Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Белорусская Государственная Сельскохозяйственная Академия

Кафедра информационных технологий

Основы информационных технологий

Выпускная работа

«Использование информационных технологий при агрохимической оценке почв»

Компьютер стал помощником для ряда специалистов в различных отраслях. В сельском хозяйстве компьютер вместе с программным обеспечением в состоянии выполнить ряд полезных функций и облегчить труд руководителя, агронома, учетчика, главного инженера, главного механизатора и конечно бухгалтера.

Еще в СССР в каждом хозяйстве полагалось иметь практическое пособие для обеспечения роста производства растениеводческой продукции под названием «Система земледелия и землеустройства» совхоза или колхоза. В данном практическом пособии по ведению сельского хозяйства содержались разделы:

Характеристика землепользования;

Состояние сельскохозяйственного производства и перспективы его развития;

Землеустройство и мелиорация;

Структура посевных площадей и система севооборотов;

Система обработки почв и система машин;

Система использования естественных кормовых угодий;

Мероприятия по защите почв от эрозии;

Система повышения плодородия почв;

Система защиты растений от вредителей, болезней и сорняков;

Мероприятия по повышению качества продукции растениеводства;

Система семеноводства сельскохозяйственных культур;

Организация труда в растениеводстве;

Охрана окружающей среды;

Экономическая эффективность системы земледелия.

Все перечисленные разделы необходимы и сегодня для успешного и прибыльного агропроизводства. Соответственно и в компьютерных программах для удобства должны быть реализованы аналогичные функции. Бесспорным преимуществом программного обеспечения и компьютеризации сельхоз производства, являются отказ от печатной формы описания процессов. Специализированные компьютерные программы позволяют ее заменить на данные в компьютерной программе, что позволяет оперативно вносить данные и исправления. С агротехнологическими данными одновременно могут работать несколько специалистов: вводить и изменять данные, распечатывать необходимые документы.

Реалии нашего времени дополнили список необходимых функций автоматизации производства бухгалтерским учетом и в некоторых случаях МФО. Развитие техники диктует потребность в мониторинге и обработке сигналов датчиков движения, расхода, веса и т.д. Развитие агротехнологий создают требования поддержки элементов точного земледелия включающих привязку данных к географически точным координатам участка поля и отображения наличия питательных веществ в определенном месте. Изменение организационной структуры агропредприятий от фермерских хозяйств до агрохолдингов накладывают противоречивые требования упрощения в первом случае и усложнения обработки и согласования данных с разных хозяйств во втором случае [8].

Разработка и внедрение информационно-аналитических систем обеспечивает компактность хранения и оперативность обновления информации, повышает достоверность за счет однократного ввода и контроля данных, сокращает бумажный документооборот, следовательно, и ручной труд специалистов при обработке, поиске и выдаче информации. Информационно-аналитические системы с функцией обмена данными между составляющими блоками позволяют наиболее полно и всесторонне анализировать состояние пахотных почв, получать выходные формы в виде графиков, таблиц и картографического материала, и прогнозировать потенциальные изменения плодородия почв [11].

Использование информационных технологий при агрохимической оценке почв позволяет:

1. Изучить современное агрохимическое состояние пахотных почв и динамику изменений основных показателей плодородия за заданный период времени.

2. Рассмотреть балансы гумуса и основных питательных элементов в пахотных почвах.

3. Разработать методику агрохимического мониторинга, включающую структуру и содержание баз данных, картографирование показателей плодородия.

4. Разработать и внедрить информационно-аналитическую систему (ИАС), повышающую достоверность и оперативность обновления информации за счет однократного ввода и контроля информации в банк данных, для сокращения затрат ручного труда специалистов при обработке, поиске и выдаче информации.

5. Создать электронный архив картографических моделей и атрибутивной информации пахотных почв.

6. Разработать рекомендации по внесению минеральных удобрений на основе картографических моделей и атрибутивной информации пахотных почв.

7. Определить эффективность ведения агрохимического мониторинга состояния и плодородия пахотных почв с использованием современных технологий.

Информационно-аналитическая система агрохимического центра, цифровые модели пахотных земель исследуемой территории, позволяют накапливать, анализировать, обобщать и разрабатывать рекомендации по результатам мониторинга почв.

ГЛАВА 1. Геоинформационные системы (ГИС)

Воспроизводство плодородия почвы, реализация потенциальной продуктивности культурных растений - главная задача земледелия. Для успешного решения этой задачи необходимо оптимальное сочетание многообразия факторов, своевременная и достоверная оценка пространственно-временных параметров природно-антропогенных условий и процессов.

Важную роль в регулировании почвенного плодородия играет агрохимический мониторинг состояния почв, включающий наблюдения за изменениями агрохимических показателей в пахотном слое почвы и влиянием этих изменений на формирование количества и качество урожая. С помощью мониторинга можно установить потребность растений в элементах питания и других факторах плодородия.

Мониторинг предполагает не только наблюдение за процессом или явлением, но также его оценку, прогноз распространения и развития, а, кроме того, разработку системы мер по предотвращению опасных последствий или поддержанию благоприятных тенденций.

Агрохимический мониторинг за состоянием почв и растений позволит рационально использовать средства на производство сельскохозяйственной продукции.

