Оперативное и долгосрочное прогнозирование продуктивности посевов на основе массовых расчетов имитационной модели агроэкосистемы в геоинформационной среде (обзор)

Автор: Якушев В.П., Якушев В.В., Баденко В.Л., Матвеенко Д.А., Чесноков Ю.В.

Журнал: Сельскохозяйственная биология @agrobiology

Рубрика: Обзоры, проблемы

Статья в выпуске: 3 т.55, 2020 года.

Бесплатный доступ

Системы земледелия, представляющие собой комплекс взаимосвязанных агротехнических, мелиоративных и организационных мероприятий, обеспечивающих эффективное использование агроландшафтов, сохранение и повышение плодородия почвы, а также получение высоких урожаев, рассматриваются как инструмент управления сельскохозяйственным производством, особенно актуальный в современных изменяющихся социально-экономических и природно-климатических условиях. Оптимизация таких систем в значительной степени строится на расчетах числовых значений параметров агроэкосистем и прогнозировании их динамики с применением математических моделей. В растениеводстве получили развитие статистические и динамические имитационные прогнозные модели. Последние модели более точные, адаптивные и позволяют описать развитие агроэкосистем при нестабильных климатических условиях и под воздействием различных агротехнических мероприятий. Математические модели широко обсуждаются в научной литературе по экологии, почвоведению, растениеводству. Основные проблемы регионального планирования систем земледелия на средне- и долгосрочную перспективу могут быть решены на основе моделирования в среде геоинформационных систем. Обзор подходов к прогнозированию продуктивности посевов на основе массовых расчетов по имитационной модели агроэкосистемы в геоинформационной среде позволяет определить, как можно их использовать для обоснования систем земледелия. При этом по пространственному охвату методы моделирования делятся на макромасштабные, мезомасштабные и микромасштабные. В общем случае для разных масштабов используются неодинаковые подходы. Для создания адекватной этим подходам универсальной среды массовых расчетов по динамическим моделям агроэкосистем для разных уровней пространственного охвата предлагается использовать соответствующие компьютерные оболочки для поливариантных расчетов - универсальную среду моделирования, для которой представлены требования для проведения расчетов по разным моделям от различных поставщиков. Решение проблемы формирования набора точек для расчета по модели состоит в том, что они должны находиться на возделываемых сельхозугодиях и адекватно представлять почвенные и климатические условия региона.

Еще

Агроэкосистемы, имитационное моделирование, массовые вычисления, прогнозирование, геоинформационные системы, системы земледелия

Короткий адрес: https://sciup.org/142226308

IDR: 142226308   |   DOI: 10.15389/agrobiology.2020.3.451rus

Список литературы Оперативное и долгосрочное прогнозирование продуктивности посевов на основе массовых расчетов имитационной модели агроэкосистемы в геоинформационной среде (обзор)

  • Rodriguez D., de Voil P., Rufino M.C., Odendo M., Van Wijk M.T. To mulch or to munch? Big modelling of big data. Agricultural Systems, 2017, 153: 32-42 ( ). DOI: 10.1016/j.agsy.2017.01.010
  • Sierra J., Causeret F., Chopin P. A framework coupling farm typology and biophysical modelling to assess the impact of vegetable crop-based systems on soil carbon stocks. Application in the Caribbean. Agricultural Systems, 2017, 153: 172-180 ( ). DOI: 10.1016/j.agsy.2017.02.004
  • Jeuffroy M.H., Casadebaig P., Debaeke P., Loyce C., Meynard J.M. Agronomic model uses to predict cultivar performance in various environments and cropping systems. A review. Agronomy for Sustainable Development, 2014, 34(1): 121-137. ( ). DOI: 10.1007/s13593-013-0170-9
  • Dury J., Schaller N., Garcia F., Reynaud A., Bergez J. E. Models to support cropping plan and crop rotation decisions. A review. Agronomy for Sustainable Development, 2012, 32(2): 567-580. ( ). DOI: 10.1007/s13593-011-0037-x
  • Jones J.W., Antle J.M., Basso B., Boote K.J., Conant R.T., Foster I., Godfray H.C.J., Herrero M., Howitt R.E., Janssen S., Keating B.A., Munoz-Carpena R., Porter C.H., Rosenzweig C., Wheeler T.R. Brief history of agricultural systems modeling. agricultural systems, 2017, 155: 240-254 ( ). DOI: 10.1016/j.agsy.2016.05.014
  • Morais R., Silva N., Mendes J., Adão T., Pádua L., López-Riquelme J.A., Pavón-Pulido N., Sousa J.J., Peres E. Mysense: A comprehensive data management environment to improve precision agriculture practices. Computers and Electronics in Agriculture, 2019, 162: 882-894 ( ).
