Digital transformation of irrigation system performance management

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The paper presents the results of an analysis of the current state of research in the field of technical operation of irrigation systems and the introduction of information support systems in the management of land reclamation activities. The relevance and expediency of using optimization modeling for planning investments for repair and restoration work in stressful natural and economic conditions are substantiated. A multi-criteria nonlinear function based on genetic algorithms is proposed as an optimization tool. The optimization criteria are selected: maxima of the irrigation area under command, reduction of water losses and income of the water management organization, planned from improving the technical condition of the facilities in operation. To implement an optimization model for managing the technical condition of the irrigation system, an automated system for planning repair and restoration activities of the automated control system “Technical Operation” has been developed and the results of its testing are presented. The goals and objectives of the system are analyzed, and its functional structure is determined. The information flows are investigated using the example of the Krasnogvardeyskaya irrigation system in the Crimea. The use of the 1C-Enterprise server shell software product as a technological platform for automated control system development is substantiated. The functional structure of the application solution is described, including reference books, operational accounting data, data processing algorithms and reports. The system interface, data entry examples, and output forms are provided. The use of GIS for visualization of information on planning activities for technical operation and analysis of remote sensing data is justified. It is established that the use of automated control systems for the implementation of optimization models for managing the technical condition of the irrigation system contributes to increased operational efficiency, reduced costs and increased competitiveness of the operating organization.

