УДК
338.43(470)
DOI
10.53988 /24136573-2021-04-05
Используйте это описание для цитирования:
Cite this article as:
Меденников В.И. Формирование условий превращения технологий ДЗЗ в технологии общего пользования // Управление рисками в АПК. 2021. Вып. 42. С. 46-54. DOI: 10.53988/24136573-2021-04-05
Medennikov V.I. Formation of conditions for the transformation of remote sensing technologies into public use technologies // Agricultural Risk Management, 2021, Vol. 42, pp. 46-54. DOI: 10.53988 /24136573-2021-04-05
Технические, экономические науки
Technical, economic sciences
МЕДЕННИКОВ В.И.
ФОРМИРОВАНИЕ УСЛОВИЙ ПРЕВРАЩЕНИЯ ТЕХНОЛОГИЙ ДЗЗ В ТЕХНОЛОГИИ ОБЩЕГО ПОЛЬЗОВАНИЯ
Меденников Виктор Иванович – доктор технических наук, Федеральный исследовательский центр «Информатика и управление» Российской академии наук, Москва, Россия.
Email: dommed@mail.ru
SPIN-код: 4144-2147
Аннотация
В статье рассматриваются методы и условия превращения технологий дистанционного зондирования Земли в технологии общего пользования, базовой отраслью которых должно стать сельское хозяйство, где наиболее масштабно проявляется симбиоз данных ДЗЗ, получаемых как с космических аппаратов, так и с беспилотных летательных аппаратов, с наземных средств со значительным пересечением используемой информации во многих отраслях экономики, таких как картография, экология, обустройство земель, логистика, строительство, погода, климат и т.д. Такое комплексное использование разнородной информации из различных источников требует разработки цифрового инструмента (стандарта) дешифровки в виде единой геоинформационной системы и единой концептуальной информационной модели растениеводства, интегрирующих все знания этой отрасли в интересах остальных.
Ключевые слова
Дистанционное зондирование Земли; геоинформационная система; технологии общего пользования; онтологическая модель.
MEDENNIKOV V.I.
FORMATION OF CONDITIONS FOR THE TRANSFORMATION OF REMOTE SENSING TECHNOLOGIES INTO PUBLIC USE TECHNOLOGIES
Viktor I. Medennikov – Doctor of Technical Sciences, Federal Research Center "Informatics and Management" of the Russian Academy of Sciences, Moscow, Russia.
Email: dommed@mail.ru
Annotation
The article discusses the methods and conditions for the transformation of Earth remote sensing technologies into general-use technologies, the basic industry of which should be agriculture, where the symbiosis of remote sensing data obtained both from spacecraft and from unmanned aerial vehicles, from ground vehicles with significant the intersection of information used in many sectors of the economy, such as cartography, ecology, land development, logistics, construction, weather, climate, etc. Such an integrated use of heterogeneous information from various sources requires the development of a digital decryption tool (standard) in the form of a unified geographic information system and a unified conceptual information model of crop production, integrating all the knowledge of this industry in the interests of others.
Keywords
Remote sensing of the Earth; geographic information system; public technologies; ontological model.
Текст статьи
За прошедшие десятилетия в техническом и прикладном плане применение данных дистанционного зондирования Земли (ДЗЗ) достигло небывалого прогресса, особенно в последние годы, когда наблюдается качественный скачек в средствах съемок, прежде всего в оптико-электронной аппаратуре и программном обеспечении для обработки снимков. Технологии ДЗЗ развиваются столь стремительно, что потенциальным пользователям трудно остановиться в выборе временной точки начала их использования, будучи уверенными в появлении в ближайшем будущем более совершенных и дешевых технологий. Такой прогресс привел к активному внедрению данных ДЗЗ во многие отрасли человеческой деятельности со значительным расширением круга решаемых задач от мониторинговых до автоматического принятия решений на основе искусственного интеллекта [1].
Такая появившаяся возможность требует и привлечения существенно большего объема необходимой информации, как непосредственной отраслевой, так и информации из смежных отраслей [7]. Для этого необходимо выполнить основное требование цифровой экономики в виде интеграции как отраслевых информационных систем (ИС), так и пересекающихся информационных ресурсов (ИР) на основе некоторых выработанных цифровых стандартов в результате рыночного взаимодействия экономических агентов, либо государственными органами.
