CC BY
48
Оригинальная статья / Original article
УДК: 004.89; 332.62
DOI: 10.21285/1814-3520-2016-6-89-98
РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УПРАВЛЕНИИ ИСПОЛЬЗОВАНИЕМ ЗЕМЛЕДЕЛЬЧЕСКОГО СЕКТОРА АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА В РЕГИОНАХ СИБИРИ
© К.В. Раевич1, Ю.А. Маглинец2, И.В. Зеньков3
1,2Сибирский федеральный университет,
660074, Россия, г. Красноярск, ул. Академика Киренского, 26.
3Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнёва, 660037, Россия, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31.
Резюме. Цель. Спроектировать и разработать СППР для задач управления земельными ресурсами АПК в регионах Сибири. Методы. Использованы методы концептуального и онтологического моделирования, программной инженерии, инженерии знаний, теории графов. Модифицирована модель МТ-графа, предложенная в работах К.С. Яковлева, Е.С. Баскина применительно к условиям поиска на местности. Результаты. Получены новые модели, позволяющие более полно и точно, нежели их предшественники, описывать земли сельскохозяйственного назначения как управляемый ресурс с позиций геопространственного анализа. Разработана СППР, позволяющая обеспечить информационную поддержку решения задачи оценки земель как элемента системы поддержки принятия решений в управлении аграрным сектором. Заключение. Практическое использование полученных моделей и вычислительных соотношений осуществляется в процессе решения задач управления ЗСХН территорий земледельческой части Сибири: формируется векторный слой полей - объектов управления; в соответствии с элементами описания задачи формируется атрибутивная информация; осуществляется сбор, предварительная обработка и анализ данных. Тем самым осуществляется цикл «модель» - «реализация» - «экспериментальные исследования», содержащий необходимые обратные связи по корректировке моделей. Результатом работы данного цикла являются формализованные модели решения задач управления, апробированные в системе заданных условий. Впоследствии эти модели могут отчуждаться и использоваться для решения аналогичных задач без привлечения экспертов.
Ключевые слова: онтологическая модель, геоинформационная система, интеллектуальная система, управление агроэкономическим потенциалом земель, система поддержки принятия управленческих решений, агропромышленный комплекс.
Формат цитирования: Раевич К.В., Маглинец Ю.А., Зеньков И.В. Разработка системы поддержки принятия решений в управлении использованием земледельческого сектора агропромышленного комплекса в регионах Сибири // Вестник ИрГТУ. 2016. № 6. С 89-98. DOI: 10.21285/1814-3520-2016-6-89-98
DEVELOPMENT OF THE DECISION SUPPORT SYSTEM IN AGRO-INDUSTRIAL COMPLEX LAND USE MANAGEMENT IN SIBERIA K.V. Raevich, Yu.A. Maglinets, I.V. Zenkov
Siberian Federal University,
26 Akademika Kirenskogo St., Krasnoyarsk, 660074, Russia. Reshetnev Siberian State Aerospace University, 31 Krasnoyarsky Rabochy pr., Krasnoyarsk, 660037, Russia.
Abstract. Purpose. The research is aimed at designing and developing a decision support system for agro-industrial complex resources management problems in the regions of Siberia. Methods. The methods of conceptual and ontologi-cal modeling, software engineering, knowledge engineering and a graph theory are used. A MT-graph model proposed in the works of K.S. Yakovlev and E.S. Baskin is modified as applied to the on-ground conditions of the search. Results.
