向日葵/ Tournesol.
开放获取
问题
ocl.
体积28,2021
向日葵/ Tournesol.
货号 26
页数) 13
部分 农艺学
迪伊 https://doi.org/10.1051/ocl/2021013
bob电子体育竞技风暴 2021年4月02

©a Zymaroieva等等。,由EDP科学出版,2021年

执照Creative Commons这是在Creative Commons归因许可证的条款下分发的开放式访问文章(<一种href="https://creativecommons.org/licenses/by/4.0" target="_blank">https://creativecommons.org/licenses/by/4.0.)提供任何介质中的不受限制使用,分发和再现,所以提供了正确的工作。

1介绍

世界粮食安全高度依赖于主要作物产量的增长率(<一种N一种me="InR17">Grassini.等等。,2013年).作物产量变化的全球驱动力包括技术、遗传、气候、土壤和田间管理实践(<一种N一种me="InR27">kukal和irmak,2018年;<一种N一种me="InR26">Kucharik和Ramankutty, 2005年).气候和土壤条件是农业生产力最重要的因素(<一种N一种me="InR8">科尔德等等。,2003年那<一种N一种me="InR52">等等。,2015年那<一种N一种me="InR39">Paixão.等等。,2020年).人们普遍认为,作物产量对天气条件非常敏感。特别是,它们取决于长期趋势和气候变化(<一种N一种me="InR36">纳尔逊等等。,2014年).因此,据报道,尽管耕作技术有所进步,但最近气候变化的趋势对作物产量有重大影响(<一种N一种me="InR22">Iizumi和Ramakantty,2016年;<一种N一种me="InR30">LENG和HUANG,2017).气候变化对农业的威胁日益明显(<一种N一种me="InR31">Lesk等等。,2016年;<一种N一种me="InR50">Ureta等等。,2019年)由于它导致温度波动,降水模式的变化,以及更频繁的极端天气事件(<一种N一种me="InR47">Schlenker和Roberts,2009年).预计在不久的将来,干旱和洪水将变得更加频繁和严重(<一种N一种me="InR33">罗贝尔等等。,2011年;<一种N一种me="InR15">Fishman,2016年).全球对农业的变暖影响有很多方面。特别是,温度的最小升高可以增加温带气候的产量,而极端升高会导致产量下降(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">罗贝尔等等。,2011年).有很大的证据表明,世界上许多地区都会增加极端温度的频率(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">Schlenker和Roberts,2009年).因此,必须了解产量如何受到各种气候变量变化的影响,以便制定更准确的产量预测和适当的适应和缓解战略(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">罗贝尔等等。,2011年;<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">Ureta等等。,2019年).

作物和土壤之间的关系复杂,取决于土壤和其他外部环境因素的物理和化学性质之间的各种相互作用(<一种N一种me="InR48">Sys等等。, 1991年).土壤-植物相互作用被认为是导致作物产量空间变异性的最重要因素(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">科尔德等等。,2003年).尽管许多研究出版物突出了不同土壤性质对产量的影响,但尚未进行对向日葵产量参数的空间变异性的贡献的定量评估(<一种N一种me="InR2">Andrews和Carrol,2001年那<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">科尔德等等。,2003年;<一种N一种me="InR9">考克斯等等。,2003年那<一种N一种me="InR44">罗德里格斯等等。,2012年;<一种N一种me="InR12">Fedoniuk等等。,2020年).

向日葵 (Helianthus Annuus.L.)是世界三大油料种子之一(与大豆和油菜籽并列),是欧盟最高产的两个油料种子之一(与油菜籽并列)。根据美国农业部的一份报告,乌克兰现在是世界上第一大向日葵生产国,占世界向日葵总产量的29.3%(4057万吨)。<一种N一种me="InR51">美国农业部,2017).但环境因素限制了向日葵的平均产量在1.5 ~ 3.0 t/ hm2之间。不过,根据一些最近的研究,在特定气候区引进高产新品种和改进向日葵栽培技术将可提供2.9-3.5吨/公顷葵花籽(<一种N一种me="InR34">Melnyk.等等。,2018年).应该指出的是,全球向日葵种子产量的进一步增长预计主要来自乌克兰而不扩大农田基地。因此,在另一方面,了解助剂与气候因素之间的关系,另一方面,向另一方面,可以提供对这种作物的产量预测和适应这种作物的洞察力,以预测气候变化。

在本研究中,我们将关注三个相关的研究问题:(1)1991 - 2017年乌克兰向日葵产量趋势;(2)趋势模型参数能否有意义地解释产量动态变化的原因;(3)哪些土壤和气候指标能够预测向日葵产量参数的空间变异。本研究以乌克兰的中欧混交林(Polissya)和东欧森林-草原生态区为研究区,探讨了土壤气候因子对向日葵产量参数时空变化的贡献。

2。材料和方法

2.1产量数据及研究区域

从乌克兰的国家统计服务中取消了向日葵产量数据(<一种href="http://www.ukrstat.gov.ua/" target="_blank">http://www.ukrstat.gov.ua/).The time series data sets contain the average annual sunflower yields in 206 administrative districts of 10 regions of Ukraine (Cherkasy, Chernihiv, Khmel’nyts’kyy, Kiev, L’viv, Rivne, Ternopil’, Vinnytsya, Volyn, Zhytomyr) for the period 1991–2017 (<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图。1).这些数据代表的是不区分土壤水分有效性和肥力、灌溉管理、栽培和作物轮作的空间标准的平均产量。研究区位于两个自然植被和气候区:森林区(Polissya)和森林草原区。

缩略图 图。1

乌克兰的10个行政区域地图,eCoregions和土壤图。土壤分类根据世界土壤资源基础:ABGL - Albeluvisols Gleyic;ABST - Albeluvisols Stagnic;abum - albeluvisols umbric;Chch - Chernozems Chernic;chlv - chernozems luvic;CMDY - Cambisols Dystric;CMEU - Cambisols Efric;CMGL - Cambisols Gleyic;FLDY - Flyvisols Dystric; FLeu – Fluvisols Eutric; FLgl – Gleyic Fluvisols; FLhi – Fluvisols Histic; GLhi – Gleysols Histic; GLhu – Gleysols Humic; GLso – Gleysols Sodic; HSfi – Histosols Fibric; HSsa – Histosols Sapric; HSsz – Histosols Salic; LPrz – Leptosols Rendzic; LVha – Haplic Luvisols; PHab – Phaeozems Albic; PHgl – Phaeozems Gleyic; PHha – Phaeozems Haplic; PHlv – Phaeozems Luvic; PHso – Phaeozems Sodic; PZet – Podzols Entic; PZha – Podzols Haplic; PZle – Leptic Podzols; PZrs – Podzols Rustic.

2.2产量动态模型的选择

不同阶的多项式(<一种N一种me="InR41">射线等等。,2012年),并采用对数逻辑模型选择趋势的分析形式。产量趋势分析使用增加阶回归模型:一个仅截距模型(常数)(Eq。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(1)),线性模型(EQ。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(2)),二次模型(Eq。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(3)),三次模型(Eq。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(4))和四次模型(Eq。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(5)):<一种N一种me="FD1">(1)(2)(3)(4)(5)地点:YX:某一时期的作物产量X;B.一种1一种2一种3.一种4.:系数。

我们假设向日葵产量趋势最好通过S形曲线来描绘,即对称的四参数日志逻辑模型(EQ。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(6)):<一种N一种me="FD6">(6)在哪里X代表年份(1-1991,2-1992,…);y是回应(作物产量);C响应下限(最低产量水平);D.上限(收益率的平台水平)何时出现X趋于无穷时;B.是折射点附近的响应曲线的斜率X获得ED50(在上限和下限之间达到增加一半所需的时间)。下限指研究期间的最低产量水平;斜率——趋势曲线的斜率,表示产量随时间的变化率;ed50—达到最高产量水平一半所需的时间和产量增长率最高的点;上限-产量的最高水平,在目前的农业技术状况下,这是由该领土的生物潜力决定的。用s型模型预测了时间效应和剂量效应对所研究反应的影响。因此,描述sigmoid曲线拐点的参数传统上称为“ED50”(<一种N一种me="InR43">丽思等等。,2015年).

