Az agroökológia modellezéstechnikája

Az agroökológia modellezéstechnikája

Huzsvai, László, Debreceni Egyetem Agrártudományi Centrum Rajkai, Kálmán, MTA Talajtani és Agrokémiai Kutató Intézete Szász, Gábor, Debreceni Egyetem Agrártudományi Centrum

Created by XMLmind XSL-FO Converter.

Az agroökológia modellezéstechnikája írta Huzsvai, László, Rajkai, Kálmán, és Szász, Gábor Publication date 2005 Szerzői jog © 2004 Debreceni Egyetem Agrártudományi Centrum Copyright 2004, Debreceni Egyetem Agrártudományi Centrum

Created by XMLmind XSL-FO Converter.

Tartalom 1. Bevezetés ........................................................................................................................................ 1 2. Az agroökológia fogalomköre ........................................................................................................ 3 3. A légköri tényezők szerepe a talaj-növény-levegő rendszerben ..................................................... 8 1. Sugárzás ................................................................................................................................ 8 1.1. Napsugárzás a növényállományokban .................................................................... 16 2. A levegő mozgása a növényállományok felett és a növényállományokban ........................ 18 3. A levegő nedvességtartalma ................................................................................................ 26 4. Párolgás ............................................................................................................................... 29 4.1. A párolgás néhány elméleti kérdése ....................................................................... 30 4.2. A párolgás meghatározási módszerei ..................................................................... 35 4.2.1. Blaney-Criddle-módszer ............................................................................ 35 4.2.2. Thornthwaite-módszer ............................................................................... 39 4.2.3. Bowen-arány módszer ................................................................................ 40 4.2.4. Penman-Monteith módszer ........................................................................ 42 4.3. A párolgási ismeret hasznosítása ............................................................................ 44 4. A növény szerepe a talaj-növény-levegő rendszerben .................................................................. 46 1. A fitometria alapjai ............................................................................................................. 46 2. A növényfenológia paraméterei .......................................................................................... 46 3. A fenometria ....................................................................................................................... 49 3.1. Levélzet .................................................................................................................. 53 3.1.1. Nyílt és zárt növényállományok ................................................................. 61 3.1.2. Zárt növényállomány ................................................................................. 61 3.1.3. Sztómák és funkciójuk ............................................................................... 62 3.2. Gyökér .................................................................................................................... 67 3.2.1. A gyökérzet geometriája ............................................................................ 68 3.3. Szár és virágzat ....................................................................................................... 72 5. A talaj szerepe a talaj-növény-légkör rendszerben ....................................................................... 73 1. A talaj vízforgalma .............................................................................................................. 73 2. A talaj víztartó képessége .................................................................................................... 74 2.1. A víztartó képesség becslése .................................................................................. 74 3. A talaj vízvezető képessége ................................................................................................ 79 3.1. A vízvezető képesség becslése ............................................................................... 79 4. A talajváltozatosság mértéke és eredete .............................................................................. 82 5. A talajtulajdonságok változatossága ................................................................................... 83 6. A talaj-növény rendszer dinamikus állandósága ........................................................................... 85 1. Entrópia csökkentő és növelő folyamatok a talaj-növény rendszerben ............................... 85 2. Indukált áramlás és entrópiatermelés .................................................................................. 85 3. Entrópia és mezőgazdálkodás ............................................................................................. 86 7. A talaj-növény-légkör rendszer modellezése ................................................................................ 88 1. Talajfolyamat-modellek ...................................................................................................... 89 2. Modellek és felosztásuk ...................................................................................................... 89 3. A talajfolyamatok és modellek léptéke ............................................................................... 97 4. Modellezés és léptékváltás .................................................................................................. 97 5. Talajváltozatosság és modellezés ........................................................................................ 97 6. Változatosság a térképezési egységen belül ........................................................................ 99 7. Modellparaméterek és megadásuk ...................................................................................... 99 8. Modellek és modell eredmények minősítése ..................................................................... 100 9. Modellek érzékenységvizsgálata ....................................................................................... 102 10. Modellparaméterek és modellezési eredmények területi változatossága ........................ 103 11. A növényfejlődés és növekedés modellezése .................................................................. 104 11.1. Termésszimulációs modellek .............................................................................. 104 11.1.1. A termésszimulációs modellek szerkezeti felépítése .............................. 106 12. Tápanyagmozgás modellezése ........................................................................................ 113 12.1. A Claassen-Barber modell .................................................................................. 113 12.1.1. Érzékenységvizsgálati eredmények ........................................................ 115 12.2. A SOILN nitrogénforgalmi és termésszimulációs modell .................................. 115

iii Created by XMLmind XSL-FO Converter.

Az agroökológia modellezéstechnikája 12.3. A tápanyagmozgás modellek felhasználása ........................................................ 8. Termésszimulációs modellek alkalmazása ................................................................................. 1. Kapacitív dinamikus szimulációs modell .......................................................................... 1.1. A kapacitív modell részprogramjainak rövid leírása ............................................ 1.2. A modell input igénye .......................................................................................... 1.3. Rögzített és kezdeti értékek .................................................................................. 1.4. A gazdálkodás paraméterei (SCENARIO értékek) ............................................... 1.5. A szimulációs program kimenetei ........................................................................ 1.6. Modellezési példa ................................................................................................. 1.7. Szimulációs eredmények ...................................................................................... 2. A DSSAT számítógépes döntéstámogató rendszer ........................................................... 2.1. A DSSAT felépítése, képernyői ........................................................................... 2.1.1. Az adat menü ........................................................................................... 2.1.2. A modellek menü ..................................................................................... 2.1.3. Elemzések menü ...................................................................................... 2.1.4. Segédeszközök menü ............................................................................... 2.1.5. Beállítások/kilépés menü ......................................................................... 2.2. A modell futtatásához nélkülözhetetlen fájlok ..................................................... 2.2.1. Genetikai paraméterek adatai, MZCER980.CUL .................................... 2.2.2. Időjárási adatok, *.WTH .......................................................................... 2.2.3. Talaj adatok, SOIL.SOL .......................................................................... 2.2.4. Kísérleti adatok, *.MZX .......................................................................... 2.2.5. Betakarítás utáni, *.MZT ......................................................................... 2.3. Modellezés ............................................................................................................ 2.4. A gazdálkodás paramétereinek elemzése (Scenario-analízis) ............................... 2.5. Szezonális-analízis ................................................................................................ 2.6. Ökonómiai számítások ......................................................................................... 9. Zárszó ......................................................................................................................................... 10. Ajánlott irodalom ...................................................................................................................... Irodalomjegyzék .............................................................................................................................

iv Created by XMLmind XSL-FO Converter.

116 117 117 119 122 122 123 124 124 125 127 128 128 129 130 132 132 132 132 133 134 137 138 140 147 149 156 160 162 167

Az ábrák listája 2.1. A tájökológusok által vizsgált rendszerkomponensek ................................................................. 4 2.2. Az ökológiai stabilitás és az ökonómiai produkció összefüggése ................................................ 6 3.1. A deklináció ................................................................................................................................. 8 3.2. A Földfelszínre jutó sugárzás .................................................................................................... 10 3.3. A globálsugárzás napi változása Magyarországon derült égbolt esetén .................................... 10 3.4. A hazánkra jellemző sugárzási eloszlás valószínűségei (%) ...................................................... 11 3.5. A globálsugárzás területi eloszlása ............................................................................................ 12 3.6. A sugárzási mérleg területi eloszlása ......................................................................................... 14 3.7. Egy zöld levél átlagos átbocsátása, elnyelése és visszaverése a különböző hullámhosszokon (Monteith, 1973) ............................................................................................................................... 16 3.8. A szélsebesség változása a magasság függvényében ................................................................. 19 3.9. A tapasztalati aerodinamikai rétegződés (d, z0) a növényállományban ..................................... 22 3.10. A szélsebesség a kukoricaállományban (Uchijama és Wright, 1964) ..................................... 25 3.11. Normalizált szélprofil .............................................................................................................. 26 3.12. A hőmérséklet és páranyomás közötti összefüggés ................................................................. 28 3.13. A vízpotenciál napi ritmusa ..................................................................................................... 32 3.14. A párolgásmérő kádak típusai .................................................................................................. 33 3.15. A Thornthwaite-rendszerű kompenzációs evapotranszspirométer .......................................... 34 3.16. A kukorica (fehér) és cukorrépa (szürke) vízfogyasztása ........................................................ 37 3.17. Korrekciós tényező (c) a szélsebesség és a relatív nedvességtartalom alapján (Doorenbos és Pruitt, 1977) ................................................................................................................................................. 38 3.18. A szélmező szerkezete a növényállományban ......................................................................... 43 3.19. A búza termése és a vízhasznosítási tényező kapcsolata ......................................................... 45 4.1. A kukorica növekedési görbéje .................................................................................................. 53 4.2. A kukorica magassága és a levélfelületi index közötti kapcsolat .............................................. 55 4.3. A növényállomány levélzetének jellemzése .............................................................................. 57 4.4. A különböző típusú levelek hajlásszögének eloszlása ............................................................... 58 4.5. Különböző növényfajok levélzete sztómarendszerének diffúziós ellenállása illetve konduktanciája 66 4.6. A specifikus gyökérfelület (A) és a specifikus gyökérhossz, valamint a gyökérátmérő közötti összefüggés különböző mértékű levegő porozitás esetén ................................................................. 69 4.7. A talaj-gyökér érintkezésének értelmezése a ψ1/2π különböző változatai esetén (Willigen, Noordwijk 1987) ................................................................................................................................................. 71 5.1. A különböző víztartóképesség becslő modellek "jósága" a TAKI adatbázisán ......................... 78 5.2. A Herceghalmi Gazdaság területének egyetlen pontján mért pF-értékek, a TAKI adatbbázisa alapján becsült pF-görbe, és a gazdaság területének 448 pontján mért pF-értékek "átlag" pF-görbéje ........ 78 5.3. Kumulált szemcsefrakció és szemcseméret ............................................................................... 80 5.4. A Herceghalmi Gazdaság búzatáblájára mért és becsült víztelített, illetve közel víztelített vízvezető képesség értékek illetve azokra becsült telítetlen vízvezető-képesség függvények .......................... 81 5.5. Talajtulajdonságok relatív változatossága a mintaméret függvényében .................................... 84 7.1. Példa a talajfolyamat modell szerkezeti felépítésére ................................................................. 89 7.2. Talajösszetevők és rendszerek a különböző szerveződési szinteken ......................................... 92 7.3. Szemivariogram ......................................................................................................................... 98 7.4. Talajmodellek érzékenysége a paraméterérték változására. Addiscott (1993) nyomán ........... 102 7.5. Modellérzékenység a paraméter változatosságra; a modellezett érték átlaga (a) és CV-je (b) a paraméter CV függvényében .......................................................................................................... 103 7.6. Két víztározóból álló vízáram rendszer (a.) és annak Forrester típusú modell ábrázolása (b.) 107 7.7. A talajszelvénybeli vízmozgás leírására alkalmazott rétegfelosztás ........................................ 108 8.1. A FIELDCP növényi biomassza növekedést szimuláló részprogram elvi vázlata .................. 117 8.2. A talaj felvehető nedvességtartalmát számító részprogram elvi vázlata .................................. 119 8.3. A talaj felvehető nitrogéntartalmát számító részprogram elvi vázlata ..................................... 120 8.4. A Látóképi kísérleti területre mért besugárzás értékek évi menete az 1995, 1997 és 1999 években 126 8.5. A DSSAT 3.5 bejelentkező képernyője ................................................................................... 128 8.6. A DSSAT 3.5 modellek képernyője ........................................................................................ 129 8.7. A DSSAT 3.5 elemzések képernyője ...................................................................................... 130

v Created by XMLmind XSL-FO Converter.

Az agroökológia modellezéstechnikája 8.8. A DSSAT 3.5 segédeszközök képernyője ............................................................................... 8.9. A szezonális elemzés lépései ................................................................................................... 8.10. A biofizikai változók elemzésének lehetőségei ..................................................................... 8.11. A szezonális-analízis összefoglaló eredménye (szemtermés kg/ha) ...................................... 8.12. A box-plot analízis eredménye .............................................................................................. 8.13. A kumulatív eloszlások görbéi .............................................................................................. 8.14. Az átlag-variancia grafikon képernyője ................................................................................. 8.15. Az ökonómiai-analízis összefoglaló eredménye .................................................................... 8.16. A box-plot analízis eredményének képernyője ...................................................................... 8.17. A kumulatív eloszlásfüggvények képernyője ........................................................................ 9.1. A stratégia analízis eredményének képernyője ........................................................................

vi Created by XMLmind XSL-FO Converter.

132 150 151 152 154 154 155 157 157 158 160

A táblázatok listája 3.1. A napi tényleges, lehetséges és a relatív napfénytartam hazai átlagértékei ............................... 15 3.2. A felszín közeli légtér viszkozitási értékei ................................................................................ 18 3.3. A transzport folyamatok intánzitásának becsléséhez használható arányszámok ....................... 24 3.4. A vízpotenciál értéke (e/E) telítési arány függvényében ........................................................... 31 3.5. A "k" növényi állandók evapotranszspirométerrel mért értékei ................................................ 36 3.6. A lehetséges órákban kifejezett napfénytartam átlagos relatív értéke a különböző földrajzi szélességeken (Doorenbos és Pruitt, 1977) ....................................................................................... 37 3.7. Vízhasznosítási tényezők Magyarországon az 1970-79 időszak termései alapján (kg/mm) ...... 45 4.1. A termesztett növények bázishőmérsékletei .............................................................................. 47 4.2. A levegő víztartalma különböző hőmérsékleten és relatív nedvességtartalmon (g/kg) ............. 50 4.3. A növényi szervek nedvességtartalma ....................................................................................... 51 4.4. A termesztett növények maximális szárazanyag-produkciója és harvest indexe ....................... 53 4.5. Különböző levéltípusok K és k értékei ...................................................................................... 55 4.6. Különböző növények k-tényezője ............................................................................................. 55 4.7. Néhány fontosabb termesztett növény levélterületi indexe ....................................................... 56 4.8. A sztómák elhelyezkedése és sűrűsége (db/mm2) ...................................................................... 62 4.9. A környezeti tényezők hatása a sztóma nyitottságára ................................................................ 63 4.10. A főbb diffúziós ellenállások közelítő értékhatárai ................................................................. 66 4.11. A gyökérporozitás (b) értékei .................................................................................................. 69 4.12. A gyökértömeg-sűrűség és a gyökérterület-index a különböző növényfajokra, fajtákra szántóföldön, a művelt rétegben (0-30 cm) ............................................................................................................. 70 5.1. A pF-értéket becslő nyolcváltozós lineáris egyenletek .............................................................. 75 5.2. Az MTA TAKI 230 talajmintát tartalmazó adatbázisának statisztikai adatai ............................ 76 5.3. A pF- görbét leíró függvény paramétereit becslő egyenletek .................................................... 76 5.4. A pF-becslő modellek összehasonlítása ..................................................................................... 77 5.5. A Herceghalmi Gazdaság búzatábláján gyűjtött mintákon mért és szemcseösszetétele és térfogattömege alapján számított telítési vízvezető képesség értékek (Ks cm/nap) ......................... 82 5.6. Talajtulajdonságok csoportosítása változatosságuk szerint ....................................................... 83 7.1. A fontosabb talajfolyamatok koncepcionális felosztása ............................................................ 88 7.2. A számítógépes matematikai modellek csoportosítása (Addiscott és Wagenet (1985), Hoosebeek és Bryant (1992) nyomán) .................................................................................................................... 90 7.3. A víz- és oldatmozgás modellezési léptékei, a modellek típusai és az alkalmazott mérési és becslési módszerei .......................................................................................................................................... 90 7.4. Összeállítás a különböző szerveződési szintű (léptékű) talaj-, illetve talajfolyamat modellekről 95 8.1. Az 1995, 1997 és 1999 évi csapadékösszeg értékek a Látóképi kísérleti telepen .................... 124 8.2. A Bossel modell 1995, 1997 és 1999 évre a Látóképi kukoricakísérletre végzett termésszimulációs eredményei ..................................................................................................................................... 126 8.3. Az MZCER980.CUL file felépítése ........................................................................................ 132 8.4. Az MZCER980.CUL file jelmagyarázata ................................................................................ 133 8.5. Az *.WHT file felépítése ......................................................................................................... 133 8.6. Az *.WHT file jelmagyarázata ................................................................................................ 134 8.7. A file felépítése ........................................................................................................................ 134 8.8. A SOIL.SOL file jelmagyarázata ............................................................................................. 135 8.9. A *.MZX file felépítése ........................................................................................................... 137 8.10. *.MZA: Fiziológiai éréskor mért eredmények (minden mező 6 karakter széles) .................. 138 8.11. *.MZT, a kísérlet során végzett mérések állománya ............................................................. 139 8.12. *.MZT file rövidítésének magyarázata .................................................................................. 139 8.13. A szimuláció összefoglaló eredménytáblázata ...................................................................... 140 8.14. Környezeti és stressz tényezők táblázata ............................................................................... 141 8.15. A CERES maize növekedés szimulációja .............................................................................. 142 8.16. CERES maize időjárás és víz szimuláció eredménye ............................................................ 142 8.17. A nitrogén szimuláció eredménye ......................................................................................... 145 8.18. A gazdálkodás paramétereinek menüje ................................................................................. 147 8.19. Az eredeti kísérlet kezelései (hatóanyag kg/ha) ..................................................................... 150 8.20. Az analízisbe vont kezelések (hatóanyag kg/ha) ................................................................... 150 8.21. Szimulált terméseredmények 15%-os szemnedvességre számítva ........................................ 153

vii Created by XMLmind XSL-FO Converter.

Az agroökológia modellezéstechnikája 8.22. A *.PRI fájl tartalma .............................................................................................................. 156 8.23. Műtrágya árak ........................................................................................................................ 157

viii Created by XMLmind XSL-FO Converter.

Az egyenletek listája 3.1. A deklináció ................................................................................................................................. 8 3.2. A napi Napmagasság változa ....................................................................................................... 9 3.3. Az óraszög az egyenlítői rendszerben a meridiántól az óramutató járásának irányában mért szögtávolság ....................................................................................................................................... 9 3.4. (4.) ............................................................................................................................................... 9 3.5. A sugárzás tartama és a besugárzott energiamennyiség közötti összefüggést Angström tömörítette tapasztalati formába .......................................................................................................................... 12 3.6. Az Angström-féle összefüggés hazánkra alkalmazható formulája. (Az állandók értéke az eltérő éghajlatú területeken különböző) ...................................................................................................... 13 3.7. Az extraterresztrikus sugárzás összegének alapegyenlete ......................................................... 15 3.8. Az egyenlet sorba fejtése után az elsőrendű felharmonikus megtartásával a munkaegyenlet az alábbi formában írható fel. .......................................................................................................................... 15 3.9. A globálsugárzás közepes földrajzi szélességekre vonatkozó összefüggése ............................. 15 3.10. Az elnyelési arányt b-val, az átbocsátási arányt a-val, a visszaverődési arányt r-rel jelölve kapjuk 16 3.11. A növényállományok sugárzáselnyelő-képességét a Beer-törvény írja le ............................... 17 3.12. Az a univerzális együtthatóval az átlagos elnyelési érték becsülhető, amikor is az optikai sűrűség helyett az azzal arányos LAI érték alkalmazható .............................................................................. 17 3.13. Ha b (elnyelés) értéke a visszaverődéshez és az átbocsátáshoz mérten jelentős, az alábbi összefüggést kell alkalmazni: (13.) ................................................................................................... 17 3.14. A Reynolds-szám értéke .......................................................................................................... 18 3.15. A kinematikus viszkozitás ....................................................................................................... 19 3.16. Az egységnyi távolságra eső sebességcsökkenés nagyságának és a dinamikus viszkozitás szorzatát Newton után nyírófeszültségnek nevezzük ....................................................................................... 19 3.17. A légrétegek közötti távolság szerinti sebességkülönbség a súrlódási sebesség vagy dinamikus sebesség (u*) értékével jellemezhető ................................................................................................ 20 3.18. A tetszőleges időtartamra számított sebességátlaghoz különböző előjelű sebességváltozás tartozik 20 3.19. a horizontális sebességre .......................................................................................................... 20 3.20. a vertikális sebességre .............................................................................................................. 20 3.21. A szélsebesség a felszíntől távolodva növekszik I. .................................................................. 21 3.22. A szélsebesség a felszíntől távolodva növekszik II. ................................................................ 21 3.23. A Prandtl összefüggés .............................................................................................................. 21 3.24. A tapasztalati aerodinamikai rétegződés a növényállományban .............................................. 22 3.25. (25.) ......................................................................................................................................... 22 3.26. A növényállomány feletti légrétegben kialakuló sebesség becslésére használható összefüggés (ha az állomány felett legalább egy szinten sebességet mérünk) ................................................................ 23 3.27. A súrlódási sebesség számítására szolgáló kiegészítő összefüggés ......................................... 23 3.28. A Fick-törvény ......................................................................................................................... 23 3.29. A különböző anyagok turbulens diffúziós együtthatóinak közelítése ...................................... 23 3.30. A turbulens diffúziós együttható egyik legelterjedtebb meghatározási módja ........................ 23 3.31. A kicserélődési együttható ....................................................................................................... 24 3.32. A kicserélődési együttható és a turbulens diffúziós együttható közötti összefüggés ............... 24 3.33. A Beer-törvény ........................................................................................................................ 25 3.34. A kicserélődési feltételekre érvényes összefüggés .................................................................. 25 3.35. (35.) ......................................................................................................................................... 26 3.36. A nedves levegő nyomását p-vel, a száraz levegőjét pedig p0-val jelölve érvényes összefüggés érvényes ............................................................................................................................................ 27 3.37. A telítettségi páranyomás az egységnyi térfogatú légoszlopban a T hőmérsékletű vízgőz parciális nyomása ............................................................................................................................................ 27 3.38. A telítettségi páranyomás a hőmérséklettel exponenciálisan változik ..................................... 27 3.39. Abszolút nedvességtartalom .................................................................................................... 27 3.40. Az abszolút páratartalom az általános gáztörvényből vezethető le .......................................... 27 3.41. A Sprung-formula .................................................................................................................... 28 3.42. A legtöbb esetben nem telített állapotú légköri vízgőz relatív értéke ...................................... 29

ix Created by XMLmind XSL-FO Converter.

Az agroökológia modellezéstechnikája 3.43. Az egységnyi tömegű víz elpárologtatásához szükséges energiamennyiséget a víz párolgáshőjének (L) nevezzük ..................................................................................................................................... 30 3.44. Az elpárolgott víz tömege különböző egységekben ................................................................ 30 3.45. : (45.) ....................................................................................................................................... 30 3.46. Az energia- illetve a vele azonos vízegyenérték átváltása ....................................................... 31 3.47. A vízpotenciál és a levegő vízgőztelítettsége közötti összefüggés .......................................... 31 3.48. A k-faktor ismeretében felírható a vizsgált növény potenciális evapotranszspirációja ........... 35 3.49. (49.) ......................................................................................................................................... 35 3.50. A Blaney-Criddle módszer továbbfejlesztett változata ............................................................ 37 3.51. A Thornthwaite-módszer ......................................................................................................... 39 3.52. A formulát később Thornthwaite egyszerűsítette .................................................................... 39 3.53. Az a kitevő meghatározása a hőindexből ............................................................................... 40 3.54. : (54.) ....................................................................................................................................... 40 3.55. : (55.) ....................................................................................................................................... 40 3.56. Azi alapösszefüggés analitikus változata ................................................................................. 40 3.57. A turbulens diffúziós együttható .............................................................................................. 41 3.58. A mozgásmennyiségre és a többi tulajdonság (H: hő, W: vízgőz) szállítási együtthatójára fennálló egyenlőség ........................................................................................................................................ 41 3.59. A szenzibilis és latens hő arányát b-val jelölve érvényes összefüggés .................................... 41 3.60. A b értéket visszahelyettesítve a kiindulási egyenletbe kapjuk: (60.) ...................................... 41 3.61. Penman-Monteith módszer ...................................................................................................... 42 3.62. A növényállományok átlagos aerodinamikai ellenállása ......................................................... 42 3.63. A levélfelület nagyságának becslése lucernánál és más szántóföldi növényeknél ................... 42 3.64. A sztomatikus diffúziós ellenállás becslése ............................................................................. 42 3.65. A növényállomány aerodinamikus ellenállása a turbulens diffúziós együttható reciproka ..... 43 3.66. További összefüggések ............................................................................................................ 43 3.67. A napi párolgás értéke az általánosan elterjedt éghajlati megfigyelések adatai alapján .......... 44 4.1. A bázishőmérséklet alapján számított hőösszeg és a fenológiai fázistartam közötti reciprok összefüggés ....................................................................................................................................... 48 4.2. A radiotermikus index ............................................................................................................... 48 4.3. A radiotermikus index és a fázistartam közötti összefüggés ..................................................... 48 4.4. A fototermikus index ................................................................................................................. 48 4.5. A hidrotermikus index ............................................................................................................... 49 4.6. A zöld levéltömeg és felület hányadosa használható a növény nedvességállapotának a jellemzésére 50 4.7. Szárazanyag% ............................................................................................................................ 50 4.8. A specifikus nedvességtartalom ................................................................................................. 51 4.9. A relatív növekedési ráta ........................................................................................................... 51 4.10. A növényi biomassza időegységre eső (W1-W0) tömegváltozása növekedési függvénnyel írható le 52 4.11. A növekedési függvény a növényi levélfelület és tömeggyarapodás időben exponenciális alakulását feltételezi. A kitevőben lévő szorzótényező. .................................................................................... 52 4.12. A szárazanyag felhalmozódás dinamikája a tenyészidőszakban I. .......................................... 52 4.13. A szárazanyag felhalmozódás dinamikája a tenyészidőszakban II. ......................................... 52 4.14. A levélformát közrezáró négyszög tömegéhez viszonyítjuk a kivágott levélformáét .............. 54 4.15. A levélfelület (LA) megállapítására használható egyik összefüggés ....................................... 54 4.16. A köztük fennálló összefüggés ................................................................................................ 54 4.17. Levélszög (minden levél egyenletes inklinációs és azimut eloszlású) ..................................... 59 4.18. Levélszög (minden levél vertikális irányú és egyenletes azimut eloszlású) ............................ 59 4.19. Levélszög (a levelek horizontális és egyenletes azimut eloszlása esetén) ............................... 59 4.20. Annak a valószínűsége (P), hogy a fénysugár átjut egy a síkon .............................................. 59 4.21. Annak valószínűsége, hogy a fénysugár minden N síkon átjutva eléri a talajfelszínt ............. 59 4.22. Az At talajfelszín terület felett a teljes levélfelület NbAl, a levélfelületi index (LAI) I. .......... 60 4.23. Az At talajfelszín terület felett a teljes levélfelület NbAl, a levélfelületi index (LAI) II. ......... 60 4.24. Az At talajfelszín terület felett a teljes levélfelület NbAl, a levélfelületi index (LAI) III. (feltételezve, hogy N .végtelenül nagy) .................................................................................................................. 60 4.25. A levélborítottság (GC) azt a valószínűségét adja meg, hogy a fénysugár nem éri el a talajt . 60 4.26. Zártnak tekintünk egy növényállományt, ha a direkt sugárzás 5%-nál kisebb valószínűséggel éri el a talajt, tehát a nyílások gyakorisága (GF) kisebb, mint 0,05 .............................................................. 61 4.27. Az összefüggést átrendezve és kritikus levélfelületi index értékére (LAIz-re) megoldva ........ 61 x Created by XMLmind XSL-FO Converter.

Az agroökológia modellezéstechnikája 4.28. Figyelembe véve, hogy k = G / cos J 0 ...................................................................................... 61 4.29. Vízpotenciál a levélben ............................................................................................................ 63 4.30. Az analóg modell az Ohm-törvényére épül ............................................................................. 64 4.31. Az ellenállás növekedése az áramlás sebességét csökkenti ..................................................... 64 4.32. A levél transzspirációja ............................................................................................................ 64 4.33. A levélkörüli ún. aerodinamikus ellenállás a szélsebesség függvényében .............................. 65 4.34. A sztomatikus ellenállás számítására szolgáló összefüggés .................................................... 65 4.35. A kutikuláris diffúziós ellenállás ............................................................................................. 65 4.36. A növény transzspirációját meghatározó teljes rl ellenállás ..................................................... 65 4.37. A növény vízellátottsága .......................................................................................................... 66 4.38. Az állomány-ellenállás ............................................................................................................ 66 4.39. A gyökértömeg ........................................................................................................................ 68 4.40. A gyökértömeg szárazanyagtartalma ....................................................................................... 68 4.41. A gyökér jellemzésére szolgáló hányadosok ........................................................................... 68 4.42. A gyökérparaméterek közötti összefüggés .............................................................................. 70 4.43. Az átlagos gyökérszám vagy gyökértömeg egységnyi térfogatú mintára felírva ..................... 71 5.1. A vízmérleg ............................................................................................................................... 73 5.2. A Darcy törvény Richards által általánosított, telítetlen áramlási egyenlete ............................. 73 5.3. A (112) egyenlet anyagmegmaradást is magában foglaló formája ............................................ 74 5.4. Adott nedvességpotenciálhoz tartozó nedvességtartalom becslés ............................................. 74 5.5. A mért pF-érték leírására szolgáló három-paraméteres hatványfüggvény ................................. 74 5.6. A hibaszámításra bevezetett pF-görbére vonatkozó átlagos hibát (ZAPF) ................................ 75 5.7. Az Akaike-féle információs kritérium (AIC) ............................................................................ 76 5.8. A talajmátrix vízvezető képességére kidolgozott pedotranszfer függvény I. ............................. 79 5.9. A talajmátrix vízvezető képességére kidolgozott pedotranszfer függvény II. ........................... 80 5.10. A 118. és 119. függvényekben szereplő mennyiségek és szemcseeloszlási átlag és szórás összefüggése ..................................................................................................................................... 80 7.1. A málladék (w) képződés .......................................................................................................... 94 7.2. A kísérleti félvariancia vagy szemivariancia függvény ............................................................. 98 7.3. A mért és szimulált értékek páronként vett átlagos eltérése (M) ............................................. 100 7.4. A szimuláció hibája ................................................................................................................. 101 7.5. Az előzőekben szövegesen leírtak matematikai formanyelven ................................................ 107 7.6. A 40. ábrán szereplő rétegfelosztás matematikai leírása ......................................................... 108 7.7. A kifolyás sebessége a kifolyó fölötti vízszint magassága és a nehézségi erő állandó szorzata kétszeresének négyzetgyöke. ......................................................................................................... 108 7.8. A (126) és (127) összefüggések együttesen ............................................................................. 108 7.9. A matematikai modell alakja nemlineáris esetre ..................................................................... 109 7.10. Amennyiben a modell lineáris, az lerövidíthető .................................................................... 109 7.11. A 40. ábra talajszelvényének nedvességforgalma .................................................................. 110 7.12. A vízáram intenzitása ............................................................................................................ 110 7.13. A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása I. 110 7.14. A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása II. 111 7.15. A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása III. 111 7.16. A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása IV. 111 7.17. A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása V. 111 7.18. Alkalmazva a differenciális formát dxaxt+bt-xt és dtabt a differenciálegyenlet alakja ............. 111 7.19. Az x állapotváltozó időben történő megváltozásának a mértékét (Rate t) meghatározva ....... 112 7.20. Ha a modellben másodrendű differenciálegyenlet szerepel a megoldás annak két elsőrendű differenciálegyenletté alakításával lehetséges ................................................................................ 112 7.21. A (140) egyenlettel egyenértékű két elsőrendű differenciálegyenlet ..................................... 112 7.22. A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés ...... 114 7.23. A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés kezdeti és határfeltételei I. ............................................................................................................................... 114 7.24. A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés kezdeti és határfeltételei II. .............................................................................................................................. 114 xi Created by XMLmind XSL-FO Converter.

Az agroökológia modellezéstechnikája 7.25. A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés kezdeti és határfeltételei III. ............................................................................................................................ 114 7.26. A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés kezdeti és határfeltételei IV. ............................................................................................................................ 114 8.1. A növények logisztikus növekedését megadó differenciálegyenlet ......................................... 122

xii Created by XMLmind XSL-FO Converter.

1. fejezet - Bevezetés A legtöbb természeti, valamint mezőgazdasági folyamat és jelenség túlságosan összetett ahhoz, hogy egyszerűen vizsgálható, leírható és működésében, fejlődésében, változásában elemezhető legyen. Az elemző ember az összetett rendszereket - azok lényeges jellemzőit megtartó, egyszerűbb helyettesítőkkel - modellekkel cseréli fel. A modellel az eredeti objektum működése meghatározott, de a valóságosnál egyszerűbb, átláthatóbb feltételek között tanulmányozható. A modell tehát a bonyolult valóságos rendszer elméletileg és szemléletileg meghatározott leképezése. A modellalkalmazók mindezt a természetre, a világra modellel történő rákérdezés lehetőségét felismerve teszik. lHa ez a rákérdezés legalább részben formális n matematikai -, akkor bizonyosan valamilyen modellről beszélhetünk. Már a rákérdezés módja és formája is jelzi, hogy a modellezés, a modellalkalmazás során az egyszerűsítés szükséglet. Minden modell egy szakmai szükséglet és egy matematikai lehetőség találkozási pontján jöhet létre.l (Juhász-Nagy, 1993). A továbbiakban az úgynevezett számítógépes matematikai modellezés tárgykörét tekintjük át. A modell tehát a valóságot képezi le, jeleníti meg, helyettesíti, vagyis reprezentálja, még ha egyszerűsített formában is. A talajra, mint összetett rendszerre, valamint egy ember által készített eszközre, egy csónakra vonatkozó modellek közti különbség alapján a lcsónakmodelll minden lényeges jellemzője egyértelmű és ismert. A talajmodell esetében viszont annak eldöntése, hogy annak melyek a fontos és a jellemző tulajdonságai, hipotézis kérdése. Jelentős bizonytalanság társul a talajmodell bármely részletére vonatkozó érték megadásához is. Ebből arra következtethetünk, hogy a talajmodellek, valamint a hasonló komplexitású mezőgazdasági és természeti jelenséget leíró modellek hipotetikus természetűek, vagyis a modell építésekor alkalmazott feltételezések döntő jelentőségűek. A hipotézisek gyakran szavakban, a jelenséget leíró egyenletek megválasztásában, a nem mérhető paramétereknek adott értékben, a modellben párhuzamosan futó folyamatok sorrendjének megválasztásában, stb. épülnek a modellbe. A mezőgazdasági modellek a talaj-növény rendszer víz- és tápanyagforgalmának függvényében a növények növekedését, mint a természeti környezet (talajjellemzők, éghajlat) és a gazdálkodás (talajművelés, mű- és szervestrágyázás, növényfajta, öntözés, stb.) által meghatározott feltételrendszer eredményeként írják le. A termés- (Crop modell), vagy termésszimulációs mezőgazdasági modellek felépítésükből következően a természeti és a gazdálkodás által kialakított mesterséges környezeti feltételek között végbemenő folyamatokat (pl. a víz- és tápanyag felvétel, az energiamegkötés, az ásványosodás, stb.), és azok növényi zöldtömegben és termésben realizálódó eredményét jelenítik meg. Az agroökológiai modellek tehát a talajban végbemenő víz- és tápanyag forgalmi folyamatokat tartalmazzák, amelyek leírására rendszerint több, egymással kölcsönhatásban álló transzportegyenlet szükséges. A több egyenletből felépülő modelleket kiterjesztett hipotézisű modelleknek is nevezik. A kiterjesztett hipotézisű modelleket célszerű mért adatokon tesztelni és a modell hipotéziseit szükség esetén, megváltoztatni. Ezt a típusú modelltesztelést érvényesítésnek, vagy validálásnak nevezzük. Azonban az érvényesített modell eredménye sem vonatkozható a modell érvényességi tartományán kívülre. Az agroökológiai modellek összetett alrendszerei (talajvíz és tápanyag, növényi növekedés, szervesanyag lebomlás, stb.) működésének leírását tehát a matematika, a fizika, vagy a kémia formanyelvét alkalmazó egyenletrendszerek szolgálják, amelyek adott kezdeti értékről induló megoldása adja a modellezett rendszer válaszát. Az agroökológia modellekben alkalmazott bonyolult differenciálegyenletek numerikus megoldása a számítás-, illetve a számítógép technika fejlődéséhez köthető. Ma a személyi számítógépek lehetővé teszik a számítógépes modellek használatát, és azok továbbfejlesztését. A modellépítés és alkalmazás nem csupán azt jelenti, hogy a kutatók és a gyakorlati szakemberek egy kutatást segítő, illetve egy rákérdezést lehetővé tevő eszközzel gazdagodtak, hanem a modellépítő és alkalmazó egyúttal rákényszerül arra, hogy a vonatkozó tudományterület ismereteit és feltételezéseit összegyűjtse, rendszerezze és alkalmazza, illetve azok érvényességét ellenőrizze. A modellalkalmazás, vagy a modell-módszer előremutató ismérvei közül néhány: • a modellezett rendszer aktuális ismeretanyagának a feldolgozása; • az összetett rendszer egyes építőelemeinek egységes, működő egésszé történő összekapcsolása, az aktuális ismeretek szintetizálása; • az aktuális ismeretek és elméletek alapján a modellezett rendszer működéséről alkotott hipotézis, vagy hipotézis rendszer mennyiségi és mértékegységek szerinti igaz voltának ellenőrzése; • a tudományos ismeretek elfogadottsága alapján kutatási preferenciák kijelölése;

1 Created by XMLmind XSL-FO Converter.

Bevezetés

• térben és időben előrejelzések készítése. A modellezés, a modell-módszer általánosan alkalmazható minden tudományterületen. Az agroökológia modellek alkalmazása is rendkívül sokszínű és sokféle. Áttekintésünk a talajfolyamatokra, a növényi fejlődést leíró részmodellekre és a gazdálkodás részmodellekre terjed ki. A globális klímaváltozás várható hatásainak előrejelzése a modell-módszer fejlődését a talajkörnyezeti, és a talajfejlődési folyamatok modellezhetősége érdekében siettette. A talajok kulcsszerepet játszanak az ökológiai rendszerek felépítésében és működésében egyaránt, részben kiegyenlítik, részben elszenvedik a globális változások hatásait. Annak érdekében, hogy a talaj ökológiai szerepe megérthető legyen, egyrészt magában a talajban lejátszódó folyamatokat, másrészt a talaj- és az ökológiai rendszer más elemei közti kapcsolatokat szükséges tisztázni. A talajnak, mint összetett, sok alkotórészből álló rendszer tanulmányozásának ez a rendszerszemléletű módja a talajtannak a kezdetektől fogva jellemzője. Megállapítható, hogy a 70-es évek végétől a laboratóriumi, és a szabadföldi kísérletek mellett a számítógépes modellezés, a szimulációs módszer az ismeretszerzés, ellenőrzés és előrejelzés eszközévé vált. A számítógépes modellhasználat nemcsak kutatási, hanem oktatási, szaktanácsadási és ismeretközlő eszközzé is vált.


2. fejezet - Az agroökológia fogalomköre Az ökológia - környezettudomány - szerteágazó ismereteket rendszerez. A növényvilág környezettel való kapcsolata rendkívül összetett és specifikus. A növények helyhez kötöttek, melynek folytán a kedvezőtlen környezeti hatások elleni védekezést elsősorban élettani folyamatok révén fejtik ki. Ökológiai ismereteink szerint a modern, civilizált világunkban a növényi élet egyre veszélyeztetettebb. A növényi környezet védelme ezért fokozottan szükséges különböző környezetmegőrző eljárások kifejlesztése segítségével. A szántóföldi növénytermesztés, a kertészet és az erdészet egyre inkább érdekelt a növényeket érő környezeti hatások mechanizmusának megismerésében. Az ökológia tudománya nemcsak a káros környezeti folyamatokat, hanem a növényi élet energia és anyagforrásait is rendszerezi. Az agroökológia az ökológia egy speciális területe, amely lehetőségek szerint számszerűen tárja fel a növény és környezete között fennálló kapcsolatokat. A növény és környezete közötti kapcsolatformákat talaj-növény-levegő rendszernek szokás nevezni. A három alrendszerből a növény-levegő, illetve a növény-talaj kapcsolat már régóta ismert. Széleskörűek az e fogalom párokhoz tartozó tapasztalatok. A tudományos ismeretek számszerűsítése érdekében szükségszerűvé válik az empirikus ismeretek és az értéktartományok számszerű kifejezése is. Az agroökológiai ismeretek nagy segítséget nyújtanak a termesztés és a növényvédelem számára. A termesztett növények a vadon élő növényekhez hasonlóan fajspecifikusan reagálnak a környezeti hatásokra és befolyásolják saját környezetüket. Az agroökológia mezőgazdasági tudományterületként - egyre szélesebb körben bontakozik ki és fejlődik különböző irányokba. Az agroökológia két nagy részre tagolható: a./ tapasztalati agroökológia, b./ kvantitatív agroökológia. A tapasztalati agroökológia a termesztéstanba és a növényvédelembe épült be, módszertanát tekintve önálló tudománnyá, vagy tudományággá nem fejlődött. Az éghajlat és a talaj növényi életben betöltött szerepéről már sok ismerettel rendelkezünk. Az előrehaladást az empirikus ismeretek számszerűsítése jelenti. A talaj esetében a tápanyag-gazdálkodás, a vízgazdálkodás kérdésköre, az éghajlat esetében a különböző kedvező és kedvezőtlen időjárási hatásoké, amelyek számszerűsített törvényszerűségei még csak részben feltártak. A kvantitatív agroökológiának ezért nagy a jelentősége a modern mezőgazdaság fejlesztésében, különösen a növényi életfeltételek optimalizálásában és vagy az egészséges környezeti állapot megőrzésében, fenntartásában. A növénytermesztési területek megóvása nem biztosítható a különböző hatások számszerű értékeinek ismerete nélkül. A természet védelme alapvető tudományos feladat. A növénytermesztésben is meg kell teremteni azokat az egzakt tudományos alapokat, amelyek segítségével feltárhatók a még nem ismert közvetlen és közvetett folyamatok, illetve azok következményei. A kvantitatív agroökológia mintegy 60-70 éves múltú, vagyis nem új keletű tudomány. Tansley, A. G. 1935-ben az ökoszisztémák fogalmát az alábbiak szerint írta le: „lAz élő szervezeteket nem lehet különválasztani jellegzetes környezetüktől, mivel azok egységes fizikai rendszert alkotnak. Ezek a rendszerek - az ökológusok meglátása szerint - a természet alapegységeit képezik a Földön. Az ökoszisztémák, mint ahogy ezeket nevezhetjük - a legváltozatosabb formában és kiterjedésben létezhetnek. A világegyetem nagyszámú fizikai rendszerei közül ezek egy kategóriát képviselnek, ami a világegyetemtől, mint teljestől egészen az atomig terjednek.l” Mint az eredeti megfogalmazás bizonyítja, az ökoszisztéma fogalma és értelmezése nem új keletű. A Tansley-féle definíció egyértelműen fejezi ki, hogy az ökoszisztémák valójában fizikai rendszerek, amelyekre a különböző - később említendő -folyamatok ráépülnek. Kiegészítésként csupán annyi, hogy a természetben a kiinduló ok minden esetben valamilyen fizikai hatás és a fizikai tulajdonságok különbözőségeként indulnak el azok a folyamatok, amelyeket a különböző tudományterületek tárgyalnak. A fenti megfogalmazás szerint tehát az ökoszisztéma olyan bonyolult rendszer, amelyben fizikai effektusok nyomán kémiai és biológiai folyamatok játszódnak le az élőszervezeteken belül és élőszervezetek között. Az ökoszisztémák tanulmányozásának igen gazdag irodalma van, amely elsősorban a vadon élő növénytársulásokra vonatkozik. Ezek az általános törvényszerűségek kiterjeszthetők minden növénytársulásra, amennyiben meghatározzuk a rájuk érvényes fizikai törvényszerűségeket. A kvantitatív ökológia egyik lényeges feladata az, hogy az ökoszisztémákra vonatkozó fizikai ismereteket rendszerezze. Összefoglalja a levegő és a talaj hatásait és a hatások növényi válaszait (reakcióit). A növény és környezete közötti kapcsolatok különböző úton deríthetők fel. A kapcsolatok egyik formája a valószínűségi összefüggések alapján írható le feltételezve, hogy az élőszervezet és a környezet között sztochasztikus a kapcsolat. Ekkor a kapcsolatokat különböző statisztikai, valószínűség-számítási módszerekkel fejezzük ki (korreláció- és regressziós analízis, faktoranalízis, clusteranalízis, diszkriminancia-analízis, stb.). A kvantitatív ökológia másik tipikus irányzata esetében a növény és környezet kapcsolatát fizikai összefüggések segítségével írjuk le, állapítjuk meg a peremfeltételeket és az érvényességi tartományt. A vadon élő növények kvantitatív ökológiai vizsgálatában főként a sztochasztikus 3 Created by XMLmind XSL-FO Converter.

Az agroökológia fogalomköre

összefüggések dominálnak, míg a fizikai kapcsolatok kevéssé kidolgozottak. A kvantitatív agroökológiában a fizikai kapcsolatokra épülő módszertan alkalmazása egyszerűbb, mert a folyamatok összetettsége kisebb, mint a vadon élő társulások esetében. Ennek szemléltetésére két szempont: a természetes növénytársulások többfajúak és többszintűek, míg a termesztett növények egyfajú és egyszintű állományt alkotnak, stb. Az ökoszisztémáknak különböző típusa ismert. Az ökológiai vizsgálati módszerek pedig ökoszisztéma specifikusak. A természetes ökoszisztémák kialakulását, szerkezetét, életfolyamatait és fejlődését a környezeti tényezők határozzák meg. Emiatt a növények és környezetük kapcsolata rendkívül szoros. A termesztett növénykultúrák ezen belül az ember által létrehozott és befolyásolt kategóriát képeznek, ahol pl. a biodiverzitás is a természetes rendszerekétől eltérő. A termesztett növénykultúra általában egyetlen növényfajt és/vagy fajtát jelent. A termesztett növényfaj és környezete kapcsolatának megismerése annak ellenére kiemelten fontos, hogy a monokultúrában is számos és különböző élő szervezet fordul elő (pl. gyomok, rovarok, talajlakó lebontó szervezetek, stb.). Egy részük, pl. talajmikrobák a termesztett növény fejlődésére kedvezően, serkentőleg hatnak. Gátló hatásúak is ismertek, pl. a gyomnövények és a paraziták. A mesterséges ökoszisztémák is összetettek tehát és azokban is kedvező és a kedvezőtlen hatások érvényesülnek. Míg a természetes ökorendszerekben a kedvező és kedvezőtlen hatások aránya többé-kevésbé kiegyensúlyozott, a mesterséges ökoszisztémákban az ember különböző beavatkozásokkal a kedvezőtlen hatások kiküszöbölésére és a kedvező hatások erősítésére törekszik. A természetes és ember által létrehozott ökoszisztémákban egyaránt sajátos energia- és anyagforgalom megy végbe. A folyamatokban azonban a két rendszer alapvetően különbözik. A természetes ökoszisztémák ugyanis területi kiterjedésüktől függően - zárt anyagforgalmi rendszereknek tekinthetők. A képződő növényi biomassza ugyanis helyben marad és a lebontó szervezetek által szervetlen anyaggá (mineralizáció) alakul, vagyis anyagkörforgalom történik, amely ciklikusan ismétlődik. Az anyagfelépülés energiaigényes folyamat, amelynek energiaforrása a napsugárzás. A növényi anyag felépüléséhez a CO 2-ra és vízre, mint rendszeralkotó anyagokra feltétlen szükség van. A mezőgazdasági kultúrák nyílt energia- és anyagforgalmi rendszerek. A termőhely kialakítására ugyanis tekintélyes mennyiségű fizikai, kémiai és biológiai energia fordítódik. A termőhely fizikai állapotának javítását a talajművelés, a vetőágy előkészítés, az öntözés, stb. jelenti. Kémiai állapot javítását szolgáló szerves- és műtrágyázás, valamint a növényvédelem egyaránt energia bevitelt jelent. Az ilyen módon kialakított termőhelyen a növényi produkció a napenergia, a levegő CO 2-tartalma, valamint a víz hatására megy végbe. Az anyagforgalmi ciklusban a növényi biomassza nem, vagy csak részben kerül be a helyi lebontásba. A növényi biomassza jelentős hányada növényi termésként elszállításra kerül. A mezőgazdasági kultúrák is elsősorban napenergiát hasznosítanak a növényi szervesanyagok szintézisére. A természetes vízforrás a csapadék és a talajvízből történő kapilláris vízutánpótlás. Mesterséges - energia és költségigényes vízforrás - az öntözés, amely egyes növénykultúrák esetében - pl. a rizs - fontos és nélkülözhetetlen. Az input energiák a termesztéstechnológiával kerülnek az agroökológiai, vagy a növénytermesztési rendszerbe. Biológiai input energiának minősül a vetőmag. Kémiai input energia az ásványi tápanyag és a növényvédőszer. Fosszilis input energia kerül felhasználásra a talajművelés, a növényápolás, a betakarítás és általában a mezőgazdasági gépek üzemeltetésekor. Elektromos input energia kerül felhasználásra a vetőmagok és a növényi anyagok szárításakor. Az output energia elsősorban a t/ha-ban kifejezett termés biológiai energiája. A termésként a termőhelyről elszállított bioenergia és anyag az állati és az emberi táplálékláncba kerül. A természetes és az agrár ökoszisztémák anyag- és energiaforgalmát az 1. ábra szemlélteti. Az ábra egyszerűsége ellenére jól szemlélteti a természetes ökológia rendszer zártságát, illetve az agroökológiai rendszer nyitottságát. A két rendszer hatásfokának meghatározásához a képződött biomassza tömeget érdemes figyelembe venni. A természetes ökoszisztémák hatásfokát a felhasznált napenergiához viszonyítják. A hatásfoka 0,1-1,5% közötti, ami azt jelenti, hogy a képződött szervesanyagba a napenergia 0,1-1,5%-a épül be évenként (1 g szénhidrát energiatartalma kb. 16 kJ). Ilyen módon a különböző növénytársulások energiahasznosítása, anyagprodukciója is összehasonlítható.

2.1. ábra - A tájökológusok által vizsgált rendszerkomponensek



A szántóföldi növényállományok nyílt rendszerében az energiahasznosítás megállapítása már sokkal összetettebb, mert a napenergián kívül az input energiát is figyelembe kell venni a területegységen képződő bruttó növényi szárazanyag-mennyiségben, illetve a gazdaságilag hasznos nettó terméstömegben. Általában a szántóföldi kultúrák napenergia hasznosítása a természetes növényállományok energiahasznosításához hasonló. Megközelítheti esetenként a legnagyobb produktumú természetes rendszer - az erdő - produkcióját is. Ekkor a napenergia hasznosulása éves átlagban mintegy 1,5-3,5% közötti. Az input energia hasznosulása növényenként és termőhelyenként, valamint a technológiától függően változik. Magyarországon 1970 és 1980 között a szántóföldi növénytermesztés a bevitt energia háromszorosát produkálta az output energiában. Az ásványi tápanyagokkal, a növényvédő-szerekkel és az öntözéssel bevitt energia megnöveli a napenergia hasznosítást, ami így elérheti a 3,5%-ot is. A szántóföldi input-output energiahányad átlagértéke 1:3, vagyis az input energia által megnövelt napenergia hasznosulás jelentősen meghaladja a természetes ökológiai rendszer hatásfokát. Ez a hatásfok azonban csak bizonyos határig növelhető. Azon túl már a bevitt energia nem hasznosul, sőt kedvezőtlenül hat a produkció alakulására, pl. a túlzott műtrágyázás terméscsökkenést eredményez. A gyakorlati életben azonban a maximális hatásig nem szokás alkalmazni az input-energiát, mert a gazdasági marginalitás ezt már nem engedi meg. Ez alatt azt kell értenünk, hogy a marginális input-ráfordítás csak addig tekinthető gazdaságosnak, míg el nem éri a gazdaságossági egyenértéket. A marginális hatáspont feletti input-energia effektivitása már csökken, de még nem érte el a maximumát, azonban gazdasági szempontból már nem indokolt annak biztosítása. Ily módon tehát a mesterséges ökoszisztémák energiaforgalmának nemcsak mennyiségi, hanem gazdasági korlátjai is léteznek, amelyet a termelésben figyelembe kell venni. Amikor a rendszer anyag- és energiaforgalmáról beszélünk, szigorúan el kell különíteni a talaj, a növény, valamint a levegő alrendszerét tekintettel arra, hogy ezekben az alrendszerekben az energia- és anyagmozgás jellege és törvényszerűségei különbözőek. Mivel a talaj-növény-levegő természetes rendszer, a tulajdonsággradiensek kialakulásának törvénye érvényesül benne az anyag- és az energia körforgalomban, de az anyagmegmaradás elve szerint egyidejűleg megindul a tulajdonság-különbségek kiegyenlítődése is. Ez utóbbi tartja fenn azt az energia- és anyagmozgást, amely a talaj-növény-levegő térben kialakul. Hangsúlyozni kell, hogy az alrendszerek ún. energia- és anyagáramlási tehetetlensége jelentősen különböző. A talaj rendkívül nagy tehetetlenséggel rendelkezik. A talajban kialakuló olykor nagy értékű gradiensek azonban csak lassú áramlási folyamatokat indítanak és tartanak fenn, amely a talajnedvesség esetében, pl. különösen szembetűnő. A talajban a gradiensek túlnyomórészt függőleges irányban alakulnak ki, ezért a talajban bekövetkező áramlások többnyire a függőleges irány mentiek a kis intenzitású horizontális áramlások mellett. A talaj nagy tehetetlensége abban is megnyilvánul, hogy bizonyos talajt érő beavatkozások hatása hosszú időtartamú. A talajművelés, pl. több hónapra, esetleg több évre terjedően fejti ki hatását, vagyis a talaj lvisszaemlékező-képességel igen nagy. Ez egyaránt vonatkozik a talajok fizikai állapotára, nedvesség tárolására és tápanyag visszatartására, stb. is. A talajtól eltérően a levegő lvisszaemlékező-képességel rendkívül csekély. Ennek magyarázata abban lehet, hogy a levegőben a horizontális mozgások válnak uralkodóvá a függőleges mozgásokhoz képest. A csekély tehetetlenség miatt a levegő minden állapotbeli tulajdonságára néhány perctől, egy-két napig terjedő lvisszaemlékező képességgell számolhatunk. A csekély tehetetlenségű levegőben az anyagáthelyeződés rendkívül gyors. A talaj és a levegő szállítóképessége tehát jelentősen különböző. Ez magyarázza, hogy a növényekben jelentős gradiens alakul ki a felvevő szervek és a felhasználó, raktározó és kibocsátó szervek között (pl. a gyökérfelvétel és a levél transzspiráció viszonya). 5 Created by XMLmind XSL-FO Converter.


A növények a talajban és a levegőben kialakuló tulajdonság-gradiensekhez alkalmazkodnak, amit növényi ökológiai toleranciának neveznek. A tolerancia azt is kifejezi, hogy a növény milyen szélsőségeket képes károsodás nélkül elviselni. Fizikai értelemben szélsőségek akkor következnek be, amikor a növényben a gradiensek megszűnnek. Ekkor ugyanis leáll az energia- és anyagforgalom (pl. a csekély vagy túlzott vízellátottság, extrém magas vagy alacsony talaj- és levegőhőmérséklet, stb.). Az agroökológiai rendszerek esetében termelői feladat a növényi toleranciát meghaladó szélsőséges helyzet felszámolása, továbbá a termesztett növény normális energia- és anyagmozgás sebességének és intenzitásának a visszaállítása. Az egyensúly nélküliség biztosítja és tartja fent a növényekben a szervesanyag felépítéséhez kapcsolódó anyagtranszport folyamatokat. Szükséges ezért a növényi életteret alkotó rendszerek fizikai vizsgálata és a növény optimális gradiens-rendszerét kialakító környezeti feltételek megállapítása. A növényegyedek, és a növényállományok optimális fejlődésének környezeti igénye a tenyészidőszak folyamán dinamikusan változik. Ennek a dinamikának a felderítésével a kvantitatív ökológia foglalkozik, eredményeit pedig a fenntartható és a környezetbarát szántóföldi növénytermesztés hasznosíthatja.

2.2. ábra - Az ökológiai stabilitás és az ökonómiai produkció összefüggése

Az agroökológia fontos kérdése az agroökológiai rendszer stabilitása. A természetes ökorendszerek önszabályozóknak és - normál körülmények között évtizedeken, évszázadokon át fennmaradó - nagy stabilitású rendszereknek tekinthetők. A szántóföldi növénykultúrák stabilitása kicsi, rendszerint emberi beavatkozás nélkül még egyetlen energia- és anyagforgalmi ciklus sem fejeződhet be. A növénytermesztési ciklus a talajelőkészítéssel és a vetéssel kezdődik, amit a vegetációs időszak követ szinte folyamatos emberi beavatkozással, pl. gyommentesítés, növényvédelem, stb. A növénytermesztési ciklust a betakarítás zárja. A betakarításkor a melléktermék egy része a termőhelyen marad, a hasznosítható termék pedig elszállításra kerül. Az agroökológiai rendszerhez az ember beavatkozása valamilyen formában mindig hozzátartozik. A beavatkozás ökológiai és ökonómiai szakszerűsége érdekében szükséges a hasznos és a káros, a szükséges és a felesleges beavatkozások megállapítása (2. ábra). Az agroökoszisztémák instabilitását a jelentős költségű, magas szintű termesztéstechnológia ellensúlyozza. Az input-energia költsége és az output értéke az agroökológiai kultúrák esetében egyaránt figyelembe veendő, mert ennek alapján ítélhető meg a termesztés gazdasági mérlege. A szántóföldi agroökológiai növénykultúrák területi kiterjedése hazánkban rendkívül nagy, az ország mezőgazdasági területének mintegy 77%-ra terjed ki. A növénytermesztés bruttó nemzeti produktumon belüli részaránya 5,6% (1996-ban). Nem véletlen, hogy a kvantitatív agroökológia továbbfejlesztése nem csak alaptudományi feladat, hanem általános gazdálkodási igény is. A felgyorsult civilizáció azonban az elmúlt évtizedekben különösen a gazdaságossági szempontokat helyezte előtérbe és igyekezett a talajt és a növényt, mint természeti erőforrást maximális mértékben oly módon hasznosítani, hogy vele egyidejűleg a termőhely jelentősen sérült. Ennek eredményeként Magyarország szántóterületén is találhatók ún. sérült területek, ahol a helytelen területhasználat, a túlzott kemizálás és gépesítés a talajokat károsította. A talaj-növény-levegő ökológiai rendszerben történő termesztés során a növény környezetét óvni kell és ügyelni, hogy a talaj, a víz, a levegő ne szennyeződjön és károsodjon. Sajnálatos, hogy nemcsak a termesztés-technológia fejlődött az utóbbi évtizedekben, hanem ugyanakkor a természetes háttér, a levegő és a talaj leromlása, szennyeződése is végbement. A valóban modern mezőgazdaságban a fenntarthatóság érdekében a területhasználat és védelem egyensúlyát kell megteremteni. Ennek kapcsán merül fel az ökológia ökonómiája. A látszólag teljesen különálló két tudományterület nem különíthető el, mert az emberi tevékenység közvetlenül vagy közvetve hat a környezetre. A környezet állapotának megváltozása mindenkor ökonómiai, közgazdasági következményeket von maga után. Nem szélsőséges az a megállapítás, hogy az ökológia ökonómiájának mindenkori elemzése nem kerülhető el és meg kell keresni a marginális pontokat, az ún. ökológiai marginalitást, ameddig a beavatkozás 6 Created by XMLmind XSL-FO Converter.


megengedhető és ameddig a környezet még nem károsodik. A kvantitatív ökológiára tehát jelentős feladat hárul ebből a szempontból is. Meg kell határozni a lehetőségek és korlátok értékét.


3. fejezet - A légköri tényezők szerepe a talaj-növény-levegő rendszerben A meteorológiai folyamatok szerepe rendkívül nagy és fontos a talaj-növény-levegő rendszer produkciójának szabályozásában. A növényi biomasszát a szoláris energia transzformált energiájának tekinthetjük. A napenergia hozza létre azokat a gradienseket, melyek a rendszer anyagait mozgatják. A felszínre érkező napenergia tehát a felszín közeli levegő- és talajrétegek anyagmozgásainak a fenntartására fordítódik. Az ezzel kapcsolatos fogalmak rövid áttekintése szükséges, mert a meteorológiai összefüggések az agroökológiai modellek alkotó elemei. A modellek környezeti változóinak értéktartománya, a légköri tulajdonságok számértéke szükséges ahhoz, hogy az eredmények alakulásában játszott szerepük érthető legyen. Az élő növényi szervezetre a talajon keresztül ható légkör-fizikai törvényszerűségek megismerése is fontos, amelyek közül azonban a növény, illetve növényállomány növekedése, fejlődése és produkciója szempontjából a legfontosabbakat ismertetjük.

1. Sugárzás Valamennyi légköri folyamat energiaforrása a Nap. A Napból kiinduló sugárzás döntő része elektromágneses, ami az elektromágneses mező rezgését jelenti. A rezgés fizikai jellemzői: a hullámhossz (nm), a hullámszám (1/b cm-1) és a frekvencia. Az elektromágneses fényelmélet szerint a fénykvantumok, vagy más néven fotonok különböző hullámhosszon terjednek. A fényterjedés nem igényel közvetítő anyagot; a terjedési sebesség pedig kb. 300.000 km/s. A részecskék, a fotonok eltérő hullámhosszúságú formában jutnak a Föld felszínére. A szoláris sugárzás spektruma 200-3000 nm szélességű. Az ultraibolya sugárzás sávszélessége 200-380 nm, a látható fényé 380-780 nm, az infravörös tartományé pedig 780-3000 nm. A különböző hullámhosszokon eltérő nagyságú energia továbbítása történik. Az ultraibolya és az infravörös tartományban az energiasűrűség értéke rendkívül csekély, a látható tartományban a sugárzás intenzitása ennek mintegy 5-8-szorosa. A sugárzó energiát különböző egységekben adják meg. Az energiaösszeg MJ/m2idő-1, a sugárzásintenzitás Wm-2ben, ahol 1 W m-2 = 1 J m-2s-1 (1cal = 4,1868J, 1J = 1 W s) A sugárzó energia ciklikusan érkezik a Föld felszínére. A napsugárzás ciklikusságának a Föld tengelykörüli forgása, valamint a Föld Nap körüli ellipszis pályán történő keringése az oka. A besugárzás napi ciklusa az év folyamán változik, mert a Föld forgástengelye az ekliptika síkjával 23,5d-s szöget zár be. Az év során a nappalok tartama emiatt periódikusan változik. A legnagyobb napmagasság az északi féltekén a nyári napforduló idején van, amikor a Nap a Ráktérítő felett delel és a beesési szöge 90d. A téli félévben ugyanez a jelenség a Baktérítő fölött következik be. Tehát az egyenlítői öv sugárzás szempontjából alapvetően különbözik a sarkok irányában elhelyezkedő övezetektől. Az egyenlítői övben a sugárzás évenként kétperiódusú, vagyis az Egyenlítő felett évenként két alkalommal delel a Nap a napéjegyenlőség időpontjaiban, azaz március 21. és szeptember 22. (P1 nap eltérés lehetséges) között. A térítőkörtől poláris irányban a sarkok felé haladva a sugárzás egyperiódusúvá válik, mivel ezen a területen a Nap sugárzásának beesési szöge sohasem éri el a 90d-t. A maximális napmagasság a deklináció és a földrajzi szélesség (b) függvényében:

3.1. egyenlet - A deklináció

ahol: b : a földrajzi szélesség; Pb : a napi dátumnak megfelelő deklináció

3.1. ábra - A deklináció


A légköri tényezők szerepe a talajnövény-levegő rendszerben

A deklináció értelmezését grafikusan a 3. ábra mutatja be. A legnagyobb napmagasság Magyarországon (b = 47d), az év folyamán, 66,5d és 19,5d között váltakozik. Ebből következik, hogy a nappalok hossza különböző. Míg hazánkban a nap-éj egyenlőség idején a nappalok tartama - néhány perc pontossággal - 12 óra, a nyári napfordulón 15 óra 29 perc, a téli napfordulón (dec. 23.) pedig csupán 8 óra 18 perc.

3.2. egyenlet - A napi Napmagasság változa

ahol: b : földrajzi szélesség b : deklináció (+23,5d - 23,5d) b : óraszög

3.3. egyenlet - Az óraszög az egyenlítői rendszerben a meridiántól az óramutató járásának irányában mért szögtávolság

3.4. egyenlet - (4.)

