Сочетание слов, которые заложены в названии конференции — климат, плодородие и агротехнологии — как никогда, актуально в современных реалиях. Постараюсь изложить наши подходы к этим вопросам.
В XXI веке, в условиях стремительных глобальных изменений климата и агротехнологий для достижения устойчивого роста экономичного производства высококачественных и доступных продуктов питания, необходимо применять наилучшие имеющиеся технологии для специфических почвенных и агроэкологических условий, которые были бы экономически выгодны и доступны сельхозпроизводителям.
В то же время вице-премьер правительства говорит нам, что на следующий год необходимо на 50 тысяч гектаров увеличить посевы гречихи, увеличить на 50 тысяч гектаров посевы сахарной свеклы. Встает вопрос — как нам это сделать наиболее экономически рентабельно и без негативных экологических последствий? Все мы здесь в определенной степени экологи, и все чаще звучит слово — агроэкологи, поскольку, решая одну проблему — агрономическую, мы одновременно решаем и другую — экологическую. Но условий перед нами стоит очень много, и условий достаточно сложных, поэтому нам не обойтись без применения цифровых технологий.
На фоне постоянных изменений рыночного спроса и предложения различных удобрений и средств защиты растений, их зональной дифференциации относительно погодных условий и типов почв необходимо разрабатывать системы принятия решений (Decision Support System, DSS), которые могли бы оптимально адаптировать существующие сельскохозяйственные системы и агротехнологии к конкретным условиям. Такие системы получили широкое применение не только в западных странах, но и в восточных.
СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.
Система поддержки принятия решений предназначена для поддержки многокритериальных решений в сложной информационной среде. При этом под многокритериальностью понимается тот факт, что результаты принимаемых решений оцениваются не по одному, а по совокупности многих показателей (критериев) рассматриваемых одновременно. Информационная сложность определяется необходимостью учета большого объема данных, обработка которых без помощи современной вычислительной техники практически невыполнима. В этих условиях число возможных решений, как правило, весьма велико, и выбор наилучшего из них «на глаз», без всестороннего анализа, может приводить к грубым ошибкам.
Система поддержки решений СППР решает две ос-новные задачи:
- выбор наилучшего решения из множества возможных (оптимизация),
- упорядочение возможных решений по предпочтительности (ранжирование).
В качестве примера познакомьтесь с прогнозной работой, сделанной при помощи суперкомпьютера CMCC and RSAU MTAA в рамках работ по мегагранту РГАУ-МСХА имени К. А. Тимирязева, опубликованной в 2015 году.
Прогрессирующий рост средних годовых температур, который наблюдался в последние несколько десятилетий, меняет агроклиматический потенциал для сельского хозяйства в России. Потенциально рост среднемесячных температур теплого сезона может создать благоприятные условия для более интенсивного производства коммерческих культур. И здесь мы видим результат моделирования средних годовых температур в среднесрочной перспективе за период 2006-2050 годов по сравнению с 1961-2005 годами. Речь идет о сопоставлении 45-летних периодов. Прогноз говорит об уверенном увеличение температуры. Хорошо это или плохо для России, на конференции уже говорилось — будет влага, будет хорошо, не будет влаги — плохо.
В рамках исследования мы изучали потенциал производства доминирующей в засушливой части черноземных регионов России твердой пшеницы в 2018-2021 году. Проводили ГИС-анализ качества почвы вместе с агроэкологическим мониторингом репрезентативных участков, где в различных почвенно-климатических условиях выращивались различные сорта твердой пшеницы и использовались различные сельскохозяйственные практики для разработки облачной умной системы принятия решений, — через месяц надеемся подать совместную заявку с итальянскими учеными.
При этом нам приходится решать вопросы, связанные с оптимизацией технологий, и когда я слышу, что «эта технология пойдет почти везде», у меня возникает некоторая настороженность — так не бывает. Мы вспоминаем великих ученых — Бараева, других наших академиков, замечательного агронома, доктора сельскохозяйственных наук Федора Трофимовича Моргуна, который внедрял на Полтавщине почвозащитное земледелие и защитил в Тимирязевской академии диссертацию «Агроэкологическое и экономическое обоснование почвозащитной системы земледелия для агроландшафтов лесостепи (на примере Полтавской области)» — у него получалось применять технологию, но не повсеместно.
