Оцінка ефективності застосування технологій точного землеробства в діяльності аграрних підприємств
DOI:
https://doi.org/10.15587/1729-4061.2024.298478Ключові слова:
ефективність агропідприємств, урожайність сільськогосподарських культур, розумне агропідприємство, технології точного землеробстваАнотація
Описано підходи підвищення ефективності діяльності агропідприємств. Встановлено, що використання трансферу технологій, зокрема технологій точного землеробства, дозволяє підвищити ефективність діяльності агропідприємств, зокрема підвищити врожайність сільськогосподарських культур і, відповідно, збільшити прибутковість підприємств. Як приклад, було проаналізовано діяльність агропідприємств Республіки Казахстан. Встановлено частку агропідприємств в Республіці Казахстан, які використовують елементи технології точного землеробства у своїй діяльності. Встановлено, що з 2019 року інтенсифікувалось використання технологій точного землеробства в діяльності агропідприємств Республіки Казахстан. При цьому від 60 до 75 % підприємств вже використовують елементи технологій точного землеробства у своїй діяльності. Використовуючи дані врожайності сільськогосподарських культур за останні 32 роки, побудовано оцінки ефективності використання технологій точного землеробства агропідприємствами Республіки Казахстан на основі прогнозування показників урожайності за методом лінійно-зваженої плинної середньої. Ефективність використання технологій точного землеробства в діяльності агропідприємств Республіки Казахстан у 2022 році досягла 8,46 %, а середня ефективність за період 2019–2022 роки склала 4,21 %. Отже використання технологій точного землеробства дозволяє підвищити обґрунтованість прийняття рішень з управління аграрним підприємством та отримати вищий прибуток від реалізації виробленої сільськогосподарської продукції для будь-якого агропідприємства світу. Отримані результати в середньому дозволяють оцінити можливий прибуток агропідприємства при вирощуванні сільськогосподарських культур в разі використання технології точного землеробства
Посилання
- Schauberger, B., Jägermeyr, J., Gornott, C. (2020). A systematic review of local to regional yield forecasting approaches and frequently used data resources. European Journal of Agronomy, 120, 126153. https://doi.org/10.1016/j.eja.2020.126153
- Saiz-Rubio, V., Rovira-Más, F. (2020). From Smart Farming towards Agriculture 5.0: A Review on Crop Data Management. Agronomy, 10 (2), 207. https://doi.org/10.3390/agronomy10020207
- Romanovska, P., Schauberger, B., Gornott, C. (2023). Wheat yields in Kazakhstan can successfully be forecasted using a statistical crop model. European Journal of Agronomy, 147, 126843. https://doi.org/10.1016/j.eja.2023.126843
- Sadenova, M. A., Beisekenov, N. A., Rakhymberdina, M. Y., Varbanov, P. S., Klemeš, J. J. (2021). Mathematical modelling in crop production to predict crop yields. Chemical Engineering Transactions, 88, 1225–1230. https://doi.org/10.3303/CET2188204
- Beisekenov, N. A., Sadenova, M. A., Varbanov, P. S. (2021). Mathematical Optimization as A Tool for the Development of "Smart" Agriculture in Kazakhstan. Chemical Engineering Transactions, 88, 1219–1224. https://doi.org/10.3303/CET2188203
- Cai, Y., Guan, K., Lobell, D., Potgieter, A. B., Wang, S., Peng, J. et al. (2019). Integrating satellite and climate data to predict wheat yield in Australia using machine learning approaches. Agricultural and Forest Meteorology, 274, 144–159. https://doi.org/10.1016/j.agrformet.2019.03.010
- Mimenbayeva, A., Yessen, A., Nurbekova, A., Suleimenova, R., Ospanova, T., Kasymova, A., Niyazova, R. (2023). Development of a linear regression model based on vegetation indices of agricultural crops. Scientific Journal of Astana IT University, 15 (15), 101–110. https://doi.org/10.37943/15emub4283
