CC BY
11
10. Edwards G., S0rensen C.G., Bochtis D.D., Munkholm L.J. Optimised schedules for sequential agricultural operations using a Tabu Search method. Computers and Electronics in Agriculture, 2015. Vol. 117: 102-113 DOI: 10.1016/j.compag.2015.07.007
11. Valge A.M. Ispol'zovanie sistem Excel i Mathcad pri provedenii issledovanij po mekhanizatsii sel'skokhozyajstvennogo proizvodstva (Metodicheskoe posobie) [Application of Excel and Mathcad in research related to mechanisation of agricultural production/ Guidance manual]. SPb.: GNU SZNIIMESKH Rossel'khozakademii, 2013: 200 (In Russian)
УДК 631:551.582:551.506.9
ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ИНТЕРНЕТ-РЕСУРСА ПОГОДНОГО СЕРВИСА В СЕЛЬСКОХОЗЯЙСТВЕННОМ ПРОИЗВОДСТВЕ
1 3
В.А. Смелик д-р. техн. наук., Ф.А. Киприянов канд. техн. наук.
2
П.А. Савиных д-р. техн. наук.,
1 Федеральное государственное бюджетное образовательное учреждение высшего образования Санкт-Петербургский государственный аграрный университет, Санкт-
Петербург, Россия
2
Федеральный аграрный научный центр Северо-Востока имени Н.В. Рудницкого, Киров, Россия
3 Федеральное государственное бюджетное образовательное учреждение высшего образования Вологодская государственная молочнохозяйственная академия имени Н.В. Верещагина, Вологда, Россия
В статье приводятся результаты использования климатического сервиса Яндекс.Погода для агроклиматического районирования Вологодской области и получения климатических характеристик сельскохозяйственных полей. В результате оценки климатических условий населенных пунктов сформировано восемь однотипных территориально-климатических районов, отличающихся между собой по таким показателям, как сумма биологически активных температур, количество осадков и продолжительность безморозного периода. Средние показатели однотипных территориально-климатических районов имеют существенные различия - разница по количеству осадков составляет 77 мм, по безморозному периоду - 19 дней. Разница суммы средних биологически активных температур достигает 805,6°С. Наложение климатических районов на существующее административное районирование позволило отметить, что климатические условия значительно отличаются даже в пределах одного района. Повышение эффективности технологических процессов в сельскохозяйственном
производстве требует более точного подхода к оценке и прогнозированию климата в условия конкретного поля. Работа сервисов, предоставляющих климатические данные, направлена, в основном, на предоставление информации в населенных пунктах, что затрудняет оценку климата в случаях, когда сельскохозяйственные угодья расположены на значительном удалении от населенного пункта. В результате исследования климатических данных получены поверхности отклика, позволяющие определить климатические данные по географическим координатам, что делает возможным получение климатической характеристики конкретного поля. Отклонение теоретических данных, полученных по уравнению поверхности, от опытных данных по количеству осадков, продолжительности безморозного периода и сумме активных температур составило 3,6%, 0,58% и 2,4%, соответственно, что позволяет довольно точно определять климатические характеристики конкретного поля.
Ключевые слова: климатические условия, количество осадков, сумма активных температур, погодный сервис, Яндекс.Погода, агроклиматическое районирование, территориально климатические районы.
