Выбор и адаптация агротехнологий

Методологическим основанием исследований служит признание того факта, что природа явлений находится в сложном информационном пространстве, характеризующемся разнообразием, сложностью и неопределенностью. Освещены исследования по автоматизированному выбору агротехнологий, проводимых в России. В части работ при создании программ по автоматизированному (компьютерному) выбору агротехнологий преобладает детерминированный подход на основе регрессионных моделей и учета среднестатистической изменчивости ресурсов. Задача оперативного управления агроприемами при реализации агротехнологий в этих работах не ставится: фактически осуществляется лишь частичная адаптация. Агротехнологии реализуются в системе «человек - машина - растение» с независимым, активно действующим агентом - растением, поэтому вся система является вероятностной (стохастической). Это положение дает основание считать, что детерминированный подход, основанный на регрессионных моделях, не отвечает современным требованиям и не реализует в полной мере агротехнологическую адаптацию. Одним из вариантов решения данной проблемы может быть имитационное моделирование, в котором возможна реализация динамического подхода. Достигнутый уровень мощности компьютеров и программного обеспечения снимают ограничения технического характера. На первый план выдвигаются требования к концептуализации предметной области, выбора моделей представления знаний и оболочкам их исполнения. С развитием цифровых технологий в сельском хозяйстве открываются новые возможности для получения дополнительных информационных ресурсов, которые необходимо максимально эффективно применять в процессе разработки и реализации управленческих решений. Предстоит значительно изменить структуру и содержание информационного обслуживания сельского хозяйства, шире использовать возможности интеллектуального анализа.

1. Eitzinger A., Ldderach P., Rodriguez B., Fisher M., Beebe S., Sonder K., Schmidt A. Assessing high-impact spots of climate change: spatial yield simulations with Decision Support System // Mitigation and Adaptation Strategies for Global Change. 2017. Vol. 22. N 5. P. 743-760. ( DOI: 10.1007/s11027-015-9696-2).

2. Fry J., Guber A.K., Ladoni M., Munoz J.D., Kravchenko A.N. The effect of up-scaling soil properties and model parameters on predictive accuracy of DSSAT crop simulation model under variable weather conditions // Geoderma. 2017. Vol. 287. P. 105-115. DOI: 10.1016/j.geoderma. 2016.08.012.

3. Anderson R., Keshwani D., Guru A., Yang H., Irmak S., Subbiah J. An integrated modeling framework for crop and biofuel systems using the DSSAT and GREET models // Environmental Modelling & Software. 2018. Vol. 108. P. 40-50. DOI: 10.1016/j.envsoft. 2018.07.004.

4. De Wit A., Boogaard H., Fumagalli D., Janssen S., Knapen R., van Kraalingen D., Supit I., van der Wijngaart R., van Diepen K. 25 years of the WOFOST cropping systems model // Agricultural Systems. 2019. Vol. 168. P. 154-167. DOI: 10.1016/j.agsy. 2018.06.018.

5. Тюпаков К.Э. Особенности эффективного формирования и воспроизводства технико-технологической базы растениеводства: монография. Краснодар: Издательство Кубанского государственного университета. 2016. 274 с.

6. Крутова И.Н., Клименко А. С., Шведова М.В. Анализ рентабельности и стратегии развития сельского хозяйства России // Системное управление. 2011. № 4. С. 1-10.

7. Алтухов А.И. Основные проблемы развития АПК и пути их решения // Вестник Курской ГСХА. 2014. №. 2. С. 2-6.

8. МорозюкЮ.В., Горбатенко А.П. Сельскохозяйственные предприятия на современном этапе развития экономики Российской Федерации // ТДР 2014. № 2. С. 3-4.

9. Полухин А.А. Техническая модернизация сельского хозяйства России в условиях международной интеграции и экономических санкций // RJOAS. 2015. № 6. С. 41-51.

10. Ворожейкина Т.М. Особенности конкуренции в сельском хозяйстве // Экономика сельскохозяйственных и перерабатывающих предприятий. 2012. № 2. С. 12-15.

11. Канеман Д., Словик П., Тверски А. Принятие решений в неопределенности: правила и предубеждения: монография. Харьков: Изд-во Института прикладной психологии «Гуманитарный Центр», 2005. 632 с.

