Стаття

Отримано 31.07.2024

Доопрацьовано 11.10.2024

Прийнято 10.12.2024

Взято з Том 28, № 4, 2024

Сторінки 54 -67

Nykytiuk, Yu., & Kravchenko, O. (2024). Oscillatory spatial and temporal variability of precipitation in Polissia and Forest-Steppe and the impact of agricultural landscape transformation. Ukrainian Black Sea Region Agrarian Science, 28(4), 54-67. https://doi.org/10.56407/bs.agrarian/4.2024.54

Коливальна просторово-часова мінливість опадів в Поліссі та Лісостепу та вплив аграрного перетворення ландшафтів

Юрій Никитюк Оксана Кравченко

Території Полісся та Лісостепу мають велике значення для України, пропонуючи значний потенціал для розвитку сільського та лісового господарства. У світлі нагальної проблеми глобальної зміни клімату вкрай важливо, щоб активне господарське використання цих територій відбувалося з урахуванням зобов’язань щодо збереження екологічних систем та підтримання екосистемних функцій. Метою цієї статті було з’ясувати закономірності просторової та часової мінливості опадів і встановити вплив антропогенної трансформації земель внаслідок сільськогосподарського виробництва. На досліджуваній території середній рівень опадів становив 625±68 мм і коливався від 535 до 1160 мм. Протягом досліджуваного періоду (1960-2023 рр.) спостерігалася тенденція як до збільшення, так і до зменшення кількості опадів. Південний схід регіону характеризувався тенденцією до зменшення кількості опадів, тоді як на північному заході та півночі часовий тренд показував збільшення кількості опадів. Кількість опадів у Карпатському регіоні значно вища, ніж в інших частинах території. Наявність коливальної закономірності в ритмі опадів дозволяє розглядати два практичні аспекти: можливість прогнозування майбутньої динаміки опадів на основі наявної інформації за попередні роки та врахування коливальної динаміки опадів при рекомендаціях оптимальних сівозмін і підборі найбільш придатного асортименту сортів сільськогосподарських культур для вирощування

клімат; просторова структура; часова динаміка; ландшафтне різноманіття; рослинний покрив

[1] Allen, M.R., & Ingram, W.J. (2002). Constraints on future changes in climate and the hydrologic cycle. Nature, 419(6903), 224-232. doi: 10.1038/nature01092.

[2] Arnell, N.W., Lowe, J.A., Challinor, A.J., & Osborn, T.J. (2019). Global and regional impacts of climate change at different levels of global temperature increase. Climatic Change, 155(3), 377-391. doi: 10.1007/s10584-019-02464-z.

[3] Basche, A.D., Kaspar, T.C., Archontoulis, S.V., Jaynes, D.B., Sauer, T.J., Parkin, T.B., & Miguez, F.E. (2016). Soil water improvements with the long-term use of a winter rye cover crop. Agricultural Water Management, 172, 40-50. doi: 10.1016/j.agwat.2016.04.006.

[4] Benziane, S. (2024). Survey: Rainfall prediction precipitation, review of statistical methods. Wseas Transactions on Systems, 23, 47-59. doi: 10.37394/23202.2024.23.5.

[5] Bodner, G., Nakhforoosh, A., & Kaul, H.-P. (2015). Management of crop water under drought: A review. Agronomy for Sustainable Development, 35(2), 401-442. doi: 10.1007/s13593-015-0283-4.

[6] Dinno, A. (2024). Paran: Horn’s test of principal components/factors. doi: 10.32614/CRAN.package.paran.

[7] Dirmeyer, P.A., Niyogi, D., de Noblet‐Ducoudré, N., Dickinson, R.E., & Snyder, P.K. (2010). Impacts of land use change on climate. International Journal of Climatology, 30(13), 1905-1907. doi: 10.1002/joc.2157.

[8] Gollini, I., Lu, B., Charlton, M., Brunsdon, C., & Harris, P. (2015). GWmodel: An R package for exploring spatial heterogeneity using geographically weighted models. Journal of Statistical Software, 63(17), 1-50. doi: 10.18637/jss.v063.i17.

[9] Harris, P., Brunsdon, C., & Charlton, M. (2011). Geographically weighted principal components analysis. International Journal of Geographical Information Science, 25(10), 1717-1736. doi: 10.1080/13658816.2011.554838.

[10] Hendri, E.P., & Fadhlia, S. (2024). Times series data analysis: The Holt-Winters model for rainfall prediction in West Java. International Journal of Applied Mathematics, Sciences, and Technology for National Defense, 2(1), 1-8. doi: 10.58524/app.sci.def.v2i1.325.

[11] Hernández-Rodríguez, M., Romo-Lozano, J.L., Barrios-Puente, G., & Cuevas-Alvarado, C.M. (2023). Climate change and its effects on agriculture in Mexico. Agrociencia, 57(2). doi: 10.47163/agrociencia.v57i2.2523.

