Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Динамико-статистическая модель продукционного процесса кукурузы с использованием спутниковой информации и метод прогноза урожайности

Диссертация: Динамико-статистическая модель продукционного процесса кукурузы с использованием спутниковой информации и метод прогноза урожайности
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Теоретическая и практическая значимость работы. Разработанная динамическая модель биопродуктивности кукурузы с использованием спутниковой информации способствует дальнейшему развитию методов математического моделирования и информационных технологий для установления количественных зависимостей формирования урожая от агрометеорологических факторов, а также их применению в области прогнозирования… Читать ещё >

Содержание

  • ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ КУКУРУЗЫ
    • 1. 1. Постановка проблемы
    • 1. 2. Обзор существующих моделей прогнозирования урожайности кукурузы
      • 1. 2. 1. Физико-статистические модели
      • 1. 2. 2. Динамические имитационные модели
      • 1. 2. 3. Модели с использованием спутниковых данных
  • Выводы к первой главе
  • ГЛАВА 2. ХАРАКТЕРИСТИКА КУЛЬТУРЫ И ТЕРРИТОРИИ ЕЕ ПРОИЗРАСТАНИЯ
    • 2. 1. Характеристика культуры
    • 2. 2. Характеристика территории произрастания
  • Выводы ко второй главе
  • ГЛАВА 3. ДИНАМИКО-СТАТИСТИЧЕСКАЯ МОДЕЛЬ ПРОДУКЦИОННОГО ПРОЦЕССА КУКУРУЗЫ С ИСПОЛЬЗОВАНИЕМ СПУТНИКОВОЙ ИНФОРМАЦИИ
    • 3. 1. Анализ базовой модели
    • 3. 2. Модернизация базовой модели
      • 3. 2. 1. Исследование взаимосвязи наземных и спутниковых данных
      • 3. 2. 2. Использование спутниковой информации для расчета интенсивности фотосинтеза
      • 3. 2. 3. Использование спутниковой информации для расчета листового индекса
      • 3. 2. 4. Учет влияния температурного режима на урожайность
      • 3. 2. 5. Учет влияния влажностного режима на урожайность
    • 3. 3. Моделирование продукционного процесса кукурузы с использованием спутниковой информации
  • Выводы к третьей главе
  • ГЛАВА 4. РАЗРАБОТКА ДИНАМИКО-СТАТИСТИЧЕСКИХ МЕТОДОВ ПРОГНОЗА УРОЖАЙНОСТИ КУКУРУЗЫ НА ЗЕРНО
    • 4. 1. Схема расчета средней областной урожайности
    • 4. 2. Входные данные
    • 4. 3. Прогнозирование тенденции временного ряда урожайности
    • 4. 4. Оценка условий формирования урожая
    • 4. 5. Результаты авторских испытаний
  • Выводы к четвертой главе

Динамико-статистическая модель продукционного процесса кукурузы с использованием спутниковой информации и метод прогноза урожайности (реферат, курсовая, диплом, контрольная)

Актуальность исследования. Кукуруза является одной из наиболее ценных и распространенных в мире злаковых культур. По площади посева и валовому производству в мире наряду с пшеницей и рисом она является основной зерновой культурой. Кукуруза отличается от других зерновых культур высокой потенциальной урожайностью и широкой универсальностью использования в пищевой промышленности, животноводстве, медицине и других отраслях экономики.

Производство кукурузы в России, как и в мире неуклонно растет. По данным РОССТАТ, за последние пять лет (2008 — 2012 гг.), по сравнению с предшествующим пятилетним периодом (2003 — 2007 гг.), среднегодовые значения валового сбора, посевной площади и урожайности зерна кукурузы увеличились соответственно на 76% (от 3,29 до 5,78 млн. тонн), 63% (от 1,03 до 1,67 млн. га) и 7,3% (от 35,4 до 37,9 ц/га). Определенную роль в этом сыграло наблюдающееся изменение климата (Б.Г. Шерстюков [147], P.M. Вильфанд, А. И. Страшная [19]).

В связи с возрастающей хозяйственной ценностью этой культуры в нашей стране необходим своевременный и качественный агрометеорологический прогноз ее урожайности, содействующий принятию плановых и стратегических решений, с целью увеличения объема полезной продукции высокого качества и разработки баланса зерна страны и отдельных территорий.

В настоящее время в оперативной практике Росгидромета для прогнозирования урожайности кукурузы используются регрессионные методы, разработанные А. И. Страшной [117−119], Л. В. Комоцкой и др. [51]. Регрессионные методы, как известно, имеют ряд недостатков, присущих всем физико-статистическим моделям.

Динамико-статистический подход и использование спутниковой информации в моделях биопродуктивности растений являются перспективным направлением в развитии новых методов прогноза урожайности кукурузы.

Предпосылки создания математической модели продукционного процесса кукурузы с использованием спутниковой информации для прогнозирования ее урожайности следующие:

— наличие исследований, свидетельствующих о целесообразности комплексного использования наземных данных и спутниковой информации для изучения и математического моделирования агроэкосистем, а также для оценки и прогноза урожайности сельскохозяйственных культур;

— внедрены и используются в оперативной практике Росгидромета методики динамико-статистических прогнозов урожайности основных зерновых культур и картофеля;

— наличие автоматизированной информационно-прогностической системы (ИПС) обеспечения сельского хозяйства, в которой прогнозы для основных культур по субъектам Российской Федерации составляются на общей информационной базе (ежегодной статистической и стандартной декадной агрометеорологической информации) по динамико-статистическим моделям формирования урожая;

— возможность включения в существующую ИПС методов прогноза урожайности с использованием спутниковой информации, что повышает качество оперативного агрометеорологического обеспечения сельского хозяйства Российской Федерации.

Необходимость разработки методик прогноза урожайности кукурузы на зерно для субъектов Южного и Северо-Кавказского федеральных округов обусловлена следующими причинами:

— Основные площади, занимаемые кукурузой, сосредоточены на территории Южного и Северо-Кавказского федеральных округов — на их долю приходится до 80 — 90% посевных площадей и валового сбора зерна данной культуры, собираемого в Российской Федерации [118]. По сравнению с 80-и годами прошлого столетия, валовой сбор зерна кукурузы в этих округах увеличился в последние годы на 14 — 15%.

— Доступность наземных измерений листового индекса и биомассы растений кукурузы в Краснодарском крае дает возможность разработать методику использования спутниковых данных для прогнозирования урожайности кукурузы.

Цель работы. Разработка метода и технологии прогнозирования урожайности кукурузы на зерно по основным кукурузосеющим субъектам Российской Федерации на основе динамико-статистической модели продукционного процесса кукурузы с использованием спутниковой информации.

Для достижения поставленной цели в диссертационной работе решаются следующие задачи:

— Анализ существующих математических моделей и выбор наиболее перспективной для разработки новой динамико-статистической модели продукционного процесса кукурузы.

— Оценка возможности использования спутниковых данных в применяемых в оперативной практике моделях прогнозирования урожайности сельскохозяйственных культур.

— Разработка динамико-статистической модели продукционного процесса кукурузы с использованием спутниковой информации.

— Разработка технологии прогноза урожайности кукурузы на зерно.

