REENGINEERING OF BUSINESS PROCESSES OF AGROINDUSTRIAL ENTERPRISES IN CONDITIONS OF THROUGH DIGITAL TRANSFORMATION
Authors:
1.
Volgograd State Technical University
(Postgraduate Student of the Department of Computer-Aided Design and Search Engineering Systems)
Russian Federation
Russian Federation
2.
Volgograd State Technical University
(Doctor of Technical Sciences, Professor; Professor of the Department of Computer-Aided Design and Search Engineering Systems)
Type:
Article
Pages:
from 115
to 125
Status:
Published
Received:
23.07.2021
Accepted:
26.07.2021
Published:
26.07.2021
Subject area:
UDK 65 Управление предприятиями. Организация производства, торговли и транспорта
Language:
Russian
Keywords:
agro-industrial complex, structural and functional model, production processes, digital technologies, remote sensing data, digital solutions
Funding:
Issledovanie vypolneno pri finansovoy podderzhke RFFI v ramkah nauchnogo proekta № 19–07–01200
Abstract (English):
The article describes the high dynamism and uncertainty of the external and internal envi-ronment, which actualize the implementation of innovative technologies in the management of business processes in the agro-industrial complex (AIC). Attention is focused on the strategic nature of the transformation of agricultural production within the digital ecosystem. The perspective technologies of collection and processing of remote sensing data obtained from various satellite sensors, unmanned vehicles, weather stations; geographic information systems; global positioning systems are considered. The fundamental elements of reengineering of business processes in the context of digital transformation, the creation of control systems to control the development of agricultural crops using streaming processing of remote sensing data are considered. The factors of restraining and catalyzing production processes in AIC are substantiated, the features of the elements of the organization of the digital spatial environment are revealed, which largely determine the transition to a unified information support system for an agro-industrial enterprise. A structural and functional model of reengineering of business processes is proposed, aimed at ensuring sustainability in making managerial decisions. As part of the reengineering process, it is planned to create an information environment for an agricultural enterprise, consisting of interconnected procedures for merging information of its component functional systems: an automated monitoring system, a system for automated recognition of the specifics of the state of plant surface elements and an automated analytical decision support system for selecting agrotechnological techniques. Reengineering of business processes according to the proposed model will reduce risks in terms of compliance with time factors, increase production volumes and profitability of an agricultural enterprise due to the transition to digital technologies for automated collection and processing of big data, the ability to make decisions based on automated analytical systems and the ability to store in the knowledge base the generated chains of agro-technological operations for the needs of future periods
The article describes the high dynamism and uncertainty of the external and internal envi-ronment, which actualize the implementation of innovative technologies in the management of business processes in the agro-industrial complex (AIC). Attention is focused on the strategic nature of the transformation of agricultural production within the digital ecosystem. The perspective technologies of collection and processing of remote sensing data obtained from various satellite sensors, unmanned vehicles, weather stations; geographic information systems; global positioning systems are considered. The fundamental elements of reengineering of business processes in the context of digital transformation, the creation of control systems to control the development of agricultural crops using streaming processing of remote sensing data are considered. The factors of restraining and catalyzing production processes in AIC are substantiated, the features of the elements of the organization of the digital spatial environment are revealed, which largely determine the transition to a unified information support system for an agro-industrial enterprise. A structural and functional model of reengineering of business processes is proposed, aimed at ensuring sustainability in making managerial decisions. As part of the reengineering process, it is planned to create an information environment for an agricultural enterprise, consisting of interconnected procedures for merging information of its component functional systems: an automated monitoring system, a system for automated recognition of the specifics of the state of plant surface elements and an automated analytical decision support system for selecting agrotechnological techniques. Reengineering of business processes according to the proposed model will reduce risks in terms of compliance with time factors, increase production volumes and profitability of an agricultural enterprise due to the transition to digital technologies for automated collection and processing of big data, the ability to make decisions based on automated analytical systems and the ability to store in the knowledge base the generated chains of agro-technological operations for the needs of future periods
Keywords:
agro-industrial complex, structural and functional model, production processes, digital technologies, remote sensing data, digital solutions
agro-industrial complex, structural and functional model, production processes, digital technologies, remote sensing data, digital solutions
Введение
Характерная особенность нашего времени – проникновение цифровых технологий во все сферы жизни общества. В рамках цифровой трансформации агропромышленного комплекса (АПК) в Российской Федерации принята политика, направленная на внедрение ряда инновационных технологических проектов для нужд сельскохозяйственных предприятий, а также утвержден план мероприятий по созданию сквозных цифровых систем и платформенных решений для достижения роста производительности агропредприятий [1].