Mindezek alapján tehát bármely napra, vagy a nap bármely időpontjára meghatározható a Nap a Föld bármely vonatkozási pontjához viszonyított helyzete. A sugárzás a Föld felszínére változó hosszúságú légkörön keresztül jut és energiája emiatt csökken. Az ideálisan tiszta légkör a napsugárzást átengedi. A légkör felső határára érkező sugárzás merőleges beesés esetén 8,13 J/cm2min, amely 1354 W/m2 intenzitásnak felel meg. Az ideálisan tiszta légkörbe belépő merőleges beesési szögű sugárzás a légkörön áthaladva energiájának 9%-t veszti el. A veszteséget a légkör természetes szennyezettsége okozza. A légkör szennyezettsége következtében a sugárzás részben visszaverődik, részben szóródik, csekély hányada pedig elnyelődik. A bekövetkező veszteséget kioltásnak vagy extinkciónak nevezik. 9 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben A szennyezett légkör extinkciója az ideálisan tiszta légkörének mintegy háromszorosa. Hazánkban a légkör felső határára érkező energiamennyiség mintegy 25-30% közötti extinkciós veszteségével számolunk. A Földfelszínre jutó sugárzás nagysága a napmagasság (h) szinuszával, illetve a zenittávolság (z) koszinuszával arányos (4. ábra). A napmagasság ismeretében a nap folyamán bármely irányból érkező sugárzás intenzitása becsülhető. Viszonylag jól becsülhető a légkörön keresztül a felszínre jutó energiaösszeg is.

3.2. ábra - A Földfelszínre jutó sugárzás

3.3. ábra - A globálsugárzás napi változása Magyarországon derült égbolt esetén

A légkörbe belépő sugárzás a különböző szennyező anyagokon szóródik, a kezdetben egyenes vonal mentén haladó fotonok egy része zegzugos, azaz hosszabb úton jut le a Föld felszínére. A sugárzás kétkomponensűvé válik. Az egyenes úton a Föld felszínére jutó direkt sugárzás az egyik összetevő a másik pedig a zegzugos útvonalú ún. diffúz, vagy szórt sugárzás. A kettő együtt a globálsugárzást alkotja. Magyarországra a globálsugárzás napi változását az 5. ábra mutatja be. Az ábrán közölt értékek hazánk területének észak-déli irányban vett földrajzi szélességbeli különbözőségét figyelembe véve írják le. A sugárzás 10 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben ciklikus változása az évi menetben is jól tükröződik. A 6. ábra mutatja be a hazánkra jellemző sugárzás eloszlási valószínűségeit hónapokra lebontva. (A valószínűségi görbék a hónapok középső napjára vonatkoznak.) A sugárzási értékek elsősorban a Nagyalföldre érvényesek, mivel azok a Nagyalföld közepes energia-ellátottságú területeiről származnak. A globálsugárzás területi eloszlását a 7. ábra szemlélteti, melynek alsó térképén az évi összegek láthatók. A középső és a felső térkép a nyári félév, illetve a téli félév energia-eloszlását szemlélteti Magyarország területére 1951-1980. közötti időszak átlagában.

3.4. ábra - A hazánkra jellemző sugárzási eloszlás valószínűségei (%)

A felszínre érkező globálsugárzás egy része a felszín reflexiója miatt elvész. A visszavert sugárzás százalékos értéke az albedó. Az albedó változó értékű, így például a friss hófelszíné 80%, az idősebb hófelszíné 70%, a zárt zöld növényzeté a nyári félévben zöld árnyalatától függően 20-25% közötti. A csernozjom talaj albedója a talajalbedók között a legkisebb 10-15%. A nedves csernozjom talajé 10%, a száraz talajé pedig 15%. A homoktalajok albedója valamivel nagyobb, de még a humuszmentes, száraz homoké sem nagyobb 30%-nál. A globálsugárzásból az albedót levonva kapjuk az ún. rövidhullámú mérleget, vagyis a Föld felszíne által elnyelt energiamennyiséget. Az elnyelt sugárzás azonban csak részben marad az elnyelő felületben, mert annak egy része a felületi hőmérséklettől függően az égbolt felé kisugárzódik. A kisugárzott energia egy részét a 10 nm körüli hullámhosszúságú hősugárzást a légkörben lévő vízgőz és széndioxid elnyeli, majd részben visszasugározza. A kisugárzott és a visszasugárzott energia különbsége az ún. effektív kisugárzás, amely a nyári félévben a globálsugárzás mintegy 20-30%-a. Amennyiben a globálsugárzásból levonjuk az albedó értékét, továbbá az effektív kisugárzás útján távozó értéket, maradékként a teljes sugárzási mérleget (Rn) kapjuk. A sugárzási mérleg hazánkban, a nyári hónapokban a globálsugárzás fele, a tavaszi és az őszi hónapokban pedig a globálsugárzás 35-40%-a. A sugárzási mérleg területi eloszlását a 8. ábra mutatja be. Az ábra felső térképe a nyári félév, a középső és az alsó térképe a téli és az évi összegeket szemlélteti. A térképi információk a különböző modellezési feladatokhoz és becslésekhez jól hasznosíthatók. A néhány megfigyelő pontra vonatkozó havi globálsugárzási érték, illetőleg sugárzási mérleg segíti a tájékozódást. A gyakorlati munkában szükség lehet a sugárzó energia nagyságára. A sugárzási adatok 11 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben beszerzéses nem egyszerű és gyors, amikor is a különböző becslő eljárások alkalmazása jelentheti a megoldást. A sugárzásbecslésre ma már különböző formulák állnak rendelkezésre.

3.5. egyenlet - A sugárzás tartama és a besugárzott energiamennyiség közötti összefüggést Angström tömörítette tapasztalati formába

ahol: G : a felületegységre eső besugárzott energiamennyiség napi összege G 0 : a globálsugárzás energiája felhőmentes feltételek esetén N0 : a csillagászatilag lehetséges napfénytartam (óra/nap) N : a tényleges napfénytartam, vagyis a direkt sgurázás tartama, ami elsősorban a felhőzet függvénye. N/N 0 arány a relatív napfénytartam.

3.5. ábra - A globálsugárzás területi eloszlása



3.6. egyenlet - Az Angström-féle összefüggés hazánkra alkalmazható formulája. (Az állandók értéke az eltérő éghajlatú területeken különböző)



3.6. ábra - A sugárzási mérleg területi eloszlása

Az 1. táblázatban a hónapok középső napjára vonatkozó lehetséges napfénytartam (N 0), valamint a derült égbolt esetén a felszínre lejutó globálsugárzás (G0) 47d N-re vonatkozó földrajzi szélességre számított napi összegét adjuk meg.



3.1. táblázat - A napi tényleges, lehetséges és a relatív napfénytartam hazai átlagértékei Hónap

Tényleges (N)

Lehetséges (N0)

K - Napfénytartam

Relatív Napfénytartam

Január

2,0

8,9

0,22

Február

3,0

10,2

0,29

Március

4,5

11,8

0,38

Április

6,1

13,5

0,45

Május

7,8

15,0

0,52

Június

8,5

15,7

0,54

Július

9,2

15,4

0,60

Augusztus

8,5

14,2

0,60

Szeptember

6,4

12,6

0,51

Október

4,3

10,9

0,39

November

2,3

9,3

0,25

December

1,5

8,3

0,18

A számított globálsugárzás értékek jó tájékoztatást nyújtanak hazánkban a napfényes órák számának, és a relatív napfénytartam havonkénti értékének alakulásáról. A napi globálsugárzás meghatározására McCullough dolgozott ki gyakorlati számítást. Minthogy a sugárzás ciklikusan változó értéke a térítőkör, valamint a sarkkör közötti területeken egyperiódusú formában nyilvánul meg, harmonikus analízis segítségével határozható meg a légkör felső határára érkező, ún. extraterresztrikus sugárzás összegének alapegyenlete:

3.7. egyenlet - Az extraterresztrikus sugárzás összegének alapegyenlete

3.8. egyenlet - Az egyenlet sorba fejtése után az elsőrendű felharmonikus megtartásával a munkaegyenlet az alábbi formában írható fel.

ahol: b = 47d (Magyarország esetén) An = 614,8 A1 = -368,9 A2 = 11,5 B1 = 63,3 B2 = 2,0 n = az év napjainak sorszáma (1-365) ω = a Föld Nap körüli átlagos keringési sebessége (rad/nap) A1 és B1 az alapharmonikus, A2, B2 pedig az első felharmonikus együtthatói. A feltételezett napállandó 1 370 W/m2. Az eljárás előnye, hogy a számításokhoz nincs szükség paraméterre, csupán a napok sorszámát és a földrajzi szélességet kell ismerni. Az év bármely napjára megállapítható, ezáltal a vonatkoztatási pont fölött a légkör felső határára érkező energiamennyiség.

3.9. egyenlet - A globálsugárzás közepes földrajzi szélességekre vonatkozó összefüggése



ahol: b : a nappaltartam percekben c : a relatív napfénytartam V : légköri veszteségi tényező (aextinkció) a légköri úthossz hatásával Gmax : napi maximális globálsugárzás hmax : a delelési napmagasság Az összefüggéssel a napi relatív napfénytartam, a tényleges globálsugárzás becsülhető anélkül, hogy az extraterresztrikus sugárzást meg kellene határozni. Az összefüggés állandói CGS-ben adottak. Az eredmény pedig átszámítható J/m2-re is.

1.1. Napsugárzás a növényállományokban A természetes és a termesztett növényállományokba a napsugárzás az állomány struktúrájától függő mértékben hatol be, és egy része lejut a talaj felszínéig. A folyamat során a napsugárzás mennyiségileg és minőségileg is megváltozik. A napsugárzás mennyiségi változását a növénytakaró energia elnyelése okozza. Az elnyelt energia a fotoszintézis energiaszükségletét fedezi, szabályozza a növény hőmérsékletét és vízforgalmát. Az elnyelt energia egy részét a növénytakaró a hullámhossz-transzformációval visszasugározza a levegőbe. A növénytakaró által elnyelt energia a zöldtömeggel arányos. A növénytömeg jellemzésére a növénytermesztési gyakorlatban a legalkalmasabb mutató a levélfelületi index (LAI = leaf area index): az 1 m2 talajfelületre jutó levélfelület nagysága (m2). A levélfelületi index fajonként a fejlettségi állapottól, a termesztés módtól, az állománysűrűségtől, a tápanyag-ellátottságtól, a vízellátottságtól, stb. függ. A növényállományok levélzete a beeső sugárzás mintegy 80%-t nyeli el. Az infravörös tartományban az elnyelés 15 és 20% közötti. Az átbocsátás átlagos értéke 25%, a visszaverődés a látható tartományban 20-25%, míg az infravörös tartományban 40-45% körüli. Az elnyelési arányt b-val, az átbocsátási arányt a-val, a visszaverődési arányt r-rel jelölve kapjuk:

3.10. egyenlet - Az elnyelési arányt b-val, az átbocsátási arányt a-val, a visszaverődési arányt r-rel jelölve kapjuk

Az arányszámok egymáshoz viszonyított értéke hullámhosszanként változik, spektrális eloszlásuk pedig növényállományra jellemző. A 9. ábra gabona állományra szemlélteti a teljes napszínképre vonatkozó jellegzetes arányokat.

3.7. ábra - Egy zöld levél átlagos átbocsátása, elnyelése és visszaverése a különböző hullámhosszokon (Monteith, 1973)



A növényállomány elnyelő-képességét egyrészt a levelek átbocsátási együtthatója, másrészt az elnyelő növényi tömeg és a levélzet geometriai rendszere tág határok között határozza meg. Fontos, hogy az elnyelő-képességet a levél víz- és tápanyag-ellátottsága, valamint kora jelentősen befolyásolja.

3.11. egyenlet - A növényállományok sugárzáselnyelő-képességét a Beer-törvény írja le

ahol: I0 : az elnyelő közegre eső sugárzási áramsűrűség I : áramsűrűség x út megtétele után Az a univerzális együtthatóval az átlagos elnyelési érték becsülhető, amikor is az optikai sűrűség helyett az azzal arányos LAI érték alkalmazható:

3.12. egyenlet - Az a univerzális együtthatóval az átlagos elnyelési érték becsülhető, amikor is az optikai sűrűség helyett az azzal arányos LAI érték alkalmazható

ahol: a' : a látható sugárzásra vonatkozó kioltási együttható Fűfélék a értéke 0,3-0,5 közötti, magas növésű és nagy levélfelületi indexű növényeké 0,7. Ha b (elnyelés) értéke a visszaverődéshez és az átbocsátáshoz mérten jelentős, az alábbi összefüggést kell alkalmazni:

3.13. egyenlet - Ha b (elnyelés) értéke a visszaverődéshez és az átbocsátáshoz mérten jelentős, az alábbi összefüggést kell alkalmazni: (13.)

ahol: b : az elnyelési együttható a : közelítő értéke 0,5 Az egyenlet segítségével a sugárzáscsökkenés rétegenként is meghatározható. A növényállományok sugárzáskioltását, vagyis az árnyékoló hatás mértékét az állomány kora, fejlettsége, vízés tápanyag-ellátottsága jelentősen befolyásolja. Az állományok felső leveleinek a kioltása az alsóbb levelekhez viszonyítva erőteljesebb, mert a felső levelekben a színtestek mennyisége mintegy 150-180%-al nagyobb, mint az árnyék levelekben.


A légköri tényezők szerepe a talajnövény-levegő rendszerben A növényállományon áthaladó sugárzás minősége is erőteljesen változik. Ennek oka, hogy mind a visszaverődés, mind az elnyelés, mind pedig az áteresztés a hullámhossz függvénye. Általános a vörös és kék tartomány erőteljes abszorpciója és a zöld tartomány kiemelkedő reflexiója. Ebből következik, hogy a növényállomány a napenergiát az ún. fotoszintetikusan aktív sugárzást (PAR) kiszűrve engedi a talaj felszínére. Az irodalmi forrásmunkák a fotoszintetikus sugárzás fogalmát eltérően értelmezik. A fotoszintézis fenntartására a látható sugárzás kb. 90%-a fordítódik, ami azt jelenti, hogy a fotoszintetikus sugárzás (PAR) a globálsugárzás fele. Gyakorlati feladatokban ez az arány használható, a részletes elemzéshez azonban értékét pontosan meg kell határozni. Amikor a növényállomány által elnyelt sugárzásról beszélünk, külön meg kell említeni a sugárzó energia hasznosulását. Ismert, hogy 1 gramm glükóz elégetésekor kb. 16 kJ energia szabadul fel. Ez az értéket alkalmaztuk az energia beépülési arányának kifejezésére is. Amennyiben ismerjük a területegységen képződött növényi szárazanyag tömeget, úgy megállapítható a sugárzó energia beépülési aránya, az ún. efficiencia. Az efficiencia azt fejezi ki, hogy a beeső sugárzás hány százaléka épült be. Ismerve a beeső energia nagyságát, valamint a szárazanyag elemi tömegének energia ekvivalenciáját, a hasznosulási arány e két érték hányadosából képezhető. A teljes szoláris színképre vonatkoztatott energiahasznosulás szántóföldi növényekre 1,5-2,5%. A látható sugárzásra vonatkozó arány pedig a teljes színképre vonatkozó érték kétszerese. Az energiahasznosulás jelentős mértékben fokozható, a növényfajtól, a tápanyag-ellátottságtól és az állománysűrűségtől függően elérheti a 6-8%-ot is. Az energiahasznosulásban a nitrogénellátottság fontos szerepet játszik, mert a nitrogénbőség a növények fotoszintetikus kapacitását növeli.

2. A levegő mozgása a növényállományok felett és a növényállományokban A levegőre, mint gáznemű anyagra érvényesek mindazok a fizikai törvényszerűségek, amelyek az össze nem nyomható folyadékokra vonatkoznak. E megállapításra támaszkodva a levegő áramlási viszonyai igen nagy pontossággal leírhatók. A levegőben kialakuló áramlások elsősorban méréssel és számítások útján tanulmányozhatók és írhatók le. A levegő viszkózus anyag, ennek következtében igen fontos a belső súrlódása. A belső súrlódás jellemzésére a dinamikus és a kinematikus viszkozitás szolgál, amelynek értéke a légnyomástól és a hőmérséklettől függ.

3.2. táblázat - A felszín közeli légtér viszkozitási értékei Hőmérséklet (°C)

0

20

Dinamikus viszkozitás: b, 1,71 × 10 kg m-1 s-1 Kinematikus m2 s-1

-3

viszkozitás: 13,2

Re: u = 1 m/s, l = 1000 m

77 × 106

1,81 × 10

40 -3

1,91 × 10-3

15,0

16,9

69,9 × 106

59,3 × 106

A viszkozitás értékek alapján a levegő még lassú mozgás esetén is turbulens, vagyis örvénylő mozgású. Az örvénylő áramlás kialakulási feltételét a Reynolds-számmal (Re) fejezhetjük ki. Ha a Reynolds-szám értéke nem éri el a 2.500-at lamináris mozgás alakul ki. Az alacsony Reynolds-szám a viszkozitás tehetetlenségi erővel szembeni túlsúlyát fejezi ki. Amennyiben Reg25.000 a tehetetlenségi erő válik dominánssá. A belső súrlódástól függően a légáramban sebességkülönbségek alakulhatnak ki. A Reynolds-szám értéke: A Reynolds-szám értéke:

3.14. egyenlet - A Reynolds-szám értéke

ahol: u : a sebesség l : az áramlás irányába eső karaszterisztikus út hossza A kinematikus viszkozitás:



3.15. egyenlet - A kinematikus viszkozitás

ahol: b : a levegő sűrűsége A fenti összefüggéseknek a talajmenti légtérben kialakult mozgások alakulásában jut fontos szerep. A talajmenti térben kialakuló hőmérsékleti különbségek hatására - főként a hőmérsékleti szélsőségek idején - a légrétegek belső súrlódása - a viszkozitás miatt - jelentősen különbözik. A felszín közeli áramlás függőleges menti sebességének leegyszerűsített ábrázolását mutatja az 10. ábra. Az ábrán látható, hogy a magasság növekedésével az áramlási sebesség is növekszik.

3.8. ábra - A szélsebesség változása a magasság függvényében

Az alsó légrétegek a súrlódásuk és viszkozitásuk miatt mindig kisebb sebességgel áramlanak, mint a felsőbb légrétegek. Az áramló légrétegek nagymértékben hatnak egymásra. Ezt a hatást súrlódási sebességnek is nevezik. Az ábrán bemutatott függőleges sebességeloszlás szerint a magasabb rétegekben az áramlás nagyobb sebességére utalnak, míg a felszínhez közeledve a sebesség csökken. Úgy tűnhet, hogy a felszín és az alsó rétegek között fékező erő hat. A légrétegek sebességkülönbsége távolságuk (z) függvénye. Az egységnyi távolságra eső sebességcsökkenés nagyságának és a dinamikus viszkozitás szorzatát Newton után nyírófeszültségnek nevezzük:

3.16. egyenlet - Az egységnyi távolságra eső sebességcsökkenés nagyságának és a dinamikus viszkozitás szorzatát Newton után nyírófeszültségnek nevezzük

A légrétegek közötti nyírófeszültség a talajmenti határrétegben független a magasságtól. Ez a talajmenti határréteg egyik legfontosabb tulajdonsága, mivel ennek alapján állapítható meg a határréteg magassága (kb. 2060m). A légrétegek közötti távolság szerinti sebességkülönbség a súrlódási sebesség, vagy dinamikus sebesség (u*) értékével jellemezhető:



3.17. egyenlet - A légrétegek közötti távolság szerinti sebességkülönbség a súrlódási sebesség vagy dinamikus sebesség (u*) értékével jellemezhető

Ahol: du/dz : a sebesség magasság szerinti változása l : a keveredési úthossz, amelyen a molekulacsoport elveszíti indulási hőmérsékletét, hőkészletét, nedvességtartalmát, stb. u* : a Prandtl-féle súrlódási-, vagy dinamikus sebesség A felsorolt aerodinamikai paraméterek a szélsebesség magasság szerinti változása, továbbá a tulajdonságokat szállító, vagy továbbító turbulens diffúziós folyamatok leírásához szükségesek. A talajmenti súrlódási határrétegben a felszín anyagi, hőtani, stb heterogenitása következtében kis távolságon belül is jelentős aerodinamikai különbségek, tulajdonság-gradiensek alakulnak ki. A felszínre érkező sugárzó energia hatására kialakuló gradiensek a turbulens légmozgás következtében kiegyenlítődnek, megszűnnek. A talajmenti határréteg e fontos aerodinamikai jellemzője a tulajdonságok vertikális és horizontális szállítását eredményezi. A szállítás és a kiegyenlítődés azonban folytonos, mert újabb és újabb energia jut a felszínre. A folyamatot turbulens diffuziónak nevezzük. A talajmenti határréteg aerodinamikai folyamatainak fontos szerep jut a légkör és a talaj közötti kölcsönhatások alakításában. A talajmenti súrlódási határréteg fontos közvetítő szerepet betöltő transzfer réteg, amelynek folyamatai biztosítják a felszíni tulajdonságok és anyagok légkörbe jutását, továbbá a talajfelszín és a légkör közötti kölcsönhatást. A légmozgás turbulens voltának közvetlen következménye az, hogy egy adott pontban hosszabb-rövidebb időszak alatt a levegőtulajdonság bár állandó értékűnek látszik, de valójában különböző frekvenciával ingadozik. Az ingadozás frekvenciája az örvények méretétől, illetve az örvényméretek spektrumától függ. E jelenség érvényesül mind a sebesség, mind pedig a hőmérséklet és egyéb tulajdonságok időbeli változásában. Az időbeli fluktuáció elsősorban a sebességingadozásra vezethető vissza. A sebességérték értelmezésekor is figyelembe kell ezt venni, mert a tetszőleges időtartamra számított sebességátlaghoz különböző előjelű sebességváltozás tartozik:

3.18. egyenlet - A tetszőleges időtartamra számított sebességátlaghoz különböző előjelű sebességváltozás tartozik

Az átlagsebesség és az ún. pótsebesség a térkoordináta minden térszögében érvényes. A horizontális, illetve a vertikális pótsebességek esetében pedig: a horizontális sebességre:

3.19. egyenlet - a horizontális sebességre

a vertikális sebességre:

3.20. egyenlet - a vertikális sebességre


A légköri tényezők szerepe a talajnövény-levegő rendszerben Amennyiben a különböző irányú pótsebességek abszolút értéke azonos, úgy izotróp turbulenciáról beszélünk. Különböző irányú és abszolút értékű pótsebességek esetén pedig anizotróp, illetve politrop turbulenciáról. A tulajdonság transzfert ezek a sebesség-pulzációk bonyolítják le, az egymás felett elhelyezkedő örvények adják át tulajdonságaikat a függőleges mentén, a gradiens irányában. A turbulencia nem más, mint az átlagos sebességhez kapcsolódó pótsebességek átlal szabályozott örvénylő keveredés. A turbulens légmozgás a talaj közelében különböző okokra vezethető vissza. Az eddig tárgyalt turbulencia bizonyos mozgásmennyiség közlése hatására jött létre és a kiváltott mozgást dinamikus turbulenciának nevezik. A dinamikus turbulencia a szél átlagos sebességével arányos és elsősorban a nappali órákban erőteljes. A besugárzás következtében a talajmenti levegő hőmérséklete lényegesen nagyobbá válik a felette lévőnél, és labilissá válik. Bizonyos vertikális hőmérséklet-különbség esetén az alsó felmelegedett levegő kisebb sűrűsége következtében felemelkedik, vagyis a labilitás miatt megindul a konvekció. A konvektív felemelkedés is örvényes szerkezetű és a konvektív örvényesség mértéke a dinamikus örvényességével összegződik. A labilitás tehát a dinamikus kicserélődést növeli. Éjszaka fordított helyzet alakul ki, az alsó hideg levegő a felső meleg levegőhöz képest stabil. A stabilitás pedig a dinamikus kicserélődést mérsékli. Megállapítható tehát, hogy a talajmenti térben kialakuló turbulens tevékenység, energia- és anyagszállítás a szélsebességtől és a levegő hőmérsékleti rétegződésétől függ. A szélsebesség törvényszerűségei két nagy csoportba sorolhatók: - a szél sebességének alakulása a függőleges mentén, - a mozgó levegő vertikális szállítómunkája. E két problémakörre vonatkozó főbb ismeretek áttekintése következik. A függőleges mentén kialakuló sebességkülönbség a mikrometeorológiai folyamatok egyik legfontosabb szabályozó tényezője. Ismert, hogy a szélsebesség a felszíntől távolodva növekszik:

3.21. egyenlet - A szélsebesség a felszíntől távolodva növekszik I.

ahol: u1 : az 1 m magasságban mért átlagsebesség u : a h magassághoz tartozó átlagos sebesség a : a talajfelszín érdességétől és a talajmenti tér hőmérsékleti rétegződéstől függően 0,10-0,20 érték Hasonló, de pontosabb összefüggés:

3.22. egyenlet - A szélsebesség a felszíntől távolodva növekszik II.

ahol: um : a mért sebességérték, zm magasságban uz : az átlagsebesség a z magasságban a = 0,2 E tapasztalati formulák azonban csak durva becslésnek tekinthetők. A különböző magasságú sebességi értékek lényegesen pontosabban határozhatók meg a Prandtl összefüggéssel:

3.23. egyenlet - A Prandtl összefüggés

ahol: k : Kármán-féle állandó (0,4) u : súrlódási sebesség z0 : érdességi magasság d : 0-pont eltolódási szint z : a vonatkozási magasság 21 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben A Prandtl-törvényben a sebesség a magasság logaritmusával lineárisan változik. Az összefüggéssel a magasságmenti sebességeloszlás jól becsülhető, ha a függőleges mentén a hőmérséklet nem változik (neutrális egyensúlyi állapot). A Prandtl-féle összefüggés a z0 és d értékének ismeretében a növényállományok feletti sebességeloszlás megállapítására is alkalmazható. Az érdességi magasság az a felszín közeli sík, ahol a sebesség nullává válik. A z0 értéke vízre 0,1-0,6 cm; rétre és mezőre 1,0-5,0 cm; gabonafélékre 3,0-7,0 cm; növény nélküli sík talajra pedig 0,3-1,0 cm. A Prandtl-összefüggés az érdességi rétegekben kialakult sebességek becslésére nem alkalmazható. A 0-pont eltolódási szint azt a magasságot fejezi ki, amelyhez a z0 érdességi magasság viszonyítható. A z0+d értéke az ún. kiszorítási réteg, amely a növényállomány egészét magában foglalja, ezért a d+z0 távolság általában az állományok legfelső szintjére vonatkozik. A különböző tapasztalati aerodinamikai paraméterek egymáshoz viszonyított helyzetét a 11. ábra mutatja be.

3.9. ábra - A tapasztalati aerodinamikai rétegződés (d, z0) a növényállományban

Tapasztalati mérések alapján:

3.24. egyenlet - A tapasztalati aerodinamikai rétegződés a növényállományban

3.25. egyenlet - (25.)

ahol: zv : a vegetáció magassága. A növényállomány feletti légrétegben kialakuló sebességeket az alábbi összefüggéssel becsülhetjük, ha az állomány felett legalább egy szinten sebességet mérünk. A becslő logaritmikus függvény:



3.26. egyenlet - A növényállomány feletti légrétegben kialakuló sebesség becslésére használható összefüggés (ha az állomány felett legalább egy szinten sebességet mérünk)

Az összefüggés olyan esetekben alkalmazható, amikor az állomány feletti sebességet 5 méteren belül kívánjuk becsülni. A logaritmikus függvények a legkisebb hibájú becslést a függőleges menti termikus egyensúly esetén adják, amikor az egységnyi távolságra eső hőmérsékleti különbség nem haladja meg az ún. hőcserementes (adiabatikus) gradiens 0,0098 dC/m értékét. Nappal a talajmenti térben ennek több ezerszerese is kialakulhat, ezért a konvektív kicserélődés hatását figyelembe kell venni. Ezt egy további függvénnyel oldják meg ismerve, hogy kis távolságon belül a korrekciós tag értéke is kicsi. Egy súrlódási sebességet számító összefüggést már felírtunk. A következő kiegészítő összefüggés szintén a súrlódási sebesség számítására szolgál:

3.27. egyenlet - A súrlódási sebesség számítására szolgáló kiegészítő összefüggés

Az összefüggésekkel a vertikális energia- és anyagszállítás intenzitását kifejező aerodinamikai paraméterek becslése végezhető. A vertikális szállítás alatt az egységnyi vízszintes felületen áthaladó energia- és mozgás-, a szenzibilis és a latens hő-, a CO2, stb. mennyiségét kell érteni. Az összefüggések a Fick-törvényre vezethetők vissza:

3.28. egyenlet - A Fick-törvény

ahol: Ms : S tulajdonságú M tömeg időegység alatt szállított mennyisége KS : a tulajdonság turbulens diffúziós együtthatója Ps/Pz : a tulajdonság vertikális gradiense A gradienst általában mérés útján határozzák meg. KS értékét pedig a szélsebesség függőleges gradienséből számítják. A különböző anyagok turbulens diffúziós együtthatói azonos szélsebesség gradiens esetén is különböznek, azokat általában a mozgásmennyiségre vonatkozó ún. dinamikus turbulens diffúziós együtthatóhoz viszonyítják. Közelítő számításokra az alábbi összefüggés használatos:

3.29. egyenlet - A különböző anyagok turbulens diffúziós együtthatóinak közelítése

Egyszerűsítésként mind a mozgásmennyiség, mind a hő, mind a vízgőz szállítására azonos turbulens diffúziós együtthatót használunk. A turbulens diffúziós együttható egyik legelterjedtebb meghatározási módja:

3.30. egyenlet - A turbulens diffúziós együttható egyik legelterjedtebb meghatározási módja



ahol: 0,144 = k2 (k: 0,38 Kármán-féle állandó) A turbulens diffúzió áthelyeződésre vonatkozó leírása a turbulens diffúzió diffúziós együtthatókkal történő jellemzését adja. A turbulens diffúziós folyamatok elemzése és a fenti formula Taylortól (1925) származik. Tőle függetlenül dolgozta ki az osztrák Schmidt az 1920-as években a szél által kiváltott kicserélődési folyamatok elméletét. Elméletének a lényege a tömegkicserélődés folyamatára épülve feltételezi, hogy az egységnyi vízszintes felületen alulról és felülről áthaladó azonos levegőmennyiség csupán tulajdonságkészletében (hőmérséklet, nedvesség, stb.) különbözik. A kicserélődéskor a tulajdonságkülönbségek kiegyenlítődése történik. A kicserélődési folyamat becslésére a kicserélődési együttható szolgál:

3.31. egyenlet - A kicserélődési együttható

ahol: A : a kicserélődési együttható D : turbulens diffúziós együttható Az A és a D közötti összefüggés:

3.32. egyenlet - A kicserélődési együttható és a turbulens diffúziós együttható közötti összefüggés

A kicserélődési együttható és a levegő sűrűségének hányadosa a turbulens diffúziós együttható értékét adja. Mint látható az energia- és anyagtranszport folyamat intenzitását két tényező határozza meg: -a vertikális tulajdonság-gradiens (dS/dz), -a szélsebességtől függő diffúziós vagy kicserélődési folyamatok intenzitása. A fenti formulák gyakorlati célú alkalmazása bonyolult feladatot jelent. Éppen ezért lényegesek az erre a célra alkalmazható tapasztalati összefüggések. Használatuk célja elsősorban az, hogy a folyamatok fontossági sorrendje meghatározható legyen. Ennek érdekében néhány általános összefüggést mutatunk be. A szélsebesség és a kicserélődés, illetve a turbulens diffúzió intenzitásának kapcsolata egyértelműen bizonyított, ezért minden szélsebességhez egy-egy együttható tartomány tartozik. A vertikális mentén a szél sebességének két szintben mért hányadosának alakulására van megfigyelési tapasztalat. Ezen információk alapján és a gradiensek ismeretében rekonstruálható a transzport folyamatok intenzitása. Az egyszerű áttekinthetőség érdekében az alábbi táblázatban megadunk néhány, a becsléshez használható arányszámot (3. táblázat).

3.3. táblázat - A transzport folyamatok intánzitásának becsléséhez használható arányszámok u200-u50

D

20 cm s

-1

30 cm s

-1

50 cm s

-1

80 cm s

-1

100 cm s

260 389 649 1039 -1

1299

A

u200-u50

0,31 0,47 0,78 1,25 1,56

D

A

120 cm s

-1

1558

1,87

140 cm s

-1

1818

2,18

160 cm s

-1

2078

2,49

180 cm s

-1

2337

2,80

200 cm s

-1

2597

3,12


A légköri tényezők szerepe a talajnövény-levegő rendszerben Az arányok értéktartománya hazánk éghajlati, időjárási adottságaira terjed ki. A talaj felszínét borító különböző magasságú és sűrűségű növénytakaróba a szél behatol. A növényállomány fölött a tárgyalt folyamatok játszódnak le. A növényállományban a szállítási és a kicserélődési törvényszerűségek azonban már jelentősen módosulnak. Lényeges, hogy a növényállomány az áramló levegővel szemben jelentős mechanikai ellenállást fejt ki. A felszínen mért sebességhez képest az állomány mélységének növekedésével a sebesség jelentősen csökken. A sebességcsökkenés a Beer-törvénnyel írható le:

3.33. egyenlet - A Beer-törvény

ahol: z : az állomány felszínétől mért távolság H : az állomány magassága u0 : az állomány H szintjében mért szélsebesség A hatványkitevő 2,8 értékű szorzótényezője csupán a sebesség és a belőle származtatható aerodinamikai paraméterekre állandó. A kicserélődési feltételekre érvényes összefüggés:

3.34. egyenlet - A kicserélődési feltételekre érvényes összefüggés

Ha LAI értéke csökken, a szorzótényező értéke is csökken és megfordítva. A hatványkitevők különbözősége abból származik, hogy a nyírófeszültség a dinamikus sebesség négyzetével arányos. Az erre vonatkozó vizsgálati eredményekből mutatunk be néhány példát a (12. ábra). Az ábrán a különböző korú kukoricaállományokban kialakuló szélprofilok láthatók a H állománymagasság feletti sebességgel együtt. Látható, hogy az állomány belső terében még nagy állomány feletti szél esetében is erőteljes a sebességcsökkenés. E jelenség fontos, ugyanis a szél, illetve a légmozgás generálta turbulencia szállítja a széndioxidot a sztómákhoz. A kis kicserélődési intenzitású növényállományban a leveleket körülvevő levegőréteg szén-dioxidban elszegényedik, ami gátolja az asszimilációt. A szél tehát igen fontos ökológiai tényező. A szélcsend vagy a nem megfelelő levegőáram intenzitás akadályozza a növények fejlődését és produktivitását.

3.10. ábra - A szélsebesség a kukoricaállományban (Uchijama és Wright, 1964)


A légköri tényezők szerepe a talajnövény-levegő rendszerben A növényállomány és a felette lévő légréteg együttes áramlási rendszerének jellemzését az ún. normalizált szélprofil szolgálja. A normalizált szélprofilt az állomány feletti és alatti tér sebesség értékei és az állomány szintben mérhető sebesség hányadosaként számítjuk. Ezáltal a növényállomány közvetlen környezetében kialakított áramlási helyzetről kapunk képet. A normalizált szélprofil sematikus értelmezését a 13. ábra mutatja be.

3.11. ábra - Normalizált szélprofil

Az elemzési módszer megmutatja, hogy az állomány milyen mértékben csökkenti a felette és a közvetlen közelében lévő sebesség értékét, vagyis az állomány fékezőhatását. Kifejezi, hogy az állomány sűrűségétől függően hogyan változik a sebesség az állomány belsejében a függőleges mentén, vagyis milyen mértékű az állomány belső szerkezetének a sebességkioltása.

3.35. egyenlet - (35.)

ahol: uv : a ventillációs szélsebesség, az állomány szellőzöttségének a mértéke. Minél kisebb az u0,5.H / u1,5.H hányados, a szellőzöttség mértéke is annál kisebb. Az uv paraméter a fotoszintézis alakulásának is fontos szabályozó tényezője, ugyanis ha az állomány levegője könnyen cserélődik a külső légtérrel, akkor a szén-dioxid-ellátás az állomány egész terére megfelelő. Ugyancsak fontos tényező az állomány különböző szintjei transzspirációjának alakulásában. A szellőzöttség növekedésével a transzspiráció feltételei javulnak egyrészt a már elpárologtatott vízgőz eltávozásával, másrészt a folytonos légcsere a sztómák zavartalan működését teszi lehetővé.

3. A levegő nedvességtartalma A légkörben több-kevesebb víz mindig található. A légköri víz egy része szilárd, nagyobb hányada cseppfolyós, míg legnagyobb mennyiségben gőz állapotú. Az alapgázokon kívül vízgőzt is tartalmazó nedves levegő jellemzésére nem elegendő a három állapotjelző (nyomás, fajlagos térfogat, hőmérséklet), hanem még a vízgőztartalmat is ismerni szükséges. A levegőben lévő vízgőz nagyobb részben földfelszíni eredetű, míg kisebb részben a légkörben lévő cseppfolyós víz párolgásából származik. A folyadékfázisból elpárolgó molekulák számát N k-val, a kondenzálódókat pedig Nv-vel jelöljük, az alábbi három eset különböztethető meg: Nk g Nv,

a folyadék anyagmennyisége csökken, a párolgás dominál, a gáztérben lévő vízgőz telítetlen.

Nk = Nv,

a folyadék anyagmennyisége állandó, termodinamikus egyensúly, a vízgőz telített. 26 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben Nk l Nv,

a gőz anyagmennyisége csökken, a lecsapódás dominál, a gáztér túltelített.

Az első esetet a párolgás, a harmadikat a csapadékképződés kapcsán tárgyaljuk. A két fázis egyensúlya - telített gőz - esetén a Gibbs-féle fázisszabály értelmében a rendszer szabadságfoka 1. Ez azt jelenti, hogy csak egy jellemzőt változtathatunk tetszőlegesen, s ez az összes többi változót már meghatározza. Független változó állandó nyomáson általában a hőmérséklet. A továbbiakban a légköri vízgőzjellemzőket tekintjük át röviden. Páranyomás (gőznyomás, mbar, kPa; jele: e.): A páranyomás a levegőben lévő vízgőz parciális nyomása. Mivel a levegő gázkeverék, nyomása egyenlő a keveréket alkotó anyagok parciális nyomásainak az összegével. Ha a nedves levegő nyomását p-vel, a száraz levegőjét pedig p0-val jelöljük az alábbi összefüggés érvényes:

3.36. egyenlet - A nedves levegő nyomását p-vel, a száraz levegőjét pedig p0-val jelölve érvényes összefüggés érvényes

Hazánkban e értéke kisebb, mint 3%, ami kb. 30 mbar. Telítettségi páranyomás (mbar, kPa; jele: E): Értéke ideálisan tiszta vízfelszín felett csak a hőmérséklettől függ. A telítettségi páranyomás az egységnyi térfogatú légoszlopban a T hőmérsékletű vízgőz parciális nyomása. Meghatározására a következő formula használatos:

3.37. egyenlet - A telítettségi páranyomás az egységnyi térfogatú légoszlopban a T hőmérsékletű vízgőz parciális nyomása

A telítettségi páranyomás a hőmérséklettel exponenciálisan változik. Az 1 oC-ra eső változás jelölése b, ami a következő módon írható fel:

3.38. egyenlet - A telítettségi páranyomás a hőmérséklettel exponenciálisan változik

Abszolút nedvességtartalom (kg m-3; jele: a) Meghatározásának módja:

3.39. egyenlet - Abszolút nedvességtartalom

Az abszolút páratartalom az általános gáztörvényből vezethető le:

3.40. egyenlet - Az abszolút páratartalom az általános gáztörvényből vezethető le



Az összefüggésből kitűnik, hogy nemcsak a telítési páranyomás, hanem a telítettségi nedvességtartalom is hőmérsékletfüggő. A páranyomás és az abszolút nedvességtartalom numerikus értéke igen hasonló, 16,7 dC-nál azonosság áll fenn, a hőmérséklet emelkedésével viszont különbségük fokozatosan nő. A páranyomás legegyszerűbben pszichrométeres (száraz-nedves hőmérő-pár) méréssel állapítható meg. A mérőeszköz nedves muszlinnal bevont hőérzékelőjéről történő párolgás energiáját főként a hőmérő higanytartálya szolgáltatja, ezért a hőmérő a ténylegesnél alacsonyabb értéket mutat.

3.12. ábra - A hőmérséklet és páranyomás közötti összefüggés

Minél nagyobb a két hőmérő által mutatott érték közötti különbség, az ún. pszichrometrikus különbség, a levegő annál szárazabb. A két hőértékből a páranyomás a Sprung-formulával határozható meg.

3.41. egyenlet - A Sprung-formula



ahol: E' : a nedves hőmérő által mért érték telítési páranyomása T-T' : a pszichrometrikus hőmérsékleti differencia 0,5 : a ventillációs együttható (3 m/s szélsebességnél) A levegőben lévő vízgőz telítettségi fokáról a relatív nedvességtartalom értéke nyújt felvilágosítást. A légköri vízgőz a legtöbb esetben nem telített állapotú, annak relatív értéke:

3.42. egyenlet - A legtöbb esetben nem telített állapotú légköri vízgőz relatív értéke

A relatív nedvességtartalom nem a vízgőz mennyiségét, hanem csupán a T hőmérsékletű vízgőz telítettségét fejezi ki. A harmatpont (dC, jele: b): azt a hőmérsékletet jelenti, amelyen a vízgőz telített állapotba kerül. A harmatpont a levegő hőmérsékletéhez viszonyítva annál alacsonyabb, minél kisebb a relatív nedvességtartalom, illetve minél nagyobb a telítési hiány (E-e). Hazánkban a páranyomás a téli félévben nappal 5-15 mbar között változik, éjszaka pedig 5-10 mbar között. A nyári félévben, amikor a levegő vízgőztartalma viszonylag nagyobb nappal, a páranyomás 20-30 mbar közötti, míg éjszaka 15-20 mbar.

4. Párolgás A szántóföldi növénytermesztés egyik fő korlátozó tényezője a vízellátottság. Magyarország a szárazságra hajló mérsékelt égövi éghajlat főbb sajátosságai jellemzőek. A csapadék nagyobb hányada a nyári félévben hull, a csapadékminimum általában valamelyik téli hónapra esik. A csapadék nagy időbeli- és területi szórása következtében a növények vízellátottsága változó. A kontinentális éghajlatú területeken a növénytermések nagyságát ezért elsősorban a csapadékkal összefüggő vízellátottság határozza meg. Ismert, hogy a csapadéknak csak bizonyos hányada hasznosítható a növények számára. A talajfelszínre hulló csapadék talajba jutása, tárolása és hasznosulása a talajok vízgazdálkodási tulajdonságainak a függvénye. A lehullott csapadéknak mintegy a fele hasznosítható a szántóföldi növénytermesztésben. A hasznosulás mértéke a talaj fizikai féleségének, porozitásának, térszíni elhelyezkedésének, stb. függvénye. A vízhasznosulás elemzésekor a lehullott csapadék mennyiségén kívül ismerni kell az elpárolgott, a talajvízből a gyökérzónába jutó vízmennyiséget is. A párolgás nagyságát közvetlenül nem tudjuk mérni. Elkerülhetetlenné vált különböző számítás eljárások bevezetése, melyekkel az elpárolgott víz mennyisége becsülhető. A párolgás a vízkörforgalom része, ezért a körforgalom többi elemének ismeretében azokból becsülhető. A párolgás nagyságát ezzel a módszerrel kisebb-nagyobb területű térségekre becsülték. A vízkörforgalom elemeinek nagyobb időfelbontású imeretével meghatározható a párolgás egy-egy időszakra eső nagysága. A szántóföldi növénytermesztési célból nemcsak a különböző időszakra vonatkozó összpárolgást, hanem a párolgás intenzitását is vizsgálták. A növényi növekedés folyamat-elemzéséhez az időegységre eső párolgás nagyságát kell ismerni. A növényi produkció nagyságának modellekkel történő becsléséhez szintén szükség van vízkörforgalom elemeinek ismeretére. Évtizedeken keresztül nagyrészt empirikus összefüggésekkel történt a párolgás becslése. Főként az analóg módszerek terjedtek el. Különböző referenciafelületek párolgását tanulmányozták, és a párolgás időszakos intenzitását mérték a szükséges időfelbontásban. Ez az alapgondolata az evapotranszspirometria-nak, amikor különböző felületű és mélységű, talajjal vagy vízzel töltött kádak párolgását állapították meg. Elsőként az amerikai Thornthwaite hozott létre párolgásmérő kádhálózatot, amellyel a levegő párologtató képességét határozta meg. Később Blaney-Criddle dolgozott ki mérőrendszert, amellyel a növények vízfogyasztását állapította meg úgy, hogy összehasonlította a növény, és a referenciafelületű talaj-, és vízfelszín párolgását. Így jutott el a Crop coeficient fogalmához, a növény referenciafelszínhez viszonyított vízfogyasztását kifejező tényezőhöz. A módszer még ma is használt azzal a különbséggel, hogy ma már nemzetközi megállapodás született arról, hogy mely felszín szolgáltat párolgási referencia értékeket. Elfogadottá 29 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben vált, hogy rövidre vágott gyeptakaróval fedett talaj, vagy rendszeresen kaszált lucernaállomány által fedett talaj tekinthető olyan párolgási referenciaértéknek, amelyhez a különböző fajú, fejlettségi állapotú növényállományok vízfogyasztása viszonyítható a különböző befolyásoló tényezők szerepének tanulmányozásakor. A vízfelszín ma már nem használatos referenciafelület, mert a víz állapota megváltozik (elszennyeződik) s emiatt a párolgás is változik. A rövidre vágott gyep, illetve lucernaállomány fedte talaj, mint páraleadó-rendszer állapota a tenyészidőszakban állandó, ha folyamatos vízutánpótlással biztosítjuk, hogy a párolgást vízhiány ne csökkentse. A párolgás ekkor kizárólag az időjárási feltételektől függ, s alkalmas a referenciafelszínhez viszonyított párolgási arány összehasonlító meghatározására. A növényi konstansok többsége ma is általánosan használt. Megjegyzendő, hogy konstansok meghatározásakor nem minden esetben alkalmaztak megfelelően kontrollált légkörfizikai beállítást. A párolgás meghatározási módszert tovább bonyolítja, hogy a mérőrendszert a növényi konstansok extrapolációjának pontossága érdekében a mérőhelyen hitelesíteni kell. Ezt a későbbiekben részletesen tárgyaljuk. A párolgás minden esetben kizárólag fizikai folyamatnak tekinthető attól függetlenül, hogy milyen felületen történik a halmazállapot-változás. A párolgás ember által nem befolyásolható fizikai folyamat. A párolgás energiaigényes folyamat, amely során a cseppfolyós víz alacsonyabb energiaszintről magasabb energiaszintre kerül. A párolgás irányított folyamat, az irányító tényezők egy része aerodinamikai, más része pedig energetikai. Az energetikai tényezők megismerése a párolgás mennyiségi megállapítását teszi lehetővé. További feladat a két tényezőcsoport szerepének és hatásának a megismerése. Mivel a tényezőcsoportok hatása folyamatosan, időről időre és pontról pontra változó, az azonos párolgási érték nem jelenti a meghatározó tényezők azonos értékét (kompenzáció).

4.1. A párolgás néhány elméleti kérdése A párolgás energiaigényes halmazállapot-változás, amelynek energiaigénye a párolgó víz hőmérsékletével fordítottan arányos. Az egységnyi tömegű víz elpárologtatásához szükséges energiamennyiséget a víz párolgáshőjének (L) nevezzük:

3.43. egyenlet - Az egységnyi tömegű víz elpárologtatásához energiamennyiséget a víz párolgáshőjének (L) nevezzük

szükséges

Ahol: T : hőmérséklet (dC) 1 kg víz elpárologtatásához 0 és 40 dC között 2400-2500 kJ energia szükséges (párolgáshő). A víz elpárolgásához, levegőbe kerüléséhez és a vízgőz levegőben tartásához szükséges hőenergiát rejtett hőnek, vagy látens hőnek (Q L) nevezzük: J/kg; 250 J mm-1 cm-2. A latens hő tehát a nedves levegő jellemzője és nagysága a vízgőztartalommal arányos. A hőmérőkkel mért léghőmérséklet, az ún. szenzibilis hővel (Q S) arányos. A párolgás intenzitását a párolgó anyag hőkészlete és a párolgás fizikai feltételei határozzák meg. Vízfelszín párolgása a párolgási rendszerrel közölt hő mennyiségétől, a levegő mozgásától és a vízgőz telítettségétől függ. Az elpárolgott víz tömege különböző egységekben fejezhető ki:

3.44. egyenlet - Az elpárolgott víz tömege különböző egységekben

3.45. egyenlet - : (45.)



Az energia- illetve a vele azonos vízegyenérték átváltása:

3.46. egyenlet - Az energia- illetve a vele azonos vízegyenérték átváltása

Ahol: L a párolgáshő, vagy párolgási entalpia MJ / kg A talaj-növény-levegő rendszerben a vízmozgás különböző halmazállapotú lehet. A víz áthelyeződése azonos paramétert alkalmazva tekinthető át. Termodinamikai értelemben a vízpotenciál alkalmas dimenzió, amely a víz teljes, specifikus és szabad energiáját jelenti. A vízpotenciál (Ψv) és a levegő vízgőztelítettsége között az alábbi összefüggés áll fenn:

3.47. egyenlet - A vízpotenciál és a levegő vízgőztelítettsége közötti összefüggés

ahol: T = 2,93 K b : a vízgőz sűrűsége (kg/m3) M : a víz molekula tömege R : a gázállandó (8,3143 J K -1 mol-1) Amikor a vízgőz telített állapotban van (e/E = 1,0), vagyis a relatív nedvesség 100%, a vízpotenciál értéke 0. A telítési arány csökkenésével a vízpotenciál értéke egyre inkább csökken, és negatív marad. Ebből következik, hogy a vízgőz áthelyeződése mindig a nagyobb szabadenergiájú térből indul.

3.4. táblázat - A vízpotenciál értéke (e/E) telítési arány függvényében e/E

bv atm

0,10

2928

0,25

1849

0,50

934

0,75

389

0,95

693

0,995

68

1,000

0

A vízpotenciál negatív előjelű, így a negatív vízpotenciál értékek bizonyos szívóerőre utalnak. A természetben a vízpotenciál változó értékhatárok között ingadozik. A hőmérséklet is fontos, mert a telítési páranyomás hőmérsékletfüggő. Talajokban is van a gázhalmazállapotú víznek egy hőmérsékleti napi ciklusa, amelynek amplitúdója kicsi. A növényi hőmérséklet - különösen a levélben - már jelentősebb ingadozású. A hőmérsékletre visszavezethető ingadozás a növényekben igen nagy lenne, ha azt a vízgőztelítettség nem ellensúlyozná. Ennek ellenére a vízpotenciál napi amplitúdója a növényekben nagyobb, mint a talajban. A légköri vízgőz napi ingadozása a legnagyobb. Nyári időszakban, hazánkban meghaladhatja a -1000 atm-t, míg az éjszakai órákban (a harmatképződéskor) -100 atm alá csökken. A vízpotenciál talajban, növényben, valamint a levegőben kialakuló napi ciklusát a 15. ábra szemlélteti. Az ábrán a vízgőzdiffúzió irányának napi változása is nyomon követhető. A párolgás fogalomköre egyéb hidrometeorológiai tényezőkhöz viszonyítva eléggé összetett. A párolgásnak két nagy fogalmi kategóriáját szokás megkülönböztetni: • A vízhiány által nem korlátozott potenciális párolgás 31 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben • A vízhiány által korlátozott tényleges párolgás E két nagy fogalomcsoportra egyaránt érvényes, hogy a párolgás alulról és felülről fizikailag korlátos. A párolgás sohasem haladhatja meg a felszínre érkező energia vízegyenértékét. Alsó határa nulla abban az esetben, ha a negatív párolgásról, azaz kondenzációról és harmatról nem beszélünk. Vízhiány által nem korlátozott, potenciális párolgáson a felszínre érkező energia által a levegőbe juttatott vízgőzmennyiséget értjük. A potenciális párolgást meghatározó tényezők: • a felszínre jutó energia • a levegő vízgőztelítettségi állapota • a párolgó felület közelében kialakuló turbulens függőleges átviteli folyamatok • a párolgó felület vízgőz diffúziót módosító fizikai paraméterei A potenciális párolgás általános fogalom, ami a párolgási felület szerint tovább specifikálható: • talajpárolgás: evaporáció, E0.s, mm, LE J/m-2, • vízfelszín párolgás: evaporáció, E0.v, mm, LE J/m-2, • növényi párolgás: transzspiráció, E0T, mm, LE J/m-2, • növényállomány párolgása: evapotranszspiráció, ET0, mm, LE J/m-2.

3.13. ábra - A vízpotenciál napi ritmusa

A potenciális párolgás talaj esetében akkor következik be, amikor a talaj nedvességtartalma azonos a talaj minimális vízkapacitásával. A potenciális evapotranszspiráció esetében a gyökérzóna talajnedvesség tartalma 32 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben eléri a minimális vízkapacitást. A potencialitás szigorú kritérium, amely csak közelítően teljesül a napszakos változások során. Ebből következik, hogy a potenciális párolgás meghatározása nem egyszerű feladat. A tényleges párolgás analóg a potenciális párolgás értelmezésével. Az alábbi párolgás típusok különíthetők el: • vízfelszín-párolgás, evaporáció • talajpárolgás, evaporáció • növényi párolgás, transzspiráció • tényleges evapotranszspiráció. A felsorolt fogalmak egységei és dimenziói azonosak a potenciális párolgáséval. A tényleges párolgás és a potenciális párolgás viszonya a felszíntől függetlenül egységes. A tényleges párolgás, vagy tényleges evapotranszspiráció azonos a potenciális párolgással, illetőleg a potenciális evapotranszspirációval. A tényleges és a potenciális párolgás, illetve evapotranszspiráció hányadosa a relatív párolgás, vagy relatív evapotranszspiráció. A tényleges párolgás és evapotranszspiráció értékét az alábbi tényezők határozzák meg: • a potenciális párolgás, evapotranszspiráció; • a párologtató közeg nedvességtartalma (talaj-növény). Mivel a tényleges párolgás és evapotranszspiráció víz által korlátozott, a korlátozó tényező, a vízhiány mértéke határozza meg a potenciális és a tényleges vízveszteség különbségét. Külön tárgyalják az ún. klimatikus vízhiányt, amelyet a csapadék és a potenciális evapotranszspiráció különbségeként határoznak meg.

3.14. ábra - A párolgásmérő kádak típusai

A potenciális párolgást méréssel, illetve számítással határozzák meg. Mérésére nemzetközi szabványok léteznek. Ezt megelőzően meghatározott felületű, vízzel töltött párolgásmérő kádakat használtak a levegő párologtató-képességének a meghatározása. Az éghajlati vizsgálatokra ma egységesen az ún. A-típusú kádat használják, amelynek felülete 1,14 m2 és a benne lévő víz mélysége 25 cm. A kádat fehérre festett állapotban, a talajfelszín fölött kb. 10 cm-re elhelyezve tartják egy arra alkalmas támasztékon. Az A-típusú kád a Meteorológiai Világszervezet (WMO) által elfogadott nemzetközi standard. Hazánkban - a korábbi években - az ún. U-típusú magyar tervezésű Ubell-kád terjedt el, amely a talajba süllyesztve használatos. A kád pereméből 10 cm a talajfelszín fölé nyúlik ki, így az el-, illetve a hozzáfolyás még sok csapadék esetén sem befolyásolja a kád vízszint magasságát. Az A- és az U-típusú kádak vázlatát a 16. ábra szemlélteti. Párolgásmérésre ezen kívül még talajba süllyesztett kádakat, ún. lizimétereket is alkalmaznak. A liziméteredényt talajmonolittal töltik meg, melyet rendszeresen kaszált gyep fed. A kívánt nedvességtartalom folyamatos fenntartása céljából a kádhoz egy kompenzációs rendszer kapcsolódik, amely a kádba folyamatosan és automatikusan pótolja az elpárolgott vízmennyiséget. Ez az ún. Thornthwaite-féle kompenzációs evapotranszspirométer. A mérőrendszerrel azonban csak néhánynapos átlagban nyerhető reális párolgási érték. A Thornthwaite-rendszerű kompenzációs evapotranszspirométer vázlatos szerkezeti felépítését a 17. ábra szemlélteti.


A légköri tényezők szerepe a talajnövény-levegő rendszerben Áttekintve a párolgásmérési lehetőségeket megállapítható, hogy a potenciális párolgás mérése nehezen megoldható feladat a párolgást befolyásoló kritériumok (a párolgó vízfelület állandósága, a kádban lévő víz tisztasága, stb.) állandó értéken tartásának nehézségei miatt. Mindezeken túl a párolgásmérés egyik szigorú kritériuma nem teljesül, amikor főleg a nyári félévben mért párolgás energia-egyenértéke meghaladja a felszínre érkező energia nagyságát, amely az energia-megmaradás elvvel ellentétes. A nyilvánvaló mérési hibát az ún. mikroadvekciós hatás okozza, melyet oázis-effektusnak nevezünk. Lényege abban áll, hogy a párolgásmérőkádat körülvevő száraz terület erősen felmelegszik, a felette kialakuló talajközeli turbulens levegő átnyúlik a párolgásmérő-kád felületére, és nagymennyiségű szenzibilis hőt ad át a kádban lévő víznek, amely felgyorsítja a párolgást. Hasonló helyzet áll fenn talajjal töltött liziméterek esetén is, azonban ott ez a hatás csekélyebb mértékű, és kb. 30%-os többletű mérési hibát okoz. E hiba elhárítása céljából a párolgásmérő-kádat 3-6 m szélességű, öntözött területtel szokás körbevenni. Az oázishatásból származó hiba azonban még ezen a módon sem küszöbölhető ki, csak mérsékelhető. A tapasztalatok alapján vált nyilvánvalóvá, hogy a levegő párologtató-képességének megbízhatóbb módja a számítás lehet. A potenciális párolgás fogalmát és legegyszerűbb számítási módját is Thornthwaite dolgozta ki. A számítás egyszerű és csak a hőmérsékleti adatok szükségesek hozzá, ennek ellenére közelebb áll a valóságoshoz, mint a párolgásmérő-kádaké.

3.15. ábra - A Thornthwaite-rendszerű kompenzációs evapotranszspirométer

A párolgás esetében feltétlenül figyelembe kell venni a felhasználás tér- és időskáláját. A talaj-növény-levegő rendszer alrendszereinek van bizonyos tehetetlensége a környezeti hatásokkal szemben. Az alrendszerek tehetetlenségének a különbsége jelentős. A talaj többhónapos, olykor egy évet meghaladó reakcióidővel válaszol bizonyos hatásokra. A növények reakcióideje jelentősen rövidebb, néhány órás szélsőséges hatás következménye néhány nap után már megjelenhet. Növények esetében napi időskálában kell gondolkodni, pl. az 5-6 nap időtartamú szélsőséges vízhiány, vagy víztöbblet maradandó kárt okozhat. A levegő tehetetlensége percekben, maximum órákban fejezhető ki. Az evapotranszspiráció esetében, amelyben a talaj és légkör hatása együtt jelenik meg, a válaszreakció különböző idő után következik be. Jelentős a különbség a homok és az agyagtalaj párolgása között, mivel a két eltérő fizikai féleségű talaj jelentősen különböző hő- és vízforgalmi tulajdonságokkal rendelkezik. Az időskála megválasztása mindenkor a célkitűzés függvénye. Amennyiben hosszabb időszak vízellátottsága és vízfogyasztása nagyságát kívánjuk becsülni, a néhány napos összegek is kellő részletességű információt szolgáltatnak. Amennyiben a növény párolgási dinamikájának a napi ciklusát elemezzük, olyan módszereket kell alkalmazni, amelyek időfelbontása legalább egyórás. Bárhogyan történik is a párolgás megállapítása műszeresen vagy számítással - eltérő módszerek egyidejű, párhuzamos használata szükséges. A számítások és a módszerek is valamilyen időskálán működnek. A gyakorlatban a napos időlépték terjedt el. A napi dinamika megismeréséhez pedig a perc, illetve órás értékek szükségesek. Nem csak az idő, hanem térskála érvényessége is vizsgálandó. Megállapítható, hogy a vizsgálati eredmények térbeli érvényessége is módszerfüggő. Az általánosan használt területi skálák jelentősen különböznek. A 34 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben legelterjedtebb a lokális skála, amikor a mérési eredmények a vizsgálati helyre vonatkoztathatók és nem extrapolálhatók. Az extrapolációt különböző okok korlátozzák. Elsőként a talaj térbeli különbségét, heterogenitását kell megemlíteni, majd az azzal csaknem egyenlő fontosságú növényzeti különbség hatását. Egyes módszerek a felszíni heterogenitás hatását elhanyagolják. Ekkor ún. területi párolgásról beszélünk, amely nem a talajfelszín és a növénytakaró térbeli különbségéből adódó eltérést mutatja, hanem elsősorban az éghajlati különbségek párolgásra gyakorolt hatását. A területi párolgás meghatározására szolgáló módszerek elsősorban éghajlati adatokra támaszkodnak. Az eredményben megjelenő különbségek csaknem kizárólag éghajlati eltéréssel magyarázhatók. Fontos tudni, hogy melyek a kizárólag éghajlati alapon agronómiai intézkedési javaslatot tevő eljárások. Összefoglalva megállapítható, hogy a párolgási módszereket tér- és időskála szerint kell megválasztanunk. A továbbiakban a legfontosabb párolgás meghatározási elemző eljárásokat ismertetjük.

4.2. A párolgás meghatározási módszerei A potenciális és a tényleges párolgás, illetőleg az evapotranszspiráció meghatározásának számos módszere ismert. A választék széles lehetősége azonban óvatosságra int, mert a különböző módszerek eltérő határfeltételekkel alkalmazhatók. Bármelyik módszert alkalmazzuk, a legkisebb hibájú eredményt nagy kiterjedésű és homogén vonatkoztatási felületre kapjuk. Ekkor ugyanis a talaj-növény-levegő rendszeren belül a vertikális mozgások dominálnak, és az oldalirányú hatások - a növénytakarót fedő légköri határréteg keveredése - elhanyagolhatók lesznek, vagyis a vertikális vízgőzáram intenzitás főként a talaj vízkészletétől és a növényi vízforgalomtól függ. Az alábbiakban bemutatására kerülő módszerek nem túlzottan bonyolultak.

4.2.1. Blaney-Criddle-módszer A módszer tapasztalati elgondolásra épül. A potenciális evapotranszspiráció értékét a Thornthwaite-féle, rövid gyeptakarójú evapotranszspirométerrel kell meghatározni. Folyamatos vízellátás esetén a referenciafelszínről bekövetkező evapotranszspiráció potenciálisnak tekinthető. A néhány négyzetméternyi felületről történő párolgás néhány napos összege csak közelítő pontosságú párolgásmérést tesz lehetővé, az oázishatás csökkentése érdekében 4-5 m távolságig nedvesen tartott környezetben. Feltételezzük, hogy a távolabb felhevült és száraz környezet már nem növeli a kádpárolgást, és a mért vízfogyasztás ezáltal a potenciális ET0 . A különböző növényfajok, fajták potenciális párolgása eltérő. Az eltérés nagyságát a növényállomány sűrűsége, fejlettségi és egészségi állapota és a vízfogyasztást befolyásoló termesztés technikai tényezők, pl. a tápanyagellátottság határozzák meg. A fiatal növények vízfogyasztása jelentősen kisebb, mint a nedves felület potenciális evapotranszspirációja, majd a fejlődés előrehaladtával a víz fogyasztását egyre inkább a növény veszi át. Kísérleti mérések szerint a növényi levélfelület logaritmusával növekszik a transzspiráció. A megállapítás a növényi tömeg szerepét mutatja a növényállomány vízfogyasztásában. A növényállomány tömege és annak szabályozó hatása folyamatosan változik, ezért a módszer kidolgozói egy szorzótényezőt ún. k növényfaktort vezettek be, amellyel a növényi tömeg időszerinti változása leírható. A k-faktor ismeretében felírható a vizsgált növény potenciális evapotranszspirációja:

3.48. egyenlet - A k-faktor ismeretében felírható a vizsgált növény potenciális evapotranszspirációja

3.49. egyenlet - (49.)

A k-faktor tehát fajspecifikus. Összehasonlító mérésekkel kísérletileg állapítják meg, s ebből származik a módszer empirikus jellege. A hazánkban termesztett növényekre és éghajlati feltételekre vonatkozó tényezők értékét az 5. táblázat mutatja be pentádonként a tenyészidőszakra. A k-értékek megadhatók olymódon is, hogy csupán a kezdeti és a teljesen kifejlett állapot k-értékét határozzuk meg, majd a közbenső értékeket logisztikus trendfüggvénnyel interpoláljuk tetszőleges időpontra. A közölt táblázat adatai többéves átlagértékek, amelyek jól leírják a különböző növényfajok vízfogyasztását. Segítségükkel a különböző éghajlatú és talajú területekre a 35 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben szóban forgó növény tenyészidőszak alatti vízfogyasztásának összege, illetve az egyes fejlődési fázisokban a maximális vízfogyasztás határozható meg. Példaként a 18. ábra a kukorica (a) és a cukorrépa (b) a tenyészidőszak alatti teljes maximális vízfogyasztását mutatja.

