Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Удаленная диспетчеризация и оперативный мониторинг технологических процессов. Учебное пособие
.pdf
11
Важно отметить, что сельскохозяйственное производство
существенно отличается от промышленного тем, что описания
значительного количества объектов и операций, выполняемых с ними,
всё ещё весьма плохо формализованы. Так, например, по вполне
объяснимым причинам – вследствие очевидной сложности создания –
отсутствуют цифровые параметрические (зависящие от времени, вида
и сорта возделываемой культуры, физико- химического состава почвы,
метеоусловий и др.) модели системы «почва- атмосфера-растения».
Практически нет общепринятых методик и соответствующих
универсальных пакетов СПО для планирования операций внесения
удобрений, высокоточного прогнозирования объёма и качества урожая
и т.п. Представленные на рынке агробизнеса пакеты СПО имеют
ограниченное по региону, культурам и т.п. применение, либо не
гарантируют эффект от его (СПО) использования.
Поэтому в данной работе, с учётом изложенных обстоятельств,
поставлена цель разработки методик, алгоритмов и пакетов СПО, не
использующих в процессе их применения параметрические модели
объектов исследования (посевы, почва) и выполняемых полевых
операций.
Отработка СПО и его верификация проводится использованием
большого объёма измерительной информации, полученной в ходе
проведения серии полевых экспериментов.
Данное СПО позволяет сделать обоснованные выводы о работе
задействованных в полевых работах сельскохозяйственных агрегатов:
пропуски при посеве, нарушения расстояний между всходами и
рядами, процент сингуляции (количество семян, посаженных в одной
точке) и т.п. Данная информация имеет большое значение, как для
принятия оперативных управленческих решений (пересев, наладка,
ремонт, замена агрегата), так и при проектировании, изготовлении и
испытаниях перспективных образцов сельскохозяйственной техники.
При проведении мониторинга сельхозугодий сбор информации
осуществляется, практически, круглосуточно, отличаясь – в
зависимости от сезона – составом измерений и технологиями их
получения. В таблице 1 приведены сведения об основных типах
данных, собираемых в течение года (для средней полосы России)
Однако принятие управленческих решений на основе такой
совокупности сведений сопряжено со значительными рисками, так как
правильность рекомендаций сильно зависит от точности ручных
замеров и квалификации эксперта (например, агронома). К тому же
решение приходится принимать по выборочным измерениям
12
(осмотрам отдельных участков сельхозугодий), состояние которых
далеко не всегда адекватно отражает ситуацию на всей площади полей.
Поэтому внедрение в практику растениеводства современных,
основанных на новейших достижениях информационных,
навигационных, космических и других высоких технологий аппаратнопрограммных систем (АПС) является одной из актуальных задач
российского и зарубежного АПК.
Таблица 1 - Типы данных, собираемые в течение года.
Октябрь – Март
Апрель – Май
Июнь - Июль
Август Сентябрь
Толщина снежного
покрова и
динамика его
изменения,
влагонакопление,
оценка паводковой
ситуации, оценка
готовности
сельскохозяйствен
ных угодий к
очередному сезону,
картирование
сельхозугодий,
проведение
агрохимобследов,
почвы
Оценка
состояния
озимых
культур,
выявление
участков
деградировавши
х и погибших
посевов,
определение
влажности и
температуры
почвы, прогноз,
измерение
метеоусловий
Определение
площадей земель,
занятых
зерновыми,
пропашными и др.
культурами.
Оценка состояния
всходов, выявление
проблемных
участков посевов
(сорняки, болезни,
засуха и пр.)
Оценка биомассы
растений,
предварительный
прогноз
урожайности,
Прогноз,
измерение
метеоусловий
Картирование
урожайности,
проведение
агрохимобслед
ования почвы
Подобные АПС востребованы на всех этапах производства
растениеводческой продукции: севе, обработке посевов СЗР, поливе и
подкормке удобрениями, уборке и т.д. При этом функционируют АПС
по классической схеме работы АСУП – «измерение, определение
отклонения измеряемого параметра от заданного значения, выработка
и реализация управляющего воздействия устраняющего отклонения».
Однако АСУ сельскохозяйственной направленности имеют одно
принципиальное отличие от аналогичных систем, используемых в
13
промышленности, на транспорте и т.п. Объектом управления
сельскохозяйственной АСУ являются растения, находящиеся в тесном
взаимодействии с почвой и атмосферой. Для выработки в АСУП
корректных, приводящих к ожидаемым результатам управляющих
воздействий, необходимо иметь точную, параметрическую
динамическую модель растения и выбрать набор измерений,
позволяющих определять её в заданные моменты времени. Трудности,
возникающие на данном направлении, обусловлены следующими
основными причинами:
- не разработаны точные математические модели комплекса
«растение-почва-атмосфера», описывающие все физико-химические
процессы, происходящие в нём,
- модели, создаваемые на основе экспериментальных
исследований адекватно описывают состояние системы «растениепочва-атмосфера» только в узком диапазоне значений ряда параметров
(физико-химический состав почвы, погодные условия в момент
проведения и др.), имевших место в момент проведения эксперимента,
- неоднократное измерение всех многочисленных
параметров, определяющих модель, на данный момент времени
требует больших производственных затрат и может на практике
оказаться невыгодным по экономическим причинам.