Для цитирования: Смелик В.А., Савиных П.А., Киприянов Ф.А. Практическое применение интернет-ресурса погодного сервиса в сельскохозяйственном производстве // АгроЭкоИнженерия. 2022. № 2(111). С.116-126
PRACTICAL APPLICATION OF WEB WEATHER FORECAST SERVICE IN
AGRICULTURE
•1 •• 3
V.A. Smelik , DSc (Engineering), F.A. Kipriyanov , Cand. Sc. (Engineering)
P.A. Savinykh , DSc (Engineering),
1 Institute of Agroengineering and Environmental Problems of Agricultural Production (IEEP) -branch of FSAC VIM6 Saint Petersburg, Russia
9
Federal Agricultural Research Center of the North-East named after N.V. Rudnitsky, Kirov, Russia
3
Federal State Budgetary Educational Institution of Higher Professional Education Vologda State Dairy Farming Academy named after N.V. Vereshchagin, Vologda, Russia
The article presents the results of using Yandex.Weather climate forecast service for agro-climatological zoning in the Vologda Region and for obtaining the climatic characteristics of agricultural fields. The evaluation of climatic conditions in the settlements identified eight similar territorial and climatic zones. They differed in the sum of active temperatures, the amount of precipitation, and the frost-free period. The average indicators of the territorial and climatic zones of the same type varied very much. For example, the difference in the amount of precipitation was 77 mm and in the duration of the frost-free period - 19 days. The difference in the sum of the average active temperatures amounted to 805.6°C. Superposition of the climatic zones on the existing administrative districts made it possible to find out that climatic conditions varied much even within one district. To improve the efficiency of technological
processes in agriculture requires a more accurate approach to the climate assessment and forecast of a particular field. The services, which provide climatic data, aim at getting information in the settlements in the first place. This makes it difficult to assess the climate of the agricultural land located at a considerable distance from these settlements. The study of climatic data resulted in the response surfaces, which allowed determining the climatic data by geographical coordinates and getting the climatic characteristics of a particular field. The deviation of the theoretical data obtained by the surface equation from the experimental data was 3.6% by the amount of precipitation, 0.58% by the duration of the frost-free period, and 2.4% by the sum of active temperatures. This allowed quite accurate determining of the climatic characteristics of a particular field.
Key words: climatic conditions, precipitation, sum of active temperatures, weather forecast service, Yandex.Weather, agro-climatological zoning, geographical climatic areas.
For citation: Smelik V.A., Savinykh P.A., Kipriyanov F.A. Practical application of web weather forecast service in agriculture. AgroEkoInzheneriya. 2022. No. 2(111): 116-126 (In Russian)
Введение
Федеральная научно-техническая программа развития сельского хозяйства 20172025 годы ставит перед собой целый комплекс задач, направленных на обеспечение стабильного роста производства сельскохозяйственной продукции [1]. Одной из задач программы является создание и внедрение технологий производства высококачественных кормов, решение которой должно базироваться на комплексном подходе, учитывающем все аспекты и специфику сельскохозяйственного производства.
В основу создания технологий по производству высококачественных кормов должны быть заложены фундаментальные исследования по разработке технологий, учитывающие условия функционирования сельскохозяйственных предприятий [2,3,4,5,6]. Основным фактором, снижающим эффективность существующих технологий в сельском хозяйстве, являются климатические условия, так, от неблагоприятных погодных условий 65% потерь в народном хозяйстве приходится на сельское хозяйство [4]. Соответственно, разрабатываемые технологии по производству кормов должны включать себя элементы прогнозирования и минимизации отрицательных климатических воздействий. Традиционный подход, подразумевающий под собой формирование комплекса машин и перечня операций для получения необходимого количества корма, себя изживает, и даже применение высокоточной техники, используемой при посеве, внесении удобрений, химической защите и т.д., не даст желаемого результата без учета территориально-климатических условий хозяйствования.
Стоит так же отметить, что климатические условия являются одним из важнейших факторов, оказывающих влияние на агротехнические сроки выполнения операций, нарушая расчетную продолжительность работ в 2-5 и более раза, что в конечном итоге сказывается не только на количестве полученного урожая, но и на питательности кормов.
Развитие современных цифровых технологий позволяет в оперативном режиме получать климатические характеристики практически для любого населенного пункта.