1
Раевич Ксения Владиславовна, старший преподаватель кафедры систем искусственного интеллекта, e-mail: [email protected]
Raevich Ksenia, Senior Lecturer of the Department of Artificial Intelligence Systems, e-mail: [email protected]
2Маглинец Юрий Анатольевич, кандидат технических наук, профессор кафедры систем искусственного интеллекта, e-mail: [email protected]
Maglinets Yuri, Candidate of Engineering, Professor of the Department of Artificial Intelligence Systems, e-mail: [email protected]
3Зеньков Игорь Владимирович, доктор технических наук, профессор, e-mail: [email protected] Zenkov Igor, Doctor of Engineering, Professor, e-mail: [email protected]
New models have been developed which allow more complete and accurate description of arable lands as compared with their predecessors. The arable lands have been treated as a controlled resource in terms of geospatial analysis. A decision support system ensuring information support for the land evaluation problem solution as an element of the decision support system in agricultural sector management has been developed. Conclusion. The practical use of the developed models and computational correlations is implemented at solving management problems of Siberian agricultural lands: a vector layer of fields as controlled objects is formed; in accordance with the issues of the problem description, certain attribute information is formed; collection, pre-processing and analysis of this data is carried out. Therefore, the cycle "model" - "implementation" - "experimental studies" containing the necessary feedback for model adjustment is implemented. The result of this cycle functioning is the formation of the formalized models for control problems solution, tested in the system under specified conditions. Later these models may be alienated and used to solve similar problems without involvement of any experts.
Keywords: ontological model, geoinformation system, intelligent system, management of the agro-economic potential of lands, managerial decision support system, agro-industrial complex
For citation: Raevich K., Maglinets Yu., Zenkov I. Development of the decision support system in agro-industrial complex land use management in Siberia. Proceedings of Irkutsk State Technical University. 2016, no. 6, pp. 89-98. (In Russian) DOI: 10.21285/1814-3520-2016-6-89-98
Введение
Учитывая значительный объем разнородной информации об изменении качественных и количественных характеристик земель сельскохозяйственного назначения (ЗСХН), сбор необходимых данных об объекте управления, включающий в себя геопространственные данные и извлеченные экспертные знания, их аккумуляция и обработка становятся достаточно трудоемким процессом. Помимо этого, необходимо учесть, что проблема оценки ЗСХН носит сложный, многофакторный характер. В общем случае при проведении оценки необходимо учитывать влияние климатических факторов, характеристик почвенного и растительного покровов, особенности инфраструктуры, геопространственные характеристики оцениваемых участков земной поверхности и др.
После накопления достаточного объема данных и знаний для решения поставленных задач осуществляется формирование вычислительных процедур, проведение расчетов и подготовка результатов для лица, принимающего решения, которым могут являться руководители районов, предприятий агропромышленного комплекса, администраций районов и исполнители на местах.
В данном контексте возникает целесообразность использования методов инженерии знаний, среди которых на сегодня стандартом «де факто» является онтологический подход. Извлечение знаний, приве-
дение их к виду, удобному для оперирования и представления в информационной системе, позволяет обеспечить возможность поддержки принятия решений управленцем в автоматизированном режиме, без включения экспертов в цикл решения задачи.
Информационное обеспечение для управления земельными ресурсами выходит на первый план при организации работ по эффективному использованию земельных ресурсов на всех административно-территориальных уровнях.
Таким образом, актуально построение новых интеллектуальных моделей и методов комплексной оценки ЗСХН как информационной основы для организации систем поддержки принятия решений (СППР) в области управления территориями аграрной специализации на основе привлечения геопространственной информации (ГПИ). Основной функцией современной СППР является формирование информационной основы управления земельными ресурсами любого уровня, а также обеспечение процессов принятия эффективных управленческих решений для получения актуальной и достоверной информации.
В работе рассмотрены этапы разработки системы поддержки принятия решений, предназначенной для организации управления использованием земледельческого сектора агропромышленного комплекса в регионах Сибири. Разработана
модель представления информации о состоянии ЗСХН на концептуальном уровне, онтологическая модель представления знаний о состоянии ЗСХН, модуль формирования оценок ЗСХН.
Концептуальная модель
представления информации об объекте управления
На концептуальном уровне модель представления качественной и количественной информации о ЗСХН, как управляемом объекте, определена как кортеж 1 вида:
I = < С,/,й1#й2 >,
где С - множество концептов, которое задано в концептуальной модели (земли сельскохозяйственного назначения,
геопространственные объекты и т.д.); 7 -множество индивидуалов (экземпляров). Это множество задано в базе данных при формировании конкретных экземпляров для сформулированных выше концептов; И1 - множество унарных свойств. (Свойство = наименование, тип шкалы, ограничения на значения, порядок измерения, способ измерения>); К2 - множество бинарных отношений:^ >, где Я2[ - множество имен отношений, содержащее 4 элемента, ^ = {«часть-целое», «род-вид», «класс-индивидуал», «ассоциация»}; -множество экземпляров отношений, заданное в концептуальной модели, с С х С.
