A dynamic model for predicting the falling number of rye grains in Finnish (Ostrobothnian) conditions

Tutkimuksen tarkoituksena oli selvittää rukiin sakoluvun käyttäytymistä kasvukauden aikana. Pääpaino tarkastelussa oli lämpötilan ja sateen vaikutuksilla. Tutkimuksen aineisto oli Maatalouden tutkimuskeskuksen Etelä-Pohjanmaan tutkimusasemalla. Aineistona käytettiin rukiin korjuuaikakokeen tuloksia vuosilta 1975-1987. Tässä kokeessa oli kolme korjuuaikaa. Dynaamisen mallin kehittämiseksi käytettiin myös rukiin sakolukupalvelua varten mitattuja sakolukuja. Nämä mittaukset aloitettiin, kun ruis oli maltotuleentumisasteella eli kun rukiin kosteus oli noin 50 %. Säätekijöiden, lämpötilan ja sateen, vaikutusta rukiin sakolukuun tutkittiin dynaamisen mallin avulla. Sen avulla tarkasteltiin viiden lajikkeen sakolukua. Nämä lajikkeet olivat Anna, Hankkijan Jussi, Sampo, Toivo ja Voima. Dynaaminen malli kykeni parhaiten selittämään Annan sakoluvun kehittymistä, selitysaste oli 0.81. Heikoimmin malli pystyi selittämään Sampon ja Toivon sakolukua. Molemmille lajikkeille selitysaste oli 0.70. Lajikkeiden optimoidut arvot vaihtelivat lajikkeiden ominaisuuksien mukaan. Aikaiset lajikkeet tarvitsivat alhaisemman tehoisan lämpötilasumman saavuttaakseen sen kehitysasteen, jossa jyvä vaipuu itämislepoon. Eri lajikkeiden väliset erot itämislevon pituudessa olivat pienet. Sen sijaan se tehoisa lämpötilasumma, jonka jälkeen itämislepo on päättynyt ja sateen vaikutus sakolukuun alkaa, oli korkein sakoluvunkestävällä Hankkijan Jussilla ja myöhäisillä lajikkeilla. Lämpötilan ja sen vaihteluiden parametrit olivat lähes samansuuntaiset eri lajikkeilla. Esille nousi se seikka, että myöhäiset lajikkeet näyttivät hyötyvän muita lajikkeita enemmän todella korkeista läpötiloista. Itämislevon päättymisen jälkeen sadannan vaikutus oli voimakas kaikilla lajikkeilla. Rukiin sakoluvun maksimi nousi korkealle niinä vuosina, jolloin jyvän tuleentumisvaiheessa oli korkeita maksimi lämpötiloja. Tässä tutkimuksessa raja-arvoksi saatiin 23º C. Näinä vuosina dynaaminen malli ei pystynyt ennustamaan sakoluvun nousua kyllin korkealle. Malli ei myöskään kyennyt ennustamaan sakoluvun vaihteluja kuin osittain. Jyvän itämislevon päättymisen jälkeen sakoluku laski nopeasti, erityisesti jos sakoluvun maksimi oli ollut korkea. Laskun aiheuttivat riittävän suuret sateet. Yleensä samaan aikaan sattui myös lämpötilassa selvä lasku tai jopa halloja. Mallin ennustama sakoluvun lasku oli yleensä nopeampi kuin mitatut arvot. Alhaiset rukiin sakoluvut Etelä-Pohjanmaalla eivät niinkään johdu sakoluvun maksimin alhaisuudesta, vaan siitä, että rukiin sakoluvun maksimi ajoittuu jyvän maitotuleentumisvaiheeseen. Maksimin saavuttamisen jälkeen sakoluku alkaa laskea sateen ja lämpötilan laskun vuoksi, ja leikkuupuintikuntoisuuden saavuttamiseen mennessä sakoluku on ehtinyt alentua huomattavasti.This study was carried out with two primary goals in mind. Firstly, the purpose was to study the behaviour of the falling number of rye during the growing season in South Ostrobothnia. Secondly, the aim was to study the effect of air temperature and precipitation on the falling number and to develop a mathematical model for predicting the dally changes in the falling number of rye. Falling number data was collected at the Research Station of South Ostrobothnia of the Agricultural Research Centre in 1975-1987. The varieties used in the study were Anna, Hankkija's Jussi, Sampo, Toivo and Voima. On the basis of the falling number measurements and the daily weather data, a dynamic model for predicting the daily changes in falling number of rye was designed. The most important independent variables of the model are maximum air temperature and precipitation. The dynamic model predicted most accurately the falling number of the variety Anna. The coefficient of determination was 0.81. The lowest coefficient of determination was 0.70 for the varieties Sampo and Toivo. The maximum falling number was high in the years with warm periods during the maturing of the kernel. The threshold was 23º C. In these years the dynamic model was not capable of predicting the highest falling number. Moreover, the predicted decrease in the falling number was usually faster than the measured one. The low falling numbers in South Ostrobothnia were mostly not due to low maximum falling number but to the fact that the maximum was reached early at the milk ripening stage, and at that moment rye was too moist to be harvested. After the maximum was reached, the falling number started to decrease due to precipitation and/or temperature.vokRukiin sakoluvun ennustaminen dynaamisen mallin avull