118
Применение погодных сервисов может стать важным инструментом при анализе и прогнозировании климатических условий, что отмечается в том числе исследованием иностранных ученых, так, Chattopadhyay N и др. [7,8,9,10], отмечают необходимость сезонного прогнозирования климата для повышения эффективности фермерских работ. Развитие и применение цифровых сервисов, основанных на использовании перспективных самообучающихся нейронных сетей и различных автоматизированных сервисов [9], для составления прогноза, позволит осуществить переход к климатически умному сельскому хозяйству, что является неизбежной тенденцией развития агропромышленного комплекса в целом [11,12,13].
Материалы и методы
При проведении исследований данных климатические данные были получены через, Application Programming Interface (API) Яндекс.Погоды, с применением технологии «Meteum». Обработка экспериментальных данных, а именно, разбивка на кластеры с целью формирования однотипных территориально-климатических районов и построение графических поверхностей осуществлялась в программе STATISTICA, а статистическая оценка результатов выполнялась с помощью пакета прикладного статистического анализа Excel.
Результаты и обсуждение
Агроклиматическое районирование, выполненное на основании полученных данных, позволило сформировано восемь однотипных территориально-климатических районов, отличающихся между собой по оцениваемым показателям. Графическая интерпретация полученных данных (рис. 1) позволяет сделать ряд замечаний.
Так, рассматривая однотипные территориально-климатические климатические районы на фоне административных районов области можно отметить, что ряд районов располагается в нескольких климатических зонах (рис. 1). Например, Бабаевский район расположен в четырех территориально-климатических зонах, Никольский, Бабушкинский и ряд других районов расположены сразу в трех территориально-климатических зонах, а, например, Сокольский, Тотемский и некоторые другие районы расположены в двух территориально-климатических зонах, что делает условия развития сельскохозяйственного производства более сложными, а зачастую более рискованными.
Рис. 1. Графическое представление однотипных территориально-климатических районов
Вологодской области
Однако, современная тенденция внедрения технологий точного земледелия и изменения концепции развития сельского хозяйства: «от гектара к квадратному метру» требует климатической оценки не только конкретного административного района, но и оценки условий конкретного хозяйства и даже конкретного поля, которые в силу своего значительного территориального разброса могут существенно отличаются климатическими условиями.
Следует отметить, что практически все погодные сервисы предоставляют текущие и прогнозные климатические данные только для населенных пунктов. Специфика же сельскохозяйственного производства заключается в некотором удалении обрабатываемых полей и животноводческих комплексов от населенных пунктов, причем удаление полей зачастую превышает 5 км. Данный фактор, не позволяет использовать прогнозные данные, получаемые через погодные сервисы «в чистом виде» с необходимой точностью для оценки климатических условий при проведении полевых работ.
При работе с данными погодного сервиса была высказана гипотеза о возможности определения климатических условий для конкретных земельных участков, не привязанных к населенным пунктам, имеющим собственные географические координаты: долготу и широту.
В качестве климатических условий, имеющих агротехническое значение, для оценки были взяты: количество осадков, продолжительность безморозного периода, сумма биологически активных температур >10°С, полученных путем запроса к API Яндекс.Погоды [11, 12, 13]. Следует отметить, что при оценке суммы биологически активных температур расчеты велись по минимальному значению, поскольку снижение температуры оказывает негативное воздействие на вегетацию растений, такой подход позволяет обеспечить температурный запас при оценке потенциальной возможности возделывания той или иной культуры.