Методы выполнения работы. Работа выполнялась поэтапно в соответствии с перечисленными выше задачами. Для решения стоящих в работе задач использовались методы системного анализа, математического и имитационного моделирования, математической статистики, структурного и объектно-ориентированного программирования.

Научная новизна диссертации:

— Впервые усовершенствована модель продукционного процесса кукурузы с использованием спутниковой информации, предназначенная для оперативного агрометеорологического обеспечения сельского хозяйства Российской Федерации.

— Разработаны два динамико-статистических метода прогноза урожайности зерна кукурузы для субъектов Южного и Северо-Кавказского федеральных округов: с использованием метеорологической и агрометеорологической информациис включением спутниковых данных, наряду с метеорологической и агрометеорологической информацией.

— Разработана технология оперативного прогнозирования урожайности кукурузы на зерно по основным кукурузосеющим субъектам Российской Федерации.

Обоснованность и достоверность научных положений и выводов, содержащихся в диссертационном исследовании, обеспечена использованием современной теории, апробированных методов и средств моделирования агроэко-систем, технологий вычислительных экспериментов, соответствием фактических значений агрометеорологических показателей расчетным, подтверждением результатов прогноза фактической урожайности кукурузы на зерно на территории семи субъектов Российской Федерации в период 2007 — 2011 гг.

Теоретическая и практическая значимость работы. Разработанная динамическая модель биопродуктивности кукурузы с использованием спутниковой информации способствует дальнейшему развитию методов математического моделирования и информационных технологий для установления количественных зависимостей формирования урожая от агрометеорологических факторов, а также их применению в области прогнозирования урожайности кукурузы. Авторские испытания разработанных методов прогноза урожайности кукурузы на зерно дали положительные результаты.

В дальнейшем запланировано проведение производственных испытаний разработанных методов с целью использования их в оперативной практике агрометеорологического обеспечения сельского хозяйства Российской Федерации.

Предмет защиты и личный вклад автора. На защиту выносятся:

— Усовершенствованная динамико-статистическая модель продукционного процесса кукурузы с использованием: метеорологической и агрометеорологической информацииспутниковых данных, метеорологической и агрометеорологической информации.

— Методики прогноза урожайности кукурузы на зерно для семи субъектов Российской Федерации, основанные на динамико-статистическом методе прогнозирования с использованием: метеорологической и агрометеорологической информацииспутниковых данных, метеорологической и агрометеорологической информации.

— Технология оперативного прогнозирования урожайности кукурузы на зерно по семи субъектам Российской Федерации.

— Комплекс программных средств для проведения расчетов по оперативному прогнозированию урожайности кукурузы на зерно, который может быть включен в информационно-прогностическую систему обеспечения сельского хозяйства Российской Федерации.

Личный вклад автора заключается в анализе экспериментальных данных, разработке алгоритмов решения задач, поставленных научным руководителем, программной реализации динамико-статистических методов прогноза урожайности кукурузы, интерпретации результатов исследования и подготовке публикаций по теме диссертации.

Апробация работы. Основные положения и отдельные результаты диссертационной работы были опубликованы, докладывались, обсуждались и получили одобрение на следующих научных конференциях:

1. VIII Всероссийская конференция «Современные проблемы дистанционного зондирования Земли из космоса», ИКИ РАН, Москва, 2010.

2. Конференция молодых специалистов, посвященная 50-летию НПО «Тайфун», Обнинск, 2010.

3. XIV Международная научная конференция «Решетневские чтения», СибГАУ, Красноярск, 2010.

4. Конференция молодых ученых, посвященная 55-летию образования Института прикладной геофизики им. Федорова, ИНГ, Москва, 2011.

5. IX Всероссийская конференция «Современные проблемы дистанционного зондирования Земли из космоса», ИКИ РАН, Москва, 2011.

6. V Международная научная конференция «Земля из космоса — наиболее эффективные решения», Москва, 2011.

7. XLVII Научные чтения, посвященные памяти К. Э. Циолковского, Калуга, 2012.

8. III Международная научно-практическая конференция «Агрометеорологическое обеспечение устойчивого развития сельского хозяйства в условиях глобального изменения климата», посвященная 35-летию образования ФГБУ «ВНИИСХМ», 2012.

9. X Всероссийская конференция «Современные проблемы дистанционного зондирования Земли из космоса», ИКИ РАН, Москва, 2012.

Ю.Конференция молодых специалистов, ИНГ им. Федорова, Москва, 2012.

И. Конференция молодых специалистов по гидрометеорологии и мониторингу окружающей среды, НПО «Тайфун», Обнинск, 2013.

Публикации. По теме диссертации опубликовано 17 работ, включая 4 статьи в журналах, рекомендуемых ВАК России для опубликования научных результатов диссертаций. С единоличным авторством опубликовано 10 работ (прил. 1).

Структура и объем диссертации

Диссертация состоит из введения, четырех глав, заключения, трех приложений и списка используемой литературы (212 наименований, из которых работы автора составляют 16 наименований). Основной материал изложен на 141 странице, включая 36 рисунков и 7 таблиц.

Выводы к четвертой главе.

На основе новой динамической модели продукционного процесса кукурузы с использованием и без вегетационного индекса Ж) У1 разработаны динамико-статистические методы прогноза урожайности кукурузы на зерно для семи субъектов Южного и Северо-Кавказского федеральных округов.

Анализ результатов работы методов прогноза урожайности показал:

— результаты авторской проверки модели на данных 2007 — 2011 гг. в обоих случаях показали достаточно высокую оправдываемость (60 — 100%) методов прогноза урожайности кукурузы на зерно;

— использование данных дистанционного зондирования повысило оправдываемость прогнозов в первый срок составления прогнозов в среднем на 17,1%, во второй срок — в среднем на 5,7%;

— средняя относительная ошибка испытываемых прогнозов для семи субъектов Российской Федерации с использованием только метеорологической и агрометеорологической информации составила 10,7%;

— использование спутниковой информации для расчета интенсивности фотосинтеза позволило снизить величину средней относительной ошибки испытываемых прогнозов для семи субъектов Российской Федерации до 7,1%.

ЗАКЛЮЧЕНИЕ

.

Урожайность кукурузы определяется как генетическим потенциалом сорта, так и совокупностью всех процессов обмена энергией и веществом в системе «почва — растение — атмосфера».

В настоящее время для оперативного прогнозирования урожайности кукурузы в Российской Федерации используются регрессионные модели, однако, как показывает анализ отечественных и зарубежных исследований, одним из самых перспективных подходов к решению проблемы прогнозирования урожайности является комплексное применение наземных наблюдений и данных дистанционного зондирования Земли в динамических моделях продукционного процесса растений.

В качестве базовой модели для разработки технологи оперативного прогнозирования урожайности кукурузы на зерно выбрана динамико-статистическая модель «погода — урожай», разработанная во ВНИИСХМ О. Д. Сиротенко и А. Н. Полевым.

