CC BY
24
11. Kruglov V.V., Borisov V.V. Iskusstvennye neironnye seti. Teoriya i praktika [Artificial neural networks. Theory and practice]. Moscow: Goryachaya liniya - Telekom, 2001. 382 p. (In Russian)
12. Grossberg S. Competitive learning: From interactive activation to adaptive resonance. Cognitive Science. 1987. Vol. 11. No. 1: 23-63.
13. Bischokov R. M., Adzhiyeva A. A., Tkhaytsukhova S. R. Primenenie nechetkoi logiki dlya analiza riskov v agrarnom sektore [Application of fuzzy logic for risk analysis in agrarian sector]. VestnikKurganskoi GSKhA. 2014. No. 4 (12): 57-60. (In Russian)
14. Savchenko D.V., Reznikova K.M., Smyshlyaeva A.A. (2021). Fuzzy logic and fuzzy information technology. Russian Journal of Resources, Conservation and Recycling, [online] 1(8). Available at: https://resources.today/PDF/10ECOR121.pdf (in Russian) DOI: 10.15862/10ECOR121 (accessed 07.12.2021) (In Russian)
15. Bischokov R. M., Akhmatov M. M. Analiz i prognoz urozhainosti sel'skokhozyaistvennykh kul'tur metodami nechetkoi logiki [Agricultural crops analysis and yield forecast by fuzzy logic methods]. Nauchnyi zhurnal KubGAU, 2021. No. 168: 274-287. DOI: 10.21515/1990-4665-168-020 (In Russian)
16. Dimitrov V. P., Borisova L. V., Tugengol'd A. K., Nurutdinova I. N. Tekhnologicheskaya nastroika sel'skokhozyaistvennykh mashin na osnove nechetkoi logiki [Technological adjustment of agricultural machines based on fuzzy logic]. Vestnik Mordovskogo universiteta = Mordovia University Bulletin. 2018. Vol. 28, No. 2: 239-254. DOI: 10.15507/02362910.028.201802.239-254 (In English)
17. Yushchenko A. S. Metody nechetkoi logiki v upravlenii mobil'nymi manipulyatsionnymi robotami [Fuzzy logic methods in the control of mobile manipulation robots]. Vestnik MGTU im. N.E. Baumana. Ser. "Priborostroenie". 2012. No. S6: 29-44. (In Russian)
УДК 636.2
ИНФОРМАЦИОННАЯ СИСТЕМА ДЛЯ МОНИТОРИНГА И УПРАВЛЕНИЯ ОРГАНИЧЕСКИМИ ОТХОДАМИ ЖИВОТНОВОДСТВА
1 2 А.Ю. Брюханов , д-р. tехн. наук; Харри Хухта ;
12 Е.В. Шалавина , канд. техн. наук; Э.В. Васильев ,канд. техн. наук
1Институт агроинженерных и экологических проблем сельскохозяйственного производства (ИАЭП) - филиал ФГБНУ ФНАЦ ВИМ, Санкт-Петербург, Россия
Институт природных ресурсов Финляндии (Luke), Хельсинки, Финляндия
Рассмотрен пример применения цифровых технологий для мониторинга и управления органическими отходами животноводства, разработанных на базе интеллектуальной аналитической программной платформы для решения агроэкологических проблем. Информационная система реализует функции ведения базы данных, организации логистики и формирования сводного отчета (цифрового паспорта) с учетом эколого-экономических показателей. Полученные на сегодняшний день результаты мониторинга и программирования были использованы в качестве руководства при разработке плана модернизации животноводческой отрасли Ленинградской области в части подготовки и использования органических удобрений на основе навоза. Освоив такую систему, Ленинградская область претендует на лидерство во внедрении современных цифровых интеллектуальных технологий для прогнозирования и планирования экологической устойчивости сельскохозяйственного производства. В будущем система может быть расширена для всех субъектов Российской Федерации, при этом ключевым координатором будет Министерство сельского хозяйства РФ.
Ключевые слова: цифровая технология, интеллектуальная технология, сельское хозяйство, экологическая безопасность, органические удобрения, информационная система, база данных
Для цитирования: Брюханов А.Ю., Шалавина Е.В., Хухта Х., Васильев Э.В. Информационная система для мониторинга и управления органическими отходами животноводства // АгроЭкоИнженерия. 2021. № 4(109). С.94-106.
