Оптимизация применения агрохимических средств с использованием информационных технологий и математического моделирования, страница 4

Оптимизация параметров технологий возделывания сельскохозяйственных культур по данным полевых опытов связана с определением значений показателей почвенного плодородия и доз удобрений, при которых достигается запланированная продуктивность сельскохозяйственных культур и наиболее эффективны применяемые агрохимические средства (Минеев и др., 1993; Войтович, 1997). В настоящее время в практической деятельности используется ряд подходов к определению оптимальных значений содержания в почве гумуса, подвижных фосфатов и обменного калия, а также кислотности (Оптимальные..., 1984; Ельников, Пивоварова, 1985; Кулаковская, 1990; Минеев и др., 1993; Кирюшин, 1996; Войтович, 1997; Небольсин, Небольсина, 1997; Минеев, 2000; Прокошев, Дерюгин, 2000 и др.).

При оценке оптимальных доз удобрений широко используют нормативные методы (Литвак, 1990). Они основаны на табличном представлении зависимости урожая от доз удобрений (Интенсивные..., 1987; Нормативы..., 1990; Нормативы..., 2000). Расчёт доз удобрений “на прибавку урожая” проводят по средним величинам изменения продуктивности от внесения азотных, фосфорных и калийных удобрений. Ограничения нормативных методов связаны с тем, что прибавки урожая сильно зависят от агрохимических свойств почвы, соотношения элементов минерального питания в составе удобрений, а также погодных условий. Применение корректирующих (поправочных) коэффициентов не всегда позволяет с требуемой точностью прогнозировать продуктивность сельскохозяйственных растений.

С использованием балансовых методов определяют количество элементов минерального питания растений, необходимое, чтобы компенсировать их вынос с основной и побочной продукцией. Данная группа методов основана на нормативах содержания азота, фосфора и калия в растениях (Нормативы..., 1991).

Комплексные эмпирические методы основаны на использовании результатов краткосрочных или длительных опытов с удобрениями. Они позволяют наиболее точно прогнозировать продуктивность культур. В них реализуются регрессионные эмпирические или динамические модели динамики агроэкосистем, параметры которых определяются по данным полевых экспериментов. С использованием рассматриваемого подхода Л.М. Державиным (1992) обработаны результаты большого числа полевых краткосрочных опытов Государственной агрохимической службы СССР по зонам страны, оценены регрессионные зависимости урожая культур и показателей его качества для зональных типов почв различного гранулометрического состава. Используемые в настоящее время эмпирические методы нуждаются в совершенствовании, поскольку недостаточно учитывают влияние погодных условий на эффективность агрохимических средств.

Получение новых сведений о закономерностях строения и функционирования агроэкологических систем требует совершенствования методики опытного дела, планирования и координации исследований. На современном этапе исследований возникает необходимость количественной оценки действия удобрений на продуктивность культур с использованием математического моделирования, при учёте требований к системам применения агрохимических средств, предъявляемых в современной эколого-экономической ситуации в земледелии России (Шутьков, 1999; Гордеев, 2001; Романенко, 2001 и др.). Эту задачу следует решать на основании системного подхода и современных информационных технологий (Семёнов, 2000; Результаты..., 2000).

В России и за рубежом ведётся работа по разработке автоматизированных информационных агрохимических систем (АИС), содержащих результаты исследований в опытах с удобрениями и другими агрохимическими средствами. Широко используются следующие программные продукты:

1. АИС “Географическая сеть опытов с удобрениями” (разработчик ВИУА им. Д.Н. Прянишникова), хранящая описания экспериментов Геосети в России, странах СНГ и Балтии (Володарская, 2001);

2. АИС “Географическая сеть опытов с биопрепаратами (разработчик: ВНИИ сельскохозяйственной микробиологии, ВНИИСХМ), хранящая описания экспериментов ВНИИСХМ с биопрепаратами и средствами защиты растений в России, странах СНГ и Балтии (Базы..., 1999).

3. Информационный комплекс Государственной агрохимической службы (разработчик: Центральный институт агрохимического обслуживания, ЦИНАО), содержащий данные краткосрочных экспериментов в России, странах СНГ и Балтии (Сычёв, 2000; Григоров, 2001).

4. Электронный архив Ротамстедской опытной станции (Великобритания), содержащий результаты длительных опытов, проводимых в Великобритании (Smith et al., 1997).

5. Банк данных полевых опытов с удобрениями в 12 странах Европейского Союза, разработанный в Вагенингенском аграрном университете в Нидерландах (Flensted-Jensen, Dindorp, 1995; Dekkers, 1998)

6. Информационная система по полевым опытам Шведского аграрного университета (отдела прикладных исследований), хранящая данные экспериментов, проведённых в Швеции (Леуховиус, 1999).

7. Банк информации полевых опытов по исследовательскому проекту стран Европейского Союза “EuroSOMNET”, разработанный Ротамстедской опытной станцией в Великобритании (Integrated..., 1999).

