CC BY
107
DOI: 10.24411/0235-2451-2019-10614 УДК633.1:631.526:004.42
Выбор адаптивных агротехнологий в цифровом земледелии*
А. В. ГОСТЕВ, А. И. ПЫХТИН
Всероссийский научно-исследовательский институт земледелия и защиты почв отэрозии - структурное подразделение Курского федерального аграрного научного центра, ул. Карла Маркса, 70б, Курск, 305021, Российская Федерация
Резюме. Цифровизация - один из основных глобальных технологических трендов современности, влияние которого стремительно распространяется и на отечественный агропромышленный комплекс. Исследования проводили с целью разработки научно-обоснованной системы поддержки рационального выбора высокорентабельных адаптивных технологий возделывания ведущих зерновых культур для различных условий Европейской части Российской Федерации. Это завершающий этап совершенствования зональных технологий возделывания растениеводческой продукции, который подразумевает обобщение рекомендаций по рациональному применению технологических приемов, научных основ формирования ресурсосберегающих технологий, а также создание экспертных систем, осуществляющих научно обоснованный подбор оптимальных для заданных почвенно-климатических условий агротехнологий. Разработку системы поддержки проводили для 8 культур (пшеница, ячмень, овес, кукуруза на зерно, рожь, гречиха, горох, просо), наиболее распространенных в Европейской части России по результатам переписи 2016 г. Анализ и обобщение данных многолетних и краткосрочных полевых опытов по разработке и оптимизации технологий, либо отдельных приемов возделывания зерновых культур осуществляли для 8 регионов (Северный, Северо-Западный, Центральный, Волго-Вятский, Центрально-Черноземный, Северо-Кавказский, Средневолжский и Нижневолжский). В структуру проблемно-ориентированной базы данных системы поддержки рационального выбора высокорентабельных адаптивных технологий возделывания зерновых культур вошли блоки исходной (вводимой) информации, нормативной информации и расчетных алгоритмов. Блок нормативной информации включает 6 основных критериев, определяющих эффективность и ресурсосберегающую направленность применяемых агротехнологий: затраты живого труда (чел.-ч), затраты ГСМ (кг), потребность в удобрениях (кг д.в.) и пестицидах (л или кг), производительность техники (га/ч или т/ч), а также потребность в электроэнергии (кВт ч). При заполнении блока нормативной информации и определении значений критериев можно использовать региональные регистры технологий возделывания сельскохозяйственных культур. Блок расчетных алгоритмов позволяет осуществлять рациональный выбор адаптивной технологии возделывания культуры (для конкретных условий), а также определять ориентировочную экономическую и энергетическую эффективность агротехнологий.
Ключевые слова: цифровое земледелие, агротехнологический прием, агротехнология, рациональный выбор, программное обеспечение, зерновые культуры, Web-приложение, android.
Сведения об авторах: А. В. Гостев, кандидат сельскохозяйственных наук, ведущий научный сотрудник (e-mail: gostev@kurskfarc. ru); А. И. Пыхтин, кандидат технических наук, инженер-программист.
Для цитирования: Гостев А. В., Пыхтин А. И. Выбор адаптивных агротехнологий в цифровом земледелии // Достижения науки и техники АПК. 2019. Т. 33. № 6. С. 57-61. DOI: 10.24411/0235-2451-2019-10614.
