Бесплатный автореферат и диссертация по сельскому хозяйству на тему

Моделирование взаимосвязей между характеристиками агроландшафта и урожаем озимой пшеницы

ВАК РФ 06.01.03, Агропочвоведение и агрофизика

Автореферат диссертации по теме "Моделирование взаимосвязей между характеристиками агроландшафта и урожаем озимой пшеницы"

на правах рукописи

Швецова Елена Дмитриевна

МОДЕЛИРОВАНИЕ ВЗАИМОСВЯЗЕЙ МЕЖДУ ХАРАКТЕРИСТИКАМИ АГРОЛАНДШАФТА И УРОЖАЕМ ОЗИМОЙ ПШЕНИЦЫ

Специальность: 06.01.03 - агропочвоведение, агрофизика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2005

Работа выполнена в ГНУ ордена Трудового Красного Знамени Агрофизическом научно-исследовательском институте Россельхозакадемии.

Научный руководитель:

- доктор технических наук Владимир Львович Баденко. Официальные оппоненты:

- доктор технических наук, профессор Иосиф Семенович Лискер;

кандидат географических наук, доцент Татьяна Ивановна Прокофьева.

Ведущая организация:

ГНУ Северо-Западный НИИ механизации и эликтрификации сельского

заседании диссертационного совета Д 006.001.01 в Агрофизическом научно-исследовательском институте по адресу: 195220, Санкт-Петербург, Гражданский пр., д. 14.

С диссертацией можно ознакомиться в библиотеке Агрофизического научно-исследовательского института.

Отзывы в двух экземплярах, заверенные гербовой печатью учреждения, просим направить по адресу:

195220, г. Санкт-Петербург, Гражданский пр., 14, АФИ.

Автореферат разослан 20 2005 г.

хозяйства.

Защита диссертации состоится 2005 г. в 15 часов на

Ученый секретарь диссертационного сот доктор биологических наук

221Ш7

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Начиная с 90-х годов ХХ-го столетия, во всем мире развертываются исследования по применению в сельскохозяйственной науке и практике современных информационных технологий и интеллектуальных компьютерных разработок. В результате этих исследований возникло новое направление, получившее название точное земледелие. Технологии точного земледелия позволили впервые дифференцированно собирать информацию о ситуации на сельскохозяйственных полях с учетом вариабельности характеристик аг-роландшафта. Однако, методы анализа такой информации в настоящее время разработаны недостаточно. В связи с этим разработка информационной базы для систем точного земледелия и, в частности, методов анализа информации о ситуации на сельскохозяйственных полях с использованием теории нечетких множеств и нечеткой логики представляется весьма актуальной.

Цель и задачи исследования

Целью данной работы является разработка на основе теории нечетких множеств методов анализа данных, получаемых при применении технологий точного земледелия. Для достижения указанной цели были поставлены и решены следующие задачи:

• разработать метод оценки теплообеспеченности посевов с.х. растений и исследовать эффективность предлагаемого подхода на примере анализа агрометеорологических условий перезимовки озимых культур.

• разработать метод оценки качества агрофизической геоинформации (ГИ) и применить его для оценки качества информации о почвенных характеристиках с.х. полей Меньковской опытной станции (МОС);

• осуществить моделирование взаимосвязи между урожаем озимой пшеницы и геоморфологическими характеристиками агроландшафта.

Сущность решаемых задач потребовала использования методов математического моделирования, теории нечетких множеств ГИС и основ теории принятия решений.

Научная новизна

На основе теории нечетких множеств разработаны методы анализа данных, получаемых при применении технологий точного земледелия. В частности, разработан метод оценки теплообеспеченности посевов с.х. растений. Метод основан на применении нечетких индикаторов. На примере анализа агрометеорологических условий перезимовки озимых культур показана эффективность предлагаемого подхода.

Разработан метод оценки качества агрофизической геоинформации. Метод применен для оценки качества ГИ, содержащей сведения о почвенных характеристиках с.х. полей МОС.

На основе теории нечетких множеств осуществлено моделирование взаимосвязи между урожаем озимой пшеницы и геоморфологическими характеристиками агроландшафта и получен ряд эмпирических зависимостей урожая от таких характеристик. Исследовано влияние способов задания входных переменных в правилах, образующих базу знаний. Показано, что результаты моделирования существенно зависят типа функции принадлежности и количества термов.

Практическая значимость

Разработанные методы анализа данных позволяют существенно улучшить информационную базу для систем точного земледелия. Представляется возможным более адекватно учитывать как объективные факторы (вариабельность характеристик агроландшафта), так и субъективные (цели и приоритеты ЛПР). Это позволяет более эффективно решать острейшие проблемы АПК РФ, такие как устойчивый рост производства, ресурсоэкономичность и природоохранность.

Апробация работы

Диссертационная работа выполнялась в рамках проводимых Агрофизическим институтом исследований по базовой научно-технической программе «Разработать теоретические основы и методы экологически адаптивного управления агрофизическими свойствами почв и состоянием растений для повышения продуктивности и устойчивости агроэкосистем в ландшафтном земледелии» (2001-2005 г.г, регистрационный номер 01.200.111104). Часть результатов по теме диссертации была получена в ходе выполнения Соглашения о сотрудничестве между Агрофизическим научно-исследовательским институтом и исследовательской организацией Министерства с.х. США в Колорадо.

Основные результаты исследований рассматривались и были одобрены на заседаниях Учёного Совета Агрофизического института

Результаты работы докладывались и обсуждались на следующих научных и научно-технических конференциях:

"52-ая международная ежегодная конференция американского геофизического союза" (the American Geophysical Union), Форт Коллинс, Колорадо, США, 2005;

"24-ая конференция международной организации по управлению городскими и сельскими данными" (the Urban Data Management Society), Венеция, Италия, 2004;

" 12-ая конференция международной ассоциации по механизации полевых экспериментов", (1AMFE), Санкт-Петербург, Россия, 2004;

"6-ая конференция международной ассоциации геоинфомационных лабораторий Европы (the AGILE), Лион, Франция, 2003:

"5-ый европейский симпозиум по проблемам глобальных навигационных спутниковых систем" (the 5th European Symposium on Global Navigation Satellite Systems), Севилия, Испания, 2001.

Основное содержание диссертационной работы опубликовано в периодической печати в России и за рубежом Всего опубликовано 7 научных работ.

Структура и объем диссертации

Диссертация состоит из введения, четырех глав, заключения и списка литературы, изложена на 117 страницах машинописного текста, содержит 16 таблиц и 51 рисунок. Список литературы включает 170 наименований, из них 103 зарубежных авторов.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ

Во введении раскрыта актуальность темы, определены цели и задачи исследований, сформулированы научная новизна и практическая значимость работы.

Гпава 1

Глава I посвящена анализу публикаций по применению теории нечетких множеств в агропочвоведении и агрофизике. Показано, что теория нечетких множеств применяется в различных областях сельскохозяйственной науки для классификации почв и картографирования, для оценки земель, моделирования физических процессов на сельскохозяйственных полях и анализа нечетко определенных явлений в почвах.

Исследования, проведенные в последние годы, свидетельствуют, что нечеткие экспертные системы являются мощным инструментом для решения практических задач сельского хозяйства (например, нечеткая экспертная система «Грев!»).

В последние годы АФИ стал центром по разработке методологии применения теории нечетких множеств в агропочвоведении и агрофизике. В частности, разработана методология оценки земельных участков на основе тео-

рии нечетких множеств (Якушев и др., 2000). Предложена методика анализа данных о загрязнении почвы тяжелыми металлами (Баденко и др , 2000).

Гпава 2

Глава 2 посвящена разработке метода оценки теплообеспеченности растений с помощью нечетких индикаторов.

