Гносеологические основы использования цифровых технологий в сельском хозяйстве Сибири

Обосновали необходимость гносеологического подхода к определению основных посылов в применении цифровизации сельхозтоваропроизводителями с учетом природно-климатических, товарно-производственых и социальных факторов.

(Цель исследования) Сформулировать основные посылы при применении цифровых технологий в сельскохозяйственном производстве, которые определяют гносеологические подходы к их системному использованию и позволяют увеличить производство зерновых в 2-3 раза на примере ЗАО «Соколово».

(Материалы и методы) Применили системный анализ к объектам в сельскохозяйственного производства как к информационным средам при их описании в информационном пространстве.

(Результаты и обсуждение) Установили, что объекты сельхозпроизводства находятся в объективной мультипликативной взаимосвязи. По результатам разработали схему связи объектов в агропромышленном производстве, отражающую их диалектическую общность. Представили объекты производства как ресурс, характеризующийся некой совокупностью параметров и значений. Показали мультипликативный характер взаимосвязи ресурсов, описав характер зависимости методом предельного перехода. Выявили общие требования к информации для решения задач земледелия, производства растениеводческой продукции и к средствам обработки этой информации в объеме более 2 петафлопсов. Установили необходимую разрешающую способность при управлении техпроцессами – менее 3 сантиметров.

(Выводы) Предложили парадигму информационного обеспечения технологических процессов сельскохозяйственного производства. Подтвердили правомерность такого подхода к формированию парадигмы созданием более 20 баз данных и знаний. Привели примеры роста эффективности производства зерна в Новосибирской области.  В основу гносеологических принципов положили сформулированные шесть посылов информационных цифровых технологий, позволяющих использовать их более чем в 247 520 различных комбинациях и применять для всего многообразия хозяйств в зависимости от их возможностей и желаний.

1. Гончаров В. Д., Котеев С. В., Рау В. В. Проблемы продовольственной безопасности России // Проблемы прогнозирования. 2016. N2(155). С. 99-107.

2. Ганиева И.А. Предпосылки создания информационно-ресурсной цифровой платформы интеллектуального управления системами земледелия и землепользования для агропромышленного комплекса России // Достижения науки и техники АПК. 2019. Т. 33. N12. C. 110-116.

3. Федоренко В.Ф., Мишуров Н.П., Буклагин Д.С., Гольтяпин В.Я., Голубев И.Г. Цифровое сельское хозяйство: состояние и перспективы развития. М.: Росинформагротех. 2019. 316 с.

4. Федоренко В.Ф., Черноиванов В.И., Гольтяпин В.Я., Федоренко И.В. Мировые тенденции интеллектуализации сельского хозяйства. М.: Росинформагротех. 2018. 232 с.

5. Гостев А.В., Пыхтин А.И. Структура нормативно-справочной базы данных системы поддержки сельхозтоваропроизводителей по рациональному выбору высокорентабельных адаптивных технологий возделывания зерновых культур // Современные наукоемкие технологии. 2018. N2. С. 37-41.

6. Ткаченко В.В. Методика многокритериальной комплексной оценки и выбора технологии возделывания сельскохозяйственных культур // Научный журнал КубГАУ. 2016. N123(09). С. 1-19.

7. Результаты исследования внутреполевой неоднородности почвенного покрова: отчет №05-2017 о НИР. Новокубанский филиал ФГБНУ «Росинформагротех» (КубНИИТиМ). 2017. 116 с.

8. Phillips P.W.B., Relf-Eckstein J.A., Jobe G., Wixted B. Configuring the new digital landscape in western Canadian agriculture. NJAS – Wageningen Journal of Life Sciences. 2019. N90. 100295.

9. Talaviya T., Shah D., Patel N., Yagnik H., Shah M. Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial Intelligence in Agriculture. 2020. Vol. 4. 58-73.

10. Jha K, Doshi A., Patel P., Shah M. A comprehensive review on automation in agriculture using artificial intelligence. Artificial Intelligence in Agriculture. 2019. Vol. 2. 1-12.

11. Alt V., Isakova S., Balushkina E. Digitalization: problems of its development in modern agricultural production. Innovative Technologies in Science and Education, ITSE. 2020. Vol. 210. N10001.

12. Папцов А.Г., Алтухов А.И., Кашеваров Н. И. и др. Прогноз научно-технологического развития отрасли растениеводства, включая семеноводство и органическое земледелие России, в период до 2030 года. Новосибирск: Золотой колос. 2019. 100 с.

13. Альт В.В., Боброва Т.Н., Колпакова Л.А. и др. Методические положения по информационному сопровождению машинных агротехнологий производства зерна яровой пшеницы на уровне сельскохозяйственного предприятия. Новосибирск. 2017. 56 с.

14. Dos Santos U.J.L., Pessin G., da Costa C.A., da Rosa Righi R. AgriPrediction: A proactive internet of things model to anticipate problems and improve production in agricultural crops. Computers and Electronics in Agriculture. 2019. N161. 202-213.

15. Jones J.W., Antle J.M., Basso B., et al. Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science. Agricultural Systems. 2017. N155. 269-288.

16. Донченко А.С., Каличкин В.К., Митякова Р.П. и др. Межрегиональная схема размещения и специализации сельскохозяйственного производства в субъектах Российской Федерации Сибирского федерального округа: Рекомендации. Новосибирск: СО РАН. 2016. 255 с.