CC BY
27
УДК 004.89; 332.62
DOI: 10.21285/1814-3520-2016-5-95-104
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В ЗАДАЧАХ ОЦЕНКИ ЗЕМЕЛЬ СЕЛЬСКОХОЗЯЙСТВЕННОГО НАЗНАЧЕНИЯ
© К.В. Раевич1, И.В. Зеньков2
1Сибирский федеральный университет, 660074, Россия, г. Красноярск, ул. Академика Киренского, 26. Специальное конструкторско-технологическое бюро «Наука» КНЦ СО РАН, 660049, Россия, г. Красноярск, пр. Мира, 53.
Представлена структура интеллектуальной системы поддержки принятия решений в задачах оценки земель сельскохозяйственного назначения. В качестве задач оценки рассмотрена методика определения технико-экономических показателей обработки продуктивных полей сельскохозяйственного назначения с учетом географических, региональных особенностей их конфигурации и засоренности, что, несомненно, должно учитываться при принятии решений в ходе производства земледельческих работ. Приведены схема и пример расчета показателей, показано снижение эффективности обработки полей в зависимости от их засоренности древесно-кустарниковой растительностью. Обоснована необходимость использования полученных результатов в системе управления агропромышленным комплексом региона.
Ключевые слова: агропромышленный комплекс региона, продуктивные земли сельскохозяйственного назначения, оценка агроэкономического потенциала земель, технологическая эффективность обработки земель, зарастание пахотных угодий, управление эффективностью земледелия.
INTELLIGENT SYSTEM TO SUPPORT MANAGERIAL DECISION-MAKING IN THE PROBLEMS OF AGRICULTURAL LAND ASSESSMENT K.V. Raevich, I.V. Zenkov
Siberian Federal University,
26 Akademika Kirenskogo St., Krasnoyarsk, 660074, Russia.
Special Design and Technological Bureau "Nauka" Krasnoyarsk Scientific Center SB RAS, 53 Mira pr., Krasnoyarsk, 660049, Russia.
The article presents the structure of the intelligent decision-making support system for the problems of agricultural land assessment. One of the assessment task is the methodology determining technical and economic indicators of arable land cultivation with account of geographical and regional features of their configuration and vegetation colonization degree. These factors are to be considered when making decisions in the course of agricultural works. The paper provides a scheme of indicator calculation, gives a specific example of the calculation, as well as shows the decrease in the field cultivation effectiveness depending on their colonization degree with trees and shrubs. The necessity to use the obtained results in the management system of the regional agricultural complex is proved.
Keywords: agricultural complex of the region, productive agricultural lands, estimation of the land agroeconomic potential, technological efficiency of land cultivation, colonization of arable lands with trees and shrubs, management of agriculture efficiency.
Введение
Оценка земли как составляющей национального богатства страны представляет собой сопоставимый количественный и экономический расчет ее потребительских свойств и эколого-экономических эффектов использования при разном целевом назначении земельных участков как объектов оценки.
Объективной основой для решения задач оценки являются знания об объекте оценки как о пространственно-локализованном участке земной поверхности, характеризующемся совокупностью измеримых факторов. С одной стороны, земля как природный ресурс характеризуется расположением в пространстве, рельефом, почвами, растительным и животным
1
Раевич Ксения Владиславовна, старший преподаватель кафедры систем искусственного интеллекта, e-mail: ksenia_248@mail.ru
Raevich Ksenia, Senior Lecturer of the Department of Artificial Intelligence Systems, e-mail: ksenia_248@mail.ru
2Зеньков Игорь Владимирович, доктор технических наук, профессор, старший научный сотрудник, , e-mail: zenkoviv@mail.ru
Zenkov Igor, Doctor of Engineering sciences, Professor, Senior Researcher, e-mail: zenkoviv@mail.ru
миром и оценивается с позиции возможности выполнения ею многоцелевых функций [1, 2, 4, 5]. С другой стороны, земля как объект хозяйственных отношений оценивается с позиции полезности и доходности от использования конкретного участка [1]. Земли сельскохозяйственного назначения (ЗСХН) как объект хозяйственных отношений имеют потребительскую и рыночную стоимости, определяемые на основе оценки качественных и количественных показателей входящих в состав данного объекта сельскохозяйственных угодий, а также земель, занятых зданиями, сооружениями, используемыми для производства, хранения и первичной переработки сельскохозяйственной продукции [2]. На оценку ЗСХН могут оказывать влияние экономические, физические, социальные факторы, характеристики местоположения (удаленность от населенных пунктов, наличие водоемов и др.), развитие транспортных сетей и т.д. Под влиянием этих факторов увеличивается или уменьшается спрос на земельные участки и регулируется рыночная цена на них.