Для эффективного осуществления мероприятий по повышению почвенного плодородия на основе агрохимического мониторинга весьма актуальна проблема сбора, обработки и анализа информации на основе геоинформационных технологий.

В конце XX века на рынке высоких технологий возник новый тип информационных систем - геоинформационные системы (ГИС). В настоящее время ГИС являются самыми развивающимися и перспективными информационными системами для управления и ведения мониторинга. Удобные методы визуализации данных с пространственной привязкой все больше привлекают пользователей во всех отраслях экономики.

Разработка и внедрение информационно-аналитических систем обеспечивает компактность хранения и оперативность обновления информации, повышает достоверность за счет однократного ввода и контроля данных, сокращает бумажный документооборот, следовательно, и ручной труд специалистов при обработке, поиске и выдаче информации. Информационно-аналитические системы с функцией обмена данными между составляющими блоками позволяют наиболее полно и всесторонне анализировать состояние пахотных почв, получать выходные формы в виде графиков, таблиц и картографического материала, и прогнозировать потенциальные изменения плодородия почв.

Ведение агрохимического мониторинга с использованием современных информационных технологий снижает на 60-80% затраты на обработку данных наблюдений и обеспечивает повышение качества рекомендаций- для земледелия: комплексный анализ оперативной и ретроспективной информации о состоянии почв позволяет адресно применять удобрения, что способствует их экономии и улучшению агрохимического состояния пахотных почв. Создание информационных слоев электронной карты и привязка атрибутивной информации к каждому из объектов слоя «Почвы» позволяет воспроизводить, различные варианты тематических закрасок карты, облегчающих визуальную оценку преобладания элементарных ареалов с теми или иными наборами агроэкологических параметров [6].

Сегодня для модернизации действующего производства сотрудниками Института разрабатываются информационная система характеристики почвенного покрова нашей страны на основе новой классификации почв с применением ГИС-технологий. Результаты исследований будут использованы институтом почвоведения и агрохимии при разработке прогнозных проектов по охране окружающей среды и управлению природопользованием как на национальном, так и на международном уровне. Разрабатывается система дифференцированного использования почвенных ресурсов республики на основе кадастровой оценки земель; определение площади почв по степени пригодности для возделывания различных сельскохозяйственных культур и рекомендации по пригодности почв для их возделывания, которые будут реализовываться на всех пахотных землях республики.

Под методическим руководством института проведены четыре тура обследования земель с последующей бонитировочной оценкой почв всех хозяйств республики, 11 туров крупномасштабного агрохимического обследования почв и 11 циклов известкования кислых почв. Создан банк данных агрохимических свойств почв Республики Беларусь в разрезе элементарных участков: последующим обобщением результатов на уровнях «хозяйство - район - область - республика». В результате появилась возможность для оценки состояния плодородия сельскохозяйственных земель, разработки мероприятий по его поддержанию и расширенному воспроизводству. Материалы агрохимического обследования являются исходной информацией при разработке систем удобрения сельскохозяйственных культур. Комплексное применение средств химизации более эффективно на хорошо окультуренных почвах, где факторами, лимитирующими урожай, являются не недостаток какого-либо из основных элементов питания или агрохимические показатели почв, а оптимизация всего комплекса условий питания, которую обеспечивают многокомпонентные агротехнологии. Именно такая оценка концепции комплексного применения средств химизации определила направление научных исследований по разработке приемов повышения эффективности минеральных удобрений, которые явились основой для совершенствования интенсивных технологий возделывания сельскохозяйственных культур [6].

В результате проведенных исследований разработаны приемы оптимизации питания растений на основе сбалансированного применения минеральных и органических удобрений, обеспечивающие получение экономически обоснованной продуктивности сельскохозяйственных культур и воспроизводство почвенного плодородия. Внедрение данной разработки гарантирует воспроизводство почвенного плодородия, устойчивую продуктивность зерновых севооборотов 70-85 центнеров кормовых единиц с гектара, рост рентабельности сельскохозяйственного производства до 80-90%. Внедрение проводится ежегодно на площади 40 тыс. га в хозяйствах Клецкого, Дзержинского и Несвижского районов Минской области при возделывании озимых и яровых зерновых культур.

В рамках выполнения научно-исследовательских программ сотрудниками Института созданы комплексные удобрения для льна, сахарной свеклы, рапса, гречихи, пивоваренного ячменя, озимых и яровых зерновых, овощных, многолетних злаковых и бобово-злаковых культур. На стенде, представленном на выставке, были продемонстрированы основные преимущества применения этих удобрений: макро-, микроэлементы, регуляторы роста включены в одну гранулу с наиболее приемлемым соотношением элементов питания для выращиваемой культуры и с учетом почвенного плодородия. Промышленный выпуск данных удобрений освоен на ОАО «Гомельский химический завод». Совместно с этим предприятием разработана серия удобрений, предназначенных для некорневых подкормок сельскохозяйственных культур по вегетирующим растениям: для зерновых, картофеля, льна-долгунца и льна масличного, овощных, бобовых культур и зеленых насаждений. Совершенствование технологий возделывания сельскохозяйственных культур на базе использования последних достижений научных исследований в области агрохимии невозможно без дальнейших разработок по оптимизации микроэлементного питания культур. В рамках инновационного проекта совместно с сотрудниками ГНУ «Институт природопользования НАН Беларуси» были разработаны новые жидкие удобрения ЭлеГум. В своем составе наряду с хелатами металлоэлементов - медью, цинком, марганцем, а также бором в органо-минеральной форме - они содержат гуминовые вещества в качестве компонентов, регулирующих рост и развитие растений и повышающих устойчивость растений к воздействию неблагоприятных факторов [7].

