Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Информационное обеспечение динамических моделей зерновых культур

Диссертация: Информационное обеспечение динамических моделей зерновых культур
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

К моменту начала работы над диссертацией уже существовала версия модели формирования урожая основных с.-х. культур, которая была развита применительно к условиям ее использования в научных исследованиях. В то же время стало очевидно, что имеется потребность включения динамических моделей в системы поддержки агротехнологических решений практического земледелия. Кроме того, развитие новых… Читать ещё >

Содержание

  • Термины и определения
  • Глава 1. Характеристика проблемы и её современное состояние
    • 1. 1. Агроэкоснстемы как объект моделирования
    • 1. 2. Этапы разработки и современное состояние проблемы моделирования продуктивности агроэкоснстемы
    • 1. 4. Сравнительный анализ существующих моделей
  • Глава 2. Исследование чувствительности модели к вариации ее параметров
    • 2. 1. Чувствительность к вариации начального состояния
      • 2. 1. 1. Чувствительность модели к вариации даты всходов
      • 2. 1. 2. Чувствительность модели к вариации начальных значений биомассы
    • 2. 2. Чувствительность к параметрам функции стресса
    • 2. 3. Чувствительность к почвенно-гидрологическим параметрам
  • Глава 3. Разработка базы данных (БД) модели
    • 3. 1. Концептуальная модель БД
    • 3. 2. Описание DSM-интерфейса
    • 3. 3. Описание оперативной базы данных (ОДБ, DATASET)
  • Глава 4. Использование моделей в системах поддержки агротехнологических решений
    • 4. 1. Сценарии погоды
    • 4. 2. Долгосрочный прогноз темпов развития растений
    • 4. 3. Прогнозирование величины урожая
    • 4. 4. Использование модели для оценки эффективности азотных удобрений
    • 4. 5. Расчет доз азотных подкормок
  • Выводы

Информационное обеспечение динамических моделей зерновых культур (реферат, курсовая, диплом, контрольная)

В настоящее время агрономическая наука переживает переходный период: с одной стороны продолжаются исследования в области традиционного (в том числе адаптивно-ландшафтного) земледелия, а, с другой, начаты и интенсивно развиваются работы по формированию технологии точного земледелия. И если традиционные технологии длительное время обходились без использования динамических моделей продуктивности с.-х. культур, то технологии точного земледелия в принципе не могут обходиться без соответствующего информационного обеспечения, в том числе и без моделей того или иного уровня сложности. Как показал опыт зарубежных исследователей (Acock, 1989, Асоск et al, 1999, Boogaard et al, 1998, Eitzinger et al 2004, Hijmans et al 1994, Keulen et al 1994, Whisler et al 1986), динамические модели позволяют существенно повысить эффективность технологических решений, в особенности при управлении режимами орошения и минерального питания, как в обычном, так и в точном земледелии. Современная техническая база в виде персональных компьютеров вполне обеспечивает возможность реализации достаточно сложных алгоритмов моделирования и управления. Отсутствие финансирования этих работ в достаточном объеме, а также трудности комплектования необходимого набора данных и недостаток подготовленных специалистов не позволило пока широко использовать системы имитационного моделирования в практике земледелия. К счастью, ситуация в этой области в последнее время изменяется, что свидетельствует об актуальности исследований по разработке информационных технологий в земледелии, в том числе и динамических имитационных моделей, являющихся их составной частью.

К моменту начала работы над диссертацией уже существовала версия модели формирования урожая основных с.-х. культур, которая была развита применительно к условиям ее использования в научных исследованиях. В то же время стало очевидно, что имеется потребность включения динамических моделей в системы поддержки агротехнологических решений практического земледелия. Кроме того, развитие новых информационных технологий и, прежде всего, задача их адаптации к системам точного земледелия выдвинуло новые требования к моделям, которые первоначально не учитывались. Все это привело к необходимости пересмотра некоторых положений, заложенных в системы моделирования, и к их модификации в направлении учета требований внешнего пользователя. Это, в первую очередь, касалось структуры информационной поддержки модели и перевода ее на современный программный уровень. В существующей версии имитационной системы AGROTOOL v.3, разработанной коллективом авторов лаборатории моделирования агроэкосистем АФИ (Полуэктов и др., 2006) в качестве информационной поддержки этой версии системы используется простейшая файловая структура. Вся постоянная информация, требующаяся для процесса моделирования, хранится в виде файловой структуры, уникального именования. При необходимости выполнения конкретного расчета из этой структуры выбираются необходимые данные, которые затем переписываются под стандартными именами, воспринимаемыми программой моделирования. Так, например, файлы содержащие архив погоды имеют имена wxx. dat, где (хх) цифры, означающие номера года (w98.dat, w01. dat, .). При выборе конкретного года в режиме диалога оболочка модели автоматически считывает нужный файл и записывает его под стандартным именем weather.dat. Именно эта погодная реализация и будет использована в процессе очередного счета. Такая структура данных неудобна для внешнего пользователя и не может претендовать на универсальность. В новой версии модели её следует перестроить и реализовать в виде базы данных современного типа (Мартин, 1980).

