О некоторых методах расчёта состояния посевов в сервисе цифрового двойника растений

Автор: Скобелев П.О., Табачинский А.С., Симонова Е.В., Журавель Ю.Н., Мятов Г.Н.

Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc

Статья в выпуске: 3 т.24, 2022 года.

Бесплатный доступ

В статье представлена концепция цифрового двойника растений - системы поддержки принятия агрономических решений для внедрения технологий точного земледелия. Цифровой двойник растений позволяет на основе климатических и почвенных данных с полей прогнозировать и моделировать состояние растений и выдавать рекомендации по обработке посевов. Цифровой двойник растений разработан с применением мультиагентных технологий и онтологического подхода к описанию предметной области.

Цифровой двойник растений, точное земледелие, система поддержки принятия решений, мультиагентные технологии, модель роста растений

Короткий адрес: https://sciup.org/148325291

IDR: 148325291 | DOI: 10.37313/1990-5378-2022-24-3-100-111

Список литературы О некоторых методах расчёта состояния посевов в сервисе цифрового двойника растений

Полевая модель: как цифровой двойник повысит урожайность. / [Электронный ресурс] - https://sk.ru/news/polevaya-model-kak-cifrovoy-dvoynikpovysit-urozhaynost/ – 2019 (дата обращения 14.05.2022)
Barricelli, B.R. A Survey on Digital Twin: Defi nitions, Characteristics, Applications, and Design Implications / B.R. Barricelli, E. Casiraghi, D. Fogli // IEEE Access. – 2019. – Vol. 7. – P. 167653-167671.
Moshrefzadeh, M., Machl, T., Gackstetter, D., Donaubauer, A. Towards a Distributed Digital Twin of the Agricultural Landscape. Journal of Digital Landscape Architecture 2020, 5, pp. 173-186.
C. Verdouw, B. Tekinerdogana, A. Beulensa, S. Wolfert. Digital twins in smart farming // Agricultural Systems, 2021, 189, 103046. - URL: https://doi.org/10.1016/j.agsy.2020.103046 (дата обращения 17.12.2021).
Janssen, S., Porter, C., Moore, H., et al. Towards a new generation of agricultural system data, models and knowledge products: Information and communication technology. Agric. Syst. 2017, 155, pp. 200–212.
Pukalchik, M., Shadrin, D., Kartutsa, A., et al. Machine learning methods for estimation the indicators of phosphogypsum infl uence in soil // Journal of Soils and Sediments 2019, 19(5), pp. 2265-2276.
Bu, F., Wang, X. A smart agriculture IoT system based on deep reinforcement learning // Future Generation Computer Systems 2019, 99, pp. 500 – 507.
Skobelev, P., Mayorov, I., Simonova, E., Goryanin, O., Zhilyaev, A., Tabachinskiy, A., Yalovenko, V. Development of digital twin of plant for adaptive calculation of development stage duration and forecasting crop yield in a cyber-physical system for managing precision farming. In Cyber-Physical Systems: Digital Technologies and Applications; Kravets, A.G., et al, Eds.; Springer Nature: Switzerland AG, 2021; Studies in Systems, Decision and Control, vol. 350, 2021; pp. 83-96.
Skobelev, P., Laryukhin, V., Simonova, E., Goryanin, O., Yalovenko, V., Yalovenko, O. Multi-agent approach for developing a digital twin of wheat. In Proceedings of IEEE SMARTCOMP ‘2020, Bologna, Italy, 14-17 September 2020; IEEE: SMARTCOMP 2020 IEEE Catalog Number: CFP2016Z-ART, 2020; pp. 268-273.
Skobelev, P., Mayorov, I., Simonova, E., Goryanin, O., Zhilyaev, A., Tabachinskiy, A., Yalovenko, V. Development of models and methods for creating a digital twin of plant within the cyber-physical system for precision farming management. J. Phys.: Conf. Ser. 2020, 1703, 012022.
Skobelev P., Simonova Е., Smirnov S., Budaev D., Voshchuk G., Morokov A. Development of knowledge base in the “Smart Farming” system for agricultural enterprise management. Procedia Computer Science 2019, 150, pp. 154-161.
Galuzin, V.; Galitskaya, A.; Grachev, S.; Larukhin, V.; Novichkov, D.; Skobelev, P.; Zhilyaev, A. Autonomous Digital Twin of Enterprise: Method and Toolset for Knowledge-Based Multi-Agent Adaptive Management of Tasks and Resources in Real Time. Mathematics 2022, 10, 1662.
The Planteome database: an integrated resource for reference ontologies, plant genomics and phenomics» // Published online in «Nucleic Acids Research» D1168–D1180, 2018, Vol. 46, Database issue, 23 November 2017. doi: 10.1093/nar/gkx1152.
Jonquet C., Toulet A., Arnaud E. et al. A vocabulary and ontology repository for agronomy // Computers and Electronics in Agriculture, 2018; 144, pp. 126-143.
IBM Corp. Agriculture management based on farmer expertise and interests, 2020, US Patent 10,783,594.
Digital Twin Solutions for Smart Farming, R&DWorld. – URL: rdworldonline.com (дата обращения 20.10.2021).
Mikhailov D., Fedorov V., Mitrokhin M. Using artifi cial intelligence systems for intensive safe cultivation of crops – short communication // International Journal of Agricultural Technology, 2021, Vol. 17(3), pp. 987-990. – URL: http://www.ijat-aatsea.com/pdf/v17_n3_2021_May/15_IJAT_17(3)_2021_Mikhailov,%20D..pdf (дата обращения 23.12.2021).
Ruijs M.; Kootstra G.; Evers J.; van Mourik, S.; van de Zedde, R. The Digital Twin Project Virtual Tomato Crops (VTC). Project Announcement. – URL: https://www.wur.nl/en/show/The-Digital-Twin-project-Virtual-Tomato-Crops.htm (дата обращения 21.12.2021).
Carroll, C. Apparatus and Method for Assessing a Characteristic of a Plant, 2020, US Patent 2020302338.
Полуэктов Р.А., Терлеев В.В. Имитационно-моделирующий комплекс AGROTOOL. v.3. Алгоритмическая структура модели. Российская академия сельскохозяйственных наук. Агрофизический научно-исследовательский институт. Санкт-Петербург, 2007 / [Электронный ресурс] – http://agrotool.ru/content/fi les/asm.pdf (дата обращения 22.02.2021).
Горянин О.И. Возделывание полевых культур в Среднем Заволжье. Самара. – 2019. – 345 с.
Биологические особенности выращивания озимой пшеницы. – URL: https://news.myseldon.com/ru/news/index/231498266 (дата обращения 20.12.2021).
Гидротермический коэффициент Селянинова. – URL: http://meteorologist.ru/gidrotermicheskiykoeffitsient-selyaninova.html (дата обращения 15.05.2022)
Plants can detect insect attacks by ‘sniffing’ each other’s aromas. – URL: https://ec.europa.eu/research-and-innovation/en/horizon-magazine/plants-can-detect-insect-attacks-sniffing-eachothers-aromas#:~:text=Fragrant%20aromas%20from%20plants%20can,or%20summon%20the%20insects’%20predators (дата обращения 18.05.2022)

Еще

Статья научная