• Объем памяти: 16 Гб

• Объем ОЗУ: 2 Гб

• Емкость аккумулятора: 3070 мАч

• Тыловая камера: 13 МП

• Фронтальная камера: 8 МП

• Поддержка карт памяти: есть

Meizu M6T 2/16GB

• Диагональ экрана: 5,7 дюйма

• Разрешение экрана: 1440×720

• Количество SIM-карт: 2

• Процессор: MediaTek MT6750

• Объем памяти: 16 Гб

• Объем ОЗУ: 2 Гб

• Емкость аккумулятора: 3300 мАч

• Тыловая камера: двойная 13/2 МП

• Фронтальная камера: 8 МП

• Поддержка карт памяти: есть

Meizu M6T 3/32GB

• Диагональ экрана: 5,7 дюйма

• Разрешение экрана: 1440×720

• Количество SIM-карт: 2

• Процессор: MediaTek MT6750

• Объем памяти: 32 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 3300 мАч

• Тыловая камера: двойная 13/2 МП

• Фронтальная камера: 8 МП

• Поддержка карт памяти: есть

Meizu M6s 32GB

• Диагональ экрана: 5,7 дюйма

• Разрешение экрана: 1440×720

• Количество SIM-карт: 2

• Процессор: Samsung Exynos 7872

• Объем памяти: 64 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 3000 мАч

• Тыловая камера: 16 МП

• Фронтальная камера: 8 МП

• Поддержка карт памяти: есть

Meizu M6s 64GB

• Диагональ экрана: 5,7 дюйма

• Разрешение экрана: 1440×720

• Количество SIM-карт: 2

• Процессор: Samsung Exynos 7872

• Объем памяти: 32 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 3000 мАч

• Тыловая камера: 16 МП

• Фронтальная камера: 8 МП

• Поддержка карт памяти: есть

Meizu M5c 16GB

• Диагональ экрана: 5 дюймов

• Разрешение экрана: 1280×720

• Количество SIM-карт: 2

• Процессор: MediaTek MT6737

• Объем памяти: 16 Гб

• Объем ОЗУ: 2 Гб

• Емкость аккумулятора: 3000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M5c 32GB

• Диагональ экрана: 5 дюймов

• Разрешение экрана: 1280×720

• Количество SIM-карт: 2

• Процессор: MediaTek MT6737

• Объем памяти: 32 Гб

• Объем ОЗУ: 2 Гб

• Емкость аккумулятора: 3000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M6 16GB

• Диагональ экрана: 5 дюймов

• Разрешение экрана: 1280×720

• Количество SIM-карт: 2

• Процессор: MediaTek MT6750

• Объем памяти: 16 Гб

• Объем ОЗУ: 2 Гб

• Емкость аккумулятора: 3070 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M6 32GB

• Диагональ экрана: 5 дюймов

• Разрешение экрана: 1280×720

• Количество SIM-карт: 2

• Процессор: MediaTek MT6750

• Объем памяти: 32 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 3070 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M6 Note 16GB

• Диагональ экрана: 5,5 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: Qualcomm Snapdragon 625

• Объем памяти: 16 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 4000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M6 Note 3/32GB

• Диагональ экрана: 5,5 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: Qualcomm Snapdragon 625

• Объем памяти: 32 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 4000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M6 Note 64GB

• Диагональ экрана: 5,5 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: Qualcomm Snapdragon 625

• Объем памяти: 64 Гб

• Объем ОЗУ: 4 Гб

• Емкость аккумулятора: 4000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu Pro 7 64GB

• Диагональ экрана: 5,2 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: MediaTek Helio P25 (MT6757T)

• Объем памяти: 64 Гб

• Объем ОЗУ: 4 Гб

• Емкость аккумулятора: 3000 мАч

• Поддержка карт памяти: нет

• Поддержка сетей 4G: есть

Meizu Pro 7 Plus 64GB

• Диагональ экрана: 5,7 дюйма

• Разрешение экрана: 2560×1440

• Количество SIM-карт: 2

• Процессор: MediaTek Helio X30

• Объем памяти: 64 Гб

• Объем ОЗУ: 6 Гб

• Емкость аккумулятора: 3500 мАч

• Поддержка карт памяти: нет

• Поддержка сетей 4G: есть

Meizu Pro 7 Plus 128GB

• Диагональ экрана: 5,7 дюйма

• Разрешение экрана: 2560×1440

• Количество SIM-карт: 2

• Процессор: MediaTek Helio X30

• Объем памяти: 128 Гб

• Объем ОЗУ: 6 Гб

• Емкость аккумулятора: 3500 мАч

• Поддержка карт памяти: нет

• Поддержка сетей 4G: есть

Meizu M5s 16GB

• Диагональ экрана: 5,2 дюйма

• Разрешение экрана: 1280×720

• Количество SIM-карт: 2

• Процессор: MediaTek MT6753

• Объем памяти: 16 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 3000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M5s 32GB

• Диагональ экрана: 5,2 дюйма

• Разрешение экрана: 1280×720

• Количество SIM-карт: 2

• Процессор: MediaTek MT6753

• Объем памяти: 32 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 3000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M5 Note 16Gb

• Диагональ экрана: 5,5 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: MediaTek Helio P10 (MT6755)

• Объем памяти: 16 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 4000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu M5 Note 32Gb

• Диагональ экрана: 5,5 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: MediaTek Helio P10 (MT6755)

• Объем памяти: 32 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 4000 мАч

• Поддержка карт памяти: есть

• Поддержка сетей 4G: есть

Meizu Pro 6s

• Диагональ экрана: 5,2 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: MediaTek Helio X25 (MT6797T)

• Объем памяти: 64 Гб

• Объем ОЗУ: 4 Гб

• Емкость аккумулятора: 3060 мАч

• Поддержка карт памяти: нет

• Поддержка сетей 4G: есть

Meizu Pro 6 Plus 64Gb

• Диагональ экрана: 5,7 дюйма

• Разрешение экрана: 2560×1440

• Количество SIM-карт: 2

• Процессор: Samsung Exynos 8890

• Объем памяти: 64 Гб

• Объем ОЗУ: 4 Гб

• Емкость аккумулятора: 3400 мАч

• Поддержка карт памяти: нет

• Поддержка сетей 4G: есть

Meizu Pro 6 32Gb

• Диагональ экрана: 5,2 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: MediaTek Helio X25 (MT6797T)

• Объем памяти: 32 Гб

• Объем ОЗУ: 4 Гб

• Емкость аккумулятора: 2560 мАч

• Поддержка карт памяти: нет

• Поддержка сетей 4G: есть

Meizu Pro 6 64Gb

• Диагональ экрана: 5,2 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: MediaTek Helio X25 (MT6797T)

• Объем памяти: 64 Гб

• Объем ОЗУ: 4 Гб

• Емкость аккумулятора: 2560 мАч

• Поддержка карт памяти: нет

• Поддержка сетей 4G: есть

Meizu MX5 16Gb

• Диагональ экрана: 5,5 дюйма

• Разрешение экрана: 1920×1080

• Количество SIM-карт: 2

• Процессор: MediaTek Helio X10 Turbo, 8 ядер, 2,2 ГГц

• Объем памяти: 16 Гб

• Объем ОЗУ: 3 Гб

• Емкость аккумулятора: 3150 мАч

• Поддержка карт памяти: нет

• Поддержка сетей 4G: есть

Друзья! Если наш сайт помог вам или просто понравился, вы можете помочь нам развиваться и двигаться дальше. Для этого можно:

• Оставить комментарий к статье.

Спасибо!

Каталог смартфонов Meizu (2021) с ценами, фото и характеристиками

Android 10, FlyMe 9

6.6″ AMOLED дисплей (1080 x 2340)

Qualcomm Snapdragon 865, 8 ГБ ОЗУ

Основная – 64 МП, передняя 20 МП

4500 мАч

Android 9.0, Flyme 8

6.2″ Super AMOLED дисплей (1080 x 2232)

Qualcomm Snapdragon 855 Plus, 8 ГБ ОЗУ

Основная – 48 МП, передняя 20 МП

3600 мАч

Android 9. 0, Flyme 7.3

6.2″ Super AMOLED дисплей (1080 x 2232)

Qualcomm Snapdragon 855, 8 ГБ ОЗУ

Основная – 48 МП, передняя 20 МП

3600 мАч

Android 9.0, Flyme UI

6.2″ Super AMOLED дисплей (1080 x 2232)

Qualcomm Snapdragon 675, 6 ГБ ОЗУ

Основная – 48 МП, передняя 16 МП

4000 мАч

Android 9.0, Flyme 7.2

6.2″ IPS LCD дисплей (1080 x 2244)

Qualcomm Snapdragon 675, 6 ГБ ОЗУ

Основная – 48 МП, передняя 20 МП

4000 мАч

Android 8. 0, «Чистый» Android

5.45″ IPS LCD дисплей (720 x 1440)

Unisoc SC9832E, 3 ГБ ОЗУ

Основная – 13 МП, передняя 13 МП

3000 мАч

Android 8.0, Flyme UI

5.45″ IPS LCD дисплей (720 x 1440)

Spreadtrum SC9832E, 2 ГБ ОЗУ

Основная – 13 МП, передняя 8 МП

3000 мАч

Android 8.1, Flyme UI 7.3

6″ IPS LCD дисплей (1080 x 2160)

Qualcomm Snapdragon 632, 4 ГБ ОЗУ

Основная – 12 МП, передняя 8 МП

3600 мАч

Android 8. 1, Flyme UI

6.2″ IPS LCD дисплей (1080 x 2220)

Qualcomm Snapdragon 710, 6 ГБ ОЗУ

Основная – 12 МП, передняя 20 МП

3210 мАч

Android 10, Flyme UI 8,1

6.5″ Super AMOLED дисплей (1080 x 2160)

Qualcomm Snapdragon 845, 8 ГБ ОЗУ

Основная – 12 МП, передняя 20 МП

3640 мАч

Android 10, Flyme UI 8.1

6″ Super AMOLED дисплей (1080 x 2160)

Qualcomm Snapdragon 845, 8 ГБ ОЗУ

Основная – 12 МП, передняя 20 МП

3010 мАч

Android 8. 0, Flyme UI 7

5.7″ IPS LCD дисплей (720 x 1440)

MediaTek MT6750, 4 ГБ ОЗУ

Основная – 13 МП, передняя 8 МП

3300 мАч

Android 7, Flyme 7.3

5.2″ IPS LCD дисплей (720 x 1280)

MediaTek MT6750, 3 ГБ ОЗУ

Основная – 13 МП, передняя 8 МП

3070 мАч

Android 7.3, Flyme 7

5.5″ IPS LCD дисплей (1080 x 1920)

Qualcomm Snapdragon 625, 4 ГБ ОЗУ

Основная – 12 МП, передняя 16 МП

4000 мАч

Android 7.0, Flyme 6

5. 7″ Super AMOLED дисплей (1440 x 2560)

MediaTek MT6799, 6 ГБ ОЗУ

Основная – 12 МП, передняя 16 МП

3500 мАч

Android 7.0, Flyme 7.3

5.2″ Super AMOLED дисплей (1080 x 1920)

MediaTek Helio P25, 4 ГБ ОЗУ

Основная – 12 МП, передняя 16 МП

3000 мАч

Android 6.0, Flyme 5.2

5.2″ IPS LCD дисплей (720 x 1280)

MediaTek MT6753, 3 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

3000 мАч

Android 6.0, Flyme 5.2

5. 5″ IPS LCD дисплей (1080 x 1920)

MediaTek MT6755, 4 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

4000 мАч

Android 6, Flyme 7.3

5.7″ Super AMOLED дисплей (1440 x 2560)

Exynos 8 Octa 8890, 4 ГБ ОЗУ

Основная – 12 МП, передняя 5 МП

3400 мАч

Android 6.0, Flyme 6.3

5.2″ IPS LCD дисплей (720 x 1280)

MediaTek MT6750, 3 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

3070 мАч

Android 6.0, Flyme UI

5.5″ IPS LCD дисплей (1080 x 1920)

MediaTek MT6755, 3 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

3260 мАч

Android 6. 0, Flyme UI

5.5″ IPS LCD дисплей (1080 x 1920)

MediaTek MT6797, 4 ГБ ОЗУ

Основная – 12 МП, передняя 5 МП

3060 мАч

Android 5.1, Flyme UI

5.5″ IPS LCD дисплей (1080 x 1920)

MediaTek MT6755, 2 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

4100 мАч

Meizu представила смартфоны Meizu 18 и 18 Pro

Сегодня, 3 марта, Meizu провела мероприятие, посвященное анонсу серии флагманских смартфонов Meizu 18. Устройства могут похвастаться первоклассными характеристиками, а также отсутствием рекламы в оболочке. Если подробнее, Meizu 18 получил 6,2-дюймовый S-AMOLED дисплей с изогнутыми краями. Экран с соотношением сторон 20:9 поддерживает разрешение QHD+ (1440 x 3200 пикселей, плотность пикселей 563 ppi), частоту обновления 120 Гц, частоту опроса сенсорного слоя 240 Гц, пиковую яркость 1300 нит и поддержку HDR10+. В свою очередь Meizu 18 Pro комплектуется 6,7-дюймовым S-AMOLED экраном (плотность пикселей 526 ppi), прочие характеристики дисплея такие же, как и в базовой версии. Оба смартфона работают на базе мобильной платформы Snapdragon 888 в сочетании с 8 или 12 ГБ ОЗУ (LPPDR5) и до 256 ГБ постоянной памяти (UFS 3.1). В Meizu 18 установлена батарея емкостью 4000 мАч, а в модели Pro — емкостью 4500 мАч. Базовая модель поддерживает быструю зарядку Super mCharge мощностью 36 Вт, а модель Pro — проводную зарядку на 40 Вт и беспроводную на те же 40 Вт (Super Wireless mCharge).

