CC BY
4
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
5. Ряднов А. И. Технология уборки зерновых культур с выделением ценных семян // Аграрная наука. 2004. № 6. С. 15.
6. Ряднов А. И., Федорова О. А., Давыдова С. А. Оценка дробления и травмирования зерна озимой пшеницы при уборке соргоуборочным комбайном // Естественные науки. 2014. № 3. С. 75-79.
7. Селиванова В. Ю., Болдырь Д. A. Энергоэффективность осадков вегетационного периода яровой пшеницы в сухостепной зоне Нижнего Поволжья // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. 2018. № 3 (51). С. 196-203.
8. Скворцова Ю. Г., Ионова Е. В. Влияние травмирования семян озимой пшеницы на их посевные качества // Аграрный вестник Урала. 2015. № 11 (141). С. 16-19.
9. Совершенствование технологии получения качественных семян и продовольственного зерна / А. П. Тарасенко, В. И. Оробинский, М. Э. Мерчалова, Н. Н. Сорокин // Лесотехнический журнал. 2014. № 1. С. 36-41.
10.Травмирование внутренних структур зерновок как фактор снижения продуктивности семян зерновых культур / И. А. Пехальский, В. М. Кряжков, А. А. Артюшин, В. Ф. Сорочин-ский // Научный журнал КубГАУЮ. 2016. № 117 (03). С. 783-792.
11.Троценко В. В., Забудский А. И. Лабораторная всхожесть микроповрежденных семян ячменя // Вестник Красноярского ГАУ. 2018. № 5 (140). С. 70-76.
12. Шарафутдинов М. Х., Нижегородцева Л. С., Сафин Р. И. Приемы профилактики прав-мированности семян яровой пшеницы // Зерновое хозяйство России. - 2017. № 2 (50). С. 69-72.
13. Productivity and grain qua1ity of various types of spring wheat depending on seeding rates and nutrition background on gray forest soil of the Рге-Ката Region of the Republic of Tatarstan / F. Shaikhutdinov, M. Amirov, I. Serzhanov, R. Garaev, A. Akkopru // BIO Web of Conferences. 2020. Volume 27. https://doi.ogr/10.1051/bioconf/20202700076.
Информация об авторах Ряднов Алексей Иванович, профессор кафедры «Эксплуатация и технический сервис машин в АПК», ФГБОУ ВО «Волгоградский государственный аграрный университет» (400002, Южный федеральный округ, Волгоградская обл., г. Волгоград, пр. Университетский, д. 26.), Заслуженный работник высшей школы РФ, доктор сельскохозяйственных наук, профессор. ORCID: https://orcid.org/0000-0003-2364-4944. E-mai1: a1ex.rjadnov@mai1.ru.
Арылов Юрий Нимеевич, профессор кафедры биотехнологии и животноводства ,ФГБОУ «Калмыцкий государственный университет им. Б.Б. Городовикова» (358000, Южный федеральный округ, Республика Калмыкия, г. Элиста, ул. Пушкина, д. 11), Почетный работник сферы образования РФ, Заслуженный деятель науки Республики Калмыкия, доктор биологических наук, профессор. ORCID: https://orcid.org/0000-0002-6490-3837. E-mai1: ka1msaiga@mai1.ru
DOI: 10.32786/2071-9485-2022-04-06 FORECASTING THE DEVELOPMENT OF FORAGE PRODUCTION AND DAIRY CATTLE ASSOCIATED WITH IT USING THE METHODS OF ECONOMIC AND
MATHEMATICAL MODELING
N. V. Tyutyuma, A. A. Aitpaeva
FGBNU «Caspian Agrarian Federal Scientific Center of the Russian Academy of Sciences» GAOU JSC VO «Astrakhan State University of Architecture and Civil Engineering»
Received 25.08.2022 Submitted 01.12.2022
Abstract
Introduction. In modem conditions, the го1е of economic methods is increasing in forecasting the deve1-opment of individua1 branches of agricu1ture. The Astrakhan region is 1ocated in the south of Russia in the arid zone. Two-thirds of the arab1e 1and in the region is not used. The predominant emphasis on the cu1tiva-tion of vegetab1es and potatoes 1ed to the manifestation of numerous prob1ems in the crop production of the Astrakhan region. The accumu1ation of harmfu1 objects, the decrease in soi1 ferti1ity, the negative ba1ance of humus endanger the main means of agricu1tura1 production - irrigated and rainfed arab1e 1and. In this
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
regard, the role of economic and mathematical methods increases in optimizing the structure of sown areas, expanding forage crops in the regional agro-industrial complex, and overcoming the negative balance of humus. Objects. The object of research was the area of fodder crops, gross fodder yields, the number of cattle, including cows, and their milk productivity. Materials and methods. The study used methods of economic and mathematical modeling in order to predict the development of fodder production and dairy cattle breeding in the regional agro-industrial complex. Results and conclusions. The research results showed that the areas of fodder crops, fodder production, the number of cattle, including cows and milk production have a positive trend line. However, the growth rates are insufficient and the region in the next 5-10 years, if the observed trend continues, will not be able to ensure food security for the population in terms of milk and dairy products through domestic production.