Сотрудниками института разработаны четыре новые марки микроудобрений с экосилом МикроСил - водорастворимых концентратов, приготовленных на основе хелатов металлоэлементов (цинка, меди) и бора в органо-минеральной форме с добавлением регулятора роста экосил. Микроудобрения предназначены для применения в современных технологиях возделывания льна. Созданы также микроудобрения с биостимулятором МикроСтим, приготовленные на основе хелатов металоэлементов цинка, меди и бора в органоминеральной форме с добавлением регулятора роста - гидрогумина, гидрогумата или иных гуминовых веществ.

В институте сложилась традиция каждую разработку сопровождать изданием рекомендаций по ее применению. На выставочной экспозиции рядом с новыми удобрениями были представлены рекомендации, в которых описана технологическая схема применения микроудобрений, дана оценка агрономической и экономической эффективности использования данных микроудобрений.

Из всех видов деградации земель в Беларуси эрозия является наиболее выраженной и значимой. Проведенные почвенные исследования показывают, что 2,3 млн. га, или около 45% общей площади пахотных земель, являются эрозионноопасными, из них уже подвержены эрозии около 10%. Экономический ущерб от проявления эрозионных процессов на земле выражается в ежегодных потерях мелкозема и биогенных элементов почвы и снижении ее плодородия. Поэтому сотрудники Института разрабатывают энергосберегающую систему защиты пахотных почв в зонах, подверженных водной и ветровой эрозии (с применением ГИС-технологий). Часть экспозиции была посвящена комплексу противоэрозионных мероприятий, внедрение которого позволит уменьшить загрязнение окружающей среды продуктам смыва или дефляции, снизить горизонтальную миграцию радионуклидов, сохранить почвенное плодородие эрозионноопасных участков.

Институт представлял также результаты мониторинга загрязнения земель в зонах крупных промышленных центров Беларуси, включающие данные о содержании в почвах химических соединений, их пространственное распределение, картосхемы загрязнения почв этими элементами. Получены параметры снижения урожайности зерновых культур от концентрации натрия в пахотном слое почв, разработаны рекомендации по использованию таких земель [4].

ГЛАВА 2. Агрохимическое обследование в точном земледелии

Применение агротехнологий без учёта пространственной и временной вариабельности параметров плодородия почв повсеместно приводит к нарушению равновесия агроэкосистем. Технология XXI века - точное земледелие (precision agriculture) во многом построена именно на оценке пространственно - временной неоднородности сельскохозяйственных полей. Более того, от степени неоднородности зависит эффективность внедрения новой технологии в конкретных хозяйствах. Если агрохимические и агрофизические показатели качества и плодородия почв значительно отличаются в пределах одного поля, то затраты на новую технологию с большей вероятностью окупятся. Следовательно, первым необходимым шагом при переходе на новую технологию является объективная оценка пространственно-временной вариабельности сельскохозяйственных полей.

Известно, что при внесении минеральных удобрений определяющие значение для расчёта доз удобрений под конкретную культуру имеют почвенно-климатические характеристики полей, включающие основные агрофизические и агрохимические параметры, такие как гранулометрический состав, кислотность, подвижные формы фосфора и калия, органическое вещество, плотность, влагообеспеченность, гидролитическая кислотность, сумма поглощённых оснований(N, P, K, Гумус, ph и др)..

Для определения значений этих так называемых химических индексов плодородия проводится регулярное обследование почв.

Рисунок 2.1 - Традиционный способ обследования почв

Традиционно обследование проводится вручную, и самое главное, без точной привязки к местности, поэтому при повторном обследовании трудно с уверенностью утверждать, что пробы были взяты в том же самом месте. Из этого следует, что информация, полученная таким способом, скорее всего не отражают реальную картину и динамику изменения почвенных показателей на поле, что в свою очередь приводит к неверным результатам расчёта доз удобрений, и как следствие это отражается как на экономической политике хозяйства, так и на экологической обстановке.

С другой стороны почти повсеместно наблюдается широкое варьирование агрохимических показателей на пахотных площадях нашей страны. Исследования, проведенные на агрополигоне Всероссийского НИИ агрохимии им. Д.Н. Прянишникова, в частности, показали, что на участке площадью 4 га, разделенном на 400 равновеликих (10 х 10 м) делянок, содержание гумуса по отдельным делянкам колебалось от 1,15 до 3,1 %, то есть по принятой градации, от очень низкой до высокой обеспеченности.

Последние достижения науки и техники, особенно в области информационных технологий, позволяют выйти на качественно новый уровень обследования почв. Для применения технологии точного земледелия необходимо проводить обследование почв, используя датчики, приборы и мобильные информационные системы, позволяющие исследовать вариабельность пространственно-ориентированных характеристик почвенного и растительного покровов, в том числе конечного урожая в пределах конкретного поля.

