Удосконалення методики програмування урожаю зернових з використанням інформаційної технології комп’ютерного моделювання
DOI:
https://doi.org/10.32347/2411-4049.2023.4.152-169Ключові слова:
моделювання, математичні моделі, мережа Байєса, біологічні процеси, екологічне рослинництвоАнотація
Стаття присвячена актуальній науково-прикладній проблемі – розробці інформаційної технології комп’ютерного моделювання, призначеної для програмування урожайності сільськогосподарських культур. В роботі описано інформаційну технологію комп’ютерного моделювання урожайності сільськогосподарських культур (на прикладі вівса голозерного), яка базується на застосуванні байєсівських методів до моделювання та прогнозування в умовах статистичної, параметричної та структурної невизначеності. Дослідження виконане на матеріалах лабораторних дослідів, проведених в умовах, наближених до природних, з прогнозування фізіологічних процесів, які відбуваються у рослинах під впливом регульованих та нерегульованих чинників. Пропонований підхід описує зміну урожайності зернових культур, зокрема вівса голозерного, в залежності від параметрів росту і розвитку рослин, фотосинтетичного апарату та тривалості його функціонування. Науковою новизною роботи є застосування ймовірнісно-статистичних моделей у формі мереж Байєса у системі програмування урожайності сільськогосподарських культур. В роботі розглянуто декілька сценаріїв сумісного впливу рострегуляторів та гербіцидів на урожайність вівса голозерного. В якості цільової змінної досліджуваного процесу обрана чиста продуктивність фотосинтезу. Математичні моделі у вигляді мережі Байєса виявилися адекватними обраному для моделювання процесу. Досягнута помилка класифікації моделей становить близько 20%. Структуру моделі побудовано в системі моделювання Genie 2.0. Виявлено, що дослідивши та змоделювавши потенційні можливості екологічних особливостей рослин, можна досягти зростання урожайності за рахунок зменшення доз гербіцидів і регуляторів росту за сумісного їх використання, що значно підвищує якість врожаю. Пропонована інформаційна технологія використовує методи інтелектуального аналізу даних, має модульну структуру та може застосовуватись окремо та в складі інших інформаційно-аналітичних систем.
Посилання
Bidjuk, P.I., Terent'jev, O.M., Prosjankina-Zharova, T.I., & Efendijev, V.V. (2017). Prognozne modeljuvannja nelinijnyh nestacionarnyh procesiv u roslynnyctvi z vykorystannjam instrumentiv SAS Enterprise Miner. Naukovi visti NTUU KPI, 1, 24-36 [in Ukrainian]. https://doi.org/10.20535/1810-0546.2017.1.87423
Westra, E.P., Shaner, D.L., Westra, P.H., & Chapman, P.L. (2014). Dissipation and Leaching of Pyroxasulfone and S-Metolachlor. Weed Technology, 28(1), 72–81. https://doi.org/10.1614/WT-D-13-00047.1
Gulner, G., Kömives, T., & Rennenberg, H. (2001). Enchanced tolerance of transgenic poplar plants overexpressing γ-glutamylcysteine synthetase towards chloroacetanilide herbicides. The Journal of Experimental Botany, 52(358), 971–979. https://doi.org/10.1093/jexbot/52.358.971
Foyer, C.H., & Noctor, G. (2009). Redox regulation in photosynthetic organisms: Signaling, acclimation and practical implications. Antioxidants and Redox Signaling, 11, 862–905. https://doi.org/10.1089/ars.2008.2177
Zabolotna, A.V., Zabolotnyj, O.I., Rozbors'ka, L.V., Zhyljak, I.D., & Dacenko A.A. (2021). Vmist pigmentiv i chysta produktyvnist' fotosyntezu kukurudzy za vykorystannja reguljatoriv rostu roslyn. Visnyk Sums'kogo nacional'nogo agrarnogo universytetu Serija «Agronomija i biologija», 4(46), 9-15 [in Ukrainian]. https://doi.org/10.32845/agrobio.2021.4.2
Wang, G., Zhuang, L., Mo, L., Yi, X., Wu, P., & Wu, X. (2023). BAG: A Linear-Nonlinear Hybrid Time Series Prediction Model for Soil Moisture. Agriculture, 13(2), 379. https://doi.org/10.3390/agriculture13020379
Ma, D., Maki, H., Neeno, S., Zhang, L., Wang, L., & Jin, J. (2020). Application of non-linear partial least squares analysis on prediction of biomass of maize plants using hyperspectral images. Biosystems Engineering, 200, 40-54. https://doi.org/10.1016/j.biosystemseng.2020.09.002
Paine, C. E. T., Marthews, T. R., Vogt, D. R., Purves, D., Rees, M., Hector, A., & Turnbull, L. A. (2012). How to fit nonlinear plant growth models and calculate growth rates: an update for ecologists. Methods in Ecology and Evolution, 3, 245–256. https://doi.org/10.1111/j.2041-210X.2011.00155.x
KPMG. Retrieved from https://kpmg.com/ua/uk/home.html
EOS Data Analytics. Retrieved from https://eos.com/uk/
Informacijna tehnologija monitoryngu vyroshhuvannja ozymyh kul'tur (Programuvannja vrozhaju ozymyh sil's'kogospodars'kyh kul'tur). Retrieved from https://scp.knu.ua/ua/kataloh-innovatsiinykh-proektiv-3/361-informatsiina-tekhnolohiia-monitorynhu-vyroshchuvannia-ozymykh-kultur-prohramuvannia-vrozhaiu-ozymykh-silskohospodarskykh-kultur [in Ukrainian].