Поскольку данные ДЗЗ начали активно применяться во многих отраслях экономики, таких как картография, экология, лесное и сельское хозяйство, обустройство земель, геология, логистика, строительство, трубопроводные системы, погода и климат, океанология и т.д., то они в случае формирования соответствующих цифровых стандартов должны постепенно приобрести статус инфраструктурных технологий общего пользования, аналогично роли железных дорог, электрических сетей, телеграфной и телефонной связи. Данную идею впервые выдвинул Пол Дэвид [2]. Поэтому в работе рассматриваются методологические основы и необходимые условия такой трансформации технологий ДЗЗ на примере сельского хозяйства [6], поскольку данная отрасль в силу пространственно-временного характера своей деятельности на обширных территориях дает возможность применять, с одной стороны, данные ДЗЗ с большинства источников их, с другой стороны, обладает свойством значительного пересечения используемой информации с информацией, циркулирующей во многих, указанных выше отраслях экономики. В-третьих, цифровая экономика (ЦЭ) подняла огромный пласт научной информации, носящей до того чисто теоретический характер, который может стать при определенных условиях так называемым комплементарным активом по отношению к технологиям ДЗЗ.
Как следует из идеи П. Дэвида, развитие технологий общего пользования приводит к возникновению целого комплекса новых прикладных технологий, идентифицировать которые позволяют такие отличительные характеристики:
- наличие значительного технологического потенциала для развития и внедрения на новые отрасли человеческой деятельности;
- большое разнообразие технологий, видов бизнеса, в которых они могут быть использованы;
- проявление высокого уровня комплементарности с возникшими на их основе новыми технологиями в производстве;
- пропорциональное изменение комплементарных активов в виде материально-технических ресурсов, систем и структур управления, человеческого капитала.
Рассмотрим наличие или хотя бы тенденций проявлений этих признаков у технологий ДЗЗ на современном этапе развития цифровой экономики в тех отраслях страны, которые используют те же данные, что и в сельском хозяйстве с целью оценки уровня интеграции этих данных, поскольку здесь технологии ДЗЗ предполагают наибольшее развитие в силу пространственного характера ее деятельности.
1. ДЗЗ в картографии
Инвентаризация и картирование полей, мониторинг границ рабочих участков полей, решение задач установления границ землепользований и определение их площадей для последующей разработки систем земледелия. Одним из важнейших потребителей этой информации могли бы выступить банковские организации [4].
2. ДЗЗ в метеорологии и климатологии
Именно в метеорологии данные ДЗЗ начали применять первыми. На ранних этапах ДЗЗ использовались исключительно в этих целях на базе метеорологических спутников. Снимки из космоса дают картину строения облачного покрова и циркуляцию воздушных масс в нем с отображением территориального теплового баланса, изменения водяного состава в виде пара, температуры в атмосфере, состояния озонового слоя и массы других показателей. Так, в [3, с. 54] представлена единая онтологическая информационная модель растениеводства на основе интеграции 240 функциональных задач только в растениеводстве, в которой метеорологические данные ДЗЗ представлены в 168 атрибутах раздела «Атмосфера» и в 46 – «Агрометеорологическая характеристика поля».
3. ДЗЗ в гидрологии
Технологии ДЗЗ в этом случае являются основой для мониторинга половодья и паводка; процессов снеготаяния, водосборов, водозаборов; контроля испарений, осадков, качества и запасов воды в почве и снеге; прогнозирования гидрологических ситуаций и т.д.
4. ДЗЗ в лесном хозяйстве
Технологии ДЗЗ в этой отрасли пересекаются с сельским хозяйством при мониторинге лесных массивов лесопосадок, раннего обнаружения пожаров, вредителей, заболеваний деревьев. Кроме того, в силу того, что основные объекты в обеих отраслях являются растительными, интеграция их может быть по единому инструментарию автоматизированного дешифрирования снимков растительного покрова на основе различных вегетационных индексов, например, наиболее известного индекса NDVI, отражающего количество фотосинтетически активной биомассы.
