Российская сельскохозяйственная наука, 2023, № 2
УДК 551.509.9
DOI:10.31857/S2500262723020126, EDN:AQHANQ
О ВЛИЯНИИ СОВРЕМЕННЫХ ИЗМЕНЕНИЙ КЛИМАТА
НА РОСТ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР В РОССИИ*
И.Ю. Савин, академик РАН, доктор сельскохозяйственных наук
Федеральный исследовательский центр «Почвенный институт им. В.В. Докучаева»,
119017, Москва, Пыжевский пер., 7 стр. 2б
Российский университет дружбы народов,
117198, Москва, ул. Миклухо-Маклая, 6
E-mail: savin_iyu@esoil.ru
В последние годы в России отмечают постоянный рост урожайности зерновых культур. В качестве его причины
часто рассматривается позитивный тренд метеорологических условий, но веских научных доказательств этому
практически не приводится. Цель исследований - анализ изменений потенциальной (климатической) урожайности
зерновых в стране за период с 2000 по 2022 гг. Для достижения поставленной цели использовали имитационную
модель роста растений WOFOST, которая позволяет оценить воздействие всех метеорологических параметров
комплексно. Оценку проводили для сети из 42 репрезентативных точек в разных регионах страны с учетом ежедневных
метеорологических параметров и типа почв. Моделирование осуществляли на уровне потенциальной урожайности,
при котором учитывается варьирование только метеорологических параметров и считается, что влияние других
факторов на урожайность отсутствует. Тренды потенциальной урожайности имеют различную направленность
в разных регионах страны. Тренд в сторону более благоприятных для зерновых культур метеорологических условий
отмечен для Северного Кавказа, в Нижнем Поволжье, в Западной Сибири и на Дальнем Востоке, в то время как в
Центральном и Центрально-Черноземном округах, Верхнем Поволжье, а также на юге Средней Сибири в последние
годы отмечено падение потенциальной урожайности. В целом рост урожайности зерновых в последние годы хорошо
согласуется с трендом изменения агрометеорологических условий в большинстве зернопроизводящих регионов страны.
Однонаправленные тренды метеорологически потенциальной и статистической урожайности отсутствуют лишь в
регионах центра Европейской части России, где роль климатического фактора в варьировании урожайности зерновых
менее значима, и где можно предположить эффект мер, предпринимаемых правительством, по поддержке и развитию
сельского хозяйства.
ON THE IMPACT OF MODERN CLIMATE CHANGE
ON THE INCREASE OF GRAIN YIELDS IN RUSSIA
I.Yu. Savin
Federal Research Center «Dokuchaev Soil Science Institute»,
119017, Moskva, Pyzhevskii per., 7, str. 2b
Peoples' Friendship University of Russia,
117198, Moskva, ul. Miklukho-Maklaya, 6
E-mail: savin_iyu@esoil.ru
In recent years, Russia has seen a steady increase in grain crop yields. A positive trend in meteorological conditions is often
considered as the reason for this phenomenon, but there is almost no strong scientific evidence for it. The aim of investigation
was to analyze changes in the potential (climatic) grain yields in the country for the period from 2000 to 2022. For this purpose,
the simulation model of plant growth WOFOST was used, which allows assessing the impact of all meteorological parameters in
a comprehensive manner. The assessment was carried out for a network of representative points (42 points) in different regions
of the country for grain crops, taking into account daily meteorological parameters and soil type. Modeling was conducted at the
level of potential yield, which takes into account the variation of meteorological parameters only, and it is believed that the limit-
ing influence of other factors on the yield is absent. As a result of the analysis, it was found that the trends of potential yields have
different direction in different regions of the country. The trend towards more favorable meteorological conditions for grain crops
is observed for the North Caucasus, the lower Volga region, Western Siberia and the Far East, while in the Central and Central
Black Earth districts, the upper Volga region, as well as in the south of Central Siberia in recent years there is a drop in the po-
tential yields. The growth of grain yields in recent years agrees well with the trend of changes in agrometeorological conditions
in most grain-producing regions of the country. Unidirectional trends in meteorological potential and statistical yields are absent
only in the regions of central European Russia, where the role of the climatic factor in grain yield fluctuations is less significant,
and where one can assume the effect of measures taken by the government of the country to support and develop agriculture.