  • DOI: 10.1016/j.compag.2019.05.028
  • Insua J.R., Utsumi S.A., Basso B. Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PloS ONE, 2019, 14(3): e0212773 ( ).
  • DOI: 10.1371/journal.pone.0212773
  • Gebremedhin A., Badenhorst P.E., Wang J., Spangenberg G.C., Smith K.F. Prospects for measurement of dry matter yield in forage breeding programs using sensor technologies. Agronomy, 2019, 9(2): 65 ( ).
  • DOI: 10.3390/agronomy9020065
  • Reynolds D., Ball J., Bauer A., Davey R., Griffiths S., Zhou J. CropSight: a scalable and open-source information management system for distributed plant phenotyping and IoT-based crop management. GigaScience, 2019, 8(3): giz009 ( ).
  • DOI: 10.1093/gigascience/giz009
  • Hunt E.R. Jr., Daughtry C.S. What good are unmanned aircraft systems for agricultural remote sensing and precision agriculture? International Journal of Remote Sensing, 2018, 39(15-16): 5345-5376 ( ).
  • DOI: 10.1080/01431161.2017.1410300
  • Farooque A.A., Chang Y.K., Zaman Q.U., Groulx D., Schuman A.W., Esau T.J. Performance evaluation of multiple ground-based sensors mounted on a commercial wild blueberry harvester to sense plant height, fruit yield and topographic features in real-time. Computers and Electronics in Agriculture, 2013, 91: 135-144 ( ).
  • DOI: 10.1016/j.compag.2012.12.006
  • Sankaran S., Khot L.R., Espinoza C.Z., Jarolmasjed S., Sathuvalli V.R., Vandemark G.J., Miklas P.N., Carter A.H., Pumphrey M.O., Knowles N.R.N., Pavek M.J. Low-altitude, high-resolution aerial imaging systems for row and field crop phenotyping: A review. European Journal of Agronomy, 2015, 70: 112-123 ( ).
  • DOI: 10.1016/j.eja.2015.07.004
  • Mirschel W., Wieland R., Wenkel K.O., Nendel C., Guddat C. YIELDSTAT - a spatial yield model for agricultural crops. European Journal of Agronomy, 2014, 52: 33-46 ( ).
  • DOI: 10.1016/j.eja.2013.09.015
  • Kern A., Barcza Z., Marjanović H., Árendás T., Fodor N., Bónis P., Bognár P., Lichtenberger J. Statistical modelling of crop yield in Central Europe using climate data and remote sensing vegetation indices. Agricultural and Forest Meteorology, 2018, 260: 300-320 ( ).
  • DOI: 10.1016/j.agrformet.2018.06.009
  • Conradt T., Gornott C., Wechsung F. Extending and improving regionalized winter wheat and silage maize yield regression models for Germany: enhancing the predictive skill by panel definition through cluster analysis. Agricultural and Forest Meteorology, 2016, 216: 68-81 ( ).
  • DOI: 10.1016/j.agrformet.2015.10.003
  • Gutzler C., Helming K., Balla D., Dannowski R., Deumlich D., Glemnitz M., Sieber S. Agricultural land use changes - a scenario-based sustainability impact assessment for Brandenburg, Germany. Ecological Indicators, 2015, 48: 505-517 ( ).
  • DOI: 10.1016/j.ecolind.2014.09.004
  • Grados D., Schrevens E. Multidimensional analysis of environmental impacts from potato agricultural production in the Peruvian Central Andes. Science of the Total Environment, 2019, 663: 927-934 ( ).
  • DOI: 10.1016/j.scitotenv.2019.01.414
  • Antle J.M., Jones J.W., Rosenzweig C. Next generation agricultural system models and knowledge products: synthesis and strategy. Agricultural Systems, 2017, 155: 179-185 ( ).
