Программное обеспечение рационального выбора адаптивных технологий возделывания зерновых культур как элемент цифровизации земледелия

Цель исследования. Разработать научно-обоснованную систему поддержки принятия решений для производителей сельскохозяйственной продукции по выбору адаптивных технологий возделывания зерновых культур в условиях Европейской части России.

Методы. Системный подход, теория проектирования баз данных, математическое моделирование, теория разработки программно-информационных систем, методы квалиметрии программных средств.

Результаты. В работе последовательно рассмотрены вопросы необходимости цифровизации земледелия, описаны результаты проводимых в настоящее время исследований по данной тематике, обозначены направления дальнейших исследований таких разработок, на примере собственных исследований поэтапно описан процесс создания и апробации прикладного программного обеспечения. В результате проведенных исследований был создан и апробирован готовый продукт – компьютерная программа, которая решает не только проблему повышения рентабельности производства зерновых культур, но и обеспечения природоохранной направленности используемых технологий, что крайне важно и актуально в настоящее время. Предлагаемый программный комплекс состоит из клиент-серверного приложения для персональных компьютеров, Web-приложения, мобильного приложения для смартфонов на базе операционной системы Android, двух баз данных (для персональных компьютеров и для Онлайн-версии приложения).

Заключение. Создано программное обеспечение, позволяющее подобрать с учетом сложившихся почвенноклиматических условий конкретной территории технологию возделывания выбранной зерновой культуры и, тем самым, способствовать повышению рентабельности производства зерновых культур, обеспечить природоохранную направленность применяемых технологий за счет эффективного использования минеральных удобрений, горючего и химических средств защиты растений, подбора оптимального сорта или гибрида зерновой культуры, используемой сельскохозяйственной техники с учетом требований импортозамещения и предварительного расчета экономической эффективности предлагаемой к внедрению агротехнологии. 

1. Цифровизация сельского хозяйства. URL: http://polit.ru/article/2018/02/21/sk_digital_farming/ (дата обращения: 11.05.2018).

2. Цифровая трансформация сельского хозяйства России: офиц. изд. М.: ФГБНУ «Росинформагротех», 2019. 80 с.

3. Щербина Т.А. Цифровая трансформация сельского хозяйства РФ: опыт и перспективы // Россия: тенденции и перспективы развития. Ежегодник. М., 2019. Вып. 14. С. 450-453.

4. Цифровизация сельскохозяйственного производства России на период 20182025 гг. // Исследование кооперационного проекта «Германо-Российский аграрнополитический диалог». Москва/Берлин, 2018. 33с.

5. Стратегия научно-технологического развития Российской Федерации. М., 2016. 39 с.

6. Якушев В.В., Якушев В.П. Перспективы «умного сельского хозяйства» в России // Вестник Российской академии наук. 2018. Т. 88, № 9. С. 773–784.

7. Степных Н.В., Заргарян А.М., Жукова О.А. Компьютерная программа по проектированию технологий выращивания сельхозкультур // Аграрный вестник Урала. 2017. № 3 (157). С.54–58.

8. Исакова С.П., Лапченко Е.А. Web-комплекс на базе математической модели формирования оптимального машинно-тракторного парка // Сибирский вестник сельскохозяйственной науки. 2016. № 5 (252). С. 76–82.

9. An integrated modeling framework for crop and biofuel systems using the DSSAT and GREET models / R. Anderson, D. Keshwani, A. Guru etc. // Enviromental modeling and Software. 2018. Vol. 108. P. 40–50.

10. Dzotsi K.A., Basso B., Jones J.W. Development, uncertainty and sensitivity analysis of the simple SALUS crop model in DSSAT // Ecological Modelling. 2013. No. 260. P. 62–76.

11. Lopez-Requelme J., Pavon-Pulido N., Navarro-Hellin H. A software architecture based on FIWARE cloud for precision agriculture // Agricultural water management. 2017. T. 183. C. 123–135.

12. Итоги Всероссийской сельскохозяйственной переписи 2016 года: в 8 т. / Федеральная служба гос. статистики. М.: ИИЦ «Статистика России», 2018. Т. 1. 458 с.

13. Государственный реестр селекционных достижений, допущенных к использованию. Т.1. «Сорта растений» (официальное издание). М.: ФГБНУ «Росинформагротех», 2019. 504 с.

14. Пыхтин А.И., Гостев А.В., Алимли Д.А. Модель, алгоритм и программное обеспечение для автоматизированного подбора сортов и гибридов зерновых культур // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2018. Т. 8. № 3 (28). С. 25-34.

15. Методические указания по определению баланса питательных веществ: азота, фосфора, калия, гумуса, кальция. М.: Изд-во ЦИНАО, 2000. 40 с.

16. Пыхтин И.Г., Гостев А.В., Нитченко Л.Б. Теоретические основы систематизации обработок почвы в агротехнологиях нового поколения // Земледелие. 2015. № 5. С. 13-15.

17. Гостев А.В. , Пыхтин А.И. Современные подходы к автоматизации рационального выбора адаптивных агротехнологий // Достижения науки и техники АПК. 2018. Т. 32. № 11. С. 71-74.