Введение 3
Актуальность работы 3
Цель работы 5
Практическая значимость работы 6
Глава 1. Обзор литературы и существующих решений 8
1.1. Обзор литературы 8
1.2. Обзор решений 10
Глава 2. Описание реализации приложения 13
2.1. Технологические требования к приложению 13
2.2. Проектирование и реализация архитектуры 14
2.3. Проектирование базы данных 19
2.4. Реализация программного комплекса 21
2.5. Апробация и тестирование приложения 25
Заключение 27
Результаты работы 27
Перспективы развития 29
Список литературы 30
Сегодня в индустриально развитых странах сельское хозяйство поставлено на промышленную основу. Это означает использование мощной сельскохозяйственной техники, передовых агрономических методов и высокоэффективных химикатов, а также привлечение самых современных компьютерных технологий.
Особенность использования информационных технологий в сельском хозяйстве состоит в том, что практически все используемые данные имеют геопространственную привязку. Если мы хотим, например, проанализировать распределение увлажнения почвы совместно с урожайностью, то и те, и другие данные должны находиться в одной системе координат и иметь необходимую координатную точность. Обрабатывать же такие данные могут только программы, специализированные на работе с пространственной информацией, а именно - географические информационные системы (ГИС), которые предоставляют актуальность, точность и полноту исходных данных, необходимые для эффективного применния информационных технологий в сельском хозяйстве. Мы можем наблюдать массовое внедрение таких систем в сельское хозяйство США, Европы и России [1,2].
Применение ГИС в сельском хозяйстве позволяет интегрировать, вести и совместно анализировать самые разные виды пространственно распределенных показателей и описательных данных. Эти системы используются для создания и ведения кадастров земель и водных объектов, реестров собственности, экологического и погодного мониторинга, управления чрезвычайными ситуациями, оценки производственных рисков, анализа взаимосвязей различных факторов, влияющих на урожайность сельскохозяйственных культур и во многих других приложениях, основанных на пространственно распределенной информации [1,2, 3,4,5,6]. По сути, ГИС - это объединение электронных карт, баз данных и средств их ведения и анализа. Возможности и гибкость этих систем обеспечивают их применимость как в масштабах всей страны, так и на уровне отдельного фермерского хозяйства. И именно так эти системы используются сегодня.
Сотни тысяч организаций практически во всех областях используют ГИС для создания интеллектуальных карт, которые обеспечивают наглядное представление данных, выполнение продвинутого анализа, облегчают обмен информацией и помогают решать сложные проблемы. Это меняет наше понимание процессов, происходящих в мире и влияющих на его преобразование.
Данная работа посвящена реализации цифрового двойника сервиса для визуализации и обработки геопространственных агроэкологических данных. Веб-сервис должен хранить полезную для агропромышленности информацию о полях, которую в дальнейшем можно будет использовать для мониторинга, анализа и прогнозирования различных показателей поля.
Результаты работы
В современном мире в развитых странах происходит интегрирование IT в сельское хозяйство. Широкое применение находят ГИС, с помощью которых введется храниение различной информации о земельных участков в понятном для человека виде. Данные, хранящиеся в ГИС используются для аналитики, поиска взаимосвязей, мониторинга, управления.
В работе были рассмотрены современные геоинформационные программные продукты, использующися в сельском хозяйстве. Была послтавлена цель реализовать свой цифровой двойник для технологического управления и оптимизации сельского хозяйства посредством веб-ориентированного программного комплекса.
Были поставлены требования к веб-приложению, составлена его общая архитектура, реализована базы данных, а также реализован веб-сервис для визуализации и обработки геопространственных агроэкологических данных, реализованы механизмы безопасности и защиты данных, произведена интеграция системы с другими источниками данных и сторонними сервисами.
С кодом веб-сервиса можно ознакомиться в опубликованном github репозитории [45].
В дальнейшем возможно расширить функционал веб-сервиса, например внедрить модели машинного обучения для анализа и прогноза показателей полей.
В работе были выполнены следующие задачи по разработке веб-сервиса:
• Проведён анализ литературы и существующих решений, в рамках которого определены направления развития области, а также изучены функциональные возможности современных решений.
• Разработана общая архитектура веб-сервиса, в результате чего были выбраны технологичекие решения, с помощью которых будет реализовано приложение и его структура.
• Спроектирована и реализована база данных для хранения геопространственных агроэкологических данных. В ходе проектирования были учтены особенности геоданных для реализуемого сервиса.
• Разработан веб-интерфейс для отображения геопространственных данных, возможности взаимодействия с ними. Оформление страничек получилось простым, но оно выполняет предназначенные для него функции.
• Реализованы механизмы безопасности и защиты данных на уровне доступа пользователей и их организаций.
• Интегрирован сервис прогнозирования погоды openweathermap Был написан сервис для взаимодействия с ним через API.
• Протестировано приложение с помощью rspec. Была проведена автоматическая проверка всех функциональных возможностей, а также интеграция с другими компонентами системы. Результаты тестирования демонстрируют высокую степень стабильности и работоспособности приложения.
• Проверена производительность системы с помощью RailsPanel. Производилась проверка на оптимизированность SQL-запросов, рендера страничек. Неоптимизированных участков обнаружено не было.
