CC BY
17Вестник РГАТУ, 2022, т.14, №1, с. 19-26 Vestnik RGATU, 2022, Vol.14, №1, рр 19-26
СЕЛЬСКОХОЗЯЙСТВЕННЫЕ НАУКИ
Научная статья
УДК 31:633.16(470.313)
DOI: 10.36508/RSATU.2022.85.85.002
СТАТИСТИЧЕСКИЕ ИССЛЕДОВАНИЯ ПРОИЗВОДСТВА ЯЧМЕНЯ В РЯЗАНСКОЙ ОБЛАСТИ
И ПРОГНОЗ УРОЖАЙНОСТИ КУЛЬТУРЫ
Ольга Алексеевна Захароват, Олег Викторович Черкасов2, Константин Николаевич Евсен-кин3, Фаррух Атауллахович Мусаев4, Сергей Олегович Фатьянов5
12а,5фгбоу ВО «Рязанский государственный агротехнологический университет имени П.А.Костычева», г. Рязань, Россия
3ФГБНУ «Всероссийский государственный научно-исследовательский институт имени А.Н. Костя-кова»,
г. Рязань, Россия
1 ol-zahar.ru@yandex.ru
2 ru89206345411@yandex.ru 3kn.evsenkin@yandex.ru 4musaev@rgatu.ru 5sadovayaii@mail.ru
Аннотация.
Проблема и цель. Под ячменем в Рязанской области занято до 50 % пашни. Лидерами в регионе до 2018 г. являлись предприятия Рязанского района - 7898 га, Старожиловского - 4921 га, Кораблин-ского района - 4487 га, Михайловского - 3764 га, Рыбновского - 3400 га и др. Средняя урожайность культуры по области составила чуть выше 30 ц/га с сильным колебанием показателя по районам, в том числе продуктивность ячменя сильно варьировала по годам. Однако урожайность у лидеров по площадям посевов культуры невысокая: от 28 до 29 ц/га. Исходя из важности культуры на рынке проведение исследований по выявлению факторов, способствующих росту урожайности культуры, является актуальным. Проведен анализ динамики посевных площадей и урожайности ячменя ярового по России и по Рязанской области. Целью исследований стала статистическая обработки данных производства ячменя в Рязанской области для определения факторов роста урождайности. Методология. В работе использованы методы анализа, логики, сравнения, обобщения. Применялись цифровые технологии в виде платформенных решений, Единая федеральная информационная сеть с данными о качестве земель сельскохозяйственного назначения (ЕФИС ЗСН), технология промышленного интернета вещей, компьютерная программа Statistica 10.
Результаты. Анализ урожайности по районам области не позволяет установить закономерность влияния на нее погодных условий. Так, к примеру, в Рязанском и Старожиловском районах, входящих во II агроклиматический район, урожайность составила по 44 ц/га, а в Клепковском районе -20 ц/га; в Ряжском и Сараевском районах, которые относятся к III агроклиматическому району - по 40 ц/га, а в соседнем Ухоловском районе - 26,5 ц/га и т.д. Приведенный анализ показал значительные расхождения в таком важном для сельскохозяйственного производства показателе как урожайность - от 44 в Рязанском районе до 17 ц/га в Шиловском районе. Сельскохозяйственное производство, как известно из ранних работ классиков аграрной науки и современных исследователей, является зависимой отраслью от погоды и природных явлений. Однако в современном обществе при наличии циф-ровизации можно пересмотреть действие лимитирующих факторов. Предлагаемые технологии
© Захарова О. А., Черкасов О. В., Евсенкин К. Н., Мусаев Ф. А., Фатьянов С. О., 2022 г
возделывания сельскохозяйственных культур остаются недейственными вследствие общих факторов без учета конкретных особенностей хозяйств, что ведет не только к недополучению урожая, но и перерасходу ресурсов. Составлены и исследованы поверхности отклика, что способствовало подбору адекватной модели процесса (урожайности) от системы удобрений и ГТК с внедрением переменных величин (данных по урожайности в зависимости от технологий возделывания и др.). Заключение. Статистический анализ погодных данных и результаты ранее проведенных исследований роста и развития ячменя с использованием интегрированной системы управления данными с применением модели "АМПРА" позволил в значительной степени исключить влияние природно-климатических факторов и выдвинуть на первый план влияние инновационных приемов в технологии возделывания ячменя ярового. При внедрении цифровизации можно с большой точностью установить роль конкретных природных и антропогенных факторов при производстве сельскохозяйственных культур.
