Использование элементов точного сельского хозяйства для получения климатически обоснованной урожайности сельскохозяйственных культур в специализированных севооборотах
Повышенное внимание к теме цифрового сельского хозяйства со стороны государства и высокая конкуренция способствуют применению аграрными производителями новых технологических механизмов и методов работы, которые основаны на использовании интернет-технологий, спутниковой навигации, робототехники, датчиков и сенсоров, беспилотных транспортных средств. Для повышения эффективности и устойчивости отрасли растениеводства необходима цифровизация как систем производства продукции, так и процессов принятия решений на всех уровнях управления. По данным исследований, проведенных Г.С. Клычовой и другими, диджитализация сельскохозяйственных процессов позволяет повысить урожайность, продуктивность и эффективность использования материальных ресурсов, техники и человеческого потенциала. При этом в отечественном сельском хозяйстве до 70% сельскохозяйственных предприятий работают по экстенсивной технологии производства сельскохозяйственной продукции, не осуществив переход на интенсивные или высокоинтенсивные технологии.
Точное земледелие в настоящее время использует интеграцию новых сельскохозяйственных технологий и высокоточного позиционирования на основе технологий дистанционного зондирования Земли (ДЗЗ), а также дифференцированную высокоэффективную и экологически безопасную сельскохозяйственную деятельность на полях, основанную на подробной информации о химических и физических характеристиках каждого из них, что приводит к необходимости интеграции огромного количества информации, которая может быть обработана только технологиями искусственного интеллекта (ИИ), требующими достаточного количества структурированных и надежных данных.
Особое внимание уделяется необходимости комплексного использования цифровых технологий и ИИ для создания интеллектуальных интегрированных систем (ИИС) сельскохозяйственного производства. Как показывают исследования, активнее всего IT-технологии применяются в полевом земледелии при выращивании зерновых культур. Так, учеными Кабардино-Балкарской Республики разработана концепция ИИС «Умное поле» для производства семенной и товарной кукурузы, работа которой должна быть основана на использовании множества сенсоров, в том числе устанавливаемых на мобильной технике, и которая в случае положительной апробации может быть с незначительными доработками адаптирована и для производства другой растениеводческой продукции.
Новыми направлениями в цифровизации АПК являются создание и использование цифровых двойников. Учеными Самарского федерального исследовательского центра РАН разрабатывается концепция цифрового двойника растений — системы поддержки принятия агрономических решений для внедрения технологий точного земледелия. Цифровой двойник растений позволяет на основе климатических и почвенных данных с полей прогнозировать и моделировать состояние растений и выдавать рекомендации по обработке посевов.
Развитие точного земледелия, в свою очередь, требует более совершенной методологической и инструментальной базы информационного обеспечения новых технологий. За последнее десятилетие (в том числе в РФ) создано и апробировано множество программно-математических инструментов исследования влияния сложности и контрастности почвенного покрова на продуктивность различных сельскохозяйственных культур, возделываемых с применением цифровых технологий точного земледелия. Учеными в результате апробации функционала одной из интеллектуальных систем поддержки, выработки и реализации агротехнологических решений на основе разнородных данных и проблемно-ориентированных знаний сделаны выводы о росте урожайности и улучшении качества растениеводческой продукции на фоне снижения агрохимической нагрузки на окружающую среду на 35–60% и повышения окупаемости удобрений и средств защиты растений в 1,5–1,7 раза. Например, применение дифференцированного внесения азотных удобрений по технологии точного земледелия способствует повышению урожайности в среднем за годы исследований на 29%, а экономия удобрений составила около 26%.
Важнейшими факторами, зачастую определяющими эффективность функционирования сельскохозяйственных предприятий, являются региональные особенности, обусловливающие количество площадей, пригодных для возделывания сельскохозяйственных культур, и климатические условия, оказывающие непосредственное влияние на возделывание и уборку сельскохозяйственных культур.
По мнению Ф.А. Киприянова применение автоматизированных погодных сервисов позволит не только оперативно оценивать текущую климатическую ситуацию, но и проводить оценку возможности внедрения новых сельскохозяйственных культур с дальнейшим формированием агроклиматической карты сельскохозяйственного предприятия, являющейся одним из условий реализации адаптивно-ландшафтного земледелия.
