Ugrás a tartalomhoz

Kutatói pályára felkészítő akadémiai ismeretkörön alapuló tananyagfejlesztés – Környezet- és természetvédelem ismeretkörben

Dr. Huzsvai László (2008)

Debreceni Egyetem a TÁMOP 4.1.2 pályázat keretein belül

DSSAT mezőgazdasági döntéstámogató rendszer

DSSAT mezőgazdasági 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 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.

A DSSAT felépítése, képernyői

A program installálása és indítása után az alábbi képernyőt kapjuk:

43. ábra. A DSSAT 3.5 bejelentkező képernyője

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

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).

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.

A modellek menü

44. 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)

Elemzések menü

45. 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)

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

Segédeszközök menü

Az operációs rendszer jellemzői, beállítása (Op.system)

Lemezkezelő rendszer megadása (Disk.mngr)

Szövegszerkesztő (Editor)

Számoló tábla (Sp.sheet)

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.

46. ábra. A DSSAT 3.5 segédeszközök képernyője

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.

Genetikai paraméterek adatai, „MZCER980.CUL”:

39. táblázat. Az MZCER980.CUL file felépítése

40. táblázat. Az MZCER980.CUL file jelmagyarázata

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.

Időjárási adatok, „*.WTH”

tartalmazza napi léptékben a globálsugárzást, maximum, minimum hőmérsékletet és a csapadék mennyiségét. Az év napjai 1-től 365-ig sorszámozottak.

41. táblázat. Az *.WHT file felépítése

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 talajvíz-készletet. 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.

42. táblázat. Az *.WHT file jelmagyarázata

Az AMP Magyarországon a júliusi és januári középhőmérséklet különbsége.

Talaj adatok, „SOIL.SOL”

Ebben a fájlban a termésszimulációs modellek futtatásához szükséges talajparamétereket kell megadni rétegenként. Egy talajréteg maximális vastagsága 30 cm 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.

43. táblázat. A SOIL.SOL file felépítése

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

44. táblázat. A SOIL.SOL file jelmagyarázata

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 szervesanyag-tartalmából 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 0,3 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:

SLOC = humusz% * 0,58.

Kísérleti adatok, „*.MZX”

45. táblázat. A *.MZX file felépítése

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.

Betakarítás utáni, „*.MZA” és a kísérlet folyamán végzett mérések, „*.MZT”

46. táblázat. *.MZA: Fiziológiai éréskor mért eredmények (minden mező 6 karakter széles)

47. táblázat. *.MZT, a kísérlet során végzett mérések állománya

48. táblázat. *.MZT file rövidítésének magyarázata

Modellezés

A CERES Maize modell futtatásának összefoglaló eredményét az 49. táblázat mutatja. A könnyebb értelmezhetőség érdekében a jelölések magyar megfelelőjét is megadtuk.

49. táblázat. A szimuláció összefoglaló eredménytáblázata

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/m2és 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.

50. táblázat. Környezeti és stressz tényezők táblázata

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 51. 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.

51. táblázat. A CERES maize növekedés szimulációja

Az 52. 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.

52. táblázat. A CERES maize időjárás és víz szimuláció eredménye

Az 53. 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.

53. táblázat. A nitrogén szimuláció eredménye

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.

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.

54. táblázat. A gazdálkodás paramétereinek menüje

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, szervesanyag-tartalom 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 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.

Nitrogénkezelések 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.

Szezonális-analízis

A szezonális-analízis szerves folytatása a gazdálkodási paraméterek vizsgálatának (47. ábra). A scenario-analízis 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.

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 "alföldi mészlepedékes csernozjom" 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 2,5-3,0%. 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.

47. 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 (55. táblázatHiba! A hivatkozási forrás nem található.):

55. táblázat. Az eredeti kísérlet kezelései

A gazdálkodás paramétereinek vizsgálata során a kezeléseket további kettővel egészítettük ki, mert egy kisebb adagú műtrágyakezelés is jó eredményt mutatott (56. táblázat). A 180 kg N beállítása a hatások nagyobb felbontású, részletesebb elemzése szempontjából indokolt.

56. táblázat. Az analízisbe vont kezelések

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 (48. ábra):

48. ábra. A biofizikai változók elemzésének lehetőségei

Az 49. 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 49. 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.

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

Az 49. ábra a szemtermést szárazanyagban mutatja. Ha átszámítjuk a hazánkban megszokott 15%-os szemnedvességre, akkor az alábbi értékeket kapjuk:

57. táblázat. Szimulált terméseredmények 15%-os szemnedvességre számítva

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).

A biofizikai változók további elemzését grafikus képernyők segítik. A változók elemzése közül csak a betakarításkori szemtermés mennyiségét mutatjuk be. Az 50. 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.

50. ábra. A box-plot analízis eredménye

Az 51. 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 1.00-ból 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.

51. ábra. A kumulatív eloszlások görbéi

Az átlag-variancia grafikon (52. 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.

52. ábra. Az átlag-variancia grafikon képernyője

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 (58. 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.

58. táblázat. A *.PRI fájl tartalma

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

59. táblázat. Műtrágya árak

Az ökonómiai-analízis összefoglaló táblázata az egy hektárra vetített jövedelmet mutatja Ft-ban, 53. ábra.

53. 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 (54. ábra) szemléletesen mutatja az elért jövedelmek nagyságát és szórását. Jól látható a 60 kg-os kezelés kimagasló jövedelme, és elfogadható kockázata.

54. ábra. A box-plot analízis eredményének képernyője

A kumulatív eloszlásfüggvények (55. 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.

55. ábra. A kumulatív eloszlásfüggvények képernyője

A fenti módszerek kiegészülnek egy stratégiai analízissel is, ami egy Várhatóérték-Gini dominancia vizsgálat. A számítások eredménye alapján (Hiba! A könyvjelző nem létezik.. 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.