В настоящее время в агроклиматологии и агрофизике для представления данных о тепловых параметрах почвы широко используются разнообразные индикаторы. Особое место среди них занимают показатели теплообеспеченности растений. Применение таких показателей теплообеспеченности растений в компьютерных системах поддержки принятия решений свидетельствует, однако, что с их помощью не удается показать как значения анализируемого фактора согласуются с целями решаемой задачи. В связи с этим нами было предложено использовать для оценки теплообеспеченности растений нечеткие индикаторы.

Метод оценки теплообеспеченности растений с помощью нечетких индикаторов основывается на положениях теории нечетких множеств.

Нечеткий индикатор - это число в диапазоне [0,1], которое характери-зирует оценку агроклиматического или почвенного параметра агроландшаф-та по некоторому критерию.

В основу его положена оценка эксперта, которая моделируется функцией принадлежности, при этом носителем выступает допустимое множество значений анализируемого фактора.

Нечеткий индикатор конструируется для решения конкретной задачи. Таким образом, с помощью нечеткого индикатора можно показать не только значения анализируемого фактора, но и то, как эти значения согласуются с целями решаемой задачи.

Применение нечетких индикаторов позволяет отобразить два аспекта нечеткости окружающего мира Первый возникает при построении матема-

тической модели (выбор функции принадлежности, идентификация диапазона допустимых значений анализируемого фактора, определение точки максимума или минимума), второй - это нечеткость, присущая человеческому мышлению и восприятию.

Нечеткий индикатор можно интерпретировать как модель человеческих мыслительных процессов. Встроенный в компьютерную систему он позволяет в автоматизированном режиме осуществлять поддержку принятия решений в системах управления агротехнологическими процессами

В главе 2 на основе разработанной концепции дано формализованное описание «нечеткого индикатора теплообеспеченности посева» и «нечеткого индикатора критической температуры почвы».

Нечеткий индикатор теплообеспеченности посева построен как аналог известного показателя теплообеспеченности, который определяется суммой среднесуточных температур выше 10 градусов. В общем случае могут применяться различные модели функции принадлежности, например треугольная, либо трапециевидная, либо гауссовская или обобщенная колоколообраз-ная. В главе 2 нечеткий индикатор теплообеспеченности посева реализован на основе возрастающей кусочно-линейной функции принадлежности.

Нечеткий индикатор критической температуры почвы (НИКТ) сформулирован так же, как аналог известного показателя теплообеспеченности. Этот показатель определяется температурой почвы на глубине узла кущения (2см), при которой начинается вымерзание озимых культур.

В основу НИКТ положена модель, состоящая из математической модели, описывающей тепловой режим почвы, и вербальной модели, описывающей зависимость морозостойкости озимых кульгур от состояния растений.

В общем случае могут также применяться различные модели функции принадлежности, например, такие как треугольная, либо трапециевидная

или обобщенная колоколообразная. В главе 2 НИКТ реализован на основе убывающей кусочно-линейной функции принадлежности.

НИКТ был применен для анализа агрометеорологических условий перезимовки озимых культур. В частности, анализировались термические условия на сельскохозяйственных полях, расположенных на агроландшафте с пересеченным рельефом. Известно, что влияние пересеченного рельефа проявляется в том, что при резком похолодании температура почвы понижается не одинаково и на отдельных полях она может приблизиться к критическим значениям.

Расчеты НИКТ производились в среде ГИС, реализованной с помощью программного продукта Mapinfo Professional. В результате были получены значения температуры почвы на глубине узла кущения (2 см) (рис. 1) и НИКТ (рис. 2). Из рисунков видно, что температура почвы в рассматриваемой ситуации варьирует от -2 до -12 °С, а НИКТ на большинстве полей не превышает 0,2. Только на одном поле он варьирует от 0,2 до 0,4.

Гпава 3

Известно, что характеристики агроландшафта и урожайные данные имеют географическую привязку и являются геоинформацией (ГИ).

При планировании сельскохозяйственных работ пользователь должен оценить качество ГИ и определить в какой степени данная ГИ заслуживает доверия. Может бьггь, она уже устарела и ее применение ограничено?

Проблема оценки качества агрономической ГИ возникла несколько лет тому назад как результат применения геотехнологий при реализации точного земледелия.

Рис 1 Температура почвы (I), °С, на глубине узла кущения (2 см)

Рис 2 Нечеткий индикатор критической температуры (Ы1КТ)

В начале главы 3 дается обзор зарубежных работ по моделированию показателей качества географических данных. Во многих публикациях отмечается, что проблема оценки качества ГИ весьма актуальна и подчеркивается сложность ее решения. Это связано с трудностями в определении понятия «качество ГИ». В отчете общеевропейского проекта КЕУКЖ (2004) указывается, что, прежде всего, надо ответить на вопрос: что такое качество ГИ?

О гит и Уаззеиге (2004) используют термин «качество ГИ» для оценки соответствия информации в базе данных реальному состоянию объекта. ОеуШеге и др. (2004) предлагают определять качество ГИ в зависимости от целей лица, принимающего решение (ЛПР)

В настоящее время проблема оценки качества ГИ разрабатывается по нескольким направлениям. В рамках одного из них изучается возможность решения проблемы с помощью базы знаний (онтологии). Нами предложено использовать для оценки качества ГИ нечеткие индикаторы. Глава 3 посвящена изложению этого подхода.

Нечеткий индикатор качества агрономической ГИ - это число в диапазоне [0,1], которое характеризирует оценку качества ГИ по некоторому критерию В основу его положена оценка эксперта, которая моделируется функцией принадлежности, при этом носителем выступает допустимое множество значений экспертных оценок, записанных на языке, удобном для эксперта.

Нечеткий индикатор конструируется для решения конкретной задачи При разработке модели нечеткого индикатора необходимо учитывать как объективные факторы (насколько устарела ГИ или насколько надежен источник ГИ), так и субъективные (цели и приоритеты ЛПР). Показано также, что целесообразно использовать двухуровневую систему индикаторов качества Первый уровень - это простые индикаторы, отображающие качество отдельных географических характеристик. Второй уровень - это комбинированные индикаторы, отображающие комбинации из простых индикаторов.

Разработанный подход был применен для оценки качества ГИ, содержащей сведения о почвенных характеристиках сельскохозяйственных полей МОС. Часть этой ГИ базируется на материалах агрохимического обследования 1998 года и у пользователя могут возникнуть сомнения относительно качества данной ГИ.

Для ответа на этот вопрос были рассчитаны значения нечетких индикаторов качества ГИ. Экспертные оценки были получены путем опроса сотрудников МОС и АФИ. Функции принадлежности моделировались возрастающими кусочно-линейными зависимостями. Расчеты проводились в среде ГИС, реализованной с помощью программного продукта Mapinfo Professional. В результате были получены электронные тематические карты, содержащие значения нечетких индикаторов качества ГИ (рис. 3 и 4).

Разработанный подход позволяет присоединять к картам агроклиматических и почвенных параметров карты индикаторов качества. Однако это не всегда удобно, так как ведет к удвоению ГИ.

Рис 3 Значения нечеткого индикатора ка- Рис 4 Значения комбинированного индика-чества ГИ, который характеризирует оценку тора качества, отображающего комбинацию качества данных о почвенном параметре из 4 простых индикаторов рН, ЯОМ (коли-К20 честно органического вещества), Р203 и

К20

Поэтому была разработана методика визуализации информации о параметре и информации об оценке его качества на одной и той же карте. Методика реализована для работы с геоинформационной системой Мар1пйэ и позволяет штриховкой показывать значения параметра, а градациями серого цвета обозначать значения нечеткого индикатора качества.