ИИ использовался учеными при оценке урожайности сельскохозяйственных культур в штате Тамилнад (Индия) с 2000 по 2015 год в зависимости от влияния различных факторов: характера осадков, показателей азота, фосфора, калия, температуры, влажности и значений pH почвы. Проводился сравнительный анализ различных алгоритмов и рекомендована к внедрению модель XGBoost для прогнозирования урожая сельскохозяйственных культур на основе параметров, учитывающих качество почвы, и обеспечивающая общую точность тестирования 99,318%. Комплексный подход, разработанный для оценки устойчивости сельскохозяйственных культур с использованием контролируемых алгоритмов, помогает повысить урожайность, сокращает ручную работу, время, затрачиваемое на различные сельскохозяйственные мероприятия, и получить рекомендуемый урожай на основе заданных параметров почвы.
С внедрением цифровых технологий в сельскохозяйственное производство всё более востребованными становятся учет внешних условий, формирование базы данных метеорологических параметров и прогнозирование динамики вегетативного процесса возделываемых культур. Элементы точного земледелия могут быть реализованы на основе использования автоматических метеостанций. В частности, учеными Орловского ГАУ разработана методика оценки влияния на продукционный процесс некоторых почвенно-климатических параметров, предоставляемых автоматической метеостанцией, в комплекте с выносным модулем. Данный алгоритм предлагается для использования в качестве методики прогнозирования вегетационных процессов растений с использованием датчиков метеостанции «Сокол-М».
Федеральный научный центр лубяных культур является оригинатором многих сортов льна-долгунца, возделываемых на территории РФ, где разрабатываются уникальные сортовые технологии возделывания льна, в том числе по его выращиванию в специализированных севооборотах.
Учеными Федерального научного центра лубяных культур совместно со специалистами АО «Научно-исследовательский институт информационных технологий» (г. Тверь) с 2020 года проводится опытное испытание элементов информационно-аналитической системы управления ресурсосберегающим производством продукции растениеводства «Ваш урожай», в функционировании которой заложены интеллектуальные алгоритмы формирования севооборотов, программирования климатически обоснованной урожайности сортов культур, прогноза и предупреждения рисков в технологическом процессе, формирования технологических карт, расчета и корректировки норм внесения удобрений на основе данных оцифровки полей и выбранной технологии возделывания. Цель исследований — апробация работы модулей информационно-аналитической системы управления ресурсосберегающим производством продукции растениеводства — агроплатформы «Ваш урожай» (АО «Научно-исследовательский институт информационных технологий», Россия) при реализации производственно-адаптированных технологий возделывания льна-долгунца на семена и однолетних трав в специализированном севообороте в условиях Верхневолжья.
Материалы и методы исследования
Исследования проводились в серии экспериментов на опытном поле Института льна — обособленного структурного подразделения Федерального научного центра лубяных культур в Торжке в 2020–2022 годах.
В качестве объектов исследования были выбраны модули информационно-аналитической системы управления ресурсосберегающим производством продукции растениеводства «Ваш урожай», отвечающие за выбор сорта сельскохозяйственных культур, программирование урожайности, расчет дифференцированного внесения макро- и микроудобрений, многолетние травы (два года пользования) — клевер луговой Макаровский и тимофеевка луговая Нарымская, лен-долгунец Факел (авторство — Федеральный научный центр лубяных культур), а также райграс однолетний Викинг.
Работа модулей агроплатформы «Ваш урожай» основана на математических моделях урожайности сельскохозяйственных культур, при составлении которых учитывались принципы программирования урожайности, заложенные М.К. Каюмовым и другими, и балансовый метод расчета доз внесения минеральных удобрений.
Для проведения эксперимента применяли карты полей в электронном kml-формате, которые объединяют координаты границ элементарных участков, сведения о содержании питательных элементов в их пределах. Технологические карты возделывания льна-долгунца, многолетних и однолетних трав, сформированные под изучаемые сорта культур, и карты-задания в csv-формате, позволяющие проводить точное дифференцированное внесение твердых и жидких удобрений. Файлы в kml- и csv-форматах читаются при помощи программы или приложения Google «Планета Земля» (Google LLC, США).
