Точечное земледелие — Информационные технологии в точном земледелии

Информационные технологии в точном земледелии

Информационные технологии в точном земледелии охватывают широкий круг понятий – экспертные и геоинформационные системы, информационно-измерительные и вычислительные комплексы, глобальные системы позиционирования, дистанционные и бортовые датчики, а также исполнительные органы сельскохозяйственной техники, приспособленные для работы в автоматическом режиме под управлением компьютеров /66/. Однако в качестве центрального звена в системе управления ее интеллектуальным ядром является динамические модели продукционного процесса и агроэкосистем в целом /68,69,78/.

Динамические модели используются на всех трех уровнях принятия решений – стратегическом, тактическом и оперативном.

Однако большинство опубликованных работ относятся к оперативному уровню поддержки решений. Вопросам применения метода моделирования в точном земледелии посвящен ряд докладов, прочитанных на 2-й Международной конференции по этой тематике (4^thInternational Conference on Precision Agriculture, 12-22 July 1998, St. Paul, MN, USA) /69/.

Все существующие динамические модели исторически были предназначены для предсказания среднего урожая по полю и его изменчивости, связанной с вариациями погодных условий. Поэтому, по существу, от исследователя требуется модифицировать модель с тем, чтобы получить возможность проанализировать ее чувствительность к вариациям почвенных и ландшафтных параметров и выявить закономерности отклика модели на эту изменчивость.

Исследование применимости моделирования в точном земледелии проведено в США применительно к модели кукурузы – CERES. Для анализа выбраны семь участков на поле размером в 36 га. Участки различались по глубине верхнего слоя почвы, величине склона и его азимуту. Калибровка модели выполнена по данным сезона вегетации 1997 года. Плотность посева – 62000 растений на га. В ходе продукционного процесса с помощью нейтронного влагомера еженедельно измерялась влажность почвы на глубинах 15,30,45,60,80,100 и 120 см. Кроме того, периодически измерялись величина листового индекса и глубина проникновения корней и оценивался урожай зерна. На основе полученных результатов были оценены 6 параметров модели и выполнен динамический расчет. Сравнение результатов моделирования с экспериментальными данными по исследованным показателям показало их удовлетворительное соответствие. В частности, рассчитанная и фактическая величины урожая по 7 участкам изменялись в пределах 25…98 ц/га.

Аналогичные подходы развивались при исследовании применимости модели к задачам координатного управления на примере модели хлопчатника ICEMM.

В качестве входных данных в модели используются:

· суточные погодные данные – температура воздуха, осадки, солнечная радиация и скорость ветра;

· начальные показатели плодородия почв – содержание нитратов, аммония и органического вещества;

· физические параметры почвы – объемная масса, гидравлическая проводимость и кривая водоудерживания;

· характеристики посева – сорт кукурузы, расстояние между рядками, плотности посева, удобрения и регуляторы роста.

Для отработки модели были выбраны два соседних поля по 20 га. Эксперимент по учету вариабельности характеристик почвы и ее влияния на продукционный процесс был выполнен в течение одного года. Каждое поле разделялось на участки по 2 га. На выделенных участках были отобраны почвенные пробы и определены основные показатели плодородия почв. Данные по пяти участкам были использованы для калибровки модели. В процессе уборки урожай оценивался путем отбора проб вручную по сформированным маршрутам. В результате анализа получены следующие данные. Фактический урожай изменялся в пределах от 4420 до 8440 кг/га, при среднем значении 5850 кг/га, а смоделированный урожай варьировался в пределах 3850…10890 кг/га при среднем значении 6190 кг/га. Среднее значение расчетной величины урожая отличается от фактической на 6%. Вариабельность фактического урожая качественно соответствует расчетным величинам.

Свойства почвы меняются от точки к точке случайным образом. Вследствие чего учет этой изменчивости при проведении тех или иных технологических операций является одной из центральных задач в точном земледелии. Для целей управления с.-х. машинами должны быть выбраны территориальные единицы, так называемые единицы управления. Под этим понятием подразумеваются участки поля (контура), в пределах которых можно ожидать одинаковых результатов по продуктивности посевов и (или) по динамике движения почвенных растворов, несмотря на некоторые различия в характеристиках почвы в пределах этого участка. Это понятие можно применить также к переменной величине склона и его ориентации, к близости водоема и к другим ландшафтным характеристикам. Для выделения единиц управления предлагается использовать динамические модели с тем, чтобы, рассчитав, например, величину урожая за ряд лет при варьировании гидрофизических и иных характеристик почвы объединить затем варианты точечных данных в однородные массивы.

Экспертные системы информационных технологий в точном земледелии выдают советы, проводят анализ, дают консультации, ставят диагноз. Они могут использоваться при планировании сельскохозяйственного производства и для управления в системах точного земледелия.

Структура экспертной системы состоит из базы данных, базы знаний, подсистемы вывода (множества правил, по которым осуществляется решение задачи), подсистемы приобретения знаний и диалогового процессора.

База данных содержит в себе всю необходимую цифровую и буквенную информацию, на основе которой экспертная система и делает свои выводы.

База знаний является наиболее важной компонентой экспертной системы, на которой основаны ее «интеллектуальные способности». В отличие от всех остальных компонент, база знаний – переменная часть системы, которая может пополняться и модифицироваться экспертами, а также в результате опыта использования экспертной системы между консультациями (а некоторых систем и в процессе консультации). Существуют несколько способов представления знаний в подобных случаях, однако общим для них является то, что знания представлены в символьной форме (элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры).

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличие от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы, а при решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки очень мала.

Основными отличиями экспертных систем от других программных продуктов являются использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в экспертной системе представляются в такой форме, которая может быть легко обработана на ЭВМ,

Итак, экспертные компьютерные системы являются первым существенным шагом на пути практических достижений в области искусственного интеллекта. Успех проектирования экспертных систем для моделей точного земледелия связан с эффективностью специализированных средств по внешнему представлению знаний, их дальнейшей обработкой на ЭВМ с целью хранения и извлечения при решении конкретных задач