Evaluation and modelling of yield formation of winter wheat varieties using a method of artificial neural networks

  • Y. Domaratskyi Kherson State Agricultural University
  • V. Pichura Kherson State Agricultural University
  • A. Domaratskyi Kherson State Agricultural University
Keywords: biopreparations, winter wheat, yield modelling, analysis of variance, neural networks

Abstract

The paper presents the results of analysis, evaluation and neuromodelling of the impact of biological protectants (trichodermin, planriz, phytosporin) on yield formation of different wheat varieties in the steppe and dry steppe zones under climate change. It shows that seed treatment with chemical protectants and bacterial preparations had a different effect on yield formation of different varieties of soft winter wheat. The application of biological protectants resulted in a yield increase of wheat varieties under study by 0,36–4,7 % compared to the control. A negative yield balance was observed under the use of the chemical protectant Raksil-ultra – 6,01 %. The application of the biological preparation Trichodermin in presowing treatment provides the highest germination potential of seeds in all soft winter wheat varieties. The method of multivariate analysis of variance revealed that the largest contribution to yield formation was made by the ‘years of research (climate) factor (42,26 %); significant results were registered due to the effect of the following factors – varietal composition of soft winter wheat (8,79 %), and biological products (9,34 %), as well as the interaction of these factors (12,45 %). In the year of moderate weather conditions, the share of varietal composition in yield formation was 33,79%, and that of biological protectants amounted to 5,75 %, while in the year of favorable weather conditions the values were 10,41 % and 52,48 %, respectively. For the first time in modelling soft winter wheat yield formation, there was used a method of artificial neural networks that made it possible to determine the nonlinear regularities in the influence of investigated factors and create an adaptive multi-layer regression model for a highly accurate (90,4 %) yield prediction. The multiple correlation taking into account nonlinear patterns of the influence of factors on soft winter wheat yield was 0,87. The research results allow a further improvement and implementation of strategies for optimizing agrotechnological practices in the steppe and dry steppe zones.

References

Бараболя О.В. Вплив попередників на урожайність та якість зерна сортів пшениці м’якої озимої / О.В. Бараболя // Зб. наукових праць Уманського національного університету садівництва. – 2001. – Вип. 76. – С. 102–106.

Коломієць Л.А. Формування адаптивних ознак міжсортовими гібридами озимої пшениці (Triticum Aestivum L.) / Л.А. Коломієць // Сортовивчення та охорона прав на сорти рослин. – 2007. – № 6. – С. 26–34.

Базалій В.В. Магнітно-імпульсна обробка насіння як метод підвищення врожайності зернових культур / В.В. Базалій, Б.В. Малигін, О.А. Дудяєва // Таврійський науковий вісник. – 2011. – Вип. 76. – С. 3–10.

Герман М.М. Поліпшення посівних якостей насіння пшениці м’якої озимої залежно від передпосівної обробки насіння / М.М. Герман // Вісник Полтавської державної аграрної академії. – 2011. – № 4. – С. 54–57.

Анішин Л. Вплив біостимуляторів на врожай і якість озимої пшениці / Л. Анішин, С. Анішин // Новини захисту рослин. – 1999. – № 7–8. – С. 29–30.

Пономаренко С.П. Регулятори росту. Екологічні аспекти застосування / С.П. Пономаренко // Захист рослин. – 1999. – № 12. – С. 15.

Шевченко А.О. Резерв пшеничної ниви. Біостимулятори росту нового покоління / А.О. Шевченко, Л.А. Анішин // Захист рослин. – 1997. – № 10. – 21с.

Завалин А.А. Биопрепараты, удобрения и урожай. – М.: Изд-во ВНИИА, 2005. – 302 с.

Шаповалов И.В. Высшие технологии – аграрному комплексу Украины / И.В. Шаповалов, В.Ф. Бутенко // Сад Украины. – 2004. – № 3–4. – С. 28–31.

Литвиненко Р. Рентабельность применения биопрепаратов на зерновых / Р. Литвиненко // Новый аграрный журнал. – 2011. – № 3. – С. 28–31.

Альбит на озимой пшенице / А.К. Золотников, А.И. Деров, И.И. Бегунов, К.М. Золотников // Земледелие. – 2005. – № 3. – С. 31–32.

Филин В.И. Эффективность биопрепарата Альбит при возделывании озимой пшеницы в степной зоне / В.И. Филин, А.П. Тибирьков // Плодородие. – 2009. – № 1 (46). – С. 31–32.

Насінництво і насіннєзнавство зернових культур / За ред. М.О. Кіндрука. – К.: Аграрна наука, 2003. – 240 с.

Васильківський С.П. Адаптивні властивості та врожайність сортів пшениці м’якої озимої / С.П. Васильківський, О.В. Семеніхін // Агробіологія. – 2010. – Вип. 4 (80). – С. 97–103.

Пичура В.И. Применение интеллектуальных искусственных нейронных сетей для прогнозирования химических показателей оросительной воды (на примере Ингулецкого магистрального канала) / В.И. Пичура // Водное хозяйство России: проблемы, технологии, управление. – Екатеринбург, 2012. – № 2. – С. 17–28.

Хайкин С. Нейронные сети: полный курс. – М.: Издат. дом “Вильямс”, 2006. – 1104 с.