В ходе эксперимента были определены площадь и координаты границ опытного участка с использованием приложения карты от Mapnitude (Mapnitude Co., Ltd, США), а затем (на основании данных агрохимического обследования почвы) проведена разбивка его на элементарные участки. В результате такой «оцифровки» на общей площади поля в 24 га были выделены 22 элементарных участка, из которых для проведения данного опыта было выбрано 16 (табл. 1) общей площадью 2,5 га.
При составлении и подборе технологических операций по внесению удобрений под базовую культуру севооборота лен-долгунец и выборе видов удобрений за основу брали результаты агрохимического обследования данного участка (табл. 1).
Почвы местности, где проводился эксперимент, характеризуются высоким содержанием P в подвижных формах и повышенной кислотностью, что позволяет не использовать фосфорсодержащие удобрения. Однако ввиду труднодоступности для растений форм P, содержащихся в почве, в технологии возделывания обозначено внесение стартовой дозы из расчета 1 ц/га «Азофоски». По содержанию K почвы относятся к слабообеспеченным, что компенсируется применением калийсодержащих удобрений. При анализе данных агрохимического обследования по содержанию микроэлементов было выявлено, что по степени обеспеченности Zn почвы опытного участка относятся к бедным (по Я.В. Пейве), а по содержанию B — к средним (по Г.Я. Ринькису), при возделывании льна-долгунца в целях сохранения иммунного статуса растений необходимо восполнение недостатка данных микроэлементов. В качестве удобрений, вносимых по дифференцированной схеме в опыте, применялись KCl (60%) и микроэлементный препарат «АгроНАН» (Беларусь). Таким образом, применение минеральных удобрений осуществлялось до посева основной культуры, а микроэлементный препарат вносился в подкормку по листу.
Работа модуля агроплатформы «Ваш урожай», применяемого для дифференцированного внесения удобрений, основана на системе мониторинга движения техники и оборудования по территории опытного участка при помощи сервиса Wialon (Gurtam, Литва). Протоколы электронного взаимодействия системы позволяют трансформировать элементы данной технологической карты применительно к устройствам привода рабочих органов агрегатов. В качестве обратной связи система принимает данные мониторинга и позволяет внести корректировки в электронную технологическую карту.
Полученные данные подвергались статистической обработке по методике Б.А. Доспехова.
Результаты и обсуждение
В течение трех лет в полевых условиях на «оцифрованном» участке проводилось изучение особенностей работы цифровой агроплатформы — информационно-аналитической системы управления растениеводством в части применения функционала модулей: программирования урожайности сортов культур определенного звена севооборота в данных природно-климатических условиях; составления эколого-адаптивной, интенсивной технологии возделывания данных сортов культур; расчета и практического применения дифференцированного внесения удобрений.
Ключевым элементом использования возможностей информационно-аналитической системы является внесение информации о почвенно-климатических условиях местности, культурах, сортах и интенсивных технологиях их возделывания в конкретном регионе.
Алгоритмы системы позволяют экстраполировать технологию возделывания сорта культуры на конкретный участок местности. В данный блок работ входит логическое, научно-обоснованное построение перечня технологических операций с заданными параметрами возделывания, сведенное в систему севооборотов и создание в итоге электронной технологической карты. Каждой технологической операции система предлагает подбор технических средств и агрегатов из имеющихся на предприятии при соблюдении оптимальных технологических параметров.
Применение средств мониторинга позволяет отслеживать процесс передвижения машинно-тракторных агрегатов, задействованных в конкретной технологической операции, избегать технологических огрехов, перехлестов, а также контролировать несанкционированное расходование топливно-смазочных материалов.
Система позволяет применять новые, разрешенные к использованию удобрения, средства защиты растений в минимальных научно-рекомендованных дозах, что дает возможность сокращать негативное воздействие на окружающую среду от применения агрохимикатов.
При выборе сортов для возделывания алгоритмы направлены на применение сорта культуры, районированного в соответствии с каталогом Госсорткомиссии и потенциально дающего максимальную урожайность на данной местности.
На опытном участке в 2020 году возделывалась многолетняя травосмесь (два года пользования), данные по продуктивности которой использовались авторами для определения пестроты почвенного плодородия и дальнейшей дифференциации внесения макроэлементов для ее снижения. Урожайность травосмеси при возделывании ее по ресурсосберегающей технологии варьировалась от 3 до 4,5 т/га сена (табл. 2) за один укос.