Ключевые слова: динамика посевных площадей, урожайность, статистика, ячмень, прогноз Для цитирования: Захарова О.А., Черкасов О.В., Евсенкин К.Н., Мусаев Ф.А., Фатьянов С.О. Статистические исследования производства ячменя в Рязанской области и прогноз урожайности культуры //Вестник Рязанского государственного агротехнологического университета имени П.А. Костычева. 2022. Т14, №1. С 19-26. https://doi.org/10.36508/RSATU.2022.85.85.002
AGRICULTURAL SCIENCES
Original article
STATISTICAL STUDIES OF BARLEY YIELD IN RYAZAN REGION AND CROP YIELD FORECAST
Olga A. Zakharova1 Oleg V. Cherkasov2, Konstantin N. Evsenkin3, Farrukh A. Musaev4, Sergey O. Fatyanov5
1'2'45 FSBEI HE "Ryazan State Agrotechnological University Named after P.A. Kostychev", Ryazan, Russia 3 FSBRI "All-Russian State Research Institute Named after A.N. Kostyakov", Ryazan, Russia
1 ol-zahar.ru@yandex.ru
2 ru89206345411@yandex.ru 3kn.evsenkin@yandex.ru 4musaev@rgatu.ru 5sadovayaii@mail.ru
Abstract.
Problem and purpose. Barley occupies up to 50 % of arable land in Ryazan region. Until 2018, the leaders in the region were enterprises of Ryazan district with 7,898 hectares, Starozhilovsky district with 4,921 hectares, Korablinsky district with 4,487 hectares, Mikhailovsky district with 3,764 hectares, Rybnovsky district with 3,400 hectares, etc. The average crop yield in the region was slightly above 30 dt/ha with a strong fluctuation of the indicator by region, and barley yield varied greatly over the years. However, the yields of the leaders in terms of crop area were low: from 28 to 29 dt/ha. Based on the importance of crops in the market, the research to identify factors contributing to the growth of crop yields is relevant.
The article presents an analysis of the dynamics of sown areas and the yield of spring barley in Russia and specifically in Ryazan region, where the crop occupies up to 30 thousand hectares. The purpose of the research is to carry out statistical processing of data on barley production in Ryazan region. Methodology. The methods of analysis, logic, comparison, generalization are used in the work. Digital technologies were used in the form of platform solutions, the Unified Federal Information Network with data on the quality of agricultural land (EFIS ZSN), the technology of the industrial Internet of things, computer program Statistica 10.
Results. The analysis of the yield by districts of the region does not allow to establish the regularity of the influence of weather conditions on it. So, for example, in Ryazan and Starozhilovsky districts, which are part of agro-climatic region II, the yield was 44 dt/ha, and it was 20 dt/ha in Klepkovsky district; 40 dt/ha in Ryazhsky and Saraevsky districts, which belong to agro-climatic region III, and in the neighboring Ukholovsky district it was 26.5 dt/ha, etc. The above analysis showed significant discrepancies in such an important indicator for agricultural production as yield - from 44 dt/ha in Ryazan district to 17 dt/ha in Shilovsky district. Agricultural production, as is known from the early works of the classics of agricultural science and modern researchers, is an industry dependent on weather and natural phenomena. However, in modern society, in the presence of digitalization, it is possible to reconsider the effect of limiting factors. The proposed crop cultivation technologies remain ineffective due to general factors without considering the specific characteristics of farms, which leads not only to crop losses, but also to overspending of resources. Response surfaces were compiled and studied, which contributed to the selection of an adequate model of the process (yield) depending on the fertilizer system and HTI with the introduction of variables (yield data depending on cultivation technologies, etc.). Conclusion. Statistical analysis of weather data and the results of previous studies of the growth and development of barley using an integrated data management system using AMPRA model made it possible to
largely eliminate the influence of natural and climatic factors and highlight the impact of innovative methods in the technology of spring barley cultivation. With the introduction of digitalization, it is possible to establish with great accuracy the role of specific natural and anthropogenic factors in the production of crops.