Что касается камер, то Meizu 18 получил фронталку на 20 МП и тройной основной модуль, который включает 64 МП основной объектив (Sony IMX682 с диафрагмой f/1,6 и поддержкой оптической стабилизации), 16 МП сверхширокоугольный объектив и 8 МП телеобъектив. Meizu 18 Pro комплектуется 44 МП селфи-камерой (Samsung Gh2), 50 МП основным объективом (Samsung GN1 с диафрагмой f/1,9 и поддержкой оптической и электронной стабилизации), 32 МП сверхшироким объективом (Sony IMX616 с уголом обзора 130 градусов), телеобъективом на 8 МП и датчиком 3D ToF. Модель Pro способна снимать видео в формате 8K.

Из других особенностей смартфонов стоит отметить предустановленную ОС Android 11 с оболочкой Flyme 9, наличие слота на две SIM-карты, поддержку 5G, Wi-Fi 6 и 6E, Bluetooth 5.2 и NFC. Кроме того, Meizu 18 Pro имеет защиту от воды и пыли по классу IP68.

Цена на смартфоны Meizu 18 и 18 Pro зависит от комплектации в части памяти.

Meizu 18:

• 8+128 ГБ — 4399 юаней (около $680)
• 8+256 ГБ — 4699 юаней (около $711)
• 12+256 ГБ — 4999 юаней (около $773)

Meizu 18 Pro:

• 8+128 ГБ — 4999 юаней (около $773)
• 8+256 ГБ — 5499 юаней (около $850)
• 12+256 ГБ — 5999 юаней (около $928)

Новости по тегу meizu, страница 1 из 27

31.05.2021 [13:19], Сергей Карасёв Сегодня, 31 мая, состоялась официальная презентация умных наручных часов Meizu Watch, функционирующих под управлением операционной системы Flyme OS for Watch. Продажи гаджета стартуют уже завтра, 1 июня. Устройство оборудовано 1,78-дюймовым дисплеем AMOLED с защитным стеклом 2.5D Corning Gorilla Glass. Разрешение экрана составляет 368 × 448 точек, пиксельная плотность — 326 PPI (точек на дюйм), максимальная яркость — 500 кд/м2. В основу положен процессор Qualcomm Snapdragon Wear 4100, который содержит четыре вычислительных ядра ARM Cortex A53 с тактовой частотой до 1,7 ГГц, а также графический ускоритель Adreno 504. Новинка несёт на борту 1 Гбайт оперативной памяти, флеш-модуль вместимостью 8 Гбайт, адаптеры беспроводной связи Wi-Fi и Bluetooth 4.2, контроллер NFC. Заявленное время автономной работы на одной подзарядке аккумуляторной батареи ёмкостью 420 мА·ч достигает 36 часов. Гаджет поддерживает технологию eSIM (встроенная SIM-карта), что позволяет подключаться к сотовым сетям. Датчики способны отслеживать частоту сердечных сокращений и уровень содержания кислорода в крови, анализировать качество сна и регистрировать другие стандартные показатели. Ориентировочная цена Meizu Watch — 235 долларов США.  26.05.2021 [00:01], Максим Шевченко Meizu наконец-то объявила дату запуска своих первых умных часов, слухи о которых ходят в Сети уже некоторое время. Сообщается, что Meizu Watch будут запущены 31 мая. Кроме даты запуска, китайская компания поделилась тизерами устройства, которые проливают свет на его дизайн и раскрывают ключевые характеристики. Как и предполагалось ранее, Meizu Watch получат квадратный корпус с закруглёнными краями и силиконовый ремешок. Кроме того, стало известно, что смарт-часы Meizu будут основаны на актуальной платформе Snapdragon Wear 4100 и получат поддержку eSIM. Благодаря этому часы можно будет использовать для совершения телефонных звонков без привязки к смартфону. Meizu ничего не рассказала о программном обеспечении носимого устройства, однако предполагается, что они будут работать под управлением Flyme for Watch на основе Wear OS. Пока неизвестно, выйдут ли Meizu Watch на глобальный рынок, или будут продаваться только в Китае. Также не известна и ориентировочная цена устройства. Тем не менее, это и многое другое о Meizu Watch мы узнаем уже в следующий понедельник. 17.05.2021 [18:31], Руслан Авдеев Государственное управление интеллектуальной собственности КНР сообщило о провальной попытке компании Xiaomi зарегистрировать торговую марку MIX. Пекинский Суд по вопросам интеллектуальной собственности указал на то, что аналогичное обозначение уже используется для маркировки электроники другой компании. По данным китайских СМИ, в заявке № 29673851, поданной ещё в 2018 году, компания претендовала на регистрацию торговой марки MIX для таких классов гаджетов, как «компьютеры, педометры, мобильные телефоны, сенсоры и т. д.» Суд постановил, что марка не только уже давно используется, но и зарегистрирована другим китайским производителем смартфонов — компанией Meizu. Более того, суд также отметил, что аналогичная торговая марка применяется и многими другими компаниями. Примечательно, что одной из главных причин отклонения иска стало то, что «термин» MIX применяется для обозначения продуктов «аналогичной природы» как Xiaomi, так и Meizu. Известно, что Xiaomi впервые представила экспериментальный флагманский смартфон серии Mi MIX в октябре 2016 года. При этом продукт Meizu MIX появился за два месяца до этого. Но, в отличие от своего конкурента, Meizu представила не смартфон, а «гибридные» механические часы с некоторыми умными функциями. Инновационные смартфоны Xiaomi выпускаются под торговой маркой Mi MIX до сих пор. 14.05.2021 [16:53], Сергей Карасёв Интернет-ресурсы опубликовали пресс-изображения новых умных часов Meizu, которые компания, как ожидается, представит в текущем году. Источником рендеров, как утверждается, стал сайт китайской государственной телекоммуникационной компании China Telecom. Как можно видеть на изображениях, внешне гаджет в значительной степени напоминает смарт-часы Apple Watch. Готовящееся устройство оборудовано цветным сенсорным дисплеем прямоугольной формы, плавно переходящим на боковые грани корпуса. О характеристиках Meizu Watch, к сожалению, пока известно немного. Упомянута поддержка технологии eSIM, которая позволяет подключаться к сотовым сетям, не используя физическую SIM-карту. Таким образом, владельцы смогут совершать телефонные звонки и обмениваться данными через мобильный интернет-доступ. В одной из боковых частей корпуса просматривается кнопка управления. Кроме того, виден выступающий блок сенсоров на тыльной стороне: можно предположить, что новинка сможет отслеживать изменения частоты сердечных сокращений в течение дня и измерять уровень содержания кислорода в крови. Судя по изображениям, гаджет будет доступен в различных вариантах цветового исполнения. Сведений о цене и сроках начала продаж на данный момент нет.   30.04.2021 [19:01], Максим Шевченко Meizu Technology только что объявила о партнёрстве с автомобильной маркой Mini JCW, известной, в первую очередь, благодаря семейству Mini Cooper. Напомним, что вчера в своём официальном Weibo-аккаунте Meizu объявила, что сегодня поговорит со своими поклонниками об автомобилях. Компания, с целью привлечь пользователей, опубликовала рекламный постер своей грядущей операционной системы Flyme for Car, о которой ничего важного сегодня сказано не было. Meizu также поделилась рекламным изображением, на котором показан автомобиль Mini JCW, который будет участвовать в гонках Master Challenge Asia 2021. На правом переднем крыле гоночного болида можно рассмотреть логотип китайского производителя смартфонов. Meizu считает, что совместный брендинг автомобиля — это примечательное событие. Ожидалось, что сегодня компания расскажет о своей операционной системе Flyme for Car, но эти надежды не оправдались. Meizu лишь заявила, что её разработка неуклонно продвигается вперёд. Учитывая тот факт, что Meizu заключила соглашение с Mini JCW, стоит ожидать, что именно Mini станут первыми автомобилями с Flyme for Car. 29.04.2021 [23:29], Максим Шевченко Похоже, что разработка программного обеспечения для автомобилей стала новой тенденцией в китайской мобильной индустрии. Huawei стала одним из пионеров, представив программное решение HiCar, которое помогает обеспечить качественную интеграцию между смартфоном и автомобилем. Теперь, судя по всему, подобный продукт запустит и Meizu. Официальный Weibo-аккаунт компании поделился тизерным изображением, на котором виден силуэт автомобиля. Надпись гласит «Первое партнёрство ______, давайте поговорим завтра». Основываясь на втором изображении, можно с уверенностью сказать, что завтра состоится анонс первого автомобиля, работающего с программным обеспечением Meizu Flyme for Car. О Flyme for Car не было ничего слышно с тех пор, как Meizu впервые объявила о разработке этой ОС в прошлом месяце. Ожидается, что на завтрашнем мероприятии Meizu расскажет всё, что нужно знать об этой операционной системе. 03.03.2021 [14:13], Сергей Карасёв Компания Meizu сегодня официально представила флагманские смартфоны нового поколения: дебютировали аппараты Meizu 18 и Meizu 18 Pro под управлением операционной системы Android 11 с фирменной надстройкой Flyme 9. Устройства уже доступны для заказа. Обе модели несут на борту мощный процессор  Snapdragon 888 с восемью ядрами (до 2,84 ГГц), графическим ускорителем Adreno 660 и модемом 5G. Объём оперативной памяти достигает 12 Гбайт, вместимость флеш-накопителя — 256 Гбайт. Аппарат Meizu 18 получил 6,2-дюймовый дисплей S-AMOLED E4 формата QHD+ с разрешением 1440 × 3200 точек, частотой обновления 120 Гц, частотой опроса сенсорного слоя 240 Гц и пиковой яркостью 1300 кд/м2. В отверстии по центру в верхней области экрана установлена 20-Мп селфи-камера. Тройная тыльная камера вобрала в себя 64-Мп блок с датчиком Sony IMX682 и максимальной диафрагмой f/1,6, 16-Мп модуль с широкоугольной оптикой и 8-Мп телефотоблок. За питание отвечает аккумулятор ёмкостью 4000 мА·ч с поддержкой 36-ваттной подзарядки. Более мощный смартфон Meizu 18 Pro оборудован 6,7-дюймовым экраном: характеристики этой панели, за исключением размера, идентичны версии Meizu 18. Фронтальная камера способна формировать 44-Мп снимки. Основная камера имеет четырёхмодульную конфигурацию: это 50-Мп датчик Samsung GN1 (f/1,9), блок с 32-Мп сенсором Sony IMX616 и широкоугольной оптикой (130 градусов), 8-Мп компонент с трёхкратным зумом и сенсор 3D ToF. Батарея на 4500 мА·ч поддерживает 40-ваттную подзарядку. Аппараты наделены экранным сканером отпечатков пальцев, адаптерами Wi-Fi 6E и Bluetooth 5.2, контроллером NFC, портом USB Type-C. Доступны следующие версии Meizu 18 / Meizu 18 Pro: 8 Гбайт оперативной памяти и накопитель на 128 Гбайт — $680 / $770; 8 Гбайт оперативной памяти и накопитель на 256 Гбайт — $710 / $850; 12 Гбайт оперативной памяти и накопитель на 256 Гбайт — $770 / $930.   01.03.2021 [14:46], Сергей Карасёв В интернете опубликованы фотографии упаковки флагманского смартфона Meizu 18 Pro, который будет официально представлен на этой неделе вместе с базовой моделью Meizu 18. Как можно видеть на снимках, аппарат оснащён дисплеем с небольшим отверстием по центру в верхней области: здесь установлена одинарная фронтальная камера. По имеющейся информации, экран имеет размер 6,2 дюйма по диагонали и обладает разрешением 2К. В тыльной части можно видеть камеру, содержащую в общей сложности шесть компонентов. Это четыре датчика изображений, вспышка и дополнительный элемент, по всей видимости являющийся ToF-сенсором. В качестве основного модуля задействован 1/1,3-дюймовый сенсор с разрешением 50 млн пикселей; имеется система оптической стабилизации изображения. В оснащение входит флагманский мобильный процессор Qualcomm Snapdragon 888, работающий в связке с оперативной памятью стандарта LPDDR5. За хранение данных отвечает быстрый флеш-накопитель стандарта UFS 3.1. Известно, что питание обеспечит аккумуляторная батарея ёмкостью 4500 мА·ч с поддержкой 40-ваттной подзарядки. Операционная система — Android 11. Презентация Meizu 18 Pro и Meizu 18 состоится послезавтра, 3 марта.  26.02.2021 [11:29], Владимир Мироненко Компания Meizu в преддверии анонса смартфонов серии Meizu 18, намеченного на 3 марта, опубликовала несколько тизеров, которые раскрывают некоторые характеристики моделей Meizu 18 и 18 Pro. Теперь уже официально подтверждено, что Meizu 18 Pro будет отличаться высокой производительностью благодаря использованию флагманского чипа Qualcomm Snapdragon в связке с оперативной памятью стандарта LPDDR5 и флеш-накопителем с интерфейсом UFS 3.1. В ещё одном тизере компания сообщила об использовании в новой серии смартфонов программного обеспечения One Mind 8XX, которое, как сообщается, позволит оптимизировать потребление энергии и производительность устройств. Что касается модели Meizu 18, то, как ожидается, она будет поставляться с чипсетом Snapdragon 870 и тройной основной камерой. В её состав войдёт сенсор на 64 мегапикселя, сверхширокоугольный 12-мегапиксельный датчик и 5-Мп сенсор, возможно, для макросъёмки или определения глубины сцены. Как утверждают инсайдеры, Meizu 18 получит батарею ёмкостью 4000 мА·ч с поддержкой 36-Вт подзарядки, а старшая модель будет оснащена аккумулятором на 4500 мА·ч с 40-ваттной подзарядкой. Диагональ экрана обеих моделей равна 6,2 дюйма, разрешение экрана Meizu 18 равно Full HD+, у Meizu 18 Pro — 2К. Все остальные подробности о новинках станут известны на следующей неделе. 25.02.2021 [10:50], Сергей Карасёв Китайская компания Meizu обнародовала несколько тизер-изображений, демонстрирующих флагманские смартфоны нового поколения: речь идёт об устройствах Meizu 18 и Meizu 18 Pro. Аппараты, как сообщается, получат 6,2-дюймовый дисплей, загибающийся на боковые части корпуса. При этом модель Meizu 18 будет наделена матрицей Full HD+, а Meizu 18 Pro — панелью 2К. Как можно видеть на тизерах, по центру в верхней части экрана предусмотрено небольшое отверстие для одинарной селфи-камеры. Известно, что в оснащение Meizu 18 Pro войдёт четверная тыльная камера с двумя сенсорами на 48 млн пикселей, 8-Мп модулем и датчиком ToF. Нажмите для увеличения Смартфоны будут оборудованы разными процессорами. Так, базовой версии приписывают наличие чипа Snapdragon 870, а старшему варианту — решения Snapdragon 888. Оба устройства смогут функционировать в сетях 5G. По слухам, в оснащение Meizu 18 войдёт аккумулятор ёмкостью 4000 мА·ч с поддержкой 36-ваттной подзарядки. Версия Meizu 18 Pro будет получать питание от батареи на 4500 мА·ч с 40-ваттной подзарядкой. Официальная презентация новинок состоится уже на следующей неделе — 3 марта.  22. 02.2021 [17:58], Сергей Карасёв Компания Meizu распространила информацию о том, что завтра, 23 февраля, сделает некий анонс: наблюдатели полагают, что речь пойдёт о новой фирменной надстройке для операционной системы Android. По слухам, Meizu представит оболочку Flyme 9. Она получит ряд существенных улучшений и дополнений по сравнению с предыдущей версией. Сообщается, что Flyme 9 будет применяться поверх операционной системы Android 11. Именно такую связку должны получить флагманские смартфоны семейства Meizu 18, официальная презентация которых может состояться до конца текущего квартала. Ранее говорилось, что в серию войдут как минимум две модели — базовая версия Meizu 18 и более дорогая модификация Meizu 18 Pro. Аппаратам приписывают наличие процессора Qualcomm Snapdragon 888. Но, возможно, выйдет и третье устройство. Утверждается, что его основой может послужить чип Snapdragon 870, объединяющий восемь ядер Kryo 585 с тактовой частотой до 3,2 ГГц, графический ускоритель Adreno 650 и сотовый модем Snapdragon X55 5G. Аппарату приписывают наличие 8 Гбайт оперативной памяти и флеш-накопителя вместимостью 256 Гбайт. Упомянута тройная камера с датчиками на 64, 12 и 5 млн пикселей.  08.02.2021 [12:48], Василий Шкодник Сегодня китайский производитель мобильной техники разослал своим сотрудникам письма о кадровой перестановке. В компании избрали нового генерального директора (CEO) без каких-либо пресс-релизов или публичных заявлений. Впервые об этом стало известно от портала Sohu. Хуан Чжипань младший Новым генеральным директором стал Хуан Чжипань-младший (Huang Zhipan jr.) — брат и тёзка предыдущего генерального директора и сооснователя бренда Хуана Чжипаня. Как отмечает издание Gizmochina, Meizu таким образом ищет новую молодую кровь, которая могла бы взять на себя бразды правления и внести своё уникальное видение в развитие компании. Тем более что в последние годы Meizu переживала не самые лучшие времена. В 2019 году стало известно, что Meizu уволила 30 % своего штата. Увольнения затронули даже ключевых сотрудников — инженера Луна Ханьшена (Hong Hansheng), который занимался разработкой графической оболочки Flyme OS и сооснователь компании Ли Наня (Li Nan). За этим последовало закрытие фирменных магазинов. В 2016 году у компании было более 2700 розничных точек продаж, а к 2019 году их количество сократилось до 5-6 в каждой провинции Китая. Несмотря на определённые трудности, компания продолжает существовать и строить планы на будущее. 3 февраля 2021 года из опубликованного пресс-релиза стало известно, что Meizu сфокусируется на выпуске исключительно флагманских смартфонов. По словам компании, выпущенные в прошлом году Meizu 17 и 17 Pro позволили выйти на стабильную прибыль. В ближайшее время должно быть представлено семейство смартфонов Meizu 18. И такие кадровые перестановки должны благостно сказаться на дальнейшем развитии бренда. 06. 02.2021 [20:15], Константин Ходаковский Среди нишевых производителей смартфонов многие назовут Meizu Technology. Компания в прошлом году выпустила только два продукта. Но уникальный дизайн её решений по-прежнему привлекает покупателей. В китайской социальной сети Weibo опубликована реклама серии Meizu 18, которая раскрывает вертикальное расположение тыльной камеры и дату выпуска. Согласно информации на постере, серия Meizu 18, которая должна получить однокристальную систему Snapdragon 888, выйдет на рынок 26 марта. Ранее утверждалось, что Meizu 18 будет использовать дизайн с вертикальным прямоугольным выступающим блоком камер — и изображение подтверждает, что аппараты действительно получат именно такой блок с четырьмя фотомодулями. Meizu 16 предлагали схожий дизайн блока камеры, но по центру, а Meizu 17 имели горизонтальный блок — в обоих случаях использовалась кольцевая вспышка. У Meizu 18 в общей сложности четыре модуля тыльной камеры, один из которых, по слухам, будет перископным, с 5-кратным оптическим зумом. Согласно рекламе, Meizu 18 по-прежнему использует кольцевую вспышку — вокруг основной камеры. Видно, Meizu 18 будут доступны, как минимум, в белом и синем цветовых исполнениях. В серии будут доступны, по меньшей мере, базовая модель Meizu 18 и более дорогая Meizu 18 Pro. Среди характеристик указывается Snapdragon 888, экран OLED FHD+ 120 Гц с вырезом под камеру. Meizu 18 Pro будет оснащён аккумулятором ёмкостью 4500 мА·ч и поддерживать скоростную зарядку на 100 Вт и 40-Вт беспроводную. Ожидается версия, в которой лицевая камера будет спрятана под экраном: 03.02.2021 [20:50], Максим Шевченко Meizu опубликовала пресс-релиз, намекающий на планы компании относительно смартфонного бизнеса. В нём сообщается, что Meizu вышла на стабильную прибыль, выпустив в прошлом году смартфоны Meizu 17 и 17 Pro, которые официально продаются только на внутреннем рынке Китая. Согласно заявлению, компания планирует сосредоточиться на выпуске флагманских моделей смартфонов. Предполагается, что в ближайшее время будет представлена серия Meizu 18 и вошедшие в неё устройства будут единственными смартфонами, которые компания выпустит в этом году. Компания также ничего не говорит о своём возвращении на международный рынок, поэтому Meizu 18 и 18 Pro могут быть доступны только на внутреннем рынке Китая. Кроме того, помимо выпуска смартфонов, компания сосредоточится на производстве носимых устройств и устройств для умного дома. Последние представлены под недавно запущенным компанией брендом Lipro, который, в данный момент, включает в себя целый ряд умных осветительных приборов, стоимостью от $10 до $155. Meizu заявляет, что скоро под брендом Lipro будут представлены новые продукты, нацеленные на безопасность. Что касается носимых устройств, ожидается, что в этом квартале компания представит смарт-часы Meizu Watch, которые будут работать под управлением операционной системы Flyme for Watch. Даты выпуска смартфонов Meizu 18 и умных часов компании пока неизвестны. 25.01.2021 [10:50], Сергей Карасёв На сайтах сетевых ретейлеров начала появляться информация о смартфонах семейства Meizu 18: наблюдатели полагают, что официальная презентация этих флагманских аппаратов состоится в ближайшее время. В серию, как ожидается, войдут базовая версия Meizu 18 и более дорогая модификация Meizu 18 Pro. Основой устройств послужит процессор Qualcomm Snapdragon 888. Он объединяет одно мощное ядро Cortex-X1 с частотой до 2,84 ГГц, три ядра Cortex-A78 и четыре энергоэффективных ядра Cortex-A55. В состав чипа также включены ускоритель Adreno 660 и модем Snapdragon X60 5G. Говорится об использовании дисплея Samsung AMOLED с небольшим отверстием для фронтальной камеры. Частота обновления этой панели составит 120 Гц. Раскрывается информация о многомодульной камере модели Meizu 18 Pro. Она объединит четыре компонента с датчиками изображений, в том числе перископный модуль с 5-кратным оптическим зумом. Кроме того, упомянута поддержка 100-ваттной проводной зарядки и беспроводной зарядки мощностью 40/55 Вт. В качестве программной платформы будет применяться операционная система Android 11. Есть вероятность, что новинки дебютируют до конца текущего квартала. Стоимость старшей версии, по слухам, составит от 730 долларов США.

