Концептуальная модель агроэкологических свойств земель

При решении задачи автоматизации агроэкологической оценки земель (природно-ресурсного потенциала) и создания интеллектуальных информационных систем для дальнейшего их программирования необходимым этапом является концептуализация предметной области, или концептуальное моделирование. В качестве дескриптивной системы применен UML и выбраны три абстрактных объекта (класс, атрибут и связь). По ним распределены 33 понятия, характеризующие базовые природные характеристики земельного участка, и 13 значимых аспектов природных процессов, задающих законы изменения этих характеристик. Для 6 понятий выбран абстрактный объект «класс», для 27 – «атрибут», для 13 аспектов природных процессов – «связь». Центральным классом является «земельный участок», с которым взаимодействуют еще 5 классов: «рельеф», «агрометеорологический ресурс», «почвы», «эрозия», «растительность». Вся совокупность влияния классов и их атрибутов на элементы предметной области описана классификацией связей. Данных связей выделено три вида: первая – зависимость, которая в нотации UML показывает направленное отношение между двумя классами в сторону главного класса и означает, что изменение свойств главного класса влечет за собой изменение свойств зависимого класса; вторая – ассоциация, любая связь, характеризующаяся практически любым глаголом русского языка; третья – композиция, отношение вида «композит – часть», направленное всегда в сторону композита, при этом удаление композита влечет за собой удаление всех частей. Оптимизация концептуальной модели ПО, описываемая с помощью диаграмм в нотации UML, – процесс перманентный и со временем в нее могут быть добавлены новые классы и элементы.

концептуальная модель, диаграммы UML, предметная область, земельный участок, характеристика земель, системы земледелия

1. Кирюшин В.И., Слива И.В. Применение ГИС-технологий при картографировании и проектировании агроландшафтов // Известия Оренбургского государственного аграрного университета. 2005. Т. 1. № 5-1. С. 8–12.

2. Глазунов Г.П., Санжаров А.И., Афонченко Н.В. Структура базы данных агроэкологической оценки земель // Достижения науки и техники в АПК. 2015. Т. 29. № 8. С. 72–76.

3. Глазунов Г.П., Афонченко Н.В., Санжаров А.И. Программные средства информационносправочной системы для агроэкологической оценки земель // Вестник Курской государственной сельскохозяйственной академии. 2016. № 8. С. 58–63.

4. Каличкин В.К., Корякин Р.А., Лужных Т.А., Риксен В.С. Выбор и размещение сельскохозяйственной культуры с использованием искусственного интеллекта // Достижения науки и техники АПК. 2019. Т. 33. № 10. С. 67–70. DOI: 10.24411/0235-2451-201911015.

5. Dobing B., Parsons J. How UML is used // Communications of the ACM. – 2006. Vol. 49. № 5. Р. 109–113. DOI: 10.1145/1125944.1125949.

6. Крэг Ларман. Применение UML 2.0 и шаблонов проектирования = Applying UML and Patterns: An Introduction to Object-Oriented Analysis and Design and Iterative Development. 3-е изд. М.: Вильямс, 2006. 736 с.

7. Когаловский М.Р., Калиниченко Л.А. Концептуальное и онтологическое моделирование в информационных системах // Программирование. 2009. № 5. С. 3–25.

8. Палагин А.В., Петренко Н.Г. Системноонтологический анализ предметной области // Управляющие системы и машины. 2009. № 4. С. 3–14.

9. Сорокин А.Б. Концептуальное проектирование интеллектуальных систем поддержки принятия решений // Онтология проектирования. 2017. Т. 7. № 3 (25). С. 247–269. DOI: 10.18287/2223-9537-2017-7-3-247-269.

10. Marbán O., Segovia J. Extending UML for modeling data mining projects (DM-UML) // Journal of Information Technology & Software Engineering. 2013. Vol. 3. N 2. P. 1–17. DOI:10.4172/2165-7866.1000121.

11. Орлов А.Д. Эрозия и эрозионноопасные земли Западной Сибири. Новосибирск: Наука, 1983. 207 с.