К другой задаче, также требующей своего решения, относится формулировка требований к точности задания тех или иных параметров модели. Для этого необходимо, как минимум, исследовать чувствительность модели к вариации ее параметров. Действительно, в случае, когда окажется, что выход модели слабо зависит от вариаций данного параметра, его величина может быть оценена приближенно. С другой стороны, при высокой чувствительности модели к вариации некоторого параметра к его экспериментальному определению должны быть предъявлены повышенные требования (Глобус и др., 1982, Бакаленко и др., 2008) .

Наконец, для включения модели в систему поддержки агротехнологических решений требовалось создать ряд алгоритмов прогнозирования хода продукционного процесса. Процесс формирования урожая происходит на фоне изменчивых погодных условий. В настоящее время не существует методов долгосрочного прогноза погоды с той точностью, которая может потребоваться для моделирования. Поэтому следует разработать алгоритмы прогноза результатов продукционного процесса, использующих инерционные свойства объекта моделирования — агроэкосистемы. Действительно, влагозапас в почве не изменяется мгновенно.

— для ее промачивания, а, тем боле, иссушения требуется определенное время. Еще более инерционными являются ростовые процессы. Заметное изменение биомассы органов растения происходит в течение нескольких суток.

Все эти задачи и были полжены в основу данной диссертационной работы.

На защиту выносятся'.

— Результаты исследования чувствительности динамических моделей семейства AGROTOOL, v.3, в форме оценки влияния отдельных факторов стресса растений и почвенно-гидрологических параметров на различные показатели продукционного процесса зерновых культур.

— Структура информационного обеспечения модели, состоящая из стационарной базы данных (СБД, СБД СИАМ), оперативной базы данных (ОБД, DataSet) и интерфейса пользователя (Б8М). Наличие баз данных двух типов позволяет сочетать требования хранения всей необходимой для моделирования информации с доступностью данных для модели, а наличие интерфейса дает возможность пользователю быстро и эффективно обеспечивать выбор данных из СБД для конкретного расчета.

— Метод долгосрочного прогнозирования темпов развития растений и метод оперативного прогнозирования величины урожая зерновых культур.

— Количественная оценка вариабельности от года к году коэффициента «оплаты» азотных удобрений в зависимости от величины исходной дозы удобрения.

Ряд результатов работы имеет теоретическую и практическую ценность. Теоретической значимостью обладает структура информационного обеспечения процесса имитационного моделирования, поскольку она универсальна и может быть использована во многих других приложениях и, в частности в моделях экспертного типа. Методы долгосрочного и оперативного прогноза результатов продукционного процесса обладают практической значимостью, т.к. могут быть непосредственно включены в системы поддержки агротехнологических решений.

Апробация работы. Семинары лаборатории математического моделирования АФИ, научные сессии АФИ («Параметрическая чувствительность модели продукционного процесса с/х культур: методология и результаты», март 2007), 10-ая Пущинская школа-конференция молодых ученых «БИОЛОГИЯНАУКА XXI ВЕКА». (Пущино-на-Оке, 2006 г.).

По теме диссертации опубликованы в пяти работах, из которых четыре — в рецензируемых журналах (всего 5): Бакаленко Б. И., Глобус A.M., Полуэктов Р. А. Исследование чувствительности динамической модели продуктивности зерновых культур к почвенно-гидрофизической информации // Метеорология и гидрология. 2008. № 9. С. 94 — 101.

Полуэктов Р.А., Терлеев В. В., Бакаленко Б. И. Использование динамических моделей в информационных технологиях точного земледелия // Материалы Всеросс. конф. «Машинные технологии производства продукции в системе точного земледелия и животноводства» 16−18 июня 2004 г. М.: Изд-во ВИМ, 2005. С. 142 — 147.