Смартфоны Meizu все модели, цены, фото, характеристики и отзывы

Как и многие китайские компании, Meizu — марка очень молодая, согласно открытым источникам она была создана в 2003 году. Если верить легенде, компанию образовал человек, который не мог найти для себя подходящий MP3-плеер, после чего решил создать его сам и основал компанию. И если изначально компания занималась плеерами, то затем начала выпускать смартфоны. О последних и пойдет речь — перед вами каталог наиболее актуальных смартфонов Meizu.

Meizu M6s 32GB

• Диагональ экрана / разрешение: 5,7 дюйма / 1440×720

• Вес устройства: 160 г

• Процессор: Samsung Exynos 7872

• Объем оперативной / встроенной памяти: 3 Гб / 32 Гб

• Емкость аккумулятора: 3000 мАч

• Разрешение камер фронтальная / тыльная: 8 МП / 16 МП

• Слот для карты памяти: есть

Meizu M6s 64GB

• Диагональ экрана / разрешение: 5,7 дюйма / 1440×720

• Вес устройства: 160 г

• Процессор: Samsung Exynos 7872

• Объем оперативной / встроенной памяти: 3 Гб / 64 Гб

• Емкость аккумулятора: 3000 мАч

• Разрешение камер фронтальная / тыльная: 8 МП / 16 МП

• Слот для карты памяти: есть

Meizu M8

• Диагональ экрана / разрешение: 5,7 дюйма / 1440×720

• Вес устройства: 159 г

• Процессор: Mediatek Helio P22 (MT6762V)

• Объем оперативной / встроенной памяти: 4 Гб / 64 Гб

• Емкость аккумулятора: 3100 мАч

• Разрешение камер фронтальная / тыльная: 5 МП / двойная 12/5 МП

• Слот для карты памяти: есть

Meizu M8 lite

• Диагональ экрана / разрешение: 5,7 дюйма / 1440×720

• Вес устройства: 145 г

• Процессор: MediaTek MT6739

• Объем оперативной / встроенной памяти: 3 Гб / 32 Гб

• Емкость аккумулятора: 3200 мАч

• Разрешение камер фронтальная / тыльная: 5 МП / 13 МП

• Слот для карты памяти: есть

Meizu M8c

• Диагональ экрана / разрешение: 5,7 дюйма / 1440×720

• Вес устройства: 159 г

• Процессор: Mediatek Helio P22 (MT6762V)

