Модель прогнозирования комплексного негативного воздействия технологий сельхозпроизводства на водные объекты

Автор: Субботин Игорь Александрович, Васильев Эдуард Вадимович

Журнал: Инженерные технологии и системы @vestnik-mrsu

Рубрика: Технологии и средства механизации сельского хозяйства

Статья в выпуске: 2, 2021 года.

Бесплатный доступ

Введение. Цель исследования - разработка математической модели, позволяющей оценивать и прогнозировать комплексное негативное воздействие на водные объекты технологий сельхозпроизводства. Данная проблема актуальна ввиду необходимости укрупнения сельхозпредприятий. Модель прогнозирования важна для оценки с учетом комплексного влияния машинных технологий сельхозпроизводства и всех биогенных элементов, отрицательно воздействующих на водные объекты. Материалы и методы. Использован метод логико-лингвистического моделирования Спесивцева - Дроздова, позволяющий формализовать экспертные знания в математическую модель. Были опрошены 4 эксперта, а полученные данные обработаны и подвергнуты регрессионному анализу. Адекватность модели проверена с помощью коэффициента детерминации и критерия Фишера. Результаты исследования. Сформирована иерархическая система из 6 факторов и 14 подфакторов, включающих как применяемые машинные технологии, так и принимаемые управленческие решения. Получена модель, содержащая полиномиальное уравнение, отражающее влияние факторов на уровень негативного воздействия технологий, и уравнения, определяющие влияние подфакторов на факторы. Обсуждение и заключение. Полученная модель может быть использована в практических целях для поддержки принятия решений планирования, прогнозирования и выбора сценариев модернизации сельхозпредприятий. Уравнения модели позволяют понять значимость факторов и подфакторов, влияющих на уровень негативного воздействия (диффузную нагрузку) на водные объекты. Это позволяет выбирать эффективные пути снижения негативного воздействия путем выбора в качестве объектов наиболее значимых факторов и/или подфакторов.

Еще

Технологии сельхозпроизводства, экологическая оценка, моделирование, прогнозирование, инженерная экология, комплексное негативное воздействие

Короткий адрес: https://sciup.org/147234628

IDR: 147234628   |   DOI: 10.15507/2658-4123.031.202102.227-240

Текст научной статьи Модель прогнозирования комплексного негативного воздействия технологий сельхозпроизводства на водные объекты

Современные сельхозпредприятия используют высокопроизводительные и энергоемкие технологии и техниче- 228

ские средства, которые могут оказывать значительное негативное воздействие на окружающую среду. Одной из актуальных научных проблем является

Технологии и средства механизации сельского хозяйства

комплексное определение негативного влияния сельхозпроизводства на гидросферу. Эта задача осложняется большими площадями сельскохозяйственных полей, с которых происходит сток загрязняющих веществ, свойствами почвы, факторами, влияющими на интенсивность загрязнений. Такую диффузную (распределенную в пространстве) нагрузку практически невозможно измерить инструментальными методами ввиду больших площадей изучаемых объектов – сельскохозяйственных полей. Данная проблема особенно актуальна в бассейнах крупных водоемов, например в районе Балтийского моря, на территории которого расположены 9 государств, между которыми подписаны природоохранные соглашения. Традиционные природоохранные исследования, как правило, сфокусированы на проблеме влияния конкретных машинных технологий в определенных условиях. Получаемые в результате расчетные модели неприменимы для комплексной оценки влияния на водные объекты сельхоз-производства в целом. Почти во всех существующих исследованиях по данной тематике рассматриваются более простые задачи выбора и сравнения критериев и методов оценки и не рассматривается задача прогнозирования негативного воздействия на окружающую среду. Цель исследования – разработка математической модели, позволяющей оценивать и прогнозировать комплексное негативное воздействие технологий сельхозпроизводства на водные объекты.

Обзор литературы

Ряд современных российских и зарубежных исследований затрагивает эту научную проблему, однако чаще всего авторы ограничиваются постановкой частных вопросов [1; 2]. Другие авторы сравнивают конкретные методы оценки [3–6] и теоретико-методологические подходы к решению проблемы негативного влияния сельхозпроизвод-ства [7–9]. Некоторые работы направлены на исследование и обоснование критериев оценки1 [10–12]. Важными вопросами являются анализ конкретных источников загрязнений внутри сельхозпредприятий [13–15] и изучение негативного воздействия отдельных видов загрязнений2 [16; 17].

