Russian Federation
Novosibirsk, Russian Federation
Russian Federation
UDK 62 Инженерное дело. Техника в целом. Транспорт
The studies were carried out in order to justify the possibilities of increasing crop production based on the effective use of approaches and methods used in information systems for the choice of agricultural technologies, taking into account the agroecological, soil-climatic and production conditions of agricultural producers. Evaluation of information systems developed for the farms of the Russian Federation was carried out according to the following indicators: consideration of factors limiting grain production; availability of criteria for assessing agricultural technologies; type of information system. Agroecological, soil, climatic and production conditions, as well as the level of intensification, are identified as factors limiting grain production. The selection includes both search databases and management decision support systems that highlight approaches and methods for solving the problem of choosing agrotechnology for the production of grain crops. In approaches based on the general principle of taking into account the influence of factors of the location of the economy and its production conditions, economic evaluation of options is carried out after the choice of agricultural technology. When using economic and mathematical models, the choice of agricultural technologies is based on the economic assessment of alternative options. These approaches are implemented both in the form of local information systems, and systems based on cloud technologies. Based on the research results, systems based on economic-mathematical models and made in the form of web applications are recognized as the most promising. A generalized architecture of applications executed in the form of Web applications is given. The use of information systems (cloud technologies) for the analysis of natural factors, the use of technology and the potential of agricultural practices, crops and varieties will allow us to predict the possible result from making managerial decisions aimed at increasing grain production due to the integrated consideration of the agroecological, soil-climatic and production conditions of a particular agricultural producer.
technology selection, crop production, optimization, information technology, digitalization, multi-criteria assessment.
Введение. Зерновое производство занимает ведущее положение в экономике сельского хозяйства. В мировом земледелии на посевную площадь, занятую зерновыми культурами, приходится более 64 %. Благодаря разнообразию видов и сортов, высокой приспособленности к различным почвенным и климатическим условиям зерновые культуры получили широкое распространение и на всей территории России [1].
На сегодняшний день многие хозяйства, занимающиеся выращиванием зерновых культур, все чаще рассматривают в качестве перспективы современные системы земледелия, направленные на сбережение, улучшение и повышение эффективности использования природных ресурсов в результате интегрированного подхода к существующим почвенным, биологическим, водным ресурсам и расходным материалам. Но освоение таких технологий происходит слабо, так как руководителю хозяйства необходимо больше информации о возможностях их применения в конкретных условиях [2, 3, 4].
Выбор оптимальной агротехнологии лежит в широком диапазоне всевозможных решений, которые определяют экологическое разнообразие условий, требования сельскохозяйственных культур и уровень интенсификации производства. В связи с тем, что факторов, от которых зависит выбор, довольно много (предшественник, погодные условия, степень засоренности полей, сроки посева культуры, внесение органических удобрений, наличие необходимой техники и др.), сельхозтоваропроизводитель при составлении планов должен четко понимать, какую агротехнологию ему необходимо выбрать, учитывая ресурсообеспеченность и зону расположения хозяйства [5, 6, 7]. Неоптимальное решение по выбору агротехнологии и отсутствие или несвоевременное получение информации на всех этапах производства приводят к увеличению затрат труда, недополучению прибыли, а иногда и убыткам [8].
Одно из направлений стратегии социально-экономического развития агропромышленного комплекса Сибирского федерального округа до 2035 г. – насыщение внутреннего рынка и обеспечение потребностей населения качественной продукцией. При этом предполагается увеличение производства зерна, в сравнении с периодом 2011–2015 гг., с 13065 до 22000 тыс. т (потенциал 46 млн т) [9]. Увеличение производства зерна может быть достигнуто путем освоения инноваций и применения информационных технологий.
Распространение информационных технологий происходит во всех сферах человеческой деятельности, в том числе и в сельском хозяйстве [10, 11]. Однако их использование в разных странах находится на разных уровнях: в России с применением информационных технологий обрабатывают от 5 до 10 % пашни [12]; в странах, наиболее развитых с точки зрения оснащенности сельского хозяйства (США, Германия, Канада), уровень проникновения информационных технологий превышает 30 % (в Канаде до 80 %) [8].