В качестве спутниковой информации для повышения точности прогнозов урожайности выбран нормализованный вегетационный индекс Ж) VI, который является одной из наиболее часто используемых характеристик состояния растительности, получаемых на основе данных спутниковых наблюдений. Выбор Ж) У1 для создания новой модели биопродуктивности кукурузы обоснован несколькими причинами: 1) высокое пространственное разрешение сканера МСЮ18 (до 250 м) — 2) получение и обработка Ж) VI осуществляется ИКИ РАН на единой методологической основе- 3) наличие непрерывного двенадцатилетнего ряда наблюдений среднеобластного Ж) У1 и возможность получения среднеобластного Ж) У1 в оперативном режиме позволяет использовать спутниковые данные в прогностических моделях.

Исследована взаимосвязь наземных данных (дат наступления фаз развития сельскохозяйственных культур, значений листового индекса, густоты стояния растений и др.) и данных дистанционного зондирования Земли (значений Ж) VI). Найдена эффективная схема сопряжения спутниковых данных и базовой динамической модели продукционного процесса растений, использующей в настоящее время, в качестве входной информации, только данные наземных измерений.

В результате проведенных исследований:

1. Получена зависимость листового индекса кукурузы от вегетационного индекса Ж) У1 для расчета средних по субъекту значений листового индекса кукурузы на территории Краснодарского края.

2. Обосновано использование МЗУ1 пахотных земель в блоке расчета фотосинтеза (газообмена) в базовой модели.

3. Создана усовершенствованная динамическая модель продукционного процесса кукурузы с использованием: метеорологической и агрометеорологической информацииспутниковых данных, метеорологической и агрометеорологической информации.

4. Учтены биологические особенности культуры и основные агроклиматические факторы территории возделывания кукурузы на зерно в усовершенствованной динамической модели биопродуктивности.

5. Разработано два динамико-статистических метода прогноза урожайности кукурузы на зерно для семи субъектов Российской Федерации с использованием: метеорологической и агрометеорологической информацииспутниковых данных, метеорологической и агрометеорологической информации.

6. Проведена оценка качества методов прогнозов урожайности:

— результаты авторской проверки модели на данных 2007;2011 гг. в обоих случаях показали достаточно высокую оправдываемость (60 — 100%) методов прогноза урожайности кукурузы на зерно;

— использование данных дистанционного зондирования повысило оп-равдываемость прогнозов в первый срок составления прогнозов в среднем на 17,1%, во второй срок — в среднем на 5,7%;

— средняя относительная ошибка испытываемых прогнозов для семи субъектов Российской Федерации с использованием только метеорологической и агрометеорологической информации составила 10,7%;

— использование спутниковой информации в модели позволило снизить величину средней относительной ошибки испытываемых прогнозов для семи субъектов Российской Федерации до 7,1%.

7. Разработаны методы и технология оперативного прогнозирования урожайности кукурузы на зерно по основным кукурузосеющим субъектам Российской Федерации.

Таким образом, поставленные в диссертации задачи решены, цель исследования — достигнута.

Полученные результаты дают основание для использования спутниковой информации в дальнейшем при создании новых и усовершенствовании применяемых в оперативной практике прогнозирования урожайности динамических моделей продукционного процесса сельскохозяйственных культур.