Рисунок 2.2 - Точный способ обследования почв

Для агрохимического обследования "точным" способом используется мобильный автоматизированный комплекс, оснащенный GPS-приемником, бортовым компьютером, автоматическим пробоотборником и специальным программным обеспечением. Применение современных технологий позволяет получать более точные карты пространственного распределения агрохимических показателей внутри каждого поля. На первом и втором рисунках хорошо видна разница между "традиционным" и "точным" методами агрохимического обследования. И если речь идет о тысячах гектаров, то ошибка при расчете доз удобрений может быть очень большой, что безусловно повлияет на себестоимость, количество и качество урожая, а также на экологическую обстановку вокруг.

Перед отбором почвенных проб на поле необходимо определить размер элементарного участка, с которого будет браться одна объединенная проба. То есть проба, состоящая из смешанных 10-15 образцов почвы, отобранных в разных местах (обычно по диагонали) на каждом элементарном участке [11].

Рекомендуется, предварительно изучив историю угодья, разбивать его на участки в зависимости от количества применяемых фосфорных удобрений. Если фосфора вносится по действующему участку менее 60 кг/га, то площадь участка составляет 5 га. При норме внесения на 1 га 60..90 кг P2O5 образец берётся с участка площадью 4 га, а при более 90 кг - 2 га.

Полевые работы проводятся при температуре не ниже +5 С. На полях, где доза внесения составляла не более 90 кг/га д.в., отбор проб можно проводить в течение всего вегетационного сезона, если больше - спустя 2-2,5 месяца после внесения. На полях, где интенсивно применяются пестициды, отбор проб проводится через 1,5-2 месяца после обработки. Зараженные радионуклидами территории обследуются до посева сельскохозяйственных культур или во время уборки. Внесение органических удобрений на сроки отбора образцов не влияет.

Также размер элементарного участка можно определять руководствуюясь недавно опубликованными методическими указаниями "Методика отбора почвенных проб по элементарным участкам поля в целях дифференцированного внесения удобрений." Рекомендуется выбирать размер от 1 до 5 гектар в зависимости от размера хозяйства и размера бюджета хозяйства на эти цели.

Первым этапом агрохимического обследования является создание электронных контуров (карт) полей с точностью, которую обеспечивает GPS-приемник. Оконтуривание полей также определяет реальные границы и площади сельхозугодий с сантиметровой точностью, что в свою очередь влияет на расчёт необходимых удобрений и учёт урожая. Разница между реальным размером сельхозугодий и размером известным агроному или руководителю может составлять до 20%.

После оконтуривания полей необходимо разбить каждое поле на элементарные участки. Для этого в программе FieldRover "накладываем" сетку на полученный контур поля, перемещаем ее до оптимального, на наш взгляд, положения и фиксируем. В результате получили карту поля, разбитого на пронумерованные элементарные участки заданной формы и размера. Поле готово к отбору проб.

При отборе проб оператор, двигаясь внутри элементарного участка, делает 10-15 уколов автоматическим пробоотборником, останавливаясь при каждом уколе. На панели бортового компьютера записывается пройденный путь и сохраняется в памяти компьютера.

Программное обеспечение позволяет также осуществлять навигацию к отмеченной в бортовом компьютере оператором точке на поле. При этом на дисплее будет указываться направление и расстояние до точки. Это удобно при движении к месту последней взятой пробы для продолжения работ или к проблемному участку, где необходимо провести дополнительные исследования.

Отобранные и маркированные образцы (пробы) передаются в аккредитованную агрохимическую лабораторию для анализа. После выполнения анализов из лаборатории получаем ведомость, где указаны агрохимические показатели соответствующие номерам проб [4].

Результаты анализа вводятся в компьютер, в специальную программу (геоинформационную систему - ГИС) и обрабатываются. Такими программами могут быть MapInfo ©, SSToolBox ©, ArcGIS © и другие.

Полученные пространственно-ориентированные карты распределения каждого агрохимического показателя позволяют видеть и учитывать при расчетах реальное состояние полей. Но если обычное хозяйство может обходится и без таких точных карт, то хозяйства использующее технологии точного земледелия для дифференцированного внесения минеральных удобрений просто не могут обходится без них.

Для дифференцированного внесения минеральных удобрений мы используем программное обеспечение SSToolBox ©, GPS-приемники, бортовые компьютеры и специальное бортовое програмное обеспечение. На основании полученных карт по агрохимическим показателям в программе SSToolBox ©, автоматически проводится расчёт дозы для каждого элементарного участка по заранее нами составленной формуле. Программа SSToolBox, в которой мы делаем подобные карты и проводим расчет дозы удобрений, обладает встроенным редактором формул, который позволяет программировать достаточно сложные формулы. Также при расчете учитываются параметры удобрения и цена, а также ограничения, которые мы накладываем на внесение удобрений (например максимально возможная доза).

После расчета доз удобрений мы получаем карту задание, в параметрах которой уже просчитано какое количество удобрений потребуется для внесения на данное поле и сколько это будет стоить в рублях.

На рисунке видно, что карта-задание состоит из маленьких квадратиков. Эти квадратики, в нашем случае, имеют размер 18 х 18 м - такова была выбрана ширина захвата распределителя минеральных удобрений (Amazone). При расчёте дозы для каждого элементарного участка, программа просит ввести ширину захвата для более точного пространственного распределения дозы удобрений.