Key words: dynamics of sown areas, yield, statistics, barley, forecast
For citation: Zakharova O.A., Cherkasov O.V., Evsenkin K.N., Musaev F.A., Fatyanov S.O. Statistical studies of barley production in Ryazan region and the forecast of crop yield. Herald of Ryazan State Agrotechnological University Named after P.A. Kostychev. 2022. Vol. 14, No. 1. P19-26. https://doi.org/ https://doi.org/10.36508/RSATU.2022.85.85.002
Введение
Ячмень яровой является распространенной зернофуражной культурой. Посевы ячменя в мире составляют 60 млн га и занимают четвертое место после риса, пшеницы, кукурузы. Производство ячменя насчитывает более 132 млн тонн в год. В то
же время, анализ динамики производства данной культуры показал снижение показателя [1, 3, 8].
На рисунке 1 показана десятка стран-лидеров по производству ячменя. Средняя урожайность ячменя ярового в России составила 22 ц/га убранной площади.
■ Евросоюз В Россия
В Канада
■ Австралия В Украина
J Турция В Аргентина -I Казахстан В Иран В Эфиопия
Рис. 1 - Топ-10 стран-производителей ячменя (Top 10 barley producing countries)
Основная часть мировых посевных площадей, как видно из рисунка 1, сосредоточена в странах Евросоюза, в них же установлена и самая высокая урожайность до 48 ц/га.
На территории России площадь посевов ячменя составляет до 8,7 млн га. Лидерами являются Липецкая область с площадью посевов ячменя 215 571 га, Башкортостан - 143 515 га, Омская область - 134 228 га.
Лидируютповаловымсборамячменя,во-первых, Краснодарский край, где показатель превышает 6 % от общероссийского производства; во-вторых, Воронежская область - 5,7 % от общих сборов по РФ; в-третьих, Тамбовская область (5,4 %).
Максимальные валовые сборы ячменя установлены и в Курской области (816,7 тыс. тонн), Ростовской области (784,7 тыс. тонн), Липецкой области (704,3 тыс. тонн), Омской области (672,9 тыс. тонн), Ставропольском крае (628,0 тыс. тонн), Алтайском крае (610,9 тыс. тонн) и Белгородской области (553,1 тыс. тонн). К примеру, в перечисленных десяти регионах собирается 48,2 %.
Однако в России выявлен и фактор снижения площадей возделывания ячменя вследствие его невостребованности в кормопроизводстве в полном объеме.
В стране возделывается свыше 200 сортов ячменя [7, 11]. Они отличаются по срокам посева, урожайности и устойчивости к климатическим ус-
ловиям и заболеваниям, требовательности к условиям возделывания. Росту урожайности культуры способствуют невосприимчивые к болезням и вредителям сорта ячменя и инновационные технологии их возделывания [4].
Анализ динамики площадей посевов ячменя ярового и урожайности культуры с последующей статистической обработкой результатов позволит выработать рекомендации для сельскохозяйственного производства.
Объекты и методы исследований
Объект исследований - ячмень яровой (Hordeum vulgare).
Авторами использованы при проработке проблемы устанавливающие стандарты, теоретические публикации, производственные отчеты, результаты научно-исследовательских деятельности сотрудников Рязанского ГАТУ. В работе применялись методы сравнения, анализа и обобщения данных с позиции системного подхода в динамике за многолетний период (2000-2020 гг.).
Использованы элементы цифровых приемов в виде IT-технологий: промышленный интернет вещей, высокоточная навигация, виртуальная реальность, аналитика больших данных и прогнозирование [7, 11].
Результаты подвержены статистической обработке с использованием компьютерной программы Statistica 10 [1, 2]. Алгоритм управления, то
есть серия команд управления объектом, способствующих достижению цели: сбор данных, анализ, обобщение и разработка шкал оценки; выбор вариантов управления процессами; проверка варианта и выбор оптимального результата; внедрение мероприятия с учетом конкретных ситуаций; установление прогноза будущего состояния среды; оценка результативности принятого решения.
Цель работы - проведение статистической обработки данных производства ячменя в регионе.
