Программное обеспечение для мониторинга процесса производства агроценоза риса на основе базы данных
Аннотация
Обоснование. Результаты изучения производственного процесса интенсивных и экстенсивных сортов риса обобщены в единой базе данных (БД), зарегистрированной в Роспатенте № 202462462. Она включает две основные части: описание объекта исследования и табличные данные, имеющие структуру и взаимосвязи в соответствии с логической схемой, которая была создана в программе Microsoft Access. Последняя управляет базой данных (БД) биологических признаков, формирующих урожайность риса. База данных содержит сведения для выявления взаимодействия биологических признаков растений с их оптическими характеристиками в формировании урожайности рисовых агрофитоценозов и внедрения научно обоснованных методов мониторинга физиологического состояния посевов и прогнозирования урожайности. В вегетационных и микрополевых опытах рассмотрены закономерности роста и формирования продуктивности различных видов сортов риса. Особое внимание уделено особенностям донорно-акцепторных отношений в растениях и посевах как основного этапа продукционного процесса, определяющего хозяйственную продуктивность генотипов.
Цель. Целью исследования является изучения производственного процесса интенсивных и экстенсивных сортов риса.
Материалы и методы. Исследования проводились в двух экспериментах: вегетационно-микрополевом и полевом (2017-2024 гг.).
Результаты. Разработанная база данных содержит набор данных, отражающих информацию о биологических особенностях растений, определяющих урожайность риса. Исследования по мониторингу посевов риса проводились в лаборатории физиологии Федерального государственного бюджетного научного учреждения "Федеральный научный центр риса". Разработанная база данных необходима для выявления взаимодействия биологических характеристик растений с их оптическими характеристиками. В данной версии программы для ввода исходных данных используются пять основных форм, с помощью которых осуществляется ввод, редактирование и просмотр данных: информация об урожае и его структуре (продуктивность); оптические характеристики объекта (оптические показатели); информация о материале исследования (материал исследования); информация о климатических условиях (климатические данные); паспорт сорта (характеристика изучаемого сорта).
Заключение. Представлена структура БД морфофизиологических признаков растений риса. На основе введенных данных о биологических признаках, формирующих урожайность риса, осуществляется информационное обеспечение мониторинга рисовых агрофитоценозов. Специалисты рисоводческих хозяйств для мониторинга состояния посевов риса, корректировки азотных удобрений и прогнозирования урожайности используют представленную БД.
EDN: HKCTRC
Скачивания
Литература
Sheudzhen, A. Kh. (2024). Scientific foundations of fertilizer application in rice agrocenoses: Monograph [Dedicated to the memory of Avraam Pavlovich Dzhulay and Evgeny Pavlovich Aleshin]. Maykop: Poligraf YuG. 142 pp. ISBN: 978 5 7992 1140 0
Yakushev, V. P. (2018). Remote methods and tools in information support of precision agriculture: State and prospects. In Application of Earth Remote Sensing Tools in Agriculture (St. Petersburg, September 26–28, 2018) (pp. 3–11). St. Petersburg: Agrophysical Research Institute of the Russian Academy of Agricultural Sciences. https://doi.org/10.25695/agrophysica.2018.2.18484. EDN: https://elibrary.ru/YOMHJR
Hashimoto, N., Saito, Y., Maki, M., & Homma, K. (2019). Simulation of reflectance and vegetation indices for unmanned aerial vehicle (UAV) monitoring of paddy fields. Remote Sensing, 11(18), 2119. https://doi.org/10.3390/rs11182119
Teoh, C. C., Mohd Nadzim, N., Mohd Shahmihaizan, M. J., Mohd Khairil Izani, I., Faizal, K., & Mohd Shukry, H. B. (2016). Rice yield estimation using below cloud remote sensing images acquired by unmanned airborne vehicle system. International Journal of Advanced Science, Engineering and Information Technology, 6, 516–519. https://doi.org/10.18517/ijaseit.6.4.898
Wang, F., Wang, F., Zhang, Y., Hu, J., Huang, J., & Xie, J. (2019). Rice yield estimation using parcel level relative spectral variables from UAV based hyperspectral imagery. Frontiers in Plant Science, 10, 453. https://doi.org/10.3389/fpls.2019.00453
Lalic, A., Novoselovic, D., Kovacevic, J., & Drozner, G. (2010). Genetic gain and selection criteria effects on yield and yield components in barley (Hordeum vulgare L.). Periodicum Biologorum, 112(3), 311–316. https://hrcak.srce.hr/file/88171
Rai, S. K., Chandra, R., Suresh, B. G., Kumar, R. R., & Sandhya. (2014). Genetic diversity analysis of rice germplasm lines for yield attributing traits. International Journal of Life Sciences Research, 4(2), 225–228.
