Кавалли А. Б., Белолюбцев А. И., Белькова А. В., Ильинич В. В. Прогнозирование испарения с водной поверхности с помощью машинного обучения // Научная жизнь. 2023. Т. 18. Вып. 5 (131)

Кавалли Алессандро Брунович, аспирант кафедры «Метеорология и климатология», ФГБОУ ВО «Российский государственный аграрный университет – МСХА им. К. А. Тимирязева»: Россия, 127434, г. Москва, ул. Тимирязевская, 49.
Белолюбцев Александр Иванович, д-р с.-х. наук, профессор, зав. кафедрой «Метеорология и климатология», ФГБОУ ВО «Российский государственный аграрный университет – МСХА им. К. А. Тимирязева»: Россия, 127434, г. Москва, ул. Тимирязевская, 49.
Белькова Анна Владиславовна, магистрант, Московский институт электроники и математики им. А. Н. Тихонова, ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики»: Россия, 101000, г. Москва, ул. Мясницкая, 20.
Ильинич Виталий Витальевич, канд. техн. наук, профессор, ст. науч. сотр., ФГБНУ «Федеральный научный центр гидротехники и мелиорации им. А. Н. Костякова»: Россия, 127434, г. Москва, ул. Большая Академическая, 44, к. 2.

Тел.: (985) 016-87-13
E-mail: sacha.cavalli@gmail.com

В исследованиях, выполненных в Краснодарском институте риса, а также по данным мировых центров выращивания риса показано, что наибольшее влияние на урожай риса из климатических факторов оказывает испаряемость. Испаряемость без каких-либо существенных ошибок можно принимать как испарение с акваторий водных объектов, в то время как величина транспирации риса чаще всего имеет достаточно существенную корреляционную или функциональную связь с испарением с водных объектов. Из выдаваемых краткосрочных прогнозов погоды региональными субъектами Росгидромета и другими организациями можно получать прогнозные значения температуры, скорости ветра и количества осадков с пятисуточной (пентадной) заблаговременностью. Именно на их основе была разработана методика прогноза испаряемости на будущую пентаду. В настоящей работе проверяется гипотеза о возможности прогнозирования величин испарения с водной поверхности рисовых чеков по основным прогнозируемым метеорологическим элементам с помощью нейро-технологий машинного обучения. В ходе работы был составлен алгоритм машинного обучения, направленный на аппроксимацию величины испарения с водной поверхности по прогнозным данным метеорологических параметров. Эта технология может быть использована в качестве новой методики среднесрочного прогнозирования испарения на пентадный период. Для того, чтобы получить величину испарения вполне возможно получить прогнозную зависимость от значений температуры воздуха и скорости ветра при условии отсутствия осадков, когда такой прогноз наиболее важен.

Список литературы:

1. Воронина В. В., Михеев А. В., Ярушкина Н. Г., Святов К. В. Теория и практика машинного обучения. – Ульяновск: УлГТУ, 2017. – 52-56 с.