Разработанная методика была применена для анализа качества географической базы данных, описывающей с.х. территорию в Ленинградской области. На рис. 5 и 6, для примера, показаны результаты применения этой методики.

Рис 5 Информация о параметре «рН» Рис 6 Информация о параметре «глубина Штриховюй показаны значения параметра пахотного слоя почвы» Штриховкой пока-«рН», а градациями серого цвета даны чна- чаны значения параметра, а градациями се-

чения жчеткого индикатора кгнества

poro цвета даны значения нечеткого индикатора качества

Гпава 4

Одной из главных проблем, решаемых точным земледелием, является количественная интерпретация карты урожая. Иными словами, необходимо в ходе компьютерного анализа карты урожая пояснить пользователю, почему в одних местах поля урожай высокий, в других он средний, а кое-где урожай недопустимо мал.

Для решения этой задачи в главе 4, на основе теории нечетких множеств, проведено моделирование взаимосвязи между урожаем озимой пшеницы и геоморфологическими характеристиками афоландшафта.

Моделирование проводилось в два этапа. На первом этапе осуществлялся сбор экспериментальных данных. На втором этапе с помощью адаптивно-нейронной системы нечеткого логического вывода (АОТГБ) производилось моделирование.

Экспериментальные данные были получены путем мониторинга урожая озимой пшеницы и обследования агроландшафта, расположенного на се-

вере Колорадо, США Опытный участок площадью 65 га расположен в субаридной зоне, среднегодовая сумма осадков равна 440 мм Агроландшафт имеет пересеченный рельеф с перепадами высот от 1361 до 1382 м и крутизной склонов до 14 %. Грунт представляет собой лессовые отложения с наносами ила и песка.

Мониторинг геоморфологических характеристик агроландшафта осуществлялся с помощью мобильного дифференциального GPS приемника. По собранной информации была построена топографическая модель агроландшафта, а затем были построены электронные карты геоморфологических характеристик.

Мониторинг урожая озимой пшеницы осуществлялся с помощью сенсора урожая и мобильного дифференциального GPS приемника. По этим данным была построена электронная карта урожая.

Данные полевого эксперимента были интегрированы в ГИС (ArcView). Затем на электронные карты геоморфологических характеристик агроландшафта и электронную карту урожая озимой пшеницы была наложена сетка с ячейками 10 х 10 м. Это позволило получить в узлах сетки значения геоморфологических характеристик агроландшафта и урожая озимой пшеницы.

Всего было описано 6324 точки агроландшафта. Эта информация была использована в качестве исходных данных для численного эксперимента.

Моделирование было осуществлено на компьютере Pentium 3 с использованием программного продукта MATLAB. В результате моделирования были получены зависимости урожая от различных геоморфологических характеристик агроландшафта. Для примера на рис. 7-10 приведены некоторые из этих зависимостей На графиках используются следующие обозначения:

Yield - урожай, Mg/ha (тонна / га),

Slope - крутизна склона, %:

Aspect ориентация склона, изменяется по часовой стрелке от 0 (Север) до 360 градусов;

Curvature - кривизна поверхности, 1/м;

Wifill - топографический индекс увлажненности, баллы.

Slope. %

Рис 7 Зависимости урожая (Yield) от угла Рис 8 Зависимости урожая (Yield) от топо-наклона склона (Slope) графического индекса увлажненности

(Wifill)

Рис 9 Зависимость урожая (Yield) от угла Рис 10 Зависимость урожая (Yield) от ори-наклона склона (Slope) и топографического ентации склона (Aspect) и топографического индекса увлажненности (Wifill) индекса увлажненности (Wifill)

В ходе моделирования было исследовано влияние способов задания входных переменных в правилах, образующих базу знаний В частности, бы-

ли исследованы варианты моделирования оценок входных переменных (тип функции принадлежности и количество термов).

Исследования проводились для частного случая, когда система нечеткого логического вывода характеризовалась только одной входной переменной и была предназначена для описания взаимосвязи между урожаем (Yield) и ориентацией склона (Aspect).

Оценка входной переменной «ориентация склона» осуществлялось с помощью четырех моделей функции принадлежности: треугольной, трапециевидной, симметричной гауссовской и обобщенной колоколообразной. Количество термов варьировалось от трех до пяти

Влияние способов задания входной переменной «ориентация склона» оценивалось по величине среднего квадратичного отклонения результатов моделирования от экспериментальных данных

Рис 11 Зависимость урожая от ориентации склона при следующих вариантах моделирования входной и выходной переменных входная переметая моделируется треугольной функцией принадлежности, количество термов - 3, выходная переметая моделируется как последовательность поэт оянных величин

Рис. 12 Зависимость урожая от ориентации склона при следующих вариантах моделирования входной и выходной переменных входная переменная моделируется обобщенной колоколообразной функцией принадлежности, количество термов - 5, выходная переменная моделируется линейной функцией

Данные моделирования показали, что при использовании простейших функций принадлежности, таких как треугольная и трапециевидная удастся получить сравнительно грубое описание зависимости урожая от ориентации склона (рис. И) Применение симметричной гауссовской функции принадлежности и обобщенной колоколообразной функции принадлежности дает возможность улучшить результаты моделирования. В частности, полученные зависимости урожая от ориентации склона содержат две точки максимума, что, по-видимому, более адекватно отображает экспериментальные данные (рис. 12). В ходе исследования было установлено, что при трех термах погрешность оказывается несколько выше, чем при пяти.

Заключение

На основе теории нечетких множеств разработаны методы анализа данных, получаемых при применении технологий точного земледелия. В частности, в результате выполненных исследований получены следующие результаты.

1. Разработан метод оценки теплообеспеченности посевов с.х. растений, основанный на применении нечетких индикаторов.

2. На примере анализа агрометеорологических условий перезимовки озимых культур показана эффективность разработанного подхода.

3. Предложен метод оценки качества агрофизической геоинформации (ГИ).

4 Проведена оценка качества ГИ о почвенных характеристиках с.х. полей

мое.

5. На основе теории нечетких множеств осуществлено моделирование взаимосвязи между урожаем озимой пшеницы и геоморфологическими характеристиками агроландшафта и получен ряд эмпирических зависимостей урожая от таких характеристик.

6 Исследовано влияние способов задания входных переменных в правилах, образующих базу знаний Показано, что результаты моделирования существенно зависят типа функции принадлежности и количества термов.

7. Результаты моделирования зависимости урожая озимой пшеницы от геоморфологических характеристик агроландшафта могут быть использованы при разработке алгоритмов компьютерного анализа карт урожая.

Публикации по теме диссертации

1 Швецова Е Д, КуртенерД А 2003 Нечеткие индикаторы для точного земледелия В сб «Агрофизические и экологические проблемы сельскою хозяйства в 21 веке», Санкт-Петербург, 4 31-43

2 Швепова Е Д , Куртенер Д А и Дубицкая И Ю 2004 Полевые сельскохозяйственные эксперименты, оценка качества географической информации В сб трудов международной конференции «IAMFE/RUSSIA 2004», 5-9 июля 2004, Санкт-Петербург, CD-ROM, стр 120-127.