В заключение стоит отметить, что дифференцированное внесение позволило сэкономить нам в 2007 году 20% минеральных удобрений при одновременной прибавке урожая и повышении его качества [10].

ГЛАВА 3.

Использование методологиИ моделирования в сельскохозяйственном производстве

Идея моделирования заключается в замещении изучаемого объекта его аналогом. Информационные модели представляют характеристики объекта в виде данных в некой системе. Математические - формализуют закономерности динамики объекта в виде численных соотношений. При этом реализуется фундаментальное понятие наблюдаемости, которое можно трактовать как возможность для внешнего наблюдателя получать информацию о прошлом состоянии объекта, на ее основе предвидеть его поведение в будущем и управлять им [5].

Описание динамики природных объектов опирается на представления об их системной организации. Системный подход к решению проблем природопользования предполагает комплексное изучение протекающих в ландшафтно-географической среде процессов. Решение данной задачи невозможно без привлечения методов прогнозирования. Математическое моделирование - один из основных инструментов системного анализа, позволяющий в ряде случаев избежать трудоемких и дорогостоящих натурных экспериментов. На основе результатов прогнозирования динамики геосистем решаются вопросы рационального применения удобрений и средств защиты растений, проведения комплексной мелиорации и окультуривания полей, оптимизации структуры землепользования и другие [6]. Ведутся исследования в области организации "ландшафтного земледелия" - оптимизации сельскохозяйственного использования земель в зависимости от местных условий (рельефа, климата, почвенных условий, размещения других хозяйственных объектов).

Диапазон и масштаб моделируемых процессов крайне велик - от глобальной экологии до прогнозирования динамики отдельных компонентов агроценозов, поэтому при классификации экологических моделей могут быть использованы различные подходы. Многие авторы выделяют статические и динамические модели. Статические модели формализуют связь между показателями без учета переменной времени. Динамические модели используются для оценки явлений в развитии. Функциональные модели отличаются от эмпирических тем, что учитывают механизм процесса. Это позволяет использовать их для прогноза не наблюдавшихся ранее состояний объекта. Различие между стохастическими и детерминированными моделями следует из их названия. При описании неопределенных процессов в природных системах (агрометеорологические условия, миграция веществ по профилю почв, трансформация пестицидов, выделение границ почвенных ареалов, возникновение вспышек болезней растений, динамика численности вредителей и иных) более предпочтительно использовать вероятностные подходы. Важнейшей задачей моделирования является прогнозирование и управление объектом, выделяются модели без управления и оптимизационные (с участием одной или нескольких сторон)[7].

Наиболее часто применяются: статистические, модели математической физики (диффузные), балансовые динамические, матричные модели, модели теории исследования операций, частные модели типа "ресурс-потребитель" и аналогичные им, а также целая группа дискретных математических моделей.

Статистические модели строятся при допущении, что исследуемый процесс случаен и может быть изучен с помощью статистических методов анализа систем. Они включают: эмпирические- и динамические статистические модели, корреляционный и факторный анализ, многомерное шкалирование, анализ временных рядов. Для снижения размерности статистических моделей используется ряд методов, например выделение главных компонент в регрессионных уравнениях и гармонических рядах.

В истории разработки статистических моделей продуктивности агроценозов можно выделить несколько этапов: по обобщенным агроклиматическим показателям; эмпирическим уравнениям регрессионного типа; динамико-статистическим и физико-статистическим моделям; комплексным имитационным моделям [10].

Методы прогнозирования урожаев, основанные на учете агроклиматических ресурсов региона разрабатывались в агрометеорологии. Для оценки потенциальной продуктивности используются величины баланса фотосинтетически активной радиации (ФАР), а также комплексные показатели - биоклиматический и гидротермический потенциалы продуктивности (БКП, ГТП).

Эмпирические модели продуктивности агроценозов в основном представлены так называемыми производственными функциями. Они представляют регрессионные уравнения, связывающие конечный результат (урожай и показатели его качества) с действующими величинами. К производственным функциям предъявляется ряд требований: модель должна учитывать основные факторы, оказывающие влияние на урожай; охватывать широкий диапазон их значений; аппроксимирующая функция должна максимально соответствовать реальным биологическим закономерностям. Важный вклад в создание эмпирических моделей продуктивности внесли работы Т.И. Ивановой, А.П. Федосеева, И.М. Стребкова, Е.С. Улановой и других исследователей.

К эмпирико-статистическим (регрессионным) относятся многие модели почвенной эрозии (Универсальная модель потерь почвы USLE или ее модификация - RUSLE), модели WEPP, CREAMS, Государственного гидрологического института). Эмпирико-статистические модели применяются в фитопатологии для описания динамики эпифитотий.

Динамические модели предназначены для прогнозирования и оперативного управления продукционным процессом с учетом складывающейся агрометеорологической обстановки. В основе динамического моделирования - описание системы с помощью обыкновенных дифференциальных уравнений и уравнений в частных производных, параметры которых определяют по эмпирическим данным. Известны динамические модели формирования урожая Г.Е. Листопада, А.А. Климова, О.Д. Сиротенко и другие, диагностики минерального питания растений, накопления и распада поллютантов в агроэкосистемах (пестицидов, нефтепродуктов, радионуклидов) процессов в мелиорируемых почвах [9].