Научная новизна состояла в использовании цифровых технологий при анализе данных динамики посевных площадей и урожайности ячменя ярового.
В работе использовалась имитационная модель фитоценоза "АМПРА", разработанная во ВНИИГиМ профессором Ю.П. Добрачевым [7, 9, 12]. Авторами использованы самостоятельно собранные погодные данные, регистрируемые автоматической метеостанцией на территории лизиметрической станции ВНИИГиМ.
Тепловлагообеспеченность за многолетний период изучена профессором РГАТУ Р.Н. Ушаковым. В среднем температура воздуха и количество выпавших осадков соответствовали среднемного-летним показателям с чередованием засушливых и влажных, теплых и холодных периодов, что является климатической особенностью региона [8, 9]. Гидротермический коэффициент по Селянино-ву составлял от 0,9 до 1,2 с тенденцией в сторону засушливости.
Результаты исследований Авторами при работе над статьей: • собраны, обобщены и анализированы данные о динамике площадей посевов, урожая
ячменя за многолетний период, погодных условиях, об эффекте от каждого нового приема в технологии возделывания культуры;
• получены непрерывные доступы к информации о погоде через автоматическую метеостанцию;
• интегрирована система управления данными с применением модели "АМПРА";
• внедрена система бизнес-обозревателя для обработки результатов и разработки алгоритмов для подготовки инструкции;
• использована компьютерная программа Statistica 10 для обработки данных, управления и прогноза процессов.
Площадь сельхозугодий Рязанской области занимает 417 678 га, площадь пашни составляет 96 540 га. Лидерами по площадям, отведенным под ячмень, в регионе до 2018 г. являлись предприятия Рязанского района - 7 898 га, Старожи-ловского - 4 921 га, Кораблинского - 4 487 га, Михайловского - 3 764 га, Рыбновского - 3 400 га и др.
Анализ динамики производства ячменя ярового за многолетний период (с 2001 по 2020 гг.) в Рязанской области выявил сдвиг в сторону сокращения почти на 67 тыс. тонн, посевная площадь уменьшилась до 20 тыс. га, при валовом сборе не ниже 1609 тыс. тонн. Средняя урожайность культуры по области составила чуть выше 30 ц/га. Продуктивность ячменя сильно варьировала по годам, что, на наш взгляд, объяснялось погодными условиями в период формирования зерна.
Составленный рейтинг районов Рязанской области по производству и урожайности ячменя позволил выявить пятерку лидеров, представленных на рисунке 2.
250000 200000 150000 100000 50000
200508
О*
«Г
</ у
s /
о*
/
площадь посевов, га U валовый сбор, т
0
Рис. 2 - Пятерка лидеров районов Рязанской области по производству ячменя ярового (Top 5 districts of Ryazan region in the production of spring barley)
Урожайность ячменя ярового, как было отмечено выше, в среднем по региону 31,7 ц/га, однако урожайность у лидеров невысокая: в Скопинском - 29,1, Старожиловском - 28 и Шацком - 28,9 ц/га. Анализ урожайности по районам области не по-
зволяет установить закономерность от погодных условий. Так, к примеру, в Рязанском и Старожиловском районах, входящих во II агроклиматический район, по 44 ц/га, а в Клепковском районе -20 ц/га; в Ряжском и Сараевском районах, которые
относятся к III агроклиматическому району - по 40 ц/га, а в соседнем Ухоловском районе -26,5 ц/га и т.д. Приведенный анализ показал значительные расхождения в таком важном для сельскохозяйственного производства показателе как урожайность - от 44 в Рязанском районе до 17 ц/га в Шиловском районе [5, 6, 7, 12].
Данные по рентабельности производства зерновых в общем по региону свидетельствуют о значительном падении показателя, к примеру, с 52 % в 2015 г. до 11 % в 2017 г. Такие экономические показатели, как затраты на 1 га посевной площади, себестоимость 1 т реализованной продукции составили соответственно 19415 и 6601 руб. Прибыль составила на 2019 г. 2312566 тыс. руб., на 1 га - 5052 руб. Закупочная цена на зерно ячменя в Рязанской области была 13 000, а в Центральном Федеральном округе ниже 12 000 руб.
