Введение

Уральский сад лечебных культур имени профессора Л.И. Вигорова уникальный объект, главной задачей которого является выращивание разнообразных культур с высоким содержанием биологически активных веществ. Спустя долгие годы работы в саду, была собрана огромная коллекция плодовых и ягодных растений, где особенно много уникальных сортов яблони домашней (Malus domestica Borkh.).

Важной задачей современного садоводства является сохранение богатого генофонда отечественных сортов плодовых культур, которые обладают приспособленностью к климатическим условиям конкретного региона и выражается в таких характеристиках как зимостойкость, устойчивость к засухе и резким перепадам температур, а также урожайности в зимний, летний или осенний период.

Цель

Изучить особенности фенологического развития сортов яблони домашней в условиях Урала и оценить зависимость срока наступления фенофазы начало цветения от природно-климатических факторов.

Задачи

  1. Изучение литературных источников по исследуемой теме.
  2. Охарактеризовать объект и район исследования.
  3. Проанализировать полученные даные фенологических и метеорологических наблюдений в течение вегетационных периодов 2022-2024 гг.
  4. Установить корреляционные зависимости между фенофазами и климатическими показателями за 2022-2024 гг. на примере фенофазы - зацветание и климатических данных - температура и осадки.

Район исследовния

Район исследований расположен на территории Свердловской области, город Екатеринбург. Протяженность области с севера на юг составляет 660 км, а с запада на восток 560 км.

Область находится в умеренном климатическом поясе. Климат умеренно континентальный. Температура воздуха увеличиваются с севера на юг. Средняя температура января от –16 до –20ºС, июля 16–19ºС. Выпадение осадков увеличивается с юга на северо-запад и среднее значение составляет 350–600 мм в год. Большая часть осадков выпадает в осенний период.

По почвенно-климатическим условиям Свердловская область делится на четыре природные зоны: горно-лесную, лесную, лесолуговую и лесостепную. Преобладают следующие разновидности почв: подзолистые, дерново-подзолистые, темно-серые.

Исследования проводились на территории Уральского сада лечебных культур имени профессора Л.И. Вигорова (УСЛК) на двух территориях – УСЛК-1 и УСЛК-2 в 2022-2024 годах.

Географическое положение района исследований

Уральский сад лечебных культур имени профессора Л.И. Вигорова

Карта зеленых насаждений УСЛК-1

Краткая характеристика рода Malus

Систематическое положение: семейство розоцветные (Rosales), подсемейство яблоневые (Maloideae), род яблоня (Malus Mill.).К подсемейству яблоневые (Maloideae) относятся листопадные или вечнозеленые деревья и кустарники.

Яблоня (Malus Mill.) – род деревьев и кустарников, представленный более 40 видами. Произрастает в умеренном и субтропическом климате и является одной из важнейших плодовых культур. Тип ветвления зависит от того, в какой стадии растение находится: до вступления в фазу плодоношения ветвление моноподиальное, а после начала плодоношения смешанный тип ветвления – моноподиальный и симподиальный. Побеги могут быть с колючками. Прикрепление листа к стеблю черешковое. Листья простые, яйцевидные, овальные или продолговатые. Верхушка округлая или заострённая. Край листа бывает цельнокрайный, волнистый, пильчатый. Жилкование перисто-сетчатое. На листовом рубце три листовых следа. Цветки в полузонтиках или щитках. Окраска цветков белая, розовая, красноватая. Цветение начинается вскоре после появления листьев. Плоды яблоковидные, сладкие или кисло-сладкие, имеют питательное и лечебное значение. В плодах содержаться сахара, органические кислоты (в т.ч. яблочная), витамины С, группы В, каротин. Размножается яблоня семенами, дает поросль от пня, бывают корневые отпрыски. Садовые сорта размножают прививкой. Доживает до 300 лет.

Наиболее распространёнными видами яблони (Malus) являются: яблоня лесная (Malus sylvestris Mill.), яблоня ягодная (Malus baccata (L.) Borkh) и яблоня домашняя (Malus domestica Borkh).