Сельскохозяйственное производ-
ство даже в рамках отдельного предприятия агропромышленного комплекса (АПК) является достаточно сложной системой. Развитие методов оценки и управления земельными ресурсами в сельскохозяйственных предприятиях направлено на обеспечение повышения уровня использования земельных ресурсов, с одной стороны, и достижение более высокой экономической эффективности производства - с другой.
Учитывая значительный объем информации о состоянии и динамике развития ЗСНХ, при принятии объективного управленческого решения необходим дополнительный инструментарий - интеллектуальная система поддержки принятия решения (ИСППР). Рассматриваемая в данной работе система позволяет формировать оценки состояния ЗСХН, а также осуществлять информационную поддержку принятия решений в области управления земельными ресурсами.
Функциональная структура
ИСППР
В общем виде функциональная структура ИСППР представлена на рис. 1.
ЛПР
ИСППР
г 2
i-9- г 10-ш-
Модуль Интерфейс
расчета оценок расчетчика
Модуль выгрузки СРЗ
Модуль импорта-экспорта данных
ГПД исследуемой территории
Автоматизированная система агромо ниторинга
Внешние системы
Рис 1. Функциональная структура ИСППР ЗСХН Fig. 1. Functional diagram of intelligent decision-making support system for agricultural lands
8
ИСППР состоит из следующих подсистем:
1. Оценка ЗСХН - это сложный многофакторный анализ, поскольку необходимо учитывать климатические факторы, характеристики почвенного и растительного покровов, особенности инфраструктуры, геопространственные характеристики оцениваемых участков земной поверхности и др. Взвешенные достоверные оценки базируются на знании экспертов в различных областях: геоботанике, экономике, экологии, сельском хозяйстве. Построение системы оценок специфично для конкретной решаемой задачи и для конкретной территории, что затрудняет непосредственное привлечение экспертов. Для отчуждения экспертных знаний от их носителей и представления их в формализованном виде, доступном для использования, применяются методы «инженерии знаний». Поэтому база знаний (БЗ) является ключевым блоком системы. Репозиторий онтологий (знания хранятся в системе в форме онтологий), который содержится в БЗ, поддерживает средства обеспечения целостности информации, в том числе средства управления версиями и изменениями.
2. Редактор БЗ позволяет эксперту, ответственному за содержание онтологии, осуществлять диалоговые операции по созданию новой онтологии (версии онтологии) и ее редактированию в части описания таксономии, метрик измерения натурных параметров объектов оценки и вычислительных соотношений.
3. Генератор схемы решения задачи (СРЗ) позволяет эксперту, ответственному за представление задачи, создавать и поддерживать модель описания задачи в рамках определенной версии онтологии, а также осуществлять операции по миграции описания задачи в обновленные версии онтологии.
4. При создании и модификации онтологии возникает процедура описания вычислительных соотношений для метрик оценивания. Данная процедура базируется на использовании редактора формул, который входит как компонента в редактор
базы знаний и генератор схемы решения задачи. Помимо базовых математических операций генератор формул содержит возможность формирования таблично заданных функций.
5. Редактор геопространственных данных (ГПД) служит для подготовки и оперирования геопространственным описанием экземпляра решаемой задачи.