Информационные технологии открывают возможности для улучшения управления технологическими и организационными процессами производства сельскохозяйственной продукции путем применения аппаратных средств, программного обеспечения и приложений для обработки больших объемов неструктурированных данных, аккумулирования необходимой информации в одном месте, анализа и выборки данных имеющимися программными средствами [13, 14, 15]. При этом применение автоматизированных систем благодаря контролю природно-климатических факторов и производственных условий, проектированию точных бизнес-процессов и выполнению математически точных расчетов позволяет сокращать потери урожая.
В сфере выбора технологий для производства продукции растениеводства известно множество разработок как в США, странах Европы, СНГ, так и в России [16, 17, 18]. При этом используют различные методы и подходы для оценки оптимального варианта технологий исходя из материальных и природных ресурсов предприятия.
Цель исследования – обоснование возможностей наращивания производства зерна на базе эффективного использования подходов и методов, применяемых в информационных системах по выбору агротехнологий, с учетом агроэкологических, почвенно-климатических и производственных условий.
Условия, материалы и методы исследований. Объектом исследований служили подходы и методы, используемые в информационных системах по выбору агротехнологий, которые могут обеспечить рост производства зерна. Оценку информационных систем, разработанных для хозяйств Российской Федерации, осуществляли по следующим показателям: учет факторов, лимитирующих зерновое производство; наличие критериев оценки агротехнологий; тип информационной системы. В качестве факторов, лимитирующих зерновое производство, выделены агроэкологические, почвенно-климатические и производственные условия, уровень интенсификации. В подборку вошли как поисковые базы данных (БД), так и системы поддержки принятия управленческих решений. Анализ и обобщение имеющихся подходов проводили информационными и аналитическими методами с использованием системного и логического анализа материалов.
Анализ и обсуждение результатов исследования. Один из подходов к решению задачи выбора технологий – принятие решения на основе справочной информации, изложенной в соответствующих реестрах, которые разработаны для различных зон расположения хозяйств [19]. Технологические операции из таких реестров адаптируют к природным и производственным условиям предприятий с учетом их материально-технической обеспеченности (техникой, семенами, средствами химизации и др.).
Для поддержки принятия решений по выбору технологий сотрудники Министерства сельского хозяйства РФ и Всероссийского научно-исследовательского института экономики сельского хозяйства разработали методику определения экономической эффективности технологий и сельскохозяйственной техники [20]. Согласно этому документу, оценка осуществляется путем определения общей (абсолютной) и сравнительной эффективности: первая показывает целесообразность применения тех или иных решений, а вторая позволяет определить какие варианты технических средств и технологий более целесообразны, по сравнению с базисным.
Для принятия решения с использованием реестра технологий и методики определения их экономической эффективности сельхозтоваропроизводителю необходимо обработать большой объем разрозненных и представленных в неудобном виде сведений о базовых технологиях и хозяйстве. Для упрощения сбора и обработки таких данных целесообразно использование информационных технологий. На сегодняшний день существует большое разнообразие информационных систем для поддержки принятия решений сельхозтоваропроизводителем [21, 22].
Один из подходов к выбору технологий с применением таких систем – формирование поисковых запросов по критериям (культура, уровень интенсификации) в информационной базе данных (БД), в которой содержится ряд технологий с описанием уровня интенсификации, культуры, рекомендуемого предшественника, приемлемых агроклиматических зон и необходимых технологических операций [23].
Еще один схожий способ предусматривает выбор типовых экономически-эффективных технологий из ограниченного числа по таким параметрам, как административный район, культура, гранулометрический состав почвы, агроэкологическая группа земель, уровень интенсификации, предшественник. Из выбранных в БД технологий формируется технологическая карта, которая дополняется информацией о составе и дозах удобрений и средств защиты, о норме высева, технике и др. После чего осуществляется мониторинг технологий, на основе которого проводится анализ исходных данных о ресурсах хозяйства, определяется экономическая эффективность их использования, потенциальная урожайность и формируются отчеты [24].