Keywords: yield programming, negative humus balance, fodder crops, economic and mathematical modeling, food security
Citation. Tyutyuma N. V., Aitpaeva A. A. Forecasting the development of fodder production and dairy cattle breeding associated with it using methods of economic and mathematical modeling. Proc. of the Lower Volga Agro-University Comp. 2022. 4(68). 52-59 (in Russian). DOI: 10.32786/20719485-2022-04-06.
Author's contribution. All authors of this study were directly involved in the planning, execution and analysis of this study. All authors of this article have read and approved the submitted final draft.
Conflict of interests. The authors declare no conflict of interest.
УДК 636.085:633.2/.3
ПРОГНОЗИРОВАНИЕ РАЗВИТИЯ КОРМОПРОИЗВОДСТВА И СОПРЯЖЕННОГО С НИМ МОЛОЧНОГО СКОТОВОДСТВА С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ
Н. В. Тютюма, доктор сельскохозяйственных наук, профессор РАН,
член-корреспондент РАН А. А. Айтпаева, кандидат сельскохозяйственных наук, доцент
ФГБНУ «Прикаспийский аграрный федеральный научный центр РАН», Астраханская область, Черноярский район, кв-л Северный ГАОУ АО ВО «Астраханский государственный архитектурно-строительный университет»,
г. Астрахань
Дата поступления в редакцию 25.08.2022 Дата принятия к печати 01.12.2022
Актуальность. В современных условиях возрастает роль экономических методов при прогнозировании развития отдельных отраслей сельского хозяйства. Астраханская область располагается на юге России в аридной зоне. Две третьих пахотных земель в регионе не используются. Преимущественный упор на выращивание овощей и картофеля обусловил появление многочисленных проблем в растениеводстве Астраханской области. Накопление вредных объектов, снижение почвенного плодородия, отрицательный баланс гумуса ставит под удар основное средство сельскохозяйственного производства - орошаемую и богарную пашню. В связи с этим возрастает роль экономико-математических методов при оптимизации структуры посевных площадей, расширении посевов кормовых культур в региональном АПК, преодолении отрицательного баланса гумуса. Объект. Объектом исследований выступали площади кормовых культур, валовые сборы кормов, численность крупного рогатого скота, в том числе коров, и их молочная продуктивность. Материалы и методы. В исследовании использовались методы экономико-математического моделирования с целью прогнозирования развития кормопроизводства и молочного скотоводства в региональном АПК. Результаты и выводы. Результаты исследований показали, что площади кормовых культур, производство кормов, поголовье КРС, в том числе коров, и производство молока имеют
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
положительную линию тренда. Однако темпы роста являются недостаточными, и регион в ближайшие 5-10 лет при сохранении существующей тенденции не сможет за счет внутреннего производства обеспечить продовольственную безопасность населения по молоку и молочным продуктам.