2020 год был очень нетипичным по метеорологическим условиям. В частности, это характеризовалось низким количеством осадков в зимний период, что явилось следствием недостатка запасов влаги в метровом слое почвы. Среднесуточные температуры в период активной вегетации трав (май — июнь) были ниже среднемноголетних и оптимальных. Таким образом, два фактора — недостаток продуктивной влаги и низкие суточные температуры в начале вегетации — привели к снижению уровня урожайности многолетних трав. При среднем значении урожайности 3,83 т/га была отмечена вариация отклонения от среднего (с -21,7 до 17,5%), что свидетельствует о ее значительной пестроте.
При этом авторы отметили достаточно значительные отклонения содержания К2О на элементарных участках в разрезе общего участка (табл. 1). Содержание его варьировалось с 34 до 92 мг/кг почвы (при среднем значении 63,7 мг/кг). В итоге процент отклонения от среднего составлял от -46,6 до 41,3%, что также говорит о значительной пестроте содержания K.
Опираясь на полученные результаты, мы считаем выбранную систему дифференцированного внесения калийных удобрений обоснованной.
Дифференцированное внесение калийных удобрений проводилось согласно технологической карте в сентябре 2020 года. Стандартная доза внесения KCl для получения урожая семян льна-долгунца составляет 100 кг/га без дифференциации. Программное обеспечение цифровой агроплатформы позволило рассчитать дифференцированные по элементарным участкам дозы внесения данного удобрения (рис. 1) на основе содержания K в почве и с учетом его выноса планируемым урожаем.
Сформированные карты-задания на внесение удобрений передавались в бортовой компьютер трактора. В нашем случае предварительно была проведена модернизация агрегата путем размещения на тракторе дополнительного оборудования, способного обеспечить реализацию механизма дифференцированного внесения удобрений.
Анализируя данные, можно говорить о том, что рассчитанные при помощи алгоритмов агроплатформы дозы для дифференцированного внесения KCl ниже рекомендованной. Дифференциация применения данного агрохимиката во всех изучаемых вариантах способствовала сокращению расхода (на 9,86–52,49%). Применение макроэлементного удобрения в точных дозах позволяет сократить не только расход самого удобрения, но и прочие статьи затрат, связанные с его внесением. По факту при стоимости 1 кг KCl 46 рублей на 1 га посевной площади экономия составила 1,35 тыс. рублей. Помимо экономического эффекта, нельзя не отметить, что снижение дозы KCl для элементарных ячеек позволяет уменьшить угнетающее воздействие Cl на развитие растений.
На второй год полевой эксперимент предполагал возделывание семенного посева льна-долгунца Факел. С этой целью была сформирована сортовая технология возделывания, которая основывалась на данных об эффективном плодородии почв и необходимом количестве основных питательных элементов, для получения расчетной урожайности, в том числе с применением расчетных доз удобрений. Запланированная расчетная урожайность семян для данного сорта льна на опытном участке составляла 0,42 т/га. В качестве фактора, лимитирующего получение максимальной урожайности сорта по расчетным данным, было выявлено значение биогидротермического потенциала.
Посев льна-долгунца Факел был проведен с одинаковой нормой (40 кг/га) на все элементарные участки 23 мая 2021 года в соответствии с разработанной технологией. Уборка проведена комбайновым способом 15 августа 2021 г. Вегетационный период соответствовал авторской характеристике сорта и составил 83 дня.
Информация о всех проводимых технологических операциях вносилась в цифровую агроплатформу, где из них была сформирована фактически реализованная технологическая карта, представляющая собой электронную версию технологии возделывания льна-долгунца Факел применительно к специализированному севообороту.
Применение микроэлементного удобрения «АгроНАН» позволило восполнить недостаток ключевых для развития растений льна-долгунца микроэлементов — Zn и В, которые влияют не только на урожайность, но и на качество получаемого семенного материала. Внекорневая подкормка препаратом «АгроНАН» проводилась дифференцированно по рассчитанным интеллектуальными механизмами агроплатформы дозам в фазу «елочки — начало бутонизации» (рис. 2).
Согласно инструкции по применению рекомендованная для льна норма внесения — 200 мл/га. Фактически внесенные по вариантам дозы препарата на элементарные участки меньше рекомендуемой (на 2,5–7,4%).