Аналогично осуществляется выбор оптимальной технологии из имеющихся в БД по оценке природных и материальных ресурсов сельхозтоваропроизводителей. Отличие от предыдущей системы заключается в последующем выполнении расчетов экономических показателей для выбранной технологии: себестоимости, прибыли и рентабельности [25].
Кроме выбора подходящих вариантов из списка имеющихся технологий в задаче рационального выбора применяется системно-когнитивный анализ, который позволяет прогнозировать наиболее вероятные хозяйственные и экономические результаты по технологиям выращивания зерна. Выбор оптимальной агротехнологии осуществляется в зависимости от таких факторов, как тип почвы, основная обработка, культура-предшественник, виды и нормы внесения удобрений, параметры окружающей среды (температура, количество осадков) и др., которые ранжированы по степени влияния на получение желаемого результата (урожайность, экономические показатели) [26].
Все рассмотренные подходы основаны на общем принципе учета влияния факторов расположения хозяйства и его производственных условий на выбор технологий и последующем экономическом расчете выбранного варианта. Охарактеризованные информационные системы выполнены в виде локальных приложений, в которых хранится информация, необходимая пользователю для принятия решения.
Принципиально другой способ выбора и оценки технологий базируется на использовании экономико-математических моделей. Среди таких подходов можно назвать сравнение фактического уровня природных и материальных ресурсов предприятия с нормативными, рассчитанными ранее в соответствующих регистрах технологий. Для этого вначале проводят совокупную оценку имеющихся ресурсов и задают функцию соответствия агротехнологиям из регистра технологий, таким образом, определяя тот или иной тип подходящих технологий на основе экономико-математической модели. После чего определяют ожидаемую себестоимость единицы продукции, прибыль и рентабельность производства [27, 28].
Альтернативный подход предусматривает выбор технологий по результатам оценки таких экономических показателей, как внутренняя норма доходности и коэффициент рентабельности инвестиций. Помимо оценки рентабельности это открывает возможности для оценки полезности рассматриваемых вариантов согласно функции ранжирования различных альтернативных технологий. Для этого используют ряд методов, включающих расчет средних значений, стандартных отклонений и коэффициентов вариации [29].
К отдельным видам информационных систем следует отнести решения, выполненные с использованием современных технологий облачного хранения данных, а также обработки больших данных, которые мы рассмотрим далее. Одна из них предусматривает использование многокритериальной экономико-математической модели комплексной оценки технологий возделывания сельскохозяйственных культур и наглядного графика-паутины. Ее отличительная особенность – комбинирование математических и графических методов моделирования. В качестве критериев оценки используются урожайность, себестоимость, прибыль и рентабельность [6].
Еще одна современная система выбора технологий из имеющихся в справочниках информации о технике, сельскохозяйственных культурах, севооборотах, технологиях и наборах технологических операций, основана на экономической оценке вариантов для сезонного и оперативного планирования с учетом производственной и финансовой программы развития предприятия. Она выполнена в виде мобильного приложения (http://smartagro.ru).
Кроме того, решение обсуждаемой задачи возможно путем применения экспертных шаблонов в виде конструкторов технологических карт, с использованием которых можно рассчитывать бюджет и прогнозируемую доходность. На основе экспертных шаблонов проводится адаптация к условиям конкретного товаропроизводителя, осуществляется планфактный анализ и выбор наилучшей технологии из рассчитанных вариантов. Система также представлена в виде Web-приложения (www.exactfarming.com).
В ходе исследования выявлены основные преимущества и недостатки подходов и методов в информационных системах, применяемых для выбора технологий в растениеводстве (см. таблицу). Существующие методы отличаются простотой подготовки исходной информации, а также высокой скоростью расчетов и выдаваемых рекомендаций, по которым, однако, сложно принимать управленческие решения, так как расчеты выполняются на основе нормативных параметров и коэффициентов. Новые методы, хотя и более сложны на подготовительном этапе и требуют большего времени на проведение расчетов, но выгодно отличаются наглядностью выдаваемых на основе экономической оценки альтернативных вариантов применительно к конкретному хозяйству.