INFORMATION SYSTEM FOR ORGANIC LIVESTOCK WASTE MONITORING AND
MANAGEMENT
institute for Engineering and Environmental Problems in Agricultural Production (IEEP) -
branch of FSAC VIM, Saint Petersburg, Russia
2
Natural Resources Institute Finland, Helsinki, Finland
The article considers an application example of digital technologies for organic livestock waste monitoring and management. These technologies were developed on the intelligent analytical software platform for addressing agro-ecological challenges. The functions of the information system are to maintain a database, organise logistics and generate a consolidated report (digital passport), taking into account environmental and economic indicators. The monitoring and programming results obtained to date were used as a guide in developing a plan for the modernization of the livestock industry in the Leningrad Region in terms of preparation and use of manure-based organic fertilisers. Having mastered such a system, the Leningrad Region can claim to be a leader in implementing modern digital intelligent technologies for forecasting and planning the environmental sustainability of agricultural production. In the future, the system can be expanded to all constituent entities of the Russian Federation with the RF Ministry of Agriculture as the key coordinator.
A.Yu. Briukhanov1, DSc (Engineering), E.V. Shalavina1, Cand. Sc. (Engineering),
о
Harri Huhta ,
E.V. Vasilev, Cand. Sc. (Engineering)
Key words: digital technology, intellectual technology, agriculture, environmental safety, organic fertiliser, information system, database
For citation: Briukhanov A.Yu., Shalavina E.V., Huhta H., Vasilev E. V. Information system for organic livestock waste monitoring and management. AgroEcoEngineeriya. 2021. No. 4(109): 94- 106 (In Russian)
Введение
Современный этап развития сельскохозяйственной отрасли характеризуется возрастанием сложности профильных предприятий и процессов управления ими. Основной задачей цифровой трансформации агропромышленной отрасли является обеспечение экологического качества продукции и уменьшение влияния на экологию окружающей среды за счёт глобального планирования и предоставления оптимальных рекомендаций участникам рынка, активизации инновационных процессов путём интеграции и интеллектуальной обработки потоков объективных данных сельхозпроизводителей и региональных данных в рамках единой цифровой платформы сельского хозяйства [1].
В основе достижения этих целей лежат процессы мониторинга, понимаемого как процесс исследования объекта, предполагающий отслеживание его состояния и контроль деятельности (управление функционированием) с целью прогнозирования результатов деятельности. В нашем случае это мониторинг не только качества сельскохозяйственной продукции, но и уровня экологической безопасности ее производства [2].
К основным аспектам обеспечения экологической безопасности в Северо-Западном регионе России и особенно Ленинградской области относится проблема утилизации органических отходов животноводства и птицеводства, общее количество которых составляет не менее 4800 тыс. тонн в год [3, 4]. Целью работы являлась разработка информационной системы, позволяющей вести мониторинг обращения с отходами животноводства/птицеводства и осуществлять координацию использования органических удобрений с учетом эколого-экономических показателей [5, 6].
В рамках международного проекта «Внедрение экологически безопасной системы сельского хозяйства как основы устойчивого развития приграничных сельских районов» -EcoAgRAS (Грант контракт №17086-LIP1601-KS1441) при одобрении Комитета по агропромышленному и рыбохозяйственному комплексу Ленинградской области вместе с финскими коллегами Paivi Kurki, Harri Huhta и Maarit Hellstedt сотрудниками ИАЭП-филиал ФГБНУ ФНАЦ ВИМ сделано техническое задание на разработку информационной системы. Благодаря опыту финских коллег, в работе учтено внесение органического удобрения с учетом видов почв, встречающихся на полях в данном районе: классификация почв, тип почвы, показатели ее плодородия, включая содержание макро- и микроэлементов, содержание органических веществ [7, 8]. При оценке рисков загрязнения окружающей среды биогенными веществами из навоза и помета, учтены возможные изменения климата региона (осадки, температура в течение вегетационного периода, период наличия снежного покрова, отсутствие мороза и т. д.). Это особенно важно с учетом того, что сельское хозяйство является одной из наиболее климатически зависимых отраслей. Потребуется адаптация, и это также касается обращения с навозом и циркуляцией питательных веществ. В результате совместной работы российских и финских коллег обоснованы эффективные способы минимизации потерь аммиака и метана, а также азота и фосфора, что обеспечит снижение
поступления биогенных элементов в Балтийское море, тем самым выполняя требование Хелком [9].