  • DOI: 10.1016/j.agsy.2017.05.006
  • Janssen S.J., Porter C.H., Moore A.D., Athanasiadis I.N., Foster I., Jones J.W., Antle J.M. Towards a new generation of agricultural system data, models and knowledge products: information and communication technology. Agricultural Systems, 2017, 155: 200-212 ( ).
  • DOI: 10.1016/j.agsy.2016.09.017
  • Fielke S., Taylor B., Jakku E. Digitalisation of agricultural knowledge and advice networks: a state-of-the-art review. Agricultural Systems, 2020, 180: 102763 ( ).
  • DOI: 10.1016/j.agsy.2019.102763
  • Lecerf R., Ceglar A., López-Lozano R., Van Der Velde M., Baruth B. Assessing the information in crop model and meteorological indicators to forecast crop yield over Europe. Agricultural Systems, 2019, 168: 191-202 ( ).
  • DOI: 10.1016/j.agsy.2018.03.002
  • Ozturk I., Sharif B., Baby S., Jabloun M., Olesen J.E. The long-term effect of climate change on productivity of winter wheat in Denmark: a scenario analysis using three crop models. The Journal of Agricultural Science, 2017, 155(5): 733-750 ( ).
  • DOI: 10.1017/S0021859616001040
  • Hannah L., Donatti C.I., Harvey C.A., Alfaro E., Rodriguez D.A., Bouroncle C., Castellanos E., Diaz F., Fung E., Hidalgo H.G., Imbach P. Regional modeling of climate change impacts on smallholder agriculture and ecosystems in Central America. Climatic Change, 2017, 141(1): 29-45 ( ).
  • DOI: 10.1007/s10584-016-1867-y
  • Belem M., Saqalli M. Development of an integrated generic model for multi-scale assessment of the impacts of agro-ecosystems on major ecosystem services in West Africa. Journal of Environmental Management, 2017, 202: 117-125 ( ).
  • DOI: 10.1016/j.jenvman.2017.07.018
  • Badenko V.L., Topaj A.G., Yakushev V.V., Mirschel W., Nendel C. Crop models as research and interpretative tools. Sel'skokhozyaistvennaya Biologiya, 2017, 52: 437-445 ( ).
  • DOI: 10.15389/agrobiology.2017.3.437eng
  • Anten N.P., Vermeulen P.J. Tragedies and crops: understanding natural selection to improve cropping systems. Trends in Ecology & Evolution, 2016, 31(6): 429-439 ( ).
  • DOI: 10.1016/j.tree.2016.02.010
  • Lee H., Lautenbach S., Nieto A.P.G., Bondeau A., Cramer W., Geijzendorffer I.R. The impact of conservation farming practices on Mediterranean agro-ecosystem services provisioning - a meta-analysis. Regional Environmental Change, 2019, 19: 2187-2202 ( ).
  • DOI: 10.1007/s10113-018-1447-y
  • Poluektov R.A., Fintushal S.M., Oparina I.V., Shatskikh D.V., Terleev V.V., Zakharova E.T. AGROTOOL - a system for crop simulation. Archives of Agronomy and Soil Science, 2002, 48(6): 609-635 ( ).
  • DOI: 10.1080/0365034021000041597
  • Badenko V.L., Terleev V.V., Topaj A. G. AGROTOOL software as an intellectual core of decision support systems in computer aided agriculture. Applied Mechanics and Materials, 2014, 635-637: 1688-1691 ( ).
  • DOI: 10.4028/www.scientific.net/AMM.635-637.1688
  • de Wit C.T., Van Keulen H. Modelling production of field crops and its requirements. Geoderma, 1987, 40(3-4): 253-265 (
  • DOI: 10.1016/0016-7061(87)90036-X)
  • Nendel C., Kersebaum K.C., Mirschel W., Wenkel K.O. Testing farm management options as climate change adaptation strategies using the MONICA model. European Journal of Agronomy, 2014, 52: 47-56 ( ).
  • DOI: 10.1016/j.eja.2012.09.005
  • Medvedev S., Topaj A. Crop simulation model registrator and polyvariant analysis. IFIP Advances in Information and Communication Technology, 2011, 359: 295-301 ( ).