*Работа выполнена в рамках гранта Президента Российской Федерации для государственной поддержки молодых российских ученых - кандидатов наук № МК-1064.2018.11
Choice of Adaptive Agrotechnologies in Digital Agriculture
A.V. Gostev, A.I. Pykhtin
Kursk Federal agricultural research center - All-Russian Research Institute of Farming and Soil Protection from Erosion, ul. Karla Marksa, 70b, Kursk, 305021, Russian Federation
Abstract. Digitization is one of the main global technological trends of the present, the influence of which is rapidly spreading to the agro-industrial complex. The studies were conducted to develop science based system for the support of judicious choice of highly adaptive technologies for the cultivation of major crops for different conditions of the European part of the Russian Federation. It was a closing stage in the technological development of crop products cultivation, which involved summarizing of recommendations for the rational use of processing methods and the scientific foundations of the formation of resource-saving technologies, as well as the creation of expert systems that select the agrotechnologies optimal for given soil-climatic conditions. The support system was applied to 8 crops (wheat, barley, oats, maize, rye, buckwheat, pea, millet) the most common in European Russia according to the census of 2016. The analysis and summarizing of long-term and short-term field experiments on the development and optimization of technologies or certain methods of cereal crops cultivation were carried out for 8 regions (North, Northwest, Central, Volga-Vyatka, Central Chernozem, North Caucasian, Middle and Lower Volga regions). The structure of the problem-oriented support system data base for judicious choice of highly adaptive crop cultivation technologies included source (input) information blocks, regulatory information and calculation algorithms. The regulatory information block included 6 main criteria determining the efficiency and resource-saving capability of agricultural technologies: living labour costs (mhrs), fuel and oil costs (kg), need for fertilizers (kg of primary nutrients) and pesticides (L or kg), facilities performance (ha/h or t/h), and electric power demand (kWh). The regional registers of crop cultivation technologies can be used when filling regulatory information unit and determining criteria values. Computational algorithms unit enabled judicious choice of the adaptive technology for the crop cultivation (for specific conditions), and determining reference economic and energy efficiency of agrotechnologies.
Keywords: digital farming; agrotechnological method; agrotechnology; judicious choice; software; grain crops; Web application; android. Author Details: A. V. Gostev,Cand.Sc.(Agr.) (e-mail: gostev@kurskfarc.ru); A. I. Pykhtin, Cand.Sc. (Tech.), programmer engineer. For citation: Gostev A. V., Pykhtin A. I. Choice of Adaptive Agrotechnologies in Digital Agriculture. Dostizheniya naukii tekhnikiAPK. 2019. Vol. 33. No. 6. Pp. 57-61 (in Russ.). DOI: 10.24411/0235-2451-2019-10614.
Переход отечественной экономики к уровню шестого технологического уклада мирового научно-технического прогресса связан, в том числе с развитием цифровых информационных технологий в сельском хозяйстве. В соответствии с программой «Цифровая экономика Российской Федерации», утвержденной Правительством РФ (распоряжение №1632-р от 28 июля 2017 г.), предполагается развитие цифровых
технологий в различных секторах экономики страны. Для реализации задач этой Программы в Министерстве сельского хозяйства Российской Федерации разработан проект «Цифровое сельское хозяйство», цель которого - цифровая трансформация отрасли посредством внедрения цифровых технологий и платформенных решений для обеспечения технологического прорыва в АПК и достижения роста производительности труда
на «цифровых» сельскохозяйственных предприятиях в 2 раза к 2021 г. Кроме того, 28 февраля 2019 г. Советом по приоритетному направлению научно-технического развития Российской Федерации была одобрена научная часть комплексного научно-технического проекта (КНТП) «Цифровые и интеллектуальные системы землепользования, землеустройства и земледелия нового поколения». Таким образом, цифровизация отечественного земледелия становится одним из ключевых направлений, способствующих повышению эффективности и производительности, а также росту качества продукции.
В свою очередь, одна из основных задач адаптивно-ландшафтного земледелия - совершенствование взаимодействия природных и хозяйственных систем на основе создания высокоэффективных, экологически сбалансированных агроценозов с учетом поддержания важнейших функций почвы, максимально эффективного и рационального использования природно-климатических ресурсов и получение устойчивых урожаев сельскохозяйственных культур [1].