Научная новизна совместно разработанной информационной системы заключается в моделях, критериях агроэкологической и экономической эффективности и алгоритмах мониторинга и управления технологическими процессами в агроэкосистема, позволяющих создавать на их основе интеллектуализированные экспертные системы (компьютерные программы). Проблема неэффективного использования вторичных ресурсов решается путем создания общегосударственной системы управления агроэкосистемами.
Материалы и методы
Для решения рассматриваемых задач целесообразно применение интеллектуальных технологий мониторинга и управления, разработанных на базе интеллектуальной аналитической программной платформы [10].
В вопросах обеспечения экологической безопасности сельскохозяйственного производства большую роль играет система работ с органическими удобрениями. [11]. Говоря о системе, речь идет о технологиях подготовки исходного сырья в виде навоза и помета в органические удобрения, которые должны обеспечивать поддержание плодородия почв сельскохозяйственных земель, получение прибавок урожая в растениеводстве и кормопроизводстве. Во многих научных трудах отмечается, что правильно организованная система применения органических и минеральных удобрений, основанная на балансе питательных веществ и учете природно-климатических территориальных условий, позволяет обеспечить долгосрочную экологическую устойчивость агроэкосистем [12].
В условиях ведения интенсивного сельскохозяйственного производства с показателем удельной плотности поголовья более 1,5 условных голов на 1 га обрабатываемых земель становиться крайне актуальной задача ведения мониторинга образования биогенных веществ азота и фосфора в составе органических удобрений и определения логистической схемы их применения с учетом экологических и экономических показателей. Для решения данных задач разработана Информационная система для мониторинга и управления органическими отходами животноводства.
Для позиционирования предприятий и определения межхозяйственных связей в части распределения органических удобрений использованы цифровые карты на базе выбранной геоинформационной системы. Это позволило объединить возможности программирования с пространственной визуализацией, сделать процесс агромониторинга и управления биогенной нагрузкой интерактивным [13-15].
Для создания системы прогнозирования и логистики распределения органических удобрений за основу принята математическая модель лимитирования внесения питательных веществ на 1 га сельскохозяйственных земель [16-18].
Показателями ограничения по дозе внесения должны выступить общий азот (170 кг/га) и общий фосфор (25 кг/га). При достижении предельного значения по одному из показателей, информационная система должна сигнализировать об этом. Показатель (общий азот, общий фосфор), предельное значение которого быстрее было достигнуто, должен считаться в данном расчете дозы внесения органического удобрения, наиболее значимым.
Определены функциональные задачи Информационной системы, которые включают: 1) обеспечение визуализации (отображения) всех сельскохозяйственных организаций на
цифровой карте: местоположение, название, специализация, поголовье, имеющаяся площадь земельных угодий; 2) осуществление расчёта и отображение текущей ситуации по предприятиям: масса образующихся органических удобрений и биогенных элементов, достаточность земельных угодий для внесения всего органического удобрения, объем необходимых навозохранилищ и площадок; 3) осуществление расчёта и отображение прогнозной ситуации по сельскохозяйственным организациям включая логистику распределения органического удобрения от предприятий-поставщиков к предприятиям-потребителям с учетом норм биогенной нагрузки; 4) создание электронных паспортов организаций, районов и всего исследуемого региона с учетом логистики распределения органических удобрений и данных о распределении биогенной нагрузки в границах сельскохозяйственных земель водосбора.
Информационная система также позволяет собирать статистическую информацию по регионам.
Результаты и обсуждение
В результате работы был реализован мониторинг производства и координация использования (оборота) органических отходов сельскохозяйственными предприятиями Ленинградской области.
Информационная система разработана совместно с Коромысличенко Владиславом Николаевичем и Охтилевым Михаилом Юрьевичем, являющимися представителями АО «НИО ЦИТ «Петрокомета» и ООО «ЦИТ «Петроинт».