3 Shvetsova, Plena, Dmrtry Kurtener Badenko Vladimir 2001 Development of method of assessment of quality of spatial database for GPS devices In Proceedings 5 th European Symposium on Global Navigation Satellite Systems, 8-11 May 2001, Seville, Spam, CD-ROM, POSTER_1V_03 PDF

4 Shvetsova, Elena, Dmitry Kurtener, Efim Kudashev 2002 Application of the combination of remote sensing, fuzzy modelling and GIS for spatial planning GIM International, vol.16, no 8.52-53

5 Krueger-Shvetsova, Elena, Dmitry Kurtener, Victor Yakushev Vladimir Badenko 2003 Spatial aspects of risk management case of study of agncultural drought mitigation In Proceedings of the 6* AGILE, Apnl 24-26, 2003, Lyon, France, p 243-248

6 Krueger-Shvetsova, Elena, Dmitry Kurtener, and Irina Dubitskaia 2004 Quality estimation of data collection Proceedings of UDMS'2004 October 27 - 29, Giorggia-Venice, Italy CD-ROM PP 9 101-9 109

7 Krueger-Shvetsova, Elena, Dmitry Kurtener, Timothy Green, Robert Erskrne 2005 Fxplonng Relationships Between Geomorphic Factors and Wheat Yield Using Fuz?y Inference Systems In Proceedings of international conference named the AGU Hydrology Days 2005, March 7 - 9, Fort Collons, CO, USA, CD- ROM, p 121-129

16

Типография ООО «Дом Шуан» Подписано к печати 11.10.2005 Объем 1,25 п.л. Тираж 100. Номер заказа 47

& j и 1 il

РНБ Русский фонд

2006-4 21807

Содержание диссертации, кандидата технических наук, Швецова, Елена Дмитриевна

Введение.

Глава 1. Анализ публикаций по применению теории нечетких множеств в агропочвоведении и агрофизике.

1.1. Теория нечетких множеств.

1.2. Применение теории нечетких множеств в агропочвоведении и агрофизике.

Глава 2. Разработка метода оценки теплообеспеченности растений с помощью нечетких индикаторов.

2.1. Разработка концепции нечеткого индикатора.

2.2. Нечеткий индикатор теплообеспеченности посева.

2.3. Нечеткий индикатор критической'температуры почвы.

2.4. Моделирование теплового режима почвы.

Общие положения.

Моделирование почвенного теплообмена.

2.5. Применение нечеткого индикатора критической температуры для анализа агрометеорологических условий перезимовки озимых культур

Глава 3. Разработка метода оценки качества агрофизической геоинформации (ГИ) с помощью нечетких индикаторов.

3.1. Обзор работ, посвященных проблеме оценки качества геоинформации

3.2. Разработка концепции нечеткого индикатора качества ГИ

3.3. Применение нечетких индикаторов для оценки качества ГИ,держащейедения о почвенных характеристикахх. полей Меньковской опытнойанции (МОС).

3.4. Методика визуализации ГИ и индикаторов качества на одной карте.

Глава 4. Нечеткое моделирование взаимосвязи между урожаем и геоморфологическими характеристиками агроландшафта.

4.1. Введение.

4.2. Адаптивно-нейронная система нечеткого логического вывода.

4.3. Моделирование на основе нечетких логических систем.

Сбор экспериментальных данных.

Исследование взаимосвязи между урожаем озимой пшеницы и геоморфологическими характеристиками агроландшафта.

Данные моделирования.

Анализ данных моделирования.

Введение Диссертация по сельскому хозяйству, на тему "Моделирование взаимосвязей между характеристиками агроландшафта и урожаем озимой пшеницы"

Актуальность темы

Начиная с 90-х годов ХХ-го столетия, во всем мире развертываются исследования по применению в сельскохозяйственной науке и практике современных информационных технологий и интеллектуальных компьютерных разработок. В результате этих исследований возникло новое направление, получившее название точное земледелие. Технологии точного земледелия позволили впервые дифференцированно собирать информацию о ситуации на сельскохозяйственных полях с учетом вариабельности характеристик агроландшафта. Однако, методы анализа такой информации в настоящее время разработаны недостаточно. В связи с этим разработка информационной базы для систем точного земледелия и, в частности, методов анализа информации о ситуации на сельскохозяйственных полях с использованием теории нечетких множеств и нечеткой логики представляется весьма актуальной.

Цель и задачи исследования

Целью данной работы является разработка на основе теории нечетких множеств методов анализа данных, получаемых при применении технологий точного земледелия. Для достижения .указанной цели были поставлены и решены следующие задачи:

• разработать метод оценки теплообеспеченности растений с помощью нечетких индикаторов и исследовать эффективность предлагаемого подхода на примере ситуации, связанной с возможностью вымерзания озимых культур;

• разработать метод оценки качества агрофизической геоинформации (ГИ) с помощью нечетких индикаторов и применить его для оценки качества информации о почвенных характеристиках с.х. полей Меньковской опытной станции (МОС);

• осуществить моделирование взаимосвязи между урожаем озимой пшеницы и геоморфологическими характеристиками агроландшафта.

Сущность решаемых задач потребовала использования методов математического моделирования, теории нечетких множеств, ГИ С и основ теории принятия решений.

Научная новизна

На основе теории нечетких множеств разработаны методы анализа данных, получаемых при применении технологий точного земледелия. В частности, разработан метод оценки теплообеспеченности посевов с.х. растений. Метод основан на применении нечетких индикаторов. На примере анализа агрометеорологических условий перезимовки озимых культур показана эффективность предлагаемого подхода.

Разработан метод оценки качества агрофизической геоинформации. Метод применен для оценки качества ГИ, содержащей сведения о почвенных характеристиках с.х. полей МОС.

На основе теории нечетких множеств осуществлено моделирование взаимосвязи между урожаем озимой пшеницы и геоморфологическими характеристиками агроландшафта и получен ряд эмпирических зависимостей урожая от таких характеристик. Исследовано влияние способов задания входных переменных в правилах, образующих базу знаний. Показано, что результаты моделирования существенно зависят от типа функции принадлежности и количества термов.

Практическая значимость

Разработанные методы анализа данных позволяют существенно улучшить информационную базу для систем точного земледелия. Представляется возможным более адекватно учитывать как объективные факторы (вариабельность характеристик агроландшафта), так и субъективные (цели и приоритеты J111P). Это позволяет более эффективно решать острейшие проблемы АПК РФ, такие как устойчивый рост производства, ресурсоэкономичность и природоохранность.

•

Апробация работы

Диссертационная работа выполнялась в рамках проводимых Агрофизическим институтом исследований по базовой научно-технической программе «Разработать теоретические основы и методы экологически адаптивного управления агрофизическими свойствами почв и состоянием растений для повышения продуктивности и устойчивости агроэкосистем в ландшафтном земледелии» (2001-2005 г.г., регистрационный номер 01.200.111104). Часть результатов по теме диссертации была получена в ходе выполнения Соглашения о сотрудничестве между Агрофизическим научно-исследовательским институтом и исследовательской организацией Министерства с.х. США в Колорадо.

Основные результаты исследований рассматривались и были одобрены на заседаниях Учёного Совета Агрофизического института.

Результаты работы докладывались и обсуждались на следующих научных и научно-технических конференциях:

52-ая международная ежегодная конференция американского геофизического союза" (the American Geophysical Union), Форт Коллинс, Колорадо, США, 2005;

24-ая конференция международной организации по управлению городскими и сельскими данными" (the Urban Data Management Society). Венеция, Италия, 2004;

12-ая конференция международной ассоциации по механизации полевых экспериментов", (IAMFE), Санкт-Петербург, Россия, 2004;

6-ая конференция международной ассоциации геоинфомационных лабораторий Европы (the AGILE), Лион, Франция, 2003;

5-ый европейский симпозиум по проблемам глобальных th навигационных спутниковых систем" (the 5 European Symposium on Global Navigation Satellite Systems), Севилия, Испания, 2001.

Основное содержание диссертационной работы опубликовано в периодической печати в России и за рубежом. Всего опубликовано 7 научных работ.

Заключение Диссертация по теме "Агропочвоведение и агрофизика", Швецова, Елена Дмитриевна

Заключение

На основе теории нечетких множеств разработаны методы анализа I данных, получаемых при применении технологий точного земледелия. В частности, в результате выполненных исследований получены следующие результаты.