Ключевые слова:рожайность зерновых, многолетний тренд
Key words: grain yields, long-term trend of agrometeorological
агрометеорологических условий, Россия, имитационное моде-
conditions, Russia, simulation modeling, WOFOST.
лирование, WOFOST.
От объемов продукции сельского хозяйства,
самообеспечения продовольствием на любой
производимых на территории страны во многом зависит
территории предопределяются спецификой питания
как ситуация с продовольственной безопасностью,
населения и особенностями природных условий.
так и экспортный потенциал. Возможности
Специфика климата и широкое распространение
* Исследование выполнено при финансовой поддержке Российской Федерации (соглашение с Минобрнауки России № 075-15-2022-321
от 21 апреля 2022 г.).
58
Российская сельскохозяйственная наука, 2023, № 2
плодородных почв в России создают благоприятные
по урожайности зерновых культур на уровне отдельных
условия для производства зерновых культур, которые
служат основой питания населения и кормовой базой
stat.ru/indicator/31533.do). Анализировали параметры
для развития животноводства.
«Урожайность зерновых культур в хозяйствах всех
На протяжении многих лет Россия занимает одно
категорий на убранную площадь» и «Валовой сбор
из первых мест в мире по производству зерна. Но это
зерновых культур в хозяйствах всех категорий» для
обусловлено в основном большими площадями посевов
периода с 2000 по 2022 гг.
зерновых культур. Их урожайность, по сравнению
Все регионы России ранжировали по средней
со странами Европы, США или Австралией, остается
многолетней величине валового сбора. Затем в каждом
на достаточно низком уровне [1]. Кроме того,
из регионов, валовой сбор в которых в сумме превысил
урожайность зерновых в России достаточно нестабильна
90% от величины этого показателя по всей стране, была
и сильно варьирует от года к году [2]. Это чаще всего
выбрана репрезентативная точка на пахотных угодьях
объясняется периодическими засухами, но оказывают
с преобладающим типом почв. Для этого использовали
влияние и такие факторы, как замокание посевов,
Карту распаханности почв России [6] и данные Единого
неблагоприятные погодные условия во время уборки
государственного реестра почвенных ресурсов России
или перезимовки озимых культур, недостаточное
[7]. Всего таким образом для анализа были выбраны
внесение удобрений и др. [3].
42 точки.
Несмотря на существующую нестабильность,
Для каждой точки отобрали ежедневные метеороло--
в последние годы отмечается значительный
гические параметры, необходимые для моделирования
положительный тренд урожайности на уровне страны.
роста растений за период с 2000 по 2022 гг. (количество
Некоторые авторы связывают его преимущественно
солнечной радиации, давление водяного пара, суточные
с действиями органов исполнительной власти,
минимальная и максимальная температуры воздуха,
направленными на стимулирование развития
средняя дневная скорость ветра, суточное количество
сельского хозяйства и его модернизацию [4].
атмосферных осадков). Информацию получали из базы
Другие исследователи указывают на ведущую роль
данных проекта POWER NASA (США) [8]. Все данные
происходящих изменений климата [2, 5]. Без сомнения,
адаптировали к модели WOFOST 7.1 [9], которую
на рост урожайности оказывает влияние большой набор
использовали для моделирования потенциальной
факторов, включая упомянутые, и выделить воздействие
урожайности. Моделирование осуществляли для
какого-либо из них представляется достаточно сложной
пшеницы и ячменя. Для этого использовали файлы этих
задачей. Поэтому, по-видимому, до сих пор научная
растений, а также файлы с параметрами преобладающих
оценка вклада каждого из основных факторов в рост
в каждой точке почв, откалиброванными для этой
урожайности зерновых в России не проведена.
модели ранее [10].