2. Лурье П. М., Панов В. Д., Ткаченко Ю. Ю. Река Кубань: гидрография и режим стока. – Санкт-Петербург : Гидрометеоиздат, 2005. – 498 с.
3. Попов В. А., Островский Н. В. Агроклиматология и гидравлика рисовых экосистем. – Краснодар: КубГАУ, 2013. – 189 с.
4. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение / пер. с анг. А.А. Склинкина. – 2-е изд., испр. – М.: ДМК Пресс, 2018. – 652 с.
5. Ильинич В. В, Светлов Е. А. Стохастическое моделирование функционирования ирригационного водохранилища // Мелиорация и водное хозяйство. – 2010. – № 6. – С. 25-27.
6. Методика расчёта водохозяйственных балансов водных объектов. Приказ МПР России от 30 ноября 2007 г. № 314. М. 52 с.
7. Велиев И. Г., Ильинич В. В., Кавалли А. Б. Регулирование стока ирригационным водохранилищем с учетом данных о штормовых осадках по метеостанциям речного бассейна // Мелиорация и водное хозяйство. – 2020. – № 3. – С. 33-36.
8. Балакай Г. Т., Докучаева Л. М., Юркова Р. Е. Эвапотранспирация риса на опытных участках, характерных для рисосеяния Ростовской области // Научный журнал Российского НИИ проблем мелиорации. – 2018. – № 4 (32) – С. 184-200.
9. Требования риса к условиям произрастания [Электронный ресурс]. – Режим доступа: http:cozyhomestead.ru/Rastenia_104928.html, 2018.
10. Набиев А. Н. Водопотребление и нормы орошения риса на опытных участках различных регионов рисосеяния [Электронный ресурс]. – Режим доступа: http: net.knigi-x.ru/24raznoe/55122-1-udk-631675-63318-vodopotreblenie-normi-orosheniya-risa-opitnih-uchastkah-razlichnih-rayonov.php, 2018.
11. Coltivazioni erbacee, Cereali e proteaginose/Remigio Baldoni, Luigi Giardini // Patron Editore Bologna. – 2000. – Pp. 259-262
12.Agronomia / Paolo Ceccon, Massimo Fagnano, Carlo Grignani, Michele Monti, Simone Orlandini // 2017 EdiSES Edizioni S.r.l. – Napoli. – Pp. 114- 123.
13.Режим доступа: http://www.unirc.it/documentazione/materiale_didattico/1462_2016_41_27105.pdf?fbclid=IwAR1Vb70p0cbwyks8II-m_SudDC6C1vaBxhywIXGydc1boaREZW_FZZ0BnPo
14. Juraimi A. S., Ahmad-Hamdani M. S., Anuar A. R, Azmi M., Anwar M. P., Uddin M. K. Effect of water regimes on germination of weed seeds in a Malaysian rice field [Electronic resource]. – Mode of access: http:cropj.com/uddin_6_4_2012_598_605.pdf, 2018.
15. Велиев И. Г., Кавалли А. Б. Использование нейротехнологий для прогнозирования испаряемости с рисовых чеков / Международная научная конференция молодых учёных и специалистов, посвящённая 160-летию В. А. Михельсона. Сборник статей. Том 1. – РГАУ-МСХА имени К. А. Тимирязева, 2020. – С. 36-40.
16. Режим доступа: https://rp5.ru/Архив_погоды_в_Краснодаре,_Круглике
17. Георгиевский Ю. М., Шаночкин С. В. Гидрологические прогнозы: Учебник. – СПб.: изд. РГГМУ, 2007. – 436 с.
18. Правила использования водных ресурсов Краснодарского водохранилища. – Краснодар: «Кубаньводпроект», 2012. – С. 193.

PREDICTION OF EVAPORATION FROM THE WATER SURFACE USING MACHINE LEARNING

Cavalli Alessandro Brunovich, Postgraduate of the Depart. of Meteorology and Climatology, Russian State Agrarian University – Moscow Agricultural Academy named after K.A. Timiryazev, Moscow, Russia.
Belolyubtsev Alexander Ivanovich, Dr. of Agr. Sci., Prof., Head of the Depart. of Meteorology and Climatology, Russian State Agrarian University – Moscow Agricultural Academy named after K.A. Timiryazev, Moscow, Russia.
Belkova Anna Vladislavovna, Undergraduate, Moscow Institute of Electronics and Mathematics named after A.N. Tikhonov, National Research University Higher School of Economics, Moscow, Russia.
Ilyinich Vitaly Vitalievich, Cand. of Tech. Sci., Prof., Senior Researcher, Federal Scientific Center for Hydraulic Engineering and Melioration named after A.N. Kostyakov, Moscow, Russia.

Keywords: evaporation forecast, water bodies, neuro-technologies, machine learning, air temperature and humidity.

Abstract. In studies carried out at the Krasnodar Rice Institute, as well as according to data from world rice cultivation centers, it has been shown that evaporation has the greatest effect on rice yield from climatic factors. Evaporation without any significant errors can be taken as evaporation from the waters of water bodies, while the value of rice transpiration most often has a fairly significant correlation or functional relationship with evaporation from water bodies. From the short-term weather forecasts issued by regional subjects of Roshydromet and other organizations, it is possible to obtain forecast values of temperature, wind speed and precipitation with a five-day (pentad) advance. It was on their basis that a method for predicting evaporation for the future pentad was developed. In this paper, the hypothesis of the possibility of predicting the values of evaporation from the water surface of rice checks by the main predicted meteorological elements using neuro-machine learning technologies is tested. In the course of the work, a machine learning algorithm was compiled aimed at approximating the amount of evaporation from the water surface based on forecast data of meteorological parameters. This technology can be used as a new technique for medium-term forecasting of evaporation for the pentad period. In order to obtain the amount of evaporation, it is quite possible to obtain a forecast dependence on the values of air temperature and wind speed, provided there is no precipitation, when such a forecast is most important.