В Постановлении Правительства РФ «О государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия» [2] указано, что актуальной является задача обеспечения развития АПК посредством внедрения цифровых технологий и платформенных решений, а также оцифровка всех циклов сельскохозяйственного производства.
Активное освоение спектра инструментов точного земледелия и их объединение в системах Интернета вещей неминуемо приведут к тому, что механизмы управления предприятием как сложной системой будут адаптироваться к новым возможностям. Успешное решение всего комплекса проблем будет во многом определяться современным развитием системы комплексного мониторинга, который подразумевает пространственно-временные сопряженные наблюдения с помощью средств наземного и аэрокосмического базирования [3]. Такие изменения вскоре примут регулярный характер и приведут к более эффективному ведению хозяйства.
Детальное описание бизнес-процессов необходимо для понимания текущего положения дел и совершенствования управления деятельностью сельскохозяйственных предприятий. Чтобы наглядно оценить исследуемую деятельность, найти проблемные области и определить возможности для улучшений, в литературных источниках разрабатывается модель «КАК-ЕСТЬ», которая позволяет выявить узкие места, а модель «КАК-БУДЕТ» отображает совокупность процессов, обеспечивающих перевод системы в более устойчивое состояние путем разработки
и реализации целенаправленных воздействий, задания правил и регламентов выполнения процессов для достижения желаемой цели [4–6]. В связи с этим возникает необходимость пере-осмысления бизнес-процессов предприятий АПК в новом контексте, когда акценты сдвинуты
к области цифровых технологий.
Рабочие процедуры и организационные принципы существующей системы АПК
На базе методологии процессного подхода в данном исследовании будут формализованы бизнес-процессы предприятия по производству растениеводческой продукции и их декомпозиция.
Данная работа затрагивает процессный подход к моделированию основных бизнес-процессов агропромышленного предприятия в стандарте IDEF и предметное рассмотрение со-временных возможностей по созданию системы с элементами включения цифровых технологий, которая отличается от существующей регулярным пространственным наблюдением и автоматизированным анализом данных. С помощью нотации моделирования IDEF0 выполнена формализация основных бизнес-процессов в виде структурно-функциональных моделей, которые наглядно представляют совокупность выполняемых процедур.
В обобщенном графическом виде на рис. 1, 2 показана упорядоченная совокупность структурных элементов и соответствующих им потоков информации технологического цикла предприятия по производству растениеводческой продукции, включающая бизнес-процессы «Провести предпроектное планирование», «Наземный мониторинг факторов воздействия на производственный процесс» и «Разработка агротехнологических мероприятий».
Рис. 1. Модель существующих бизнес-процессов агропромышленного предприятия
Рис. 2. Модель поэтапного взаимодействия ключевых бизнес-процессов
Более детальное описание исследуемых бизнес-процессов с возможностью включения логических элементов проведено с использованием диаграммы в нотации BPMN. Стартовое событие запускает параллельные операции по наземному мониторингу процессов естественного воспроизводства, возможностей производственного оборудования, атрибутивной и картографической истории полей. Это позволяет агроному привлекать необходимые ресурсы для обработки и удобрения почвы, формировать комплекс агротехнологических приемов по уходу за посевами (рис. 3).
Рис. 3. Структурно-функциональная модель бизнес-процессов
«Наземный мониторинг факторов воздействия на производственный процесс»,
«Разработка агротехнологических мероприятий» по традиционной схеме
Выявленные недостатки действующей системы, точки роста и пути развития
Анализ существующих процессов, схема которых представлена на рис. 3, дает основания констатировать низкий уровень использования информационных технологий в операциях по сбору и анализу основных индикаторов созревания культур, что приводит к недостаточной результативности технологических и проектных решений (табл.).