由此开发的Akaike信息标准(AIC)<一种N一种me="InR1">Akaike (1974)用于估计统计模型的相容性(eq。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(1)-<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(6))。分别计算6个模型的AIC (Eq。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(7)):

由此开发的Akaike信息标准(AIC)<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">Akaike (1974)用于估计统计模型的相容性(eq。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(1)-<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(6))。分别计算6个模型的AIC (Eq。<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">(7)):<一种N一种me="FD7">(7)这里,党卫军是剩余的平方和,N是样本量,和P.是参数的数量。

评价行政区划产量动态的最佳模型为AIC最低的模型。所有计算和数据分析均采用R v 3.0.2 (<一种N一种me="InR42">R开发核心团队,2018年).

2.3胶木表特征

生物气候数据取自WorldClim数据库第2版(<一种href="http://worldclim.org/version2" target="_blank">http://worldclim.org/version2) (<一种N一种me="InR14">Fick和Hijmans,2017年).气候资料以分辨率为1公里的栅格图的形式提供,这对研究的目的已经足够了。生物气候变量代表了年温度和降水变化的重要生态方面(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">1选项卡。).

土壤性质的空间变异数据和土壤分类信息从土壤网格数据库(<一种href="https://soilgrids.org" target="_blank">https://soilgrids.org.) (<一种N一种me="InR21">恒流等等。,2017年).以下指标用于分析土壤因素对产量的影响:土壤有机碳(SoC),pH,土壤堆积密度,砂,粘土或不同土壤层中的淤泥含量。

表1

生物气候变量(根据<一种href="https://worldclim.org/data/worldclim21.html" target="_blank">https://worldclim.org/data/worldclim21.html).

3数据分析

利用Box-Cox变换将非正态因变量转化为正态形式,利用AID库(<一种N一种me="InR37">奥斯曼等等。,2014年)为统计计算语言与环境R (<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">R核心团队,2018).主要成分分析用于气候和土壤基质的维度降低。一般线性模型用于测试气候和土壤对产量参数的意义。使用统计数据10软件进行统计分析。

4的结果

4.1分析产量趋势参数的空间变化

在乌克兰内,研究期间的向日葵栽培区域的增长是渐进的,而这一作物的产量具有更复杂的动态(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图2).研究区的向日葵产量在2010年的范围内各种相当窄的范围内变化,当时2016年的峰值急剧增加(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图3.).随着产量的增加,栽培区域的扩大,因为向日葵成为乌克兰的战略重要作物(<一种N一种me="InR54">Zhygailo和Zhygailo,2016年;<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">Melnyk.等等。,2018年).大多数行政区域的向日葵产量动态可以用对数逻辑模型(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图4.).logistic模型参数呈现规律性空间格局(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图5.),主要是由土壤气候因子的空间变异性引起的。值得注意的是,尽管在森林-草原生态区向日葵的平均产量较高,但Polissya在产量增长率(坡度)上超过了它(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图5).根据本研究建立的依赖关系,研究区南部(森林草原)的向日葵产量最低和最高水平均较高(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图。5C和<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">5 d).向日葵产量上限较高的地区(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图5 b),需要较长的时间才能达到最高产量水平(ED50)的一半,这是不言而喻的。

缩略图 图2

1991 - 2017年乌克兰收获的向日葵产量和面积的动态(来源 - Faostat,<一种href="http://www.fao.org" target="_blank">http://www.fao.org).

缩略图 图3.

1991 ~ 2017年向日葵产量的典型动态及其logistic模型逼近横轴为年,纵轴为向日葵产量,dt·ha-1

缩略图 图4.

不同行政区向日葵产量趋势模型的赤池准则(N = 206)。

缩略图 图5.

向日葵产量动态对数逻辑模型参数的空间变异:a:坡度;b: ED50;c:下限;d:上限。

4.2气候变量的主成分分析

主成分分析允许识别四个主要成分,其特征值大于1,其中占气候变量总方差的92.5%(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">2选项卡。).主成分1(PC1)解释总方差的54.45%。PC1与生物纤维素变量8(潮湿季节的平均温度),生物纤维素变量4(温度季节性),生物纤维素变量5(最热月份的最高温度),生物纤维素变量10(最热季度的平均气温),生物诱导变量17(最干燥季的沉淀)和生物纤维素变量18(最热季度的沉淀)。这些变量的集合表明PC1可以被解释为气候大不全断度的特征。纬度方向上PC1值的空间变化证实了我们的假设(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图6.).主成分2(PC2)占总方差的23.78%。该组分与生物纤维素变量9(最干燥季度的平均温度)最强烈地相关,11(最冷的季度的平均温度),其允许PC2被解释为年度极端时期温度变异的指标。该研究区域的东北部和北部地区被温度末端的标准明确区分。主成分3(PC3)占总方差的8.18%。该组分受到生物血管态变量2(平均昼夜范围)和3(等温)的影响最大。这些功能表明PC3表示年温度变化程度。主成分4(PC4)解释了总方差的6.03%。PC4主要由生物跨纤维素变量2(平均昼夜范围),6(最低温度最低的月)和7(温度年度范围)确定。该组件表明年度温度对比度。

表2

生物气候变量的主成分分析。

缩略图 图6.

生物气候主成分的空间变异。

4.3土壤性质的主要成分分析

进行主成分分析(PCA)以确定对向日葵产量最大的土壤指标。分析显示6个主要成分,其中共同解释了土壤性质总差异的98.5%(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">选项卡。3).主成分1 (PC1)解释了总方差的65.63%。PC1与大部分土壤变量相关,但与砂、粘、粉含量相关性最高。因此,PC1是粒度组成的指标,对砂粒含量最敏感。该主成分的空间变化如图所示<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图7.研究区北部(Polissya)是土壤中沙粒含量最多的地区。主成分2占总方差的14.5%。该组分与土壤容重关系最为密切。主成分3的作图显示了不同土壤容重下土壤空间形态的复杂性(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">图6.).PC3解释了土壤变量总方差的6.4%。PC3受SOC的影响最大。主成分4占总方差的5.69%。PC4与土壤中粉砂含量显著相关。淤泥含量最高的土壤位于研究区南部和西南部,土壤有机碳含量也很高。主成分5占土壤变量总方差的3.88%,主成分5与土壤酸度(pH)的相关性最强,且在研究区东北部较高。主成分6占总方差的2.41%,主成分6对粉砂和粘粒组分最敏感。PC6指数较高的地区位于区域的南部。

表3

土壤变量的主要成分分析。

缩略图 图7.

土壤主成分的空间变异性

4.4胶木基因因素解释的产量模型参数的变化

回归分析结果表明,气候和土壤主成分可以解释向日葵产量参数34 ~ 58%的变异(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">4选项卡。).土壤主成分1和2是确定向日葵产量增长率(曲线斜率)的最重要因素(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">4选项卡。).由PC1解释的粒度组成是决定动态产量行为的最重要的土壤属性。向日葵产量趋势斜率参数与土壤PC1之间的回归系数为R = 0.67±0.09,P. < 0.01. The climatic factors of temperature variability (climate principal components 2 and 3) have a much less impact on this parameter of the sunflower yield trend than the soil factors. The Lower Limit of sunflower yield was the most sensitive parameter of the sunflower yield trend to the effects of edaphic and climatic factors (Radj2= 0.58 f = 28.9P. < 0.001) (<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">4选项卡。).向日葵产量趋势参数受气候和土壤因素的双重影响。在气候因子中,pc1 - climate是最重要的成分(回归系数为0.41±0.09,P.PC1-edaphic也是最显著的(回归系数为−0.59±0.09,P.< 0.01)。复杂的气候因素组合影响了向日葵最高产量参数(上限)(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">4选项卡。).上述主成分是正交变量,因此统计上是独立的。尽管如此,它们都确定了这种作物产量的上限。气候大陆性和温度变异性是主要影响因素。在土壤性状中,有机碳是决定向日葵产量上限的最重要因素。ED50参数的敏感性与屈服上限几乎相同。ED50主要由气候PCs 1和PCs 3决定。气候大陆性是影响这一参数和其他向日葵产量参数变化的最重要的气候因素。ED50参数受土壤有机碳和容重的影响。

