Методы и модели автоматизации адаптационного зонирования сельскохозяйственных территорий тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Гончаров Дмитрий Викторович

• Гончаров Дмитрий Викторович
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Гончаров Дмитрий Викторович

ВВЕДЕНИЕ

ГЛАВА 1 АНАЛИЗ СОВРЕМЕННЫХ ОСОБЕННОСТЕЙ И ПРОБЛЕМ В СФЕРЕ АВТОМАТИЗАЦИИ И МОДЕЛИРОВАНИЯ ПРИ УПРАВЛЕНИИ ЭКОЛОГИЧЕСКОЙ БЕЗОПАСНОСТЬЮ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ТЕРРИТОРИЙ

1.1 Современные подходы к построению автоматизированных систем управления в сфере управления экологической безопасностью сельскохозяйственных территорий

1.2 Проблемы управления сельскохозяйственными территориями в условиях внешнего природно-климатического и техногенного воздействия

1.3 Существующие методы и модели, возможные для использования в сфере автоматизированного управления экологической безопасностью сельскохозяйственных территорий в условиях внешнего природно-климатического и техногенного воздействия

1.4 Выводы по первой главе и постановка задач дальнейшего исследования

ГЛАВА 2 МОДЕЛИРОВАНИЕ ПОДСИСТЕМЫ АВТОМАТИЗИРОВАННОГО АДАПТАЦИОННОГО ЗОНИРОВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ТЕРРИТОРИЙ В УСЛОВИЯХ ВНЕШНЕГО ПРИРОДНО-КЛИМАТИЧЕСКОГО И ТЕХНОГЕННОГО ВОЗДЕЙСТВИЯ

2.1 Выявление основных функций и теоритико-множественное описание разрабатываемой подсистемы автоматизированного адаптационного зонирования сельскохозяйственных территорий

2.2 Разработка подхода к зонированию сельскохозяйственных территорий на основе формирования адаптационных сценариев в условиях внешнего природно-климатического и техногенного воздействия

2.3 Функциональные и структурные модели подсистемы автоматизированного адаптационного зонирования сельскохозяйственных территорий

2.4 Выводы по второй главе

ГЛАВА 3 РАЗРАБОТКА МЕТОДОВ И МОДЕЛЕЙ ДЛЯ РЕАЛИЗАЦИИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО АДАПТАЦИОННОМУ ЗОНИРОВАНИЮ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ТЕРРИТОРИЙ В УСЛОВИЯХ ВНЕШНЕГО ПРИРОДНО-КЛИМАТИЧЕСКОГО И ТЕХНОГЕННОГО ВОЗДЕЙСТВИЯ

3.1 Построение моделей для оценки и прогнозирования пространственно -временного и структурного распределения парниковых газов на исследуемой территории

3.2 Разработка 3Э моделей для визуализации роста и развития сельскохозяйственных культур в различных условиях произрастания

3.3 Разработка нейро-нечеткой модели оценки и прогнозирования значений параметров мониторинга

3.4 Разработка метода и алгоритма, реализующего разработанные математические и ситуационные модели

3.5 Выводы по третьей главе

ГЛАВА 4 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ПРЕДЛОЖЕННЫХ МЕТОДОВ И МОДЕЛЕЙ, ВЫРАБОТКА ПРАКТИЧЕСКИХ РЕКОМЕНДАЦИЙ ДЛЯ КОНКРЕТНЫХ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ТЕРРИТОРИЙ БЕЛГОРОДСКОЙ ОБЛАСТИ

4.1 Программная реализация разработанных методов, моделей и алгоритмов

4.2 Анализ территории Белгородской области как пилотной площадки для проведения исследований

4.3 Модельная оценка исследуемых территорий Белгородской области в условиях внешнего природно-климатического и техногенного воздействия

4.4 Формирование сценариев управления и практических рекомендаций для адаптационного зонирования сельскохозяйственных территорий Белгородской области в условиях внешнего природно-климатического и техногенного воздействия

4.5 Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Приложение А. Словарь данных

Приложение Б. Свидетельства о государственной регистрации программ для

ЭВМ и базы данных

Приложение В. Фрагмент листинга программной реализации

Приложение Г. Выбросы муниципальных районов Белгородской области

Приложение Д. Информация об объемах выбросов оксида углерода и оксида

азота на территории Белгородской области за 2018-2022 годы, тыс. тонн

Приложение Е. Информация об эмиссии углеводородов за 2018-2022 годы... 155 Приложение Ж. Акты о внедрении результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Методы и модели автоматизации адаптационного зонирования сельскохозяйственных территорий»

ВВЕДЕНИЕ

Актуальность работы. Современные системы автоматизации и перспективные методы моделирования позволяют решить в комплексе проблемные задачи в сфере мониторинга и управления экологической безопасностью территорий с учётом разнородных внешних аспектов. Сегодня одной из наиболее актуальных глобальных экологических проблем является парниковый эффект (ПЭ). Парниковые газы (ПГ) в атмосфере удерживают тепло, приводя к изменению климатических условий. При этом, не смотря на большое количество законодательных документов, формирование климатических моделей, учёные и политологи отмечают, что ни в одной стране не происходит серьёзной модернизации производства, которая могла бы масштабно повлиять на ПЭ, так как это связано с возможным резким негативным влиянием на экономику.

В этой связи следует отметить, что существует вторая сторона, связанная с повышением концентрации диоксида углерода - одного из основных ПГ в атмосфере, а именно положительное изменение вегетационного периода сельскохозяйственных растений и уровня минерализации гумусового слоя почвы, что значительно влияет на повышение урожайности. Это крайне важно для стран с зонами рискованного земледелия, в т.ч. для России (~ 60% пахотных земель).

Изучением и моделированием воздействия климата, в т.ч. на с/х процессы, занимались Столбовой В.С., Савин И.Ю., Груз Г.В., Павлов В.Р., Бисчоков Р.М. и др. Сегодня крайне актуальным является развитие подобных исследований, в т. ч., разработка методов, моделей и программного обеспечения для построения и актуализации системы автоматизированного зонирования с/х территорий, адаптационного к влиянию сложившихся и прогнозных природно-климатических и техногенных факторов, которая является как интеллектуальной подсистемой АСУ ЭБ, так и инструментом автоматизированного формирования

оптимальных с точки зрения урожайности параметров технологических операций по возделыванию сельхозкультур.

В сложившейся противоречивой ситуации необходимо не только реализовывать мероприятия по смягчению техногенного воздействия на окружающую среду, но и формировать адаптационные сценарии, в частности, для научно обоснованного природно-сельскохозяйственного и агроэкологического зонирования территорий, что связано со сбором и анализом множественной разнородной информации, учётом взаимовлияния распределенных объектов и участия в производственных процессах живых организмов.

Степень разработанности темы исследования. Вопросам комплексного экомониторинга и управления экологической ситуацией посвящены работы Иващук О.А., Константинова И.С., Кузичкина О.Р., Ильичева В.А, Колчунова В.И., Панарина В.М., Николаева А.Б., Бакаевой Н.В., Растоскуева В.В., Острейковского В.А., Batty M., Benenson I., Kim S., Shekhar. S, Ranzi A. и др., где обоснована перспективность создания и использования специализированных средств автоматизации, математических и ситуационных моделей, алгоритмов и систем с применением различных цифровых технологий, предложены эффективные механизмы сбора данных, оценки и прогнозирования состояния объектов биотехносферы, прототипы автоматизированных систем управления экологической безопасностью (АСУ ЭБ), для которых возможно расширение спектра функций и задач.

Объектом исследования является процесс автоматизированного зонирования сельскохозяйственных территорий.

Предметом исследования являются методы, модели и алгоритмы, обеспечивающие автоматизированное формирование адаптационных сценариев по рациональному зонированию сельскохозяйственных территорий в условиях динамики природно-климатических и техногенных факторов.

Целью исследования является повышение эффективности зонирования сельскохозяйственных территорий на основе разработки комплекса методов,

моделей и построения автоматизированной подсистемы, формирующей адаптационные сценарии.