Все данные для расчетов брались из разработанной Базы данных. База данных была разработана целиком на основе экспертных знаний по технологии «программирование без программирования» («programming without programming»).
База данных предназначена для хранения массива данных о сельскохозяйственных предприятиях (расположение, поголовье, имеющаяся площадь земельных угодий сельскохозяйственного назначения); технических характеристиках применяемых технических средств и оборудования; характеристиках применяемых бетонированных площадок и навозохранилищ; режимах работы технологий, задействованных при работе с навозом и пометом.
База данных содержит данные о параметрах на трёх уровнях рассмотрения технологий: на уровне всей технологической цепочки, на уровне технологической операции и на уровнях конкретного технического средства. Результаты расчетов также входят в таблицы базы данных. Структура базы данных состоит из следующих блоков:
1. Блок исходных данных предприятия (содержит таблицы Table 1, Table 2)
2. Блок исходных данных сельских территорий (содержит таблицы Table 3, Table 4, Table 5, Table 6) (рисунок 1).
3. Блок исходных данных органических отходов и органического удобрения (Table 7, Table 8)
4. Блок исходных данных технологий, технических средств и оборудования (Table 9, Table 10, Table 11)
5. Блок исходных данных о поставщиках органического удобрения (Table 12, Table 13)
6.
Table 15)
Блок исходных данных о потребителях органического удобрения (Table 14,
Table 3
PK идентификатор
Район
Координаты
Номер поля
Площадь
Удаленность от
предприятия
Table 4
PK идентификатор
РН Содержание гумуса Р205 К20 Механический состав Уплотненность Заболоченность
Table 5
PK идентификатор
Тип органического удобрения Средняя доза внесения Рекомендуемый севооборот
Table 6
PK идентификатор
Ограничение внесения по общему азоту Ограничение внесения по общему фосфору
Рис. 1. Блок исходных данных сельских территорий
Для наполнения базы данных массивом данных был произведён поиск и определены источники информации. В качестве источников были использованы результаты полевых обследований, натурные обследования сельскохозяйственных предприятий, результаты агрохимических обследований почв, литературные источники, нормативные документы и информация от производителей и дилеров оборудования в Интернет.
Использование базы данных позволило автоматизировать мониторинг и управление органическими отходами животноводства (в частности, органическим удобрением на основе навоза и помета). Это позволило обеспечить экологически безопасное и эффективное использование органического удобрения на земельных угодьях сельскохозяйственного назначения.
В результате работы самой информационной системы осуществляется актуализация исходных данных и постоянный мониторинг сельскохозяйственных предприятий региона. Мониторинг осуществляется как в целом по району/области, так и по каждому предприятию в отдельности (рисунок 2).
Рис. 2. Визуализация мониторинга по конкретному предприятию Ленинградской области
Информационной системой производится расчет массы получаемом на каждом предприятии навоза/помета и содержания в нем общего азота и фосфора. Производится расчет требуемых площадей земельных угодий для внесения полученного органического удобрения.
В результате все предприятия делятся на поставщиков (органического удобрения больше, чем могут принять собственные земельные угодья) и потребителей (органического удобрения меньше, чем могут принять собственные земельные угодья).
Следующим шагом информационной системы является организация логистики транспортировки органического удобрения между поставщиками и потребителями (рисунок
3).
Рис. 3. Визуализация логистики распределения органических удобрений
Информационная система отображает рассчитанную информацию по поставщику и его потребителям органического удобрения: название потребителя, масса транспортируемого органического удобрения, дальность транспортировки, масса азота и фосфора в транспортируемом удобрении.
Важным функционалом информационной системы является сбор и актуализация информации по техническому и технологическому оснащению регионов. В процессе мониторинга накапливается информация о количестве сельскохозяйственных предприятий (рисунок 4), вместимости навозохранилищ, размерах бетонированных площадок, количестве технических средств, задействованных при работе с навозом/пометом и органическим удобрением (рисунок 5).