Прогнозирование гидрохимического режима низовья Днепра с использованием нейротехнологий / В.И. Пичура, Ю.В.Пилипенко, Ф.Н. Лисецкий, О.Э. Довбыш // Водное хазяйство России: проблемы, технологии, управление. – Екатеринбург, 2015. – № 2. – С. 20–32.

Использование данных дистанционного зондирования Земли и нейротехнологий для совершенствования мониторинга лесных массивов / Э.А. Терехин, Ю.В. Пилипенко, В.И. Пичура, О.А. Чепелев, Д.С. Бреус // Агроекологічний журнал. – 2012. – № 4. – С. 41–47.

Кравченко Ю.А. Экстраполяция изменений параметров сложных систем на основе периодической нечеткой клеточной нейронной сети / Ю.А. Кравченко // Известия Таганрогского государственного радиотехнического университета. – 2007. – Т. 73, № 1. – С. 242–246.

Пичура В.И. Пространственно-временное прогнозирование изменений параметров агрохимических показателей мелиорируемых почв с использованием ГИС и нейротехнологий / В.И. Пичура // Агрохімія і ґрунтознавство. – 2012. – № 78. – С. 87–95.

ДСТУ 4138-2002. Насіння сільськогосподарських культур. Методи визначення якості. – К.: Держспоживстандарт України, 2003. – 173 с.

Доспехов Б.А. Методика полевого опыта / Б.А. Доспехов. – М.: Колос, 1985. – 335 с.

Barabolia, O.V. (2001). The influence of preceding crops on grain productivity and quality of soft winter wheat varieties. Coll. scientific papers of Uman National University of Horticulture. 76, 102–106.

Kolomiets, L.A. (2007). Formation of adaptive traits by intervarietal hybrids of winter wheat (Triticum Aestivum L.). Strain study and protection of plant variety rights. 6. 26–34.

Bazaliy, V.V., Malyhin, B.V., Dudiaieva, O.A. (2011). Magnetic pulse seed treatment as a method of increasing cereal crop productivity. Tavrian Scientific Bulletin. 76, 3–10.

Herman, M.M. (2011). Improving sowing qualities of soft winter wheat seeds depending on pre-sowing treatment of seeds. Bulletin of Poltava State Agrarian Academy. 4, 54–57.

Anishyn, L., Anishyn, S. (1999). The effect of biostimulants on winter wheat yield and quality. Plant protection news. 7–8, 29–30.

Ponomarenko, S.P. (1999). Growth regulators. Environmental aspects of application. Protection of plants. 12, 15.

Shevchenko, A.O., Anishyn, L.A. (1997). Wheat field reserves. New generation biostimulators of growth. Protection of plants. 10, 21.

Zavalin, A.A. (2005). Biological products, fertilizers and crop yield. Moscow: Publishing House of the All-Russian Research Institute of Agrochemistry (ARRIA), 302.

Shapovalov, I.V., Butenko, V.F. (2004). Advanced technologies for the agricultural complex of Ukraine. Garden of Ukraine. 3–4.

Litvinenko, R. (2011). Return on the application of biological products in cereal production. New Agricultural journal. 3, 28–31.

Zolotnikov, A.K., Derov, A.I., Begunov, I.I.,. Zolotnikov, K.M. (2005). Albite in winter wheat cultivation. Agriculture. 3, 31–32.

Filin, V.I., Tibirkov, A.P. (2009). The effectiveness of the biological product Albite in winter wheat cultivation in the steppe zone. Fertility. 1(46), 31–32.

Ed. by Kindruk, M.O. (2003). Seed production and seed study of grain crops. Kyiv: Agricultural Science, 240.

Vasylkivskyi, S.P., Semenikhin, O.V. (2010). Adaptive characteristics and yield of soft winter wheat varieties. Agrobiology. 4(80), 97–103.

Pichura, V.I. (2012). The use of intelligent artificial neural networks in predicting chemical indicators of irrigation water (by the example of the Ingulets main channel). Water Management in Russia: Problems, technology, management. Ekaterinburg, 2, 17–28.

Haykin, S. (2006). Neural networks: a full course. Moscow: Williams Publishing House, 1104.

Pichura, V.I., Pilipenko, Yu.V., Lisetski, F.N., Dovbysh, O.E. (2015). Prediction of the hydrochemical regime of the lower Dnieper river using neurotechnology. Water Management in Russia: Problems, technology, management. Ekaterinburg, 2, 20–32.

Terekhin, E.A., Pilipenko, Y.V., Pichura, V.I., Chepelev, O.A., Breus, D.S. (2012). The use of remote sensing data and neurotechnology in improving forest monitoring. Agroecologіcal Journal, 4, 41–47.

Kravchenko, Y.A. (2007). Extrapolation of changes in the parameters of complex systems based on a periodic fuzzy cellular neural network. Proceedings of Taganrog State University of Radio Engineering. 73, 1, 242–246.

Pichura, V.I. (2012). Space-time forecasting of changes in the parameters of agrochemical indicators of reclaimed soils using GIS and neurotechnology. Agrochemistry and soil science. 78, 87–95.

State Standard of Ukraine 4138-2002. Seeds of agricultural crops. Methods for determining their quality. (2003). Kyiv: State Committee for Technical Regulation and Consumer Policy, 173.

Dospekhov, B.A. (1985). Methods of field experiments. Moscow: Kolos, 335.

Section
Agricultural sciences (agronomics, agricultural ecology, land reclamation, ecology, crops husbandry, farming)