Распространенной практикой является экспертная оценка выбранных показателей негативного воздействия [18; 19]. В то же время вопрос формализации зависимостей с получением конкретных расчетных формул применительно к влиянию технологий сель-хозпроизводства на водные объекты в известных публикациях исследован мало. Часто исследователи фокусируются на конкретных, наиболее значимых с точки зрения негативного воздействия, машинных технологиях [20–23]. Некоторые авторы рассматривают проблему негативного воздействия сельхозпроизводства на региональном

KTSJ уровне3 [24–26]. Также необходимо отметить, что почти все публикации на тему негативного воздействия сельхоз-производства на окружающую среду направлены на оценку текущей ситуации и не рассматривают задачу прогнозирования [27–29]. В процессе поиска литературных источников авторами было найдено лишь четыре статьи, связанные с прогнозированием негативного воздействия сельхозпроизвод-ства [11; 22; 30; 31]. Таким образом, научная новизна настоящего исследования состоит в комплексной оценке (учитывается не конкретная технология или вещество-загрязнитель, а воздействие в целом) негативного влияния на водные объекты и построении математической модели, пригодной для прогнозирования.

Материалы и методы

Для построения математической модели, необходимой для оценивания и прогнозирования негативного воздействия технологий сельхозпроиз-водства, был использован метод логико-лингвистического моделирования Спесивцева – Дроздова [31]. Данный подход содержит следующие действия: выбор и обоснование факторов, влияющих на изучаемое явление или объект и выбор целевой функции, для которой планируется определить формулу, раскрывающую ее зависимости от факторных переменных; определение диапазонов принимаемых значений (или перечня значений в случае качественных переменных) факторных переменных и формирование шкал оценки значений с использованием аппарата нечеткой логики; формирование опросных матриц; опрос экспертов (фиксация лингвистических значений целевой функции для сочетаний факторных

Том 31, № 2. 2021

значений и перевод из лингвистической в численную форму); обработка экспертных оценок методами регрессионного анализа; проверка адекватности полученной модели по коэффициенту детерминации ( R 2) и критерию Фишера; при необходимости (в случае низкого значения коэффициента детерминации) – дополнительная работа с экспертами для корректировки набора факторных переменных или корректировки значений экспертных оценок. Метод логико-лингвистического моделирования достаточно хорошо апробирован, в том числе при решении агроэкологических проблем [22; 31; 32]. Экспертами были обоснованы факторы и для некоторых ( X 4, X 5, X 6) были определены подфакторы. Методом логико-лингвистического моделирования Спесивцева – Дроздова получены полиномиальные уравнения, определяющие влияние подфакторов на факторы.

Опросная матрица для получения главного уравнения, необходимого для определения уровня негативного влияния сельхозпроизводства на водные объекты, представляет собой таблицу в виде полуреплики матрицы полнофакторного эксперимента (32 строки экспертных оценок). Уровень негативного влияния сельхозпроизводства на водные объекты определяется целевым показателем Y – уровень диффузной нагрузки, отражающий объем биогенных элементов, поступающих от сельхозпредприятия в водные объекты (кг/год). В качестве экспертов были привлечены 4 ученых, имеющих многолетний опыт участия в полевых исследованиях стоков с сельхозпредприятий в реки Ленинградской области. Регрессионный анализ был выполнен с помощью компьютерной программы Scilab 6.1.0.

Результаты исследования

В соответствии с выбранным методом логико-лингвистического моделирования был определен целевой показатель Y (1). В качестве 6 факторов, влияющих на уровень диффузной нагрузки, были выбраны следующие: X 1 – применяемая технология внесения удобрений; X 2 – применяемая технология обработки почвы; X 3 – применяемые технологии очистки поверхностных, грунтовых и дренажных вод с полей; X 4 – соблюдение агротехнологических требований; X 5 – соблюдение агроэкологических требований; X 6 – использование цифровых технологий в технологических процессах.