Физико-статистические модели рассматривают систему как совокупность взаимодействующих элементов со случайными свойствами. В модель вводиться функция распределения показателей состояния и глобальная характеристика взаимодействия компонентов (энтропия, энергия или вещественый результат). Область применения рассматриваемых моделей ограничивается описанием неструктурированных гомогенных систем, когда необходимо оценить воздействие многих факторов на результирующий признак. Примером реализации данного подхода служат модели В.П. Дмитренко и В.А. Бровкина. В них урожай культур рассматривается как эмпирическая функция отклонения факторов среды (параметров агрохимической характеристики, влагозапасов, температуры воздуха) от оптимальных значений. К физико-статистическим относятся и так называемые марковские модели. Они представляют развитие системы в виде разветвленной сети состояний. Вероятности переходов в общем случае могут зависеть не только от текущего положения системы, но и от того, как система достигла его.

Комплексные имитационные модели призваны повысить адекватность агроэкологических прогнозов за счет качественно более полного использования эмпирических данных. Имитационные модели призваны формализовать с помощью ЭВМ любые эмпирические сведения об объекте. Причинно-следственные связи в имитационных моделях прослеживаются не до конца. Это позволяет анализировать системы в условиях большой размерности и неполной информации об их строении, более результативно использовать знания предметной области. Структура имитационных систем, как правило, включает аналитическое описание объекта, блоки экспертных оценок, имитации и обработки результатов вычислительного эксперимента.

Показано, что при построении моделей геоэкосистем регионального уровня наибольший эффект достигается использованием следующих классических свойств сложных систем:

1. Сложным системам свойственно скачкообразно изменять свое поведение, переходя из одного квазистационарного состояния в другое.

2. Для характеристики сложной системы достаточно оценить некую группу ее свойств (системаобразующих факторов), которые важны с точки зрения функционирования системы более высокого уровня. Их количественные оценки будут интегральными показателями основных, наиболее важных свойств системы, характеризующих ее состояние в целом.

Формализацией подобного поведения может быть дискретная схема, действующая по типу: критерий (интегральный показатель) > состояние (тип) + воздействие > отклик (изменение состояния). Абстрактное понятие "состояние" соответствует понятию "типа" (например, в географии, почвоведении), а изменение объекта (например, биогеоценоза) во времени представляется как переход от одного типа к другому [3].

Теоретически обоснована и построена общая концепция, позволяющая математически интерпретировать сущность интегральных показателей при имитации динамики гео- и агроэкологических систем и предложен алгоритм их построения: для климата, агрометеорологических условий, почвы и иных блоков. Специальными методами решена некорректная задача оценки численных значений параметров различных блоков. Выбраны и программно реализованы методы управляющих параметров в алгебро-дифференциальных уравнениях с "жесткой" структурой при их интегрировании.

Эти разработки использованы в Автоматизированной системе регионального экологического прогноза (АСРЭП). Она предназначена для оценки изменения состояния растительности (в том числе лесов и сельскохозяйственных культур), почв, запасов и качества грунтовых вод, гидросети, загрязненности природно-территориальных комплексов (ПТК) размером от 50 до 5 000 кв. км. Рассматриваются воздействия различных поллютантов (промышленных, пестицидов, радионуклидов и иных), вырубки лесов, изменение земельного фонда, внесение удобрений, поливы, лесопосадки, выпас скота, водозаборы, дренаж, различные мелиорации, изменения характеристик гидросети в результате инженерной деятельности, межрегиональные влияния, тенденции смены климатических и погодных условий. Дается прогноз состояния возобновимых ресурсов сроком от 3 до 60 лет и оценивается ретроспектива развития ситуации; прослеживается динамика более трехсот параметров, характеризующих природную среду [4].

С помощью АСРЭП можно осуществлять информационную поддержку управления продуктивностью сельского хозяйства и проводить оценку воздействия на окружающую среду. Система сертифицирована органами государственного управления, рекомендована к использованию и широко применяется для решения практических задач, в том числе при экологическом обосновании стратегии развития земледелия в Центральном Черноземье на региональном уровне (Россия); для комплексного прогноза последствий аварии на Чернобыльской АЭС для сельского, водного и лесного хозяйства в загрязненных регионах (Белоруссия); для оценки воздействия на окружающую среду орошаемого земледелия в бассейне Арала (Туркмения).

Распознавание образов (РО) - направление исследований, связанное с разработкой процедур определения принадлежности объекта к одному из заранее выделенных классов (образов). РО применяется для дешифрирования аэро- и космических фотоснимков, при дистанционной индикации почв. Дистанционная диагностика используется для идентификации очагов засоления, нефтяного загрязнения, содержания гумуса, исследования неоднородности почв и т.п. Результаты диагностики используются при составлении экологических карт различного масштаба [7].

Анализ временных рядов - еще одна область применения статистических методов. Для прогноза периодических процессов по известному спектру частот используется фурье-анализ. В агрометеорологии приняты расчеты многолетних циклов продуктивности агроценозов по повторяющимся астрономическим явлениям.