В результате обработки данных в программе STATISTICA были получены поверхности отклика, отражающие изменение климатических характеристик в зависимости от географического положения (рис. 2-4)
Осадки мм/год = -709,215+28,1418*х+9,3632*у+0,1233*х*х-0,6306*х*у+0,3141*у*у
и S=P
ьг ¿з"
I I > 900 О < 840
0 < 740
1 I < 640
0 < 540
1 I < 440 О < 340
Рис. 2. Изменение количества осадков мм/год на территории Вологодской области в зависимости от географических координат
Сумма температур >10 = 7616,4739-65,4459*x-44,7908*y-1,3313*x*x+2,7566*x*y-1,544*y*y
I I > 3500 I I < 3100
I I < 2600 I I < 2100 I I < 1600 I I < 1100 I I < 600 I I < 100
Рис. 3. Изменение суммы активных температур на территории Вологодской области в
зависимости от географических координат
Безморозный период = 377,4774-0,617*x-1,332*y-0,0365*x*x+0,0412*x*y-0,0295*y*y
О > 280
О < 272
0 < 252
1 I < 232
О < 212
О < 192 О < 172 О < 152
Рис. 4. Изменение продолжительности безморозного периода на территории Вологодской области в зависимости от географических координат
Уравнения поверхностей позволяют получить значение искомого показателя при указании географических координат. После получения уравнений поверхностей была произведена оценка степени отклонения теоретически полученных данных от результатов наблюдений. Так для годовой суммы осадков процент отклонения данных (по модулю) в среднем по массиву составил 3,6%, при этом 93% теоретически полученных значений имеют процент отклонения от практического менее 10%. В результате обработки массива отклонений в прикладном пакете статистического анализа Excel, с помощью функции «гистограмма», интервалы распределились следующим образом (рис. 5), 85% теоретически полученных данных укладываются в интервал до 8%.
Рис. 5. Распределение отклонений теоретических данных по интервалам для годовой
суммы осадков.
Общие результаты обработки данных: уравнения, поверхностей, значения отклонений теоретических значений от практических, сведены в таблицу.
Таблица
Обобщенные характеристики поверхностей климатических данных
Наименование показателя Уравнение поверхности Отклонения теоретических значений от опытных, % Количество значений в интервале до 10%, %
Количество осадков =709,215+28,1418*x+9,3632*y+0,1233*x 2-0,6306*x*y+0,3141*y2 3,6 93,4
Продолжительность безморозного периода =377,4774-0,617*x-1,332*y-0,0365*x2+0,0412*x*y-0,0295*y2 0,58 100
Сумма активных температур =7616,4739-65,4459*x-44,7908*y-1,3313*x*x+2,7566*x*y-1,544*y*y 2,4 95,5
Выводы
Таким образом, опираясь на полученные зависимости, с высокой степенью точности сельскохозяйственные предприятия могут получить климатическую характеристику практически любой точки своей территории. Это позволит повысить
эффективность работ на стадии планирования, внедрения и разработки новых технологий по производству высококачественных кормов, что и является в конечном итоге одной из задач программы развития сельского хозяйства до 2025 года. Кроме этого, полученные результаты исследований при увеличении степени цифровизации сельскохозяйственного производства могут служить основой для разработки методики определения и прогнозирования климатических характеристик конкретных зон возделывания сельскохозяйственных культур и программирования их урожайности.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Федеральная научно-техническая программа развития сельского хозяйства на 20172030 годы. Утверждена постановлением Правительства РФ от 25 августа 2017 г. № 996 (с изменениями на 13 мая 2022 года) [Электронный ресурс]. Режим доступа: https://docs.cntd.ru/document/436761964 (дата обращения 12.05.2022)
2. Кузин А.А., Медведева Н.А., Задумкин К.А., Вахрушева В.В. Сценарии развития молочной промышленности России // Экономические и социальные перемены: факты, тенденции, прогноз. 2018. Т. 11. № 6. С. 73-88.
3. Kipriyanov F. A., Savinykh P. A. Assessment of technical provision in agricultural sector of Russia // EurAsian Journal of BioSciences. 2019. Vol. 13. No. 2. рр. 1651-1658.
4. Баринова О.И., Юренева Т.Г. Анализ финансового состояния сельскохозяйственных организаций Вологодской области в период внешнеэкономических санкций // Экономика сельскохозяйственных и перерабатывающих предприятий. 2018. № 1. С. 39-44.
5. Chattopadhyay N. Rao K.V., Sahai A.K., Balasubramanian R., Pai D.S., Pattanaik D.R. et al. Usability of extended range and seasonal weather forecast in Indian agriculture // Mausam, 2018. Vol. 69(1). pp. 29-44.