表4

向日葵产量参数对气候变量的回归依赖性*

5讨论

5.1广泛的产量数据对于预测全球气候变化对农业的影响的重要性

全球气候变化导致农业实践的重大转变(<一种N一种me="InR4">Bhadouria等等。,2019年).对这种转变的预测可以基于对作物产量的回顾性研究,这种研究假定地域范围广泛(<一种N一种me="InR5">Challinor等等。,2014年;<一种N一种me="InR23">Iizumi等等。,2017年).这种方法假设空间气候特征可以是随着时间的推移的未来气候变化的模拟模型(<一种N一种me="InR46">Schar等等。, 1996年).在南部一段时间内观察到的条件将在越来越多的北部地区(南半球 - 完全相同)。除了模态气候特征(平均温度,总降水)的趋势之外,这主要是纬度方向的变化,每年或生长季节的气候条件的可变性将特别重要。这种可变性非常接近这种地理现象作为大陆。在纵向方向上逐渐变化的大部分变化。因此,在全球气候变化下的农业趋势预测需要大量的作物产量在显着的时间和空间范围内进行大量数据。

5.2过去30年乌克兰农业生产的非稳定性

预测的可能性是基于要预测的过程的实质性(<一种N一种me="InR19">Gyöfi和Lugosi,2002年;<一种N一种me="InR45">Ryabko和Hutter,2008年).过程动态的突变表明了它的质变,这使得很难或不可能使用回顾性数据。作物产量动态研究往往是指那些没有发生灾难性社会经济危机的系统发展的国家。最近,世界各地广泛研究了全球范围内作物产量的长期趋势(<一种N一种me="InR16">南亚等等。,2010年;<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">射线等等。,2012年;<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">Lesk等等。,2016年).特别是,<一种N一种me="InR6">陈(2018)利用数学方法分析了日本三种主要作物(水稻、小麦和大豆)长期产量趋势的空间格局。日本各县的产量趋势分为四种类型:纯截距模型、线性模型、二次模型和三次模型(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">陈,2018年).在我们之前的研究中,我们发现乌克兰1990-2017年主要作物产量的总趋势最符合四阶多项式(Quartic模型)(<一种N一种me="InR28">kunah.等等。,2018年那<一种N一种me="InR55">Zymaroieva等等。,2019年那<一种N一种me="InR57">Zymaroieva等等。,2020A).在研究期间,向日葵产量呈上升趋势,但研究初期(1991-1997年)产量急剧下降(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">Zymaroieva等等。,2019年b).然而,所使用的递增阶多项式不能令人满意地描述苏联解体后观察到的乌克兰粮食产量动态(<一种N一种me="InR53">Zhukov.等等。,2018年).此外,除线性模型外,此类模型的参数无法得到有意义的解释,因此没有理由使用多项式模型来用气候或土壤因素来解释。考虑到从90年代中期到现在的产量动态,可以用s型曲线来描述,即对数逻辑曲线。因此,本研究表明,对称对数逻辑模型最能充分反映向日葵产量的动态。这种类型的曲线包括某些特征阶段,这些特征阶段能很好地反映观察到的向日葵产量动态特征,即:a)初期停滞,产量变异性显著;B)研究期间的中期急剧增长;C)在研究期间的最后三分之一达到稳定的增长,在某些情况下达到稳定。这些阶段的成因不同,其中经济和环境因素的比例随时间而变化。当然,最初阶段是苏联解体造成农业经济关系破坏的结果。由于农业市场关系的形成,农业效率得到了恢复,表现在包括向日葵在内的农作物产量的增长。 In the last third of the period under study, the maximum yields were achieved under the given level of agricultural technology and environmental conditions. The fourth-order nonlinear model made it possible to describe the above steps with the help of appropriate model parameters to which and we attach a special significance. The model parameters correlate with climatic and edaphic predictors, which allowed us to find that the nature of the influence of environmental factors was different at each stage of the study period. The novelty of our approach is that to describe the dynamics of sunflower yield we applied a model, the parameters of which can be meaningfully interpreted and their spatial and temporal dynamics can be explained by the climatic and edaphic predictors.

5.3向日葵产量的土壤决定因素

土壤具有显着的弹性程度,因此在全球气候变化的条件下,景观的这种成分非常稳定(<一种N一种me="InR29">kunah.等等。,2019年;<一种N一种me="InR38">Pakhomov等等。,2019年).当然,气候是土壤形成最重要的因素,所以土壤也会受到全球气候变化的影响。当预测向日葵产量变化时,土壤条件的作用是相当大的。土壤条件对一种作物的重要性因气候条件的不同而有很大的不同。<一种N一种me="InR24">离子等等。(2015)得出结论,土壤和气候条件是对向日葵产量最大的环境因素之一。土壤性质,土壤粒度结构和SoC是至关重要的。这些调查结果符合我们的研究结果,表明在乌克兰的条件下,向日葵对仿乳管和气候因素非常敏感,可以解释作物产量动态参数的34%至58%的变化。应该指出的是,向日葵适应各种各样的土壤,甚至在沙质土壤上成功培养(<一种N一种me="InR20">Hamza和Safina,2015),但在适宜种植玉米或小麦的好土壤上,这种作物的生长效果最好(<一种N一种me="InR40">Radanielson等等。,2012年).我们的研究证实,向日葵与SOC呈正相关,这直接反映土壤肥力。然而,在沙质土壤中,向日葵产量的上限更高。这可能是由于珀累萨的向日葵栽培区域的扩展,其中含有高含有含有高含有含有含沙级的土壤。这种膨胀的可能性是由于气候的显着变暖,这为此提供了锡兰雅北部地区的这种作物所需的温度条件。毫无疑问,农业技术的改善是增加向日葵种植面积的先决条件(<一种N一种me="InR56">Zymaroieva和Zhukov,2020年).应注意,高比例的砂级分应与土壤中的高含量结合。只有在这些条件下,可以预期向日葵产量的上限的显着增加。这种土壤性质的组合可以在该地区的洪泛区中发现。ED50的胶木纤维纤维目的(最大屈服水平所需的时间)展示了与上限决定因素的标记相似度,这证实了这些参数紧密相关性。

5.4向日葵产量的气候决定因素

大陆反映了最重要的气候属性,例如年度温度范围的可变性程度。随着大陆的增加,夏季气温升高,冬季气温下降(<一种N一种me="InR10">Driscoll和Fong, 1992).我们的研究证明,大陆是确定向日葵产量的空间变异性的主要气候因素。较高水平的大不平面与较高的夏季温度相关,积极影响向日葵产量趋势的下限和上限。如果在生殖增长期间对温度条件的越来越长(<一种N一种me="InR11">Esmaeli等等。,2012年那<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">Zhygailo和Zhygailo,2016年).除斜率外,产量趋势的所有参数都表现出对温度变异性程度的依赖。向日葵的年温度变化是夏季气温升高的结果,这对向日葵的生长是至关重要的。得到的结果可以用生理和环境原因来解释。向日葵产量表达生理表明,向日葵种子发芽率在3 ~ 30℃呈指数增长,在6 ~ 23℃保持最高发芽率。在25℃以上的温度下,发芽率迅速下降。向日葵种子在37-40℃时严重受损,发芽恶化(<一种N一种me="InR7">康纳和萨德拉斯,1992年).向日葵生长的适宜温度为20-25℃(<一种N一种me="InR13">Fernández-luqueño.等等。,2014年)因此,越来越大的环境大部分促进了实现向日葵生长的最佳温度条件的可能性。然而,在25°C以上的温度和生长阶段的霜冻,也是气候巨大的迹象,降低了种子的产量和油性(<一种N一种me="InR49">Thomaz等等。,2012年).大多数向日葵在乌克兰的雨水条件下培养。虽然向日葵能够适应干燥的条件(<一种N一种me="InR18">Gürkan.等等。,2020年),降水量被认为是在雨养条件下种植向日葵最有效的气候因素之一(<一种N一种me="InR3">巴勒斯等等。,2004年).我们发现,干燥和最温暖的宿舍期间的降水也决定了向日葵产量。这证实了向日葵产量在主要生长和开花期间受干旱胁迫。

历史气候数据的分析显示出乌克兰温度的显着趋势,气候模型预测进一步变暖,特别是关于冬季温度。此外,乌克兰南部草原区的降水量减少了1961 - 2009年(<一种N一种me="InR35">Morgounov等等。,2013年).根据政府间气候变化小组的预测(<一种N一种me="InR25">联合国政府间气候变化专门委员会,2013),乌克兰的粮食产区的温度将上升,最大的增加在冬季。预计冬季降水量可能会降低夏季降水量。干旱可能变得更加可能和持久(<一种N一种me="InR32">Lioubimtseva和Henebry, 2012).预计这种气候变化将导致乌克兰的草原区的向日葵产量下降,这已被土耳其确认(<一种href="//www.ganeshwebdesign.com/articles/ocl/full_html/2021/01/ocl200109/ocl200109.html">Gürkan.等等。,2020年)但与此同时,产量将增加波兰人(北方)地区,气候已经更大的大陆。研究气候变化对乌克兰向日葵作物种植未来的可能影响将是我们进一步研究的目的。