6. При создании пустого экземпляра решаемой задачи (модуль 5) модуль выгрузки СРЗ порождает шаблон векторного слоя с предопределенным набором атрибутов, заданных в схеме решения задачи, который помещается в базу ГПД.
7. База ГПД представляет собой набор слоев, наполненных данными о пространственных координатах объектов оценки, тем самым формируется векторное представление данных на анализируемую территорию, содержащее множество объектов оценки как геопространственных объектов.
8. Атрибутивная информация содержит значения натурных параметров объектов оценки. Поставка атрибутивной информации - ответственность модуля импорта-экспорта данных. Данный модуль взаимодействует с автоматизированной системой агромониторинга [3] и другими внешними системами, что позволяет получать данные на основе обработки и анализа космоснимков, наземных измерений, данных метеостанций и других источников.
9. Расчет промежуточных и финишных оценок осуществляется модулем расчета оценок.
10. Визуализация оценок осуществляется через интерфейс расчетчика, позволяющий формировать пространственное представление данных в виде векторных слоев с вычисленными атрибутами, а также отображать данные в табличной форме либо средствами деловой графики.
Практическая апробация
Практическая апробация системы осуществлялась при решении задач оценки эффективности использования ЗСХН на основе анализа степени зарастания земель древесно-кустарниковой растительностью.
Процесс перевода продуктивных земель сельскохозяйственного назначения в категорию «Земли под древесно-кустарниковой растительностью, не входящие в земли лесного фонда» является негативным фактором, с которым сталкиваются предприятия АПК вследствие: ненадлежащего использования земель, под влиянием антропогенных и техногенных факторов и т.п.
Очевидно, что для улучшения агро-экономических показателей работы предприятий АПК целесообразным будет увеличение площади сельхозугодий за счет
проведения комплекса мелиоративных работ на заросших обрабатываемых полях [1].
Оценка эффективности использования ЗСХН представляет собой расчет коэффициента технологической эффективности сельскохозяйственного контура (СК) при производстве зерна, который показывает, насколько зарастание СК древесно-кустарниковой растительностью снижает прибыль , получаемую от уборки зерновых.
Структурно методика расчета коэффициента технологической эффективности СК представлена на рис. 2.
Рис. 2. Методика расчета коэффициента технологической эффективности СК Fig. 2. Calculation procedure of the agricultural contour technological efficiency ratio
2
3
4
5
6
7
На первом этапе методики осуществляется формулировка задачи расчета коэффициента технологической эффективности сельскохозяйственного контура (ТЭСК). Выполнение данного этапа осуществляется в диалоге между пользователем-экспертом и ИСППР.
На данном этапе модулем генерации СРЗ создается версия онтологии. Онтология СК задается четверкой: 0 =< К,Т,Е,М >, где К - таксономия признаков оценивания; Т - множество решаемых задач; Е - множество метрик оценки признаков; М - множество первичных метрик, позволяющих рассчитать численное значение признака в натуральном выражении.
В основе рассматриваемой онтологической модели лежит таксономия К оценки коэффициента ТЭСК:
К =<И, К >, где N - множество классов таксономии -признаков объекта оценки (М = {п£}); Я -отношение порядка N (Я с N х Ы). Корневая вершина таксономического дерева соответствует искомой интегральной характеристике объекта оценки.
Создаваемая генератором СРЗ версия онтологии для решения задачи расчета коэффициента ТЭСК содержит три верхне-уровневых признака оценки ЗСХН (рис. 3):
- физические факторы рельефа (ФР) образуют факторы, характеризующие ЗСХН с точки зрения размеров СК и разме-
ров полезной площади СК (исключая площадь с зарастанием древесно-кустарниковой растительностью);
- экономические факторы, обусловленные использованием земель (ЭФИЗ), определяются средней урожайностью исследуемой территории, средней стоимостью оплаты труда работников;
- агроэкономические факторы (АЭФ) определяются типом зерноуборочной техники (комбайна), шириной жатки комбайна, стоимостью горюче-смазочных материалов (ГСМ) для техники, отчислениями на амортизацию и ремонт зерноуборочной техники.