Ключевые слова: отрицательный баланс гумуса, кормовые культуры, экономико-математическое моделирование, продовольственная безопасность. Цитирование. Тютюма Н. В., Айтпаева А. А. Прогнозирование развития кормопроизводства и сопряженного с ним молочного скотоводства с использованием методов экономико-математического моделирования. Известия НВ АУК. 2022. 4(68). 52-59. DOI: 10.32786/20719485-2022-04-06.
Авторский вклад. Все авторы настоящего исследования были непосредственно вовлечены в планирование, выполнение и анализ этого исследования. Все авторы этой статьи прочитали и одобрили представленный окончательный вариант.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Введение. В современных условиях в Астраханской области ситуация с использованием пахотных земель продолжает оставаться напряженной. Значительные массивы пашни брошены и не используются уже несколько десятилетий. Особую тревогу, как отмечает И. Г. Ушачев, вызывает наблюдающийся отрицательный баланс гумуса. Потеря плодородия основного ресурса сельскохозяйственного производства - орошаемой и богарной пашни - может привести к ухудшению параметров продовольственной безопасности на региональном уровне. В современных условиях Астраханская область обеспечивает продовольственную независимость за счет регионального производства только по овощным, бахчевым культурам, картофелю, яйцу пищевому и баранине. Диспропорции в развитии растениеводческих отраслей, нарушение системы научно-обоснованных севооборотов, игнорирование принципов зонального районирования сельскохозяйственных культур по зонам Астраханской области усугубляют ситуацию с производством сельскохозяйственной продукции в регионе и продовольственной самообеспеченностью в целом. Вышеперечисленные обстоятельства вызывают необходимость поиска путей преодоления негативных тенденций, одним из которых может стать расширение посевных площадей кормовых культур, значительно улучшающих почвенное плодородие. В этом плане особый интерес представляют многолетние бобовые травы, такие как люцерна, донник, эспарцет и другие, способные за счет симбиоза с клубеньковыми бактериями фиксировать атмосферный азот и накапливать его в почве, тем самым стабилизируя ситуацию с балансом гумуса и значительно улучшая почвообразовательные процессы на пахотных массивах.
Основоположниками классических направлений применения экономико-математических методов в сфере планирования и управления земельными ресурсами на уровне сельскохозяйственных предприятий стали Р. Г. Кравченко, И. Г. Попов, которые ставили перед собой задачи оптимизации размещения посевных площадей. Сущность данных задач сводится к выделению территориальных единиц и оптимизации структуры посевных площадей, исходными данными являются значения урожайности различных сельскохозяйственных культур и количество вносимых удобрений по каждой территориальной единице. Критерий оптимальности - соотношение посевных площадей, которое необходимо для удовлетворения потребностей с минимальными затратами.
Необходимо отметить, что экономико-математическое моделирование как основа прогнозирования сводится к оптимизации структуры посевных площадей с учетом принципов зонального районирования сельскохозяйственных культур и с обязательным выполнением двух основополагающих условий, описанных в трудах В. С. Шевелухи: соответствие генотипа и среды, сорта и технологии. Внедрение научно-обоснованных многопольных севооборотов, планирование посевных площадей, внедрение цифровых
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
инструментов для мониторинга состояния пашни позволят значительно улучшить состояние пахотных массивов и преодолеть последствия отрицательного баланса гумуса. Изучению экономико-математического моделирования как основы прогнозирования урожайности сельскохозяйственных культур посвящены исследования С. В. Анисимо-вой [1], Л. Б. Винничек, Г. А. Волковой, О. Н. Сухановой [2] и др.
В настоящее время ученые активно работают над вопросами прогнозирования урожая основных сельскохозяйственных культур (А. Н. Есаулко [5], В. Ю. Листков [6], К. Е. Сокаев и др. [9], Н. В. Степных и др. [7], З. И. Усанов, Н. С. Черников [10] и др.).
