Программирование урожаев. Новое понимание традиционных методик.

Если ввести в поисковой строке фразу «Программирование урожаев» вернется довольно много ссылок. Начиная от учебно-методических пособий, по которым преподают в Тимирязевской с/х академии, до продажи спутниковых снимков индексов вегетации. И реакция наших клиентов, которым мы объясняем наши методики, также бывает совершенно различной. Люди, которые пришли в сельскохозяйственный бизнес со стороны, как правило удивляются – что, разве урожай можно запрограммировать? Для аграриев это обыденность, хотя многие относятся скептично -чему тут учить, я сам знаю какие операции проводить и сколько чего вносить, что тут может быть нового.

Наша компания занимается развитием методик почвенного картирования с применением ИИ, оценке потенциала продуктивности полей и программирования урожаев на основе полученных данных уже пять лет. А до начала коммерческого применения эти методики разрабатывались в ходе многолетних научных исследований нескольких институтов РАН. И мы уверены, что ответ на оба вопроса «ДА» - да, урожаи можно программировать и достаточно точно предсказывать, и да, нового здесь много, современные методики позволяют значительно развить подходы к управлению плодородием.

Почвенные характеристики - основа для «цифрового» земледелия

Урожайность любого поля определяется целым рядом факторов, среди которых важнейшими являются почвенные, ландшафтные и климатические характеристики. Учет локальных особенностей, таких как севообороты и технологии возделывания почв, позволяет эффективно управлять урожайностью и планировать мероприятия по сохранению плодородия и устранению факторов, ограничивающих урожайность.

Наличие актуальных карт почвенных характеристик является основой для эффективного агропроектирования и внедрения принципов «цифрового» земледелия. Однако использование оцифрованных почвенных карт, созданных 30-50 лет назад, не всегда является оптимальным решением. Во-первых, карты меньшего масштаба, такие как 1:100 тысяч, могут быть утеряны, а во-вторых, они часто оказываются неполными из-за человеческого фактора и изменений в агроландшафтах. Кстати, с неточностью и противоречивостью архивных данным мы сталкиваемся постоянно. Например, почвенное обследование, которое мы проводили этим летом выявило значительное несовпадение с картами 1:100 тыс. той же территории, построенными по итогам последнего полномасштабного землеустройства. Причем не только по тем характеристиками, которые ожидаемо меняются (например, уровень кислотности, содержание элементов питания), но и по характеристикам, которые считаются условно постоянными, таких как тип почв.

Несовпадение фактических данных с архивными картами, и зачастую данными АХ служб, проблема известная, для многих уже набившая оскомину. Думаю, мы напишем об этом отдельный материал.

Второй распространённый подход, используемый сейчас многими цифровыми сервисами для сельского хозяйства это построение картограмм «хороших/плохих» земель, построенных по индексу NDVI. Идея в том, чтобы на «хорошие» земли вносить больше удобрений, на «плохие» меньше (хотя мы сталкивались и ровно с противоположными предложениями). Мы полагаем что такой подход довольно ограничен и не может служить полноценной заменой комплексной оценке потенциала плодородия. Подобные картограммы не способны объяснить причины наблюдаемых различий в вегетации и связать их с конкретными почвенными характеристиками поля.

Наши подходы к почвенному картированию

Суть нашего подхода в том, что мы строим точный цифровой двойник поля, в котором смоделированы все характеристики, определяющие урожайность той или иной культуры. Основой для построения цифровой модели являются мультиспектральные спутниковые снимки и данные рельефа. Далее модель наполняется почвенными характеристиками, полученными в ходе полевого обследования. Благодаря предварительному моделированию условий произрастания, мы проводим полевое обследование в строго определенных точках, которые являются наиболее характерными, на порядок сокращая объемы полевых работ и лабораторных анализов и значительно повышая моделирование характеристик.

Помимо почвенных характеристик и особенностей рельефа, мы также учитываем климатические особенности территории и климатические циклы. Дело в том, что среднегодовые климатические условия имеют четко выраженную цикличность: для каждой территории засушливые, нормальные и влажные года чередуются определённым образом. В одних регионах это 3-х летные циклы, в других 4-х или 5- летние. Тоже тема для отдельного материала.

Таким образом, по итогам агроэкологической оценки, для каждого конкретного поля и различных участков поля мы точно знаем все факторы, лимитирующие урожайность конкретных культур, и степень их влияния. Какие-то из них - управляемые и могут быть скорректированы внесением удобрений, мелиорантов или относительно простыми мероприятиями. К каким-то факторам можно только адаптироваться, а какие-то можно преодолеть только сложными мелиоративными мероприятиями, что, как правило, оказывается экономически нецелесообразно. В результате мы можем спрогнозировать урожайность с весьма высокой точностью и в нескольких сценариях, а следовательно, рассчитать точные дозы необходимых удобрений для достижения прогнозной урожайности, что позволяет снизить общий объем вносимых удобрений, что при текущих ценах на удобрения весьма ощутимо повышает экономическую эффективность агропроизводство. Мы также можем оценить эффекты от реализации тех или иных мелиоративных мероприятий и помочь принять решение об их о целесообразности, а также выстроить систему севооборотов и обработки почвы таким образом, чтобы обеспечить стабильное получение урожая целевых культур в условиях сохранении плодородия почв.

Методики были впервые применены в 2019 году и успешно апробированы в рамках научных и коммерческих проектов компании. К настоящему моменту нами успешно выполнены проекты по повышению урожайности на более чем 120 тысяч гектар, от Белгородской области до Приморья, что позволило учесть особенности практически всех агроландшафтных зон нашей страны.

Перспективы развития

По словам научного руководителя проекта А.Н. Кренке, у методики есть большой потенциал для дальнейшего развития: «По мере накопления знаний о почвах мы сможем применять все более точные и сложные алгоритмы ИИ. Уже сейчас мы собрали большую базу данных о почвах, которая позволила актуализировать крупномасштабные почвенные карты нескольких областей».

Генеральный директор ООО «Экомониторинг Агро» Н. Балова подчеркивает: «Наши методики постоянно развиваются. Каждый новый проект дает лучшее понимание факторов, которые влияют на урожайность, особенностей, которые надо учитывать, выстраивая эффективную систему агропроизводства. Каждый регион имеет свои особенности и их необходимо учитывать. Поле — это сложнейшая экосистема, сочетание природных характеристик и регулярного антропогенного воздействия. Поэтому описание его требует столь же сложных и точных инструментов»