• Объем оперативной / встроенной памяти: 4 Гб / 64 Гб

• Емкость аккумулятора: 3100 мАч

• Разрешение камер фронтальная / тыльная: 5 МП / двойная 12/5 МП

• Слот для карты памяти: есть

Meizu M6T 2/16GB

• Диагональ экрана / разрешение: 5,7 дюйма / 1440×720

• Вес устройства: 145 г

• Процессор: MediaTek MT6750

• Объем оперативной / встроенной памяти: 2 Гб / 16 Гб

• Емкость аккумулятора: 3300 мАч

• Разрешение камер фронтальная / тыльная: 8 МП / двойная 13/2 МП

• Слот для карты памяти: есть

Meizu M6T 3/32GB

• Диагональ экрана / разрешение: 5,7 дюйма / 1440×720

• Вес устройства: 145 г

• Процессор: MediaTek MT6750

• Объем оперативной / встроенной памяти: 2 Гб / 16 Гб

• Емкость аккумулятора: 3300 мАч

• Разрешение камер фронтальная / тыльная: 8 МП / двойная 13/2 МП

• Слот для карты памяти: есть

Meizu C9

• Диагональ экрана / разрешение: 5,45 дюйма / 1440×720

• Вес устройства: 150 г

• Процессор: Spreadtrum SC9832

• Объем оперативной / встроенной памяти: 2 Гб / 16 Гб

• Емкость аккумулятора: 3000 мАч

• Разрешение камер фронтальная / тыльная: 8 МП / 13 МП

• Слот для карты памяти: есть

Meizu C9 Pro

• Диагональ экрана / разрешение: 5,45 дюйма / 1440×720

• Вес устройства: 150 г

• Процессор: Spreadtrum SC9832

• Объем оперативной / встроенной памяти: 3 Гб / 32 Гб

• Емкость аккумулятора: 3000 мАч

• Разрешение камер фронтальная / тыльная: 13 МП / 13 МП

• Слот для карты памяти: есть

Meizu X8 4/64GB

• Диагональ экрана / разрешение: 6,2 дюйма / 2220×1080

• Вес устройства: 160 г

• Процессор: Qualcomm Snapdragon 710

• Объем оперативной / встроенной памяти: 4 Гб / 64 Гб

• Емкость аккумулятора: 3210 мАч

• Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/5 МП

• Слот для карты памяти: нет

Meizu 15 Lite 4/32GB

• Диагональ экрана / разрешение: 5,46 дюйма / 1920×1080

• Вес устройства: 145 г

• Процессор: Qualcomm Snapdragon 626

• Объем оперативной / встроенной памяти: 4 Гб / 32 Гб

• Емкость аккумулятора: 3000 мАч

• Разрешение камер фронтальная / тыльная: 20 МП / 12 МП

• Слот для карты памяти: есть

Meizu 15 4/64GB

• Диагональ экрана / разрешение: 5,46 дюйма / 1920×1080

• Вес устройства: 152 г

• Процессор: Qualcomm Snapdragon 660

• Объем оперативной / встроенной памяти: 4 Гб / 64 Гб

• Емкость аккумулятора: 3000 мАч

• Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/20 МП

• Слот для карты памяти: нет

Meizu 15 Plus 6/64GB

• Диагональ экрана / разрешение: 5,95 дюйма / 2560×1440

• Вес устройства: 177 г

• Процессор: Samsung Exynos 8895

• Объем оперативной / встроенной памяти: 6 Гб / 64 Гб

• Емкость аккумулятора: 3500 мАч

• Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/20 МП

• Слот для карты памяти: нет

Meizu 16th 6/64GB

• Диагональ экрана / разрешение: 6 дюймов / 2160×1080

• Вес устройства: 152 г

• Процессор: Qualcomm Snapdragon 845

• Объем оперативной / встроенной памяти: 6 Гб / 64 Гб

• Емкость аккумулятора: 3010 мАч

• Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/20 МП

• Слот для карты памяти: нет

Meizu 16 6/64GB

• Диагональ экрана / разрешение: 6 дюймов / 2160×1080

• Вес устройства: 155 г

• Процессор: Qualcomm Snapdragon 710

• Объем оперативной / встроенной памяти: 6 Гб / 64 Гб

• Емкость аккумулятора: 3100 мАч

• Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/20 МП

• Слот для карты памяти: нет

Meizu Note 8 4/64GB

• Диагональ экрана / разрешение: 6 дюймов / 2160×1080

• Вес устройства: 168 г

• Процессор: Qualcomm Snapdragon 632

• Объем оперативной / встроенной памяти: 4 Гб / 64 Гб

• Емкость аккумулятора: 3600 мАч

• Разрешение камер фронтальная / тыльная: 8 МП / двойная 12/5 МП

• Слот для карты памяти: tcnm

Лучшие смартфоны Meizu: рейтинг в 2019

	1 место	2 место	3 место	4 место	5 место
Модель	Meizu 16th	Meizu 15 plus	Meizu 16X	X8	Note 9
ОС	Android 8. 0 + обновление до 9 Pie	Android 7.1.2 + обновление до 9 Pie	Android 8.0 Oreo + обновление до 9 Pie	Android 8.0 + обновление до 9 Pie	Android 9 Pie
Дисплей	Super Amoled, 6”, 2160×1080, 402 ppi	Super Amoled, 5.95”, 2560×1440, 494 ppi	Super Amoled, 6”, 2160×1080, 402 ppi	IPS LCD, 6.2”, 2220×1080, 398 ppi	IPS LCD, 6.2”, 2244×1080, 403 ppi
Процессор	Snapdragon 845 + Adreno 630	Exynos 8895 (10 нм) + Mali-G71 MP20	Snapdragon 710 + Adreno 616	Snapdragon 710 + Adreno 616	Snapdragon 675 + Adreno 612
Память	4/6 Гб ОЗУ + диск 64/128 Гб	6 Гб ОЗУ + диск 64/128 Гб	6 Гб ОЗУ + 64/128 Гб	4/6 Гб ОЗУ + диск 64/128 Гб	4/6 Гб ОЗУ + диск 64/128 Гб
Основная камера	12 + 20 Мп, f/1.8, 1/2.55”, 4-осевая стабилизация	12 + 20 Мп, f/1.8, 1/2.3”, 4-осевая стабилизация	12 Мп, f/1. 8, 1/2.3”, 1.55 мкм, 4-осевая стабилизация + 20 Мп, f/2.6	12 Мп + 5 Мп, f/1.9, 1/2.55”, Dual Pixel	48 Мп, f/1.7, 1/2” + сенсор глубины 5 Мп
Фронтальная камера	20 Мп, f/2	20 Мп, f/2	20 Мп, f/2	20 Мп, f/2	20 Мп, f/2
Аккумулятор	3010 мАч, быстрая mCharge 4 от адаптера 24 Вт	3500 мАч, быстрая зарядка mCharge 4 на 24 Вт	3100 мАч + быстра зарядка	3210 мАч	4000 мАч, быстрая зарядка mCharge 18 Вт
Связь и разъемы	USB Type-C, wi-fi ac, Bluetooth 5.0, выход на наушники 3.5 мм.	USB Type-C, Bluetooth 4.2, Wi-Fi ac, разъем под наушники 3.5 мм	USB Type-C, Bluetooth 5.0, Wi-Fi AC, выход на наушники 3.5 мм	USB Type-C, Bluetooth 5.0, Wi-Fi AC, выход на наушники 3.5 мм	USB Type-C, Bluetooth 5.0, Wi-Fi AC, выход на наушники 3.5 мм
Особенности	Сканер отпечатков под дисплеем, 6-тонова вспышка	Нет	Сканер отпечатков в дисплее	Нет	Нет
Недостатки	Нет NFC, защиты от воды, радио и разъема под карту памяти	Аналогично	Аналогично	Аналогично + быстрая зарядка не заявлена	Аналогично

Взаимное сравнение и эффективность моделей культур кукурузы и их ансамбля для моделирования урожайности в Бразилии

Границы | CERES – модель кукурузы для определения оптимальных сроков посадки раннеспелых сортов кукурузы в Северной Нигерии

Введение

Общее годовое национальное производство кукурузы в Нигерии увеличилось с 0,66 млн тонн в 1978 году до примерно 11,3 млн тонн в 2013 году (FAOSTAT, FAO, 2014). Несмотря на увеличение посевных площадей под кукурузу, урожайность остается довольно низкой. Средняя урожайность кукурузы в Нигерии составила 1,4 тонны ^-1 га в 2013 году по сравнению с 9.5 тонн га ⁻¹ в США и в среднем в мире 5,5 тонн га ⁻¹ (FAOSTAT, FAO, 2013). Основными факторами, ограничивающими урожай кукурузы в Нигерии, являются изначально бедные почвы (Jibrin et al., 2012), частые засухи (Kamara et al., 2009), отсутствие надлежащего соблюдения улучшенных агрономических методов (особенно сроков посадки и плотности посадки). и низкое использование улучшенных вводимых ресурсов, таких как удобрения и семена (Badu-Apraku et al. , 2009). Производство кукурузы в Нигерии первоначально было ограничено производными саваннными и влажными лесами из-за большого количества годовых осадков (Sowunmi and Akintola, 2010).В последние годы для влажных и сухих саванн Нигерии были выведены новые сорта раннеспелой и сверхранней кукурузы из-за коротких периодов выращивания в этих районах (Badu-Apraku et al., 2011). Нигерийские саванны делятся на саванны Гвинеи и саванны Судана. Эта классификация основана на сходстве климатических элементов и типа растительности, которую можно поддерживать (Ogungbile et al., 1998; Sowunmi and Akintola, 2010).

По общему мнению, для увеличения производства кукурузы в нигерийских саваннах методы производства должны быть должным образом спроектированы таким образом, чтобы выдерживать низкие осадки и высокие температуры, характерные для данной зоны (Jibrin et al., 2012). Выращивание адаптируемых сортов кукурузы и выбор оптимальных сроков посадки — это способы повышения урожайности, которые могут принять фермеры. Из-за короткого вегетационного периода желательны раннеспелые и сверхранние сорта кукурузы, устойчивые к засухе (Kamara et al., 2009). Сообщается, что оптимальной датой посадки раннеспелой кукурузы в саваннах Судана и Северной Гвинеи является последняя неделя июня, в то время как сорта экстрараннеспелых сортов высаживаются в первую или вторую неделю июля (Jaliya et al., 2008; Камара и др., 2009). В саваннах Нигерии продолжительность вегетационного периода определяется датой первых дождей и, таким образом, сильно варьируется от года к году. Изменение климата (в основном повышение температуры) привело к сдвигу в начале сезона дождей. В большинстве районов Западной и Центральной Африки постоянно наблюдается задержка начала сезона дождей (Graef and Haigis, 2001; Marteau et al., 2011). Кроме того, продолжительные периоды засухи в начале, середине и конце сезона дождей становятся все более частыми даже в более влажных саваннах Южной и Северной Гвинеи.В результате этих ограничений, неорошаемое сельскохозяйственное производство становится более изменчивым, и фермеры сталкиваются с большими рисками во время производства, в результате чего оптимальное время для всех производственных практик становится все более важным (Staggenborg et al. , 1999). Производителям необходимо знать, в какой степени может быть отложен посев, а также о вероятном снижении урожайности, которое они могут испытать в результате позднего посева.

Рекомендации по срокам посадки кукурузы обычно основаны на агрономических полевых экспериментах, характерных для полей и регионов (Sorensen et al., 2000). Большинство таких испытаний невозможно воспроизвести во времени и в пространстве из-за сезонных колебаний. Определение оптимальных сроков посева кукурузы с помощью полевых экспериментов требует повторения в течение длительных периодов времени, чтобы учесть сезонную изменчивость осадков. Кроме того, данные для одного местоположения бесполезны для другого местоположения из-за различий не только в количестве осадков, но также и в почвенных факторах. Таким образом, инструменты поддержки принятия решений (DST) остаются очень важными диагностическими инструментами для анализа вариантов, связанных с правилами даты посева и другими стратегиями управления урожаем. DST, такие как имитационные модели сельскохозяйственных культур, не широко используются в странах Африки к югу от Сахары из-за недостатка знаний.

Имитационные модели были разработаны как инструменты для поддержки принятия стратегических решений в области исследований, производства, землепользования и политики (Penning de Vries et al., 1993). Эти модели могут использоваться для оценки риска сельскохозяйственного производства как функции изменчивости климата, для оценки регионального потенциала урожайности в широком диапазоне условий окружающей среды, а также для определения внесения удобрений, подходящих сроков посадки и других факторов управления для увеличения урожайности сельскохозяйственных культур (Egli and Брюнинг, 1992; Хант и Боут, 1998; Каур и Хандал, 1999).Существует несколько различных имитационных моделей сельскохозяйственных культур и почв, доступных для имитации роста кукурузы и управления им, таких как симулятор систем сельскохозяйственного производства (APSIM; Keating et al. , 2003), симулятор систем земледелия (CropSyst; Stöckle et al., 2003), эрозия калькулятор воздействия на производительность (EPIC; Jones et al., 1991; Williams, 1995) и систему поддержки принятия решений для передачи агротехнологий (DSSAT; Jones et al., 2003). Модель CERES – кукуруза — это модуль в рамках модели системы земледелия DSSAT (CSM). DSSAT CSM может облегчить оценку влияния различных методов производства на урожайность, скорость роста и потери питательных веществ, а также помогает улучшить наше понимание физиологии сельскохозяйственных культур, генетики, управления почвами и погодных воздействий на урожайность и качество окружающей среды. (Кабрера и др., 2007; Boote et al., 2010). DSSAT CSM использует общие модели C / N почвы и воды, которые объединяют математические уравнения для описания трансформации и потоков различных компонентов почвенного углерода, воды и циклов питательных веществ на суточной или ежечасной основе. В то же время он также предсказывает временные изменения в росте сельскохозяйственных культур, потреблении питательных веществ, использовании воды, конечном урожае, а также других характеристиках растений и продуктах (Boote et al. , 2010). Следовательно, динамический CSM может интегрировать эффекты управления почвами и климата, что позволяет нам прогнозировать влияние на урожайность и качество окружающей среды.

CERES – кукуруза может точно прогнозировать изменчивость урожайности, поглощение N и реакцию роста кукурузы на азот (Pang et al., 1997; Bert et al., 2007), а также оценивать управление азотом на конкретных участках для максимизации чистая прибыль на уровне полей и минимизация воздействия на окружающую среду за счет использования пространственно изменчивых методов управления (Paz et al., 1999; Batchelor et al., 2002; Link et al., 2006; Miao et al., 2006; Thorp et al., 2008) . Gungula et al. (2003) использовали кукурузу CERES для моделирования фенологии кукурузы в условиях стресса азота в Нигерии и показали, что модель может надежно использоваться для прогнозирования фенологии кукурузы только в неограничивающих условиях азота, а затем предположили, что фактор стресса азота необходим для прогнозировать фенологию сельскохозяйственных культур в тропических почвах с низким содержанием азота. Jagtap et al. (1993) сообщили, что модель CERES – кукуруза предсказала урожай зерна, массу стеблей и листьев, а также надземную биомассу в пределах 10% от данных полевых наблюдений, что означает, что встроенные в модель правила разделения являются надежными и адекватными. Soler et al. (2008) использовали модель CERES – проса для определения оптимальных сроков посадки проса в Республике Нигер. Wolf et al. (2015) использовали модель CERES – кукуруза для определения правил посева для оценки потенциальной урожайности сорго и кукурузы на богарных землях в Буркина-Фасо.

