Розділ «1.6.3. Використання інформаційних технологій для програмування врожаю»

У третьому тисячолітті рівень науково-технічного прогресу дозволяє широко використовувати інформаційні системи в сфері науки, освіті, виробництва, бізнесу, моніторингу, консалтингових послуг тощо. Іноді термін "інформація" розуміється дуже вузько, проте реально під цим терміном слід називати все, що може бути представлене у вигляді букв, цифр і зображень. Практично всі людські знання подаються саме у такому вигляді, і вся виробнича діяльність може бути відображена й змодельована з їх допомогою.

За сучасних умов під інформаційними технологіями (IT) розуміють систему методів і способів пошуку, збирання, накопичення, узагальнення, зберігання й обробки різноманітної інформації за допомогою застосування засобів комп'ютерної техніки. На відміну від традиційних засобів виробництва, ефективність IT суттєво залежить від наявності технічних засобів; кваліфікації персоналу, здатного використовувати їх; організації, яка об'єднує засоби та персонал в єдиному процесі; інформаційних засобів, що здійснюють формування й видачу інформації (рис. 1.6.1).

З появою ПЕОМ настав час комп'ютерних інформаційний технологій, які внаслідок здешевлення їх вартості дали можливість широкого охоплення глобальними комп'ютерними мережами величезних груп користувачів. Широкомасштабне застосування мережі Інтернет з використанням моделей, які ґрунтуються на платформах "клієнт-сервер", сприяло виникненню високих інформаційних технологій (ВІТ). їх основними ознаками є досягнення універсальності методів комунікацій; підтримка систем мультимедіа і максимальне спрощення інтерфейсу "людина↔ПЕОМ"; відкритість стандартів, тобто використання протоколів і програмних інтерфейсів, що гарантували б створення єдиного інтерфейсу для всіх взаємодій з ПЕОМ (доступу до файлів, повідомлень, сторінок, документів, локальних дисків, Web-сторінок, графіки, мультимедіа, баз даних тощо).

Метою етапу ВІТ є зниження вартості інформаційного контакту, необмеженість обсягу доступної інформації, висока ефективність використання ПЕОМ і мережевих ресурсів. Важливе наукове й практичне значення має застосування новітніх технологій накопичення, обробки і подання інформації внаслідок можливості її використання для корегування агрозаходів при вирощуванні сільськогосподарських культур, управління продукційними процесами рослин, поточного та довгострокового планування й прогнозування тощо. їх використання пов'язано з розвиненими аналітичними можливостями, дозволяє наочно відобразити й осмислити інформацію про локальні об'єкти, процеси та явища як окремо, так і в сукупності.

Одночасно інформаційні технології дозволяють виявити взаємозв'язки з їх просторовим розташуванням, підтримувати колективне використання даних через локальні мережі або Інтернет з концентрацією та інтеграцією в єдиний інформаційний масив, проводити моделювання та прогнозування.

Рис. 1.6.1. Класифікація складових елементів інформаційних технологій

У базі даних також можна організувати зберігання графічної, технічної, довідкової та іншої документації, яка може бути корисною для споживачів. Новітні інформаційні системи дають можливість тривимірного представлення території та інформаційних блоків. Такі моделі сільськогосподарських масивів, що об'єднуються в загальний тривимірний ландшафт, спроектований на основі цифрових картографічних даних, матеріалів дистанційного зондування та (або) надземних спостережень і досліджень, дозволяють підвищити якість візуального аналізу території та забезпечують ухвалення оптимальних рішень з максимальною ефективністю й своєчасністю.

За сучасного рівня науково-технічного прогресу існує можливість за допомогою мережі Інтернет отримання інформації щодо прогнозування погодних умов на близьку та віддалену перспективу. Ця інформація також може бути використана для уточнення технології вирощування сільськогосподарських культур, планування та корегування окремих агротехнологічних заходів, прогнозування продуктивності рослин тощо.

Застосування програмного забезпечення геоінформаційних технологій (ArcView, ArcMap, ArcPad, Arclnfo, ArcAnalysis, Google Earth та ін.) також дозволяє надати різнобічні характеристики (географічне розташування, наближеність до населених пунктів, транспортна мережа, зрошувальні системи тощо) як на континентальному й регіональному рівнях, так і невеликих сільськогосподарських ділянках.

Використання експериментальних даних за багаторічний період дозволяє з достатньою точністю розробити залежності продуктивності агроценозів при зрошенні, виходячи з різних умов вологозабезпеченості рослин і застосування інших складових життєдіяльності рослин. Аналіз літературних джерел показує, що у наукових установах накопичено значний експериментальний матеріал, але він через різні схеми дослідів він потребує систематизації та узагальнення до показників, які дадуть змогу використати його при статистичному моделюванні.

Недотримання елементів технологій вирощування сільськогосподарських культур порушує екологічну рівновагу агроландшафтів, руйнує природну здатність агроценозів до самовідновлення та значно знижує ефективність зрошуваного землеробства. Одержання високих та сталих урожаїв сільськогосподарських культур на зрошуваних землях можливе лише за умов оптимальної кількості поливної води, елементів живлення, густоти стояння рослин та інших технологічних чинників,. витрати яких залежать від біологічних особливостей культур, характеру водоспоживання, погодних умов вегетації тощо. Встановити оптимум витрат ресурсів для неповторних природних, технологічних та економічних умов можна за допомогою математичного моделювання.

В останнє десятиріччя спостерігається сплеск в галузі дослідження і застосування штучних нейронних мереж. Цей метод вже набув поширення в біохімічних дослідженнях, у медицині, молекулярній біології, екології (моделювання просторової динаміки риб, прогноз відтворювання фітопланктону, різноманітності риб тощо), у дослідженнях із розпізнавання образів і мови.

Залежно від поставленого завдання (узагальнення, оптимізація, управління, прогноз, редукція даних та ін.) розглядають і застосовують різні види нейронних мереж. У теперішній час найбільш часто використовуються два типи таких мереж:

1. Багатошарова нейронна мережа – складається з одного вихідного та одного або кількох внутрішніх і витікаючих шарів. Шари утворюються нелінійними елементами (нейронами), кожний нейрон одного шару пов'язаний зі всіма нейронами подальшого, кожному з'єднанню приписана відповідна вага, зворотний зв'язок відсутній, а також неможливі ніякі з'єднання між елементами одного шару. Кількість елементів вихідних і витікаючих шарів визначається об'єктом дослідження.

2. Мережа складається тільки з вихідного та витікаючого шарів. Вихідний шар звичайно складається з елементів, з'єднаних у двовимірні квадратні (або іншої геометричної форми) грати. Кожний нейрон пов'язаний з найближчими сусідами. Нейрони містять вагу (вектор терезів), кожний з яких відповідає вхідному значенню.

За допомогою статистичного моделювання можна сформувати нейронну мережу показників продукційного процесу сільськогосподарських культур залежно від комплексного впливу природних та технологічних факторів з урахуванням локальних господарських умов (рис. 1.6.2).

Рис. 1.6.2. Нейронна мережа показників продукційного процесу сільськогосподарських культур в умовах зрошення півдня України (пояснення в тексті)

Архітектура побудованої нейронної мережі (РБФ 6:19-1-1:1, N = 10) заснована на десяти елементах (нейронах), які мають вплив на інтенсивність продукційного процесу рослин. Усі нейрони поділяються на два блоки:

І. Природні Фактори: