UDK 63 Сельское хозяйство. Лесное хозяйство. Охота. Рыбное хозяйство
GRNTI 68.01 Общие вопросы сельского хозяйства
In this paper, the principal component method is used to process and analyze the main parameters of spring wheat yield formation. The productivity of spring wheat crops is the result of a complex interaction of a variety of factors. Possession of information on inter-factor relationships will allow you to purposefully control the process, influencing one or another factor. Therefore, the task of obtaining information about the structure of the relationship of influencing factors on the yield of spring wheat is relevant. We studied the observation data for spring wheat yields and ten independent factors influencing it for 32 years: productive moisture on the day of sowing, air humidity, precipitation, mass fraction of gluten, mass of 1000 grains, grain weight per spike, length of straw, dose of phosphorus dose of potassium, dose of nitrogen. The main components are constructed in the form of linear combinations of influencing factors. The dispersion fraction of the first main component (GK1) was 39.77%, the second component (GK2) - 20.86%, GK3 - 12.93%, GK4 - 8.79%, GK5 - 6.26%, GK6 - 5, 56%, GK7 - 3.05%, GK8 - 1.78%, GK9 - 0.89%, GK10 - 0.1%. The first three main components explain 73.56% of the variance in total; therefore, a ten-dimensional data array can be analyzed in three-dimensional space. The coordinates of the samples of initial information on the yield of spring wheat in the space of the main components are determined. A visual study of the structure underlying the data was carried out.
spring wheat, mutual influence of factors, the method of principal components, data visualization
Как правило, на практике при исследовании того или иного явления часто приходится сталкиваться с многомерными данными, которые имеют сложные, не всегда явные взаимосвязи. Классические математические модели не всегда дают должного результата. Подобные задачи могут быть рассмотрены методом главных компонент [1-4], который позволяет представить данные в пространстве главных компонент для исследования скрытых закономерностей.
Для получения урожая яровой пшеницы хорошего качества следует рассматривать различные факторы, такие как тип почвы, освещенность, генетическая структура растений, температура и т.д. [5-9]. Владение информацией о взаимосвязях между факторами позволит целенаправленно управлять процессом, оказывая влияние на тот или иной фактор. Поэтому задача получения информации о структуре взаимосвязи влияющих факторов на урожайность яровой пшеницы является актуальной.
Цель исследований заключалась в определении взаимосвязей между основными факторами, влияющими на формирование урожайности яровой пшеницы.
В задачи исследований входило построение векторного пространства с меньшей размерностью для наглядного отображения исследуемых данных и выявления закономерностей взаимовлияния между факторами.
Условия, материалы и методы исследования. Исследования проводились с данными наблюдений за урожайностью яровой пшеницы и влияющими факторами в течение 32 лет (таб. 1). Независимыми факторами являются продуктивная влага в день посева, влажность воздуха, осадки, массовая доля клейковины, масса 1000 зерен, масса зерна с одного колоса, длина соломы, а также дозы внесения фосфора, калия и азота. Дозы внесения фосфора, калия и азота были вычислены по известной методике [10] через количество питательных веществ в почве и в удобрении с учетом выноса элементов питания с урожаем.
При визуализации данных в пространстве главных компонент образцы наблюдений должны быть идентифицированы. Обычно образцам данных задают составные имена по нескольким признакам. В таблице 1 исследуемым образцам заданы имена, составленные по двум признакам – «масса зерна» и «доза удобрения». Образцы обозначены латинскими буквами и арабскими цифрами. Буквой в порядке возрастания их значения обозначены образцы по массе зерна, а цифрой – доза удобрения по возрастанию их значения. Например, по признаку «масса зерна» образец A10 имеет минимальное значение, так как имеет начальную латинскую букву, а по признаку «доза удобрения» он имеет большой номер и соответственно большое значение. После присвоения образцам соответствующих имен, данная выборка была ранжирована по урожайности яровой пшеницы в порядке возрастания.
Исследуемые данные предварительно были стандартизированы, так как исходные факторы имеют различные единицы измерения. Стандартизация данных состояла из этапов центрирования и нормирования исходных данных. Для центрирования данных из каждого образца j-го фактора был вычитан его среднее значение xj , а нормирование проводилось путем деления центрированных значений факторов на их среднеквадратическое отклонение
1. Bolch B., Khuan K. Dzh. Mnogomernye statisticheskie metody dlya ekonomiki. [Multidimensional statistical methods for economics]. / Translated from English by A.D. Plitman; edited by S.A. Ayvazyan. - M.: Statistika, 1979. - P. 317.
2. Esbensen K. Analiz mnogomernykh dannykh. Izbrannye glavy. [Analysis of multidimensional data. Selected chapters. / Translated from English by S.V. Kucheryavskiy; Edited by O.E. Rodionov]. - Kazan: Izd-vo KazGASU, 2008. - P. 158.
3. Valiev A.A., Ibyatov R.I., Shaykhutdinov F.Sh. Modern methods and approaches for processing information on spring wheat productivity. [Sovremennye metody i podkhody obrabotki informatsii po urozhaynosti yarovoy pshenitsy]. // Vestnik Kazanskogo gosudarstvennogo agrarnogo universiteta. - The herald of Kazan State Agrarian University. 2016. № 3 (41). P. 9-14.
4. Ibyatov R.I., Shaykhutdinov F.Sh, Valiev A.A.. Analysis of spring wheat productivity by the method of main components. [Analiz urozhaynosti yarovoy pshenitsy metodom glavnykh component]. // Zernovoe khozyaystvo Rossii. - Grain Economy of Russia. - 2017. №, P. 17-22.
5. Amirov M.F. Adaptivnye tekhnologii vozdelyvaniya polevykh kultur. Monografiya. [Adaptive technologies of cultivation of field crops. / M.F. Amirov, V.P. Vladimirov, I.M. Serzhanov and others. Monograph]. - Kazan: izdatelstvo “Brig”, 2018 - P. 124.
6. Gataullina G.G. Praktikum po rastenievodstvu. [Workshop on crop production]. / G.G. Gataullina, M.G. Obedkov. - M.:Kolos, 2005 - P. 267 - 272
7. Pannikov V.D. Pochva, klimat, udobrenie i urozhay. [Soil, climate, fertilizer and crop]. / V.D. Pannikov, V.G. Mineev. M.: Agropromizdat. 1987. P. 512.
8. Shaytanov O.L. Osnovnye tendentsii izmeneniya klimata Tatarstana v XXI veke. (spravochnik). [The main trends of climate change in Tatarstan in the twenty-first century. / O.L. Shaytanov, M.Sh. Tagirov (reference book)]. Foliant, 2018. - P. 64.
9. Sistema zemledeliya Respubliki Tatarstan. Innovatsii na baze traditsii. - Chast 2. Agrotekhnologiya proizvodstva produktsii rastenievodstva. [The agricultural system of the Republic of Tatarstan. Tradition based innovation. - Part 2. Agrotechnology of crop production]. - Kazan, 2014. - P. 289.
10. Amirov M.F., Amirov A.M. Yarovaya tverdaya pshenitsa lesostepi Povolzhya. [Spring durum wheat of the Volga forest-steppe]. / M.F. Amirov, A.M. Amirov. - Kazan: izd-vo “Brig”, 2018. - P. 290.