5.5进一步研究和实用建议的前景

全球气候变化对气候制度的可变性产生了重大影响。这些情况需要持续的农业生态监测作物产量,包括向日葵。记录乌克兰每个行政区的向日葵产量提供了大量信息,但这种空间的监测准确性是不可接受的。请注意,行政区的界限与自然景观单位的界限不一致,这大大复杂化了所获得的数据的解释。有利于行政区水平收益核算的主要论点是将获得的信息与经济指标进行比较,这些信息与该领土的行政划分相关。在这方面,考虑到向日葵产量的空间和时间变异性的经济因素的评估特别感兴趣。

长期气候预测可能成为评估乌克兰北方向日葵种植未来前景的基础。我们获得的数据也强调了土壤条件的重要性。因此,我们考虑研究气候变化对土壤覆盖的影响,从而对向日葵产量成为一个非常有前途的研究领域。向日葵本身也是一种基本上影响土壤的作物,因此在全球气候变化的背景下,土壤和向日葵的相互影响是进一步研究的视角。

解决这些问题需要建立一套有效的农业生态监测体系,它的建立具有一定的现实意义。乌克兰现有的收集农业、气候和土壤数据的程序没有与一个全面的信息系统联系起来,建立这一系统将在全球气候变化的情况下提供充分和平衡的管理决定。

6。结论

本研究表明,土壤和气候因子与乌克兰北部向日葵产量模型参数之间存在显著的统计相关性。结果表明,研究区向日葵产量动态可以用对数逻辑模型来描述。趋势模型的参数(下限、斜率、上限)具有空间依赖性,可以用来解释向日葵产量动态变化的原因。研究表明,土壤气候因子对向日葵产量参数有显著影响。土壤有机碳与颗粒组分的比值是最重要的土壤指标,与向日葵产量动态密切相关。向日葵产量的主要气候驱动因素是气候大陆性的变化。