Фактор X 1 подразумевает использование одной из 9 машинных технологий внесения жидкого (ЖОУ) или твердого (ТОУ) органического удобрения:

  • 1)    поверхностное разбрызгивание ЖОУ;

  • 2)    поверхностное разбрызгивание ЖОУ с последующей запашкой;

  • 3)    поверхностное ленточное внесение через шланговую систему;

  • 4)    поверхностное ленточное внесение через шланговую систему с башмаками;

  • 5)    внутрипочвенное внесение в открытые канавки;

  • 6)    внутрипочвенное внесение с последующим закрытием канавок;

  • 7)    внутрипочвенное внесение с применением культиватора;

  • 8)    внесение ТОУ разбрасыванием;

  • 9)    внесение ТОУ разбрасыванием с последующей запашкой.

В зависимости от выбранной технологии степень вымывания внесенных удобрений в водные объекты значительно варьируется.

Фактор X 2 подразумевает выбор одной из пяти технологий обработки почвы: минимальная, нулевая, комбинированная, безотвальная, отвальная (классическая технология вспашки).

Фактор X 3 отражает инженерные методы и технологии, применяемые на сельхозпредприятии для очистки поверхностных, грунтовых и дренажных вод с полей, и содержит 4 подфактора: изменение микрорельефа поля в зоне впадения стока в водные объекты ( X 3.1); изменение (конструирование) русла дренажных каналов с целью снижения скорости потока стоков ( X 3.2); высаживание в зоне поступления стоков растений, поглощающих биогенные элементы ( X 3.3); очистка системой отстойников с применением биологи-зированных фильтров ( X 3.4).

В отличие от факторов X 1 и X 2, где зависимость определялась выбором одной из технологий перечня, фактор X 3 содержит подфакторы, каждый из которых может принимать положительное (в случае применения данного инженерного метода или технологии) либо отрицательное (в случае неприменения) значение. Факторы X 4, X 5 и X 6 аналогичным образом содержат подфакторы.

Фактор X 4 (соблюдение агротехно-логических требований) включает в себя следующие подфакторы:

  • 1)    соблюдение сроков внесения удобрений (вегетативные периоды) (подфактор X 4.1);

  • 2)    выдерживание сроков запашки удобрений после внесения (подфактор X 4.2);

  • 3)    учет природно-климатических условий (уровень солнечной радиации, ветер, давление, осадки) при определении сроков выполнения производственных процессов (подфактор X 4.3);

  • 4)    соблюдение агрономически обоснованной дозы внесения удобрений (подфактор X 4.4).

Фактор X 5 (соблюдение агроэкологических требований) включает в себя 3 подфактора:

  • 1)    соблюдение сроков временного складирования органических удобрений (подфактор X 5.1);

  • 2)    соблюдение экологически безопасного расстояния от места временного складирования органических удобрений до водных объектов (подфактор X 5.2);

  • 3)    выбор типа почвы с минимальными фильтрационными свойствами для места временного складирования твердых органических удобрений (подфактор X 5.3).

Фактор X 6 (использование цифровых технологий в технологических процессах) включает в себя 3 подфактора:

  • 1)    наличие внедренной системы мониторинга, контроля и принятия решений для эффективной реализации технологий внесения удобрений (подфактор X 6.1);

  • 2)    применение дифференцированного внесения удобрений в зависимости от типа почвы, расстояния до водных объектов, уклона полей, природоохранного статуса земель и т. п. (подфактор X 6.2)

  • 3)    использование цифровых паспортов полей (подфактор X 6.3).

Данная совокупность факторов и подфакторов выбрана с учетом системного подхода к изучаемому явлению: факторы X 1– X 3 характеризуют применяемые машинные технологии; X 4, X 5 – применяемые управленческие решения. Фактор Х 6 характеризует эффективность контроля выполнения технологических операций и позволяет точно оценивать эффект от принимаемых решений. Для каждой лингвистической переменной были разработаны индивидуальные шкалы.

Для целевой функции и каждой факторной переменной ( X 1– X 6) были построены шкалы, позволяющие соотносить лингвистические оценки экспертов, численные значения показателей и логические значения (–1 и +1). На рисунке 1 показана шкала для целевой функции Y , которая содержит лингвистические значения.