В современных условиях перспективность применения технологий и сельскохозяйственного оборудования определяется по результатам оценки экономической эффективности производства (роста прибыли и объемов производства). На этом и должен базироваться выбор технологий возделывания сельскохозяйственных культур. Информационные системы, в которых при выборе технологий применяют экономико-математические модели, позволяют значительно упростить принятие управленческих решений и учесть условия конкретного товаропроизводителя. Таким образом, на наш взгляд, методы, в основе которых лежат экономико-математические модели, более перспективны.
Недостатки таких систем – сложность подготовки исходной информации на начальных этапах расчета и требования, налагаемые на вычислительные мощности устройства, на которое устанавливают приложение. Первый из них возникает только на начальных этапах, когда осуществляется ввод исходных данных, и впоследствии не играет роли. Второй недостаток устраняет применение облачных технологий.
Обобщенная архитектура систем выбора технологий в растениеводстве, реализованных в виде Web-приложений, применяемых в сельском хозяйстве, выглядит следующим образом (рисунок 1):
мобильное информационное приложение или интерфейс пользователя в веб-браузере – в первом случае устанавливается на смартфон или другое мобильное устройство пользователя, во втором доступно через сеть Internet;
сервер баз данных (БД) – удаленно хранит достоверные данные, полученные от пользователя;
система управления базами данных (СУБД) – разграничивает доступ к данным для разных пользователей;
система поддержки принятия решений (СППР) – использует информацию из БД, проводит расчеты, формирует рекомендации на основе анализа полученных результатов, ведет статистику.
Подход, основанный на применении облачных технологий, открывает доступ к программному обеспечению через сеть Интернет, независимо от версий программного обеспечения и оборудования. При этом вся информация в виде баз данных, баз знаний, экспертных систем и других систем хранения и обработки данных находятся на удаленном сервере.
Приложения, основанные на интернет технологиях, обладают следующими преимуществами: возможность входа с устройства, имеющего доступ в сеть Интернет, в любое время; отсутствие необходимости специальных навыков, кроме знаний об использовании программного обеспечения и Интернет-браузера, а значит, доступность любому специалисту; возможность работы с данными в режиме реального времени; обработка больших объемов информации на вычислительных мощностях удаленного сервера без установки на устройстве конечного пользователя.
Схема работы с такими приложениями проста и доступна каждому: с помощью мобильного устройства осуществляется сбор данных и их обработка, проводится анализ полученной информации, выдается результат (рисунок 2). Сбор первичной информации значительно упрощается, причем погрешности измерения уже заложены в программное обеспечение, что позволяет проводить анализ с высокой точностью. Обработка данных, аналитические расчеты и другой анализ информации выполняется без участия пользователя.
Выводы. Увеличение производства зерна, предполагаемое в рамках стратегии социально- экономического развития агропромышленного комплекса Сибирского федерального округа до 2035 г., может быть достигнуто путем цифровизации сельского хозяйства и распространения информационных технологий, имеющих в своей основе математические алгоритмы, информационные модели и экономическую оценку показателей производства.
Применение цифровых методов анализа (облачные технологии, цифровые системы принятия управленческих решений и др.) результатов мониторинга природных факторов, использования техники и потенциала агротехнических приемов, культур и сортов позволит спрогнозировать возможный результат от принятия тех или иных управленческих решений, нацеленных на рост производства зерна путем комплексного учета агроэкологических, почвенно-климатических и производственных условий конкретного сельхозтоваропроизводителя.
Наиболее перспективно использование информационных систем, выполненных в виде Web-приложений (облачные технологии), которые обладают следующими преимуществами: доступ к необходимой информации в любое время, отсутствие необходимости специальных навыков для использования, решение проблем, связанных с вычислительной мощностью устройства конечного пользователя.