Поэтому очень важно, чтобы наши технологии имели своеобразные агроэкологические паспорта, отвечающие на вопрос: где и при каких условиях технология даст определенный эффект? Тогда психологическая неуверенность, о которой говорили сегодня производственники, будет выражена в меньшей степени, и мы сможем ставить более амбициозные цели.
Лет семь назад на вопрос журналиста агентства Reuters отвечал, что, «по нашим прогнозам, урожайность зерновых в ближайшие годы будет увеличена в России примерно на 30%. Собеседница отнеслась к прогнозу скептически, но сейчас, если посмотреть статистику, то рост оказался очень близок к этой цифре. Конечно, в прогнозах нужно учитывать и организационные, и погодные факторы, предвидя то или иное развитие событий.
Интересное геоинформационное обобщение мы получили по лимитированию влаги от академика Игоря Юрьевича Савина. Работа показала неоднородную обстановку по ряду факторов, которую мы можем формализовать и учитывать в работе.
В 2015 году мы с профессором Рикардо Валентини говорили, что у нас осадки, по прогнозу на базе моделей, будут увеличиваться. Мы столкнулись с определенным недоверием, ведь одновременно отечественный институт из Обнинска говорил о прогнозе по сокращению количества осадков. Что же мы видим — в целом статистика по годам показывает рост количества осадков.
Однако даже если мы берем год со средним многолетним количеством осадков, то распределение влаги по сезону у нас варьируется от средних многолетних значений. Причем бывает так, что количество осадков не самое минимальное, как в 2021 году, но сыграло свою роль наложение высоких температур на протяжении двух недель.
Познакомимся с данными в разрезе трех регионов — Оренбургской, Самарской и Саратовской областей. Если мы берем данные за столетие, то разница небольшая, а если за десятилетие, то разница существенно возрастает, значит, для каждого региона должны быть свои технологии, свои рекомендации и сорта. А как быть с твердой пшеницей, если у нас 50 сортов рекомендовано для возделывания во всех этих трех регионах? Мы здесь, кажется, еще недостаточно помогаем хозяйствам, многие из них работают на интуитивном уровне или по «сарафанному» радио. Возьмем данные засушливого 2018 года, посмотрите, какая здесь разница, особенно когда осадков не хватает в самый нужный период колошения.
То, что мы проанализировали, приводит к выводу: специфика регионов выходит на первый план, и роль регионов, региональных структур управления, исследовательских университетов и институтов объективно возрастает, а сорта и технологии уже оказывают свое влияние на другом уровне. Создать любую модель — это дорогая задача, поэтому нам лучше разработать одну рамочную модель, детализировать ее на уровне региона, а потом доводить до районов и хозяйств.
Здесь важна консолидация, и я очень благодарен Людмиле Владимировне Орловой, что она выступает своеобразным консолидатором — генерируя идеи выходить с более крупными проектами, на уровне европейских, и обосновывать их привлекательность и эффективность.
Если говорить о применении интенсивных технологий, мы видим, что в более засушливых регионах они применяются реже, но если применяются, то разница между сортами сглаживается. Анализ методом главных компонентов показывает четкую агроэкологическую дифференциацию 3-х регионов с практически независимым разделением факторов, влияющих на урожайность пшеницы и качество глютена (наиболее стабильные показатели наблюдаются в Оренбурге).
Мы здесь с вами ещё не рассматриваем один из факторов, востребованных на международном рынке у твердой пшеницы, — цвет ее крупки. Интересовался у зарубежных коллег, как желтый цвет может сказываться на технологических свойствах, отвечают — никак, но население привыкло, и продается такая пшеница гораздо лучше. У нас таких сортов почти нет. Мы видим, что факторов у нас достаточно много, а лимитирующих — значительно меньше.
Чем развитие почвозащитных и экологичных систем принятия решений в сельском хозяйстве (DSS) позволяет помочь сельхозтоваропроизводителю?
- Предсказание урожая
- Программирование удобрений
- Скрининг сортов
- Прогнозирование экономического эффекта
- Выбор оптимальных агротехнологий для данной культуры.