Прогноз изменения площади посевов сводится к росту показателя в Михайловском, Пронском, Сасовском, Старожиловском, Сараевском районах и др.
Изучение данных по использованию минеральных и органических удобрений показало их положительную динамику в использовании: соответственно с 36 до 56 тыс. тонн д.в. и с 52 до 74 на 1 га посевов, с 355 до 707 тыс.тонн в физ.весе и 0,5 до 0,9 на 1 га посевов.
Сельскохозяйственное производство сильно зависит от погоды и природных явлений [7, 10, 12], но
при выявлении разницы производства в промышленности, в сельском хозяйстве осуществлять бизнес-обозревание сложнее. Предлагаемые технологии возделывания сельскохозяйственных культур остаются недейственными вследствие общих факторов без учета конкретных особенностей хозяйств, что ведет не только к недополучению урожая, но и перерасходу ресурсов.
Обзор информации о погоде за последние 20 лет (с учетом аномальных лет, как в 2010 г.) выявил тенденцию к засушливым периодам, когда растения испытывают недостаток влаги в почве, а при наличии суховеев и в атмосферном воздухе. Ливневые осадки, характерные для Рязанской области, непродуктивны и не оказывают сильного влияния на водный режим местности. Построенные поверхности отклика между урожайностью ячменя ярового, дозами внесения минеральных удобрений и ГТК за многолетний период на территории Рязанской области позволяют визуально представить динамику процессов (рис. 3).
h=text(0,-.7,.5,'Test','FontSize',20,'Units','data','visi Ые','оА'); set(h,'Units','normalized'); P=get(h,'Position'); х=Р(1); у=Р(2); delete(h);
text(x,y,'Test','Color','r','FontSize',20,'Units','normal ized').
Рис. 3 - Поверхности отклика (нормализованное положение) между урожайностью ячменя ярового, дозами внесения минеральных удобрений и гТк за многолетний период на территории Рязанской области (Yield surfaces (normalized position) between the yield of spring barley, doses of mineral fertilizers and HTI
over a long period on the territory of Ryazan region)
Исследование представленных поверхностей отклика на рисунке 3 позволило подобрать оптимальным образом адекватную модель процесса (урожайности) и установить влияние отклика
у = (х1,х2,..., хп), (1)
где х1..., хп - переменные, в том числе независимые.
График выглядит следующим образом:
У— — ь ~2
ж
(2)
где s - система удобрений, х - ГТК, Ь - переменные факторы. Статистический анализ погодных данных и результаты ранее проведенных исследований роста и развития ячменя с использованием интегрированной системы управления данными с применением модели "АМПРА" [7] позволил в значительной степени исключить влияние природно-климатических факторов и выдвинуть на первый план влияние инновационных приемов в технологии возделывания ячменя ярового. Так, расчеты по
формуле (2) дают прогноз роста урожайности ячменя ярового при внедрении инновационных научно обоснованных приемов возделывания культуры в любом районе Рязанской области от 31 до 48 ц/га. В системе заметно отклонение от линейности, поэтому нами использованы полиномы более высокого порядка. Для оценивания коэффициентов аппроксимирующих полиномов применялся множительный коэффициент с последующей оценкой поверхности отклика. Поверхность являлась адекватным приближением, а анализ подобранной поверхности эквивалентен аппроксимации системы: так, точкой максимального отклика - «подъем на холм» и минимального - «спуск в овраг».
Внедрена система бизнес-обозревателя для обработки полученных данных и разработки алгоритмов с целью разработки рекомендаций с включением результатов расчетов рентабельности производства зерна ячменя. Коридор рентабельности при потенциально максимальной и минимальной урожайности и среднегодовых ценах 2019-2020 гг. демонстрирует рост, при котором наименьшие показатели равны 36 %, наибольшие - 145 %.
Получаемые данные при использовании IT-технологий позволяют отследить действие множества факторов на урожайность культуры и сделать прогноз, который будет более объективным при участии в программе нескольких партнеров, связанных через облако. У производителя появляется возможность контролировать природные факторы, проектировать точные бизнес-процессы, и, кроме того, прогнозировать результат с математической точностью.