Показать весь текст

Список литературы

  1. , E.B. Упрощенная динамическая модель формирования урожая ярового ячменя / Е. В. Абашина, А. Г. Просвиркина, О. Д. Сиротенко // Труды ИЭМ, 1977. — Вып. 8 (67). — С. 54 — 68.
  2. , A.B. Перспективы применения данных ДЗЗ из космоса для повышения эффективности сельского хозяйства в России / A.B. Абросимов, Б. А. Дворкин // Геоматика. 2009. — № 4.
  3. Агроклиматический справочник по Волгоградской области / Под ред. З. М. Русеевой. JL: Гидрометеорологическое изд-во, 1967. — 144 с.
  4. , Т.И. Вплив агрометеоролопчних умов на формування продуктивное^ посшв кукурудзи в УкраТш: автореф. дис.. канд. геогр. наук: 11.00.09 / Адаменко Татьяна Ивановна. Одесса, 2005. — 18 с.
  5. , A.M. Продуктивность кукурузы в зависимости от приемов возделывания на черноземе выщелоченном Западного Предкавказья: автореф. дис.. канд. с.-х. наук: 06.01.09 / Азаренко Александр Михайлович. Краснодар, 2009. — 26 с.
  6. , С.А. Прикладная статистика и основы эконометрики / С. А. Айвазян, B.C. Мхитарян. М.: Изд-во «ЮНИТИ», 1998. — 1007 с.
  7. , С.С. Физиология кукурузы (очерки по физиологии развития, роста, фотосинтеза, минерального питания и водного режима) / С. С. Андреенко, Ф.М. Куперман- под общ. ред. проф. Б. А. Рубина. -М.: Изд-во МГУ, 1959.
  8. , В.Н. Мониторинг состояния посевов и прогнозирование урожайности яровой пшеницы по данным ДЗЗ / В. Н. Антонов, Л. А. Сладких // Геоматика. 2009. — № 3.
  9. , С.А. Разработка методов мониторинга пахотных земель России по данным спутниковых наблюдений радиометром MODIS / С. А. Барталев, Е. А. Лупян, И. А. Нейштадт, Е. В. Щербенко. М.: Изд-во ИКИ РАН, 2007. — 222 с.
  10. Биологические особенности кукурузы Электронный ресурс. // Сад и огород. Режим доступа: http://www.sadyk.ru/zlaki/biologicheskie-osobennosti-kukuruzi.
  11. , З.Н. Математическое моделирование транспирации и фотосинтеза растений при недостатке почвенной влаги / З. Н. Бихеле, Х. А. Молдау, Ю. К. Росс. Л: Гидрометеоиздат, 1980. — 223 с.
  12. , Н.Ф. Моделирование продуктивности агроэкосистем / Н. Ф. Бондаренко, Е. Е. Жуковский, И. Г. Мушкин и др. Л.: Гидрометеоиздат, 1982 264 с.
  13. , В.М. Разработка математической модели и программных средств оценки урожайности зерновых культур в условиях Западной Сибири: автореф. дис.. канд. техн. наук: 05.13.18 / Брыксин Виталий Михайлович. Барнаул, 2009. — 22 с.
  14. , А.И. Количественная теория фотосинтеза и ее использование для решения научных и практических задач физической географии / А. И. Будаговский, A.A. Ничипорович, Ю. К. Росс. // Изв. АН СССР, сер. геогр., 1964. -№ 6. С. 13 -27.
  15. , М.И. Тепловой баланс земной поверхности / М. И. Будыко. -Л.: Гидрометеоиздат, 1956.-255 с.
  16. , Н.И. Биологические основы возделывания кукурузы / Н. И. Володарский. -М.: Агропромиздат, 1986.-190 с.
  17. , С.А. Влияние различных агроприемов на продуктивность кукурузы на выщелоченном черноземе Западного Предкавказья: автореф. дис.. канд. с.-х. наук: 06.01.09 / Волошин Сергей Анатольевич. -Краснодар, 2009. 23 с.
  18. Выращивание кукурузы на зерно. Основные аспекты. Электронный ресурс. Режим доступа: http://www.shrota.net/allnews/ Vyrawivanie-kukuruzy-na-zerno/.
  19. , Е.П. Динамическая модель продукционного процесса кукурузы и ее применение для оптимизации водного режима / Е. П. Галямин,
  20. С.О. Сиптиц // Труды ИЭМ, 1977. Вып. 8(67). — С. 114 — 123.
  21. , C.B. Космические системы дистанционного зондирования Земли / C.B. Гарбук, В. Е. Гершензон. М.: Изд-во, А и Б, 1997. — 296 с.
  22. , Н.И. Гидрометеорологический режим и продуктивность орошаемой кукурузы / Н. И. Гойса, Р. Н. Олейник, А. Д. Рогаченко. — М: Гидрометеоиздат, 1983. 229 с.
  23. A.Д. Клещенко. Обнинск: ФГБУ «ВНИИГМИ-МЦД», 2011. — 808 с.
  24. , Я. Монография о кукурузе / Я. Грушка. М.: Колос, 1965. -502 с.
  25. , Ф.Ф. Проблема прогноза, испаряемости и оросительных норм / Ф. Ф. Давитая, Ю. С. Мельник. JL: Гидрометеоиздат, 1970. — 71 с.
  26. , И.А. Кукуруза как кормовое средство / И. А. Даниленко -М.: Сельхоз-гиз, 1957.-270 с.
  27. , Ш. М. Дистанционное зондирование: количественный подход. / Ш. М. Дейвис, Д. А. Ландгребе, T.JI. Филлипс и др.- под ред. Ф. Свей-на и Ш. Дейвис.- пер. с англ. М.: Недра, 1983. — 415 с.
  28. Динамическая модель Электронный ресурс. // Словари Яндекс. Режим доступа: http://slovari.yandex.ru.
  29. Динамические имитационные модели формирования урожая Электронный ресурс. Режим доступа: http://wvm.library.timacad.ru/ sources/electrizd/kovalev/4dimamich.htm.
  30. , В.П. Погода, юнмат i урожай польових культур. -Украшський науково-дослщний пдрометеоролопчний шститут /
  31. B.П. Дмитренко. К: Нша-Центр, 2010. — 620 с.
  32. , Б.Г. Управление экологическими системами / Б. Г. Заславский, P.A. Полуэктов. М.: Наука, 1988.
  33. , В.Г. Южная Россия и ее регионы / В. Г. Игнатов, В. И. Бутов. -М.: ИКЦ «МарТ" — Ростов н/Д: Издательский центр „Март“, 2 006 304 с.
  34. Имитационное динамическое моделирование Электронный ресурс. -Режим доступа: http://antirei-der.msk.ru/sistemnii-analiz/imitacionnoe-dinamicheskoe-modelirovanie.php
  35. , М.С. Сорта и гибриды кукурузы / М. С. Калинин, М. И. Ильин. Л.: Сельхозиздат, 1962.
  36. , А.Д. Ежедекадная оценка урожайности зерновых культур по спутниковой и наземной информации / А. Д. Клещенко, О. В. Савицкая, О. В. Вирченко // Труды ВНИИСХМ, 2010. Вып. 37. — С. 82 — 95.
  37. , А.Д. Оценка состояния зерновых культур с применением дистанционных методов / А. Д. Клещенко. Л.: Гидрометеоиздат, 1986. -189 с.
  38. , Л.В. Усовершенствование метода долгосрочного прогноза урожайности зерна кукурузы в Черноземной зоне РСФСР / Л. В. Комоцкая, О. Н. Ломцова // Тр. ГМЦ СССР. 1991. № 325.
  39. , А.Р. Погода, почва и урожай озимой пшеницы / А. Р. Константинов. Л.: Гидрометеоиздат, 1978.
  40. Кукуруза Электронный ресурс. // Азбука огородника. Режим доступа: http://www.azbukaogo-rodnika.ru/kukuruza.html.
  41. Кукуруза. Кукурузные рыльца (Zea mays.) Электронный ресурс. -Режим доступа: http://www.argo-shop.com.ua/article-549.html.
  42. Кукуруза на убой Электронный ресурс. // ИКАР в СМИ. Режим доступа: http://www.ikar.ru/press/ 134.html.
  43. Кукуруза сахарная Электронный ресурс. Режим доступа: http.7/www.sadfaq.ru/kukuruzasaharnaya.
