Неотъемлемой частью системы хозяйствования на земле стало использование передовых разработок в области информатики и техники как на уровне внедрения автоматизации сельского хозяйства (бортовые датчики, системы позиционирования, навигации и т.п.), так и на уровне специализированного программного обеспечения, в том числе и в виде разнообразных систем поддержки принятия решений. Программное наполнение, создание и совершенствование специализированных баз знаний, генерация, оптимизация и реализация агротехнических решений с учетом вариабельности природно-климатических условий при возделывании различных сельскохозяйственных культур представляют обширный потенциал для дальнейшего развития аграрной науки. Решающую роль в процессе развития земледелия будут играть исследования по совершенствованию информационного обеспечения методов принятия решений (моделей, алгоритмов, баз данных и экспертных систем).
Неслучайно в настоящее время вектор направленности научных исследований и разработок переместился в область обобщения и анализа информации, получаемой из различных источников, создания новых и адаптации имеющихся моделей продукционного процесса сельскохозяйственных культур, совершенствования методов выработки решений на основе моделей и баз данных. Этой тематике посвящены как российские [1, 2], так и зарубежные [3–5] исследования.
Существующий информационно-технический потенциал современной науки позволяет, в частности, разработать и создать компьютерную систему по выработке максимально эффективной и вместе с тем экологически безопасной адаптивной агротехнологии для каждого поля с учётом вариабельности природных условий и экономических ограничений в конкретном хозяйстве. Решение этой задачи, в свою очередь, связано с необходимостью представления, формализации и чёткого синтеза научных знаний и информации, накопленной в агрономии [6].
Целью проведенных исследований являлась разработка нормативно-справочной базы данных системы поддержки сельхозтоваропроизводителей по рациональному выбору высокорентабельных адаптивных технологий возделывания зерновых культур.
Для достижения поставленной цели были решены следующие задачи:
− на основе анализа и обобщения научных публикаций по вопросу научно обоснованного применения технологий возделывания зерновых культур определены наиболее эффективные условия применения агротехнологических приемов адаптивных агротехнологий;
− обоснованы региональные условия эффективного применения таких технологий, способствующие повышению рентабельности производства;
− подобран состав сортов и гибридов зерновых культур, а также сельскохозяйственной техники отечественного и импортного производства для обеспечения адаптивных агротехнологий;
− сформирована структура базы данных системы поддержки сельхозтоваропроизводителей по рациональному выбору высокорентабельных адаптивных технологий возделывания зерновых культур.
Исследования проводились на основе анализа, оптимизированного обобщения и систематизации существующих экспериментальных данных по применению технологий возделывания зерновых культур различного уровня интенсивности (в том числе и собственных) за период с 2000 по 2017 гг. с использованием системного подхода, структурно-функционального метода, метода экспертных оценок, метода прогнозирования, оценки адекватности, логического и математического анализа. Данное исследование соответствует мировому уровню, область применения – земледелие. Результаты исследования предназначены для сельхозтоваропроизводителей, научных сотрудников и студентов. Предполагается их внедрение на площади более 10 млн га.
База данных – организованная структура, предназначенная для хранения информации [7]. В состав концептуальной структуры разработанной проблемно-ориентированной базы данных (рис. 1) входят следующие блоки: блок данных исходной (вводимой) информации, блок данных нормативной информации, блок данных расчетных алгоритмов.
В процессе адаптации агротехнологий к сложившимся природно-климатическим особенностям ландшафта необходимо четко дифференцировать каждый агротехнологический прием по целесообразности его применения к текущим условиям [8]. Поэтому очень важно достоверно заполнить блок данных исходной информации, так как на базе данных показателей при использовании блока данных нормативной информации и происходит формирование адаптивной агротехнологии. Причем блок агроклиматических показателей используется в первую очередь для оценки соответствия сложившихся природных условий для комфортного произрастания сельскохозяйственных культур, а, например, природно-климатическая зона, экспозиция склона и содержание гумуса – для определения уровня базисной урожайности агротехнологии.
Рис. 1. Концептуальная структура нормативно-справочной базы данных системы поддержки сельхозтоваропроизводителей по рациональному выбору высокорентабельных адаптивных технологий возделывания зерновых культур
В свою очередь, для расчета потребности в ресурсах для обеспечения предлагаемой агротехнологии, а также для выявления наиболее высокорентабельного варианта, в базе данных предполагается наличие нормативной информации по каждой затратной позиции. Подобная нормативная информация подразумевает наличие обширной справочной информации (банка данных), работа по формированию которого уже ведется в рамках выполнения текущих задач данной научной работы [9].
Подбор адаптивной технологии возделывания выбранной культуры должен вестись поэтапно: в первую очередь необходимо определиться с сортом/гибридом выбранной культуры, определить целесообразность возделывания данной культуры исходя из информации о предшественнике, выявить назначение выходной продукции, желаемый уровень продуктивности, а затем последовательно и обоснованно приступить к формированию из отдельных технологических приемов целостной агротехнологии с учетом условий их наиболее эффективного применения исходя из многочисленных результатов научных исследований. Помимо этого, с целью установления наиболее высокорентабельной агротехнологии, необходимо использовать современную сельскохозяйственную технику, применение которой позволяет увеличивать производительность труда и экономить материальные ресурсы.