Выводы
Под ячменем в Рязанской области занято до 50 % пашни. Лидерами в регионе до 2018 г. являлись предприятия Рязанского района - 7 898 га, Старожиловского - 4 921, Кораблинского района - 4 487, Михайловского - 3 764, Рыбновского -3 400 га и др. Средняя урожайность культуры по области составила чуть выше 30 ц/га с сильным колебанием показателя по районам, в том числе продуктивность ячменя сильно варьировала по годам.
Однако урожайность у лидеров по площадям посевов культуры невысокая: в Скопинском - 29,1, Старожиловском - 28,0 и Шацком - 28,9 ц/га. Анализ урожайности по районам области не позволяет установить закономерность от погодных условий. Так, к примеру, в Рязанском и Старожиловском районах, входящих во II агроклиматический район, по 44 ц/га, а в Клепковском районе - 20 ц/га; в Ряж-ском и Сараевском районах, которые относятся к III агроклиматическому району - по 40 ц/га, а в соседнем Ухоловском районе - 26,5 ц/га и т.д. Приведенный анализ показал значительные расхождения в таком важном для сельскохозяйственного производства показателе как урожайность - от 44 в Рязанском районе до 17 ц/га в Шиловском районе.
Сельскохозяйственное производство сильно зависит от погодных условий [7, 15], в то же время, в отличие от промышленного производства, структурировать все бизнес-процессы заранее трудно. Предлагаемые технологии возделывания сельско-
хозяйственных культур остаются недейственными вследствие общих факторов без учета конкретных особенностей хозяйств, что ведет не только к недополучению урожая, но и перерасходу ресурсов.
Составлены и исследованы поверхности отклика, что способствовало подбору адекватной модели процесса (урожайности) от системы удобрений и ГТК с внедрением переменных величин (данных по урожайности в зависимости от технологий возделывания и др.).
Статистический анализ погодных данных и результаты ранее проведенных исследований роста и развития ячменя с использованием интегрированной системы управления данными с применением модели "АМПРА" позволил в значительной степени исключить влияние природно-климатических факторов и выдвинуть на первый план влияние инновационных приемов в технологии возделывания ячменя ярового. При внедрении цифровизации производитель может в определенной степени управлять природными факторами и прогнозировать результат с оптимальной математической точностью и достоверностью заключений.
Список источников
1. Белоусова, О.Ю., ГЧП в IT: новые возможности. Фонд развития интернет-инициатив / О.Ю. Белоусова, С.В. Мокин, У.С. Огородова, А.В.. Оре-хович - ФРИИ и UNITY, 2018. - 41 с. URL:https:// cyberleninka.ru/artide/n/issledovanie-vozmozhnosti-sozdaniya-obektov-tsifrovoy-meNoratsii-v-rossiyskoy-federatsii
2. Боровиков, В. П. Statistica: искусство анализа данных на компьютере / В. П. Боровиков. -СПб.:Питер, 2001. - 656 с. URL:https://search.rsl.ru/ ru/record/01001860859
3. Гордеев А.А. Ведомственный проект «Цифровое сельское хозяйство»: официальное издание / А.В. Гордеев и др. . - М.: ФГБНУ «Росин-формагротех», 2019. - 48 с. URL: https://mcx.gov. ru/upload/iblock/900/900863fae06c026826a9ee43e1 24d058.pdf
4. Ерешко, А.С. Статистические исследования производства ячменя в Ростовской области / А.С. Ерешко, В.Б. Хронюк, Н.В. Репко // Вестник аграрной науки Дона, 2012. - №1(17). - С. 16-24. URL: https://cyberleninka.ru/article/n/statisticheskie-issledovaniya-proizvodstva-yachmenya-v-rostovskoy-oblasti
5. Коняев, Е. Р. Оценка эффективности применения биомодифицированных минеральных удобрений под ячмень / Е.Р. Романов, Я. В. Костин, О. А. Захарова, Н. М. Троц // Вестник, 2021. - №3. - С. 19-26. URL: https://www.elibrary.ru/item. asp?id=47161906
6. Кривцов, В.А. Природа Рязанской области / В.А. Кривцов, Е.И. Алёшина, С.И. Ананьева, [и др.]. - Рязань: РГУ, 2001.- 215 с. URL:https://www. rsu.edu.ru/wp-content/uploads/2020/01/Priroda_ Ryazanskoy_oblasti.pdf
7. Захарова, О.А. Цифровизация управления ростовыми процессами ячменя / О. А. Захарова, Е. И. Машкова, К. Н. Евсенкин, Д. Е. Кучер, Ф.