6. Thornton P. K. et al. A framework for priority-setting in climate smart agriculture research //AgriculturalSystems. 2018. Vol.167, pp. 161-175. DOI: 10.1016/j.agsy.2018.09.009
7. Han E., Baethgen W., Ines A., Mer F., Souza J., Berterretche M., Atunez G., Barreira C. (2018). SIMAGRI: An agro-climate decision support tool // Computers and Electronics in Agriculture. 2019. Vol.161, pp. 241-251 DOI: 10.1016/j.compag.2018.06.034.
8. Kamatchi S. B., Parvathi R. Improvement of crop production using recommender system by weather forecasts // Procedia Computer Science, 2019. Vol. 165, pp. 724-732, DOI: 10.1016/j.procs.2020.01.023.
9 Савиных П.А., Киприянов Ф.А. Применение погодного сервиса для оценки сельскохозяйственного производства / Качественный рост российского агропромышленного комплекса: возможности, проблемы и перспективы: материалы деловой программы XXVII международной агропромышленной выставки АГРОРУСЬ-2018. Санкт-Петербург: СПбГАУ. 2018. С. 261-264.
10. Киприянов Ф.А., Савиных П.А. Территориально-климатическое районирование Вологодской области и перспективы его использования в земледелии // Пермский аграрный вестник. 2019. № 2 (26). С. 64-71.
11. Киприянов Ф.А. Использование цифровых технологии при оценке климатических условии сельскохозяйственного производства // Аграрный вестник Верхневолжья. 2019. № 1 (26). С. 70-74.
REFERENCES
1. Federal'naya nauchno-tekhnicheskaya programma razvitiya sel'skogo khozyaistva na 20172030 gody. Utverzhdena postanovleniem Pravitel'stva RF ot 25 avgusta 2017 g. № 996 (s izmeneniyami na 13 maya 2022 goda) [Federal scientific and technical program for the development of agriculture for 2017-2030. Approved by Decree of the Government of the Russian Federation as of August 25, 2017, No. 996 as amended on 13 May 2022]. Available at: https://docs.cntd.ru/document/436761964 (accessed 12.05.2022) (In Russian)
2. Kuzin A.A., Medvedeva N.A., Zadumkin K.A., Vakhrusheva V.V. Development scenarios for Russia's dairy industry. Economic and Social Changes: Facts, Trends, Forecast. 2018. Vol. 11. No. 6: 73-88 (In English) D0I:10.15838/esc.2018.6.60.5
3. Kipriyanov F. A., Savinykh P. A. Assessment of technical provision in agricultural sector of Russia. EurAsian Journal of BioSciences. 2019. Vol. 13. No. 2: 1651-1658 (In English)
4. Barinova O.I., Yureneva T.G. Analiz finansovogo sostoyaniya sel'skokhozyaistvennykh organizatsii Vologodskoi oblasti v period vneshneekonomicheskikh sanktsii [Financial analysis of agricultural organizations of the Vologda Region in the period of economic sanctions]. Ekonomika sel'skokhozyaistvennykh i pererabatyvayushchikh predpriyatii. 2018. No. 1: 39-44 (In Russian)
5. Chattopadhyay N. Rao K.V., Sahai A.K., Balasubramanian R., Pai D.S., Pattanaik D.R. et al. Usability of extended range and seasonal weather forecast in Indian agriculture // Mausam, 2018. Vol. 69(1). pp. 29-44.
6. Thornton P. K. et al. A framework for priority-setting in climate smart agriculture research //AgriculturalSystems. 2018. Vol.167, pp. 161-175. DOI: 10.1016/j.agsy.2018.09.009
7. Han E., Baethgen W., Ines A., Mer F., Souza J., Berterretche M., Atunez G., Barreira C. (2018). SIMAGRI: An agro-climate decision support tool // Computers and Electronics in Agriculture. 2019. Vol.161, pp. 241-251 DOI: 10.1016/j.compag.2018.06.034.