20
Крупный рогатый скот Свиноводство Птицеводство Растениеводство
98
Рис. 4. Количество сельскохозяйственных предприятий в Ленинградской области
169
18
98
349
635
265
Трактора
Машины для внесения ТОУ Машины для внесения ЖОУ Фронтальные погрузчики
Технические средства для транспортировки ТОУ от поставщика к потребителю Технические средства для транспортировки ЖОУ от поставщика к потребителю
7
9
Рис. 5. Необходимое количество технических средств для работы с навозом/пометом и
органическим удобрением
На рисунке 5 приведены технические средства, которые задействованы как с собственным органическим удобрением (трактора, машины для внесения ТОУ и ЖОУ, фронтальные погрузчики), так и технические средства, задействованные дополнительно только для транспортировки органических удобрений от поставщиков к потребителям. При расчете заложены машины для транспортировки ЖОУ вместимостью 40 тонн и машины для транспортировки ТОУ вместимостью 30 тонн.
Анализируя аналитическую информацию с базы данных программы можно получать данные по массе и типу образуемых органических удобрений (рисунок 6).
■ Крупный рогатый скот
■ Свиноводство
■ Птицеводство
■ Твердое органическое удобрение
■ Жидкое органическое удобрение
Рис. 6. Количественные и качественные характеристики навоза/помета
В результате все органическое удобрение распределяется по земельным угодьям сельскохозяйственного назначения, что снижает диффузную нагрузку в регионе Балтийского моря. Меняя критерии оптимизации в логистической модели распределения удобрений, осуществляется управление биогенными элементами в зависимости от конкретно заданных условий.
Информационная система осуществляет расчет текущей и прогнозной ситуации по сельскохозяйственным организациям в регионе. На примере Ленинградской области - 137 сельскохозяйственных организаций с образованием органических удобрений более 5 млн. тонн в год и содержанием азота не менее 30 тыс. тонн, фосфора 6 тыс. тонн.
Выводы
Результаты исследования являются хорошей основой и наглядным примером применения информационных технологий в сочетании с интеллектуальной обработкой информации для решения задач организации экологически чистого сельскохозяйственного производства. Созданная информационная система мониторинга и управления обладает огромным потенциалом для совершенствования. Он может выполнять как отдельные производственные задачи, так и задачи глобального масштаба, например, прогнозировать экологическую устойчивость сельских районов.
Полученные на сегодняшний день результаты мониторинга и программирования были использованы в качестве руководства при разработке плана модернизации животноводческой отрасли Ленинградской области в части подготовки и использования органических удобрений на основе навоза.
Освоив такую информационную систему, Ленинградская область претендует на лидерство во внедрении современных цифровых интеллектуальных технологий для прогнозирования и планирования экологической устойчивости сельскохозяйственного производства. В будущем информационная система может быть расширена для всех субъектов Российской Федерации, при этом ключевым координатором будет Министерство сельского хозяйства.
Созданная пилотная информационная система может послужить основой для создания государственной системы мониторинга и управления органическими ресурсами в
сельском хозяйстве, из которых не менее 580 миллионов тонн в год образуется в России только в виде навоза скота/птицы.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Охтилев М.Ю. Системы искусственного интеллекта и их применение в автоматизированных системах мониторинга состояния сложных организационно-технических объектов (Монография). СПб.: ГУАП, 2018. 261 с.
2. Dubois M., Fourati-Jamoussi F., Dantan J., Rizzo D., Jaber M., Sauvée L. The Agricultural Innovation under Digitalization. In: Handbook of Research on Business Transformations in the Era of Digitalization, Chapter 15. Hershey, Pennsylvania, USA: IGI Global. 2019. pp. 276-303. DOI: 10.4018/978-1-5225-7262-6.ch 015
3. Шалавина Е.В., Васильев Э.В. Экологические проблемы отрасли свиноводства в России // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2017. № 92. С. 166-175.
4. Васильев Э.В., Шалавина Е.В. Перспективы и экологические проблемы развития птицеводства в России // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2017. № 92. С. 175-186.
5. Briukhanov A., Dorokhov A., Shalavina E., Trifanov A., Vorobyeva E., Vasilev E. Digital methods for agro-monitoring and nutrient load management in the Russian part of the Baltic Sea catchment area. IOP Conference Series: Earth and Environmental Science. 2020. Vol. 578, pp 1- 7.
6. Брюханов А.Ю., Шалавина Е.В., Уваров Р.А. Логистическая модель управления вторичными ресурсами в АПК // Экономика сельскохозяйственных и перерабатывающих предприятий. 2017. № 4. С. 38-41.