1. Osmolovskaya M. S. Rol' gosudarstvennogo regulirovaniya v razvitii otrasli rastenievodstva // Ekonomika i predprinimatel'stvo. 2014. № 12-3 (53). S. 568-572.
2. Bavorova M., Imamverdiyev N., Ponkina E. Farm-level economics of innovative tillage technologies: the case of no-till in the Altai Krai in Russian Siberia // Environmental science and pollution research. 2018. No 25. V. 5. P. 1016-1032.
3. Ivanova S. V. Nailuchshie dostupnye tehnologii v rastenievodstve dlya regionov Sibiri // XXI vek. Tehnosfernaya bezopasnost'. 2016. №1(1). S. 59-67.
4. Influencing factors and incentives on the intention to adopt precision agricultural technologies within arable farming systems / A. Barnes, I. De Soto, V. Eory, et al. // Environmental Science and Policy. 2019. № 93. P. 66-74.
5. Adaptivno landshaftnye sistemy zemledeliya Novosibirskoy oblasti / V. I. Kiryushin, A. N. Vlasenko, V. K. Kalichkin i dr. Novosibirsk: SibNIIZHim, 2002. 388 s.
6. Tkachenko V. V. Metodika mnogokriterial'noy kompleksnoy ocenki i vybora tehnologii vozdelyvaniya sel'skohozyaystvennyh kul'tur // Nauchnyy zhurnal KubGAU. 2016. №123 (09). S. 1-19.
7. Khondoker A. Perception and adoption of a new agricultural technology: Evidence from a developing country // Technology in society. 2018. Vol. 55. P. 126-135.
8. Mirovye tendencii intellektualizacii sel'skogo hozyaystva: nauch. analit. obzor / V. F. Fedorenko, V. I. Chernoivanov, V. Ya. Gol'tyapin i dr. M.: FGBNU «Rosinformagroteh», 2018. 232 s.
9. Pershukevich P. M., Tyu L. V. Strategiya razvitiya APK Sibiri do 2035 goda: Social'no-ekonomicheskie aspekty // APK: Ekonomika, upravlenie. 2018. № 12. S. 4-12.
10. Buhtoyarov N.I. Razvitie sistemy informacionnogo obespecheniya upravleniya zemlyami sel'skohozyaystvennogo naznacheniya // Vestnik Voronezhskogo gosudarstvennogo agrarnogo universiteta . 2018. № 3 (58). S. 238-249.
11. Ganieva I.A. Cifrovaya transformaciya sel'skogo hozyaystva Rossii: konsolidaciya gosudarstva i agrobiznesa // Dostizheniya nauki i tehniki APK. 2019. T. 33. № 4. S. 5-7.
12. Cifrovye tehnologii prihodyat v sel'skoe hozyaystvo. Otchet o konferencii «Tochnoe zemledelie 2018» v Tehnoparke Skolkovo [Elektronnyy resurs] URL: http://sk.ru/news/b/pressreleases/archive/2018/02/21/cifrovye-tehnologii-prihodyat-v-selskoe-hozyaystvo.aspx (data obrascheniya 15.11.2019).
13. Information technologies as an incentive for Russian agriculture / M. N. Dudin, K. P. Pavlova, E. E. Frolova et al. // Scientific papers series management, economic engineering in agriculture and rural development. 2018. Vol. 18. No 1. P. 143-152.
14. Bashilov A.M., Korolev V.A., Legeza V.N. Novye vozmozhnosti cifrovogo videonablyudeniya pri integracii s biotehnicheskimi i informacionno-upravlyayuschimi sistemami // Vestnik NGIEI. 2019. № 7 (98). S. 39-49.
15. Ganieva I.A. Predposylki sozdaniya informacionno-resursnoy cifrovoy platformy intellektual'nogo upravleniya sistemami zemledeliya i zemlepol'zovaniya dlya agropromyshlennogo kompleksa Rossii // Dostizheniya nauki i tehniki APK. 2019. T. 33. № 12. S. 110-116.