Поэтому в настоящее время работы по формализации описания
системы «растения-почва-атмосфера» ведутся в двух основных
взаимосвязанных направлениях:
- накопление и обобщение экспериментальных данных с
поэтапным созданием многопараметрических моделей,
- разработка методик оценки состояния посевов, основанных
на упрощенных моделях системы «растения-почва-атмосфера»,
создаваемых непосредственно перед началом проведения мониторинга
конкретных участков почвы или посевов.
Классификация способов сбора данных для мониторинга
состояния посевов представлена на рисунке 1. Следует отметить, что
методы и технические средства сбора измерительной информации
одинаковы для обоих, представленных выше, направлений. Отличия
возникают на дальнейших этапах – при обработке, анализе и
интерпретации данных.
Схема на рисунке 1 отражает деление способов мониторинга как
по методу получения информации – дистанционно, или
непосредственно в поле, так и по технологии выполнения измерений –
с помощью приборов, либо визуально (вручную). При этом
14
предполагается, что дистанционные средства, как воздушные, так и
космические являются беспилотными, то есть управляются с Земли.
Рисунок 1 – Способы мониторинга.
1.1. СПОСОБЫ МОНИТОРИНГА
На представленной ранее схеме (рис.1.), представлены способы
мониторинга, рассмотрим инструментальные – полевые.
Метеостанции
Измерение температуры и относительной влажности воздуха,
скорости и направления ветра, атмосферного давления, количества
осадков за различные периоды времени, ультрафиолетовой и
солнечной радиации и др. Данные измерения можно использовать для
прогнозирования заболеваний растений, расчета коэффициентов
испарения и т.д.;
- влагомеры (термостатно-весовые, тензометрические,
радиоактивные, электрические, оптические);
- ручные спектрометры (например GreenSeeker) (Рисунок 2).
15
Рисунок 2 – Система GreenSeeker
Базируется на оптических датчиках, каждый из которых имеет
свой источник света и может использоваться при любых погодных
условиях и времени суток. Излучение этих источников света в красном
и ближнем инфракрасном диапазоне отражается от растений и
попадает на фотодиод, расположенный в головной части датчика.
Таким образом измеряется индекс NDVI, характеризующий объем
биомассы, по значениям которого в режиме реального времени может
быть рассчитана доза азотных удобрений для данного участка посевов.
Мобильные агрохимлаборатории
Позволяют определять основные параметры химического состава
почвы непосредственно в поле (рисунок 3).
Рисунок 3 – Мобильная агрохимлаборатория.
Контроль качества посева (универсальные системы контроля
высева)
Многие современные посевные комплексы оснащены АПС,
регистрирующими в реальном времени данные о процессе сева (расход
семян, расстояние между соседними точками посева и др.).
Так, например, оборудование УСКВ (http://ускв.рф) (Рисунок 4)
позволяет контролировать процесс работы посевного комплекса и
представлять оператору информацию по измеряемым технологическим
параметрам и исправности оборудования, что позволяет своевременно
16
принимать необходимые меры для обеспечения качества сева и
предотвращения выхода из строя оборудования.
Рисунок 4 – Система УСКВ.
АПС разработанные фирмой MC Elettronics (Италия)
(http://www.mcelettronica.it) (Рисунок 5) позволяют:
• Своевременно обнаруживать забивание семяпроводов и
сошняков.
• Контролировать уровень посевного материала и удобрений в
бункерах.
• Управлять нормой высева.
• Отключать посевные секции (сошняки) при проезде по уже
засеянной зоне.
• Управлять блокировкой рядов во время посева.
Рисунок 5 – Система контроля высева MC Elettronics.
Наиболее полный контроль и управление процессом высева
обеспечивает АПС, устанавливаемая на оборудовании фирмы Precision
Planting (США) (http://www.precisionplanting.com/) (Рисунок 6) и
обеспечивающая:
• Правильную раскладку семян,
17
• Равномерное заглубление без переуплотнений,
• Увеличение скорости посева,
• Полный контакт семени с почвой,
• Автоматическое отключение рядков при проезде по уже
засеянной зоне.
• Контроль и управление посевом из кабины.
Рисунок 6 – Оборудование Precision Planting.
Все эти функции важны как для управления процессом высева в
реальном времени, так и для последующего анализа состояния его
результатов.
Системы картирования урожайности
Система картирования урожайности, автоматизированная
система, измеряющая и фиксирующая объем и влажность зерна,
собранного с каждой единицы площади поля. В результате система
создает карту урожайности, позволяющую определить общий вес
собранного с данного поля зерна, а также выявить вариации
урожайности в пределах одного поля.