Яблоня домашняя (Malus domestica Borkh.) – листопадное дерево лесостепного типа до 10–12 м высотой с широкой раскидистой кроной; стволы с темно-серой трещиноватой корой; побеги долго остаются опушенными. Листья очередные, простые, с прилистниками, чаще яйцевидные, 5–10 см длиной, с заостренной верхушкой и округленным основанием, по краям городчато-пильчатые, нередко морщинистые, с обеих сторон более или менее сильно опушенные. Цветки до 5 см в диаметре, с белыми или розоватыми лепестками; чашечки остаются при плодах. Плоды варьируют форме, размерам (обычно крупнее 3 см в диаметре) и окраске, на коротких плодоножках. Плодоношение начинается с 4-12 лет. Вид возник в результате гибридизации и последующей селекции из многих дикорастущих видов. Множество сортов и известна только в культуре.

Строение листьев яблони домашней

Плод яблони домашней

Объект исследования

Объектом исследования являлась коллекция сортов яблони домашней (Malus domestica Borkh), произрастающая на территории Уральского сада лечебных культур имени профессора Л.И.Вигорова.

Яблоня домашняя, третий участок, УСЛК-1

Яблоня домашняя, УСЛК-2, июнь 2023 г.

Апорт Алмаатинский, УСЛК-1

Апорт Алмаатинский, УСЛК-1

Апорт Алмаатинский, УСЛК-2

Методика проведения работ

Климатические данные взяты из архива данных РП5, Россия, Свердловская область, Екатеринбург, номер метеостанции 28440.

Методика фенологических наблюдений (2022-2024)

Макрофенологические наблюдения за яблоней домашней (Malus domestica Borkh) проводились на территории УСЛК-1 на двух участках в 2022 году и по трем участкам в 2023-2024 гг., на территории УСЛК-2 в 2022 году.

Наблюдения проводились над вегетативными и генеративными побегами. Фенологические даты фиксировались по следующим фенологическим фазам: набухание почек, раскрытие почек, первые листья, бутонизация, зацветание, обильное цветение, конец цветения, начало листопада, появление плодов. Повторность наблюдений в период вегетации растений — не реже двух раз в неделю. Большинство фенофаз отмечались в дни, когда в наблюдаемую фенофазу вступало 5-10% органов растения. Полученные данные заносились как в письменном виде в тетрадь, так и в электронную таблицу. По некоторым сортам записывались примечания. Также в процессе наблюдений был сделан фотоматериал фенофаз у сортов, произрастающих на втором и третьем участках первой территории и привитых черенках на второй территории сада.

Фотоматериал фенологических фаз на примере Апорта Алмаатинского:

Набухание почек

Раскрытие почек

Листья

Бутонизация

Цветение

Формирование плодов

Плоды

Побеги осенью

Объём выполненных работ

№ п/п Вид исследования Объем работ
1 Изучение литературных источников 86
2 Предварительный сбор и анализ побегов яблони домашней 1340 побегов
3 Исследования морфометрических показателей 2214 измерений
4 Фенологические наблюдения 1666 фенодат
5 Фотоматериал фенофаз и общий вид яблони домашней 1025 фото
6 Проведение омолаживающей обрезки у яблони домашней 102 дерева
7 Привитые черенки 164 черенка

Абиотические факторы

Дополнительные данные

Климатические данные (2021-2024)

Температура

Другие климатические показатели

Осадки

Анализ полученных результатов в программе R

pheno_2022 <- readxl::read_excel("УСЛК1 2022 фенология.xlsx") %>% mutate(Год = 2022)
pheno_2023 <- readxl::read_excel("УСЛК1 2023.xlsx") %>% mutate(Год = 2023)
pheno_2024 <- readxl::read_excel("УСЛК1 2024.xlsx") %>% mutate(Год = 2024)
climat_2022 <- readxl::read_excel("Климатические данные 2022.xlsx") %>% mutate(Год = 2022)
climat_2023 <- readxl::read_excel("Климатические данные 2023.xlsx") %>% mutate(Год = 2023)
climat_2024 <- readxl::read_excel("Климатические данные 2024.xlsx") %>% mutate(Год = 2024)

pheno_all <- bind_rows(pheno_2022, pheno_2023, pheno_2024)
weather_all <- bind_rows(climat_2022, climat_2023, climat_2024) %>%
  mutate(
    Дата = as_date(Дата),
    Tmean = (Tmin + Tmax) / 2
  )