Основные положения при создании системы принятия решений (DSS) для выбора культур, прогнозирования урожайности и выбора оптимальных технологий
Агроэкологическая зона
1 этап: предварительный анализ и выбор оптимальных культур для данного поля, сезона и почвенно-климатических условий.
2 этап: расчет потенциального урожая для каждой из схем, выбранных на 1-м этапе, с учетом уровня инсоляции (прихода ФАР) и почвенных климатических условий для данного сезона.
3 этап: учет температур и влажности для прогнозирования роста растений.
4 этап: учет почвенных и агротехнологических факторов.
5 этап: итоговый предварительный расчет урожайности на основании всей совокупности факторов.
6 этап: анализ основных макроэлементов и, при необходимости, микроэлементов, лимитирующих рост растений.
7 этап: использование основных ресурсов макро- и микронутриентов для каждого из выбранного набора сортов.
8 этап: дополнительные расчеты микро- и макроэлементов с учетом используемых удобрений.
9 этап: нормативный расчет минеральных удобрений для данных климатических условий и сортов с учетом коэффициентов использования элементов питания из планируемых к применению минеральных удобрений.
10 этап: коррекция планируемого урожая при недостаточном усвоении необходимых микроэлементов.
11 этап: определение агроэкологически обоснованных доз удобрений и сроков посева с учетом всех вышеперечисленных факторов и обоснованием сделанного выбора.
12 этап: определение агроэкологически оптимального варианта применяемой агротехнологии с учетом вышеперечисленных факторов и обоснованием сделанного выбора.
13 этап: определение оптимальной системы защиты растений с учетом вышеперечисленных факторов и обоснованием сделанного выбора с учетом погодных условий и фенофаз.
Перейдем к основным выводам из представленной информации.
Основные алгоритмы для анализа агроклиматической информации на уровне фенологических фаз можно эффективно детализировать благодаря использованию данных цифровых моделей и рассчитывать урожайность с использованием данных по первому и второму уровню ее лимитирования (общий объем инсоляции/сумма активных температур и объем осадков/расчетный уровень продуктивной влаги в почве). Данные, которые получены при агроэкологическом мониторинге культур, подтверждают важность детального анализа сезонной динамики (на фенологическом уровне) агроклиматических параметров почвы и культур, с учетом региональных типологических особенностей почв и развития растений. Результаты верификационных подсчетов подтвердили целесообразность использования алгоритмов для предсказания урожаев с учетом агроклиматических условий в определенной зоне, в рамках определенного вегетационного периода, для определенного типа почвы и варианта мезорельефа. Это подтверждает целесообразность разработки программного модуля на основе баз данных для выбора специфических индикаторов и построения соответствующих моделей. Поэтапное развитие, верификация и локализация регионально и сезонно-адаптируемых систем принятия решений может стать важным элементом инновационного развития сельскохозяйственной теории и практики, что позволит снизить системные экологические и экономические риски.
Обозначим основные направления в области исследований и обучения специалистов в сфере агроэкологического мониторинга:
1) Исследования в области агроэкологического мониторинга сейчас продолжаются в рамках Научного центра международного уровня «Агротехнологии будущего», который был запущен в 2020 году.
2) В рамках этого центра была создана ставшая популярной магистерская программа «Экологический мониторинг и проектирование». В рамках этой программы студенты занимаются выбором, разработкой и адаптацией наилучших агротехнологий для условий конкретного хозяйства с учетом качества земли, погодных условий, доступности имеющихся ресурсов, степени загрязнения и себестоимости продукции.
3) В рамках наших научных, производственных и образовательных программ использовались высокочувствительные станции агроэкологического мониторинга, сенсоры интернета вещей, а также дроны, что позволило повысить точность прогнозирования урожая на ряде участков до 90%.
В завершение затрону еще один вопрос о почвозащитных лесополосах: мне кажется, надо выходить на совместный большой национальный проект. На выходе получим более благоприятный микроклимат, дополнительно будет софинансирование по карбоновым единицам, соответственно, древесина. Давайте учить и учиться вместе — нам нужно выходить на сетевые программы обучения, пока у нас больше программ с европейским вузами, но сейчас они остановились, поэтому давайте в рамках импортозамещения разрабатывать и внедрять отечественные сетевые программы. Мне кажется, нас поддержат, и нужно внести в резолюцию такие предложения.
