доктор сельскохозяйственных наук, профессор, главный научный сотрудник
630501, Новосибирская область, р.п. Краснообск, а/я 463
Vladimir K. Kalichkin, Doctor of Science in Agriculture, Professor, Head Researcher
PO Box 463, Krasnoobsk, Novosibirsk Region, 630501
научный сотрудник
Новосибирская область, р.п. Краснообск
Krasnoobsk, Novosibirsk Region
В работе изложены методологические подходы создания цифровой системы управления земледелием (ЦСУЗ). При выполнении исследований использован конвергентный подход, основанный на методах когнитивного (концептуального) анализа, применяемого к формированию адаптивно-ландшафтных систем земледелия. Основополагающими принципами организации ЦСУЗ выделены мониторинг посевов и окружающей среды (in situ, дистанционное зондирование), формирование архетипов систем земледелия на основе анализа результатов длительных полевых опытов, моделирование пространственных объектов и типизация земель с использованием ГИС, планирование и поддержка агротехнологий для адаптации к природным и хозяйственным условиям, моделирование экосистемных услуг и биоразнообразия, оценка воздействия на устойчивость и экономику производства растениеводческой продукции. Система реализуется при использовании геоинформационных моделей в конкретной географической координате. ЦСУЗ предусматривает осуществление «инвентаризации» природных и производственных ресурсов, а также выявление лимитов климатических, почвенных и агроландшафтных параметров при различных уровнях интенсивности землепользования. На каждом этапе организации блоков системы используются методы интеллектуального анализа данных и машинного обучения, а ядром работы системы выступает использование баз знаний и логических правил предметной области. Ключевым элементом системы является осуществление масштабирования результатов длительных полевых опытов и накопленных знаний в разных ареалах управления на основе параметризации многоуровневой вариативности систем земледелия и формирования их архетипов. Практическая реализации основных положений ЦСУЗ позволяет приблизиться к решению ключевых вопросов уменьшения уровня неопределенности и сопутствующих рисков в области земледелия за счет научно обоснованной организации рационального природопользования, повышения устойчивости производства растениеводческой продукции в различных условиях землепользования и информационного обеспечения сельских товаропроизводителей.
The paper presents methodological approaches for the creation of a digital farming management system (DFMS). A convergent approach, based on cognitive (conceptual) analysis methods, is employed in the research and applied to the formation of adaptive landscape farming systems. The fundamental principles of organizing DFMS include crop and environmental monitoring (in situ, remote sensing); the formation of farming system archetypes based on the analysis of long-term field experiments; spatial object modeling and land typology using GIS; planning and support for agrotechnologies to adapt to natural and economic conditions; modeling ecosystem services and biodiversity; assessing the impact on the sustainability and economics of crop production. The system is implemented using geoinformation models in a specific geographic coordinate. DFMS involves conducting a "inventory" of natural and production resources, as well as identifying limits of climatic, soil, and agrolandscape parameters at different levels of land use intensity. At each stage of organizing system blocks, methods of intelligent data analysis and machine learning are used, with the core of the system relying on the use of knowledge bases and logical rules of the subject area. A key element of the system is the scaling of the results of long-term field experiments and accumulated knowledge in different management areas based on the parameterization of the multi-level variability of farming systems and the formation of their archetypes. The practical implementation of the main provisions of DFMS allows approaching the solution of key issues related to reducing the level of uncertainty and associated risks in agriculture. This is achieved through scientifically justified organization of rational land use, increasing the resilience of crop production in different land use conditions, and providing information support to rural producers.
The authors declare that there are no conflicts of interest present.