Критериями эффективности зонирования являются: достигнутая производительность территории, а также рациональные параметры технологической карты возделывания сельхозкультур.

Для достижения поставленной цели были решены следующие задачи:

- анализ современных подходов к автоматизированному управлению территориями при изменении природных, климатических и техногенных параметров, основных особенностей и проблемных вопросов в сфере их зонирования, в т.ч. в условиях с/х производства;

- построение и исследование концептуальной, функциональной и структурной моделей подсистемы, обеспечивающей автоматизированное адаптационное зонирования с/х территорий;

- разработка комплекса моделей, алгоритмов и методов для реализации автоматизированного формирования сценариев по адаптационному зонированию с/х территорий в условиях динамики природно-климатических и техногенных параметров, с оценкой продуктивности территории и выбором рациональных параметров технологической карты возделывания;

- программная реализация предложенных моделей, алгоритмов и методов, проведение натурных, имитационных экспериментов и выработка конкретных рекомендаций по адаптационному зонированию с/х территорий (на примере Белгородской области).

Методология и методы диссертационного исследования: методы автоматизации производственных процессов, системного анализа, моделирования систем, теория множеств, аппараты искусственных нейронных сетей, нечётких множеств, кластерного анализа, компьютерное моделирование, математическая статистика, технологии ГИС, УК/ЛЯ, экспериментальные исследования.

Научная новизна исследования заключается в получении следующих новых научных результатов:

- структурная модель автоматизированной подсистемы, реализующей в новой схеме адаптационного зонирования с/х территорий формирование научно обоснованных сценариев, эффективно использующих знания об изменении состояния объектов биотехносферы в условиях динамики природно-климатических и техногенных факторов. Данные знания генерируются в специализированной цифровой платформе, которая использует сквозную технологию работы с данными, включает фабрику и базу знаний, корректирующие функционирование всех компонентов подсистемы;

- ситуационная модель, разработанная на основе синтеза аппарата искусственных нейронных сетей и средств ГИС, которая впервые позволяет осуществлять автоматизированную пространственно-временную и структурную визуализированную оценку и прогнозирование распределения и накопления ПГ на исследуемой территории;

- не имеющий аналогов банк 3Э моделей приоритетных сельхозкультур (пшеница, овёс, ячмень, кукуруза и др.), представленных относительно четырёх основных этапов произрастания при различных сочетаниях факторов, влияющих на рост и развитие растений (минеральный состав почвы, метеорологические параметры, концентрация ПГ в приземном слое атмосферы) - всего 592 модели, обеспечивающий на основе применения УК/ЛЯ технологий проведение визуализированных экспертных оценок состояния растений с выбором рациональной культуры и технологической карты на конкретной территории в сложившихся/прогнозируемых условиях;

- комплексная нейро-нечеткая кластерная модель, отражающая причинно-следственные связи между всеми исследуемыми параметрами адаптационных сценариев зонирования (метеорологические характеристики, концентрация ПГ, уровень и состав вносимых в почву микроэлементов, параметры выбросов примесей, продуктивность территории, особенность сельхозкультуры), которая позволяет как проводить оценку/прогнозирование природно-климатического и техногенного воздействия на продуктивность

конкретных с/х территорий, так и определять адаптационные параметры для достижения требуемых показателей возделывания сельхозкультур;

- метод автоматизированного формирования адаптационных сценариев по зонированию с/х территорий на основе предложенных моделей, а также реализующий его алгоритм, обеспечивающий разработку конкретных рекомендаций по выращиванию сельхозкультур с увеличением урожайности в сложившихся/прогнозируемых условиях природно-климатического и техногенного воздействия.

Теоретическая значимость заключается в проведенном анализе современных подходов к построению АСУ ЭБ с/х территорий; по результатам анализа внешнего природно-климатического и техногенного воздействия антропогенных источников выявлены проблемы управления с/х территориями; проанализированы существующие методы и модели, возможные для использования в сфере автоматизированного управления экологической безопасностью с/х территорий в условиях внешнего природно-климатического и техногенного воздействия

Практическая значимость заключается в возможностях использования разработанной программной реализации созданных моделей и алгоритмов автоматизированного адаптационного зонирования с/х территорий, которая позволяет проводить: имитационные эксперименты по рассеиванию и накоплению ПГ на исследуемой территории; оперативный анализ техногенного воздействия на основе работы с интерактивными картами выбросов в зависимости от вида экономической деятельности; визуализированную оценку роста и развития сельхозкультур относительно разных этапов произрастания в сложившихся и прогнозируемых условиях.

Были проведены натурные и имитационные эксперименты на конкретных территориях Белгородской обл., получены рекомендации по их адаптационному зонированию для увеличения продуктивности.

Результаты внедрения. Предложенный метод, реализующие алгоритмы, модели и программное обеспечение используются, коммерческими и образовательными предприятиями Белгородской области, а именно:

Результаты, полученные в ходе диссертационного исследования внедрены в следующие коммерческие и образовательные организации Белгородской области:

- в ООО «БЕГ» принята к внедрению нейросетевая модель для определения рассеивания и накопления газообразных загрязняющих веществ и парниковых газов в приземном слое атмосферы от стационарных антропогенных источников для мониторинга экологической ситуации в Белгородской области;

- в ООО «НПФ МИДИЭЛ» принята к внедрению модель подсистемы автоматизированного адаптационного зонирования сельскохозяйственных территорий для моделирования производительности сельскохозяйственных территорий Белгородской области;

- в Инжиниринговом колледже НИУ «БелГУ» приняты к внедрению модели и программная реализация для формирования адаптационных решений по зонированию сельскохозяйственных территорий в условиях динамики парникового эффекта и проведения имитационных экспериментов по определению их эффективности для использования при организации учебного процесса и научно-исследовательской работы студентов;

- в ООО «Парусник» приняты к внедрению модели и программная реализация для комплексной оценки продуктивности сельскохозяйственных территорий и производств с целью способствования повышению урожайности сельскохозяйственных культур и минерализации гумусового слоя почвы;

- в ООО «АГРО-ИТ» приняты к внедрению модели и методы для построения конкретных систем по адаптационному зонированию сельскохозяйственных территорий в условиях внешнего техногенного и природно-сельскохозяйственного воздействия и их развертывания на территориях сельскохозяйственных предприятий.

Связь с научными и инновационными программами. Результаты диссертационного исследования использовались при выполнении гранта РНФ №22-11-20016 «Разработка и исследование интеллектуальной системы поддержки принятия решений по адаптации сельскохозяйственных территорий в условиях динамики парникового эффекта».

Положения, выносимые на защиту:

- структурная модель подсистемы автоматизированного адаптационного зонирования с/х территорий, включающая специализированную ЦП;

- ситуационная модель для визуализированной оценки и прогнозирования рассеивания и накопления ПГ в приземном слое атмосферы;

- банк моделей приоритетных сельсхозкультур;

- комплексная нейро-нечеткая кластерная модель, отражающая причинно-следственные связи между параметрами адаптационного зонирования;

- метод и алгоритм автоматизированного формирования адаптационных сценариев по зонированию с/х территорий;

- программная реализация построенных моделей и метода.

Степень достоверности результатов диссертационного исследования

обусловлена анализом состояния исследуемой предметной области, применением сертифицированного лабораторного оборудования, результатами натурных и имитационных экспериментов, подтверждающих адекватность разработанных методов и моделей.