Целью данного исследования является калибровка и оценка способности модели CSM – CERES – кукуруза в моделировании урожайности раннеспелых и сверхраннеспелых сортов кукурузы в Саваннах Нигерии и оценка способности модели моделировать урожай кукурузы при различных посевах. финики в контрастных средах.

Материалы и методы

Полевые эксперименты

Для калибровки и оценки модели были проведены две разные серии экспериментов. Для калибровки модели было проведено восемь (8) полевых испытаний в дождливые и засушливые сезоны 2014 и 2015 годов на сельскохозяйственной исследовательской ферме Университета Байеро, Кано (БУК) (11 ° 59′N; 8 ° 25′E; 466 м над уровнем моря). ) и Сельскохозяйственный колледж Оду Бако Дамбатта (12 ° 19 ‘северной широты, 8 ° 31’ восточной долготы, 504 м над уровнем моря).Эксперименты в сухой сезон проводились в условиях орошения с начала марта до начала июня 2014 и 2015 годов, в то время как эксперименты в сезон дождей проводились в условиях неорошаемого полива с дополнительным орошением в период с середины июня до начала октября 2014 и 2015 годов. Однофакторный эксперимент в рандомизированном полном блоке (RCBD) с тремя повторностями. Двадцать сортов кукурузы (только два были использованы в настоящем исследовании из-за популярности и использования в исследуемых районах) были рандомизированы и распределены по участкам, размеры участков составляли шесть гребней (0.75 м между гребнями) каждые 5 м в длину, что составляет 30 м для каждого основного участка ² [(8 × 0,75 м = 6 м) × 5 м]. Посадку производили с интервалом 25 см между насаждениями и 75 см между рядами, высаживали два семени, а затем прореживали до одного насаждения через 2 недели после посева. Удобрения NPK применялись в соответствии с анализом почвы, чтобы гарантировать оптимальную доступность питательных веществ. Подробная информация о почве и погоде для каждого местоположения и сезона была собрана в соответствии с минимальными наборами данных, необходимыми для калибровки модели CERES – кукуруза, как было предложено Джонсом и Кинири (1986).Все данные собирались в двух внутренних рядах, 50 см от каждого конца гребня не учитывались, а все растения внутри использовались в качестве нетто-участка, в результате чего чистый размер участка составлял 6 м ² . Профильные ямы были вырыты до начала экспериментов по определению характеристик почвы в обоих местах. Рефлектометр во временной области (TDR, FieldScout TDR300, Spectrum Technologies, Inc.) использовался для измерения содержания влаги в почве на протяжении всего периода эксперимента; и дополнительное орошение проводилось, когда доступная вода (RAW) была полностью исчерпана, чтобы обеспечить оптимальную доступность влаги.

Вторая серия экспериментов проводилась с целью оценки модели. В 2014 году полевые испытания проводились на 16 фермерских полях в Судане и в Саваннах Северной Гвинеи в Нигерии. Эксперименты проводились в местных органах власти Бункуре, Гарун-Маллам, Тудун-Вада и Лере. Оценочные испытания проводились в условиях, управляемых исследователем, на фермерских полях. Обработки для оценочных испытаний включают один ранний (EVDTW2009STR) и один сверхранний сорт кукурузы (2009TZEEWDTSTR) в четырех разных окнах посадки (начало июня, середина июня, начало июля и середина июля).Посадка производилась 5 июня, 16 июня, 3 июля и 17 июля во всех местах. Рекомендации по оптимальным удобрениям использовались на всех участках, два семени были посеяны с интервалом между рядами 0,25 м, а затем прорежены до одного сеянца на стойбище через 2 недели после посадки. Участки для оценочных испытаний представляли собой восемь гребней (0,75 м друг от друга) и длиной 5 м, что дало популяцию растений из 53 333 растений на га ^-1 . Неукоснительно соблюдались все рекомендованные агрономические приемы для участков.

Педо-климатические условия

В таблице 1 приведены характеристики почв педонов на опытных участках БУК и Дамбатта.Педоны 1 и 2 представляют испытания 2014 и 2015 годов на БУК, а педоны 3 и 4 представляют испытания 2014 и 2015 годов в Дамбатте. Поверхностный горизонт на экспериментальной площадке БУК имел текстуру глинистого песка, от слабокислого до нейтрального pH, с низким содержанием органического углерода и средним уровнем общего азота. Доступный фосфор относился к среднему классу плодородия, в то время как емкость катионного обмена была низкой как в 2014, так и в 2015 году. С другой стороны, поверхностный горизонт на экспериментальной площадке Дамбатта имел текстуру от супеси до суглинистого песка, от умеренно кислого до слабокислого, pH, низкий содержание органического углерода и средний уровень общего азота.Доступный фосфор относился к среднему классу плодородия, в то время как емкость катионного обмена также была низкой как в 2014, так и в 2015 году. Педоны были классифицированы в соответствии с таксономией почв Министерства сельского хозяйства США (Soil Survey Staff, 2014).

Таблица 1 . Физико-химические свойства педонов во время калибровочных экспериментов в сезон дождей и засухи 2014 и 2015 годов на БУК и Дамбатте.

Почвы для участков оценки были аналогичны калибровочным экспериментам. Горизонт Ар для почв в Бункуре имел нейтральный pH 6.6, содержание органического углерода 2,7 г / кг, доступный P 12,72 мг / кг и общий азот 1,78 г / кг. В Гарун-Малламе почвы имели немного более высокий pH (6,62), большее содержание органического углерода (3,0), более высокий доступный P (13,0) и больше общего азота 1,81 г / кг. В северной саванне Гвинеи почвы обоих мест имели нейтральный pH, более высокое содержание органического углерода (3,3 и 3,8 г / кг), более высокие доступные значения P (13,1 и 13,3 г / кг) и большее количество общего азота (1,87 и 1,92). ).

Погодные данные для лет и экспериментальных местоположений показаны на Рисунке 1.Для калибровочных экспериментов данные о погоде были собраны с метеостанций (Watchdog 2000 Series, Spectrum Technologies), прилегающих к обоим экспериментальным площадкам. Однако для оценки и анализа чувствительности погодные данные были получены со станции IITA в Кано и Нигерийского метеорологического агентства (NIMET). Как и ожидалось, большее количество осадков было зарегистрировано в NGS в течение обоих лет, в то время как большее количество осадков было зарегистрировано в 2014 году, чем в 2015 году. На Рисунке 2 показано общее годовое количество осадков за 26 лет (1990–2015 годы) в Суданской Саванне (Бункуре) и Северной Гвинее. Саванна (Заря).

Рисунок 1 . Общее количество осадков, средняя, ​​минимальная и максимальная температура и средняя солнечная радиация для участков калибровки: (A) BUK 2014; (B) Dambatta 2014; (С) БУК 2015; (Д) БУК 2015.

Рисунок 2 . Общее годовое количество осадков за 26 лет (1990–2015 гг.) В Северной Гвинее (Зария) и Суданской саванне (Бункуре).

Измерения растений

Для калибровки модели использовались следующие измерения растений: урожай зерна при созревании, масса ботвы при цветении, масса ботвы при созревании и индекс урожая.В то время как для оценки модели измеряли урожай зерна при сборе урожая, вес ботвы при сборе урожая и вес стебля при цветении. Фенологические исследования во время вегетативной стадии проводили путем ежедневного подсчета внешнего вида шейки листьев для каждого сорта, который использовался при калибровке. Появление кисточек и шелковистость регистрировали, когда кисточки и шелк становились видимыми снаружи на 50% растений каждого участка. Для измерения физиологической зрелости регулярно производился отбор двух початков на делянке, чтобы оценить наличие черных слоев у основания зерен.Для получения надземной биомассы использовался деструктивный метод отбора проб путем отбора проб 1 м ряда из рядов отбора проб на каждой делянке каждые 18 дней. Отобранные растения разделяли на разные части и сушили в печи до постоянного веса, и вес регистрировали. Ручной сбор урожая проводился для определения окончательных размеров урожая. Уборка проводилась в двух средних грядах путем уборки 5 м × два гребня, с расстоянием между гребнями 0,75 см. Затем отобранные растения разделяли на листья, стебли, колосья и шелуху, а затем сушили в печи перед взвешиванием.Влажность ядра определяли путем сбора образцов, их взвешивания, сушки в печи и повторного взвешивания. Для определения среднего количества зерен отбирали по пять растений на делянке (15 на повторность).

Оценка модели CSM – CERES – кукурузы

Калибровка модели

Восемь экспериментов (четыре в двух местах), проведенных в 2014 и 2015 годах, использовались для калибровки модели. Входные данные модели DSSAT включают коэффициенты сорта, данные о погоде (минимальная и максимальная температура, количество осадков и относительная влажность), начальная влажность почвы, органический C, N и неорганические N и P почвы, топография почвы / информация о поверхности, например, уклон. , цвет почвы и подробности управления урожаем (Jones et al., 1994). Основные физиологические процессы (фотосинтез, дыхание, накопление и разделение ассимилятов) в модели CERES – кукуруза регулируются шестью генетическими коэффициентами (Таблица 3), обнаруженными в файле сорта кукурузы (Hoogenboom et al., 2010). Шесть параметров настраиваются пользователем и определяют рост, фенологию и урожайность сорта. Для этой калибровки был принят последовательный подход. Градус-дни (GDD) или термическое время определяют фенологическую фазу развития в моделях CERES – кукуруза.GDD вычисляется на основе суточной максимальной и минимальной температуры (уравнение 1). На некоторых стадиях роста также учитывается длина дня (Jones, Kiniry, 1986; Jones et al., 2003).

Если GDD растет градусо-дней, T _max — максимальная температура, T _min — минимальная температура и T _base — базовая температура ( T _base для кукурузы = 8 ° C ). GDD является кумулятивным и измеряется в ° C день ^-1 .

Из калибровочных опытов; Были оценены P1, P5, G2, G3 и PHINT. В дополнение к коэффициентам сорта, два генетических коэффициента [коэффициент плодородия почвы (SLPF) и эффективность использования излучения (RUE)] также были откалиброваны, чтобы иметь возможность правильно моделировать надземную биомассу и урожай зерна для разных мест и сезонов. SLPF был откалиброван для оптимизации изменчивости почвы по полям, а RUE оптимизировал изменение по сезонам.Калькулятор коэффициентов генотипа (GENCALC) программы DSSAT 4.6 использовался для оценки коэффициентов сорта кукурузы. Статистические данные, использованные для калибровки модели, представляли собой r-квадрат и RMSE, кроме того, для нескольких целей использовалось нормализованное RMSE (RMSEn), потому что трудно использовать только RMSE (Anothai et al., 2008). RMSEn показано в уравнении (2), и оно дает нормализованное значение, которое позволяет усреднить по нескольким характеристическим целевым показателям, обеспечивая единый индекс для их согласия.

Оценка модели

Для оценки модели были использованы 16 экспериментов на фермах.Эксперименты проводились в 16 местах по всему Судану и саваннам Северной Гвинеи в Нигерии. Оценочные эксперименты использовались для проверки оптимизированных параметров, полученных в результате калибровочных экспериментов. Для оценки использовались следующие данные: дни до цветения, дни до физиологического созревания, урожай зерна при сборе урожая, масса стебля при цветении и масса ботвы при сборе урожая. Оценка производительности модели проводилась путем расчета среднеквадратичной ошибки ( RMSE ), эффективности прогнозирования модели ( EF ) и средней ошибки ( E ) на основе предыдущих исследований по оценке модели (Yang and Huffman, 2004).Кроме того, в этом исследовании использовалась статистика индекса согласия ( d ). Статистика d рекомендуется для проведения перекрестных сравнений, когда значение d является относительным и имеет ограниченные меры (Willmott, 1982).

Где — номер измеренного набора данных, S _i — смоделированные данные, м _i — измеренные данные, а m- — среднее значение измеренных данных, Si ′ = Si -m- и mi ′ = mi-m-.

Анализ чувствительности (модельное приложение)

Анализ чувствительности был проведен для проверки влияния различных сроков посадки на урожай кукурузы в двух местах; Бункура в Саванне Судана и Зариа в Саванне Северной Гвинеи. В целом, у Бункуре был более короткий вегетационный период со средним количеством осадков 825 мм и вегетационным периодом 3,5 месяца. Среднее количество осадков в Зарии составляет 1 125 мм при вегетации 5 месяцев. Исторические метеорологические записи (1990–2015 гг.) Были получены из NIMET и использованы для сезонного анализа.Десять сроков посадки были смоделированы с использованием инструмента сезонного анализа DSSAT 4.6. Сроки посадки начинались с 20 мая и повторялись каждые 10 дней до 20 августа. Графики кумулятивной частоты использовались для представления результатов моделирования урожайности за 26 лет. Стабильные средние значения на 26 лет для каждой даты посева, сорта и местоположения были рассчитаны вместе с максимальным и минимальным полученным значением. Кроме того, было рассчитано процентное снижение урожайности для каждой даты посадки, местоположения и сорта.

