УДК 633.11+556.3.06;519.237.5;528.88
DOI 10.36461/NP.2025.75.3.021

ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ОЗИМОЙ ПШЕНИЦЫ НА ОСНОВЕ АГРОКЛИМАТИЧЕСКИХ ПОКАЗАТЕЛЕЙ И ВЕГЕТАЦИОННОГО ИНДЕКСА NDVI В УСЛОВИЯХ ПЕНЗЕНСКОЙ ОБЛАСТИ
А.С. Щербаков, старший преподаватель, С.В. Богомазов, кандидат с.-х. наук, доцент
Федеральное государственное бюджетное образовательное учреждение высшего образования «Пензенский государственный аграрный университет», Пенза, Россия
E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Целью исследования являлось изучение статистических взаимосвязей между урожайностью озимой пшеницы, метеорологическими факторами и значениями нормализованного относительного индекса растительности (NDVI) для создания методических основ прогнозирования урожайности и оценки состояния озимой пшеницы в динамике. Исследование основано на анализе данных за девятилетний период (2015-2023 гг.) с применением статистических методов, включая кластерный и корреляционно-регрессионный анализ. На первом этапе проведена кластеризация 27 муниципальных районов области, в результате которой было выделено 4 однородные группы. Для каждого кластера построены уравнения множественной линейной регрессии с коэффициентом детерминации (R²) от 0,71 до 0,85. В модели вошло пять ключевых переменных, включая количество осадков в критические периоды вегетации, термические условия и максимальное значение NDVI. Верификация моделей показала среднюю абсолютную ошибку (MAE) 2,7 ц/га и среднюю абсолютную процентную ошибку (MAPE) 9,2 %. Точность прогноза валового сбора составила 97,0 % (ошибка 3,0 %). На основе моделей осуществлен прогноз урожайности на 2024 год с диапазоном от 21,3 до 41,0 ц/га по районам и средней урожайностью по области 31,9 ц/га. Результаты работы могут быть использованы органами управления АПК для оперативного планирования производства и оценки рисков в растениеводстве.
Ключевые слова: озимая пшеница, урожайность, прогнозирование, дистанционное зондирование, NDVI, регрессионная модель, кластерный анализ, агроклиматические условия.

Информация о публикации Посмотреть статью