Апробация работы. Результаты работы докладывались на международных конференциях:

- Международная научно-практическая конференция «Инновационные технологии в науке и образовании (ИТНО 2022)», Ростов-на-Дону, РФ, 26 сентября - 02 ноября 2022, тема доклада: «Разработка метода и алгоритма оценки сельскохозяйственных территорий в условиях динамики парникового эффекта»;

- Международная научно-исследовательская конференция «Эмиссия парниковых газов сегодня и в геологическом прошлом: источники, влияние на климат и окружающую среду», Казань, РФ, 31 октября - 02 ноября 2024, тема доклада: «Автоматизация адаптации процесса растениеводства при эмиссии парниковых газов»;

- Международная научно-исследовательская конференция «Эмиссия парниковых газов сегодня и в геологическом прошлом: источники, влияние на климат и окружающую среду», Казань, РФ, 31 октября - 02 ноября 2024, тема доклада: «Моделирование киберфизической системы управления урожайностью с учетом влияния парникового эффекта»;

- Международная научно-практическая конференция «Индустрия 4.0» SmartlndustryCon, Сочи, РФ, 29 марта 2023, тема доклада: «Method for Modeling and Visualization of Agricultural Crops Growth Based on Augmented Reality Technology in Terms of the Greenhouse Effect Dynamics»

- Международная научно-техническая конференция «ИТНОП-2023», Белгород, РФ, 31 мая - 02 июня 2023, тема доклада: «Моделирование автоматизированной системы управления урожайностью сельскохозяйственных культур в условиях динамики парникового эффекта»;

- Международная студенческая научно-практическая конференция «Информационные технологии и инжиниринг», Белгород, РФ, 11 апреля 2023, тема доклада: «Моделирование автоматизированной системы адаптации сельскохозяйственных территорий в условиях динамики парникового эффекта»;

- Международная студенческая научно-практическая конференция «Информационные технологии и инжиниринг», Белгород, РФ, 11 апреля 2023, тема доклада: «Использование нейросетевых технологий и нечеткой кластеризации при определении урожайности сельскохозяйственных культур в условиях динамики парникового эффекта»;

- Международная студенческая научно-практическая конференция «Информационные технологии и инжиниринг», Белгород, РФ, 11 апреля 2023, тема доклада: «Визуализация роста и развития сельскохозяйственных культур в

условиях динамики парникового эффекта»;

- Международная научно-техническая конференция «Автоматизация» RusAutoCon, Сочи, РФ, 08 - 14 сентября 2024, тема доклада: «Approaches to Building an Automated Control System for Plant Production in the Conditions of Greenhouse Effect Dynamics»;

- Международная научно-техническая конференция «Автоматизация» RusAutoCon, Сочи, РФ, 08 - 14 сентября 2024, тема доклада: «Comprehensive Assessment Method of Agricultural Territories Based on Artificial Intelligence Technology in Terms of Greenhouse Effect Dynamics»;

- Международная научно-практическая конференция «Индустрия 4.0» SmartlndustryCon, Сочи, РФ, 29 марта 2024, тема доклада: «Methods, Models and Hardware-Software Complex of Distributed Monitoring Based on lot and Blockchain Technology»;

- Международная научно-практическая конференция «Индустрия 4.0» SmartlndustryCon, Сочи, РФ, 29 марта 2024, тема доклада: «Digital Technologies for Assessing and Predicting the Impact of the Spatiotemporal Distribution of Greenhouse Gases on the Photosynthetic Activity of Crops».

Публикации. По теме диссертации опубликовано 17 научных работ, в том числе 5 научных статей в изданиях ВАК, 5 - Scopus и Web of Science. Получено 2 свидетельства о регистрации интеллектуального права на программу для ЭВМ и 1 свидетельство на базу данных.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка используемых источников и литературы и приложений. Объем работы - 142 страниц основного текста, 61 - рисунок, 3 - таблицы, список используемых источников и литературы из 101 наименования и приложения.

В разделе Введение было представлено обоснование актуальности данного исследования, сформулирована цель и основные задачи работы, а также указаны научная новизна и практическая значимость полученных результатов. Кроме того, в данном разделе были рассмотрены основные результаты,

полученные в рамках проведенного исследования и подлежащие дальнейшей защите.

В первой главе была установлена зависимость продуктивности сельскохозяйственного растениеводства от динамики ПЭ, определена необходимость использования средств автоматизации и моделирования для принятия решений в сфере адаптации территорий к воздействию техногенных факторов. Проведен анализ систем управления экологического класса, наделенных интеллектуальными функциями, которые могут быть адаптированы для решения задач, связанных с адаптационным зонированием, путем изменения основных функций. Сформулированы задачи дальнейшего исследования.

Во второй главе разработана модель подсистемы автоматизированного адаптационного зонирования сельскохозяйственных территорий, которая позволяет реализовать новые для данного класса систем функции, как: поддержка решения задач оперативного управления общими ресурсами в режиме реального времени; обеспечение накопления новых данных, образующихся в процессе функционирования подсистемы автоматизированного адаптационного зонирования сельскохозяйственных территорий, для построения новых моделей и получения новых знаний; предоставление модулям подсистемы автоматизированного зонирования сельскохозяйственных территорий единую среду исполнения. В состав подсистемы автоматизированного зонирования сельскохозяйственных территорий введена специализированная цифровая платформа, которая позволяет ускорить работу путем предоставления предопределенных типовых функций и интерфейсов для обработки информации на основе сквозной технологии работы с данными. Цифровая платформа реализует ряд следующих функций: контроль качества и настройка взаимодействия модулей внутреннего и внешнего контуров подсистемы автоматизированного адаптационного зонирования сельскохозяйственных территорий; автоматизированное определение необходимых компонентов множеств и моделей необходимых для формирования управляющих воздействий.

В третьей главе содержится детальное описание метода, моделей и алгоритмов, которые используются для оценки рассеивания и накопления ПГ в приземном слое атмосферы, производительности сельскохозяйственных территорий и формирования управляющих воздействий и их визуализации для проведения адаптационного зонирования в условиях динамики ПЭ. Описанные методы основаны на сборе и анализе различных данных, таких как данные о климате, геологические данные и данные о растительности. Кроме того, были разработаны и описаны методы для принятия решений с использованием нечеткой логики и искусственных нейронных сетей. Эти методы позволяют учесть неопределенность и принимать обоснованные решения на основе доступных данных.

В четвертой главе разработана программная реализация методов и моделей подсистемы автоматизированного адаптационного зонирования сельскохозяйственных территорий в условиях динамики ПЭ, которые были использованы для оценки территорий Белгородской области. Были выработаны рекомендации по адаптационному зонированию сельскохозяйственных территорий в целях увеличения урожайности и минерализации гумусового слоя почвы.

В заключении были сформулированы основные научные и практические результаты и выводы, полученные в ходе проведенного исследования.

ГЛАВА 1 АНАЛИЗ СОВРЕМЕННЫХ ОСОБЕННОСТЕЙ И ПРОБЛЕМ В СФЕРЕ АВТОМАТИЗАЦИИ И МОДЕЛИРОВАНИЯ ПРИ УПРАВЛЕНИИ ЭКОЛОГИЧЕСКОЙ БЕЗОПАСНОСТЬЮ СЕЛЬСКОХОЗЯЙСТВЕННЫХ

ТЕРРИТОРИЙ

1.1 Современные подходы к построению автоматизированных систем управления в сфере управления экологической безопасностью сельскохозяйственных территорий

Создание современных систем управления в области экологической безопасности (ЭБ) связано с разработкой средств контроля, передачи, обработки и мониторинга данных на различных территориях, а также с реализацией функций интеллектуальной поддержки принятия решений. Использование систем автоматизации в сфере экологической безопасности территорий является эффективным для их рационального территориального зонирования [1]. При этом, актуализация при работе подобных систем перспективных цифровых технологий позволяет осуществлять интеллектуальный анализ свойственных для экомониторинга сложных биотехносферных объектов потоков множественных и разнородных данных, принятие результативных научно обоснованных решений по снижению либо предотвращению негативного воздействия от техногенных источников на выбранной территории. Вопросами развития современных методов и моделей поддержки принятия решений в сфере экологического мониторинга и прогнозирования экологической ситуации посвящены исследования отечественных и зарубежных ученых, например, [2, 3, 4].