Бакаленко Б.И., Голубев С. В. Долгосрочное прогнозирование темпов фенологического развития сельскохозяйственных культур // Вестник РАСХН. 2006. № 2. С. 18 — 20.

Якушев В.П., Полуэктов Р. А., Петрова М. В., Терлеев В. В., Петрушин А. Ф., Бакаленко Б. И. Имитационно-экспертная система поддержки агротехнологических решений (концепция) // Вестник РАСХН. 2008. № 5. С. 7−9.

Якушев В.П., Полуэктов Р. А., Петрова М. В., Терлеев В. В., Петрушин А. Ф., Бакаленко Б. И. Имитационно-экспертная система поддержки агротехнологических решений (реализация) // Вестник РАСХН. 2008. № 6. С. 6 — 9.

Выводы.

Как указано во Введении, агрономическая наука переживает в настоящее время переходный период: с одной стороны продолжаются исследования в области традиционного (в том числе адаптивно-ландшафтного) земледелия, а, с другой, начаты и интенсивно развиваются работы по формированию технологии точного земледелия. В связи с этим основной задачей, которая была поставлена и решалась в настоящей работе, было исследование ранее разработанной динамической модели с.-х. культур для целей двойного назначения. Это, во-первых, использование модели в системах поддержки традиционных технологических решений, таких как расчет доз минеральных (азотных) удобрений, а, с другой — выработка требований к развитию модели применительно к задачам точного земледелия, а также модификация программного комплекса для целей его эксплуатации внешними пользователями.

В результате проведенного исследования сформулированы следующие основные выводы.

1. При изучении чувствительности модели AGROTOOL, v.3 к входной информации, виды которой выделены подчёркнутым курсивом, выявлено, что:

1.1. Наибольшее влияние начальных значений биомассы побега в момент всходов на конечный урожай яровой пшеницы проявляется в засушливые годы, а наименьшее — в благоприятные по осадкам годы вегетации. Для исключения этой зависимости следует дополнить модель блоком прорастания зерновки;

1.2. Из всех исследованных факторов водного стресса, а именно, влияния водного режима на апертуру устьиц, на темпы развития растений и на продуктивность наиболее существенным оказалось влияние режима осадков и транспирации на продуктивность яровой пшеницы и влияние водного режима на темпы развития этой культуры (влияние остальных факторов оказалось несущественным);

1.3. Из всех исследованных почвенно-гидрофизических параметров, а именно, максимальной гигроскопичности МГ, влажности завядания ВЗ, наименьшей влагоемкости НВ и полной влагоемкости ПВ наибольшее влияния на продуктивность ярового ячменя и озимой ржи оказывают параметр НВ, а наименьшее — МГ (это означает, что к экспериментальному определению параметра НВ предъявляются наиболее строгие требования).

2. Разработана структура информационного обеспечения модели, состоящая из стационарной базы данных (СБД), оперативной базы данных (ОБД) и интерфейса пользователя (наличие двух типов баз данных позволяет удовлетворить требованиям длительного хранения всей необходимой для моделирования информации и доступности данных для модели, а наличие интерфейса дает возможность пользователю быстро и эффективно обеспечивать выбор данных и СБД для конкретного расчета).

3. Разработан и экспериментально проверен метод долгосрочного прогнозирования темпов развития растений и метод оперативного прогнозирования величины урожая зерновых культур, что позволяет использовать разработанную структуру непосредственно в практике земледелия.

4. Выявлен факт различной межгодовой вариабельности коэффициента «оплаты» азотных удобрений в зависимости от величины исходной дозы удобрения (наличие вариабельности в межсезонном ходе коэффициента оплаты доз удобрений требует большой осторожности при прогнозировании эффективности применения удобрений в практике земледелия).