- Ji, C., Andrashko, Y., Biloshchytska, S., Tsiutsiura, S. (2021). Conceptual Research Model of Developing the Decision Support System for Agriculture Under Uncertainty. 2021 IEEE International Conference on Smart Information Systems and Technologies (SIST). https://doi.org/10.1109/sist50301.2021.9465888
- Chunmei, J. (2022). Risk management for the functionality component of an agricultural enterprise’s decision-making support information system. Management of Development of Complex Systems, 52, 35–38. https://doi.org/10.32347/2412-9933.2022.52.35-38
- Xue, J., Su, B. (2017). Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors, 2017, 1–17. https://doi.org/10.1155/2017/1353691
- Mutanga, O., Masenyama, A., Sibanda, M. (2023). Spectral saturation in the remote sensing of high-density vegetation traits: A systematic review of progress, challenges, and prospects. ISPRS Journal of Photogrammetry and Remote Sensing, 198, 297–309. https://doi.org/10.1016/j.isprsjprs.2023.03.010
- Aharon‐Rotman, Y., McEvoy, J., Zhaoju, Z., Yu, H., Wang, X., Si, Y. et al. (2017). Water level affects availability of optimal feeding habitats for threatened migratory waterbirds. Ecology and Evolution, 7 (23), 10440–10450. https://doi.org/10.1002/ece3.3566
- Boyko, R., Shumyhai, D., Gladka, M. (2016). Сoncept, Definition and Use of an Agent in the Multi-agent Information Management Systems at the Objects of Various Nature. Advances in Intelligent Systems and Computing, 59–63. https://doi.org/10.1007/978-3-319-48923-0_8
- Kuchansky, A., Biloshchytskyi, A., Andrashko, Y., Biloshchytska, S., Honcharenko, T., Nikolenko, V. (2019). Fractal Time Series Analysis in Non-Stationary Environment. 2019 IEEE International Scientific-Practical Conference Problems of Infocommunications, Science and Technology (PIC S&T). https://doi.org/10.1109/picst47496.2019.9061554
- Kuchansky, A., Biloshchytskyi, A., Andrashko, Y., Biloshchytska, S., Shabala, Y., Myronov, O. (2018). Development of adaptive combined models for predicting time series based on similarity identification. Eastern-European Journal of Enterprise Technologies, 1 (4 (91)), 32–42. https://doi.org/10.15587/1729-4061.2018.121620
- Aubakirova, G., Ivel, V., Gerassimova, Y., Moldakhmetov, S., Petrov, P. (2022). Application of artificial neural network for wheat yield forecasting. Eastern-European Journal of Enterprise Technologies, 3 (4 (117)), 31–39. https://doi.org/10.15587/1729-4061.2022.259653
- Bureau of National Statistics of the Agency for Strategic Planning and Reforms of the Republic of Kazakhstan. Available at: https://www.gov.kz/memleket/entities/stat?lang=en
- Aerospace committee of the Ministry of Digital Development, Innovations and Aerospace Industry of the Republic of Kazakhstan. Available at: https://www.gov.kz/memleket/entities/kazcosmos/press/article/details/1502?lang=ru
- Transfer and adaptation of precision farming technologies in crop production on the principle of "demonstration farms (polygons)" in Akmola region. Report on research work. LLP "A.I. Baraev Scientific and Production Center of Grain Farming" (2020). Shortandy, 240.
- Pilot farm of oil plants. Available at: https://eldala.kz/dannye/kompanii/346-opytnoe-hozyajstvo-maslichnyh-kultur
![Оцінка ефективності застосування технологій точного землеробства в діяльності аграрних підприємств](https://journals.uran.ua/public/journals/3/submission_298478_336828_coverImage_uk_UA.png)
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Alexandr Neftissov, Andrii Biloshchytskyi, Yurii Andrashko, Oleksandr Kuchanskyi, Volodymyr Vatskel, Sapar Toxanov, Myroslava Gladka
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.