К статистические моделям в агроэкологии можно также отнести банки данных, содержащие параметры статистических распределений показателей состояния почв (морфологических, химических, физических и других), а также результатов полевых агрохимических экспериментов. Имеется опыт использования агрохимических банков данных при построении моделей продуктивности агроценозов.

"Диффузные" модели используют аппарат уравнений переноса (диффузии). Область их применения - расчет потоков вещества и энергии в относительно гомогенных или приближенных к ним средах. В почвоведении уравнения диффузии используются для расчета температурных, концентрационных и иных полей в почвенной массе. Между тем, объекты со сложной внутренней структурой являются наиболее интересными для моделирования. Адекватность расчетных оценок при работе с весьма сложной и геторогенной средой, где параметры правой части уравнений являются функциями времени и изменяются в трехмерном пространстве, достаточно низкая. Поэтому их использование ограничено преимущественно теоретическими задачами, а в сельскохозяйственной практике используются эмпирические зависимости [6].

Балансовые модели описывают динамику систем как совокупность процессов переноса вещества и энергии. В качестве математического аппарата используются обыкновенные дифференциальные уравнения. Частным случаем являются так называемые компартментные модели. Они представляют объект в виде резервуаров (компартментов) и связующих их каналов.

Концептуально-балансовое (компартментное) моделирование имеет важное значение в изучении биологического круговорота элементов в почвоведении и геохимии. Модели геохимических циклов описывают миграцию и накопление зольных элементов в системе "почва-растение", формирование биомассы и изменение запасов органического вещества почвы. Известны работы Н.И. Базилевич по составлению комплексной модели биокруговорота для основных природных зон бывшего СССР.

Органическое вещество почв имеет ключевое значение в обеспечении буферности, устойчивости и безопасности агроэкосистем. Предложенная И.М. Рыжовой модель описывает баланс углерода в системе "почва-растение" с помощью системы обыкновенных дифференциальных уравнений. Рассматривается изменение запаса гумуса в почве, подстилке, ежегодная продукция, скорости гумификации, минерализации растительных остатков и гумуса. Показано, что модель корректно описывает изменение содержания гумуса в зональных типах почв [11].

А.И. Морозов и В.О. Таргульян предложили идеализированную модель процесса элювиально-иллювиальной дифференциации профиля почв и кор выветривания в кислых условиях. В основе модели - система дифференциальных уравнений, описывающая динамику разрушения минеральной части почвы и выноса органоминеральных соединений вниз по профилю. Моделирование позволило воспроизвести основные кинетические характеристики процесса - константы диссоциации фульвокислот и величины устойчивости органо-минеральных соединений.

На основе балансовых расчетов построена глобальная модель эмиссии диоксида углерода почвами мира. Показано, что в ближайшее время природный источник поступления СО2 будет преобладать над техногенным. Поэтому процесс глобального потепления климата следует прежде всего связывать с разрушением органического вещества почв и их деградацией [5].

Ведутся работы по оценке оценке устойчивости и безопасности агроэкосистем, прогнозированию последствий глобального изменения климата и химического состава природной среды. Однако, результаты теоретических разработок (за исключением, радиационной безопасности), до сих пор не нашли отражение в критериях оценки реальных экологических ситуации и соответствующих нормативно-правовых документах.

Прогнозирование доступных растениям запасов почвенной влаги имеет важное значение в мелиоративных расчетах. Одним их используемых для этого подходов является послойно-балансовое моделирование. Е.М. Гусевым и О.Н. Насоновой предложена методика определения влагозапасов на основе учета динамики составляющих водного баланса почвы в течение годичного цикла. Балансовые модели - основной инструмент изучения динамики гетерогенных систем, но они не способны передать смену их состояний и изменение кинетических характеристик. Для этого предложены модели автоматного типа с дискретно-переменными скоростными коэффициентами.Другой особенностью комплексных систем является разнотемповость изучаемых процессов. Описывающие их системы дифференциальных уравнений получили название жестких. В последнее время для решения "жестких" систем предложены явные схемы с управляющими параметрами.

В общем случае матрица A может быть переменной и ее элементы будут зависеть от времени. Матричные модели применимы, если динамика свойств объекта представима в виде линейной рекурсии. Это справедливо для квазистационарных состояний, когда режим функционирования системы не меняется. Рассматриваемый тип моделей используется преимущественно для описания динамики популяций в экологии популяций и фитопатологии.

Модели теории исследования операций (ТИО) решают задачу оптимального управления в условиях, когда доступные ресурсы ограничены, т.е. регламентированы значения переменных. Оптимизационные модели основа автоматизированного проектирования сельскохозяйственных технологий. Известны модельные разработки планирования хозяйственного использования земель в условиях радиоактивного загрязнения, оптимизации агротехнологий по принципу "игр с природой".

Специфические индивидуальные модели служат для описания узкогокруга процессов, например взаимодействий типа "хищник-жертва". Попытки их обобщения для прогнозирования динамики больших систем сталкиваются с существенными трудностями. Популяционное моделирование используются в фитопатологии, эпизоотологии.