Материалы и методы. Целью исследований является разработка экономико-математической модели прогнозирования валовых сборов кормовых культур в аридной зоне в контексте глобальных экологических вызовов и преодоления отрицательного баланса гумуса. Постановка цели обусловила выделение следующих задач: 1. Выявить взаимозависимость развития кормопроизводства и молочного скотоводства. 2. Разработать экономико-математическую модель прогнозирования развития кормопроизводства и молочного скотоводства в региональном АПК. Исследование отличает системный подход, направленный на комплексное изучение поставленных задач. В исследованиях найдут широкое применение фундаментальные положения теории систем и экономико-математического моделирования. Методы экономико-математического моделирования позволят определить тренды развития производства кормовых культур в конкретном регионе.
Результаты и обсуждение. В современных условиях молочную продуктивность коров в регионе можно выразить как производную функцию трех переменных, среди которых генетический потенциал молочной продуктивности породы, уровень кормления и содержания:
y=F [ ГПП, К, С],
где ГПП - генетический потенциал молочной продуктивности породы скота, К - уровень кормления, С - условия содержания.
Обязательное условие заключается в том, что молочная порода скота должна быть адаптирована к конкретным условиям региона, в том числе и к кормовой базе.
Сложность преодоления дефицита производства кормов и молока в ближайшие годы подтверждает разработанная экономико-математическая трендовая модель на основе полиноминальных кривых роста (таблица 1).
Таблица 1 - Расчет промежуточных показателей для оценки параметров регрессии
(площадь кормовых культур)
Table 1 - Calculation of intermediate indicators for estimating regression parameters
(area of foe der crops)
Год yt Мср (Мср)х(Мср) yt -уср (Мср)х^ -уср)
1 13 995 -4,5 20,25 -3283,5 14 775,8
2 17 137 -3,5 12,25 -141,5 495,3
3 14 645 -2,5 6,25 -2633,5 6583,8
4 15 149 -1,5 2,25 -2129,5 3194,3
5 16 756 -0,5 0,25 -522,5 261,3
6 21 062 0,5 0,25 3783,5 1891,8
7 21 194 1,5 2,25 3915,5 5873,3
8 23 177 2,5 6,25 5898,5 14 746,3
9 22 344 3,5 12,25 5065,5 17 729,3
10 22 326 4,5 20,25 5047,5 22 713,8
Сумма 55 172 785 82,5 88 265
Среднее 5,5 17 278,5
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Анализ проводился с помощью создания трендовых моделей экономической динамики с последующим прогнозированием площади кормовых культур и производства кормов в Астраханской области. Прогнозирование на основе временного ряда экономических показателей относится к одномерным методам прогнозирования, основанным на продлении на будущее тенденции, наблюдавшейся в прошлом. В исследованиях применялся метод экстраполяции, результатом которого явилось определение полиномиальных кривых роста (полинома первой степени).
Анализ данных таблицы 1 показал, что площадь кормовых культур в регионе с 2011 по 2020 гг. возросла в 1,6 раза. Оценка параметров регрессии: а1=88265/82,5=1069,9; а0=17278,5-1069,9х5,5=11394,1.
Таблица 2 - Расчет промежуточных показателей для оценки параметров регрессии
(производство кормов)
Table 2 - Calculation of intermediate indicators for estimating regression parameters (feed production)
Год yt Мср (Мср)х(Мср) yt -уср (Мср)х^ -уср)
1 46 184 -4,5 20,25 -14441,7 64 987,7
2 56 552 -3,5 12,25 -4073,7 14 257,9
3 48 328 -2,5 6,25 -12297,7 30 744,3
4 49 992 -1,5 2,25 -10633,7 15 950,6
5 59 525 -0,5 0,25 -1100,7 550,4
6 71 782 0,5 0,25 11156,3 5578,2
7 63 818 1,5 2,25 3192,3 4788,5
8 69 096 2,5 6,25 8470,3 21 175,8
9 67 220 3,5 12,25 6594,3 23 080,1
10 73 760 4,5 20,25 13134,3 59 104,4
Сумма 55 606 257 82,5 240 217,9
Среднее 5,5 60 625,7
Производство кормов в Астраханской области с 2011 по 2020 гг. возросло в 1,6 раза. Оценка параметров регрессии: а1=240217,9/82,5=2911,7; а0=60625,7-2911,7х5,5=44611,4.