16. Gostev A. V., Pyhtin A. I. Struktura normativno-spravochnoy bazy dannyh sistemy podderzhki sel'hoztovaroproizvoditeley po racional'nomu vyboru vysokorentabel'nyh adaptivnyh tehnologiy vozdelyvaniya zernovyh kul'tur // Sovremennye naukoemkie tehnologii. 2018. № 2. S. 37-41.
17. Model for Energy Analysis of Miscanthus Production and Transportation / A. Sopegno, E. Rodias, D. Bochtis etc. // Energies. 2016. № 9(6). P. 392-408.
18. Harnessing Mobile Pervasive Computing to Enhance Livelihood Processes: Farmer Response to a Mobile Agriculture Information System / L. N. C. De Silva, J. S. Goonetillake, G. N. Wikramanayake et al. // Lecture Notes in Computer Science. 2017. P. 641-655.
19. Federal'nyy registr tehnologiy proizvodstva produkcii rastenievodstva. M.: Informagroteh, 1999. 527 s.
20. Metodika opredeleniya ekonomicheskoy effektivnosti tehnologiy i sel'skohozyaystvennoy tehniki / pod red. A. V. Shpil'ko. M: MSH RF, VNII ekonomiki sel'skogo hozyaystva, 1998. Ch. 1. 219 s.
21. Informacionnaya sistema ocenki vliyaniya klimata na estestvennuyu teplo- i vlagoobespechennost' s cel'yu opredeleniya potrebnosti v oroshenii sel'skohozyaystvennyh zemel' evropeyskoy chasti Rossiyskoy Federacii // A.A. Cheremisinov, G.A. Radcevich, A.Yu. Cheremisinov i dr. // Vestnik Voronezhskogo gosudarstvennogo agrarnogo universiteta . 2018. № 4 (59). S. 59-70.
22. Sharkov I.N., Sorokin O.D., Kolbin S.A. Prognozirovannaya ocenka celesoobraznosti primeneniya sredstv intensifikacii v agrotehnologiyah // Zemledelie. 2019. № 3. S. 14-17.
23. Rosinformagroteh. Baza dannyh agrotehnologiy [Elektronnyy resurs] URL: http://89.222.235.178/cgi-bin/WebIrbis3/Search1.exe?C21COM= Enter&I21DBN=AGRO (data obrascheniya 15.11.2019).
24. Stepnyh N. V., Zhukova O. A., Zargaryan A. M. Razrabotka bazy dannyh tipovyh kart dlya informacionno-analiticheskogo kompleksa po zemledeliyu // Vestnik NGIEI. 2018. № 4 (83). S. 5-15.
25. Tiranova L. V., Tiranov A. B. Bazy dannyh dlya razrabotki tehnologiy vozdelyvaniya yarovyh zernovyh kul'tur v usloviyah Novgorodskoy oblasti // Nikonovskie chteniya. 2015. № 20-1 (20). S. 229-232.
26. Lucenko E. V., Gorpinchenko K. N. Sintez sistemno-kognitivnoy modeli prirodno-ekonomicheskoy sistemy, ee ispol'zovanie dlya prognozirovaniya i upravleniya v zernovom proizvodstve (Chast' 3 - prognozirovanie i prinyatie resheniy) // Nauchnyy zhurnal KubGAU. 2013. № 89. S. 1099-1117.
27. Gostev A. V. Avtomatizirovannye programmy vybora tehnologii vozdelyvaniya zernovyh kul'tur v CChR // Zemledelie. 2013. №1. S.8-11.
28. Gostev A.V., Pyhtin A.I. Vybor adaptivnyh agrotehnologiy v cifrovom zemledelii // Dostizheniya nauki i tehniki APK. 2019. T. 33. № 6. S. 57-61.
29. Bizimana J. C., Richardson J. W. Agricultural technology assessment for smallholder farms: An analysis using a farm simulation model (FARMSIM) // Computers and electronics in agriculture. 2019. № 156. P. 406-425.