Так, в работах научных школ Константинова И.С. и Иващук О.А. предложены модели и прототипы автоматизированных систем управления (АСУ) экологической безопасностью территорий и объектов различного назначения (а также их основных подсистем), обладающих функциями интеллектуального мониторинга и интеллектуальной поддержки принятия решений, функционирующих на основе синтезированного применения различных цифровых решений и методов интеллектуального моделирования. На

рисунке 1.1.1 представлена базовая обобщенная схема АСУ данного класса, разработанная для управления ЭБ промышленно-территориальных кластеров (ПТК), которая включает следующие основные компоненты универсального вида для всех соответствующих подсистем:

- объект автоматизированного управления - экологическая безопасность выбранной территории как сложная динамичная природно-организационно-техническая система [5];

- подсистема экологического мониторинга, которая осуществляет автоматизированный сбор различных типов данных и предварительную интеллектуальную обработку информации, включая комплексную оценку текущего состояния экологической безопасности [6];

- экспертно-информационная система, наделенная функциями интеллектуального анализа данных - данная подсистема отвечает за моделирование и осуществление различных оценок компонентов биотехносферы и экологической безопасности в целом, прогнозирование динамики ситуации, предоставление различных вариантов альтернативных управляющих воздействий и их оценку, управление внутренними конурами [7];

- управляющая подсистема - формирует управленческие решения и конкретные управляющие воздействия [5, 7], в том числе адаптационные сценарии урегулирования текущей или прогнозируемой экологической ситуации, формируемые в автоматизированном режиме на основе специализированных методов, моделей и их программных решений.

Сегодня построение современных систем управления ЭБ объектов и территорий с указанными функциями становится возможным благодаря возросшей мощности компьютеров и вычислительных сетей, наличием и развитием в последние десятилетия перспективных инструментов построения баз данных, математических и ситуационных моделей, проведения на их основе высокоточных компьютерных экспериментов. Следует отметить, что автоматизированный интеллектуальный мониторинг управления ЭБ становится возможным благодаря наполнению вышеуказанными методами, моделями и

алгоритмами специализированной интеллектуальной системе поддержки принятия решений и ее подсистем, функции которой в представленной АСУ реализуются представленной на схеме экспертно-информационной системой. Это связано с необходимостью учета особенностей исследуемых территорий, природно-климатических и инфраструктурных характеристик.

Итак, особенности функционирования представленной АСУ связаны со специфическими характеристиками объекта управления и соответствующими специализированными функциями. При разработке и совершенствовании различными авторами конкретных подсистем - в зависимости от выбранного объекта управления и поставленных целей - происходила их модернизация и наполнение интеллектуальной системы поддержки принятия решений специализированными моделями поддержки принятия решений различного уровня [2-7].

Рисунок 1.1.1 - Автоматизированная система управления экологической

безопасностью территорий

Данная АСУ включает следующие связи подсистем, где ю - параметры внешних воздействий, ис, ип - управляющие воздействия, X, 2С, 2п - состояние объекта управления, У - результаты измерений в системе интеллектуального экологического мониторинга, X' - предварительные оценки экологической безопасности, V - необходимые модели интеллектуального мониторинга, у' -результаты практической реализации управляющих воздействий, т - возможные сценарии управления.

Список литературы диссертационного исследования кандидат наук Гончаров Дмитрий Викторович, 2024 год

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ

1. Хворова Л. А., Топаж А. Г. Построение моделей агроэкосистем и их адаптация к конкретным условиям // Информатика, телекоммуникации и управление. - 2011. - №. 1 (115). - С. 99-105.

2. Ivashchuk, Olga Alexandrovna Research in the Field of Automated Environmental Safety Control for Industrial and Regional Clusters / Olga Alexandrovna Ivashchuk, Igor Sergeevich Konstantinov, Sergej Aleksandrovich Lazarev, Vjacheslav Igorevich Fedorov // International Journal of Applied Engineering Research ISSN 0973-4562. - Volume 9. - Number 22 (2014). - Pp. 16813-16820.

3. Бакаева Н.В. Управление экологической безопасностью автотранспортной системы города на принципах биосферной совместимостью: дис. ... д-ра техн. наук: 05.23.19/ Бакаева Наталья Владимировна. - Орел. - 2013. - С. 413.

4. Федоров В. И., Иващук О. Д., Долинский А. А. Разработка методов поддержки принятия решений при градостроительном зонировании сельско-городских территорий с использованием оценки качества почв //Успехи современного естествознания. - 2019. - №. 7. - С. 127-132.

5. Иващук, О.А. Автоматизированное управление экологической безопасностью локальных городских территорий / О.А. Иващук, Д.А. Кванин // Информационные системы и технологии. - 2014. - № 4 (84). - С. 62-68.

6. Кванин, Д.А. Управление биотехносферой локальных урбанизированных территорий на основе ситуационного моделирования: дис. ... к-та техн. наук: 05.13.01/ Кванин Денис Алекснадровичю. - Белгород. - 2016. -183 с.

7. Ivashchuk, Olga Approaches to Creating Environment Safety Automation Control System of the Industrial Complex / Olga Ivashchuk, Igor Konstantinov // In the Proceedings of the 2013 IEEE 7th Inter-national Conference on Intelligent Data Acquisition and Advanced Computing Systems (IDAACS). 2013. - V.2. - P: 828-832.

8. Иващук О. А., Константинов И. С. Обеспечение адаптивного управления экологической безопасностью промышленно-транспортного комплекса //Управление большими системами: сборник трудов. - 2009. - №. 25. - С. 96-115.

9. Иващук О. А. Разработка метода комплексной оценки экологического состояния объектов и процессов агропромышленного комплекса //Информационные технологии в науке, образовании и производстве (ИТНОП-2023). - 2023. - С. 171-176.

10. Константинов И. С., Иващук О. Д. Особенности построения и интеллектуализация системы экомониторинга в составе автоматизированной системы управления экологической безопасностью //Информационные системы и технологии. - 2010. - №. 6. - С. 113-118.

11. Экологическое нормирование и управление качеством почв и земель / Под общ. ред. С.А. Шобы, А.С. Яковлева, Н.Г. Рыбальского. - М.: НИА-Природа, 2013. - 310 с.

12. Филипчук А. Н., Моисеев Б. Н., Малышева Н. В. Новые аспекты оценки поглощения парниковых газов лесами России в контексте Парижского соглашения об изменении климата //Лесохозяйственная информация. - 2017. -№. 1. - С. 88-98.

13. Бондаренко Л. В. и др. Глобальное изменение климата и его последствия //Вестник Российского экономического университета им. ГВ Плеханова. - 2018. - №. 2 (98). - С. 84-93.

14. Якунина И. В., Попов Н. С. Методы и приборы контроля окружающей среды. Экологический мониторинг //Тамбов: Изд-во Тамб. гос. техн. ун-та. - 2009. - Т. 188.

15. Захарян Ю. Г. Оценка эффективности адаптации агротехнологических решений к пространственно-временной неоднородности сельскохозяйственных земель //автореферат дисс. на соиск. учен. степени докт. с.-х. наук. - 2018.

16. Захарян Ю. Г. Оценка эффективности адаптации агротехнологических решений к пространственно-временной неоднородности сельскохозяйственных земель //автореферат дисс. на соиск. учен. степени докт. с.-х. наук. - 2018.

17. Глаз Н. В., Васильев А. А. Изменение климата //Дальневосточный аграрный вестник. - 2018. - №. 4 (48). - С. 32-39.

18. Михайлов Г. А. и др. Стохастическое моделирование и метод Монте-Карло //Совр. проблемы вычнсл. математики и матем. моделир. М.: Наука. -2005. - Т. 1. - С. 149-219.

19. Ляшенко Г. В. Методологические аспекты применения ГИС-технологий при агроклиматическом районировании территорий //Культура народов Причерноморья. - 2007.

20. Булохова Л. В., Южаков В. А. Особенности адаптации сельского хозяйства регионов России к глобальным климатическим изменениям //Актуальные проблемы агропромышленного комплекса. - 2020. - С. 355-357.