Показать весь текст

Список литературы

  1. B.JJ., Осипов Г. К. Моделирование природно-аграрных систем // Научно-технические ведомости СПбГТУ, № 4(14), 1998. — С. 32−35.
  2. В.Л., Николаев А. А. Разработка требований к геоинформационной базе данных для технологии точного земледелия // XXXII Неделя науки СПбГПУ. Материалы межвузовской научно-технической конференции. 4.1: СПбГПУ 2004, С.73−74
  3. .И., Глобус A.M., Полуэктов Р. А. Исследование чувствительности динамической модели продуктивности зерновых культур к почвенно-гидрофизической информации. // Метеорология и гидрология. 2008. № 9. С. 94 101.
  4. З.Н., Молдау Х. А., Росс Ю. К. Математическое моделирование транспирации и фотосинтеза растений при недостатке почвенной влаги. Л: Гидрометеоиздат, 1980. 223 с.
  5. Г. П., Бодров В. А., Глобус A.M., Клыков В. Е., Шульгин Д. Ф. Гидрофизические свойства почв и математическое моделирование движения солей в почвах // Почвоведение. 1984. № 4. С.113−120.
  6. К.А. Растение и почва. М.: Колос, 1973. 526 с
  7. Н.Ф., Жуковский Е. Е., Мушкин КГ. и др. Моделирование продуктивности агроэкосистем. Л.: Гидрометеоиздат, 1982. 262 с.
  8. Бондаренко II Ф., Полуэктов Р. А., Якушев В. П. Имитационные модели и методы принятия решений при программировании урожаев // Докл. ВАСХНИЛ. 19 866. № 2. С. 5−7.
  9. С.А. Теоретическое обоснование комплексной имитационно-мониторинговой модели продукционного процесса растений в агроэкосистемах.-Косторома: Изд. КГСХА, 2000. 202 с.
  10. Будаговский А. II, Ничипорович А. А., Росс Ю. К. Количественная теория фотосинтеза и ее использование для решения научных и прикладных задач физической географии. Изв. АН СССР. Сер. геогр., 1964, № 6, с. 13—27.
  11. М.И. К теории влияния климатических факторов на фотосинтез. ДАН СССР, 1964, т. 158, № 2, с.331−334.
  12. С.Д., Проскуряков Б. В. Гидрофизика. JI. Гидрометеоиздат, 1988. 248 с.
  13. АД. Основы физики почв. М.: Изд-во МГУ, 1986. 244 с.
  14. Введение в автоматизированные системы управления /Под ред. В. Г. Шорина. М.: Знание, 1974. 318 с.
  15. Е. П., Сиптиц С. О. Динамическая модель продукционного процесса кукурузы и ее применение для оптимизации водного режима. Тр. ИЭМ, 1977, вып. 8(67), с. 114—123.
  16. Е. П., Сиптиц С. О., Милютин Н. Н. Модель формирования урожая агроценоза и ее идентификация.—В кн.: Принципы управления продукционными процессами в агроэкосистемах. М., Наука, 1976, с. 96—115.
  17. Гор К.А., Мельникова А. И. Прогноз появления жуков рапсового цветоеда и сроки обработки // Защита растений.- 1, 1986.
  18. A.M. Почвенно-гидрофизическое обеспечение агроэкологических математических моделей // Гидрометеоиздат, 1987, 427 с.
  19. A.M. Физика неизотермического внутрипочвенного влагообмена. JL: Гидрометеоиздат, 1983. 279 с
  20. A.M. Системный подход к почвенно-гидрофизическому обеспечению агроэкологических математических моделей. Почвоведение, № 10., СС.53−59. 1984.
  21. A.M. Экспериментальная гидрофизика почв. JL: Гидрометеоиздат, 1969. 356 с.
  22. A.M., Бодров В. А. Применение машинного эксперимента для оценки влияния гидрофизических свойств почв на урожай и почвенный влагозапас и для уточнения требований к методам определения этих свойств. Сб. тр. АФИ, 1982, ее. 45−62.
  23. В.И., Захарнн Ф. М., Розенвассер Е. Н., Юсупов P.M. Методы теории чувствительности в автоматическом управлении. JL: Энергия, 1971, 344 с.
  24. В.Ф. Определение влагоемкости почв расчетным способом // Метеорология и гидрология. 1983. № 2. С. 113−115.
  25. В.Ф. Агрогидрологические свойства почв, их значение и применение в агрогидрологии // Тр. ВНИИСХМ. 2000. Вып. 34. С. 84−92.