8. Банк данных полевых опытов в США и Канаде, созданный в Корнельском центре теоретических исследований в США (Merging...,, 1997).

В таблице 1.4 приведена характеристика возможностей данных информационных систем в сравнении с разработанной Автоматизированной информационной системой по полевым опытам с удобрениями и другими агрохимическими средствами “Геосеть-2000” (Хомяков, Искандарян, 2000; 2001 и др.).

Существующие системы в различной степени реализуют возможности обработки (хранения, накопления, оценки, обмена и использования) данных полевых опытов с удобрениями. Нуждаются в совершенствовании средства обмена информацией агрохимических исследований. АИС “Геосеть-2000” содержит характеристику сумм осадков и средних температур с дневным, декадным, месячным и годичным разрешением, а также месячные суммы активных температур и значения гидротермического коэффициента по месяцам, а также за периоды май - август и апрель - октябрь, значения гидрофактора по Волобуеву и биоклиматического потенциала по Шашко, - всего 32 показателей. Это позволяет разрабатывать с её помощью как статистические регрессионные модели продуктивности культур, так и комплексные модели динамики агроэкосистем. В предложенной системе проводится обработка данных как краткосрочных, так и длительных экспериментов, осуществляется анализ данных и моделирование, предоставляются возможности работы со справочной информацией о методах экспериментальных исследований.

Таблица 1.4. Функциональные возможности некоторых
информационных систем по полевым опытам с удобрениями и
другими агрохимическими средствами

Условные обозначения:

- возможность реализована;

- возможность не реализована;

 - возможность реализована частично

Полевые опыты служат источниками сведений для разработки прогнозных и объяснительных математических моделей в агроэкологии (Иванова, 1989; Прохорова, Фрид, 1993; Войтович, 1997 и др.). В агрохимии и почвоведении получили распространение два основных способа построения моделей: материально-аналоговое воспроизведение объекта в лабораторном, вегетационном, полевом или производственном опыте и концептуальное описание взаимосвязей между наблюдаемыми явлениями и процессами. По способу реализации концептуальные модели подразделяются на математические и информационные. Математические формализуют качественные или количественные зависимости между измеряемыми величинами или интегральными показателями, построенными на их основе. Информационные модели представляют совокупность сведений об исследуемом объекте в информационной системе, посредством знаков, символов, логических взаимосвязей или графических образов (Образцов, 1990; Могилевский, 1999).

Источником сведений для разработки агроэкологических моделей могут служить отдельные эксперименты, а также результаты обобщения проведенных ранее исследований. Практическая ценность моделей в этом случае значительно возрастает, поскольку реализуется возможность оценить реакцию агроэкологической системы на воздействия в широком диапазоне условий среды, что не позволяют осуществить данные индивидуальных экспериментов.

Различают феноменологические модели, описывающие зависимости между количественными или качественными величинами и теоретические, раскрывающие механизм изучаемых процессов. В зависимости от используемого математического аппарата, выделяют матричные, “диффузные”, балансовые, эмпирико-статистические, динамические и другие типы моделей, а также создаваемые на их основе системы поддержки принятия решений и другие информационные технологии (Моделирование..., 2000).

В прогнозировании продуктивности сельскохозяйственных культур по данным полевых опытов с удобрениями наибольшее применение получили эмпирико-статистические и динамические модели. Они строятся при допущении, что формирование продуктивности может быть изучено с помощью статистических методов оценки корреляционных и регрессионных зависимостей, экспертно-статистической классификации, факторного анализа и других. Широко используются методы регрессионного анализа (Федосеев, 1985; Каюмов, 1989; Образцов, 1990; Кулаковская, 1990; Хомяков, 1990; Уланова, Забелин, 1990; Прохорова, Фрид, 1993; Моделирование…, 2000). Наряду с эмпирическими зависимостями, используются модели продукционного процесса, отражающее формирование урожая и качества продукции в зависимости от физиолого-биохимических процессов в растении и действия факторов среды по стадиям роста (Полуэктов, 2000; Семёнов, 2000; Hijmans et. al, 1994).

Полевые опыты, используемые при построении моделей динамики агроэкосистем, должны охватывать широкий диапазон показателей почвенных и метеорологических условий. Необходим выбор наиболее типичных и содержательных опытов. Существующие в агрохимии методы решения данной задачи не всегда могут быть использованы при анализе больших массивов экспериментальных данных. Требуют совершенствования методы оценки информационной ёмкости экспериментов на основании характеристики их факторных планов. В.Н. Перегудовым была впервые сформулирована задача выбора адекватных показателей для оценки количества информации, получаемой в полевых агрохимических экспериментах (Доспехов, 1985). К сожалению, в проведённых ранее исследованиях такая оценка при выборе данных экспериментов для разработки агроэкологических моделей широко не проводилась.