Н/ НС / С / ВС/ В /

Р и с. 1. Оппозиционная шкала для значений целевой функции: Н – низкий уровень поступления загрязняющих веществ в водные объекты; НС – уровень поступления ниже среднего; С – средний уровень поступления;

ВС – уровень поступления выше среднего;

В – высокий уровень поступления загрязняющих веществ

F i g. 1. Oppositional scale for objective function values: L – low level of inputting pollutants in water bodies; BA – level of inputting pollutants in water bodies is below average; A – average level of inputting pollutants in water bodies;

AA – the level of inputting pollutants in water bodies is above average; H – high level of inputting pollutants in water bodies

В дальнейшем использовались более точные лингвистические значения. Например, НС-С – значение уровня загрязнения, расположенное между уровнем НС (ниже среднего) и С (средний) (BA-A – below average – average), и НСС-С – уровень загрязнения, расположенный между уровнем НС-С и С (BAA-A – level between “below average – average” and “average” levels).

Лингвистическому значению Н соответствует логическое значение –1 и численное значение 5 (кг/га в год) – минимальное количество вымываемых биогенных элементов в водные объекты. Аналогичным образом строятся оппозиционные шкалы для каждой факторной переменной X 1– X 6.

Далее была сформирована опросная матрица, в которой экспертам было необходимо оценить негативное воздействие в зависимости от различных сочетаний значений выбранных факторов. Полная матрица содержит 32 строки сочетаний факторных значений, фрагмент заполненной матрицы представлен в таблице.

Т а б л и ц а T a b l e

Опросная матрица для сбора экспертных оценок (фрагмент)

Questionnaire matrix for collecting expert assessments (fragment)

X 1

X 2

X 3

X 4

X 5

X 6

Y ling

Y chisl

–1

–1

–1

–1

–1

–1

Н / L

86,7383

1

–1

–1

–1

–1

1

С-СВС / A-AAA

48,6525

–1

1

–1

–1

–1

1

НСС-С / BAA-A

57,4415

1

1

–1

–1

–1

–1

НС-С / BA-A

55,6837

–1

–1

1

–1

–1

1

С-СВС / A-AAA

54,5117

1

–1

1

–1

–1

–1

С / A

52,7539

–1

1

1

–1

–1

–1

НСС-С / BAA-A

61,5429

1

1

1

–1

–1

1

ВС-В / AA-H

23,4571

–1

–1

–1

1

–1

1

НС-НСС / BA-BAA

62,7149

1

–1

–1

1

–1

–1

НСС-С / BAA-A

60,9571

–1

1

–1

1

–1

–1

Н-НС / L-BA

69,7461

1

1

–1

1

–1

1

ВСВ-В / AAH-H

31,6603

–1

–1

1

1

–1

–1

НСС-С / BAA-A

66,8163

1

–1

1

1

–1

1

ВС / AA

28,7305

–1

1

1

1

–1

1

С-СВС / A-AAA

37,5195

1

1

1

1

–1

–1

ВС / AA

35,7617

Столбцы X 1– X 6 заполнены логическими значениями –1 и +1 (соответствующими минимальным и максимальным значениям факторных переменных) согласно с положением метода Спесивцева – Дроздова. Эксперты заполнили матрицу лингвистическими оценками Y ling, после чего они были переведены в численную форму Y chisl с помощью шкалы Y (рис. 1).

Далее, проведя регрессионный анализ для столбца Y chisl, получаем полиномиальное выражение, отражающее влияние факторов на уровень негативного воздействия на водные объекты:

Y = 47,4805 – 9,9609 X 1 –

– 5,5664 X 2 – 7,0313 X 3 – 2,9297 X 4 –

– 4,6875 X 5 – 9,082 X 6.     (1)

Technologies and means of agricultural mechanization

Адекватность модели была подтверждена с помощью коэффициента детерминации ( R 2) и критерия Фишера. Было установлено, что R 2 = 91,44 %, то есть 91,44 % общей вариабельности Y объясняется изменением факторов X 1– X 6, что делает уравнение статистически значимым.