На рисунке 7 представлена схема системы картирования и карта
урожайности, которая может являться основой при планировании
агрохимического обследования почв и для создания аппликационных
картограмм внесения удобрений.
18
Рисунок 7 – Схема системы картирования урожайности и пример
карты урожайности
Данные системы также позволяют определить фактическую
площадь, с которой был убран урожай. На рисунке 8 представлены
результаты сравнения этой площади с ранее определенной при обмере
поля площадью в одном из хозяйств Ставропольского края.
Рисунок 8 – Сравнение убранной площади и площади по результатам
обмера полей
19
Системы мониторинга транспорта
Система мониторинга сельхозтехники и транспорта представляет
собой автоматический комплекс, состоящий из бортового контроллера
и набора датчиков, устанавливаемых на транспортное средство, а
также программного обеспечения, устанавливаемого на офисном
компьютере, на котором будет осуществляться контроль расхода
топлива и перемещения сельхозтехники в режиме реального времени.
Помимо решения задачи контроля выполнения
производственного задания, данная система позволяет измерять и
регистрировать ряд важных для оценки качества полевых работ
параметров: скорость и траектория движения сельскохозяйственного
агрегата по полю и др.
Анализируя схему, представленную на рисунке 1, рассмотрим
дистанционные способы мониторинга.
Космические методы мониторинга.
Космические методы мониторинга сельскохозяйственных угодий
основаны на регистрации бортовой аппаратурой, установленной на
космических аппаратах, излучения участка поверхности Земли,
отраженного (в видимой или сверхвысокочастотной части спектра
электромагнитных волн), либо собственного (в тепловом
инфракрасном диапазоне).
Космические методы дистанционного зондирования земли имеют
ряд преимуществ по сравнению с наземными:
- возможность съёмки за короткий промежуток времени
большого участка земной поверхности,
- отсутствие необходимости перемещения по посевам людей
и техники с целью контроля их состояния.
В то же время, следует указать на ряд обстоятельств,
обусловленных спецификой сельскохозяйственного производства в
области растениеводства, затрудняющих их применение:
- съёмки посевов с необходимо выполнять в сравнительно
короткие (несколько суток) промежутки времени, определенные
процессами роста растений и вегетационными фазами, поскольку
именно в эти периоды могут быть приняты и реализованы решения о,
например, пересеве, подкормке, обработке гербицидами и т.п., однако
полностью быть уверенными в получении данных с аппарата
дистанционного зондирования нельзя, так как невозможно
гарантировать, что в заданный отрезок времени соответствующий
20
пройдет над обследуемым районом, либо, что особенно вероятно для
хозяйств средней полосы России, интересующий участок не будет
закрыт облачностью,
- изображения, получаемые с аппарата дистанционного
зондирования земли, в общем случае позволяют определить только
некие условные относительные характеристики состояния посевов –
цветовые либо тоновые контрасты, вегетационные индексы и т.п.; для
получения физических величин этих характеристик – объём
биомассы, количество сорняков, тип вредителей и пр. необходимо
проведение наземных калибровочных обследований,
- вследствие чрезвычайного разнообразия факторов,
влияющих на спектральные и геометрические характеристики
получаемых изображений посевов, не создан архив параметрических
(параметры – тип и сорт возделываемой культуры, фаза вегетации,
освещённость – высота Солнца над местным горизонтом на момент
съёмки – и пр.) эталонных образов, сравнение с которыми позволило
бы идентифицировать состояние посевов без наземных обследований.
Поэтому основные положительные результаты по применению
аппаратов дистанционного зондирования достигнуты при создании
информационных сервисов для оценки состояния посевов в масштабах
региона, когда нет жестких требований по срокам съёмки и её
высокому геометрическому разрешению.
Актуальную для России и других стран проблему облачности при
съёмках из космоса пытаются решать с помощью локаторов бокового
обзора (ЛБВ), облучающих в полосе своего обзора поверхность Земли
в сверхвысокочастотном (СВЧ) диапазоне, с последующим
синтезированием изображения с помощью СПО. Однако эти
изображения имеют минимальную ценность для сельского хозяйства,
поскольку содержат ограниченную специфическую информацию о
полях (влажность почвы, рельеф местности).
В последние годы развивается новое перспективное направление
исследования растительного покрова Земли – гиперспектральная
съёмка. Основная идея этого подхода состоит в измерении
интенсивности отражённого сигнала в большом (100 ÷ 200 и более)
количестве узких спектральных интервалов. В результате удается
получить гораздо более детальный, построенный по сотням точек,
спектральный образ посевов. Однако, помимо чисто технических
проблем (достижение высокого пространственного разрешения,
необходимость передачи на Землю весьма большого потока
информации и др.) имеет место та же, ранее описанная ситуация –
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]