Рассмотрим наполнение элементов множеств С; К2 (рис. 1).
Поскольку основным объектом управления (ОУ) в задаче управления земельными ресурсами является сельскохозяйственный контур, то, как всякий объект геоинформационного моделирования, он может быть описан при использовании набора отношений и атрибутов, характеризующих:
- типизацию объекта и его положение в родовидовых иерархиях;
- структуризацию объекта и его место в пространственных структурах;
- сущностные характеристики объекта;
- сущностные характеристики внешней среды и взаимодействий «объект-среда».
Типизация ОУ осуществляется на основе деления на залежные земли и земли, находящиеся в использовании; деления сельскохозяйственных угодий на бахчевые земли, виноградники, пастбища, сенокосы, плодовые сады, многолетние насаждения; классификации ОУ в зависимости от экономических аспектов использования и др.
Основой для структуризации информации о ЗСХН является агроланд-шафтный подход, позволяющий рассматривать территории, на которых осуществляется сельскохозяйственная деятельность, начиная с уровня агроландшафтных областей и систем агроландшафтов и вплоть до агромассивов. Другим основанием для структуризации ОУ является выделение на нем сельскохозяйственных полигонов.
Сущностные характеристики ОУ могут быть подразделены на следующие группы:
• характеристики местоположения и формы ОУ;
• характеристики почвы;
• характеристики растительности.
В общем случае ОУ соответствует трехмерная поверхность, геометрически привязанная к соответствующему фрагменту земного геоида. Для решения большинства практических задач используется система свойств и характеристик, таких как координаты внешнего контура, интегральная характеристика рельефа, средняя высота над уровнем моря, направление и угол наклона поверхности и другие.
К характеристикам почвы относятся основные группы признаков, такие как минералогический и гранулометрический состав, структура органического вещества, почвенная структура, состояние воды в почве, почвенная биота, характеристика загрязнений, сведения о внесенных удобрениях. Помимо указанных признаков, используется классификатор почв по ГОСТ 27593-88 (2005).
Рис 1. Концептуальная модель объекта управления Fig. 1. Conceptual model of the control object
В цикле производства сельскохозяйственной продукции рассматриваются виды культур и севооборот, показатели урожайности, а также негативные для растениеводства факторы: засоренность, закустари-вание, опустынивание и др.
К основным характеристикам внешней среды следует отнести:
• климатические условия;
• объекты инфраструктуры;
• характеристики антропогенного влияния.
В категории «климат» ОУ соотносится с той или иной климатической зоной и указываются характеристики, влияющие на тепловой и водный режимы почв: тренды температуры, давления, осадков, закономерности перемещения воздушных масс.
В инфраструктуру ОУ включаются природные и антропогенные объекты, обладающие ценностью для ведения сельскохозяйственной деятельности: населенные пункты, дороги, водные объекты, ЛЭП и т.п.; кроме того, важна оценка взаиморасположения ОУ и элементов мезорельефа.
Категория «антропогенное воздействие» отражает сведения об истории полевых работ, агрохимических, мелиоративных, культур-технических и агротехнологи-ческих мероприятий.
Онтологическая модель объекта управления
На базе рассмотренной выше концептуальной модели разработана онтологическая модель. При построении онтологии под объектом управления будем понимать пространственно-локализованный участок земной поверхности, находящийся в сельскохозяйственном обороте в настоящее время, в прошлые временные периоды, либо потенциально рассматриваемый в качестве такового.
В основе данной модели лежит таксономия признаков оценки
К =< N,R > ,
где N = (П[) - множество классов таксономии (признаков объекта управления); йс^х^ - отношение порядка на N.
Корневая вершина таксономического дерева соответствует интегральной характеристике объекта управления. В рассматриваемой версии таксономии верхний уровень классификации задает шесть классов признаков, исчерпывающим образом описывающих предметную область:
- физические факторы рельефа;
- природно-климатические условия;
- экономические факторы использования земель;
- свойства почвы;
- свойства растительного покрова;
- эффективное расстояние до объектов инфраструктуры.
