Кліматичні предиктори урожайності сільськогосподарських культур Полісся та Лісостепу України

Юрій Никитюк, Оксана Кравченко
Завантажити статтю Читати статтю

Анотація

Метою роботи було визначення ключових кліматичних предикторів, які формують варіабельність урожайності озимої пшениці та кукурудзи в агрокліматичних умовах Полісся й Лісостепу. Методологія ґрунтувалася на використанні багаторічних метеорологічних даних у поєднанні зі статистичними та машинними алгоритмами моделювання, серед яких застосовувалися множинна лінійна регресія та Random Forest для порівняльної оцінки прогнозної ефективності. Також було реалізовано механізм визначення важливості змінних із метою встановлення найбільш інформативних кліматичних індикаторів. У ході дослідження було проаналізовано вплив температурних екстремумів, сумарного режиму атмосферних опадів та гідротермічних індексів у ключові фазові періоди розвитку культур. Було встановлено, що для озимої пшениці домінуючу роль відігравали умови квітня-червня, тоді як для кукурудзи найбільше значення мали теплово-вологісні параметри липня-серпня. Було виявлено, що інтегральні показники, зокрема гідротермічний коефіцієнт, забезпечують значно вищу прогностичну вагу порівняно з окремими температурними чи опадовими метриками. Було підтверджено наявність порогових реакцій культур на екстремальні кліматичні фактори, що зумовлювало відмінності між регіонами за рівнем чутливості до теплових хвиль і посух. Було узагальнено, що алгоритм Random Forest забезпечив найбільшу точність прогнозування, пояснюючи до 81 % варіабельності врожайності кукурудзи в Лісостепу та до 74 % – озимої пшениці. Практична цінність роботи полягає у можливості використання отриманих результатів аналітичними центрами, агрометеорологічними службами та агровиробниками для планування посівних площ, оцінювання ризиків сезонної урожайності та формування адаптаційних стратегій в умовах кліматичних змін

Ключові слова

агрокліматичні індекси; температурні екстремуми; гідротермічний режим; варіабельність продуктивності; машинне моделювання; Random Forest; кліматичні ризики; фазові стресори