Задача расчета коэффициента ТЭСК состоит из двух подзадач:
1 ) расчет коэффициента ТЭСК для СК размером 1000 га, полезной площадью 900 га (10% степень зарастания древесно-кустарниковой растительностью).
2) расчет коэффициента ТЭСК для уровней зарастания СК древесно-кустарниковой растительностью 20, 40, 60 и 80%, что позволит эксперту определить допустимые уровни зарастания СК древесно-кустарниковой растительностью на основе рассчитанных потерь при производстве зерна.
Сравнение полученного значения (подзадача 1) с допустимыми уровнями (подзадача 2) будет являться основой для принятия управленческих решений.
На втором этапе методики осуществляется формирование вычислитель-
ФР - физические факторы рельефа
■ Группы признаков оценки ЗСХН г л ЭФИЗ - экономические факторы
использования земель
АЭФ - агроэкономические факторы
Рис. 3. Структура верхнего уровня таксономии признаков оценки ЗСХН Fig. 3. Structure of the upper-level of agricultural land assessment indicators taxonomy
ной процедуры расчета коэффициента ТЭСК модулем расчета формул на основе сгенерированной СРЗ.
Базовая процедура вычисления коэффициента ТЭСК заключается в расчете отношения текущей технологической эффективности СК к максимально возможной: _ ТЭСКт
Ктэск = ТЭСКп' где КТЭСК - коэффициент технологической эффективности производства зерна для СК; ТЭСКп - полная технологическая эффективность, рассчитываемая для СК без древесно-кустарниковой растительности; ТЭСКт - текущая технологическая эффективность СК, рассчитываемая с учетом наличия древесно-кустарниковой растительности в виде колков.
В общем виде ТЭСК определяется следующим отношением:
ТЭСК = ПД - ПЗ, где ПД - прогнозируемые доходы, которые могут быть получены при реализации собранного зерна по среднерыночной цене с учетом средней урожайности по району; ПЗ - прогнозируемые затраты на производство зерна, в которые входят: стоимость внесенных удобрений, стоимость семян, заработная плата работникам, себестоимость ГСМ, годовые отчисления на амортизацию и ремонт зерноуборочной техники и др.
Для участков древесно-кустарниковой растительности в вычислительной процедуре заложен принцип учета прямых затрат. Поскольку данные участки поля являются естественной преградой, которую сельскохозяйственная техника должна объезжать, затраты на ГСМ должны учитываться исходя из расчета длины пути объезда необрабатываемых участков. Для простоты оперирования форма таких участков принимается за окружность радиусом Я (рис. 4, а):
^ _ (^раст + ^комб),
где Краст - радиус непосредственно самого участка с древесно-кустарниковой растительностью; Ккомб - радиус сельскохозяйственной техники (комбайна).
В данных задачах в качестве зерноуборочной техники рассматривается комбайн марки ДОН-1500Б с жаткой шириной 8 м. Таким образом, окружность колка условно делится на «ленты» шириной ¿, равной ширине жатки комбайна (рис. 4, б).
При объезде участка древесно-кустарниковой растительности по окружности длина пути рассчитывается как длина дуги отсекаемого сектора 5. При каждом следующем объезде по окружности высота отсекаемого сектора к увеличивается, тем самым увеличивая длину дуги 5 (см. рис. 4, б).
И-/-1
И-d
R
а б
Рис. 4. Схема объезда участка с древесно-кустарниковой растительностью
по окружности
Fig. 4. Scheme of a driving detour for the plot colonized with trees and shrubs
around the circumference
Расчеты затрат при движении вокруг участка древесно-кустарниковой растительности принимаются (подзадача 1) для окружности площадью 100 га, составляющей 10% от площади СК. В этом случае й = = ^1000000/3,14 = 564 м.