1. Разработан метод оценки теплообеспеченности посевов с.х. растений, основанный на применении нечетких индикаторов.

2. На примере анализа агрометеорологических условий перезимовки озимых культур показана эффективность разработанного подхода.

3. Предложен метод оценки качества агрофизической геоинформации (ГИ). I

4. Проведена оценка качества ГИ о почвенных характеристиках с.х. полей мое.

5. На основе теории нечетких множеств осуществлено моделирование взаимосвязи между урожаем озимой пшеницы и геоморфологическими характеристиками агроландшафта и получен ряд эмпирических зависимостей урожая от таких характеристик.

6. Исследовано влияние способов задания входных переменных в правилах, образующих базу знаний. Показано, что результаты моделирования существенно зависят типа функции принадлежности и количества термов.

7. Результаты моделирования зависимости урожая озимой пшеницы от геоморфологических характеристик агроландшафта могут быть использованы при разработке алгоритмов компьютерного анализа карт урожая.

Библиография Диссертация по сельскому хозяйству, кандидата технических наук, Швецова, Елена Дмитриевна, Санкт-Петербург

1. Александров Б. П., Куртенер А. В. Физические основы теплового баланса почвы. - JL: Сельхозгиз, 1935.- 192 с.

2. Арефьев Н. В., Баденко В. Д., Осипов Г. К. Методология экологического мониторинга городских территорий с применением ГИС-технологий//Научно-технические ведомости СПбГТУ. 1997. - № 1-2.-С. 115-117.

3. Баденко В., Каза Р., Куртенер Д, Якушев В. Управление производством сельскохозяйственных растений с использованием мультимедийного атласа//Географические информационные системы: Труды конф.-СПб., 1997.

4. Борисов А.Н., Осис Я.Я. Методика оценки функции принадлежности элементов размытого множества. // Методы и системы принятия решений. Рига: Риж. политехи, ин-т., 1979 - С. 30-36.

5. Беллман Р., Заде JI. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений. М.: Мир -1976.-С. 172-215.

6. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования. Рига: Зинатне. 1990. 184 с.

7. Бондаренко Н.Ф. и др. Моделирование продуктивности агроэкосистем. Д.: Гидрометеоиздат, 1982, 264 с.

8. Бондаренко Н.Ф. Программирование урожаев. В кн. «Агрофизика от А.Ф.Иоффе до наших дней» . СПб., АФИ, 2002, С. 170-180.

9. Бондаренко Н.Ф., Жуковский Е.Е. Автоматизированная система агрометеорологической информации и рекомендаций (проект «ПОГОДА»). Научно-технический бюллетень по агрономической физике. Л.: АФИ, 1978, № 32, С. 14-19.

10. Брежнев А. И., Малинина В. Г., Охитин А. А., Судаков А. В. Учет динамики физического состояния почвы при моделировании водного обмена//Доклады ВАСХНИЛ.- 1984.- № 7.- С. 32-34.

11. Иконникова Е. А. Исследование влияния обработки почвы на ее тепловой режим: Автореферат диСс. канд. физ.-мат. наук. Л.: Изд. АФИ, 1965.-20 с.

12. И.Иоффе И. А., Широбокова А. П. Влияние мульчирования прозрачной пленкой на тепловой режим почвы//Доклады ВАСХНИЛ.- 1966.- № 3.-С. 23-26.

13. Каштанов А.Н. Концепция ландшафтной контурно-мелиоративной системы земледелия. Земледелие, 1992, № 4, С. 2-4.

14. Кирюшин В. И. Агроэкономическая классификация земель как основа формирования систем земледелия // Почвоведение, 1997. т.1. - С. 7987

15. Кирюшин В.И. Адаптивно-ландшафтные системы земледелия Новосибирской области/В.И.Кирюшин, А.Н.Власенко, В.К.Каличкин идр.// Под ред. В.И. Кирюшина, А.Н. Власенко. РАСХН. Сиб. отд-ние. СибНИИЗХим. Новосибирск, 2000. - 388 с.

16. Кирюшии В.И. Концепция адаптивно-ландшафтного земледелия. Пущино, 1993, 64с.

17. Кирюшин В.И. Экологические основы земледелия. М.:Колос, 1996, 366с.

18. Кирюшин В.И. Экологическое земледелие и техническая политика.

19. Куртенер Д. А., Берсиров М. Т., Завражская В. М. Математическое моделирование теплового и водного режимов почвы//Агроклимат и программирование урожаев: Сб. трудов по агрономической физике. -Д., 1986.- С. 16-29.

20. Куртенер Д. А., Чудновский А. Ф. Расчет и регулирование теплового режима в открытом и защищенном грунте. Д.: Гидрометеоиздат, 1969.- 289 с.

21. Куртенер Д. А., Чудновский А. Ф. Агрометеорологические основы тепловой мелиорации почв. Д.: Гидрометеоиздат, 1979.- 235 с.

22. Куртенер Д. А. Усков И. Б. Климатические факторы и тепловой режим в открытом и защищенном грунте. Д.: Гидрометеоиздат, 1982.- 232 с.

23. Куртенер Д. А., Усков И. Б. Управление микроклиматом сельскохозяйственных полей. Д.: Гидрометеоиздат, 1988.- 264 с.

24. Михайленко И. М., Полуэктов Р. А., Якушев В. П. // Доклады Российской академии сельскохозяйственных наук. 2004. - № 3. -С. 66-68.

25. Мищенко 3. А. Оценка тепловых ресурсов территорий административных областей с учетом экспозиции склонов//Труды ГШ.- 1969.-Вып. 248.- С. 144-153.

26. Недосекин А.О. Методологические основы моделирования финансовой деятельности с использованием нечетко-множественных описаний. Диссертация на соискание ученой степени доктора экономических наук. СПб, СПбГУЭФ, 2004.

27. Недосекин А.О., Максимов О.Б. Применение теории нечетких множеств к финансовому анализу предприятий//1999.

28. Недосекин А.О., Овсянко А.В. Нечетко-множественный подход в маркетинговых исследованиях //2000.

29. Недосекин А.О. Применение теории нечетких множеств к задачам управления финансами // Аудит и финансовый анализ, № 2,2000.

30. Нерпин С.В., Жуковский Е.Е. О классификации уровней принятия решений в растениеводстве и земледелии. Доклады ВАСХНИЛ, 1975, № 2,С. 3-5.

31. Нерпин С.В., Чудновский А.Ф. Энерго- и массообмен в системе растение-почва-воздух. Л.: Гидрометеоиздат, 358 с.

32. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Радио и связь, 1981. - 286 с.

33. Петрова М.В. и др. Компьютерная экспертная система поддержки агротехнологических решений на осушаемых землях. — Мелиорация и водное хозяйство, № 4, 1994, С. 18-20.

34. Пивкин, В.Я., Е.П. Бакулин, Д.И. Кореньков. Нечеткие множества в системах управления. Fuzzy Technologies Lab. 1995.

35. Полуэктов Р.А. Динамическая теория экосистем в работах лаборатории математического моделирования агроэкосистем. Материалы междунар. юбилейного семинара «Современные тенденции в моделировании агроэкосистем». СПб.: АФИ, 1997, с. 9-13.

36. Полуэктов Р.А. Динамические модели агроэкосистем. -Л.:Гидрометеоиздат, 1991, 312 с.

37. Полуэктов Р.А. и др. Динамические модели экологических систем. Л.: Гидрометеоиздат, 1980, 288 с.

38. Полуэктов Р.А. Информационные технологии в земледелии. Труды международной конференции «Агрофизика XXI века». СПб.: АФИ, 2002, С. 223-227.