  • DOI: 10.1007/978-3-642-22285-6_32
  • Ramírez-Cuesta J.M., Mirás-Avalos J.M., Rubio-Asensio J.S., Intrigliolo D.S. A novel ArcGIS toolbox for estimating crop water demands by integrating the dual crop coefficient approach with multi-satellite imagery. water, 2019, 11(1): 38 ( )
  • DOI: 10.3390/w11010038
  • Liben F.M., Wortmann C.S., Tirfessa A. Geospatial modeling of conservation tillage and nitrogen timing effects on yield and soil properties. Agricultural Systems, 2020, 177: 102720 ( ).
  • DOI: 10.1016/j.agsy.2019.102720
  • Liben F.M., Wortmann C.S., Yang H., Lindquist J.L., Tadesse T., Wegary D. Crop model and weather data generation evaluation for conservation agriculture in Ethiopia. Field Crops Research, 2018, 228: 122-134 ( ).
  • DOI: 10.1016/j.fcr.2018.09.001
  • Hartkamp A.D., White J.W., Hoogenboom G. Interfacing geographic information systems with agronomic modeling: a review. Agronomy Journal, 1999, 91(5): 761-772 ( ).
  • DOI: 10.2134/agronj1999.915761x
  • Shelia V., Hansen J., Sharda V., Porter C., Aggarwal P., Wilkerson C.J., Hoogenboom G. A multi-scale and multi-model gridded framework for forecasting crop production, risk analysis, and climate change impact studies. Environmental Modelling & Software, 2019, 115: 144-154 ( ).
  • DOI: 10.1016/j.envsoft.2019.02.006
  • Bassoa B., Liua L. Seasonal crop yield forecast: methods, applications, and accuracies. Advances in Agronomy, 2018, 154: 201-255 ( ).
  • DOI: 10.1016/bs.agron.2018.11.002
  • Huang J., Gómez-Dans J., Huang H., Ma H., Wu Q., Lewis P., Liang S., Chen Z., Xue J., Wu Y., Zhao F., Wang J., Xie X. Assimilation of remote sensing into crop growth models: Current status and perspectives. Agricultural and Forest Meteorology, 2019, 276: 107-109 ( ).
  • DOI: 10.1016/j.agrformet.2019.06.008
  • Machwitz M., Hass E., Junk J., Udelhoven T., Schlerf M. Crop GIS - a web application for the spatial and temporal visualization of past, present and future crop biomass development. Computers and Electronics in Agriculture, 2019, 161: 185-193 ( ).
  • DOI: 10.1016/j.compag.2018.04.026
  • Jin X., Kumar L., Li Z., Feng H., Xu X., Yang G., Wang, J. A review of data assimilation of remote sensing and crop models. European Journal of Agronomy, 2018, 92: 141-152 ( ).
  • DOI: 10.1016/j.eja.2017.11.002
  • Баденко В.Л., Топаж А.Г., Медведев С.А., Захарова Е.Т. Оперативно уточняющийся прогноз урожайности пшеницы в сельскохозяйственных зонах на всей территории России на базе имитационной модели продуктивности. АгроЭкоИнфо, 2018, 3(33): 68.
  • Reynolds M., Kropff M., Crossa J., Koo J., Kruseman G., Molero Milan A., Rutkoski J., Schulthess U., Balwinder-Singh, Sonder K., Tonnang H., Vadez V. Role of modelling in international crop research: overview and some case studies. Agronomy, 2018, 8(12): 291 ( ).
  • DOI: 10.3390/agronomy8120291
  • Kumhálová J., Matějková Š. Yield variability prediction by remote sensing sensors with different spatial resolution. International Agrophysics, 2017, 31(2): 195-202 ( ).
  • DOI: 10.1515/intag-2016-0046
  • Resop J.P., Fleisher D.H., Wang Q., Timlin D.J., Reddy V.R. Combining explanatory crop models with geospatial data for regional analyses of crop yield using field-scale modeling units. Computers and Electronics in Agriculture, 2012, 89: 51-61 ( ).
  • DOI: 10.1016/j.compag.2012.08.001
  • Hodson D., White J. GIS and crop simulation modelling applications in climate change research. In: Climate change and crop production. CABI Publishers, Wallingford, UK, 2010: 245-262 ( ).
  • DOI: 10.1079/9781845936334.0245
  • Akpoti K., Kabo-bah A.T., Zwart S.J. Agricultural land suitability analysis: state-of-the-art and outlooks for integration of climate change analysis. Agricultural Systems, 2019, 173: 172-208 ( ).