利益冲突

提交人声明他们没有与本文有关的利益冲突。

参考文献

  • Akaike h . 1974。统计模型识别的新视角。IEEE跨自动控制19日:716 - 723。<一种href="https://scholar.google.com/scholar_lookup?title=A+new+look+at+the+statistical+model+identification&author=Akaike+H.&journal=IEEE+Trans+Autom+Control&volume=19&pages=-723&publication_year=1974">[谷歌学术]
  • 安德鲁斯SS,Carrol Cr。2001.为可持续农业系统管理设计土壤质量评估工具。ECOL APPL.11(6): 1573 - 1585。<一种href="https://doi.org/10.2307/3061079" target="_blank">https://doi.org/10.2307/3061079.<一种href="https://scholar.google.com/scholar_lookup?title=Designing+a+soil+quality+assessment+tool+for+sustainable+agroecosystem+management&author=Andrews+SS%2C+Carrol+CR.&journal=Ecol+Appl&volume=11&pages=-1585&publication_year=2001">[谷歌学术]
  • Barros J,Carvalho M,Basch G. 2004.向日葵的反应(Helianthus Annuus.L.)在地中海条件下播种日期和种植密度。欧元jagron.21:347-356。<一种href="https://doi.org/10.1016/j.eja.2003.10.005" target="_blank">https://doi.org/10.1016/j.eja.2003.10.005.<一种href="https://scholar.google.com/scholar_lookup?title=Response+of+sunflower+%28Helianthus+annuus+L.%29+to+sowing+date+and+plant+density+under+Mediterranean+conditions&author=Barros+J%2C+Carvalho+M%2C+Basch+G.&journal=Eur+J+Agron&volume=21&pages=-356&publication_year=2004">[谷歌学术]
  • Bhadouria r,singh r,singh vk,等等。2019年。气候变化时代的农业:后果和影响。在:气候变化和农业生态系统.爱思唯尔,1页。<一种href="https://doi.org/10.1016/B978-0-12-816483-9.00001-3" target="_blank">https://doi.org/10.1016/B978-0-12-816483-9.00001-3.<一种href="https://scholar.google.com/scholar_lookup?author=Bhadouria+R%2C+Singh+R%2C+Singh+VK&journal=Climate+Change+and+Agricultural+Ecosystems&pages=-23&publication_year=2019">[谷歌学术]
  • 挑战AJ,Watson J,Lobell DB,Howde Sm,Smith Dr,Chhetri N. 2014.在气候变化和适应下的作物产量的荟萃分析。NAT Chem变化4(4):287-291。<一种href="https://doi.org/10.1038/nclimate2153" target="_blank">https://doi.org/10.1038/nclimate2153.<一种href="https://scholar.google.com/scholar_lookup?title=A+meta-analysis+of+crop+yield+under+climate+change+and+adaptation&author=Challinor+AJ%2C+Watson+J%2C+Lobell+DB%2C+Howden+SM%2C+Smith+DR%2C+Chhetri+N.&journal=Nat+Clim+Change&volume=4&pages=-291&publication_year=2014">[谷歌学术]
  • 陈H. 2018.日本三大作物产量的长期时间趋势的空间模式。植物刺激科学21(3): 177 - 185。<一种href="https://doi.org/10.1080/%C2%AD1343943X2018.1459752" target="_blank">https://doi.org/10.1080/1343943x2018.1459752.<一种href="https://scholar.google.com/scholar_lookup?title=The+spatial+patterns+in+long-term+temporal+trends+of+three+major+crops%E2%80%99+yields+in+Japan&author=Chen+H.&journal=Plant+Prod+Sci&volume=21&pages=-185&publication_year=2018">[谷歌学术]
  • Connor DJ, Sadras VO。1992.向日葵产量的生理表达。现场作物res.30(3-4):333-389。<一种href="https://doi.org/10.1016/0378-4290(92)90006-U" target="_blank">https://doi.org/10.1016/0378 - 4290 (92) 90006 - u.<一种href="https://scholar.google.com/scholar_lookup?title=Physiology+of+yield+expression+in+sunflower&author=Connor+DJ%2C+Sadras+VO.&journal=Field+Crops+Res&volume=30&pages=-389&publication_year=1992">[谷歌学术]
  • Corwin DL, Lesch SM, house PJ, Soppe R, Ayars JE。2003.利用土壤表观电导率直接取样确定影响棉花产量的土壤性质。阿格龙J95(2): 352 - 364。<一种href="https://doi.org/10.2134/agronj2003.0352" target="_blank">https://doi.org/10.2134/agronj2003.0352.<一种href="https://scholar.google.com/scholar_lookup?title=Identifying+soil+properties+that+influence+cotton+yield+using+soil+sampling+directed+by+apparent+soil+electrical+conductivity&author=Corwin+DL%2C+Lesch+SM%2C+Shouse+PJ%2C+Soppe+R%2C+Ayars+JE.&journal=Agron+J&volume=95&pages=-364&publication_year=2003">[谷歌学术]
  • Cox MS, Gerard DP, Wardlaw MC, Abshire MJ。2003.所选土壤性质的变异性及其与大豆产量的关系。土壤科学与技术67:1296-1302。<一种href="https://doi.org/10.2136/sssaj2003.1296" target="_blank">https://doi.org/10.2136/sssaj2003.1296.<一种href="https://scholar.google.com/scholar_lookup?title=Variability+of+selected+soil+properties+and+their+relationships+with+soybean+yield&author=Cox+MS%2C+Gerard+DP%2C+Wardlaw+MC%2C+Abshire+MJ.&journal=Soil+Sci+Soc+Am+J&volume=67&pages=-1302&publication_year=2003">[谷歌学术]
  • Driscoll DM,Fong Jmy。1992.大陆:重新检查的基本气候参数。in j cloulatol.12(2):185-192。<一种href="https://doi.org/10.1002/joc.3370120207" target="_blank">https://doi.org/10.1002/joc.3370120207.<一种href="https://scholar.google.com/scholar_lookup?title=Continentality%3A+A+basic+climatic+parameter+re-examined&author=Driscoll+DM%2C+Fong+JMY.&journal=Int+J+Climatol&volume=12&pages=-192&publication_year=1992">[谷歌学术]
  • Esmaeli M, Javanmard HR, Nassiry BM, Soleymani A. 2012。不同种植密度和种植方式对向日葵的影响(Helianthus Annuus L.)在伊朗伊斯法罕地区的气候条件下种植的品种。res作物13(2):517-520。<一种href="https://scholar.google.com/scholar_lookup?title=Effect+of+different+plant+densities+and+planting+pattern+on+sunflower+%28Helianthus+annuus+L.%29+cultivars+grown+under+climatic+conditions+of+Isfahan+region+of+Iran&author=Esmaeli+M%2C+Javanmard+HR%2C+Nassiry+BM%2C+Soleymani+A.&journal=Res+Crops&volume=13&pages=-520&publication_year=2012">[谷歌学术]
  • Fedoniuk RH,Fedoniuk TP,Zimaroieva AA,芭拜VM,Zubova Ov。2020.根据Polissya Region(NW乌克兰)的普遍风,对农业土壤空气出生污染对农业土壤的影响。生态的追求(1): 31 - 24。<一种href="https://doi.org/10.12775/EQ2020.007" target="_blank">http://dx.doi.org/10.12775/eq2020.007.<一种href="https://scholar.google.com/scholar_lookup?title=Impact+of+air+born+technogenic+pollution+on+agricultural+soils+depending+on+prevailing+winds+in+Polissya+region+%28NW+Ukraine%29&author=Fedoniuk+RH%2C+Fedoniuk+TP%2C+Zimaroieva+AA%2C+Pazych+VM%2C+Zubova+OV.&journal=Ecol+Quest&volume=31&pages=-24&publication_year=2020">[谷歌学术]
  • Fernández-Luqueño F, López-Valdez F, Miranda-Arámbula M, Rosas-Morales M, Pariona N, Espinoza-Zapata R. 2014。向日葵作物简介。见:Arribas JI, ed。向日葵:增长和发展,环境影响和害虫/疾病.Valladolid,西班牙:Nova Science Publishers,第1-18页。<一种href="https://scholar.google.com/scholar_lookup?author=Fern%C3%A1ndez-Luque%C3%B1o+F%2C+L%C3%B3pez-Valdez+F%2C+Miranda-Ar%C3%A1mbula+M%2C+Rosas-Morales+M%2C+Pariona+N%2C+Espinoza-Zapata+R..+.+In%3A+Arribas+JI&journal=Sunflowers%3A+Growth+and+Development%2C+Environmental+Influences+and+Pests%2FDiseases&pages=-18&publication_year=2014">[谷歌学术]
  • 菲克SE,希曼斯RJ。2017.Worldclim 2:新的1公里空间分辨率的全球陆地区域气候表面。in j cloulatol.37: 4302 - 4315。<一种href="https://doi.org/10.1002/joc.5086" target="_blank">https://doi.org/10.1002/joc.5086.<一种href="https://scholar.google.com/scholar_lookup?title=Worldclim+2%3A+New+1-km+spatial+resolution+climate+surfaces+for+global+land+areas&author=Fick+SE%2C+Hijmans+RJ.&journal=Int+J+Climatol&volume=37&pages=-4315&publication_year=2017">[谷歌学术]
  • Fishman r . 2016。更不均匀的分布推翻了更高的降水对作物产量的好处。环境Res列托人11(2): 024004。<一种href="https://doi.org/10.1088/1748-9326/11/2/024004" target="_blank">https://doi.org/10.1088/1748-9326/11/2/024004.<一种href="https://scholar.google.com/scholar_lookup?title=More+uneven+distributions+overturn+benefits+of+higher+precipitation+for+crop+yields&author=Fishman+R.&journal=Environ+Res+Lett&volume=11&pages=024004&publication_year=2016">[谷歌学术]
  • Godfray HCJ,Beddington JR,Crute IR,等等。2010.粮食安全:养活90亿人的挑战。科学327(5967): 812 - 818。<一种href="https://doi.org/10.1126/science.1185383" target="_blank">https://doi.org/10.1126/science.11​​85383.<一种href="https://scholar.google.com/scholar_lookup?title=Food+security%3A+the+challenge+of+feeding+9+billion+people&author=Godfray+HCJ%2C+Beddington+JR%2C+Crute+IR&journal=Science&volume=327&pages=-818&publication_year=2010">[谷歌学术]
  • Grassini P, Eskridge KM, Cassman KG。2013.区分历史作物生产趋势中的产量上升和产量稳定。NAT CANCE4: 2918。<一种href="https://doi.org/10.1038/ncomms3918" target="_blank">https://doi.org/10.1038/ncomms3918.<一种href="https://scholar.google.com/scholar_lookup?title=Distinguishing+between+yield+advances+and+yield+plateaus+in+historical+crop+production+trends&author=Grassini+P%2C+Eskridge+KM%2C+Cassman+KG.&journal=Nat+Commun&volume=4&pages=2918&publication_year=2013">[谷歌学术]
  • Gürkan H, Ozgen Y, Bayraktar N, Bulut H, Yildiz M. 2020。气候变化对土耳其向日葵产量的可能影响。可以在:<一种href="https://www.intechopen.com/online-first/possible-impacts-of-climate-change-on-sunflower-yield-in-turkey" target="_blank">https://www.intechopen.com/online-first/possible-impacts-of-climate-change-on-sunflower-yield-in-turkey(2020年4月22日通过)。<一种href="https://scholar.google.com/scholar_lookup?author=G%C3%BCrkan+H%2C+Ozgen+Y%2C+Bayraktar+N%2C+Bulut+H%2C+Yildiz+M.&journal=Possible+Impacts+of+Climate+Change+on+Sunflower+Yield+in+Turkey&publication_year=2020">[谷歌学术]
  • Gyöfi L,卢戈西G. 2002。平稳时间序列序列预测策略,第225-248页。<一种href="https://doi.org/10.1007/0-306-48102-2_11" target="_blank">https://doi.org/10.1007/0-306-48102-2_11.<一种href="https://scholar.google.com/scholar_lookup?author=Gy%C3%B6fi+L%2C+Lugosi+G.&journal=Strategies+for+Sequential+Prediction+of+Stationary+Time+Series&pages=-248&publication_year=2002">[谷歌学术]