А. Мусаев // Вестник РГАТу, 2021. - №2. - С. 21-27. URL:https://www.elibrary.ru/item.asp?id=46531979
8. Малышева, Е. В. Программирование и урожайность - залог адаптивной интенсификации земледелия / Е.В. Малышева, И. Я. Пиго-рев, Н. В. Долгополова // Вестник РГАТУ, 2021. - №4. - С. 97-103. URL: https://elibrary.ru/contents. asp?titleid=31938
9. Мусаев, Ф.А. Современный и ретроспективный анализ состояния ландшафтов Рязанской области / Ф.А. Мусаев, О.А. Захарова. - Рязань: РГАТУ, 2014. - 257 с. URL: https://www.elibrary.ru/ item.asp?id=22024643
10. Полуэктов Р.А. Имитационные модели продуктивности агроэкосистем / В кн.: Теоретиче-
ские основы и количественные методы программирования урожаев. - М.: Агропромиздат. 2015 — 235 с. URL: http://www.agrobiology.ru/artides/3-2017badenko-rus.pdf
11. Репко Н.В. Статистические исследования мирового производства зерна ячменя / Н.В. Репко, К.В. Подоляк, Е.В. Смирнова, Ю.В. Острожная // Научный журнал КубГАУ, 2020. - С. 11-18. URL: https://cyberleninka.ru/article/n/statisticheskie-issledovaniya-mirovogo-proizvodstva-zerna-yachmenya
12. Усманов, И.Ю. Экологическая физиология растений / И.Ю. Усманов, З.Ф. Рахманкулова, А.Ю. Кулагин. - М.: Логос, 2001. - 224 с. URL: https://www. elibrary.ru/item.asp?id=25608809
Вклад авторов:
Захарова О.А. - общее руководство; статистическая обработка;
Черкасов О.В. - теоретическая проработка;
Евсенкин К.Н. - проведение экспериментов, анализ данных;
Мусаев Ф.А. - теоретическая проработка;
Фатьянов С.О. - методика;
Авторы заявляют об отсутствии конфликта интересов
References
1. Belousova, O.YU., GCHP v IT: novye vozmozhnosti. Fondrazvitiya internet-iniciativ/O.YU. Belousova, S.V Mokin, U.S. Ogorodova, A.V.. Orekhovich - FRII i UNITY, 2018. - 41 s. URL:https:// cyberleninka.ru/article/n/issledovanie-vozmozhnosti-sozdaniya-obektov-tsifrovoy-melioratsii-v-rossiyskoy-federatsii
2. Borovikov, V. P. Statistica: iskusstvo analiza dannyh na komp'yutere / V. P. Borovikov. - SPb.:Piter, 2001. - 656 s. URL:https://search.rsl.ru/ru/record/01001860859
3. GordeevA.A. Vedomstvennyjproekt «Cifrovoe sel'skoe hozyajstvo»: oficial'noe izdanie/A.V. Gordeev i dr. . - M.: FGBNU «Rosinformagrotekh», 2019. - 48 s. URL: https://mcx.gov.ru/uploadiiblock/900/ 900863fae06c026826a9ee43e124d058.pdf
4. Ereshko, A.S. Statisticheskie issledovaniya proizvodstva yachmenya v Rostovskoj oblasti/ A.S. Ereshko, V.B. Hronyuk, N.V. Repko //Vestnik agrarnoj nauki Dona, 2012. - №1(17). - S. 16-24. URL: https:// cyberleninka.ru/article/n/statisticheskie-issledovaniya-proizvodstva-yachmenya-v-rostovskoy-oblasti
5. Konyaev, E. R. Ocenka effektivnosti primeneniya biomodificirovannyh mineral'nyh udobrenij pod yachmen'/E.R. Romanov, YA. V. Kostin, O. A. Zaharova, N. M. Troc//Vestnik, 2021. - №3. - S. 19-26. URL: https://www.elibrary. ru/item.asp?id=47161906
6. Krivcov, V.A. Priroda Ryazanskoj oblasti/ V.A. Krivcov, E.I. Alyoshina, S.I. Anan'eva, [i dr.]. - Ryazan': RGU, 2001.- 215 s. URL:https://www.rsu.edu.ru/wp-content/uploads/2020/01/Priroda_Ryazanskoy_oblasti. pdf
