ізу систем. Вони включають: емпіричні-і динамічні статистичні моделі, кореляційний та факторний аналіз, багатовимірне шкалювання, аналіз часових рядів. Для зниження розмірності статистичних моделей використовується ряд методів, наприклад виділення головних компонент в регресійних рівняннях і гармонійних рядах.
В історії розробки статистичних моделей продуктивності агроценозів можна виділити кілька етапів: за узагальненими агрокліматичних показниками; емпіричним рівнянням регресійного типу; динамико-статистичним та фізико-статистичним моделям; комплексним імітаційним моделям [10].
Методи прогнозування врожаїв, засновані на обліку агрокліматичних ресурсів регіону розроблялися в агрометеорології. Для оцінки потенційної продуктивності використовуються величини балансу фотосинтетично активної радіації (ФАР), а також комплексні показники - биоклиматический і гидротермический потенціали продуктивності (БКП, ГТП).
Емпіричні моделі продуктивності агроценозів в основному представлені так званими виробничими функціями. Вони являють регресійні рівняння, що зв'язують кінцевий результат (врожай і показники його якості) з діючими величинами. До виробничих функцій пред'являється ряд вимог: модель повинна враховувати основні фактори, що впливають на урожай; охоплювати широкий діапазон їх значень; апроксимуюча функція повинна максимально відповідати реальним біологічним закономірностям. Важливий внесок у створення емпіричних моделей продуктивності внесли роботи Т.І. Іванової, А.П. Федосєєва, І.М. Стребкова, Е.С. Уланової та інших дослідників.
До емпірико-статистичним (регресійним) відносяться багато моделей грунтової ерозії (Універсальна модель втрат грунту USLE або її модифікація - RUSLE), моделі WEPP, CREAMS, Державного гідрологічного інституту). Емпірика-статистичні моделі застосовуються в фітопатології для опису динаміки епіфітотій.
Динамічні моделі призначені для прогнозування та оперативного управління продукційним процесом з урахуванням що складається агрометеорологічної обстановки. В основі динамічного моделювання - опис системи за допомогою звичайних диференціальних рівнянь і рівнянь в приватних похідних, параметри яких визначають за емпіричними даними. Відомі динамічні моделі формування врожаю Г.Є. Листопаду, А.А. Климова, О.Д. Сиротенко та інші, діагностики мінерального живлення рослин, накопичення і розпаду поллютантов в агроекосистемах (пестицидів, нафтопродуктів, радіонуклідів) процесів в меліорованих грунтах [9].
Фізико-статистичні моделі розглядають систему як сукупність взаємодіючих елементів з випадковими властивостями. У модель вводитися функція розподілу показників стану і глобальна характеристика взаємодії компонентів (ентропія, енергія або речовинний результат). Область застосування розглянутих моделей обмежується описом неструктурованих гомогенних систем, коли необхідно оцінити вплив багатьох факторів на результуючий ознака. Прикладом реалізації даного підходу служать моделі В.П. Дмитренко та В.А. Бровкіна. У них урожай культур розглядається як емпірична функція відхилення факторів середовища (параметрів агрохімічної характеристики, вологозапасів, температури повітря) від оптимальних значень. До фізико-статистичним відносяться і так звані марковские моделі. Вони являють розвиток системи у вигляді розгалуженої мережі станів. Ймовірності переходів в з...