12. Философский словарь / под ред. И.Т. Фролова. 7 изд-е, перераб. и доп. М.: Республика, 2001. 719 с.

13. Ожегов С.И., Шведова Н.Ю. Толковый словарь русского языка; 4-е изд., доп. М.: ООО «А ТЕМП», 2006. 944 с.

14. Растригин Л.А. Адаптация сложных систем: монография. Рига: Зинатне, 1981. 375 с.

15. Эшби У.Р. Введение в кибернетику: монография / под ред. В. А. Успенского. М.: Издательство иностранной литературы, 1959. 428 с.

16. Луценко Е.В. Моделирование сложных многофакторных нелинейных объектов управления на основе фрагментированных зашумленных эмпирических данных большой размерности в системно-когнитивном анализе и интеллектуальной системе «ЭЙДОС-Х++» // Научный журнал Кубанского государственного аграрного университета. 2013. № 91 (07). С. 1-25.

17. Гостев А.В. Автоматизированные программы выбора технологии возделывания яровых и озимых зерновых культур в ЦЧР // Земледелие. 2013. № 1. С. 8-11.

18. Пыхтин И.Г., Гостев А.В., Пыхтин А.И. Совершенствование систем земледелия и агротехнологий в современных условиях ведения сельского хозяйства // Достижения науки и техники АПК. 2014. № 4. С. 79-80.

19. Тиранова Л.В., Тиранов А.Б. Базы данных для разработки технологий возделывания яровых зерновых культур в условиях Новгородской области // Никоновские чтения. 2015. № 20-1 (20). С. 229-232.

20. Тиранова Л.В., Тиранов А.Б. Базы данных для разработки технологий возделывания зернобобовых культур в условиях Новгородской области // Никоновские чтения. 2016. № 21. С. 222-225.

21. Степных Н.В., Заргарян А.М., Жукова О.А. Компьютерная программа по проектированию технологий выращивания сельхозкультур // Аграрный вестник Урала. 2017. № 3 (157). С. 54-58

22. СтепныхН.В., Жукова О.А., Заргарян А.М. Разработка базы данных типовых техкарт для информационно-аналитического комплекса по земледелию // Вестник НГИЭИ. 2018. № 4 (83). С. 5-15.

23. Луценко Е.В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: монография. Краснодар: Издательство Кубанского государственного аграрного университета, 2008. 257 с.

24. Горпинченко К.Н., Луценко Е.В. Прогнозирование и принятие решений по выбору агротехнологий в зерновом производстве с применением методов искусственного интеллекта (на примере СК-анализа): монография. Краснодар: Издательство Кубанского государственного аграрного университета, 2013. 168 с.

25. Полуэктов Р.А. Динамические модели агроэкосистемы: монография. Л.: Гидрометеоиздат, 1991. 312 с.

26. Полуэктов Р.А., Смоляр Э.И., Терлеев В.В., Топаж А.Г. Модели продукционного процесса сельскохозяйственных культур: монография. СПб.: Издательство Санкт-Петербургского университета, 2006. 396 с.

27. Полуэктов Р.А., Топаж А.Г., Кобылянский С.Г. Автоматизация компьютерного эксперимента с математическими моделями / Достижения науки и техники АПК. 2011. №. 2. С. 61-63.

28. Топаж А.Г., Медведев С.А., Захарова Е.Т. Проактивное управление в компьютерных системах поддержки агротехнологических решений на примере управления азотными подкормками // АгроЭкоИнфо. 2016. №. 4. С.12-27.

29. Полуэктов Р.А., Топаж А.Г., Якушев В.П., Медведев С.А. Использование динамической модели агроэкосистемы для оценки влияния климатических изменений на продуктивность посевов // Вестник Российской академии сельскохозяйственных наук. 2012. № 2. С. 7-12.

30. Баденко В.Л., Гарманов В.В., Иванов Д.А., Савченко А.Н., Топаж А.Г. Перспективы использования динамических моделей агроэкосистем в задачах средне- и долгосрочного планирования сельскохозяйственного производства и землеустройства // Доклады Российской академии сельскохозяйственных наук. 2015. № 1-2. С. 72-76.

31. Медведев С.А. Методические основы поливариантного расчёта динамических моделей продукционного процесса сельскохозяйственных культур // АгроЭкоИнфо. 2015. №. 4. С. 2-17.