#Фенодаты 2022-2024 - "ящики с усами"
pheno_long_all <- pheno_all %>%
  pivot_longer(cols = -c(Сорт, Год), names_to = "Фенофаза", values_to = "Дата_время"
  ) %>% mutate(Дата = as.Date(Дата_время), DOY = yday(Дата)) %>% 
  select(Сорт, Год, Фенофаза, Дата, DOY)
pheno_long_2022 <- pheno_2022 %>%
  pivot_longer(cols = -c(Сорт, Год), names_to = "Фенофаза", values_to = "Дата_время") %>%
  mutate(Дата = as.Date(Дата_время), DOY = yday(Дата)) %>%
  select(Сорт, Год, Фенофаза, Дата, DOY)
pheno_long_2023 <- pheno_2023 %>%
  pivot_longer(cols = -c(Сорт, Год), names_to = "Фенофаза", values_to = "Дата_время") %>%
  mutate(Дата = as.Date(Дата_время), DOY = yday(Дата)) %>%
  select(Сорт, Год, Фенофаза, Дата, DOY)
pheno_long_2024 <- pheno_2024 %>%
  pivot_longer(cols = -c(Сорт, Год), names_to = "Фенофаза", values_to = "Дата_время") %>%
  mutate(Дата = as.Date(Дата_время), DOY = yday(Дата)) %>%
  select(Сорт, Год, Фенофаза, Дата, DOY)

common_phases <- c("Набухание почек", "Раскрытие почек", "Первые листья", "Бутонизация", "Зацветание", "Обильное цветение", "Конец цветения", "Появление плода")

pheno_for_plot_2022 <- pheno_long_2022 %>%
  filter(Фенофаза %in% common_phases) %>%
  mutate(Фенофаза = factor(Фенофаза, levels = common_phases))
pheno_for_plot_2023 <- pheno_long_2023 %>%
  filter(Фенофаза %in% common_phases) %>%
  mutate(Фенофаза = factor(Фенофаза, levels = common_phases))
pheno_for_plot_2024 <- pheno_long_2024 %>%
  filter(Фенофаза %in% common_phases) %>%
  mutate(Фенофаза = factor(Фенофаза, levels = common_phases))

all_years_data <- bind_rows(
  pheno_for_plot_2022 %>% mutate(Год = as.factor(Год)),
  pheno_for_plot_2023 %>% mutate(Год = as.factor(Год)),
  pheno_for_plot_2024 %>% mutate(Год = as.factor(Год))
)

ggplot(all_years_data, aes(x = Фенофаза, y = DOY, fill = Год)) +
  geom_boxplot(position = position_dodge(0.8), alpha = 0.8, outlier.shape = 21, na.rm = TRUE) +
  labs( title = "Сравнение сроков наступления фенофаз яблони домашней", subtitle = "2022-2024 гг.", x = "Фенофаза", y = "День года", fill = "Год наблюдений:") +
  theme_minimal() +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1, size = 9),
    axis.text.y = element_text(size = 9),
    legend.position = "bottom",
    plot.title = element_text(hjust = 0.5, face = "bold", size = 14),
    plot.subtitle = element_text(hjust = 0.5, size = 11),
    panel.grid.major = element_line(color = "grey90"),
    panel.grid.minor = element_blank()) +
  scale_fill_manual(values = c("2022" = "#4CAF50", "2023" = "#2196F3", "2024" = "#FF9800"),
    labels = c("2022 год", "2023 год", "2024 год")) +
  scale_y_continuous( breaks = seq(0, 365, 30), labels = function(x) {
    dates <- as.Date(paste0("2024-", floor(x)), format = "%Y-%j")
      format(dates, "%d %b")
    }
  ) +
  stat_summary( fun = mean,geom = "point", shape = 18, size = 2, color = "black", position = position_dodge(0.8), show.legend = FALSE, na.rm = TRUE
  )

calculate_gdd <- function(event_date, event_year, weather_df, days_before = 30, t_base = 5) {
  start_date <- event_date - days(days_before)
    period_weather <- weather_df %>%
    filter(
      Год == event_year,
      Дата >= start_date,
      Дата <= event_date
    )
    if (nrow(period_weather) == 0) {
    return(NA)
  }
    degrees <- period_weather$Tmean - t_base
  sum(pmax(degrees, 0), na.rm = TRUE)
}

