levitra bitcoin

+7(495) 725-8986  г. Москва

 

 

 

 

 

ВАС ПРИВЕТСТВУЕТ

VIP Studio ИНФО

 

Публикация Ваших Материалов

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

Верстка Полиграфии, WEB sites

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

Книжная лавка

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

 

А.В. Кошкаров, Т.А. Кошкарова,  (К.т.н., доцент, ФГБОУ ВО «Астраханский государственный университет»)

Серия «Естественные и Технические науки» # 05 2018
Цифровое сельское хозяйство
    Повышение эффективности сельского хозяйства в рамках процессов роста численности населения Земли и повышения требований к экологичности продукции является важной задачей, стоящей перед аграрным сектором многих стран. Технологии сбора и анализа данных в сельском хозяйстве могут стать одним из механизмов решения проблемы и предоставить фермерам инструменты поддержки принятия более точных решений. Статья посвящена исследованию барьеров и условия внедрения технологий сбора и анализа данных в сфере сельского хозяйства.

Ключевые слова: Цифровое сельское хозяйство, наука о данных, интеллектуальный анализ данных, сбор данных, почвенные датчики, сельскохозяйственные дроны.

 

Введение

Сельское хозяйство играет важнейшую роль в обеспечении продовольственной безопасности страны. По данным Продовольственной и сельскохозяйственной организации ООН [10], население мира достигнет 9,1 млрд. человек к 2050 году по сравнению с 7,6 млрд. человек в 2018 году [5]. В то же время уровень миграции населения в города возрастает. Повышение эффективности сельского хозяйства является одним из решений проблемы. Это может быть достигнуто с использованием методов научных исследований, которые могут помочь фермеру более эффективно использовать сельскохозяйственные поля в рамках концепции точного земледелия. Уровень солей (удобрений) в почве, вымывание почвы водой (или, наоборот, отсутствие влаги) и состояние плодородного слоя почвы могут напрямую влиять на качество урожая.

Технологии сбора данных и методы интеллектуального анализа данных являются основой цифрового сельского хозяйства, ориентированного на данные. Методы сбора и исследования данных позволяют повысить эффективность бизнеса на разных этапах развития [20]. Это актуально и в индустрии сельского хозяйства (в частности, в сфере растениеводства). На основе анализа данных можно отслеживать состояние полей, выявлять и прогнозировать проблемы, проверяя результаты анализа на экране компьютера или смартфона, а также прогнозировать урожайность по итогам сезона.

Обзор литературы

В последнее десятилетие использование датчиков для сбора данных из сельскохозяйственных полей привлекло большое внимание со стороны исследовательских групп. Группа ученых из Испании [18] проводила исследование технологии применения беспроводных датчиков в сельском хозяйстве. Работа авторов затрагивает аспекты беспроводных сетей датчиков и радиочастотной идентификации, а также описывает последние разработки и примеры приложений с использованием данных технологий. Исследования других ученых дополнительно подтверждают, что беспроводные сенсорные сети стали доминирующим способом мониторинга различных параметров урожая благодаря относительно низкой цене и низкому энергопотреблению [13]. Гибридные беспроводные сенсорные сети (датчики устанавливаются как в почве, так и на ее поверхности) могут использоваться для считывания параметров почвы и ее мониторинга в режиме реального времени [24].

Примеры и приложения использования беспилотных летательных аппаратов в сельском хозяйстве включают в себя мониторинг растительности [3; 6], построение карт полей [7; 26], классификацию урожая [16; 21], управление поливом [2; 12], борьбу с вредителями [25; 8], анализ лиственного покрова [27; 4], а также мониторинг сорняков [14; 22]. Обзор применения беспилотных летательных аппаратов для сельского хозяйства также был проведен в работе [28].