В последние десятилетия в Российской Федерации и за рубежом огромное внимание уделяют высокопродуктивным ресурсосберегающим технологиям возделывания сельскохозяйственных культур, которые базируются на максимальном использовании почвенно-климатического потенциала местности, научно-обоснованном использовании минимальных обработок почвы, одновременном выполнении нескольких технологических операций, внесении оптимальных доз минеральных удобрений, мелиорантов и средств защиты растений и прочих приемов. В связи с разнообразием природных и экономических условий на обширной территории Российской Федерации набор возможных вариантов ресурсосбережения в технологиях возделывания даже одной сельскохозяйственной культуры весьма значителен, как и велика возможность некорректного выбора используемого варианта агротехнологии, обусловленного шаблонным применением агроприемов без учета специфики каждого поля. Формирование адаптивного варианта агротехнологии на основе комплексного анализа специфики каждого участка - достаточно сложная комплексная задача, требующая наличия обширного практического опыта и многоуровневой оценки соответствия для достижения адекватного конечного результата, поскольку необходимо учитывать влияние множества таких условий, как: уровень плодородия почвы,степень засоренности поля,наличие трудовых ресурсов, горюче-смазочных материалов, удобрений, химических средств защиты растений, регуляторов роста, сельскохозяйственной техники и др. С другой стороны, для разработки высокопродуктивных ресурсосберегающих агротехнологий необходимо знать уровень планируемой урожайности, а также качество выращиваемой продукции. Помимо этого, расчет на достижение максимальной продуктивности той или иной культуры не всегда оправдывается из-за недостатка какого-либо определяющего фактора, а, например, излишнее внесение только пестицидов несет опасность в виде загрязнения почвы, грунтовых вод, и, следовательно, окружающей среды в целом.
В результате ведения многолетних агротехнологи-ческих опытов по возделыванию сельскохозяйственных культур в различных регионах страны накоплен огромный объем информации, выявлено множество основополагающих закономерностей, способствующих
как сохранению почвенных ресурсов, так и количественному, а также качественному повышению урожайности сельскохозяйственных культур. Поэтому вектор научных исследований и разработок следует постепенно перемещать в область обобщения и анализа информации, подготовку научных рекомендаций, методических разработок, а также Регистров агротехнологий. Однако до сих пор отсутствует удобный, быстрый и адекватный способ передачи подобных разработок до конечных пользователей - сельхозтоваропроизводителей. В сложившихся условиях процесс производства сельскохозяйственной продукции неотделим от получения новых земледельческих знаний и навыков, поэтому они должны рассматриваться как единая система, позволяющая в максимально короткие сроки внедрить значимые результаты исследований в практику. Кроме того, в земледелии до недавнего времени практически не использовали потенциал цифровизации и автоматизации производственных процессов. В этой связи для повышения конкурентоспособности аграрного комплекса и достижения устойчивых урожаев в ближайшие годы необходим переход от применения экспертно-описательных (качественных) систем к количественно наполненным, предполагающим использование системных взаимосвязей и научно обоснованной нормативной базы ресурсосберегающих агротехнологий и основных элементов адаптивно-ландшафтных систем земледелия, а также специализированного программного обеспечения для автоматизации подбора как отдельных агроприемов, так и агротехнологий в целом, основанных на передовых и прорывных результатах отечественной аграрной науки.
В последние годы в земледелии наблюдается активный рост разработок, использующих новейшие достижения в области информатики и техники на уровне внедрения как автоматических решений (бортовые датчики, системы позиционирования, навигации и др.), так и автоматизированных систем поддержки принятия решений [2, 3, 4]. Программное наполнение, создание и совершенствование специализированных баз знаний, генерация, оптимизация и реализация агротехнических решений с учетом вариабельности природно-климатических условий полей представляют обширный потенциал для дальнейшего развития. Следовательно, важную роль в процессе познания основ эффективного землепользования будут играть исследования по совершенствованию информационного обеспечения методов принятия решений (моделей, алгоритмов, баз данных и экспертных систем) [5]. В этом направлении проводят исследования как российские [6, 7, 8], так и зарубежные [9, 10, 11] ученые. Причем, с каждым годом число подобных работ растет, а значит, повышается конкуренция, которая в итоге должна привести к улучшению их качества. С другой стороны, силами отечественных ученых-аграриев накоплен колоссальный объем научных данных, который необходимо систематизировать, обобщить и на основе глубокого анализа полученной информации сформировать основные условия адаптивности агротехнологий ресурсосберегающей направленности применительно к различным почвенно-климатическим условиям нашей страны. Следовательно, для трансфера полученных знаний и совершенствования имеющихся подходов к проектированию научно-обоснованных агротехнологий следует более активно разрабатывать и осваивать современные информационно-технологические системы в виде экспертных систем поддержки решения наиболее важных
агротехнологических вопросов. При этом сельхозтоваропроизводителям необходимо более активно использовать наиболее значимые результаты исследований, проведенных в указанном направлении, для повышения эффективности аграрного производства, так как нерациональный выбор технологий возделывания сельскохозяйственных культур ведет к чрезмерному расходу ресурсов, увеличению себестоимости продукции, снижению прибыли и рентабельности производства. В силу того, что процесс автоматизации адаптивного подбора агротехнологий довольно сложен и зависит от множества факторов и условий, целесообразно вести его поэтапно и последовательно.