Дальнейшие расчеты показывают,
что суммарная длина дуг 5, которые необходимо преодолеть комбайну, составляет 102 км.
На третьем этапе методики рассчитываются значения затратных показателей при производстве зерна (подзадача 1), которые приведены в табл. 1.
Таблица 1
Расчетные значения затратных показателей при производстве зерна
Table 1
_Calculated values of input indicators in the production of grain_
Показатель Расчетное значение
Расход топлива в час Рчас = Руд * Мдв = 162 * 235 = 38,07 кг/ч Руд - удельный расход топлива, гр/(л.с.*ч) Мдв - мощность двигателя, л.с.
Расход топлива на 1 т обмолоченного зерна Рт = Рчас/ПРч = 38,07/14=2,72 кг/т ПРч - производительность комбайна в час, т/ч
Расход ГСМ на 1 га при заданной урожайности Рга = Рт * УРга = 2,72 * 2,3 = 6,26 кг/га Рт - расход топлива на 1 т, кг/т УРга - урожайность зерновых на га, т/га (для рассматриваемого района принимается среднее значение - 23 ц/га)
Затраты на ГСМ в стоимостном выражении Ст = Рт * Сдт = 2,72 * 35 = 95,2 руб./т Рт - расход топлива на 1 т, кг/т Сдт - стоимость дизельного топлива (ДТ), руб./кг (из расчета оптовой цены 1 т ДЗ, в 2015 г. составляла 35000 руб./т.) Сга = Рга * Сдт = 6,26 * 35 = 219,1 руб./га Рга - расход ГСМ на 1 га, кг/га
Годовые отчисления на амортизацию и технический ремонт Агод = БС * НА = 1800 * 23,2% = 417,6 тыс.руб. БС - балансовая стоимость комбайна, тыс. руб. НА - норма амортизационных отчислений, %
Амортизационные отчисления в расчете на 1 ц зерна Ац = Агод 417,6 Ц нв Д = 4^ = 0,29 руб./т = 29 руб./ц Агод - годовые амортизационные отчисления и на технический ремонт, тыс. руб. НВ - годовая норма выработки, т НВ = Пз * УРга = 625 * 2,3 = 1437,5 т Пз - площадь, закрепленная за одним комбайном, га УРга - урожайность зерновых на га, т/га
Трудоемкость уборки 1 ц зерна Т = ЗТ/ВП =1/14=0,07 чел.-ч /т*10=0,7 чел.-ч /ц ЗТ - затраты труда на уборку зерновых, чел.ч ВП - выпуск продукции (зерна) комбайном, т/ч
Затраты на оплату труда на 1 ц зерна ОТ = Т * ЗП = 0,7 * 20,67 = 14,47 руб./ц Т - трудоемкость уборки 1 ц зерна ЗП - заработная плата работника в расчете на 1 ч труда при смене 12 ч, руб./чел.-ч (берется из среднего уровня оплаты труда комбайнера в сельском хозяйстве - 20,67 руб./чел.-ч)
Расход топлива в час Рчас = Руд * Мдв = 162 * 235 = 38,07 кг/ч Руд - удельный расход топлива, гр/(л.с.*ч) Мдв - мощность двигателя, л.с.