5. ДЗЗ в охране окружающей среды
Поскольку антропогенный характер неблагоприятного воздействия людей на природу, на сельскохозяйственные угодья хорошо отслеживаются на снимках ДЗЗ, то такая информация позволяет организовать соответствующий мониторинг, прогноз развития экологической ситуации с последующим принятием решения по минимизации последствий такого воздействия. В настоящее время сельское хозяйство наряду с промышленностью, транспортом, энергетикой становится одним из главных загрязнителей природы. В свою очередь, экологические проблемы в сельском хозяйстве наиболее проявляются в растениеводстве в виде эрозии почвы, химического загрязнения земли и водоёмов, губительного влияния на ряд видов живых организмов [5]. Анализ онтологической модели, указанной выше, показывает, что из 946 ее показателей более половины имеет отношение к экологии. Приведем некоторые примеры. В группе «Земля» (291 показатель) в подгруппу «Севооборот» входит 30 показателей. В подгруппе «Участок» группы «Поле» имеются показатели: «Запрещающие условия использования земельного участка», «Геоморфологические характеристики», «Мелиоративная характеристика», «Грунтовые воды», «Засоление», «Почва», «Агрофизическая характеристика», «Гидрофизическая характеристика», «Состояние почвы». Аналогично, в подгруппу «Культура» (108 показателей) входят следующие показатели: «Экологическая группа сорта», «Поражаемость болезнями по видам болезней», «Поражаемость вредителями» и т.д.
6. ДЗЗ при чрезвычайных ситуациях
Технологии ДЗЗ в этом случае являются основой для оперативного мониторинга, прогноза и оценки последствий чрезвычайных ситуаций при наводнениях, землетрясениях, что позволит принять более грамотное решение по борьбе с последствиями этих бедствий.
Для придания технологиям ДЗЗ черт наличия значительного пространства для совершенствования и распространения на новые сферы деятельности необходимо осуществить интеграционные процедуры всей информации ДЗЗ, поскольку в настоящее время все данные ДЗЗ находятся в гетерогенных структурах баз данных, собираемых и хранимых в различных наземных ведомственных комплексах и центрах. Данные, зачастую, передаются заказчикам в виде снимков, которые после этого необходимо самостоятельно и дорого дешифровывать. Самым эффективным способом получения готовых для товаропроизводителей снимков стало бы формирование единой облачной геоинформационной системы данных ДЗЗ со специальным единым органом отраслевой их дешифровки с бесплатной передачей пользователям уже готовых решений [3]. Сейчас для этого появились надежды – создается Единая территориально-распределенной информационная система ДЗЗ (ЕТРИС ДЗ) с интеграцией всей информации ДЗЗ в единое геоинформационное пространство страны со сроком окончания к 2025 г. Работа осуществляется в соответствии с планами Концепции развития российской космической системы ДЗЗ. Конечно, желательно было бы создать такой же центр дешифровки снимков и с набирающих популярность дронов, а также со стационарных мачт ДЗЗ на полях, что привело бы к снижению стоимости внедрения технологий ДЗЗ еще во много раз и повышению эффективности использования этих аппаратов.
Информация ДЗЗ после дешифровки в созданных центрах должна собираться в облачной ГИС (ОГИС), в которую также собирается информация технологического и первичного учета, реестры всех материальных, интеллектуальных и человеческих ресурсов отрасли. Примером такого подхода служит существующая в ЕС Единая административно-управляющая система (IACS), получающая и хранящая информацию о землях и их пользователях. Далее, информация, полученная от источников, помимо указанных выше, также с гаджетов, наземных и установленных на сельскохозяйственной технике датчиков, собирается в ОГИС, при этом часть ее передается непосредственно обратно на коммуникационное оборудование техники.
Таким образом, в ОГИС будут собраны все данные обо всех технологических и учетных операциях, совершенных на каждом участке, с каждым техническим средством всеми работниками на протяжении всего года. Будет обеспечена возможность отслеживания всех перемещения продукции, материалов и любой техники. Тем самым будет обеспечен большой спектр разнообразных продуктов и бизнес-процессов, в которых технологии ДЗЗ могут быть применены (вторая характерная черта технологий общего назначения).
Для придания технологиям ДЗЗ остальных характерных черт технологий общего пользования требуется выполнение трех условий: должен быть сформирован “социальный заказ” на нее, должен быть достигнут соответствующий технический уровень для воплощения инновации в практику и должен быть обеспечен необходимый социально-образовательный уровень возможных исполнителей и потребителей инновации. Поскольку эти условия в России не вполне обеспечиваются, да еще и при отсутствии достаточных инвестиций, выход видится в последовательной реализации перспективной цифровой платформы ДЗЗ на базе эталонных объектов, что создаст условия для превращения ее в комплекс научно-обоснованных инфраструктурных технологий общего пользования для всей страны. Данный комплексный подход многократно сократит издержки на цифровизацию отрасли с существенным повышением эффективности ее технологий.
