Прикладное использование технических наук в сельскохозяйственных исследованиях

В настоящее время весьма актуальной является проблема приложения знаний технических наук в исследования наук, в этих знаниях нуждающихся.

Так, практически не решенным до настоящего времени, для любого исследователя, особенно работающего с биологическими объектами, является вопрос утраты экспериментальных данных. В связи с широким воздействием различных стресс-факторов окружающей среды на объекты исследований в сельском хозяйстве, в частности, в плодоводстве, и, прежде всего, на сами плодовые деревья (морозные зимы, чрезмерное выпадение осадков, заболачивание местности, нанесение вреда грызунами и т.д.), исследователи очень часто сталкиваются с проблемой утраты некоторых данных в поставленных экспериментах.

Постановка нового опыта требует, как правило, больших временных и материальных затрат, а порой и вообще не является возможной. Насколько неразрешим в данном случае вопрос о возможности работы с оставшимися данными с целью получения достоверных обоснованных выводов? Существует несколько различных методов обработки экспериментальных данных при их частичной утрате в стационарном опыте по каким-либо причинам. Так можно рассматривать опыт с различным числом элементов в повторностях, как опыт, построенный по неортогональной схеме, предполагающей попарное сравнение вариантов с различным числом повторений.

Таблица 1

Диаметр (мм) штамбиков саженцев яблони (исходная матрица)

Таблица 2

Диаметр (мм) штамбиков саженцев яблони (матрица с выпавшими данными)

Применение предлагаемого метода рассмотрено ниже на конкретном примере с использованием полученных в исследованиях с саженцами-двухлетками яблони ряда сортов на полукарликовом подвое 54-118 в питомнике в условиях средней зоны садоводства РФ (учхоз «Комсомолец» МичГАУ) по показателей роста и плодоношения, в частности диаметра штамбиков саженцев как интегративной характеристики, отражающей активность их ростовых процессов.

Для обработки результатов были сформированы исходные выборки по 10 значений по каждому варианту (сорту) – таблица 1. После условного выпадения данных в размере 10% в целом по опыту (по таблице случайных чисел) получаем матрицу для обработки рассматриваемым методом вида (табл. 2). Объективный подход выпадения обеспечивался моделированием процесса выпадения данных по таблице случайных чисел, чтобы иметь возможность сравнить получаемые показатели с теми, которые должны были быть в том случае, когда данные не были бы утрачены. Экспериментальную выборку мы имитировали, основываясь на трёх элементах (Дж.У.Снедекор, 1961) процесса отбора: выбор начального пункта брали наугад, меняли направление движения по таблице, меняли размер выборки.

Исходная таблица проведения дисперсионного анализа в данном случае по неортогональной схеме имеет следующий вид (табл. 3).

Таблица 3

Исходные данные для дисперсионного анализа

Таблица 4

Результаты дисперсионного анализа

Варьирование	Сумма квадратов &#;Q	Число степеней свободы df	Дисперсия	FФ
Общее	162,83	26	-	-
Вариантов	48,55	2	24,27	17,51
Остаточное	33,28	24	1,39	-

Частные различия в неортогональных схемах дисперсионного анализа оценивают путем определения ошибок разностей и НСР₀₅ для каждой сравниваемой пары средних величин. В данном примере для первого и третьего вариантов n₁ = 9 и n₃ = 10, тогда ошибка разности средних ариф­метических:

В нашем примере число повторностей в первом варианте n₁ = 9, во втором n₂ = 8, а ошибка разности средних ариф­метических НСР₀₅ = 1,18. Для второго и третьего вариантов n₂ = 8 и n₃ = 10, НСР₀₅ = 1,15. Для первого и третьего вариантов n₁ = 9 и n₃ = 10, НСР₀₅ = 1,11.

Описанный выше метод является лишь одним из нескольких методов восстановления выпавших в стационарном опыте данных. Авторы писали о них в других своих публикациях. Но в каждом из этих методов требуется знание математических объектов, а также навыки их обработки в каких-то программных продуктах, например в электронных таблицах.

В заключение хочется отметить, что для такого рода обработки результатов исследований, с учетом частично выпавших опытных данных в Мичуринском Государственном аграрном университете доцентом Фроловой С.В. (2003) создана и в настоящее время модифицируется компьютерная программа «ASTRA». Кроме того, продолжаются исследования по оценке допустимой погрешности при применении различных методов, позволяющих анализировать опыт с частичной утратой данных. Имитация процесса выпадения данных при этом моделируется созданной нами компьютерной программой “GLORIA”.

В эпоху бурного развития вычислительной техники необходимым, на наш взгляд, является использование возможностей математического моделирования для решения возникающих задач такого плана. Использование одной науки в целях другой позволяет найти выход из сложившейся для исследователя ситуации.

Литература:

1. Бобрович Л.В. Вариабельность показателей роста и плодоношения слаборослых клоновых подвоев, саженцев и деревьев яблони, оптимизация учетов и оценка различий. Автореферат дисс. канд. с.-х. наук, Мичуринск,1996. – 25 с.

2. Разработка компьютерных программ и вариационно-статистический анализ экспериментальных данных в плодоводстве. Диссертация – Фролова С. В.— 06.01.07 – Мичуринск, 2003

3. Оптимизация научных исследований в плодоводстве «Труды международного форума по проблемам науки, техники и образования» 2006г. Том 2, Москва

4. Снедекор Дж.У. Статистические методы в применении к исследованиям в сельском хозяйстве и биологии /Дж.У. Снедекор. – М.: Изд-во с.-х. литературы, журналов и плакатов, 1961. – Перевод с английского В.Н.Перегудова. – 561.

5. Никонорова, Л.И. К вопросу обработки экспериментальных данных в плодоводстве при их частичной утрате / Л.И. Никонорова, С.В. Фролова, Л.В. Бобрович // Актуальные проблемы развития АПК: сборник трудов всероссийской конференции. - Саратов, 2006.