  44. Кукуруза. Сельскохозяйственный и фермерский бизнес Электронный ресурс. Режим доступа: http://www.landwirt.ru/2009−12−12−16−03−24/147−2009−03−04−21−02−56.
  45. Кукуруза Электронный ресурс. // Справочник фермера. Режим доступа: http://www.vpole.com.ua/12.html.
  46. , Д.В. Изменчивость урожайных и морфофизиологических признаков родительских форм и гибридов кукурузы в зависимости отприменения гербицидов: автореф. дис.. канд. с.-х. наук: 06.01.05 / Лысенко Дмитрий Владимирович. Краснодар, 2008. — 25 с.
  47. , С.В. Об использовании материалов по высоте растений при оценке агрометеорологических условий формирования урожая зеленой массы кукурузы в Казахстане / С. В. Любомудрова // Труды ЦИП, вып. 72, 1958. С. 68 72.
  48. , В.И. Физиология растений: учебное пособие / В. И. Малиновский. Владивосток: Изд-во ДВГУ, 2004. — 106 с.
  49. Методические указания по проведению производственных (оперативных) испытаний новых и усовершенствованных методов гидрометеорологических и гелиогеофизических прогнозов. М.: Госкомгидромет, 1991.-С. 98−107.
  50. Мировое лидерство кукурузы. Рекомендации по возделыванию Электронный ресурс.- Режим доступа: http://kosmais.narod.ru/growing.html.
  51. Модели продукционного процесса растений Электронный ресурс. // Динамические модели в биологии. Режим доступа: http://www.dmb.biophys.msu.ru/registry?article=99.
  52. Моделирование роста и продуктивности сельскохозяйственных культур. / Пер. с англ. под ред. д-ра ф.-м.н. О. Д. Сиротенко Л.: Гидроме-теоиздат, 1986. — 320 с.
  53. , А.Т. Онтогенетический аспект фотосинтеза / А. Т. Мокроносов. М.: Наука. 1981. — 196 с.
  54. , А.Д. Элементы теории математических моделей / А. Д. Мышкис. 3-е изд., испр. — М.: ДомКнига, 2007. — 192 с.
  55. , Т.А. Использование спутниковой информации в моделях биопродуктивности зерновых культур для расчета интенсивности фотосинтеза / Т. А. Найдина // Труды ИПГ. Москва, 2011. — С.189 — 195.
  56. , Т.А. Прогнозирование урожайности зерна кукурузы по субъектам Российской Федерации на основе динамической модели / Т. А. Найдина // Тезисы участников конференции молодых специалистов. М.: Изд-во ИПГ, 2012. — С. 40.
  57. , Т.А. Прогнозирование урожайности зерна кукурузы по субъектам Российской Федерации на основе динамической модели / Т. А. Найдина // Труды ИПГ. Москва, 2013. — (в печати).
  58. , A.B. Оценка агрометеорологических условий формирования продуктивности и метод прогноза урожайности зерна кукурузы в Причерноморье: автореф. дис.. канд. геогр. наук: 11.00.09 / Наумова Алла Викторовна. Одесса, 1987. — 20 с.
  59. , И.А. Алгоритмы анализа данных спутниковых наблюдений Terra/Modis для мониторинга сельскохозяйственных земель / И. А. Нейштадт, С. А. Барталев, Д. М. Ершов // Геоинформатика. 2004. -С. 205−209.
  60. , А. А. Физиология фотосинтеза и продуктивность растений // Физиология фотосинтеза / Под ред. A.A. Ничипоровича. М.: Наука, 1982.-С. 7−33.
  61. , А.Н. Агрометеорологические условия и продуктивность картофеля в Черноземье / А. Н. Полевой. Л.: Гидрометеоиздат, 1978. — 118 с.
  62. , А.Н. Базовая модель оценки агроклиматических ресурсов формирования продуктивности сельскохозяйственных культур / А. Н. Полевой // Метеоролопя, юпматолопя i гщролопя. Вип. 48. -2004.-С. 195−205.
  63. , А.Н. Динамико-статистические методы прогнозирования урожайности сельскохозяйственных культур / А. Н. Полевой // Метеорология и гидрология. 1981. — № 2. — С. 92 — 102.
  64. , А.Н. Методическое пособие по разработке динамико-статистических методов прогнозирования урожайности сельскохозяйственных культур / А. Н. Полевой. М. Гидрометеоиздат, 1981. — 35 с.
  65. , А.Н. Моделирование формирования урожая кукурузы / А. Н. Полевой, Т. Н. Адаменко // М1жв1д. наук. зб. Украши. -Метеорологш, юпматолопя та гщролопя. Одеса, 2005. — Вип. 49. — С. 295−304.
  66. , А.Н. Моделирование фотосинтеза зеленого листа у растений типа СЗ и С4 при изменении концентрации С02 в атмосфере / А. Н. Полевой // Проблемы экологического мониторинга и моделирования экосистем. М: ИГКЭ, 2010. — С. 297 — 315.
  67. , А.Н. Об определении некоторых параметров динамическоймодели формирования урожая / А. Н. Полевой // Труды ИЭМ. 1979. -Вып. 13 (91).-С. 120−130.
  68. , А.Н. О прогнозировании урожайности зерновых и зернобобовых культур / А. Н. Полевой, Т. А. Гончарова // Метеорология и гидрология. 1984. -№ 5. — С. 114−117.
  69. , А.Н. Прикладное моделирование и прогнозирование продуктивности посевов / А. Н. Полевой. JL: Гидрометеоиздат, 1988. — 320 с.
  70. , А.Н. Теория и расчет продуктивности сельскохозяйственных культур / А. Н. Полевой. JL: Гидрометеоиздат, 1983. — 176 с.
  71. , В.В. Физиология растений / В. В. Полевой. М.: Высшая школа, 1989−464 с.
  72. , P.A. Динамические модели агроэкосистемы / P.A. Полуэктов. Л.: Гидрометеоиздат, 1991. -312 с.
  73. , P.A. Имитационные модели продуктивности агроэкосистем / P.A. Полуэктов // В кн.: Теоретические основы и количественные методы программирования урожаев. Л.: АФИ, 1979. — С. 14 — 23.
  74. , P.A. Динамические модели экологических систем / P.A. Полуэктов, Ю. А. Пых, И. А. Швытов. Л.: Гидрометеоиздат, 1980. -288 с.
  75. Развитие сельскохозяйственной метеорологии в России: сборник статей по метеорологии, посвященный 175-летию Гидрометеорологической службы России. / Под ред. д.г.н., проф. А. Д. Клещенко и д. биол. н., проф. И. Г. Грингофа. Обнинск, 2009. — 571 с.
  76. , В.И. Отражательные свойства и состояние растительного покрова / В. И. Рачкулик, М. В. Ситникова Д.: Гидрометеоиздат, 1981.-288 с.
  77. РД 52.33.217−99. Наставление гидрометеорологическим станциям и постам. Вып. 11, ч. I. Основные агрометеорологические наблюдения. -М.: Росгидромет, 2000. С. 130 — 136.
  78. , Г. Ю. Математические модели биологических продукционных процессов / Г. Ю. Ризниченко, А. Б. Рубин. М.: Изд-во МГУ, 1988.
  79. Ю.К. Радиационный режим и архитектоника растительного покрова. JL: Гидрометеоиздат, 1975. 341 с.
  80. , A.C. Особенности формирования высокопродуктивного агро-ценоза кукурузы на зерно на черноземе выщелоченном Западного Предкавказья: автореф. дис.. канд. с.-х. наук: 06.01.09 / Рудяга Андрей Сергеевич. Краснодар, 2009. — 23 с.
  81. , Т.И. Разработка и реализация новой информационно-прогностической системы оперативного агрометеорологического обеспечения аграрного сектора экономики России / Т. И. Русакова,