#Расчет суммы среднесуточных температур выше +5 гр.Цельсия. - GDD (Growing Degree Days) (индекс градусо-дней). Создание функции.
pheno_with_gdd_all <- pheno_long_all %>%
  rowwise() %>%
  mutate(GDD_30 = calculate_gdd(Дата, Год, weather_all, days_before = 30)) %>%
  ungroup()

#Начало цветения
flower_data_all <- pheno_with_gdd_all %>%
  filter(Фенофаза == "Зацветание") %>%
  drop_na(GDD_30, DOY)

ggplot(flower_data_all, aes(x = Год, y = DOY, color = Сорт, group = Сорт)) +
  geom_point(size = 3) +
  geom_text(aes(label = round(GDD_30, 0)), vjust = -0.8, size = 3, check_overlap = TRUE) +
  labs( title = "Динамика даты цветения по годам для каждого сорта",
    subtitle = "Цифры показывают GDD за 30 дней до цветения",
    x = "Год",
    y = "День года цветения",
    color = "Сорт яблони") +
  scale_x_continuous(breaks = c(2022, 2023, 2024)) +
  theme_minimal() +
  theme(legend.position = "none")

year_summary <- flower_data_all %>%
  group_by(Год) %>%
  summarise(
    n_observations = n(),
    n_sorts = n_distinct(Сорт),
    mean_DOY = mean(DOY, na.rm = TRUE),
    sd_DOY = sd(DOY, na.rm = TRUE),
    min_DOY = min(DOY, na.rm = TRUE),
    max_DOY = max(DOY, na.rm = TRUE),
    range_DOY = max_DOY - min_DOY
  )

ggplot(flower_data_all, aes(x = DOY, fill = factor(Год))) +
  geom_density(alpha = 0.5) +
  labs(title = "Плотность распределения дат цветения по годам",
    x = "День года цветения (DOY)",
    y = "Плотность",
    fill = "Год") +
  theme_minimal()

# Проверка статистических различий. Тест Крускала-Уоллиса для сравнения медиан между годами
kruskal.test(DOY ~ factor(Год), data = flower_data_all) #Результат:Kruskal-Wallis chi-squared = 88.004, df = 2, p-value < 2.2e-16
## 
##  Kruskal-Wallis rank sum test
## 
## data:  DOY by factor(Год)
## Kruskal-Wallis chi-squared = 88.004, df = 2, p-value < 2.2e-16
#Связь GDD и даты цветения
ggplot(flower_data_all, aes(x = GDD_30, y = DOY, color = Сорт)) +
  geom_point(aes(shape = as.factor(Год)), size = 3) +
  geom_smooth( method = "lm", se = FALSE, aes(group = Сорт), size = 0.8)+
  labs(
    title = "Связь накопленных эффективных температур (GDD) и даты цветения",
    subtitle = "Каждая линия - отдельный сорт. Форма точек показывает год",
    x = "GDD за 30 дней до цветения (база 5°C)",
    y = "День года цветения (DOY)",
    color = "Сорт",
    shape = "Год") +
  theme_minimal() +
  theme( legend.position = "bottom", plot.title = element_text(hjust = 0.5))+ 
  theme(legend.position = "none")
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## `geom_smooth()` using formula = 'y ~ x'

#Расчет общей корреляции
correlation <- cor(flower_data_all$GDD_30, flower_data_all$DOY, 
                   use = "complete.obs")
print(paste("Общая корреляция GDD-DOY:", round(correlation, 3))) #Результат: 0,154
## [1] "Общая корреляция GDD-DOY: 0.154"
overall_model <- lm(DOY ~ GDD_30, data = flower_data_all)