  1. Abbass, K., Qasim, M.Z., Song, H., Murshed, M., Mahmood, H., & Younis, I. (2022). A review of the global climate change impacts, adaptation, and sustainable mitigation measures. Environmental Science and Pollution Research, 29, 42539-42559. doi: 10.1007/s11356-022-18847-3.
  2. Baranovskyi, M.O., & Baranovska, O.V. (2023). Features of assessing the impact of climatic factors on agricultural crop yields: Case of Chernihiv region. Ukrainian Journal of Natural Sciences, 6, 34-43. doi: 10.32782/ naturaljournal.6.2023.4.
  3. Bihun, V.S. (2024). The impact of climate change on agriculture: Adaptive strategies for increasing crop resilience. Dumka Molodoho Vchenoho, 35, 179-188. doi: 10.37128/2707-5826-2024-4-15.
  4. Brannigan, N., Mullan, D., Vandaele, K., Graham, C., McKinley, J., & Meneely, J. (2022). Modelling soil erosion by water under future climate change: Addressing methodological gaps. Catena, 216(B), article number 106403. doi: 10.1016/j.catena.2022.106403.
  5. Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5-32. doi: 10.1023/A:1010933404324.
  6. Climate Change and Land. (n.d.). Retrieved from https://www.ipcc.ch/srccl/.
  7. Evans, L.T. (1993). Crop evolution, adaptation and yield. Cambridge University Press.
  8. Guntukula, R. (2020). Assessing the impact of climate change on Indian agriculture: Evidence from major crop yields. Journal of Public Affairs, 20(1), article number e2040. doi: 10.1002/pa.2040.
  9. Gurkan, H., Ozgen, Y., Bayraktar, N., Bulut, H., & Yildiz, M. (2020). Possible impacts of climate change on sunflower yield in Turkey. IntechOpen. doi: 10.5772/intechopen.91062.
  10. Hansen, J.E., et al. (2023). Global warming in the pipeline. Oxford Open Climate Change, 3(1), article number kgad008. doi: 10.1093/oxfclm/kgad008.
  11. Heil, K., Lehner, A., & Schmidhalter, U. (2020). Influence of climate conditions on the temporal development of wheat yields in a long-term experiment in an area with pleistocene loess. Climate, 8(9), article number 100. doi: 10.3390/cli8090100.
  12. Hersbach, H., et al. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999-2049. doi: 10.1002/qj.3803.
  13. Hnatiienko, V.H., Hnatiienko, H.M., Zozulia, O.L., & Snytyuk, V.Y. (2024). Method of forecasting yield of agricultural crops using multifactor analysis and neural networks. Scientific Bulletin of Uzhhorod University. Series of Mathematics and Informatics, 44(1), 93-105. doi: 10.24144/2616-7700.2024.44(1).93-105.
  14. Konduri, V.S., Vandal, T.J., Ganguly, S., & Ganguly, A.R. (2020). Data science for weather impacts on crop yield. Frontiers in Sustainable Food Systems, 4, article number 52. doi: 10.3389/fsufs.2020.00052.
  15. Kryvokhyzha, Ye.M., Matviishyn, A.I., & Bryn, V.T. (2024). The impact of climate change on the yield of the main agricultural crops in Ukraine. Podilian Bulletin: Agriculture, Engineering, Economics, 44, 3-5. doi: 10.37406/27069052-2024-3.5.
  16. Kussul, N., Shelestov, A., Yailymov, B., Yailymova, H., Lavreniuk, M., & Shumilo, L. (2020). Crop monitoring technology based on time series of satellite imagery. In Proceedings of the 2020 IEEE 11th International conference on dependable systems, services and technologies (DESSERT) (pp. 346-350). IEEE. doi: 10.1109/ DESSERT50317.2020.9125008.
  17. Moldavan, L., Pimenowa, O., Wasilewski, M., & Wasilewska, N. (2023). Sustainable development of agriculture of Ukraine in the context of climate change. Sustainability, 15(13), article number 10517. doi: 10.3390/ su151310517.
  18. Muñoz-Sabater, J., et al. (2021). ERA5-Land: A state-of-the-art global reanalysis dataset for land applications. Earth System Science Data, 13(9), 4349-4383. doi: 10.5194/essd-13-4349-2021.
  19. Pepeliaev, V.A., Golodnikov, O.M., & Golodnikova, N.O. (2023). Modeling the impact of climate change on the productivity of agricultural crops. Cybernetics & Systems Analysis, 59(6), 96-104.
  20. Romashchenko, M., Husyev, Y., Shatkovskyi, A., Saidak, R., Yatsyuk, M., Shevchenko, A., & Matiash, T. (2020). Impact of climate change on water resources and agricultural production. Land Reclamation and Water Management, 1, 5-22. doi: 10.31073/mivg202001-235.
  21. Shevchenko, O. (2023). The impact of climate change on agricultural land use in Ukraine. Agricultural Sciences, 4, 108-114. doi: 10.33730/2310-4678.4.2023.292725.
  22. State Statistics Service of Ukraine. (2024). Methodological provisions of the state statistical observation “Areas, gross output and yield of agricultural crops”. Kyiv: State Statistics Service of Ukraine.
  23. Telo da Gama, J. (2023). The role of soils in sustainability, climate change, and ecosystem services: Challenges and opportunities. Ecologies, 4(3), 552-567. doi: 10.3390/ecologies4030036.
  24. van Klompenburg, T., Kassahun, A., & Catal, C. (2020). Crop yield prediction using machine learning: A systematic literature review. Computers and Electronics in Agriculture, 177, article number 105709. doi: 10.1016/j. compag.2020.105709.
  25. Yang, B., Wu, S., & Yan, Z. (2022). Effects of climate change on corn yields: Spatiotemporal evidence from geographically and temporally weighted regression model. ISPRS International Journal of Geo-Information, 11(8), article number 433. doi: 10.3390/ijgi11080433.
  26. Yemelyanov, M.O., Shelestov, A.Yu., Yailymova, H.O., & Shumilo, L.L. (2022). Impact of climate change on the area of major crops. Space Science & Technology, 28(2), 30-38. doi: 10.15407/knit2022.02.030.
  27. Zhygailo, О.L., Volvach, O.V., Tolmachova, А.V., & Kostiukievych, T.K. (2021). The influence of climate change on sunflower yield in the Northern Steppe of Ukraine: Analysis and forecast. Scientific Progress & Innovations, 1, 180-186. doi: 10.31210/visnyk2021.01.22.
Nykytiuk, Yu., & Kravchenko, O. (2025). Climate predictors of crop yields in the Polissia and Forest-Steppe regions of Ukraine. Scientific Horizons, 28(11), 20-27. https://doi.org/10.48077/scihor11.2025.20