Традиционно любая технология возделывания сельскохозяйственной культуры включает в себя несколько блоков агротехнологических приемов: приемы по основной обработке почвы, приемы по предпосевной подготовке почвы и посеву, приемы по уходу за посевами, приемы по защите растений от сорняков, болезней и вредителей, приемы по уборке и первичной подработке выходной продукции. Если допустить, что каждый блок может иметь три варианта решения, то в пределах одной агротехнологии возможно 35 или 243 варианта и поэтому применение принципа адаптивности позволяет сокращать количество возможных вариаций, а выявление наиболее рентабельных из них позволяет получать сельхозтоваропроизводителям наибольшую прибыль в перерасчете на единицу затраченных ресурсов. Как раз для этого и производится автоматизированный ориентировочный расчет экономической эффективности для предлагаемых вариантов агротехнологий с целью установления наиболее рациональной и высокорентабельной из предложенных.
Так как современная конъюнктура рынка довольно нестабильна и рентабельность производства сельскохозяйственной продукции зависит в первую очередь от сложившихся цен на выходную продукцию, колеблющихся по годам в кратном размере, и от цен на ГСМ, удобрения и пестициды, имеющие тенденцию к ежегодному росту, то, скорее всего, следует обращать внимание и на энергетическую эффективность технологии, ориентировочный расчет которой также необходимо производить в автоматизированном режиме на основании выбранных показателей.
С каждым годом на рынке информационных систем появляется все больше программных продуктов, в том числе и предназначенных для эффективного менеджмента сельскохозяйственных предприятий. По своей функциональности, подобные программные продукты могут быть подразделены на следующие группы [10]:
− системы диалоговой обработки запросов (TPS), которые направлены на выполнение и обслуживание повседневных эксплуатационных операций сельскохозяйственного предприятия в диалоговом режиме;
− управляющие информационные системы (MIS), которые позволяют решать вопросы планирования и управления, используя структурные информационные потоки;
− системы поддержки принятия управленческих решений (DSS), которые способствуют принятию управленческих решений, синтезируя данные, сложные аналитические модели и удобное для пользователя программное обеспечение в единую мощную систему, которая способна поддерживать слабоструктурированное или неструктурированное принятие решений.
Последняя группа особо значима, так как ее программные продукты обладают наибольшими функциональными возможностями в области моделирования и прогнозирования. К сожалению подобные продукты, несмотря на их колоссальные преимущества, до сих пор не получили широкого распространения на отечественных сельскохозяйственных предприятиях. Основные причины – высокая стоимость подобных продуктов, а также сложность разработки, включающей в себя этапы по сбору и обработке имеющихся данных, анализу и проектированию моделей разрабатываемой информационной системы и непосредственно созданию алгоритма и готового программного продукта с последующей апробацией.
Для программной реализации нормативно-справочной базы данных системы поддержки принятия решений необходимо спроектировать соответствующую структуру компьютерной базы данных, инфологическая модель «сущность – связь» которой представлена на рис. 2 [9].
Рис. 2. Инфологическая модель «сущность – связь» разрабатываемой системы
Модель содержит следующие основные взаимосвязанные сущности: «Crop» – сельскохозяйственная культура (с учетом сорта), «Predecessor» – предшественник, «Crop predecessors» – соответствие культур и предшественников, «Parameter» – показатель блока данных исходной и (или) нормативной информации, «Parameter type» – тип показателя (например, числовой, выбор из списка и т.д.), «Parameter level» – возможный уровень значения показателя, «Parameter level complience» – соответствие показателей и их возможных уровней, «Technology» – технология возделывания культуры, «Best technology» – адаптивная технология возделывания культуры, «Complience level» – возможный уровень соответствия определенного уровня показателя определенной технологии для заданной культуры и предшественника, «Technology complience» – соответствие значение показателя определенной технологии для заданной культуры и предшественника, «Register» – регистр технологий, «Machinery» – сельскохозяйственная техника. Указанная модель спроектирована с использованием технологии IDEF1Х, и на ее основе может быть создана конкретная реализация программной базы данных с использованием любой табличной СУБД.
Таким образом, применение приведенной структуры нормативно-справочной базы данных системы поддержки сельхозтоваропроизводителей по рациональному выбору высокорентабельных адаптивных технологий возделывания зерновых культур позволяет избежать неверных решений при выборе адаптивной к сложившимся природно-климатическим условиям агротехнологии, подойти к этому процессу с позиции научной обоснованности и экономической целесообразности. Дальнейшее создание на основе сформированной базы данных математической модели и алгоритма выбора высокорентабельной адаптивной агротехнологии позволит разработать программу для ЭВМ, способную в автоматизированном режиме по результатам введенной информации рекомендовать к использованию наиболее целесообразную агротехнологию выбранной сельскохозяйственной культуры.
Работа выполнена в рамках Гранта Президента Российской Федерации для государственной поддержки молодых российских ученых – кандидатов наук № МК-1064.2018.11.