Информационное обеспечение математических моделей включает системы поддержки принятия решений (СППР), геоинформационные системы (ГИС), системы управления базами данных (СУБД), системы основанные на знаниях (СОЗ), автоматизированные системы управления (АСУ), системы автоматизированного проектирования (САПР), среды имитационного моделирования. Для персональных компьютеров и рабочих станций предложены системы, реализующие языки имитационного моделирования (SLAM II, GPSS, SIMULA, DINAMO). Для хранения и представления картографической информации используются геоинформационные системы (ГИС). В настоящее время в Российской Федерации ведется работа по созданию единого цифрового фонда общегеографических и тематических карт масштаба 1:10000-1:1000000, создан ряд региональных ГИС (Север, Байкал, Рязань). Версии для ПК имеют картографические системы: ARC/INFO, pMAP, IDIRSI (США), TERRASOFT, PAMAP, SPANS, COMPUGRID/STRINGS (Канада), CLIMEX (Австрия), SICAD (Германия) и другие. Имеется опыт использования электронных картографических материалов при составлении долговременных агроэкологических прогнозов [11]. Приобрели известность интегрированные банки моделей, где на единой методической основе обобщаются различные расчетные методы. Это существенно повышает эффективность агроэкологического прогнозирования. Модель Polmod создана в ИСА РАН (авторы - И.Г. Малкина-Пых и Ю.А. Пых). Polmod объединяет блоки прогноза динамики запасов почвенного гумуса (Polmod.Hum), содержания пестицидов (Polmod.Pest) и радионуклидов (Polmod.Rad) в различных компонентах экосистем.

Банк моделей плодородия ПЛОМОД (Почвенный институт им. В.В. Докучаева) объединяет модели плодородия почв агроценозов природных зон бывшего СССР. Систематизация моделей осуществлена на основе единой схемы почвенно-географического и природно-сельскохозяйственного районирования. Проект CAMASE, реализуемый под эгидой ЕС, предусматривает создание банка моделей плодородия, ориентированного на проектирование сельскохозяйственных технологий. Все модели банка (более 250) поддерживают единый формат представления данных и взаимодействия с геоинформационной системой (ГИС).

Заключение

В данной работе рассматривается текущее состояние исследований в области применения информационных технологий и математического моделирования для решения преимущественно агроэкологических задач и оптимизации природопользования, в частности агрохимического обследования почв.

Разработанная методика агрохимического мониторинга с ведением единой комплексной автоматизированной системы хранения, накопления, оценки, обмена и использования данных мониторинга пахотных почв - ГИС «ПОЛИС», которая предоставляет отличные возможности хранения и обработки статистической информации по агрохимическим показателям плодородия почв, урожайности, изменения индекса развития растительности, и служит мощным инструментом для поддержки принятия решений при планировании использования агроэкологических ресурсов территории.

Количественное описание динамики агроэкосистем связано с трудностями методического, информационного и алгоритмического характера. Методические проблемы вызваны несовершенством средств и методов агроэкологических исследований.

Информационные проблемы связаны с трудностями обобщения экспериментальных данных, алгоритмические создания математических моделей агроэкосистем на основе результатов натурных исследований. Использование агроэкологических моделей имеет ряд особенностей: экстраполяция прогнозных оценок в ряде случаев затруднена, хотя интерполяция может выполняться с требуемой точностью.

Предъявляются особые требования к экспериментальному обеспечению: данные должны быть собраны за сравнительно короткий срок по единой методике. Вызывает трудности оценка качественных величин.

Это заставляет совершенствовать средства прогнозирования и принципы интерпретации его результатов.

В идеальном случае при принятии конкретных решений на практике могут найти применение практически все рассмотренные выше типы моделей.

информация пахотный почва агрохимический

Список использованных источников

1. Горячкин С.В. Моделирование генезиса и эволюции почвенного покрова. // Почвоведение, 1996, N 1. -с. 89-98.

2. Информационное обеспечение точного земледелия [Электронный ресурс] http://www.referun.com/n/agrohimicheskiy-monitoring-pahotnyh-pochv-lesostepi-kuznetskoy-kotloviny - Дата доступа - 12.12.2011 г

3. Методические указания. Методика отбора почвенных проб по элементарным участкам поля в целях дифференцированного внесения удобрений. Сычев В.Г., Афанасьев Р.А., Личман Г.И., Марченко М.Н.; М.: ВНИИА, 2007 г.- 90 с.

4. Михайлов В.В. Технология электронного картографирования // Агрохимический вестник.-- 1999. -- № 4. -- С. 31--33.

5. Новые разработки от почвоведов [Электронный ресурс] http://www.activeunit.by/razrabotka/.html - Дата доступа - 12.12.2011 г.

6. Рыжова, И.М. Математическое моделирование почвенных процессов./И.М. Рыжова. - М.: Изд-во МГУ, 1987. -86 с.

7. Сычев, В.Г. "Методика отбора почвенных проб по элементарным участкам поля в целях дифференцированного внесения удобрений./ " Сычев В.Г., Афанасьев Р.А., Личман Г.И., Марченко М.Н. - М.: ВНИИА, 2007 г. -135с.

8. Хомяков Д.М. Экологическое картографирование для решения практических задач землепользования и агрохимии // Геодезия и картография, 1997, N 1. -с. 39-43.

9. Якушев, В.П. Информационное обеспечение точного земледелия(Глава 6) /Якушев В.П., Якушев В.В. - С-Пб, 2007- 232с.

Размещено на Allbest.ur