21. Влияние климатических изменений на российское сельское хозяйство [Электронный ресурс]. - Режим доступа: http://fermera.ru/news/283-vliyanie-klimaticheskih-izmeneniy-narossiyskoe-selskoe-hozyaystvo.html

22. Болданов Т. А., Мухин Г. Д. Экологическая адаптация сельскохозяйственного землепользования в условиях изменения климата в Республике Бурятия //Аридные экосистемы. - 2019. - Т. 25. - №. 1 (78). - С. 1019.

23. Орлова И.В. / Функциональное зонирование земель сельскохозяйственного назначения для целей сбалансированного природопользования / Фундаментальные исследования №5, 2014

24. Бисчоков Р. М. Анализ и прогноз трансформации климатических характеристик и учет их динамики в задачах управления агропромышленным комплексом (на примере центральной части Северного Кавказа) //дисс.... докт. физ.-мат. наук/РМ Бисчоков. Нальчик. - 2014.

25. Федотов А. А. и др. Метод прогноза изменения температурного режима вечномерзлых грунтов, оснований зданий и сооружений в криолитозоне //Материалы четвертой конференции геокриологов россии. - 2011. - С. 341-348.

26. Будыко М.И. Антропогенные изменения глобального климата. /М.И. Будыко, Э.К. Бютнер, К.Я. Винников, Г.С. Голицын, О.А. Дроздов, И.Л. Кароль //Метеорология и гидрология, 1981, № 8, С. 5-14.

27. Храпов, С. С. Имитационное моделирование динамики загрязняющих примесей : учеб. пособие / С. С. Храпов, А. В. Хоперсков, М. А. Еремин. - Волгоград : Изд-во Волгогр. гос. ун-та, 2010. - 132 с.

28. Клементс, Р., Дж. Хэггэр, А. Кезада, и Дж. Торрес (Clements, R., J. Haggar, A. Quezada, and J. Torres, 2011). Технологии по адаптации к изменению климата - Сельскохозяйственный сектор. Кс. Чжу (X. Zhu) (Ред.). Центр ЮНЕП в Рисо, Роскилде (Ris0 Centre, Roskilde), 2011

29. Torres-Quezada J., Coch H., Isalgué A. Data set of climatic factors measured in a low latitude region with warm and humid climate: Solar radiation, cloud cover and sky temperature //Data in brief. - 2021. - Т. 38. - С. 107404.

30. Дружинин П. В., Шкиперова Г. Т. Эколого-экономические модели и прогнозы в системе регионального управления // Проблемы прогнозирования. -2012. - №. 1. - С. 88-98.

31. Менжулин Г. В., Павловский А. А. Комплексная методика расчета и оценки нарушений естественного климатического режима в мегаполисе Санкт-Петербург // Ученые записки Российского государственного гидрометеорологического университета. - 2016. - №. 43. - С. 154-173.

32. Павлова В. Н., Сиротенко О. Д. Наблюдаемые изменения климата и динамика продуктивности сельского хозяйства России // Труды Главной геофизической обсерватории им. АИ Воейкова. - 2012. - №. 565. - С. 132-151.

33. Переведенцев Ю. П., Шанталинский К. М. Мониторинг современных изменений климата Земли //Устойчивое развитие регионов: опыт, проблемы, перспективы. - 2017. - С. 101-114.

34. Романенко И. А., Сиптиц С. О. Проблема эффективности и устойчивости развития сельского хозяйства в регионах Российской Федерации // Экономика сельского хозяйства России. - 2015. - №. 2. - С. 6-13.

35. Шиловская С. А. Влияние изменения климата на сельское хозяйство и обеспечение продовольственной безопасности // АПК: Экономика, управление.

- 2014. - №. 10. - С. 67-73.

36. Груза Г.В. О неопределенности некоторых сценарных климатических прогнозов температуры воздуха и осадков на территории России. /Г.В. Груза, Э.Я. Ранькова, Л.Н. Аристова, Л. К. Клещенко //Метеорология и гидрология, 2007, № 10, с. 5-23

37. Рябов И. Ю., Понькина Е. В. Моделирование развития сельхозпроизводства: модель частичного равновесия globiom // Анализ, моделирование, управление, развитие социально-экономических систем (АМУР-2021). - 2021. - С. 369-371.

38. Рябов И. Ю., Понькина Е. В., Карменова М. А. Моделирование динамики землепользования на основе модели частичного равновесия GLOBIOM: задача разработки регионального модуля // МАК: Математики-Алтайскому краю. - 2021. - С. 158-162.

39. Бассо Б., Влияние органического углерода и азота почвы на урожайность сельскохозяйственных культур в условиях изменения климата // Сельскохозяйственные и экологические письма. - 2018. - Т. 3. - №. 1. - С. 180026.

40. Confalonieri R., Multi-metric evaluation of the models WARM, CropSyst, and WOFOST for rice //Ecological Modelling. - 2009. - Т. 220. - №. 11. -С. 1395-1410.

41. Тебекин А. В., Тебекин П. А., Егорова А. А. Является ли инициатива" Индустрия 4.0" промышленной революцией? //Теоретическая экономика. - 2021.

- №. 7 (79). - С. 59-73.

42. Тимофеев М. Г., Бабайцев А. В., Никонорова Л. И. Искусственный интеллект в сельском хозяйстве //Наука и Образование. - 2020. - Т. 3. - №. 4.

43. Устинова Л. Н. Индустрия 4.0-новые вызовы для российского производства //Цифровая экономика и Индустрия. - 2018. - Т. 4. - С. 81-87.

44. Шеве Г., От индустрии 3.0 к индустрии 4.0: основные понятия, измерения и компоненты индустрии 4.0 //Инвестиции в России. - 2019. - №. 9. -С. 32-40.

45. Шукалов А. В., Заколдаев Д. А., Жаринов И. О. От Индустрии 3.0 к Индустрии 4.0: обзор инноваций //Вопросы оборонной техники. Серия 16: Технические средства противодействия терроризму. - 2018. - №. 11-12. - С. 153159.

46. Banjanoviс-Mehmedoviс L., Mehmedoviс F. Intelligent manufacturing systems driven by artificial intelligence in industry 4.0 //Handbook of Research on Integrating Industry 4.0 in Business and Manufacturing. - IGI global, 2020. - С. 3152.

47. Cohn, A.S., Newton, P., Gil, J.D., Kuhl, L., Samberg, L., Ricciardi, V., & Northrop, S. (2017). Smallholder agriculture and climate change. Annual Review of Environment and Resources (42). 2017. P. 347-375

48. Harvey, C. A., Saborio-Rodriauez, M., Martinez-Rodriguez, M. R., Viguera, B., Chain-Guadarrama, A., Vignola, R., & Alpizar, F. Climate change impacts and adaptation among smallholder farmers in Central America. Agriculture & Food Security, 7(1). 2018 p. 1-20

49. O.A. Ivashchuk, V.I. Fedorov, D.V. Goncharov, "Approaches to the Development of an Automated Control System for the Adaptation of Agricultural Areas under the Changing Greenhouse Effect", Mathematical Statistician and Engineering Applications,vol. 71, №3s2, pp. 948, 2022.

50. Jha K., A comprehensive review on automation in agriculture using artificial intelligence //Artificial Intelligence in Agriculture. - 2019. - Т. 2. - С. 1-12.

51. Schrage A. et al. Enhanced T cell transmigration across the murine liver sinusoidal endothelium is mediated by transcytosis and surface presentation of chemokines // Hepatology. - 2008. - Т. 48. - №. 4. - С. 1262-1272.

52. Зенкина Е.В. Современные подходы к оценке устойчивого развития стран // Вестник РГГУ. Серия «Экономика. Управление. Право». 2021. № 2 . С. 111-125. DOI: 10.28995/2073-6304-2021-2-111-125

53. Албегов, Р.Б. Эколого-экономическая оценка природных ресурсов и их использование /Р.Б. Албегов, Б.Б. Басаев, Г.Ф. Джиоева, И.Б. Басаев -Владикавказ, изд. Горский госагроуниверситет, 2000. 165 с.