  • DOI: 10.1016/j.agsy.2019.02.013
  • Mirschel W., Schultz A., Wenkel K.O., Wieland R., Poluektov R.A. Crop growth modelling on different spatial scales - a wide spectrum of approaches. Archives of Agronomy and Soil Science, 2004, 50(3): 329-343 ( ).
  • DOI: 10.1080/03650340310001634353
  • Gaso D.V., Berger A.G., Ciganda V.S. Predicting wheat grain yield and spatial variability at field scale using a simple regression or a crop model in conjunction with Landsat images. Computers and Electronics in Agriculture, 2019, 159: 75-83 ( ).
  • DOI: 10.1016/j.compag.2019.02.026
  • Maharjan G.R., Hoffmann H., Webber H., Srivastava A.K., Weihermüller L., Villa A., Coucheney E., Lewan E., Trombi G., Moriondo M., Bindi M., Grosz B., Dechow R., Kuhnert M., Doro L., Kersebaum K.-C., Stella T., Specka X., Nendel C., Constantin J., Raynal H., Ewert F., Gaiser T. Effects of input data aggregation on simulated crop yields in temperate and Mediterranean climates. European Journal of Agronomy, 2019, 103: 32-46 ( ).
  • DOI: 10.1016/j.eja.2018.11.001
  • Wenkel K.O., Berg M., Mirschel W., Wieland R., Nendel C., Köstner B. L and CaRe DSS - an interactive decision support system for climate change impact assessment and the analysis of potential agricultural land use adaptation strategies. Journal of Environmental Management, 2013, 127: 168-183 ( ).
  • DOI: 10.1016/j.jenvman.2013.02.051
  • Zhai Z., Martínez J.F., Beltran V., Martínez N.L. Decision support systems for agriculture 4.0: Survey and challenges. Computers and Electronics in Agriculture, 2020, 170: 105256 ( ).
  • DOI: 10.1016/j.compag.2020.105256
  • Battisti R., Parker P.S., Sentelhas P. C., Nendel C. Gauging the sources of uncertainty in soybean yield simulations using the MONICA model. Agricultural Systems, 2017, 155: 9-18 ( ).
  • DOI: 10.1016/j.agsy.2017.04.004
  • Holzworth D.P., Snow V., Janssen S., Athanasiadis I.N., Donatelli M., Hoogenboom G., White J.W., Thorburn P. Agricultural production systems modelling and software: current status and future prospects. Environmental Modelling & Software, 2015, 72: 276-286 ( ).
  • DOI: 10.1016/j.envsoft.2014.12.013
  • Yin Y., Zhang X., Lin D., Yu H., Shi P. GEPIC-VR model: a GIS-based tool for regional crop drought risk assessment. Agricultural Water Management, 2014, 144: 107-119 ( ).
  • DOI: 10.1016/j.agwat.2014.05.017
  • Donatelli M., Srivastava A.K., Duveiller G., Niemeyer S., Fumagalli D. Climate change impact and potential adaptation strategies under alternate realizations of climate scenarios for three major crops in Europe. Environmental Research Letters, 2015, 10(7): 075005 ( ).
  • DOI: 10.1088/1748-9326/10/7/075005
  • Seguini L., Bussay A., Baruth B. From extreme weather to impacts: the role of the areas of concern maps in the JRC MARS bulletin. Agricultural Systems, 2019, 168: 213-223 ( ).
  • DOI: 10.1016/j.agsy.2018.07.003
  • Thorp K.R., Bronson K.F. A model-independent open-source geospatial tool for managing point-based environmental model simulations at multiple spatial locations. Environmental Modelling & Software, 2013, 50: 25-36 ( ).
  • DOI: 10.1016/j.envsoft.2013.09.002
  • Elliott J., Kelly D., Chrryssanthacopoulos J., Glotter M., Jhunjhnuwala K., Best N., Wilde M. Foster I. The parallel system for integrating impact models and sectors (pSIMS). Environmental Modelling & Software, 2014, 62: 509-516. ( ).
  • DOI: 10.1016/j.envsoft.2014.04.008
  • Gabaldón-Leal C., Webber H., Otegui M.E., Slafer G.A., Ordóñez R.A., Gaiser T., Lorite I.J., Ruiz-Ramos M., Ewert F. Modelling the impact of heat stress on maize yield formation. Field Crops Research, 2016, 198: 226-237 ( )
  • DOI: 10.1016/j.fcr.2016.08.013
  • Huang J., Scherer L., Lan K., Chen F., Thorp K.R. Advancing the application of a model-independent open-source geospatial tool for national-scale spatiotemporal simulations. Environmental Modelling & Software, 2019, 119: 374-378 ( ).