Таблица 3 - Расчет промежуточных показателей для оценки параметров регрессии
(поголовье КРС)
Table 3 - Calculation of intermediate indicators for estimating regression parameters (number of cattle)
Год yt Мср (Мср)х(Мср) yt -уср (Мср)х^ -уср)
1 262,5 -4,5 20,25 -19,4 87,3
2 273,3 -3,5 12,25 -8,6 30,1
3 278,1 -2,5 6,25 -3,8 9,5
4 275,4 -1,5 2,25 -6,5 9,75
5 275,4 -0,5 0,25 -6,5 3,25
6 284,5 0,5 0,25 2,6 1,3
7 288,2 1,5 2,25 6,3 9,45
8 293,8 2,5 6,25 11,9 29,75
9 294,1 3,5 12,25 12,2 42,7
10 294,1 4,5 20,25 12,2 54,9
Сумма 55 2819,4 82,5 278
Среднее 5,5 281,9
В исследованиях рассматривается 10-летний период - с 2011 по 2020 гг. Поголовье КРС в регионе с 2011 по 2020 гг. возросло в 1,12 раза. Оценка параметров регрессии: а1=278/82,5=3,37; а0=281,9-3,37х5,5=263,4.
***** ИЗВЕСТИЯ *****
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Таблица 4 - Расчет промежуточных показателей для оценки параметров
(поголовье коров)
Table 4 - Calculation of intermediate indicators for estimating regression parameters
Год yt t-tcp (t-tcp)x(t-tcp) yt -уср (Мср)х^ -уср)
1 2 3 4 5 6
1 139,9 -4,5 20,25 -8,8 39,6
2 144,8 -3,5 12,25 -3,9 13,65
3 147,9 -2,5 6,25 -0,8 2
4 148,2 -1,5 2,25 -0,5 0,75
5 148,2 -0,5 0,25 -0,5 0,25
6 146,3 0,5 0,25 -2,4 -1,2
7 143,9 1,5 2,25 -4,8 -7,2
8 155,6 2,5 6,25 6,9 17,25
9 156,0 3,5 12,25 7,3 25,55
10 156,2 4,5 20,25 7,5 33,75
Сумма 55 1487 82,5 124,4
Среднее 5,5 148,7
№ 4 (68), 2022 регрессии
number of cows)
Поголовье коров в АПК Астраханской области за 10 лет увеличилось в 1,1 раза. Оценка параметров регрессии: а1=124,4/82,5=1,5; а0=148,7-1,5х5,5=140,45.
Таблица 5 - Расчет промежуточных показателей для оценки параметров регрессии
(производство молока)
Table 5 - Calculation of intermediate indicators for estimating regression parameters (milk production)
Год yt Мср (Мср)х(Мср) yt -уср (Мср)х^ -уср)
1 164 -4,5 20,25 -9 40,5
2 170,1 -3,5 12,25 -2,9 10,2
3 171,4 -2,5 6,25 -1,6 4
4 172 -1,5 2,25 -1 1,5
5 172,9 -0,5 0,25 -0,1 0,05
6 173 0,5 0,25 0 0
7 175,3 1,5 2,25 2,3 3,5
8 176,3 2,5 6,25 3,3 8,3
9 177,1 3,5 12,25 4,1 14,4
10 178 4,5 20,25 5 22,5
Сумма 55 1730,1 82,5 104,9
Среднее 5,5 173
Производство молока в регионе с 2011 по 2020 гг. возросло в 1,1 раза. Оценка параметров регрессии: а1=104,9/82,5=1,3; а0=173-1,3х5,5=165,9.
Проведенные расчеты позволили обозначить тренды развития кормопроизводства и молочного скотоводства в Астраханской области (таблица 6)
Таблица 6 - Тренды развития молочного скотоводства в Астраханской области
Table 6 - Dairy cattle breeding development trends in the Astrakhan region
Экстраполируемый показатель Уравнение тренда
Площадь кормовых культур, га yt=11394,1+1069,9t
Производство кормов,т yt= 44611,4+2911,7t
Поголовье КРС, тыс. голов yt=263,4+3,4 t
Поголовье коров, тыс. голов yt=140,45+1,5t
Производство молока, тыс.т yt=165,9+1,3t
Согласно полученным результатам, такие показатели, как площади кормовых культур, производство кормов, поголовье КРС, в том числе коров и производство молока имеют положительную линию тренда (таблица 6).