# Модели по годам отдельно
models_by_year <- flower_data_all %>%
  group_by(Год) %>%
  do(model = lm(DOY ~ GDD_30, data = .)) %>%
  summarise(
    Год = Год,
    slope = coef(model)["GDD_30"],
    intercept = coef(model)["(Intercept)"],
    r_squared = summary(model)$r.squared,
    p_value = summary(model)$coefficients["GDD_30", "Pr(>|t|)"],
    n = nrow(model$model)
  )

ggplot(flower_data_all, aes(x = GDD_30, y = DOY)) +
  geom_point(aes(color = Сорт), size = 3, alpha = 0.7) +
  geom_smooth(method = "lm", se = TRUE, color = "black", size = 1) +
  facet_wrap(~ Год, scales = "free") +
  labs(
    title = "Связь GDD и даты цветения по годам",
    x = "GDD за 30 дней",
    y = "День"
  ) +
  theme_minimal()+ 
  theme(legend.position = "none")
## `geom_smooth()` using formula = 'y ~ x'

#Проверка, GDD не за 30 дней, а с марта
calculate_gdd_fixed_period <- function(event_date, event_year, weather_df, 
                                       start_month = 3, start_day = 1, t_base = 5) {
  start_date <- as.Date(paste(event_year, start_month, start_day, sep = "-"))
    if (event_date < start_date) {
    return(0)
  }
    period_weather <- weather_df %>%
    filter(Год == event_year,
           Дата >= start_date,
           Дата <= event_date)
    if (nrow(period_weather) == 0) {
    return(NA)
  }
  degrees <- period_weather$Tmean - t_base
  sum(pmax(degrees, 0), na.rm = TRUE)
}

# Пересчитываем GDD с фиксированной даты начала
flower_data_all <- flower_data_all %>%
  rowwise() %>%
  mutate(GDD_from_mar1 = calculate_gdd_fixed_period(Дата, Год, weather_all, 
                                               start_month = 3, start_day = 1)) %>%
  ungroup()

new_correlations <- flower_data_all %>%
  summarise(
    cor_30days = cor(DOY, GDD_30, use = "complete.obs"),
    cor_mar1 = cor(DOY, GDD_from_mar1, use = "complete.obs")
  )

cor_long <- new_correlations %>%
  pivot_longer(everything(), names_to = "method", values_to = "correlation") %>%
  mutate(
    method_label = case_when(
      method == "cor_30days" ~ "GDD за 30 дней до цветения",
      method == "cor_mar1" ~ "GDD с 1 марта"),
    direction = ifelse(correlation < 0, "Отрицательная", "Положительная"),
    biological_sense = ifelse(correlation < 0, "Верно", "Не верно")
  )

ggplot(cor_long, aes(x = reorder(method_label, correlation), y = correlation, fill = biological_sense)) +
  geom_col(width = 0.7) +
  geom_text(aes(label = round(correlation, 3)), 
            vjust = ifelse(cor_long$correlation > 0, -0.5, 1.5), 
            size = 5) +
  scale_fill_manual(values = c ("Верно" = "lightgreen", "Не верно" = "pink"))+
  labs(
    title = "Сравнение корреляций между датой цветения и разными методами расчета GDD",
    x = "Метод расчета GDD",
    y = "Корреляция с датой цветения",
    fill = "Результат:"
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 0, hjust = 1, size = 10),
    plot.title = element_text(hjust = 0.5, size = 10),
    plot.subtitle = element_text(hjust = 0.5, size = 11, color = "gray"),
    legend.position = "bottom"
  )

march_weather <- weather_all %>%
  filter(month(Дата) == 3) %>%
  group_by(Год) %>%
  summarise(
    days = n(),
    mean_Tmean = mean(Tmean, na.rm = TRUE),
    max_Tmean = max(Tmean, na.rm = TRUE),
    days_above_5 = sum(Tmean > 5, na.rm = TRUE),
    total_GDD_march = sum(pmax(Tmean - 5, 0), na.rm = TRUE)
  )

#Проверка связи с осадками
calculate_rain_sum <- function(event_date, event_year, weather_df, days_before = 30) {
  start_date <- event_date - days(days_before)
    period_weather <- weather_df %>%
    filter(
      Год == event_year,
      Дата >= start_date,
      Дата <= event_date
    )
    if (nrow(period_weather) == 0) {
    return(NA)
  }
  sum(period_weather$RRR, na.rm = TRUE)
}

pheno_with_rain_all <- pheno_long_all %>%
  rowwise() %>%
  mutate(Rain_sum_30 = calculate_rain_sum(Дата, Год, weather_all, days_before = 30)) %>%
  ungroup()