  82. B.М. Лебедева, И. Г. Грингоф // Труды ВНИИСХМ. 2007. — Вып. 36.1. C. 92−105.
  83. , Т.И. Современная технология поэтапного прогнозирования урожайности и валового сбора зерновых культур / Т. И. Русакова, В. М. Лебедева, И. Г. Грингоф, Н. М. Шкляева // Метеорология и гидрология. 2006.-№ 7. — С. 101−108.
  84. , И.Ю. Оперативный спутниковый мониторинг состояния nocebob сельскохозяйственных культур в России / И. Ю. Савин, Е. А. Лупян, С. А. Барталев // Геоматика. 2011. — № 2. — С. 69 — 76.
  85. , A.A. Математическое моделирование: Идеи. Методы. Примеры / A.A. Самарский, А. П. Михайлов М.: Физматлит, 2001. — 320 с.
  86. , И.В. Агрометеорологические прогнозы, расчеты, обоснования / И. В. Свисюк Л.: Гидрометеоиздат, 1991.
  87. , С.И. Методы расчета характеристик солнечной радиации / С. И. Сивков. Л.: Гидрометеоиздат, 1968.-232 с.
  88. , О.Д. Математическое моделирование водно-теплового режима и продуктивности агроэкосистем / О. Д. Сиротенко Л.: Гидрометеоиздат, 1981. -168 с.
  89. , А.И. Прогноз урожайности зерна кукурузы в экономических районах Европейской части СССР / А. И. Страшная // Труды ГМЦ. 1991. — Вып. 325. — С. 34 — 42.
  90. , А.И. Развитие методов агрометеорологических прогнозов урожайности зерна кукурузы / А. И. Страшная // Агрометеорология XXI века: материалы Международной научной конференции. М.:
  91. Изд-во РГАУ МСХА имени К. А. Тимирязева, 2009. — С. 131 — 143.
  92. , А.И. Роль агрометеорологических факторов в формировании урожая зерна кукурузы в Северо-Кавказском экономическом районе / А. И. Страшная, Л. В. Комоцкая // Труды ГМЦ СССР. 1987. -Вып. 289. — С. 65 — 75.
  93. , И.С. Рост, развитие и урожайность зерна кукурузы в зависимости от приемов ее возделывания на выщелоченном черноземе Западного Предкавказья / И. С. Сысенко, A.M. Азаренко, A.C. Рудяга // Научный журнал КубГАУ. 2007. — № 31 (7).
  94. , И.А. Основы фотосинтеза / И. А. Тарчевский. М.: Высшая школа, 1977.
  95. Толковый словарь по сельскохозяйственной метеорологии / Под ред. проф. И. Г. Григнгофа и д.экон.н. A.M. Шамена. Спб.: Гидрометеоиз-дат, 2002.-471 с.
  96. , В.А. Оценка состояния сельскохозяйственных культур на основе межгодовой динамики с использованием данных MODIS / В. А. Толпин, С. А. Барталев, М. А. Бурцев, В. Ю. Ефремов, Е. А. Лупян,
  97. A.A. Мазуров, A.M. Матвеев, A.A. Прошин, E.B. Флитман // Современные проблемы дистанционного зондирования Земли из космоса. 2007. — Вып. 4. — Т. II. — С. 380 — 389.
  98. , В.А. Спутниковый сервис Вега примеры использования /
  99. , Х.Г. Солнечная радиация и формирование урожая / Х. Г. Тооминг. Л.: Гидрометеоиздат, 1977. — 199 с.
  100. , Х.Г. Экологические принципы максимальной продуктивности посевов / Х. Г. Тооминг. Л.: Гидрометеоиздат, 1984. — 264 с.
  101. , Дж. Г.М. Математические модели в физиологии растений / Дж. Г.М. Торнли. Киев: Наукова думка, 1982.
  102. , H.H. Кукуруза в нечерноземной зоне / H.H. Третьяков. М.: „Колос“, 1974.
  103. , Н.В. Экономико-математическое моделирование и прогнозирование урожайности зерновых культур в условиях засушливого климата: автореф. дис.. канд. экон. наук: 08.00.13 / Тюрикова Надежда Валерьевна. Ставрополь, 2009. — 20 с.
  104. , Е.С. Методы оценки агрометеорологических условий и прогнозов урожайности зерновых культур / Е. С. Уланова. Л.: Гидрометеоиздат, 1988. — 53 с.
  105. , Е.С. Методы статистического анализа в агрометеорологии / Е. С. Уланова, О. Д. Сиротенко Л.: Гидрометеоиздат, 1968. — 198 с.
  106. Федеральные округа России. Региональная экономика: учебное пособие / кол. авторов- под ред. В. Г. Глушковой и Ю. А. Симагина. М.: Изд-во КНОРУС, 2009. — 352 с.
  107. Физиология растений: учебник для студ. вузов / Н. Д. Алехина, Ю. В. Балнокин, В. Ф. Гавриленко и др.- под ред. И. П. Ермакова. М.: Издательский центр „Академия“, 2005. — 640 с.
  108. Фотосинтетическая продуктивность растительного покрова / Под ред. X. Молдау. Тарту: Изд-во ИФА, АН СССР, 1969. — 199 с.
  109. , Дж. Математические модели в сельском хозяйстве / Дж. Франс, Дж. X. Торнли- пер. с англ. A.C. Каменского- под ред. Ф. И. Ерешко. -М.: Агропромиздат, 1987 400 с.
  110. , Д.М. Информационные технологии и математическое моделирование в задачах природопользования Электронный ресурс. / Д. М. Хомяков, P.A. Искандарян. Режим доступа: http://fadr.msu.ru/ rin/ecol/model.htm.
  111. , B.C. Интенсивная технология возделывания кукурузы / B.C. Циков, JI.A. Матюха. М.: Агропромиздат, 1989. — 247 с.
  112. , B.C. Кукуруза: технология, гибриды, семена / B.C. Циков. -Днепропетровск: Изд-во Зоря, 2003. 296 с.
  113. , Ю.И. Агрометеорологические условия и продуктивность кукурузы / Ю. И. Чирков. JL: Гидрометеоиздат, 1969. — 251 с.
  114. , Ю.И. Агрометеорология / Ю. И. Чирков. Д.: Гидрометеоиздат, 1986.-296 с.
  115. , Ю.И. Определение прироста веса растительной массы кукурузы по измерениям высоты и диаметра стебля / Ю. И. Чирков // Труды ЦИП. 1958. — Вып. 72. — С. 37 — 42.
  116. , Ю.И. Развитие методов агрометеорологических прогнозов по культуре кукурузы / Ю. И. Чирков // Тр. ГМЦ СССР. 1967. — Вып.2.1. С. 52−66.
  117. , Ю.И. Уточнение оценки агрометеорологических условий формирования растительной массы кукурузы с учетом светового режима / Ю. И. Чирков, В. А. Шаблевская // Тр. ГМЦ СССР. 1969. -Вып. 14.-С. 71 -77.
  118. , Б.Г. Региональные и сезонные закономерности изменений современного климата / Б. Г. Шерстюков. Обнинск: ГУ „ВНИИГМИ-МЦЦ“, 2008. — 247 с.
  119. , А.П. Кукуруза. Современная технология возделывания /
  120. A.П. Шиндин, В. Н. Багринцева, Т. И. Борщ, А. Г. Горбачева,
  121. B.C. Сотченко, Е. Ф. Сотченко, Ю.В. Сотченко- под общ. ред.
  122. B.C. Сотченко. М., 2009 г. — 127 с.
  123. , Д. Кукуруза / Д. Шпаар, В. Шлатнон, В. Щербаков, К. Ястер- под общ. ред. В. А. Щербакова. -Мн.: Беларуская наука, 1998. 200 с.
  124. , И. А. Растение и солнце / И. А. Шульгин. Л.: Гидрометео-издат, 1973.-251 с.
  125. , И.А. Солнечные лучи в зеленом растении / И. А. Шульгин. -М.: Изд-во ООО „ПКЦ Альтекс“, 2009.-214 с.
  126. , Н.И. Физиология растений / Н. И. Якушкина. М.: Просвещение, 1993.-335 с.
  127. Adams, R.M. Global climate change and US agriculture / R.M. Adams,
  128. C. Rosenzweig, R.M. Peart, J.T. Ritchie, В .A. McCarl, J.D. Glyer, R.B. Curry, J.W. Jones, K.J. Boote and L.H. Allen // Nature 345. 1990. -P. 219−224.