3.5. táblázat - A "k" növényi állandók evapotranszspirométerrel mért értékei Pentád

Őszi búza

Kukorica

Cukorrépa

Lucerna

április 1

0,24

0,25

2

0,28

0,01

0,27

3

0,33

0,02

0,29

4

0,38

0,04

0,32

5

0,46

0,05

0,36

6

0,57

0,02

0,07

0,42

május 1

0,69

0,03

0,09

0,49

2

0,78

0,04

0,11

0,58

3

0,85

0,05

0,14

0,67

4

0,93 kal.

0,07

0,16

0,78

5

0,96

0,08

0,20

0,50 ka.

6

0,99

0,10

0,27

0,55

június 1

1,00

0,13

0,35

0,61

2

0,99

0,18

0,45

0,67

3

0,97

0,24

0,55

0,75

4

0,93

0,32

0,67

0,84

5

0,84

0,44

0,78

0,98

6

0,77

0,55

0,86 áll.2

0,60 ka.

július 1

0,68

0,68

0,92

0,64

2

0,57

0,82

0,97

0,72

3

0,40

0,94 c.h.

1,00

0,87

4

1,00

0,97

0,93

5

0,97

0,91

0,97

6

0,93

0,86 növ.al.

1,00

1

0,88 t.é.

0,79

0,65 ka.

2

0,82

0,72

0,72

3

0,74

0,63

0,78

4

0,65

0,54

0,84

5

0,57

0,47

0,88

6

0,48

0,40

0,90

1

0,40

0,34

0,92

2

0,30

0,29

0,93

3

0,20

0,25

0,55 ka.

augusztus

szeptember


A légköri tényezők szerepe a talajnövény-levegő rendszerben Pentád

Őszi búza

Kukorica

Cukorrépa

Lucerna

4

0,10

0,22

0,53

5

0,03

0,18

0,51

0,15

0,48

1

0,12

0,44

2

0,08

0,40

3

0,07

0,36

4

0,06

0,31

6 október

5

0,26

6

0,22

Rövidítések: kal. = kalászhányás, c.h. = címerhányás, t.é. = teljes érés, áll.2. = állomány záródása, növ.al. = növekdés megáll, alsó levelek száradni kezdenek, ka. = kaszálás.

3.16. ábra - A kukorica (fehér) és cukorrépa (szürke) vízfogyasztása

A Blaney-Criddle módszer továbbfejlesztett változata is ismert, amelynek alkalmazásával a növénytakaró által felhasznált vízmennyiség a CU (consumptive water use) becsülhető:

3.50. egyenlet - A Blaney-Criddle módszer továbbfejlesztett változata

Ahol: T : a napi középhőmérséklet (dC) c : a relatív nedvességtartalom napi minimumától, a szélsebességtől, és a relatív nedvességtől függő szorzótényező p : a földrajzi szélességtől függő együttható, ami az átlagos napfénytartamot fejezi ki A formulában szereplő (0,46 T + 8) kifejezés a PET átlagértéke, amelyet a c tényező pontosít. A c nomogramját a 19. ábra mutatja. A k növény faktor megállapítását az adott helyre kell megállapítani, mert értéke nem extrapolálható. A Blaney-Criddle-eljárás az empirikus módszerek csoportjába tartozik, s elsősorban a mezőgazdasági vízgazdálkodási számításokban használható. Érvényessége referenciafelülethez kötött.

3.6. táblázat - A lehetséges órákban kifejezett napfénytartam átlagos relatív értéke a különböző földrajzi szélességeken (Doorenbos és Pruitt, 1977)


A légköri tényezők szerepe a talajnövény-levegő rendszerben Észak Jan.

Febr.

Márc. Ápr.

Máj.

Jún.

Júl.

Aug.

Szept. Okt.

Nov.

Dec.

Dél

Júl.

Aug.

Szept. Okt.

Nov.

Dec.

Jan.

Febr.

Márc. Ápr.

Máj.

Jún.

60d

.15

.20

.26

.32

.38

.41

.40

.34

.28

.22

.17

.13

58

.16

.21

.26

.32

.37

.40

.39

.34

.28

.23

.18

.15

56

.17

.21

.26

.32

.36

.39

.38

.33

.28

.23

.18

.16

54

.18

.22

.26

.31

.36

.38

.37

.33

.28

.23

.19

.17

52

.19

.22

.27

.31

.35

.37

.36

.33

.28

.24

.20

.17

50

.19

.23

.27

.31

.34

.36

.35

.32

.28

.24

.20

.18

48

.20

.23

.27

.31

.34

.36

.35

.32

.28

.24

.21

.19

46

.20

.23

.27

.3

.34

.35

.34

.32

.28

.24

.21

.20

44

.21

.24

.27

.30

.33

.35

.34

.31

.28

.25

.22

.20

42

.21

.24

.27

.30

.33

.34

.33

.31

.28

.25

.22

.21

40

.22

.24

.27

.30

.32

.34

.33

.31

.28

.25

.22

.21

35

.23

.25

.27

.29

.31

.32

.32

.30

.28

.25

.23

.22

30

.24

.25

.27

.29

.31

.32

31*

.30

.28

.26

.24

.23

25

.24

.26

.27

.29

.30

.31

.31

.29

.28

.26

.25

.24

20

.25

.26

.27

.28

.29

.30

.30

.29

.28

.26

.25

.25

15

.26

.26

.27

.28

.29

.29

.29

.28

.28

.27

.26

.25

10

.26

.27

.27

.28

.28

.29

.29

.28

.28

.27

.26

.26

5

.27

.27

.27

.28

.28

.28

.28

.28

.28

.27

.27

.27

0

.27

.27

.27

.27

.27

.27

.27

.27

.27

.27

.27

.27

3.17. ábra - Korrekciós tényező (c) a szélsebesség és a relatív nedvességtartalom alapján (Doorenbos és Pruitt, 1977)



4.2.2. Thornthwaite-módszer Tapasztalatból tudjuk, hogy a PET értékét főként a hőmérséklet határozza meg. A Thornthwaite-módszer elsősorban a nagytérségek PET összegeinek megállapítására alkalmas, de nem tükrözi jól a PET levegő nedvességtartalmától való függését.

3.51. egyenlet - A Thornthwaite-módszer

ahol: T : a havi középhőmérséklet (dC) T-E : a hőmérsékleti hatékonyság T-E a különböző éghajlatú területeken más és más értékű. A formulát később Thornthwaite egyszerűsítette:

3.52. egyenlet - A formulát később Thornthwaite egyszerűsítette



ahol: T : a havi középhőmérséklet I : az ún. hőindex A hőindexből az a kitevő a következőképpen határozható meg:

3.53. egyenlet - Az a kitevő meghatározása a hőindexből

3.54. egyenlet - : (54.)

A számítások során nyert potenciális evapotranszspiráció 30 napos hónapokra, illetve 12 órás nappalokra vonatkoznak. További segédtáblázatokat használnak ezért a tényleges értékek kiolvasására. Thornthwaite nomogramokat és segédtáblázatokat állított össze erre a célra. Módszerét csupán azért mutatjuk be, mert igen sok irodalmi forrás hivatkozik arra. Ma már kevesen használják, mert csupán a hőmérsékletet veszi figyelembe, a levegő nedvességtartalmát pedig nem.

4.2.3. Bowen-arány módszer A módszer alaptétele, hogy a felszínre érkező energia 90-95%-a a levegő felmelegítésére és a párolgásra használódik fel. A szenzibilis hő a hőmérséklet szabályos változásában nyilvánul meg, a latens hő pedig a párolgás alapján ítélhető meg. Az alábbi összefüggés érvényes:

3.55. egyenlet - : (55.)

ahol: Rn : a sugárzási energiamérleg G : a talaj által forgalmazott hőmennyiség (ground-flux) H : a levegőnek átadott hőenergia nagysága, a szenzibilis hő LE : a párolgásra fordított energia nagysága L : pedig a párolgási hő (L ~ 2500 kJ/kg, vagy L ~ 250 J/mm/cm2) A fenti alapösszefüggés analitikus változata:

3.56. egyenlet - Azi alapösszefüggés analitikus változata

ahol: b : a levegő sűrűsége, kg/m3 cp : a levegő fajhője állandó nyomáson K : a turbulens diffúziós együttható dT/dz és dq/dz : a hőmérséklet és a specifikus nedvességtartalom magasság szerinti változása K : turbulens diffúziós együttható


A légköri tényezők szerepe a talajnövény-levegő rendszerben K aerodinamikai paraméter a levegő tulajdonságok (hőenergia, vízgőz, CO2, stb) örvénylő mozgású szállítására a felszínre merőleges irányban, a gradiens mentén. Mivel a felszín közeli levegőben a hőenergia és a vízgőz lényegesen több, mint a magasabb légrétegekben, ezért nappal a szállítás felfelé irányul, éjszaka pedig lefelé. A turbulens diffúziós együttható az egyenlet átrendezésével kifejezhető. Ekkor a q specifikus nedvességtartalom helyett az e páranyomás értékét alkalmazzuk:

3.57. egyenlet - A turbulens diffúziós együttható

ahol: p :légnyomás, kPa cp : a levegő fajhője állandó nyomáson, 1n013 kJ kg-1 dC-1 L : a víz párolgás hője, 2n501-2n361 kJ kg-1 Feltételezzük továbbá, hogy a tulajdonságok turbulens diffúziós együtthatója azonos. Vagyis a (K m) mozgásmennyiségre és a többi tulajdonság (H: hő, W: vízgőz) szállítási együtthatójára, fennáll az alábbi egyenlőség:

3.58. egyenlet - A mozgásmennyiségre és a többi tulajdonság (H: hő, W: vízgőz) szállítási együtthatójára fennálló egyenlőség

ahol: K : az univerzális turbulens diffúziós együttható A szenzibilis és latens hő arányát b-val jelölve, a következő összefüggés érvényes:

3.59. egyenlet - A szenzibilis és latens hő arányát b-val jelölve érvényes összefüggés

A b-érték meghatározásához a specifikus nedvességtartalom vertikális gradiensét használják. A K érték analitikus függvényében pedig a de/dz páranyomás gradiens szerepel. A két gradiens helyett a b pszichrometrikus állandót vezették be. A b érték az egyenlet jobb oldali utolsó egyenlősége szerint egyszerűen számítható. A levezetést a b érték számítása érdekében mutattuk be. A b értéket visszahelyettesítve a kiindulási egyenletbe kapjuk:

3.60. egyenlet - A b értéket visszahelyettesítve a kiindulási egyenletbe kapjuk: (60.)


A légköri tényezők szerepe a talajnövény-levegő rendszerben A végformulából világossá válik, hogy a fenti összefüggések segítségével a tényleges párolgás, illetve evapotranszspiráció meghatározása egyszerű, és egyidejűleg a szenzibilis hő-áram is megállapítható. Amikor e folyamatokat kizárólagosan a nap sugárzó energiája tartja fenn, akkor az R n - G/H + LE = 1.0, vagy csak kismértékben tér el attól. Ekkor az energiával el tudunk számolni, tehát az energia megmaradásának törvénye teljesül. A módszer alkalmazása viszonylag nagy pontosságú a rövid idejű folyamatok dinamikájának a leírására, így pl. a párolgás napi menetére. Ez a napi dinamika fontos a különböző növényfajok és agrotechnikai műveletek hatásának elemzésekor.

4.2.4. Penman-Monteith módszer A módszer egyesíti az energetikai, az aerodinamikai és a biofizikai tényezőket:

3.61. egyenlet - Penman-Monteith módszer

ahol: LET : az evapotranszspiráció latens energiaárama (kJ m-2 s-1) Rn : a sugárzási mérleg energiája a felszínen (kJ m-2 s-1) G : a talaj által forgalmazott hőenergia (kJ m-2 s-1) b : a levegő sűrűsége (kg m-3) cp : a nedves levegő állandó nyomáson vett fajhője (kJ kg-1 dC-1) (E-e) : telítési hiány (kPa) rc : a növényállomány ellenállása (s m-1) ra : az aerodinamikus ellenállás (s m-1) b : a telítési páranyomás görbéjének 1 dC-ra eső változása (kPa dC-1) b : pszichometrikus konstans (kPa dC-1) L : a víz párolgási hője (MJ kg-1). A növényállományok átlagos aerodinamikai ellenállása igen egyszerűen becsülhető:

3.62. egyenlet - A növényállományok átlagos aerodinamikai ellenállása

ahol: Rl : a levél napi átlagos sztomatikus diffúziós ellenállása (s m-1) LAI : pedig a levél terület index A sztomatikus diffúziós ellenállás a vízellátottságot fejezi ki. Mivel a sztómák nyitottsága és a talaj nedvességtartalma egymáshoz aránylik könnyű belátni, hogy a talajnedvesség fokozatos csökkenésével a sztómák nyitottsága is csökken, vagyis a sztómákon lezajló vízgőzcsere, lelassul és a vízárammal szembeni ellenállása pedig megnő. Vízhiány okozta stressz esetén a sztómák csaknem zárttá válnak, a gázcsere lelassul, vagyis a transzspiráció minimálissá válik. A levélfelület nagysága különböző módokon becsülhető. Lucernánál és más szántóföldi növényekre is igaz az alábbi tapasztalati összefüggés:

3.63. egyenlet - A levélfelület nagyságának becslése lucernánál és más szántóföldi növényeknél

Ahol: hc : a növényállomány magassága A sztomatikus diffúziós ellenállás becslésére az alábbi tapasztalati összefüggés használható:

3.64. egyenlet - A sztomatikus diffúziós ellenállás becslése



ahol: 2,88 érték a levél terület indexe, abban az esetben, ha a növényállomány magassága 0,12. A növényállomány aerodinamikus ellenállása a turbulens diffúziós együttható reciproka:

3.65. egyenlet - A növényállomány aerodinamikus ellenállása a turbulens diffúziós együttható reciproka

ahol: zm : a szélsebesség mérési magassága zh : a hőmérséklet és a nedvességtartalom mérési magassága k : Kármán-féle állandó (0,41) uz : a szélsebesség a zm magasságban További összefüggések:

3.66. egyenlet - További összefüggések

Az egyenlőségekkel meghatározhatók a főbb aerodinamikai jellemzők (z0: érdességi paraméter, d: 0-pont eltolódási szint, ld. 20. ábra). Áttekintve és értelmezve az összefüggést megállapítható, hogy a Penman-Monteith-féle módszer kombinált eljárás, amelyben energetikai, nedvesség, aerodinamikai és növényi paraméterek szerepelnek. Az egyenlet számlálójának első tagja az energiának, adott hőmérsékletű, hasznosíthatóságát fejezi ki, míg a második tag a nedvességi állapotot jellemzi, a turbulens diffúziós ellenállás, a szélhatás kifejezője, míg az r c/ra g l 1,0 nem egyéb, mint a növény-levegő közötti választófelület diffúziós ellenállása.

3.18. ábra - A szélmező szerkezete a növényállományban



A hányados tehát egy növény biofizikai paraméter, amely a transzspirációhoz viszonyított növényi vízellátottságot fejezi ki. A hányados talajnedvesség tartalomhoz viszonyított értéke nem állandó, hanem kifejezi, hogy a levegő milyen mértékben kényszeríti a növényt transzspirációra. Minél erőteljesebb a légköri, pontosabban mikrometeorológiai kényszer a szükséges talajnedvesség-tartalom annál nagyobb. A Penmannmódszerben egyaránt érvényesül az aerodinamikai és az energetikai hatás, valamint a növényi állapot. S bár a módszer nemzetközileg a legismertebb és a legelfogadottabb, használata sok tényező miatt a gyakorlatban nehézkes. A módszer azonban leegyszerűsíthető anélkül, hogy pontossága lényegesen csökkenne. A leegyszerűsítést elvégezve a következő formulához jutunk:

3.67. egyenlet - A napi párolgás értéke az általánosan elterjedt éghajlati megfigyelések adatai alapján

ahol: U2 : a 2 m magasságban mért szélsebesség T : pedig az átlaghőmérséklet Az egyenletben, az említett értékek behelyettesítésével, nagy pontossággal határozható meg a napi párolgás értéke az általánosan elterjedt éghajlati megfigyelések adatai alapján. Megállapítható, hogy e módszer valamennyi közül a legelőnyösebb és leegyszerűsített alakja könnyen számítógépre is programozható.

4.3. A párolgási ismeret hasznosítása A szántóföldi növényállományok párolgásának, evapotranszspirációjának ismerete nemcsak elméleti, de gyakorlati fontosságú. A szántóföldi növénytermesztés egyik leglényegesebb kérdése, hogy hazánk szárazságra hajló éghajlatán egységnyi tömegű főtermék mekkora vízmennyiséggel állítható elő. A termesztett növényfajták tulajdonságainak javításával, a termesztés-technológia korszerűsítésével területegységenként egyre nagyobb mennyiségű növényi szárazanyagot takaríthatunk be. Míg a 19. század végén néhány kg búza- és kukoricatermést érhettünk el 1 mm-nyi csapadékmennyiséggel, addig az elmúlt évtizedekben különösen a jó 44 Created by XMLmind XSL-FO Converter.

A légköri tényezők szerepe a talajnövény-levegő rendszerben termőképességű talajokon, kedvező évjáratban 20-30 kg/mm vízhasznosulást érhettünk el. Tehát azonos vízmennyiségből közel tízszeres növényi szemtermést, amelyhez a korszerű agrotechnika is hozzájárult. Mindez azt is jelenti, hogy minél jobban és szigorúbban gazdálkodunk a vízzel, annál kedvezőbb a víz hasznosulása. A vízhasznosulás pontos nyomon követése azonban csak akkor érhető el, ha ismerjük a mezőgazdasági tábláról az evapotranszspirációval távozó víz mennyiségét. E tekintetben az egyes évjáratok között igen nagy különbség lehet, mivel az időjárás által biztosított csapadékmennyiség rendkívül változó. Általános, hogy a kedvező évjáratokban az egységnyi vízfogyasztás nagy szárazanyag-produkciót eredményez. Kedvezőtlen évjáratokban a vízhasznosulás is kedvezőtlen.

3.7. táblázat - Vízhasznosítási tényezők Magyarországon az 1970-79 időszak termései alapján (kg/mm) Búza

Kukorica

Kedvező

Kedvezőtlen

Kedvező

Kedvezőtlen

12.4

7.4

17.5

16.4

A táblázati adatok szerint a búza esetében a kedvezőtlen hatás főként a kis termékenységű talajokon csökken, míg a kukorica esetében ez a hatás nem jelentős. Ennek oka az lehet, hogy a szélsőségesen kedvezőtlen területeken kukoricatermesztés nem folyik, vagyis a termesztés főként a jó vízgazdálkodású talajokon történik, amit az országos átlagok is tükröznek. A 21. ábra grafikusan szemlélteti a búzatermés és a vízhasznosítás kapcsolatát homok-, agyag- és vályog fizikai féleségű talajokra. Az ábrán látható, hogy a vályog talajokon a vízhasznosítási tényező a 40 kg/mm érték körüli, míg a gyenge termőképességű talajokon csak 3-5 kg/mm közötti. Ez is mutatja, hogy a vízellátottság hazánkban rendkívül fontos tényező.

3.19. ábra - A búza termése és a vízhasznosítási tényező kapcsolata


4. fejezet - A növény szerepe a talajnövény-levegő rendszerben 1. A fitometria alapjai A növényi szervek mennyiségi jellemzésére a fitometria eszköztárát alkalmazzák. A szervméret és a szervméret arány faj- és fajtajellemző, melyet a környezeti feltételek és hatások módosítanak. A fitometriai jellemzők a társulás, vagy az állományok egyedei közötti kölcsönhatásokat, pl. a konkurenciát környezeti tényezőként tükrözik. A fitometriai értékek a növényegyed morfológiáját is jellemzik. A növénytársulás és/vagy állomány fajdiverzitása minőségi, míg a növényegyedek fitometriai mérőszáma mennyiségi jellemző. A fitometriai jellemzők a növényi életritmus leírását is lehetővé teszik. Jellemzik továbbá az egyed, vagy a társulás tömegváltozását és fejlődésdinamikáját. A fitometriai jellemzők a különböző ökofiziológiai folyamatok alakulásáról, vagy azok rendkívüli állapotáról is tájékoztatnak. A fitometriai mérőszámoknak reprezentatívnak kell lenniük. A reprezentativitás, a fitometriai jellemzők statisztikai valószínűségét jelenti. A növényállomány, vagy populáció egyedekből áll, ezért minden fitometriai jellemző szórása eltérő. A reprezentativitás tehát a fitometriai tulajdonság szórását, vagy hibáját fejezi ki. A fitometriai tulajdonságok variabilitása főként környezeti okokra vezethető vissza.

2. A növényfenológia paraméterei A növények nemcsak elterjedésükkel alkalmazkodnak a környezeti feltételekhez, hanem növekedésükkel, fejlődési ciklusaikkal és produktivitásukkal is. A növekedési és fejlődési ciklusok tehát a környezetre jellemző módon alakulnak. Az életritmus azonban a növények örökletes tulajdonsága. A környezet variabilitása időben változó és területileg különböző. Ennek következtében a növényi produkció mennyisége és minősége tenyészidőszakonként és helyről-helyre is változik. A jelenség a növényi terméselemzésekben kap fontos szerepet. A környezet hatása nem csupán a növényi életfolyamatokban, hanem annak külső megnyilvánulási formájában is felismerhető. K. von Linné természettudományos alapokra építve és leegyszerűsítve közölte (Philosophia Botanica, 1751) felismerését. Linné szerint, a növény fejlődése különböző szakaszokra bontható és valamennyi szakasz kezdetét új szerv megjelenése jelzi. Az új szerv jól azonosítható, pl. a virágzás kezdete, az új szárcsomó képződése, stb. Az új növényi szerv megjelenésének ideje az egyedfejlődést, és a fejlődési ciklusokat is jól jellemezi. Vizsgálatuk csupán fenológiai megfigyelést igényel és bárhol elvégezhető. A fejlődési szakaszok elkülönítése külső jegyek alapján történik, amiket fenológiai szakaszoknak, vagy fázisoknak nevezünk. A fenológiai fázisok tehát a növény egyedfejlődését jellemzik, ugyanakkor azonban nem fejlődési szakaszok. A fenológiai szakaszok összessége viszont a növény vegetációs időszakát adja. Az egyéves szántóföldi növények vegetációs időszaka a vetéssel, vagy a kiültetéssel kezdődik, befejeződése pedig a betakarítással, amely azonban nem a vegetációs időszak vége. A vegetációs periódus alatt az 5dC-s napi átlaghőmérséklet feletti időszakot tekintik. A vegetációs időszak hossza hazánkban 220-260 nap, amely az ország déli, délkeleti területein kezdődik a legkorábban (március 10.15.) és az ország északi, északkeleti területein tart a legtovább (október 20.-30.). A fenológiai fázisok növényenként, illetve növénycsoportonként különbözőek. Kalászos növények esetében a fenológia fázisok: • vetés - kelés, • kelés - bokrosodás, • bokrosodás - szárba indulás, • szárba indulás - kalászhányás, • kalászhányás - virágzás, • virágzás - érés.


A növény szerepe a talaj-növénylevegő rendszerben Az önmegtermékenyítő kalászosoknál a virágzás és az önmegtermékenyítés is a kalászhányás előtti időben zajlik le, így ezeknél a növényeknél csak kalászhányás-érés fázisról beszélünk. Az érésnek több szakasza ismert, pl. tejes érés, viaszérés, teljes érés. A kukorica fejlődési fázisai: • vetés - kelés, • kelés - 5 leveles állapot, • 5 leveles állapot - címerhányás, • címerhányás - nővirágzás, • érési szakaszok. Cukorrépa: • vetés - kelés, • kelés - intenzív levélképződés kezdete, • gyökérfejlődés - gyökérérettség. Napraforgó: • vetés - kelés, • kelés - szárba indulás kezdete (2 levél), • szárnövekedés kezdete - virágzás, • virágzás - érés. A fenológiai fázisok tartamának hosszában a különböző meteorológiai elemek, így a hőmérséklet, a csapadék és a napsugárzás játszanak kiemelt szerepet. A fázistartam és a környezeti tényezők között hiperbolikus, vagy parabolikus jellegű összefüggés áll fenn. Az összefüggés alapján a fázistartam a környezeti tényezők alapján becsülhető. A fázistartamot az alsó és a felső ekvivalensek határolják, közöttük az optimális feltételek tartománya helyezkedik el. Az ekvivalensek a szélsőséges helyzetek értékét mutatják, amely feltétel esetén már a növényi életfunkciók károsodnak és a fejlődés, illetve a növekedés megszűnik, például szélsőségesen alacsony, vagy magas hőmérséklet, hosszan tartó nagyon kicsi, vagy nagy talajnedvesség-tartalom esetén, stb.

4.1. táblázat - A termesztett növények bázishőmérsékletei Őszi búza

1-2°C

Len

3-5°C

Őszi rozs

1-2°C

Lucerna

5-6°C

Árpa

1-2°C

Kender

6-8°C

Tavaszi búza

1-2°C

Burgonya

7-8°C

Zab

1-2°C

Kukorica

8-10°C

Lóhere

1-2°C

Köles

8-10°C

Bükköny

1-2°C

Szója

10-12°C

Répa

1-2°C

Dohány

10-12°C

Borsó

1-2°C

Tök

12-13°C

Lencse

2-3°C

Rizs

12-14°C

Mák

2-3°C

Káposzta

12-14°C

Retek

2-4°C

Uborka

13-15°C

Hagyma

3-4°C

Paradicsom

14-16°C


A növény szerepe a talaj-növénylevegő rendszerben Sárgarépa

Görögdinnye

3-5°C

Napraforgó

15-17°C

Sárgadinnye

A növények hőigényét általában a napi középhőmérséklet vegetációs periódusra, vagy fejlődési fázisokra képzett összegével fejezik ki. A hőösszeg számítását de Candolle az 1860-as években vezette be. A növények biológiai értelemben vett hőmérsékleti nulla-pontja az ún. bázishőmérséklet, amelynél a növényi élettevékenység megindul. A bázishőmérséklet fajspecifikus és növényenként változó, vagyis a növények hőigénye különböző. Figyelembe kell azt is venni, hogy eltérő éghajlatú területeken a bázishőmérséklet azonos növényfajra is különbözhet. A bázishőmérséklet a tenyészidőszak alatt sem állandó, értéke - bizonyos határok között - ingadozik. A bázishőmérséklet alapján számított hőösszeg és a fenológiai fázistartam közötti reciprok összefüggés a következő:

4.1. egyenlet - A bázishőmérséklet alapján számított hőösszeg és a fenológiai fázistartam közötti reciprok összefüggés

ahol: N : a fázistartam napokban T 0 : a napi középhőmérséklet Tb : a bázishőmérséklet b : a növényre és a fenológiai fázisra jellemző állandó A klimatikus tényezők a növény fejlődésére gyakorolt hatásukat együttesen fejtik ki. A környezeti hatás kimutatására különböző indexeket dolgoztak ki. A radiotermikus index hőmérséklet mellett a besugárzás hatását fejezi ki:

4.2. egyenlet - A radiotermikus index

ahol: G : a t időtartam alatt a globálsugárzás összege A radiotermikus index és a fázistartam közötti összefüggés:

4.3. egyenlet - A radiotermikus index és a fázistartam közötti összefüggés

ahol: A értéke búzára 531-963 b értéke búzára 0,64-0,82 A statisztikai elemzések szerint a számított fázistartam számított és mért értéke jó egyezést mutat (r g 0,9). A fototermikus index hőmérséklet és a napfénytartam együttes hatását fejezi ki:

4.4. egyenlet - A fototermikus index


A növény szerepe a talaj-növénylevegő rendszerben

ahol: NF : a t időtartam napfényes óráinak a száma A hősugárzás n fény kapcsolat elemzése érdekében célszerű a radiotermikus és a fototermikus index egyidejű meghatározása. A fázistartam alakulásában a talajnedvességet meghatározó csapadék és hőmérséklet viszonya fontos szerepet játszik. A két tényező együttes hatását a hidrotermikus index-el fejezik ki:

4.5. egyenlet - A hidrotermikus index

ahol: Cs : az időszak csapadékösszege (mm) A nevezőben a bázishőmérséklethez számított hőmérsékleti összeg szerepel, amelynek értéke az éghajlattól és a növény igényétől függően széles határok között változik. Minden növény csaknem minden fejlődési fázisának van egy optimális hő- és vízellátottsági viszonyszáma. A növényi produkció optimális csapadék és hő arány esetén a hidrotermikus indextől parabolikusan függ.

3. A fenometria Az élőszervezeteket jellemző mérőszámokat fenometriai mérőszámoknak nevezzük. A fenometriai mérőszámok idősora az élőszervezeti tulajdonság dinamikáját és fenofázis alatti állapotváltozását tükrözi. Néhány fontos fenometriai jellemzőt ismertetünk a következőkben. Növényi tömeg (fitomassza): A növényi szervesanyag (fitomassza) területegységre eső tömege (kg/m2, t/ha), ami fajra, fajtára, fejlődési állapotra és termesztés technológiára jellemző érték. A fitomassza idő- és térbeli változása elsődlegesen genetikai tulajdonság, de alakulását az ökológiai feltételek (talaj, klíma), az agrotechnikai beavatkozások és az állományjellemzők is jelentősen módosítják. A növényi tömeg az állománysűrűséggel szabályozható. Abban az esetben, ha a növényállomány egyedeinek életképesség (vitalitás) különbsége jelentős, az állománysűrűség csak egy határig növelhető. Az állománysűrűség egy másik korlátja, hogy minden növényegyed meghatározott talaj- és levegőtérben, térfogatban fejlődik optimálisan. A zöldtömeg területi eloszlása nem homogén. Az inhomogenitás a talaj heterogenitásából, a vetés egyenlőtlenségéből és/vagy a vetőmag csírázóképességének a variabilitásából adódik. A növényi biomassza egyenlőtlen eloszlására hatással van a feltalaj mozaikszerű talajnedvesség- és felvehető tápanyagtartalma is. A fitomasszatömeg az egyed fejlődése során jellemzően alakul. Rendszerint az alábbi tömegformákat különböztetik meg: • zöldtömeg, • szénaérték, • szárazanyag-tömeg.


A növény szerepe a talaj-növénylevegő rendszerben A zöldtömeg a növények nagy víztartalma következtében tág határok között változik, különösen a nagy vízigényű fajok esetében. A fiatal növények zöldtömeg nedvességtartalma 70-85% közötti, mely a szervképződés (morfogenezis) megindulását követően fokozatosan csökken, de továbbra is jelentős marad. A lényeges nedvességcsökkenés a generatív fejlődés második szakaszában, az érés során következik be. A generatív fejlődés virágzást követő szakaszában a nedvességtartalom csökken, jóllehet ekkor a legnagyobb a növény vízigénye és vízfogyasztása. A zöldtömeget ezért nem a növényi biomassza megállapítására használják, hanem a vízellátottság kifejezésére. Minthogy a levélzet nedvességtartalma változik a leginkább, a zöld levéltömeg és felület hányadosát használják a növény nedvességállapotának a jellemzésére (succulencia-fok, SF):

4.6. egyenlet - A zöld levéltömeg és felület hányadosa használható a növény nedvességállapotának a jellemzésére

Az SF érték bármely növényi szervre számítható, de a referencia mindig a levélfelület. A succulencia-fok széles határok között változik. Értéke akár óráról-órára is jelentősen megváltozhat a környezet állapotától, elsősorban a talaj és a levegő nedvességtartalmától, valamint a szélsebességtől függően. Szénaérték: A szénaérték használata csupán szűkebb körben terjedt el, elsősorban rétek és kaszálók biomasszájának a becslésére. A szénaérték a 14%-os nedvességtartalomra számított zöldtömeg. E módszerrel becsülhető a különböző növényfajokból álló növénytakaró tömege. Szárazanyag-tömeg: A növényi szervek tömegének legmegbízhatóbb jellemzője. Idősora, vagy területegységre vonatkoztatott értéke a biomassza nagyságát is jellemzi, pl. 5,76 kg/m2 hónap, stb. Esetenként előfordul, a relatív tömegarány, mint szárazanyag % használata is:

4.7. egyenlet - Szárazanyag%

A növényfejlődés dinamikáját legbiztosabban a szárazanyag-tömeg jellemzi, minthogy annak nagysága és időbeli változása növényfajra, fajtára, fejlődési állapotra és az ökológiai feltételekre is jellemző. A szárazanyagtömeg a növény egészére, vagy egyes szerveire is vonatkozhat (g/növény, vagy g/szerv). A szárazanyag-tömeg meghatározása szárítás után történik. A friss zöldtömeget 90dC-on elektromosan fűtött szárítószekrényben tömegállandóságig, azaz 2-3 napig szárítják, majd tömegméréssel határozzák meg az abszolút és - a zöldtömeghez viszonyított - relatív szárazanyag-tömeget. A szárítószekrényből kiemelt szárazanyagot a levegőben lévő vízgőz megkötése által okozott hiba csökkentése érdekében célszerű a mérlegelésig exikátorba helyezni. A kiszárított minta nedvszívó (higroszkópos) és a levegőből - a hőmérséklettől függően - jelentős mennyiségű vízgőz lekötésére képes. A levegő páratartalma, relatív nedvességtartalma és hőmérséklete kapcsolatát az 9. táblázat szemlélteti:

4.2. táblázat - A levegő nedvességtartalmon (g/kg) °C

víztartalma

100

különböző

hőmérsékleten

80

60

40

relatív nedvességtartalom % 10

7,63

6,10

4,58

3,05

15

11,45

9,16

6,40

4,27

20

14,69

11,75

8,81

5,58


és

relatív

A növény szerepe a talaj-növénylevegő rendszerben °C

100

80

60

40

relatív nedvességtartalom % 25

20,1

16,1

12,06

8,04

30

28,17

21,74

16,31

10,87

A specifikus nedvességtartalom számítására az alábbi összefüggés szolgál:

4.8. egyenlet - A specifikus nedvességtartalom

ahol: e : a páranyomás, mbar p : a légnyomás mbar-ban A minta tömege akkor tekinthető reprezentatívnak, ha meghatározott léghőmérsékletre és relatív nedvességtartalomra vonatkozik. A mezőgazdasági gyakorlatban használatos a légszáraz tömeg, amelynek értéke a levegő mindenkori hő- és nedvességállapotától függ. A légszáraz tömeg higroszkóposságával arányosan függ a levegő nedvességállapotától. A légszáraz tömeg a szárazanyag-tömegnél mindig nagyobb.

4.3. táblázat - A növényi szervek nedvességtartalma Növényi szerv Gabona és (raktározott)

magja 13%

Olajnövények magja (raktározott) Csöves levéllel)

Szárazanyag

Nedvesség hüvelyesek

87%

8%

92%

kukorica

(csoburkoló 36%

64%

Kukoricaszár (zöld)

35%

65%

Cukorrépa levél (zöld)

76%

24%

Cukorrépafej

75%

25%

Takarmányrépa gyökér

88%

12%

Lucerna virágzás elott

76%

24%

Füves here

74%

26%

Burgonyaszár

77%

23%

Réti széna

14%

86%

A növényi termés -az ún. gazdasági termék - a technológiai éréskor és a betakarításkor nedvesebb, mint tárolási állapotban. Mind a főterméket, mind a mellékterméket a tárolás előtt szárítják. A szárítás természetes, vagy mesterséges úton történhet. A növények víz és szárazanyag aránya jellemző érték és minőségi mutató is egyben (pl. a búza sikéresedési sebessége; a cukorrépa cukortartalma; a napraforgó olajtartalma; a kukorica fehérjetartalma és fehérje-összetétele). A termésminőségre tehát a növényfejlődés ökológiai feltételei közvetlen és közvetett módon is hatnak. A közvetlen hatás a növény állapotát, a közvetett hatás pedig az állapotváltozásokon keresztül a termés mennyiségét és minőségét alakítja. A növényállomány teljes szervesanyag készletét primér produkciónak (PP) nevezik. Minél nagyobb a primér produkció, annál nagyobb az illető faj, vagy fajta asszimilációs teljesítménye. A szárazanyag felhalmozódás dinamikájának jellemzésére a relatív növekedési ráta (RGR: relative growth rate) szolgál:

4.9. egyenlet - A relatív növekedési ráta 51 Created by XMLmind XSL-FO Converter.


A növényi biomassza időegységre eső (W1-W0) tömegváltozása növekedési függvénnyel írható le:

4.10. egyenlet - A növényi biomassza időegységre eső (W1-W0) tömegváltozása növekedési függvénnyel írható le

A növekedési függvény a növényi levélfelület és tömeggyarapodás időben exponenciális alakulását feltételezi. A kitevőben lévő szorzótényező:

4.11. egyenlet - A növekedési függvény a növényi levélfelület és tömeggyarapodás időben exponenciális alakulását feltételezi. A kitevőben lévő szorzótényező.

ahol: x0 és x1 a levélfelület (A), vagy a biomassza (W) kezdeti és végső értéke. A 76. egyenletben a relatív növekedési arány (RGR) a termőhely klimatikus hatásait fejezi ki. A k kitevő a növekedési sebességet, a levélfelület és a biomassza-növekedés időbeli lefutását állítja be. A szárazanyag felhalmozódás dinamikája a tenyészidőszakban, a hazánkban termesztett növényekre, logisztikus függvénnyel írható le. Az S-alakú logisztikus függvény a következő alakú:

4.12. egyenlet - A szárazanyag felhalmozódás dinamikája a tenyészidőszakban I.

4.13. egyenlet - A szárazanyag felhalmozódás dinamikája a tenyészidőszakban II.

A logisztikus növekedést természetes alapú exponenciális függvény írja le. Az Y0 a kezdeti Y1 a középső időszakbeli és Y 2 az időszak végi növénytömeg. Az Y1-Y0 , illetve az Y2-Y1 időtartama azonos. Ismert, hogy a növényállomány biomasszája a tenyészidőszak végén - éréskor - kismértékben csökken. A biomassza csökkenés


A növény szerepe a talaj-növénylevegő rendszerben elhanyagolható, azonban a terméselemzéskor a csökkenés mértéke figyelembe veendő. A 22. ábra a kukorica szárazanyag gyarapodását a növényi szervek tömegét is feltüntetve mutatja be.

4.1. ábra - A kukorica növekedési görbéje

A mezőgazdaságban a primér produkción kívül a maximális szárazanyag-produkció (PPmax) is használatos. A PPmax-ban a növényfaj tulajdonságokon kívül az ökológiai feltételek is kifejezésre jutnak.

4.4. táblázat - A termesztett növények maximális szárazanyag-produkciója és harvest indexe Növény

PPmax (kg m-2 év-1)

Harvest index

Rizs

2-5

0.4 - 0.55

Búza

1-3

0.25 - 0.45

Árpa

1-2

0.32 - 0.5

Gyep

2-3

0.7 - 0.8

Cukornád

6-8

0.85

Kukorica (trópus)

3-5

-

Kukorica (mérs.égh.)

2-4

0.40 - 0.88

Lucerna

1-3

-

Szójabab

1-3

0.30 - 0.35

Cukorrépa

2-3

0.45 - 0.67

Burgonya

2

0.82 - 0.86

C3 - fűfélék

C4 - fűfélék

Egyéb növények:

A 11. táblázat átlagértékei jó áttekintést nyújtanak arról, hogy a termesztett növényfajták genetikai potenciálja az ökológiai erőforrásokat milyen mértékben használta ki. A növények biomassza-produkciós értékei az agroökológia és a növényi biomassza növekedését leíró termésszimulációs modellek fontos paraméterei.

3.1. Levélzet A növény föld feletti zöld- és szárazanyag-tömegének jelentős hányadát a levélzet alkotja. A levélfelület a növényfejlődés fontos tényezője. A levélzet nyeli el egyrészt a fotoszintézishez szükséges napenergiát, másrészt a gyökér által felvett növényi tápanyagokat, - pl. a fotoszintézis szabályozásában fontos szerepet játszó nitrogént 53 Created by XMLmind XSL-FO Converter.

A növény szerepe a talaj-növénylevegő rendszerben - halmozza fel. A levelekben zajlik a fotoszintézis során képződő asszimiláták átalakulása. Az asszimilátumok egy részét a levélzet tárolja, más része a főtermékben halmozódik fel. A levelek a környezeti hatások jó indikátorai, ami alkalmassá teszi őket fenometriai mérésekre. A levelek több jellemzője is alkalmas a környezeti hatások kimutatására, amelyek közül leginkább a levélfelület használatos, pl. horizontális és vertikális levélfelület mérete, geometriája, stb. A levélfelület alkalmas az egyedfejlődés és a környezet mennyiségi összekapcsolására. A levélfelület meghatározása látszólag egyszerű. Valójában azonban bonyolult, amelyet az mutat, hogy meghatározására számos módszer alakult ki és terjedt el. Planimetrikus módszer: a levél körvonalát sima papírra átrajzolva, a bezárt terület nagysága planiméterrel mérhető (három ismétlés szükséges). Pontos, de időigényes eljárás. A levelet mm-beosztású papírra rajzolják át, ezt követően a terület nagysága a levélterületre eső négyzetek leszámlálásával mm2-ben megállapítható. A módszer pontos, az eljárás hosszadalmas. Egyenlő vastagságú papírra rajzolva a levél körvonalát, a levélformát közrezáró négyszög tömegéhez viszonyítjuk a kivágott levélformáét. Így eljutunk az alábbi összefüggés alkalmazásához:

4.14. egyenlet - A levélformát közrezáró négyszög tömegéhez viszonyítjuk a kivágott levélformáét

A továbbiak során csupán a levelet határoló négyszög területét határozzák meg a legnagyobb szélesség és a legnagyobb hosszúság alapján, s a kapott területet szorozzák a levélállandóval. A levélállandó megbízható módon nagyszámú ismétlésből számítható ki. Hibaforrás az egyenlőtlen papírvastagság lehet. A levágott leveleket fényérzékeny papírra helyezzük, majd szalmiákszesz feletti térben előhívjuk, így kirajzolódik a levél körvonala. Ezután súlyméréssel, vagy planiméterrel megállapítható a levélállandó. A levélfelület-nagyság megállapításának korszerű módja: a levágott levelet egy olyan érzékelő felületre helyezzük, amely minden mm2-en minimálisan egy detektáló-egységgel rendelkezik. Elektronikus jelátvitel útján a levél képe a képernyőn megjelenik, felületének nagyságát pedig mikroprocesszor számítja, s az eredmény értékét a képernyőn kijelzi. Gyors és pontos eljárás. A levélfelület (LA) megállapítása többek között az alábbi összefüggéssel is lehetséges:

4.15. egyenlet - A levélfelület (LA) megállapítására használható egyik összefüggés

ahol: smax : a levél maximális szélessége hmax : a levél maximális hosszúsága K : fajra és fajtára jellemző osztótényező k : fajra és fajtára jellemző szorzótényező A köztük fennálló összefüggés:

4.16. egyenlet - A köztük fennálló összefüggés

Polster és Reichenbach (1958) a növények leveleit alakjuk szerint tipizálta, és meghatározta K és k értéküket.



4.5. táblázat - Különböző levéltípusok K és k értékei Forma

K

k

A: vese

1,019

0,982

B: nyárs

1,086

0,921

C: hosszúkás

1,167

0,857

D: szív

1,169

0,856

E: nyíl

0,816

1,126

F: kör

1,300

0,769

G: lándzsa

1,528

0,654

H: rombusz

1,635

0,612

A levél osztó- és szorzófaktora - bizonyos növényfajok esetében - a levél méretétől nem függ. Az alábbiakban közöljük néhány köztermesztésben álló növényfaj, fajta nagyszámú mintán megállapított k (szorzó-) tényezőjét:

4.6. táblázat - Különböző növények k-tényezője Kukorica:

0,72-0,74

Cukorrépa:

0,77 (n = 160)

Burgonya:

0,71 (n = 80)

Megfigyelések szerint a LAI és a h magasság között csaknem minden szántóföldi növény esetében szigorú kapcsolat áll fenn, de a kapcsolatot leíró függvény növényfajonként különböző. A 23. ábra a kukorica magassága (h) és a levélfelület nagysága (LAI) közötti összefüggést mutatja be több állomány adatai alapján. A LAI és az állománysűrűség kapcsolatát parabolikus függvény, vagy telítési görbe írja le; eszerint a tőszám növekedésével egy bizonyos határig a LAI is növekszik, majd a tőszám további növekedésével a LAI változatlan marad, vagy fajtól és fajtától függően csökken. A maximális LAI értékek a tenyészidőszak utolsó harmadában, a lassuló növekedés idején alakulnak ki. A levélfelületnek két típusát szokás megkülönböztetni: • aktív levélfelületet • elhalt levélfelületet

4.2. ábra - A kukorica magassága és a levélfelületi index közötti kapcsolat



A teljes levélfelület az aktív és az elhalt levélfelület összege. A kettő aránya a tenyészidőszak folyamán jelentősen változik. A teljes levélfelület maximális értéke (LAImax) a növényfajokra jellemző.

4.7. táblázat - Néhány fontosabb termesztett növény levélterületi indexe Őszi búza

4,5-6,5

Őszi árpa

4,5-6,0

Tavaszi árpa

4,0-5,6

Zab

3,5-5,0

Kukorica

1,8-3,5

Cukorrépa

3,5-6,0

Cukorrépa (öntözött)

5,0-12,0

Lucerna

4,0-8,0

A LAI maximális értékét - a genetikai határok között - számos környezeti és agrotechnikai tényező határozza meg. Környezeti tényezők: a hőmérséklet és a csapadék-ellátottság mértéke a növényi igényhez mérten, valamint a talajjellemzők, így a felvehető tápanyagok mennyisége és aránya; agrotechnikai tényezők: az állománysűrűség, a tápanyagellátás, az öntözés, stb. A LAI nagyon fontos növénytulajdonság, amely egy-egy növényfaj, vagy fajta esetében egyenesen arányban áll a termés mennyiséggel. Ennek ellenére azonban számos egyéb más levél-jellemző érték is ismert. Elsőként a levéltömeg-sűrűség (Leaf Area Density) (m2/m3) említhető. Megjegyezzük, hogy valamennyi szántóföldi növénykultúra levélzetének függőleges irányú eloszlása különböző. A 24. ábra a levélsűrűség eloszlásának különböző típusait mutatja be, amelyek az állomány felépítését, architektúráját jellemzik. Három kategória különíthető el aszerint, hogy a levélsűrűség maximuma az állomány felszínének közelében, középső rétegében, vagy az alsó harmadában helyezkedik el a növényfaj, fajta habitusától függően. A levélsűrűség eloszlás típusát mind az energia, mind pedig az anyagforgalom vizsgálatában figyelembe kell venni. A maximális energiaelnyelés ugyanis abban a rétegben következik be, amelyben a legnagyobb a levélsűrűség. Amennyiben a sugárzásabszorpció számítását végezzük, úgy e három levélsűrűség eloszlási típus elkülönítése nélkülözhetetlen, mert az egységes sugárzáskioltási tényező csak durva becslést tesz lehetővé. A növényállomány levélzetének jellemzésére a kumulatív levélfelület használatos. Meghatározásának módja, hogy az állomány aljától rétegenként összegzett levélfelület adja a teljes levélfelületet. A levélzet rétegek 56 Created by XMLmind XSL-FO Converter.

A növény szerepe a talaj-növénylevegő rendszerben függőleges menti összegzett értéke fejezi ki a levélzet eloszlását. A levélsűrűség rétegenkénti ábrázolása szimmetrikus, vagy aszimmetrikus eloszlásfüggvényt eredményez, míg a kumulatív levélfelület az eloszlás integrálját adja. Mindkét eloszlás jelentős lehet a képződött termés magyarázatában. A növekedés analízisben különböző levéltípusokat különítenek el: • Planofil típus: döntően horizontális levelek. • Erectofil típus: döntően vertikális levelek. • Plagiofil típus: döntően 45d-os inklinációjú levelek. • Extremofil típus: zömében 0d-os és 90d-os levelek jellemzik, így az eloszlás kétmódusú. • Uniform típus: egyenletes eloszlás, minden irány azonos valószínűséggel fordul elő. • Gömbi- szférikus típus: a gömb felületelem eloszlásával egyezik meg. A 25. ábra a fő levéltípusok hajlásszögének eloszlását mutatja. A szántóföldi növények közül a planofil típusú levélzetűek általában vízigényesek, mint pl. a cukorrépa. A szárazságtűrő növények levélzete erectofil típusú. Az erectofil növények levélzete vertikálisan álló és emiatt csupán kisebb mennyiségű sugárzó energiát nyelnek el. Számos növény (így pl. a kukorica) tartozik a plagiofil csoportba. Kalászos növényeink jelentős hányada is a plagiofil csoportba sorolható.

4.3. ábra - A növényállomány levélzetének jellemzése


A növény szerepe a talaj-növénylevegő rendszerben Meg kell azonban jegyezni, hogy tenyészidőszakonként az uralkodó levéltípus eltérő - más levéltípusba tartozó is lehet. Nem ritka, hogy a kezdetben erectofil típusú levélzetű növény a kor előrehaladtával, a levél meghosszabbodásával átmegy plagiofil típusba. Az uniform típus általában az aprólevelű növényekre, pl. lucerna, lóhere a jellemző. A levélzet típusba sorolása egyben az ökológiai igényre is utal. Minél inkább vertikális a levélzet annál nagyobb a növény szárazságtűrő-képessége. A planofil típusú levélzetű növények pedig vízigényesebbek. A levélzet típusa tehát ökológiai igényt is kifejez. A levélzet a hajlásszöge meghatározza a növény energia felvételét.

4.4. ábra - A különböző típusú levelek hajlásszögének eloszlása

A planofil típusú levélzet nagyobb energianyelő képességű. A levélzet függőlegeshez viszonyított hajlásszögét megállapítva a levéltípus eloszlását kapjuk, amely a levélzet jellemezésére alkalmas. Az eloszlásgörbékkel a levéltípusokra jellemző átlagos levélszögek (ALA) határozhatók meg: • erektofil típus: 63,24d • planofil típus: 26,76d • plagiofil, extremofil és uniform típus: 45,00d • gömbi- szférikus típus: 57,30d. A levelek térbeli geometriáját ismerve az elnyelt energia nagyságára nyerhető információ annak ellenére, hogy a beeső sugárzás és a levéllemez egy-egy elemi síkja által közrezárt szög pontról-pontra változik. A levelek geometriáját általában két szöggel szokás jellemezni: • levélállás, vagy inklinációs szög; • azimut szög. A levélállás szöget minden esetben a függőlegeshez viszonyítjuk, amely planofil levélzet esetén a 90d-ot közelíti, de egy-egy levéllemez-rész ennél nagyobb szögű is lehet. Az azimut szög az inklinációs szöggel ellentétben véletlenszerűen alakul. Csupán a keresztes virágúak (Cruciferae) esetén tapasztalható konzekvens horizontális levél elhelyezkedés, mert levél emeletenként mindig 90d-os az elfordulás. Néhány termesztett növény átlagos levélszöge: • búza: 46-50d • rozs: 55-60d • kukorica: 47d • 5 levél átlaga: 46d


A növény szerepe a talaj-növénylevegő rendszerben • 12 levél átlaga: 52d • cukorrépa: 44d • fehérhere: 25d • burgonya: 26d. Abban az esetben, ha minden levél egyenletes inklinációs és azimut eloszlású:

4.17. egyenlet - Levélszög (minden levél egyenletes inklinációs és azimut eloszlású)

Akkor, ha minden levél vertikális irányú és egyenletes azimut eloszlású:

4.18. egyenlet - Levélszög (minden levél vertikális irányú és egyenletes azimut eloszlású)

A levelek horizontális és egyenletes azimut eloszlása esetén pedig:

4.19. egyenlet - Levélszög (a levelek horizontális és egyenletes azimut eloszlása esetén)

A sugárzás és a talaj-növény rendszer kapcsolatában a sugárzás mellett a talaj-, valamint a levélfelület aránya meghatározó. A csupasz talaj és a zöld levél eltérő optikai tulajdonságú, ezért területük aránya az általuk elnyelt energia nagyságára is utal. A talaj-levélfelület arány - adott besugárzási szög esetén - a növénykultúra jellemző tulajdonsága, amely mind a levélfelület nagyságára mind pedig a levelek irány szerinti eloszlására utal. Növényállományokra kvantifikált értékét fedettségnek, vagy százalékos levélborítottságnak nevezik. A növényállomány architektúrájától és a besugárzási iránytól függő biofizikai paraméter azt is megadja, hogy az állomány adott irányra merőleges felületének hány százaléka van árnyékban. A meghatározás a levélborítottságot geometriai valószínűségként értelmezi megadva, hogy az adott irányra merőleges egységnyi felületen mekkora a levélfelületi halmaz területe és megmutatja, hogy azon mekkora valószínűséggel nem jut át a fénysugár. Annak a valószínűsége (P), hogy a fénysugár átjut egy a síkon:

4.20. egyenlet - Annak a valószínűsége (P), hogy a fénysugár átjut egy a síkon

Annak valószínűsége, hogy a fénysugár minden N síkon átjutva eléri a talajfelszínt:

4.21. egyenlet - Annak valószínűsége, hogy a fénysugár minden N síkon átjutva eléri a talajfelszínt


A növény szerepe a talaj-növénylevegő rendszerben Az At talajfelszín terület felett a teljes levélfelület NbAl, a levélfelületi index (LAI):

4.22. egyenlet - Az At talajfelszín terület felett a teljes levélfelület NbAl, a levélfelületi index (LAI) I.

Amit felhasználva:

4.23. egyenlet - Az At talajfelszín terület felett a teljes levélfelület NbAl, a levélfelületi index (LAI) II.

Feltételezve, hogy N .végtelenül nagy:

4.24. egyenlet - Az At talajfelszín terület felett a teljes levélfelület NbAl, a levélfelületi index (LAI) III. (feltételezve, hogy N .végtelenül nagy)

A Pt valószínűséget a szakirodalom időnként rés gyakoriságként (Gap Frequency), máskor áthatolási függvényként (Penetration Function) említi. A levélborítottság (GC) azt a valószínűségét adja meg, hogy a fénysugár nem éri el a talajt. Ez a rés gyakoriság (GF) ellentettje (negáltja):

4.25. egyenlet - A levélborítottság (GC) azt a valószínűségét adja meg, hogy a fénysugár nem éri el a talajt

A fentiekből kitűnik, hogy a sugárzás növényállományon történő áthaladásának mértéke, illetve át nem haladása az állományszerkezettől, a levélzet geometriájától függ. Minthogy a levélzet geometriája pontról-pontra változik, egy kiválasztott talaj menti irányban a fény változó valószínűséggel halad át az elemi levélfelületeken, illetve a levélfelületek közti mezőn. Egy adott ponton a fény áthaladásának a valószínűsége annál kisebb, minél nagyobb szöget zár be a beeső fénysugár a merőlegessel. A fénysugár levélfelületen történő áthaladásának a valószínűsége az optikai úthossz növekedésével csökken, vagyis az extinkció mértéke növekszik. Az eddigiekben azt feltételeztük a megvilágított és árnyékolt felületek arányának állandóságát, ami azonban behatárolja az azokkal összefüggő jellemzők meghatározásának lehetőségét. Tovább nehezíti a meghatározást a levelek nem homogén síkfelszín menti elhelyezkedése, a levélrészek változó inklinációs szöge. Jó példa erre a plagiofil levél, amelynek a levélalapból kiinduló hajlásszöge egyre nagyobb szöget zár be a merőlegessel elérve a 90d-os un. inflexiós pontot, amely a levélcsúcs felé továbbhaladva már 90 és 180d között váltakozik. Ekkor a levélfelületi index sugárzás felfogó felületként már értelmezhetetlen, és helyette annak vízszintes vetületét alkalmazzák. A vetület nagysága azonban a tényleges levélfelületnél kisebb. A különbség mértékét az inflexiós pont által elkülönített két levéllemez rész által közrezárt 180d-nál kisebb szög nagysága határozza meg. A levéllemezt skaláris és vektoriális értékű felületként értelmezve a vetület nagysága az inflexiós ponti szög 60 Created by XMLmind XSL-FO Converter.

A növény szerepe a talaj-növénylevegő rendszerben koszinuszával egyenlő. A domború felületű levelet ilyen módon síkra vetítve behatárolható a levél vízszintes vetülete, amely a sugárzáselnyelő felület. A levélzet vízszintes felülete adja tehát a sugárzásfelfogó felületet, vagyis a LAI annak durva közelítését jelenti. Az eddigiekben csupán a függőleges leképzést tárgyaltuk. Végezhető azonban különböző oldalirányú leképezés is. Általában a horizontális és vertikális leképezést alkalmazzák. A levélfelület irányfüggően - a vízszintesen, illetve a függőlegesen - leképezett levélfelületének a nagysága adja a sugárzásfelfogó levélfelületet különböző azimut-szög esetére. Ezzel a domború, vagy homorú levélfelületre eső energia becslése egyszerűsíthető. A növényállomány-architektúra - azon belül pedig a levélgeometria - összetettségét a levélzet térbeli szerkezete, azaz pontonként változó inklinációs és azimut szöge okozza.

3.1.1. Nyílt és zárt növényállományok A talaj-növény rendszer a látható tartományban a globálsugárzási energia jelentős részét elnyeli. Nagy levélfelületű növénytakaró esetén (e aktív felszín) a levélzet valamelyik szintje, kis levélfelületű növénytakaró esetén, - amelyen a sugárzás szinte akadálytalanul áthatol - a talajfelszín az energiaelnyelő közeg. Ez a különbség a növényállományok sugárzáselnyelés szerinti tipizálását teszi lehetővé. Ha az aktív felszín a levélállomány, akkor zárt, ha az aktív felszín a talaj, akkor nyílt állományról beszélünk. Mivel a nyílt- és a zárt állomány mikroklímájának szinte valamennyi eleme jelentősen különbözik, a két típus elkülönítésére biofizikai és agrometeorológiai paraméterek alapján történik. Megjegyezzük, hogy nem minden különbség vezethető vissza a sugárzáselnyelés különbségeire. A zárt- és a nyílt állományokban mérhető CO2 koncentráció eltérésnek egyik oka csupán a sugárzásmennyiség különbsége, mely a fotoszintézisen keresztül alakítja a CO2 koncentrációt és legalább ilyen fontos az aerodinamikai paraméterek (pl. turbulens kicserélődési együttható, érdességi paraméter, stb.) eltérése. A növényállományban végzett sugárzásmérések alapján elfogadott, hogy egy állomány akkor zárt, ha a levélfelületi index értéke háromnál nagyobb. E meghatározás nem veszi azonban figyelembe az eltérő architektúrájú állományok sugárzásabszorpciójának jelentős eltérését. Célszerű ezért a zártságra statisztikailag megalapozottabb definíciót keresni.

3.1.2. Zárt növényállomány Zártnak tekintünk egy növényállományt, ha a direkt sugárzás 5%-nál kisebb valószínűséggel éri el a talajt, tehát a nyílások gyakorisága (GF) kisebb, mint 0,05. Összefüggés formájában:

4.26. egyenlet - Zártnak tekintünk egy növényállományt, ha a direkt sugárzás 5%-nál kisebb valószínűséggel éri el a talajt, tehát a nyílások gyakorisága (GF) kisebb, mint 0,05

Az összefüggést átrendezve és kritikus levélfelületi index értékére (LAIz-re) megoldva kapjuk:

4.27. egyenlet - Az összefüggést átrendezve és kritikus levélfelületi index értékére (LAI zre) megoldva

Figyelembe véve, hogy k = G / cos J0:

4.28. egyenlet - Figyelembe véve, hogy k = G / cos J0 61 Created by XMLmind XSL-FO Converter.


A korábban (oldalszám, fejezetcím) ismertetett k értékekkel számolt LAI z értékek: • erektofil típusú állományra: 7,0-8,3 • extremofil típusú állományra: 4,5-5,2 • plagiofil típusú állományra: 4,3-4,5 • planofil típusú állományra: 3,3-3,5 • uniform típusú állományra: 4,7 • gömbi- szférikus típusú állományra: 6 Megállapítható, hogy amennyiben LAI értéke háromnál kisebb, egyetlen levélzet típusnál sem beszélhetünk zárt állományról. Azonban a háromnál nagyobb LAI értékű állományok még azonos megvilágítási feltételek mellett sem biztos, hogy zárt állományt képeznek. A növényállomány nyitottsága, illetve zártsága különösen fontos ökológiai paraméter, amely növényállomány sugárzási extinkciós értékét határozza meg. A mesterséges, vagy agrár-ökoszisztémákban az állománysűrűség gyakran szabályozott, ezért a kioltási tényezőjének az értéke a zártságból, illetve az állomány-nyitottságból származó levélsűrűség különbség szerint alakul. A kioltási tényező növekedése csökkenti a növényállományba a sugárzás behatolást, és emiatt a levélsűrűség a vízforgalom szabályozó tényezőjévé is válik. A lényegesen nagyobb energiaterhelésű (kJ/m2) állományrészben a víz leadása és a gázcsere intenzívebbé válik mindaddig, míg valamely tényező a folyamatot nem lassítja, illetve gátolja. Az állomány nyitottságát és zártságát az állománysűrűségen kívül a tápanyagellátás is befolyásolhatja. Kísérletek alapján megállapítást nyert, hogy a nitrogén jelentős mértékben növeli a levélfelület nagyságát és a levéllemez vastagságát, aminek következtében a sugárzáskioltás és az egymást árnyékoló levéllemezek gyakorisága is növekszik. Mindebből következik, hogy a túlzott nitrogénellátottság számos egyéb mellett e formában is káros következményekkel járhat.

3.1.3. Sztómák és funkciójuk A mérsékelt égövi termesztett növények levélmérete rendkívül változó. A levéllemez nagyságáról és alakjáról már az előzőekben összefoglaló áttekintést nyújtottunk. A természetes fajösszetételű növényállományok levélzetéhez képest a szántóföldi növények levéllemeze vékony, de meglehetősen bonyolult szöveti felépítésű növényi szerv. A levelek élettani funkciója igen sokrétű. A következőkben csupán a gázcsereforgalommal kapcsolatos szervtani ismereteket rendszerezzük. A levéllemez vastagsága általában 0.2-0.4 mm, melyben a vízszállító szövetek igen változatosak, de tárgyalásuk nem feladatunk. Kizárólag a levéllemez külső fedőszövetével foglalkozunk, mert e szövetbe ágyazódnak a külső légtér és a növény belső tere összekapcsolására szolgáló tracheák, vagy csatornák, amelyeken keresztül a gázcsere zajlik. A növényállomány vízforgalmában kiemelt fontosságú a levélből a légkörbe irányuló vízgőzáramlást, vagy transzspiráció. A másik fontos gázcsere a széndioxid-forgalom, amely a vízgőz mozgásával ellentétes irányban - a külső légtérből a színtestekhez - szállít széndioxidot, amelyet a növény a fotoszintézis során használ fel. A gázcsere levélmorfológiai képlete a sztóma. A sztóma élettanilag és ökológiailag szabályozott mozgást végez. A sztómamozgás a szubsztomatikus üregek feletti zárósejtek nyílásában, illetőleg záródásában nyilvánul meg. A levél sztómasűrűsége növényfajonként, fajtánként változó. Tápanyag-ellátási kísérletek szerint a sztómasűrűség - viszonylag szűk értéktartományban - módosítható. Az azonos felső és alsó szövettani felépítettségű levéllemez esetén sztómák mindkét oldalon találhatók a bőrszövetben, az ún. epidermiszben. Viszont, ha a levéllemez szöveti felépítése aszimmetrikus, sztómák csak a levéllemez egyik oldalán találhatók. Amikor a sztómák a levéllemez alsó vagy hátoldalán - abaxiális - helyezkedéssel találhatók, a levéllemez felső oldalán - az adaxiális felületen - sztómák nincsenek. Vannak növényfajok, amelyeken a sztómák a levél mindkét oldalán megvannak. A 15. táblázat tájékoztatást nyújt a különböző termesztett növények sztómái elhelyezkedéséről és sűrűségéről.

4.8. táblázat - A sztómák elhelyezkedése és sűrűsége (db/mm2) 62 Created by XMLmind XSL-FO Converter.