В свою очередь, актуальность научных исследований по созданию систем автоматизированного рационального выбора адаптивных агротехнологий обусловлена необходимостью подготовки комплексных отечественных конкурентоспособных инструментариев и пакетных разработок, способствующих в краткосрочной перспективе снижению антропогенной деградации окружающей среды и повышению качества выращиваемой продукции путем применения научно-обоснованных подходов и нормативов к ресурсосбережению в земледелии, то есть, по существу, направленных на решение конкретных задач в рамках приоритетных научных направлений, определенных в Стратегии научно-технологического развития Российской Федерации.
Разработка научно-обоснованной системы поддержки рационального выбора высокорентабельных адаптивных технологий возделывания зерновых культур - завершающий этап совершенствования зональных технологий производства растениеводческой продукции. Он подразумевает обобщение рекомендаций по рациональному использованию технологических приемов, научных основ формирования ресурсосберегающих технологий, а также разработку экспертных систем, осуществляющих научно обоснованный подбор оптимальных для заданных почвенно-климатических условий агротехнологий.
Цель исследований - на основе обобщения, анализа и систематизации экспериментальных данных разработать научно-обоснованную систему поддержки сельхозтоваропроизводителей по рациональному выбору высокорентабельных адаптивных технологий возделывания ведущих зерновых культур для различных условий Европейской части Российской Федерации.
Условия, материалы и методы. Объект исследования - современные технологии возделывания основных зерновых культур. Разработку системы поддержки рационального выбора адаптивных технологий возделывания осуществляли для 8 наиболее распространенных в Европейской части России зерновых культур. По результатам Всероссийской сельскохозяйственной переписи, проведенной в 2016 г. [12], наибольшие посевные площади занимали такие зерновые, как пшеница (27,8 млн га), ячмень (8,4 млн га), овес (3,0 млн га), кукуруза на зерно (2,9 млн га), рожь (1,3 млн га), гречиха (1,2 млн га), горох (1,1 млн га), просо (0,4 млн га).
В свою очередь, поскольку система предназначена для Европейской части Российской Федерации, анализ и обобщение данных многолетних и краткосрочных полевых опытов по разработке и оптимизации технологий, либо отдельных приемов возделывания зерновых культур проводили для 8 регионов этой части РФ: Северного, Северо-Западного, Центрального, Волго-Вятского, Центрально-Черноземного, Северо-Кавказского, Сред-
неволжского и Нижневолжского. Естественно, внутри каждого из перечисленных регионов отмечали значительное разнообразие как почвенно-климатических, так и ландшафтных условий, что также учитывали при формировании блока исходной информации.
С целью оптимизации процесс разработки нормативно-справочной базы данных системы поддержки рационального выбора высокорентабельных адаптивных технологий возделывания зерновых культур для условий Европейской части Российской Федерации был разделен на несколько этапов, включающих разработку баз данных второго порядка:
по выбору сортов и гибридов зерновых культур; по выбору системы удобрений; по выбору системы обработки почвы; по выбору системы защиты; по выбору способов посева и уборки. Результаты и обсуждение. На сегодняшний день выбор наиболее целесообразного сорта или гибрида сельскохозяйственной культуры - довольно сложная многофакторная задача, требующая наличия и применения специфических и узконаправленных знаний, а также опыта их практического использования. Помимо этого, необходим периодический анализ справочной информации о новых сортах и гибридах, допущенных к возделыванию в планируемом регионе, и о результатах их испытаний. При простоте набора этих факторов велик риск неправильного выбора, приводящий к снижению возможной прибыли.