  • Hamza M, Safina S. 2015。向日葵在沙地上栽培的性能在埃及广泛的种植日期。J Plant Prod.6: 821 - 835。<一种href="https://doi.org/10.21608/jpp.2015.49782" target="_blank">https://doi.org/10.21608/jpp.2015.49782.<一种href="https://scholar.google.com/scholar_lookup?title=Performance+of+sunflower+cultivated+in+sandy+soils+at+a+wide+range+of+planting+dates+in+Egypt&author=Hamza+M%2C+Safina+S.&journal=J+Plant+Prod&volume=6&pages=-835&publication_year=2015">[谷歌学术]
  • 亨l T,蒙德斯耶稣J, Heuvelink GBM,等等。2017.SoilGrids250m:基于机器学习的全球网格化土壤信息。《公共科学图书馆•综合》12 (2): e0169748。<一种href="https://doi.org/10.1371/journal.pone.0169748" target="_blank">https://doi.org/10.1371/journal.pone.0169748.<一种href="https://scholar.google.com/scholar_lookup?title=SoilGrids250m%3A+Global+gridded+soil+information+based+on+machine+learning&author=Hengl+T%2C+Mendes+de+Jesus+J%2C+Heuvelink+GBM&journal=PLoS+ONE&volume=12&pages=e0169748&publication_year=2017">[谷歌学术]
  • Iizumi T, Ramankutty N. 2016。1981-2010年主要作物产量变化可由气候变化解释。环境Res列托人11(3):034003。<一种href="https://doi.org/10.1088/1748-9326/11/3/034003" target="_blank">https://doi.org/10.1088/1748-9326/11/3/034003.<一种href="https://scholar.google.com/scholar_lookup?title=Changes+in+yield+variability+of+major+crops+for+1981%E2%80%932010+explained+by+climate+change&author=Iizumi+T%2C+Ramankutty+N.&journal=Environ+Res+Lett&volume=11&pages=034003&publication_year=2016">[谷歌学术]
  • Iizumi T, Furuya J, Shen Z,等等。2017年。作物产量增长对全球温度和社会经济变化的回应。Sci代表7(1): 7800。<一种href="https://doi.org/10.1038/s41598-017-08214-4" target="_blank">https://doi.org/10.1038/s41598-017-08214-4.<一种target="link_edps" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&dopt=Abstract&list_uids=28798370">(PubMed)[谷歌学术]
  • 离子v,dicu g,basa a,等等。2015年向日葵产量和产量组分在不同播种条件下。农业科学进展6.<一种href="https://doi.org/10.1016/j.aaspro.2015.08.036" target="_blank">https://doi.org/10.1016/j.aaspro.2015.08.036.<一种href="https://scholar.google.com/scholar_lookup?title=Sunflower+Yield+and+Yield+Components+under+Different+Sowing+Conditions&author=Ion+V%2C+Dicu+G%2C+Basa+A&journal=Agric+Agric+Sci+Proc&volume=6&publication_year=2015">[谷歌学术]
  • IPCC。2013. 2013年气候变化:物理科学基础。工作组关于政府间气候变化小组第五次评估报告的贡献。剑桥,英国和纽约,美国,美国:剑桥大学出版社。<一种href="https://scholar.google.com/scholar_lookup?doi=10.1051%2Focl%2F2021013">[谷歌学术]
  • Kucharik CJ,Ramapantty N. 2005.美国玉米产量在二十世纪的趋势和变异。地球互动9: 1至29。<一种href="https://doi.org/10.1175/EI098.1" target="_blank">https://doi.org/10.1175/EI098.1.<一种href="https://scholar.google.com/scholar_lookup?title=Trends+and+variability+in+US+corn+yields+over+the+twentieth+century&author=Kucharik+CJ%2C+Ramankutty+N.&journal=Earth+Interact&volume=9&pages=-29&publication_year=2005">[谷歌学术]
  • Kukal MS, Irmak S. 2018。气候驱动的作物产量和产量变化以及气候变化对美国大平原的影响。农业生产。Sci代表8: 3450。<一种href="https://doi.org/10.1038/s41598-018-21848-2" target="_blank">https://doi.org/10.1038/s41598-018-21848-2.<一种target="link_edps" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&dopt=Abstract&list_uids=29472598">(PubMed)[谷歌学术]
  • Kunah OM Pakhomov OY Zymaroieva АA,等等。2018.黑麦空间变异的农业经济和农业生态学方面(Secale Cereale.)波利西亚和乌克兰森林草原地区的产量:使用地理加权的主成分分析。Biosyst潜水员26(4):276-285。<一种href="https://doi.org/10.15421/011842" target="_blank">https://doi.org/10.15421/011842.<一种href="https://scholar.google.com/scholar_lookup?title=Agroeconomic+and+agroecological+aspects+of+spatial+variation+of+rye+%28Secale+cereale%29+yields+within+Polesia+and+the+Forest-Steppe+zone+of+Ukraine%3A+The+usage+of+geographically+weighted+principal+components+analysis&author=Kunah+OM%2C+Pakhomov+OY%2C+Zymaroieva+%D0%90A&journal=Biosyst+Divers&volume=26&pages=-285&publication_year=2018">[谷歌学术]
  • Kunah OM, Zelenko YV, Fedushko议员,Babchenko AV, Sirovatko, VO, Zhukov OV2019.Nikopol锰矿盆地技术土壤中植物有效土壤水分的时间动态。Biosyst潜水员27(2):156-162。<一种href="https://doi.org/10.15421/011921" target="_blank">https://doi.org/10.15421/011921.<一种href="https://scholar.google.com/scholar_lookup?title=The+temporal+dynamics+of+readily+available+soil+moisture+for+plants+in+the+technosols+of+the+Nikopol+Manganese+Ore+Basin&author=Kunah+OM%2C+Zelenko+YV%2C+Fedushko+MP%2C+Babchenko+AV%2C+Sirovatko%2C+VO%2C+Zhukov+OV.&journal=Biosyst+Divers&volume=27&pages=-162&publication_year=2019">[谷歌学术]
  • Leng G,Huang M. 2017.作物收益率对气候变化的反应随着裁剪空间分布模式而异。Sci代表7: 1463。<一种href="https://doi.org/10.1038/s41598-017-01599-2" target="_blank">https://doi.org/10.1038/s41598-017-01599-2.<一种target="link_edps" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&dopt=Abstract&list_uids=28469171">(PubMed)[谷歌学术]
  • Lesk C,Rowhani P,Ramakantty N. 2016.极端天气灾害对全球作物生产的影响。自然529(7584):84-87。<一种href="https://doi.org/10.1038/nature16467" target="_blank">https://doi.org/10.1038/nature16467.<一种target="link_edps" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&dopt=Abstract&list_uids=26738594">(PubMed)[谷歌学术]
  • Lioubimtseva E, Henebry G. 2012。俄罗斯、乌克兰和哈萨克斯坦的粮食生产趋势:在一个日益不稳定的世界里的新机遇?前地球科学6(2): 157 - 66。<一种href="https://doi.org/10.1007/s11707-012-0318-y" target="_blank">https://doi.org/10.1007/S11707-012-0318-Y..<一种href="https://scholar.google.com/scholar_lookup?title=Grain+production+trends+in+Russia%2C+Ukraine+and+Kazakhstan%3A+New+opportunities+in+an+increasingly+unstable+world%3F&author=Lioubimtseva+E%2C+Henebry+G.&journal=Front+Earth+Sci&volume=6&pages=-66&publication_year=2012">[谷歌学术]
  • 罗贝尔,施伦克,考斯塔-罗伯茨。2011。1980年以来的气候趋势和全球作物产量。科学333: 616 - 620。<一种href="https://doi.org/10.1126/science.1204531" target="_blank">https://doi.org/10.1126/science.1204531.<一种href="https://scholar.google.com/scholar_lookup?title=Climate+trends+and+global+crop+production+since+1980&author=Lobell+DB%2C+Schlenker+W%2C+Costa-Roberts+J.&journal=Science&volume=333&pages=-620&publication_year=2011">[谷歌学术]
  • Melnyk A, Akuaku J, Makarchuk A. 2018。乌克兰向日葵生产现状与前景。agr2.<一种href="https://doi.org/10.7251/AGRENG1703116M" target="_blank">https://doi.org/10.7251/Agreng1703116M..<一种href="https://scholar.google.com/scholar_lookup?title=State+and+prospects+of+sunflower+production+in+Ukraine&author=Melnyk+A%2C+Akuaku+J%2C+Makarchuk+A.&journal=Agrofor&volume=2&publication_year=2018">[谷歌学术]
  • Morgounov A,Haun S,Lang L,Martynov S,Sonder K. 2013.冬小麦养殖场地的气候变化在中亚,东欧和美国,以及育种的影响。Euphytica194(2): 277 - 92。<一种href="https://doi.org/10.1007/s10681-013-0968-1" target="_blank">https://doi.org/10.1007/S10681-013-09681..<一种href="https://scholar.google.com/scholar_lookup?title=Climate+change+at+winter+wheat+breeding+sites+in+central+Asia%2C+eastern+Europe%2C+and+USA%2C+and+implications+for+breeding&author=Morgounov+A%2C+Haun+S%2C+Lang+L%2C+Martynov+S%2C+Sonder+K.&journal=Euphytica&volume=194&pages=-92&publication_year=2013">[谷歌学术]
  • 尼尔森·戈茨,瓦林H,Sands Rd,HavlíkP,答:等等。2014.气候变化对农业的影响:对生物物理冲击的经济反应。Proc Nat Acad Sci111(9):3274-3279。<一种href="https://doi.org/10.1073/pnas.1222465110" target="_blank">https://doi.org/10.1073/pnas.1222465110.<一种href="https://scholar.google.com/scholar_lookup?title=Climate+change+effects+on+agriculture%3A+Economic+responses+to+biophysical+shocks&author=Nelson+GC%2C+Valin+H%2C+Sands+RD%2C+Havl%C3%ADk+P%2C+Ahammad+H&journal=Proc+Nat+Acad+Sci&volume=111&pages=-3279&publication_year=2014">[谷歌学术]
  • Osman D,Ozgur A,Ozlem I. 2014.当没有协变量时,实现箱COX转换的方法。Commun Stat-Simul第一版43:1740-1759。<一种href="https://doi.org/10.1080/03610918.2012.744042" target="_blank">https://doi.org/10.1080/03610918.2012.744042.<一种href="https://scholar.google.com/scholar_lookup?title=A+Methodology+to+Implement+Box-Cox+Transformation+When+No+Covariate+is+Available&author=Osman+D%2C+Ozgur+A%2C+Ozlem+I.&journal=Commun+Stat-Simul+Comput&volume=43&pages=-%E2%80%931759&publication_year=2014">[谷歌学术]
  • Pakhomov Oy,kunakhom,babchenko av,等等。2019年。乌克兰草原旱地后矿地垦区成立后陆地无脊椎动物的温度效应。Biosyst潜水员27(4):322-328。<一种href="https://doi.org/10.15421/011942" target="_blank">https://doi.org/10.15421/011942.<一种href="https://scholar.google.com/scholar_lookup?title=Temperature+effect+on+the+temporal+dynamic+of+terrestrial+invertebrates+in+technosols+formed+after+reclamation+at+a+post-mining+site+in+Ukrainian+steppe+drylands&author=Pakhomov+OY%2C+Kunakh+OM%2C+Babchenko+AV&journal=Biosyst+Divers&volume=27&pages=-328&publication_year=2019">[谷歌学术]
  • Paixão J, Casaroli D, Battisti R, Pêgo EJ, Mesquita M. 2020。利用巴西Goiás州的实际产量和土壤气候条件数据描述甘蔗产区。Int J Plant Prod.<一种href="https://doi.org/10.1007/s42106-020-00101-9" target="_blank">https://doi.org/10.1007/s42106-020-00101-9.<一种href="https://scholar.google.com/scholar_lookup?title=Characterizing+Sugarcane+Production+Areas+Using+Actual+Yield+and+Edaphoclimatic+Condition+Data+for+the+State+of+Goi%C3%A1s%2C+Brazil&author=Paix%C3%A3o+J%2C+Casaroli+D%2C+Battisti+R%2C+P%C3%AAgo+EJ%2C+Mesquita+M.&journal=Int+J+Plant+Prod&publication_year=2020">[谷歌学术]