  129. Agricultural production systems simulator Электронный ресурс. Режим доступа: http://www.apsim.info/Wiki/default.aspx7AspxAutoDetect CookieSupport=l.
  130. , D. 1993. The impacts of climate change on rice yield: a comparison of four model performances. / D. Bachelet, C.A. Gay // Ecol. Mod. 65. -1993-P. 71−93.
  131. Baker, C.H. CORNMOD, a dynamic simulator of corn production / C.H. Baker, R.D. Horrocks // Agric. Syst. 1976. — V. 1. — № 1. — P. 57 — 77.
  132. Carberry, P. S. Testing the Ceres-Maize simulation model in a semi-arid tropical environment /P.S. Carberry, R.C. Muchow, R.L. McCown. // Field Crops Research, 20. 1989 — P. 297 — 315.
  133. CERES-MAIZE Электронный ресурс. // Register of Ecological Models. -Режим доступа: http://dino.wiz. uni-kassel.de/modeldb/mdb/ceres-maize.html.
  134. Childs, S.W. A simplified model of corn growth under moisture stress. / S.W. Childs, J.R. Giley, W.E. Splinter. // Transactions of the ASAE 20 (5) 1977.-P. 858−865.
  135. CUPID Электронный ресурс. // Register of Ecological Models. Режим доступа: http://dino.wiz.uni-kassel.de/modeldb/mdb/cupid.html.
  136. David, G. Modeling Plant Competition with the GAPS Object-Oriented Dynamic Simulation Model. / David G. Rossiter and Susan J. Riha // Agronomy Journal. 1999. — Vol. 91 -No. 5. — P. 773 — 783.
  137. Delecolle, R. Remote sensing and crop production models: present trends, ISPRS J. Photogramm / R. Delecolle, S J. Maas, M. Guerif, F. Baret // Remote Sens., 47−1992-P. 145−161.
  138. Diepen, V. WOFOST: a simulation model of crop production / Van Diepen, J. Wolf, H. Van Keulen, C. Rappoldt // Soil Management. 1989. -Vol. 5. -P. 16−24.
  139. Dogan, E. On-farm scheduling studies and CERES-Maize simulation of irrigated corn / E. Dogan, G.A. Clark, D.H. Rogers, V. Martin, and R.L. Van-derlip // Applied Engineering in Agriculture. 2006 — 22(4). — P. 509 — 516.
  140. Doug F. Raymond Reducing Corn Yield Variability and Enhancing Yield Increases Through the Use of Corn-Specific Growth Models / F. Doug. 2007.
  141. EWQTPR Электронный ресурс. // Register of Ecological Models. Режим доступа: http://eco.wiz.uni-kassel.de/modeldb/mdb/ewqtpr.html.
  142. Frigg, R. Models in Science Электронный ресурс. / R. Frigg, S. Hartmann // The Stanford Encyclopedia of Philosophy, (Spring 2006 Edition). Режим доступа: http://plato.stanford.edu/ entries/ models-science.
  143. Herfort, J. Adaptation of the Crop Growth Models EPIC and ALMANAC to Local Cowpea and Maize Cropping Systems in Northeast Brazil. / J. Herfort, Т.Н. Hilger, T. Gaiser, Barros, I. de, Saboya, L.M.F., Ferreira,
  144. G.R. and D.E. Leihner // GKSS Geesthacht- Neotropical Ecosystems, Proceedings of the German-Brazilian Workshop- 2002 — P. 811−816.
  145. HILGER, Т.Н. EPIC/ALMANAC Электронный ресурс. / Т.Н. HILGER, Т. GAISER, J. HERFORT, L.S. SCHNEIDER, I. DE BARROS. // 4rd International WAVES Conference, June 2001, Fortaleza. Режим доступа: http://www.usf.uni-kassel.de/waves.
  146. Huete, A. Modis vegetation index (MOD 13). / A. Huete, C. Justice, van W. Leeuwen // Algorithm theoretical basis document. Verion 3. — April, 1999.-120 p.
  147. Iglesias, A. Climate change and agriculture. Universidad Politecnica de Madrid, Spain / Ana Iglesias // CGE Hands-on Training Workshop on V&A Assessment of the Asia and the Pacific Region Jakarta. 20−24 March 2006.
  148. Jones, C.A. CERES-Maize: A simulation model of maize growth and development. / C.A. Jones, J.R. Kiniry. Texas A&M University Press, College Station, Texas. 1986.
  149. Jonghan, Ко. Using EPIC model to manage irrigated cotton and maize / Jonghan Ко, Giovanni Piccinni, Evelyn Steglich // Agricultural Water Management. 2009. — Vol. 96 — Iss. 9. — P. 1323 — 1331.
  150. Kiniry, J.R. Evaluation of two maize models for nine U.S. locations. / J.R. Kiniry, J.R. Williams, R.L. Vanderlip, J.D. Atwood, D.C. Reicosky, J. Mulliken, W.J. Cox, H.J. Mascagni, S.E. Hollinger, W.J. Wiebold //
  151. . J. 1997. — № 89. — P. 421 — 426.
  152. Kiniry, J.R. Maize phasic development. / J.R. Kiniry. In: Hanks, J. and J.T. Ritchie (eds), Modelling soil plant and soil systems // Agronomy Monograph. -1991. -No. 31. P. 55 — 69.
  153. MAIZE model Электронный ресурс. // Register of Ecological Models. -Режим доступа: http://dino.wiz.uni-kassel.de/modeldb/mdb/ maize.html.
  154. Mariappan, V.E.N. Linking MODIS LAI to ORYZA1 model in predicting rice yield in TamilNadu. National symposium on three decades of research in Agricultural Physics / V.E.N. Mariappan, V.K. Sehgal, V. K Dadhwal // IARI, New Delhi, 26−28 April 2003.
  155. Meams, L.O. Sensitivity analysis of the CERES-wheat model to changes in interannual variability of climate / L.O. Mearns, C. Rosenzweig, R. Goldberg // U.S. Environmental Protection Agency, Washington, D.C. 1992.
  156. Miao, Y. Evaluating management zone optimal nitrogen rates with a crop growth model / Y. Miao, D J. Mulla, W.D. Batchelor, J.O. Paz, P.C. Robert, M. Wiebers // Agron. J. 2006. — No. 98. — P. 545 — 553.
  157. Monsi, M. Uber den Lichtfaktor in den Pflanzengeselschaften und seine Bedeutung fur die Stoffproduction / M. Monsi, T. Saeki // Jap. J. Bot. 1953. -V.14.-N.1.-P. 22−52.
  158. Moulin, S. Combining agricultural crop models and satellite observations: from field to regional scales / S. Moulin, A. Bondeau, R. Delecolle // Int. J. Remote Sens. 1998. — 19(6). — P. 1021 — 1036.
  159. Muchow, R.C. Temperature and solar radiation effects on potential maize yield across locations / R.C. Muchow, T.R. Sinclair, J.M. Bennett // Agronomy Journal. 1990. — Vol. 82 — P. 338 — 343
  160. Muchow, R.C. Water deficit effects on maize yields modeled under current and greenhouse climates / R.C. Muchow, T.R. Sinclair // Agronomy Journal. -1991.-Vol. 83.-P. 1052−1059.
  161. Newkirk, K.M. Programmer’s guide to VT-Maize: version 1.0 ® / K.M. Newkirk, J.C. Parker, J.C. Baker, E.W. Carson, T.B. Brumback, Balci O. Blackbirg- Virginia Water Resources Research Center, Virginia Polytechnic Institute and State University, 1989.
  162. Otegui, M.E. Modeling hybrid and sowing date effects on potential grain yield of maize in a humid temperate region / M.E. Otegui, R.A. Ruiz,
  163. D. Petruzzi // Field Crops Res. 1996. — Vol. 47. — P. 167 — 174.