54. Гаврилов, А. С. Математическое моделирование мезометеорологических процессов [Текст] / А. С. Гаврилов. - Ленинград : Изд-во ЛПИ, 1988. - 96 с.

55. Hassabis D., Neuroscience-inspired artificial intelligence //Neuron. -2017. - Т. 95. - №. 2. - С. 245-258.

56. Carlson K. M., Greenhouse gas emissions intensity of global croplands //Nature Climate Change. - 2017. - Т. 7. - №. 1. - С. 63-68.

57. Olivier J. G. J., Trends in global CO2 and total greenhouse gas emissions: 2017 report. - The Hague : PBL Netherlands Environmental Assessment Agency, 2017. - С. 69.

58. Smith S. L., A preliminary evaluation of sediment quality assessment values for freshwater ecosystems //Journal of Great Lakes Research. - 1996. - Т. 22. - №. 3. - С. 624-638.

59. Dixit R.. Bioremediation of heavy metals from soil and aquatic environment: an overview of principles and criteria of fundamental processes //Sustainability. - 2015. - Т. 7. - №. 2. - С. 2189-2212.

60. Baldocchi D., FLUXNET: A new tool to study the temporal and spatial variability of ecosystem-scale carbon dioxide, water vapor, and energy flux densities //Bulletin of the American Meteorological Society. - 2001. - Т. 82. - №. 11. - С. 24152434.

61. Board O. S., Climate intervention: carbon dioxide removal and reliable sequestration. - National Academies Press, 2015.

62. Аналитический обзор методик учёта выбросов и поглощения лесами парниковых газов из атмосферы / А. Н. Филипчук, Н. В. Малышева, Б. Н.

Моисеев, В. В. Страхов // Лесохоз. информ. : электрон. сетевой журн. - 2016. -№ 3. - С. 36-85. URL: http:// lhi.vniilm.ru/

63. Борисенков Е.П. Связь температуры и осадков с урожайностью. /Е.П. Борисенков и др. - Труды ГГО, 1984, 471. С. 46-50.

64. Малышева Н.В., Моисеев Б.Н., Филипчук А.Н., Золина Т.А. Методы оценки баланса углерода в лесных экосистемах и возможности их использования для расчетов годичного депонирования углерода // Лесной вестник / Forestry Bulletin, 2017. Т. 21. № 1. С. 4-13. DOI: 10.18698/2542-1468-2017-1-4-13

65. Gorobets A., Silva M. Willow communities, optimal absorption of carbon dioxide from the atmosphere //IOP Conference Series: Earth and Environmental Science. - IOP Publishing, 2020. - Т. 595. - №. 1. - С. 012038.

66. van Diepen L. T. A. Simulated nitrogen deposition causes a decline of intra-and extraradical abundance of arbuscular mycorrhizal fungi and changes in microbial community structure in northern hardwood forests // Ecosystems. - 2010. -Т. 13. - №. 5. - С. 683-695.

67. Zhu X., Technologies for climate change adaptation. // Agriculture sector. - 2011. - Т. 1. - №. 1. - С. 125-127.

68. Torres-Quezada J., Coch H., Isalgué A. Assessment of the reflectivity and emissivity impact on light metal roofs thermal behaviour, in warm and humid climate // Energy and Buildings. - 2019. - Т. 188. - С. 200-208.

69. Гафарова Е. А. Имитационные модели комплексного регионального развития //Управление большими системами: сборник трудов. - 2013. - №. 45. -С. 206-221.

70. Сиротенко О. Д., Мониторинг изменений климата и оценка последствий глобального потепления для сельского хозяйства // Агрофизика. -2011. - Т. 3. - С. 31-39.

71. Кошкин Е. И., Андреева И. В., Гусейнов Г. Г. Влияние глобальных изменений климата на продуктивность и устойчивость сельскохозяйственных культур к стрессорам // Агрохимия. - 2019. - №. 12. - С. 83-96.

72. Кудеяров В. Н. Современное состояние углеродного баланса и предельная способность почв к поглощению углерода

73. Иванов А. Л., Савин И.Ю., Столбовой В.С., Духанин Ю.А., Козлов Д.Н., Баматов И.М. Глобальный климат и почвенный покров - последствия для землепользования России // Бюллетень Почвенного института имени В.В. Докучаева. 2021. Вып. 107. С. 5-32.

74. Бойцова Л. В., Изменение агроэкологических параметров прикорневого слоя почвы при выращивании различных сельскохозяйственных культур // Агрофизика 2017 №4

75. Зеленцов С. В., Мошненко Е. В. Пути адаптации сельского хозяйства России к глобальным изменениям климата на примере экологической селекции сои //Научный диалог. - 2012. - №. 7. - С. 40-59.

76. Жукова О. Д., Акифьев И. В. Оценочное зонирование территории // Modern Science. - 2019. - №. 4-2. - С. 54-58.

77. Алферьев Д. А. Искусственный интеллект в сельском хозяйстве // АгроЗооТехника. - 2018. - Т. 1. - №. 4. - С. 5-5.

78. Yue Q. Mitigating greenhouse gas emissions in agriculture: From farm production to food consumption //Journal of Cleaner Production. - 2017. - Т. 149. -С. 1011-1019.

79. Gorobets A., Silva M. Willow communities, optimal absorption of carbon dioxide from the atmosphere // IOP Conference Series: Earth and Environmental Science. - IOP Publishing, 2020. - Т. 595. - №. 1. - С. 012039.

80. Новиков Д. А. Классификации систем управления // Проблемы управления. — 2019. — № 4. — С. 27-42.

81. Кирейчева Л. В., Глазунова И. В. Развитие и размещение сельскохозяйственных мелиораций в изменяющихся климатических условиях // Природообустройство. - 2017. - №. 4. - С. 80-87.

82. Ivashchuk O. A., Fedorov V. I., Goncharov D. V. Approaches to the Development of an Automated Control System for the Adaptation of Agricultural

Areas under the Changing Greenhouse Effect //Mathematical Statistician and Engineering Applications. - 2022. - T. 71. - №. 3s2. - S. 948.

83. Борисенков Е.П. Естественные и антропогенные факторы изменения климата. - В сб.: Теоретические методы управления ресурсами вод и суши. Л.: Гидрометеоиздат, 1982. С. 28-51.

84. Замолодчиков Д. Г., Грабовский В. И., Честных О. В. Динамика баланса углерода в лесах федеральных округов Российской Федерации //Вопросы лесной науки. - 2018. - Т. 1. - №. 1. - С. 8-8.

85. Жаворонкова Н. Г., Агафонов В. Б. Климатическое законодательство Российской Федерации: возможности и потенциал в условиях энергетического перехода //Lex russica. - 2022. - №. 1 (182). - С. 29-37.

86. Иванов А.Л., Савин И.Ю., Столбовой В.С., Духанин Ю.А., Козлов Д.Н. Методологические подходы формирования единой Национальной системы мониторинга и учета баланса углерода и выбросов парниковых газов на землях сельскохозяйственного фонда Российской Федерации // Бюллетень Почвенного института имени В.В. Докучаева. 2021. Вып. 108. С. 175-218.

87. Коновалова Н.В., Коробов В.Б., Васильев Л.Ю. Интерполирование климатических данных при помощи ГИС-технологий. /Н.В. Коновалова, В.Б. Коробов, Л.Ю. Васильев //Метеорология и гидрология, 2006, № 5, с.46—53

88. Донцова, Т. В. О возможности использования балансового метода для сводных расчетов рассеивания выбросов в атмосферу [Текст] / Т. В. Донцова, М. А. Шкляр, Д. А. Николенко // Инженерный вестник Дона. - 2015. - № 1. - URL: ivdon.ru/ru/magazine/archive/n1y2015/2770

89. Методика расчета концентрации в атмосферном воздухе вредных веществ, содержащихся в выбросах предприятий : ОНД-86. - Ленинград : Гидрометеоиздат, 1987. - 93 с.