Анализ включенных в Государственный реестр селекционных достижений сортов и гибридов основных зерновых культур [13] за период с 2015 по 2019 гг. продемонстрировал, что за последние пять лет внесено 604 сорта и гибрида основных зерновых культур, допущенных для возделывания на территории Европейской части Российской Федерации. Причем среди них более половины (323 единицы) - гибриды кукурузы на зерно (в том числе универсального направления), 74 сорта пшеницы мягкой озимой, 53 сорта ячменя ярового, 38 сортов гороха посевного, 36 сортов ржи озимой, 29 сортов пшеницы мягкой яровой, 21 сорт овса ярового, 10 сортов пшеницы твердой озимой, 8 сортов ячменя озимого, 6 сортов проса посевного и по 3 сорта гречихи и пшеницы твердой яровой.
Поэтому в целях предоставления сельхозтоваропроизводителям корректной и актуальной информации о существующих сортах и гибридах, допущенных к возделыванию на территории Европейской части Российской Федерации, во ВНИИЗиЗПЭ в рамках реализации первого этапа заявленных исследований была разработана «Программа для научно-обоснованного выбора сортов и гибридов зерновых культур» [14] в виде программы для ЭВМ, Web-приложения и приложения для смартфонов, которое размещено в свободном пользовании на сайте выборсорта.рф и в магазине android-приложений Google play market (Зерновые культуры: подбор сортов и гибридов). Причем, если говорить о мобильном приложении, то это первая отечественная разработка государственного бюджетного научного учреждения в отрасли земледелия и растениеводства для мобильных электронных устройств с операционной системой Android (см. рисунок).
В рабочем режиме авторизованный пользователь стационарного персонального или мобильного устройства с доступом в интернет, зайдя на сайт выборсорта. рф или скачав приложение «Зерновые культуры: подбор сортов и гибридов», может выбрать из 8 наименований
Рисунок. Программное обеспечение (в виде комплекса программ для стационарных компьютеров и мобильных электронных устройств с операционной системой Android, специализированного сайта выборсорта.рф) по научно-обоснованному выбору сортов и гибридов зерновых культур для условий Европейской части Российской Федерации.
(горох, гречиха, кукуруза на зерно, овес яровой, просо, пшеница, рожь озимая, ячмень) интересующую культуру, задать необходимые ему значения показателей сорта или гибрида и получить список рекомендуемых для выбранного региона Европейской части РФ сортов/гибридов (с возможностью последующего ознакомления с их описанием).
Дальнейший этап исследований заключался в разработке проблемно-ориентированной базы данных системы поддержки рационального выбора высокорентабельных адаптивных технологий возделывания зерновых культур, в структуру которой вошли следующие блоки: исходной (вводимой) информации, нормативной информации, расчетных алгоритмов.
Следует отметить, что в процессе адаптации агро-технологий к сложившимся природно-климатическим особенностям ландшафта требуется четко дифференцировать каждый агротехнологическим прием по целесообразности применения в текущих условиях [15]. Поэтому необходимо достоверно заполнить блок исходной информации, так как на базе этих показателей с использованием блока нормативной информации и происходит формирование основы адаптивной агротехнологии. Причем если блок агроклиматических показателей в первую очередь используется в ходе оценки соответствия сложившихся природных условий оптимуму для сельскохозяйственных культур, то, например, природно-климатическая зона, экспозиция склона и содержание гумуса - при определении уровня
базисной урожайности агротехнологии.
В свою очередь, блок нормативной информации включает в себя 6 основных параметров, определяющих эффективность и ресурсосберегающую направленность применяемых агро-технологий: затраты живого труда (чел.-ч), затраты ГСМ (кг), потребность в удобрениях (кг д.в.) и пестицидах (л или кг), производительность техники (га/ч или т/ч), потребность в электроэнергии (кВт-ч). При заполнении блока нормативной информации и определении значений перечисленных критериев можно использовать региональные регистры технологий возделывания сельскохозяйственных культур.