Каждая из данных вершин рекурсивным образом раскрывается, задавая соответствующее поддерево таксономии. Основой для формирования поддеревьев являются отраслевые справочники, результаты анализа научной литературы, а также собственные исследования авторов статьи [1, 2].
«Ценность» объекта управления, в зависимости от решаемой задачи, может быть физически интерпретирована как балл бонитета, кадастровая либо рыночная стоимость, степень пригодности земельного участка для того или иного вида сельскохозяйственного производства и др. Тем самым формируется множество задач оценки Т. Каждой из задач в общем случае соответствует подграф дерева К.
Для измерения параметров объекта управления используются две системы метрик: первичные метрики и метрики оценки. Множество первичных метрик М формируется, исходя из физических характеристик признаков П[ объекта управления. Так, содержание химических веществ в почве может измеряться в процентах, площадь - в гектарах, экспозиция склона - в градусах и т.д. Каждой из метрик соответствует диапазон допустимых значений. Роль метрик оценки, образующих множество Е, заключается в интерпретации значений первичных метрик применительно к решаемой задаче. Известно, что агротех-нологии возделывания различных сельскохозяйственных культуры предъявляют раз-
личные требования к качественным и количественным характеристикам ЗСХН. Так, например, в работах Е.В. Райхерт показано, что на почвах с мощностью гумусового горизонта более 60 см, урожайность овса снижается, а ячменя - увеличивается [3]. Тем самым прослеживается связь между формулировкой задачи оценки ^ еТ и вычислительными соотношениями для пересчета первичных метрик измерения признака в метрики оценки этого признака в общей системе признаков данной задачи, индивидуальными для нее.
Таким образом, модель отдельной задачи ^ выглядит как
Ь =<К1,Е1,М1 >,
где К{с. к - подграф таксономии оценки, соответствующий решаемой задаче; М{<^М - множество соответствующих первичных метрик: Е{ - множество метрик оценки.
Онтологическая модель описывается соотношением
О = <К, Т, Е, М>.
Модуль управления ЗСХН
В цикле поддержки принятия решений программный модуль оперирует знаниями из базы знаний системы, рассмотренными выше, а также данными, хранящимися в базе геопространственных данных системы.
После завершения формирования декларативных компонент модели задачи ^, определяется способ вычисления финишной оценки О для каждого из объектов управления ОУ/. В качестве примера можно рассмотреть вычислительное соотношение
О{ОУ] ) = 1пЫ1к1*е1 (ОУ])
где к^ - значение весового коэффициента данного фактора; п - количество факторов, использующихся при выполнении оценки [4]. Весовые коэффициенты формируются в зависимости от значения экспертной
оценки влияния того или иного фактора на финишную оценку.
При вычислении е{ используются функции преобразования, позволяющие пересчитать исходные значения первичных метрик в величины, значимые при решении задачи ^. При этом используются аналитически либо таблично заданные функции преобразования. Так, при решении задачи определения оценочной степени эффективности сельскохозяйственных угодий при выращивании яровой пшеницы значение контурности поля и расстояние до центра переработки обратно пропорционально значению оценки; функции для оценки влияния содержания гумуса, кислотности почвы и площади поля заданы таблично.
В свою очередь, процедура определения первичной метрики связана с получением и актуализацией информации. В качестве исходных данных выступают геоинформационные слои, результаты оперативного анализа спутниковой информации, метеоданные, а также данные наблюдений на местности. В качестве примера вычисления первичной оценки далее по тексту рассмотрена процедура определения взаиморасположения объекта оценки и объектов, образующих его инфраструктуру.
Оценка взаиморасположения ЗСХН и элементов инфраструктуры
Оценка взаиморасположения объекта управления и объектов инфраструктуры позволяет дать интегральную характеристику его транспортной доступности. На практике это означает, что, например, для повторного вовлечения залежных земель в сельскохозяйственный оборот, необходимо оценить возможности транспортной логистики с учетом близости фермерских хозяйств, населенных пунктов и других объектов, необходимых для ведения сельскохозяйственной деятельности человека.