Результаты

Оценка модели CSM – CERES – кукурузы

Калибровка модели

Специфические для генотипа параметры, полученные в калибровочных экспериментах для двух сортов, представлены в таблице 2. Температурное время от появления всходов до конца ювенильной фазы (P1) для EVDT составляло 205, а для TZEE — 196,1. Расчетное значение P2 (задержка развития на каждый час, когда продолжительность светового дня превышает 12,5 ч) было установлено равным 0,5 для обоих сортов, поскольку оба сорта нечувствительны к свету.Параметры, определяющие доходность (P5, G2 и G3), также были выше для EVDT, чем для TZEE, что позволяет EVDT потенциально иметь более высокую доходность и более длительный срок погашения, чем TZEE. После создания коэффициентов модель была оценена на предмет ее способности имитировать дни до цветения, дни до физиологической зрелости, массу верхушек при цветении, массу верхушек при уборке урожая и урожай зерна при созревании урожая двух сортов. Это было сделано путем сравнения смоделированных переменных модели с фактическими наблюдаемыми переменными из полевых экспериментов и последующего расчета статистических данных.Модель немного переоценила все параметры для обоих сортов, хотя и находилась в приемлемом диапазоне. Вес ботвы в момент цветения и при сборе урожая был недооценен для EVDT (таблица 3). Модель превысила прогнозируемую урожайность зерна при спелости урожая на 212 кг га ^-1 . Превышение прогноза в течение нескольких дней до цветения и физиологической зрелости не соответствовало полному дню. Средняя наблюдаемая урожайность зерна для TZEE в условиях неорошаемого и орошаемого полива составляла 3,883 и 4,018 кг / га ^-1 , соответственно, с более низким RMSE, наблюдаемым при дождевом поливе, чем при орошении (Таблица 4).Для индекса урожая более низкая RMSE наблюдалась при орошении, чем при дождевом. Средняя урожайность зерна EVDT в условиях богарного и орошаемого полива составила 4 989 и 5 216 кг / га ^-1 , соответственно. Аналогичным образом, более низкие значения RMSE и более высокие значения R ² были зарегистрированы для дождевых условий, чем для условий орошения, для урожайности зерна, дней до цветения и дней до созревания. В таблице 5 показаны среднее значение и диапазон для нормализованной среднеквадратичной ошибки (RMSEn) и индекса d для оценки модели с данными временного ряда для кукурузы, выращенной в течение сезонов 2014 и 2015 годов.Средний индекс d, наблюдаемый для TZEE и EVDT, составлял 0,88 и 0,86, соответственно, с более низким RMSEn, зарегистрированным для TZEE. На рисунках 3, 4 показаны линии 1: 1 между смоделированными и наблюдаемыми параметрами калибровки. Для обоих сортов наблюдались лучшие совпадения фенологических переменных по сравнению с признаками урожайности и урожайности. Как правило, для TZEE были зарегистрированы более низкие значения RMSEn, чем для EVDT, но диапазоны для EVDT были шире, чем для TZEE. Для сухой массы стебля и листа индекс d и значения RMSEn были выше для EVDT, чем для TZEE.Как правило, фенологические параметры и параметры урожайности моделировались с большей точностью, чем рост и биомасса.

Таблица 2 . Параметры, специфичные для генотипа используемых сортов кукурузы.

Таблица 3 . Сравнение прогнозируемых (Prd.) И наблюдаемых (Obs.) Средних дней до цветения, дней до физиологической зрелости, максимальной массы при цветении (кг / га ^-1 ), максимальной массы при созревании (кг / га ^-1 ) и урожай зерна при уборке (кг / га ^-1 ) ранней и сверхранней кукурузы ^† .

Таблица 4 . Средние наблюдаемые значения индекса урожая, дней до цветения и урожайности зерна с гектара кукурузы с соответствующими значениями RMSE, r-square и EF, объединенные для 2014 и 2015 годов в орошаемых и богарных условиях.

Таблица 5 . Среднее значение и диапазон для нормализованной среднеквадратичной ошибки (RMSEn) и индекса d для оценки модели с данными временного ряда для кукурузы, выращенной в дождливые и засушливые сезоны 2014 и 2015 годов.

Рисунок 3 . Сравнение наблюдаемых и смоделированных переменных для калибровки TZEE. Сплошные линии представляют соотношение 1: 1, пунктирная линия представляет линейную регрессию, а каждая точка представляет график как для засушливых, так и для дождливых сезонов. (A) дней до расцвета; (B) урожай зерна, (C) максимальный вес в момент созревания, (D) дней до физиологической зрелости, (E) индекс урожая и (F) максимальный вес при созревании.

Рисунок 4 . Сравнение наблюдаемых и смоделированных переменных для калибровки EVDT. Сплошные линии представляют соотношение 1: 1, пунктирная линия представляет линейную регрессию, а каждая точка представляет график как для засушливых, так и для дождливых сезонов. (A) дней до расцвета; (B) урожай зерна, (C) максимальный вес в момент созревания, (D) дней до физиологической зрелости, (E) индекс урожая и (F) максимальный вес при созревании.

Оценка модели

Таблица 6 показывает результат оценки модели, включая статистику оценки для двух разновидностей в обоих местах. Прогноз модели для урожайности зерна с D-индексом и значениями EF 0,93 и 0,94, соответственно, для TZEE во всех точках саванны Судана хорошо соответствовал, тогда как в саванне Северной Гвинеи более низкие значения были зарегистрированы для тех же разновидность (0,85 и 0,86 соответственно). Урожай зерна EVDT также был смоделирован с высокой точностью в обеих средах, причем как D-индекс, так и EF-значения были зарегистрированы выше 0.8. Вес стебля при цветении и вес ботвы при физиологической зрелости также показали хорошие предсказанные и наблюдаемые совпадения с индексом D и значениями EF выше 0,8 во всех случаях, за исключением EVDT в Бункуре, где было зарегистрировано значение индекса D 0,77. В течение дней до цветения значения D-индекса и EF были выше 0,86 в обеих средах, при этом наивысшее значение D-индекса (0,96) было зарегистрировано для EVDT в Zaria, а самое высокое значение EF (0,97) было зарегистрировано для той же среды. разнообразие в одном месте. Значения D-индекса и EF для всех измеренных переменных показали, что наблюдаемые и смоделированные признаки хорошо согласуются друг с другом, что означает, что модель является надежной и точной в измерении как фенологии, так и атрибутов урожайности / урожайности.

Таблица 6 . Статистика оценки моделей для оценочных экспериментов в Саванне Судана и Северной Гвинеи для EVDT и TZEE.

Анализ чувствительности (модельное приложение)

Средняя, ​​максимальная и минимальная смоделированные урожаи зерна из 26-летнего сезонного анализа для различных окон посева показаны в Таблице 7. Когда TZEE был посажен в Бункуре, самый высокий урожай зерна был получен в начале июня. Когда посев был отложен на начало, середину и конец июля, урожайность зерна все еще оставалась в пределах 3 тонн с гектара, при этом самая низкая урожайность зерна была зафиксирована в окне посева в конце июля.Однако для EVDT самый высокий урожай зерна был отмечен при посеве в конце июня, в отличие от TZEE. Посев EVDT в июле дал высокие урожаи зерна (<5200 кг / га). Посадка обоих сортов в начале и середине мая в Бункуре дала минимальную урожайность 0 кг / га, а отсрочка посева до середины и конца августа дала минимальную урожайность зерна в 1254 и 742 кг / га для TZEE и 1906 и 1410 кг / га для EVDT. соответственно. В Зарии, однако, TZEE дал самый высокий урожай зерна (4217 кг / га), когда посев проводился в конце июля.Урожайность выше 4 т / га наблюдалась при всех сроках посадки с середины мая до конца июля. Перенос сроков посева на начало и середину августа привел к значительному снижению урожайности зерна (2 881 и 2557 кг / га соответственно). Посев EVDT в Зарии дал аналогичный ответ на TZEE: самый высокий расчетный урожай зерна составил 6079, произведенный в конце июля. Самая низкая минимальная урожайность зерна (1622 и 1738 кг / га) для TZEE и EVDT наблюдалась при переносе посева на конец августа. Самые высокие максимальные урожаи для обоих сортов (5 050 для TZEE и 6 966 EVDT кг / га) наблюдались при посеве в конце июля.Снижение урожайности только на 15% наблюдалось, когда посев TZEE был отложен с июня по июль в Бункуре, в то время как перенос посадки на август привел к снижению урожайности на 64,5%. Однако в Зарии снижение урожайности между посадками в июле и августе составило 66,9%. Для EVDT отсрочка посадки с июля по август привела к снижению урожайности на 74,4% в Бункуре и 94,3% в Зарии.

Таблица 7 . Результат 26-летнего сезонного анализа с использованием разных окон посадки ранней и сверхранней кукурузы в Бункуре и Зарии.

На рисунках 5A, B, 6A, B показаны графики кумулятивных функций для смоделированных урожаев зерна TZEE и EVDT в Бункуре и Зариа. Графики CF показывают, что для TZEE отсрочка посадки до августа дает урожай ниже 3000 кг / га более 75% времени в Бункуре. Однако для EVDT урожайность ниже 4 тонн наблюдалась при посадке в августе с вероятностью 0,5. Посев TZEE в начале июня и EVDT в конце июля дал самый высокий урожай зерна в Бункуре более 90% времени. В Зари, однако, посадка в начале и середине августа дает низкие урожаи с вероятностью более 80%.Вероятность получения высоких урожаев для TZEE была самой высокой (0,8), когда посадка производилась в конце июля. Самые высокие урожаи зерновых наблюдались для EVDT при посеве в начале июня (вероятность = 0,75). Посев TZEE в середине и конце мая на Бункуре дал нулевой урожай с вероятностью 0,1. Тенденция к нулевому урожаю в результате посева в мае была выше (0,4), когда EVDT был посажен в середине и конце мая в Зарии.

Рисунок 5 . Графики кумулятивной функции для моделирования урожайности зерна TZEE в Bunkure (A) и Zaria (B) .

Рисунок 6 . Графики кумулятивной функции для моделирования урожайности зерна EVDT в Bunkure (A) и Zaria (B) .

Обсуждения

Рекомендации по срокам посева кукурузы в Нигерии обычно основываются на местных знаниях. Рекомендации сделаны на основе крупномасштабных экспериментов по возделыванию сельскохозяйственных культур, проведенных в разных регионах (NAERLS, 2013). В большинстве случаев одна и та же дата посева рекомендуется для нескольких лет и в нескольких местах без учета сезонных и пространственных изменений.Фермеры также рискуют, сажая при первых же дождях из-за неопределенности продолжительности дождя в саваннах Нигерии. Wolf et al. (2015) предположили, что правила посева в странах Африки к югу от Сахары должны предусматривать временное окно, которое составляет не более 40 дней вокруг приблизительной предполагаемой наилучшей даты посева. Рекомендуемый срок посева кукурузы в Нигерии — с начала до середины июня как в SS, так и в NGS (NAERLS, 2013). Результаты нашего исследования показывают, что существуют различия между сортами и местоположениями в отношении лучших сроков посева.На локации влияют агроэкологические зоны.

Тесное соответствие между наблюдаемыми и смоделированными переменными как для калибровочных, так и для оценочных экспериментов означает, что модель может использоваться для прогнозирования характеристик этих двух разновидностей в различных средах в Саваннах в Нигерии. Результаты моделирования привели к высоким значениям D-индекса, RMSE и EF для всех обработок и мест и для всех тестируемых переменных, что указывает на то, что эффективность и надежность модели вполне адекватны и модель может использоваться в исследуемых средах. .В модели CERES – кукуруза сроки цветения и созревания контролировались коэффициентами P1 и P5 в файле генотипа. Точное предсказание фенологии наблюдалось из-за близкого соответствия между наблюдаемыми и смоделированными днями появления кисточек и днями физиологической зрелости для калибровочных экспериментов. Точное прогнозирование фенологии кукурузы является наиболее важным этапом калибровки модели (Archontoulis et al., 2014). После точной калибровки фенологии ожидается, что модели смогут уловить все генотипические вариации, которые влияют на развитие площади листьев, производство биомассы и урожай зерна (Robertson et al., 2002). На урожайность зерна влияет перехват радиации растительным покровом, эффективностью использования радиации (RUE) и индексом урожая (Lee and Tollenaar, 2007). Pantazi et al. (2016) предположили, что прогноз урожайности при моделировании сельскохозяйственных культур является наиболее важной переменной для улучшения управления растениеводством. Тесное совпадение наблюдаемой и смоделированной урожайности зерна как в калибровочных, так и в оценочных экспериментах можно объяснить точным измерением G2 и G3, а также корректировками, внесенными в SLPF и RUE в файлах культурных сортов модели CERES – кукуруза.Высокое согласие между наблюдаемыми и смоделированными значениями для оценочных экспериментов показывает, что модель является надежной и достаточно точной, чтобы иметь более широкое применение в исследуемой экологии. Результат оценочных испытаний с использованием разных сроков посадки показывает, что сверхранние сорта кукурузы давали более высокие урожаи при посеве в начале июня в SS и в середине и конце июля в NGS.