Перспективы развития
Данный программный комплекс имеет потенциал для расширения функционала. Используя данные о полях, можно провести анализ и прогнозирование урожайности на данном участке земли, что позволяет снизить риски потерь и оптимизировать производственные процессы. Например, при знании конкретных характеристик поля можно определить оптимальные сорта культурных растений, подобрать необходимые удобрения, эффективно распределить полив и прочие меры по уходу за посевами.
Можно использовать агроэкологические данные для выявления зон с высоким риском болезней и проблем с культурами. Кроме того, комплекс может быть расширен за счет автоматического определения границ полей по фотоаэроснимкам и управления агропромышленной техникой для сбора и обработки урожая.
Также можно добавить функционал для получения актуальных данных о урожае и для оптимизации использования ресурсов, например, воды и энергии, на основе агроэкологических данных.
Таким образом, существет множество возможных вариантов использования рассмотренных систем. Можно утверждать, что наличие актуальной информации о состоянии урожая и использовании ресурсов является ключевым фактором для улучшения качества и количества производимых аграрных продуктов.
[1] Mohd Daud S. M. S., Mohd Yusof M. Y. P., Heo C. C., Khoo L. S., SinghM. K. C., Mahmood M. S., Nawawi H. Applications of drone in disaster management: A scoping review // Science and Justice. 2022. Vol. 62, iss. 1. P. 30 42.
[2] Reznik T., Lukas V., Charvat K., Charvat K. Jr., Krivanek Z., Kepka M., Herman L., Reznikova H. Disaster risk reduction in agriculture through geospatial (big) data processing // International Journal of Geo Information. 2017. No. 6. Paper number 238.
[3] Karthikeyan L., Chawla I., Mishra A. K. A review of remote sensing applications in agriculture for food security: Crop growth and yield, irrigation, and crop losses//Journal of Hydrology. 2020. Vol. 586. Paper number 124905.
[4] Fu Y., Yang G., Pu R., Li Z., Li H., Xu X., Song X., Yang X., Zhao C. An overview of crop nitrogen status assessment using hyperspectral remote sensing: Current status and perspectives // European Journal of Agronomy. 2021. Vol. 124. Paper number 126241.
[5] Bure V. M., Mitrofanova O. A. Analysis of aerial photographs to predict the spatial distribution of ecological data // Contemporary engineering sciences, V. 10, no. 4. 2017. P. 157 163.
[6] Chen Y., Tao F. Potential of remote sensing data crop model assimilation and seasonal weather forecasts for early season crop yield forecasting over a large area // Field Crops Research. 2022. Vol. 276. Paper number 108398.
[7] Takacsne Gyorgy K., Szell E., Lencses E. Economic estimations of different weed management technologies in maize // Agroforum, 2009. No. 27. P. 72 75.
[8] Семёнов, В.А. Принципы адаптации технологий возделывания сельскохозяйственных культур / В.А. Семёнов, В.И. Мирный // Программирование урожаев сельскохозяйственных культур на Северо-Западе РСФСР. Л., СЗ- НИИСХ, 1988. С. 4-9
[9] Жученко, А.А. Стратегия адаптивной интенсификации сельского хозяйства/ А.А. Жученко - Пущино, 1994. 147 с.
[10] Петрушин А. Ф., Митрофанов Е. П. Оценка состояния дренажных систем сельскохозяйственного поля с помощью данных дистанционного зондирования // Вестник российской сельскохозяйственной науки. 2017б. № 4. С. 17-20.
[11] Янко Ю. Г., Петрушин А. Ф., Митрофанов Е. П. Техническое обследование осушенных мелиорированных земель беспилотными летательными аппаратами // В сб.: Юбилейный международный сборник научных трудов «Технологии и технические средства в мелиорации», посвященный 50-летию начала реализации широкомасштабной программы мелиорации земель и 50-летию образования ВНИИ «Радуга» Коломна, 2016. С. 178183.
[12] Митрофанов Е. П., Петрушин А. Ф., Митрофанова О. А. Использование данных аэрофотосъемки для обоснования прецизионных агроприемов применения агрохимикатов // Применение средств дистанционного зондирования Земли в сельском хозяйстве 2018. С. 212-217.
[13] Шпаар Д., Захаренко А., Якушев В. П., Арефьев Н. В., Ауернхаммер Х., Брунш Р., Вагнер П., Вартенберг Г., Венкель К-О., Вернер А., Войтюк Д., Герхардс Р., Даммер К., Домен Б., Каленская С., Кауфманн О., Клочков А., Кохан С., Ляйтхольд П., Лысов А. К., Гончаров Н., Мазиров М. А., Михайленко И., Нехай А., Неш Э., Нордмайер Х., Реклебен И., Хербст Р., Шеин Е., Шуманн П., Элерт Д., Эльмер Ф. Точное сельское хозяйство. Санкт-Петербург: предприятие «Павел». 2009. 397 с.
[14] Kanash E., Yakushev V. Evaluation of wheat nitrogen status by colorimetric characteristics of crop canopy presented in digital images // Journal of Agricultural Informatics. 2016. Vol. 7, no. 1. P. 65-74.
[15] Matvejenko D., Komarov A., Lekomtsev P., Nugis E. Optimization of options for differential applications of nitrogen fertilizers in the precision farming system // Agraarteadus. 2020. Vol. 31, no. 1. P. 41-46.
... всего 45 источников