flower_data_rain_all <- pheno_with_rain_all %>%
  filter(Фенофаза == "Зацветание") %>%
  drop_na(Rain_sum_30, DOY)

ggplot(flower_data_rain_all, aes(x = Rain_sum_30, y = DOY, color = Сорт)) +
  geom_point(aes(shape = as.factor(Год)), size = 3) +
  geom_smooth(method = "lm",se = FALSE,aes(group = Сорт),size = 0.8) +
  labs(
    title = "Связь суммы осадков за 30 дней и даты цветения",
    subtitle = "Форма точек: квадрат - , треугольник - , круг - ",
    x = "Сумма осадков за 30 дней до цветения, мм",
    y = "День",
    color = "Сорт",
    shape = "Год") +
  theme_minimal() +
  theme(
    legend.position = "bottom",
    plot.title = element_text(hjust = 0.5))+ 
  theme(legend.position = "none")
## `geom_smooth()` using formula = 'y ~ x'

correlation_rain <- cor(flower_data_rain_all$Rain_sum_30, flower_data_rain_all$DOY, 
                        use = "complete.obs") #результат: 0.7506827
rain_model <- lm(DOY ~ Rain_sum_30, data = flower_data_rain_all)

rain_models_by_year <- flower_data_rain_all %>%
  group_by(Год) %>%
  do(model = lm(DOY ~ Rain_sum_30, data = .)) %>%
  summarise( Год = Год,
    slope = coef(model)["Rain_sum_30"],
    intercept = coef(model)["(Intercept)"],
    r_squared = summary(model)$r.squared,
    p_value = summary(model)$coefficients["Rain_sum_30", "Pr(>|t|)"],
    n = nrow(model$model))

ggplot(flower_data_rain_all, aes(x = Rain_sum_30, y = DOY)) +
  geom_point(aes(color = Сорт), size = 3, alpha = 0.7) +
  geom_smooth(method = "lm", se = TRUE, color = "black", size = 1) +
  facet_wrap(~ Год, scales = "free") +
  labs( title = "Связь суммы осадков и даты цветения по годам",
    x = "Сумма осадков за 30 дней, мм",
    y = "День года цветения") +
  theme_minimal()+ 
  theme(legend.position = "none")
## `geom_smooth()` using formula = 'y ~ x'

#Воздействие и осадков, и температуры
comparison_table <- data.frame(
  Показатель = c("GDD_30", "Rain_sum_30"),
  Корреляция = c(
    cor(flower_data_all$GDD_30, flower_data_all$DOY, use = "complete.obs"),
    cor(flower_data_rain_all$Rain_sum_30, flower_data_rain_all$DOY, use = "complete.obs")),
  R2_общая = c(summary(overall_model)$r.squared,
    summary(rain_model)$r.squared),
  p_value_общая = c(
    summary(overall_model)$coefficients[2, 4],
    summary(rain_model)$coefficients[2, 4])
)

flower_data_combined <- flower_data_all %>%
  left_join(flower_data_rain_all %>% 
              select(Сорт, Год, DOY, Rain_sum_30), 
            by = c("Сорт", "Год", "DOY"))

p1 <- ggplot(flower_data_combined, aes(x = GDD_30, y = DOY, color = Сорт)) +
  geom_point(aes(shape = as.factor(Год)), size = 2) +
  geom_smooth(method = "lm", se = FALSE, aes(group = Сорт)) +
  geom_line(linewidth = 0.5)+
  labs(x = "GDD за 30 дней", y = "DOY", title = "Влияние температуры") +
  theme_minimal() +
  theme(legend.position = "none")

p2 <- ggplot(flower_data_combined, aes(x = Rain_sum_30, y = DOY, color = Сорт)) +
  geom_point(aes(shape = as.factor(Год)), size = 2) +
  geom_smooth(method = "lm", se = FALSE, aes(group = Сорт))+
  geom_line(linewidth = 0.5) +
  labs(x = "Осадки за 30 дней, мм", y = "DOY", title = "Влияние осадков") +
  theme_minimal() +
  theme(legend.position = "none")

combined_plot <- p1 + p2 + plot_layout(ncol = 2)
combined_plot +
  plot_annotation(
    title = "Сравнение влияния температуры и осадков на дату цветения",
    subtitle = "Анализ за 2022-2024 гг."
  )
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'