Результат как сезонного анализа, так и анализа чувствительности показывает, что вариация урожайности для разных проверенных сроков посева была очень высокой.Когда моделировались более ранние (середина и конец мая) и более поздние (начало и середина августа) даты, наблюдались более высокие вариации урожайности. Это показатель того, что ранний посев, который является нормой для фермеров в нигерийских саваннах, не только рискован, но и может привести к значительному снижению урожайности кукурузы. Кроме того, ранняя посадка в начале сезона дождей довольно рискованна, так как в большинстве случаев за ранними дождями следуют длительные засушливые периоды, которые могут привести к полному неурожаю. Поздний посев также приводит к более высокому снижению урожайности и может привести к полному неурожаю.Поздний посев приводит к снижению урожайности из-за неспособности посевов к созреванию, если дожди прекращаются раньше, чем закончился посевной сезон. Это также пагубно скажется на конечном урожае зерна (Lauer, 1998; Jibrin et al., 2012). В нигерийских саваннах сезон дождей начинается в конце июня и заканчивается в октябре. Поздняя гальваника в августе не позволит растениям завершить жизненный цикл до окончания сезона дождей. Поэтому посевы кукурузы, посеянные в августе, будут испытывать серьезный стресс засухи на стадии цветения, что имеет решающее значение для урожайности кукурузы.Высокие урожаи, наблюдаемые при посеве в середине и конце июля, означают, что фермеры, выращивающие кукурузу в Саваннах Судана и Северной Гвинеи, могут получать достаточно высокие урожаи в сезоны, когда наблюдается задержка установления количества осадков. Для ранних сортов более высокая урожайность наблюдалась при посеве в конце июня в SS и в середине-конце июля в NGS. Это явное указание на то, что ранние и сверхранние сорта можно высаживать в местах, где наблюдается задержка начала сезона дождей. Задержка с выпадением осадков становится распространенной в нигерийских саваннах, поэтому результаты сезонного анализа показывают, что ранний и сверхранний посев кукурузы лучше всего отложить до первой или второй недели июля в обеих саваннах.Результат этой работы согласуется с выводами Kamara et al. (2009), которые сообщили о более высоком урожае кукурузы в Суданской саванне, хотя и на других почвах, когда посев был отложен до начала и середины июля. Также Jibrin et al. (2012) сообщили, что модель CERES – кукуруза предсказывала снижение урожайности зерна с отсрочкой даты посева до начала августа, за исключением TZB-SR в Азире, Северо-Восточная Нигерия в 2006 году, где посев 13 июля дал более высокий урожай, чем посев 29 июня. Причина различного отклика на сроки посева кукурузы может быть связана с изменением сроков созревания.Сверхранние и ранние сорта завершают свой жизненный цикл раньше, поэтому есть возможность отложить посадку, особенно в саванне Северной Гвинеи. Джалия и др. (2008) сделали аналогичные выводы из полевых испытаний с разными сортами созревающей кукурузы, они сообщили, что посев с середины июня до конца июля как в Судане, так и в саваннах Северной Гвинеи приводит к высоким урожаям кукурузы. Они также сообщили, что, когда ранняя посадка выполняется до надлежащего установления дождей, может наблюдаться низкая популяция, а также низкая жизнеспособность / укоренение растений, это может привести к снижению урожайности.Поздняя посадка приводит к цветению, совпадающему с прекращением дождей, что может привести к уменьшению количества зерен / початков и резкому снижению конечного урожая.

Заключение

Способность кукурузы CERES обоснованно прогнозировать фенологию, урожайность зерна и вес сортов, использованных в этом исследовании, свидетельствует о его полезности в качестве инструмента поддержки решений для исследователей кукурузы и специалистов по распространению сельскохозяйственных знаний в регионах саванны в Нигерии. Модель предполагает, что как ранние, так и экстраранние сорта дают более высокую урожайность при посеве в середине-конце июня в SS и в середине-конце июля в NGS.В то время как оба сорта дают более высокую урожайность при посеве в середине-конце июля на NGS. Задержка с посевом до августа может привести к значительному снижению урожайности. Как в SS, так и в NGS посадка в мае и августе довольно рискованна и может привести к полному неурожаю.

Авторские взносы

AA провел большую часть полевых экспериментов, а также моделирования в этой публикации в рамках своих магистерских и докторских исследований. Он отвечал за большую часть подготовки рукописи и является ведущим автором.JJ является главным руководителем AA, и он помогал в глубоком понимании как экспериментальных, так и смоделированных результатов. Он помог в подготовке рукописи и внес важный вклад в информацию о почве и погоде. АК также является членом надзорной группы. Он внес важный вклад в понимание результатов экспериментальных и смоделированных результатов. Он также помог в подготовке рукописи и дал более глубокое понимание результатов анализа чувствительности. BA был вовлечен в управление полями, сбор данных, анализ почвы, а также создание и ввод данных о погоде.Он отвечал за большую часть информации о почве и погоде, использованной в исследовании. AS помогал в управлении полями, анализе данных и графике. Он также помогал запускать инструменты, отвечающие за генерацию генетических коэффициентов, используемых в исследовании. IG также принимала участие в сборе полевых данных и проведении моделирования. Он также помогал в подготовке рукописи и создании графиков.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы хотим поблагодарить технических специалистов Центра сельского хозяйства в засушливых районах Университета Байеро в Кано за их приверженность и поддержку в сборе данных и общем управлении испытаниями. Мы также хотим отметить финансовую поддержку Международного центра улучшения кукурузы и пшеницы (CIMMYT), предоставленную в рамках инициативы MAIZE (грант №: A4032.09.12). Мы также признательны за финансовую поддержку со стороны Международного института тропического сельского хозяйства (IITA) в рамках проекта «Поддержка сельскохозяйственных исследований для создания стратегических сельскохозяйственных культур» (SARD-SC).Благодарим технический персонал отдела почвоведения БУК за проведение анализа почвы и предоставление информации о погоде.

Список литературы

Анотай, Дж., Патанотай, А., Джоглой, С., Паннангпетч, К., Бут, К. Дж., И Хугенбум, Г. (2008). Последовательный подход к определению коэффициентов сорта линий арахиса с использованием данных испытаний урожайности в конце сезона. Field Crops Res. 108, 169–178. DOI: 10.1016 / j.fcr.2008.04.012

CrossRef Полный текст | Google Scholar

Архонтулис, С.В., Мигес, Ф. Э., Мур, К. Дж. (2014). Методология и инструмент оптимизации для калибровки фенологии короткодневных видов, включенных в модель APSIM PLANT: приложение для сои. Environ. Modell. Софтв. 62, 465–477. DOI: 10.1016 / j.envsoft.2014.04.009

CrossRef Полный текст | Google Scholar

Баду-Апраку Б., Факореде М. А. Б., Лум А. Ф. и Акинвале Р. (2009). Повышение урожайности и других характеристик ранней кукурузы в стрессовых и нестрессовых условиях. Агрон. J. 101, 381–389. DOI: 10.2134 / agronj2008.0089x

CrossRef Полный текст | Google Scholar

Баду-Апраку, Б., Оекунле, М., Акинвале, Р. О., и Фонтем Лум, А. (2011). Сочетание способности скороспелых инбредов белой кукурузы в стрессовой и нестрессовой среде. Агрон. J. 103, 544–557. DOI: 10.2134 / agronj2010.0345

CrossRef Полный текст | Google Scholar

Бэтчелор В. Д., Бассо Б. и Паз Дж. О. (2002). Примеры стратегий анализа пространственной и временной изменчивости урожайности с использованием моделей сельскохозяйственных культур. евро. J. Agron. 18, 141–158. DOI: 10.1016 / S1161-0301 (02) 00101-6

CrossRef Полный текст | Google Scholar

Берт, Ф. Э., Ласиана, К. Э., Подеста, Г. П., Саторре, Э. Х. и Менендес, А. Н. (2007). Чувствительность смоделированной урожайности кукурузы ЦЕРЕС к неопределенности свойств почвы и суточной солнечной радиации. Сельское хозяйство. Syst. 94, 41–150. DOI: 10.1016 / j.agsy.2006.08.003

CrossRef Полный текст | Google Scholar

Boote, K. J., Jones, J. W., Хугенбум, Дж., И Уайт, Дж. У. (2010). Роль моделирования систем растениеводства в сельском хозяйстве и окружающей среде. Внутр. J. Agric. Environ. Поставить в известность. Syst. 1, 41–54. DOI: 10.4018 / jaeis.2010101303

CrossRef Полный текст | Google Scholar

Кабрера В. Э., Джагтап С. С. и Хильдебранд П. Э. (2007). Стратегии ограничения (минимизации) выщелачивания азота на молочных фермах, основанные на сезонных климатических прогнозах. Сельское хозяйство. Экосист. Environ. 122, 479–489. DOI: 10.1016 / j.agee.2007.03.005

CrossRef Полный текст | Google Scholar

Эгли Д. Б. и Брюнинг В. (1992). Дата посадки и урожай сои: оценка воздействия на окружающую среду с помощью имитационной модели урожая: SOYGRO. Сельское хозяйство. Для. Meteorol. 62, 19–29. DOI: 10.1016 / 0168-1923 (92)

-M

CrossRef Полный текст | Google Scholar

ФАО (2013 г.). Годовой отчет о производстве . Рим: Продовольственная и сельскохозяйственная организация Объединенных Наций.

ФАО (2014). Годовой отчет о производстве . Рим: Продовольственная и сельскохозяйственная организация Объединенных Наций.

Graef, F., и Haigis, J. (2001). Пространственная и временная изменчивость количества осадков в Сахеле и ее влияние на стратегии управления фермерами. J. Arid Environ. 48, 221–231. DOI: 10.1006 / jare.2000.0747

CrossRef Полный текст | Google Scholar

Гунгула, Д. Т., Клинг, Дж. Г., и Тогун, А. О. (2003). CERES-кукуруза: прогнозы фенологии кукурузы в условиях азотного стресса в Нигерии. Агрон. J. 95, 892–899. DOI: 10.2134 / agronj2003.0892

CrossRef Полный текст | Google Scholar

Hoogenboom, G., Jones, J. W., Wilkens, P. W., Porter, C.H., Hunt, L.A., Boote, K.J., et al. (2010). Система поддержки принятия решений для передачи агротехнологий (DSSAT), версия 4.5.0.43 [CD-ROM] . Гонолулу: Гавайский университет.

Хант, Л. А., и Боут, К. Дж. (1998). «Данные для работы модели, калибровки и оценки», в Понимание вариантов сельскохозяйственного производства , ред.Y. Tsuji, G. Hoogenboom и P. K. Thornton (Kluwer Academic Publishers, Нидерланды). 9–39. DOI: 10.1007 / 978-94-017-362-4_2

CrossRef Полный текст | Google Scholar

Джагтап, С.С., Морну, М., и Канг, Б.Т. (1993). Моделирование роста, развития и урожайности кукурузы в переходной зоне Нигерии. Сельское хозяйство. Syst. 41, 215–229. DOI: 10.1016 / 0308-521X (93) -9

CrossRef Полный текст | Google Scholar

Джалия, М. М., Фалаки, А. М., Махмуд, М., и Сани, Ю.А. (2008). Влияние срока посева и нормы внесения NPK удобрений на урожайность и компоненты урожая качественной белковой кукурузы ( Zea mays L.). J. Agric. Биол. Sci. 3, 23–29.

Google Scholar

Джибрин, М. Дж., Камара, А. Ю., и Пятница, Е. (2012). Моделирование даты посадки и влияния сорта на производство кукурузы в засушливых районах с использованием модели кукурузы CERES. Afr. J. Agric. Res. 7, 5530–5536. DOI: 10.5897 / AJAR12.1303

CrossRef Полный текст | Google Scholar

Джонс, К.А., Дайк, П. Т., Уильямс, Дж. Р., Кинири, Дж. Р., Бенсон, В. В., и Григгс, Р. Х. (1991). EPIC: операционная модель для оценки устойчивости сельского хозяйства. Сельское хозяйство. Syst. 37, 341–350. DOI: 10.1016 / 0308-521X (91)

-H

CrossRef Полный текст | Google Scholar

Джонс, К. А., и Кинири, Дж. Р. (1986). ЦЕРЕС-кукуруза: имитационная модель роста и развития кукурузы . Колледж-Стейшн, Техас: Издательство Техасского университета A&M.

Google Scholar

Джонс, Дж.W., Hoogenboom, G., Porter, C.H., Boote, K.J., Batchelor, W.D., Hunt, L.A., et al. (2003). Модель системы земледелия DSSAT. евро. J. Agron. 18, 235–265. DOI: 10.1016 / S1161-0301 (02) 00107-7

CrossRef Полный текст | Google Scholar

Джонс, Дж. У., Хант, Л. А., Хугенбум, Г., Годвин, Д. К., Сингх, Ю., Цуджи, Г. Ю., и др. (1994). «Входные и выходные файлы», в DSSATv3, Vol 2-1 , ред. Г. Ю. Цуджи, Г. Хугенбум и П. К. Торнтон (Гонолулу: Гавайский университет), 3–9.