57
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
Вместе с тем в регионе ежегодный рост объемов производства кормов и молока остается недостаточным, и в ближайшие годы Астраханская область не сможет достичь нижнего порога продовольственной безопасности по молоку и молочным продуктам. Данное положение также подтверждено исследованиями Р. А. Набиева, Р. К. Арыкабаева, А. А. Айтпаевой [8], Timofeeva G. V., Akmaeva R. I., Aitpaeva А. А. [11, 12]. Большинство ученых сходятся во мнении о том, что кормопроизводство и молочное скотоводство необходимо рассматривать как взаимозависимую систему, в которой производство кормов выступает функцией, а молочная продуктивность коров - производной функции.
Таблица 7 - Необходимый и прогнозируемый объем производства молока в Астраханской области
Table 7 - Necessary ant projected volume of milk production in the Astrakhan region
Наименование Необходимый объем производства молока в 2025 году с учетом прироста населения и достижения параметров продовольственной самообеспеченности, тыс. т Прогнозируемый объем производства в 2025 году, рассчитанный на основе метода экстраполяции, тыс. т
Молоко 429 207
Выводы. Результаты исследований показали, что за рассматриваемый 10-летний период посевные площади под кормовыми культурами и валовые сборы кормов возросли в 1,6 раза, тогда как молочная продуктивность коров всего в 1,1 раза. Этот факт свидетельствует о том, что увеличение урожайности кормовых культур и количество потребляемых сельскохозяйственными животными кормов не гарантирует ускоренного роста производства молока. Молочная продуктивность коров во многом определяется полноценностью и сбалансированностью кормовых рационов по потреблению основных питательных веществ, макро- и микроэлементов.
Библиографический список
1. Анисимова С.В. Применение методов математического моделирования в аграрной экономике // Научные записки молодых исследователей. 2015. № 6. С. 44-48.
2. Винничек Л. Б., Волкова Г. А., Суханова О. Н. Экономико-математическое моделирование как инструмент прогнозирования в растениеводстве // Московский экономический журнал. 2021. № 11. С. 270-278.
3. Влияние длительного применения удобрений на показатели роста, урожайность и качество зерна озимой пшеницы / С. Х. Дзанагов, Т. К. Лазаров, Б. С. Калоев, З. А. Кубатиева, Р. В. Калагова // Агрохимия. 2019. № 4. С. 31-38.
4. Воронов С. И., Плескачев Ю. Н., Ильяшенко П. В. Конвергентный подход к управлению урожаем озимой пшеницы // Международный сельскохозяйственный журнал. 2020. № 1 (373). С. 79-80.
5. Есаулко А. Н., Ожередова А. Ю., Громова Н. В. Оптимизация питания сортов озимой пшеницы путем внесения расчетных доз минеральных удобрений на планируемый уровень урожайности // Агрохимический вестник. 2018. № 4. С. 3-7.
6. Листков, В. Ю. Основы программирования урожайности овса в зависимости от различных факторов в условиях Новосибирской области // Вестник Курской государственной сельскохозяйственной академии. 2018. № 8. С. 60-65.
7. Методы анализа и проектирования системы удобрения яровой пшеницы для формализации принятия решений в условиях Зауралья / Н. В. Степных, А. Н. Копылов, Е. В. Нестерова, А. М. Заргарян // Агрохимия. 2020. № 4. С. 19-29.
8. Набиев Р. А., Арыкбаев Р. К., Айтпаева А. А. Продовольственная безопасность региона: оценка и пути обеспечения // Вестник Астраханского технического университета. Серия экономика-2016. -№3.-С.53-61
9. Рекомендации по программированию урожаев кукурузы на основных типах почв
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
предгориий Северного Кавказа / К. Е. Сокаев, В. В. Бестаев, С. М. Бесланеев, Р. М. Сокаева // Агрохимический вестник. 2020. № 6. С. 12-14.
