Использование элементов точного сельского хозяйства для получения климатически обоснованной урожайности сельскохозяйственных культур в специализированных севооборотах

Актуальность. Точное сельское хозяйство обладает потенциалом для обеспечения более совершенного и устойчивого производства продовольствия. Под этим термином подразумевается применение различных технических и программных средств для сбора, анализа и применения информации о состоянии агроценозов и реализации механизмов их корректировки непосредственно на поле. В настоящее время на рынке множество программных продуктов, которые предлагают «оцифровать» производственные процессы в АПК. Чаще всего это включает составление электронных карт полей и (на их основе) проведение дифференциации посева и внесения удобрений и ядохимикатов.

Методы. Использован широкий спектр полевых, статистических и аналитических методов.

Результаты. Проанализированы данные о возможности и эффективности применения различных элементов цифровых технологий в точном земледелии в странах с различным уровнем развития как сельского хозяйства, так и IT-технологий. Изучены возможности применения одной из цифровых агроплатформ при возделывании культур в специализированном севообороте. Представлены данные проведения эксперимента с льном-долгунцом и райграсом однолетним на оцифрованном поле и при использовании модернизированной техники. Выявлены в реальных полевых условиях особенности работы алгоритмов модулей информационно-аналитической системы управления растениеводством для специализированных севооборотов с участием льна-долгунца.

1. Клычова Г.С., Закирова А.Р., Валиев А.Р., Юсупова А.Р., Хусаинова А.С. Повышение эффективности системы управления растениеводством на основе цифровых технологий. Вестник Казанского государственного аграрного университета. 2021; 16(3): 121–127. https://doi.org/10.12737/2073-0462-2021-121-127

2. Семенов С.А., Васильев С.А., Максимов И.И. Особенности реализации и перспективы применения технологий цифрового земледелия в АПК. Вестник Чувашской государственной сельскохозяйственной академии. 2018; (1): 69–76. https://elibrary.ru/xoceqh

3. Зацаринный А.А., Меденников В.И., Райков А.Н. Интеграция приложений искусственного интеллекта в единую цифровую платформу АПК. Информационное общество. 2023; (1): 127–138. https://doi.org/10.52605/16059921_2023_01_127

4. Нагоев З.В., Шуганов В.М., Заммоев А.У., Бжихатлов К.Ч., Иванов З.З. Разработка интеллектуальной интегрированной системы «Умное поле». Известия ЮФУ. Технические науки. 2022; (1): 81–91. https://doi.org/10.18522/2311-3103-2022-1-81-91

5. Скобелев П.О., Табачинский А.С., Симонова Е.В., Журавель Ю.Н., Мятов Г.Н. О некоторых методах расчета состояния посевов в сервисе цифрового двойника растений. Известия Самарского научного центра Российской академии наук. 2022; 24(3): 100–111. https://doi.org/10.37313/1990-5378-2022-24-3-100-111

6. Якушев В.П. Цифровые технологии точного земледелия в реализации приоритета «Умное сельское хозяйство». Вестник российской сельскохозяйственной науки. 2019; (2): 11–15. https://doi.org/10.30850/vrsn/2019/2/11-15

7. Якушев В.П., Якушев В.В., Матвеенко Д.А. Интеллектуальные системы поддержки технологических решений в точном земледелии. Земледелие. 2020; (1): 33–37. https://doi.org/10.24411/0044-3913-2020-10109

8. Киприянов Ф.А. Использование цифровых технологий при оценке климатических условий сельскохозяйственного производства. Аграрный вестник Верхневолжья. 2019; (1): 70–74. https://elibrary.ru/rhqzhn

9. Lad A.M., Bharathi K.M., Saravanan B.A., Karthik R. Factors affecting agriculture and estimation of crop yield using supervised learning algorithms. Materials Today: Proceedings. 2022; 62(7): 4629–4634. https://doi.org/10.1016/j.matpr.2022.03.080

10. Akhter R., Sofi S.A. Precision agriculture using IoT data analytics and machine learning. Journal of King Saud University — Computer and Information Sciences. 2022; 34(8-B): 5602–5618. https://doi.org/10.1016/j.jksuci.2021.05.013

11. Родимцев С.А., Еремин Л.П., Гуляева Т.И. Прогнозирование вегетационных процессов растений с использованием автоматической метеостанции «Сокол-М». Вестник Башкирского государственного аграрного университета. 2021; (3): 21–30. https://doi.org/10.31563/1684-7628-2021-59-3-21-30

12. Гриц Н.В., Диченский А.В., Пролетова Н.В., Удотов А.Ю. Применение элементов информационно-аналитической системы управления растениеводством для обеспечения ресурсосберегающего производства семян льна в условиях Тверской области. Аграрная наука. 2022; (7-8): 126–131. https://doi.org/10.32634/0869-8155-2022-361-7-8-126-131