  164. Pang, X.P. Yield and nitrogen uptake prediction by CERES-Maize model under semiarid conditions / X.P. Pang, J. Letey, L. Wu // Soil Sci. Soc. Am. J. 1997. — Vol. 61. — P. 254 — 256.
  165. Paoli, E.O. Maize performance in Kansas: A CERES-Maize simulation /
  166. E.O. Paoli. Ph.D. Dissertation. Kansas State Univ., Manhattan, KS, 1997.
  167. QB-Maize Электронный ресурс. // Register of Ecological Models. Режим доступа: http://dino.wiz.uni-kassel.de/modeldb/mdb/qb-maize.html.
  168. Retta, A. Suitability of corn growth models for incorporation of weed and insect stresses / A. Retta, R.L. Vanderlip, R.A. Higgins, L.J. Moshier, A.M. Feyerherm // Agron. J. 1991. — Vol. 83. — P. 757 — 765.
  169. Saseendran, S. Simulating Planting Date Effects on Corn Production Using RZWQM and CERES-Maize Models / S. Saseendran, L. Ma Anapalli, D.C. Nielsen, M.F. Vigil, L.R. Ahuja // Agron. J. 2005. — Vol. 97. — P. 58 — 71.
  170. Simulating kernel production influences maize model accuracy Электронный ресурс. Режим доступа: http://www.eurekalert.org/ pubreleases/2007−09/asoa-skp092007.php.
  171. Sinclair, T.R. Effect of nitrogen supply on maize yield: I. modeling physiological responses / T.R. Sinclair, R.C. Muchow // Agronomy Journal. -1995.-Vol. 87.-P. 632−641.
  172. Stapper, M. CORNF: A Dynamic Growth and Development Model for Maize (Zea mays L.) / M. Stapper, G.F. Arkin // Texas Agricultural Experiment Station, Program and Model Documentation No. 80−2. December 1980.
  173. Tactical irrigation management using real time EPIC-phase model and weather forecast: Experiment on maize Электронный ресурс. Режим доступа: http://www.fao.org/ docrep/w4367e/w4367e01.htm.
  174. The development of a farming systems model (APSIM). Электронный ресурс. / Dean Holzworth. 2006. — 13 с. — Режим доступа: http://www.iemss.org/iemss2006/ papers/w4/Holzworth.pdf.
  175. Vries, P. Simulation of plant growth and crop production. Centre for Agricultural Publishing and Documentation / Vries de P. // Wageningen. The Netherlands. 1982. — 308 pp.
  176. Wiegand, C.L. Leaf area index estimates for wheat from LANDSAT and their implications for evapotranspiration and crop modelling / C.L. Wiegand, A.J. Richardsons, E.T. Kanemasu // Agronomy Journal. 1979. -Vol. 71.-P. 336−342.
  177. Williams, J.R. EPIC Erosion/Productivity Impact Calculator / J.R. Williams, P.T. Dyke, W.W. Fuchs, V.W. Benson, O.W. Rice, E.D. Taylor // 2. User Manual. U.S. Department of Agriculture Technical
  178. Bulletin-1990.-No. 1768.-127 pp.
  179. Williams, J.R. The EPIC crop growth model / J.R. Williams, C.A. Jones, J.R. Kiniry, D.A. Spanel // Transactions of the ASAE. 1989. — Vol. 32 (2) -P. 497−511. ,
  180. Winzeler, H. Ontogenetic changes in respiration and photosynthesis in uni-cuhn barley / H. Winzeler, L.A. Hunt, J.D. Manon // Crop Sci. 1976. -Vol. 16.-N6.-P. 786−799.
  181. Wit, C.T. Simulation of assimilation, respiration and transpiration of crops /
  182. C.T. Wit, de, e. a. Wageningen, 1978.
  183. Wolf, J. Effects of climate change on grain maize yield potential in the European Community / J. Wolf, and C.A. Van Diepen // Climatic Change. -1995. Vol. 29(3) — P. 299 -331.
  184. Wu, Y. On the application of CERES-Maize model to the North-China Plain / Y. Wu, C.M. Sakamoto, D.M. Botner // Agricultural and Forest Meteorology. 1989. — Vol. 49 — P. 9 — 22.
  185. Xie, Y. Maize and sorghum simulations with CERES-Maize, SORKAM, and ALMANAC under water-limiting conditions / Y. Xie, J.R. Kiniry, V. Nedbalek, W.D. Rosenthal // Agron. J. 2001 — Vol. 93. — P. 1148 — 1155.
  186. Yang, H.S. Hybrid-maize-a maize simulation model that combines two crop modeling approaches / H.S. Yang, A. Dobermann, J.L. Lindquist,
  187. D.T. Walters, T.J. Arkebauer, K.G. Cassman. Received 16 July 2003- received in revised form 16 October 2003- accepted 16 October 2003.
  188. Найдиной Татьяны Александровнып/ п Наименование рабопл, ее вид Форма рабо гы Выходные данные Объем в п.л. или с. Соагпоры1 2 3 4 5 6
  189. Использование спутниковой информации в моделях биопрод} КТИШЮС1 и зерновых культур для расчеш фотосинтеза Печати. Ге шсы докладов конференции молодых ученых, посвященной 55-летию образования '1нс I итута прикладной t еофизики. Москва. 2010.-С. 51. 1
  190. Использование данных дистанционного зондирования для моделирования продукционного процесса кукурузы1. Печаш.
  191. Современные проблемы дистанционно! о зондирования Земли из космоса: сборник научных с гатей. М.: ООО „ДоМира“. 2012.- Вып. 3. г. IX.1. С. 259−268.10/7
  192. А .Д. Гончарова Т.А.10
  193. Прогнозирование урожайности зерновых культур с использованием спутниковой информации1. Печати.1. Идеи
  194. К.Э. Циолковского: прошлое, настоящее будущее: материалы .LVII Научныхчтений намя1 и
  195. К.Э. Циолковского. -Калуга: Изд-во1. Эйдос». 2012. С. 315−316.11
  196. Методика оперативною прогнозирования урожайности зерновых культур с использованием вегетационного индекса1. Электронный ресурс
  197. А.Д. Лебедева В.М.12
  198. Динамическая модель продукционного процесса кукурузы с использованием спутниковой информации и методы прогноза урожайности1. Печати.
  199. Метеорология и гидрология. 2012. N""12. — С. 88−98.10'71. Клещенко А.Д.
  200. I.I -Ml. jM^.-ri."!., III. H I I1. JtauP' v^?1. Соискательr-if^pi will1. Найдина Т. А,
  201. Л"п/ н Наименование работы, ее вид Форма работы Выходные данные Объем в II.л. или с. Соавторы1 2 3 4 5 6
  202. Прогнозирование урожайности зерна кукурузы по субъектам Российской Федерации на основе динамической модели Печати. Тешеы участников конференции молодых специалистов. М.: Изд-во ИПГ, 2012. -С. 40. 1
  203. Метод прогноза урожайности кукуруш с использованием спутниковой информации Печати. Тезисы докладов конференции молодых специалистов, НПО «Тайфун». -Обнинск: ООО «Принт-Сервис», 2013.-С. 207−2010. 4
  204. Динамико-статистичес-кие методы прогноза урожайности кукурузы по субъекгам Приволжс-ко1 о и Центрального федеральных округов Печати. Труды ФГБУ «ВИИСХМ». Обнинск, 2013. -Вып. 38, — С. 321 -345. 25
  205. Прогнозирование урожайности зерна кукурузы по субъектам Российской Федерации на основе динамической модели В печати Труды ИПГ. -Москва, 2013 7
  206. Ученый секретарь, канд. геогр. наук7
Заполнить форму текущей работой

На отлично!