Прочие затраты ЗТс = 1763 руб./га ЗТуд = 1175 руб./га ЗТс3р = 470 руб./га ЗТс - затраты на семена ЗТуд - затраты на удобрения ЗТсзр - затраты на средства защиты растений
На четвертом этапе методики модулем расчета оценок выявляется полная и текущая технологическая эффективность СК с использованием затратных показателей из табл. 1:
ТЭСКп = ПД - ПЗ == 23000000 - 219100 --667000 - 332810 - 3408000 = = 18373090 руб. ТЭСКт = ПД - ПЗ == 20700000 - 197190 --8389,5 - 600300 - 299529 - 3062700 = = 165131891,5 руб. Коэффициент ТЭСК равен:
Таблица 2
Коэффициент ТЭСК для СК с разной степенью древесно-кустарниковой
растительности
Table 2
Agricultural contour technological efficiency ratio for arable lands with different egree
of colonization with trees and shrubs
Показатель Расчетное значение для СК с древесно-кустарниковой растительностью,%
0 10 20 40 60 80
Обрабатываемая площадь СК, га 1000 900 800 600 400 200
Прогнозируемый доход от реализации зерна, млн руб. 23 20,7 18,4 13,8 9,2 4,6
Затраты на ГСМ при уборке урожая (без холостого хода при движении вокруг колков), руб. 219100 197190 175280 131460 87640 43820
Затраты на ГСМ на холостом ходу при движении вокруг колков, руб. 0 8389,5 16779 33558 50337 67116
Отчисления на амортизацию и ремонт, тыс. руб. 667 600,3 533,6 400,2 266,8 133,4
Затраты на оплату труда, руб. 332810 299529 266248 199686 133124 66562
Прочие затраты, тыс. руб. 3408 3062,7 2726,4 2044,8 1363,2 681,6
Потери, млн руб. - 1,85 3,69 7,38 11,08 14,77
ктэскI % - 89,95 79,91 59,81 39,72 19,6
ТЭСКт
Ктэск = ^cîf = °'89 * 100% = 89'95%'
Это значит, что СК (подзадача 1) используется на 89,95% от своих агроэконо-мических возможностей.
На пятом этапе методики модулем расчета оценок выполняются расчеты коэффициента ТЭСК для полей с различной степенью зарастания древесно-кустарниковой растительностью (подзадача 2), табл. 2.
Данные, рассчитанные по технологической эффективности СК, показывают объем финансовых потерь при различной степени зарастания СК древесно-кустарниковой растительностью.
Шкала допустимых и недопустимых потерь определяется экспертом на основе знаний об агроэкономической целесообразности принимаемых решений (табл. 3).
определения технико-экономических показателей приводится пример расчета коэффициента технологической эффективности сельскохозяйственного контура, базирующегося на использовании интеллектуальной системы оценки земель сельскохозяйственного назначения [2]. Коэффициент технологической эффективности позволяет вычислить влияние негативных процессов,
Таблица 3
Шкала допустимости потерь зарастания СК древесно-кустарниковой
растительностью
Table 3
The permissibility scale of losses caused by agricultural contour colonization with trees and shrubs
Показатель Потери
допустимые недопустимые
Потери, млн руб. <3,69 >3,69
ктэск, % >79,91 <79,91
На шестом - девятом этапах
осуществляется сравнение полученных результатов для принятия необходимых управленческих решений. Выдача результатов лицу, принимающему решения (ЛПР), осуществляется интерфейсом расчетчика.
Эта информация служит основой принятия управленческих решений при планировании необходимых мелиоративных работ по расчистке древесно-кустарниковой растительности.
Заключение
В работе рассмотрена интеллектуальная система поддержки принятия решения, позволяющая решать задачи ранжирования сельскохозяйственных земель на основе знания их характеристик и данных ГИС агромониторинга. Представлена методика определения технико-экономических показателей обработки полей сельскохозяйственного назначения в системе управления эффективностью агропромышленного комплекса региона. В качестве основы
Библиогра
1. Зеньков И.В., Логинова Е.В. Управление инновационным развитием земельного сектора АПК в Красноярском крае: монография. Красноярск: Изд-во СФУ, 2013. 236 с.
2. Раевич К.В., Зеньков И.В., Маглинец Ю.А. Управление использованием продуктивных земель
выраженных в зарастании СК древесно-кустарниковой растительностью, на производительность СК.
Рассчитанные значения коэффициента ТЭСК для СК с различной степенью зарастания древесно-кустарниковой растительностью, полученные в численном выражении, используются для принятия управленческих решений о необходимости проведения мелиоративных работ по расчистке полей от древесно-кустарниковой растительности и улучшению почвенных показателей посредством внесения удобрений.