  26. . И. Вопросы количественного описания ростовых функций растений // Физиология и биохимия культурных растений. 1981. Т. 13, № 3. С. 227−238.
  27. .А. Методика полевого опыта. М.: Колос, 1979.
  28. К. Дж. Введение в системы баз данных = Introduction to Database Systems. — 8-е изд. —M.: «Вильяме», 2006. —С. 1328. —ISBN 0−321−19 784−4
  29. JI.A., Полуэктов Р. А., Смоляр Э. И. Компьютерные модели продуктивности агроценозов как инструмент предсказания критических явлений в системе почва растение — атмосфера // Докл. РАСХН. 1996. № 6.
  30. В. Л., Фридлянд Л. Е. Математическая модель совместной регуляции систем биосинтеза хлорофилла и фотосинтеза. Сб. тр. по агроном, физике АФИ, 1976, вып. 38, с. 12—22.
  31. В. Л., Фридлянд Л. Е. Моделирование адаптации фотосинтетического аппарата растительной клетки к изменяющимся условиям внешней среды.— В кн.: Теоретические основы и количественные методы программирования урожаев. JL, 1979, с. 24—45. (Тр. АФИ).
  32. В.В., Дмитриева Г. А. Физиология растений. М.: Высшая школа, 2005. 736 с.
  33. В.А. Физиология яровой пшеницы. М.: Колос, 1980. 205 с.
  34. С.А. Определение основной гидрофизической характеристики по данным о почвенно-гидрофизических константах // Сб. трудов. JL: ГГИ, 1986. Вып. 308. С. 39−45.
  35. А. Кинетика фотосинтеза и фотодыхания СЗ-растений. М.: Наука, 1977. 196 с.
  36. .Н. Энергетика почвенной влаги. Л.: Гидрометеоиздат, 1975. 140 с.
  37. О.А., Мусатенко Л. И. Моделирование роста и метаболизма растений на ранних этапах онтогенеза // Физиология и биохимия культурных растений. 1982. Т. 14, № 5. С. 439—445.
  38. А. А. Некоторые принципы комплексной оптимизации фотосинтетической деятельности и продуктивности растений.— В кн.: Важнейшие проблемы фотосинтеза в растениеводстве. М.: Колос, 1970, с. 6—22.
  39. А. А. О путях повышения продуктивности фотосинтеза растений в посевах.— В кн.: Фотосинтез и вопросы продуктивности растений. М., изд-во АН СССР, 1963, с. 5—36.
  40. А. А. Фотосинтез и теория высоких урожаев.— В кн.: Тимирязевское чтение. М., изд-во АН СССР, 1956, с. 1—93.
  41. Ю. Основы экологии. М.: Мир, 1975. 740 с.
  42. Я.А. Математические модели физико-химических процессов в почвах. М.: Наука, 1990. 188 с.
  43. Пеннинг де Фриз Ф.В.Т., Х. Х. Ван Лаар. Моделирование роста и продуктивности сельскохозяйственных культур. JL: Гидрометеоиздат, 1986. 320 с.
  44. М.В. и др. Компьютерная экспертная система поддержки агротехнологических решений на осушаемых землях // Мелиорация и водное хозяйство. 1994. № 4.
  45. А.Н. Прикладное моделирование и прогнозирование продуктивности посевов. JL: Гидрометеоиздат, 1988. 318 с.
  46. Р.А., Василенко Г. В. Расчет транспирации и физического испарения в прикладных моделях агроэкосистем // Почва и растение — процессы и модели. СПб.: АФИ, 1992. С. 58−66.
  47. Р. А. Имитационные модели продуктивности агроэкоси-стем.— В кн.: Теоретические основы и количественные методы программирования урожаев. JL, 1979, с. 14—23. (Тр. АФИ).
  48. Р. А., Пых Ю. А., Швытов И. А. Динамические модели экологических систем. Л.: Гидрометеоиздат, 1980. 165 с.
  49. Р.А., Кумаков В. А., Василенко Г. В. Моделирование транспирации посевов сельскохозяйственных растений // Физиология растений. 1997. Т. 44, № 1. С. 68−73.
  50. Р.А., Кумаков В. А., Захарова Е. Т., Финтушал С. М. Динамическая модель продукционного процесса яровой пшеницы: учет влияния водного стресса на рост и развитие растений // Сельскохоз. биология. 2002а. № 1. С. 44−53.
  51. Р.А., Смоляр Э. И., Терлеев В. В., Топаж А. Г. Модели продукционного процесса сельскохозяйственных культур. СПб.: Изд-во С. — Петерб. Ун-та, 2006. — 396с.