A növény szerepe a talaj-növénylevegő rendszerben Növény

Felső oldal

Alsó oldal

Összesen

Őszi búza

60-80

50-75

110-155

Rozs

40-50

50-60

90-110

Árpa

120-140

170-220

290-360

Zab

60-70

60-70

120-140

Napraforgó

85

156

241

Paradicsom

10-20

100-130

110-150

A 15. táblázat szerint a sztómák eloszlása, illetve sűrűsége változó és fontos faji tulajdonság. A sztómamozgások élettani mechanizmusa összetett, amelyben elsődleges irányító szerepet a zárócellák és a szomszédos epidermisz-sejtek közötti turgor-differencia képezi. Amikor a zárócella turgorja növekszik a zárósejtek kinyílnak, turgor csökkenéskor pedig zárulnak. A turgornyítás és zárás tehát aktív iontranszport következtében létrejövő ozmoregulációs folyamat eredménye. Amikor a káliumionok a sztóma körüli cellákból a zárósejtbe szállítódik, a sztómák kinyílnak. A sztóma zárósejtek mozgásában és szabályozásában különböző kationok, illetőleg anionok (pl. Ca, Cl) játszanak szerepet. Az ionmozgásokat fitohormonok szabályozzák. A sztómák nyitása és záródása napszakos jelenség, de azt a növény alkalmazkodó-képessége és fejlettségi állapota is jelentős mértékben befolyásolja. A sztómákra gyakorolt hatások irányítják a CO 2 és a H2O körforgalmát is. A CO2 körforgalomban a sztómákon a növény széndioxid-felvétele történik, míg a fotoszintézis során felszabaduló oxigén is a sztómákon távozik. A gázok mozgásirányát - így a vízgőzét is - a külső és belső parciális nyomáskülönbség határozza meg. A sztóma mozgásdinamikájának alakulásában - az ozmoreguláción kívül - a megvilágítás periódusa is fontos szerepet játszik. Fény hatására - összetett biokémiai reakciók után - a sztóma kinyílik, amelyet fotoaktív nyitódásnak neveznek. A sztómák nyitásában és záródásában a környezeti tényezők is fontos szerepet játszanak. Elsősorban a hőmérséklet és a nedvesség szerepét kell kiemelni. A hőmérséklet hatása parabolikus jellegű, vagyis a hőmérséklet emelkedésével a nappali nyitottság mértéke nő, majd a fajspecifikus, un. optimális hőmérséklet felett a sztómák fokozatosan bezárulnak. A termikus hatás nagyobb relatív nedvességtartalom esetén erőteljesebb, míg alacsonyabb nedvességtartalom mellett a nappali nyitottság már kisebb mértékű. A sztómamozgás közvetlenül hat a nettó fotoszintézisre. Az alábbi táblázat nyújt tájékoztatást a környezeti tényezők sztóma nyitottságra gyakorolt hatásáról.

4.9. táblázat - A környezeti tényezők hatása a sztóma nyitottságára Faktor

Faktorhatás

Maximális nyílás mértéke

PhAR

Növekszik.

Fénytelítettségnél.

Hőmérséklet

A fotoszintézis optimuma felé.

Levegőnedvesség

Növekedés.

90% felett (rel.nedv.).

CO2 - parciális nyomás

Koncentráció-növekedés.

30 Pa-ig.

Káros szennyező anyagok

Koncentráció-emelkedés.

Csak csekély terhelésnél.

hőmérsékleti 15-35oC.

A táblázati adatokból látható, hogy a növény vízforgalmában a levelek sztóma állapota és dinamikája jelentős szerepet játszik. A sztómák szerepe elsősorban a vízleadást szabályozza, mert a vízfelvétel a talajban játszódik le. A növény sztomatikus aktivitása és a transzspirációs vízmennyiség között szoros összefüggés van. A sztómatevékenység jellemzésével az optimális feltételek, továbbá a stressz-helyzetet kialakító környezeti tényezők jellemzése válik lehetővé. Az energiaigényes transzspiráció a sztómazárósejtek alatti szubsztomatikus üregekben megy végbe, ahol a cseppfolyós víz gőz halmazállapotúvá válik és diffundálódik a légtér felé. A levél nedvességállapotának jellemzésére a vízpotenciál értéket alkalmazzák. A levélben a vízpotenciál a következő módon írható fel:

4.29. egyenlet - Vízpotenciál a levélben



ahol: RW : a vízgőz állandó TL : növényi hőmérséklet (e/E) : a növényi szövet vízgőztelítési aránya A talaj-növény-levegő rendszerben a gyökértől a légkör felé - a gyökéren, száron és levélen - a vízpotenciál gradiensek folyamatosan növekszik, ami a víz növényi szerveken keresztüli levegőbe jutását eredményezi. A vízpotenciál értéke a levegőben akár -10000 atm is elérheti. A levél mezofilumában a víz még cseppfolyós halmazállapotú, majd gőzfázisban jut a szubsztomatikus térbe. A halmazállapot-változás energia felhasználással történik. Ettől kezdve a vízgőz mozgás sebességét a vízpotenciál már csak részben szabályozza, a sztómákból kilépő vízgőz terjedési sebességét pedig már tisztán aerodinamikai törvények szabályozzák. A fito- és aerotranszfer folyamatokkal írható tehát le a transzspiráció. A leíráshoz a rendszer nedvességállapotát leíró fizikai mérőszámok és értékek szükségesek. A bonyolult folyamat leírásához egyszerűsítő feltételek is szükségesek. Az egyik egyszerűsítő feltétel az ún. egyenáramú analóg modell érvényességének az elfogadása. Az analóg modell az Ohm-törvényére épül:

4.30. egyenlet - Az analóg modell az Ohm-törvényére épül

ahol: a potenciálkülönbségen vízpotenciál-különbséget értünk, vagy általában olyan tulajdonság gradienst, amely az áramlást, az anyagáthelyeződést fenntartja. Minthogy az anyag áthelyeződéskor különböző ellenállások lépnek fel (súrlódási, hidraulikai, elektromos, stb.), az ellenállás növekedése az áramlás sebességét csökkenti, ezáltal az áramlás, vagy az anyagáthelyeződés:

4.31. egyenlet - Az ellenállás növekedése az áramlás sebességét csökkenti

Az áramlás értelmezésünk szerint a transzspirációt, a vízgőz áthelyeződését, a potenciálkülönbség a vízpotenciál gradiensét, az ellenállás pedig a sztóma nyitottság mértékét jelenti. Minél kisebb a sztómanyitottság, az ellenállás vele arányosan megnő. Ezen az alapon beszélünk sztomatikus diffúziós ellenállásról a sztóma tevékenység aktivitásával kapcsolatosan. A növény vízforgalmi szempontból heterogén felépítésű és sztomatikus ellenállása pontról-pontra változik. A levél vízleadása azonban nemcsak a sztómákon keresztül megy végbe, hanem az epidermiszen át is diffundál csekély mennyiségű vízgőz a levegőbe. Ezt a vízleadást kutikuláris diffúziónak nevezik, és intenzitását a kutikuláris diffúziós ellenállással írják le. Minél kisebb az ozmotikus potenciál, annál nagyobb a kutikuláris diffúziós ellenállás. A sztomatikus és a kutikuláris diffúzió együttesét tekintjük a levél transzspirációs folyamatának, amelyben a kutikuláris vízveszteség csak néhány százalékra tehető. Míg a gyökér vízfelvételének mennyisége és sebessége a gyökér - talaj kölcsönhatás, a vízleadás nagysága és intenzitása pedig a levél és a környező levegő kölcsönhatás függvénye. Ennek értelmében a levél transzspirációja:

4.32. egyenlet - A levél transzspirációja


A növény szerepe a talaj-növénylevegő rendszerben ahol: q : a környezet specifikus nedvességtartalma (g/kg) q v : a sztóma alatti vakuólom specifikus nedvességtartalma (g/kg) rs : a sztómanyitottság mértékét kifejező ellenállás ra: a levél közvetlen környezetében lévő levegő aerodinamikai ellenállása. A levélkörüli ún. aerodinamikus ellenállás a szélsebesség függvényében:

4.33. egyenlet - A levélkörüli ún. aerodinamikus ellenállás a szélsebesség függvényében

ahol: F : a levélfelület v : a szélsebesség (m s-1) A sztomatikus ellenállás számítására szolgáló összefüggés:

4.34. egyenlet - A sztomatikus ellenállás számítására szolgáló összefüggés

ahol: N : a sztómák száma cm2-enként D : a vízgőz diffúziós együtthatója (0,26 cm2 s-1) h : az átlagos hidraulikus sugár I : a diffúziós folyamat hossza (cm) d : az analóg csőhossz (cm) A sztomatikus ellenállás megállapítása nem egyszerű. Általában porometrikus méréssel állapítják meg. Az eddig felsorolt ellenállások mellett még a bőrszöveten keresztüli vízleadás sebességét szabályozó kutikuláris diffúziós ellenállást (rc) szükséges megemlíteni. Értéke a termesztett növényeknél nagy - eléri, vagy meghaladja a több száz s cm-1 értéket:

4.35. egyenlet - A kutikuláris diffúziós ellenállás

ahol: q : a vízgőz-koncentráció q'c és q'0 : a telítettségi nedvességtartalom a sztóma nélküli felület hőmérsékletén Tc : a felület transzspirációja A jobb oldali második tag a teljes nedves növényi felületre vonatkoztatott transzspiráció. Említést érdemel a sztómák alatti terek sejtfalának diffúziós ellenállása (rw ), valamint a sejtfalak és a szubsztomatikus tér közötti ellenállás (ri ), amelyek a vízpotenciálok hányadosával arányosak. A növény transzspirációját meghatározó teljes rl ellenállás az alábbi összefüggéssel írható fel:

4.36. egyenlet - A növény transzspirációját meghatározó teljes rl ellenállás

Az összefüggésben szereplő diffúziós ellenállás értékek tág határok között változnak. A 17. táblázatban közöljük a különböző ellenállások értékeit. Minthogy a különböző ökológiai feltételekhez alkalmazkodott növények diffúziós ellenállása jelentősen eltér, a szárazságtűrő (xerofita) és a mérsékelt vízigényű (mezofita) növénycsoportokra jellemző értékek tartományát adjuk meg. 65 Created by XMLmind XSL-FO Converter.


4.10. táblázat - A főbb diffúziós ellenállások közelítő értékhatárai Légkör diffúziós ellenállás

10,0-1000,0 s m-1

Sztomatikus diffúziós ellenállás

5,0-1200,0 s m-1

Kutikuláris diffúziós ellenállás

3000,0-30000,0 s m-1

A növényi diffúziós ellenállások közül a sztomatikus ellenállás értéke a xerofiták a mezofiták esetében is viszonylag kicsi és így nem akadályozza a vízleadást. Ez azonban csak akkor van így, ha a talaj felvehető vízkészlete a transzspirációt csak kismértékben korlátozza. Gardner és Slatyer (1965) szerint a talaj kapilláris potenciája (ψt) és a levél vízpotenciájának (ψl) különbsége, valamint a talaj és a növény diffúziós ellenállásának (Rt, Rn) összege reprezentálja a növény vízellátottságát:

4.37. egyenlet - A növény vízellátottsága

ahol: Rt : a víz gyökér irányú mozgása hidraulikai feltétele Rn : a növényi vízszállítás mértéke. Minél kisebb a két ellenállás összege, annál jobb a vízellátottság. Az ellenállások változásának szabályos napi menete van. Sokrétű vizsgálat bizonyítja, hogy a délutáni órákban a levélellenállás jelentős mértékben növekszik. Amennyiben a talaj nedvességtartalma megfelelő, az ellenállás-növekedés csak a késő délutáni órákban következik be. Ha a talaj száraz és az ellenállás a kora reggeli órákban még minimális 0,2-0,8 [s m-1] értéke a délutáni napszakban már a sokszorosára emelkedik. A fenti összefüggések alapján látható, hogy a növényállományok sztomatikus diffúziós ellenállását célszerű megállapítani. Nem a növényegyed, hanem a növényállomány diffúziós ellenállása alkalmas a növényállomány vízforgalmának jellemzésére. A növényállomány és a légkör közötti kölcsönhatás és a vízellátottság kifejezésére az ún. állomány-ellenállás (Canopy Resistance) használatos, amelyet Monteith vezetett be 1963-ban:

4.38. egyenlet - Az állomány-ellenállás

ahol: rc : az állomány-ellenállás, s m-1 ρ : a levegő sűrűsége, kg m-3 cp : a levegő állandó nyomáson vett fajhője, J kg-1 K-1 γ : pszichrometrikus állandó, Pa K-1 ew : T0 felszín hőmérséklethez tartozó telítettségi páranyomás, Pa e0 : a levegőben mért páranyomás, Pa LE : a transzspiráció energia-egyenértéke, J m-2 s-1 Ezen a módon jellemezhető legegyszerűbben és fizikailag a legmegalapozottabban a sztómarendszer állapota és állapotának időbeli dinamikája. Az utóbbi időben az ellenállás reciprokát is alkalmazzák a sztómatevékenység jellemzésére, melyet konduktanciának (m s-1) neveznek. A konduktancia fejezi ki, hogy a sztómák nyitottsága milyen mértékben segíti elő a széndioxid beáramlást, illetve a vízgőz kiáramlást. A 26. ábra különböző ökotípusú fajok diffúziós ellenállását, illetve konduktancia-értékét mutatja be az ökológiai tényezők szerint.

4.5. ábra - Különböző növényfajok levélzete sztómarendszerének diffúziós ellenállása illetve konduktanciája



3.2. Gyökér A növényi gyökérzet feladata kettős: • a növényi életfunkciókhoz a szükséges vízmennyiség talajból történő felvétele • a tápanyagok felvétele Bár a víz- és a tápanyagfelvétel mechanizmusa nem azonos, a két folyamat nem elválasztható. A gyökérzet alapvető mechanikai feladatot is ellát azáltal, hogy a növényt a talaj felett megtámasztja. A szántóföldi növények gyökérzetét kiterjedésük mélysége alapján sekély, közepes és mély gyökérzetet különítenek el. Ez a csoportosítás egyben a törzsfejlődés folyamán kialakult és genetikai tulajdonsággá vált növényi vízigényt is tükrözi. Az egyéves növények gyökértípusai között nincsenek éles különbségek, mert a gyökerek a transzspirációhoz szükséges vízfelvételt biztosítása érdekében a nedves talajzónát sűrűn átszövik. A talajban a víz elsősorban a kapilláris erőkkel kötötten található. A talajban a kapilláris potenciálú vízmennyiség a kapilláris méretű - átmérőjű - pórusokat tölti fel. A talajban a vizet a kapilláris erőn kívül egyéb erők is kötik. A talaj szilárd felületén kialakuló kötési energiák (mátrix potenciál) már olyan nagyok, hogy a felülethez kötött víz a növény számára már általában nem hozzáférhető (felvehető), vagyis a növény a vízfelvételi hiány miatt hervadni kezd (Ψ g 1,5 Mpa). A növények tehát a hervadáspont értéknél kisebb erővel kötött, un. felvehető vízmennyiséget hasznosítják. A növényi vízfelvétel vízpotenciál gradiens mentén történik olymódon, hogy a gyökér talajénál negatívabb vízpotenciálja szívóerőt fejt ki a talajban lévő vizre, amely azt a gyökérbe szállítja. Míg a levél-vízpotenciál igen tág határok között változik, addig a gyökér szívóerejének a napi ingadozása csupán néhány tized pascal. A nap folyamán a talaj felvehető vízmennyiségének a kötési energiája alig változik, abban csupán a napi hőmérsékletváltozás okoz csekély módosulást. A szántóföldi növények maximális gyökér-szívóereje -1,0 - -2,0 MPa közötti. A gabonafélék gyökér-szívóereje -1,5 MPa. A gyökérszívóerő a holt-, vagy nem felvehető vízmennyiséghez hasonlóan fizikailag a vízpotenciál értékkel meghatározott. Fizikai jelentéstartalmuk azonban nem egyértelmű, mert a gyökér-szívóerő emberi beavatkozással módosítható, a holtvíztartalom pedig növénytípusonként (szukkulens, halofita, xerofil, stb.) eltérő. A nitrogén műtrágya általában csökkenti, míg a foszfor jelentősen növeli a gyökér-szívóerőt. A gyökérszívóerő a talaj kémiai összetételétől függően akár a ± 2020 kPa-t is változhat. A nagy foszfortartalmú talajokban a gyökér-szívóerő alig, illetve nehezen változtatható. A gyökérfunkciókról az irodalomban részletes


A növény szerepe a talaj-növénylevegő rendszerben információ található. Az alábbiakban csupán az ökológiai feltételek mennyiségi jellemzéséhez szükséges ismereteket tekintjük át.

3.2.1. A gyökérzet geometriája A gyökérzet geometriai jellemzőinek meghatározása a gyökérfeltárás bonyolultsága miatt nehézkes. A friss talajból történő gyökérkimosáskor az ún. aktív hajszálgyökerek rendkívüli sérülékenysége okoz hibát, a talaj kiszárítása után pedig a hajszálgyökerek tömege szinte jelentéktelen. A gyökérzet geometriai jellemzésekor a talaj-gyökér rendszert elemezzük annak érdekében, hogy a geometriai jellemzőket a gyökérfelületre vonatkoztassuk. Az alábbiakban csupán a növényi produkció numerikus becsléséhez szükséges egyszerű jellemzőket mutatjuk be. Elsőként a gyökértömeget, amely az alábbi összefüggéssel jellemezhető:

4.39. egyenlet - A gyökértömeg

ahol: Vr : a gyökértömeg (cm3) Ar : a gyökérfelület (cm2) Lr : a gyökérhossz (cm) R0 : a gyökérsugár (cm) A gyökértömeget a friss tömeggel becsüljük azt feltételezve, hogy a gyökér tömegének legalább 70 %-t víz, amely alapján a térfogata is becsülhető. A gyökértömeg szárazanyag tartalma az alábbi összefüggéssel közelíthető:

4.40. egyenlet - A gyökértömeg szárazanyagtartalma

ahol: D,r : a gyökér száraztömeg (g) Fr : a gyökér nyerstömeg (g) MD gyökérporozitás Vr : frakció szerint Sr : a gyökér fajsúlya (g/cm3)

,r

: a gyökér szárazanyag-tartalom εr : a

Feltételezzük továbbá a gyökér porózusságát, üregességét és a változó hosszúságú és keresztmetszetű gyökérágak hengeres felépítését. A gyökér anatómiai felépítését a különböző méretű (átmérőjű) gyökérágak gyakoriság-eloszlása jellemzi. Amennyiben a gyakoriságértékek nem véletlenszerűek, a gyökért jellemző értékek elsősorban a talajjellemzőkkel állnak kapcsolatban. A gyökérleírás tehát nem geometriai, hanem inkább statisztikai paraméterekkel végezhető. Az Ar/YD,r hányados az egyik legfontosabb gyökérjellemző, de használatos az ún. specifikus gyökérhossz is: Lr/YD,r. Míg az Ar/YD,r hányados cm2/g, illetve m2/kg, addig Lr/YD,r hányados cm/g, illetve m/kg dimenziójú. A fenti hányadosok a következő módon írhatók fel:

4.41. egyenlet - A gyökér jellemzésére szolgáló hányadosok

Látható, hogy a specifikus gyökérhossz az átlagos gyökérátmérőből közvetlenül meghatározható. Irodalmi források szerint ezek a gyökérjellemzők igen változó értéküek lehetnek. A 27. ábra függőleges tengelyén a specifikus gyökérfelület, az ábra b. részén pedig a specifikus gyökérhossz a különböző gyökérátmérő függvényében kerül irodalmi adatok alapján bemutatásra.


A növény szerepe a talaj-növénylevegő rendszerben A 27. ábrából kitűnik, hogy a különböző gyökérporozitás és a gyökérátmérő jelentős hatással van az elemzett értékekre. A növények specifikus gyökérhossza a termőhely- talaj-éghajlat adottságoktól függően igen tág határok között (100-300 m/g) változik akkor; ha az átlagos gyökérátmérő 0,2 - 0,3 mm közötti.

4.6. ábra - A specifikus gyökérfelület (A) és a specifikus gyökérhossz, valamint a gyökérátmérő közötti összefüggés különböző mértékű levegő porozitás esetén

A specifikus gyökérhossz értéke a növényfaj, vagy fajta függő. A búza és az árpa gyökérhosszának értéke nagy (g 100 m/g), sőt megközelítheti az 1000 m/g értéket. A megállapítás a hazai szántóföldi kultúrák esetében is érvényes. A gyökér porózus növényi szerv. Pórusterének egy részét víz, más részét pedig levegő tölti ki. Az br érték fejezi ki a 108. egyenletben a levegővel töltött pórusteret, amely a gyökér specifikus tömegéből állapítható meg (őrlés, vízzel való feltöltés, stb.). A gyökérporozitás növényenként változó értékű.

4.11. táblázat - A gyökérporozitás (b) értékei Növény

Gyökérporozitás %

Nedves gyepek

8-45

Kukorica

8-10

Kukorica (adventív gyökér)

3-19

Árpa

4

Burgonya

6

Napraforgó

5-11

A gyökérparaméterek különböző viszonyításban értelmezhetők. A gyökérparaméterek viszonyítási módja, pl. gyökérfelület egység (Unit Soil Area, USA). • gyökérparaméter / növény • gyökérparaméter / talajtömeg • gyökérparaméter / növénnyel fedett talajfelület.


A növény szerepe a talaj-növénylevegő rendszerben A növényfajra vagy fajtára vonatkozó viszonyításra a föld feletti és a gyökértömeg arány alkalmas. A talajgyökér arány a tápanyag- és a vízfelvételt fejezi ki. A növénnyel fedett/borított talajfelület és a száraz gyökértömeg vagy arány a tenyészidőszak jellemzését szolgálja. A különböző összefüggések összehasonlítása érdekében a fogalmak eltérő jelölése szükséges: Lrp (cm), Lrv (cm/cm3), Lra (cm/cm2). A technika mind gyökérhossz, mind a gyökérfelület viszonyítására alkalmas. Az Lrv-t gyökérhossz-sűrűségnek is nevezik. Dimenzió nélküli értékét (Ara) gyökérfelület indexnek (Root Area Index) nevezik, amely analóg a levélfelület index-el a LAI-val. Zárt növényzet esetében e paraméterek alkalmazása körülményes. Erre való tekintettel, ha a növényállomány gyökérzetéről kívánunk információt szerezni, akkor az USA-ban használatos gyökérfelület értéket kell használnunk. A gyökérparaméterek közötti összefüggés az alábbi:

4.42. egyenlet - A gyökérparaméterek közötti összefüggés

ahol: z : a mélység (cm), Zr : a gyökérzóna mélysége (cm). A gyökérfelület értéket általában a tömeg egynegyedére vonatkoztatják annak érdekében, hogy a gyökér térbeli elhelyezkedéséről is képet tudjanak alkotni. A gyökértömeg-sűrűség és a gyökérterület-index a különböző növényfajokra, fajtákra szántóföldön, a művelt rétegben (0-30 cm) az alábbiak szerint alakul:

4.12. táblázat - A gyökértömeg-sűrűség és a gyökérterület-index a különböző növényfajokra, fajtákra szántóföldön, a művelt rétegben (0-30 cm) Növény

Lrv

Ara

Borsó

0,5 - 2

1-5

Burgonya

1-2

5 - 10

Kukorica

3

15

Búza / Árpa

4-5

15 - 30

Gyep

3 - 20

20 - 100

A táblázati adatokból látható, hogy a gyökérparaméterek egymással szigorú kölcsönhatásban állnak. A tenyészidőszakban a gyökér mennyiségi és minőségi sajátosságai jelentősen módosulnak. A gyökérállapot és a gyökérmennyiség nem állandó, ugyanis az egyedfejlődés során a gyökerek egy része elpusztul és újraképződik. A gyökérfejlődés dinamika a gyökértulajdonságok időbeli változásának, a gyökérzet aktivitásának jellemzésében figyelembe veendő. Ismert továbbá a gyökérvizsgálatok nehézsége és körülményessége. A gyökérzet fejlődése nem hasonlítható a földfeletti növényi részek fejlődésdinamikájához, mivel utóbbiak felépítési folyamata jelentősen túlsúlyos a lebontási folyamatokhoz képest, főként a generatív fejlődés második felében. Míg a talajfelszín feletti növényi tömeg kumulatív jellemzése nem bonyolult feladat, a gyökérzetre ez már nem teljesül, mert az elhalt és újraképződött gyökértömeg arány megállapítása szinte megoldhatatlan. A gyökérzet térbeli kiterjedése a gyökérpótlás és gyökérváltás következtében állandóan változik. Változik egyrészt a gyökérzet mélysége, térbeli orientációja és tömege. A gyökérzet térbeli eloszlása termesztési szempontból rendkívül fontos annak ellenére, hogy széleskörű vizsgálatok nem állnak rendelkezésre. Ismert, hogy a gyökérzet térbeli eloszlása anizotróp - vagyis tér különböző irányaiban eltérő - tehát a talajban a mélységgel és oldalirányban is gyökérzet tömege jelentősen különbözhet. A gyökérszámot, vagy gyökértömeget R-rel jelölve, az X, Y és a Z koordináták mentén az eloszlás heterogén, vagy anizotrópikus. A gyökér legegyszerűbben mérhető jellemzője az átlagos gyökértömeg, amelyet vonatkozási térfogatra fejeznek ki. Az elemi térfogatra vonatkoztatott gyökértömeget térkoordináta mentén kifejezve az anizotrópia jellemezhető. Az átlagos gyökérszámot, vagy gyökértömeget egységnyi térfogatú mintára felírva:



4.43. egyenlet - Az átlagos gyökérszám vagy gyökértömeg egységnyi térfogatú mintára felírva

ahol: Rx, Ry, Rz: az irányonként egységnyi talajtérfogatban az átlagos gyökérszám. Rm = (Rx + Ry + Rz) / 3: az átlagos gyökérszám. E módszerrel, az átlagos gyökértömeggel normalizáltan állapítható meg a gyökérzet anizotrópiája, amely a növényfaj fejlettségi állapotára, tápanyag- és vízellátottságára jellemző érték. Külön probléma a talaj és a gyökér érintkezése, kontaktusa. Eddig a gyökérzet jellemzése állt a középpontban. Most azt tárgyaljuk, hogy mekkora az a felület, amelyen keresztül a gyökér és a talaj közötti folyamatok végbemennek. A teljes gyökérfelület nem egyenlő mértékben aktív, mert ahol a talaj nem érintkezik a gyökérzettel, a víz- és tápanyagátadás nem lehetséges. A gyökér hengeres felépítését feltételezve a potenciális felvevő felület a gyökér felülettel megegyező. A talajrészecskék azonban csak részben érintkeznek a gyökérfelszínnel, így az aktív gyökérfelszín lényegesen kisebb. Az értelmezést a 28. ábra segíti és látható, hogy a talaj és a víz esetében a gyökérérintkezés felülete hogyan alakul. Vízre az érintkezési felület egyszerű módon alakul (lásd. az alsó ábrarészt), a szilárd talajban viszont az aktív felület a talaj szemcseösszetételétől függ. Minél nagyobb méretűek a talajszemcsék, annál kisebb az aktív felszín. Az inaktív felületek megnövekedésével a kapilláris erők már igen kis mértékben hatnak, a potenciál-gradiens értéke jelentősen csökken és az anyagáramlás is lelassul. Megállapítható ennek alapján, hogy a gyökéraktivitás nem kizárólag gyökértulajdonság, hanem azt az a mechanikai kapcsolat alakítja, amely a gyökér és a talajrészecskék között alakul ki.

4.7. ábra - A talaj-gyökér érintkezésének értelmezése a ψ1/2π különböző változatai esetén (Willigen, Noordwijk 1987)

ahol: A: 0,7 B: 0,5 C: 0,3 A talaj és növényi gyökér közötti víz- és anyagforgalomban a víz- és az ozmotikus potenciál alakulása nem egyensúlyi feltételek között különösen fontos. Két változat lehetséges: a./ a vízpotenciál gradiens a gyökér felé irányul; az ozmotikus potenciál a talaj-vízpotenciálnál negatívabb és a növény vizet vesz fel; b./ a vízpotenciál a talaj felé irányul, a talajvízpotenciál értéke kisebb, negatívabb az ozmotikus potenciálnál. A gyökér felé irányuló gradiens esetén az aktív gyökérfelületen átáramló víz- és tápanyagmennyiség a talaj vízvezető-képessége, a vízvezetőképesség pedig a vízpotenciál függvénye. Kötött, nehéz mechanikai összetételű, agyagos talajokban a gyökér ozmotikus potenciálja intenzívebb vízfelvételt tesz lehetővé, mint amilyen a talaj vízvezető-képessége alapján számítható. Ekkor a gyökerek körül száraz talajréteg alakul ki és a növény akár víz stressz állapotába is kerülhet. A víz stressz elkerülése az ozmotikus potenciál foszfor műtrágyázással történő növelésével lehetséges. A foszfor ugyanis a vízfelvételi sebességet a vízpotenciál-gradiens növelésével emeli. A hatás csak átmeneti, de segítségével a vízhiány stressz időtartama lerövidíthető. 71 Created by XMLmind XSL-FO Converter.

A növény szerepe a talaj-növénylevegő rendszerben A gyökéraktivitás tehát a gyökérjellemzőkkel írható le, olyan részfolyamatok leírása is lehetővé válik, amelyekről csupán általános ismeretek voltak. Megállapítható, hogy a gyökértulajdonságok számértéke új ismeretekkel járul hozzá a gyökérműködés leírásához. A folyamatok dinamikájának és intenzitásának a megismerése is csupán mennyiségi ismeretek birtokában lehetséges. A megállapítás különösen a növényi szervek működésének fizikai modellekkel történő leírása kapcsán nyer jelentőséget.

3.3. Szár és virágzat A növény anyagforgalmában a szár szövettani felépítése fontos szerepet játszik. A szárban a gyökér és a levelek vízpotenciálja közötti különbség a vízszállító-rendszeren végbemenő anyagszállítás által egyenlítődik ki. A szár két alaptípusa ismert: a./ fásszár és b./ lágyszár. A szántóföldi egy- vagy többnyári növények lágyszárúak. A szövettani felépítésben meglévő jelentős különbségük ellenére funkciójuk lényegében azonos: a gyökérek által felvett anyagok szállítása a levél irányába. A gyökér tehát az anyagfelvételt, a levélzet pedig az anyagleadást, illetőleg az abban történő anyagfelhalmozódást biztosítja. A szár szállítórendszerének anyagszállító képességenéhány kivételtől eltekintve - felülmúlja a gyökér anyagfelvételi, illetve a levél anyagleadási intenzitását. Ritkán előfordul azonban, hogy a vízhiányt a növény kis vízszállító intenzitása idézi elő, okként említhető: betegség, mechanikai sérülés, stb.. A vízszállító szöveteknek két funkciójuk van: • az anyagszállítás folytonosságának biztosítása, • a gyökérzet által felvett anyag (elsősorban a víz) raktározása. A szállítási sebességet elsősorban a levél és a gyökér közötti potenciálkülönbség határozza meg. A levélben kialakuló szívóerő a gyökérénél lényegesen nagyobb. A szívóerő különbség határozza meg az anyagszállítás sebességét. Még azonos szántóföldi növényfajok, fajták szállítószövet mérete (keresztmetszete, áteresztése, stb.) is jelentősen különbözhet az aszályos, vízhiányos helyzethez alkalmazkodott körülmények között. A száraz körülményekhez alkalmazkodott ökotípusoknál a szállítószövet-rendszer kevésbé fejlett, a szállítás is kisebb intenzitású, ami a szárazsághoz való alkalmazkodásként is értelmezhető. Nedves termőhelyen a növényfajok, fajták vízszállító-szöveteinek keresztmetszete, térfogata nagyobb és emiatt nagy vízmennyiség szállítására képesek. A szállítószövetek teljesítőképességét a növények tápanyag-ellátottsága is befolyásolja. A fokozott nitrogénellátás a szállítás intenzitását általában növeli, míg az egyéb ásványi anyagok a szállítónyalábok fejlődésének lassításával a szállítást mérséklik. A szállítónyalábok falának sejtjei vízraktározást is végeznek. A szállítónyalábokat rendszerint jelentős mennyiségű víz raktározására képes parenchimatikus nyalábhüvely veszi körül. A sejtek által raktározott vízmennyiséget az ozmotikus nyomás jelzi, kifejezve egyben a vízellátottság mértékét. Amennyiben a levegő, illetve levél szívóereje a gyökér szívóerőhöz képest jelentősen növekszik, a sejtekben lévő víz, a sejtfalon át és a szállítószöveten keresztül vízgőz formájában jut a légkörbe. Amennyiben a vízleadási folyamat intenzív az rövidesen levél hervadásához vezet. A nedv-, illetve a vízáramlás sebessége mérhető. Legegyszerűbb mérési módja a termikus nyomjelzés. A módszer már régóta ismert: a levélben, vagy a szárban elektromos úton hőimpulzust keltünk és annak az áthelyeződési sebességéből állapítjuk meg a szállítószöveti áramlás sebességét. Az áramlási sebesség értéke néhány cm/min-től 15-20 cm/min érték között változik és alkalmas a vízellátottság mértékének a kifejezésére is. Amennyiben a növényt diffúziós ellenállásrendszernek tekintjük a gyökérben, a levélben és annak különböző rétegeiben kialakuló ellenállások ismerete rendkívül fontos a víztovábbítás számításában. A szárban kialakuló ellenállást nem vesszük figyelembe, mert az a többi ellenálláshoz képest elhanyagolható. A virág, illetve virágzat generatív növényi szerv, amely biztosítja a következő nemzedék fennmaradását. A virág morfológiája rendkívül bonyolult, részletezésétől itt eltekintünk. Arra hívjuk fel a figyelmet, hogy a virág, illetve virágzati szövetek nedvességállapota döntő mértékben hat az örökítő szerv (pollen, mag) képződésére, fejlődésére. A virág, illetőleg virágzat szöveteinek nedvességellátottságától függ a megtermékenyülés bekövetkezése. A vízellátottság tehát a megtermékenyülés ökológiai feltételét is jelenti. A megtermékenyülés az egy-, illetve kétlaki növények esetében eltérő, de tárgyalásától itt eltekintünk.


5. fejezet - A talaj szerepe a talajnövény-légkör rendszerben A talaj a földkéreg legkülső határrétege, amely a földfelszíni kőzet málladékán alakul ki éghajlati és biogén hatások eredményeként. A növényi élő szervezetek élőhelye, víz és tápanyagforrása a talaj. Az elhalt növényi szervesanyagok a talajra és a talajba kerülve bomlanak le. Eredményeként a talajok humuszanyagokban és az ásványi tápelemként hasznosított elemekben gazdagodnak, és ennek következtében termékenységgel is rendelkeznek. A termékenység azonban több talajjellemző összhatásaként (hasznosítható víz-, levegő, tápanyag készlet, megfelelő mechanikai jellemzők a növényi gyökérfejlődéshez, stb.) alakul ki. A talaj összetett rendszerének itt csupán a növényfejlődés modellezéséhez feltétlenül szükséges főbb jellemzőit foglaljuk össze. A talajtani tanulmányokból ismert, hogy a mállási- és a biogén talajfolyamatok eredményeként keletkező anyagok a talajszelvényben a vízáram révén oszlanak szét. A megoszlás hosszú időtávú folyamatának eredményeként alakul ki a talajok vertikális és horizontális rétegzettsége, pl. az agyag-kilúgzás eredményeként létrejövő agyagfelhalmozódási szint ideje 10000 év, míg a podzolosodásé legkevesebb 500 év. A víz bármely formája - csapadék, lefolyás, jégképződés és olvadás, kis-, vagy nagy hozamú felszíni vízfolyás, tenger, talajvíz és talajnedvesség - talajban történő áramlása mind a talajképződés, mind a növényi víz- és tápanyagellátás alapvető tényezője, a folyamatok időléptéke azonban eltérő. A következőkben csupán a növényi víz- és tápanyagellátás időléptékébe eső anyagszállítási (transzport) folyamatokkal foglalkozunk.

1. A talaj vízforgalma A talajon adott időszakban átáramló víz mennyiségét értjük talajvízforgalom alatt. A talajvízháztartási típusok a talajvízmérleg alapján kerültek kialakításra. A vízmérleg a talaj adott térfogatába érkező és az onnan eltávozó vízmennyiség, valamint a talaj indulási vízkészletében bekövetkezett változás eredményeként írható fel:

5.1. egyenlet - A vízmérleg

ahol: VK : talajvízkészlet a vizsgálati időszak végén (mm) Vcs : csapadék (mm) Vö : öntözővíz (mm) Vkap : talajvízbőli kapilláris víztranszport (mm) Vinf : felszíni és felszínalatti vízbetáplálás (mm) VKi : talajvízkészlet a vizsgálati időszak kezdetén (mm) Ve : talajvízpárolgás (mm) Vt : növényi vízfelvétel (mm) Voutf : felszíni és felszínalatti vízelfolyás (mm) A talajvízforgalom vízmérleg típusú leírásának előnye az egyszerűség, hátránya pedig, hogy abban a vízforgalom talajszelvényre, gyökérzónára vagy talajrétegre vonatkozó sebessége, intenzitása nem szerepel. A talaj vízmérlegét alakító részfolyamatok sebessége, intenzitása is jelentős és meghatározó a növények víz és tápanyagellátásában. A víz és tápanyagtranszport folyamatok hajtóereje a talajnedvesség potenciálkülönbsége. A talajban végbemenő lamináris (örvénymentes) vízáramlást a Darcy törvény Richards által általánosított, telítetlen áramlási egyenlete írja le:

5.2. egyenlet - A Darcy törvény Richards által általánosított, telítetlen áramlási egyenlete


A talaj szerepe a talaj-növény-légkör rendszerben ahol: b : vízpotenciál (cm), k : vízvezető képesség (cm×s-1), c : a talajlevegő páratartalma, q : vízáram intenzitás (cm×s-1), D : a talajpára diffúziós együtthatója, z : távolság (cm) A (112) egyenlet anyagmegmaradást is magában foglaló formája:

5.3. egyenlet - A (112) egyenlet anyagmegmaradást is magában foglaló formája

ahol: s : a vízforrást vagy a vízkivételt, pl. a növényi vízfelvételt jelentő tag. Mind a vízmérleg mind a vízáramlás sebességét leíró folyamatok alapvetően két talajtulajdonság, illetve talajfizikai függvény - a víztartó- és vízvezető képesség függvények - ismeretét teszik szükségessé. Ezek ismertetése következik.

2. A talaj víztartó képessége A talaj víztartó képesség függvényének (pF-görbe) meghatározására szolgáló mérési módszert Magyarországon Várallyay György, kb. 30 éve alakította ki és vezette be. A pF-görbe meghatározására a mintavétel, a víztelítést követően a homok-, illetve kaolinlapos mérőedényekben, majd a nyomásmembrános készülékekben történő mérési eljárás leírása Várallyay munkáiban található. A mérés jelentős időigénye - a teljes pF-görbe esetében 23 hónap - miatt módszert dolgoztak ki a víztartó képesség értékek talajtulajdonságok (szemcsefrakció értékek, térfogattömeg, szervesanyag-tartalom) alapján történő becslésére, amelyet a következőkben ismertetünk.

2.1. A víztartó képesség becslése A regressziós pF-érték becslés (pontbecslés), valamint a pF-görbe leírására alkalmas hatványfüggvény paraméter-értékeinek (görbebecslés) becslési módszerét, pontosságát és hatékonyságát mutatjuk be. A becsléshez 230 darab 8 %-nál kisebb szervesanyag-, 0,1 %-nál kisebb összessó-tartalmú talaj adatait használták. A talajminták kilenc tenzióértékre (pF=0; pF=0,4; pF=1; pF=1,5; pF=2; pF=2,3; pF=2,7; pF=3,4 és pF=4,2) mért nedvességtartalom értékét és nyolc talajjellemzőjét - a szemcsefrakciók százalékos értékeit a l 0,002 mm, 0,002-0,005 mm, 0,005-0.01 mm, 0,01-0,02 mm, 0,02-0,05 mm, 0,05-2,0 mm szemcsemérettartományokban, a térfogattömeget (g/cm3), és a szervesanyag-tartalmat (%) - vették figyelembe. A 230 db talaj főbb jellemzőit az 21. táblázat mutatja be. A pF-érték, vagyis egy adott nedvességpotenciálhoz tartozó nedvességtartalom becslésére a következő regressziós egyenletet alkalmazták:

5.4. egyenlet - Adott nedvességpotenciálhoz tartozó nedvességtartalom becslés

ahol: b: az adott pF-értékhez tartozó nedvességtartalom (v.%), X1 : térfogattömeg (g/cm3), X2 : humusztartalom (%), X3 : homok (g 0.05 mm) frakció, X4 : iszap (0,002-0,05 mm) frakció, X5 : agyag (l 0.002 mm) frakció, X6 : leiszapolható rész (0,002-0,020 mm) frakció, X7 : logaritmus agyagfrakció, X8 : homok-iszap arány, b0b8: regressziós együtthatók A mért pF-értékeket a következő három-paraméteres hatványfüggvénnyel írták le:

5.5. egyenlet - A mért pF-érték leírására szolgáló három-paraméteres hatványfüggvény


A talaj szerepe a talaj-növény-légkör rendszerben

ahol: b = a talaj nedvességtartalma (térfogat %) h = a talaj nedvességpotenciálja (cm) b s, b és n = illesztési paraméterek Az (115) egyenletet talajmintánként mért 9 pF-értékre illesztették. Az illesztett pF-függvényt FVG-nek nevezték. Az (114) egyenletben minden talajváltozót megtartottak függetlenül attól, hogy statisztikailag szignifikánsak voltak-e, vagy sem. A regressziós becsléséhez mind a nyolc mért, vagy generált talajtulajdonságot felhasználták. A becslő modellt PLR8-nak nevezték. A PLR8 pF-pontbecslő egyenleteket - pedotranszfer függvényeket - a 20. táblázatban adjuk meg.

5.1. táblázat - A pF-értéket becslő nyolcváltozós lineáris egyenletek pF-érték és a nyolcváltozós lineáris becslő egyenlet pF0,0 = 86,0+0,1360·S-0,124·OM-32,60·b+0,163·Si-0,334·S/Si-3,49·ln(C)-0,020·FF+,310·C pF0,4 = 95,5+0,0385·S-0,099·OM-30,27·b+0,032·Si-0,549·S/Si-4,84·ln(C)+0,018·FF+0,212·C pF1,0 = 94,8+0,0295·S-0,062·OM-26,85·b-0,013·Si-0,867·S/Si-6,50·ln(C)+0,053·FF+0,220·C pF1,5 =104,6-0,1019·S+0,053·OM-22,54·b-0,192·Si-1,250·S/Si-8,16·ln(C)+0,114·FF+0,096·C pF2,0 =111,2-0,2257·S+0,231·OM-17,80·b-0,403·Si-2,100·S/Si-8,60·ln(C)+0,198·FF-0,078·C pF2,3 =107,1-0,2863·S+0,425·OM-15,00·b-0,514·Si-2,300·S/Si-6,70·ln(C)+0,275·FF-0,246·C pF2,7 =117,1-0,5394·S+0,702·OM-11,60·b-0,809·Si-2,270·S/Si-4,37·ln(C)+0,403·FF-0,651·C pF3,4 =125,1-0,939·S +1,050·OM- 4,86·b-1,110·Si-1,570·S/Si-1,92·ln(C)+0,352·FF-0,926·C pF4,2 = 53,1-0,429·S +1,130·OM+ 0,62·b-0,472·Si-0,584·S/Si-2,54·ln(C)+0,212·FF-0,197·C A változók magyarázatát lásd az (114) egyenletnél. A pF-görbe leírására alkalmazott (115) egyenlet paramétereit becslő nyolcváltozós pedotranszfer függvényeket LR8 modellnek nevezték. A paraméterbecslő egyenleteket a 22. táblázatban adjuk meg. A becslés hibájának csökkentése érdekében a becslésbe a mért pF-görbe értéket is bevonták. Először a pF=4,2 értéket (hervadáspont) alkalmazták. A hervadáspont értéket is tartalmazó pF-görbe becslő modellt LR8+WP-nak jelölték. A becslést hibásnak ítélték, amikor a hiba P2.5 nedvesség %-nál nagyobb volt, minthogy a pF-mérés hibáját az adatbázis alapján ekkorának találták. A hibaszámításra a pF-görbére vonatkozó átlagos hibát (ZAPF) vezették be:

5.6. egyenlet - A hibaszámításra bevezetett pF-görbére vonatkozó átlagos hibát (ZAPF)

ahol: be : a becsült nedvesség-tartalom (%) bm : a mért nedvesség-tartalom (%) A pF-görbe becslést szintén akkor tekintették hibásnak, ha ZAPF nagyobb mint ± 2.5 %. A pF-becslő eljárások eltérésnégyzet összegét (SSQ), szabadságfokát (DF), és elemszámát (N) a 23. táblázatban tüntettük fel. A pF-görbe illesztett egyenlet és a különböző paraméterszámú becslő modellek összehasonlítására - a modelljóság megállapítására kidolgozott - Akaike-féle információs kritérium (AIC) használták: 75 Created by XMLmind XSL-FO Converter.


5.7. egyenlet - Az Akaike-féle információs kritérium (AIC)

ahol: N : a mintaelemszám SSQ : a hibanégyzet összeg DFhiba a hiba szabadságfoka P a modell paraméterszáma A különböző pF-becslő modellek AIC értékét a 23 . táblázatban adjuk meg. Az Akaike kritérium alapján a kisebb AIC értékű a megfelelőbb modell. A pF-becslő eljárás jellemzésére bevezették a becslési hatékonyság mutatót, amely a vizsgált adatbázisra százalékosan fejezi ki a jó - vagyis a 2,5 %-nál kisebb átlagos hibájú - becslések mennyiségét.

5.2. táblázat - Az MTA TAKI 230 talajmintát tartalmazó adatbázisának statisztikai adatai Talaj-jellemző

Átlag

Szórás

Minimum

Maximum

Mértékegység

PF=0

47,01

4,71

34,3

60,6

tf%

PF=0,4

45,70

4,53

33,6

60,0

tf%

PF=1

43,82

4,41

32,5

58,6

tf%

PF=1,4

41,67

4,48

30,5

56,7

tf%

PF=2

39,04

4,99

25,9

53,8

tf%

PF=2,3

37,01

5,73

17,0

52,5

tf%

PF=2,7

34,05

6,81

12,0

51,4

tf%

PF=3,4

26,81

7,53

6,4

47,5

tf%

PF=4,2

18,46

6,56

2,8

35,4

tf%

OM

1,89

1,52

0,00

7,50

%

b

1,41

0,13

1,03

1,75

g/cm3

Agyag

28,73

12,53

2,8

64,0

%

Iszap1

7,44

2,87

1,2

16,1

%

Iszap2

7,46

3,28

0,4

23,4

%

Iszap3

10,63

4,00

0,4

24,2

%

Iszap4

20,91

8,77

1,2

43,5

%

Homok

24,76

17,41

0,4

85,6

%

OM = a szervesanyag-tartalom (%); b = a térfogattömeg (g cm-3); Agyag l 0,002 mm; Iszap1 = 0,002 - 0,005 mm; Iszap2 = 0,005 - 0,01mm; Iszap3 = 0,01 - 0,02mm; Iszap4 = 0,020 - 0,05mm; Homok = 0,05 - 2,00mm A 21. táblázat a mintaanyag pF-görbéinek és mechanikai összetételének átlag és szélsőértékeit is mutatja. A talajminták többsége vályog mechanikai összetételű csernozjom talaj. A nehéz mechanikai összetételű talajok többnyire réti csernozjomok, réti talajok, a homok mechanikai összetételű talajok Duna-Tisza-közi, vagy Duna öntéstalajok. A mintaanyag erdőtalajokat nem tartalmaz. Az (115) egyenlet paramétereinek a nyolc talajtulajdonságtól függését az LR8- regressziós modell tartalmazza (22. táblázat).

5.3. táblázat - A pF- görbét leíró függvény paramétereit becslő egyenletek Becslő modell

N

bs= 76,8 - 17,3·FF - 0,27·OM + LR8

230


A talaj szerepe a talaj-növény-légkör rendszerben Becslő modell

N

32,17·Si - 40,2·b + 0,124·S/Si 1,47·ln(C) + 47,45·C + 22· bs = 102,4 - 0,335·FC + 14,9·Si - LR8+FC 0,12·OM - 3,72·ln(C) - 45,3 b 0,657·S/Si - 8,1·FF + 39,2·C + 12,4·S

230

bs = 87,41 - 0,256·WP + 20,1·Si - R8+WP 40,07· b + 0,02·OM- 2,13·ln(C) 0,025·S/Si - 11,9·FF + 42,4·C + 11,04·S

230

ln(b)= - 14,92 - 8,55·FF - 0,23·OM LR8 + 18,66·Si - 3,83· b+ 0,31·S/Si 0,73·ln(C) + 15,9·C + 14,8·S

230

ln(b) = 0,48 - 0,2·FC + 8,28·Si - LR8+FC 0,14·OM - 0,62·ln(C) - 6,87· b 0,16·S/Si - 3·FF + 10,94·C + 8,9·S

230

ln(b) = 0,48 - 0,2·FC + 8,28·Si - LR8+WP 0,14·OM - 0,62·ln(C) - 6,87 b 0,16·S/Si - 3·FF + 10,94·C + 8,9·S

230

n = - 0, 45 + 0,397·FF - 0,013·OM LR8 - 0,114·Si + 0,184· b - 0,015·S/Si 0,26·ln(C) + 0,53·C + 0,27·S

230

n = - 1,45 + 0,0138·FC + 0,59·Si - LR8+FC 0,02·OM - 0,17·ln(C) + 0,39· b + 0,017·S/Si + 0,0187·FF + 0,87·C + 0,66·S

230

n = - 0,56 + 0,239·WP + 0,015·Si + LR8+WP 0,18· b - 0,017·OM- 0,26·ln(C) 0,014·S/Si + 0,34·FF + 0,58·C + 0,39·S

230

b = térfogat tömeg (Mg/m3); OM = szervesanyag-tartalom (%); S = homok frakció (g 50 bm); Si = iszap frakció (50-2 bm); C = agyag frakció (l 2 bm); FF = leiszapolható rész (l 10 bm ); ln(C) = agyagfrakció logaritmusa; S/Si = homok-iszap arány; FC = vízkapacitás-érték; WP = hervadáspont-érték A pF-becslő modellek becslési hatékonyságát a 29. ábra mutatja. A hibásan becsült talajok mennyisége a 230 talajmintára 29 és 36 % között változott. A becslési hatékonyság 71 %-nál nem volt jobb, és az elérhető átlagos hiba is közel háromszorosa volt a (115) függvény illesztési hibájának.

5.4. táblázat - A pF-becslő modellek összehasonlítása Becslő módszer

DF

N

SSQ

AIC

FVG

1380

2070

1847

1144

LR8

2043

2070

21073

4857

LR8+WP

1810

1840

11237

3389

LR8+FC

1810

1840

7143

2556

SLR

2057

2070

21483

4870

SPSLR

1351

2070

25482

6635

PLR8

1989

2070

18064

4646


A talaj szerepe a talaj-növény-légkör rendszerben ahol: DF : a szabadságfok , N az elemszám, SSQ : a hibanégyzetösszeg AIC : az Akaike információs kritérium A táblázatból látható, hogy a hervadáspont-értéket felhasználó LR8+WP pF-becslő modell átlagos hibája, valamint becslési hatékonysága kisebb az LR8 modellénál. A hervadáspont-érték helyett a (115) függvény inflexiós pontjához közeli pF-érték (pF=2,3) további jelentős javulást eredményezett a becslésben (LR8+FC becslő modell). A szabadföldi vízkapacitás érték (pF=2,3) pFbecslésben betöltött szerepét egy öntéstalaj példáján a 29. ábra mutatja be. A mért pF-értéket alkalmazó becslés hátránya, hogy mintavételi, továbbá költség- és időigénye van. Látható azonban, hogy egyetlen minta vételével és a pF=2,3 érték mérésével a becslés megbízhatósága 71%-ról 97 %-ra növelhető. Az Akaike kritérium (AIC) szerint a becslési hiba jelentős csökkenése ellenére az NLR8+FC pFbecslő modell a (115) pF-görbe egyenletnél szignifikánsan rosszabb (lásd 23. táblázat). Amennyiben a felhasználás megenged kisebb megbízhatóságot, a rutin talajjellemzők alkalmazása azonnali pF-érték, vagy görbe becslést tesz lehetővé. A modell-alkalmazások esetében a becsült pF-görbe vagy érték elfogadható pontosságú és használható.

5.1. ábra - A különböző víztartóképesség becslő modellek "jósága" a TAKI adatbázisán

5.2. ábra - A Herceghalmi Gazdaság területének egyetlen pontján mért pF-értékek, a TAKI adatbbázisa alapján becsült pF-görbe, és a gazdaság területének 448 pontján mért pF-értékek "átlag" pF-görbéje



Minthogy az MTA TAKI adatbázisa erdőtalaj mintákat nem tartalmaz, a megadott pF-becslő egyenletek ellenőrzése az adatbázisban nem szereplő talajféleségekre (pl. láp, lápos-réti, szikes, stb. talajok) elvégzendő feladat.

3. A talaj vízvezető képessége A talajban a vízáramlás sebességét a nedvességpotenciál gradiens nagysága és a talaj vízvezető képessége határozza meg. A vízvezető képesség függvény felírható talajban lévő vízmennyiség vagy a vízpotenciál függvényeként is. Mindkét esetben a vízvezető képesség a vízmennyiség (víztelítettség) irányában növekvő értékű. A függvény felső korlátját a talaj teljes pórusterét kitöltő kétfázisú állapot vízvezető képesség értéke jelenti, amelyet Ks-nek jelölnek. Mértkegysége sebesség dimenziójú: m/nap.

3.1. A vízvezető képesség becslése A talaj víztartó képesség függvényéből a van Genuchten-Mualem módszer szerint becsülhető a vízvezető képesség függvény. A módszer alkalmazásához a telítési vízvezető képesség érték (K s) eredeti szerkezetű talajmintán történő meghatározása szükséges. A hazai gyakorlatban erre Várallyay állandó- és a csökkenő víznyomás módszerét alkalmazzuk. A 100 cm3 térfogatú és a 20 cm2 keresztmetszetű talajminta mérési eredményeinek a szórása általában több nagyságrendet meghaladó. A több nagyságrendet meghaladó szórású talaj telítési vízvezető képességét a 80-as évek közepétől a Campbell által a talajmátrix vízvezető képességére kidolgozott pedotranszfer függvénnyel számítjuk:

5.8. egyenlet - A talajmátrix vízvezető képességére kidolgozott pedotranszfer függvény I.


A talaj szerepe a talaj-növény-légkör rendszerben ahol: Ks : a telítési vízvezetés (cm/nap) ρb : a térfogattömeg (g/cm3) mc : az agyag mennyiség (%) ms : a vályog mennyiség (%)

5.9. egyenlet - A talajmátrix vízvezető képességére kidolgozott pedotranszfer függvény II.

ahol: msa : a homok mennyiség (%) A számításban feltételezzük, hogy a talajok szemcsemérete lognormális eloszlású. A feltételezésből következik, hogy az agyag, vályog és homok szemcseméret csoportok két eloszlás paraméterrel, a mértani átlag szemcseátmérővel (dg) és a mértani szórással (σg) jellemezhetők. A 118. és 119. függvényekben szereplő mennyiségek és szemcseeloszlási átlag és szórás összefüggése a következő:

5.10. egyenlet - A 118. és 119. függvényekben szereplő mennyiségek és szemcseeloszlási átlag és szórás összefüggése

Tapasztalataink szerint a Campbell-féle Ks pedotranszfer függvény és a laboratóriumi mérési eredmények nagyságrendileg általában megegyezők. A Campbell-féle pedotranszfer-függvénynek a modellezéshez szükséges talajfizikai paraméterei számíthatók. A talaj szemcseösszetétele, térfogattömege, és szervesanyagtartalma alapján a víztartó képesség függvény értékei valamint a vízvezető képesség függvény paraméterei jól becsülhetők. A Herceghalmi Gazdaság talajára számított víztartási értékeket, függvényt, telítési vízvezető képesség értéket a 30. ábra, 31. ábra és 24. táblázat mutatja be.

5.3. ábra - Kumulált szemcsefrakció és szemcseméret



A Herceghalmi Gazdaság területén gyűjtött 448 db talajminta közül a búzatáblák jellemzésére feltárt talajszelvény szántott rétegére (10-15 cm) mért kumulált szemcsefrakció és szemcseméret értékeket, valamint az illesztett lognormál eloszlásfüggvényt mutatja be a 31. ábra. A közel 1 500 ha-os gazdaság területén 448 ponton a felszínről (kb. 5-10 cm) gyűjtött minták szemcseösszetétel adataira csoportillesztéssel meghatározott átlag szemeloszlás függvényt is feltüntettük. A 32. ábra a laboratóriumban a Várallyay módszerrel mért telítési, valamint a víztartó képesség értékekre illesztett van Genuchten függvény paraméterei és a Várallyay módszerrel mért telítési vízvezető képesség alapján meghatározott vízvezető képesség függvényeket mutatja be.

5.4. ábra - A Herceghalmi Gazdaság búzatáblájára mért és becsült víztelített, illetve közel víztelített vízvezető képesség értékek illetve azokra becsült telítetlen vízvezetőképesség függvények


A talaj szerepe a talaj-növény-légkör rendszerben Az ábra jól szemlélteti egy meghatározott talaj esetében a különböző módszerekkel mért és a szemcseösszetétel, illetve a víztartó képesség alapján becsült vízvezető képesség értékek és függvények különbözőségét. Az 32. ábra jól mutatja azt is, hogy a szemcseeloszlás és a térfogattömeg alapján a Campbell módszerrel becsült - makropórus nélküli - vízvezető képesség a mért értékeknél kisebb. A 24. táblázatban megadott és Várallyay módszerrel mért értékek közül az 1 cm/nap értéknél kisebb K s értékek nyilvánvalóan nem reális. Az 5 párhuzamos mintából 3 mintára mért kis érték nem mintavételi hibára, hanem a talaj aggregátumok gyenge vízállósága következtében előálló porozitás- és vízvezető képesség csökkenésre utal. A mért és a becsült vízvezető képesség értékeket összehasonlítva látható, hogy a van Genuchten-Mualem becslés közel egy nagyságrenddel nagyobb vízvezető képesség értékű közel a teljes nedvességpotenciál tartományban.

5.5. táblázat - A Herceghalmi Gazdaság búzatábláján gyűjtött mintákon mért és szemcseösszetétele és térfogattömege alapján számított telítési vízvezető képesség értékek (Ks cm/nap) Várallyay módszer - Csökkenő Beszivárgás mérő víznyomás

Campbell pedotranszfer függvénnyel számított

143,6

44,1

3,53

0,12

36,0

13,7

14,4

0,32 0,13 A megállapítás felhívja a figyelmet arra, hogy a vízvezető képesség érték-, illetve a függvénybecslés lényegesen nagyobb körültekintést és óvatosságot tesz szükségessé, mint az egyéb talajparamétereké. A bemutatott mérési és becslési módszerek és a talaj vízforgalmáról, a vízforgalmat meghatározó vagy befolyásoló talajjellemzőkről szolgáltatnak mennyiségi információt, amelyek a talajvízforgalmat leíró modellek paramétereiként is alkalmazhatók.

4. A talajváltozatosság mértéke és eredete A talajok változatossága két tág kategóriába sorolható, amelyek egyike a rendszeres (strukturált), másik a véletlenszerű (strukturálatlan, ismeretlen ok miatti) változatosság. A rendszeres változatosság a talaj tulajdonságainak fokozatos vagy jellegzetes földrajzi, felszínalaktani, a talajképző tényezők közötti kölcsönhatások miatti változása. A strukturált változatosság a szubmikrószkópikustól a mega léptékig előfordul. A talajtanos számára a strukturált változatosság teszi lehetővé a talajok felosztását a talajtérképezési egységek, tájföldrajzi elemek szerint (kiemelkedésen, kiugró részen, a lejtő tetején, a lejtő alján, stb. előforduló kategóriák). A nagyléptékű strukturált változatosság mértéke nagyobb lehet, mint a kisléptékűé. Példa erre a gilgai talajokra jellemző duzzadás-zsugorodás jelensége, amelynek következménye a felszín és az altalaj kémiájának és biológiai jellemzőinek méteres vagy még annál rövidebb távolságon belüli megváltozása. Még finomabb skálájú a szerves- vagy szervetlen talajalkotók strukturált szerveződése, mint a pórusok felületét bevonó agyaghártyák, az oxihidrátok zonációja, és a vízvezető pórusokban a karbonátok és az oldható sók koncentrációja. A gyökerek mentén a mikroszervezetek, valamint az aggregátok közötti felületeken lévő agyagbevonat strukturáltan szervezett. Eloszlásmintázatuk a vízáram, a diffúzió, a megkötődés és a mikrobiológiai kolonizáció folyamatait tükrözik mikron, illetve szubmikron léptékben. A véletlenszerű talajváltozatosságot a kőzet, a hidrológia, a mállási intenzitás, a biológiai aktivitás, az erózió és hordalék-lerakódás eltérések, a talajművelés időleges hatása, a mintavétel és az elemzés hibája alakítja ki. Az említett hatások megjelennek a strukturált változatosságban is, azonban hatásuk általában finomabb annál, hogy azt elfedje. A talajtani leírás célja éppen a talajra jellemző változatosság felosztása kisebb változatosságú (homogénebb) elemekre olyan módon, hogy a módszeres (szisztematikus) hiba a lehető legkisebb legyen. A talajtérképezési egységekben általában jelentős változatosság marad. Egy felmérő elemzés azt mutatta, hogy a térképen 82 Created by XMLmind XSL-FO Converter.

A talaj szerepe a talaj-növény-légkör rendszerben feltüntetett talajféleség általában csupán 40-től 50 %-ig fedi le a terület talajféleségeit, esetenként ez az arány csupán 20 %. Ennek ellenére azonban a térképezési egységek értelmezési ereje 50-től 85 %-ig terjed, 80 %-os valószínűség esetén. Az amerikai talajfelvételezési előírás szerint úgy kell a talajtérképezési egységeket megalkotni, hogy az azokba besorolt talajok 75 %-ban feleljenek meg a talajtani leírásnak.

5. A talajtulajdonságok változatossága A talajszelvény leírók és a modell alkalmazók egyaránt szeretnék ismerni a talajtulajdonságok változatosságának legalább a viszonylagos mértékét, nagyságrendjét. A 25. táblázatban olyan azonos talajtípus, azonos genetikai szintjeiből vett minták átlagértéke és szórása található, amelyek azonos besorolású térképezési egységbe tartoznak. A 25. táblázatban bemutatott átlagértékek és variációs együtthatók (CV-k) értelmezésében a következő szempontok átgondolása segít:

5.6. táblázat - Talajtulajdonságok csoportosítása változatosságuk szerint Talajtulajdonságok

CV % átlag

CV % tartomány

Talajváltozatosság

Térfogattömeg

7

5-13

Kevéssé változatos

Szín (hue)

9

2-20

Szín érték (value)

10

4-12

pH

10

5-15

Plaszticitási határ

15

5-28

Folyási határ

17

8-31

A szint vastagsága

18

8-31

Mérsékelten változatos

10-31 Szabadföldi vízkapacitás

25

17-33

Bázistelítettség

25

8-46

Homoktartalom

25

10-61

Mésztartalom

28

20-30

Szín (chroma)

28

15-50

Mésztartalom mélysége

30

20-49

Kicserélhető kationtartalom (CEC)

32

20-40

Kiválások mélysége

35

20-50

Szervesanyag-tartalom

39

20-61

Plaszticitási index

41

20-63

Talajvastagság

43

25-58

Kicserélhető Ca

48

30-73

Kicserélhető K

57

7-160

Kicserélhető Mg

58

31-121

Vízoldható sótartalom

48

-

Vízvezetőképesség

75

13-150

Változatos

A talaj mélyebb rétegeinek tulajdonságaira adható becslés valóságtartalma a mélységgel csökken, minthogy a talajleírások maximális mélysége általában kisebb, mint 2 m.


A talaj szerepe a talaj-növény-légkör rendszerben Az időben állandó talajjellemzők, mint a szemcseösszetétel, az ásványi összetétel, a talajmélység, és a szín kisebb szórásúak, mint a jóval dinamikusabban változó nedvességtartalomé, vízvezető képességé, redox állapoté, sótartalomé, biológiai aktivitásé, kicserélhető kationtartalomé, vagy a szervesanyag-tartalomé. A talajtulajdonság szórása függ az anyakőzettől, és az anyakőzet minősége szerint a következő növekvő sorrendbe rendezhető: lösz l szélhordta üledék l mélységi, magmás- és tektonikus kőzetek l erősen kevert anyagok. Azon talajtulajdonságok, amelyeket egy standardhoz viszonyítva határoznak meg (pl. mechanikai összetétel, pH, szín, stb.) kisebb szórásúak, mint a minőségileg besoroltak (pl., a talajszerkezet, konzisztencia, porozitás, begyökerezettség, stb.). Egy mintavételi helyen, illetve annak 1-2 m-es környezetében az állandó talajtulajdonságok CV-je 5-10 % közötti, a dinamikus változóké pedig 10-20 % közötti. A CV szélsőséges esetben 35 %-ig is terjedhet. A laboratóriumi mérések elfogadott hibahatára CV = 5 %-ig terjed. A 33. ábra a mintamérettől függő relatív szórást mutatja.

5.5. ábra - Talajtulajdonságok relatív változatossága a mintaméret függvényében


6. fejezet - A talaj-növény rendszer dinamikus állandósága Általános érvénye miatt először a talajfejlődést, mint az alapkőzetnél rendezettebb, strukturáltabb természeti képződmény entrópiájával összefüggő hipotézist ismertetjük. Az entrópia csökkenésére épülő talajfejlődési koncepció alapvetően ökológiai alapú, amely a talajt a szintén fejlődésében egyre strukturáltabb és kisebb entrópiájú ökológia rendszer elemének tekinti.