Цель исследований - оценка вклада изменения
Модель WOFOST широко используют для модели--
метеорологических условий в рост урожайности зерновых
рования потенциальной урожайности различных
в России с использованием подходов имитационного
сельско-хозяйственных культур в мире [9] и России
моделирования роста сельскохозяйственных растений.
[10, 11]. На ее основе возможно получение данных
Методика. В качестве объекта исследований
на трех иерархических уровнях, которые можно условно
выступают статистические данные Госкомстата России
назвать климатическая потенциальная урожайность
Рис. 1. Тренды потенциальной урожайности ячменя в разрезе регионов России: max, min - годы максимума
(минимума) потенциальной урожайности; nd - моделирование не проводили.
59
Российская сельскохозяйственная наука, 2023, № 2
(1 уровень), водно-ограниченная потенциальная
Результаты анализа представлены в виде простран--
урожайность (2 уровень) и ограниченная питательными
ственных картограмм с использованием пакета ГИС
элементами урожайность (3 уровень). На первом уровне
учитываются только такие параметры как приход
Результаты и обсуждение. Результаты моделиро-
солнечной радиации и температурные условия. Все
вания для пшеницы и ярового ячменя оказались очень
остальные считаются оптимальными. На втором
близки. Отдельные отклонения были незначительны
учитываются все метеопараметры, а также почвенно--
и не изменяли специфики многолетней линии тренда
гидрологические свойства (условия увлажнения)
для обоих видов растений. Такие результаты ожидае-
и считается, что с доступностью питательных веществ
мы и не противоречат знаниям о близости физиологии
для растений нет ограничений. На третьем уровне
и фенологии рассматриваемых культур [12]. Это дало
учитывается содержание питательных веществ,
основание для использования в дальнейшем только ре-
но не принимаются во внимание возможные болезни
зультатов для ячменя.
и вредители посевов [9]. В нашей работе, для оценки
В ходе исследования выделено несколько типов мно-
вклада метеорологических факторов, моделирование
голетних трендов (при использовании полиномиальной
проводили на втором уровне.
функции второго порядка):
В качестве индикатора климатически потенциальной
постепенный рост кривой с 2000 по 2022 гг.;
урожайности использовали выходной параметр модели
постепенное падение кривой с 2000 по 2022 гг.;
TAGP (максимальное годовое количество надземной
минимум кривой в середине рассматриваемого
фитомассы), который выступает более надежным для
временного промежутка с разными датами минимума;
решения поставленной задачи, чем параметр TWSO
максимум кривой в середине рассматриваемого
(масса зерна).
временного промежутка с разными датами максимума.
В процессе исследований осуществляли сравнение
То есть, тенденция к росту благоприятности метео-
результатов моделирования для пшеницы и ячменя
рологических условий за последние годы анализируе-
и в случае их сильного расхождения в какой-либо
мого периода характерна для трендов типа 1 и 3. А для
точке, проводили анализ его причин и повторное
трендов типа 2 и 4 свойственна тенденция к ухудшению
моделирование. Если расхождение устранить
метеорологических условий.
не удавалось, то точку моделирования заменяли
Согласно результатам моделирования в Центральном
на другую в том же регионе. После подобного анализа
и Центрально-Черноземном округах, Верхнем Поволжье,
результаты моделирования были представлены в виде
а также на юге Средней Сибири в последние годы от-
кривых многолетних значений TAGP, для которых
мечено падение потенциальной урожайности (рис. 1).
в Excel определяли тренд, а также сравнивали
То есть, метеорологические условия в этих регионах
этот тренда с трендом урожайности для каждого
в целом становятся менее благоприятными для зерновых.
из анализируемых регионов по статистическим данным.
Одновременно, рост потенциальной урожайности в по-
Тренд для каждого временного ряда был представлен
следние годы отмечен на Северном Кавказе, в Нижнем
полиномом второго порядка.