#Взаимодействие двух факторов
interaction_model <- lm(DOY ~ GDD_30 * Rain_sum_30, data = flower_data_combined)
summary(interaction_model)
## 
## Call:
## lm(formula = DOY ~ GDD_30 * Rain_sum_30, data = flower_data_combined)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -11.8126  -1.6977   0.2378   0.3583   8.1789 
## 
## Coefficients:
##                      Estimate Std. Error t value Pr(>|t|)    
## (Intercept)         1.000e+02  3.213e+00  31.128  < 2e-16 ***
## GDD_30              1.742e-01  2.008e-02   8.678 1.66e-14 ***
## Rain_sum_30         5.088e-01  5.891e-02   8.637 2.07e-14 ***
## GDD_30:Rain_sum_30 -1.422e-03  3.921e-04  -3.625 0.000416 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.028 on 127 degrees of freedom
## Multiple R-squared:  0.7752, Adjusted R-squared:  0.7699 
## F-statistic:   146 on 3 and 127 DF,  p-value: < 2.2e-16
quadratic_model <- lm(DOY ~ Rain_sum_30 + I(Rain_sum_30^2), data = flower_data_rain_all)
log_model <- lm(DOY ~ log(Rain_sum_30 + 1), data = flower_data_rain_all)


#доп. Общий тренд по всем сортам
if (nrow(flower_data_all) >= 6) {  # Минимум 6 точек для регрессии
  overall_model <- lm(DOY ~ Год, data = flower_data_all)
  print("Общая модель для всех сортов:")
  print(summary(overall_model))
  
ggplot(flower_data_all, aes(x = Год, y = DOY)) +
    geom_point(aes(color = Сорт), size = 3, alpha = 0.7) +
    geom_smooth(method = "lm", se = TRUE, color = "black", size = 1.5) +
    geom_text(
      aes(x = min(Год) + 0.5, y = max(DOY) + 2,
          label = paste0("Общий тренд: ", 
                        round(coef(overall_model)["Год"], 2), 
                        " дней/год\n",
                        "p = ", 
                        ifelse(summary(overall_model)$coefficients["Год", "Pr(>|t|)"] < 0.001,
                              "<0.001",
                              round(summary(overall_model)$coefficients["Год", "Pr(>|t|)"], 3)))),
      hjust = 0, color = "black", size = 4) +
    labs(
      title = "Общий тренд даты цветения по всем сортам",
      x = "Год",
      y = "День года цветения (DOY)",
      color = "Сорт") +
    theme_minimal() +
    theme(plot.title = element_text(hjust = 0.5))+ 
  theme(legend.position = "none")
}
## [1] "Общая модель для всех сортов:"
## 
## Call:
## lm(formula = DOY ~ Год, data = flower_data_all)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -14.198  -6.198  -1.198   5.894  17.710 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2347.514   2139.660   1.097    0.275
## Год           -1.092      1.058  -1.033    0.304
## 
## Residual standard error: 8.394 on 129 degrees of freedom
## Multiple R-squared:  0.008197,   Adjusted R-squared:  0.0005087 
## F-statistic: 1.066 on 1 and 129 DF,  p-value: 0.3037
## Warning in geom_text(aes(x = min(Год) + 0.5, y = max(DOY) + 2, label = paste0("Общий тренд: ", : All aesthetics have length 1, but the data has 131 rows.
## ℹ Please consider using `annotate()` or provide this layer with data containing
##   a single row.
## `geom_smooth()` using formula = 'y ~ x'

#Результат:Call: lm(formula = DOY ~ Год, data = flower_data_all)Residuals:Min      1Q  Median      3Q     Max = -14.198  -6.198  -1.198   5.894  17.710 
#Coefficients: Estimate Std. Error t value Pr(>|t|)
#(Intercept) 2347.514   2139.660   1.097    0.275
#Год           -1.092      1.058  -1.033    0.304
#Residual standard error: 8.394 on 129 degrees of freedom
#Multiple R-squared:  0.008197, Adjusted R-squared:  0.0005087 
#F-statistic: 1.066 on 1 and 129 DF,  p-value: 0.3037

Список источников

1.Новая иллюстрированная энциклопедия. Кн. 16. Ро-Ск: Большая Российская энциклопедия, 2004. – С.131.