90. Димитриченко Д. П., Жилов Р. А. Применение нейросетевого подхода к задачам логической обработки данных и построение интеллектуальных систем принятия решений //Моделирование, оптимизация и информационные технологии. - 2018. - Т. 6. - №. 2. - С. 249-261.

91. Аксенов А. Г. Анализ интеллектуальных систем поддержки принятия решений в сельском хозяйстве // Электротехнологии и электрооборудование в АПК. - 2019. - №. 3. - С. 46-51.

92. Зимароева А. А., Пинкина Т. В. Региональная дифференциация влияния экологических факторов на урожайность овощей открытого грунта // BBK 83. - 2020. - С. 512.

93. Ortiz-Bobea A., Just R. E. Modeling the structure of adaptation in climate change impact assessment // American Journal of Agricultural Economics. - 2013. -Т. 95. - №. 2. - С. 244-251.

94. Mirschel W. Modelling and simulation of agricultural landscapes // Landscape Modelling and Decision Support. - 2020. - С. 3-21.

95. Звягина Е. М. Исследование возможности внедрения VR/AR-технологий в аграрно-промышленном комплексе //Известия Международной академии аграрного образования. - 2020. - №. 48. - С. 57-61.

96. Sionit N., Kramer P. J. Water potential and stomatal resistance of sunflower and soybean subjected to water stress during various growth stages //Plant Physiology. - 1976. - Т. 58. - №. 4. - С. 537-540.

97. Ritchie J. T., NeSmith D. S., Hanks J. Modeling plant and soil systems // Temperature and Crop Development. Madison, WI. - 1991. - С. 5-31.

98. Израэль Ю. А., Сиротенко О. Д. Моделирование влияния изменений климата на продуктивность сельского хозяйства России //Метеорология и гидрология. - 2003. - №. 6. - С. 5-17.

99. Чекалин Е. И. Роль показателей фотосинтеза в современной селекции растений гороха посевного // Продовольственная безопасность как фактор повышения качества жизни. - 2021. - С. 466-472.

100. Амелин А. В. и др. Интенсивность фотосинтеза листьев у растений озимой пшеницы // Вестник Курской государственной сельскохозяйственной академии. - 2020. - №. 9. - С. 41-48.

101. Кособрюхов А. А. Адаптационные изменения фотосинтеза при повышенной концентрации CO2 // Москва. - 2008.

Приложение А. Словарь данных

Таблица А.1 - Словарь данных таблицы Coordinate_territory

Coordinate_territory

FIELD NAME DATA TYPE / FIELD SIZE REQUIRED? NOTES

id_coordinate_territory INT Y Auto increment

id_coordinate INT Y

id_territory INT Y

Таблица А.2 - Словарь данных таблицы Territory

Territory

PK id_territory INT Y Auto increment

name NVARCHAR(50) Y

company NVARCHAR(50) Y

FK id territory conf INT Y

Таблица А.3 - Словарь данных таблицы Territory_conf

Territory_conf

PK id territory conf INT Y Auto increment

gumus FLOAT Y

P2O5 FLOAT Y

K2O FLOAT Y

pH_water FLOAT Y

pH_salt FLOAT Y

hydrolyti c_acidity FLOAT Y

absorbed_bases FLOAT Y

Ca FLOAT Y

Mg FLOAT Y

Na FLOAT Y

Culture

PK id_3d_model INT Y Auto increment

Name_culture NVARCHAR(50) Y

Sevooborot NVARCHAR(50) Y

Таблица А.5 - Словарь данных таблицы Adaptive solution

Adaptive_solution

PK id_adaptive_solution INT Y Auto increment

FK Id_analysis INT Y

date DATE Y

Solution NVARCHAR(MAX) Y

culture NVARCHAR(50) Y

Таблица А.6 - Словарь данных таблицы Pollution_source

Pollution_source

PK id_pollution_source INT Y Auto increment

name_company NVARCHAR(50) Y

emission_volume NVARCHAR(50) Y

gas_speed FLOAT Y

wind_speed FLOAT Y

type_emi ssi on_okved NVARCHAR(50) Y

FK id_okved INT Y

Таблица А.7 - Словарь данных таблицы Okved

Okved

PK id_okved INT Y Auto increment

number NVARCHAR(50) Y

type NVARCHAR(50) Y

Coordinate

PK id_coordinate INT Y Auto increment

longitude NVARCHAR(50) Y

latitude NVARCHAR(50) Y

Таблица А.9 - Словарь данных таблицы Analysis

Analysis

PK id_analysis INT Y Auto increment

id_polution_source INT Y

id_territory_estimate INT Y

component NVARCHAR(50) Y

value NVARCHAR(50) Y

date DATE Y

Таблица А.10 - Словарь данных таблицы Claster

Claster

PK id_claster INT Y Auto increment

name NVARCHAR(50) Y

Таблица А.11 - Словарь данных таблицы 3d_model

3d_model

PK id_3d_model INT Y Auto increment

FK id_growth_stage INT Y

File model NVARCHAR(50) Y

culture NVARCHAR(50) Y

Growth_stage

PK id_growth_stage INT Y Auto increment

name NVARCHAR(50) Y

Таблица А.13 - Словарь данных таблицы Comprehensive_assestment

Comprehensive_assestment

PK id_comprehensive_assessment INT Y Auto increment

AtmGG NVARCHAR(50) Y

AtmGG_absorbati on FLOAT Y

AtmGG_productiviry FLOAT Y

FK id_territory_estimate INT Y

Таблица А.14 - Словарь данных таблицы Territory_conf

Territory_conf

PK id territory conf INT Y Auto increment

gumus FLOAT Y

P2O5 FLOAT Y

K2O FLOAT Y

pH_water FLOAT Y

pH_salt FLOAT Y

hydrolyti c_acidity FLOAT Y

absorbed_bases FLOAT Y

Ca FLOAT Y

Mg FLOAT Y

Na FLOAT Y

Component

PK id_component INT Y Auto increment

name NVARCHAR(50) Y

Таблица А.16 - Словарь данных таблицы Points

Points

PK id_point INT Y Auto increment

x NVARCHAR(50) Y

y NVARCHAR(50) Y

Таблица А.17 - Словарь данных таблицы Territory_estimate

Territory_estimate

PK id_territory_estimate INT Y Auto increment

FK id_territory INT Y

FK id_analysis INT Y

date DATE Y

value NVARCHAR(50) Y

Таблица А.18 - Словарь данных таблицы Estimate_rules

Estimate_rules

PK id_rule INT Y Auto increment

name NVARCHAR(50) Y

latitude NVARCHAR(50) Y

Member_function

KEY FIELD NAME DATA TYPE / FIELD SIZE REQUIRED? NOTES

PK id_function INT Y Auto increment

FK id_component INT Y

term NVARCHAR(50) Y

FK id_type INT

name NVARCHAR(50)

Таблица А.20 - Словарь данных таблицы Function_type

Function_type

PK id_type INT Y Auto increment

name NVARCHAR(50) Y

Приложение Б. Свидетельства о государственной регистрации программ для

ЭВМ и базы данных

Приложение В. Фрагмент листинга программной реализации

namespace WpfAppl {

public partial class Pagel : Page {

public PagelO {

InitializeComponentO ;

List<Material> allGender = demoEntities.GetContextO.Material.ToListO;

allGender.InsertCO, new Material {

Naimenovamie = "Все типы"

});

FiltrComboBox.ItemsSource = allGender; FiltrComboBox.DisplayMemberPath = "Name"; FiltrComboBox.SelectedValuePath = "Code"; FiltrComboBox.Selectedlndex = 0;

}

private void AddButton_ClickCobject sender, RoutedEventArgs e) {

NavigationService.NavigateCnew AddEditPageCnull));