Сравнительная характеристика факторов сдерживания
и катализации производственных процессов
Факторы, снижающие эффективность деятельности агропредприятия в модели AS-IS Возможности, которые открывают современные
информационные технологии
Высокая трудоемкость и длительность операций по сбору
и обработке данных Мобильность получения и обработки данных (фото, информации) дистанционного зондирования по интересующей территории
Ручные, механизированные способы сбора данных (низкая точность и высокая вероятность ошибки) Геоинформационное картографирование полей аграрного профиля.
Автоматизированные (облачные) средства обработки больших данных
Влияние человеческого фактора: решения принимаются на основе квалификации и жизненного опыта агронома
и не всегда научно оправданны Исследование процесса оптимальных условий производства сельскохозяйственной продукции путем привлечения аппарата много-критериальной оптимизации
Отсутствие объективной и своевременной информации на всех этапах производства продукции растениеводства приводит к тому, что затраты труда и ресурсов, вложенные в течение длительного периода, могут не в полной мере оправдать ожидания производителей. А значительные объемы информации, принадлежащие к различным предметным областям и хранящиеся в банках данных предприятия, требуют от специалистов оперативной обработки всех процессов в комплексном восприятии [7].
Специфика растениеводства накладывает ограничения на сроки разработки и утверждения управленческих решений, успеха в которых сложно достичь без привлечения инструментов анализа больших данных для генерации моделей адаптивных реакций на условия внешней среды. В этом плане цифровые технологии способны устранить сложившиеся трудности.
Данные обстоятельства обуславливают необходимость разработки новых инструментов поддержки принятия решений в растениеводстве и, впоследствии, внедрения интегрированной системы управления сельскохозяйственным предприятием [8].
Геоинформационное обеспечение цифрового земледелия
Аэрокосмические снимки предоставляют самую точную и реальную информацию о сложившейся ситуации с заданной периодичностью. В результате тематической обработки они совместимы с технологиями цифрового картографирования и являются инструментом комплексного анализа ситуации на пахотных землях [9] (рис. 4).
Рис. 4. Эволюция возможностей
в решении хозяйственно-экономических вопросов агропредприятий в сети Интернета вещей (IoT)
Повышение урожайности за счет освоения спектра элементов точного земледелия, снижение нагрузки на окружающую среду, тренд на опережение проявления негативных воздействий в результате сложного сплетения факторов окружающей среды являются главными драйверами внедрения цифровых решений в области земледелия как в России, так и во всем мире.
В основу построения функциональной организационной структуры технологического цикла предприятия должен быть положен системный подход, интегрирующий современные научные методы исследований в области дистанционного зондирования Земли; унифицированные методики и технологии обработки и использования космической информации; аппарат систем поддержки принятия решений (СППР) [10], нацеленный на получение оптимальных технических решений по разработке цепочек агротехнологических операций с учетом условий произрастания культур [11].
Первоначально состояние участков, засеянных культурами, фиксируется с помощью сенсоров и устройств мониторинга. Затем происходит передача накопленных разнородных данных в банк хранения для первичных преобразований. Анализ данных с помощью интеллектуальных технологий обладает большими возможностями для развития адаптивного управления. Тестирование корректирующих технологических мероприятий может стать шагом к своевременному торможению деструкционных процессов для урожая (рис. 5).
Рис. 5. Основные этапы цифрового управления сельским хозяйством:
ИИ – искусственный интеллект; КЗ – компьютерное зрение;
МО – машинное обучение [11]
Основные элементы организации единой цифровой пространственной среды
Механизмы для достижения устойчивого управления земельными ресурсами с помощью имеющейся информации в реальном времени о землях и выращиваемых сельскохозяйственных культурах представлены на рис. 6.
Рис. 6. Функциональное моделирование основных процедур производственных агропроцессов
с техническими и технологическими элементами цифровой трансформации
Данные дистанционного зондирования (ДДЗ), полученные от различных спутниковых сенсоров, беспилотных средств, метеостанций. На этапе загрузки данных происходит сбор информации абиотических параметров окружающей среды, описывающих распространение
и приживаемость сельскохозяйственной культуры в природе. Результаты измерений включают данные о величине солнечной радиации, параметрах воздуха (температура, влажность, точка росы, скорость и направление ветра), параметрах почвы (температура, влажность, кислотность) и состоянии посевов (спектр отраженного от посевов света в нескольких фиксированных диапа-зонах). Задаются начальные параметры, и происходит наполнение информацией хранилищ ин-формационной системы для возделывания заданного сорта с биологической точки зрения. Дан-ные дистанционного зондирования послужат основой для экстраполяции полевых данных
и анализа пространственного распределения характеристик растительных сообществ [12]. Исследование открытых для доступа изображений из космоса в видимом и инфракрасном диапазонах [13] регистрируют состояние местности на четко известный момент и отражают фотосинтетическую активность культур на основе расчета спектральных индексов [14].
