Научный журнал
Современные наукоемкие технологии
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 0,899

СТРУКТУРА НОРМАТИВНО-СПРАВОЧНОЙ БАЗЫ ДАННЫХ СИСТЕМЫ ПОДДЕРЖКИ СЕЛЬХОЗТОВАРОПРОИЗВОДИТЕЛЕЙ ПО РАЦИОНАЛЬНОМУ ВЫБОРУ ВЫСОКОРЕНТАБЕЛЬНЫХ АДАПТИВНЫХ ТЕХНОЛОГИЙ ВОЗДЕЛЫВАНИЯ ЗЕРНОВЫХ КУЛЬТУР

Гостев А.В. 1 Пыхтин А.И. 2
1 ВНИИ земледелия и защиты почв от эрозии
2 ФГБОУ ВО «Юго-Западный государственный университет»
В настоящее время развитие адаптивно-ландшафтной системы земледелия наряду с точным земледелием является одним из самых перспективных направлений совершенствования производства растениеводческой продукции во всем мире. В то же время дальнейшее совершенствование систем земледелия должно базироваться не только на новейших достижениях традиционных областей агрономической науки, но и с привлечением междисциплинарных исследований, позволяющих более эффективно использовать результаты современных научных исследований. В данной статье приводятся результаты научного исследования по разработке структуры нормативно-справочной базы данных системы поддержки сельхозтоваропроизводителей по рациональному выбору высокорентабельных адаптивных технологий возделывания зерновых культур с учетом современных тенденций в развитии отечественного земледелия, включающие перечень необходимых технологических приемов с учетом условий их эффективного использования, целесообразных сельскохозяйственных агрегатов, орудий и машин, а также сортов и гибридов зерновых культур. В результате анализа и систематизации обширных экспериментальных данных по оптимизации и ресурсосбережению агротехнологий в различных природно-климатических условиях Европейской части Российской Федерации получено принципиально новое решение выбора рациональной технологии возделывания зерновых культур, позволяющее специалистам-аграриям избежать ошибочных решений и, соответственно, максимально эффективно использовать имеющиеся в хозяйстве природные и материальные ресурсы. Структура разработанной нормативно-справочной базы данных включает в себя три блока: блок данных исходной (вводимой) информации, блок данных нормативной информации, блок данных расчетных алгоритмов. В дальнейшем, на основе разработанной базы данных, будет создана программа для ЭВМ «Система поддержки сельхозтоваропроизводителей по рациональному выбору высокорентабельных адаптивных технологий возделывания зерновых культур», позволяющая в диалоговом режиме на основе введенной исходной информации дать обоснованную рекомендацию по использованию конкретной агротехнологии с целью получения устойчивого и высокорентабельного производства растениеводческой продукции заданного количества и качества.
база данных
агротехнологии
рентабельность
адаптивность
зерновые культуры
1. Буре В.М. Методология и программно-математический инструментарий информационного обеспечения точного земледелия: автореф. дис. … док. техн. наук. – СПб., 2009. – 42 с.
2. Якушев В.В., Телал Б.А., Часовских С.Г., Матвеенко Д.А. Аспекты формализации знаний в информационных интеллектуальных системах для растениеводства // Математические модели в теоретической экологии и земледелии: материалы междунар. семинара. – СПб., 2014. – С. 116–118.
3. Dzotsi K.A., Basso B., Jones J.W. Development, uncertainty and sensitivity analysis of the simple SALUS crop model in DSSAT // Ecological Modelling. – 2013. – № 260. – Р. 62–76.
4. Hunt L.A., White J.W., Hoogenboom G. Agronomic data: advances in documentation and protocols for exchange and use // Agricultural Systems. – 2001. – № 70. – Р. 477–492.
5. Paz J.O., Batchelor W.D., Tylka G.L., Hartzler R.G., Paz J.O. A modeling approach to quantifying the effects of spatial soybean yield limiting factors // Trans. ASAE. – 2001. – № 44(5). – Р. 1329–1334.
6. Якушев В.В. Интеллектуальные системы управления для ресурсосберегающих технологий точного земледелия / В.В. Якушев // Экологические системы и приборы. – 2010. – № 7. – С. 26–33.
7. Михеева Е.В. Информационные технологии в профессиональной деятельности: учеб. пособие для студ. учреждений сред. проф. образования. – 14-е изд. / Е.В. Михеева. – М.: Изд. центр «Академия», 2016. – 384 с.
8. Gostev A.V., Pykhtin A.I., Nitchenko L.B. The influence of technologies on productivity of grain crops in conditions of Central Region of Russia // 17th International Multidisciplinary Scientific GeoConference SGEM 2017. – 2017. – vol. 17, № 32. – Р. 625–630.
9. Pykhtin I.G., Gostev A.V., Pykhtin A.I. Software Decision Support in the Cultivation of Crops // Journal of Engineering and Applied Sciences. – 2017. – vol. 12. – Р. 5338–5342.
10. Клейменов С.А. Администрирование в информационных системах / С.А. Клейменов, В.П. Мельников, А.М. Петраков. – М.: Изд. центр «Академия», 2008. – 272 с.

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.

gost1.wmf

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].

gost2.tif

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.


Библиографическая ссылка

Гостев А.В., Пыхтин А.И. СТРУКТУРА НОРМАТИВНО-СПРАВОЧНОЙ БАЗЫ ДАННЫХ СИСТЕМЫ ПОДДЕРЖКИ СЕЛЬХОЗТОВАРОПРОИЗВОДИТЕЛЕЙ ПО РАЦИОНАЛЬНОМУ ВЫБОРУ ВЫСОКОРЕНТАБЕЛЬНЫХ АДАПТИВНЫХ ТЕХНОЛОГИЙ ВОЗДЕЛЫВАНИЯ ЗЕРНОВЫХ КУЛЬТУР // Современные наукоемкие технологии. – 2018. – № 2. – С. 37-41;
URL: https://top-technologies.ru/ru/article/view?id=36903 (дата обращения: 21.09.2021).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074