Коэффициент технологической эффективности СК является одним из факторов оценки СК [2]. В настоящее время методика проходит практическую апробацию при решении задачи комплексной агроэко-номической оценки земель на примере Су-хобузимского района Красноярского края.
Статья поступила 08.04.2016 г.
<ии список
агропромышленного комплекса Красноярского края на основе показателей агроэкономического потенциала // Вестник ИрГТУ. 2016. № 3 (110). С. 57-66.
3. Шатрова К.В., Маглинец Ю.А. Представление пространственных данных для организации области
поиска оптимального маршрута // Региональные проблемы дистанционного зондирования Земли: материалы Междунар. науч. конф. (Красноярск, 23-26 сентября 2014 г.). Красноярск: Изд-во СФУ, 2014. С. 345-348.
4. Шатрова К.В., Маглинец Ю.А. Система поддержки принятия решений по оцениванию сельскохозяйственных угодий // Современные проблемы дистанционного зондирования Земли из
космоса: сб. тезисов XII открытой Всерос. конф. (Москва, 10-14 ноября 2014 г.). М.: Изд-во ИКИ РАН, 2014. С. 394.
5. Шатрова К.В., Маглинец Ю.А., Цибульский Г.М. Модель представления информации о состоянии и динамике земель сельскохозяйственного назначения // Журнал Сибирского федерального университета. Серия: Техника и технологии. 2014. Т. 7. № 8. С. 984-989.
References
1. Zen'kov I.V., Loginova E.V. Upravlenie inno-vatsionnym razvitiem zemel'nogo sektora APK v Kras-noiarskom krae [Management of land agribusiness sector innovative development in the Krasnoyarsk region]. Krasnoyarsk, SFU Publ., 2013. 236 p.
2. Raevich K.V., Zen'kov I.V., Maglinets lu.A. Upravlenie ispol'zovaniem produktivnykh zemel' ag-ropromyshlennogo kompleksa Krasnoiarskogo kraia na osnove pokazatelei agroekonomicheskogo potentsiala [Management of Krasnoyarsk region agroindustrial complex arable land use based on the indicators of agro-economic potential] // Vestnik IrGTU - Proceedings of Irkutsk State Technical University, 2016, no. 3 (110), pp. 57-66.
3. Shatrova K.V., Maglinets lu.A. Predstavlenie pros-transtvennykh dannykh dlia organizatsii oblasti poiska optimal'nogo marshruta [Spatial data presentation for the organization of the search area of an optimal route]. Trudy Mezhdunarodnoi nauchnoi konferentsii "Region-a'nye problemy distantsionnogo zondirovaniia Zemli"
[Works of the International Scientific Conference "Regional problems of Earth remote sensing]. Krasnoyarsk, SFU Publ., 2014, pp. 345-348.
4. Shatrova K.V., Maglinets lu.A. Sistema podderzhki priniatiia reshenii po otsenivaniiu sel'skokhoziaistven-nykh ugodii [Decision-making support system for arable land assessment]. Trudy XII otkrytoi Vserossiiskoi konferentsii "Sovremennye problemy distantsionnogo zondirovaniia Zemli iz kosmosa" [Works of XII Open All-Russia Conference "Current problems of Earth remote sensing]. Moscow, IKI RAN Publ., 2014, p. 394.
5. Shatrova K.V., Maglinets Iu.A., Tsibul'skii G.M. Model' predstavleniia informatsii o sostoianii i dinamike zemel' sel'skokhoziaistvennogo naznacheniia [The Model of Submission of Information on the State and Dynamics of Lands of Agricultural Purpose]. Zhurnal Sibir-skogo federal'nogo universiteta. Seriia: Tekhnika i tekhnologii - Journal of Siberian Federal University. Engineering & Technologies, 2014, vol. 7, no. 8, pp. 984-989.