}

private void EditButton_Click(object sender, RoutedEventArgs e) {

NavigationService.NavigateCnew AddEditPage(MainDataGrid.Selectedltem as

Material)); }

private void DelButton_Click(object sender, RoutedEventArgs e) {

if (MessageBox.Show("Bbi действительно хотите удалить данные?", "Внимание",

MessageBoxButton.YesNo) == MessageBoxResult.Yes) {

try {

demoEntities.GetContextC).Material.RemoveCMainDataGrid.Selectedltem as Material);

demoEntities.GetContextC).SaveChangesC); MessageBox.ShowC"Данные удалены"); MainDataGrid.ItemsSource =

demoEntities.GetContextC).Material.ToListC); }

catch CException ex) {

MessageBox.ShowCex.Message.ToStringC));

}

}

}

private void Page_IsVisibleChangedCobject sender,

DependencyPropertyChangedEventArgs e) {

MainDataGrid.ItemsSource = demoEntities.GetContextC).Material.ToListC);

}

private void UpdateTerritoriesC) {

List<Material> currentTerritories = demoEntities.GetContextC).Material.ToListO;

try {

if CFiltrComboBox.Selectedlndex > 0) {

string selectedGender = Convert.ToStringCFiltrComboBox.SelectedValue);

currentTerritories = currentTerritories.WhereCx => x.Naimenovamie

== selectedGender).ToListC); }

}

catch { }

switch CSortComboBox.Selectedlndex) {

case 1: {

if CUpRadioButton.IsChecked.Value)

currentTerritories = currentTerritories.OrderByCx =>

x.Naimenovamie).ToListC);

if CDownRadioButton.IsChecked.Value) currentTerritories = currentTerritories.OrderByDescendingCx => x.type).ToList();

break;

}

case 2: {

if CUpRadioButton.IsChecked.Value)

currentTerritories = currentTerritories.OrderByCx =>

x.kolichestvo).ToListC);

if CDownRadioButton.IsChecked.Value) currentTerritories = currentTerritories.OrderByDescendingCx => x.edinitsa_izmerenia1).ToListC);

break;

}

}

try {

switch CSearchComboBox.SelectedIndex) {

case 0: {

currentTerritories = currentTerritories.WhereCx => x.Naimenovamie.ToLowerC).StartsWithCSearchTextBox.Text.ToLowerC))).ToListC);

break;

}

case 1: {

currentTerritories = currentTerritories.WhereCx => x.type.ToLowerC).StartsWithCSearchTextBox.Text.ToLowerC))).ToListC);

break;

}

case 2: {

currentTerritories = currentTerritories.WhereCx => x.kolichestvo.ToLowerC).StartsWithCSearchTextBox.Text.ToLowerC))).ToListC);

break;

}

case 3: {

currentTerritories = currentTerritories.WhereCx => x.edinitsa_izmerenia1.ToLowerC).StartsWithCSearchTextBox.Text.ToLowerC))).ToListC);

break;

}

case 4: {

currentTerritories = currentTerritories.WhereCx => x. stoimost.ToLowerO . StartsWithCSearchTextBox.Text.ToLowerO)) . ToListO ;

break;

}

}

}

catch { }

MainDataGrid.ItemsSource = currentTerritories.ToListO;

if CcurrentTerritories.Count == 0) {

MessageBox-ShowC"^ Вашему запросу ничего не найдено"); SearchTextBox.Text = "";

}

}

private void SearchTextBox_TextChangedCobject sender, TextChangedEventArgs e) {

UpdateTerritoriesO ;

}

private void FiltrComboBox_SelectionChangedCobject sender,

SelectionChangedEventArgs e) {

UpdateTerritoriesO ;

}

private void SortComboBox_SelectionChangedCobject sender,

SelectionChangedEventArgs e) {

UpdateTerritoriesO ;

}

private void DownRadioButton_CheckedCobject sender, RoutedEventArgs e) {

UpdateTerritoriesO ;

}

private void UpRadioButton_CheckedCobject sender, RoutedEventArgs e) {

UpdateTerritoriesO ;

}

private void MainDataGrid_SelectionChangedCobject sender,

SelectionChangedEventArgs e) {

}

private void ComboBoxItem_SelectedCobject sender, RoutedEventArgs e) {

}

}

}

Приложение Г. Выбросы муниципальных районов Белгородской области

Таблица Г.1 - Объем антропогенного воздействия муниципальными районами Белгородской области

№ Муниципалитет Всего В том В том числе Диоксид Оксид Оксид Углеводороды Летучие Прочие

числе газообразные серы углерода азота органические газообразные

твердых и жидкие соединения и жидкие

1 Белгородский 4510 280 4230 141 474 378 2451 183 603

2 Борисовский 1205 99 1106 0 101 38 645 215 107

3 Вейделевский 637 17 620 2 50 38 474 17 39

4 Волоконовский 2235 24 2211 17 353 245 1280 175 141

5 Ивнянский 1378 141 1237 1 84 31 902 62 157

6 Корочанский 3654 111 3542 10 325 133 2727 135 213

7 Красненский 366 3 362 0 75 16 263 2 6

8 Красногвардейский 1824 133 1691 1 142 83 1280 86 100

9 Краснояружский 1432 35 1398 3 250 94 831 87 133

10 Прохоровский 2476 254 2221 3 397 101 1447 92 182

11 Ракитянский 1791 85 1706 2 222 113 1057 107 205

12 Ровеньский 717 16 701 12 71 10 518 29 62

13 Чернянский 1184 86 1098 5 284 54 668 69 18

Приложение Д. Информация об объемах выбросов оксида углерода и оксида азота на территории Белгородской области

за 2018-2022 годы, тыс. тонн.

Таблица Д.1 - Объем выбросов оксида углерода и оксида азота на территории Белгородской области за 2018-2022 годы

Район Оксид углерода (тыс. тонн) Оксид азота (тыс. тонн)

2018 2020 2022 2018 2020 2022

Алексеевский 0,977 0,567 1,371 0,232 0,282 0,312

Белгородский 0,61 0,529 0,611 0,148 0,224 0,269

Борисовский 0,07 0,073 0,099 0,028 0,029 0,035

Валуйский 0,826 0,815 0,907 0,198 0,229 0,292

Вейделевский 0,015 0,069 0,068 0,004 0,045 0,045

Волоконовский 0,414 0,44 0,381 0,279 0,348 0,29

Грайворонский 0,4 0,506 0,495 0,107 0,11 0,116

Ивнянский 0,174 0,179 0,167 0,059 0,058 0,029

Корочанский 0,003 0,004 0,02 0,003 0,003 0,0015

Красногвардейский 0,034 0,035 0,061 0,007 0,007 0,032

Краснояружский 0,319 0,31 0,329 0,035 0,062 0,069

Новооскольский 0,12 0,12 0,124 0,093 0,092 0,094

Прохоровский 0,189 0,211 0,176 0,091 0,08 0,089

Ракитянский 0,253 0,257 0,263 0,087 0,091 0,106

Ровеньский 0,016 0,048 0,065 0,018 0,006 0,007

Чернянский 0,273 0,331 0,31 0,063 0,106 0,088

Шебекенский 0,364 0,355 0,294 0,155 0,15 0,156

Яковлевский 0,248 0,238 0,48 0,102 0,096 0,316

Губкинский 276 3808 3,86 1805 2274 2254

Старооскольский 22586 12297 14567 7632 9603 11699

Приложение Е. Информация об эмиссии углеводородов за 2018-2022 годы.

Таблица Е.1 - Объем эмиссии углеводородов за 2018-2022 годы на территории Белгородской области

Район Углеводороды (без ЛОС) (тыс. тонн) Летучие органические соединения (ЛОС) (тыс. тонн)

2018 2020 2022 2018 2020 2022

Алексеевский 1,31 1023 0,655 318969 345728 234494

Белгородский 0,898 0,885 0,627 391529 389381 382078

Борисовский 0,351 0,351 0,383 76055 76054 81394

Валуйский 5,97 5144 4102 48,76 55345 40454

Вейделевский 0,015 0,034 0,034 5854 7296 7663

Волоконовский 0,467 0,471 0,927 33207 33758 113943