  • DOI: 10.1016/j.envsoft.2019.07.003
  • Calera A., Campos I., Osann A., D'Urso G., Menenti M. Remote sensing for crop water management: from ET modelling to services for the end users. Sensors, 2017, 17(5): 1104 ( ).
  • DOI: 10.3390/s17051104
  • Сучков А.П. Некоторые подходы к интеграции аналитических данных существующих и перспективных систем поддержки принятия решений. Системы и средства информатики, 2015, 25(3): 195-205 ( ).
  • DOI: 10.14357/08696527150312
  • Топаж А.Г., Митрофанов Е.П. Ассимиляция данных в имитационном моделировании экологических процессов методом минимизации корректирующих возмущений. Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления, 2017, 13(3): 326-338 ( ).
  • DOI: 10.21638/11701/spbu10.2017.309
  • de Wit A., Boogaard H., Fumagalli D., Janssen S., Knapen R., van Kraalingen D., Supit I., van der Wijngaart R., van Diepen K. 25 years of the WOFOST cropping systems model. Agricultural Systems, 2019, 168: 154-167 ( ).
  • DOI: 10.1016/j.agsy.2018.06.018
  • Ewert F., Rötter R.P., Bindi M., Webber H., Trnka M., Kersebaum K.C., Olesen J.E., van Ittersum M.K., Janssen S., Rivington M., Semenov M.A., Wallach D., Porter J.R., Stewart D., Verhagen J., Gaiser T., Palosuo T., Tao F., Nendel C., Roggero P.P., Bartosová L., Asseng S. Crop modelling for integrated assessment of risk to food production from climate change. Environmental Modelling & Software, 2015, 72: 287-303 ( ).
  • DOI: 10.1016/j.envsoft.2014.12.003
  • Asseng S., Ewert F., Rosenzweig C. et al. Uncertainty in simulating wheat yields under climate change. Nature Climate Change, 2013, 3(9): 827-832 ( ).
  • DOI: 10.1038/nclimate1916
  • Jones J.W., Hoogenboom G., Porter C.H., Boote K.J., Batchelor W.D., Hunt L.A., Wilkens P.W., Singh U., Gijsman A.J., Ritchie J.T. The DSSAT cropping system model. European Journal of Agronomy, 2003, 18(3-4): 235-265 (
  • DOI: 10.1016/S1161-0301(02)00107-7)
  • Wang X., Williams J.R., Gassman P.W., Baffaut C., Izaurralde R.C., Jeong J., Kiniry J.R. EPIC and APEX: model use, calibration, and validation. Transactions of the ASABE, 2012, 55(4): 1447-1462 ( ).
  • DOI: 10.13031/2013.42253
  • Brisson N., Gary C., Justes E., Roche R., Mary B., Ripoche D., Zimmer D., Sierraa J., Bertuzzi P., Burgera P., Bussière F., Cabidoche Y.M., Cellier P., Debaeke P., Gaudillère J.P., Hénault C., Maraux F., Seguin B., Sinoquet H. An overview of the crop model STICS. European Journal of Agronomy, 2003, 18(3-4): 309-332 (
  • DOI: 10.1016/S1161-0301(02)00110-7)
  • Leghari S.J., Hu K., Liang H., Wei Y. Modeling water and nitrogen balance of different cropping systems in the North China Plain. Agronomy, 2019, 9(11): 696 ( ).
  • DOI: 10.3390/agronomy9110696
  • Jiang R., He W., Zhou W., Hou Y., Yang J.Y., He P. Exploring management strategies to improve maize yield and nitrogen use efficiency in northeast China using the DNDC and DSSAT models. Computers and Electronics in Agriculture, 2019, 166: 104-988 ( ).
  • DOI: 10.1016/j.compag.2019.104988
  • Xiang Z., Bailey R.T., Nozari S., Husain Z., Kisekka I., Sharda V., Gowda P. DSSAT-MODFLOW: a new modeling framework for exploring groundwater conservation strategies in irrigated areas. Agricultural Water Management, 2020, 232: 106033 ( ).