Proekt AgroTehintelekt. Retrieved from https://www.ndipvt.com.ua/agrotehintel.html [in Ukrainian].
Zgurovs'kyj, M.Z., Bidjuk, P.I., Terent'jev, O.M., & Prosjankina-Zharova T.I. (2015). Bajjesivs'ki merezhi u systemah pidtrymky pryjnjattja rishen'. Kyi'v: TOV «Vydavnyche Pidpryjemstvo «Edel'vejs» [in Ukrainian].
de Carvalho, P., Nicolai, M., Rodrigues, Ferreira, R. et al. (2009). Herbicide selectivity by differential metabolism: considerations for reducing crop damages sci. agric. (piracicaba, braz.). Scientia Agricola, 66(1), 136-142. https://doi.org/10.1590/S0103-90162009000100020
Loboda, O.M., & Hudik, N.D. (2021). Vykorystannja ekspertnyh ocinok dlja vyznachennja priorytetnyh naprjamiv vprovadzhennja cyfrovyh tehnologij v agrobiznesi. Agrosvit, 4, 38-44 [in Ukrainian]. https://doi.org/10.32702/2306&6792.2021.4.38
Kokovihin, S.V., & Kovalenko, V.P. (2019). Matematychne modeljuvannja rivniv produktyvnosti bagatorichnyh bobovyh kul'tur v umovah Lisostepu Ukrai'ny. Tavrijs'kyj naukovyj visnyk, 108, 39-45 [in Ukrainian]. https://doi.org/10.32851/2226-0099.2019.108.6
Bondarenko, L.V. (2017). Vprovadzhennja novyh informacijnyh tehnologij u profesijnu dijal'nist' agronoma. Naukova pracja. Pedagogika, 281 (293), 47-53 [in Ukrainian].
Pearl, J. (2000). Causality: models, reasoning, and inference. Cambridge University Press.
Jensen, F.V. (2001). Bayesian networks and decision graphs. New York: Springer. https://doi.org/10.1007/978-1-4757-3502-4
Spiegelhalter, D., Dawid, P., Lauritzen, S., & Cowell, R. (1993). Bayesian analysis in expert systems. Statistical Science, 8 (3), 219–247.
Trofymchuk, O., Bidiuk, P., Terentiev, O., & Prosyankina-Zharova, T. (2019). Decision Support Systems for Modelling, Forecasting and Risk Estimation. Riga: LAP Lambert Academic Publishing.
Lauritzen, S.L., & Spiegelhalter, D.J. (1988). Local computations with probabilities on graphical structures and their application to expert systems. Journal Royal Statistics Society, series B (Methodology). 50 (2), 157-194.
Karpenko, V.P., & Prosjankin, D.I. (2015). Lipoperoksydacijni ta antyoksydantni procesy v roslynah vivsa golozernogo za dii' biologichno aktyvnyh rechovyn. Visnyk Umans'kogo Nacional'nogo universytetu sadivnyctva, 1, 47-50 [in Ukrainian].
Grycajenko, Z.M. Grycajenko, A.O., & Karpenko, V.P. (2003). Metody biologichnyh ta agrohimichnyh doslidzhen' roslyn i g'runtiv. Kyi'v: ZAT «Nichlava» [in Ukrainian].
Pateiro, M., Domínguez, R., Munekata, P.E.S., Nieto, G., Bangar, S.P., Dhama, K., & Lorenzo, J.M. (2023). Bioactive Compounds from Leaf Vegetables as Preservatives. Foods., 12 (3), 637. https://doi.org/10.3390/foods12030637
Vyznachennja rozchynnyh suhyh rechovyn refraktometrychnym metodom (ISO 2173:2003 IDT): DSTU ISO 2173:2007 (2007). Retrieved from http://csm.kiev.ua/nd/nd.php?b=1&l=24791 [in Ukrainian].
Spirtes, P., Glymour, C., & Scheines, R. (1993). Causation, Prediction and Search. Part of the book series: Lecture Notes in Statistics (LNS, vol. 81). Berlin: Springer Verlag. https://doi.org/10.1007/978-1-4612-2748-9
Genie 2.0. Retrieved from https://www.bayesfusion.com/genie/
Kelangath, S., Das, P.K., Quigley, J., & Hirdaris, S.E. (2012). Risk analysis of damaged ships - A data-driven Bayesian approach. Ships and Offshore Structures. 7 (3), 333-347. https://doi.org/10.1080/17445302.2011.592358
Spirtes, P., Glymour C., & Scheines, R. (1991). From probability to causality. Philosophical Studies, 64, 1–36. https://doi.org/10.1007/BF00356088
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Terentiev O.M., Prosyankin D.I.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Збірник «Екологічна безпека та природокористування» працює у рамках міжнародної ліцензії Creative Commons Attribution («із зазначенням авторства») 4.0 International (CC BY 4.0).
Ліцензійна політика журналу сумісна з переважною більшістю політик відкритого доступу та архівування матеріалів.