Камара, А. Ю., Пятница, Э., Дэвид, К., и Лаки, О. (2009). Дата посадки и влияние сорта на урожай кукурузы в засушливых районах. Агрон. J. 101, 91–98. DOI: 10.2134 / agronj2008.0090

CrossRef Полный текст | Google Scholar

Каур П. и Хандал С. С. (1999). Прогнозирование роста и урожайности арахиса ( Arachis hypogaea ) с помощью динамической имитационной модели «PNUTGRO» в условиях Пенджаба. J. Agri. Sci. 133, 167–173. DOI: 10.1017 / S002185969

96

CrossRef Полный текст | Google Scholar

Китинг, Б.A., Carberry, P. S., Hammer, G. L., Probert, M. E., Robertson, M. J., Holzworth, D., et al. (2003). Обзор APSIM, модели, разработанной для моделирования сельскохозяйственных систем. евро. J. Agron. 18, 267–288. DOI: 10.1016 / S1161-0301 (02) 00108-9

CrossRef Полный текст | Google Scholar

Ли, Э. А., и Толленаар, М. (2007). Физиологические основы успешной селекционной стратегии по урожайности зерна кукурузы. Crop Sci. 47, S202 – S215. DOI: 10.2135 / cropci2007.04.0010IPBS

CrossRef Полный текст | Google Scholar

Линк, Дж., Graeff, S., Batchelor, W. D., and Claupein, W. (2006). Оценка экономического и экологического воздействия политики выплат экологической компенсации при единообразном и переменном регулировании азота. Сельское хозяйство. Syst. 91, 135–153. DOI: 10.1016 / j.agsy.2006.02.003

CrossRef Полный текст | Google Scholar

Марто, Р., Султан, Б., Морон, В., Альхассан, А., Барон, К., и Траоре, С. Б. (2011). Начало сезона дождей и посевная стратегия фермера для выращивания жемчужного проса на юго-западе Нигера. Сельское хозяйство. Для. Meteorol. 151, 1356–1369. DOI: 10.1016 / j.agrformet.2011.05.018

CrossRef Полный текст | Google Scholar

Мяо, Ю., Мулла, Д. Дж., Бэтчелор, В. Д., Паз, Дж. О., Роберт, П. К., и Виберс, М. (2006). Оценка оптимального уровня азота в зоне управления с помощью модели роста сельскохозяйственных культур. Агрон. J. 98, 545–553. DOI: 10.2134 / agronj2005.0153

CrossRef Полный текст | Google Scholar

NAERLS (2013). Исследование показателей сельского хозяйства в дождливый сезон 2012 г. в Нигерии. Национальная служба распространения сельскохозяйственных знаний и исследований. Федеральное министерство сельского хозяйства и развития сельских районов Университет Ахмаду Белло, Зария. Нигерия.

Огунгбиле А.О., Табо Р., Ван Дуйвенбоден Н. и Дебрах С.К. (1998). Анализ ограничений для сельскохозяйственного производства в зоне саванны Судана в Нигерии с использованием многомасштабной характеристики. Neth. J. Agric. Sci. 46, 27–38.

Google Scholar

Панг, X. П., Летей, Дж., И Ву, Л.(1997). Прогнозирование урожайности и поглощения азота с помощью модели кукурузы CERES в полузасушливых условиях. Почвоведение. Soc. Являюсь. J. 61, 254–256. DOI: 10.2136 / sssaj1997.03615995006100010035x

CrossRef Полный текст | Google Scholar

Пантази, X. Э., Мошу, Д., Александридис, Т., Веттон, Р. Л., и Муазен, А. М. (2016). Прогнозирование урожайности пшеницы с использованием машинного обучения и передовых методов зондирования. Вычисл. Электр. Agric. 121, 57–65. DOI: 10.1016 / j.agrformet.2011.05.018

CrossRef Полный текст | Google Scholar

Паз, Дж. О., Бэтчелор, У. Д., Бэбкок, Б. А., Колвин, Т. С., Логсдон, С. Д., Каспар, Т. К. и др. (1999). Модельный метод определения азота с переменной нормой для кукурузы. Сельское хозяйство. Syst. 61, 69–75. DOI: 10.1016 / S0308-521X (99) 00035-9

CrossRef Полный текст | Google Scholar

Пеннинг де Фрис, Ф. В. Т., Тенг, П., и Метселер, К. (1993). Системные подходы к развитию сельского хозяйства .Дордрехт: Kluwer Academic Publishers. DOI: 10.1007 / 978-94-011-2842-1

CrossRef Полный текст | Google Scholar

Робертсон, М. Дж., Карберри, П. С., Хут, Н. И., Терпин, Дж. Э., Проберт, М. Е., Поултон, П. Л. и др. (2002). Моделирование роста и развития различных видов бобовых в APSIM. Aust. J. Agric. Res. 53, 429–446. DOI: 10.1071 / AR01106

CrossRef Полный текст | Google Scholar

Почвоведение. (2014). Ключи к таксономии почв, 11-е изд. .Вашингтон, округ Колумбия: Служба охраны природных ресурсов Министерства сельского хозяйства США.

Солер, К.М.Т., Маман, Н., Чжан, X., Мейсон, С.С., и Хугенбум, Г. (2008). Определение оптимальных сроков посадки жемчужного проса для двух контрастирующих сред с использованием метода моделирования. J. Agric. Sci. 146, 445–459. DOI: 10.1016 / j.agrformet.2011.05.018

CrossRef Полный текст | Google Scholar

Соренсен И., Стоун П. и Роджерс Б. (2000). Влияние сроков посева на урожайность гибрида короткослойной и длинноплодной кукурузы. Proc. Агрон. Soc. Н.З. 30, 63–66.

Google Scholar

Совунми, Ф. А., Акинтола, Дж. О. (2010). Влияние климатической изменчивости на производство кукурузы в Нигерии. Res. J. Environ. Науки о Земле. 2, 19–30.

Google Scholar

Стаггенборг, С. А., Фьелл, Д. Л., Девлин, Д. Л., Гордон, В. Б., Мэддакс, Л. Д., и Марш, Б. Х. (1999). Выбор оптимальных сроков посадки и популяций растений для кукурузы в засушливых районах Канзаса. J. Prod. Agric. 12, 85–90. DOI: 10.2134 / jpa1999.0085

CrossRef Полный текст | Google Scholar

Штёкле, К. О., Донателли, М., и Нельсон, Р. (2003). CropSyst, имитационная модель системы земледелия. евро. J. Agron. 18, 289–307. DOI: 10.1016 / S1161-0301 (02) 00109-0

CrossRef Полный текст | Google Scholar

Торп, К. Р., ДеДжонге, К. К., Калейта, А. Л., Бэтчелор, В. Д., и Паз, Дж. О. (2008). Методология использования моделей DSSAT для поддержки принятия решений в области точного земледелия. Вычисл. Электрон. Agric. 64, 276–285. DOI: 10.1016 / j.compag.2008.05.022

CrossRef Полный текст | Google Scholar

Уильямс, Дж. Р. (1995). «Модель EPIC», в Компьютерные модели гидрологии водоразделов , изд. В. П. Сингх (Highlands Ranch, CO: Water Resources Publications), 909–1000.

Google Scholar

Уиллмотт, К. Дж. (1982). Некоторые комментарии по оценке производительности модели. Бык. Являюсь. Meteorol. Soc. 63, 1309–1313.DOI: 10.1175 / 1520-0477 (1982) 063 <1309: SCOTEO> 2.0.CO; 2

CrossRef Полный текст | Google Scholar

Вольф, Дж., Уаттара, К., и Супит, И. (2015). Правила посева для оценки потенциальной урожайности сорго и кукурузы на богарных землях в Буркина-Фасо. Сельское хозяйство. Для. Meteorol. 214–215, 208–218. DOI: 10.1016 / j.agrformet.2015.08.262

CrossRef Полный текст | Google Scholar

Янг, Дж. Й., и Хаффман, Э. К. (2004). EasyGrapher: программное обеспечение для графической и статистической проверки результатов DSSAT. Вычисл. Электрон. Agric. 45, 125–132. DOI: 10.1016 / j.compag.2004.06.006

CrossRef Полный текст | Google Scholar

ЦЕРЕС-кукуруза — DSSAT.net

Кукуруза ( Zea mays L.) — наиболее производимая зерновая культура в мире. По данным ФАО, фермеры, выращивающие кукурузу, произвели в среднем (2014–2016 гг.) 1,04 миллиарда тонн зерна, собранного на несколько более чем 185 миллионах га, при средней мировой урожайности 5,6 т / га.

Первый раз DSSAT был выпущен в 1989 году, он включал четыре модели культур: ЦЕРЕС-кукуруза (Джонс и Кинири, 1986), ЦЕРЕС-пшеница (Ритчи и Оттер, 1985), СОЙГРО (Вилкерсон и др., 1983) и PNUTGRO (Boote et al., 1989). Несмотря на более чем 30-летний период своего существования, CERES-Maize продолжает оставаться наиболее широко используемой моделью кукурузы во всем мире и остается материнским семенем для других моделей кукурузы, в том числе в APSIM (Keating et al., 2003) и CSM-IXIM (Lizaso и др., 2011). Подробный обзор семейства моделей CERES, включая CERES-Maize, доступен у Basso et al. (2016).

Список литературы

Бассо, Б., Л. Лю, Дж. Т. Ричи.2016. Всесторонний обзор характеристик моделей CERES-пшеница, кукуруза и рис. Успехи в агрономии 136: 27-132.

Boote, K.J., J.W. Джонс, Г. Хугенбум, Г. Вилкерсон и С.С.Ягтап. 1987. PNUTGRO V1.0: Имитационная модель роста урожая арахиса. Руководство пользователя. Журнал сельскохозяйственной экспериментальной станции Флориды № 8420. Университет Флориды, Гейнсвилл, Флорида.

Джонс, К.А., и Дж. Р. Кинири (ред.). 1986. CERES-Maize: Имитационная модель роста и развития кукурузы.Texas A&M Univ. Пресса, Колледж-Стейшн.

Китинг Б.А., П.С. Карберри, Г.Л. Хаммер и др. 2003. Обзор APSIM, модели, разработанной для моделирования сельскохозяйственных систем. Европейский журнал агрономии , 18, 267–288.

Lizaso, J.I., K.J. Boote, J.W. Джонс, К. Портер, Л. Эчарт, М.Е. Вестгейт, Г. Сонохат. 2011. CSM-IXIM: Новая имитационная модель кукурузы для DSSAT версии 4.5. Агрономический журнал 103: 766-779.

Ричи, Дж. Т. и С. Оттер. 1985 г.Описание и характеристики CERES-Wheat: ориентированная на пользователя модель урожайности пшеницы. п. 159–175. В проекте по урожайности пшеницы ARS. АРС-38. Natl. Tech. Инф. Serv., Спрингфилд, Вирджиния.

Wilkerson, G.G., J.W. Джонс, К.Дж. Бут, К. Инграм и Дж. Мишо. 1983a. Моделирование роста сои для управления. Транзакции ASAE 26 (l): 63-73.

Тестирование и улучшение моделей кукурузы в DSSAT: развитие, рост, урожай и поглощение азота

Основные моменты

•

Модели кукурузы DSSAT, CSM-CERES и CSM-IXIM, были оценены в условиях высокой урожайности.

•

Были изучены развитие сельскохозяйственных культур, рост, урожайность зерна и поглощение азота.

•

CERES лучше моделирует конечную биомассу и урожай зерна. IXIM более точно моделировал поглощение N и концентрацию азота в зернах.

•

Альтернативная процедура оценки потребности сельскохозяйственных культур в азоте как функции роста улучшила моделирование IXIM биомассы, урожайности зерна и поглощения азота.

•

Новая процедура была разработана для повышения концентрации азота в зерне в IXIM.

Реферат

DSSAT (Система поддержки принятия решений для передачи агротехнологии) — это наиболее широко используемый пакет моделей для характеристики роста, развития, урожайности и поглощения азота несколькими видами сельскохозяйственных культур. Цели этого исследования заключались в следующем: 1) оценить производительность моделей кукурузы ( Zea mays L.) CSM – CERES и CSM-IXIM, доступных в DSSAT версии 4.5, при моделировании условий высокой урожайности, 2) испытать IXIM Модель с альтернативным подходом к оценке спроса на азот в сельскохозяйственных культурах, основанная на Plénet and Lemaire (2000), и 3) с этим альтернативным подходом, исследуют некоторые варианты моделирования концентрации азота в зерне.Две модели были оценены с использованием данных, собранных на двух экспериментальных полях в Альмаселесе, Испания, в течение трех лет подряд при различных обработках азота, сочетающих удобрения и обработку остатков. Обработка удобрений включала две дозы минеральных удобрений: 300 кг N га ^-1 (N300) вместе с контролем, не содержащим азота (N0). Остатки урожая были либо удалены (R), либо включены (I). Урожайность зерна на полях (влажность 14%) варьировала в зависимости от внесения азотных удобрений от 11 до 20 Мг / га ^-1 .В наших условиях орошаемой кукурузы с высокой урожайностью обе модели смогли точно имитировать урожай зерна и биомассу со среднеквадратичной среднеквадратичной среднеквадратической средой 9,5 и 11,4% для CERES и 14,9 и 14,3% для IXIM соответственно. Оценки поглощения N также были точными, с RRMSE 12,0 и 8,6% для CERES и IXIM. Модель IXIM с альтернативным подходом к оценке потребности сельскохозяйственных культур в азоте имитировала урожай зерна и поглощение азота культурой лучше, чем модель IXIM с текущим подходом, основанным на Jones (1983). RMSE была снижена на 22% для урожая и на 55% для биомассы, в то время как моделируемое поглощение N снизило RMSE на 12%.С помощью этого альтернативного подхода лучшие модели N зерна были получены с модификацией функции Ciampitti and Vyn (2013).

Ключевые слова

DSSAT

CSM-CERES

CSM-IXIM

Урожайность кукурузы