  52. Р. А., Смысловский А. И., Финтушал С. М. «СИМОНА" — система имитационного моделирования и язык управления моделями // Теоретические основы и количественные методы программирования урожаев. JL, 1979. С. 101— 112.
  53. ПолуэктовР.А. Динамические модели агроэкосистемы. JL: Гидрометеоиздат, 1991. 312 с.
  54. Р.А., Опарина КВ., Финтушал С. М. Прогнозирование темпов фенологического развития сельскохозяйственных растений // Физиология растений.- 2000, т. 47, № 4, С. 634−640.
  55. Р.А., Опарина КВ., Петрова М. В., Финтушал С. М. Значениеагротехнологий при моделировании продукционного процесса растений // Вестник РАСХН. 1998а. № 3. С. 48−51.
  56. Р.А., Опарина КВ., Терлеев В. В. Три способа расчета динамики почвенной влаги // Метеорология и гидрология. 2003. № 11. С. 90 98.
  57. Р.А., Опарина КВ., Семенова Н. Н., Терлеев В. В. Моделирование почвенных процессов в агроэкосистемах: Учеб. пособие. Изд-во СПбГУ, 20 026. 148 с.
  58. Р.А., Терлеев В. В. Моделирование водоудерживающей способности и дифференциальной влагоемкости почвы // Метеорология и гидрология. 2002. № 11. С. 93−100.
  59. Р. А., Топаж А. Г. Расчет отношения root/shoot в моделях органогенеза высших растений // Физиология растений. 2005. Т. 52, № 5.
  60. Р.А., Якушев В. П. Основные принципы планирования полевого и компьютерного экспериментов: Методические рекомендации. Изд-во СПбГУ, 2003.25 с
  61. Пых Ю. А. Математические модели фотосинтеза листа в общей модели продуктивности агроэкосистем // Управление продуктивностью экологических систем. Сб. трудов по агрономической физике. JL: АФИ, 1976. Вып. 38. С. 30−46
  62. Дж. Организация баз данных в вычислительных системах М.: Мир, 1980
  63. Ю.К. Система уравнений для количественного описания роста растений // Фитоактинометрическое исследование растительного покрова: Сб. статей. Таллин: Валгус, 1971. С. 64−88.
  64. А.А. Основы учения о почвенной влаге. JL: Гидрометеоиздат, 1965. Т. 1. 663 е.- 1969. Т. 2. 288 с.
  65. Д.А. Физиология развития растений. М.: Изд-во АН СССР, 1963. 195 с.
  66. А.А. Теория разностных схем. М.: Наука, 1977. 656 с.
  67. А.А., Карамзин ЮН. Разностные уравнения. М.: Знание, 1978. 64 с.
  68. П.М., Гончарова Е. М., Прохоров А. Н. Модель расчета основной гидрофизической характеристики по базовым показателям физического состояния почв // Докл. ВАСХНИЛ. 1992. № 9. С. 22−25.
  69. О. Д., Бойко А. П. Динамическая модель агроценоза Тр. ИЭМ, 1977, вып. 8 (67), с. 12—36.
  70. О.Д., БойкоДИ. Динамическая модель агроценоза// Труды ИЭМ. 1976. Вып. 8 (67). С. 12−36.
  71. М.А., Сунцева Н. А. Динамическая модель роста проростков зерновых культур в период посев-всходы // Труды ВНИИСХМ. 1983. Вып. 8. С. 36−45.
  72. В.В. Моделирование водоудерживающей способности почв как капиллярно-пористых тел: Учеб.- метод, пособие. СПб.: НИИ химии СПбГУ, 2000. 71 с.
  73. X. Г., Каллис А. Г. Расчеты продуктивности и роста растительного покрова.— В кн.: Солнечная радиация и продуктивность растительного покрова. Тарту, изд. ИФА АН ЭССР, 1972, с .5—12.
  74. X. Г. Связь фотосинтеза, роста растений и геометрической структуры листвы растительного покрова с режимом солнечной радиации наразных широтах. Бот. журн., 1967, № 5, с. 606—616.
  75. ТоомингХ.Г. Солнечная радиация и формирование урожая. Л.: Гидрометеоиздат, 1977. 199 с.
  76. Х.Г. Солнечная радиация и формирование урожая. Л.: Гидрометеоиздат, 1977. 199 с.
  77. А.Г. Моделирование суточных метеоданных как входного сигнала модели продукционного процесса // Почва и растение процессы и модели: Сб. статей. СПб.: АФИ, 1992. С. 79−86.