[12] Horn, J.L. (1965). A rationale and test for the number of factors in factor analysis. Psychometrika, 30(2), 179-185. doi: 10.1007/BF02289447.

[13] Hristov, J., et al. (2020). Analysis of climate change impacts on EU agriculture by 2050. Luxembourg: Publications Office of the European Union. doi: 10.2760/121115.

[14] Kaiser, H.F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31-36. doi: 10.1007/BF02291575.

[15] Kyyak, V., Bilonoha, V., & Kyyak, N. (2023). Spatial and functional structure of the population area in plants – the need for differentiation. Studia Biologica, 17(4), 173-186. doi: 10.30970/sbi.1704.740.

[16] Lahmer, W., Pfützner, B., & Becker, A. (2001). Assessment of land use and climate change impacts on the mesoscale. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 26(7-8), 565-575. doi: 10.1016/S1464-1909(01)00051-X.

[17] Leng, G., & Hall, J.W. (2020). Predicting spatial and temporal variability in crop yields: An inter-comparison of machine learning, regression and process-based models. Environmental Research Letters, 15(4), article number 044027. doi: 10.1088/1748-9326/ab7b24.

[18] Lobachevska, O., & Karpinets, L. (2024). Water exchange of the forest ecosystems epigeic bryophytes depending on changes of the structural and functional organization of their turfs and the influence of local growth environmental conditions. Studia Biologica, 18(2), 139-156. doi: 10.30970/sbi.1802.766.

[19] Maier, M.J. (2022). REdaS: Companion package to the book ‘R: Einführung durch angewandte Statistik’. doi: 10.32614/CRAN.package.REdaS.

[20] Mitchell, B.G., Brody, E.A., Yeh, E.-N., Mcclain, C., Comiso, J., & Maynard, N.G. (1991). Meridional zonation of the Barents Sea ecosystem inferred from satellite remote sensing and in situ bio-optical observations. Polar Research, 10(1), 147-162. doi: 10.3402/polar.v10i1.6734.

[21] Moteva, M., Gigova, A., Mitova, T., Tanaskovik, V., Kabranova, R., Dimov, Z., & Krużel, J. (2018). Rapeseed (Brassica napus, L.) – biological requirements, growing conditions and need for irrigation. Journal of Agricultural, Food and Environmental Sciences, 72(1), 183-191. doi: 10.55302/JAFES18721183m.

[22] Nguyen, T.T., Ngo, H.H., Guo, W., Wang, X.C., Ren, N., Li, G., Ding, J., & Liang, H. (2019). Implementation of a specific urban water management – Sponge City. Science of the Total Environment, 652, 147-162. doi: 10.1016/j.scitotenv.2018.10.168.

[23] Petrychenko, V., Korniychuk, O., & Voronetska, I. (2018). Biological farming in conditions of transformational changes in the agrarian production of Ukraine. Agricultural Science and Practice, 5(2), 3-12. doi: 10.15407/agrisp5.02.003.

[24] Roy, P.S., Ramachandran, R.M., Paul, O., Thakur, P.K., Ravan, S., Behera, M.D., Sarangi, C., & Kanawade, V.P. (2022). Anthropogenic land use and land cover changes – a review on its environmental consequences and climate change. Journal of the Indian Society of Remote Sensing, 50(8), 1615-1640. doi: 10.1007/s12524-022-01569-w.

[25] Sang, Y.-F., Fu, Q., Singh, V.P., Sivakumar, B., Zhu, Y., & Li, X. (2020). Does summer precipitation in China exhibit significant periodicities? Journal of Hydrology, 581, article number 124289. doi: 10.1016/j.jhydrol.2019.124289.

[26] Sposaro, M.M., Berry, P.M., Sterling, M., Hall, A.J., & Chimenti, C.A. (2010). Modelling root and stem lodging in sunflower. Field Crops Research, 119(1), 125-134. doi: 10.1016/j.fcr.2010.06.021.

[27] Stephens, C., & Ngari, A. (2024). Regional climate drivers, trends and forecast change. In A. Dansie, H.K. Alleway & B. Böer (Eds.), The water, energy, and food security nexus in Asia and the Pacific (pp. 109-128). Cham: Springer. doi: 10.1007/978-3-031-25463-5_5.

[28] Tacarindua, C.R.P., Shiraiwa, T., Homma, K., Kumagai, E., & Sameshima, R. (2013). The effects of increased temperature on crop growth and yield of soybean grown in a temperature gradient chamber. Field Crops Research, 154, 74-81. doi: 10.1016/j.fcr.2013.07.021.

[29] The R Project for Statistical Computing. (n.d.). Retrieved from https://www.r-project.org/.

[30] Tripathi, R.P., & Mishra, R.K. (1986). Wheat root growth and seasonal water use as affected by irrigation under shallow water table conditions. Plant and Soil, 92(2), 181-188. doi: 10.1007/BF02372632.

[31] WorldClim. (n.d.). Retrieved from https://www.worldclim.org/.