Традиционно любая технология возделывания сельскохозяйственной культуры включает в себя несколько групп приемов: по основной обработке почвы; по предпосевной подготовке почвы и посеву; по уходу за посевами; по защите растений от сорняков, болезней и вредителей; по уборке и первичной подработке выходной продукции. Если допустить, что каждый блок может иметь три варианта решения, то в пределах одной агротехнологии возможно 35 или 243 варианта. На самом же деле их может быть во много раз больше из-за различных вариаций вспомогательных агроприемов. Использование принципа адаптивности способствует количественному сокращению возможных вариаций, а выявление наиболее рентабельных из них позволяет сельхозтоваропроизводителям получать наибольшую прибыль в перерасчете на единицу затраченных ресурсов. Для расчета потребности в ресурсах для обеспечения предлагаемой агротехнологии, а также для выявления наиболее высокорентабельного варианта в базе данных предполагается наличие нормативной информации по каждой затратной позиции. Это подразумевает наличие обширной справочной информации - банка данных, работа по формированию которого также была проведена в рамках выполнения нашей научной работы.
Блок расчетных алгоритмов представлен алгоритмами рационального выбора адаптивной технологии возделывания культуры (для выбранных условий), а также ориентировочных расчетов экономической и энергетической эффективности агротехнологий.
Предложена математическая модель работы системы поддержки: задано множество сельскохозяйственных культур С=(с), у = 1Д, множество агротехнологий А=(ак), , множество компонентов агротехнологий
Я=(г), I = 1,Л/3, множество показателей Р = (р), / = 1,Л/4. Задается множество функций (представляемых, как пра-
вило, в табличной форме) соответствия каждого компонента агротехнологии для каждого показателя в разрезе различных сельскохозяйственных культур taja^x). Если показатель не используют для оценивания компонента агротехнологии определенной культуры, то talk(a,xi)=Ü. Также задаются бинарные функции ttja^x), значение которых равно 1, если показатель pi для компонента агротехнологии pt может принимать значение x. Дополнительно задействуется функция оценки материальных затрат на использование компонента агротехнологии для возделывания определенной культуры telk(a,xi). В противном случае te:k(a,x)=Ü. Эти функции позволяют отсеивать агротехнологии, неприменимые при противоречивых значениях показателей компонентов (например, при недостатке удобрений, специализированной сельскохозяйственной техники и др.).
Математическая модель сводится к тому, что для заданных входных данных: сельскохозяйственной культуры a и вектора значений показателей компонентов агротехнологии
X = (ХрХ2 »■■■>Х/.....*Л/4)
необходимо найти максимальное значение целевой функции
^(с,- х) = falk(Cj, х, ) j • ¡JJft^Cj, х, )
среди всех агротехнологий, то есть
Fmax = max^^x)}.
Если значение Fmax соответствует нескольким агро-технологиям с заданной погрешностью е, то есть
для двух и более значений k е K* , то можно использовать дополнительный критерий - экономическую оценку агротехнологии
£min = ™eE*(cy*)= Zfe«(cyx/).
Выводы. Внедрение адаптивных агротехнологий должно начинаться с рационального выбора сортов
и гибридов сельскохозяйственных культур. Разработанный цифровой программный комплекс «Программа для научно-обоснованного выбора сортов и гибридов зерновых культур» позволяет получить список рекомендуемых для выбранного региона Европейской части РФ сортов и гибридов ведущих зерновых культур, подобрать их сорт или гибрид на основе заданных пользователем конкретных запросов с возможностью последующего ознакомления с характеристиками и рекомендациями по особенностям возделывания.