Аналогичным образом (путем формирования, заполнения и обработки опросных матриц) для факторов X 3– X 6 были получены соответствующие полиномиальные уравнения, отражающие взаимосвязь между подфакторами и факторами:

Х 3 = 0,0719 + 0,125 X 3.1 +

+ 0,1406 X 3.2 + 0,2813 X 3.3 + 0,5313 X 3.4, (2)

Х 4 = 0,04688 + 0,2656 X 4.1 +

+ 0,3125 X 4.2 + 0,125 X 4.3 + 0,375 X 5.4, (3)

Х 5 = 0,125 + 0,125 X 5.1 + + 0,5938 X 5.2 + 0,25 X 5.3,    (4)

Х6 = 0,1875 + 0,375 X 6.1 + + 0,4375 X 6.2 + 0,1875 X 6.3.   (5)

Обсуждение и заключение

Полученная модель, состоящая из уравнений (1)–(5), может быть использована в практических целях для планирования, прогнозирования и модернизации сельхозпредприятий. Уравнения модели позволяют понять значимость факторов и подфакторов, влияющих на уровень негативного воздействия (диффузную нагрузку) на водные объекты. Важность каждого критерия может быть оценена на основе соответствующего весового коэффициента. Например, весовой коэффициент X 1 имеет значение 9,9609, что в 3,4 раза больше значения весового коэффициента X 4. Из этого можно сделать вывод, что значимость фактора X 1 в 3,4 раза больше, чем фактора X 4. Следовательно, замена технологии внесения удобрений (фактор X 1) в 3,4 раза более эффективна, чем улучшение соблюдения агротехно-логических требований (фактор X 4).

Том 31, № 2. 2021

На рисунке 2 показано сравнение всех весовых коэффициентов формулы (1), из которого следует, что наиболее значимым фактором негативного воздействия сельхозпроизводства на водные объекты является фактор X 1 (технология внесения удобрений), чуть меньшую значимость имеет фактор X 6 (использование цифровых технологий в технологических процессах), наименьшее значение имеет фактор X 4 (соблюдение агротехнологических требований без нарушения норм и требований законодательства).

Использование созданной модели позволяет производить оценку текущего негативного воздействия сель-хозпроизводства на водные объекты и прогнозировать уровень негативного воздействия, используя в качестве исходных данных ожидаемые в будущем значения факторных переменных, а также выбирать более эффективные пути снижения негативного воздействия путем выбора в качестве объектов воздействия наиболее значимых факторов и/или подфакторов.

Р и с. 2. Сравнение весовых коэффициентов факторных переменных

F i g. 2. Comparison of weighting coefficients of factor variables

Поступила 02.09.2020; одобрена после рецензирования 21.10.2020; принята к публикации 06.11.2020

Об авторах:

И. А. Субботин – литературный обзор, методика, результаты, обсуждение, выводы.

  • Э.    В. Васильев – формулировка и постановка задачи, определение критериев и сбор экспертных данных, обсуждение, выводы.

Благодарности: авторы выражают признательность анонимным рецензентам.

Все авторы прочитали и одобрили окончательный вариант рукописи.

Submitted 02.09.2020; approved after reviewing 21.10.2020; accepted for publication 06.11.2020

Acknowlegments: The authors express their gratitude to the anonymous reviewers.

All authors have read and approved the final manuscript.

Список литературы Модель прогнозирования комплексного негативного воздействия технологий сельхозпроизводства на водные объекты