Результаты полевого эксперимента показывают, что полученная при возделывании по рекомендованной ФГБНУ ФНЦ ЛК технологии урожайность семян льна-долгунца Факел в среднем по вариантам опыта составила 0,45 т/га (табл. 2). По данным метеорологического наблюдения, погодные условия вегетационного периода 2021 года отличались от среднемноголетних. В частности, комплексный агрометеорологический показатель — биогидротермический потенциал — превышал среднемноголетний показатель, что явилось следствием увеличения урожайности семян льна-долгунца. При этом вариация урожайности по сравнению со средним значением находилась в пределах 0,412—0,484 т/га, процент отклонения от среднего не превышал 8,24%, что подтверждает правильность выбранной стратегии дифференцированного внесения калийных и микроэлементных удобрений.
На основании этого можно говорить об удаленном контроле и управлении посредством цифровой платформы реализации сортовой технологии возделывания льна-долгунца, что легло в основу научного обоснования алгоритмов работы модулей информационно-аналитической системы производства продукции растениеводства применительно к специализированным льняным севооборотам.
На третий год проведения исследований на опытном участке проведен учет урожая посеянного по научно обоснованной технологии райграса однолетнего Викинг. Прогнозируемая урожайность данного сорта с учетом условий местности — 5,5 т/га. Посев проводился во II декаде мая, отрастание до первого укоса составило 56 дней — это соответствует характеристике сорта. Фактическая урожайность по элементарным участкам была однородной и в среднем составляла 5,1 т/га в пересчете на сено с влажностью 16% (табл. 2).
Интервал различий урожайности по вариантам местообитания — 5,01–5,21 т/га, а отклонения от среднего составляли не более 2,16%. Погодные условия 2022 года способствовали активному началу отрастания многолетних трав и успешному прорастанию, дружным всходам и развитию однолетних культур. Однако вторая половина вегетационного периода характеризовалась недостатком продуктивной влаги в почве, низким количеством осадков и повышенной температурой воздуха. Данная ситуация негативно отразилась на отавности и низкой урожайности второго укоса многолетних трав, ускоренном накоплении суммы активных температур и, следовательно, созревании однолетних культур при, возможно, недостаточном продукционном наливе, что в свою очередь привело к недополучению потенциальной урожайности.
Таким образом, авторами были проверены реализованные в агроплатформе «Ваш урожай» механизмы расчета реально возможной урожайности применяемых сортов льна-долгунца и райграса однолетнего в конкретном местообитании. Проведена апробация автоматизированного подбора соответствующей технологии и интеллектуального расчета норм внесения удобрений под лен-долгунец Факел на предварительно оцифрованном поле.
Выводы
По результатам исследований определена возможность эффективного применения модуля информационно-аналитической системы управления ресурсосберегающим производством продукции растениеводства «Ваш урожай» для получения климатически обеспеченной урожайности сельскохозяйственных культур.
Доказано, что система дифференцированного внесения удобрений способствует выравниванию показателей урожайности возделываемых в специализированном севообороте культур — льна-долгунца и райграса однолетнего.
Использование в производственных процессах агропредприятий модулей цифровой агроплатформы позволит усилить результативность деятельности посредством увеличения урожайности культур севооборота до климатически обоснованной на данной местности при неукоснительном соблюдении представленной сортовой технологии возделывания.
Об авторах
Надежда Владимировна Гриц, кандидат сельскохозяйственных наук, доцент, старший научный сотрудник лаборатории агротехнологий
n.gritz@fnclk.ru; ORCID ID: 0000-0002-3954-2646
Роман Анатольевич Ростовцев, доктор технических наук, член-корреспондент РАН, директор
r.rostovcev@fnclk.ru; ORCID ID: 0000-0003-0368-1035
Александр Владимирович Диченский, кандидат сельскохозяйственных наук, доцент, руководитель отдела образования
a.dichenskiy@fnclk.ru; ORCID ID: 0000-0002-1803-268X
Федеральный научный центр лубяных культур, Комсомольский пр-т, 17/56, Тверь, 170041, Россия
УДК 631.17 + 633.52 + 004.04. DOI: 10.32634/0869-8155-2023-375-10-88-94
Сельское хозяйство, ветеринария, зоотехния, агрономия, агроинженерия, пищевые технологии