Full Text

Restricted Access

About the authors

Dmitry A. Rogachev

A.N. Kostyakov Federal State Budgetary Scientific Research Center VNIIGiM

Author for correspondence.
Email: Rogachev.soft@gmail.com

PhD in Engineering Sciences, Leading Researcher

Russian Federation, Moscow

References

  1. Balun O.V. Ekologicheskie rezhimy meliorirovannyh zemel’ v Novgorodskoj oblasti // Agrarnaya nauka Evro-Severo-Vostoka. 2024. № 25(3). S. 435–443. https://doi.org/10.30766/2072-9081.2024.25.3.435-443
  2. Veklenko V.I., Soloshenko R.V., Dolgopolov A.V. Upravlenie razmerami i strukturoj posevov zernovyh kul’tur v Kurskoj oblasti // Vestnik Kurskoj gosudarstvennoj sel’skohozyajstvennoj akademii. 2022. № 7. S. 232–238. Rezhim dostupa: https://elibrary.ru/item.asp?id=49727226 EDN: MSFRLJ
  3. Demina E.A., Romenskaya S.E., Taranova T.Yu., Chekmasova K.Yu. Vliyanie listovyh podkormok zhidkimi kompleksnymi udobreniyami na urozhajnost’ i kachestvo zerna yarovoj myagkoj pshenicy // Zemledelie. 2024. № 7. S. 25–26. https://doi.org/10.24412/0044-3913-2024-7-25-29
  4. Drobot V.A., Brusencov A.S. Agromeliorativnye priemy pri poverhnostnoj obrabotke pochv // God nauki i tekhnologij 2021: sb. tezisov po mat-lam Vseros. nauchno-prakt. konf. Krasnodar: Kubanskij gosudarstvennyj agrarnyj universitet imeni I.T. Trubilina, 2021. S. 252. Rezhim dostupa: https://elibrary.ru/item.asp?id=46623388
  5. Zhuravleva E.V., Milashchenko N.Z., Sapozhnikov S.N., Trushkin S.V. Sistema uvelicheniya proizvodstva vysokokachestvennogo zerna pshenicy // Dostizheniya nauki i tekhniki APK. 2020. № 34(3). S. 7–10. https://doi.org/10.24411/0235-2451-2020-10301
  6. Kiryushin V.I. Koncepciya razvitiya zemledeliya v Nechernozem’e. SPb.: OOO «Kvadro», 2020. 276 s. Rezhim dostupa: https://elibrary.ru/rzgopo
  7. Kiryushin V.I. Upravlenie plodorodiem pochv i produktivnost’yu agrocenozov v adaptivno-landshaftnyh sistemah zemledeliya // Pochvovedenie. 2019. № 9. S. 1130–1139. https://doi.org/ 10.1134/S0032180X19070062
  8. Mal’chikov P.N., Myasnikova M.G. Vklady massy 1000 zeren i chisla zeren v prirost urozhajnosti v processe selekcii tverdoj pshenicy v Samarskom NIISH // Dostizheniya nauki i tekhniki APK. 2024. № 38(9). S. 10–16. https://doi.org/10.53859/02352451_2024_38_9_10
  9. Mitrofanov Yu.I., Anciferova O.N. Grebnistyj sposob poseva zernovyh kul’tur na osushaemyh zemlyah // Agrarnaya nauka Evro-Severo-Vostoka. 2020. № 3. S. 301–312. https://doi.org/10.30766/2072-9081.2020.21.3.301-312
  10. Mitrofanov Yu.I., Gulyaev M.V., Pugacheva L.V., Pervushina N.K. Novyj sposob shchelevaniya osushaemyh pochv // Mezhdunarodnyj sel’skohozyajstvennyj zhurnal. 2022. № 5. S. 541–545. https://doi.org/10.55186/25876740_2022_65_5_541
  11. Popov F.A., Kozlova L.M., Noskova E.N. Vliyanie resursosberegayushchih tekhnologij vozdelyvaniya zernovyh kul’tur na produktivnost’ polevogo sevooborota // Agrarnyj vestnik Verhnevolzh’ya. 2019. № 2(27). S. 12–15. https://doi.org/10.35523/2307-5872-2019-27-2-12-15
  12. Gyrka A.D., Gasanova I.I., Gyrka T.V., Bokun O.I. Growth, development and productivity of winter wheat depending on the different soil tillage and sowing systems // The Scientific Journal Grain Crops. 2018. Vol. 2(1). PР. 88–93. https://doi.org/10.31867/2523-4544-2018-2-1-88-93
  13. Jaswal A., Prasad D., Singh A., Singh M. Fertilizers and Their Role in Plant Growth. India, Delhi: Bright Sky. (Publ.). 2022. 77 p. https://doi.org/10.22271/bs.book.30.
  14. Lucena Marinho J., Ricardo Silva S., de Batista Fonseca I.C. Technological quality of wheat grains and flour as affected by nitrogen fertilization and weather condition // Emirates journal of food and agriculture. 2023. Vol. 34(12). PР. 997–1011. https://doi.org/10.9755/ejfa.2022.v34.i12.2977
  15. Natroshvili D., Lomishvili M. Determining the optimal sowing frequency and sowing norm of cereal crops // American Scientific Research Journal for Engineering, Technology, and Sciences. 2021. Vol. 78(1). PР. 73–82. URL: https://www.researchgate.net/publication/350655164_Determining_the_Optimal_Sowing_Frequency_and_Sowing_Norm_of_Cereal_Crops

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Algorithm for automated planning of technical operation measures for an inter-farm irrigation system.

Download (275KB)
Indexing metadata
3. Fig. 2. ACS menu “Technical condition”.

Download (366KB)
Indexing metadata
4. Fig. 3. The Technical Operation system in the 1C: Enterprise 8 configuration.

Download (464KB)
Indexing metadata
5. Fig. 4. Main form of the “OS Objects” section.

Download (864KB)
Indexing metadata
6. Fig. 5. Form of the “Fixed Asset Objects” section for entering information about the main characteristics of the object and the history of repair and restoration work.

Download (700KB)
Indexing metadata
7. Fig. 6. Menu of the subsystem "GIS visualization" of the automated control system "Technical condition of the OS".

Download (418KB)
Indexing metadata
8. Fig. 7. An example of using Rosreestr data in the GIS visualization subsystem on the Krasnogvardeyskaya irrigation system (Republic of Crimea).

Download (968KB)
Indexing metadata
9. Fig. 8. Balance sheet indicators of operational facilities (section “Report on facilities”).

Download (533KB)
Indexing metadata
10. Fig. 9. Visualization of data on the number of infrastructure facility failures (section “GIS Map”).

Download (900KB)
Indexing metadata

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».