  78. Е.С. Методы оценки агрометеорологических условий и прогнозов урожайности зерновых культур. Л.: Гидрометеоиздат, 1988. 53 с.
  79. Е.С., Моисейчик В. А., Полевой А. Н. Руководство по агрометеорологическим прогнозам: Т. 1. Зерновые культуры. JL: Гидрометеоиздат, 1984.309 с.
  80. Д., ТорнлиДж. Математические модели в сельском хозяйстве. М.: Агропромиздат, 1987. 400 с.
  81. П.М., Конищев В. Н., Пегое С. А. и др. Моделирование геоэкосистем регионального уровня. М.: Изд-во МГУ, 2000. 382 с.
  82. Э. Физические основы гидрологии почв. JL: Гидрометеоиздат, 1973. 427 с.
  83. И. С, Бондаренко Н. Ф., Жуковский Е. Е., Каюмов М. К, Нерпин С. В., Полуэктов Р. А. Схема организации научных исследований по программированию урожая. Докл. ВАСХНИЛ, 1976, № 2, с. 2—4.
  84. Г. Дисперсионный анализ. М., Наука, 1980.
  85. В.П. На пути к точному земледелию. СПб.: Изд-во ПИЯФ РАН, 2002. 458 с.
  86. В.П. и др. Опыт составления программ интенсивных технологий на ЭВМ // Земледелие. 1988. № 7. С. 54−58.
  87. В.П. и др. Экспертная система поддержки агротехнологических решений при программировании урожаев (опыт построения) // Вестник с.х. науки. 1989. № 4. С. 31−37.
  88. В.П., Полуэктов Р. А., СмолярЭ.К, ТопажА.Г. Точное земледелие (Аналитический обзор) // Агрохим. вестник. 2001. № 5, 6- 2002. № 2.
  89. В.П., Полуэктов Р. А., Петрова М. В., Терлеев В. В., Петрушин А. Ф., Бакаленко Б. И. Имитационно-экспертная система поддержки агротехнологических решений (концепция) // Вестник РАСХН. 2008. № 5. С. 7 9.
  90. В.П., Полуэктов Р. А., Петрова М. В., Терлеев В. В., Петрушин А. Ф., Бакаленко Б. И. Имитационно-экспертная система поддержки агротехнологических решений (реализация) // Вестник РАСХН. 2008. № 6. С. 6 9
  91. Acock В. Crop Modelling in the USA // Acta Horticulturae. 1989. Vol. 248. P. 365−372.
  92. Acock В., Pachepsky Y.A., Mironenko E.V. et al. GUICS: A Generic User Interface for One-Farm Crop Simulations // Agron. J. 1999. Vol. 91. P. 657−665.
  93. Allen L.M., Jr. Nurbulence and wind speed spectra within a Japanese larch plantation // J. Apll. Met. 1968.Vol. 7, N 1. P. 73−78.
  94. , D. W., 1976. A simulation model approach for relating effective climate to winter wheat yields on the Great Plains. Agricultural Meteorology, 17:185−194.
  95. Brinsfield, R., Yaramanoglu, M., Wheaton, F., 1984. Ground level solar radiation prediction model including cloud cover effects. Solar Energy, 33:493−499.
  96. Cod E. F. A relational model of data for large shared data banks// ACM New York, NY, USA/ 1983. Vol. 26. p 64−69.
  97. Davidson J.L., Philip J.R. Light and pasture growth. In: Climatology and Microckumatology. UNESCO, 1958, p. 181−187.
  98. Diepen C.A. van, RappoldC., Wolf J, Keulen H. van. Crop growth simulation model WOFOST. Documentation version 4.1. Wageningen, The Netherlands: Centre for World Food Studies, 1988. 299 p.
  99. Diepen, C.A. van, Wolf, J., Keulen, H. van, 1989. WOFOST: a simulation model of crop production. Soil Use and Management, 5:16−24.
  100. Duncan W. G., Loomis R. S., Williams W. A., Hanau R. A model for simulating photosynthesis in plant communities. Hilgardia, 1967, vol. 38, № 4, p. 181—205.
  101. Franco, U.& B.Oelschlaeger. CANDY. In: Simulationsmodelle zur Stickstoffdynaik. Schriftenreihe Agroinformatik #25. 1993. P. 99−110.
  102. Gaastra P. Photosythesis of crop plants as influenced by light, carbon dioxide, temperature and stomatal diffusion resistance. Mededel Landbow-hogescool, Wageningen, 1959, vol. 59, № 13, p. 1−68.
  103. Hall A. E., Bjorkman O. Model of leaf photosynthesis and respiration. Ecol. Stud., 1975, vol. 12, p. 55—72.
