Methodical approach to assessing risks of possible yield losses during implementation of agricultural technologies

封面

如何引用文章

全文:

详细

The methods of risk assessment and decision-making in the management of agrotechnology were studied in order to develop a methodical approach to assessing the risks of possible yield losses in case of deviations from the project parameters in the implementation of agrotechnology. The study uses methods of analyzing information from the subject area of risk management in the management of agricultural technology. A registry of possible deviations in the design values of process parameters in the implementation of agricultural technologies has been compiled. A new approach has been developed to assess the risks of possible yield losses in the implementation of agrotechnology with deviations in process parameters from project values. Using the proposed approach will provide an automated ranking of options for decisions on the degree of risk of possible crop failure in case of deviations from the designed values, which will facilitate the transition to intelligent management of crop production.

作者简介

Vyacheslav Yakushev

Agrophysical Research Institute

Email: mail@agrophys.com
ORCID iD: 0000-0001-8434-5580

Doctor of Agricultural Sciences, Corresponding Member of the Russian Academy of Sciences, Head of the Laboratory for Information Support of Precision Farming

14 Grazhdansky av., St. Petersburg, Russian Federation

Valeriy Voropayev

Agrophysical Research Institute

Email: valeriy.voropaev.70@mail.ru
ORCID iD: 0000-0002-7537-4862

Candidate of Agricultural Sciences, Leading Researcher, Laboratory for Information Support of Precision Farming

14 Grazhdansky av., St. Petersburg, Russian Federation

Vladimir Lomakin

Agrophysical Research Institute

编辑信件的主要联系方式.
Email: lomakinv2014@yandex.ru
ORCID iD: 0000-0003-2051-3877

Candidate of Technical Sciences, Leading Engineer, Laboratory for Information Support of Precision Farming

14 Grazhdansky av., St. Petersburg, Russian Federation

参考

  1. Kuzmenko OV. Plant growing risks: classification and methods of management. Bulletin of the Bashkir State Agrarian University. 2011;(4):95—100.
  2. Plushikov VG, Krainev NS, Dovletyarova EA, Ilyasova NI. Systematic approaches to the estimation of the losses (shortage) of the harvest of agricultural crops from the natural calamities and other unfavorable conditions of production with the insurance of sowings. RUDN Journal of Agronomy and Animal Industries. 2006;(1):4—9.
  3. Chekmarev PA, Malko AM, Govorov DA, Plushchikov VG, Zhivykh AV, Osokin IV, et al. Metodicheskie rekomendatsii po opredeleniyu pryamykh zatrat na vos-stanovlenie ob»ektov sel’skogo khozyaistva postradavshikh ot chrezvychainykh si-tuatsii prirodnogo kharaktera v agropromyshlennom komplekse (vklyuchaya LPKh) [Guidelines for determining the direct costs of restoring agricultural facilities affected by natural emergencies in the agro-industrial complex (including household plots)]. Moscow; 2019.
  4. Yakushev VV, Lomakin VS, Chasovskikh SV, Matveenko DA. Improvement of agricultural enterprise management with precision farming elements. Agrophysica. 2020;(4):46—54. doi: 10.25695/AGRPH.2020.04.08
  5. Yakushev VV. Tochnoe zemledelie — teoriya i praktika [Precision agriculture — theory and practice]. Saint petersburg: FGBNU AFI publ.; 2016.
  6. Poddubnaya LI. Risks of production activities in relation to crop production. Vestnik of Kursk state agricultural academy. 2012;(2):22—23.
  7. Yaraya TY. Classification of agricultural risks and ways to reduce them. SCI-ARTICLE.RU. 2014; (5):234
  8. Kondranov P. Management of risks of agricultural production. Mezhdunarodnyi sel’skokhozyaistvennyi zhurnal. 2009; (4):20—21.
  9. Pylianidis C, Osinga S, Athanasiadis IN. Introducing digital twins to agriculture. Computers and Electronics in Agriculture. 2021;184:105942. doi: 10.1016/j.compag.2020.105942
  10. Konev AV, Lomakin VS, Matveenko DA, Yakushev VV. The structure of of production processes in the agrotechnical decision support system. Agrophysica. 2018;(1):24—35. doi: 10.25695/AGRPH.2018.01.04
  11. Kuzmenko OV. Industrial risk management in agriculture. International Research Journal. 2014; (11—3):45—47.
  12. Reva AF, Reva VS. Matrix and diagnostic analysis of the environmental factors influence at the internal production processes of agricultural enterprises. Don Agrarian Science Bulletin. 2013;2:48—54.
  13. Tikhomirov NP, Tikhomirova TM. Risk-analiz v ekonomike [Risk analysis in economics]. Moscow: Ekonomika publ.; 2010.
  14. Treiman MG, Varygina OS. Methods for assessing and managing risks on resource-supplying enterprise (for example, PJSC «TGC-1»). Scientific Journal NRU ITMO. Series: Economics and Environmental Management. 2017;(4): 64—73. doi: 10.17586/2310-1172-2017-10-4-64-73

补充文件

附件文件
动作
1. JATS XML
下载


Creative Commons License
此作品已接受知识共享署名 4.0国际许可协议的许可

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

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

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

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

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

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

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

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

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

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

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