Прогнозирование урожайности проса прутьевидного как биоэнергетической культуры
Учёные из Национальной лаборатории Ок-Ридж и Дартмутского колледжа провели масштабный анализ данных по урожайности проса прутьевидного (switchgrass) — перспективной культуры для производства биотоплива. Результаты опубликованы в Agronomy Journal (июль–август 2010).
Методология и данные
- Проанализировано 1190 наблюдений за урожайностью биомассы из 18 рецензируемых публикаций.
- Данные охватывают 39 полевых участков в 17 штатах США — от Бивилла (Техас) на юге до Манила (Северная Дакота) и Рок-Спрингс (Пенсильвания).
- Оценено влияние местоположения, размера делянки, возраста насаждений, частоты сбора, внесения удобрений, климата и качества земли.
Ключевые выводы
- Основными факторами, определяющими вариацию урожайности, являются количество осадков в вегетационный период, среднегодовая температура, внесение азотных удобрений и тип (экотип) проса.
- Низменные экотипы в среднем показали более высокую урожайность — 12.9 метрических тонн с гектара против 8.7 тонн у возвышенных экотипов. Исключение — северные широты, где возвышенные сорта оказались продуктивнее.
- Максимальная урожайность (>28 т/га) зафиксирована в Алабаме, Техасе и Оклахоме с использованием низменных сортов Kanlow и Alamo.
- Не обнаружено систематической ошибки, связывающей более высокий урожай с размером экспериментальной делянки, шириной междурядий или предпочтительным засевом на высокопродуктивных землях.
Моделирование и перспективы
- Модель, построенная на основе долгосрочных климатических данных, прогнозирует максимальную урожайность в коридоре от среднеатлантического побережья до Канзаса и Оклахомы. На западе Великих равнин урожайность ограничивается низким уровнем осадков.
- По словам Стэна Вуллшлегера, руководителя исследования, такие данные позволяют перейти от локальных оценок к прогнозам в региональном и национальном масштабе.
- Ли Линд, соавтор статьи, отмечает важность отсутствия смещения данных и перспективу применения подхода к другим энергетическим культурам в глобальном масштабе.
- Для улучшения прогностических моделей необходимы данные с ещё более широкого диапазона почвенно-климатических условий.