  • Байрамукова, С. Р. Воздействие предприятий агропромышленного комплекса на окружающую среду / С. Р. Байрамукова, В. Ю. Мешарова // Стратегия устойчивого развития регионов России. - 2015. - № 29. - C. 52-55. - URL: https://clck.ru/U2G3o (дата обращения: 01.09.2020).
  • Степанова, Л. П. Экологические проблемы земледелия / Л. П. Степанова, Е. Н. Цыганок, И. М. Тихойкина // Вестник ОрелГАУ. - 2012. - № 1. - C. 11-17. - URL: https://cyberleninka.ru/ article/n/ekologicheskie-problemy-zemledeliya (дата обращения: 01.09.2020). - Рез. англ.
  • Афанасьев, В. Н. Снижение негативного влияния машинных технологий в сельском хозяйстве на состояние окружающей среды / В. Н. Афанасьев, Н. П. Козлова, А. В. Афанасьев // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. - 2013. - № 84. - С. 133-141. - URL: https://www.elibrary.ru/item.asp?id=22677100 (дата обращения: 01.09.2020). - Рез. англ.
  • Попов, В. Д. Экология сельхозпроизводства: проблемы и решения / В. Д. Попов, Д. А. Максимов, А. Ю. Брюханов // Сельскохозяйственные машины и технологии. - 2016. - № 3. - С. 43-48. - URL: https://www.vimsmit.com/jour/article/view/138 (дата обращения: 01.09.2020). - Рез. англ.
  • Werf, H. M. G. Evaluation of the Environmental Impact of Agriculture at the Farm Level: A Comparison and Analysis of 12 Indicator-Based Methods / H. M. G. Werf, J. Petit. - DOI 10.1016/S0167-8809(01)00354-1 //Agriculture, Ecosystems & Environment. -2002. - Vol. 93, Issue 1-3. - Pp. 131-145. -URL: https://www.sciencedirect.com/science/article/pii/S0167880901003541?via°/o3Dihub (дата обращения: 01.09.2020).
  • Nooteboom, S. Comparing Strategic Environmental Assessment and Integrated Environmental Assessment / S. Nooteboom, K. Wieringa. - DOI 10.1142/S146433329900034X // Journal of Environmental Assessment Policy and Management. - 2012. - Vol. 1, no. 4. - Pp. 441-457. - URL: https://www.worM-scientific.com/doi/abs/10.1142/S146433329900034X (дата обращения: 01.09.2020).
  • Agelebe, D. Environmental Impact Assessment Systems / D. Agelebe, M. Prityi, J. Nielsen. - DOI 10.4324/9780429397615 // Environmental Law Across Cultures ; ed. by K. W. Junker. - 1st ed. - London : Routledge, 2019. - 41 p. - URL: https://www.taylorfrancis.com/books/edit/10.4324/9780429397615/ environmental-law-across-cultures-kirk-junker (дата обращения: 01.09.2020).
  • Орлова, И. В. Оценка сельскохозяйственного воздействия на природные системы: теоретико-методологические подходы / И. В. Орлова, С. Н. Шарабарина // География и природные ресурсы. -2015. - № 4. - С. 26-32. - URL: http://www.izdatgeo.ru/journal.php?action=output_more&id=3&lang_ num=1&year=2015&issue=4&nodoi=1&page=26 (дата обращения: 01.09.2020). - Рез. англ.
  • Canter, L. W. Environmental Impact of Agricultural Production Activities / L. W. Canter. - DOI 10.1201/9781351071796. - 1st ed. - Boca Raton : CRC Press, 1986. - 400 p. - URL: https://www. taylorfrancis.com/books/mono/10.1201/9781351071796/environmental-impact-agricultural-production-activities-larry-canter (дата обращения: 01.09.2020).
  • Using the Integrated Ecosystem Assessment Framework to Build Consensus and Transfer Information to Managers / P. Fletcher, Ch. Kelble, W. Nuttle, G. Kiker. - DOI 10.1016/j.ecolind.2014.03.024 // Ecological Indicators. - 2014. - Vol. 44. - Pp. 11-25. - URL: https://www.sciencedirect.com/science/ article/pii/S1470160X14001265?via%3Dihub (дата обращения: 01.09.2020).
  • Environmental Impact Assessment of Agricultural Production Systems Using the Life Cycle Assessment Methodology: I. Theoretical Concept of a LCA Method Tailored to Crop Production / F. Brent-rup, J. Küsters, H. Kuhlmann, J. Lammel. - DOI 10.1016/S1161-0301(03)00024-8 // European Journal of Agronomy. - 2004. - Vol. 20, Issue 3. - Pp. 247-264. - URL: https://www.sciencedirect.com/science/ article/pii/S1161030103000248?via%3Dihub (дата обращения: 01.09.2020).