Поволжье, Западной Сибири и на Дальнем Востоке, что
Рис. 2. Сравнение многолетнего тренда результатов моделирования потенциальной урожайности и
статистических данных в разрезе регионов России: серый цвет - тренды разнонаправленные, штриховка - тренды
однонаправленные, белый цвет - моделирование не проводили.
60
Российская сельскохозяйственная наука, 2023, № 2
свидетельствует о тренде к улучшению метеорологиче-
Выводы. Рост урожайности зерновых в России в по-
ских условий для зерновых в этих регионах.
следние годы хорошо согласуется с трендом изменения
Сравнение кривых потенциальной и статистической
агрометеорологических условий в большинстве зерно-
урожайности для разных регионов России показало, что
производящих регионов страны.
они часто не совпадают, что может быть связано со мно-
Однонаправленные тренды метеорологически потен-
гими причинами. Поэтому было проведено сравнение
циальной и статистической урожайности отсутствуют
только на уровне многолетних трендов (рис. 2). Его
только в регионах центра Европейской части России,
результаты свидетельствуют, что для большей части
где вклад климатического фактора в варьирование уро-
основной земледельческой зоны России, за исключением
жайности зерновых менее значим и где можно предпо-
Центрального и Центрально-Черноземного районов,
ложить влияние мер, предпринимаемых для поддержки
а также регионов Верхней Волги, тренды имеют оди-
и развития сельского хозяйства.
наковую направленность. Это подтверждает выводы
Эти выводы получены на уровне трендов и пред-
авторов, предполагающих, что основным драйвером
ставляют собой только общую закономерность в до-
роста урожайности в России в последние годы выступает
статочно обобщенном виде.
изменение климата [2, 4]. Но такие результаты были
получены только на уровне анализа направленности
Литература
трендов. Выполнить его на уровне прямых корреляций
1.
FAO. World Food and Agriculture - Statistical
результатов моделирования со статистической урожай-
Yearbook 2022. Rome: FAO, 2022. 382 p. doi: 10.4060/
ностью на основе использованного метода невозможно.
cc2211en.
Это связано с рядом причин, среди которых наиболее
2.
Abys C., Skakun S., Becker-Reshef I. The Rise and
весомыми представляются следующие:
Volatility of Russian Winter Wheat Production //
схематичность моделирования. Его осуществляли
Environmental Research Communications. 2022. Vol.
только для двух культур и только на одном типе (хоть
и преобладающем) почв. Кроме того, блок моделиро-
article/10.1088/2515-7620/ac97d2 (дата обращения:
вания условий перезимовки озимых культур в модели
05.02.2023). doi: 10.1088/2515-7620/ac97d2.
практически отсутствует, а озимые культуры в ряде
3.
Влияние факторов эффективного плодородия
регионов занимают большие площади. В качестве ин-
почвы на урожайность и качество зерна яровой
дикатора динамичности потенциальной урожайности
пшеницы и их моделирование в условиях умеренно-
в модели использовали величину надземной фитомассы,
засушливой и колочной степи Алтайского края /
что также выступает значительным допущением;
И.П. Аверьянова, С.В. Жандарова, А.Б. Совриков и
погрешность статистических данных неизвестна,
др. // Вестник Алтайского государственного аграр-
и их качество всегда выступает объектом критики
ного университета. 2017. № 6. С. 15-20.
практически во всех странах мира [13]. Более того,
4.
Агроинвестор. Россельхозбанк: за пять лет уро-
статистическая урожайность в Госкомстате России пред-
жайность зерновых в России выросла на 23%. URL:
ставляется расчетной, а не измеряемой величиной [14];
влияние может оказывать и качество использован-
urozhajnost-zernovyh-v-rossii-vyrosla-na-23. (дата
ных метеорологических данных, которые выступают
обращения: 05.02.2023).
результатом глобального моделирования состояния
5.
Сизов А.А. Как изменения климата оказались на руку
атмосферы. Их выборочная проверка на территории
России показала хорошее совпадение с данными мете-
tion/kak-izmeneniia-klimata-okazalis-na-ruku-rossi-
останций в части температурных условий и меньшую
iskim-agrariiam (дата обращения: 05.02.2023).