7. Zaharova, O.A. Cifrovizaciya upravleniya rostovymi processami yachmenya / O. A. Zaharova, E. I. Mashkova, K. N. Evsenkin, D. E. Kucher, F. A. Musaev// Vestnik RGATu, 2021. - №2. - S. 21-27. URL:https:// www.elibrary.ru/item.asp?id=46531979
8. Malysheva, E. V. Programmirovanie i urozhajnost' - zalog adaptivnoj intensifikacii zemledeliya / E.V. Malysheva, I. YA. Pigorev, N. V. Dolgopolova // Vestnik RGATU, 2021. - №4. - S. 97-103. URL: https://elibrary. ru/contents.asp?titleid=31938
9. Musaev, F.A. Sovremennyj i retrospektivnyj analiz sostoyaniya landshaftov Ryazanskoj oblasti / F.A. Musaev, O.A. Zaharova. - Ryazan': RGATU, 2014. - 257s. URL: https://www.elibrary.ru/item.asp?id=22024643
10. Poluektov R.A. Imitacionnye modeli produktivnosti agroekosistem / V kn.: Teoreticheskie osnovy i kolichestvennye metody programmirovaniya urozhaev. - M.: Agropromizdat. 2015 — 235 s. URL: http://www. agrobiology.ru/articles/3-2017badenko-rus.pdf
11. Repko N.V. Statisticheskie issledovaniya mirovogo proizvodstva zerna yachmenya / N.V. Repko, K.V. Podolyak, E.V. Smirnova, YU.V. Ostrozhnaya //Nauchnyj zhurnal KubGAU, 2020. - S. 11-18. URL: https:// cyberleninka.ru/article/n/statisticheskie-issledovaniya-mirovogo-proizvodstva-zerna-yachmenya
12. Usmanov, I.YU. Ekologicheskaya fiziologiya rastenij / I.YU. Usmanov, Z.F. Rahmankulova, A.YU. Kulagin. - M.: Logos, 2001. - 224 s. URL: https://www.elibrary.ru/item.asp?id=25608809
Contribution of the authors:
Zakharova O.A. - general guidance; statistical processing;
Cherkasov O.V. - theoretical study;
Evsenkin K.N. - conducting experiments, data analysis;
Musaev F.A. - theoretical study;
Fatyanov S.O. - methodology.
The authors declare that there is no conflict of interest
Информация об авторах Захарова Ольга Алексеевна - д-р с.-х. наук, профессор кафедры агрономии и агротехнологий Черкасов Олег Викторович - канд. с.-х. наук, доцент кафедры общественного питания Евсенкин Константин Николаевич, канд. техн. наук, вед. научный сотрудник ВНИИГиМ Мусаев Фаррух Атауллахович - д-р с.-х. наук, профессор кафедры технологии производства и переработки сельскохозяйственной продукции,
Фатьянов Сергей Олегович - канд. техн. наук, доцент кафедры электротехники и физики
Author Information
Zakharova, О.А. Doctor of Agricultural Science, Professor of the Faculty of Agronomy and Agrotechnologies, FSBEI HE "Ryazan State Agrotechnological University Named after P.A. Kostychev".
Evsenkin K.N. PhD of Engineering Sciences, Leading Researcher of Research Institute of Hydrotechnics and Melioration named after A. N. Kostyakov
Musaev, F.A., Doctor of Agricultural Science, Professor, Ryazan State Agrotechnological University Named after P.A. Kostychev
Fayianov S.O., Candidate of Technical Sciences, Associate Professor
Статья поступила в редакцию 11.01.2022; одобрена после рецензирования 27.02.2022.; принята к публикации 11.03.2022.
The article was submitted 11.01.2022; approved after reviewing 27.02.2022; accepted for publication 11.03.2022.