39. Полуэктов Р.А., Якушев В.П. Математическое моделирование. В кн. «Агрофизика от А.Ф.Иоффе до наших дней». СПб.: АФИ, 2002, С. 108122.

40. Полянский С.Я. и др. Адаптивно-ландшафтные системы земледелия Рязанской области модель XXI столетия. - Рязань, 2001 - 126 с.

41. Попов Э.В. Экспертные системы. М.: Наука, 1987. - 288 с.

42. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. - 184 с.

43. Построение экспертных систем : Пер. с англ. / Под ред.Ф.Хейеса-Рота, Д.Уотермана, Д.Лената. М.: Мир, 1987. - 441 с.

44. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ-Винница, 1999. - 320 с.

45. Ротштейн А.П., Штовба С.Д. Нечеткий многокритериальный анализ вариантов с применением парных сравнений // Известия РАН. Теория и системы управления.- 2001.- № 3.- С. 150-154.

46. Романова Е. Н. Микроклиматическая изменчивость основных элементов климата. Л.: Гидрометеоиздат, 1977.- 279 с.

47. Романова Е. Н., Мосолова Г. И., Бересиева И. А. Микроклиматология и ее значение для сельского хозяйства. Л.: Гидрометеоиздат, 1983.- 245 с.

48. Саати Т.Л. Взаимодействие в иерархических системах // Техническая кибернетика. 1979. № 1. С. 68-84.

49. Семенов М. Б. Исследование процессов формирования и регулирования теплового режима осушаемых торфяников: Автореферат дисс. канд. техн. наук. Л.: Изд. АФИ, 1974.- 18 с.

50. Росс Ю.К. Радиационный режим и архитектоника растительного покрова. Л.: Гидрометеоиздат, 1975, 342 с.

51. Семенов В.А. Потепление климата и стратегия научных исследований в сельском хозяйстве. Матер. Российско-финского симпозиума «Разработка экологически безопасных методов ведения сельского хозяйства» - СПб., 1993, С. 22-31.

52. Семенов В.А. Экология сельского хозяйства и стратегия научных исследований. Материалы научной сессии «Экологизация сельскохозяйственного производства в Северо-Западной зоне РФ. Проблемы и пути развития», СПб., АФИ, 1999, С. 10-47.

53. Семенов В.А., Мирный В.И. Принципы адаптации технологий возделывания сельскохозяйственных культур. В сб. «Программирование урожаев сельскохозяйственных культур на Северо-западе РСФСР» - Л., СЗНИИСХ, 1988, С. 4-9.

54. Семенов В.А., Петрова М.В. Компьютерные экспертные системы поддержки агротехнологических решений. Доклады РАСХН, 2002, № 4, С. 57-59.

55. Сиротенко О. Д. Математическое моделирование водно-теплового режима и продуктивности агроэкосистем. JL: Гидрометеоиздат, 1981.167 с.

56. Уотерман Д. Руководство по экспертным системам : Пер. с англ. М.: Мир, 1989.-388 с.

57. Усков И.Б., Жуковский Е.Е., Якушев В.П. Рекомендации по реализации методов программированного возделывания сельскохозяйственных культур в условиях Нечерноземной зоны (для руководителей и специалистов хозяйств). JL: АФИ, 1984, 12 с.

58. Форсайт Р. Экспертные системы, принципы работы и примеры. -М.: Радио и связь, 1987. 222 с.

59. Чудновский А. Ф. Физика теплообмена в почве. JL: Гостехиздат, 1948.- 220 с.бЗ.Чудновский А. Ф. Теплофизика почв. М.: Наука, 1976.- 352 с.

60. Чудновский А. Ф. Влияние обработки почвы на ее тепловой режим//Сб. трудов по агрофизике. 1969.- Вып. 23.- С. 55-63.

61. Шатилов И. С., Чудновский А. Ф. Агрофизические, агрометеорологические и агротехнические основы программирования урожая .- Л.: Гидрометеоиздат, 1980.- 320 с.

62. Швецова Е. Д., Куртенер Д. А. 2003. Нечеткие индикаторы для точного земледелия. В сб. «Агрофизические и экологические проблемы сельского хозяйства в 21 веке», Санкт-Петербург, 4: 31-43.

63. Шульгин А. М. Климат почвы и его регулирование. Д.: Гидрометеоиздат, 1972.-341 с.

64. Штовба, С.Д. 2005. Введение в теорию нечетких множеств и нечеткую логику, http://matlab.exponenta.ru/fuzzylogic/book2/

65. Якушев В.П. Автоматизация методики составления долгосрочного прогноза теплообеспеченности. Научно-технический бюллетень по агрономической физике. Д.: АФИ, 1984, № 58, С. 24-27.

66. Якушев В.П. Автоматизированное прогнозирование сроков сева яровых и озимых культур. Научно-технический бюллетень по агрономической физике. Л.:АФИ, № 44, 1980, СЗ-7.

67. Якушев В.П. и др. Экспертная система поддержки агротехнологических решений при программировании урожаев (опыт построения). Вестник сельскохозяйственной науки, 1989, С. 31-37.

68. Якушев В.П. К вопросу организации обработки данных в информационной системе «ПОГОДА». Научно-технический бюллетень по агрономической физике. Д.: АФИ, 1978, №36, С. 8-12.

69. Якушев В.П. Компьютерная система технологических решений в земледелии и растениеводстве (методология и реализация). Диссертация д. с-х.н. в форме научного доклада. СПб.:АФИ, 1995, 82 с.

70. Якушев В.П. На пути к точному земледелию. СПб., Издательство ПИЯФ РАН, 2002, 458 с.

71. Arefiev, N., V. Badenko, G. Osipov. 1997. An ecological monitoring method based on GIS technologies application. Science annals of SPBSTU 1-2:115-117.

72. Bonham-Carter, G.F. 1994. Geographic information systems for geoscientists: modeling with GIS. Elsevier Science, New York, 398 p.

73. Bedard, Y., and D. Valliere, 1995. Qualite des donnees a reference spatiale dans un contexte gouvernemental, Technical report for the Ministere des Ressources Naturelles, Universite Laval, Quebec, Canada.

74. Bellman R.E., Zadeh L.A. Decision-Making in Fuzzy Environment // Management Science, vol. 17. 1970. -- №4. - P. 141 - 160.

75. Comber, A.J., Fisher, P., Wadsworth, R. 2004. Comparing of expert relations between land cover datasets. Proceedings of ISSDQ '04, Vienna, Austria, Vol. 2, pp 201 224.

76. Chirkov, Y. I. 1979. Soil climate, p.325. In J. Seemann et al. (eds.) Agrometeorology. Spring-Verlag, Berlin.

77. Chung, S.O., R. Horton. 1987. Soil heat and water flow with partial surface mulch. Water Resour. Res. 23:2175-2186.

78. Comber, N. M 1948. An introduction to the scientific study of the soil. Edwaard Arnold &Co, London.

79. Chen and Hwang, 1993. Fuzzy Multiple Attribute Decision-makiml, Methods and Applications, Lecture Notes in Economics and Mathematical Systems, Vol. 375 (Springer, Heidelberg, 1993).

80. Christer Carlsson, Robert Fuller. 1996. Fuzzy multiple criteria decision making: Recent developments. Fuzzy Sets and Systems 78: 139 ~ 153.

81. Culley, J. L. В., W.E. Larson, R.R. Allmaras, M.J. Shaffer. 1987. Soil-water regimes of a Typic Haplaquoll under conventional and no-tillage. Soil Sci. Sos. Am. J. 51:1604-1610.