10. Усанова З. И., Черникова Н. С. Формирование запрограммированных урожаев разных сортов картофеля // Успехи современного естествознания. 2020. № 3. С. 40-49.
11. Timofeeva G. V., Akmaeva R. I., Aitpaeva A. A. Strategic directions of development of dairy cattle breeding in the region in the conditions of modern challenges // Competitive, sustainable and safe development of the regional economy: response to global challenges: International scientific conference. Volgograd, 2019. № 39.
12. Timofeeva G. V., Akmaeva R. I., Aitpaeva A. A. Benchmarking Study on the Level of Food Security of Southern Russia Regions on the Basis of Innovative Approaches // Competitive, sustainable and safe development of the regional economy: a response to global challenges. Volgograd, 2018. № 39.
Информация об авторах Тютюма Наталья Владимировна, доктор сельскохозяйственных наук, профессор РАН, член-корреспондент РАН, директор ФГБНУ «ПАФНЦ РАН» (416251, Астраханская область, Чернояр-ский район, кв-л Северный, 8). Email. pniiaz@mail.ru. ORCID ID № 0000-0001-6582-2628. Айтпаева Айгуль Алдунгаровна, кандидат сельскохозяйственных наук., доцент по специальности «Экономика и управление народным хозяйством», начальник отдела НИР Астраханского государственного архитектурно-строительного университета (414056, Астраханская обл., г. Астрахань, ул. Татищева, 18.) Email: .arman.bisaliev2012@yandex.ru, ORCID 0000-0003-3898-5813
DOI: 10.32786/2071-9485-2022-04-07 ANALYSIS AND COMPARISON IN METHODS TO REMOVE BEAN FLAVOR IN CHICKPEAS
V. N. Khramova1, D. I. Surkov1, K. A. Lubchinsky1, T. Yu. Zhivotova2
1 Volgograd State Technical University, Volgograd, Russia Don State Agrarian University, Persianovsky, Russia
Received 23.09.2022 Submitted 02.12.2022
Abstract
Introduction.Chickpeas is high in protein, but it use in foods is limited. Undesirable legume taste is reason for limitation. We can solve the problem of taste by soaking seeds. But this method has two problems. The first - very long process in time, the second - loss of a large amount of nutrients. Getting rid of the legume taste and investigating the chemical composition of the final product is an urgent task of our research. Objects. Chickpea prototypes taken for study. The first sample was irradiated for 5 minutes with a power 200 W (prototype). Other samples we soaked in 1% aqueous citric acid solution for 6 hours. The control sample was subjected to the same tests. Research objective, is to compare and analyze the control and test samples obtained under various treatment modes, in which the legume taste decreases until it disappears completely. Materials and methods. Protein mass fraction is measured according to GOST 10846-91. Mass fraction of moisture is measured in accordance with GOST 54951-2012. Capillary electrophoresis system "Capel-105M" is used to determine the amino acid composition. Calculation of amino acid score and amino acid index was performed according to conventional methods. Results and conclusions. In the course of our work, the following facts were determined, the removal of legume taste with using microwave radiation has positive and negative aspects. The advantages of our method is reduction of processing time and reduced contamination, as well as minimizing the loss of the corresponding amino acids, such as: arginine until to 22% , tyro-sine- loss reduction until to 17.9%, proline- loss reduction until to 17.4%, histidine - loss reduction until to 15.9%, phenylalanine - loss reduction until to 10.9%, serine - loss reduction until to 10.8%, threonine - loss reduction until to 10.3%, alanine - loss reduction until to 8.6%, glycine - loss reduction until to 7.7%, methionine - loss reduction until to 7.7% and lysine - loss reduction until to 6.5%. Unfortunately, this method has a lower value of the total number of essential amino acids and the ami-no acid skore. The reason is a higher content of leucine and isoleucine, valine and tryptophan - by
