Применение логистической функции при моделировании эрозионно-склоновых катен и биопродуктивности агрогеосистем

Актуальность данного исследования связана с потребностью в обобщении материала по разным направлениям исследований и переводе этих данных на язык цифровых моделей. Большое значение для математического моделирования склоновых экогеоморфосистем и биологической продуктивности агрогеосистем имеет понимание физической сущности происходящего процесса, фундаментального характера уравнения диффузии, лежащего в основе этих процессов. Лог функция (ЛФ) была выбрана для аналитического описания процессов, так как она удовлетворяет представлениям, происходящим в катенарном комплексе на разных таксономических уровнях: микро-, мезо-, макро- и мегаорганизменных ландшафтах. С помощью ЛФ сравнительно легко вычисляются первая и последующие производные, которые дают представления о скорости и ускорении процессов.

Методика. Исследования проводились с 1986 по 2022 гг.

Объекты исследований на юговосточном окончании Приволжской возвышенности: землепользование «Качалинское» ФНЦ агроэкологии РАН, землепользование ФГБНУ ВНИИОЗ и на землях Заволжской оросительной системы (Волгоградская область), а также богарных землях в Михайловском районе КФ «Ишкин А. В.» Изучение и моделирование катенарного комплекса лог-функцией проводилось на макро-, мезоуровнях.

Результаты и выводы. В результате исследований особенностей пространственного распределения переходных природных зон был разработан и запатентован «Способ картографирования природных переходных зон (экотонов)». Суть патента состоит в пространственном анализе переходных зон в суббореальных ландшафтах по радиационному потоку тепла. Лог функцией была описана связь у(х) биопродуктивности со смытостью почв (в нормированных величинах) с параметрами а=3,478; b=5,948; х=0,00001 – 1,0. Зависимость выполняется для каштановых почв легкого, среднего и тяжелого гранулометрического состава. Расчет на основе заданной зависимости производился через нахождение первой и последующих производных. Логистическая функция с высокой степенью приближения описывает морфометрические изменения, происходящие с сельскохозяйственными культурами за вегетацию. К ним относится ростовая функция сельскохозяйственных культур; подсолнечника (сорт «Лакомка» и гибрид LG-5456), ячмень («Медикум 139»), сорта и гибриды кукуруза.

Заключение. ЛФ – универсальна. С ее помощью можно не только провести анализ существующих событий, предсказать развитие процессов, происходящих на склоновых экогеоморфосистемах и в агроценозах с достаточно высокой точностью.

1. Грегори К. География и географы: Физическая география. М. Прогресс, 1988. 384 с.

2. Девдариани А. С. Вклад Западной Европы, США и СССР в изучение рельефа поверхности Земли математическими методами // Рельеф Земли и математика. М. Мир.1981. 253 с.

3. Лисецкий Ф. Н. Пространственно-временная организация агроландшафтов. Белгород, 2000. 302 с.

4. Московкин В. М., Журавка А. В. Пьер Франсуа Ферхюльст – забытый первооткрыватель закона логистического роста и один из основателей экономической динамики // Оригинальные исследования: науч.-практ. электрон. журн. 2020. Т. 10. № 7. C. 207-218.

5. Панов В. И. Ландшафтно-географическая методология (географический принцип В. В. Докучаева) ресурсного управления и преобразования степного незащищенного агроландшафта в улучшенный природоподобный противоэрозионный агроландшафт лесостепного типа // Известия Самарского научного центра Российской академии наук. 2018. Т. 20. № 2 (3). С. 511-528.

6. Рулев А. С., Юферев В. Г. Термодинамика и моделирование переходных зон в агрогеосистемах // Известия Нижневолжского Агроуниверситетского комплекса. 2016. № 2 (42). С. 34-40.

7. Рулев А. С., Рулева О. В., Овечко Н. Н. Универсальность логистической функции при моделировании прогноза развития природных и антропогенных систем // Доклады Российской академии сельскохозяйственных наук. 2015. № 5. С. 67-70.

8. Рулев А. С., Юферев В. Г. Геоинформационное картографирование переходных природных зон (экотонов) // Ученые записки Таврического национального университета им. В. И. Вернадского. Серия «География». 2014. Т. 27 (66). № 2. С. 163-169.

9. Biswajit Bera, Soumik Saha, Sumana Bhattacharjee Forest cover dynamics (1998 to 2019) and prediction of deforestation probability using binary logistic regression (BLR) model of Silabatiwatershed. India. 2020.100034

10. Culling W. E. H. Analytical theory of erosion // J. Geol. 1960. Vol. 68. № 3.

11. Genetic analysis of the seed dehydration process in maize based on a logistic model / Shuangyi Yin, Jun Liu [et al.]. 2019. No 06. P. 011.

12. Logistic model outperforms allometric regression to estimate biomass of xerophytic shrubs / Ma, Chuan Yuan, Jiayu Zhou, Yan Li, Guangyao Gao, Bojie Fu. 2021. 108278.

13. Optimisation of Logistic Model Using Geographic Information Systems: A Case Study of Biomass-based Combined / Jixianghang, Xiaolei Zhang [et al.] // Heat&Power Generationin China https. 2022.100060.

14. Ruleva O. V., Rulev G. A. Relationship Between Air Temperature and Maize Growth Function // Anthropogenic transformation of geospace: Nature, Economy, Society: Advances in Enjineering research. Proceeding of IV international Scientific and Practical Conference. 2019. P. 253-256.

15. Scheidegger A. E. Theoretical geomorphology. Berlin: Heidelberg, 1970. 435 p.