Автоматизация обработки экспериментальных данных в агрономических исследованиях

Экспериментальные исследования в агрономии являются высшей формой эмпирических методов познания влияния агротехнологических процессов на количественные и качественные показатели возделываемых сельскохозяйственных культур. Процесс познания многоэтапный и включает различные формы: наблюдение, сравнение, контроль и измерение. К основным методам агрономического исследования относятся лабораторный, вегетационный, лизиметический и полевой, которые в сочетании с наблюдениями за растениями и условиями внешней среды представляют важнейшие инструменты научной агрономии. Среди них главным является опыт в поле. Полевой опыт завершает поисковое исследование, количественно оценивает агротехнический и экономический эффект нового способа или технологии возделывания растений и дает объективные основания для внедрения научного достижения в сельскохозяйственное производство. Анализ современных методик прикладных исследований, указывает на тот факт, что построение и применение алгоритмов характерно для набора статистических методов и способов обработки данных, тогда как логика их использования в области подготовки входной информации и ее последующей обработки, а также написания отчетов с результатами анализа до сих пор не автоматизирована. В связи с этим, актуальность поставленной проблемы обусловлена высокой частотой ошибок в расчетной статистической части доказательных исследований в условиях сложной рутинной аналитики, которая занимает много времени при обработке данных представителями других отраслей науки, а также высокой стоимостью работ при обращении к специалистам, затратами на специализированное ПО. В своей работе, авторы сделали попытку привлечь внимание к имеющемуся специализированному программному обеспечению, работающему по алгоритмам, которые в аграрных научных учреждениях приняты за стандарт, например алгоритмы Б.А. Доспехова, которые привязаны к схеме закладки полевого опыта и повторения рассматриваются как фактор или алгоритмы Н.А. Плохинского, разработанные для определения количественных признаков на основе многофакторного дисперсионного анализа.