Согласно теоретическим основам построения и принципам функционирования географических информационных систем, выделяется два класса измерения расстояний: физическое расстояние и функциональное расстояние. Функциональное расстояние, в отличие от физиче-
ского, учитывает стоимость передвижения по пересеченной местности, дорожной сети или в обход барьеров, которые препятствуют движению, так как для реальных условий местности способность двигаться по прямой ограничивается наличием препятствий и сложностью территории.
Установлены следующие особенности представления функционального пространства области поиска:
1. Рабочая область поиска П задается в двумерном евклидовом пространстве с определенной декартовой системой координат:
in < % < Хтах'Утт < У < Утах ■
2. В П выделяется два класса попарно непересекающихся подобластей: М = {т(}, N = {п¡}, где I = 1,... ,к; \ = 1,..., I; тг Пт5 = 0; пр Пщ = 0, ткПщ = 0; г,б = 1,...,к; р,ь = 1,..., I. Подобласти, принадлежащие М, - разрешенные, а подобласти, принадлежащие М, - запрещенные для движения.
3. Далее на рабочей области определяется функция проходимости Г П ^ {0,1}, т. е. каждая точка из П считается проходимой, если значение функции равно 0, и непроходимой - в противном случае.
Поиск пути определяется как задача описания двумерной кривой, соединяющей начальную и целевую точку так, что каждая
точка этой кривой является проходимой и лежит в М (рис. 2).
Чтобы понизить вычислительную сложность задачи поиска оптимального маршрута между двумя точками на плоскости, рассмотрим дискретный вариант ее реализации. Это позволяет свести ее к классической постановке, принятой в теории графов. Вершинам графа будут соответствовать координаты некоторых точек на плоскости, а ребрам - элементарные траектории. Стоимость каждого ребра графа будет определяться (это действие можно совершать на этапе постановки задачи) через оценочную функцию, вычисляющую вес ребра в различных величинах: времени перемещения, длины, скорости. Таким образом, задача поиска оптимального маршрута может рассматриваться как задача поиска кратчайшего пути на взвешенном графе.
Представление пространства области поиска осуществляется на основе матричного представления данных в виде двухмерной сетки МхИ, каждая ячейка которой содержит фиксированное значение, характеризующее пространственный объект, соответствующий ранее рассмотренным данным (рис. 3). В качестве такой характеристики может выступать код объекта, средняя скорость движения условного транспортного средства, высотная характеристика и др.
Y
Ymax--
Ymin —
Xmin Xmax X
Рис. 2. Представление функционального пространства области поиска Fig. 2. Search area functional space representation
ч ч
ч
\
Рис. 3. Матричное представление пространства области поиска Fig. 3. Matrix-based search area space representation
В [5] рассматривается несколько подходов к построению графа области поиска:
- Подход к построению графа видимости, где все точки на плоскости являются вершинами непроходимых многоугольников, принадлежащих множеству N. Ребрам графа видимости соответствуют отрезки, соединяющие вершины, при этом ни один такой отрезок не пересекает внутреннюю область ни одного из непроходимых многоугольников.
- Подход к построению графа, основанный на случайном выборе точек на плоскости. Алгоритм построения графовой модели выбирает точки на плоскости, принадлежащие М, до достижения нужного количества вершин графа.
За счет того, что перемещаемый объект не может считаться материальной точкой и должен иметь определенный размер, выяснено, что методики выбора точек на плоскости должны основываться на строго определенных критериях деления пространства на основе регулярной декомпозиции.
В качестве графовой модели пространства поиска пути на плоскости, основанной на регулярной декомпозиции, применяется метрический топологический (МТ) граф.
МТ = < У,Е,р,ш,р >,
где V - множество вершин графа; Е - множество ребер графа; р(р) каждой вершине
ставит в соответствие значение функции Р (для соответствующей вершины области поверхности). Вершину V будем называть проходимой, если р(р) = 0, и непроходимой, если р(р) = 1; ж(е) каждому ребру ставит в соответствие элемент из расширенного множества действительных чисел, причем = т, если одна из вершин,
образующих это ребро, является непроходимой; р(у1,у]) каждой паре вершин ставит в соответствие число, равное расстоянию (по некоторой метрике в и) между центрами областей, которым соответствуют вершины VI и V).