Географические информационные системы (ГИС), техники анализа больших данных и СППР. На данном этапе происходит синтез эмпирически накопленной информации с аппаратом анализа больших данных для последующего использования этих результатов (рис. 7).
Рис. 7. Многоуровневый сценарий реинжиниринга бизнес-процессов
при внедрении элементов точного земледелия
На этапе анализа первичные данные складываются в определенные знания об изучаемом объекте, формируются унифицированные витрины данных, а средства геоинформационного моделирования позволяют наложить слои распознанного картографического материала с возможностью визуализировать обстановку на картах местности [15]. Данные различных источников могут храниться и обрабатываться отдельно, совмещаться в информационном продукте на основе привязки к единой системе координат в виде комбинации слоев. Возможность независимого изменения и совместного отображения слоев данных позволяет получать свежие текущие данные из наземных источников для отображения на растровой подложке ДДЗ [16].
Методы анализа больших данных могут выявить неочевидные, на первый взгляд, закономерности. Система поддержки принятия решений будет рассматривать различные модели адаптивных реакций на условия внешней среды, формировать аналитические запросы и генерировать рекомендательные сообщения для конечного пользователя в отношении набора альтернативных вариантов его поведения в той или иной ситуации. В итоге будут сформированы карты-задания на реализацию агроприемов по технологии точного земледелия.
Системы глобального позиционирования (GPS) исполняют роль связующего звена между коллекциями данных и географическими информационными системами (рис. 7). В результате синтеза применимой в конкретном хозяйстве агротехнологии данные системы позволяют привязать данные, собранные с земли или с помощью дистанционного зондирования, и максимально корректно нанести их на карту-задание для проведения необходимых технологических операций на участках. Агротехнические операции, включенные в агротехнологию, можно проводить выборочно за счет реализованных механизмов генерации карт-заданий и таблиц агротребований [17].
В процессе трансформации традиционного сельскохозяйственного предприятия в цифровое устанавливается взаимодействие специалиста в области агрономии и аппаратно-программного комплекса, чтобы облегчить наукоемкие и трудоемкие задачи топографического мониторинга, анализа фонда пространственных данных, построения цепочек агротехнологических операций для сложившихся условий выращивания. Информационно и функционально взаимосвязанные между собой составляющие аппаратно-программного комплекса обеспечивают выполнение технологических процессов, объединенных задачей постоянного картографического слежения за изменениями местности на основе космической информации среднего и высокого пространственного разрешения.
Основными функциями аппаратно-программного комплекса являются получение и первичная обработка космической информации, проведение автоматизированного анализа разно-временных материалов космической съемки и идентификация на них изменений объектов местности, формирование баз пространственных данных (метаданных) и подбор агротехнологических операций в сложившихся условиях внешней среды.
Предлагаемый механизм управления агротехнологиями с элементами внедрения цифровых технологий представлен на рис. 8 для исследуемых бизнес-процессов «Топографический мониторинг выращивания культур» и «Оптимизация технологических операций для различных условий выращивания».
Рис. 8. Структурно-функциональная модель реинжиниринга бизнес-процессов
«Топографический мониторинг выращивания культур»
и «Оптимизация технологических операций для различных условий выращивания»
Реорганизованные бизнес-процессы, представленные структурно-функциональной моделью (рис. 8) в нотации BPMN, основаны на широком использовании современных цифровых технологий. Предлагается создать информационную среду предприятия, состоящую из взаимосвязанных процедур слияния информации от ее составных функциональных систем: системы автоматизированного мониторинга, системы автоматизированного распознавания специфики состояния элементов растительной поверхности и автоматизированной аналитической СППР по подбору агротехнологических приемов.