82. Chudnovsky, A.F. 1976. Heat physics of soil. Nauka Publ., Leningrad.

83. Chung, S.O., R. Horton. 1987. Soil heat and water flow with partial surface mulch. Water Resour. Res. 23:2175-2186.

84. Devillers, R., Y. Bedard and R. Jeansoulin. 2004. Multidimensional management of geospatial data quality information for its dynamic use within Geographical Information Systems. URL: sirs.scg.ulaval.ca/yvanbedard/enseigne/SCG66124/347.pdf

85. Dubois, D. and H. Prade, 1980: Fuzzy Sets and Systems: Theory and Applications, Academic Press, New York.

86. Erskine, Green, Dunn, 2001. GPS/GIS methods for collecting and analysing grain and forage data. In Proceedings 2001 ESRI Southwestern User Group Meeting CD-ROM, Tucson, AZ.

87. Frank, Andrew. 1997. Hierarchical spatial reasoning and data quality estimates. Proceedings of the First CASSINI International Workshop "Data Quality in Geographic Information: from Error to Uncertainty", 21-23 April 1997, Paris, France.

88. Frank, A. U. 1998. Metamodels for Data Quality Description. Data quality in Geographic Information From Error to Uncertainty. R. Jeansoulin and M. Goodchild. Paris, Editions Hermes, pp 15-29.

89. Fine-tuning agricultural inputs. 1993. Agricultural research, vol. 41, 1: 1618.

90. Fleming, K. L and D. G. Westfall. 2000. Evaluating farmer defined management zone maps for variable rate fertilizer application. Precision Agriculture, 2, 201215.

91. Fanlun, Xiong. 2001. Intelligent technology for sustainable development of agriculture, in Proceedings oflCASTon Promoting global innovation of agricultural science & technology, November 7-9, Beijing China, p.64-72.

92. Fodor and Roubens, 1994. Aggregation and scoring procedures in multicriteria decision-making methods, Proe. IEEE Internat. Conf. on Fuzzy Systems, San Diego (1992) 1261 1267.

93. Gajos, M. 2004. Personal data usage in spatial information systems. Proceedings of ISSDQ '04, Vienna, Austria, Vol. 1, pp 23 -31.

94. Goodchild, M.F. and S. Gopal (Eds.). 1989. Accuracy of Spatial Databases, Taylor and Francis, London.

95. Goodchild, M.F. and R. Jeansoulin (Eds.). 1997. Data Quality in Geographic Information: From Error to Uncertainty, Editions Hermes, Paris.Goodchild, Michael and Robert Jeansoulin. 1998. Editorial. Geolnformatica, No. 2-3, pp 211-214.

96. Green, T.R. and R.H. Erskine, 2004. Measurement, scaling, and topographic analyses of spatialcrop yield and soil water content. Hydrol. Process. 18, 1447-1465.

97. Hartkamp ADewi, White JeffreyW, and Hoogenboom Gerrit. 1999. Simulation & modeling: interfacing Geographic Information Systems with agronomic modeling. Agronomy Journal 91:761-772.

98. Hamlett, J. M. 1987. Nitrate movement under a ridge configuration: A field and model investigation. Review of Ph.D. diss., Iowa State University, Ames, IA.

99. Hill, R. L., R. Horton, R. M. Cruse. 1986. Tillage effects on soil water retention and pore distribution of two mollisols. Soil Sci. Sos. Am. J. 48:1147-1152.

100. Horton, R., O. Aguirre-Luna, P.J Wierenga. 1984. Observed and predicted two-dimensional soil temperature distributions under a row crop. Soil Sci. Sos. Am. J. 51:1604-1610.

101. Horton, R. 1989. Cannopy shading effects on soil heat and water flow. Soil Sci. Am. J. 53:669-679.

102. Horton, R., R. R. Allmaras, R. M. Cruse. 1989. Tillage and compactive effects on soil hydraulic properties and water flow. In W.E. Larson et al. (eds), Mechanics and Related Processes in Structured Agricultural Soils, 187-203. Kluwer Accademic Publ.

103. Horton, R., S.O. Chung, 1991. Soil heat flow. In J. Hanks et al. (eds), Modelling Plant and Soil Systems. ASA,SSSA Publ., Madison, WI.

104. Huang, C.L., K.Yoon, Multiple Attribute Decision Making: Methods and Applications, Springer, Berlin, 1981.

105. Jager, R. 1995. Fuzzy Logic in Control, Delft TU Publisher, Delft, The Netherlands.

106. Jang, J. S., 1993: ANFIS: Adaptive-Network-based Fuzzy Inference Systems. IEEE Transaction on Systems, Man, and Cybernetics, 23(3), 665685.

107. Joerin, F., Theriault, M. and Musy, A. 2001. Using GIS and outranking multicriteria analysis for land-use suitability assessment, International Journal of Geographical Information Science, 15 (2): 153-174.

108. ISO-TC/211, 2003. Geographic Information Metadatal9115.

109. Jeansoulin, Robert. 1997. Using spatial constraints as redundancy information to improve quality. First CASSINI International Workshop "Data Quality in Geographic Information: from Error to Uncertainty", 21-23 April 1997, Paris, France.

110. Jeansoulin, R. 2002. Quality of geographic information: Ontological approach and artificial intelligence tools in the REVIGIS project, in EC-GI& GIS Workshop.

111. Jahn, Marianne. 2004. User needs in a Maslow schemata. Proceedings of ISSDQ '04, Vienna, Austria, Vol. 2, pp 169 -183.

112. Khimin, N.M. 1988. The calculation of watering norms in agriculture fields by taking an account of the soil water potential. Melioration & Water Economy 12:40-48.

113. Khimin, N.M. 1989. The method of calculation of water exchange between the root layer and ground water on the irrigated fields. Meteorology & Hydrology 8:104-111.

114. Kurtener, D., F. Hoffmann, G. Trubacheva, M. Bersirov, К. Kunkel, I. Klank. 1987. Eine Methode zur Berechnung der Tagesmitteltemperatur des Bodens. (In German.) Z. Meteorol. Vol. 37. 4:199-203.

115. Kurtener, D. A., F. Hoffmann. 1995. Model of thermal and water regime of soil with inclined surface. In Intern. Conference of European Geophysical Society, Hamburg, Germany.

116. Kurtener, D. A., 1995a. Model for estimate of landscape microclimate parameters change. In Intern. Conference: Agricultural And Biological Engineering Newcastle. UK.

117. Kurtener, D., Yakushev, V., Badenko, V. and Pourabbas, E. 1999. Development of methodology of multiple assessment of landscape parcels on the base fuzzy models integrated into GIS environment, SPBISTRO Special publ. No 1, St. Petersburg, Russia.

118. Kurtener, Dmitry, Badenko, Vladimir, 2000. Methodological framework based on fuzzy sets theory for land use management, J Braz Comp Soc, 6(3):26-32.

119. Kurtener, Dmitry, Badenko, Vladimir, 2000a. Precision agriculture experimentation on the base of fuzzy models synthesised with GIS, Aspects of Applied Biology, 61:139-143.

120. Kurtener, D. and Badenko, V. 2001. Applications of GIS knowledge management for spatial planning of water resources for sustainable development of European agriculture, in Proceedings, 19th European

121. Regional Conference on Sustainable Use of Land and Water, 4-8 June, Brno, Czech Republic.

122. Kurtener, Dmitry and Badenko, Vladimir. 2002. Fuzzy Algorithms to Support Spatial Planning. In Planning Support Systems in Practice (editors: Stan Geertman & John Stillwell), Springer Publishers, Berlin.

123. Kurtener, Dmitry, Guy Richard, Vladimir Badenko. 1998a. Theoretical description of heat and water flow in soil taking into account soil tillage. In Agrophysical and ecological problems of agriculture in the 21st century. SPBISTRO Publ. 1:29-53.