точность в случае конвективных осадков.
6.
Карта распаханности почв России / И.Ю. Савин,
Несовпадение по направленности трендов между
В.С. Столбовой, С.А. Аветян и др. // Бюллетень
результатом моделирования и статистическими данны-
Почвенного института имени В.В. Докучаева.
ми в Центральном, Центрально-Черноземном районах
2018. № 94. С.38-56. doi: 10.19047/0136-1694-2018-
и Верхнем Поволжье скорее всего связано с более ин-
94-38-56.
тенсивным ведением хозяйства в этих регионах и ме-
7.
Столбовой В.С., Молчанов Э.Н. Единый государ-
нее выраженной зависимостью урожайности зерновых
ственный реестр почвенных ресурсов России как
от метеорологических условий, в том числе меньшим
модель пространственной организации почвенного
воздействием на урожайность засушливых явлений [3].
покрова // Известия Российской академии наук.
Кроме того, необходимо учитывать, что клима-
Серия географическая. 2015. № 5. С. 135-143.
тически потенциальная урожайность во многих ре-
8.
Araghi A., Martinez C.J., Olesen J. E. Evaluation of
гионах превышает реальную [11]. В этих случаях ее
multiple gridded solar radiation data for crop model-
межгодовое варьирование в гораздо большей степени
ing // European Journal of Agronomy. 2022. № 133.
зависит не от метеорологических условий, а от других
Р.126419. doi: 10.1016/j.eja.2021.126419.
факторов.
9.
25 Years of the WOFOST Cropping Systems Model / A.
В целом полученные результаты подтверждают пред-
de Wit, H. Boogaard, D. Fumagalli, et al. // Agricul-
положение ряда авторов о том, что отмечаемые измене-
tural Systems. 2019. Vol. 168. No. 1. P. 154-167. doi:
ния климата благоприятно отразятся на сельском хозяй-
10.1016/j.agsy.2018.06.018.
стве России [15]. Но, скорее всего это будет происходить
10. Савин И.Ю., Столбовой В.С., ван Диепен К. Ими-
только на первых порах. Сдвиг климатических зон на се-
тационная модель роста сельскохозяйственных
вер приведет к тому, что территории с оптимальными
растений WOFOST и ее использование для анализа
метеоусловиями окажутся на неоптимальных почвах,
продуктивности земель России. М.: РАСХН, 2001.
которые на столетия будут оставаться таковыми в изме-
216 с.
нившемся климате. И именно почвенный фактор станет
11. Савин И.Ю., Столбовой В.С., Савицкая Н.В. Клима-
основным ограничителем роста урожайности, который
тический потенциал урожайности озимой пшеницы
можно будет преодолеть только увеличением вложений
в России // Российская сельскохозяйственная наука.
в оптимизацию неблагоприятных свойств почв.
2017. № 3. С. 17-20.
61
Российская сельскохозяйственная наука, 2023, № 2
12. Кошкин Е.И., Гусейнов Г.Г. Экологическая физио-
текущих расчетов объемов производства основных
логия сельскохозяйственных культур. М.: РГ-Пресс,
продуктов сельского хозяйства (в натуральном
2020. 576 с.
выражении) в хозяйствах всех категорий. М.: Рос-
13. How good is good enough? Data requirements for reli-
стат, 2019. 64 с.
able crop yield simulations and yield-gap analysis / P.
15. Climate impacts on global agriculture emerge ear-
Grassini, L. van Bussel, J. van Wart, et al. // Field Crops
lier in new generation of climate and crop models /
Research. 2015. Vol. 177. P. 49-63. doi: 10.1016/j.
J. Jägermeyr, C. Müller, A.C. Ruane, et al. // Nature
fcr.2015.03.004.
Food. 2021. No. 2. P. 873-885. doi: 10.1038/s43016-
14. Росстат. Методические указания по проведению
021-00400-y.
Поступила в редакцию 06.02.2023
После доработки 28.02.2023
Принята к публикации 09.03.2023
62