Все процессы начинаются с операции комплексной оценки агрономом плана посева, его сопоставления с применяемыми технологиями возделывания, сопоставления данных прошлых периодов, апробированных в условиях хозяйства, визуального осмотра текущего состояния земельного участка. Далее предполагается запуск параллельных подпроцессов автоматизированного сбора данных о динамике изменчивости почвенно-климатических параметров, получения многоспектральных снимков поверхности земельного участка.
Посредством сенсорно-технических средств данные всестороннего наблюдения наполняют цифровую лабораторную базу эталонов (сигнатур) картографического представления изучаемой местности. Результаты отснятых сцен подлежат дешифрованию и интерпретации для распределения по степени зрелости растительных групп и разбиения на зоны изменчивости показателей плодородия. Так измеренная отражательная способность на снимке сопоставляется с реальной вегетационной зрелостью в моменты наибольшего различия между отражательными способностями растительных объектов на многозональном снимке. На основе полученных данных и их анализа формируется база знаний сгенерированных цепочек агротехнологических операций. Такой подход избавляет агронома от проведения достаточно трудоемкого регулярного полевого обследования и позволяет получать качественно новые данные без существенных затрат.
Полученные знания об участке далее используются аналитиком для рассмотрения различных допустимых технологических карт выращивания и выбора экономически наиболее целесообразной карты. Системой поддержки принятия решений учитываются план посева культуры, необходимые операции по уходу согласно проведенной классификации по уровню плодородия участка, возможности и ограничения по ресурсной базе предприятия, варианты использования производственных мощностей и оборудования.
Заканчивается подпроцесс передачей перечня рекомендательных технологических мер ухода по зонам участка от аналитика агроному с последующим утверждением последним технологической карты операций.
Реинжиниринг бизнес-процессов согласно предложенной модели приведет к снижению рисков в части соблюдения временных факторов, увеличит объемы производства и доходность сельскохозяйственного предприятия за счет перехода к цифровым технологиям автоматизированного сбора и обработки больших данных, возможности принятия решений на основе автома-тизированных аналитических систем и способности хранения в базе знаний сгенерированных цепочек агротехнологических операций для потребностей будущих периодов.
К достоинствам предлагаемой модели технической и технологической трансформации, структура которой показана на рис. 8, относятся:
– частичная компенсация и/или исключение ручного труда;
– получение данных на протяжении всего производственного цикла;
– возможность проведения статистического оперативного и интеллектуального анализа данных;
– ведение оперативного мониторинга состояния посевов;
– оценка всхожести сельскохозяйственных культур и их развития по цифровым картам
(в виде ротофото- и векторных планов);
– эффективное использование ресурсов, повышение производительности труда.
В сельском хозяйстве все это особенно важно из-за сезонности и зависимости многих работ и их результата от внешних и не всегда поддающихся контролю факторов.
Заключение
Исследована актуальная современная задача организации системы цифрового землепользования, состоящая во внедрении автоматизированного режима сбора, обновления, анализа информации о ландшафтных метриках участка в различных временных срезах. Рассмотрены основополагающие элементы реинжиниринга бизнес-процессов в условиях цифровой трансформации, создания систем управления для контроля развития сельскохозяйственных культур с использованием потоковой обработки данных дистанционного зондирования. Изучена модель информационного сопровождения процессов производства для предприятий растениеводческого профиля, направленная на получение цифровых картографических моделей морфологии ландшафта и выработку рекомендаций по осуществлению адаптивно-ландшафтного земледелия.
Цифровой облик внутренней структуры участка обернется для специалистов пространственной основой для динамического сравнения исторической и текущей ситуации и повысит контроль над факторами неопределенности. Повышение уровня контроля состояния и использования земель позволит разработать качественные рекомендательные схемы по устойчивому сохранению урожая, влияющие на оптимальное расходование ресурсов производства, а также получение высокой урожайности культур.
1. Gordeev A. V. Vedomstvennyy proekt «Cifrovoe sel'skoe hozyaystvo»: ofic. izd. M.: FGBNU «Rosinformagroteh», 2019. 48 s. URL: http://mcx.ru/upload/iblock/900/900863fae06c026826a9ee43e124d058.pdf (data obrascheniya: 10.03.2021).
2. O gosudarstvennoy programme razvitiya sel'skogo hozyaystva i regulirovaniya rynkov sel'skohozyaystvennoy produkcii, syr'ya i prodovol'stviya: Postanovlenie Pravitel'stva Rossiyskoy Federacii ot 14 iyulya 2021 g. № 717. URL: http://docs.cntd.ru/document/902361843 (data obrascheniya: 26.02.2021).