124. Lisovsky, I.B., T.I. Prokof eva, N.M Khimin. 1988. The universal method for calculation of evaporation from the irrigated fields. Melioration & Water Economy 4:31-34.

125. Li, D.F. 1999. Fuzzy multiattribute decision-making models and methods with incomplete preference information, Fuzzy Sets and Systems 106 113-119.

126. Li, D.F.Fuzzy Multiobjective Many-Person Decision Makings and Games, National Defense Industry Press, Beijing, 2003.

127. Luhandjula, 1989. Fuzzy optimization: an appraisal, Fuzzy Sets and Systems 30 (1989) 257-282.

128. Moiseychik, V.A. 1975. Agrometeorological conditions of winter crops wintering. (In Russian.) Hydrometeorolog. Publ., Leningrad.

129. Malczewiski, J. 1999. GIS and multicriteria decision analysis, Wiley&Sons, New York.

130. MathWorks, 2001. Fuzzy Logic Toolbox for Use with MA TLAB. Math Works, Inc., March 2001.

131. Mostafavi, M.A.; Edwards, G; Jeansoulin, R. 2004. An ontology-based method for quality assessment of spatial data base. Proceedings of ISSDQ '04, Vienna, Austria, Vol. 1, pp 49 -67.

132. Mamdani, E.H. and S. Assilian, 1975. An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies, 7( 1): 1 -13.

133. Nauck D., Klawonn F., Kruse R. Foundations of Neuro-Fuzzy Systems. John Wiley & Sons.- 1997.- 305p.

134. Nerpin, S.V., A.F. Chudnovsky. 1970. Physics of the soil. Israel Program for scientific translations. Keter Press, Jerusalem, p. 466.

135. Orchard, R. A. 1998. FuzzyCLIPS Version 6.04A, User's Guide. National Research Council, Canada.

136. Qiu, J., and G.J. Hunter, 1999. Managing Data Quality Information, Proceedings of International Symposium on Spatial Data Quality, 18-20 July 1999, Hong Kong, pp. 384-395.

137. Qiu, J., and G.J. Hunter, 2002. A GIS with the Capacity for Managing Data Quality Information. Spatial Data Quality (W. Shi, M. F. Goodchild, and P. F. Fisher, editors), Taylor & Francis, London, pp. 230-250.

138. Pedrycz, W., Gomide F. 1998. An introduction to fuzzy sets: Analysis and design, MIT Press, Cambridge.

139. Philip, J. R., D. A. De Vries. 1957. Moisture movement in porous material under temperature gradients. Trans. Am. Geophys. Union 38:222232.

140. Potter, K. N., R. M. Cruse, R. Horton. 1985. Tillage effects on soil thermal properties. Soil Sci. Soc. Am. J. 49:968-973.

141. Precision farming: an overview. 1994. Agricultural research, vol. 49, 3: 86-88.

142. Petrushin A. F., Slinchuk S. G., Yakushev V. V. 2004. Information -navigating complex for field experiments (in press).

143. Pontikakis E.; Frank, A.U. 2004. Basic spatial data according to user's needs-aspects of data quality. Proceedings of ISSDQ '04, Vienna, Austria, Vol. 1, pp 1 -13.

144. Pund, Hardy. 2002. Field data collection with mobile GIS: dependencies between semantics and data quality. Geolnformatica Vol. 6, No. 4, pp 363-380.

145. Prokof eva, T.I. 1988. Using information about soil hydrological characteristics in calculation of hydrophysical functions. Meteorology & Hydrology 6:121-125.

146. Precision farming: an overview. 1994. Agricultural research (49) 3:8688.

147. REVIGIS, Revision of the Uncertain Geographic Information. 2004. http://www.cmi.univ-mrs.fr/REVIGIS/Ful/descro.html.

148. Robert, P. 1993. Characterization of soil conditions at the field level for soil specific management. Geoderma, 60: 57-72.

149. Rotshtein A.P. 1997. Modification of Saaty Method for the Construction of Fuzzy Set Membership Functions. Proc. of the International Conference "Fuzzy Logic and its Applications", Zichron, Israel, P. 125-130.

150. Sakawa, 1993. Fuzzy Sets and Interactive Multiobjective Optimization. Applied Information Technology, Plenum Press, New York.

151. Shvetsova, Elena, Kurtener, Dmitry, Efim Kudashev. 2002. Application of the combination of remote sensing, fuzzy modelling and GIS for spatial planning. GIM International, vol.16, no.8:52-53.

152. Sugeno, M., 1985: Industrial applications of fuzzy control, Elsevier Science Pub. Co.

153. Trubacheva, G.A. 1985. Mathematical modelling the agrometeorological regime of soil. Review of Ph.D. diss. Agrophysical Research Institute, Leningrad.

154. Vasseur, В., Van de Vlag, D., Stein, A., Jeansoulin, R., Dilo, A. 2004. Spatio-temporal ontology for defining the quality of an application. Proceedings of ISSDQ '04, Vienna, Austria, Vol. 1, pp 67 -83.

155. Van der Werf, H.M.G., 1996. Evaluating the impact of pesticides on the environment. Agriculture, Ecosystems and Environment 60: 81-96.

156. Van Duin, R. 1956. On the influence of tillage condition of heat, diffusion of air and infiltration of water in soil. Versl. Landbouwkd. Onderz. No. 62. 7:82.

157. Van Genuchten, M. Th. 1978. Numerical solutions of the one-dimensional saturated-unsaturated flow equation. Research Report 78-WE-09, Water Resources Program, Dept. Civil Engineering, Princeton University.

158. Van Wijk, W.R. 1963. Physics of plant environment. North-Holand Publ. Amsterdam.

159. Wierenga, P. J., D. R. Nielsen, R. Horton, B. Kies. 1982. Tillage effects on soil temperature and thermal conductuvity. In Predicting Tillage Effects on Soil Properties and Processes. ASA, SSSA Publ., Madison, WI.

160. Walker, J. and D.J. Reuter (eds). 1996. Indicators of catchment health—A technical perspective. Melbourne, CSIRO Publishing.

161. Wang, Y.M., G.W. Fu, 1993. Using multiobjective decision making method to make decision for multiattributes, Control and Decision 8(1):25-29.

162. Wang, Ying-Ming, 2005. On fuzzy multiattribute decision-making models and methods with incomplete preference information, Fuzzy Sets and Systems 151:285-301.

163. Yakushev, V.P., D.A. Kurtener, N.V. Arefiev, V.L. Badenko, N.M. Khimin, T.I. Prokof eva and L.K. Shvetsova. 1999. Use of geographical information systems (GIS) in agrophysics. Russian Agricultural Science 2:52-54.t

164. Yakushev, V., D. Kurtener, V. Badenko, 2002. Monitoring frost injury to winter crops: an intelligent geo-information system approach. Physical Methods in Agriculture Approach to Precision and Quality (editors: Juri

165. Blahovec and Miroslav Kutelek), Kluwer Publishers, Dordrecht, The Netherlands.

166. Zadeh, L.A. 1965. Fuzzy sets, Information and Control, 8: 338-353.

167. Zadeh, L.A., 1973. Outline of a new approach to the analysis ofcomplex systems and decision processes, IEEE Transactions on Systems,

168. Man, and Cybernetics, 3(1): 28-44.

169. Zimmerman H. J. 1996. Fuzzy Set Theory and its Applications. Dordrecht: Kluwer Academic Publishers. 315p.

170. Kurtener, Dmitry, Badenko, Vladimir, 2001. GIS fuzzy algorithm for evaluation of attribute data quality, GIM International, vol. 15, 3:76-79.