Спутниковые снимки из космоса дополнительно могут использоваться в качестве источника данных в сельском хозяйстве [11; 19]. Тем не менее, ряд исследователей указывает, что существуют препятствия и ограничения в использовании таких снимков в сельскохозяйственной индустрии. В [3] выявлено два главных ограничительных фактора в использовании космических снимков для мониторинга и управления урожайностью в режиме реального времени: отсутствие изображений с оптимальным спектральным и пространственным разрешением и отсутствие возможности для получения снимков в удобное время для мониторинга ситуации. Проблемой также может стать неудовлетворительное качество снимков из-за плохой видимости вследствие пасмурной (облачной) погоды.

Методология

В рамках данного исследования был проведен анонимный опрос фермеров (случайная выборка). Для этого была разработана и использована анкета, затрагивающая вопросы осведомленности фермеров о методах и технологиях сбора и анализа данных в сельском хозяйстве, вопросы понимания фермерами этих подходов и их готовности использовать указанные технологии в своей деятельности. Дополнительно анкета содержала краткое описание возможностей сбора и аналитики данных для поддержки принятия решений в сельском хозяйстве. В исследовании приняли участие 42 фермера из Астраханской области (Россия) в возрасте 18 лет или старше.

Барьеры и условия для внедрения

Фермеры, принявшие участие в исследовании, подчеркивают наличие барьеров для внедрения новых технологий (предусматривалась возможность выбора нескольких вариантов ответа). Основными препятствиями являются отсутствие инфраструктуры для внедрения технологий сбора и анализа данных, высокие затраты на внедрение, недостаток или отсутствие соответствующих специалистов, а также угроза кражи или повреждения устройств для сбора данных (Рис. 1).