Источники:
1. Raikov A. Cognitive semantics of artificial intelligence: a new perspective. Springer Singapore, Topics: Computational Intelligence XVII. 2021.
2. David P.A. The dynamo and the computer: an historical perspective on the modern productivity paradox. // The American Economic Review, American Economic Association. 1990. Vol. 80(2). Pp. 355-361.
3. Опыт системного подхода к цифровой трансформации АПК и направления реорганизации / В. И. Меденников, И. М. Кузнецов, М. В. Макеев, О. А. Моторин // Управление рисками в АПК. – 2020. – № 2(36). – С. 52-62. – DOI 10.53988/24136573-2020-02-07. – EDN ZESAMV.
4. Постановка задач для развития геосервисов для банковского бизнеса / К. В. Милицин, О. А. Моторин, Д. М. Ольшанский, Н. В. Федорова // Управление рисками в АПК. – 2021. – № 1(39). – С. 61-68. – DOI 10.53988/24136573-2021-01-05. – EDN SJXJSO.
5. Вершинин, В. В. Опыт применения геопространственных сервисов для государственного управления земельными ресурсами АПК в Краснодарском крае / В. В. Вершинин, И. С. Козубенко // Управление рисками в АПК. – 2021. – № 1(39). – С. 69-81. – DOI 10.53988/24136573-2021-01-06. – EDN COMXPW.
6. Линьков, Ю. В. Подходы к классификации цифровых сервисов для АПК и развитие интегрированных решений с учетом геосервисов / Ю. В. Линьков, О. А. Моторин, М. В. Парфентьев // Управление рисками в АПК. – 2021. – № 1(39). – С. 82-91. – DOI 10.53988/24136573-2021-01-07. – EDN CWYVTU.
7. Прогнозирование урожайности озимой пшеницы с использованием технологий дистанционного зондирования земли / П. В. Денисов, А. Б. Иванов, Н. П. Мишуров [и др.] // Управление рисками в АПК. – 2021. – № 1(39). – С. 37-45. – DOI 10.53988/24136573-2021-01-03. – EDN ZYWMAS.
References:
1. Raikov A. Cognitive semantics of artificial intelligence: a new perspective. Springer Singapore, Topics: Computational Intelligence XVII. 2021.
2. David P.A. The dynamo and the computer: an historical perspective on the modern productivity paradox. // The American Economic Review, American Economic Association. 1990. Vol. 80(2). Pp. 355-361.
3. Experience of a systematic approach to the digital transformation of the agro-industrial complex and the direction of reorganization / V. I. Medennikov, I. M. Kuznetsov, M. V. Makeev, O. A. Motorin // Risk management in the agro-industrial complex. – 2020. – № 2(36). – Pp. 52-62. – DOI 10.53988/24136573-2020-02-07. – EDN ZESAMV.
4. Setting tasks for the development of geoservices for banking business / K. V. Militsin, O. A. Motorin, D. M. Olshansky, N. V. Fedorova // Risk management in the agroindustrial complex. – 2021. – № 1(39). – Pp. 61-68. – DOI 10.53988/24136573-2021-01-05. – EDN SJXJSO.
5. Vershinin, V. V. The experience of using geospatial services for the state management of agricultural land resources in the Krasnodar Territory / V. V. Vershinin, I. S. Kozubenko // Risk management in agriculture. – 2021. – № 1(39). – Pp. 69-81. – DOI 10.53988/24136573-2021-01-06. – EDN COMXPW.
6. Linkov, Yu. V. Approaches to the classification of digital services for the agro-industrial complex and the development of integrated solutions considering geoservices / Yu. V. Linkov, O. A. Motorin, M. V. Parfentyev // Risk management in the agro-industrial complex. – 2021. – № 1(39). – Pp. 82-91. – DOI 10.53988/24136573-2021-01-07. – EDN CWYVTU.
7. Forecasting the yield of winter wheat using Earth remote sensing technologies / P. V. Denisov, A. B. Ivanov, N. P. Mishurov [et al.] // Risk management in agriculture. – 2021. – № 1(39). – Pp. 37-45. – DOI 10.53988/24136573-2021-01-03. – EDN ZYWMAS.
Все иллюстрации статьи | All visuals of paper