  • Показатели негативного воздействия на окружающую среду при производстве сельскохозяйственной продукции / А. Ю. Брюханов, Е. В. Шалавина, Э. В. Васильев, Н. С. Обломкова. - DOI 10.24411/0131-5226-2019-10170 // Технологии и технические средства механизированного производства продукции растениеводства и животноводства. - 2019. - № 2 (99). - С. 250-260. - URL: https://doi.org/10.24411/0131-5226-2019-10170 (дата обращения: 01.09.2020). - Рез. англ.
  • Sousa, P. Ecosystem Services in Environmental Impact Assessment / P. Sousa, D. Gomes, N. For-migo. - DOI 10.1016/j.egyr.2019.09.009 // Energy Reports. - 2020. - Vol. 6, Issue. 1. - Pp. 466-471. -URL: https://www.sciencedkect.com/science/article/pii/S2352484719305268?via%3Dihub (дата обращения: 01.09.2020).
  • Wu, J. Environmental Impact Assessment / J. Wu, I.-S. Chang. - DOI 10.1007/978-981-15-4894-9_42020 // Environmental Management in China. - Singapore : Springer, 2020. - Pp. 35-62. - URL: https://link.springer.com/chapter/10.1007%2F978-981-15-4894-9_4 (дата обращения: 01.09.2020).
  • Environmental Impact Assessment of Farming with Combined Methods of Life Cycle Assessment and Farm Carbon Calculator / D. Su, J. Smith, Y. Wu, Z. Ren. - DOI 10.1007/978-3-030-39149-2_12 // Sustainable Product Development ; ed. by D. Su. - Cham : Springer, 2020. - Pp. 249-270. - URL: https:// link.springer.com/chapter/10.1007%2F978-3-030-39149-2_12#citeas (дата обращения: 01.09.2020).
  • Gomiero, T. Environmental Impact of Different Agricultural Management Practices: Conventional vs. Organic Agriculture / T. Gomiero, D. Pimentel, M. G. Paoletti. - DOI 10.1080/07352689.2011.554355 // Critical Reviews in Plant Sciences. - 2011. - Vol. 30, Issue 1-2. - Pp. 95-124. - URL: https://www.tand-fonline.com/doi/full/10.1080/07352689.2011.554355 (дата обращения: 01.09.2020).
  • Ferro, V. Soil Sediment Loading and Related Environmental Impacts from Farms / V. Ferro. - DOI 10.1093/acrefore/9780199389414.013.267. - Текст : электронный // Oxford Research Encyclopedias. - 2017. - URL: https://oxfordre.com/environmentalscience/view/10.1093/acre-fore/9780199389414.001.0001/acrefore-9780199389414-e-267 (дата обращения: 01.09.2020).
  • Environmental Assessment of Livestock Farms in the Context of BAT System Introduction in Russia / A. Briukhanov, E. Vasilev, N. Kozlova [et al.]. - DOI 10.1016/j.jenvman.2019.05.105 // Journal of Environmental Management. - 2019. - Vol. 246. - Pp. 283-288. - URL: https://www.sciencedirect.com/ science/article/pii/S0301479719307339?via%3Dihub (дата обращения: 01.09.2020).
  • Li, Y. Agricultural Production Mode and Its Environmental Impact / Y. Li. - DOI 10.1142/9789811202919_0006. - Текст : электронный // Environmental Economics Research and China's Green Development Strategy ; ed. by Y. Zhang. - 2020. - URL: https://www.worldscientific.com/doi/ abs/10.1142/9789811202919_0006 (дата обращения: 01.09.2020).
  • Karayel, D. Environmental Impact of No-Tillage Farming / D. Karayel, E. Sarauskis. - DOI 10.5755/j01.erem.75.1.20861. - Текст : электронный // Environmental Research, Engineering and Management. - 2019. - Vol. 75, no. 1. - URL: https://erem.ktu.lt/index.php/erem/article/view/20861 (дата обращения: 01.09.2020).
  • Гриднев, П. И. Методология экологической оценки систем уборки и подготовки навоза к использованию / П. И. Гриднев, Т. Т. Гриднева, А. А. Шведов // Вестник ВНИИМЖ. - 2018. -Вып. 2 (30). - C. 159-167. - URL: http://www.vniimzh.ru/images/material/Magazines/n30.pdf (дата обращения: 01.09.2020). - Рез. англ.
