Прогнозирование урожайности озимой пшеницы: сравнительный анализ результатов регрессионных и биофизических моделей

Abstract

Розв’язується задача оцінки відносної ефективності використання супутникових даних для прогнозування врожайності озимої пшениці в Україні на рівні окремих областей. Порівнюється ефективність прогнозування на основі емпіричних і біофізичних моделей росту сільськогосподарських культур. Як емпіричні моделі врожайності розглядаються лінійні регресійні моделі залежності урожайності від 16-денного композита індексу NDVI на основі даних MODIS з просторовим розрізненням 250 м (MOD13), а також нелінійна регресійна модель, в якій як предиктори використовуються щоденні метеорологічні дані 180 місцевих метеорологічних станцій. Емпіричний підхід до прогнозування порівнюється з біофізичним, який реалізовано в адаптованій для України системі CGMS (Crop Growth Monitoring System), в основі якої лежить модель росту рослин WOFOST. Для ідентифікації параметрів моделей врожайності використовуються офіційні статистичні дані з врожайності озимої пшениці на рівні областей за період 2000–2009 рр. Валідація моделей виконується на даних 2010 і 2011 рр. Отримані результати показали, що при налаштуванні параметрів моделей на даних 2000–2009 рр. і 2000–2010 рр. і незалежному тестуванні моделей на даних 2010 і 2011 рр. відповідно, в середньому всі три підходи показують приблизно однакову точність. Середньоквадратична похибка прогнозування становить приблизно 6 ц/гаRelative efficiency of using satellite data to winter wheat yield forecasting in Ukraine at region level is assessed. The efficiency of forecasting on the basis of empirical and biophysical models of agricultural crops is compared. As empirical yields models the linear regression models of yield dependency on 16-day index NDVI composite on the basis of MODIS data with spatial resolution 250 m (MOD13) are considered as well as nonlinear regression model, in which daily meteorological data of 180 local meteorological stations are used as predictors. The empirical approach to prediction is compared with biophysical which is implemented in the system CGMS, adapted for the Ukraine and based on the WOFOST model. For parameters identification of the yield models the official statistical data is used of winter wheat yield at the regional level for the period of 2000–2009. Validation of models is done on independent data for 2010 and 2011. The obtained results showed that when training models for 2000–2009 and 2000–2010 years and validating for 2010 and 2011 respectively all three approaches show similar accuracy. Average root mean square prediction error is approximately 0.6 t/ha.