Перед российским агропромышленным комплексом стоят серьезные задачи: к 2030 году увеличить производство сельхозпродукции на 25%, нарастить экспорт до 55 миллиардов долларов и достичь самообеспеченности семенами на 75%.
С одной стороны, отрасль показывает рост: урожай зерна в 2025 году составил 141,2 миллиона тонн — это на 12% больше, чем годом ранее, а урожайность поднялась до 33,1 центнера с гектара. С другой стороны, есть тревожные тенденции: рентабельность растениеводства упала ниже 20%, а потери от болезней и нарушений севооборота достигают 30% урожая.
Грамотное чередование сельскохозяйственных культур повышает общую урожайность на 20%, а при включении бобовых растений — на 23%. Доходы фермеров при этом растут в среднем на 20%, пищевая ценность продукции — на 24% по калорийности и на 14% по содержанию белка.
Так работает севооборот — научно обоснованное чередование сельскохозяйственных культур на одном участке земли. Если каждый год сажать одно и то же, почва истощается, накапливаются вредители и болезни, урожай падает. Например, пшеницу можно возвращать на прежнее поле через один–два года, горох — через три года, подсолнечник — через шесть–семь лет. А еще есть проблема остаточного действия пестицидов: некоторые из них сохраняются в почве годами и могут погубить культуру, которую посадят через сезон.
Учесть все эти правила одновременно для каждого из сотен полей — задача, которую вручную решать слишком долго. Это кропотливый, рутинный труд, где из-за простой случайности легко что-то упустить. При этом не тот предшественник, забытый срок возврата, незамеченная обработка химикатами в итоге могут привести к снижению урожайности.
Существующие компьютерные программы эту проблему полностью не решают. Большинство из них не учитывают историю полей и влияние пестицидов, а эти факторы могут испортить будущий урожай. Задачу необходимо решать комплексно, быстро и с гарантией экономической выгоды.
Именно это и сделали ученые Пермского Политеха. Они разработали программу, которая автоматически составляет оптимальные севообороты с учетом всех ключевых агрономических правил: совместимости культур, сроков возврата на поле, истории каждого участка за несколько лет и, что особенно важно, влияния средств защиты растений. Программа строит многолетнюю ротацию, обеспечивая цикличность и экономическую выгоду. При этом все расчеты занимают считанные секунды. Статья опубликована в материалах всероссийской научно-технической конференции «Автоматизированные системы управления и информационные технологии».
— Мы разработали собственный подход. Программа сама перебирает все возможные варианты чередования культур, а затем по очереди отсеивает те, что нарушают хотя бы одно правило: неподходящего предшественника, слишком ранний возврат, запрет на повторный посев, противоречия с историей поля или вредное влияние старых пестицидов. В конце остаются только допустимые и экономически выгодные схемы, — объясняет Татьяна Шадрина, магистрантка кафедры «Информационные технологии и автоматизированные системы» ПНИПУ.
Программа работает просто. Пользователь загружает в нее список культур, сроки возврата и выращивания, экспертные коэффициенты влияния (например, пестицидов на последующие растения) и историю полей — что на каждом поле росло и чем его обрабатывали. Дальше программа сама перебирает все возможные варианты чередования культур и отбрасывает те, которые нарушают хотя бы одно правило: агрономическое, химическое или связанное с историей полей. В итоге пользователь получает набор допустимых севооборотов, каждый из которых не противоречит ни одному ограничению. Остается только выбрать из этого набора тот вариант, который даст максимальную прибыль.
— Мы протестировали разработку на реальных данных крупного агрохолдинга. В итоге время расчета сократилось до девяти секунд. Количество вариантов, которые приходится анализировать для выбора оптимального плана, уменьшилось с 20 тысяч до 500–1000 — в 20–40 раз. Но главное: прогнозная годовая доходность хозяйства при использовании автоматизированного подхода выросла с четырех до шести миллиардов рублей. То есть дополнительные два миллиарда, или плюс 50%, — отмечает Елена Долгова, профессор кафедры «Информационные технологии и автоматизированные системы» ПНИПУ, доктор экономических наук.
Технология может быть адаптирована для любого хозяйства, где требуется автоматизировать составление севооборотов. Она не требует дорогого оборудования, потому что работает на обычных серверах.