Россия
В работе приведены данные агрохимического анализа почв хозяйства 2022 года. Прописаны этапы формирования цифровой модели полей хозяйства. Созданная интерактивная карта с базой данных может быть внедрена в практику хозяйства ООО «А7 Агро РБ» для проведения агротехнических операций и работы с полями и их данными.
геоинформационная система, карта полей, программное обеспечение QGIS, цифровое сельское хозяйство, геоинформационные базы данных, QGIS 3.22.16
Актуальность. Цифровые базы данных в настоящий момент являются ключевым показателем инновационности хозяйства. Актуальная база данных полей, включающая все основные аспекты, которую можно обновлять в любом месте, где есть доступ к сети интернет – то, к чему стремится сейчас любое хозяйство. Умение создавать карту полей, с которой можно взаимодействовать позволяет любому хозяйству снизить порог вхождения новых сотрудников в штат. Так как новым сотрудникам – механизаторам, которым не нужно длительное время запоминать расположение полей, агрономам, которым не нужно искать документы на севообороты, урожайность предшественников, агротехнические операции, отчеты о последних агрохимических анализах [1].
Создание цифровой базы данных – неотъемлемая часть перехода к инновационному производству. А учитывая сложившуюся ситуацию в России, когда большая часть иностранных предприятий, с которыми работники агропромышленного комплекса ушли с рынка, появилась ниша, которую нужно восполнять максимально экономными способами [2, 5].
Цель исследований: создать интерактивную цифровую модель полей хозяйства ООО «А7 Агро РБ» Зианчуринского района.
Для достижения цели решались следующие задачи:
- Выбор подходящего для работы программного обеспечения, с учетом ресурсов, возможностей и стоимости программного обеспечения.
- Создать цифровую базу данных, содержащую современную информацию о состоянии полей, занятости их культурами.
- Создать базу данных, доступную в онлайн режиме для каждого, у кого есть данные для входа в среду.
Условия, объекты и методы исследования. В хозяйстве ООО «А7-Агро РБ» на исследуемой территории принят и используется четырёхпольный зернопаропропашной севооборот, состоящий из:
1. Озимая пшеница; 2. Подсолнечник; 3. Ячмень; 4. Чистый пар.
Методика создания баз данных при работе с QGIS включает в себя следующие этапы:
1. Оцифровка физических носителей. Привязка растровых данных осуществляется с помощью инструмента «Привязка растра» в QGIS. [2].
2. Создание слоев. После нанесения растрового слоя на карту, мы приступаем к созданию полигонов полей. Полигоны мы создаем с помощью функции «Создать слой SpatiaLite…».
3. Внесение данных в атрибуты слоёв. Далее мы вносим данные по полям на слои, а именно в атрибуты. В зависимости от выбранного слоя мы вносим туда название поля, которое принято в хозяйстве, его севооборот, содержание азота, фосфора, калия и так далее.
4. Перенос данных в сервис QField и QField Cloud с помощью модуля QField в программе. [2].
Результаты исследований. Для создания цифровой модели полей нам понадобится бумажная карта полей. Данную карту мы будем оцифровывать с помощью программы QGIS 3.22.18 в несколько этапов:
- для начала сканируем бумажный вариант карты для создания цифрового растрового изображения.
- добавляем в программе QGIS подложку через панель модулей. Подложку мы выбираем «Yandex Satellite 22»;
- затем данное изображение открываем в программе QGIS и начинаем привязку;
- нужно получить векторный слой, на который мы будем вносить все данные. Для этого мы используем функцию векторизации растра, или вручную создаем новый векторный слой в формате «GeoPackage» и очерчиваем границы полей, создавая векторные полигоны.
Рис. 1. Форма наложения слоя формата «Geopackage» в программе.
Затем получившийся векторный слой в формате gpk мы сохраняем, привязываем к проекту, в котором работаем, и начинаем заполнять таблицы атрибутов.
Для описания гумусового состояния полей на основе данных агрохимического анализа мы используем те же операции по созданию векторного слоя, но в таблице атрибутов мы добавляем дополнительные значения, которые будут присвоены полям, на которых отбирались образцы [3].
Присваиваем значения из данных агрохимического анализа выбранным полям, начинаем сортировку по степени содержания гумуса в соответствии с группировкой почв по содержанию гумуса, рекомендованной агрохимической службой [3].
Группировка почв по содержанию гумуса в ООО «А7 Агро РБ» Зианчуринского района РБ представлена на рисунке 2.
Рис. 2. Вид сгруппированного слоя «Содержание гумуса» на карте в программе QGIS.
Из результатов видно, что в ООО «А7 Агро РБ» Зианчуринского района 737 га почвы имеют среднюю обеспеченность гумусом (содержание гумуса от 8,1 до 9,0 %). 480 га площади занимают почвы с низкой обеспеченностью гумусом, 54 га территории занимают почвы с очень низким содержанием гумуса [4].
Большая часть полей (13) по содержанию P2O5 в мг/кг почвы относится к 3 классу обеспеченности [4]. Вид сгруппированного слоя «Содержание фосфора» в программе QGIS представлен на рисунке 3.
Рис. 3. Вид сгруппированного слоя «Содержание фосфора» в программе QGIS.
На территории 782 га почва обладала средней обеспеченностью подвижным фосфором. 217 га почва обладает повышенным содержанием фосфора.
Для выражения содержания калия в почве группировку будем использовать данную в методических рекомендациях [7]. Цветовую гамму используем ту же, что и в вариантах до.
Большая часть полей содержит (17) больше 121 K2O в мг/кг почвы, но меньше 180, следовательно, относится к высокому содержанию. Полученные результаты по содержанию обменного калия представлены на рисунке 4.
На площади 879 га встречались почвы с высоким содержанием обменного калия, на 239 га повышенным содержанием, а на 153 га – с очень высоким содержанием обменного калия.
Рис. 4. Вид сгруппированного слоя «Содержание калия» в программе QGIS.
Такие же действия мы проводим и для создания слоя кислотности в программе. У нас есть гидролитическая и обменная кислотность, поэтому для выражения обоих видов кислотности нужно создать один слой с 2 столбцами атрибутов – гидролитическая и обменная кислотность.
Заполняем эти поля, затем дублируем первичный слой, группируем дубликат и оригинал и даем наименования, которые мы хотим видеть. Для гидролитической кислотности слой мы называем «Степень гидролитической кислотности», а для обменной назовем «Степень кислотности» (рис. 5).
Таким же образом вся информация была перенесена на цифровую модель, включая:
- информация о предшественниках;
- информация о наименовании поля в рамках предприятия ООО «А7 Агро РБ»;
- информация о содержании микроэлементов, таких как кобальт, марганец, цинк, медь, сера, бор, молибден;
- информации о нитрификационной способности полей;
- информация о содержании тяжелых металлов на полях, таких как: Свинец, Кадмий, Ртуть.
Рис. 5. Вид сгруппированного слоя «Степень кислотности» в программе QGIS.
Выводы. Созданная интерактивная карта с базой данных может быть внедрена в практику хозяйства ООО «А7 Агро РБ» для проведения агротехнических операций и работы с полями и их данными.
1. Завражнов, А. И. Тенденции развития инженерного обеспечения в сельском хозяйстве / А. И. Завражнов, Л. В. Бобрович. – 2-е изд., стер. – Санкт-Петербург: Лань, 2022. – ISBN 978-5-8114-9654-9.
2. Комкова, С. С. Информационная система для автоматизации исследований агрохимических показателей почвы / С.С. Комкова, Е.В. Косолапова, В.В. Косолапов //International Journal of Open Information Technologies. 2023. Т. 11. № 1. С. 70-78. EDN: https://elibrary.ru/RVKFSL
3. ГИС-технологии в землеустройстве и кадастре: учебное пособие / А. В. Симаков, Т. В. Симакова, Е. П. Евтушкова [и др.]. – Тюмень: ГАУ Северного Зауралья, 2022. – ISBN 978-5-91409-547-2. EDN: https://elibrary.ru/JBZAKP
4. Фазыльянов, Д. Х. Агрохимическая характеристика почв / по хозяйствам/ (год обследования 2022, тур 11). МР Зианчуринский район Республики Башкортостан.
5. Точное сельское хозяйство / Е. В. Труфляк, Н. Ю. Курченко, А. А. Тенеков [и др.]; Под ред.: Труфляк Е. В. – 3-е изд., стер. – Санкт-Петербург: Лань, 2023. – ISBN 978-5-507-45756-4.