1. Entrópia csökkentő és növelő folyamatok a talajnövény rendszerben A fotoszintézis olyan biológiai alapfolyamat, amelyben széndioxidból és vízből magasabban szervezett szénhidrát molekula képződik. Az ezzel ellentétes légzési folyamatban a fotoszintézis során felépült szénhidrát molekulából ismét víz és széndioxid keletkezik. A légzés a szétszóró, vagyis entrópia növelő folyamatok egyike, amelyet a hőenergia táplál. A fotoszintézisnek és a légzésnek talajképződési szempontból is van jelentősége, hiszen arányuk szabja meg a talajba kerülő szervesanyag mennyiségét. A fotoszintézis és a kapcsolódó asszimilációs rendező folyamat a növényi növekedésben valósul meg olymódon, hogy az asszimilált anyagok szervekké, változatos szervi funkciókká (raktározó szár, raktározó gyökér, kapaszkodó szár, stb.) alakulnak. Az öregedés, mint szétszóró, entrópia növelő folyamat hajtóereje szintén a hőenergia egy sajátos formája, amely a növényi DNS-ben tárolt információ kontrollja alatt megy végbe. Talajképződési szempontból a növényi növekedés legfontosabb részfolyamata a gyökérnövekedés, amely által azok az ionok is megkötésre kerülnek, amelyek egyébként a szétszóró folyamatban a gyökérzónából kimosódnának. A humuszképződés részben rendező, részben szétszóró folyamat, mert a talajba kerülő növényi anyagot a talajlakó állatok és a mikrobák CO2-re és más kis molekulákra bontják. A humuszanyagok két módon is a talajszelvény szerkezetének alakításában játszanak fontos szerepet: egyszer a humuszképződés a talajszelvényképződés része, másrészt a humusz a talajaggregátum-képződés cementáló-, talajszelvény stabilizáló anyaga. A humuszlebomlás szétszóró, entrópianövelő folyamat, amely CO 2-t, NH4 +-et és más kismolekulájú vegyületeket eredményez, továbbá a talajbiomassza életfolyamatainak a részét képezi. A talajképződés fizikai folyamataiban a víz lényeges energiaközvetítő szerepet játszik. Például a magas légrétegekben kondenzálódó vízből a víz párolgására fordított energia felszabadul, és az űrbe kisugárzódik. A folyadékfázisban kondenzálódó víznek potenciális és kinetikus energiája is van. A kinetikus energia nagy része a talajfelszínen szóródik szét, a maradék potenciális energia pedig a víz talajbeli áramlásának a hajtóereje. A vízmozgás rendező- és szétszóró folyamat is, mert egyrészt a talajképződést, másrészt a talajpusztulást (eróziót) szolgálja. Az, hogy melyik folyamat válik dominánssá, attól függ, hogy a talajfelszínre érkező víz kinetikus energiája meghalad-e egy kritikus értéket. A kritikus energia értéke azonban talajfüggő. A talajból elpárolgó víz szintén része lehet rendező, entrópia csökkentő folyamatnak, pl. a réti- és a szolonyeces réti talajok B szintjének periódikus átnedvesedése és kiszáradása a jellegzetes poliéderes-prizmás, illetve az oszlopos talajszerkezet képződését eredményezi. Jelenlegi ismereteink szerint a talaj-növény rendszerben sem egészében, sem az egyes részfolyamatokhoz kötötten az entrópia növekedés, vagy csökkenés mértékét mennyiségileg nem lehetséges meghatározni. A talaj-növény rendszer entrópia produkciójának vizsgálati lehetőségeit ismertetjük a következőkben.

2. Indukált áramlás és entrópiatermelés A hajtóerő és az áramlás törvényszerűségei az Ohm és a Darcy törvények alapján tárgyalhatók. A talaj-növény rendszerben azonban többféle hajtóerő és áramlás zajlik párhuzamosan. Gyakorlatilag valamennyi erőhatás és áramlás összefügg. Egy anyagra, illetve folyamatra a konjugált (összekötött) áramlások leírására szolgáló 85 Created by XMLmind XSL-FO Converter.

A talaj-növény rendszer dinamikus állandósága egyenlet alapján azonosítható a hajtóerő és az áramlás. Az erő- és az áramlás szorzat dimenziója entrópia termelés, vagy másképpen az egységnyi idő alatt végbemenő szabadenergia-csökkenés. Amennyiben a rendszerben sikerül különválasztani a hajtóerőt és a létrehozott áramlást, a rendszer entrópiaváltozása az egyes részfolyamatok entrópiájának összege. Ha egy hajtóerő többféle anyagáramlásra is hat, az erő megosztásával írható föl az entrópiatermelésben kifejtett hányad. A részfolyamatokra történő szétosztás azonban nem megvalósítható. Az elv alkalmazása a talaj-növény rendszerre néhány termodinamikai következtetés levonását teszi lehetővé. Például azt, hogy ha egy termodinamikailag nyitott rendszert érni hagyunk, akkor annak entrópiatermelése idővel egy minimum eléréséig csökken. Ebből az következik, hogy ha egy konjugált erőhatás az adott áramlást akadályozza az áramlás úgy változik, hogy csökkentse az akadályozó hatást és a rendszer az eredeti állapotba térjen vissza. A jelenség a növényökológiában ismert homeosztázis elv, amely az ökológiai rendszer stabilitását és regenerációs képességét nyitott termodinamikai rendszersajátságként mutatja be. A perturbáció vagy zavaró hatás pedig az ökológiai rendszer entrópiatermelését növeli. A nyitott termodinamikai rendszer egyensúlyi állapota az élő szervezetek érési állapotig mutatott fejlődésével analógiásnak tekinthető. A minimális entrópiatermelés az életjelenségek evolúciójának egyik alapelve. Az élő szervezetek a zavaró hatás kiszűrésére és egyensúlyi állapotuk fenntartására szabályozó mechanizmussal rendelkeznek. Ami igaz az egyedre igaz az egyedet tartalmazó ökológiai rendszerre is. Az ökológiai rendszer is tehát fejlődésen, érésen keresztül jut el érett egyensúlyi állapotába. Az ökológiai rendszerre (ökorendszerre) is igaz, hogy a saját egyensúlyi állapotának a fenntartása mellett a zavaró hatások kiszűrésére törekszik. A talaj kezdetben az ökológiai rendszer fejlődésének egyik korlátozó tényezője megszabva az ökorendszer érési útjának az irányát, majd részt vesz az érési folyamatban és változások sorozatán megy keresztül. Ha az ökorendszert zavaró hatás éri, a szabályozó mechanizmus a zavaró hatás megszüntetése és az egyensúlyi állapot fenntartása irányában hat. A talaj részese ennek a folyamatnak, amelyet a talaj pufferképességeként neveznek. Felmerül azonban a kérdés, hogy a zavarásnak milyen hosszú ideig kell hatnia, hogy új fejlődési korlátot jelentsen, és új egyensúlyt eredményezzen. Amennyiben azonban a zavaró hatás katasztrofális, az ökorendszer nem képes magát új egyensúlyi állapot felé kormányozni. Az előzőekben említett lehetőségekre egy ökológiai példa a következő: Egyensúlyi ökológiai rendszer a klimax vegetáció. Magyarországon például a lombos erdő valamilyen formációja a hozzá tartozó erdőtalajjal az egyensúlyi ökorendszerek egyike. Nyilvánvaló, hogy erdővegetáció nélkül a lombos erdő ökorendszer talaja teljesen különböző lenne. Amennyiben a talajról az erdőt levágjuk, és szántóföldi művelést alakítunk ki, az erdőtalaj tulajdonságai megváltoznak, szervesanyag-tartalma csökken, szerkezete degradálódik és entrópiája mindaddig nő, míg egy új, magasabb entrópiájú egyensúlyi állapotot nem ér el. A felhagyott szántóföldre az erdő csak hosszú idő után települne vissza, de minden valószínűség szerint regenerációja végbemenne, vagyis az erdősülési folyamat visszafordíthatónak, reverzibilisnek tekinthető. Az angliai Rothamsted kísérleti állomás hosszúidejű talajtani megfigyelésekkel rendelkezik, amelyek azt bizonyítják, hogy az eredeti vegetáció megváltozása nem jár együtt katasztrofális talajtani változásokkal. Ennek oka a talajok fokozatos megváltozása lehet. Megfigyelést végeztek egy olyan területen, amely évszázadokon keresztül mezőgazdasági művelés alatt állt, majd a művelés felhagyását követően 1883-tól visszaerdősült. Az 1964-ben visszaerdősült és a továbbra is szántóként használt talajok szelvényleírását és jellemzőit összehasonlítva a morfológiai különbség csupán kismértékűnek látszott annak ellenére, hogy a visszaerdősült talaj évente 530 kg szénnel és 45 kg nitrogénnel többet kötött meg hektáronként, mint a mezőgazdasági terület talaja. Talán a legkifejezettebb különbség a feltalaj tömődöttségében volt kimutatható. A visszaerdősült talaj feltalajának kisebb tömődöttségét a földigiliszta aktivitás eredményezte, amely hiányzott a szántóterületről. A két terület talajának entrópia különbsége azonban épp úgy nem volt kimutatható, mint a C- és az N felhalmozódásé.

3. Entrópia és mezőgazdálkodás A természetes növénytakarójú ökorendszerekben a legeltetés, a talajművelés zavarásnak, perturbációnak minősül. Az állandóan, évszázadok óta legeltetett, kaszált füves területeken azonban az állandóan ismétlődő perturbáció új egyensúlyi állapotot eredményez. A hosszú ideje művelt és trágyázott szántó perturbációja tehát állandó és amiatt új egyensúlyi állapot jött létre. A természetes ökorendszer egyik fontos jellemzője egyensúlyi állapotának állandósága, amelyet állandósága miatt fenntarthatóságként tekintenek. Az állandó zavarással fenntartott mezőgazdasági rendszerek - legelők, kaszálók, szántók - szintén fenntarthatók, de az eredetitől eltérő, új egyensúlyi állapotot képviselnek. A természetes ökorendszerek fenntarthatósága minimális entrópiatermelés mellett valósul meg, míg a


A talaj-növény rendszer dinamikus állandósága perturbációval fenntartott mezőgazdasági kultúrák entrópia produkciója az új feltételek mellett minimális, értéke azonban szükségszerűen nagyobb. Amennyiben az entrópiatermelésbe a környezetkárosító kismolekulákat, például a CO2-t, N2O-t, NO3 --t és a CH4-et is beleértjük ügyelni kell, hogy ne környezetkárosító mennyiségben keletkezzenek. Amennyiben ez a feltétel teljesül, a mezőgazdasági használat fenntarthatónak tekinthető. Az entrópiatermelés alapján az organikus gazdálkodás megítélése nehéz, mert a gyepek néhány év utáni feltörése az organikus gazdálkodás része. Emiatt termodinamikai alapon az organikus gazdálkodás minősítése egyelőre nem egyértelmű.


7. fejezet - A talaj-növény-légkör rendszer modellezése A talaj-növény-légkör rendszer egyes alrendszerein belül és alrendszerei között anyag- és energiaáramlás megy végbe. Az energiaáramlás módja és eredménye is jellemző a rendszerre. A légáramlás anyagszállítása csapadékeseményként, porfelhőként, a légáram szélként, a levegővel szállított hőmérséklet hőáramként, stb. ismert. A talajban végbemenő anyagmozgások eredménye a talajfejlődés és a talajtípusok kialakulása, a talajféleségre jellemző víz- és tápanyagforgalom pedig a talaj termőhely jellegének kialakításában vagy mezőgazdasági termőképességében nyer jelentőséget. A növényi anyagcsere-folyamatok a növény egyedfejlődésével és termésmennyiségével összefüggésben szerepelnek. A növény a talaj és a légkör közötti anyagforgalom meghatározó közegeként jelenik meg, ezért a talajfolyamat modellek hangsúlyos részét képezi. A 26. táblázat a talajfolyamatokra vetített talaj-növény-légkör rendszerfolyamatok szintjeit, időléptékét és felosztását tartalmazza.

7.1. táblázat - A fontosabb talajfolyamatok koncepcionális felosztása

A 26. táblázatban szereplő felosztásban például a hőmérséklet hatása az egyes részfolyamatok és azok összekapcsoltsága jól nyomon követhető. A talajban a hőáramlás kulcsfontosságú minden, a talajban végbemenő egyéb folyamatot tekintve (pl. a szervesanyag lebomlása, vagy a növények tápanyagfelvétele). A talaj hőmérséklete a növény növekedésére is meghatározó. A talajtulajdonságokat a hőmérséklet különböző időléptékben befolyásolja annak ellenére, hogy a hőmérsékletnek napi, vagy annál rövidebb időléptékű változása van. Modellezési célból a talajszelvényben végbemenő hőtranszport felírható, a talajrétegek változó hőmérséklete pedig az ott végbemenő anyagforgalmi folyamatok kinetikájában jelenik meg. A modellezésben a talajfolyamatok kapcsolatrendszere is megjelenik, amelyet az alábbi felosztás mutat: A modularitás, vagyis egyedi részekből felépítettség. A részfolyamatokat leíró modellek idő- és térléptéke egymástól független. A függetlenséget az indokolja, hogy amennyiben a szakmai ismeretek egy részfolyamatra vonatkozóan bővülnek és a modellbe beépítésre kerülnek, hatásuk ne legyen egy másik modellrész folyamataival ellentmondásban. A talaj genetikai fejlődését leíró szimulációs modell például moduláris felépítésben működtethető. A 34. ábra öt elsődleges talajfolyamat modellt szemléltet. A második szint az 88 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése eseményeket rendezi össze időben, és a futási eredményeket mutatja be a történések sorrendjében. A harmadik szint lehetőséget ad a modellezőnek arra, hogy megszabja a modellezési eredmények lekérdezésének módját, formáját és időléptékét.

7.1. ábra - Példa a talajfolyamat modell szerkezeti felépítésére

Az egyes talajtani részfolyamatok leírására specifikus modellek állnak rendelkezésre. A részmodellek önálló modellként például a talaj fizikai-, vagy kémiai folyamatainak leírására alkalmasak. A következőkben a talajtani folyamatmodellek jellemzőit és elvi megoldásait tekintjük át.

1. Talajfolyamat-modellek A talajképződés az anyakőzet mállási- és biogén folyamataiként megy végbe adott éghajlati és emberi hatások alatt. A mállási- és biogén talajfolyamatok eredményeként keletkező anyagok a talajszelvényben a vízáram révén oszlanak szét. A megoszlás térbeli és időbeli eredményeként jön létre a talajok vertikális és horizontális rétegzettsége. A talajképződés hosszú időtávú folyamat. Az agyag-kilúgzás eredményeként létrejövő agyagfelhalmozódási szint kialakulásának idejét 10000 évre, míg a podzolosodás idejét legkevesebb 500 évre teszik. A víz bármely formájára (csapadék, lefolyás, jégképződés és olvadás, kis-, vagy nagy hozamú felszíni vízfolyás, tenger, talajvíz és talajnedvesség) vonatkozó vízáramlás hajtóereje a talajképződés alapvető tényezője. Egy adott folyamatot leíró modell mindig csupán egy meghatározott mérettartományra érvényes. Ezért a modellalkotásnál, illetve a modell kiválasztásánál a modellezendő folyamat léptéke, érvényességi tartománya meghatározó. A talajfolyamat-modellek ismertetése előtt a modellek általános típusait tekintjük át.

2. Modellek és felosztásuk A modellt készítésének a célja határolja be. Különbözőek a modellek aszerint, hogy kutatási, oktatási, kezelési, vagy szabályozási célra készülnek. Két fő típusuk ismert: az analitikus-, és a numerikus modellek. A modellek osztályozhatók aszerint is, hogy mennyire matematizáltak (kvalitatív, kvantitatív modellek). A matematizáltságba nem csupán a számítógépi kódok, hanem az alkalmazott hipotézisek is beleértendők. A vegyes determinisztikus és konceptuális modellekre érvényes, hogy a modell válasza nem csupán a matematikai egyenletek megoldásán, az egyenletek paramétereinek megadásától függ, hanem a modellbe épített szóbeli információkon is, amelyek mint modell válaszok jelennek meg. A matematikai modellek az alkalmazott 89 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése egyenlet, rendszerint differenciálegyenlet analitikus megoldását jelentik, a használt peremfeltételek és paraméterértékek esetén. A modellkimenet vagy eredmény tehát a peremfeltételek és a paraméterek által meghatározott. A modellekkel a talajparaméterek - talajt jellemző értékek - térbeli variabilitása, a variabilitás hatása a modellezett folyamatra is elemezhető. A matematikai modellek megoldását valószínűségi alapon is lehet végezni, amikor is a modellkimenet nem egy meghatározott érték, hanem egy érték és a hozzá tartozó statisztikai valószínűség. A statisztikai valószínűséget is figyelembe vevő modelleket sztochasztikus modelleknek nevezik. Azok a vízforgalmat, talajvízforgalmat leíró modellek, amelyekben a csapadék eloszlása statisztikailag épül be, a két eddig ismertetett modelltípus között helyezkednek el. A matematikai modellek felosztását a 27. táblázatban adjuk meg. A modell szerkezeti felépítése lehet egyszerű vagy bonyolult, funkcionális vagy mechanisztikus. A funkcionális vagy működést leíró modellek általában leegyszerűsítik a modellezett folyamat leírását, csökkentik a bemenő adatmennyiséget és azáltal a műveleti időt olymódon, hogy empirikus egyenleteket vagy közelítő (pl. regressziós) függvényeket alkalmaznak. A vízmozgást leíró működési modell egyik gyakori típusát az un. kapacitív modellek alkotják, amelyek statikus talajparaméter értékekkel dolgoznak (telítési víztartalom, szántóföldi víztartalom, térfogattömeg, stb.).

7.2. táblázat - A számítógépes matematikai modellek csoportosítása (Addiscott és Wagenet (1985), Hoosebeek és Bryant (1992) nyomán) 1. Determinisztikus a) Mechanisztikus

(általában sebesség paraméterekkel)

b) Működési (funkcionális)

(általában kapacitív paraméterekkel)

2. Sztochasztikus a) Mechanisztikus

(véletlenszerűen kiválasztott eloszlási paraméterek)

b) Nem-mechanisztikus

(sűrűségfüggvény paraméterek)

Más szempontú felosztási lehetoségek: Cél, Összetettség (komplexitás), Rugalmasság (flexibilitás), Átvihetoség (transzferabilitás) Kvalitatív vagy kvantitatív jelleg Hierarchikus felépítés szerint Információs szintek szerint A mechanisztikus modellek a modellezett folyamat leírását az aktuálisan ismert szinten tartalmazzák és abba minden ismert részfolyamatot is bekapcsolnak. A mechanisztikus modellek ezért bonyolultak, és általában numerikus iterációs megoldással számítják az eredményt, amely megnövelt a számítási és a futási időt.

7.3. táblázat - A víz- és oldatmozgás modellezési léptékei, a modellek típusai és az alkalmazott mérési és becslési módszerei Skála

Lépték

Modell

Mérési és eljárások

i+6

világ (Föld)

konceptuális

távérzékelés, éghajlat

i+5

kontinens

konceptuális

távérzékelés, éghajlat

i+4

ország, állam, tartomány

statisztikai modellek

légifotózás

i+3

talaj-régió (összekapcsolt hidrológiai modellek, geohidrológiai technikák, vízgyujtok) tömegegyensúly modellek fuzzy clustering (valószínuségi, statisztikus


becslési

A talaj-növény-légkör rendszer modellezése Skála

Lépték

Mérési és eljárások

Modell

becslési

determinisztikus/muködési modellek) i+2

katéna, vízgyujto

vízgyujto modellek, geostatisztikai, megosztott vagy geohidrológiai technikák statisztikus hidrológiai (hidrográf, vízkémia) modellek (determinisztikus és sztochasztikus vegyes modellek)

i+1

polipedon (tábla)

két- és háromdimenziós TDR, GPR, geostatisztika oldalirányú áramlások (determinisztikus/muködés i modellek)

i

pedon

tömegáramlás modellek, TDR, neutron-szonda ismert változatosságú (i-1) modellek (determinisztikus/muködés t leíró modellek)

i-1

talajszelvény, réteg

egy- és kétdimenziós tenziométerek, determinisztikus blokkok kimosódási modellek, mintázat felismerés (determinisztikus/muködés t leíró modellek)

i-2

másodlagos szerkezeti megkerülo elemek (pedek, (bypass aggregátumok) makropórusok

i-3

matrix szerkezet áramlások a talajmatrixban vékonyréteg technika, (szemcsekölcsönhatások) (determinisztikus/muködés térbeliség, NMR i)

i-4

molekuláris kapcsolatok elektrokémiai modellezés elektronmikroszkópos (pórus/szemcse) (determinisztikus/muködés technika, oldatkémia i)

ellenállás

áramlás vékonyréteg metszet, flow), festési eljárás, üvegszálas optika, CT

GPR = ground penetrating radar (talajnedvességmérési eljárás) TDR = time domain reflectometry (talajnedvességmérési eljárás) CT = computer-assisted tomography (felületelemző eljárás) NMR = nuclear magnetic resonance (hidrogénatom mennyiségét mérő eljárás) A mechanisztikus modelleket hipotézis ellenőrzésre alkalmazzák, segítségükkel kevéssé ismert összefüggések feltárását végzik, amelyek következtében a funkcionális modelleknél általában jóval bonyolultabbak. A modellek a modellezés léptéke szerint is feloszthatók. Hierarchikus rendszerű összeállítást mutattunk be a 28 . táblázatban. Az egyes szerveződési szintek modelljei a magasabb szerveződési szint alrendszer modelljeinek, illetve az alacsonyabb szint modelljei szintézisének tekinthetők. A talajképződés reprezentatív egysége a pedon (i-szint). A pedon minimális térfogatú és kiterjedésű, a talaj valamennyi ismérvét hordozó talajdarab. A pedon által reprezentált talaj fizikai- és kémiai jellemzői mérhetők és értelmezhetők. A pedon nem minden esetben talajszelvényt jelenít meg, lehet annál kiterjedtebb, de szűkebb jelentéstartalmú is. Természetesen a mérési módszerek különbözőségéből adódóan a fizikai és kémiai jellemzők között már ebben a léptékben is lehet különbség. A pozitív előjelű - a pedonnál nagyobb léptékű - i-szintek közül az i+1 lépték a polipedont jelenti, amibe a pedon területi változatosságát is beleértjük. Az i+2 szint képviseli a katéna vagy a vízgyűjtő, az i+3 pedig a talajrégió léptéket. Negatív irányban - a pedonnál nagyobb 91 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése léptékben - az i-1szint képviseli a talajgenetikai, az i-2 a ped és az aggregátumok, az i-3 pedig a molekuláris kölcsönhatások szintjét. A talajalkotó komponensek, illetve a talajszintek egymásra épülését, a talajok komplexitásának növekedését is szemléltetve, a 35. ábra mutatja be. A talajfolyamat modellek rendszerint csupán egy-, esetleg kétdimenziósak. A következőkben a különböző léptékben létező talajgenetikai- és folyamatmodellek főbb ismérveit tekintjük át. A 28. táblázatban feltüntetett léptékekben történő modellezéshez szükséges az ott lejátszódó folyamatok megfogalmazása. A léptékhez illeszkedő mérési- és a becslési módszerek megválasztása is szükséges, amelyre az összeállítást szintén a 28. táblázatban foglaltuk össze. Az i-4, azaz a molekuláris skálán a víz és a kémiai anyagok kölcsönhatásainak leírása történik determinisztikus és mechanisztikus módon. A részecske-részecske interakcióknak, a duzzadás és a zsugorodás jelenségének, a víz- és a vízben oldott anyagok anyagáramlásra gyakorolt hatásának a megértése a feladat ezen a skálán. Hagyományosan ezekben a tanulmányokban talajkémikusok, ásványtanosok, és fizikusok vesznek részt. Ebben a mérettartományban a talajfolyamatok vizsgálatára szubmikroszkópos vizsgálati technikákat alkalmaznak, közöttük az NMR-t, a magmágneses rezonancia spektroszkópia technikát, amely a hidrogénatom oszcilláló elektromágneses térben mérhető energiaelnyelésével összefüggő rezonancia mérésén alapszik. A rezonaciagörbéről olvasható le a hidrogénatomok mennyisége.

7.2. ábra - Talajösszetevők és rendszerek a különböző szerveződési szinteken

A víz- és a kémiai vegyületek talajoldat és a talajrészecske felülete közötti elmozdulásának a hajtóereje a kémiai potenciál rövid távolságú megváltozása, amelynek eredménye a víz és a vegyületek újra eloszlása (redisztribúció). Az ebben a léptékben megvalósuló áramlások (fluxusok) a talajképződési folyamatok lényeges elemei, amelyek a magasabb i-k szinten azután a talajképződés magyarázó okát és hajtóerejét is jelentik.


A talaj-növény-légkör rendszer modellezése Az i-3 lépték a talajt felépítő szemcsék közötti pórusokban, a 0 és -100 cm tenziójú nedvességpotenciál tartományban végbemenő mátrixáramlásokra vonatkozik. Ebben a léptékben a felületi feszültség, és a kohéziós erők kombinációja a hajtóerő úgy, ahogy az i-4 szinten leírásra került. A talajmátrixban végbemenő telítetlen áramlás az, amelyben a kémiai anyagok redisztribúciója végbemegy. Ezen a szinten azonban csupán az elemi talajegység (ped) jelenik meg, vagy egy homogén pórusszerkezetű, makropórusok nélküli, ped-nek nem tekinthető talajdarab. Újabban az NMR technikát használják a szűk talajpórusokban végbemenő áramlások tanulmányozására. A másodlagos szerkezeti elemek alkotta pedre, vagy a nem ped talajdarabra jellemzőek a makropórusok, amelyek együttesen az i-2 léptéket alkotják. A makropórusos talajban végbemenő oldatáramlást kéthalmazú, vagy kétrekeszű (két kompartmentű) áramlásként tárgyalják általában. A kéthalmazú áramlás egyik összetevője a talajmátrix pórusaiban végbemenő, míg másika a makropórus áramlás, amely a pedek között, és nem a peden belül zajlik. A makropórus olyan átmérőjű pórus, csatorna, amelyben az áramlás hajtóereje a gravitációs potenciál. A szabadföldi és a laboratóriumi kísérleti tapasztalatok azt mutatják, hogy a kezdeti nedvességtartalom, és a határfeltételi tényezők egyaránt alakítják a mátrixpórusokban, és a makropórusokban végbemenő áramlás arányát. Az i-2 skálájú modellezés eredményei a tapasztalatok szerint nem egyértelműek. A festékek talajban történő terjedését leíró hidrológiai modellel azonban, ebben a léptékben nem sikerült összekapcsolni a talajmorfológiát és a talajhidrológiát. Az összekapcsolás csupán az i-1 léptékben sikerült. Az i-2 léptékben a makroporozitásnak, és a talajképződés során végbemenő kémiai áramlásoknak a kvantitatív összekapcsolása sem sikerült. A talajszerkezeti jellemzők azonban gyakran segítenek a kétfázisú áramlási mintázat jellemzésében. A makropórusok falán található vasbevonat a mátrixpórusokban történő oldatáramlás dominanciáját mutatja, amely során a redukált vas mozog a pedon külső felülete felé, ahol oxidálódik. A talajszerkezeti elemnek, a pedon-nak a kifehéredett külseje a makropórusokban végbemenő domináns áramlás indikátora. A vas redukciója a szerkezeti elem élei mentén következik be, míg oxidációja a szerkezeti elem mátrixában történik akkor, amikor abban víz szivárog. Annak ellenére, hogy a folyamat világosan követhető, mechanizmusának modellel történő leírása még nem minden részletében értett. Az i-1 lépték egyúttal a talajszelvény egy genetikai szintjét is jelenti, amely a talajgenetikai hierarchia talán leginkább kutatott eleme. A talajosztályozási rendszerek többsége az i-1 szinten a diagnosztikus szint jellemzőit vonatkoztatja (extrapolálja) az i, vagy még az a fölötti szintre is. A jelentős genetikai szintek fizikai-, kémiai- és biológiai jellemzőinek funkcionális értelmezését interpolációra, míg a mélységig, vagy a vastagságban típusú kiterjesztéssel folytonos, regionális változóként is alkalmazzák. Agyagos talajszint vízvezető-képességét a talajszerkezeti elemek közötti, morfológiai megfigyelésekből megállapított áramlási nyomvonalak alapján számítják. Az i-1 szinten történő mérési módszertan a reprezentatív elemi térfogat (REV) koncepció kidolgozásával, és azon a talaj hidrofizikai jellemzőinek mérésével jelentős fejlődésen ment át. A pedotranszfer függvények alkalmazásával a nem közvetlenül mért talajjellemzők is kiterjeszthetők a REV-re, és ez által modellezhetők. Amint a víz-, és az oldat áramlás talajgenetikai összefüggéseinek meghatározása a cél, annak a vizsgálatához a szükséges REV meghatározása kell, hogy a mérést, és a modellezést megelőzze. A REV koncepció értelmében a pedon az a háromdimenziós, megfelelően nagy méretű és kiterjedésű REV, amely az i szinten tartalmazza a vizsgált talajszelvény rétegzettségét, és a rétegek jellemzőinek variabilitását. A variabilitás ismerete ebben az esetben azt jelenti, hogy ismert a domináns talajréteg jellemző értéke, valamint annak varianciája is. A talajjellemzők térbeli-, és időbeli változatosságának ismeretében lehetséges, hogy a vízés az oldatmozgás, mint talajgenetikai részfolyamat kerüljön vizsgálat alá. Ennek érdekében a talajgenetikai vizsgálatokban a növényzetet, az időjárást és a talajvíz dinamikát is a maguk tér- és idő dinamikájával szükséges figyelembe venni. A talajgenetikai folyamatok tér- és időléptéke a pedonra is vonatkoztatható. A pedon modellek fajtái a determinisztikus/mechanikustól a statisztikus/konceptuálisig terjednek. Utóbbiak a mintázat felismerésen alapulnak, amelynek segítségével jelenítik meg például a festéknyomvonalak és a fémkiválások mintázatát. A kimosódási modellek a pedon léptékben a víz- és a kémiai anyagtranszport, valamint az oldatkémia törvényein nyugszanak annak érdekében, hogy összekapcsolják a fizikai és a kémiai rendszert. A kimosódási modellek pedon léptékében időben változó határfeltételek használata lehetséges, mint amilyen a csapadék, a hőmérséklet és a száradási-nedvesedési ciklusok, amelyek a szabadföldi feltételek egy jobb leképezését nyújtják. Mindez lehetőségét adja a modell érzékenység vizsgálata mellett a talajfolyamatokról, és folyamat együttesekről alkotott, és a modellbe épített hipotézisek tesztelésének is.


A talaj-növény-légkör rendszer modellezése A dinamikus szimulációs modellek nem új keletűek és igen sokfélék. A legtöbbjük kvantitatív, de érvényességük behatárolt. Talán leginkább arra alkalmas eszközök, hogy egy i-k színtű eredményt i-1, vagy i+1 szintre képezzék le. Ezt sok más típusú modell is tudja. Matematikai modell szolgál a talajszelvény-fejlődés leírására az i-1 szinten, amely mállási-, szervesanyag- és ásványi anyag szelvényeket eredményez, az átszivárgás, egyensúlyi oldatok, kimosódás, iondiffúzió, szerves keveredés, lombhullás, szervesanyag lebomlás és mechanikai lepusztulás eredményeként (Kirkby, 1985). A modell a helyben maradó anyagmennyiség alapján számítja a hiányzó anyagmennyiséget, vagyis a málladék (w) képződését a következő összefüggéssel:

7.1. egyenlet - A málladék (w) képződés

ahol: z: a felszíntől mért függőleges távolság, p: nem mállott, vagy maradó talajrész. A z mélység alá történő elfolyás, a maximális beszivárgási mélység, valamint a mállás a hidrológiai jellemzők alapján kerül számításra. Ez a megoldás figyelmen kívül hagyja az agyag fizikai áttelepülését, komplexek képződését, kémiai átalakulását, az ionkicserélődést és az adszorpciót. Az oldatkémiai számítás a szilárd fázissal mutatott egyensúlyon alapszik, ami nem mindig teljesül. Az alkalmazott hipotézisek, egyszerűsítések és elhanyagolások miatt a modell csupán korlátozott érvényességű. Értékes azonban a talajszelvények, valamint a talajszelvény és a szelvényt körülvevő táj összekapcsolásában. Az egyszerűsítések ellenére tehát összekapcsolja a genetikai szintet (i-1) a pedonnal (i), vagy a nagyobb területtel (i+1). A pedon szintű modellek választéka is nagy. Különbözőségük oka az, hogy eltérő helyzetekre kidolgozottak. Általában funkcionálisak és félkvantitatívak. A talajképződés tömegegyensúlyának elvére épülő modell a mállás és a talajgenetika hosszú idejű kapcsolatát elemzi. Az anyagmegmaradás elvét kifejező tömegegyensúlyi és térfogatváltozási egyenletek kombinációját alkalmazza a jól ismert szelektív extrakciós és a részecskeméret szeparációs folyamatokkal kombináltan, amikor is egy tengerparti homok erdőtalajjá (Alfisoil) alakulását elemzi. Ezek a modellek szintén a víz- és a kémiai anyagok áramlásának mennyiségi becslésén alapulnak, amelyek a talajgenetikai folyamatok megértését szolgálják. Azonban ezek a folyamatok a pedon szintjén még nem kellően ismertek, és megértésük az i-1 szintű ismeretek bővülésétől várható. Előre mutatóak azonban a modell bemenő adatait és működési tesztjét szolgáló mérési eljárások, amelyek ismételhetők és gazdaságosan kivitelezhetők. Ilyen mérési eljárásokat ad a TDR, vagyis a Time Domain Reflektometriás talajnedvességmérési technika, a neutron szonda és az automatizált tenziométeres eljárás. Az i+1, vagy a polipedon szint már tábla lépték. A polipedon szint a talajgenetikai folyamatok oldal irányú kiterjesztésére ad lehetőséget. Ezzel már lehetőség van két- és háromdimenziójú modellek alkalmazására, amikor is a kimosódás mellett az oldal irányú elfolyás, az erózió, valamint a felszín alatti elfolyás és a talajvízáramlás is figyelembe vehető. A léptékben a térbeli változatosság jelentősége nagymértékben megnő és azzal párhuzamosan a víz- és a kémiai anyagáramlás determinisztikus megoldásai, mint a talajfejlődést mutató indikátorok jelentősége gyengül. Modellezéstechnikailag ezt úgy valósítják meg, hogy a determinisztikus folyamatokat a Monte-Carlo szimulációs technika alkalmazásával sztochasztikus módon veszik figyelembe. A tábla lépték már szükségessé teszi a modellezéshez a talaj és a környezeti adatok, jellemzők együttes és térbelileg értelmezhető mérését. Ebből következik, hogy a tábla szinten (i+1) a geostatisztika és az idősorelemzés fontos és szükséges eszközzé válik. A tábla szintű feladatok egy másik megoldási lehetőségét a tábla mért pontjaira végzett szimulációs eredmények térbeli, valószínűségi alapú kiterjesztése jelenti. A katéna, vagy vízgyűjtő skála (i+2) a víz- és a kémiai anyagok áramlásának, és azok talajgenetikai hatásainak a tájléptékű ismeretét teszi szükségessé. Ezen a szinten a mechanisztikus és a determinisztikus modellek használhatóak miután a térbeli mintázat a talajszelvényt alkotó genetikai szintekre (i-1), és oldal irányú kiterjesztésükre már megtörtént. Ezt követően a geostatisztika interpolációs módszerei alkalmazhatóak, de azok is lehetőleg homogén területekre. A modellek bemenő adatait ekkor a genetikai szintekre méréssel, vagy becsléssel szükséges fölvenni. A pozitív i szinteken végzett modellezésnek azonban nemcsak talajgenetikai okai és kimenetei lehetnek, hanem az, hogy az ökológia történései, törvényszerűségei a polipedon, vagy katéna léptékben értelmezhetők. Gyakori, hogy az ökológiai modellek legkevésbé kvantifikált, fekete dobozként kezelt eleme éppen a talaj, mint


A talaj-növény-légkör rendszer modellezése környezeti elem. Szükséges éppen ezért az ökológiai modellekbe integrált kvantitatív-mechanisztikus meteorológiai, biológiai és hidrológiai modellek közé valamely talajmodellt is bevenni. A kvantitatív-mechanisztikus talajgenetikai történéseket leíró talajmodell ökológiai modellbe integrálása segítheti a talaj, mint környezet ökológiai hatásainak jobb megértését is. Az ökológiai léptékben (tér- és időskálán) változó talajkörnyezet ökológiai szerepének kutatásában, és oktatásában fontos szerepet kaphat ez a próbálkozás. Marion és munkatársai regionális léptékű, a talajfejlődést sivatagi talajok mész dinamikáján keresztül vizsgáló modellje (CALDEP) tekinthető egy ökológiai léptékben megvalósított példaként (Marion et al., 1985). A CALDEP-modell különböző tudományterületek (statisztika, meteorológia, talajfizika, talajkémia, talajbiológia, stb.) eredményeit integrálja. A modellnek a jelenlegi és három pleisztocén időjárási változattal végzett érzékenységvizsgálatai a talajfejlődés következő változókra vonatkozó érzékenységét mutatták: a viharok gyakorisága, a talaj vízkapacitása és a CO2 parciális nyomásának biológiai kontrollja. Az i+3 skálán, vagyis az egymással kapcsolt, kölcsönhatásban álló vízgyűjtők szintjén a víz- és a kémiai anyagok transzportját leíró mechanikus és determinisztikus modellek már nem alkalmazhatóak, helyettük a funkcionális és statisztikus megközelítések kerülnek előtérbe, amelyekben összevont, csoportváltozókat használnak. Ennek oka a léptékből adódik, hiszen a kilométeres léptékben egy-egy változó varianciája megnő, amelynek csökkentését szolgálja az összevont változók alkalmazása. Már a múlt században, és a század kezdetén használták ezt a koncepciót felszíni lefolyás, erózió és kisvízfolyás leírására. Tájléptékben az összevont változójú modellezést az ökológusok mind a mai napig alkalmazzák. Delcourt és Delcourt által készített tájléptékű ökológiai tér- és időfelosztás (29 . táblázat), alapján látható, hogy a talajképződés mikroléptékű folyamat az olyan felszínalaktani folyamatokkal egyetemben, mint a talajfolyás, homokdombok mozgása, felszíni bemélyedés, folyami- és szélhordta üledékképződés (Delcourt és Delcourt, 1985). Ebben a tájléptékű felosztásban a talajképződés túlságosan nagyléptékű folyamatokhoz kapcsoltan jelenik meg. A hangsúly a tájléptékű mozaikok átrendeződésére irányul. A talajképződés megjelenése sokkal inkább holisztikus, mint folyamat orientált. Az alkalmazott szemlélet a százéves talajjellemzési, térképezési szemlélethez, nem pedig a mai folyamatszemléletű megközelítéshez áll közel. Az i+4 lépték a politikai határokra sokkal inkább vonatkozik, mint a természetes határokra (megye, ország, stb). Ebben a léptékben főként a statisztikai megközelítés használatos. A területre jellemző adatbázisokat GIS rendszerben és statisztikai módszerekkel kezelik. A víz- és a kémiai anyagok áramlása, áramlás intenzitása ebben a léptékben nem jelenik meg. A térképezés a méretarányhoz illeszkedő jellemzőkre (pl. folyóvízi üledékek, szélhordta üledékek) megjelenítésére vonatkozik általában. A determinisztikus modellek ebben a léptékben nem a talajfolyamatokra, hanem a szabályozási és kezelési kérdések vizsgálatára szolgálnak. Az alkalmazott determinisztikus modellek annak ellenére kerülnek ebben a lépékben alkalmazásra, hogy más skálára készültek. A skála különbségből adódó kötöttségeket nem veszik figyelembe, hiszen azok hatása a modellezett eredményekre nem ismert.

7.4. táblázat - Összeállítás a különböző szerveződési szintű (léptékű) talaj-, illetve talajfolyamat modellekről Skála

Citáció

Modell célja

i+6

Smeck et al. (1983)

Talajsorozatok kialakulására vezető entrópiaváltozások grafikus megjelenítése

i+5

Jenny (1980)

A talajfejlődés többléptékben történő megjelenítése

i+4

Shovic a Montagne (1985)

Talaj-táj modellje

Havens (1988)

Tömegegyensúlyi kimosódási modell, GIS alapú víz- és oldaláramlás becslés

Lee et al. (1988)

Talajképződés, mint ökoszisztéma eleme

Petach et al. (1991)

Tömegegyensúlyi modell, GIS alapú

Delcourt a Delcourt (1988)

Talajképződés,

i+3


kapcsolatok

mint

statisztikus

a

táj-

és

kimosódási a

táj-

és

A talaj-növény-légkör rendszer modellezése Skála

Citáció

Modell célja ökoszisztéma eleme

Marion et al. (1985)

A talajkémiát, ET-t és a talaj-víz mozgást összegző összetett modell

Wosten et al. (1990)

Pont módszerek kiterjesztése területre morfológiai/hidrológiai függvények segítségével

Evans a Roth (1992)

Információ generálási szimulációs modellezéshez

Bouma a van Lanen (1987)

Statikus adatokra alapozott pedotranszfer függvények dinamikus folyamatok becslésére

i+1

Finke (1993)

Interpolált pont adatok mechanisztikus modellezése tápanyagáramlásra szétválasztó krígelési eljárás alkalmazásával

i

Levine a Ciokosz (1986)

Kétszínű modell a talajok savanyodás érzékenységének a tesztelésére

Huston a Wagenet (1992)

Determinisztikus/mechanisztikus modell víz- és oldatmozgásra

Brimhall et al. (1991)

Periódus dilatációs keveredés szerepe a talajszelvény rétegek kialakulásában

Kirkby (1985)

Mállási, szervetlen és szerves folyamatok dinamikus szimulációja

Chadwick et al. (1990)

Tömegegyensúly függvények a tengerpart-erdőtalaj átalakulásban

Anderson a Bouma (1973)

Agyagszint vízvezetőképességének becslése aggregátumok közötti pórusmintázatból

Bootlink a Bouma (1991)

A vízáramlás útvonalának becslése festéknyomvonal alapján

Verpraskas a Bouma (1976)

Vasmozgás talajmátrixban következtében

Payton et al. (1992)

Makropórus átmérő meghatározása röntgensugaras CT-vel

Bouma a Anderson (1973)

Vékonyréteg pórusmintázata, térbeli szerkezete

Bouma a Denning (1974)

A vízvezetőképesség morfometrikus elemzése

Manley et al. (1987)

A talajoldat és a részecske felülete közti anyagáram fizikai-kémiai modellje

Stumm et al. (1985)

Komplexképző ligandumok hatása ásványok oldódására

i+2

i-1

i-2

i-3

i-4

elv

makropórusos oxidáció/redukció

A kontinentális (i+5) és a globális (i+6) léptékben alkalmazott modellek már kivétel nélkül az un. konceptuális modellek. Talajtanilag ezekben a léptékekben talajgenetikai típusok és talajsorozatok jelennek meg. A víz- és a kémiai anyagtranszportot és intenzitást sem önmagában, hanem hatásuk eredményében nem veszik figyelembe. Az anyakőzetre jellemző diagnosztikus szintek megléte, vagy hiánya, a biológiai aktivitás mértéke, a klímahatás erőssége, mint differenciáló tényezők kerülnek felhasználásra a terület talajainak térszíni pozíciójával, a 96 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése geohidrológiai-, hőmérsékleti- és csapadékviszonyokkal mutatott kapcsolat értékelésében. Ebben a tájléptékben értékelhető továbbá az emberi tevékenység hatása is a talajképződésre. A teljesség igénye nélkül készített, az áttekintést segítő, irodalomból kigyűjtött modellösszeállítást mutatunk be az egyes szerveződési szintekre a 29. táblázatban.

3. A talajfolyamatok és modellek léptéke A talajfolyamatok mindegyikéhez egy meghatározott idő- és térskála tartozik. Emiatt nem tanácsos egy adott léptékre kidolgozott modellt más tér- és időléptékben alkalmazni. Konkrétan például a pedon léptékű kimosódási modell nem alkalmazható vízgyűjtőre olymódon, hogy a pedon léptékű modell eredményét a térlépték különbség kiküszöbölése érdekében a megfelelő konstanssal megszorozzuk. Ahhoz, hogy a léptékváltás lehetősége a különböző skálájú problémák között meglegyen, mérlegelni szükséges azt, hogy lehetséges-e a skálák között kapcsolat. Adott i szintre kidolgozott modell az alacsonyabb i szintekre érvényes törvényszerűségekből az adott szinten lényegeseket tartalmazza. A mechanisztikus modellekben például az anyagáramlás az alacsonyabb i szinteken a vegyületet alkotó elemek közötti molekuláris kölcsönhatásokon alapszik, magasabb i szinten azonban a vízmozgás már a vízpotenciál viszonyok függvényeként alakul. Még magasabb i szinten pedig már csak a következményként lezajló nedvességtartalom-változás jelenik meg. Jelenleg a talajfolyamatok különböző léptéken megjelenő eredményeit tekintve csupán a megismerési szakaszban vagyunk. Szimulációs modelltechnikával vizsgálható például, hogy a talajfejlődés évszázados léptékű folyamata hogyan függ a klíma és a hidrológia évenkénti periodikusságától, és mindebbe hogyan illeszkedik a víz- és a kémiai anyagmozgás. Ahhoz pedig, hogy a talajféleségek kialakulásában a transzportfolyamatok szerepe, illetve ezek térléptéke leírható legyen, további ismeretek szükségesek.

4. Modellezés és léptékváltás Nyilvánvaló, hogy egy modellt az érvényesítés léptékétől eltérő léptékben használni nem problémamentes. Annak eldöntését, hogy megengedett-e az eltérő léptékben való modellalkalmazás a következők átgondolása segíti: • Maradhat-e változatlan a modellben alkalmazott hipotézis? • Megmarad-e a modellbe épített mechanizmus eredeti értelme? • Abban a paraméterérték tartományban történik-e a modell használata, amelyre az érvényesítés vonatkozik? • Lehet-e valós, önálló értéket tulajdonítani a modell paramétereinek? • Illeszkedik-e a modellezés léptéke a paraméter értékek meghatározásának a léptékéhez? • A nagyobb lépték paraméterértékei jelentősen eltérnek-e a kisebb lépték paraméterértékeitől? Ha igen, miért? • Változott-e a modell paraméter érzékenysége? Ha igen, miért? • Változott-e a modell típusa ténylegesen? Például, fizikairól (physically-based) összevont paraméterűre (lumped parameter), vagy mechanisztikusról működésire? • A nagyobb léptékben tapasztalható-e a modell működésének olyan eleme, amely az elvárhatóval ellentétes? A léptékváltás kapcsán feltétlenül figyelembe veendő, hogy a léptékkel nem csupán a fizikai méret változik, hanem a folyamatok kinetikája is. A kinetikai különbségekből adódik a történések időléptékének a változása. Nyilvánvaló, hogy a molekuláris lépték (i-4) történéseinek időtartama nem lehet azonos a talajszelvény szinten (i) végbemenő folyamatokéval. A léptékváltás és annak kapcsán az 1-9 kérdések, valamint a tér- és időlépték váltásból adódó eltérések áttekintését teszik szükségessé.

5. Talajváltozatosság és modellezés


A talaj-növény-légkör rendszer modellezése A területi változatosság modellezésben történő figyelembevétele szakterületenként különböző és függ a modell természetétől. A talajtani modellek többsége nem alkalmas hibaelemzésre. Ennek oka, hogy a modellkészítők a hibaelemzést a modellezett rendszer összetettsége miatt értelmetlennek tartják. A talajtérképen a talajok területi változatossága talajfolt elhatárolással kerül megjelenítésre. A talajfolt határ megrajzolását reprezentatív talajszelvények feltárásával végzik feltételezve, hogy a megállapított folthatár egyben kijelöli a térbeli variabilitás-mintázatát. Az előző feltételezés azonban nem tartható, hiszen számottevő változatosság marad a körülhatárolt talajfolton belül is. Az sem mindegy, hogy a változatosságot mely talajtulajdonságra vizsgáljuk, hiszen az agyag-, a szervesanyag-tartalom, vagy a térfogattömeg szórása jelentősen eltér a különböző talajfoltokban. Azonban ez a megállapítás nem minden talajtulajdonságra érvényes. Egy hollandiai talajsorozatra számított vízszolgáltató kapacitás szórását lényegesen kisebbnek találták az alapadatok szórásánál, amelyek a térképen szerepeltek. Az eredeti talajtérképen 350 talajfolt szerepelt, míg a számított vízszolgáltató kapacitás 100 térképezési egységet eredményezett. Ebből az következik, hogy a térbeli változatosság a talajtanban jelentősen különbözik aszerint, hogy alaptulajdonságról vagy olyan funkcionális jellemzőről, mint például a vízszolgáltató kapacitás van szó. A talajtulajdonságok változatosságát klasszikus statisztikai feltételek alapján tárgyaltuk idáig. Meg kell azonban említenünk, hogy létezik egy geostatisztikai módszer, ami a vizsgált változó mintavételi helytől függő, vagyis térbeli viselkedésének elemzésére szolgál. A geostatisztikai vizsgálat a h távolságra lévő terepi megfigyelési helyeken mért talajjellemző értékek négyzetes eltérésének számtani átlagán, a kísérleti félvariancia vagy szemivariancia függvényen alapszik:

7.2. egyenlet - A kísérleti félvariancia vagy szemivariancia függvény

ahol: N(h) : a h távolságra levő mintapárok száma Z(xi): az xi helyen mért talajjellemző érték Z(xi+h) : az xi-től h távolságra lévő minta talajjellemző értéke bi :a félvariancia vagy szemivariancia érték A félvariancia értékek távolság szerinti alakulását ábrázoló függvény a szemivariogram (36. ábra), amelyről a következő információk olvashatók le: • a félvariancia értéke a h=0 helyen, amelyet röghatásnak (nugget effect) neveznek. • a félvariancia felső küszöbértéke, amely a vizsgált jellemző szórásnégyzetét adja (sill). • ahol a variancia stabilizálódik, vagyis ameddig a mért értékek nem függetlenek. A szemivariogram függvény arra ad infromációt, hogy egy mintavételi ponttól milyen távolságban (α) tekinthető az ott mért talajjellemző érték kiterjeszthetőnek. Az ábrán a szemivariancia értékek leírását szférikus függvény illesztésével mutatjuk be. A röghatás nélküli ábra a lineáris függvény alkalmazása esetén leolvasható hatástávolságot szemlélteti, mutatva a megfelelő szemivariancia függvény megválasztásának jelentőségét. A szemivariogram függvény ismeretében lehetőség van a terület nem mintázott pontjaira a mintavételi pontok mért értékei alapján becslést adni. Ezeket az eljárásokat nevezik krigelési vagy súlyozott interpolációs eljárásoknak. A geostatisztika további ismeretanyaga nem képezi a modellezés tárgyát, azokat a megfelelő kézikönyvek tartalmazzák.

7.3. ábra - Szemivariogram


A talaj-növény-légkör rendszer modellezése

6. Változatosság a térképezési egységen belül Hogyan is kezelhető a talajfolton belüli változatosság? A kérdésre alapvetően két modellezői megoldás ismert. Az egyik lehetőség a talajjellemző modellezés előtti átlagolását követő modellszámítás, míg a másik lehetőség a mérési, mintavételi pontokra történő modellszámítás eredményeinek interpolációval történő területi átlagolása, és kiterjesztése. Kimutatták, hogy az interpolációs eljárás a megfelelőbb, és pontosabb megoldás összehasonlítva a hagyományos, kézi kontúrrajzolással. Az interpolációs technikák alkalmazásának további előnye, hogy azokban a területi (térbeli) változatosság leírása statisztikai függvénnyel történik, valamint a szerkesztett térkép információtartalma is megadásra kerül. Környezetszennyezési példákban az alkalmazott interpolációs területi felosztással (krígelési eljárás) a szennyezési határérték túllépésének valószínűségét jelölik meg. Természetesen a geostatisztika csak abban az esetben alkalmazható ilyen és ehhez hasonló feladatokra, ha a szemivariancia függvény térbeli struktúrát mutat. Ellenkező esetben a klasszikus statisztika átlaga és szórása az, amellyel a térbeli változatosságot leírhatjuk. Talajfelvételezési adatok feldolgozása esetében ismerni kell a felvételezés idejét, az elemzési eredmények publikálásának idejét, a térképezés méretarányát, a felvételezés módszertanát, a becsült értékek pontosságát, stb. A talajfelvételezési adatokat nem szabad érvényességi korlátaikon túl kiterjeszteni. Amennyiben nagyobb, vagyis több különböző terület talajfelvételezési adatainak feldolgozása a feladat, biztosítani kell a felvételezőkkel történő konzultáció lehetőségét annak érdekében, hogy az adatbázis folytonossága és pontossága felmérhető legyen.

7. Modellparaméterek és megadásuk Két lehetőség közül az egyik a reprezentatív, vagyis a jellemző talajszelvény mért adataival, mint a talajfoltra általánosan/átlagosan jellemző paraméterértékekkel történő modellszámítás, a másik a mért pont adatokra történő modellfuttatás, amelyek interpolációjával nyerhető megfigyelés a területi eloszlásra. A pontadatokkal történő számításmenet hibája csupán a pontokra vonatkozó modellparaméterek mérési/becslési hibájából adódik. Például a talaj vízszolgáltató kapacitásának számításához mind a víztartási-, mind a vízvezető képesség adatai szükségesek. Ezek az adatok kimérhetők, de a mérés költséges és időigényes. Lehetőség van egyéb, könnyen mérhető talajjellemzők alapján a víztartási- és vízvezető képesség függvények más talajtulajdonságok mért értékeit felhasználó, un. pedotranszfer függvényekkel történő becslésére is, pl. folyamatos regressziós függvényekkel, vagy egy-egy talajcsoportra vonatkozó pedotranszfer függvényekkel.


A talaj-növény-légkör rendszer modellezése A csoport pedotranszfer függvények érvényessége a csoportképzés módja szerint meghatározott. Lehetséges csoport például a genetikai színt, a talajréteg, a talajképző kőzet, a talajtípus, vagy altípus, termékenységi kategória, talajfolt, stb. A becsült paraméter hibája azonban általában nem ismert. A különböző pedotranszfer függvényekkel becsült talajparaméterekkel szimulált talajvízmérlegeket összehasonlítva azt tapasztalhatjuk, hogy a becslésből származó eredmények a direkt mérési eredményekből számítotthoz képest nem különböznek szignifikánsan. Az eredmény megegyező a korábban a mennyiségi és a minőségi talajjellemzők között tapasztalttal, vagyis a hidrológiai talajjellemzők változatossága jelentősen csökken, amikor azokból, pl. a szabadföldi vízkapacitás és a hervadáspont értékekből minőségi jellemzőt, a talaj vízszolgáltató kapacitását számítják. A pontadatokkal végzett szimulációkat a mérés és az ahhoz társuló számítás, un. kísérleti hibája terheli. A kísérleti módszer megváltoztatása továbbá olyan hibát eredményezhet, amelyre vonatkozóan adat a módszer leírásában sem található. A talaj hidrofizikai függvényeinek az adott terület pontjaira jellemző változatossága sokkal inkább kifejezhető a víztartó képesség görbék sorozatával, mint egyetlen un. területi átlaggörbével. A modellszámítások azután a görbesorozatból valamely véletlen módon, - pl. Monte-Carlo módszerrel kiválasztott függvényekkel végezhetők. Ezt a módszert a különböző művelésű talajok és gyepek peszticid kimosódása, vízszolgáltató kapacitása, levegőzöttsége és gépjárhatósága változatosságának elemzésére alkalmazták. Ha a szimuláció több évre készül nemcsak a térbeli, de az időbeli változatosságra is nyerhető információ. Tekintettel arra, hogy az említett szimulációs modellezési munkák csupán néhány talajparaméter változtatására épültek, itt jegyezzük meg, hogy előzetesen érzékenységi elemzéssel szükséges kiválasztani azokat a paramétereket, amelyekre a modell az adott szempontból a leginkább érzékeny. Az ajánlott módszer egyben a modellben szereplő folyamatokat dominanciájuk szerint is rangsorolja. A modell bonyolultsága ennek figyelembe vételével választható meg, és a feltétlenül szükséges adatigény is előzetesen előre meghatározható.

8. Modellek és modell eredmények minősítése Annak megítélése, hogy a valóságos történéseket közelítően és egyszerűsített módon leíró számítógépes modellek szimulációs eredményei mennyire tekinthetők a modellezett rendszer valóságos válaszának, a modellezés lényeges kérdései közé tartozik. A szokásos megoldás a számítógépes szimuláció gyakorlatában az, hogy a szimulációs eredményeket a modellezett rendszerben, a modellezett talajtulajdonságra mért értékekkel hasonlítják össze. Akkor tekinthető a szimuláció ideálisan megfelelőnek és a modellezés kellően pontosnak, amikor a szabadföldön vagy a laboratóriumban mért talajjellemző értékek (pl. a talaj nedvességtartalma) valamint az ugyanarra a talajjellemzőre számított szimulációs eredmények egybeesnek. Tekintettel azonban arra, hogy a mért értékek minimálisan mérési hibával, esetenként mintavételi és mérési hibával is terheltek, általánosabb érvényű a szimuláció megfelelőségének az a meghatározása, amely a szimulációt akkor ítéli jónak, ha a szimulált és a mért értékek eltéréseinek értéke kisebb, mint a mért értékek mérési hibája. A mért adatok és a modell eredmények közti különbségek kifejezésének egyik lehetséges módja a mért és szimulált értékek páronként vett korrelációja, a másik pedig azok átlagos eltérése (M).

7.3. egyenlet - A mért és szimulált értékek páronként vett átlagos eltérése (M)

ahol: yi : az i-edik mért érték, xi : pedig az i-edik szimulációs érték, N : a mért és a szimulált értékpárok száma Amennyiben az (yi - xi) különbségek legalább 90 %-a kisebb, mint egy szakmailag megállapított elfogadható érték, - pl. a talajnedvesség-tartalomra a 2.5 % - teljesülése esetén a szimuláció megfelelőnek értékelhető. További lehetőséget jelent a szimuláció jóságának megállapítására az un. reziduális hiba elemzése, amikor is az eltérés hibanégyzet-összegét a teljes mérési hibanégyzet-összeghez hasonlítják.


A talaj-növény-légkör rendszer modellezése Amennyiben kellő ismétlésszámú mért adat áll rendelkezésre a Student-féle t-próba segítségével ellenőrizhető, hogy a szimuláció hibája a mérési hibánál kisebb-e:

7.4. egyenlet - A szimuláció hibája

ahol: y : a mért értékek átlaga, d : a szimulált és a mért átlag értékek közötti eltérés (átlagos eltérés), SE : a mérés standard hibája Megjegyzendő, hogy a t-próba csupán kellő számú ismétléssel mért minta esetében alkalmazható, amikor is a minta szabadságfoka kellően nagy. Statisztikai módszerek állnak rendelkezésre a mért és a szimulált értékek közötti eltérések véletlen (random) és nem véletlen (szisztematikus) voltának az elemzésére. A szisztematikus hiba az illesztettlenséget fejezi ki. A mért értékek és a szimulált értékek eltérés négyzetösszegét bontják fel a véletlen hibát kifejező hiba négyzetösszegre, és az illesztettlenséget kifejező eltérés négyzetösszegre. A négyzetösszeg értékeket a szabadságfokkal leosztva nyerhető az átlagos négyzetes eltérés, és az illesztettlenségi variancia. A hiba- és az illesztettlenségi variancia viszonya F-statisztikával elemezhető. Amennyiben az illesztettlenségi hiba nagyobb, mint a véletlen hiba a modellen még javítani szükséges. Az eltérés négyzetösszeg minimuma alkalmas a modellparaméterek optimális értékeinek a kikeresésére, amely eljárás egyben a modell eredmények mérési adatokra történő illesztését is jelenti. Ebből következik, hogy ez a statisztika jellemzi a modellbecslés jóságát, összehasonlítható általa különböző modellek becslési jósága, és kiválasztható segítségével a legalkalmasabb modell is. A modell jóságának tesztelésére alapvetően három lehetőség áll rendelkezésre: 1./ Nincs, vagy csupán néhány párhuzamos mért adat áll rendelkezésre. Ekkor a legjobb modellparaméter értékek a legkisebb eltérés négyzetösszeghez rendelhetők. A modell jóság elemzésére használjuk ekkor a korrelációs együtthatót (r) és az átlagos különbséget (M). Határozzunk meg elfogadható hibaértéket és nézzük meg, hogy a szimulált értékek hány %-a teljesíti azt. A modelleket minősítsük az elfogadható hibára adott válasz alapján. 2./ Valamennyi, vagy a legtöbb mérés, ismétléses. A mért és a szimulált értékek eltérés négyzetösszegét bontsuk véletlen-, és szisztematikus hibaösszetevőre. A legjobb modellparaméter értékeket a szisztematikus, vagy illesztettlenségi hiba minimalizálásával keressük. Az illesztettlenséget kifejező eltérés-négyzetösszeg lehetőség szerint legyen nulla. Amennyiben a szisztematikus hiba nagyobb, mint a véletlen hiba vizsgáljuk meg a kísérleti eredményeket. Amennyiben a szisztematikus hiba lényegesen nagyobb a véletlen hibánál a modell alkalmassága vizsgálandó (nem a megfelelő paramétereket veszi figyelembe, nem a megfelelő összefüggést használja, stb.). Érdemes a modellt több kísérlet adatait tartalmazó adatbázison ellenőrizni. Ha a szisztematikus hiba csupán néhány kísérlet esetében nagyobb a véletlen hibánál, vagy az adatok ellenőrizendők, vagy a modellhasználat korlátozandó. Modellek összehasonlítására az illesztettlenségi variancia/illesztési hiba arány kevésbé alkalmas, mint az elfogadható hiba, hiszen szinte nincs olyan modell, amely 10 vagy 20 adatra ne adna statisztikailag szignifikáns eredményt. 3./ A vizsgált paraméter mind kezdeti, mind végső értékére ismétléssel mért értékek állnak rendelkezésre, pl. egy talajtulajdonság időbeli változásának szimulációja esetében. A modell jóságának értékelése a 2. pont alatti módon történik. A paraméter-optimalizálás úgyszintén, viszont a szimulált eredmények eltérésének elemzésekor az eltérés előjelét is figyelembe kell venni. A modellértékelés szintén a 2. pont elvei szerint történik. Egy modell működése azonban nem csupán a szimulációs pontosság alapján ítélhető meg. Érdekes az is, hogy a modell hogyan reagál, más kifejezéssel mennyire érzékeny paramétereinek az értékeire. A modellek ez irányú vizsgálatára szolgál az érzékenységi elemzés.



9. Modellek érzékenységvizsgálata A talaj-, illetve talajfolyamat-modellek ráhangolása az éppen modellezendő talajra - általános értelemben esetre - a modell paraméterértékei segítségével történik. A modellek bemeneti információit a paraméterek értékei, illetve az adatok alkotják. A paraméter az adott talajra, esetre vonatkozó mennyiségi állandó. Ebből következik, hogy a talajparaméter értéke esetről-esetre változhat. Példaként vehető a talaj egy adott nedvességpotenciálon vett nedvességtartalma, amelynek értéke az adott talajra jellemző, de talajonként változó. Adat például az aktuális csapadékmennyiség, mert az nem köthető a talajhoz. A talaj-, illetve talajfolyamat-modellek eltérő mértékben érzékenyek a különböző talajparaméterekre. Következik mindebből, hogy célszerű a használni kívánt talajmodellt talajparaméterei értékére, illetve értékének változatosságára, azaz az átlagértékén kívül a varianciára mutatott érzékenységre is vizsgálni. A modellek érzékenység elemzésének egyik szokásos módja a lehetséges paraméterérték- tartomány függvényében a modell eredményének az ábrázolása. A 37. ábra a része a modellkimenet értékváltozását mutatja a paraméter értéktartományra. Azonban ez az ábrázolás csupán néhány paramétert tartalmazó modell esetében informatív. A többparaméteres modellek esetében a 37. ábra b részén látható relatív modellkimeneti változás tájékoztat arról szemléletesen, hogy melyik paraméterre érzéketlen (C), melyik az, milyen mértékben, módon és irányban, amelyre pedig érzékeny (A és B) a modell. Érdemes figyelni arra is, hogy a talajmodellek nemcsak a paraméterekre érzékenyek, hanem bizonyos, a modellben szereplő tényezőkre is. A talajmodellek egyik érzékeny tényezője lehet a talajszelvény rétegfelosztása. A modell érzékenységét célszerű ezért a rétegfelosztásra (a talajrétegek számára és rétegvastagságára) is ellenőrizni. A talajparaméterek szórása még egy mezőgazdasági táblán belül is különböző lehet, ezért ismernünk kell a paraméter változatosságának a modell eredményekre gyakorolt hatását. A modell érzékenység elemzésekor nem csupán azt szükséges vizsgálnunk, hogy a modell mennyire érzékeny a paraméter értékének bizonyos százalékú megváltozására, hanem azt is mennyire érzékeny a paraméter varianciára (változatosságra).

