Е. Сазонов: «Щелково Агрохим» известно большинству аграриев как крупнейшее российское предприятие, производящее пестициды, агрохимикаты (микроудобрения, гуматы), дражированные семена сахарной свеклы. Но не все еще знают об услуге, предоставляемой компанией своим клиентам, - технологическое сопровождение возделывания основных сельскохозяйственных культур, отработанное специалистами до мелочей.
Евгений Александрович Сазонов,
Руководитель регионального центра технологий АО «Щелково Агрохим»
«Щелково Агрохим» известно большинству аграриев как крупнейшее российское предприятие, производящее пестициды, агрохимикаты (микроудобрения, гуматы), дражированные семена сахарной свеклы. Но не все еще знают об услуге, предоставляемой компанией своим клиентам, - технологическое сопровождение возделывания основных сельскохозяйственных культур, отработанное специалистами до мелочей.
Агросопровождение по системе «Щелково Агрохим»
В сезоне 2014 г. партнером компании стал крупнейший в РФ сахарный завод ООО «Ромодановосахар» (Мордовия). В одном из хозяйств сахарного завода - ООО «Агропромсервис» (Ичалковский район), с посевной площадью сахарной свеклы 1076 га, специалисты «Щелково Агрохим» внедрили технологическое сопровождение сахарной свеклы «от посева до уборки». Кроме этого компания поставила в хозяйство СЗР и семена сахарной свеклы.
Чтобы понять, на какие максимальные показатели можно вывести производство, специалисты «Щелково Агрохим» провели оценку природных и агроклиматических условий региона для возделывания сахарной свеклы, исходя из среднемноголетних данных. Характерные для Мордовии климатические показатели (осадки вегетационного периода 450 - 500 мм, сумма эффективных температур - 2200 -2300оС) позволяли рассчитывать на урожайность сахарной свеклы 350 - 400 ц/га. Рассчитывать можно, но добиться этого без высокого уровня агротехники, т.е., без обеспечения своевременной и качественной обработки почвы, сева в оптимальные сроки, внесения рациональных доз удобрений, борьбы с сорняками, болезнями и вредителями, - практически невозможно. Так, при одинаковых природных условиях, но при разных уровнях агротехники, достигаются разные результаты. По сути, высокий урожай - это совокупность природного потенциала и достойный уровень агротехники.
Не стоит забывать и о важности сопутствующих мероприятий: анализа структуры посевных площадей, севооборотов, технической оснащенности, минерального питания, использования семенного материала с учетом условий зоны возделывания в данных хозяйствах.
Факты - вещь упрямая...
Семена сахарной свеклы были представлены 4 гибридами - Шаннон (рис. 1), Земис (рис. 2), Радомир и Гримм, обработка Интенсив 2, что позволило избежать повреждений в первые фазы развития растений от вредителей: почвенных (проволочник) и наземных (долгоносик, блошка). Семена имели высокие показатели по всхожести, энергии прорастания и были подобраны с учетом условий зоны возделывания.
При составлении схем защиты растений учитывались особенности региона, ботанический состав сорняков, климатические условия, наличие вредителей и болезней.