  • DOI: 10.1016/j.agwat.2020.106033
  • Newbery F., Qi A., Fitt B.D. Modelling impacts of climate change on arable crop diseases: progress, challenges and applications. Current Opinion in Plant Biology, 2016, 32: 101-109 ( ).
  • DOI: 10.1016/j.pbi.2016.07.002
  • Баденко В.Л., Гарманов В.В., Иванов Д.А., Савченко А.Н., Топаж А.Г. Перспективы использования динамических моделей агроэкосистем в задачах средне- и долгосрочного планирования сельскохозяйственного производства и землеустройства. Доклады Российской академии сельскохозяйственных наук, 2015, 1-2: 72-76.
  • Badenko V.L., Badenko G., Topaj A.G., Medvedev S., Zakharova E., Terleev V.V. Comparative simulation of various agricultural land use practices for analysis of impacts on environments. environments, 2017, 4(4): 92 ( ).
  • DOI: 10.3390/environments4040092
  • Engel T., Hoogenboom G., Jones J.W., Wilkens P.W. AEGIS/WIN: a computer program for the application of crop simulation models across geographic areas. Agronomy Journal, 1997, 89(6): 919-928 ( ).
  • DOI: 10.2134/agronj1997.00021962008900060012x
  • McDonald C.K., MacLeod N.D., Lisson S., Corfield J.P. The Integrated Analysis Tool (IAT) - a model for the evaluation of crop-livestock and socio-economic interventions in smallholder farming systems. Agricultural Systems, 2019, 176: 102659 ( ).
  • DOI: 10.1016/j.agsy.2019.102659
  • Zhao G., Bryan B.A., King D., Luo Z., Wang E., Bende-Michl U., Song X., Yu Q. Large-scale, high-resolution agricultural systems modeling using a hybrid approach combining grid computing and parallel processing. Environmental Modelling & Software, 2013, 41: 231-238 ( ).
  • DOI: 10.1016/j.envsoft.2012.08.007
  • Баденко В.Л., Топаж А.Г., Медведев С.А., Захарова Е.Т., Дунаева Е.А. Оценка продуктивности агроландшафтов в региональном масштабе на основе интеграции имитационной модели агроэкосистемы и ГИС. Таврический вестник аграрной науки, 2019, 3: 18-30 ( ).
  • DOI: 10.33952/2542-0720-2019-3-19-18-30
  • Арефьев Н.В., Баденко В.Л., Латышев, Н.К. Геоэкологические подходы к разработке информационно-аналитических систем для гидромелиоративного строительства и природообустройства. Научно-технические ведомости СПбПУ. Естественные и инженерные науки, 2010, 110: 205-210.
  • Медведев С.А., Полуэктов Р.А., Топаж А.Г. Оптимизация стратегии орошения с использованием методов поливариантного анализа динамики агроэкосистем. Мелиорация и водное хозяйство, 2012, 2: 10-13.
  • Topaj A., Badenko V., Medvedev S., Terleev V. Dynamically adjusted forecasting of agro-landscape productivity using massive computations of crop model in GIS environment. В кн.: Новые методы и результаты исследований ландшафтов в Европе, Центральной Азии и Сибири. Т. III. Мониторинг и моделирование ландшафтов /Под ред. В.Г.Сычева, Л. Мюллера. М., 2018: 253-257 ( ).
  • DOI: 10.25680/3309.2018.28.99.246
  • Полуэктов Р.А., Опарина И.В., Топаж А.Г., Миршель В. Адаптируемость динамических моделей агроэкосистем к различным почвенно-климатическим условиям. Математическое моделирование, 2000, 12(11): 3-16.
  • Dobor L., Barcza Z., Hlásny T., Árendás T., Spitkó T., Fodor N. Crop planting date matters: Estimation methods and effect on future yields. Agricultural and Forest Meteorology, 2016, 223: 103-115 ( ).
  • DOI: 10.1016/j.agrformet.2016.03.023
  • Rötter R.P., Hoffmann M.P., Koch M., Müller C. Progress in modelling agricultural impacts of and adaptations to climate change. Current Opinion in Plant Biology, 2018, 45: 255-261 ( ).
  • DOI: 10.1016/j.pbi.2018.05.009
  • Bannayan M., Hoogenboom G. Weather analogue: a tool for real-time prediction of daily weather data realizations based on a modified k-nearest neighbor approach. Environmental Modelling & Software, 2008, 23(6): 703-713 ( ).