8. Kamatchi S. B., Parvathi R. Improvement of crop production using recommender system by weather forecasts // Procedia Computer Science, 2019. Vol. 165, pp. 724-732, DOI: 10.1016/j.procs.2020.01.023.
9 Savinykh P.A., Kipriyanov F.A. Primenenie pogodnogo servisa dlya otsenki sel'skokhozyaistvennogo proizvodstva [Application of the weather service to assess agricultural production]. Kachestvennyi rost rossiiskogo agropromyshlennogo kompleksa: vozmozhnosti, problemy i perspektivy [Qualitative growth of the Russian agro-industrial complex: opportunities, problems and prospects].Materials of the business programme of XXVII
International Agro-industrial Exhibition AGRORUS-2018. Saint Petersburg: SPbSAU. 2018: 261-264 (In Russian)
10. Kipriyanov F.A., Savinykh P.A. Territorial'no-klimaticheskoe raionirovanie Vologodskoi oblasti i perspektivy ego ispol'zovaniya v zemledelii [Territorial and climatic zonation of the Vologda oblast and its prospects in agriculture]. Permskii agrarnyi vestnik. 2019. No. 2 (26): 64-71(In Russian)
11. Kipriyanov F.A. Ispol'zovanie tsifrovykh tekhnologii pri otsenke klimaticheskikh uslovii sel'skokhozyaistvennogo proizvodstva [The use of digital technology in assessing the climatic conditions of agricultural production]. Agrarnyi vestnik Verkhnevolzh'ya. 2019. No. 1 (26): 70-74(In Russian)
УДК633.491+631.147: 57.045
ОСОБЕННОСТИ ПРОДУКТИВНОСТИ И КАЧЕСТВЕННОГО СОСТАВА КАРТОФЕЛЯ ВОЗДЕЛЫВАЕМОГО ПО БИОЛОГИЗИРОВАННОЙ ТЕХНОЛОГИИ В
ЗАСУШЛИВЫХ УСЛОВИЯХ 2021 ГОДА
1 2 В.Б. Минин , канд.с-х.наук, С.П. Мельников , канд.с-х.наук,
А.М. Захаров1, канд. техн.наук, Е.А. Мурзаев1
Институт агроинженерных и экологических проблем сельскохозяйственного производства 1 ИАЭП - филиал ФГБН ФНАЦ ВИМ, Санкт-Петербург, Россия ФГБОУВО Санкт-Петербургский государственный аграрный университет
Изменение климата приводит к участившимся случаям временной засухи в вегетационный период даже в условиях Северо-Запада Российской Федерации. С 2016 года нами проводятся исследования в биологизированном севообороте на базе опытной станции ИАЭП - филиала ФГБНУ ФНАЦ ВИМ. Ситуация с засушливыми условиями сложилась в 2021 году, когда за июнь-июль выпало всего 33,4 мм осадков. В двух полевых опытах возделывался картофель сорта Удача (первый опыт) и сортов Елизавета, Рябинушка, Невский и Лига (второй опыт). В соответствии со схемой опытов изучалось действие компоста, сформированного на базе куриного помета индустриальным способом, биофунгицида Картофин и операции по обработке борозд на продуктивность картофеля на фоне складывающихся погодных условий. В рассматриваемом году на вариантах без внесения компоста, урожайность картофеля сорта Удача составила 12,2 -13,4 т/га стандартных клубней. Внесение 4 т/га компоста повышало урожайность стандартных клубней на 3,1-5,5 т/га; внесение 8 т/га, в свою очередь, повысило урожайность на 8,7 - 9,3 т/га. Среди сортообразцов наивысшая урожайность была отмечена для сорта Рябинушка - 18,9 т/га стандартных клубней на фоне внесения 4 т/га компоста. Углубленное рыхление междурядий показало свою эффективность.
