожидаемый диапазон (интервал) изменения урожайности с учетом ее вариаций в благоприятные и неблагоприятные годы. В частности, для прогноза колебаний можно использовать: Средние многолетние вариации урожайности [Уп - - ; Уп + + ] где: + - среднее многолетнее повышение урожайности относительно тренда в благоприятные годы (за весь период наблюдений); - - среднее многолетнее снижение урожайности относительно тренда в неблагоприятные годы (за весь период наблюдений); Средние многолетние вариации урожайности взвешенные с учетом вероятности благоприятных и неблагоприятных погодных условий [Ут - - ; Ут + + ] где: + = r 1 х + - = r 3 х r 1 – априорная вероятность благоприятных погодных условий; r 3 – априорная вероятность неблагоприятных погодных условий;

Уточнение вероятности погодных условий с учетом локальных факторов • В ряде случаев априорные вероятности погодных условий могут быть уточнены с учетом локальных факторов и закономерностей. Для Акмолинской области такими факторами являются : - характер текущего цикла солнечной активности. В период низкой солнечной активности вероятность засух в несколько раз выше, чем для периодов высокой солнечной активности; - сроки и темпы схода снежного покрова. Ранний и быстрый сход снега увеличивает вероятность засухи почти в два раза; - погодных условий в предшествующие годы. Вероятность засухи после неблагоприятных погодных условий существенно ниже, чем после нормальных и благоприятных лет.

Уточнение вероятности засухи с учетом текущего цикла солнечной активности 1957 1990 1989 1982 1983 1967 1984 1998 1988 2004 1974 1963 1955 1975 1965 1977 1985 1995 2006 Цены на пшеницу на международном рынке в течение последних десятилетий колебались в соответствии с числами Вольфа. 2008 2010

Пример чередования благоприятных, нормальных и неблагоприятных лет - норма - благоприятный год средняя многолетняя урожайность - засушливый год Многолетние распределения урожайности (статистические данные) Целиноградский район Акмолинская область

2001 -ср. мн 2002 -ср. мн 2003 -ср. мн 2004 -ср. мн 2005 -ср. мн 2006 -ср. мн 2007 -ср. мн 2008 -ср. мн 2009 -ср. мн 2010 -ср. мн 2011 -ср. мн 2012 -ср. мн раньше - 40 - 35 - 30 - 25 - 20 - 15 - 10 - 5 норма 0 позже 5 10 15 20 25 30 35 Дни 40 Cвязь засух и темпов схода снежного покрова

83 83 Многолетние значения средних дат схода снежного покрова и интегральных вегетационных индексов, Акмолинская область (2001 -2012) Динамика месячных осадков и температур, МС «Коргалжин» , Акмолинская область

Дерево состояний для прогноза погодных условий A 1 - низкая солнечная активность (w < 60) A 2 - высокая солнечная активность (w > 60) B 1 - не достаточный весенний влагозапас в почве B 2 – нормальный (достаточный) весенний влагозапас в почве B 3 –повышенный весенний влагозапас в почве C 1 –погодные условия предшествующего сезона благоприятные C 2 - погодные условия предшествующего сезона нормальные C 3 - погодные условия предшествующего сезона неблагоприятные (засуха)

Уточненная оценка вероятности погодных условий № Условие 1 A 1^B 1^C 1 2 Обще кол-во Кол-во НБ Кол-во Н Кол-во Б 1 1 0 0 A 1^B 1^C 2 2 2 0 0 3 A 1^B 1^C 3 3 1 2 0 4 A 1^B 2^C 1 2 1 1 0 16 A 2^B 3^C 1 2 0 1 1 17 A 2^B 2^C 2 1 0 0 1 18 A 2^B 2^C 3 1 0

Уточнение вероятностей по формуле Байеса: Вероятность наступления события B, зависящего от ряда гипотез , если известны вероятности этих гипотез ∑i Ai =1 • где Р(А) — априорная вероятность гипотезы A • P(A|B) — вероятность гипотезы A при наступлении события B • Р(В|A) — вероятность наступления события B при истинности гипотезы A.

Оценка прогноза урожая с учетом уточненных вероятностей сезонных погодных условий • С учетом уточненных значений вероятностей можно рассчитать новые диапазоны ожидаемой урожайности [Уп - - ; Уп + + ] где: + = ř+ х + - = ř- х • ř+– уточненная вероятность благоприятных погодных условий; • ř-– уточненная вероятность неблагоприятных погодных условий (засухи). • В этом случае среднее значение ожидаемой урожайности Уп*= ((Уп - -) - ( Уп + + ))/2

Оценка ожидаемого ущерба • Ожидаемый ущерб можно оценивать различными способами. В частности, величиной потерь по сравнению со средней многолетней урожайностью. • Если Уп Уп* , т. е. ожидается урожай меньше среднего многолетнего, то потери в ц/га можно оценить по разности Уп – Уп* или в процентах У = 100 (Уп – Уп*) / Уп

Выработка рекомендаций На основе прогноза погодных условий на текущий сезон с учетом оценки рисков можно дать рекомендации - какие участки стоит засевать А + + + + + А В С + + + -? 2. Вариант «нормальных» погодных условий С 1. Вариант благоприятных погодных условий В + -? -- А 3. Вариант неблагоприятных погодных условий В С + + -? -- + -- --

• Прогноз может уточняться в процессе сезонного мониторинга

Сезонный мониторинг БЮЛЛЕТЕНЬ № 3 Июль 2012 Июль 2011 Сравнение условий вегетации на территории Акмолинской области для июля 2011 и 2012 гг. S, тыс. га 1 декада S, тыс. га 2 декада S, тыс. га 000 000 000 000 000 3 декада 000 выше многолетней нормы близко к многолетней норме ниже многолетней нормы Июль 2012 Текущее состояние вегетации на территории Аккольского района многолетний максимум многолетний минимум среднее многолетнее текущее значение

Оценка реального ущерба и качества прогноза • В конце сезона остается подвести итоги, оценить реальный ущерб и определить размеры компенсации с учетом, как минимум, двух соображений: - величины реального ущерба - соблюдения производителями рекомендаций При этом ущерб, понесенный производителем, в случае если он соблюдал ошибочные рекомендации, компенсируются, а потери, связанные с несоблюдением рекомендаций – нет. • Разумеется, «правила игры» должны определяться заранее. • Кроме того важно оценить качество прогноза и внести изменения в схемы расчета с целью повышения соответствия прогнозов и реальности