7.4. ábra - Talajmodellek érzékenysége a paraméterérték változására. Addiscott (1993) nyomán

A paraméter változatosság vizsgálatához statisztikai kézikönyvek adnak útmutatást. Az ismétléssel gyűjtött minták mérése alapján megállapított talajmodell paraméter változatosságát a variációs együttható (CV a szórás és az átlag hányadosa %-ban) fejezi ki. A 38. ábra egy modell paraméter CV-re mutatott érzékenységét mutatja be. A 38. ábra a része a modellkimenet átlagának alakulását mutatja a paraméter variációs együtthatója függvényében. Látható, hogy a CV növekedésével a modelleredmény változatlan maradhat (a modell érzéketlen, C=0), az eredmény növekedhet (C=pozitív), vagy csökkenhet (C=negatív). A modellérzékenység mértéke és előjele a paramétert tartalmazó egyenlet, egyenletek második parciális differenciáljától függ. A 38. ábra b része azt mutatja, hogy a modelleredmény variációs együtthatója szintén a paraméter változatosság függvénye, mégpedig az első parciális differenciál négyzete szerint. Ha az első parciális differenciál egységnyi a paraméter CV és a modell eredmény CV hozzávetőleg azonos, vagyis a modell átviszi a paraméter CV-t. 102 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése Amennyiben a parciális differenciál egynél nagyobb, a modell fölerősíti, míg ha egynél kisebb, csökkenti a paraméter CV értékét az eredményben. Figyelemmel kell arra lenni, hogy a paraméter CV-re irányuló érzékenység vizsgálatban a paraméterek közötti korrelációk nyilvánvalóan fontosak. A normáleloszlású paraméterek esetén a modell érzékenység vizsgálata során célszerű még a modellkimenet eloszlását is a paraméter CV függvényében megvizsgálni annak érdekében, hogy eldönthető legyen szükséges-e az eredményt a normalitás érdekében transzformálni.

7.5. ábra - Modellérzékenység a paraméter változatosságra; a modellezett érték átlaga (a) és CV-je (b) a paraméter CV függvényében

A modellek paraméter érzékenységének vizsgálatára általában három megoldás ismert: a Taylor módszer, a szakaszoló módszer, és a Monte-Carlo szimulációs módszer bizonyos formái. A Taylor módszer a paraméter átlagának és varianciájának a vizsgálatára alkalmas, de nem vizsgálhatók segítségével a paraméterértékek eloszlási jellemzői, a ferdeség és a terjedelem. A szakaszoló módszer a paraméterek értékeit azonos megfigyelésszámú szakaszra osztja és a szakasz mediánt használja az eloszlás kifejezésére. A modellt valamennyi lehetséges paraméter és szakasz kombinációval futtatják, és az eredmények alapján értékelik az eloszlást. A Monte Carlo szimuláció minden egyes paraméter eloszlásából generál egy reprezentatív véletlen paraméterérték-sort, amelyekből a modellkimeneti eloszlások és eloszlásjellemzők nyerhetők. A három bemutatott eljárás alkalmas a modellek minden egyes paramétere érzékenységének önmagában, illetve más paraméterek varianciájának egyidejű változtatásával történő vizsgálatára. Lényeges, hogy az érzékenységelemzést megelőzően minden egyes paraméter értékeloszlását normalizálni szükséges.

10. Modellparaméterek és modellezési eredmények területi változatossága A talajtulajdonságok nemcsak paraméterértékekként mutatnak véletlen jellegű változatosságot, hanem lehetnek térben korreláltak. Ekkor azonban statisztikai jellemzőiket a regionalizált változók elmélete alapján lehetséges megadni. A regionalizált változók elmélete szolgáltat alapot a súlyozott átlagú krigeléshez, amely révén a becslési hiba és variancia minimalizálható (Webster és Oliver, 1990). Amennyiben egy modellnek van olyan paramétere, amely kifejezett térbeli szerkezettel rendelkezik, érdekes lehet számunkra a modelleredmény térbeli viselkedését ábrázoló függvénynek, a variogramnak a meghatározása és alkalmazása interpoláció céljára. Ezt a feladatot két úton végezhetjük el: • a modellt a paraméterek mért és interpolált értékeivel futtatjuk, majd a modell eredmény változójának határozzuk meg a variogramját és interpolálunk belőle. 103 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése • meghatározzuk minden egyes modellparaméter variogramját. A variogramok alapján interpolált értékeket készítünk általunk meghatározott koordinátájú pontokra. Az interpolált paraméter értékeket alkalmazzuk a modellben, és előre interpolált eredmény kimenetet állítunk elő. A két eltérő módszer csak abban az esetben vezet azonos eredményre, ha a modell kimeneti változója, vagy eredményváltozója valamennyi modellparaméterrel linearitást mutat. Amennyiben a modell szignifikánsan eltérő eredményt szolgáltat aszerint, hogy az interpolációt a modellezés előtt vagy után végezték nyilvánvaló, hogy a modell eredménykimenete és paraméterei közötti kapcsolat nem lineáris. Időjárási adatokkal végzett modellezés során az időjárási adatok modellezés előtti, majd a modelleredmények térbeli átlagolását végezték el. Nem kaptak lényegesen eltérő eredményt, amikor az elvégzett térbeli átlagolás eredménye a hőmérséklettel volt kapcsolatos, és gyakorlatilag csak lényegtelen eltérésre vezetett, ha az eredmény a talajnedvességre vonatkozott. Ebből arra lehet következtetni, hogy a vizsgált modell a hőmérsékletre és a talajnedvességre lineáris, amely feltétele a bemenő adatok, illetve az eredmények térbeli átlagolásának, vagy interpolációjának.

11. A növényfejlődés és növekedés modellezése 11.1. Termésszimulációs modellek A természetes talaj-növény, vagyis ökológiai rendszerekhez képest a mezőgazdasági, kertészeti növénytermesztési rendszerek hasonlóan bonyolult anyag- és energiaforgalmúak, de sok tekintetben eltérő és jellemzően mesterségesen fenntartott formációk. Ennek ellenére a mezőgazdasági táblák növényzete éppúgy, mint a gyümölcsösök, szőlőültetvények, kertészetek, vagy a zöldséges kertek bonyolult rendszert alkotnak. Valamennyi mezőgazdasági növénytermesztő rendszer alapvető célja a növényi produkció létrehozása. A produkció érdekében történik a talaj művelése, a növények vízzel és tápanyagokkal történő ellátása, a nem termeszteni kívánt növények eltávolítása, az állati-, a növényi-, a vírus-, vagy a bakteriális kártevők elpusztítása. Következik ebből, hogy a növénytermesztés annak ellenére energia- és munkaigényes tevékenység, hogy a fotoszintetikus napenergia hasznosítása révén a növényi biomassza képződés energiamegkötést jelent. Amennyiben a növénytermesztés hatékony és jól tervezett, eredménye nettó energiatermelés. A leírtak alapján belátható, hogy bármelyik mezőgazdasági növénytermesztő rendszer összetett, számos kölcsönhatással rendelkező, és a környezetével anyag- és energiaforgalmat megvalósító, un. agrár-ökológiai (agro-ökológiai) rendszer. A termésszimuláció modellek kidolgozásának gyakorlati célja éppen a növényi genotípus, a környezeti tényezők és gazdálkodási módok kölcsönhatása lehetséges és valószínű eredményének, a termeszteni kívánt növényfajta fejlődésének, biomassza növekedésének és várható termésmennyiségének a tanulmányozhatósága. Tekintettel a mezőgazdasági növénytermesztés általában monokultúrás jellegére, vagyis arra, hogy csupán egyetlen növényfaj termesztésére irányul (kukoricatábla, repcetábla, barackos, rizsföld, stb.) a növény jellemzői a biomassza-felhalmozást szimuláló modellek számára a természetes ökorendszerek (rétek, szikes növénytársulások, sztyeppek, erdők, stb.) fajgazdag formációihoz képest egyértelműen definiálhatók. A növények közti vetélkedés, a kompetíció ezekben az agro-ökológiai rendszerekben nem kerül figyelembe vételre, sokkal inkább a talajból történő víz- és tápanyag (többnyire nitrogén) felvehetősége. Ennek modellezhetősége érdekében van szükség a talaj víz-, és tápanyag-szolgáltató képességét meghatározó jellemzők, paraméterek modellbe történő beépítésére. A talaj feltöltését vízzel a csapadék, a talajvízből történő kapilláris vízemelés és az öntözés végzi. A növény által felvehető nitrogén mennyiségének modellben történő szimulációja számos részfolyamat figyelembe vételét teszi szükségessé (szervesanyag lebomlás, vagy mineralizáció, mikrobiális nitrogénkötés, denitrifikáció, nitrogén fixáció, stb.). A termésszimulációs modellek bonyolultságukat tekintve szintén különbözőek. Az un. működési modellek a leegyszerűsített formát képviselik, míg a mechanisztikus modellek a növény és környezete kölcsönhatását az aktuális ismeretek szintjén tárgyalják. Annak ellenére, hogy a termésszimulációs modellek a néhány tízparaméteres egyszerűtől a több száz paraméteres bonyolultságúig léteznek, abban megegyeznek, hogy a termést, illetve a biomassza-növekedést a talaj, a növény, az időjárás és a gazdálkodás tényezői együttesen alakítják.


A talaj-növény-légkör rendszer modellezése A termésszimulációs modellekben a bonyolultságtól független megoldás, hogy a képződő termés egy un. termésválasz-függvénnyel (yield response function) meghatározott hányada a lehetséges maximális termésnek aszerint, hogy például az aktuális evapotranspiráció (E t) hogyan viszonyul a potenciális Et-hez. A termésválaszfüggvényt alkalmazó modellek előnye, hogy nem helyhez kötöttek és meglehetősen eltérő időjárási körülmények között is sikerrel alkalmazhatóak. A növényi termésképződés folyamatai úgymint a fotoszintézis, a tápanyag és a biomassza-megoszlás szimulációs megoldása lehet empirikus és mechanisztikus. Általánosan az empirikus megoldások az elterjedtek. A termés-modellekben általában egy vagy két stressztényező szerepel azzal a feltételezéssel, hogy a többi stressztényező nem fordul elő vagy nem hat a termésképződésre. A termés-modellek négy típusát különíthetjük el a hatótényezők szerint: 1. típus: A növekedési sebesség csak a fejlődési állapottól (fenofázis viszonyok) és az időjárástól (elsősorban a napsugárzástól és hőmérséklettől) függ, a termőhelynek nincs víz- és tápanyaghiánya. 2. típus: A növekedési sebességet csak a vízellátottság (felvehetőség) limitálja, legalább a növekedési ciklus egy részében, az 1. típus időjárási tényezői és optimális tápanyagellátás mellett. 3. típus: A növekedési sebességet nitrogénhiány limitálja legalább a növekedési ciklus egy részében, míg a továbbiakban korlátozhatja a vízhiány, illetve a kedvezőtlen időjárás is. 4. típus: A növekedési sebességet stressztényezők, tápanyaghiány (pl. elégtelen foszforellátottság vagy más tápanyag hiánya), valamint egyéb károsító tényezők is alakítják legalább a növekedési ciklus egy részében. Az előbbi kategorizálás segít abban, hogy a modellező valóban a legfontosabb limitáló környezeti tényezők dinamikájának és a termésre gyakorolt hatásainak elemzésére fordíthassa figyelmét, és ne az adott feltételek között a termés szempontjából közömbös tényezőket vizsgálja. Szűkíthető ezen a módon a tárgykör és specializálható a modell, egyszerűsíthető a modellszerkezet, rövidíthető a futtatás. Az egyes szintek folyamatainak dinamikája külön is szimulálható, majd egy alkalmas termés-szimuláló modellbe részmodellként kapcsolva növekedéslimitáló hatásai is megvizsgálhatók. Ilyen módon nagy számban készültek többnyire termés-szimuláló modellhez kapcsolt víz- és hő-, nitrogén-, és egyéb tápanyagforgalmi, valamint tápanyagfelvehetőségi (N, P, K, S, Mn), eróziós és talajdegradációs modellek. A termésmodellek azonban nemcsak bonyolultságuk és növényi, vagy gazdálkodási variációjuk szerint különbözhetnek, hanem a szerint is, hogy mi volt készítésük célja. Ezen az alapon megkülönböztethetünk kutató termés-szimulációs modellt, aminek használatakor a kutató határozza meg a modelltől várt választ, míg a gyakorlati növénytermesztőt segítő alkalmazói modell esetében a feltehető kérdések előre meghatározottak és a válaszok egyértelműek a felhasználó számára. Konkrét példát jelent az előzőek illusztrálására az a kutató modell, amely öntözés módjának, formájának, mennyiségének a keresését szolgálja, vagy annak felhasználói változata, amely megmutatja a gazdálkodónak, hogy mely öntözési terv a leginkább megfelelő. Az elmúlt évtizedben jó néhány, a gyökérkörnyezetben folyó tápanyag-feltáródás tanulmányozására alkalmas szimulációs modellt fejlesztettek ki, amelyek alkalmazása és érzékenységi vizsgálata nagymértékben elősegítette e kísérletesen igen nehezen vizsgálható kérdéskör tisztázását. A részfolyamatok modellezése, a statisztikus kölcsönhatások és ezek küszöbértékeinek feltárása és a folyamatok főirányára gyakorolt hatásuk vizsgálata, mindezek alapján mechanisztikus modelleket tartalmazó reprezentációs elméletek kidolgozása. A szimulációs modellek érzékenységvizsgálata is szükséges, és hasznosíthatóak a gyökérkörnyezetben, ill. a gyökér-talaj határfelületen lejátszódó tápanyag-szolgáltatási és felvételi folyamatok megismerésében. A termés-szimulációs modellek a modellépítő, illetve használó célja szerint alkalmazhatók, pl. a tápanyagellátás megtervezésére, vagy egyéb célokra is. Így például használják őket: • eddig nem művelt terület termőképességének becslésére (CERES, MACROS, EUROACCESS); • új fajta adaptációjának becslésére (MACROS); • a klímaváltozás hatásainak felmérésére (CERES, EUROACCESS, SOILN); • gazdasági, vagy egyéb célú termés-előrejelzésre (CERES, EPIC, EUROACCESS, SOILN);


A talaj-növény-légkör rendszer modellezése • új agrotechnikai eljárások (öntözési, műtrágyázási változatok) hatásainak felmérésére (CERES, EPIC, EUROACCESS, MACROS, SOILN); • a talaj szerkezetromlás hatásának elemzésére(EPIC, SOILN); • az erózió, a rovarkárok, a gyomosodás, a betegségek káros hatásainak becslésére (EPIBLAST, WEEDSIM); • energiaerdők hozamfelmérésére (SOIL; SOILN); • nemesítési programokban; • profit optimalizáló modellel kapcsolva gazdaságossági analízisekben. Trágyázási terv készítése érdekében lefuttatott szimulációban minimálisan a következőket kell figyelembe venni: • a termeszteni kívánt növény (genotípus) tenyészideje, állománysűrűsége, termésnagysága, az eladható termés aránya a teljes növényhozamhoz viszonyítva, tápanyagigénye az egyes fenofázisokban. • A talaj vízgazdálkodási tulajdonságai, vízkészlete, tápanyagkészlete, a talajvízszint mélysége. • A műtrágya típusa (összetétele, oldódási sajátosságai), ára, az alkalmazási technikák meglévő feltételei, a szervestrágyázás minőségi-, mennyiségi- és alkalmazási feltételei. A futtatás eredményeként megkaphatók a növény tápanyagigény-dinamikájának megfelelő hatóanyagmennyiség (napi) értékei, illetve szimulálható a tervezett műtrágya-felhasználás.

11.1.1. A termésszimulációs modellek szerkezeti felépítése A termésszimulációs modellekben a modellekben általában használt fogalmak szerepelnek. Néhány modellezési fogalom termésszimulációs értelmezése azonban célszerű. Modell bemenetek: azok a modellezett, rendszer környezetét alkotó tényezők, amelyek a rendszer működésére hatnak, pl. az időjárási tényezők. Ezeket általában hajtó változóknak nevezik. Termés-modellekben általában a hőmérséklet és a besugárzás szerepel hajtóváltozóként. Modell kimenetek: a modellezett, rendszerviselkedést megjelenítő válaszok. Paraméterek: a modell alkotóelemeinek (talaj, növény) az állandó és jellemző tulajdonságai. Paraméterek határozzák meg például a fotoszintézis fényre adott válaszát, a növényben a vízáramlással szembeni ellenállást, vagy a szövetképződés során keletkező légzési veszteséget. A paraméterek és a bemenetek közötti különbség gyakran nem egyértelmű. A bemenet általában időponthoz kötött, míg a paraméterek időben állandóak, azaz a rendszer állapotától és nem az időtől függenek. Állapotváltozók: a modellalkotó elemek állapotát leíró mennyiségek. Az állapotváltozók időben akkor változnak, amikor a modellalkotó elem kölcsönhatásba lép a környezettel. A dinamikus modellek állapotváltozói időben változnak. A termésszimulációs modellekben a talajnedvesség-tartalom és a növényi biomassza a két szokásos állapotváltozó. Folyamatok: az állapotváltozók és a modell elemek közötti kapcsolatok időbeni változása a különböző folyamatok eredménye. A termésszimulációs modell matematikai függvényekkel leírt összefüggések sorozata. A modell állapotváltozói a különböző folyamatok eredményeként bekövetkező változásokat írják le. Folyamat-modellek: a termésszimulációs modellek folyamatmodellek, amelyekben az állapotváltozók időben lassan, de folytonosan változnak. A diszkrét modellek állapotváltozói diszkrét, egész értékkel változnak. A termésszimulációs modellek differenciálegyenletek rendszerének tekinthetők, amely rendszer a modell szerkezetét és a rendszert alkotó elemek kapcsolatrendszerét tükrözi. A modellezett folyamatok három kategóriát, így a transzportot vagy áramlást, a transzformációt vagy átalakulást és a tárolást vagy felhalmozást alkotják. A három folyamat kategóriát két változótípus írja le, egy extenzív és egy intenzív. Az extenzív változók áramlásmennyiségek, mint pl. a tömeg, a térfogat, az elektromos töltés, az erő- és a hőáramok. A rendszerösszetevők intenzív változói pedig energia-intenzitás vagy potenciál 106 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése dimenziójúak. Az intenzív változók az extenzív változók hajtóerőit képezik, példaként a nyomás, a hőmérséklet, az elektromos feszültség és a sebesség említhető. A mezőgazdasági és az ökológiai modellezés egyik nehézsége éppen az, hogy nem minden áramlási folyamathoz rendelhető egyértelmű intenzív változó, minthogy a kérdéses áramlási folyamatot több mechanizmus is létrehozhatja. Ilyen esetben az intenzív változó és a mechanisztikus leírás helyett az extenzív változó tapasztalati (empirikus) leírása a szokásos megoldás. Kompartment vagy részegységekből felépített modellekben koncepcionálisan a rendszerváltozók átalakulására és tárolására helyezik a hangsúlyt. A kompartment-modell típusú termésmodellek rendszer felépítéséhez igazodó elsőrendű differenciálegyenlet-rendszer képezi a termésszimuláció matematikai modelljét. A részegység változását állapotváltozóinak a változása jelenti. A termésszimulációs modell részegységei közötti anyag- és energiaáramlás szemléletesen a Forrester-ábrázolás segítségével jeleníthető meg (39. ábra). Az ábrázolás előnye, hogy a modell elemek szerkezeti kapcsolatára és a részegységek típusára is közvetlen információ nyerhető. Matematikai formanyelven az előzőekben szövegesen leírtak a következő formában fejezhetők ki:

7.5. egyenlet - Az előzőekben szövegesen leírtak matematikai formanyelven

ahol: xi : az i-ik változó szintje, dxi/dt : az i-ik változóban bekövetkező változás mértéke, Iij : az áramlás mértéke az i-ik szintre a forrásból, 0ij : az áramlás mértéke az i-ik szintről a j forrás felé

7.6. ábra - Két víztározóból álló vízáram rendszer (a.) és annak Forrester típusú modell ábrázolása (b.)

A vízáramlást tekintve (lásd a 40. ábra) a víztárolókban aktuálisan jelen lévő víz mennyisége mint extenzív változó jelenik meg.



7.7. ábra - A talajszelvénybeli vízmozgás leírására alkalmazott rétegfelosztás

A 40. ábrán szereplő rétegfelosztás matematikai leírása:

7.6. egyenlet - A 40. ábrán szereplő rétegfelosztás matematikai leírása

A részegységek közötti áramlás leírásához figyelembe kell venni, hogy a víztárolóból a kifolyás kifolyó nyíláson történik (39. ábra). A kifolyás sebessége a kifolyó fölötti vízszint magassága és a nehézségi erő állandó szorzata kétszeresének négyzetgyöke. Ennek ismeretében:

7.7. egyenlet - A kifolyás sebessége a kifolyó fölötti vízszint magassága és a nehézségi erő állandó szorzata kétszeresének négyzetgyöke.

Minthogy V és A ismeretében H kifejezhető a (126) és (127) összefüggések együttesen is felírhatók:

7.8. egyenlet - A (126) és (127) összefüggések együttesen



A folyamat matematikai felírásakor ügyelni kell a dimenzionális és a mértékegység szerinti helyességre. Minden - az összefüggésben szereplő - változó, paraméter vagy adat azonos mértékegység rendszerben kell, hogy szerepeljen. A bemutatott módon elsőrendű differenciálegyenletekből álló modell építhető. A részegység-modell egyik mezőgazdasági példája a növényi növekedés. A növényi növekedés biológiai rendszerében azonban nem teljesen ismertek a részegységek elemei, változói és bemenetei közötti áramok. Általában ezért a modellben először az állapotváltozók szintjeit határozzák meg x1, x2,...xn. A matematikai modell alakja ekkor nemlineáris esetre:

7.9. egyenlet - A matematikai modell alakja nemlineáris esetre

ahol: f1(x1, x2,..., xn) az x változók hatásának mértékét jeleníti meg. Amennyiben a modell lineáris az lerövidíthető:

7.10. egyenlet - Amennyiben a modell lineáris, az lerövidíthető

ahol: x és b vektor, A pedig az együtthatók mátrixa. Osztott-modellek: azokat a modelleket, amely egységeinek az állapotváltozói és áramlási folyamatai térben és időben változnak, osztott modelleknek nevezik. Az osztott modellek matematikai megfelelője egy parciális differenciálegyenlet. Célszerűen az osztott-modell részegységei már összetett egységek. Példaként vegyük a talajszelvényben végbemenő vízáramlás és állapot modelljét. A talajszelvény minden pontjában a talajnedvesség-tartalom és áramlás időben és a mélység szerint változik. Amennyiben a talajszelvényre összesítünk a rendszer viselkedése egyértelműbbé tehető. Ekkor a talajszelvényt rétegekből felépítettnek 109 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése definiáljuk, amely rétegek mindegyikében meghatározott mennyiségű víz található. Minden egyes talajréteg vízáram-összeköttetésben van a felette és az alatta levő réteggel. Matematikailag a 40. ábra talajszelvényének nedvességforgalma a következő elsőrendű differenciálegyenletekkel írható fel:

7.11. egyenlet - A 40. ábra talajszelvényének nedvességforgalma

A nehézségi erő hatását elhanyagolva a vízáram intenzitása (q) a talaj diffúziós vezetőképességével (D) és a talajnedvesség gradiensével írható fel:

7.12. egyenlet - A vízáram intenzitása

Az egyenletek e típusú rendszere szimulálható, ha i(t), O(t) és wi(O) i=1,2,...n-re megadott, minthogy ezek jelentik a kezdeti- és a határfeltételeket. A kezdeti feltétel az állapotváltozó értéke a t=0 időpontban. A kezdeti értékek megadása minden szimuláció szükséges előfeltétele annak érdekében, hogy a modellezett rendszer viselkedése vizsgálható legyen a t g 0 időpontban. A határfeltételek a rendszer változóinak értékei valamely modell részegység (talajszelvény, levélfelület, stb.) határán. Például a vízáram a talajfelszínen, vagy a talajszelvény alsó határrétegén. A kezdeti értékektől eltérően a határfeltételek értékei a szimuláció teljes időtartamára vonatkoznak. A következőkben bemutatjuk, hogy az (131) és (132) elsőrendű differenciál egyenletek hogyan alakíthatók parciális differenciálegyenletekké. Legyen dx és dt közelítő értéke bx és bt. Minthogy wi=Adxbi

7.13. egyenlet - A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása I.

A (132) egyenletet x szerint is felírva kapjuk:



7.14. egyenlet - A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása II.

A (133) egyenletben D változását feltételezve írható:

7.15. egyenlet - A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása III.

A (134) egyenlet átírható a következő egyszerűbb alakba:

7.16. egyenlet - A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása IV.

Feltételezve, hogy bt-g0 és bx-g0 a (135) egyenlet parciális differneciálegyenletté alakítható, amelyben b x és t szerint is változik:

7.17. egyenlet - A (131) és (132) elsőrendű differenciálegyenletek parciális differenciálegyenletekké alakítása V.

A (137) parciális differenciálegyenlet a talajban egységnyi felületen (A=1) lezajló általános vízáramlás egyenlete. A (137) parciális differenciálegyenlet a (132) elsőrendű differenciálegyenletnél pontosabb megoldást szolgáltat, azonban közelítő megoldásként egyszerűsége és gyors megoldhatósága miatt gyakran alkalmazzák. A szimuláció során az előzőekben példaként bemutatott rendszeregyenletek megoldása történik, amely a rendszer állapotváltozóinak időben bekövetkező viselkedését, értékeit eredményezi egy meghatározott bemenő adategyüttesre vonatkozóan. A szimuláció történhet kis időlépésenként, vagy a rendszer állapotának egy új időpontra történő számításával. A dx/dt=ax+b függvény példáján bemutatva ez a következőt jelenti: Alkalmazva a differenciális formát dxaxt+bt-xt és dtabt a differenciálegyenlet a következő alakban írható fel:

7.18. egyenlet - Alkalmazva differenciálegyenlet alakja

a

differenciális

formát


dxaxt+bt-xt

és

dtabt

a


ahol: Amennyiben xt ismert xt+bt, vagy t+bt időre kiszámítható. Előnyös azonban az x állapotváltozó időben történő megváltozásának a mértékét (Ratet) meghatározni. Ekkor:

7.19. egyenlet - Az x állapotváltozó időben történő megváltozásának a mértékét (Ratet) meghatározva

A (139) egyenlet az elsőrendű differenciálegyenlet véges differencia (finite difference) alakja. Ezt az alakot az elsőrendű differenciálegyenlet merőleges, vagy az Euler-módszer szerinti integráljaként tartják számon. Az ismertetett eljárás valamennyi, a modellben szereplő elsőrendű differenciálegyenlet véges differencia módszerű megoldására alkalmazható. Abban az esetben, ha a modellben másodrendű differenciálegyenlet szerepel a megoldás annak két elsőrendű differenciálegyenletté alakításával lehetséges. Legyen a másodrendű differenciálegyenlet a következő alakú:

7.20. egyenlet - Ha a modellben másodrendű differenciálegyenlet szerepel a megoldás annak két elsőrendű differenciálegyenletté alakításával lehetséges

A (140) egyenlettel egyenértékű két elsőrendű differenciálegyenlet pedig ekkor a következő:

7.21. egyenlet - A (140) egyenlettel egyenértékű két elsőrendű differenciálegyenlet

A (141) egyenletek megoldására az ismertetett Euler-integrálási módszeren kívül léteznek más explicit megoldások, például a trapéz-integrálási technika, amelyet részleteiben itt nem ismertetünk. Az integrálási


A talaj-növény-légkör rendszer modellezése technikák pontossága annak a függvénye, hogy alkalmazásuk során mekkora csonkítási, elhanyagolási hibával terheltek. Ebből a szempontból a trapéz-integrálási technika az Euler-integrálási módszernél pontosabb. Azokat a modelleket, amelyekben a folyamatok leírása a hangsúlyos, folyamat-modelleknek nevezik. A termésmodellek folyamatos modellek, amelyekben az állapotváltozók időben lassan, folytonosan változnak. A diszkrét modellekben az állapotváltozók diszkrét, egész értékkel változnak. Következik ebből, hogy a termés-modellek differenciálegyenletek rendszerének tekinthetők. Az alkalmazott differenciálegyenlet-rendszer a modell szerkezetét és a rendszert alkotó elemek kapcsolatrendszerét is tükrözi. A modellezett folyamatok három kategóriát alkotnak, így a transzportot (áramlást), a transzformációt (átalakulást) és a tárolást (felhalmozást). A három folyamatkategóriát két változótípus írja le az extenzív, és az intenzív. Az extenzív változók olyan mennyiségekkel kapcsolatosak, mint pl. a tömeg, a térfogat, az elektromos töltés, az erő- és a hőáramok. A termés-modellek intenzív változói energia-intenzitás vagy potenciál dimenziójúak.

12. Tápanyagmozgás modellezése A különböző tápanyagok mozgása a talajban nagyságrendileg különböző tér- és idő paraméterekkel írható le. A talajoldatban kis koncentrációban jelenlévő, ún. lassan mozgó tápanyagok - a P és K-transzport és felvétel diffúziós transzportjának felírása nem egyszerű. Elsősorban azért, mert a gyökerek körüli igen kicsi, néhány mm3-es talajtérfogatban lejátszódó folyamatokról van szó, amelyek nehezen lehatárolhatók és mintázhatók. A mechanisztikus-dinamikus modellek hasznosak a folyamatok jobb megismerésében, pl. abban, hogy a talajnövény rendszer egy-egy komponenséhez, - pl. a talajoldat tápanyag-koncentrációja, a gyökérsűrűség vagy a felvételi kinetikai paraméterek - rendelt érték változása hogyan befolyásolja a teljes tápanyag-szolgáltatási és felvételi folyamatot. A talajban szilárd formában kevésbé megkötődő, a talajoldatban viszonylag nagy koncentrációban lévő és tömegáramlással a gyökérre mozgó tápanyagok - pl. a nitrát - dinamikáját általában a gyökérzónában, a talajszelvény egészében vagy adott rétegeiben tanulmányozzák. A teljes gyökérzet nitrátfelvétele a begyökerezett talajrétegekből történő nitrátfelvételből adódik össze. Ezekben a vizsgálatokban a tápanyagforgalmi modellt termés-szimulációs modellhez kapcsolják (Füleky, és R. Végh, 1999). A vizsgált talajtérfogat nagyságától függetlenül az eredmények értelmezésében további nehézségek forrása a gyökér, a talaj-mikroorganizmusok és a közvetlen fiziko-kémiai környezet összetett kölcsönhatásainak figyelembe vétele. A szimulációs technika jól alkalmazható a folyamatok leírására, az egyes tényezők hatásának, jelentőségének vizsgálatára. A következőkben a szimulációs modelleket céljuk és tárgyuk szerint két csoportba osztva tárgyaljuk. Először a gyökérkörnyezetben, a rizoszférában, az egyetlen gyökérszálhoz történő tápanyagmozgást (talaj-gyökérfelület), majd a gyökérzónában, a teljes gyökérzet tápanyagfelvételét (talaj-növény-atmoszféra rendszerben) leíró szimulációs modelleket mutatjuk be. A talaj tápanyagtranszportját és a növényi tápanyagfelvételét valamint a tápanyagfelvétel és a tápanyagszolgáltatás dinamikus kölcsönhatását mechanisztikus modellekkel írják le. A tápanyagtranszport-modellek általában a gyökér tápanyagfelvételét, a gyökérzet morfológiáját és növekedését, valamint a talajban a gyökérfelszínre történő tápanyagtranszportot leíró matematikai kifejezésekből állnak. A modellekben a tápanyag mozgása tömegáramlás és diffúzió útján történik, és felvételének sebességét a tápanyag gyökérfelületi koncentrációja határozza meg, Michaelis-Menten típusú összefüggés alapján. Ezek a modellek a gyökeret, mint a tápanyagok számára teljes metabolikus gyűjtőhelyet (zero sink) kezelik, vagyis a tápanyagfelvétel nagy sebessége következtében a gyökér felületén az adott tápanyag koncentrációja kicsi. A gyökér tápanyagfelvételi jellemzőit (l max, Km, co) tápoldatos kísérletekben határozzák meg, ahol a gyökérfelületre történő tápanyagtranszport nem limitálhatja a felvételt, vagyis a felvételi kinetikai paraméterek értéke kizárólag a növény élettani állapotától függ. A gyökérzet morfológiáját és növekedési sebességét jellemző paramétereket teljes növényre vonatkoztatva talajban vagy egyéb háromfázisú közegben lefolytatott kísérletek adataiból nyerik. A következőkben a Claassen-Barber modellt mutatjuk be részletesebben, ami a P- és K- transzport koncentrációeloszlás és felvétel leírására és tanulmányozására az egyik legáltalánosabban használt modell.

12.1. A Claassen-Barber modell 113 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése A modell két részből áll: a gyökérre történő tápanyagtranszport és a Michaelis-Menten kinetikát követő tápanyagfelvétel leírásából. A modell alapja a gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés:

7.22. egyenlet - A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés

ahol: Cl : a talajoldat tápanyag-koncentrációja (mol/cm3), r : a gyökértől való sugárirányú távolság (cm), r0 : gyökérsugár (cm), De : effektív diffúziós koefficiens (cm2/s), b : pufferkapacitás, v0 : vízfelvétel sebessége (mm), t : idő (nap) A kezdeti és a határfeltételek a következők:

7.23. egyenlet - A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés kezdeti és határfeltételei I.

7.24. egyenlet - A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés kezdeti és határfeltételei II.

7.25. egyenlet - A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés kezdeti és határfeltételei III.

7.26. egyenlet - A gyökérre tömegáramlással és diffúzióval történő tápanyagmozgást leíró összefüggés kezdeti és határfeltételei IV.

Ebben az esetben: Cli : a talajoldat kiindulási tápanyagkoncentrációja (μmol/cm3) Cmin : minimum koncentráció (μmol/cm3), ahol a nettó intlux = 0, Km : Michaelis-konstans (μmol/cm3 ), Imax : a nettó intlux maximuma (μmol/cm2s), rl : gyökerek közti átlagos távolság fele (cm). A (143) összefüggés szerint a gyökérfelszínre történő tápanyagfluxus egyenlő a Michaelis-Menten kinetikával leírható növényi tápanyagfelvétellel.


A talaj-növény-légkör rendszer modellezése A (144) összefüggés alapján lehetővé válik a gyökerek közötti kölcsönhatások (versengés) figyelembe vétele. Az (145) összefüggés az előbbi alternatívája, vagyis nincs a gyökerek között kölcsönhatás; azaz r távolságban a koncentráció azonos a kiindulási koncentrációval. A modellel becsülhető az egységnyi hosszúságú gyökér által bizonyos idő alatt felvett tápanyagmennyiség és a gyökér körüli koncentrációeloszlás. A növekvő gyökérrendszer teljes tápanyagfelvétele az adott időpontokban funkcionáló gyökérszegmensek időarányos felvételének összege.

12.1.1. Érzékenységvizsgálati eredmények Az előbbihez hasonló mechanisztikus modellek bizonyos korlátok között jól alkalmazhatók a tápanyagszolgáltatás, és felvétel folyamatának leírására. Gyakori hibájuk azonban, hogy a tápanyagszolgáltatás extrém tartományaiban nem alkalmasak a jelenség leírására. Például foszforhiányban vagy túlzott káliumellátottság esetén, stb. Ennek oka az a sokrétű adaptációs tevékenység, amelyre a növény a tápanyagstressz elhárítása érdekében képes. Ezek az előző fejezetben már tárgyalt funkciók a növekedési sebesség csökkentése, a metabolikus gyűjtőhelyáthelyezés, a gyökérfelület-növelés (pl. gyökérszőrképződés), a felvételi kinetikai paraméterek változása, a kémiai aktivitás, stb. A bemutatott Claassen-Barber modellhez hasonló Cushman-modell érzékenységvizsgálatánál kimutatták, hogy a P-felvétel becsült értékére a gyökérfelület változása volt a legnagyobb hatással, majd a talaj transzportparaméterei (a talajoldat kiindulási P-koncentrációja, foszfor-pufferkapacitás, diffúziós együttható), végül a felvételi kinetikai paraméterek következtek. A gyökérfelület jelentőségére utal, hogy a gyökérszőrképződés által megnövelt felület, mint input paraméter bevonása a Claassen-Barber modellbe jelentősen javította a felvett P-mennyiség becslését a vizsgált 7 növényfajnál. Foszforhiány esetén igen jelentős lehet a gyökér általi kémiai feltárásból származó felvehető foszformennyiség. A Cushman modellt tesztelve nagymértékben javították a felvett P-mennyiség becslését a fokozott gyökérnövekedés és a pH által szabályozott foszforfeltáródás figyelembe vételével. Az elmúlt évtizedben jó néhány, a gyökérkörnyezetben folyó tápanyagfeltáródás tanulmányozására alkalmas szimulációs modellt fejlesztettek ki, amelyek alkalmazása és érzékenységi vizsgálata nagymértékben elősegítette e kísérletesen igen nehezen vizsgálható kérdéskör tisztázását. A részfolyamatok modellezése, a statisztikusan fellépő kölcsönhatások és ezek küszöbértékeinek feltárása és a folyamatok főirányára gyakorolt hatásuk vizsgálata tette lehetővé a mechanisztikus modellek reprezentációs elméletének továbbfejlesztését. A szimulációs modellek érzékenységi vizsgálata szükséges, és el nem hagyható lépések a gyökérkörnyezetben, ill. a gyökértalaj határfelületen lejátszódó, tápanyag-szolgáltatási és felvételi folyamatok megismerésében.

12.2. A SOILN nitrogénforgalmi és termésszimulációs modell A SOILN modell két fő részből áll: talaj- és növény részmodellből. A növény részmodell több növény (szántóföldi, egynyári évelő növények és erdő) növekedésének szimulálására alkalmas. Bemeneti változók: a léghőmérséklet és a besugárzás napi értékei, termesztésgyakorlati, agrotechnikai adatok, a kijelölt talajrétegek napi hő- és nedvesség-eloszlási mintázata, amelyeket a SOIL víz- és hőforgalmi modell szimulál (ezek a SOIL modell kimeneti értékei). A modell paraméterkészletében jelentősek a termesztett növény élettani paraméterei. A nitrogénforgalom szimulációja a legfontosabb N-mozgásokat veszi figyelembe. A modellben a talaj fizikai-, és vízgazdálkodási tulajdonságok alapján elhatárolt rétegekből áll. A felvehető N-t minden rétegben egy ammónium-N és egy nitrát-N készlet tartalmazza. Az ammónium immobil, míg a nitrát a vízárammal mozog. Az ammónium-N készlet nagyságát a szerves trágyából, a talaj szervesanyagának mineralizációjából és a légköri lerakódásból származó N növeli, az immobilizáció, nitrifikáció és növényi N-felvétel csökkenti. A nitrát készletet a nitrifikáció, a műtrágyázás és a légköri lerakódás növeli, csökkenti viszont a nitrátkimosódás, a denitrifikáció és növényi N-felvétel. A nitrogén átalakulásokat leíró hatásfüggvények menetét a talaj hőmérséklete és nedvességtartalma befolyásolja. A talajszelvényben a nitrátkészlet eloszlási mintázatát a talajrétegek közötti vízmozgás alakítja. Az N-kimosódás szintén a talajszelvény vízforgalmának az eredménye. A talaj szervesanyag-tartalma alaphelyzetben két, a szervesanyag-dinamikában különböző sebességgel részt vevő készlet között oszlik meg. Lehetőség van több készlet definiálására is és választható, hogy mikroorganizmus-dinamikát is szimuláljon-e a modell, vagy sem. A szervesanyag-lebomlás sebessége a talaj 115 Created by XMLmind XSL-FO Converter.

A talaj-növény-légkör rendszer modellezése pillanatnyi nedvesség- és hőmérséklet-állapotától függ. A szervesanyag-tartalom N-dinamikája a széndinamika függvénye, a mineralizáció vagy immobilizáció a lebomlott anyag C:N arányától és az ásványi N felvehetőségétől függ. A növényi biomassza és nitrogéntartalom dinamikája szorosan összefügg. A biomassza növekedés az energia bevitel (fotoszintézis) függvénye, míg a növekedés sebességét a nitrogénbevitel limitálja. A levélzet széndioxidot vesz fel a légkörből, a gyökérzet N-t a talajból. A szár raktároz. A szemtermés fejlődése idején a szem, mint új metabolikus gyűjtőhely asszimilátum igényét a szárból fedezi. A maximális potenciális növekedés az élő levélfelület által befogott napsugárzás függvénye. Az ebből megvalósult aktuális növekedés az alacsony léghőmérséklet, a növényi szövetek alacsony N-koncentrációja és a vízhiány hatására csökken. A N-felvételt egyrészt a különböző növényi szövetek N-igénye, másrészt a nitrogén talajból történő felvehetősége korlátozza. A napi biomassza-növekedés megoszlását a gyökérzet, a levél és a szár között két függvény vezérli. A gyökerekbe allokált biomassza-frakció csökken a teljes biomassza növekedésével, de nő N-hiányában. A levél és szár közötti biomassza-megoszlás a levélfelület növekedésétől függ, amit a levélfelület / hajtás biomassza arány határoz meg. A szemfejlődés idején biomassza- és nitrogén áthelyezés folyik a különböző szövetekből a magba. A szöveti elhalást különböző függvények irányítják, az elöregedő szövetekből elhalásuk előtt a biomassza és nitrogén egy részét a növény kivonja. A csírázás dátuma, az érés kezdete és vége, a hőmérséklet, a nappalhosszúság és a maximális termésindex függvénye. A talajban a gyökéreloszlás nagymértékben befolyásolja a víz- és nitrogénfelvételt, ezeken keresztül a növekedést és a terméshozamot is. A mélységi gyökéreloszlás kezdeti és adott időpontokra vonatkozó értékei megadhatók egy paraméterfájlban, vagy a modell a felhasználó által kiválasztott eloszlási függvénynek megfelelően szimulálja a teljes gyökéreloszlás-dinamikát. A két módszer kombinációjára is lehetőség van. A növények tápanyag-felvételi hatékonysága a talajkörnyezettel állandó kölcsönhatásban lévő gyökérzetsajátosságaik függvénye. Jól felépített, megfelelően paraméterezett mechanisztikus modellek alkalmazása lehetővé teszi a tápanyagszolgáltatás-tápanyagfelvétel folyamatrendszerének jobb megértését, és előkészíti a gazdaságos, ugyanakkor a környezetet nem károsító növénytermesztési gyakorlat kialakítását.

12.3. A tápanyagmozgás modellek felhasználása A gazdálkodó érdeke a minél nagyobb profit elérése és fenntartása, ill. növelése hosszú időn át. Nem elégedhet meg egy statisztikai alapon működő trágyázási tervvel. Másrészt csak kísérletes alapon a helyspecifikus gazdálkodás igényeinek már nem lehet megfelelni. A trágyázási tartamkísérletek eredményei használhatóságának, ill. a belőlük levonható következtetések kiterjeszthetőségének növelése elengedhetetlenül szükséges az agrokémiai kutatás fejlesztéséhez és az ezen alapuló gyakorlati szaktanácsadás javításához. Problémát jelent a sok hatótényező időben és térben változó értékeinek figyelembevétele is. E problémák megoldására alkalmasak és már világszerte használatosak a termés-szimulációs modellek. A termés-szimulációs modellek a növénytermesztési rendszer viselkedését meghatározó folyamatokat leíró matematikai összefüggésekből álló mechanisztikus modellek, amelyeket a rendszer elemeire bontásával, legfőbb folyamatainak, mechanizmusainak számszerűsítésével, majd a rendszer újraépítésével állítanak elő. Bár az empirikus és mechanisztikus modellek megkülönböztetése mind gyakorlati, mind tudományelméleti okokból indokolt és célszerű, megjegyzendő, hogy a termés-szimulációs modellek tartalmaznak empirikus összefüggéseket is, amelyek az adott alkalmazási szinten a modell használhatóságát megkönnyítik, az értelmezést nem zavarják, és a kiterjeszthetőséget nem csökkentik. A termés-szimulációs modellek megfelelő input paraméterek felhasználásával alkalmassá tehetők a termés előrejelzésére akár csak egy homogén parcellán, de - a modell megfelelő megválasztása esetén - akár regionális skálán is. A termés becsülhető különböző időjárási feltételek, talajviszonyok, fajtaválasztás, agrotechnika, stb. esetére. Az elérni kívánt terméshozam megvalósításához szükséges szerves- és műtrágya mennyisége, alkalmazásának üteme az adott feltételekre becsülhető. A modellben foglalt tudásalap alapvető érvényessége, és folyamatirányultsága nagyfokú általánosíthatóságot tesz lehetővé. Ugyanakkor szem előtt kell tartani a vizsgálat céljának, tárgyának megfelelő szimulációs modell kiválasztását, a modell megfelelően pontos paraméterezését, és a szimulációs eredmények kísérletes ellenőrzését (verifikálását).


8. fejezet - Termésszimulációs modellek alkalmazása Tekintettel arra, hogy a termésszimulációs modellek mezőgazdasági alkalmazása mind a növénytermesztési folyamatok jobb megértését, megismerését szolgálja, mind alapja a környezetkímélő és ez által fenntartható földhasználatnak és a gazdaságos termesztési technológia kiválasztásának a következőkben két különböző részletességű és kiterjeszthetőségű termésszimulációs modellt mutatunk be.

1. Kapacitív dinamikus szimulációs modell A modell a növényi biomassza-felhalmozódás, biomassza-növekedés folyamatát a talaj víz- és nitrogénkészlete, valamint a gazdálkodási és környezeti hatások függvényében szimulálja. A modell közel húsz éve készült, egyszerű felépítésű, un. kapacitív típusú modell. A fizikai- és kémiai részfolyamatokat többnyire empirikus összefüggésekkel írja le, a növényi paramétereket és a humusz, valamint a szervesanyagok lebomlásának dinamikáját un. tábla-függvények formájában tartalmazza. A modell megalkotásának kifejezett célja a talajnövény-klíma rendszer, mint egyben gazdálkodási rendszer működésének a tanulmányozhatósága, megismerése, jobb megértése volt. Az alkalmazott gazdálkodási műveleteknek az összetett biomasszatermelő rendszerre gyakorolt hatásait a felhasználó megtapasztalhatja, azok kedvező vagy kedvezőtlen eredményei egyértelműen kiolvashatók. A modell fejlesztő emiatt modelljét tanító modellnek nevezte (Bossel, 1986). A szimuláció során nemcsak a biomassza-felhalmozódás követhető nyomon, hanem a talajban a víz- és a nitrogén aktuálisan rendelkezésre álló mennyiségei és az azokat növelő és csökkentő készletek alakulása is. Ebből következően a modell alapvetően un. egyensúlyi típusú. Azoknak a részfolyamatoknak az egyenlegét számítja, amelyek a talaj felvehető nedvesség- és nitrogénmennyiségét alakítják. A nedvesség- és a nitrogén mennyiségéhez maximum és minimum értékek tartoznak. A maximum értéknél nagyobb mennyiségek a talaj felvehető készletéből távoznak (víz esetén a talajvíz szintjét növelik, nitrogén esetén a gyökérzóna alá mosódnak, vagy a talaj szervesanyagába épülnek be), a minimumnál kisebb értékek esetén, - vagyis, ha a könnyen felvehető készlet kimerül - a biomassza felhalmozás (növényi növekedés) üteme lassul, s ha ez huzamos (20 napot meghaladó), akkor terméscsökkenés lép fel. A modell három, egymással dinamikus kapcsolatban álló részmodellből áll. Ezek: A termesztett növény biomassza-felhalmozásának (növekedésének) menetét szimuláló részprogram (FIELDCP), amelynek blokkdiagramja az 41. ábran látható. A talaj aktuálisan felvehető nedvességtartalmának mennyiségét számító részprogram (MOIST), amelynek blokkdiagramja a 42. ábran látható.

8.1. ábra - A FIELDCP növényi biomassza növekedést szimuláló részprogram elvi vázlata


Termésszimulációs modellek alkalmazása

A talaj aktuálisan felvehető nitrogéntartalmának mennyiségét számító részprogram (FIELD), amelynek blokkdiagramja a 43. ábran látható. A modellben a növényspecifikus biomassza felhalmozódás értékeit a vegetációs időszak előrehaladásával változó, valamint a termesztett növényfajtára megadott értékek (YMAX, RBIOM, RGPLANT) állítják be. A szimulációs programhoz tartozó kezelő szoftver külön alprogramot (DYSYS) képez, amely nélkül egyik részprogram sem fut önállóan. A szimuláció egy éves periódusonként történik. A szimulációs évek száma, vagyis a szimuláció hossza programtechnikailag nem limitált. Az éves perióduson belül a szimuláció idő felbontása 1/100 év. Vagyis ez az egy éven belül lejátszódó történések egysége, ezek eredményéből tevődik össze az éves ciklusé. Az év január 1.-vel indul és december 31.-ig tart. A többéves szimuláció során az első év kezdő értékei a következő év elején a megváltozott értékeket veszik fel, a szimuláció következő éve azokkal indul. Természetesen az első év a felhasználó által megadott kezdőértékekről indul.


Termésszimulációs modellek alkalmazása Lehetőség van ezen a módon az évenként változtatható agrotechnika és gazdálkodás módok (SCENARIO-k) termésre és a termőhelyet jellemző értékekre gyakorolt hosszútávú hatásainak szimulációjára. A program éves ciklusai kimenetként minden esetben a termesztett növény agronómiai termésmennyiségét és a termőhelyre jellemző változóknak a következő ciklus kezdőértékeként szereplő értékeit tartalmazzák.

1.1. A kapacitív modell részprogramjainak rövid leírása A talajnedvesség részprogram: A termőréteg-vastagság által meghatározott mélységű, a talaj agyagtartalmával jellemzett mechanikai összetételű, homogén talajszelvény aktuálisan felvehető nedvességtartalmának 1/100 év felbontású szimulációját végzi el olymódon, hogy vízmérleget számít a gyökérmélységgel megadott talajszelvényre a rétegvastagság és agyagtartalom alapján. A talajra definiált hasznos vízkapacitást (USFCAP) veszi figyelembe úgy, hogy időegységenként (1/100 év) összegzi a vízmérleg elemeit, vagyis a csapadékbetáplálást, a talajvízből történő kapilláris vízemelést, mint a vízkészletet tápláló, a párolgást, a transzspirációt, a mélybeszivárgást, mint az azt megcsapoló részfolyamatokat (42. ábra).

8.2. ábra - A talaj felvehető nedvességtartalmát számító részprogram elvi vázlata

A talaj textúrája (CLAY) és tömődöttsége (CQ) által definiált hasznos vízkapacitás (USFCAP), a szervesanyag vízkötő-képessége (OCAP) és a talaj textúrájából adódó kapilláris vízemelés mértéke (CPRISE) együttesesen alakítják ki a talajvízkapacitást (WCAP). A szimulációhoz, mint kezdőértéket a program a hasznos vízkapacitás százalékában kifejezett induló nedvességtartalmat (INMOIS = MOIST) használja fel.


Termésszimulációs modellek alkalmazása A kapilláris vízemelés (CPRISE) a talaj agyagtartalmának függvénye. Ha a kapilláris vízemelés és a gyökérzóna mélysége együttesen (RISE) nagyobb, mint a talajvíz mélysége (WTBL), akkor a növényi vízfelvétel nem a talaj nedvességkészletét (MOIST) fogyasztja, hanem a talajvízből történik, vagyis a növényi vízfelvétel ekkor nem limitált (WET = 1) és a talajvizet fogyasztja, amit a talajvízszint csökkenése jelez. Az evaporáció mértéke az éves cikluson belül, a hőmérséklet szezonális változását figyelembe véve szinusz függvény szerint alakul, s értéke emellett mindenkor a talaj aktuális nedvességtartalmától is függ. Az ily módon számított evaporáció változtatható a talaj borítottsága szerint. Növényi borítás esetén az evaporáció a csupasz talajfelszínre számított érték fele, fóliatakarás esetén pedig az evaporáció értéke nulla. Ez a lehetőség a talajfelszíni párolgás tanulmányozását teszi lehetővé. A transzspiráció a termesztett növényre megadott vízhasznosítási együttható értékétől (egy kilogramm növényi szárazanyag képződéséhez szükséges vízmennyiség) és a biomassza változásától (a növényi növekedés sebességétől), valamint az azt meghatározó nitrogénellátottságtól függ. Részletesen kidolgozottak a csapadékbetáplálás szimulációs lehetőségei. A havi csapadékösszegek megadhatók évenként, vagy használhatók sokéves átlagokként az éves csapadékösszegek megadásával. Lehetőség van a hónapon belül a csapadékösszeg-értékek véletlen (random) elosztására is a csapadékos napok egymásra következésének napokban történő megadásával. A vízkapacitáson fölüli csapadékmennyiség (WXCESS) közvetlenül a talajvizet táplálja, az öntözés pedig (IRRIGN) azt fogyasztja (DOWN), és a talajvízszint változást (WTBL) ezek, valamint a kapilláris vízemelés és a növényi vízfelvétel eredőjeként számítja a program. A relatív növényi növekedés (RGPLANT) a relatív talajnedvesség (WILT) függvényében történik. Amennyiben a MOIST változó értéke tartósan kisebb 30 %-nál vagyis tartós (20 napot meghaladó) szárazság következik be (DROUGHT g 20/365), a növényi biomassza növekedés megáll (RBIOM = 0) és a program az éves ciklus végén terméskiesést (Croploss) jelez. A program függvényei részben ún. táblázatos, vagy tábla-függvények formájában kerültek beépítésre. A talaj felvehető nitrogénkészletét számító részprogram: A program a talaj aktuálisan hasznosítható tápanyagkészletét csupán annak felvehető (mobilizálható) N- (nitrogén-) tartalmára redukálja, ezáltal a többi tápanyag mennyiségét optimumba helyezi.

8.3. ábra - A talaj felvehető nitrogéntartalmát számító részprogram elvi vázlata



A 43. ábran látható, hogy a C- és N-forgalom bonyolult összefüggés-rendszert alkot. A tápanyagforgalom állapotváltozói: CARB a szén a könnyen bomló humuszfrakcióban, NOM a nitrogén a könnyen bomló humuszfrakcióban, CHUM a szén az állandó humuszfrakcióban, NV felvehető nitrogénmennyiség, RBIOM relatív növényi biomassza. A szimuláció kezdetén a talaj CARB és NOM mennyisége kerül kiszámításra, amelyhez a talaj szervesanyagtartalma (OGMTR), C/N aránya (CN), humuszos rétegének a mélysége (SOIL), a humusz lassan- és gyorsan lebomló, mineralizálódó hányadának megadása (HFRAC) szükséges. A talaj felvehető ásványi N mennyisége (NV) a kívülről megadott kezdő értéken kívül (20 kg/ha) a természetes N-kötés (NAT) mennyiségéből (25 kg/ha) és a műtrágya nitrogénből (FERT) tevődik össze. A könnyen bomló humuszban levő szén mennyisége (CARB) a szervesanyag lebomlás sebességének, az eróziós veszteségnek (ELOSS), az aratás utáni növényi maradványok mennyiségének (SMAX) a függvénye. 121 Created by XMLmind XSL-FO Converter.

Termésszimulációs modellek alkalmazása Hasonlóan a könnyen bomló humuszban lévő N mennyisége (NOM) is a szervesanyag lebomlási sebességétől függ, amelyet a talajba kerülő növényi maradványok (SMAX) mennyisége, N-tartalma (MXRES), és a C/N aránytól függő átalakulása (DECAYF) módosít. A könnyen bomló szervesanyag maximum 20%-a alakulhat át évente állandó humusszá. A szervesanyag lebomlás sebessége a DECAY faktoron kívül függ az összes-szén mennyiségétől (CARB) és a talajhőmérséklettől, amely szinusz-függvény szerint változik az éves szimuláció során. A könnyen bomló szervesanyagból a C-nek csak 25%-a kerülhet az állandó humuszba, a többi CO2 formájú veszteség az atmoszférába. Az állandó humuszban lévő szén az eróziós talajveszteség (HLOSS) és a humuszlebomlás miatt csökkenhet. Ez utóbbi maximum az állandó humuszban lévő szén 2 %-a lehet évente. A növény által felvehető N mennyiségét (NV) növeli a könnyen bomló szervesanyag lebomlása (RDECAY), míg csökkenti a C/N aránytól függő N-transzfer, amely a nitrogént a NOM-raktárba viszi át, a növényi Nfelvétel (RNUP) és a N-kimosódás (RLEACH). A felvehető N-mennyiségből N-kimosódás lehetséges, amelynek mértéke a humuszanyagok mennyiségének a függvénye, és maximum a felvehető N-készlet 30 %-a mosódhat ki. A növényi növekedés (RGPLANT) a relatív N-igény (HUNG) által is meghatározott. Az eddig elmondottakon kívül a modell figyelembe veszi a talaj szervesanyag-tartalmának mérlegében a szalma szervesanyagának C- és N-tartalmát, ha az a talajban marad, mint azt gazdagító forrás. A szervesanyag Ctartalma egységesen a szárazanyag-mennyiség 47 %-a. Az erózió a modellben úgy jelenik meg, mint olyan részfolyamat, amely a talaj termőrétegének vastagságát, ezzel együtt szervesanyag (tápanyag) készletét, és azon keresztül vízkapacitását is csökkenti. FIELDCP: Ez a részprogram nyolc termesztett növény biomassza-növekedésére és megoszlására vonatkozó paraméter értékeket tartalmaz. A növények logisztikus növekedését a következő differenciálegyenlet szolgáltatja:

8.1. egyenlet - A növények logisztikus növekedését megadó differenciálegyenlet

ahol: x : a növényi biomassza mennyisége, a : növekedési sebességtényező, t : idő. A relatív növényi biomassza (RBIOM) a víz- és a N által limitált relatív növényi növekedés (RGPLANT) szerint alakul az idő függvényében (41. ábra). A termés a szimulált szárazanyag tömegnek a nedvességtartalommal (YSP) korrigált értéke. A modellbe épített gazdasági növények a következők: Búza (szemestakarmányok) Kukorica Burgonya Répa Borsó/bab Repce Lucerna (gyep) Lucerna (gyep) esetében lehetőség van az első kaszálási időpont megadására, mely után a növekedési függvény szimulálása újra indul, és az éves termés a két résztermés összegeként adódik (YL+Y1). A programhoz tartozó DYSYS általános software a nyomtató és a rajzoló utasításokat tartalmazza.

1.2. A modell input igénye 1.3. Rögzített és kezdeti értékek Talajmélység (cm): az a megadott talajmélység, amely magában foglalja a talaj humuszos rétegének vastagságát (cm), és a gyökérmélységet (cm) is. Szervesanyag-tartalom (%): a talaj termőrétegének átlagos humusztartalma.


Termésszimulációs modellek alkalmazása A talaj humusztartalmának állandó (lassan bomló) része (%): annak megadására, hogy a talaj termőrétegében levő összes szervesanyagból mennyi vesz részt a mineralizációban, azaz mekkora a talaj tápanyag- (esetünkben C- és N-) tőkéje. A talaj szervesanyagának C/N aránya: a C/N arány a humusz és a N átalakulás sebességét tükröző és meghatározó viszonyszám. Ha a C/N arány 20 és 30 közötti, a N mineralizáció-immobilizáció, l20 esetén a mineralizáció dominál. Talajkategória (agyag %): az agyag szemcsefrakció (l0,002 mm) mennyisége, amelynek alapján a program a talaj vízgazdálkodási paramétereit (pl. hasznosítható vízkapacitás, teljes vízkapacitás, kapilláris vízemelés) számítja. A talaj induló nedvességtartalma a teljes vízkapacitás %-ában: a szokásos érték 60 %. Kezdeti felvehető N-tartalom (kg/ha): az induló mobilizálható N-mennyisége, amelyet a szervesanyag lebomlásából származó N, a műtrágya- és a szervestrágya N-je növel, a szervesanyag felépülés, a növényi tápanyagfelvétel, és a kimosódás csökkent. Szokásos értéke 20 kg/ha.

1.4. A gazdálkodás paraméterei (SCENARIO értékek) Talajvíz mélysége (m): talajvízhatással 5 m-nél mélyebb talajvízszint esetén a program nem számol. A kapilláris vízemelés maximális magassága 3m. A talajvízmélységet az év végére a program számítja a talajszelvény vízmérlege alapján, a szelvényen átfolyó vízmennyiség, illetve az öntözés egyenlegeként. Öntözés (igen/nem): öntözés = igen esetén, a vegetációs perióduson belül, ha a talaj felvehető nedvességtartalma 50% alá csökken a teljes vízkapacitás fele értékig hiányzó vízmennyiség, mint öntözővíz (IRRIGN) adódik a talajban levő vízmennyiséghez és kumulálódik az IWTR változóban. Az öntözéshez kivett vízmennyiség a talajvízszintet csökkenti. Tömörödés (igen/nem): a talaj agyagtartalmától függően 6 vagy 12 %-kal csökkenti a talaj hasznosítható vízkapacitás értékét (USFCAP). A vegetációs periódus kezdete (hét): a termesztett növény tavaszi növekedésének indulási ideje. A vegetációs periódus vége (hét): az aratás (kaszálás, termés betakarítás) ideje. Gyökérmélység (cm): a termesztett növénykultúra jellemző maximális gyökérmélysége. Amennyiben a gyökérmélység nagyobb, mint a humuszos talajszint mélysége, az így kiterjesztett talajszelvény nedvességkészletével gazdálkodhat a növény a humuszréteg vastagságából számítható tápanyagkészlet mellett. Talajfedettség (nincs, növény, fólia): a talajról történő vegetációs periódusokon kívüli evaporáció mértékének szabályozására szolgáló paraméter. A nincs azt jelenti, hogy a vegetációs perióduson kívül az evaporáció a talaj vízgazdálkodási paramétereiből számítható érték. Növényborítás esetén a növény nélküli talajra számított érték fele. Fóliatakarás esetén az evaporáció értéke nulla. Csapadék (mm/hónap): a havi csapadékösszegek értékei. Véletlen (random) csapadékeloszlás (igen/nem): igen esetén a csapadék periódus (nap) értékének megadása szükséges, valamint egy random szám bevitele, amely véletlen módon osztja szét a havi csapadékösszeg értéket. Termesztett növény: kiválasztása sorszámának bevitelével történik. Szalma marad? (igen/nem): a növénytől függő mennyiségű és tápanyagtartalmú szalma amennyiben marad, növeli a talaj tápanyagkészletét, szervesanyag-, C- és N-tartalmát. Nitrogén műtrágya mennyisége (kg/ha) Szervestrágya mennyisége (t/ha) Komposzt mennyisége (t/ha) Erózió mennyisége (t/ha)



1.5. A szimulációs program kimenetei A kimenetek grafikus és numerikus típusúakra oszthatók. Grafikus a termésgörbe és a talajnedvesség-tartalom időbeli változása. A numerikus kimenetek pedig: • A szén mennyisége a talaj termőrétegében (kg/ha) • A N mennyisége a talaj termőrétegében (kg/ha) • A termés mennyisége q/ha (dt/ha) • Az öntözővíz mennyisége mm/év • A csapadék mennyisége mm/év • A talajvízszint változása (m) • A talaj felvehető N-tartalma (kg/ha) az év végén • Szervesanyag-tartalom (%) • A szervesanyag-tartalom állandó része (%) • A szervesanyag C/N aránya

1.6. Modellezési példa A Bossel-féle termésszimulációs modell alkalmazásának bemutatására és a napi léptékű, és tudományos igényességű DSSAT modell-rendszerrel történő összehasonlíthatóság érdekében a Látóképi tartamkisérlet adatait, talaj- és növényparamétereit, kezelési adatait használtuk az 1995, 1997 és az 1999-es évekre. Az alkalmazott időjárási adatok a havi csapadékösszegek voltak. A modell által beolvasott csapadékösszeg értékek a 30. táblázatban láthatók:

8.1. táblázat - Az 1995, 1997 és 1999 évi csapadékösszeg értékek a Látóképi kísérleti telepen Hónap/Év

1995

1997

1999

Január

13.9

12.6

9

Február

23.4

5.1

60.1

Március

28.2

0

18.6

Április

56.4

36.6

68

Május

29.4

40.8

53.8

Június

67.3

53.5

117.6

Július

3.3

56.3

82.5

Augusztus

97.2

52.3

19.1

Szeptember

35.8

7.5

41.9

Október

1.3

1.3

14.3

November

39.4

66.4

74

December

12.3

62

70.2

A Bossel modell kezdeti értékei: • Talajnedvesség (szabadföldi vízkapacitás %): 50


Termésszimulációs modellek alkalmazása • Humuszréteg vastagság (cm): 70 • Humusz (%): 2 Gyökérmélység (cm): 200 • Agyag (%): 26 • Felvehető talaj N-tartalom (kg/ha): 55 • A humusz állandó része (%): 75 n Növényparaméterek: Kukorica • YMAX = 10800 kg • SMAX = 12500 kg • RMAX = 2500 kg • NSP = 0.022 kg N/kg száraz termés • CSTR = 60 • MXRES = 34 kg N • YSP = 15 % Gazdálkodási paraméterek: • Talajvízmélység (m): 4 • Vetés ideje (hét): 18 • Aratás ideje (hét): 36 • N műtrágya (kg/ha): 0 • Szervestrágya (t/ha): 0

1.7. Szimulációs eredmények A havi csapadékösszegű és 1/100 év felbontású szimulációs eredmények az 1995-ös évre jó egyezést mutat a DSSAT modellel kapott és a Látóképi kísérletben mért kukoricatermés eredménnyel. Az egyezés a talaj felvehető N-tartalmára is vonatkozik (31. táblázat). Az 1995-ös évinél szárazabb, kisebb csapadékösszegű 1997-es évre a kapacitív modell az 1995-ös évivel gyakorlatilag megegyező kukoricatermést szimulált, amely a a kísérletben mért érték fele. A jelentős különbség minden bizonnyal a hőmérséklet és a légnedvesség által szabályozott párolgási és vízforgalmi eltérésekből, a fotoszintetikus aktivitás különbségből adódhat, és kukoricafajta Bossel modellben nem szerepeltett adaptációs képességével függhet össze. Ezt az állítást igazolni látszik a meteorológiai adatok alapján felrajzolt besugárzás értékek alakulása (44. ábra). Az ábrán látható, hogy az 1997-es és az 1999 évek besugárzás értékei jelentősen nagyobbak az 1995 évben mért értékekhez viszonyítva. A 2 m mély talajszelvény nedvességkészlete az 1997 évi kis mennyiségű (394 mm) csapadék ellenére lehetővé tette az 1995 évi kukoricatermés duplájának a képződését (31. táblázat). A jelentősen nagyobb csapadékú 1999-es év az 1995 évi kétszeresénél nagyobb szimulált kukoricatermést eredményezett, de kisebbet a kísérletben mértnél. Mind az 1997-es, mind az 1999-es évre a modell által szimulált talajból felvehető N-tartalom reális volt. Az 1995, 1997 és 1999 években a Látóképi telepen mért besugárzás értékek egyértelműen az 1997 és 1999 évek nagy kukoricaterméseit indokolják, hiszen értékeik jelentősen meghaladják az 1995 évi értékeket.