Однако данная формализация подходит лишь для дискретного представления задачи поиска на плоскости. Для моделирования транспортной доступности пространственных объектов с учетом рельефа местности была разработана модель представления пространства поиска, основанная на модификации МТ-графа, позволяющая получать более точные (в сравнении с известными моделями представления оценки) стоимости пути на основе учета временного и сезонного контекста, а также дополнительной информации о дорожной сети.
Модифицированный МТ-граф принимает вид
МТт = < У,Е,2,Х,р*,№*, р >,
где 1 - множество взвешенных ребер, соединяющих элементы множества V, для
которых существует маршрут с предпочтительным движением; X - вектор ситуационных факторов, установленный в соответствие каждому из элементов множества V, влияющих на сложность проходимости соответствующей вершины; р* - функция, определяющая проходимость вершины множества V с учетом сезонных факторов; ж* - функция, определяющая стоимость перемещения по дуге из множества Е с учетом рельефа и ситуативных факторов.
Заключение В работе представлена СППР, позволяющая обеспечить информационную поддержку решения задачи оценки ЗСХН как элемента системы поддержки принятия решений в управлении аграрным сектором. При создании системы применен онтологический подход, что позволяет формировать, расширять и модифицировать знания о предметной области при решении задач управления ЗСХН различной предметной направленности [1, 6, 7]. Дана формализация определения оптимального расстояния между ЗСХН и объектами инфраструктуры как одного из существенно важных признаков, использующихся при оценке ЗСХН. Сформулирована модифицированная модель МТ-графа, позволяющая формировать комплексные оценки стоимости пути на основе моделей рельефа, учета вре-
Библиогра
1. Шатрова К.В., Маглинец Ю.А. Система поддержки принятия решений по оцениванию сельскохозяйственных угодий // Современные проблемы дистанционного зондирования Земли из космоса: сб. тезисов 12-й открытой Всероссийской конференции (Москва, 10-14 ноября 2014 г.). М.: Изд-во ИКИ РАН, 2014. С. 394.
2. Шатрова К.В., Маглинец Ю.А., Цибульский Г.М. Модель представления информации о состоянии и динамике земель сельскохозяйственного назначения // Журнал Сибирского федерального университета. Сер. Техника и технологии. 2014. Т. 7. № 8. С. 984-989.
3. Райхерт Е.В. Влияние показателей почвенного плодородияна продуктивность зерновых культур в условиях Уймонской котловины Республики Алтай // Известия Алтайского государственного университета. 2014. № 3 (83). Том 1. С. 70-77.
4. Раевич К.В., Зеньков И.В., Маглинец Ю.А. Управление использованием продуктивных земель
менных и сезонных факторов, а также информации о структуре дорожной сети.
На основе использования рассмотренной системы моделей в СППР формируется библиотека решаемых задач. Практическое использование полученных моделей и вычислительных соотношений осуществляется в процессе решения задач управления ЗСХН территорий земледельческой части Сибири: формируется векторный слой полей - объектов управления; в соответствии с элементами описания задачи формируется атрибутивная информация; осуществляется сбор, предварительная обработка и анализ данных. Источниками являются отраслевые базы данных, результаты обработки космоснимков, наземных исследований и др. Формируется множество промежуточных и финишных оценок. Тем самым осуществляется цикл «модель» - «реализация» - «экспериментальные исследования», содержащий необходимые обратные связи по корректировке моделей. Результатом работы данного цикла являются формализованные модели решения задач управления, апробированные в системе заданных условий. Впоследствии эти модели могут отчуждаться и использоваться для решения аналогичных задач без включения экспертов.
ши список
агропромышленного комплекса Красноярского края на основе показателей агроэкономического потенциала // Вестник Иркутского государственного технического университета. 2016. № 3. С. 57-66.
5. Яковлев К.С., Баскин Е.С. Графовые модели в задаче планирования траектории на плоскости // Искусственный интеллект и принятие решений. 2013. № 1. C. 5-12.