В структуру разработанной проблемно-ориентированной базы данных системы поддержки рационального выбора высокорентабельных адаптивных технологий возделывания зерновых культур вошли блоки исходной (вводимой) информации, нормативной информации и расчетных алгоритмов. Блок нормативной информации включает 6 основных критериев, определяющих эффективность и ресурсосберегающую направленность применяемых агротехнологий: затраты живого труда (чел.-ч), затраты ГСМ (кг), потребность в удобрениях (кг д.в.) и пестицидах (л или кг), производительность техники (га/ч или т/ч), а также потребность в электроэнергии (кВт-ч). При заполнении блока нормативной информации и определении значений критериев можно использовать региональные регистры технологий возделывания сельскохозяйственных культур. Блок расчетных алгоритмов позволяет осуществлять рациональный выбор адаптивной технологии возделывания культуры (для конкретных условий), а также определять ориентировочную экономическую и энергетическую эффективность агротехнологий.
Практическое применение результатов исследования по разработке специализированного программного обеспечения по выбору адаптивных агротехнологий открывает возможности для использования разработанной нормативной базы данных, а также математической модели алгоритма рационального выбора агротехнологии для других групп сельскохозяйственных культур, либо для других почвенно-климатических условий.
Литература.
1. Черкасов Г. Н. Адаптивно-ландшафтное земледелие: теория и практика. Курск: ФГБНУ Всероссийский НИИ земледелия и защиты почв от эрозии, 2018. 331 с.
2. Альт В. В., Исакова С. П., Лапченко Е. А. Информационная система для автоматизации процесса формирования технологических карт в растениеводстве // Труды ГОСНИТИ. 2014. Т.114. № 1.С.55-58.
3. Федоренко В. Ф., Гольтяпин В. Я., Колчина Л. М. Интеллектуальные системы в сельском хозяйстве: науч. аналит. обзор. М.: ФГБНУ «Росинформагротех», 2017. 156 с.
4. Pykhtin I. G., GostevA.V., Pykhtin A. I. Software decision support in the cultivation of crops // Journal of Engineering and Applied Sciences. 2017. Т. 12. № 20. С. 5338-5342.
5. Теоретические основы эффективного применения современных ресурсосберегающих технологий возделывания зерновых культур / И. Г. Пыхтин, А. В. Гостев, Н. Б. Нитченко и др. // Земледелие. 2016. № 6. С. 16-19.
6. Якушев В.В., Якушев В. П. Перспективы «умного сельского хозяйства» в России // Вестник Российской академии наук. 2018. Т. 88, № 9. С. 773-784.
7. 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.
8. Исакова С. П., Лапченко Е. А. Web-комплекс на базе математической модели формирования оптимального машинно-тракторного парка // Сибирский вестник сельскохозяйственной науки. 2016. № 5 (252). С. 76-82.
9. An integrated modeling framework for crop and biofuel systems using the DSSAT and GREET models / R. Anderson, D. Keshwani, A. Guru etc.// Enviromental modeling and Software. 2018. Vol. 108. P. 40-50.
10. Dzotsi K. A., Basso B., Jones J. W. Development, uncertainty and sensitivity analysis of the simple SALUS crop model in DSSAT // Ecological Modelling. 2013. No. 260. Pp. 62-76.
11. Lopez-Requelme, J., Pavon-Pulido N., Navarro-Hellin H. A software architecture based on FIWARE cloud for precision agriculture //Agricultural water management. 2017. T. 183. C. 123-135.
12. Итоги Всероссийской сельскохозяйственной переписи 2016 года (В 8 т.) / Федеральная служба гос. статистики. М.: ИИЦ «Статистика России», 2018. Т. 1. 458 с.
13. Государственный реестр селекционных достижений, допущенных к использованию. Т. 1. «Сорта растений» (официальное издание). М.: ФГБНУ «Росинформагротех», 2016. 504 с.
14. Гостев А. В., Пыхтин А. И., Алимли Д. А. Программа для научно-обоснованного выбора сортов и гибридов зерновых культур // Свидетельство о гос. регистрации программы для ЭВМ № 2019614607 от 9.04.2019.
15. Якушев В. В. Интеллектуальные системы управления для ресурсосберегающих технологий точного земледелия // Экологические системы и приборы. 2010. № 7. С. 26-33.