  • Radanielson Am,Lecoeur J,Christophe A,Guilioni L. 2012.使用水提取可变性对筛选的向日葵基因型适应土壤水限制。Funct植物BIOL.39(12):999-1008。<一种target="link_edps" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&dopt=Abstract&list_uids=32480849">(PubMed)[谷歌学术]
  • Ray DK,Ramakantty N,Mueller Nd,West PC,Foley Ja。2012年。最近的作物产量增长和停滞模式。NAT CANCE3:1293。<一种href="https://doi.org/10.1038/ncomms2296" target="_blank">https://doi.org/10.1038/ncomms2296.<一种href="https://scholar.google.com/scholar_lookup?title=Recent+patterns+of+crop+yield+growth+and+stagnation&author=Ray+DK%2C+Ramankutty+N%2C+Mueller+ND%2C+West+PC%2C+Foley+JA.&journal=Nat+Commun&volume=3&pages=1293&publication_year=2012">[谷歌学术]
  • R核心团队。2018。R:用于统计计算的语言和环境。奥地利维也纳:R基础统计计算。<一种href="https://www.R-project.org/" target="_blank">https://www.r-project.org/.<一种href="https://scholar.google.com/scholar_lookup?doi=10.1051%2Focl%2F2021013">[谷歌学术]
  • Ritz C,Baty F,Streibig Jc,Gerhard D. 2015。使用R的剂量响应分析。《公共科学图书馆•综合》10(12):E0146021。<一种href="https://doi.org/10.1371/journal.pone.0146021" target="_blank">https://doi.org/10.1371/journal.pone.0146021.<一种href="https://scholar.google.com/scholar_lookup?title=Dose-Response+Analysis+Using+R&author=Ritz+C%2C+Baty+F%2C+Streibig+JC%2C+Gerhard+D.&journal=PLoS+ONE&volume=10&pages=e0146021&publication_year=2015">[谷歌学术]
  • 罗德里格斯硕士,Corá JE,费尔南德斯C. 2012。免耕制度下土壤属性与玉米产量的空间关系Revista Braasileira deCiência做独奏36(2): 599 - 609。<一种href="https://doi.org/10.1590/S0100-06832012000200029" target="_blank">https://doi.org/10.1590/S0100-0683201200020002000200029..<一种href="https://scholar.google.com/scholar_lookup?title=Spatial+relationships+between+soil+attributes+and+corn+yield+in+no-tillage+system&author=Rodrigues+MS%2C+Cor%C3%A1+JE%2C+Fernandes+C.&journal=Revista+Brasileira+de+Ci%C3%AAncia+do+Solo&volume=36&pages=-609&publication_year=2012">[谷歌学术]
  • Ryabko D,Hutter M. 2008.预测非静止过程。:数学列托人21(5):477-482。<一种href="https://doi.org/10.1016/j.aml.2007.04.004" target="_blank">https://doi.org/10.1016/j.aml.2007.04.004.<一种href="https://scholar.google.com/scholar_lookup?title=Predicting+non-stationary+processes&author=Ryabko+D%2C+Hutter+M.&journal=Appl+Math+Lett&volume=21&pages=-482&publication_year=2008">[谷歌学术]
  • Schär C、Frei C、Lüthi D、Davies HC。1996.区域气候模型的替代气候变化情景。Geophys Res Lett.23(6):669-672。<一种href="https://doi.org/10.1029/96GL00265" target="_blank">https://doi.org/10.1029/96GL00265.<一种href="https://scholar.google.com/scholar_lookup?title=Surrogate+climate-change+scenarios+for+regional+climate+models&author=Sch%C3%A4r+C%2C+Frei+C%2C+L%C3%BCthi+D%2C+Davies+HC.&journal=Geophys+Res+Lett&volume=23&pages=-672&publication_year=1996">[谷歌学术]
  • Schlenker W,Roberts MJ。2009年。非线性温度效应表明气候变化下对美国作物产量的严重损害。Proc Nat Acad Sci106(37):15594-98。<一种href="https://doi.org/10.1073/pnas.0906865106" target="_blank">https://doi.org/10.1073/pnas.0906865106..<一种href="https://scholar.google.com/scholar_lookup?title=Nonlinear+temperature+effects+indicate+severe+damages+to+U.S.+crop+yields+under+climate+change&author=Schlenker+W%2C+Roberts+MJ.&journal=Proc+Nat+Acad+Sci&volume=106&pages=-98&publication_year=2009">[谷歌学术]
  • SYS C,Van Ranst E,Debaveye J.1991.土地评估。第1部分。土地评估和作物生产计算的原则。发展合作总署。布鲁塞尔,比利时:农业出版物。<一种href="https://scholar.google.com/scholar_lookup?author=Sys+C%2C+Van+Ranst+E%2C+Debaveye+J.&journal=Land+evaluation.+Part+1.+Principles+in+land+evaluation+and+crop+production+calculations.+General+Administration+for+Development+Cooperation&publication_year=1991">[谷歌学术]
  • Thomaz GL, Zagonel J, Colasante LO, Nogueira RR。2012.向日葵产量和油籽含量随气温、降雨和太阳辐射的变化。Cienc农村42(8): 1380 - 1385。<一种href="https://doi.org/10.1590/S0103-84782012000800008" target="_blank">https://doi.org/10.1590/S0103-8478201200080000008.<一种href="https://scholar.google.com/scholar_lookup?title=Yield+of+sunflower+and+oil+seed+content+as+a+function+of+air+temperature%2C+rainfall+and+solar+radiation&author=Thomaz+GL%2C+Zagonel+J%2C+Colasante+LO%2C+Nogueira+RR.&journal=Cienc+Rural&volume=42&pages=-1385&publication_year=2012">[谷歌学术]
  • Ureta C,Gonzálezej,espinosa a,trueba a,piñeyro-nelson a,álvarez-buylla er。2019年。气候变化下墨西哥玉米产量。阿格利司系统177: 102697。<一种href="https://doi.org/10.1016/j.agsy.2019.102697" target="_blank">https://doi.org/10.1016/j.agsy.2019.102697.<一种href="https://scholar.google.com/scholar_lookup?title=Maize+yield+in+Mexico+under+climate+change&author=Ureta+C%2C+Gonz%C3%A1lez+EJ%2C+Espinosa+A%2C+Trueba+A%2C+Pi%C3%B1eyro-Nelson+A%2C+%C3%81lvarez-Buylla+ER.&journal=Agric+Syst&volume=177&pages=102697&publication_year=2019">[谷歌学术]
  • 美国农业部(美国农业部)。2017年。生产,供应和分配(PSD)报告 - 油籽。<一种href="https://apps.fas.usda.gov/psdonline/app/index.html" target="_blank">https://apps.fas.usda.gov/psdonline/app/index.html#/app/downloads?tabname=default..<一种href="https://scholar.google.com/scholar_lookup?doi=10.1051%2Focl%2F2021013">[谷歌学术]
  • Xiao DP, Moiwo JP, Tao FL,等等。2015.中国冬小麦物候的时空变化对天气和气候变化的响应减缓适应全球变化战略20(7): 1191 - 1202。<一种href="https://doi.org/10.1007/s11027-013-9531-6" target="_blank">https://doi.org/10.1007/S11027-013-9531-6.<一种href="https://scholar.google.com/scholar_lookup?title=Spatiotemporal+variability+of+winter+wheat+phenology+in+response+to+weather+and+climate+variability+in+China&author=Xiao+DP%2C+Moiwo+JP%2C+Tao+FL&journal=Mitig+Adapt+Strategies+Global+Change&volume=20&pages=-1202&publication_year=2015">[谷歌学术]
  • Zhukov OV, Pelina TO, Demchuk OM, Demchuk NI, Koberniuk SO。2018.Dnipropetrovsk地区粮食和豆类(豆类)产量动态的农业生态和农业经济方面(1966-2016年)。Biosyst潜水员26(2): 170 - 176。<一种href="https://doi.org/10.15421/011826" target="_blank">https://doi.org/10.15421/011826.<一种href="https://scholar.google.com/scholar_lookup?title=Agroecological+and+agroeconomic+aspects+of+the+grain+and+grain+legumes+%28pulses%29+yield+dynamic+within+the+Dnipropetrovsk+region+%28period+1966%E2%80%932016%29&author=Zhukov+OV%2C+Pelina+TO%2C+Demchuk+OM%2C+Demchuk+NI%2C+Koberniuk+SO.&journal=Biosyst+Divers&volume=26&pages=-176&publication_year=2018">[谷歌学术]
  • ZhygailoОl,Zhygailo Ts。2016年乌克兰向日葵种植墓地条件的气候变化影响评价。Ukr Hydrometeorol J17: 86 - 92。<一种href="https://doi.org/10.31481/uhmj.17.2016.10" target="_blank">https://doi.org/10.31481/uhmj.17.2016.10(乌克兰)。<一种href="https://scholar.google.com/scholar_lookup?title=Evaluation+of+climate+change+influence+on+agroclimatic+conditions+of+sunflower+growing+in+Ukraine&author=Zhygailo+%D0%9EL%2C+Zhygailo+TS.&journal=Ukr+Hydrometeorol+J&volume=17&pages=-92&publication_year=2016">[谷歌学术]
  • Zymaroieva A,Zhukov O,Romanchuck L,Pinkin A. 2019.乌克兰谷物谷物和谷物豆类产量的时空动态。农业科学25(6):1107-1113。<一种href="https://scholar.google.com/scholar_lookup?title=Spatiotemporal+dynamics+of+cereals+grains+and+grain+legumes+yield+in+Ukraine&author=Zymaroieva+A%2C+Zhukov+O%2C+Romanchuck+L%2C+Pinkin+A.&journal=Bulg+J+Agric+Sci&volume=25&pages=-1113&publication_year=2019">[谷歌学术]
  • Zymaroieva A, Zhukov O. 2020。利用地理加权主成分分析法分析乌克兰森林和森林草原地带的谷物和豆类(豆类)产量格局。Acta Agric Slov.116(2):287-297。<一种href="https://doi.org/10.14720/aas.2020.116.2.873" target="_blank">https://doi.org/10.14720/AAS.2020.116.2.873.<一种href="https://scholar.google.com/scholar_lookup?title=Analyzing+cereal+and+grain+legumes+%28pulses%29+yields+patterns+in+the+forest+and+forest-steppe+zones+of+Ukraine+using+geographically+weighted+principal+components+analysis&author=Zymaroieva+A%2C+Zhukov+O.&journal=Acta+Agric+Slov&volume=116&pages=-297&publication_year=2020">[谷歌学术]
  • Zymaroieva A,Zhukov O,Fedonyuk T,Pinkina T. 2020A。乌克兰油菜产量的时空趋势作为农业经济因素影响的标志。阿格龙Res18 (S2): 1584 - 1596。<一种href="https://doi.org/10.15159/ar.20.119" target="_blank">https://doi.org/10.15159/ar.20.119.<一种href="https://scholar.google.com/scholar_lookup?title=The+spatio-temporal+trend+of+rapeseed+yields+in+Ukraine+as+a+marker+of+agro-economic+factors+influence&author=Zymaroieva+A%2C+Zhukov+O%2C+Fedonyuk+T%2C+Pinkina+T.&journal=Agron+Res&volume=18&pages=-1596&publication_year=2020">[谷歌学术]
  • Zymaroieva A, Zhukov O, Romanchuck L. 2020b。大豆产量长期时间趋势的空间格局(甘氨酸Max.(l)在中欧混交林(Polissya)和乌克兰境内的东欧森林草原生态区。J Cent Eur Agric21(2):320-332。<一种href="https://doi.org/10.5513/JCEA01/21.2.2402" target="_blank">https://doi.org/10.5513/JCEA01/21.2.2402.<一种href="https://scholar.google.com/scholar_lookup?title=The+spatial+patterns+of+long-term+temporal+trends+in+yields+of+soybean+%28Glycine+max+%28L.%29+Merril%29+in+the+Central+European+Mixed+Forests+%28Polissya%29+and+East+European+Forest+Steppe+ecoregions+within+Ukraine&author=Zymaroieva+A%2C+Zhukov+O%2C+Romanchuck+L.&journal=J+Cent+Eur+Agric&volume=21&pages=-332&publication_year=2020">[谷歌学术]