Kleshchenko, A. D., Lebedeva, V. M., Naydina, T. A., & Savitskaya, O. V. (2015). Use of MODIS satellite data in operational agrometeorology. Current Problems in Remote Sensing of the Earth from Space, 12(2), 143–154. EDN: https://elibrary.ru/TUHOSL
Pis’mennaya, E. V., & Azarova, M. Yu. (2021). Dependence of winter wheat productivity on NDVI values in the arid zone of Stavropol Krai. Agroindustrial Technologies of Central Russia, (1), 39–45. https://doi.org/10.24888/2541-7835-2021-19-39-45. EDN: https://elibrary.ru/CCUPAK
Kholodov, D. V., & Smirnova, L. G. (2021). Use of NDVI index for yield forecasting in eroded agrolandscapes. In Agroecological Problems of Soil Science and Agriculture: Proceedings of the XVI International Scientific and Practical Conference of the Kursk Branch of the V. V. Dokuchaev Society of Soil Scientists, Dedicated to the 175th Anniversary of V. V. Dokuchaev (Kursk, April 28–29, 2021) (pp. 475–478). Kursk: Federal State Budgetary Scientific Institution “Kursk Federal Agrarian Research Center”. EDN: https://elibrary.ru/PLLSHR
Garkusha, S., Skazhennik, M., Kovalyov, V., Chizhikov, V., & Pshenicina, T. (2021). Monitoring of rice agrophytocenoses in relation to their states. E3S Web of Conferences, 273, 01021. https://doi.org/10.1051/e3sconf/202127301021. EDN: https://elibrary.ru/NKABTO
Yakushev, V. V. (2016). Precision agriculture: Theory and practice. St. Petersburg: FGBNU AFI. 364 pp. ISBN: 978 5 905200 31 1. EDN: https://elibrary.ru/WMGJNR
Vorobyov, N. V., Skazhennik, M. A., & Kovalyov, V. S. (2011). Production process in rice varieties. Krasnodar: Prosveshchenie Yug. 199 pp. ISBN: 978 5 93491 333 6. EDN: https://elibrary.ru/IIQNFK
Vorobyov, N. V., Skazhennik, M. A., Sheudzhen, A. Kh., & Kovalyov, V. S. (2013). Features of the production process in extensive and intensive rice varieties. Reports of the Russian Academy of Agricultural Sciences, (4), 7–8. EDN: https://elibrary.ru/QCNHKV
Vorobyov, N. V., & Skazhennik, M. A. (2005). Physiological foundations of increasing rice variety yields. Rice Growing, (7), 26–32. EDN: https://elibrary.ru/JXORZK
Yakushev, V. P. (2018). Remote methods and tools in information support of precision agriculture: State and prospects. In Application of Earth Remote Sensing Tools in Agriculture (St. Petersburg, September 26–28, 2018) (pp. 3–11). St. Petersburg: Agrophysical Research Institute of the Russian Academy of Agricultural Sciences. https://doi.org/10.25695/agrophysica.2018.2.18484. EDN: https://elibrary.ru/YOMHJR
Hashimoto, N., Saito, Y., Maki, M., & Homma, K. (2019). Simulation of reflectance and vegetation indices for unmanned aerial vehicle (UAV) monitoring of paddy fields. Remote Sensing, 11(18), 2119. https://doi.org/10.3390/rs11182119
Teoh, C. C., Mohd Nadzim, N., Mohd Shahmihaizan, M. J., Mohd Khairil Izani, I., Faizal, K., & Mohd Shukry, H. B. (2016). Rice yield estimation using below cloud remote sensing images acquired by unmanned airborne vehicle system. International Journal of Advanced Science, Engineering and Information Technology, 6, 516–519. https://doi.org/10.18517/ijaseit.6.4.898
Wang, F., Wang, F., Zhang, Y., Hu, J., Huang, J., & Xie, J. (2019). Rice yield estimation using parcel level relative spectral variables from UAV based hyperspectral imagery. Frontiers in Plant Science, 10, 453. https://doi.org/10.3389/fpls.2019.00453
Kumakov, V. A. (1995). Physiology of spring wheat yield formation and breeding issues. Agricultural Biology, (3), 3–19.
Gulyaev, B. I. (1996). Photosynthesis and plant productivity: Problems, achievements, and research prospects. Physiology and Biochemistry of Cultivated Plants, 28(1–2), 15–35.
Vorobyov, N. V., Kovalyov, V. S., Skazhennik, M. A., & Vorobyov, N. V. (2006). Changes in the donor acceptor relationship system in rice during productivity oriented breeding: A review. Rice Growing, (9), 13–17. EDN: https://elibrary.ru/DIRRMS
Vorobyov, N. F. (2013). Physiological foundations of rice yield formation. Krasnodar: Prosveshchenie Yug. 405 pp.
Mokronosov, A. T. (1988). The relationship between photosynthesis and growth functions. In Photosynthesis and Production Process (pp. 109–121). Moscow: Nauka. (Edited by A. A. Nichiporovich)
Kolomeichenko, V. V. (2020). Production processes in crops: Monograph. Oryol: Publishing House of Oryol SAU. 452 pp. EDN: https://elibrary.ru/SKPGER
Skazhennik, M. A., Vorobyov, N. V., Kovalyov, V. S., et al. (2017). Harvest index and its relationship with yield formation and yield structure elements in rice varieties. Achievements of Science and Technology of Agro Industrial Complex, (2), 8–11. EDN: https://elibrary.ru/YKUSYX
Balyasnyy, I. V., Skazhennik, M. A., Kovalyov, V. S., & Pshenitsyna, T. S. (2023). Study of production processes in intensive and extensive rice varieties. Rice Growing, 60(3), 14–20. https://doi.org/10.33775/1684-2464-2023-60-3-14-20. EDN: https://elibrary.ru/WXCBDM
Skazhennik, M. A., Chizhikov, V. N., Garkusha, S. V., et al. (2024). Biological traits of plants forming rice yield: Database registration certificate RU2024624627, October 22, 2024.
Sheudzhen, A. Kh., & Bondareva, T. N. (2015). Agrochemistry. Part 2: Methods of agrochemical research. Krasnodar: Kuban State Agricultural University. 703 pp.
Skazhennik, M. A., Vorobyov, N. V., & Doseeva, O. A. (2009). Methods of physiological research in rice growing. Krasnodar. 24 pp.
Список литературы
Шеуджен, А. Х. (2024). Научные основы применения удобрений в рисовых агроценозах: научное издание: монография [посвящается памяти Авраама Павловича Джулая и Евгения Павловича Алешина]. Майкоп: Полиграф ЮГ. 142 с. ISBN: 978 5 7992 1140 0
Якушев, В. П. (2018). Дистанционные методы и средства в информационном обеспечении точного земледелия: состояние и перспективы. В Применение средств дистанционного зондирования земли в сельском хозяйстве (Санкт Петербург, 26–28 сентября 2018 года) (с. 3–11). Санкт Петербург: Агрофизический научно исследовательский институт РАСХН. https://doi.org/10.25695/agrophysica.2018.2.18484. EDN: https://elibrary.ru/YOMHJR
Hashimoto, N., Saito, Y., Maki, M., & Homma, K. (2019). Simulation of reflectance and vegetation indices for unmanned aerial vehicle (UAV) monitoring of paddy fields. Remote Sensing, 11(18), 2119. https://doi.org/10.3390/rs11182119
Teoh, C. C., Mohd Nadzim, N., Mohd Shahmihaizan, M. J., Mohd Khairil Izani, I., Faizal, K., & Mohd Shukry, H. B. (2016). Rice yield estimation using below cloud remote sensing images acquired by unmanned airborne vehicle system. International Journal of Advanced Science, Engineering and Information Technology, 6, 516–519. https://doi.org/10.18517/ijaseit.6.4.898
Wang, F., Wang, F., Zhang, Y., Hu, J., Huang, J., & Xie, J. (2019). Rice yield estimation using parcel level relative spectral variables from UAV based hyperspectral imagery. Frontiers in Plant Science, 10, 453. https://doi.org/10.3389/fpls.2019.00453
Lalic, A., Novoselovic, D., Kovacevic, J., & Drozner, G. (2010). Genetic gain and selection criteria effects on yield and yield components in barley (Hordeum vulgare L.). Periodicum Biologorum, 112(3), 311–316. https://hrcak.srce.hr/file/88171
Rai, S. K., Chandra, R., Suresh, B. G., Kumar, R. R., & Sandhya. (2014). Genetic diversity analysis of rice germplasm lines for yield attributing traits. International Journal of Life Sciences Research, 4(2), 225–228.
Клещенко, А. Д., Лебедева, В. М., Найдина, Т. А., & Савицкая, О. В. (2015). Использование спутниковой информации MODIS в оперативной агрометеорологии. Современные проблемы дистанционного зондирования Земли из космоса, 12(2), 143–154. EDN: https://elibrary.ru/TUHOSL
Письменная, Е. В., & Азарова, М. Ю. (2021). Зависимость продуктивности озимой пшеницы от показателей NDVI в засушливой зоне Ставропольского края. Агропромышленные технологии Центральной России, (1), 39–45. https://doi.org/10.24888/2541-7835-2021-19-39-45. EDN: https://elibrary.ru/CCUPAK
Холодов, Д. В., & Смирнова, Л. Г. (2021). Использование индекса NDVI для прогнозирования урожайности в эрозионных агроландшафтах. В Агроэкологические проблемы почвоведения и земледелия: сборник докладов XVI Международной научно практической конференции Курского отделения МОО «Общество почвоведов имени В. В. Докучаева», посвящённой 175 летию со дня рождения В. В. Докучаева (Курск, 28–29 апреля 2021 года) (с. 475–478). Курск: Федеральное государственное бюджетное научное учреждение «Курский федеральный аграрный научный центр». EDN: https://elibrary.ru/PLLSHR
Garkusha, S., Skazhennik, M., Kovalyov, V., Chizhikov, V., & Pshenicina, T. (2021). Monitoring of rice agrophiocenoses in relation to their states. E3S Web of Conferences, 273, 01021. https://doi.org/10.1051/e3sconf/202127301021. EDN: https://elibrary.ru/NKABTO
Якушев, В. В. (2016). Точное земледелие: теория и практика. Санкт Петербург: ФГБНУ АФИ. 364 с. ISBN: 978 5 905200 31 1. EDN: https://elibrary.ru/WMGJNR
Воробьёв, Н. В., Скаженник, М. А., & Ковалёв, В. С. (2011). Продукционный процесс у сортов риса. Краснодар: Просвещение Юг. 199 с. ISBN: 978 5 93491 333 6. EDN: https://elibrary.ru/IIQNFK
Воробьёв, Н. В., Скаженник, М. А., Шеуджен, А. Х., & Ковалёв, В. С. (2013). Особенности продукционного процесса у экстенсивных и интенсивных сортов риса. Доклады Российской академии сельскохозяйственных наук, (4), 7–8. EDN: https://elibrary.ru/QCNHKV
Воробьёв, Н. В., & Скаженник, М. А. (2005). Физиологические основы повышения урожайности сортов риса. Рисоводство, (7), 26–32. EDN: https://elibrary.ru/JXORZK
Якушев, В. П. (2018). Дистанционные методы и средства в информационном обеспечении точного земледелия: состояние и перспективы. В Применение средств дистанционного зондирования земли в сельском хозяйстве (Санкт Петербург, 26–28 сентября 2018 года) (с. 3–11). Санкт Петербург: Агрофизический научно исследовательский институт РАСХН. https://doi.org/10.25695/agrophysica.2018.2.18484. EDN: https://elibrary.ru/YOMHJR
Hashimoto, N., Saito, Y., Maki, M., & Homma, K. (2019). Simulation of reflectance and vegetation indices for unmanned aerial vehicle (UAV) monitoring of paddy fields. Remote Sensing, 11(18), 2119. https://doi.org/10.3390/rs11182119
Teoh, C. C., Mohd Nadzim, N., Mohd Shahmihaizan, M. J., Mohd Khairil Izani, I., Faizal, K., & Mohd Shukry, H. B. (2016). Rice yield estimation using below cloud remote sensing images acquired by unmanned airborne vehicle system. International Journal of Advanced Science, Engineering and Information Technology, 6, 516–519. https://doi.org/10.18517/ijaseit.6.4.898
Wang, F., Wang, F., Zhang, Y., Hu, J., Huang, J., & Xie, J. (2019). Rice yield estimation using parcel level relative spectral variables from UAV based hyperspectral imagery. Frontiers in Plant Science, 10, 453. https://doi.org/10.3389/fpls.2019.00453
Кумаков, В. А. (1995). Физиология формирования урожая яровой пшеницы и проблемы селекции. Сельскохозяйственная биология, № 3, 3–19.
Гуляев, Б. И. (1996). Фотосинтез и продуктивность растений: проблемы, достижения, перспективы исследований. Физиология и биохимия культурных растений, 28(1–2), 15–35.
Воробьёв, Н. В., Ковалёв, В. С., Скаженник, М. А., & Воробьёв, Н. В. (2006). Изменения в системе донорно акцепторных отношений у риса в процессе селекции на продуктивность: обзор. Рисоводство, № 9, 13–17. EDN: https://elibrary.ru/DIRRMS
Воробьёв, Н. Ф. (2013). Физиологические основы формирования урожая риса. Краснодар: Просвещение ЮГ, 405 с.
Мокроносов, А. Т. (1988). Взаимосвязь фотосинтеза и функций роста. В Фотосинтез и продукционный процесс (с. 109–121). Москва: Наука. (Под ред. А. А. Ничипоровича).
Коломейченко, В. В. (2020). Продукционные процессы в посевах: монография. Орёл: Изд во ОрёлГАУ, 452 с. EDN: https://elibrary.ru/SKPGER
Скаженник, М. А., Воробьёв, Н. В., Ковалёв, В. С., и др. (2017). Уборочный индекс и его связь с формированием урожайности и элементами структуры урожая сортов риса. Достижения науки и техники АПК, № 2, 8–11. EDN: https://elibrary.ru/YKUSYX
Балясный, И. В., Скаженник, М. А., Ковалёв, В. С., & Пшеницына, Т. С. (2023). Исследование продукционных процессов интенсивных и экстенсивных сортов риса. Рисоводство, 60(3), 14–20. https://doi.org/10.33775/1684-2464-2023-60-3-14-20. EDN: https://elibrary.ru/WXCBDM
Скаженник, М. А., Чижиков, В. Н., Гаркуша, С. В., и др. (2024). Биологические признаки растений, формирующие урожайность риса: свидетельство о регистрации базы данных RU2024624627, 22.10.2024.
Шеуджен, А. Х., & Бондарева, Т. Н. (2015). Агрохимия. Ч. 2. Методика агрохимических исследований. Краснодар: КубГАУ, 703 с.
Скаженник, М. А., Воробьёв, Н. В., & Досеева, О. А. (2009). Методы физиологических исследований в рисоводстве. Краснодар, 24 с.
Copyright (c) 2025 Sergey V. Garkusha, Mikhail A. Skazhennik, Victor S. Kovalev, Vitaly N. Chizhikov, Alexey F. Petrushin, Tatiana S. Pshenitsyna
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