6. Брежнев Р.В., Маглинец Ю.А., Мальцев Е.А., Перфильев С.Е., Сидоров А.Ю., Цибульский Г.М., Шокол А.С. Программно-технологическая инфраструктура информационной поддержки решения задач территориального управления // Журнал Сибирского федерального университета. Сер. Техника и технологии. 2012. Т. 5. № 3. С. 340-352.
7. Perfil'ev S.E., Maglinets Y.A., Tsibul'skii G.M., Mal'tsev E.A., Latyntsev A.A., Shatrova K.V. Intelligent geoinformation technology for agroecological mapping // Pattern Recognition and Image Analysis. 2013. Vol 23 (4), pp. 528-535
References
1. Shatrova K.V., Maglinets Yu.A. Sistema podderzhki prinyatiya reshenii po otsenivaniyu sel'skokho-zyaistvennykh ugodii [Decision support system for agricultural land evaluation]. Sb. tezisov 12-i otkrytoi Vse-rossiiskoi konferentsii "Sovremennye problemy dis-tantsionnogo zondirovaniya Zemli iz kosmosa" [Collection of abstracts of the 12th Open All-Russian Conference "Modern Problems of Earth Remote Sensing from space"]. Moscow, 2014, pp. 394.
2. Shatrova K.V., Maglinets Yu.A., Tsibul'skii G.M. Model' predstavleniya informatsii o sostoyanii i dinamike zemel' sel'skokhozyaistvennogo naznacheniya [The model of submission of information on the state and dynamics of lands of agricultural purpose]. Zhurnal Sibirskogo federal'nogo universiteta. Ser. Tekhnika i tekhnologii - Journal of Siberian Federal University. Series Engineering and Technologies, 2014, vol. 7, no. 8, pp. 984-989.
3. Raikhert E.V. Vliyanie pokazatelei pochvennogo plodorodiyana produktivnost' zernovykh kul'tur v uslovi-yakh Uimonskoi kotloviny Respubliki Altai [Influence of soil fertility indicators on productivity of crops under Uimon Depression of the Altai Republic]. Izvestiya Al-taiskogo gosudarstvennogo universiteta - Proceedings of Altai State University, 2014, no. 3-1 (83), pp. 70-77.
4. Raevich K.V., Zen'kov I.V., Maglinets Yu.A. Uprav-lenie ispol'zovaniem produktivnykh zemel' ag-
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов.
Статья поступила 23.03.2016 г.
ropromyshlennogo kompleksa Krasnoyarskogo kraya na osnove pokazatelei agroekonomicheskogo potentsi-ala [Management of Krasnoyarsk region agro-industrial complex arable land use based on the indicators of agro-economic potential]. Vestnik IrGTU - Proceedings of Irkutsk State Technical University. 2016, no 3, pp. 57-66.
5. Yakovlev K.S., Baskin E.S. Grafovye modeli v zadache planirovaniya traektorii na ploskosti [Graph models for solving 2D path finding problems]. Is-kusstvennyi intellekt i prinyatie reshenii - Artificial Intelligence and Decision Making, 2013, no 1, pp. 5-12.
6. Brezhnev R.V., Maglinets Yu.A., Mal'tsev E.A., Per-fil'ev S.E., Sidorov A.Yu., Tsibul'skii G.M., Shokol A.S. Programmno-tekhnologicheskaya infrastruktura infor-matsionnoi podderzhki resheniya zadach territorial'nogo upravleniya [Software technology information infrastructure support for the tasks of territorial administration]. Zhurnal Sibirskogo federal'nogo universiteta. Ser. Tekhnika i tekhnologii - Journal of Siberian Federal University. Series Engineering and Technologies, 2012, vol. 5, no. 3. pp. 340-352.
7. Perfil'ev S.E., Maglinets Y.A., Tsibul'skii G.M., Mal'tsev E.A., Latyntsev A.A., Shatrova K.V. Intelligent geoinformation technology for agroecological mapping. Pattern Recognition and Image Analysis. 2013, vol. 23 (4), pp. 528-535.
Conflict of interest
The authors declare no conflict of interest.
The article was received 23 March 2016