引用本文: Zymaroieva A, Zhukov O, Fedoniuk T, Pinkina T, vlaasiuk V. 2021。决定乌克兰北部向日葵产量时空动态的土壤气候因子。ocl.28:26。

补充材料

(访问)

所有的表

表1

生物气候变量(根据<一种href="https://worldclim.org/data/worldclim21.html" target="_blank">https://worldclim.org/data/worldclim21.html).

表2

生物气候变量的主成分分析。

表3

土壤变量的主要成分分析。

表4

向日葵产量参数对气候变量的回归依赖性*

所有数字

缩略图 图。1

乌克兰的10个行政区域地图,eCoregions和土壤图。土壤分类根据世界土壤资源基础:ABGL - Albeluvisols Gleyic;ABST - Albeluvisols Stagnic;abum - albeluvisols umbric;Chch - Chernozems Chernic;chlv - chernozems luvic;CMDY - Cambisols Dystric;CMEU - Cambisols Efric;CMGL - Cambisols Gleyic;FLDY - Flyvisols Dystric; FLeu – Fluvisols Eutric; FLgl – Gleyic Fluvisols; FLhi – Fluvisols Histic; GLhi – Gleysols Histic; GLhu – Gleysols Humic; GLso – Gleysols Sodic; HSfi – Histosols Fibric; HSsa – Histosols Sapric; HSsz – Histosols Salic; LPrz – Leptosols Rendzic; LVha – Haplic Luvisols; PHab – Phaeozems Albic; PHgl – Phaeozems Gleyic; PHha – Phaeozems Haplic; PHlv – Phaeozems Luvic; PHso – Phaeozems Sodic; PZet – Podzols Entic; PZha – Podzols Haplic; PZle – Leptic Podzols; PZrs – Podzols Rustic.

在文中
缩略图 图2

1991 - 2017年乌克兰收获的向日葵产量和面积的动态(来源 - Faostat,<一种href="http://www.fao.org" target="_blank">http://www.fao.org).

在文中
缩略图 图3.

1991 ~ 2017年向日葵产量的典型动态及其logistic模型逼近横轴为年,纵轴为向日葵产量,dt·ha-1

在文中
缩略图 图4.

不同行政区向日葵产量趋势模型的赤池准则(N = 206)。

在文中
缩略图 图5.

向日葵产量动态对数逻辑模型参数的空间变异:a:坡度;b: ED50;c:下限;d:上限。

在文中
缩略图 图6.

生物气候主成分的空间变异。

在文中
缩略图 图7.

土壤主成分的空间变异性

在文中

当前的使用指标显示文章视图的累积计数(包括HTML视图,包括HTML视图,PDF和EPUB下载,根据可用数据)和Vision4press平台上的摘要视图。

数据对应于2015年之后的Plateform上的用法。在线出版物后48-96小时可用,并在一周日每天更新。

指标的初始下载可能需要一段时间。