  • DOI: 10.1016/j.envsoft.2007.09.011
  • Semenov M.A. Using weather generators in crop modelling. Acta Horticulturae, 2006, 707: 93-100 ( ).
  • DOI: 10.17660/ActaHortic.2006.707.11
  • Peleg N., Fatichi S., Paschalis A., Molnar P., Burlando P. An advanced stochastic weather generator for simulating 2-D high-resolution climate variables. Journal of Advances in Modeling Earth Systems, 2017, 9(3): 1595-1627 ( ).
  • DOI: 10.1002/2016MS000854
  • Maraun D., Huth R., Gutiérrez J.M., Martín D.S., Dubrovsky M., Fischer A., Widmann M. The VALUE perfect predictor experiment: evaluation of temporal variability. International Journal of Climatology, 2019, 39(9): 3786-3818 ( ).
  • DOI: 10.1002/joc.5222
  • Medvedev S., Topaj A., Badenko V., Terleev V. Medium-term analysis of agroecosystem sustainability under different land use practices by means of dynamic crop simulation. IFIP Advances in Information and Communication Technology, 2015, 448: 252-261 ( ).
  • DOI: 10.1007/978-3-319-15994-2_25
  • Dunaieva I., Mirschel W., Popovych V., Pashtetsky V., Golovastova E., Vecherkov V., Melnichuk A., Terleev V., Nikonorov A., Ginevsky R., Topaj A., Lazarev V. GIS services for agriculture monitoring and forecasting: development concept. Advances in Intelligent Systems and Computing, 2019, 983: 236-246 ( ).
  • DOI: 10.1007/978-3-030-19868-8_24
  • Teixeira E.I., de Ruiter J., Ausseil A.G., Daigneault A., Johnstone P., Holmes A., Tait A., Ewert F. Adapting crop rotations to climate change in regional impact modelling assessments. Science of the Total Environment, 2018, 616: 785-795 ( ).
  • DOI: 10.1016/j.scitotenv.2017.10.247
  • Tayyebi A., Tayyebi A., Vaz E., Arsanjani J.J., Helbich M. Analyzing crop change scenario with the SmartScape™ spatial decision support system. Land Use Policy, 2016, 51: 41-53 ( ).
  • DOI: 10.1016/j.landusepol.2015.11.002
  • Palosuo T., Kersebaum K.C., Angulo C., Hlavinka P., Moriondo M., Olesen J.E., Patil R.H., Ruget F., Rumbaur C., Takáč J., Trnka M., Bindi M., Caldag B., Ewert F., Ferrise R., Mirschel W., Saylan L., Šiška B., Rötter R. Simulation of winter wheat yield and its variability in different climates of Europe: a comparison of eight crop growth models. European Journal of Agronomy, 2011, 35(3): 103-114 ( ).
  • DOI: 10.1016/j.eja.2011.05.001
  • Wallach D., Mearns L.O., Ruane A.C., Rötter R.P., Asseng S. Lessons from climate modeling on the design and use of ensembles for crop modeling. Climatic Change, 2016, 139(3-4): 551-564 ( ).
  • DOI: 10.1007/s10584-016-1803-1
  • Kollas C., Kersebaum K.C., Nendel C., Manevski K., Müller C., Palosuo T., Conradt T. Crop rotation modelling - a European model intercomparison. European Journal of Agronomy, 2015, 70: 98-111 ( ).
  • DOI: 10.1016/j.eja.2015.06.007
  • Raza A., Razzaq A., Mehmood S.S., Zou X., Zhang X., Lv Y., Xu J. Impact of climate change on crops adaptation and strategies to tackle its outcome: a review. Plants, 2019, 8(2): 34 ( ).
  • DOI: 10.3390/plants8020034
  • Droutsas I., Challinor A.J., Swiderski M., Semenov M.A. New modelling technique for improving crop model performance - application to the GLAM model. Environmental Modelling & Software, 2019, 118: 187-200 ( ).
  • DOI: 10.1016/j.envsoft.2019.05.005
  • vyakushev@agrophys.ru, mail@agrophys.com, vbadenko@gmail.com, dmatveenko@inbox.ru, yuv_chesnokov@agrophys.ru
Еще
Статья обзорная