  • Logical-Linguistic Model of Farm Organic Waste Recycling / A. Yu. Briukhanov, A. V. Trifanov, A. V. Spesivtsev [et al.]. - DOI 10.1109/SCM.2017.7970556 // 2017 XX IEEE International Conference on Soft Computing and Measurements (SCM). - St. Petersburg : IEEE, 2017. - Pp. 265-267. - URL: https://ieeexplore.ieee.org/document/7970556 (дата обращения: 01.09.2020).
  • Peigné, J. Environmental Impacts of Farm-Scale Composting Practices / J. Peigné, P. Girar-din. - DOI 10.1023/B:WATE.0000019932.04020.b6 // Water, Air, and Soil Pollution. - 2004. - Vol. 153. -Pp. 45-68. - URL: https://link.springer.com/article/10.1023%2FB%3AWATE.0000019932.04020. b6#citeas (дата обращения: 01.09.2020).
  • Assessment of Urban Groundwater Vulnerability in Arid Areas: Case of Sidi Bouzid Aquifer (Central Tunisia) / G. Safa, C. Najiba, B. N. El Houda [et al.] - DOI 10.1016/j.jafrearsci.2020.103849. - Текст : электронный // Journal of African Earth Sciences. - 2020. - Vol. 168. - URL: https://www.sciencedirect. com/science/article/pii/S1464343X2030100X?via%3Dihub (дата обращения: 01.09.2020).
  • Модель комплексной оценки экологической опасности и охраны труда в сельском хозяйстве в условиях развития органического земледелия / Н. Н. Новиков, Н. Т. Сорокин, Н. Н. Грачев [и др.]. - DOI 10.18470/1992-1098-2019-2-99-119 // Юг России: экология, развитие. - 2019. - Т. 14, № 2. - С. 99-119. -URL: https://ecodag.elpub.ru/ugro/article/view/1608 (дата обращения: 01.09.2020). - Рез. англ.
  • Mulyk, T. Environmental Impact Assessment of Agriculture: A Regional Aspect / T. Mulyk. - DOI 10.31521/modecon.V19(2020)-22 // Modern Economics. - 2020. - Vol. 19. - Pp. 135-142. - URL: https:// modecon.mnau.edu.ua/en/environmental-impact-assessment-of-agriculture/ (дата обращения: 01.09.2020).
  • Environmental Impact Assessment of Agricultural Production in Chongming Ecological Island / Sh. Li, B. Huang, F. Zhao [et al.]. - DOI 10.1007/s11367-019-01614-w // The International Journal of Life Cycle Assessment. - 2019. - Vol. 24. - Pp. 1937-1947. - URL: https://link.springer.com/ article/10.1007%2Fs11367-019-01614-w (дата обращения: 01.09.2020).
  • Achieving Good Environmental Status in the Black Sea: Scale Mismatches in Environmental Management / T. O'Higgins, A. Farmer, G. Daskalov [et al.]. - DOI 10.5751/ES-06707-190354 // Ecology and Society. - 2014. - Vol. 19, Issue 3. - Pp. 54. - URL: http://www.ecologyandsociety.org/vol19/iss3/ art54/ (дата обращения: 01.09.2020).
  • Mushtaq, B. Environmental Education and Environmental Impact Assessment / B. Mushtaq, S. A. Bandh, S. Shafi. - DOI 10.1007/978-981-15-3813-1_3 // Environmental Management. - Singapore : Springer, 2020. - Pp. 95-148. - URL: https://link.springer.com/chapter/10.1007%2F978-981-15-3813-1_3#citeas (дата обращения: 01.09.2020).
  • Якунин, Д. А. Прогнозы воздействия изменения климата на сельское хозяйство в Нижнем Поволжье / Д. А. Якунин, С. М. Мусаелян // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. - 2011. - № 2 (22). - С. 80-86. - URL: https://wwwelibrary.ru/item.asp?id=16452689 (дата обращения: 01.09.2020).
  • Logical-Linguistic Modeling in Addressing Agro-Environmental Challenges / A. Yu. Briukhanov, A. V. Trifanov, A. V Spesivtsev [et al.]. - DOI 10.1109/SCM.2016.7519716 // 2016 XIX IEEE International Conference on Soft Computing and Measurements (SCM). - St. Petersburg : IEEE, 2016. - Pp. 164-166. -URL: https://ieeexplore.ieee.org/document/7519716/metrics#metrics (дата обращения: 01.09.2020).
  • Энергоэкологическая оценка использования различных генерирующих источников в сельском хозяйстве / А. Ю. Брюханов, И. А. Субботин, Е. В. Тимофеев, А. Ф. Эрк. - DOI 10.15507/26584123.029.201903.366-382 // Инженерные технологии и системы. - 2019. - Т. 29, № 3. - С. 366-382. URL: http://vestnik.mrsu.ru/index.php/en/articles2-en/84-19-3/715-10-15507-0236-2910-029-201903-3 (дата обращения: 01.09.2020).
Еще
Статья научная