Байбаков К. Д., Ильинич В. В., Демкин Е. М. Анализ взаимосвязи метеорологических факторов и содержания белка в озимой пшенице на территории Ставропольского края // Научная жизнь. 2025. Т. 20. Вып. 6 (144). С. 1504-1511. DOI: 10.35679/1991-9476-2025-20-6-1504-1511

Байбаков Кирилл Дмитриевич, аспирант кафедры «Метеорология и климатология», Институт Агробиотехнологии, ФГБОУ ВО «Российский государственный аграрный университет – МСХА им. К. А. Тимирязева»: Россия, 127434, г. Москва, ул. Тимирязевская, 49.
Ильинич Виталий Витальевич, канд. техн. наук, профессор, ст. науч. сотр. кафедры «Метеорология и климатология», ФГБНУ «Федеральный научный центр гидротехники и мелиорации им. А. Н. Костякова: Россия, 127434, г. Москва, ул. Большая Академическая, 44, к. 2.
Демкин Евгений Максимович, аспирант кафедры «Экология и биоресурсы», ФГБОУ ВО «Российский государственный университет народного хозяйства им. В. И. Вернадского»: Россия, 143900, Московская обл., г. Балашиха, ш. Энтузиастов, 50.

Тел.: (993) 628-93-22
E-mail: baibakovkir@yandex.ru

В настоящем исследовании проведен анализ взаимосвязей между метеорологическими параметрами и содержанием белка в зерне озимой пшеницы за 32 года с 1992 по 2023 год включительно. Применены методы корреляционного анализа и регрессионного моделирования. Основа статистического анализа, представленного в данной работе, являются сортоиспытания, проведенные в Ставропольском крае на базе трех госсортоучастков (Ипатовский, Новоалександровский, Грачевский). Данное исследование преследует своей целью оценить значимость метеорологических факторов на содержание белка в зерне озимой пшеницы. Для достижения этой цели анализ проводился отдельно для каждого госсортоучастка, а фактор сорта был вынесен в индикаторную переменную. Для исключения выбросов, в исследовании были использованы z-score метод и метод межквартильного размаха. В качестве метеопараметров были выбраны: сумма фотосинтетически активной радиации за период вегетации, средняя температура за период вегетации, кол-во осадков за зимний период (октябрь-апрель). Метеорологические показатели оказались значимыми для рассматриваемых сортоучастков. Однако коэффициенты различаются для каждого госсортоучастка, что говорит о региональных микроклиматических особенностях и различиях в исследуемых сортах. Построенные модели показали хорошую точность, что дает возможность прогнозирования содержания белка при наличии качественного метеорологического прогноза.

Список литературы:

1. Шрам Н. В. и др. Влияние погодных условий на накопление белка в зерне мягкой яровой пшеницы // Вестник Бурятской государственной сельскохозяйственной академии им. В. Р. Филиппова. – 2023. – № 4 (73). – С. 29–37.
2. Евдокимов М. Г., Юсов В. С., Пахотина И. В. Зависимость урожайности и качества зерна твердой яровой пшеницы от метеорологических факторов в южной лесостепи Западной Сибири // Зерновое хозяйство России. – 2020. – № 5. – С. 26–31.
3. Пряхина С. И., Ормели Е. И. Районирование Саратовской области по условиям формирования белковости яровой пшеницы // Известия Саратовского университета. Новая серия. Серия Науки о Земле. – 2019. – Т. 19, №. 1. – С. 24–29.
4. Мамеев В. В. и др. Урожайность и качество зерна сортов озимой пшеницы, возделываемой по интенсивной технологии на юго-западе Центрального региона России // Аграрная наука. – 2022. – №. 9. – С. 112–119.
5. Рубец В. С. и др. Влияние метеорологических условий на качество зерна яровой пшеницы (Triticum L.) // Известия Тимирязевской сельскохозяйственной академии. – 2021. – № 5. – С. 89–108.
6. Montgomery D. C. (2017). Design and analysis of experiments. John wiley & sons.
7. Fei N., Gao Y., Lu Z., & Xiang T. (2021). Z-score normalization, hubness, and few-shot learning // In Proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 142-151).
8. Patro, S. G. O. P. A. L., & Sahu, K. K. (2015). Normalization: A preprocessing stage. arXiv preprint arXiv:1503.06462.
9. Gowthami G., & Priscila S. S. (2023, December). Classification of intrusion using CNN with IQR (Inter Quartile Range) approach // In International Conference on Advancements in Smart Computing and Information Security (pp. 259-269). Cham: Springer Nature Switzerland.
10. Lanza L. G., & Vuerich E. (2012). Non-parametric analysis of one-minute rain intensity measurements from the WMO Field Intercomparison // Atmospheric research, 103, 52–59.
11. Hermanson L., Smith D., Seabrook M., Bilbao R., Doblas-Reyes F., Tourigny E., ... & Kumar A. (2022). WMO global annual to decadal climate update: a prediction for 2021–25 // Bulletin of the American Meteorological Society, 103(4), E1117-E1129.
12. Cristofanelli P. et al. Decadal O3 variability at the Mt. Cimone WMO/GAW global station (2,165 m asl, Italy) and comparison with two high-mountain “reference” sites in Europe // Elem Sci Anth. – 2020. – Т. 8, №. 1. – 00042.

ANALYSIS OF THE RELATIONSHIP BETWEEN METEOROLOGICAL FACTORS AND PROTEIN CONTENT IN WINTER WHEAT IN THE STAVROPOL TERRITORY

Baibakov Kirill Dmitrievich, postgraduate of the Depart. of Meteorology and climatology, institute of agrobiotechnology, Russian State Agrarian University – Moscow Agricultural Academy named after K.A. Timiryazev, Moscow, Russia.
Ilyinich Vitaly Vitalievich, Cand. of Tech. Sci., Prof., Senior researcher. Ass. Prof. of the Depart. of Meteorology and climatology, Federal scientific center for hydraulic engineering and land reclamation named after A.N. Kostyakov, Moscow, Russia.
Demkin Evgeny Maksimovich, postgraduate of the Depart. of Ecology and bioresources, Russian state university national economy prize winner V.N. Vernadsky, Balashikha, Russia.

Keywords: winter wheat, Stavropol Territory, meteorology, statistical analysis, correlation analysis, regression modeling, protein content, variety testing.

Abstract. The present study analyzes the relationships between meteorological parameters and protein content in winter wheat grains for 32 years from 1992 to 2023 inclusive. The methods of correlation analysis and regression modeling are applied. The statistical analysis presented in this paper is based on variety tests conducted in the Stavropol Territory on the basis of three state-owned varieties (Ipatovsky, Novoaleksandrovsky, Grachevsky). This study aims to assess the significance of meteorological factors on the protein content of winter wheat grains. To achieve this goal, the analysis was carried out separately for each state variety, and the variety factor was included in the indicator variable. To eliminate outliers, the z-score method and the interquartile range method were used in the study. The following meteorological parameters were selected: the amount of photosynthetically active radiation during the growing season, the average temperature during the growing season, and the amount of precipitation during the winter period (October-April). Meteorological indicators turned out to be significant for the considered variety stages. The same coefficients differ for each state variety, which indicates regional microclimatic features and differences in the varieties studied. The constructed models showed good accuracy, which makes it possible to predict the protein content in the presence of a high-quality meteorological forecast.