7. Manninen M., Saarijarvi K., Huhta H., Jauhiainen L., Aspila P. Effects of winter feeding strategies with alternative feeds on the performance of mature suckler cows and their progeny // Agricultural and Food Science. 2004. No.13(4), pp. 348-362
8. Luostarinen S., Gronroos J., Hellstedt M., Nousiainen J., Munther J. Modeling manure quantity and quality in Finland. Front. Sustain. Food Syst. 2018, No. 2: 60. DOI: 10.3389/fsufs.2018.00060
9. Summary report on the development of revised Maximum Allowable Inputs (MAI) and updated Country Allocated Reduction Targets (CART) of the Baltic Sea Action Plan. 2013. [Электронный ресурс]. Режим доступа: https://helcom.fi/media/documents/Summary-report-on-MAI-CART-1.pdf (accessed 17.12. 2021)
10. Raymond C., Fazey I., Reed M., Stringer L., Robinson G., Evely A. Integrating local and scientific knowledge for environmental management. Journal of Environmental Management. 2010. No. 91, pp. 1766-1777.
11. Miller C., Waterhouse H., Harter T., Fadel J., Meyer D. Quantifying the uncertainty in nitrogen application and groundwater nitrate leaching in manure based cropping systems. Agricultural Systems. 2020. Vol. 184(C). pp. 1-14. DOI: 10.1016/j.agsy.2020.102877
12. Wortmann C. et al. Manure use planning: an evaluation of a producer training program. Journal of Extension, 2005. Vol. 43, No. 4, Article number 4RIB52005
13. Metson G. et al. Optimizing transport to maximize nutrient recycling and green energy re-covery. Resources, Conservation & Recycling, 2020. Vol. 9-10, article ID 100049,
14. Hu Y. et al. Logistics network management of livestock waste for spatiotemporal control of nutrient pollution in water bodies. ACS Sustainable Chemistry & Engineering, 2019. No. 7 (22), pp. 18359-18374, DOI: 10.1021/acssuschemeng.9b03920
15. Spiegal S. et al. Manuresheds: Advancing nutrient recycling in US agriculture. Agricultural Systems, 2020. Vol. 182, Paper ID 102813, DOI: 10.1016/j.agsy.2020.102813
16. Максимов Д.А., Брюханов А.Ю., Субботин И.А., Васильев Э.В., Шалавина Е.В., Козлова Н.П. Методика принятия решения об экологически безопасном размещении сельхозпредприятия // Техника в сельском хозяйстве. 2014. №5. С. 24-26.
17. Briukhanov A., Subbotin I., Uvarov R., Vasilev E. Method of designing of manure utilization technology // Agronomy Research. 2017. Vol. 15. No. 3, pp. 658-663.
18. Васильев Э. В., Брюханов А.Ю., Козлова Н.П. Оценка эффективности наилучших доступных технологий для интенсивного животноводства // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. 2016. №88. С.131-142.
REFERENCES
1. Okhtilev M.Yu. Sistemy iskusstvennogo intellekta i ikh primenenie v avtomatizirovannykh sistemakh monitoringa sostoyaniya slozhnykh organizatsionno-tekhnicheskikh ob"ektov (Monografiya) [Artificial intelligence systems and their application in automated systems for monitoring the state of organizational and technical objects. Monograph]. Saint Petersburg: GUAP,
2018. 261 p. (In Russian)
2. Dubois M., Fourati-Jamoussi F., Dantan J., Rizzo D., Jaber M., Sauvée L. The Agricultural Innovation under Digitalization. In: Handbook of Research on Business Transformations in the Era of Digitalization, Chapter 15. Hershey, Pennsylvania, USA: IGI Global.
