Пространственная адаптация систем земледелия к пестроте полей

Обложка

Цитировать

Полный текст

Аннотация

Проведен анализ проблемы полноты эксплуатации ресурсного потенциала земель при их использовании в качестве пахотных угодий. Рассмотрена полнота использования ресурсного потенциала в разных системах земледелия. Установлено, что на современном этапе развития систем земледелия наиболее успешно пестрота почв и земель и, соответственно, их ресурсный потенциал, учитываются в адаптивно-ландшафтных системах земледелия и системах точного земледелия. В будущем, без сомнения, стоимость внедрения систем точного земледелия будет уменьшаться за счет удешевления технических средств. Но без внедрения в идеологию систем точного земледелия научно-методического обоснования учета пестроты почв и земель участков (как это делается в адаптивно-ландшафтных системах земледелия), а не только неоднородностей самих посевов, повышение полноты использования ресурсного потенциала земель вряд ли может быть достигнуто. Другим важным направлением повышения полноты использования ресурсного потенциала земель являются развитие нового научного направления - эконики и разработка технологий выравнивания пестроты полей. Но развитие этих направлений находится в самом начале.

Об авторах

Игорь Юрьевич Савин

Российский университет дружбы народов; ФИЦ «Почвенный институт им. В.В. Докучаева»; Белгородский государственный национальный исследовательский университет

Автор, ответственный за переписку.
Email: savin_iyu@esoil.ru
ORCID iD: 0000-0002-8739-5441

доктор сельскохозяйственных наук, академик РАН, профессор, Экологический факультет, Российский университет дружбы народов; заместитель директора ФИЦ «Почвенный институт им. В.В. Докучаева»; профессор, Белгородский государственный национальный исследовательский университет

Российская Федерация, 117198, г. Москва, ул. Миклухо-Маклая, д. 8; Российская Федерация, 109017, г. Москва, Пыжевский пер., д. 7, стр. 2; Российская Федерация, 308015, г. Белгород, ул. Победы, д. 85

Список литературы

  1. Afanasyev RA. Farming systems. In: Bol’shaya rossiiskaya entsiklopediya. T. 30. Moscow; 2015. p.302—303. (In Russ.).
  2. Savin IY. Analiz pochvennykh resursov na osnove geoinformatsionnykh tekhnologii [Analysis of soil resources based on geoinformation technologies] [Dissertation]. Moscow; 2004. (In Russ.).
  3. Fridland VM. Struktura pochvennogo pokrova mira [Structure of soil cover of the world]. Moscow: Mysl publ.; 1984. (In Russ.).
  4. Eltnera A, Maasa HG, Faus D. Soil micro-topography change detection at hillslopes in fragile Mediterranean landscapes. Geoderma. 2018; 313:217—232. doi: 10.1016/j.geoderma.2017.10.034
  5. Minaev NV, Nikitin AA, Kozlov DN. The scale levels identification for the plowland topography organization. Dokuchaev Soil Bulletin. 2019;(96):3—21. (In Russ.). doi: https://doi.org/10.19047/0136-16942019-96-3-21
  6. Gillingham P. The relative importance of microclimate and land use to biodiversity [Dissertation]. University of York; 2010.
  7. Dokuchaev VV, Nikitin SN, Kostychev PA. Obsuzhdenie voprosa ob organizatsii pochvennogo issledovaniya v Rossii [Discussion of the issue of organizing soil research in Russia]. Saint Petersburg: Yakobson publ.; 1887. (In Russ.).
  8. Romanova EN. Mikroklimaticheskaya izmenchivost’ osnovnykh elementov klimata [Microclimatic variability of the main elements of the climate]. Leningrad: Gidrometeoizdat publ.; 1977. (In Russ.).
  9. Kiryushin VI. Kontseptsiya adaptivno-landshaftnogo zemledeliya [The concept of adaptive landscape farming]. Moscow; 1993. (In Russ.).
  10. Kaurichev IS, Romanova TA, Sorokina NP. Struktura pochvennogo pokrova i ti-pizatsiya zemel’ [Soil cover structure and land typification]. Moskva; 1992. (In Russ.).
  11. Yakushev VV. Tochnoe zemledelie: teoriya i praktika [Precision farming: theory and practice]. Saint Petersburg: FGBNU AFI publ.; 2016. (In Russ.).
  12. Sophocleous M, Georgiou J. Precision agriculture: Challenges in sensors and electron-ics for real-time soil and plant monitoring. In: 2017 IEEE Biomedical Circuits and Systems Conference (BioCAS). 2017. p.1—4. doi: https://doi.org/10.1109/BIOCAS.2017.8325180
  13. Fedorenko VF, Mishurov NP, Buklagin DS, Goltyapin VY, Golubev IG. Tsifrovoe sel’skoe khozyaistvo: sostoyanie i perspektivy razvitiya [Digital agriculture: state and development prospects]. Moscow: Rosinformagrotekh publ.; 2019. (In Russ.).
  14. Rukhovich AD, Vilchevskaya EV, Kalinina NV, Petukhov DA, Rukhovich DI. Comparative analysis of the information content of vegetation indices and measurements of crop yields in the system of precision agriculture. In: SGEM Geo & Ekspo 2019 conference proceedings. Bulgaria, Albena: SGEM Organizing Team publ.; 2019. p.501—508. (In Russ.).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».