8.2. táblázat - A Bossel modell 1995, 1997 és 1999 évre a Látóképi kukoricakísérletre végzett termésszimulációs eredményei Szimulált

Mért

termés (kg/ha):

2878

2752

műtrágya (kgN/ha):

0

0

szervestrágya (t/ha):

0

0

öntözővíz (mm/év):

0

0

csapadék (mm/év):

412.4

412.4

Kukorica 1995 év

felvehető N (az év végén) (kgN/ha): 86.6

70.6

szervesanyag-tartalom (%):

1.92

2

termés (kg/ha):

2870

5869


0

0


0

0


0

0

csapadék (mm/év):

394.3

394.3

1997 év


70.6


1.92

2

termés (kg/ha):

3673

7633


0

0


0

0


0

0

csapadék (mm/év):

639.4

639.4

1999 év


70.6


2

1.92

A kapacitív modell a biomassza növekedést a növényparaméterek által meghatározott alsó és felső értékek között a logisztikus növekedés szerint szimulálja a termőhely léghőmérsékletének és a besugárzás fotoszintetikus aktivitásának alakulásától függetlenül. A modellben a biomassza növekedést csupán csak a talaj felvehető nedvesség és nitrogén mennyisége korlátozza. Ebből következően a besugárzás termésmennyiségre gyakorolt hatásának a vizsgálatára a kapacitív modell nem alkalmas. Alkalmas viszont a modell a termőhelyi és a gazdálkodási különbségeiből adódó termésalakulás leírására.

8.4. ábra - A Látóképi kísérleti területre mért besugárzás értékek évi menete az 1995, 1997 és 1999 években



2. A DSSAT számítógépes döntéstámogató rendszer Az utóbbi évtizedben napvilágot látott döntéstámogató rendszerek különböző felhasználói igényeket elégítenek ki. Az egyetemi oktatás, kutatás területén jól használható rendszerek ma már a gazdálkodás területén, a gyakorlatban is nagy segítséget jelentenek. Előnyösek az agrotechnikai beavatkozások megtervezésében, a várható hatások elemzésében, a hosszú távú stratégiai döntések előkészítésében és a gazdaságos környezetkímélő termelés kialakításában. A DECISION SUPPORT SYSTEM FOR AGROTECHNOLOGY TRANSFER (DSSAT) döntéstámogató rendszer 3.5 jelű változata 1998-ban készült, és az egyik legátfogóbb. Nem célunk a számítógépes program minden egyes funkcióját, ill. a tudományos kutatáshoz és elemzéshez szükséges ismeretanyagot minden részletében ismertetni, de az alapvető, a program megértését segítő felhasználói segédprogramokat megpróbáljuk összefoglalni. Néhány példán keresztül bemutatjuk a rendszert, azokon a területeken, ahol az oktatásban, ill. a gazdálkodás területén eredményesen használható (trágyázás, öntözés, gazdaságossági számítások, stb.). A DSSAT program modul rendszerű, ezért több önálló programja a rendszerből kiszakítva is működik, és a részfeladatok megoldásában nagy segítséget jelenthet. Nem kell lemondani a már használt adatbázis-kezelő, szövegszerkesztő, táblázatkezelő programokról, ezekkel is elő lehet állítani azokat az alapvető fájlokat, amelyek a legtöbb szimulációs modul futtatásához szükségesek. A kapott eredmények értékelése történhet a DSSAT rendszeren belül, amit grafikusan is támogat a rendszer, de lehetőség van azokat saját jól ismert programjainkkal is tovább értékelni, amihez a DSSAT szöveg (text) típusú kimeneti (output) fájljai nagy segítséget nyújtanak. A mezőgazdasági döntéstámogató rendszer megbízhatósága alapvetően a biofizikai paraméterek becslésén múlik. A DSSAT rendszer a talaj-növény-atmoszféra modellezésére a CERES modelleket használja, aminek a kezdeményezője Ritchie, J. T. volt 1972-ben az USA-ban. A CERES modellek a determinisztikus modellek 127 Created by XMLmind XSL-FO Converter.

Termésszimulációs modellek alkalmazása csoportjába tartoznak. Modellezik a növények fejlődését, az asszimilációt, az asszimiláták szervek közti eloszlását, a levélfelületet, a gyökerezési mélységet és gyökérsűrűséget rétegenként, a biomassza növekedését, a víz mozgását a talajban, evapotranszspirációt, a nitrogén átalakulását és mozgását a talajban, a növény nitrogénfelvételét és eloszlását, stb. A modell napi léptékben számol, az időjárási adatigénye is ennek megfelelően napi léptékű, és az eredmények is napi gyakorisággal kérdezhetők le. A szimuláció során a CERES modell a választott növényfaj egyetlen, idealizált, a populációra jellemző átlagos egyedét és környezetét képezi le. A talaj tulajdonságait, rétegezettségét a termőhely sajátosságainak megfelelően kell megadni.

2.1. A DSSAT felépítése, képernyői A program installálása és indítása után az alábbi képernyőt kapjuk:

8.5. ábra - A DSSAT 3.5 bejelentkező képernyője

Adatok (Data), Modellek (Models), Elemzések (Analyses), Segédeszközök (Tools), Beállítások/Kilépés (Setup/Quit).

2.1.1. Az adat menü Háttér információk (Background): Általános adatok (General). Itt lehet megadni a kísérletet végző intézmény nevét, címét, melyik országban, városban található, ill. a telefonszámát. A kísérleti hely jellemző adatai: tengerszint feletti magasság, átlagos hőmérséklet és évi csapadék, szélességi és hosszúsági fok. A kísérletért felelős személy adatait is rögzíthetjük. A kísérletek adatai (Experiment): Itt tudjuk összeállítani a kísérleti fájlt, vagy ha már a korábbi változattal dolgoztunk át tudjuk alakítani az adatokat a 3.5 változat formátumába. Gabonafélék kísérleti adatainak megadása. Árpa (barley), kukorica (maize), köles (millet), rizs (rice), cirok (sorghum), búza (wheat). 128 Created by XMLmind XSL-FO Converter.

Termésszimulációs modellek alkalmazása Pillangósok kísérleti adatainak megadása. Száraz bab (dry bean), szója (soybean), földi mogyoró (peanut), csicseriborsó (chickpea). Gyökérnövények kísérleti adatainak megadása. manióka (cassava), burgonya (potato). Egyéb növények kísérleti adatainak megadása. Külső, vagy általunk készített szimulációs program kísérleti adatainak megadása. A termesztett növények genetikai jellemzői (Genotype). A növények genetikai jellemzőit adhatjuk meg. Több lehetőségünk is van. A rendszer listájából választhatunk, vagy saját magunk adjuk meg a kért paramétereket, ill. egy segédprogram felhasználásával állíthatjuk elő (számíthatjuk ki) az ismeretlen genetikai jellemzőket. Időjárási adatok (Weather). Meglévő időjárási adatok listázása, módosítása (List/Edit). Segédprogram időjárás fájlok előállítására, paraméterek kalkulációjára (Utilities). A talajok jellemző paraméterei (Soil). Meglévő, a rendszerrel szállított, ill. általunk korábban megadott talajok jellemzőinek listázása, ill. módosítása (List/Edit). Talaj fájl előállítása (Create). Erre két lehetőség van, az egyik, hogy minden a program által igényelt talajparamétert mi adunk meg a méréseink alapján, a másik a mért talajparaméterek beírása, illetve felhasználása, a nem mért talajjellemző értékeket pedig a DSSAT talaj adatbázisából választjuk ki. Segédprogramok (Utilities). Növényvédelem (Pest). Növényvédelmi adatok tárolása. A modell egyelőre nem használja ezeket az adatokat. A gazdaságossági számításokhoz szükséges adatok (Economic). Az aktuális árakat lehet megadni, amit elsősorban a szezonális elemzések során használ a program.

2.1.2. A modellek menü 8.6. ábra - A DSSAT 3.5 modellek képernyője



Gabonafélék szimulációja (Cereals): árpa (barley), kukorica (maize), köles (millet), rizs (rice), cirok (sorghum), búza (wheat). Pillangósok szimulációja (Legumes): száraz bab (dry bean), szója (soybean), földi mogyoró (peanut), csicseriborsó (chickpea). Gyökérnövények szimulációja (Rootcrops): manióka (cassava), burgonya (potato). Egyéb növények szimulációja (Various): cukornád (sugarcane), paradicsom (tomato), napraforgó (sunflower), legelő, rét (pasture) Külső vagy általunk készített szimuláció beépítése a rendszerbe (Other). Minden növény szimulációja esetében az alábbi lehetőségek közül választhatunk: Kísérleti fájl, pl. *.mzx adatállományok létrehozása (Create). Input adatok kiválasztása, meg kell adni, hogy a fenti fájlok közül melyiket használja (Inputs) A modell futtatása (Simulate), itt történik a növény-talaj-atmoszféra rendszerben végbemenő folyamatok napi léptékű szimulációja A szimulált kimenő adatok helyének megadása (Outputs) A szimulált adatok grafikus ábrázolása (Graphics) n

2.1.3. Elemzések menü 8.7. ábra - A DSSAT 3.5 elemzések képernyője



A szezonális elemzés (Seasonal) segítségével hosszabb távú (stratégiai) elemzésekre nyílik lehetőség. Megvizsgálhatjuk, hogy az adott termőhelyen mely növényeket lehet hosszútávon sikeresen termeszteni. Melyek azok az agrotechnikai beavatkozások (fajtaválasztás, vetésidő, állománysűrűség, tápanyag visszapótlás, öntözés, stb.), amik a legeredményesebbek, a legkisebb kockázat és környezetszennyezés mellett. Lehetőség adódik a klímaváltozás növényi produkcióra gyakorolt hatásának szimulálására is. Idősorok elemzése (Sequence) A szimulációt több éven keresztül folyamatosan lehet futtatni, a megelőző év outputjai a következő év inputjai lesznek. Vetésforgó kísérletek kiértékelésére is alkalmas, ahol adott területen a termesztett növényfajok ciklikusan változnak. A fenti két elemzésben az alábbi menüpontok használhatók: Az elemzésekhez szükséges input fájlok létrehozása (Create) Az elemzések input fájljainak kiválasztása (Inputs) A növény-talaj-atmoszféra modellek többéves futtatása (Simulate) A szimulált eredmények helyének megadása (Outputs) Elemzések (Analyze) Az Elemzés menü lehetőséget ad a többéves szimuláció eredményeinek egyidejű értékelésére. Mind a biofizikai, mind az ökonómiai változók elemzésére lehetőség nyílik. A biofizikai változók köre nagyon széles, a terméstől a lemosódott nitrogén mennyiségéig szinte minden fontos változó elemezhető. Az elemzést szemléletes grafikonok segítik, pl. box-plot, kumulatív eloszlás függvények, átlag-variancia, stb. A gazdasági, ill. stratégiai elemzések mellett lehetőség van a Mean-Gini dominancia-elemzésre, ami a lehető legjobb kezelés kiválasztásában segít. Térbeli elemzés (Spatial)


Termésszimulációs modellek alkalmazása Ebben a menüpontban lehetőség van geostatisztikai elemzésekre (Geostats), térképi nagyfelbontású grafikai elemzésre (Mapping), és összefoglaló térbeli elemzésre (Summary) egyaránt.

2.1.4. Segédeszközök menü Az operációs rendszer jellemzői, beállítása (Op.system) Lemezkezelő rendszer megadása (Disk.mngr) Szövegszerkesztő (Editor) Számoló tábla (Sp.sheet) n

2.1.5. Beállítások/kilépés menü Az adatok, modellek, elemzések, segédeszközök ill. egyéb a modulok futásához szükséges beállítások végezhetők segítségségével. Útvonal, munkakönyvtár, program és formátum megadására is van lehetőség.

8.8. ábra - A DSSAT 3.5 segédeszközök képernyője

2.2. A modell futtatásához nélkülözhetetlen fájlok A nélkülözhetetlen fájlokat a kukorica példáján keresztül mutatjuk be, követve a DSSAT program menürendszerének a logikáját. A leírásban a fájl, állomány, adatok kifejezéseket szinonim fogalomként kezeljük.

2.2.1. Genetikai paraméterek adatai, MZCER980.CUL 8.3. táblázat - Az MZCER980.CUL file felépítése 132 Created by XMLmind XSL-FO Converter.


@VAR# ! IB0001 IB0002 IB0003 IB0004 IB0005 IB0006 IB0007 IB0008 IB0009 IB0010 IB0011 IB0012 IB0013 IB0014 ...

VRNAME.......... CORNL281 CP170 LG11 F7 X F2 PIO 3995 INRA EDO A654 X F2 DEKALB XL71 F478 X W705A DEKALBXL45 PIO 3382 B59*OH43 F16 X F19

ECO# IB0001 IB0001 IB0001 IB0001 IB0001 IB0001 IB0001 IB0001 IB0001 IB0001 IB0001 IB0001 IB0001 IB0001

P1 1 110.0 120.0 125.0 125.0 130.0 135.0 135.0 135.0 140.0 140.0 150.0 160.0 162.0 165.0

P2 2 0.300 0.000 0.000 0.000 0.300 0.000 0.300 0.000 0.300 0.000 0.400 0.700 0.800 0.000

P5 3 685.0 685.0 685.0 685.0 685.0 685.0 685.0 685.0 685.0 685.0 685.0 890.0 685.0 685.0

G2 4 907.9 907.9 907.9 907.9 907.9 907.9 907.9 907.9 907.9 907.9 907.9 825.0 862.4 907.9

G3 5 6.60 10.00 10.00 10.00 8.60 10.00 10.40 10.00 10.50 10.00 10.15 8.50 6.90 10.00

PHINT 6 38.90 38.90 38.90 38.90 38.90 38.90 38.90 38.90 38.90 38.90 38.90 38.90 38.90 38.90

8.4. táblázat - Az MZCER980.CUL file jelmagyarázata VAR#

A kukorica hibrid sorszáma

VRNAME

A hibrid neve

ECO#

Ökológiai típus

P1

Juvenilis fázis hossza (°C nap)

P2

Fotoperiódikus érzékenység

P5

Szemtelítodési időszak hossza hőösszegben (°C nap)

G2

Maximális szemszám (db/növény)

G3

Maximális szemtelítődési sebesség (mg/nap/növény)

A P1-koefficiens növelése késlelteti a növény fejlődését, és ezzel együtt a virágzás időpontját. A P5-együttható hatása hasonló, de a virágzás utáni időszakban, változtatásával a fiziológiai érés időpontja befolyásolható.

2.2.2. Időjárási adatok, *.WTH Tartalmazza napi léptékben a globálsugárzást, maximum, minimum hőmérsékletet és a csapadék mennyiségét. Az év napjai 1-től 365-ig sorszámozottak.

8.5. táblázat - Az *.WHT file felépítése

*WEATHER : Kismacs @ INSI LAT LONG ELEV DULK 47.35 21.35 121 @DATE SRAD TMAX TMIN RAIN 85001 2.4 -3.0 -6.0 0.0 85002 2.2 -5.3 -8.0 0.0 85003 1.5 -5.5 -11.4 0.0 85004 1.6 -7.1 -12.2 0.0 85005 2.1 -6.8 -14.6 0.0 85006 1.4 0.0 -12.3 0.0 85007 3.2 0.0 -12.8 0.0 85008 2.9 0.0 -22.0 0.0

TAV 10.3

AMP REFHT WNDHT 23.5 2.0 2.0


Termésszimulációs modellek alkalmazása 85009 85010 85011 85012 85013 ...

4.4 1.3 2.1 1.8 5.1

0.0 0.0 0.0 0.0 0.0

-21.6 -15.2 -14.7 -16.8 -15.2

0.0 9.1 0.0 0.0 0.0

Kovács (1995) szerint a modell érzékeny a földrajzi szélességre és nagyon érzékeny a sugárzási adatok helyességére különösen a hazai, aszályra hajlamos körülmények között. Szárazságban alulbecsüli a termést, ha a mérőműszer hibás kalibrációja miatt túl nagy sugárzási értéket mérünk, vagy számolunk a napfényes órák száma alapján. Ilyenkor a modell túlbecsüli a potenciális transzspirációt és irreálisan gyorsan elfogyasztja a talajvízkészletet. A hőmérséklet pontos megadása fontos a növény fejlődése és növekedése szempontjából is, hiszen a fenológiai fázisok hosszát elsősorban a hőmérséklet határozza meg, és a növekedési folyamatokban is fontos tényező. A tapasztalat szerint a léghőmérsékleti adat nagyobb területi érvényességű, mint a csapadék, ezért a modellezett területtől távolabb mért adatok is használhatók. A csapadék adatnak azonban a modellezett terület közvetlen közeléből kell származnia, ellenkező esetben a becslés pontossága erősen romlik. Ennek oka egyrészt a csapadék egyenlőtlen területi eloszlása, másrészt szárazságra hajlamos klímánkban a növényi produkció érzékenysége a csapadékra.

8.6. táblázat - Az *.WHT file jelmagyarázata INSI

Intézet kódja

LAT

Földrajzi szélesség (fok)

LONG

Földrajzi hosszúság (fok)

ELEV

Tengerszint feletti magasság (m)

TAV

Évi átlagos hőmérséklet (°C)

AMP

A levegő hőmérséklet változásának éves amplitúdója (°C)

REFHT

Az időjárási adatok mérésének magassága (m)

WNDHT

Szélsebesség mérésének magassága (m)

DATE

Az év + az év napja 1-365

SRAD

Napsugárzás (MJ/m2/nap)

TMAX

Napi hőmérsékleti maximum (°C)

TMIN

Napi hőmérsékleti minimum (°C)

RAIN

Napi csapadék összeg (mm/nap)

Az AMP Magyarországon a júliusi és januári középhőmérséklet különbsége.

2.2.3. Talaj adatok, SOIL.SOL Ebben a fájlban a termésszimulációs modellek futtatásához szükséges talajparamétereket kell megadni rétegenként. Egy talajréteg maximális vastagsága 30cm lehet, és a rétegek maximális száma nem haladhatja meg a 15-öt. A potenciális gyökerezési mélységet a talaj és a termesztett növény tulajdonságait figyelembe véve kell megadni.

8.7. táblázat - A file felépítése

*DUMZ890001 @SITE Látókép

DATE COUNTRY HUNGARY

200 Mészlepedékes csernozjom LAT LONG SCS FAMILY 47.00 19.59 DEBRECEN


Termésszimulációs modellek alkalmazása @ SCOM -99 @ SLB 20 40 60 80 100 120 140 160 180 200

SALB 0.14 SLMH -99 -99 -99 -99 -99 -99 -99 -99 -99 -99

*IBMZ910032 @SITE Látókép @ SCOM SALB -99 0.13 @ SLB SLMH 5 -99 20 -99 40 -99 60 -99 80 -99 100 -99 120 -99 140 -99 160 -99 180 -99 200 -99

SLU1 8.0 SLLL 0.127 0.139 0.115 0.107 0.087 0.072 0.075 0.061 0.097 0.105

SLDR 0.50 SDUL 0.263 0.275 0.251 0.243 0.223 0.208 0.211 0.197 0.233 0.241

SLRO 70.0 SSAT 0.469 0.451 0.469 0.486 0.503 0.503 0.503 0.503 0.486 0.486

SLNF 1.00 SRGF 1.000 0.642 0.421 0.285 0.187 0.126 0.086 0.050 0.028 0.015

SLPF SMHB SMPX SMKE 1.00 SA001 SA001 SA001 SSKS SBDM SLOC -99 1.30 1.99 -99 1.35 1.94 -99 1.30 2.00 -99 1.25 1.40 -99 1.20 1.04 -99 1.20 0.57 -99 1.20 0.26 -99 1.20 0.18 -99 1.25 0.13 -99 1.25 0.10

DATE -99 200 LATOKEPI CSERNOZJOM JOE ADJUST COUNTRY LAT LONG SCS FAMILY HUNGARY 47.00 19.59 LATOKEPI CSERNOZJOM JOE ADJUST SLU1 SLDR SLRO SLNF SLPF SMHB SMPX SMKE 8.0 0.10 60.0 1.00 1.00 SA001 SA001 SA001 SLLL SDUL SSAT SRGF SSKS SBDM SLOC SLCL 0.130 0.290 0.440 1.000 -9.0 1.30 1.99 -99 0.130 0.290 0.440 1.000 -9.0 1.30 1.99 -99 0.130 0.290 0.440 0.900 -9.0 1.35 1.95 -99 0.115 0.270 0.410 0.800 -9.0 1.30 2.00 -99 0.109 0.265 0.420 0.600 -9.0 1.25 1.40 -99 0.105 0.260 0.430 0.400 -9.0 1.20 1.05 -99 0.095 0.255 0.440 0.200 -9.0 1.20 0.57 -99 0.090 0.250 0.440 0.100 -9.0 1.20 0.26 -99 0.110 0.260 0.440 0.050 -9.0 1.20 0.20 -99 0.130 0.265 0.440 0.020 -9.0 1.25 0.15 -99 0.140 0.285 0.440 0.010 -9.0 1.25 0.11 -99

Ahol az első sor tartalmazza a talaj azonosítóját, az intézmény nevét, a talajszelvény maximális mélységét cmben és a szöveges meghatározást. A további jelölések:

8.8. táblázat - A SOIL.SOL file jelmagyarázata SITE

Hely megadása

COUNTRY

Ország

LAT

Szélességi fok, + az északi, - a déli

LONG

Hosszúsági fok, + a keleti, - a nyugati

SCS FAMILY

A talaj osztályba sorolása

SCOM

A talaj színe nedvesen, Munsell-színárnyalat

SALB

Albedó, a visszavert sugárzás hányada

SLU1

Evaporáció határa (mm), a maximális talajpárolgás

SLDR

Telítetlen talaj drén konstansa (drénezett hányad/nap)

SLRO

Lefolyási görbe száma (Soil Conservation Service)

SLNF

Nitrogén mineralizációs faktor (0-1 skála)

SLPF

Fotoszintézis faktora (0-1 skála)

SMHB

A pufferben meghatározott pH analitikai eljárásának kódja.

SMPX

A foszfor meghatározás eljárás kódja

SMKE

A kálium meghatározás eljárás kódja

SLB

Mélység, a réteg talajfelszíntől mért mélysége (cm)

SLLL

Holtvíztartalom (cm3cm-3)


Termésszimulációs modellek alkalmazása SDUL

Szántóföldi vízkapacitás (cm3 cm-3)

SSAT

Maximális vízkapacitás (cm3 cm-3)

SRGF

Gyökéreloszlási faktor, csak a talaj, (0.0-1.0)

SSKS

A telített talaj vízvezető képessége, makro pórusokban (cm/óra)

SBDM

Térfogattömeg (g cm-3), a térfogat nedvesen mérve

SLOC

Szerves széntartalom (%)

SLCL

Agyag (l0.002 mm), %

Az állomány tetszőlegesen sok talaj paramétereit tartalmazhatja. Az azonosító megadása a felhasználón múlik. A program lehetőséget ad az előző felhasználók, fejlesztők adatainak előhívására. Az albedó, a talajfelszín fényvisszaverése 0,1 és 0,3 között változhat. Ha nincs mérési adatunk, becsülhetjük a talaj szervesanyagtartalmából és a szemcseösszetétel összetétel alapján. A hazai ásványi talajok albedója 0,13-0,14, nem nagyon változik és a modell nem nagyon érzékeny rá. Ha mész, vagy só van a felszínen, akkor érdemes egy-egy mérést végezni. 5% szervesanyag-tartalom felett 0,11 az albedó, 10% felett, pedig 0,08. A világos színű sivatagi homokok megközelítik a 0,30 értéket. SLU1 érték az első fázisú talajpárolgási együttható. Azt mutatja, hogy mennyi víz párolog el a talaj felszínéről, a konstans sebességű evaporációs szakaszban. Mérések alapján, ez homokon és erősen duzzadó agyagon 5 mm, vályog talajon 9 mm, agyagos vályogon 14 mm (Ritchie, 1972). SLDR a szelvény vízáteresztési sebessége, melyet a legkisebb áteresztő képességű talajréteg határoz meg. Azt mutatja, hogy a vízkapacitást meghaladó víz hányad része hagyja el a szelvényt. Értéke a víztelítettségtől a vízkapacitás értékéig állandó. A magyar talajokra közvetve, a nitrát mozgáson keresztül kalibrálták (Kovács, 1995), és vályogon 0,1, agyagon 0,03 értéket kaptak. SLRO, lefolyási görbe száma 0-tól 100-ig. Nulla, amikor nincs lefolyás, 100, amikor a téli csapadék teljes mennyisége lefolyik a felszínről (USDA, Soil Conservation Service, 1972). A görbék az egy nap alatt leesett csapadék és a lefolyás arányát fejezik ki. Williams et al. (1984) módosítása révén a nedves és a száraz talajra hulló csapadék között is különbséget lehet tenni. Ritchie (1986) is közölt hasonló tájékoztató táblázatokat. Kovács (1995) szerint a hazai napi csapadékok mellett alig van különbség a szóba jöhető görbék lefolyási értékei között. A modell 75-ös érték alatt alig adott eltérést az eltérő SLRO értékekre a magyarországi futtatásokban. Véleménye szerint ez annak tulajdonítható, hogy a lefolyás a napi csapadék növekedésével kezdetben csak igen lassan nő, és fokozatosan válik lineárissá. A vízmozgást alapvetően a vízkapacitási értékek szabályozzák. A modellben szereplő vízkapacitási értékek meghatározásához a hagyományos szántóföldi módszert javasolják (Ritchie, 1981; Ballanegger, 1953). A holtvíztartalom mérésére olyan talajállapotot tartanak alkalmasnak, amikor a kifejlett növény a talajból már felvette az összes felvehető nedvességet, és már hervadási tüneteket mutat. A gyökéreloszlás változatossága miatt a növénnyel mért érték általában nem egyezik a laboratóriumban a pF=4,2 nedvességpotenciálra mért talajnedvesség-tartalom értékkel. A szántóföldi vízkapacitás meghatározásához a talajt a telítő esőzést követően 6-8 nappal tartják célszerűnek megmintázni. A szemcseméret és térfogattömeg ismeretében Ritchie számítási eljárást ajánl. Az így nyert vízkapacitási értékek Kovács (1995) szerint eltérnek a hazai laboratóriumi mérések, illetve az azokon alapuló Rajkai-féle becslések értékeitől (Rajkai, 1990). Ritchie általában mindháromra (VKmax, VKsz, HV) kisebb értéket becsül. A szántóföldi vízkapacitás és holtvíz közötti különbséget maximum 14 tf% körülinek számolja. Ha a becslés pontossága megkívánja, érdemes a vízkapacitási értékeket megmérni, és pontosan beállítani. Kovács (1995) a hazai kísérletek adaptálásakor jó eredményt ért el az olyan holtvíz értékekkel, melyek a Rajkai-féle becslés adott, vagy annál egy kicsivel kisebbek voltak. A laboratóriumi mérések az eddigi tapasztalatai szerint ennél nagyobbak voltak. A szántóföldi vízkapacitásra a pF=2,5 értékkel jellemezhető nedvességet tartja alkalmasnak. A hazai gyakorlatban használt pF=2,3 érték az SDUL paramétert túlbecsli, és ezért annak becslésére nem alkalmas. A talaj maximális vízkapacitás értékének a pontos beállításának csak nedves körülmények között van jelentősége, amikor az a lefolyási viszonyokra hat. SRGF oszlopban adjuk meg a faj és fajta jellegének megfelelően a gyökerek mélységi eloszlását stresszmentes környezet esetében. Az eloszlás exponenciális, vagyis a gyökérmennyiség exponenciálisan csökken a talajmélységgel. Értéke egy mértékegység nélküli szám, melyet a modell a számított vízhiánnyal és nitrogénhiánnyal együtt a naponta keletkező gyökérmennyiség elosztásánál vesz figyelembe. A szerves széntartalmat a humusz %-ból számíthatjuk:


Termésszimulációs modellek alkalmazása SLOC = humusz% * 0,58.

2.2.4. Kísérleti adatok, *.MZX 8.9. táblázat - A *.MZX file felépítése

*EXP.DETAILS: DULK9701MZ Látókép, TM-kísérlet 1989. *TREATMENTS -------------FACTOR LEVELS-----------@N R O C TNAME.................... CU FL SA IC MP MI MF MR MC MT ME MH SM 1 1 1 0 0 kg N, 6p/m2 12c nönt. 1 1 0 1 1 1 1 1 0 1 0 0 1 2 1 1 0 120 kg N, 6p/m2 12c nönt. 1 1 0 1 1 1 2 1 0 1 0 0 1 3 1 1 0 240 kg N, 6p/m2 12c nönt. 1 1 0 1 1 1 3 1 0 1 0 0 1 4 1 1 0 0 kg N, 7p/m2 12c nönt. 1 1 0 1 2 1 1 1 0 1 0 0 1 5 1 1 0 120 kg N, 7p/m2 12c nönt. 1 1 0 1 2 1 2 1 0 1 0 0 1 6 1 1 0 240 kg N, 7p/m2 12c nönt. 1 1 0 1 2 1 3 1 0 1 0 0 1 7 1 1 0 0 kg N, 8p/m2 12c nönt. 1 1 0 1 3 1 1 1 0 1 0 0 1 8 1 1 0 120 kg N, 8p/m2 12c nönt. 1 1 0 1 3 1 2 1 0 1 0 0 1 9 1 1 0 240 kg N, 8p/m2 12c nönt. 1 1 0 1 3 1 3 1 0 1 0 0 1 10 1 1 0 0 kg N, 9p/m2 12c nönt. 1 1 0 1 4 1 1 1 0 1 0 0 1 11 1 1 0 120 kg N, 9p/m2 12c nönt. 1 1 0 1 4 1 2 1 0 1 0 0 1 12 1 1 0 240 kg N, 9p/m2 12c nönt. 1 1 0 1 4 1 3 1 0 1 0 0 1 13 1 1 0 0 kg N, 6p/m2 27c nönt. 1 1 0 1 1 1 4 2 0 2 0 0 1 14 1 1 0 120 kg N, 6p/m2 27c nönt. 1 1 0 1 1 1 5 2 0 2 0 0 1 15 1 1 0 240 kg N, 6p/m2 27c nönt. 1 1 0 1 1 1 6 2 0 2 0 0 1 16 1 1 0 0 kg N, 7p/m2 27c nönt. 1 1 0 1 2 1 4 2 0 2 0 0 1 17 1 1 0 120 kg N, 7p/m2 27c nönt. 1 1 0 1 2 1 5 2 0 2 0 0 1 *CULTIVARS @C CR INGENO CNAME 1 MZ IBO031 Pio 3475 SC *FIELDS @L ID_FIELD WSTA.... FLSA 1 DULK0001 DULK9701 -99 *INITIAL @C PCR 1 MZ @C ICBL 1 20 1 40 1 60 1 80 1 100 1 120 1 140 1 160 1 180 1 200

FLOB FLDT 0 DR000

FLDD 0

FLDS FLST SLTX 0 00000 -99

SLDP ID_SOIL 200 DUMZ970001

PLRD 0 0 0 0

PLDP 6.0 6.0 6.0 6.0

PLWT -99 -99 -99 -99

PAGE -99 -99 -99 -99

FAMC -99

FAMO -99

FOCD -99

CONDITIONS ICDAT ICRT 97100 749 SH2O SNH4 0.253 1.0 0.278 1.0 0.242 1.0 0.228 1.0 0.200 1.0 0.161 1.0 0.133 1.0 0.141 1.0 0.164 1.0 0.171 1.0

ICND -99 SNO3 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0

ICRN 1.00

ICRE 1.00

*PLANTING DETAILS @P PDATE EDATE PPOP 1 97121 -99 6.0 2 97121 -99 7.0 3 97121 -99 8.0 4 97121 -99 9.0

PPOE 6.0 7.0 8.0 9.0

PLME S S S S

PLDS R R R R

PLRS 76 76 76 76

IAME -99

IAMT -99

FAMP -99

FAMK -99

*IRRIGATION AND WATER MANAGEMENT @I IEFF IDEP ITHR IEPT IOFF 1 1.00 -99 -99 -99 -99 @I IDATE IROP IRVAL 1 97121 IR001 0 *FERTILIZERS (INORGANIC) @F FDATE FMCD FACD FDEP 1 97118 FE001 -99 12

FAMN 0


PENV -99.0 -99.0 -99.0 -99.0

PLPH -99.0 -99.0 -99.0 -99.0

Termésszimulációs modellek alkalmazása 2 3 4 5 6

97118 97118 97118 97118 97118

FE001 FE001 FE001 FE001 FE001

-99 -99 -99 -99 -99

-99 -99 -99 -99 -99

-99 -99 -99 -99 -99

*RESIDUES AND OTHER ORGANIC MATERIALS @R RDATE RCOD RAMT RESN RESP RESK 1 97100 RE001 668 0.80 -99 -99 2 97100 RE001 668 0.80 -99 -99

RINP -99 -99

RDEP 12 27

*TILLAGE @T TDATE TIMPL 1 97100 TI004 2 97100 TI005

-99 -99 -99 -99 -99

12 12 27 27 27

120 240 0 120 240

-99 -99 -99 -99 -99

-99 -99 -99 -99 -99

TDEP 12 27

*SIMULATION CONTROLS @N GENERAL NYERS NREPS 1 GE 1 1 @N OPTIONS WATER NITRO 1 OP Y Y @N METHODS WTHER INCON 1 ME M M @N MANAGEMENT PLANT IRRIG 1 MA R R @N OUTPUTS FNAME OVVEW 1 OU N Y @ AUTOMATIC MANAGEMENT @N PLANTING PFRST PLAST 1 PL 155 200 @N IRRIGATION IMDEP ITHRL 1 IR 30 50 @N NITROGEN NMDEP NMTHR 1 NI 30 50 @N RESIDUES RIPCN RTIME 1 RE 100 1 @N HARVEST HFRST HLAST 1 HA 0 365

START S SYMBI Y LIGHT E FERTI R SUMRY Y

SDATE 97100 PHOSP N EVAPO R RESID R FROPT 3

RSEED 2150 POTAS N INFIL S HARVS M GROUT Y

SNAME.................... Látókép TM-kísérlet 1989 DISES N PHOTO C

PH2OL 40 ITHRU 100 NAMNT 25 RIDEP 20 HPCNP 100

PH2OU 100 IROFF GS000 NCODE FE001

PH2OD PSTMX PSTMN 30 40 10 IMETH IRAMT IREFF IR001 10 1.00 NAOFF GS000

CAOUT WAOUT NIOUT MIOUT DIOUT N Y Y N N

LONG N

HPCNR 0

Itt kell megadni a szimuláció futtatásához nélkülözhetetlen információkat. Ez tehát a szimuláció központi állománya. Az első rész egy kapcsolótáblát tartalmaz (TREATMENTS), ami kódokkal azonosítja a parcellán alkalmazott, később részletezett kezeléseket. Jelen esetben 17 parcellánk van, különböző kezeléskombinációkkal. A következő rész (CULTIVARS) a termesztett növény faját és fajtáját azonosítja. Ezután a parcellához tartozó időjárási hely és talajféleség kódjai láthatók (FIELDS). A kezdeti feltételek (INITIAL CONDITIONS) megadása következik, minden egyes kezelést különböző feltételekkel indíthatunk. Ezek a ténylegesen mért rétegenkénti talajnedvesség, nitrát és ammónium adatokat tartalmazzák. A vetés adatai (PLANTING DETAILS) következnek értelemszerűen. Öntözés (IRRIGARTION AND WATER MANAGEMENT), trágyázás (FERTILIZERS), szármaradványok és szervesanyagok (RESIDUE AND OTHER ORGANIC MATERIALS), talajművelési beavatkozások (TILLAGE) jellemzőit állíthatjuk be. Meghatározhatjuk a szimuláció lefutásának módját (SIMULATION CONTROLS), az elemzésekben résztvevő rutinokat. Végezetül az automatikus vetés, öntözés, trágyázás, szármaradványok és betakarítás paramétereit határozhatjuk meg. A táblázatban található rövidítések részletes magyarázata a mellékletben megtalálható.

2.2.5. Betakarítás utáni, *.MZT 8.10. táblázat - *.MZA: Fiziológiai éréskor mért eredmények (minden mező 6 karakter széles) TRNO

Kezelés sorszáma

HWAM

Szemtermés, szárazanyag kg/ha

HWUM

Szemtömeg


Termésszimulációs modellek alkalmazása H#AM

Szemszám/m2

H#UM

Szemszám/egyed

LAIX

Maximális LAI

CWAM

Földfeletti rész összes száraztömege kg/ha

BWAH

Összes melléktermék, szárazanyag kg/ha

ADAT

Virágzás napja (az év napja)

MDAT

Fiziológiai érés napja (az év napja)

GN%M

N% a szemben éréskor

CNAM

A földfeletti rész összes N-tartalma kg/ha

SNAM

Szár N-tartalma kg/ha

GNAM

Szem N-tartalma kg/ha

8.11. táblázat - *.MZT, a kísérlet során végzett mérések állománya

*EXP.DATA (T): @TRNO 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3

DATE 97192 97209 97223 97237 97251 97265 97192 97209 97223 97237 97251 97265 97192 97209 97223 97237 97251 97265

Debrecen, Látókép 1997: Maize

CWAD 4919 8093 11979 15046 17895 18646 7513 10525 15989 21007 24754 21098 5774 8858 11843 15898 17872 17057

SWAD 3201 4037 4333 4481 4615 4525 4972 5860 6050 6428 6634 4605 3799 4731 4585 4728 4625 4380

LWAD GWAD GWGD 1489 -99 -99 1580 316 9.2 1788 2942 104.5 1748 6502 234.4 1814 8789 305.3 1840 9530 326.4 2163 -99 -99 2288 189 3.7 2598 3927 98.5 2639 8797 209.9 2560 12296 298.4 1988 12054 301.3 1628 -99 -99 1769 301 7.3 1919 2658 85.7 1971 6691 204.1 1948 8701 291.2 1834 8707 296.1

GW%M -99 -99 -99 -99 30.9 -99 -99 -99 -99 -99 30.8 -99 -99 -99 -99 -99 33.8 -99

G#AD -99 3482 2838 2805 2895 2919 -99 5091 3995 4214 4121 3999 -99 4107 3190 3297 2997 2940

G#PD -99 768 626 619 639 644 -99 727 571 602 589 571 -99 821 638 659 599 588

T#AD 4.5 4.5 4.5 4.5 4.5 4.5 7 7 7 7 7 7 5 5 5 5 5 5

LAID 2.5 2.5 2.5 2.3 2 1 3.9 3.9 3.8 3.6 2.6 0.5 2.9 2.6 2.7 2.5 2.1 0.7

SLAD 165.5 156.2 140.3 131.6 110.3 48.3 -99 171.3 145.8 135.7 100.1 24.4 180.8 146.9 139.1 126.5 106.4 37.1

8.12. táblázat - *.MZT file rövidítésének magyarázata Rövidítés

Magyarázat

TRNO

Kezelés sorszáma

DATE

Megfigyelés dátuma

CWAD

A földfeletti növény teljes szárazanyagának tömege (kg/ha)

SWAD

A szár teljes szárazanyagának tömege (kg/ha)

LWAD

Levél teljes szárazanyagának tömege (kg/ha)

GWAD

Szem teljes szárazanyagának tömege (kg/ha)

GWGD

Egy szem teljes szárazanyagának tömege (mg/szem)

GW%M

Szem betakarításkor mért nedvességtartalma (%) 139 Created by XMLmind XSL-FO Converter.

Termésszimulációs modellek alkalmazása Rövidítés

Magyarázat

G#AD

Szemszám (db/m2)

G#PD

Szemszám (db/növény)

T#AD

Hajtásszám (db/m2)

LAID

Levélterület index

SLAD

Speciális levélterület (cm2/g)

2.3. Modellezés A CERES Maize modell futtatásának összefoglaló eredményét a 42 . táblázat mutatja. A könnyebb értelmezhetőség érdekében a jelölések magyar megfelelőjét is megadtuk.

8.13. táblázat - A szimuláció összefoglaló eredménytáblázata

SORTÁV = 75.00, VETÉS MÉLYSÉG =

7. CM, ÁLLOMÁNYSŰRŰSÉG = 5.0 NÖVÉNY/NÉGYZET MÉTER

GENETIKAI PARAMÉTEREK P1 =200.00 P2 = .70 P5=800.00 G2 =797.50 G3 =8.600 PHINT : 38.900 (a termesztett hibrid genetikai paraméterei) TALAJ ALBEDO= 0.13 EVAPORATION LIMIT : 8.00 DRAINAGE RATE : .10

U=

6.0 SWCON= 0.60 RUNOFF CURVE NO.= MIN. FACTOR : 1.00 FERT. FACTOR : 1.00

60.0

*SUMMARY OF SOIL AND GENETIC INPUT PARAMETERS SOIL LOWER UPPER SAT EXTR INIT ROOT BULK pH NO3 NH4 ORG DEPTH LIMIT LIMIT SW SW SW DIST DENS C cm cm3/cm3 cm3/cm3 cm3/cm3 g/cm3 ugN/g ugN/g % -------------------------------------------------------------------------------0- 5 .130 .290 .440 .160 .130 1.00 1.30 6.50 2.10 2.10 1.99 5- 15 .130 .290 .440 .160 .270 1.00 1.30 6.50 3.20 2.10 1.99 15- 30 .130 .290 .440 .160 .284 .93 1.33 6.63 3.87 2.37 1.96 30- 45 .125 .283 .430 .158 .278 .87 1.33 6.80 3.87 2.00 1.97 45- 60 .115 .270 .410 .155 .253 .80 1.30 7.00 3.20 1.00 2.00 60- 90 .108 .263 .423 .156 .198 .53 1.23 8.03 1.97 1.30 1.28 90-120 .098 .257 .437 .158 .188 .27 1.20 8.10 .50 .50 .73 120-150 .097 .253 .440 .157 .168 .08 1.20 8.20 1.10 .43 .24 150-180 .123 .263 .440 .140 .190 .03 1.23 8.33 4.63 .30 .17 180-200 .140 .285 .440 .145 .189 .01 1.25 8.40 2.20 .20 .11 TOT-200 23.1 53.8 86.8 30.7 41.7 l--cm - kg/ha--g 62.9 24.6 247725 MŰTRÁGYA BEVITEL: AZ ÉV NAPJA KG/HA 304 115

56.00 151.00

MÉLYSÉG MTRGY. FÉLESÉG 23.00 10.00

CALCIUM AMMONIUM NITRATE AMMONIUM NITRATE

*SIMULATED CROP AND SOIL STATUS AT MAIN DEVELOPMENT STAGES DATE CROP GROWTH BIOMASS LAI LEAF ET RAIN IRRIG SWATER CROP N STRESS AGE STAGE kg/ha NUM. mm mm mm mm kg/ha % H2O N -------------------------------------------------------------------------------11 APR 0 Start Sim 0 .00 .0 2 0 0 184 0 .0 .00 .00 28 APR 0 Sowing 0 .00 .0 35 37 0 188 0 .0 .00 .00 29 APR 1 Germinate 0 .00 .0 37 43 0 192 0 .0 .00 .00 14 MAY 16 Emergence 20 .00 2.0 70 116 0 232 1 4.4 .00 .00 4 JUN 37 End Juveni 116 .24 7.9 118 211 0 277 4 3.9 .00 .00 12 JUN 45 Floral Ini 250 .46 9.6 142 249 0 288 10 4.0 .00 .00


Termésszimulációs modellek alkalmazása 24 JUL 87 75% Silkin 4978 2.90 21.8 316 300 8 AUG 102 Beg Gr Fil 6463 2.74 21.8 370 338 Crop mature on JD 276 due to slowed grain filling 5 OCT 160 Maturity 11765 .00 21.8 517 404 5 OCT 160 Harvest 11765 .00 21.8 517 404 MAIN GROWTH AND DEVELOPMENT VARIABLES @ VARIABLE BECSÜLT ---------------VIRÁGZÁS NAPJA (dap) 87 FIZIOLÓGIA ÉRÉS (dap) 160 TERMÉS száraz (kg/ha) 6432 MAG TÖMEGE (g;száraz) .3156 MAGSZÁM (szem/m2) 2038 MAG/CSŐ 407.6 MAXIMUM LAI (m2/m2) 3.05 BIOMASS (kg/ha) nővirágzáskor 4978 BIOMASS N (kg N/ha) nővirágzáskor 62 BIOMASS (kg/ha) éréskor 11765 STALK (kg/ha) éréskor 5333 HARVEST INDEX (kg/kg) .547 VÉGSŐ LEVÉLSZÁM 21.79 MAG N (kg N/ha) 57 BIOMASS N (kg N/ha) 74 SZÁR N (kg N/ha) 17 MAG N (%) .89

0 0

165 148

0 0

68 68

62 1.2 .00 .06 65 1.0 .00 .09 74 74

.6 .00 .47 .6 .00 .47

MEGFIGYELT ÉRTÉK -------88 158 6874 -99 -99 -99 -99 -99 -99 -99 -99 -99 -99 -99 -99 -99 -99

A szimulált és megfigyelt értékek közel esnek egymáshoz, főleg, ha a szimulált szárazanyagra számított termést átszámítjuk a megfigyelt szemtermés nedvességtartalmára. A virágzás és érés ideje csak egy-két nappal tér el, ami a felvételezés nehézségeit is figyelembe véve elhanyagolható különbség. A korábbi tapasztalatok alapján elmondható, hogy a modellel becsült szem/m2 és a szem/cső értékek is nagyon jól közelítik a valóságot. A biomasszára és a különböző nitrogéntartalmakra nem volt mérés, így a szimulált értékek jóságának megítélésére nem vállalkozhatunk.

8.14. táblázat - Környezeti és stressz tényezők táblázata

*ENVIRONMENTAL AND STRESS FACTORS ------------------------------------ENVIRONMENT-----------------STRESS---------|--DEVELOPMENT PHASE--|-TIME-|-------WEATHER--------| |---WATER--| |-NITROGEN-| DURA TEMP TEMP SOLAR PHOTOP PHOTO GROWTH PHOTO GROWTH TION MAX MIN RAD [day] SYNTH SYNTH days ?C ?C MJ/m2 hr -------------------------------------------------------------------------------Emergence-End Juvenile 21 23.16 10.65 19.72 15.21 .000 .000 .002 .006 End Juvenil-Floral Init 8 20.73 11.36 15.25 15.61 .000 .000 .001 .001 Floral Init-End Lf Grow 42 24.85 13.81 19.36 15.57 .000 .000 .061 .153 End Lf Grth-Beg Grn Fil 15 24.58 13.61 16.48 14.79 .000 .000 .089 .224 Grain Filling Phase 57 23.43 11.77 12.89 12.90 .000 .000 .450 .690 (0.0 = Minimum Stress 1.0 = Maximum Stress) MAIZE

YIELD :

6432 kg/ha

[DRY WEIGHT ]


Termésszimulációs modellek alkalmazása A STRESS WATER PHOTOSYNTH és STRESS WATER GROWTH az egyes fenológiai szakaszokban számolt vízhiányt fejezik ki. Az első a fotoszintézist befolyásolja és értéke a változó vízellátottság mellett alig változik. A második jobban változik az aszályra hajló időszakban, ez a hosszúságbeli növekedést befolyásolja, értéke 0.00 és 1.00 közötti. A 0.00 stressz mentességet, az 1.00 a maximális stresszt jelenti. A STRESS NITROGEN PHOTOSYNTH és STRESS NITROGEN GROWTH az adott fenológiai fázisokban számolt nitrogénhiányt mutatja. Az első a fotoszintézist befolyásolja, és értéke változó nitrogénellátottság mellett kevésbé módosul. A második itt is jobban változik a nitrogénhiányos időszakban, ez a levélöregedést és a szem nitrogéntartalmát befolyásolja. A 44. táblázat a növekedés szimulációját mutatja heti léptékben. A táblázat a kukorica háromleveles állapotától indul, és terjedelmi okok miatt erősen egyszerűsített. Az első oszlop (NAP) az év január elseje óta eltelt napok számát mutatja, a második (SDTT) az adott fenofázis kumulált hőösszegét. A biomassza g/m2-ben, a levelek száma (LN) és a levélterület index (LAI) követi. A növényi részek tömege (Weight) grammban kifejezve, gyökér (ROOT), szár (STEM), szem (GRAIN) és levél (LEAF) adatok. RTD (cm) az aktuális gyökérmélység. A növény földfeletti részének aránya (PTF) és a gyökérsűrűség három mélységben (RLV) zárja a táblázatot.

8.15. táblázat - A CERES maize növekedés szimulációja

NAP 139 146 153 160 167 174 181 188 195 202 209 216 223 230 237

SDTT 53. 145. 30. 134. 237. 318. 421. 31. 125. 210. 313. 416. 516. 609. 691.

BIO LN g/m2 3. 3 6. 5 19. 8 56. 10 157. 13 286. 15 410. 18 509. 19 649. 19 755. 19 807. 19 857. 19 909. 19 957. 19 996. 19

LAI .01 .13 .38 .91 1.81 2.45 2.79 2.78 2.71 2.61 2.53 2.39 2.13 1.79 1.39

ROOT STEM GRAIN LEAF RTD PTF |----- Weight in g -----| (cm) .25 .20 .00 .20 25. .61 .72 .20 .00 .60 44. .53 3.37 .21 .00 2.44 64. .44 8.35 .75 .00 7.10 86. .48 15.16 5.31 .00 16.73 109. .59 21.19 15.72 .00 24.38 128. .65 31.16 28.61 .00 28.77 150. .65 42.29 31.23 .00 29.78 169. .63 49.25 37.79 .00 26.55 190. .65 56.87 41.95 2.69 24.12 200. .65 64.35 41.95 10.08 23.95 200. .64 70.87 41.95 17.24 23.78 200. .63 77.20 41.95 24.70 23.62 200. .62 80.85 41.95 31.57 23.45 200. .62 81.10 41.95 37.23 23.29 200. .63

L1 |.1 .3 1.2 3.0 5.0 4.9 5.0 5.0 5.0 5.0 4.9 4.9 4.7 4.5 4.4

L3 RLV .0 .0 .1 .3 .8 1.6 2.8 5.0 5.0 5.0 5.0 5.0 4.8 4.6 4.5

L5 --| .0 .0 .0 .0 .0 .1 .2 .4 .4 .4 .5 .8 1.7 3.0 3.3

45. táblázat az időjárás és a talaj víztartalmának szimulációját mutatja be napi léptékben (DAY OYR). Itt is az output fájl rövidített változatát mutatjuk be. A program becsli a transzspirációt (EP), evaporációt (ET), potenciális evaporációt (EO), a talajrétegenkénti nedvességtartalmat (SW) és az egész szelvényben a növény által felvehető vízmennyiségét (PESW (cm)). A napi sugárzási (SR), hőmérsékleti (MAX és MIN) és csapadék (PREC mm) adatok ténylegesen a kísérlet helyén mért adatok. A vízháztartás napi nyomon követése lehetőséget ad a vízhiányos időszakok meghatározásához és az öntözés időbeni elkezdéséhez. Lehetőség van a talajrétegek hőmérsékletének megjelenítésére, ill. további elemezésére.

8.16. táblázat - CERES maize időjárás és víz szimuláció eredménye

EP = transzspiráció (evaporacio of plant) ET = evaporáció összesen (evaporacio total) EO = potenciális evaporáció *

Mértékegység MJ/négyzetméter. ----------A PERIÓDUS ÁTLAGA--------- TALAJNEDVESSÉG-TARTALOM VÍZ/MÉLYSÉG DAY EP ET EO SR* MAX MIN PREC SW1 SW2 SW3 SW4 SW5 PESW


Termésszimulációs modellek alkalmazása OYR 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161

(mm) .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .1 .1 .2 .3 .3 .5 .6 .3 .6 1.0 1.6 1.6 1.9 2.3 2.3 1.6 1.0 1.4 2.8 3.3 3.2

(mm) 3.2 3.4 3.0 1.4 1.1 .9 .8 .7 .7 .6 .7 .6 .5 .5 .5 .6 .5 .8 .5 .4 .4 .4 .5 .5 .5 1.4 2.5 .8 .8 1.3 2.4 .8 .8 1.6 1.7 1.2 1.0 .8 .8 .7 .6 3.2 .7 .6 2.4 .6 .6 .6 .6 .5 .6 4.9 .7 .8 .8 1.0 1.1 .7 1.2 4.6 2.0 2.0 2.3 2.7 2.8 2.1 3.9 2.4 3.7 4.1 3.9

(mm) 3.2 3.8 3.7 3.5 2.5 3.5 3.6 3.9 2.9 3.2 4.5 4.4 4.8 5.0 4.2 2.9 3.1 1.6 3.5 4.4 2.6 4.5 3.3 1.9 3.0 2.7 2.5 2.2 3.0 1.3 3.6 2.8 1.9 1.6 2.3 4.4 5.2 5.0 5.0 6.6 6.6 4.2 3.9 3.1 3.9 4.8 4.2 6.1 5.5 3.5 6.3 5.9 5.4 5.7 4.5 5.8 5.3 1.7 3.8 5.2 7.1 6.6 6.8 7.1 6.4 4.0 3.9 2.8 5.4 5.8 5.4

16. 20. 20. 19. 13. 18. 19. 21. 14. 16. 22. 21. 22. 24. 23. 17. 16. 10. 18. 23. 14. 23. 17. 10. 15. 13. 12. 12. 17. 7. 18. 15. 11. 9. 12. 22. 24. 22. 21. 27. 27. 20. 19. 15. 18. 22. 19. 27. 24. 16. 27. 24. 22. 23. 18. 24. 23. 8. 16. 22. 29. 27. 27. 28. 26. 17. 17. 12. 22. 23. 22.

C 16.5 15.5 13.5 16.5 19.5 18.0 15.5 13.5 17.5 18.5 21.0 22.0 24.0 23.5 14.5 11.0 15.5 8.5 16.5 15.5 15.0 16.5 19.0 13.5 16.5 19.5 19.5 13.5 12.0 14.0 18.0 14.5 11.0 12.5 12.0 16.0 22.0 24.0 25.5 29.0 26.5 17.5 19.0 17.5 18.0 20.0 22.0 24.0 24.0 22.0 24.5 26.5 27.5 28.0 29.5 28.5 26.5 24.0 23.5 26.5 29.5 28.5 29.0 28.5 26.5 24.0 25.5 26.0 28.0 31.0 30.5

C 7.0 6.0 5.0 -1.0 3.0 4.0 4.0 6.0 7.0 5.0 4.0 5.0 5.0 5.0 2.0 4.0 6.0 3.0 5.0 6.0 3.0 5.0 2.0 4.0 8.0 9.0 9.0 5.0 3.0 7.0 9.0 8.0 5.0 5.0 9.0 7.0 9.0 12.0 11.0 13.0 15.0 10.0 10.2 11.0 12.0 13.0 13.0 12.0 14.0 12.0 14.0 16.0 17.0 18.0 17.0 16.0 12.0 14.0 15.0 13.0 16.0 17.0 18.0 20.0 18.2 20.0 18.2 17.0 17.0 19.0 18.0

(mm) .00 .00 .00 .00 .00 .00 .00 .00 .00 .00 .10 .00 .00 .00 .00 .10 .00 1.00 .00 .00 .00 .00 .10 .10 .10 1.70 10.00 1.00 .10 .60 3.00 .10 1.00 8.00 .10 .00 .00 .00 .00 .00 .00 4.00 .00 .00 3.00 .00 .00 .00 .00 .00 .00 6.00 .00 .00 .00 .00 .00 .00 .10 4.50 .00 .00 .00 .00 .10 .10 14.00 .00 .00 .00 .00

.35 .33 .32 .32 .32 .32 .32 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .32 .32 .32 .32 .32 .32 .32 .32 .32 .35 .35 .35 .35 .35 .35 .35 .37 .36 .35 .35 .35 .34 .34 .34 .35 .34 .34 .35 .34 .34 .34 .34 .34 .34 .34 .34 .34 .33 .33 .33 .33 .32 .33 .32 .31 .30 .29 .28 .28 .34 .33 .31 .30 .28

.32 .32 .32 .32 .32 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .31 .33 .33 .32 .32 .32 .32 .32 .34 .33 .33 .33 .33 .32 .32 .32 .32 .32 .32 .32 .32 .32 .32 .32 .32 .32 .32 .32 .32 .32 .31 .31 .31 .31 .31 .30 .30 .30 .29 .28 .28 .30 .30 .30 .29 .28

.36 .36 .35 .35 .35 .35 .35 .35 .35 .35 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .35 .34 .35 .35 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .33 .33 .33 .33 .33 .33 .33 .33


.34 .34 .34 .34 .34 .34 .34 .34 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .32 .32 .32 .32 .32 .32 .32

.34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .34 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33 .33

(cm) 28.3 27.9 27.6 27.5 27.4 27.3 27.2 27.1 27.1 27.0 26.9 26.9 26.8 26.8 26.7 26.7 26.6 26.7 26.6 26.6 26.5 26.5 26.5 26.4 26.4 26.4 27.2 27.2 27.1 27.0 27.1 27.0 27.1 27.7 27.5 27.4 27.3 27.2 27.2 27.1 27.0 27.1 27.0 27.0 27.0 27.0 26.9 26.9 26.8 26.7 26.7 26.8 26.7 26.7 26.6 26.5 26.4 26.3 26.2 26.2 26.0 25.8 25.6 25.3 25.0 24.8 25.8 25.7 25.3 24.9 24.5

Termésszimulációs modellek alkalmazása 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233

3.0 4.7 4.8 3.1 2.4 2.5 5.1 1.1 .9 5.9 5.3 3.9 2.4 2.0 4.9 2.9 3.6 6.3 6.0 4.9 5.9 5.9 4.6 1.5 3.8 3.1 3.8 4.3 .9 2.6 4.2 4.8 4.1 2.3 4.2 4.4 4.1 5.0 2.1 .9 2.4 3.8 4.5 4.6 2.2 3.6 4.5 3.3 1.6 3.7 3.9 4.1 4.8 5.0 4.4 5.4 5.5 5.2 4.5 2.4 3.2 4.6 2.5 4.6 4.5 4.3 3.8 1.2 3.1 2.8 2.5 2.3

3.7 5.5 5.4 3.8 4.6 3.1 5.7 1.7 1.4 6.4 5.7 4.3 2.9 3.1 5.8 3.7 4.4 7.0 6.6 6.9 6.5 6.5 5.2 2.1 5.3 4.4 5.4 5.7 1.3 3.7 6.0 6.6 5.9 3.3 6.0 5.4 5.9 6.6 3.0 1.3 3.5 5.7 6.6 6.0 3.3 5.4 5.9 4.4 2.4 5.0 5.9 5.9 6.1 6.0 5.3 5.9 5.5 5.2 4.6 3.8 4.3 5.5 3.3 5.4 5.1 4.9 3.9 2.1 3.9 3.5 3.7 3.0

4.7 6.9 6.7 4.1 4.6 3.1 6.1 1.7 1.4 6.8 5.9 4.3 2.9 3.1 5.8 3.7 4.4 7.0 6.8 6.9 6.5 6.5 5.2 2.1 5.3 4.4 5.4 5.7 1.3 3.7 6.0 6.6 5.9 3.3 6.0 5.4 5.9 6.6 3.0 1.3 3.5 5.7 6.6 6.0 3.3 5.4 5.9 4.4 2.4 5.0 5.9 5.9 6.1 6.0 5.3 5.9 6.1 5.7 5.1 3.8 4.3 5.5 3.3 5.4 5.2 5.2 5.3 2.1 5.0 5.4 5.4 3.6

19. 29. 30. 18. 20. 13. 29. 8. 6. 31. 27. 20. 14. 14. 26. 17. 19. 30. 28. 31. 29. 29. 23. 11. 25. 21. 25. 25. 6. 19. 26. 27. 25. 15. 27. 25. 27. 28. 14. 7. 17. 25. 28. 25. 14. 23. 26. 20. 12. 23. 26. 25. 25. 23. 22. 26. 27. 25. 22. 17. 19. 25. 14. 24. 23. 23. 23. 10. 22. 23. 24. 16.

29.0 27.0 24.0 23.5 26.0 26.5 21.5 22.5 23.5 24.5 26.0 24.0 23.5 24.5 25.0 26.0 28.0 30.0 33.5 25.5 27.0 25.5 28.0 18.0 23.0 25.5 24.5 27.5 23.0 18.0 29.0 33.5 30.0 25.5 26.5 25.0 26.0 33.0 25.0 17.0 21.5 27.0 32.0 32.5 28.5 28.0 27.0 24.0 20.0 26.0 28.0 30.5 32.0 36.0 31.0 28.0 27.5 29.0 27.5 25.0 26.5 25.5 29.0 26.0 28.5 27.5 28.0 25.5 28.5 28.5 25.0 25.5

20.0 19.0 17.0 18.2 20.0 19.0 16.0 15.0 16.0 16.0 15.2 17.0 15.0 16.0 17.2 18.0 20.0 17.0 19.0 18.0 18.0 17.0 19.2 11.0 15.0 13.0 16.0 17.0 16.0 13.0 17.0 16.0 17.0 16.0 15.3 17.0 18.0 17.0 16.0 12.0 13.2 16.0 16.0 17.0 18.0 20.0 17.0 16.0 14.0 14.0 17.0 16.0 17.0 19.0 18.0 17.0 18.0 17.0 19.0 17.0 19.0 16.0 17.0 15.0 16.0 15.0 16.0 14.0 12.0 15.0 16.0 15.0

.00 .10 .00 .10 3.00 .00 .10 .00 .00 .00 .00 .00 .10 9.50 .00 .00 .00 .00 .00 2.50 .00 .00 .00 54.00 .00 .00 .00 .00 .10 .00 5.00 .00 .00 .10 5.00 .00 .00 .00 6.00 9.00 .00 .00 .00 .00 .00 .00 .00 .00 7.50 .10 .00 .00 .00 .00 .00 .00 .00 .00 .00 6.20 .00 .10 .00 .00 .00 .00 .00 4.50 .00 .00 1.50 .00

.27 .26 .25 .24 .25 .24 .23 .23 .23 .22 .22 .22 .21 .27 .25 .24 .23 .23 .22 .22 .22 .21 .21 .39 .36 .34 .32 .30 .30 .29 .30 .27 .26 .25 .26 .25 .23 .22 .25 .31 .29 .26 .24 .23 .22 .21 .20 .19 .24 .23 .22 .20 .19 .19 .18 .18 .18 .18 .18 .21 .20 .20 .19 .19 .18 .18 .18 .20 .20 .19 .19 .19

.27 .25 .23 .23 .23 .23 .22 .22 .22 .22 .21 .21 .21 .21 .21 .21 .21 .20 .20 .20 .20 .20 .20 .33 .32 .31 .30 .28 .28 .27 .26 .25 .24 .24 .23 .23 .22 .22 .22 .22 .22 .22 .22 .21 .21 .21 .21 .21 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .19 .19 .19 .19 .19 .19

.32 .32 .31 .31 .30 .30 .29 .28 .28 .27 .26 .26 .25 .25 .25 .25 .25 .24 .24 .23 .23 .23 .23 .27 .27 .27 .27 .27 .27 .26 .26 .26 .25 .25 .25 .24 .24 .24 .24 .24 .24 .23 .23 .23 .23 .23 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22


.32 .32 .32 .31 .31 .31 .31 .31 .31 .30 .29 .29 .28 .28 .28 .27 .27 .25 .25 .24 .24 .23 .23 .23 .23 .23 .23 .23 .23 .23 .23 .23 .23 .23 .23 .23 .23 .22 .22 .22 .22 .22 .22 .22 .22 .22 .22 .21 .21 .21 .21 .21 .21 .21 .21 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20 .20

.33 .33 .33 .33 .32 .32 .32 .32 .32 .32 .32 .32 .31 .31 .31 .31 .31 .30 .30 .29 .29 .28 .27 .27 .27 .27 .27 .27 .27 .27 .27 .27 .27 .27 .27 .26 .26 .26 .26 .26 .26 .25 .25 .25 .25 .25 .24 .24 .24 .24 .24 .24 .23 .23 .23 .23 .23 .22 .22 .22 .22 .22 .22 .21 .21 .21 .21 .21 .20 .20 .20 .20

24.2 23.6 23.1 22.7 22.6 22.3 21.7 21.5 21.4 20.7 20.2 19.7 19.5 20.1 19.5 19.1 18.7 18.0 17.3 16.9 16.2 15.6 15.1 20.3 19.7 19.3 18.8 18.2 18.1 17.7 17.6 16.9 16.3 16.0 15.9 15.4 14.8 14.1 14.4 15.2 14.8 14.3 13.6 13.0 12.7 12.1 11.6 11.1 11.6 11.1 10.6 10.0 9.4 8.8 8.2 7.6 7.1 6.6 6.1 6.3 5.9 5.4 5.0 4.5 4.0 3.5 3.1 3.3 2.9 2.6 2.4 2.1

Termésszimulációs modellek alkalmazása 234 235 236 237 238 239 240 241 242 243

2.1 .6 1.9 1.5 1.4 1.0 1.2 1.2 .0 .0

2.9 1.2 2.5 1.5 1.4 2.3 2.2 2.0 .9 .7

5.3 1.2 3.2 4.8 3.4 2.3 3.6 4.5 5.0 2.7

24. 6. 15. 21. 16. 11. 18. 20. 22. 13.