2019. pp. 276-303. DOI: 10.4018/978-1-5225-7262-6.ch015
3. Shalavina E.V., Vasilev E.V. Ekologicheskie problemy otrasli svinovodstva v Rossii [Current ecological problems of pig production in Russia]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogoproizvodstvaproduktsii rastenievodstva i zhivotnovodstva. 2017. No. 92: 166175 (In Russian)
4. Vasilev E.V., Shalavina E.V. Perspektivy i ekologicheskie problemy razvitiya ptitsevodstva v Rossii [Opportunities and environmental challenges for development of poultry farming in Russia]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstva produktsii rastenievodstva i zhivotnovodstva. 2017. No. 92: 175-186 (In Russian)
5. Briukhanov A., Dorokhov A., Shalavina E., Trifanov A., Vorobyeva E., Vasilev E. Digital methods for agro-monitoring and nutrient load management in the Russian part of the Baltic Sea catchment area. IOP Conference Series: Earth and Environmental Science. 2020. Vol. 578. pp 1-7.
6. Briukhanov A.Yu., Shalavina E.V., Uvarov R.A. Logisticheskaya model' upravleniya vtorichnymi resursami v APK [Logistics model of secondary resources management in agriculture (on example of the Leningrad Region)]. Ekonomika sel'skokhozyaistvennykh I pererabatyvayushchikhpredpriyatii. 2017. No. 4: 38-41(In Russian)
7. Manninen M., Saarijarvi K., Huhta H., Jauhiainen L., Aspila P. Effects of winter feeding strategies with alternative feeds on the performance of mature suckler cows and their progeny // Agricultural and Food Science. 2004. No.13(4): 348-362
8. Luostarinen S., Gronroos J., Hellstedt M., Nousiainen J., Munther J. Modeling manure quantity and quality in Finland. Front. Sustain. Food Syst. 2018, No. 2: 60. doi: 10.3389/fsufs.2018.00060
9. Summary report on the development of revised Maximum Allowable Inputs (MAI) and updated Country Allocated Reduction Targets (CART) of the Baltic Sea Action Plan. 2013. [Электронный ресурс]. Режим доступа: https://helcom.fi/media/documents/Summary-report-on-MAI-CART-1.pdf (accessed 17.12.2021)
10. Raymond C., Fazey I., Reed M., Stringer L., Robinson G., Evely A. Integrating local and scientific knowledge for environmental management. Journal of Environmental Management. 2010. No. 91: 1766-1777.
11. Miller C., Waterhouse H., Harter T., Fadel J., Meyer D. Quantifying the uncertainty in nitrogen application and groundwater nitrate leaching in manure based cropping systems. Agricultural Systems. 2020. Vol. 184(C): 1-14. DOI: 10.1016/j.agsy.2020.102877
12. Wortmann C. et al. Manure use planning: an evaluation of a producer training program. Journal of Extension, 2005. Vol. 43, No. 4, Article number 4RIB52005
13. Metson G. et al. Optimizing transport to maximize nutrient recycling and green energy recovery. Resources, Conservation & Recycling, 2020. Vol. 9-10, article ID 100049,
14. Hu Y. et al. Logistics network management of livestock waste for spatiotemporal control of nutrient pollution in water bodies. ACS Sustainable Chemistry & Engineering, 2019. No. 7 (22): 18359-18374, DOI: 10.1021/acssuschemeng.9b03920
15. Spiegal S. et al. Manuresheds: Advancing nutrient recycling in US agriculture. Agricultural Systems, 2020. Vol. 182, Paper ID 102813, DOI: 10.1016/j.agsy.2020.102813
16. Maksimov D.A., Briukhanov A.Yu., Subbotin I.A., Vasilev E.V., Shalavina E.V., Kozlova N.P. Metodika prinyatiya resheniya ob ekologicheski bezopasnom razmeshchenii sel'khozpredpriyatiya [Methodology for decision-making on the environmentally friendly location of an agricultural enterprise]. Tekhnika v sel'skom khozyaistve. 2014. No. 5: 24-26 (In Russian)
17. Briukhanov A., Subbotin I., Uvarov R., Vasilev E. Method of designing of manure utilization technology. Agronomy Research. 2017. Vol. 15. No. 3: 658-663.
18. Vasilev E. V., Briukhanov A.Yu., Kozlova N.P. Otsenka effektivnosti nailuchshikh dostupnykh tekhnologii dlya intensivnogo zhivotnovodstva [Effectiveness assessment of best available techniques for intensive livestock production]. Tekhnologii i tekhnicheskie sredstva mekhanizirovannogo proizvodstvaproduktsii rastenievodstva i zhivotnovodstva. 2016. No. 88: 131142 (In Russian)