  1. Тощев В.В. Результаты мониторинга плодородия почв Свердловской области [Текст] / Тощев В.В. // Наука о Земле. — 2017. — № 8. — С. 16-22. URL: https://elibrary.ru/item.asp?id=30053591 (дата обращения 05.07.2024).

  2. Заигралова Г.Н. Дендрология: краткий курс лекций для студентов, с. 64, 2016. URL: https://www.vavilovsar.ru/files/pages/25067/14721977206.PDF (дата обращения 06.07.2024).

  3. Гладкова В.Н. «Жизнь растений», том 5, часть 2, 1981. URL: http://plantlife.ru/books/item/f00/s00/z0000033/st019.shtml (дата обращения 05.07.2024).

  4. Булыгин Н.Е., Ярмишко В.Т. Дендрология: учебник/2-е изд. стер. М.: МГУЛ, 2003.

  5. Паршина Е.И. Дендрология. Учебно-методическое пособие, 2013. URL: http://62.182.30.44/ft/301-000503.pdf (дата обращения 03.07.2024).

  6. Башимова Ш., Аманова М., Оразмырадов П. Особенности выращивания и сельсткохозяйственное использование яблони, 2023. URL: https://cyberleninka.ru/article/n/osobennosti-vyraschivaniya-i-selskohozyaystvennoe-ispolzovanie-yabloni/viewer (дата обращения 03.07.2024).

  7. Ашимова Ш., Аманов М. Особенности выращивания и сельскохозяйственное использование яблони [Текст] / Башимова Ш., Аманов М. // Международный научный журнал «ВЕСТНИК НАУКИ». — 2023. — № 9. — С. 332-335. URL: https://cyberleninka.ru/article/n/osobennosti-vyraschivaniya-i-selskohozyaystvennoe-ispolzovanie-yabloni/viewer (дата обращения 03.07.2024).

  8. Архив погоды в Екатеринбурге. URL: https://rp5.ru (дата обращения 14.03.2025).

  9. Новикова Л.Ю., Наумова Л.Г. Динамическая модель сезонного развития винограда. // Агрофизика. – 2018. – № 2. – С. 46-52. URL: https://www.agrophys.ru/Media/Default/JournalAgrophysica/Agrophysika2-2018/Full_text/Novikova.pdf (дата обращения 10.12.2025).

  10. Иманбаева А.А., Белозеров И.Ф. Использование электронно-информационных технологий для создания фенологической базы данных интродуцентов Мангышлакского экспериментального ботанического сада. URL: https://cyberleninka.ru/article/n/ispolzovanie-elektronno-informatsionnyh-tehnologiy-dlya-sozdaniya-fenologicheskoy-bazy-dannyh-introdutsentov-mangyshlakskogo/viewer (дата обращения 10.12.2025).

  11. Новикова Т.П., Малышева В.И. Влияние климатического индекса градусо-дней на виталитет 3-летних сеянцев сосны обыкновенной из сортированных по спектрометрическим свойствам семян // Лесотехнический журнал. – 2022. – Т.12. - №1 (45). – С.110-118. URL: https://cyberleninka.ru/article/n/vliyanie-klimaticheskogo-indeksa-graduso-dney-na-vitalitet-3-letnih-seyantsev-sosny-obyknovennoy-iz-sortirovannyh-po (дата обращения 10.12.2025).

  12. Кабонен А.В., Гаврилова О.И., Кищенко И.Т. Цифровое ска нирование роста и развития древесных растений // Изв. вузов. Лесн. журн. 2022.
    № 6. С. 55–70. URL: https://cyberleninka.ru/article/n/tsifrovoe-skanirovanie-rosta-i-razvitiya-drevesnyh-rasteniy (дата обращения 10.12.2025).

  13. Шинкаренко С.С. Влияние климатических факторов на датф массового цветения Bulbocodium versicolor (Melanthiaceae) на юго-восточной границе ареала. Заповедная наука 2022. 7(3): 26–45. URL: https://cyberleninka.ru/article/n/vliyanie-klimaticheskih-faktorov-na-daty-massovogo-tsveteniya-bulbocodium-versicolor-melanthiaceae-na-yugo-vostochnoy-granitse (дата обращения 10.12.2025).