23.5 19.5 22.5 24.5 22.5 19.5 21.0 26.0 27.0 23.5

16.0 14.0 15.0 16.0 13.0 12.0 10.0 13.0 15.0 14.2

.10 .00 .10 .00 .00 7.50 .00 .00 .10 .00

.18 .18 .18 .18 .18 .22 .21 .21 .20 .20

.19 .19 .19 .19 .19 .19 .19 .19 .19 .19

.22 .22 .22 .22 .22 .22 .22 .22 .22 .22

.20 .20 .20 .20 .20 .20 .20 .20 .20 .20

.20 .20 .20 .20 .20 .20 .20 .20 .20 .20

1.8 1.7 1.4 1.3 1.2 1.7 1.5 1.3 1.2 1.1

A 46. táblázat a nitrogénforgalom szimulációjának eredményét mutatja. Lehetőség van a növény és a talaj nitrogéntartalmának naponkénti nyomon követésére. A változó nitrogéntartalmú időszakok, és egy esetleges nitrogén-utánpótlás időpontja is meghatározható.

8.17. táblázat - A nitrogén szimuláció eredménye

DAY OYR 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131

TOPS N % 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.40

NFAC VEG N GRAIN UPTK UPTK - kg N/ha 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0 1.00 .0 .0

NO3 NO3 NO3 NO3 NO3 NH4 NH4 NH4 1 2 3 4 5 1 2 3 |--------------- ug N/g soil ---------------| .3 .3 .3 .3 .3 .6 .6 .5 .3 .3 .3 .3 .3 .8 .7 .5 .3 .3 .3 .3 .3 .9 .8 .6 .3 .3 .3 .3 .3 1.0 .9 .6 .4 .3 .3 .3 .3 1.2 1.0 .6 .4 .4 .3 .3 .3 1.3 1.1 .6 .5 .4 .3 .3 .3 1.3 1.1 .7 .5 .4 .3 .3 .3 1.4 1.2 .7 .6 .5 .3 .3 .3 1.5 1.3 .7 .6 .5 .4 .3 .3 1.6 1.3 .7 .7 .6 .4 .3 .3 1.6 1.4 .7 .8 .6 .4 .4 .3 1.7 1.4 .8 .9 .7 .4 .4 .3 1.8 1.5 .8 1.0 .7 .4 .4 .3 1.8 1.6 .8 1.1 .8 .4 .4 .4 1.9 1.7 .9 1.2 .9 .5 .4 .4 1.9 1.7 .9 1.3 .9 .5 .4 .4 1.9 1.7 .9 1.4 1.0 .5 .4 .4 1.9 1.7 .9 1.5 1.1 .5 .4 .4 1.9 1.7 .9 1.6 1.2 .5 .4 .4 1.8 1.7 .9 1.7 1.2 .6 .5 .4 1.8 1.6 .9 1.8 1.3 .6 .5 .4 1.8 1.6 .9 1.9 1.3 .6 .5 .4 1.8 1.6 .9 1.9 1.4 .6 .5 .4 1.8 1.6 .9 65.7 1.5 .6 .5 .4 7.3 1.6 .9 67.4 1.5 .7 .5 .4 5.6 1.6 .9 65.0 5.8 .7 .5 .4 4.7 1.6 .9 65.4 6.2 .7 .5 .4 4.2 1.6 .9 65.9 6.3 .8 .6 .5 3.7 1.6 .9 66.3 6.3 .8 .6 .5 3.4 1.6 .9 66.2 7.0 .8 .6 .5 3.2 1.6 .9 66.5 7.1 .8 .6 .5 3.0 1.6 .9 66.7 7.2 .9 .6 .5 2.8 1.6 .9 62.9 11.9 1.1 .6 .5 2.6 1.6 .9 62.4 12.6 1.1 .6 .5 2.5 1.6 .9 62.6 12.6 1.1 .6 .5 2.4 1.5 .9 62.8 12.6 1.2 .7 .5 2.3 1.5 .9 63.0 12.6 1.2 .7 .5 2.2 1.5 .9 63.2 12.6 1.2 .7 .5 2.2 1.6 1.0 63.4 12.6 1.2 .7 .5 2.2 1.6 1.0 63.6 12.6 1.3 .7 .5 2.2 1.7 1.0


Termésszimulációs modellek alkalmazása 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203

4.40 4.40 4.40 4.40 4.40 4.40 4.40 4.39 4.39 4.39 4.38 4.03 3.95 3.86 3.90 3.85 3.80 4.34 4.25 4.20 4.20 4.11 4.06 4.01 3.88 3.80 3.74 3.67 3.65 3.65 3.56 3.26 2.94 2.72 2.54 2.32 2.11 2.02 1.95 1.74 1.59 1.47 1.39 1.43 1.39 1.34 1.28 1.22 1.17 1.12 1.08 1.05 1.02 1.46 1.94 2.32 2.29 2.26 2.26 2.24 2.23 2.15 2.12 2.10 2.08 2.07 1.95 1.93 1.90 1.88 1.86 1.84

1.00 .0 1.00 1.3 .97 1.3 .96 1.3 .98 1.3 .99 1.3 1.00 1.3 1.00 1.3 1.00 1.3 1.00 1.3 1.00 1.3 1.00 1.2 1.00 1.4 1.00 1.7 .99 2.2 1.00 2.7 1.00 3.2 1.00 4.2 1.00 4.9 1.00 5.6 .95 6.7 .95 7.8 .95 9.1 .95 10.8 .95 12.2 .95 13.9 .95 15.7 .95 17.8 .95 20.4 .95 24.3 .95 27.9 .95 30.1 .95 31.8 .94 33.4 .93 35.1 .91 36.5 .88 37.3 .83 38.0 .81 38.7 .80 39.0 .73 39.3 .67 39.5 .61 39.8 .57 43.0 .61 44.3 .60 45.0 .59 45.4 .57 45.5 .54 45.6 .51 45.7 .47 45.8 .45 45.8 .43 45.9 .41 67.4 .75 91.4 .91 100.2 .95 99.6 .95 99.4 .95 99.3 .95 99.2 .95 99.1 .95 96.8 .95 96.7 .95 96.5 .95 96.4 .95 96.3 .95 91.6 .95 91.3 1.00 89.9 1.00 88.8 1.00 87.6 1.00 86.7

.0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 .0 1.2 2.2 3.3 4.5

63.1 63.3 63.5 63.6 63.8 64.0 64.1 64.3 64.4 64.6 63.3 63.4 63.5 63.5 63.4 63.3 63.4 63.1 62.8 62.4 62.0 61.6 61.0 60.5 60.3 57.4 56.6 55.4 54.4 53.2 52.2 51.3 50.8 50.4 50.0 49.7 49.6 49.6 49.6 49.7 49.7 49.8 49.8 48.3 47.7 47.5 47.4 47.4 47.4 47.5 47.5 47.6 47.6 27.7 16.1 12.2 11.8 11.6 11.7 11.8 11.8 11.6 11.6 11.7 11.8 11.8 11.8 11.9 11.9 11.9 12.0 11.5

13.4 13.5 13.4 13.5 13.6 13.6 13.6 13.6 13.6 13.6 15.4 15.5 15.5 15.4 15.4 15.3 15.3 15.1 15.0 14.8 14.6 14.4 14.0 13.6 13.4 16.0 16.1 15.6 15.0 14.2 13.5 12.9 12.6 12.3 12.1 11.9 11.7 11.6 11.5 11.4 11.4 11.3 11.3 11.4 11.4 11.5 11.5 11.5 11.5 11.5 11.5 11.5 11.5 16.1 11.1 8.6 8.2 8.0 8.0 8.0 8.1 7.9 8.0 8.0 8.0 8.1 8.0 7.9 8.0 8.1 8.2 8.1

1.3 1.3 1.4 1.4 1.4 1.4 1.5 1.5 1.5 1.6 1.6 1.7 1.7 1.7 1.8 1.8 1.9 1.9 1.9 2.0 2.0 2.1 2.1 2.1 2.2 2.2 2.2 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.4 2.4 2.4 2.4 2.4 2.4 2.5 2.5 2.5 4.7 4.6 4.5 4.5 4.5 4.5 4.5 4.6 4.5 4.6 4.6 4.6 4.6 4.6 4.6 4.6 4.6 4.6 4.6

.7 .7 .8 .8 .8 .8 .8 .8 .9 .9 .9 .9 .9 .9 1.0 1.0 1.0 1.0 1.0 1.1 1.1 1.1 1.1 1.2 1.2 1.2 1.2 1.3 1.3 1.3 1.3 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.6 1.6 1.6 1.6 1.6 1.6 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.8 1.8

.5 .6 .6 .6 .6 .6 .6 .6 .6 .6 .6 .6 .6 .6 .7 .7 .7 .7 .7 .7 .7 .7 .7 .7 .7 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .9 .9 .9 .9 .9 .9 .9 .9 .9 .9 .9 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.2 1.2 1.2 1.2 1.2


2.2 2.2 2.1 2.1 2.1 2.0 2.0 2.0 2.0 2.0 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.8 1.8 1.8 1.8 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.6 1.6 1.6 1.5 1.5 1.5 1.5 1.4 1.4 1.4 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.2 1.3 1.3 1.4 1.4 1.4 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5

1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.7 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.7 1.7 1.7 1.7 1.7 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.5 1.5 1.5 1.4 1.4 1.4 1.3 1.3 1.3 1.3 1.2 1.2 1.2 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.2 1.2 1.2 1.2 1.2 1.3 1.3 1.3 1.3 1.2 1.2 1.2 1.2 1.2 1.2 1.2 1.1

1.0 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.2 1.2 1.2 1.2 1.2 1.2 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.4 1.4 1.4 1.4 1.3 1.3 1.3 1.3 1.3 1.3 1.2 1.2 1.2 1.2 1.2 1.1 1.1 1.1 1.1 1.1 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 .9 .9 .9 .9 .9 .9 .9

Termésszimulációs modellek alkalmazása 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237

1.81 1.78 1.72 1.69 1.66 1.63 1.60 1.57 1.54 1.51 1.48 1.45 1.42 1.39 1.36 1.33 1.30 1.28 1.25 1.22 1.20 1.17 1.14 1.12 1.09 1.07 1.05 1.02 1.00 .98 .96 .94 .92 .91

1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 .99 .98 .96 .95 .94 .93 .92 .91 .90 .88 .87 .85 .84

85.5 84.1 80.8 79.4 78.0 76.6 75.3 74.0 72.6 71.2 69.7 68.3 66.9 65.4 63.9 62.4 61.1 59.8 58.5 57.2 55.9 54.7 53.4 52.1 51.0 49.8 48.8 47.8 46.9 45.8 44.9 44.0 43.0 42.2

5.8 7.1 8.4 9.7 11.0 12.2 13.3 14.5 15.8 17.1 18.4 19.7 21.0 22.3 23.6 24.9 26.3 27.6 28.9 30.2 31.5 32.7 34.0 35.2 36.4 37.6 38.6 39.6 40.5 41.6 42.5 43.4 44.4 45.2

11.4 11.4 11.5 11.6 11.6 11.7 11.6 11.6 11.7 11.7 11.8 11.8 11.9 11.9 11.9 11.9 11.9 11.9 11.9 12.0 12.0 12.1 12.1 12.1 12.1 12.1 12.2 12.2 12.2 12.3 12.3 12.3 12.3 12.3

8.0 8.0 8.0 8.0 8.0 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1 8.1

4.6 4.6 4.6 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7 4.7

1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9

1.2 1.2 1.2 1.2 1.2 1.2 1.2 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4

1.5 1.5 1.5 1.5 1.4 1.4 1.4 1.4 1.4 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.2 1.2 1.2 1.2 1.2 1.2 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1 1.1

1.1 1.1 1.1 1.1 1.1 1.1 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

.9 .9 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8 .8

Az NFAC egyenlő eggyel, ha nincs nitrogén stressz, azaz az aktuális nitrogén koncentráció megegyezik a kritikus koncentrációval. Amint a növény földfeletti részének nitrogén koncentrációja közelíti a minimálist az NFAC is közelíti a nulla értéket.

2.4. A gazdálkodás paramétereinek elemzése (Scenario-analízis) A modellezés lehetőséget nyújt arra, amit a gyakorlatban nem, vagy csak hatalmas idő és anyagi ráfordítással tudnánk megvizsgálni. A "mi lett volna, ha " típusú kérdések jól megválaszolhatók a szimulációs program segítségével. A kérdésekre adott válasz megbízhatósága nagymértékben függ a rendszer kalibrálásától. Nélkülözhetetlen a korábbi történések pontos elemzése, és a rendszer által szimulált értékek összehasonlítása a ténylegesen mért értékekkel. Vegyük figyelembe azonban, hogy méréseink is hibával terheltek. Az egyetemi tudományos kutatómunka során, több részterületen is elvégeztük a modellek kalibrálását, amit a gyakorlati szakembereknek már nem kell megismételniük. Viszont az adott terület sajátosságainak meghatározását, és a területi adaptáció érdekében a futtatásokat el kell végezni. Ha az adott területen hosszabb időszakra visszatekintve a szimulált és mért értékek közötti különbség elhanyagolható, megkezdhetjük a gazdálkodás paramétereinek elemzését. Lehetőségünk van olyan technológiai változatok kipróbálására, amit soha sem állítottunk be a gyakorlatban. Az extra- és interpoláció útján kapott eredmények nagy biztonsággal mutatják a beavatkozások hatásait, amit egy sztochasztikus, statisztikai modelltől nemigen várhatunk el. Az alkalmazott technológiai elemek megváltoztatásával alternatív lehetőségeket kaphatunk, ill. taktikai és stratégiai döntéseket hozhatunk. Nem csak a gyakorlati termelés számára érdekes elemzéseket lehet elvégezni, hanem tudományos felvetések (pl. klímaváltozás hatása az adott növény termeszthetőségére, stb.) vizsgálatát is.

8.18. táblázat - A gazdálkodás paramétereinek menüje



1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16.

Simulation Timing ....... Crop .................... Cultivar ................ Weather ................. Soil .................... Initial Conditions ...... Planting ................ Harvest ................. Water and Irrigation .... Nitrogen ................ Phosphorus .............. Residue ................. Pests and Diseases ...... Field ................... Crop Process Options .... Output Control ..........

JAN 1 1988 MAIZE MZCER980.SPE MZCER980.CUL PIO 3475 MAT : 0 DULK OBSERVED WMOD:N IBMZ910032 -99 AS REPORTED APR 27 1988 ROW SP: 77. PLANTS/m2: 5.00 AT HARVEST MATURITY ON REPORTED DATE(S) ON REPORTED DATE(S) NO N-FIX SIMUL. N/A ON REPORTED DATE(S) PEST a DISEASE INTERACTION NOT SIMULATED H20:R NIT:Y N-FIX:N PEST:N PHOTO:C WTH:M ET:R FREQ: 1 OVV:N SUM:N GROWTH:N H20:Y NIT:N PEST:N

A szimuláció időzítése menüben új értékeket adhatunk a szimuláció kezdetére (nap), évére, a szimuláció befejező napjára, hogy hány évet akarunk futtatni a kezdeti feltételekkel. A kezdeti értékek két legfontosabbja a talajnedvesség- és nitrogéntartalom értékek. Megadhatjuk, hogy az aktuális évben mért értékeket, vagy az előző évi szimuláció output adatait használja a program. Menüpontban a termesztett növény faját és a faj paramétereit tartalmazó fájlt változtathatjuk. Választhatunk új fajtát, ill. fajtákat tartalmazó állományt és módosíthatjuk a genetikai paramétereket. Megváltoztathatjuk az évi aktuális időjárási adatokat. Változtathatunk a napi hőmérséklet, napsugárzás, csapadék és széndioxid mennyiségén. A változtatást konstans érték hozzáadásával, vagy szorzással is elérhetjük. Tesztelhetjük a klímaváltozás hatását egy adott növény termeszthetőségére, termésének, termésképző szerveinek, beltartalmi értékeinek változásait. A talajt jellemző összes paraméter, azok mélységi eloszlásának a megváltoztatása lehetséges ebben a menüpontban. Ez főként a tudományos kutatás területén használható jól, ahol a talajtulajdonságok megváltozásának hatását becsülhetjük a növényi produkció alakulására (pl. erózió, defláció, szervesanyagtartalom változása, talajtömörödés hatása a növény növekedésére és fejlődésre). Induló kezdeti feltételek megváltoztatása rétegenként a talajban: nedvességtartalom, NO3, NH4. Új elővetemény megadása, növényi maradványok nitrogén és foszfortartalma, szármaradványok bedolgozásának aránya és mélysége, stb. Új értéket lehet adni a vetés összes paraméterének. Vetésidő, tőszám, sortáv, sorok tájolása, vetés mélység, vetőmagnorma, vetés módja, stb. Itt választhatunk automatikus vetést is, amikor a program a megfelelő körülmények elérésekor elveti a növényt. A megfelelő körülményeket egyértelműen kell definiálni, meg kell adni a legkorábbi és legkésőbbi vetés időpontját, az időintervallumon belül rögzíteni kell a talajnedvesség alsó és felső határát (százalékban megadva), azt, hogy milyen mélységben vegye figyelembe ezt a nedvesség korlátot (pl. 30 cm) és a talaj felső 10 cm-es rétegének átlagos minimális, ill. maximális hőmérsékletét. A szakmai ismeretek birtokában megadott korlátok felállítása után, pl. az adott évben legnagyobb termést adó vetési időpont meghatározható. Betakarítás időzítése. A betakarítás időpontját több módon is meg lehet adni, dátummal, vetéstől eltelt napok száma vagy adott fejlődési fázis elérése után. Meghatározhatjuk, hogy a főtermény hány százalékát fogjuk betakarítani, ill. a melléktermék betakarítási százalékáról is dönthetünk. Automatikus betakarítást is választhatunk, ahol az időkorlátokat ugyanolyan módon kell megadni, mint a vetésnél. Víz és öntözés menü. Interaktív módon állíthatjuk be, hogy legyen-e öntözés szimuláció. Ha nem, a program úgy veszi, mintha a víz nem lenne limitáló tényező. Ez főként tudományos elemzéseknél és az öntözés hatékonyságának elbírálásakor hasznos. Az eddigi eszközök és elemző módszerek csak a nem öntözött kezelésekhez viszonyítva adták meg az öntözés hatását. Most egy újabb lehetőségként meg tudjuk becsülni, hogy az alkalmazott öntözés mennyire közelíti a termesztett növény vízigényét, mennyire közelíthető a nem víz 148 Created by XMLmind XSL-FO Converter.

Termésszimulációs modellek alkalmazása limitált állapot. Ilyen meggondolás alapján lehet például öntözéshatékonysági mutatót meghatározni, százalékban kifejezve az adott értéket. Automatikus és kézi vezérlésű öntözés szimulációt választhatunk. Az automatikus öntözés választáskor a talaj felvehető vízkészlete lehet az alap, amihez az ellenőrzés alá vont talajréteg vastagságát (cm) és a felhasználható talajvízkészlet alsó határát (pl. 50%) kell beállítani. Állandó mennyiségű (fix) automatikus öntözést is választhatunk. A kézi vezérlésű öntözésnél az öntözés időpontját, mennyiségét (mm), módját és hatékonyságát (0,00-1,00) kell megadni. A szimulált értékekről külön output fájl készül, aminek segítségével további elemzésekre kerülhet sor. Nitrogén kezelések és módosítás menü. Ha kikapcsoljuk a nitrogén szimulációs részt, a program úgy fut le, mintha a nitrogén korlátlanul rendelkezésére állna a növény számára. Választhatunk automatikus és kézi nitrogén utánpótlást. A beállítások megegyeznek az öntözésnél leírtakkal. Megadhatjuk, hogy legyen-e nitrogén megkötés (fixation), ezen belül dinamikus, vagy nem limitált nitrogén megkötést választhatunk. A nitrogén megkötést jellemezhetjük a rhizobák hatékonyságával és relatív számával (0.00-1.00) is. Készítethetünk output fájlt, ami a további elemzésünket segítheti. A nitrogén utánpótlást interaktív módon változtatva különböző műtrágyázási technológiák hatását tanulmányozhatjuk. Vizsgálhatjuk a biofizikai változók alakulását, a talaj nitrogénformáinak változását, ill. a szelvényből távozó nitrogén mennyiségét (kimosódást), ami környezetvédelmi szempontból fontos. A foszfor modell még nem használható. A szármaradványokkal kapcsolatos jellemzőket állíthatjuk be. Választhatunk az automatikus, vagy interaktív megadás között. Az interaktív menüben a szármaradvány bedolgozásának idejét, mennyiségét (kg ha -1), mélységét (cm), féleségét, a szármaradvány fajtáját és a N%, P%, K% tartalmát kell megadni. Beállítható egy nitrogén output fájl is, ami további szervesanyag lebomlási elemzéseket tesz lehetővé. Növényvédő szerek és betegségek kölcsönhatásának szimulációja között választhatunk. Több részprogram még fejlesztés alatt áll. A kísérleti hely koordinátáit, tengerszint feletti magasságát és a tábla lejtőhosszát és lejtését (%) lehet változtatni. Ez a modul a térinformatikai elemzéseket segíti. A szimuláció lefolyását módosíthatjuk. Választani lehet, hogy legyen-e vízmérleg szimuláció, nitrogénmérleg, nitrogén megkötés, foszformérleg (ez jelenleg még fejlesztés alatt áll), növényvédőszer és betegség kölcsönhatás. Az időjárási adatok milyensége - megfigyelt értékek, külső szimulált, vagy belső generált adatok használata a szimuláció során - választható. A kezdeti feltételek megadása is hasonló lehetőség adott. A fotoszintézis számításakor két eljárás között dönthetünk (1. Canopy-modell, 2. Leaf Level Photosynthesis). Az evapotranszspirációt megbecsülhetjük a Priestley-Taylor módszerrel vagy a Penman-FAO eljárással. Végezetül a talaj szervesanyag-tartalom változásának becslési eljárásai közül három választási lehetőségünk van. Meghatározhatjuk, hogy milyen output fájlok készüljenek, milyen részletességgel. A szimulált adatok kiíratásának gyakoriságát is megadhatjuk, pl. heti, vagy napi bontásban, stb.

2.5. Szezonális-analízis A szezonális-analízis szerves folytatása a gazdálkodási paraméterek vizsgálatának (49. ábra). A scenarioanalízis elkezdésének feltétele a modell kalibrálása volt, ahol a szimulált és mért értékek közötti legkisebb különbségre törekedtünk. A szezonális-analízis arra a kérdésre ad választ, hogy mi lett volna, ha ezt a technológiai változatot éveken keresztül alkalmaztuk volna. Melyik eredményesebb? Természetesen az eredményesség fogalmának meghatározását nagyon egyértelműen kell megadni. Ez lehet a legnagyobb termés, legjobb minőség, pl. legmagasabb fehérjetartalom, a legkisebb környezetszennyezést okozó változat, stb. Az optimális változat kiválasztásához tehát egyetlen számmal kifejezhető paramétert kell előállítani. A paramétert azonban nem csak egy változó alapján állíthatjuk elő, hanem egyidejűleg tetszőleges számút figyelembe véve, ezek súlyozásával, különböző matematikai, többváltozós statisztikai eljárások felhasználásával is. Az elemzésben résztvevő változatokat különböző módon is kiválaszthatjuk. Lehet a gyakorlatban, vagy a kísérletben alkalmazott technológiai változatokat felhasználni, vagy az előbb bemutatott gazdálkodási paraméterek elemzése során előállított, az adott termesztési környezetben eredményesnek ígérkező eljárásokat bevonni az elemzésbe. A bemutatást konkrét kísérleten keresztül, a scenario analízis eredményét is felhasználva végezzük el. A felhasznált adatok a DATE látóképi Kísérleti Telepen beállított, Dr. Nagy János vezetésével folytatott tartamkísérletből származnak. A kísérlet 1984-ben kezdődött és kisebb változtatásokkal napjainkban is folyik. 149 Created by XMLmind XSL-FO Converter.

Termésszimulációs modellek alkalmazása A kísérleti telep a látóképi Pece-értől nyugatra, közvetlenül az ér és a nagyhegyesi dűlőút között helyezkedik el, 113-118 m (Adria) közötti szintkülönbséget mutat. A terület legmagasabb szintvonala a telep ÉNY-i sarkán található. Innen DK-i irányba 1%-os lejtés tapasztalható. Az egész területre jellemző a hullámosság a hátasabb térszíni fekvése 116,6-117,2 m a mélyedéseké 115,8 m körüli. A terület nagyobbik hányadán qalföldi mészlepedékes csernozjomq talaj található. A mélyebb fekvésű, kisebb-nagyobb mértékben vízgyűjtő, nem nagy kiterjedésű területek talaja kilúgozott csernozjom. A fizikai talajféleség középkötött vályog. A művelt réteg és a közvetlen alatta lévő 10-15 cm-es réteg összporozitása 44-48%. A 40 cm alatti rétegben az összporozitás a csernozjom talajokra jellemzően 50-53%. A gravitációs pórusok aránya jelentősen csökken a művelt réteg alatti 10-15 cm-es rétegben. Ennek következménye, hogy a víz a művelt rétegből viszonylag lassan szivárog le. A talajok humuszréteg vastagsága 70-80 cm, az egyenletesen humuszosodott réteg 30cm, humusztartalma 2,53,0%. A művelt réteg KCl-os pH-ja átlagosan 6,2. Az összes nitrogéntartalom alapján a terület N-ellátottsága közepes. A talaj foszfor és kálium ellátottsága jó. A fenti talajjellemzés a kísérlet beindításakor végzett általános talajvizsgálati eredmények alapján készült.

8.9. ábra - A szezonális elemzés lépései

A termesztett hibrid Volga SC, ami FAO 500-as éréscsoportba tartozik, és csernozjom talajokon nagy termésekre képes. A módszert egy műtrágyázási dóziskísérleten keresztül mutatjuk be. A kísérletben eredetileg három műtrágyalépcső (kezelés) szerepel (48. táblázat):

8.19. táblázat - Az eredeti kísérlet kezelései (hatóanyag kg/ha) Kezelés sorszáma

Nitrogén

Foszfor

Kálium

1

0

0

0

2

120

90

106

3

240

180

212

A gazdálkodás paramétereinek vizsgálata során a kezeléseket további kettővel egészítettük ki, mert egy kisebb adagú műtrágyakezelés is jó eredményt mutatott (49. táblázat). A 180 kg N beállítása a hatások nagyobb felbontású, részletesebb elemzése szempontjából indokolt.

8.20. táblázat - Az analízisbe vont kezelések (hatóanyag kg/ha)


Termésszimulációs modellek alkalmazása Kezelés sorszáma

Nitrogén

Foszfor

Kálium

1

0

0

0

2

60

45

58

3

120

90

106

4

180

135

164

5

240

180

212

Kérdés: melyik kezelés eredményesebb, ha hosszú időn keresztül alkalmazom? Egy-két évi tapasztalat, megfigyelés alapján levont következtetések a mezőgazdaságban kétes értékűek. Több évtizedes megfigyelések pedig sokszor lehetetlenek, vagy értelmetlenek, pl. kukoricánál ugyanazzal a hibriddel kísérletezni évtizedeken át, amikor a hibridet már rég nem is termesztik a gyakorlatban. A kukorica hibridek gyorsan cserélődnek, minősítésük is csak néhány évig érvényes. Időjárásunk szeszélyes, és mi lett volna, ha más esztendőben, pl. a kilencvenes évek hibridjeit a hatvanas években termesztettük volna kérdésekre egyedül a modellezéssel kaphatunk választ. Az elmúlt időszakból kiválaszthatunk csapadékos, közepes vízellátottságú és aszályos esztendőket, és ezekkel irányítottan tesztelhetjük a növényeket. A biztonságos termelés szempontjából persze az elkövetkező időszak ismerete lenne a legfontosabb, ami alapjában véve az időjárás ismerete lenne. Amíg ezek az ismeretek nem állnak rendelkezésünkre, addig csak a múltból szerzett megfigyelésekre támaszkodhatunk, és feltételezzük, ha ezen a területen hosszú ideje bekövetkeztek ezek az események, akkor nagyon valószínű, hogy a jövőben sem lesznek másképpen. Az elemzést 1984-1997 közötti időszakban végeztük el, tehát 14 évet vettünk figyelembe. Az időjárási adatok napi részletességűek, a csapadék mennyiségét a kísérleti telepen mérték. A szimuláció minden év első napján indul, a kezdeti feltételek is innen érvényesek. Mikor vessünk, és hogyan? A vetés idejével és módjával némiképpen lehet alkalmazkodni a körülményekhez. A telepen az évek során az év 115 és 125 napja között végezték a vetést, vagy az átlagát választjuk, vagy lehetőség van az automatikus vetés választására is, amit a gazdálkodás paramétereinek vizsgálatánál ismertettünk. A gazdaságosság kérdését leegyszerűsítettük, és csak két jellemzőt határoztunk meg. Az egyik a betakarított szemtermés mennyisége (kg/ha), a másik ennek a mennyiségnek az évenkénti ingadozása, szórása. A termésingadozás a termelés biztonságának egyik fontos jellemzője. Melyik termelés a jobb, amelyik nagy ingadozással, de magas várható értékkel, vagy amelyik kevés kockázattal, de mérsékelt eredménnyel jár. Milyen a műtrágyázás hatása? Növeli, vagy csökkenti a termelés kockázatát? A feltett kérdésekre a döntéstámogató rendszer segítségével az alábbi válaszok adhatók (50. ábra):

8.10. ábra - A biofizikai változók elemzésének lehetőségei



Az 51. ábra az elemzés, összesen hetven futtatás, összefoglaló eredményét mutatja. Látható, hogy a nem műtrágyázott kezelések várható terméseredményei a 14 évet figyelembe véve elmaradnak a trágyázott kezelésekétől. Van-e valamilyen előnye ennek a változatnak? Igen, ha megfigyeljük a szórását, ennek a legalacsonyabb (1091.8 kg/ha). Ezek szerint az évenkénti termésingadozás itt a legkisebb. A 2. trágyakezelést kapott parcellák termései jelentősen megnőnek, a trágyázás átlagos termésnövelő hatása közel 2 t/ha, és ezzel együtt a szórásuk is nő. A további trágyaadagok már csak kis mértékben növelik a termést, sőt a nagyobb adagok már depressziót is okoznak, és a szórás, a termelés kockázata tovább növekszik. Jól látszik a 51 . ábrán, hogy a 120, 180 és 240 kg/ha nitrogén műtrágyát kapott parcellák minimális termése a 14 év során kisebb, mint a 60 kg-os kezelésé. A maximális termést vizsgálva a tendencia megfordul, és a nagyobb nitrogénadagot kapott parcellák növényei nagyobb termésekre képesek. Ezeken a parcellákon az évenkénti termésingadozás tehát nagyobb, mint a nem trágyázott, ill. a 60 kg/ha nitrogén műtrágyát kapott parcellákon.

8.11. ábra - A szezonális-analízis összefoglaló eredménye (szemtermés kg/ha)



Az 51. ábra a szemtermést szárazanyagban mutatja. Ha átszámítjuk a hazánkban megszokott 15%-os szemnedvességre, akkor az alábbi értékeket kapjuk:

8.21. táblázat - Szimulált terméseredmények 15%-os szemnedvességre számítva Kezelés

Átlag (kg/ha)

Minimum (kg/ha)

Maximum (kg/ha)

0 trágyázás

6 934

4 400

8 380

60 trágyázás

9 040

5 832

11 404

120 trágyázás

9 109

4 329

12 635

180 trágyázás

9 014

4 507

13 204

240 trágyázás

8 980

4 512

13 272

A terméseredmények átlagértékeit elemezve jól látható, hogy az adott területen a kukorica tápanyagigényét műtrágyázással jól ki lehet elégíteni. Biológiai szempontból szinte mindegy, hogy melyik trágyadózist alkalmazzuk, a különböző mértékű tápanyag visszapótlás termésnövelő hatásának átlagértékei nem térnek el jelentősen a 14 év folyamán. Hatásuk azonban az ingadozásokat figyelembe véve már különbözik. A legkisebb terméseket (minimum kg/ha) a nem trágyázott és nagy trágyaadagot kapott, a legnagyobbat (maximum kg/ha) a nagy trágyaadagot kapott parcellákon regisztrálhatunk. A szezonális analízis egyszerűsítése érdekében feltételeztük, hogy minden évben a tél végére a talaj közel szántóföldi vízkapacitás nedvességértékre töltődik fel. A gyakorlatban azonban tízéves időszakra vetítve mindig akad egy-két olyan esztendő, amikor ez nem történik meg. Ha a rákövetkező évben kevés csapadék hullik, kialakul az aszály, és minden trágyakezelésben nagyon alacsony 2-3 t/ha-os terméseket (vagy még ennél kisebbet) kapunk. Ha ezt is figyelembe vettük volna a várható értékek a nem trágyázott parcellákon 6 t/ha körül, a trágyázott kezelésekben 8 t/ha körül alakultak volna. A törvényszerűségek és tendenciák azonban nem változnak. A szimuláció során a legnagyobb terméseket (maximum kg/ha) a legnagyobb trágyadózisok alkalmazása mellett kaptuk, amit a gyakorlat is igazol. Érdekes az első trágyalépcső, a 60 kg nitrogén (és hozzátartozó foszfor, kálium) hatása. Hosszú távon a mérsékelt, kisadagú műtrágyázás csökkenti a kis termések kialakulásának lehetőségét (lásd. Gyárfás, 1988 nézeteit a műtrágyázás szerepéről a szárazság elleni védekezésben).


Termésszimulációs modellek alkalmazása A biofizikai változók további elemzését grafikus képernyők segítik. A változók elemzése közül csak a betakarításkori szemtermés mennyiségét mutatjuk be. Az 52 . ábra a Box-plot analízis eredményét mutatja. A vízszintes tengelyen a kezelések sorszámai (treatment), a függőlegesen a fiziológiai érés szemtömegei (mat yield kg/ha) láthatók. Az ábra egy kezelésen belül, alulról haladva felfelé a minimális értéket, az első (adatok 25%-a), második (adatok 50%-a, ez egyben a medián is), harmadik (adatok 75%-a) quartilist és a maximális értéket mutatja. Egy bokszon belül az adatok 50%-a található, ami a harmadik és első quartilis különbsége. Ezzel az analízissel a szimulált értékek elhelyezkedését szemléltethetjük. Érdekes, hogy a nem trágyázott kezeléseknél a medián a nagyobb értékekhez van közelebb, míg a többi kezelésekben aránylag középen helyezkedik el. Ez azt jelenti, hogy a nem trágyázott kezelésekben a nagyobb termések kialakulásának valószínűsége nagyobb, mint a kisebbeknek, természetesen a nem trágyázott kezelés termésátlagához viszonyítva. A többi trágyakezelésben a terméseredmények gyakorisági eloszlása szimmetrikus, jól közelíthető a normáleloszlással.

8.12. ábra - A box-plot analízis eredménye

Az 53. ábra a kukorica szemtermésének kumulatív eloszlásfüggvényét szemlélteti, amely a kezelésekben az adott nagyságú termésektől balra eső, vagyis kisebb termések kialakulásának valószínűségét mutatja. A négyzet szimbólumokkal jelölt terméseredmények az x-tengelyen sorba rendezve, a legkisebbtől a legnagyobb irányába, láthatók. Az y-tengelyen a kumulatív valószínűség értékeit találjuk. A vízszintes és függőleges tengelyek egyaránt lineáris beosztásúak. Hogyan lehet használni az ábrát? Ki kell választani egy kezelést, pl. az elsőt. A vízszintes tengelyen jelöljünk ki egy tetszőleges termést, amire kíváncsiak vagyunk, hogy ebben a kezelésben a 14 évet figyelembe véve milyen valószínűséggel alakulhatnak ki ettől kisebbek. Jelen esetben legyen ez a 6 400 kg/ha. Függőlegesen felfelé húzzunk egy vonalat, amíg az első kezelés görbéjét nem metszi. A metszéspontból vízszintes egyenest húzva balra, a függőleges tengelyről leolvasható a 6 400 kg/ha-nál kisebb termések kialakulásának valószínűsége. Ha az ettől nagyobb termések (jobbra) valószínűsége érdekel, ki kell vonni 1.00ból az előbb megkapott értéket. Itt 0.50 kaptuk, 50-50% a valószínűsége a 6 400 kg/ha alatti és feletti termés kialakulásának. Mi a helyzet a 2. trágyakezelést kapott parcellákon. Itt ehhez a terméshez csak 0.20-es érték tartozik, ami a 6400 kg/ha-nál kisebb termések kialakulásának valószínűségét 20%-nak mutatja. 80% a valószínűsége annak, hogy az alkalmazott technológia esetében ennél nagyobb terméseket kapunk. A felhasználó megítélheti ezen a módon, hogy tartósan számíthat-e erre az eredményre.

8.13. ábra - A kumulatív eloszlások görbéi



Az átlag-variancia grafikon (54. ábra) a kezelések egymáshoz viszonyított relatív elbírálásának gyors elemzését teszi lehetővé. Az ábra vízszintes tengelyén a megfigyelt változó (szemtermés mennyiség kg/ha) varianciája, függőleges tengelyén pedig az átlaga látható. Mindkét skála lineáris. Jól látható a nem trágyázott kezelés alacsony termésátlaga és mérsékelt ingadozása. A 2. kezelés várható értéke jelentősen megnő, és a termés ingadozása is nő. A további trágyaadagok már csak a varianciát, a kockázatot növelik a várható értéket nem. Az előzőekben az eredményesség szempontjából csak ezt a két tényezőt vettük figyelembe, ezért ennek alapján a 2. kezelést tartjuk a legjobbnak. Hogy a gyakorlati termelésben megéri-e a plusz ráfordítás, ezt csak további ökonómiai számítások segítségével tudjuk eldönteni.

8.14. ábra - Az átlag-variancia grafikon képernyője



2.6. Ökonómiai számítások A szezonális-analízist a biofizikai változók elemzésén túl ökonómiai számításokkal is folytathatjuk. A gazdaságossági számítások során a fedezeti hozzájárulás (Gross Margin) alakulását célszerű vizsgálni, ami az adott ágazat árbevétele és változó költsége közötti különbség valamilyen alapra, jelen esetben területegységre (ha) vetített változásának nyomon követését jelenti. Az első lépés az aktuális árak-költségek megadása, amit a rendszer a C:\DSSAT35\ECONOMIC\*.PRI állományban tárol (51. táblázat). A fentieket megadhatjuk fix értékekkel, vagy háromféle eloszlás közül választhatunk. Az egyenletes és háromszög eloszlás esetén a minimális és maximális értéket, normál eloszlást választva az átlagot és szórást kell beírni.

8.22. táblázat - A *.PRI fájl tartalma

Terményár Ft/t 22 000 Melléktermék ára Ft/t Alap termelési költség Ft/ha 100 000 Nitrogéntrágya költsége Ft/kg hatóanyag Nitrogén kiszórás Ft/alkalom 3 000 Öntözés Ft/mm Öntözés Ft/alkalom Vetőmag ára Ft/kg Szervestrágya Ft/t P-trágya költsége Ft/kg hatóanyag P kiszórás Ft/alkalom

263


Termésszimulációs modellek alkalmazása A bemutatott kísérlet fix táparányú kísérlet, ezért a műtrágyaár megadásakor a vegyes hatóanyag árát adom meg az alábbiak szerint:

8.23. táblázat - Műtrágya árak Műtrágya

Ft/kg hatóanyag

Táparány

Ft

Nitrogén

90

1

90

Foszfor

155

0.75

116

Kálium

65

0.88

57

Összesen:

263

Az ökonómiai-analízis összefoglaló táblázata az egy hektárra vetített jövedelmet mutatja Ft-ban, 55. ábra.

8.15. ábra - Az ökonómiai-analízis összefoglaló eredménye

A jövedelem a nem trágyázott kezelésben átlag harmincezer Ft körül alakul. A 60 kg-os kezelésben ötvenezer, az ettől nagyobb trágyakezelésekben fokozatosan csökkenő tendenciát mutat. A 14 év alatt minden kezelésnél előfordult, hogy veszteséget könyveltünk el, a minimális értékek negatívak. A legkisebb kockázatot a 60 kg-os kezelés mutatja. A maximális értékeket elemezve, a legnagyobb jövedelmeket magasabb műtrágya ráfordítások mellett, 120, 180 kg-nál értük el, de a termelés kockázata itt a legnagyobb. A box-plot analízis eredménye (56. ábra) szemléletesen mutatja az elért jövedelmek nagyságát és szórását. Jól látható a 60 kg-os kezelés kimagasló jövedelme, és elfogadható kockázata.

8.16. ábra - A box-plot analízis eredményének képernyője



A kumulatív eloszlásfüggvények (57. ábra) tanulmányozása segít kiválasztani azt a jövedelemszintet, amit nagy biztonsággal meg lehet célozni. A mezőgazdasági termelés évek hosszú láncolatán keresztül folyik, ezért a várható érték ismerete nem elegendő a biztonságos termelés kialakításához, ehhez a szélsőértékeket is ismerni kell, mert előfordulhat olyan szélsőségesen veszteséges esztendő, amely e láncolatot megszakíthatja, és lehetetlenné teheti a folytatást. Segítséget nyújthat a gazdálkodás technológiai színvonalának megválasztásához, hogy mennyit és hogyan érdemes beruházni az adott ágazatba, stb.

8.17. ábra - A kumulatív eloszlásfüggvények képernyője



A fenti módszerek kiegészülnek egy stratégiai analízissel is, ami egy Várhatóérték-Gini dominancia vizsgálat. A számítások eredménye alapján (58. ábra) a 2. kezelés ajánlott, egyidejűleg figyelembe véve a jövedelmezőség várható értékét és kockázatát. Elfogadható kockázat mellett, nagy biztonsággal harmincezer Ft/ha körüli jövedelemszintet várhatunk el, ha az adott területen tartósan 60 kg nitrogén (és a hozzá tartozó foszfor, kálium) műtrágyát juttatunk ki.


9. fejezet - Zárszó Alig két évtizede, hogy a számítástechnika a személyi számítógépek gyors elterjedésének köszönhetően mindenki számára hozzáférhetővé vált, napi munkája szerves része lett. Az élet minden területén segíti munkánkat, megkímélve a monoton számításoktól, a hatalmas adatmennyiségek tárolásától, a hosszadalmas és bonyolult visszakeresésektől, csoportosításoktól. Mezőgazdasági területen is nélkülözhetetlen segédeszközzé vált, a tudományos kutatás napjainkban elképzelhetetlen nélküle.

9.1. ábra - A stratégia analízis eredményének képernyője

Mára a klasszikus matematikai statisztika minden igényt kielégítő, komplex statisztikai programcsomagok formájában mindenki számára használható eszköz. Legtöbb ilyen módszer azonban csak az alkalmazási feltételek szigorú betartása mellett ad statisztikailag megbízható választ. Egy olyan bonyolult rendszerben, mint a talaj-növény-atmoszféra rendszer a statisztikai módszerek alkalmazási feltételei nem ellenőrizhetők, emiatt statisztikailag a rendszerben végbemenő folyamatok, törvényszerűségek általánosan nem írhatók le. E bonyolult rendszer kvalitatív leírása azonban már évszázadok óta folyik. Az összefüggések mennyiségi leírása sokat váratott magára, és az első, statisztikai jellegű munkák a XIX. században kezdődtek, s napjainkban is folynak. A termésszimulációs modellezés folyamatainak leírása azonban csak az 1970-es években kezdődött meg. Az első munkák célja termés-előrejelzés volt az időjárás, talaj, növényfaj és fajta tulajdonságait figyelembe véve. Azóta ezek a modellek sokat fejlődtek, és legtöbbjük egységes keretbe foglalva tartalmazza a szántóföldi növénytermesztés stratégiájának, taktikájának kidolgozásától a termesztési beavatkozások megtervezéséig szükséges részprogramokat. A döntéstámogató rendszerekben a támogatás szón van a hangsúly, hisz ezek a rendszerek is csak eszközök, segítők döntésünk meghozatalában. Csak akkor használhatók jól, ha a működtetésükhöz nélkülözhetetlen környezeti paraméterek megbízhatóak, és rendelkezésünkre állnak. A jellemzők összegyűjtése és mérése nem kis feladat, sokszor külső segítség igénybe vétele nélkül nem is lehetséges. A megfelelő minőségű adatok birtokában a döntéstámogató rendszerekkel szinte korlátok nélkül dolgozhatjuk ki az adott környezetbe illeszkedő alternatív gazdálkodási változatokat. Hogy ezek közül melyik az optimális, nekünk kell kiválasztani.


Zárszó

Ezek a rendszerek nem döntenek helyettünk, a döntést a szakmai ismeretek birtokában saját magunknak kell meghozni alapos mérlegelés után!


10. fejezet - Ajánlott irodalom Addiscott, T.M. 1993. Simulation modeling and soil behavior. Geoderma. 60: 15-40. Addiscott, T.M., and R.J. Wagenet. 1985. Concepts of solute leaching in soils: A review of modelling approaches. J. Soil Sci. 36: 411-424. Addiscott, T.M., and Whitmore, A.P. 1991. Simulation of solute leaching in soils of differing permeabilities. Soil Use. Manage., 7: 94-102. Anderson, J. R., J.L. Dillon and J.B. Hardeker. 1977. Agricultural Decision Analysis. Iowa Stata University Press. Arnold, R.W., I. Szabolcs, and V.O. Targulian. 1990. Global soil change. IIASA, Laxenburg, Austria. Bacsi,Zs., Hunkár, M. 1994. Assessment of the impacts of climate change on the yields of winter wheat and maize, usinng crop models. Időjárás. 98. 2. April-June Ballangger, R. 1953. Talajvizsgálati módszerkönyv. Mezőgazdasági Kiadó, Budapest. Booch, G. 1991. Object-oriented-design with applications. Benjamin/Cummings Publ. Co., Redwood City, CA. Bossel, H. (1986) Ecological System Analysis. An introduction to modelling and simulation. University of Kassel, Kassel. Bouma, J. and M.J.D. Hack-ten Broeke. 1993. Simulation modeling as a method to study land qualities and crop productivity related to soil structure differences. Geoderma 57: 51-67. Buccola, S. T. and A. Subaei. 1984. Mean-Gini analysis, stochastic efficiency and weak risk aversion. Australian Journal of Agricultural Economics 28, 77-86. Burman, R. _ Pochov, L.D: Evaporation, evapotranspiration and climatic data. 1994. Elsevier, Amsterdam, 278 pp. Carcoll, C.R. _ Vandermeer, J.H. _ Roselt, P.M.: Agroecology. Biol. Resource Manag. Ser., 1990, McGraw-Hill Publ. Comp., New York, 641 pp. CERES User_s Guide 1989. A User_s Guide to CERES Wheat _ V2.10, IFDC, Alabama CERES User_s Guide 1991. A User_s Guide to CERES Wheat _ V2.10, IFDC, Alabama Chadwick, O.A., G.A. Brimhall, and D.M. Hendricks. 1990. From a black box to a gray box _ a mass balance interpretation of pedogenesis. Geomorphology 3: 369-390. De Jong, R., Dumanski, J., and Bootsma, A. 1992. Implications of spatial averaging weather and soil moisture data for broad-scale modelling activities. Soil Use Manage., 8: 74-79. Debreczeni, B., Debreczeni, B-né (szerk.) 1994. Trágyázási kutatások 1960-1990. Akadémiai Kiadó, Budapest. Delcourt, H.R., and P.A. Delcourt. 1988. Quaternary landscape ecology: Relevant scales in space and time. Landscape Ecol. 2: 23-44. Dokucsajev, V.V. 1883. Ruszkij csernozem., St. Petersburgh. Doorenbos, J. _ Kassam, A.H., Yield response to water. 1979, F.A.O., Rome, 193 pp. Evans, C.V., and D.C. Roth. 1992. Conceptual and statistical models to characterize soil materials, landform and processes. Soil Sci. Soc. of Am. J. 52: 1104-1107. F.A.O.: Expert consultation on revision of FAO methodologies for crop water requirements. F.A.O.-U.N. 1990.


Ajánlott irodalom

Fawcett, R. H. and P.K. Thornton. 1990. Mean-Gini dominance in decision analysis. IMA Journal of Mathematics Applied in Business and Industry 6, 309-317. Fehér J. Rajkai K. és Molnár E. (1999): A SZALINEXP szakértői rendszer. Agrokémia és Talajtan 48. 491-500. Fehér J., K. Rajkai (1996): An expert system to predict climate change induced salinization processes in saltaffected soils. Int. Agrophysics.10: 209-223. Finke, P.A., J. Bouma, and A. Stein. 1992. Measuring field variability of disturbed soils for simulation purposes with geostatistical and morphological techniques. Soil Sci. Soc. Am. J. 56: 187-192. Foitzik, L., -Hinzpeter, H.,: Sonnenstrahlung und Lufttrűbung. 1958. Leipzig, Akad. Verl.ges., Geest-Portig, 309 pp. Füleky Gy. és R. Végh K. 1999. A talaj tápelemszolgáltató képessége. in: Füleky Gy. (Ed.) Tápanyaggazdálkodás. Mezőgazda, Budapest. 91-139p. Gates, D.M.: Biophysical ecology. 1980. Springer-Verl., New York-Heidelberg-Berlin, 611 pp. Geng, S., J.S. Auburn, E. Brandsetter and B. Li. 1988. A program to simulate meterological variables: Documentation for SIMMETEO. Agronomy Progress Report No. 204. Dept. of Agronomy and Range Sci., Univ. of California, Davis. CA. Gockler, L. 2000. Mezőgazdasági gépi munkák költsége 2000-ben. Mezőgazdasági Gépüzemeltetés, FVM Kiadv., 2.1-29. Grace, J. _ Ford E.D. _ Jarvis, P.G.: Plants and their atmospheric environment. 1981. Blackwell Sci. Publ., Oxford. Gyárfás, J. 1988. Sikeres gazdálkodás szárazságban. Magyar dry-farming. Mezőgazdasági Kiadó, Budapest. Halter, A. N. and G.W. Dean. 1971. Decision under uncertainty with research applications. South-Western Publishing Company, Cincinnati, Oh. Hanks, J., Ritchie, J.T. (ed.) Modelling Pland and Soil Systems. Agronomy series 31. ASA, CSSA, SSSA Publ. Madison, Wisconsin, USA. Hoosbeek, M.R., and R.B. Bryant. 1992. Towards the quantitative modeling of pedogenesis-A review. Geoderma 55: 183-210. Hunkár, M. 1994. Validation of crop simulation model CERES-Maize. In: Időjárás, 98.1. Hunt, L.A., J.W. Jones, P.K. Thorton, G. Hoogenboom, D.T. Imamura, G.Y.Tsuji and U. Singh. 1994. Accessing data, models and application programs. In: Tsuji, G. Y., G. Uehara and S. Balas (eds.) DSSAT v3. Vol. 1-3. University of Hawaii, Honolulu, HI. Hutson, J.L., and R.J. Wagenet. 1992. LEACHM, leaching estimation and chemistry model. Version 3.0 Dep. SCAS Res. Rep. 92-3. Cornell Univ., Ithaca, NY. Huzsvai, L., Pető, K., Kovács, G. J. 1995. Szimulációs modell alkalmazása a növénytermesztési kutatásban. Tiszántúli Mezőgazdasági Tudományos Napok, Hódmezővásárhely. 149-151. IBSNAT 1986. Documentation for IBSNAT Crop Model Input and Output Files, Version 1.0. Technical Report 5. IBSNAT 1988. Experimental Design and DATA Collection Procedures for IBSNAT. Technical Report 1. IBSNAT 1990. Field and Laboratory Methods for the Collection of the IBSNAT Minimum Data Set. Technical Report 2. IBSNAT Progress Report 1982-85. University of Hawaii at Manoa, Honolulu. IBSNAT Progress Report 1985-87. University of Hawaii at Manoa, Honolulu. 163 Created by XMLmind XSL-FO Converter.

Ajánlott irodalom

IBSNAT Progress Report 1987-90. University of Hawaii at Manoa, Honolulu. IBSNAT Symposium 1989. Procedings of 81 st Annual Meeting of the American Society of Agronomy, Las Vegas, Nevada, Part I-II. Imamura, D.T. 1994. Creating management files to run crop models and document experiments. In: Tsuji, G. Y., G. Uehara and S. Balas (eds.) DSSAT v3. Vol. 1-4. University of Hawaii, Honolulu, HI. Jenny, H. 1941. Factors of soil formation-A system of quantitative pedology. McGraw-Hill, New York. Jenny, H. 1980. The soil resource: Origin and behavior. Ecol. Stad. 37. Springer Verlag, New York. Jones, C.A., Kiniry, J.R. (ed.) 1986. CERES-Maize. A Simulation Model of Maize Growth and Development. Texas AaM University Press, College Station. Jones, H.G.: Plants and microclimate. 1983, Cambridge Univ. Press, 323 pp. Jones, J.W., L.A. Hunt, G. Hoogenboom, D.C. Godwin, U. Singh, G.Y. Tsuji, N. Pickering, P.K. Thorton, W.T. Bowen, K.J. Boote and J.T. Ritchie. 1994. Input and output files. In: Tsuji, G. Y., G. Uehara and S. Balas (eds.) DSSAT v3. Vol. 2-1. University of Hawaii, Honolulu, HI. Juhász-Nagy P. 1993. Az eltűnő sokféleség. Scientia Kiadó, Budapest. Katchalsky, A., and P.F. Curran. 1967. Nonequilibrium thermodynamics in biophysics. Harvard Univ. Press, Cambridge, MA. Kirkby, M.J. 1985. A basis for soil profile modeling in a geomorphic context . J. Soil Sci. 36: 97-121. Kovács, G. J. 1995. Útmutató a CERES modell használatához. Kézirat Kovács, G.J. Németh, T. 1995. Termés és nitrát-felhalmozódás modellezése és összehasonlítása mérésekkel tartamkísérletekben. Agrokémia és Talajtan. Kovács, G.J., Ritchie, J.T. Using Simulation Models to Estimate Nitrate Leaching and Crop Production at the Farm Level in Hungary. Invited paper at ASA-CSSA-SSSA Annual Meeting. Agronomy Abstract 21. Seattle, Washington. Kovács, G.J., Ritchie, J.T., Werner, A., Máthé-Gáspár G., Máthé, P. 1989. Modeling the Leaf Area Development of Different Maize Genotypes. IBSNAT Symposium, Procedings of 81st Annual Meeting of the American Society of Agronomy, Las Vegas, Nevada, Part II. Kozlowski, T.T.: Water deficits and plant grouth. Vol. I. 1968, Academic Press, New York-London. 399 pp. Lange, O.L. _ Kappen, L. _ Schulze, E.-D.: Water and plant life. Ecol. Stud. 19. 1976. Springer-Verl., Berlin Heidelberg New York, 530 pp. Levine, E.R., and E.J. Ciolkosz. 1986. A computer simulation model for soil genesis applications. Soil Sci. Soc. Am. J. 50: 661-667. Lucas, P., and L. van der Gaag. 1991. Principles of Expert Systems. Addison-Wesley Publ. Comp., New York. Marion , G.M., W.H. Schlesinger and P.J. Fonteyn. 1985. CALDEP: A regional model for soil CaCO 3 (caliche) deposition in southwestern deserts. Soil Sci. 139: 468-481. Matheron, G. 1965. Les Variables Régionalisées et Leur Estimation. Masson, Paris. Meyer, B. 1988. Object-oriented software construction. Prentice-Hall, New York. Monteith, J.L.: Vegetation and the atmosphere. Vol. I-II., 1975, Academic Press, London-New York-San Francisco, 278, 439. pp. Nagy, J. Huzsvai, L., Mika, J., Dobi, I., Fodor, N., Kovács, G. J. 1999. A method to link general circulation model to weather generator and crop models for long term decisions. 2 ND International Conference on Multiple 164 Created by XMLmind XSL-FO Converter.

Ajánlott irodalom

Objective Decision Support Systems for Land, Water and Environmental Management MODSS_99, Ausztrália (in print) poszter Nagy, J., Huzsvai, L. 1995. Az évjárat hatás értékelése a kukorica (Zea mays L.) termésére. Növénytermelés, 44.4:383-391. Nagy, J., Huzsvai, L. 1997. The effects of precipitation on the yield of maize (Zea mays L.) yield. Current Plant and Soil Science in Agriculture. Soil, Plant and Environment Relationships. 78-88. Nagy, J., Huzsvai, L., Kovács, G. 1995. Modeling the fate agrochemicals and fertilizers in the environment. ESA Proceedings, Venice, 45. Nagy, J., Huzsvai, L., Pető, K., Kovács, G. 1994. Validation of crop models based on field experiments. UNIPRESS, Padova, 409-420. Nagy, J., Huzsvai, L., Tamás, J., Kovács, G.J., Mészáros, I. 1996. The effects of irrigation, fertilization, tillage and plant density on corn (Zea mays L.) yield. ESA Wageningen University, II. 580-581. Nagy, J., Pető, K., Huzsvai, L., Kovács, G. 1994. Results of University maize (Zea mays L.) hybrid trials in Hungary. 3rd ESA Congress Proceedings, Abano-Padova, III. 194-195. Németh, T. 1994. Nitrátbemosódási és _felhalmozódási vizsgálatok az Országos Műtrágyázási Tartamkísérletekben (OMTK). In.: Debreczeni B. és Debreczeni B-né (szerk.) Trágyázási kutatások 1960-1990. Akadémiai Kiadó, Budapest. Petach, M.C., R.J. Wagenet, and S.D. de Gloria. 1991. Regional water flow and pesticide leaching using simulations with spatially distributed data. Geoderma 48: 245-269. Pető, K., Huzsvai, L., Kovács, G. 1994. A műtrágyázás hatásának vizsgálati módszere a CERES MAIZE 2.1 modell segítségével kukorica monokultúrában. Növénytermelés. 43. 6. 521-531. Pető, K., Huzsvai, L., Kovács, G. 1995. A főbb termesztési tényezők és a talajnedvesség összefüggéseinek értékelése CERES MAIZE szimulációs modell alkalmazásával. Tiszántúli Mezőgazdasági Tudományos Napok, Hódmezővásárhely. 170-173. Raiffa, H. 1968. Decision Analysis. Addison Wesley, Reading, MA. Rajkai, K. 1988. A talaj víztartó képessége és különböző talajtulajdonságok összefüggésének vizsgálata. Agrokémiai és Talajtan 36-37. 15-30. Rákóczi F.: A planetáris határréteg. 1988. Budapest, ELTE, Tankönyvkiadó, 186 pp. Rao, P.S.C., Rao, P.V., and Davidson, J.M. 1977. Estimation of the spatial variability of the soil-water flux. Soil Sci. Soc. Am. Proc., 41: 1208-1209. Richardson, C.W. and D.A. Wright. 1984. WGEN: a model for generating daily weather variables. United States Department of Agriculture, Agricultural Research Service, ARS-8, Washington, DC. Richter, J. 1987. The soil as a reactor. Catena Verlag, Cremlingen, Germany. Ritchie, J.T. 1981. Soil Water Availability. Plant and Soil 58.,327-338. Ritchie, J.T. Singh, U., Godwin, D.C., Humpries, J. 1994. CERES CEREAL GENERIC MODEL FORTAN source code. Michigan State University, East-Lansing, MI. Rose, C, W.: Agricultural physics _ 1966, Pergamon Press, Oyford, 226 pp. Ross, J.: The radiation regime and architecture of plant stands. 1981. W. Junk Publ., Hague-Boston-London., 391 pp. Rumbaugh, J., M. Blaha, W. Premarlani, F. Eddy, and W. Lorensen. 1991. Object-oriented modeling and design. Prentice-Hall, Inc., New Jersey.


Ajánlott irodalom

Runge, E.C.A. 1973. Soil development sequences and energy models. Soil Sci. 115, 183-193. Smeck, N.E., E.C.A. Runge, and E.E. Mackintosh. 1983. Dynamics and genetic modelling of soil systems. p. 23-49. In: L.P. Wilding et al. (ed.) Pedogenesis and soil taxonomy 1. Concepts and Interactions. Elsevier, Amtserdam. Snedecor G. W. and W. G. Cochran: 1976. Statistical methods. Iowa State University Press Soil Survey Staff. 1983. National soils handbook. U.S. Gov. Print. Office, Washington, DC. Sposito, G., and R. Reginato. 1992. Opportunities in basic soil science research. SSSA, Madison, WI. Stebutt, A. 1930. Lehrbuch der allgemeinen Bodenkunde. Borntraeger, Berlin. Stefanovits, P. (szerk.) 1999. Talajtan. Mezőgazda Kiadó, Budapest. Stefanovits, P. 1963. Magyarország talajai. 2. Kiadás. Akadémiai Kiadó, Budapest. Stefanovits, P. 1975. Talajtan. Mezőgazdasági. Kiadó, Budapest. Stein, A., I.G. Staritsky, J. Bouma, A.C. Van Eynsbergen, and A.K. Bergt. 1991. Simulation of moisture deficits and areal interpolation by universal co-kriging. Water Resour. Res. 27: 1963-1973. Sutton, O.G.: 1953: Micrometeorology. New York, MCGraw-Hill Book Comp., INC., 333 pp. Szász G.: Agrometeorológia _általános és speciális. 1988. Mezőgazd. Kiadó, Budapest 462 pp. Tenhunen, J.D. _ Lenz, R. _ Hantschel, R. (ed.-s): Ecosystem approaches to landscape management in CentralEurope. Ecol. Stud. 147., 2001. Springer, Berlin, 652 pp. Thorton, P.K. and G.Hoogenbomm. 1994. A computer program to analyze single-season crop model outputs. Agronomy Journal Thorton, P.K., P.W. Wilkens, G. Hoogenboom and J.W. Jones. 1994. Sequence analysis. In: Tsuji, G. Y., G. Uehara and S. Balas (eds.) DSSAT v3. Vol. 3-2. University of Hawaii, Honolulu, HI. Upchurch, D.R., L.P. Wilding, and J.L. Hartfield. 1988. Methods to evaluate spatial variability. p.201-229. In L.R. Hossner (ed.) Reclamation of disturbed lands. CRC press, Boca Raton, FL. USDA, Soil Conservation Service 1972. National Engineering Handbool, Hydrology Section 4, Chapter 4-10. Van Wambeke. A.R., and D.G. Rossiter. 1992. Automated land evaluation system (ALES). Vers. 3.SCAS Teach. Ser. No. 2. Dep. Soil, Crop a Atmospheric Sci., Cornell Univ., Ithaca, New York. Wagenet, R.J., J. Bouma, and P.B. Grossman. 1991. Minimum data sets for use of soil survey information in soil interpretive models. p. 161-182. In M.J. Mausbach and L.P. Wilding (ed.) Spatial variability of soils and landforms. SSSA Spec. Publ. 28. SSSA, Madison, WI. Webster, R. and Oliver, M. A. (1990) Statistical Methods in Soil and Land Resource Survey. Oxford University Press. pp. 104-108. Wegner, P. 1990. Concepts and paradigms of object-oriented software construction. Prentice-Hall, New York. Whitmore, A.P. 1991. A method for assessing the goodness of computer simulation of soil processes. J. Soil Sci. 42: 289-299. Wilding, L.P., and L.R. Drees, 1983. Spatial variability and pedology . p. 83-116. In L.P. Wilding et al. (ed) Pedogenesis and soil taxonomy: I. Concepts and interactions. Elsevier Publ. Co., Amsterdam. Williams, J.R., Jones, C.A., Dyke, P.T. 1984. A modeling approach to determining the relationships between erosion and soil productivity. Transactions of the ASEA 27.1. 129-144.


Irodalomjegyzék


Az agroökológia modellezéstechnikája

Recommend Documents