  104. Hanks J., Ritchie J.T. Modelling plant and soil Systems. Agronomy (A Series of Monographs). Madison, Wisconsin USA: SSSAI Publishers, 1991. 544 p
  105. Hanks J., Ritchie J.T. Modeling Plant and Soil Systems // Madison, Wisconsin1. USA 1991.
  106. Hijmans R.J., I.M. Guiking-Lens, and C.A. van Diepen. 1994. WOFOST 6.0: User’s Guide For the WOFOST 6.0 Crop Growth Simulation Model. Technical Document 12. ISSN 0928−0944. Wageningen, The Netherlands.
  107. Hupert F., J.C. van Damm, andM. Vanclooster. Impact of within-field variability in soil hydraulic properties on transpiration fluxes and crop yield: a numerical study // Vadose Zone Journal, v.3, 2004. pp. 1367−1379.
  108. , J., 1992. SWACR0P2, a quasi-two-dimensional crop growth & soil water flow simulation model. User’s guide. WAU, Dept. of water resources, SC-DLO, Wageningen, The Neteherlands.
  109. Jones, C.A., and J.R.Kinry (ed.). CERES-maize: A simulation model of maize growth and development. Texas A&M Univ. Press. College Station. 1986.
  110. Keulen, H. van, Diepen, C.A. van, 1990. Crop growth models and agro-ecological characterization. In: Scaife, A. (Ed.): Proceedings of the first congress of the European society of agronomy, 5−7 December 1990, Paris. CEC, ESA, INRA. session 2:1−16.
  111. MonsiM., Saeki T. Uber den Lichtfaktor in den Pflanzengesellschaften und seine Bedeutung fur die Stoffproduktion // Jap. J. Bot. 1953. Vol. 14, N 1. P. 22−52.+
  112. , J.В., 1996. Simulation models: Science, snake oil, education, or engineering? Agronomy Journal, 88:690−694.
  113. Penning de Fries F. W.T., Jensen D.M., ten Berge H.F.M., Baketa A.H. Simulation of ecophysiological processes of growth of several annual crops. Wageningen: Pudoc, 1989. 271 p.
  114. Poluektov R. A. Matematische Modelle der Pflanzenproduktivitat.— In: Biophysikalische Analyse pflanzlicher Systeme. Jena: VEB G. Fischer В Ver-lag, 1977, p. 31—37.
  115. Poluektov R.A., Fintushal S.M., Oparina I. V. et al. AGROTOOL a system for crop simulation// Arch. Acker- Pfl. Boden. 2002. Vol. 48. P. 609−635.
  116. Poluektov R.A., Oparina I. V., Zakharova E.T., Fintushal S.M. Parameter Estimation of Soil-Plant-Atmosphere Model // Agrophysical and Ecological Problems of Agriculture in the 21-th Century. SPb., 2004. Vol. 4. P. 11−17.
  117. PoluektovR.A., TopajA.G., Topaj I.G. Formation of Management Units for Precision Farming // Proc. Conf. „Physical Methods in Agriculture. Approach to Precision and Quality“. Czech University of Agriculture. Prague, 2001. P. 248−252.
  118. Poluektov R.A., Zakharova E.T. Two approaches to the description of distribution keys in crop simulation models // Intern. Agrophysics. 2000. N 1. P. 99—104.
  119. Richards L.A. Capillary conduction of liquids through porous media // Physics. 1931. Vol. l.P. 95−112
  120. Schawcroft R. W., Lemon E. R., Allen L. H., Stewart D. W» Jensen S. E. The soil—plant—atmosphere model and some of its predictions.— Agric. Meteorol., 1974, vol. 14, № 1, p. 287—307.
  121. Wenkel K.-O., and Mirschel W. Agrooerosystemmodellirung. Grundlage fuer die Abschaetzung von Auswiekungen moegicher Landnutzungs- und Klimaaenderungen // ZALF Bericht, N 24. Muencheberg, 1995. S. 187
  122. Whisler, F.D., Acock, В., Baker, D.N., Fye, R.E., Hodges, H.F., Lambert, J.R., Lemon, H.E., Mckinion J.M., Reddy, V.R., 1986. Crop simulation models in agronomic systems. Advances in Agronomy, 401:141−208.
  123. Wit С. Т., de, e. a. Simulation of assimilation, respiration and transpiration of crops. Wageningen, 1978. 140 p.
Заполнить форму текущей работой

На отлично!