Читать полный текст статьи …


СПИСОК ЛИТЕРАТУРЫ:
1. Информационный бюллетень о порядке использования воздушного пространства Российской Федерации беспилотными воздушными судами [Электронный ресурс] // Федеральное агентство воздушного транспорта (Росавиация). 2017. URL: http://www.favt.ru/novosti-novosti?id=3884 (дата обращения: 26.02.2018).
2. Bellvert J. et al. Mapping crop water stress index in a ‘Pinot-noir’vineyard: comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle //Precision agriculture. – 2014. – Т. 15. – №. 4. – С. 361-376.
3. Berni J. A. J. et al. Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle //IEEE Transactions on Geoscience and Remote Sensing. – 2009. – Т. 47. – №. 3. – С. 722-738.
4. Córcoles J. I. et al. Estimation of leaf area index in onion (Allium cepa L.) using an unmanned aerial vehicle //Biosystems engineering. – 2013. – Т. 115. – №. 1. – С. 31-42.
5. Current World Population [Электронный ресурс] // World Population Clock: 7.6 Billion People (2018) - Worldometers. URL: http://www.worldometers.info/world-population/ (дата обращения: 22.02.2018).
6. d'Oleire-Oltmanns S. et al. Unmanned aerial vehicle (UAV) for monitoring soil erosion in Morocco //Remote Sensing. – 2012. – Т. 4. – №. 11. – С. 3390-3416.
7. Everaerts J. et al. The use of unmanned aerial vehicles (UAVs) for remote sensing and mapping //The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2008. – Т. 37. – №. 2008. – С. 1187-1192.
8. Faiçal B. S. et al. The use of unmanned aerial vehicles and wireless sensor networks for spraying pesticides //Journal of Systems Architecture. – 2014. – Т. 60. – №. 4. – С. 393-404.
9. Fisher D. K., Kebede H. A low-cost microcontroller-based system to monitor crop temperature and water status //Computers and electronics in agriculture. – 2010. – Т. 74. – №. 1. – С. 168-173.
10. Food Production Must Double by 2050 to Meet Demand from World's Growing Population, Innovative Strategies Needed to Combat Hunger, Experts Tell Second Committee | Meetings Coverage and Press Releases [EЭлектронный ресурс] // United Nations. United Nations. URL: http://www.un.org/press/en/2009/gaef3242.doc.htm (дата обращения: 22.02.2018).
11. Forster D., Buehler Y., Kellenberger T. Mapping urban and peri-urban agriculture using high spatial resolution satellite data //Journal of Applied Remote Sensing. – 2009. – Т. 3. – №. 1. – С. 033523.
12. Gago J. et al. UAVs challenge to assess water stress for sustainable agriculture //Agricultural water management. – 2015. – Т. 153. – С. 9-19.
13. Garcia-Sanchez A. J., Garcia-Sanchez F., Garcia-Haro J. Wireless sensor network deployment for integrating video-surveillance and data-monitoring in precision agriculture over distributed crops //Computers and Electronics in Agriculture. – 2011. – Т. 75. – №. 2. – С. 288-303.
14. Göktoǧan A. H. et al. A rotary-wing unmanned air vehicle for aquatic weed surveillance and management //Journal of Intelligent and Robotic Systems. – 2010. – Т. 57. – №. 1-4. – С. 467.
15. Kane G. C. et al. Is your business ready for a digital future? //MIT Sloan management review. – 2015. – Т. 56. – №. 4. – С. 37.
16. Park J. K., Park J. Crop classification using imagery of drone //International Conference on Environmental Engineering and Remote Sensing (EERS2015). – 2015.
17. Ramos A. et al. Sensor data security level estimation scheme for wireless sensor networks //Sensors. – 2015. – Т. 15. – №. 1. – С. 2104-2136.
18. Ruiz-Garcia L. et al. A review of wireless sensor technologies and applications in agriculture and food industry: state of the art and current trends //Sensors. – 2009. – Т. 9. – №. 6. – С. 4728-4750.
19. Schmedtmann J., Campagnolo M. L. Reliable crop identification with satellite imagery in the context of common agriculture policy subsidy control //Remote Sensing. – 2015. – Т. 7. – №. 7. – С. 9325-9346.
20. Schutt R., O'Neil C. Doing data science: Straight talk from the frontline. – " O'Reilly Media, Inc.", 2013.
21. Teke M., Yardımcı Y. Classification of crops using multitemporal hyperion images //Agro-Geoinformatics (Agro-geoinformatics), 2015 Fourth International Conference on. – IEEE, 2015. – С. 282-287.
22. Torres-Sánchez J. et al. Configuration and specifications of an unmanned aerial vehicle (UAV) for early site specific weed management //PloS one. – 2013. – Т. 8. – №. 3. – С. e58210.
23. Vacca J. R. (ed.). Handbook of sensor networking: advanced technologies and applications. – CRC Press, 2015.
24. Yu X. et al. A survey on wireless sensor network infrastructure for agriculture //Computer Standards & Interfaces. – 2013. – Т. 35. – №. 1. – С. 59-64.
25. Yue J. et al. The application of unmanned aerial vehicle remote sensing in quickly monitoring crop pests //Intelligent Automation & Soft Computing. – 2012. – Т. 18. – №. 8. – С. 1043-1052.
26. Zainuddin K. et al. Verification test on ability to use low-cost UAV for quantifying tree height //Signal Processing & Its Applications (CSPA), 2016 IEEE 12th International Colloquium on. – IEEE, 2016. – С. 317-321.
27. Zarco-Tejada P. J. et al. Estimating leaf carotenoid content in vineyards using high resolution hyperspectral imagery acquired from an unmanned aerial vehicle (UAV) //Agricultural and forest meteorology. – 2013. – Т. 171. – С. 281-294.
28. Zhang C., Kovacs J. M. The application of small unmanned aerial systems for precision agriculture: a review //Precision agriculture. – 2012. – Т. 13. – №. 6. – С. 693-712.


©  А.В. Кошкаров, Т.А. Кошкарова, Журнал "Современная наука: актуальные проблемы теории и практики".
 

 

 

 
SCROLL TO TOP
viagra bitcoin buy

Rambler's Top100 �������@Mail.ru