|
Наименование препарата |
Норма расхода на 1 га (л,кг) |
|
1 - обработка |
|
|
Бетарен Супер МД МКЭ (126 + 63 + 21 г/л) |
1,2 |
|
Кондор, ВДГ (500 г/кг трифлусульфурон-метила |
0,03 |
|
Сателлит, Ж (900 г/л) |
0,2 |
|
Лорнет, BP (300 г/л клопиралида |
0,1 |
|
Пантера КЭ (40 г/л квазилофоп-П-тефурила) |
1,0 |
|
2 - обработка |
|
|
Бетарен22, МКЭ (110 г/л десмедифама + 110 г/л фенмедифама) |
1,2 |
|
Кондор, ВДГ (500 г/кг, трифлусульфурон-метил) |
0,03 |
|
Сателлит, Ж (900 г/л) |
0,2 |
|
Лорнет, BP (300 г/л, клопиралид) |
0,15 |
|
Пантера КЭ (40 г/л квазилофоп-П-тефурила) |
1,0 |
|
3 - обработка |
|
|
Бетарен 22, МКЭ (110 г/л десмедифама + 110 г/л фенмедифама) |
1,2 |
|
Кондор, ВДГ (500 г/кг, трифлусульфурон-метил) |
0,03 |
|
Сателлит, Ж (900 г/л) |
0,2 |
|
Лорнет, BP (300 г/л, клопиралид) |
0,15 |
|
Пантера, КЭ (40 г/л квазилофоп-П-тефурила) |
1,0 |
Таблица: схема защиты сахарной свеклы с учетом особенностей местности (высокий уровень засоренности сорняками как двудольными, так и злаковыми, а также 3-4 волна появления данных сорняков)
При проведении химических обработок сахарной свеклы хозяйствам выдавались рекомендации в письменном виде на каждое поле, с указанием сроков обработки, порядка приготовления баковых смесей, норм внесения препарата, периода обработки.
Рекомендации выдавались на основании совместного обследования посевов.
По окончании всех обработок СЗР были составлены акты комиссионной проверки состояния посевов сахарной свёклы в каждом хозяйстве. По результатам проверки было установлено: все используемые на обработке сахарной свеклы пестициды при соблюдении регламента применения и качественном внесении показали высокую эффективность.
О результатах
В первых числах ноября 2014 года полностью закончилась уборка сахарной свеклы в хозяйстве «Агропромсервис». Урожайность составила 345 ц/га в зачетном весе (392 ц/га в физическом весе) с прибавкой урожайности к уровню 2013 года на 45 ц/га в зачетном весе.
P.S. Агротехнологическое сопровождение позволяет агрономам совершенствовать схемы защиты растений, вырабатывать оптимальные рекомендации по применению СЗР, а главное - получать максимальную экономическую выгоду.
22.08.2014 0Нейросетевые технологии переходят из экспериментальной плоскости в практический инструмент управления агропромышленным производством. Об этом в интервью СБЕРПРО рассказал генеральный директор «Щёлково Агрохим», д.х.н., академик РАН Салис Каракотов.
По его словам, ключевое преимущество нейросетей заключается в способности работать с большими массивами разнородных данных — от погодных факторов и характеристик почв до параметров роста растений и технологических операций. Это позволяет формировать более точные модели принятия решений на всех этапах производства.
В компании применяют несколько ключевых направлений применения нейросетей. В селекции такие технологии позволяют ускорять отбор перспективных линий за счёт анализа генетических и фенотипических данных, а также прогнозировать поведение гибридов в различных природно-климатических условиях.
В растениеводстве нейросети используются для мониторинга состояния посевов, раннего выявления стрессовых факторов и точечного применения средств защиты растений. Это особенно важно в условиях роста затрат и необходимости повышения эффективности каждого гектара.
Отдельное направление — прогнозирование урожайности и экономических показателей. По словам Каракотова, использование алгоритмов позволяет учитывать сразу множество факторов, что делает прогнозы более точными и снижает производственные риски.
При этом он подчеркнул, что нейросети не являются заменой экспертизы. «Это инструмент, который усиливает специалиста, но не подменяет его. Финальное решение всегда остаётся за человеком», — отметил он.
Среди ограничений внедрения Каракотов выделил необходимость формирования качественных массивов данных и их систематизации. Без этого нейросетевые модели не смогут работать с высокой точностью. Кроме того, важна адаптация решений под конкретные агротехнологические условия, поскольку универсальных моделей для сельского хозяйства не существует.
В более широком контексте развитие таких технологий Каракотов связывает с повышением устойчивости отрасли. На фоне климатических рисков, волатильности рынков и роста себестоимости производства именно точные и адаптивные инструменты управления становятся фактором конкурентоспособности.
«В ближайшие годы нейросети станут частью повседневной практики в аграрном секторе. Это один из ключевых элементов технологической трансформации отрасли», — резюмировал он.