3. Tehnologii i innovacii. Cifrovaya transformaciya biznesa. URL: https://www.it.ua/ru/knowledge-base/technology-innovation/big-data-bolshie-dannye (data obrascheniya: 08.11.2020).
4. Strukturnye metody analiza i proektirovaniya. URL: https://studfile.net/preview/5266140/page:3/ (data obrascheniya: 03.12.2020).
5. Udalova Z. V. Osobennosti biznes-processov v sel'skohozyaystvennyh organizaciyah i ih vliyanie na formirovanie uchetno-analiticheskogo obespecheniya. URL: https://cyberleninka.ru/article/n/osobennosti-biznes-protsessov-v-selskohozyaystvennyh-organizatsiyah-i-ih-vliyanie-na-formirovanie-uchetno-analiticheskogo/viewer (data obrascheniya: 15.11.2020).
6. Upravlenie organizacionnym povedeniem i mehanizmy upravleniya. URL: http://www.mtas.ru/about/smartman/mechanism/04.pdf (data obrascheniya: 12.12.2020).
7. Homenko T. V., Kvyatkovskaya I. Yu., Chertina E. V. Informacionno-analiticheskaya sistema upravleniya regional'nym klasterom akvakul'tury i rybnogo hozyaystva // Vestn. Astrahan. gos. tehn. un-ta. Ser.: Upravlenie, vychislitel'naya tehnika i informatika. 2017. № 2. S. 117-124. DOI:https://doi.org/10.24143/2072-9502-2017-2-117-124.
8. Vakulenko D. V., Kravec A. G. Razrabotka sistemy informacionnoy podderzhki prinyatiya upravlencheskih resheniy v zadache ocenki zemel' sel'skohozyaystvennogo naznacheniya // Innovacionnye tehnologii v obuchenii i proizvodstve: materialy XIV Vseros. nauch.-prakt. konf. (Kamyshin, 15 noyabrya 2019 g.): v 3-h t. Volgograd: Izd-vo Volgogr. gos. tehn. un-ta, 2019. T. 2. S. 50-53.
9. Filippov D. V., Chursin I. N. Ocenka kachestva cifrovyh aerofotosnimkov // Vestn. komp'yuter. i informac. tehnologiy. 2018. № 1. S. 34-39.
10. Aleksanyan I. Yu., Kosmacheva I. M., Maksimenko Yu. A., Sibikina I. V., Homenko T. V. Model' upravleniya riskami dlya sistem podderzhki prinyatiya resheniy v rybohozyaystvennoy otrasli // Vestn. Astrahan. gos. tehn. un-ta. Ser.: Upravlenie, vychislitel'naya tehnika i informatika. 2017. № 3. S. 108-116. DOI:https://doi.org/10.24143/2072-9502-2017-3-108-116.
11. Muzhichek S. M., Obrosov K. V., Safonov V. A., Lisicyn V. M. Effektivnost' monitoringa poverhnosti zemli cherez sloy kuchevoy oblachnosti // Vestn. komp'yuter. i informac. tehnologiy. 2019. № 11. S. 29-36.
12. Saiz-Rubio V. From Smart Farming towards Agriculture 5.0: A Review on CropDataManagement. URL: https://www.mdpi.com/2073-4395/10/2/207/htm (data obrascheniya: 08.12.2020).
13. Afonin V. V., Cavkina A. V., Nikulin V. V. Ocenka ustoychivosti strukturno-yarkostnyh svoystv pri cifrovoy obrabotke izobrazheniy // Vestn. Astrahan. gos. tehn. un-ta. Ser.: Upravlenie, vychislitel'naya tehnika i informatika. 2021. № 2. S. 39-46. DOIhttps://doi.org/10.24143/2072-9502-2021-2-39-46.
14. Chursin I. N., Filippov D. V., Gorohova I. N. Raspoznavanie sel'skohozyaystvennyh kul'tur po mul'tispektral'nym kosmicheskim snimkam vysokogo razresheniya // Vestn. komp'yuter. i informac. tehnologiy. 2018. № 11. S. 22-27.
15. Komarova A. F., Zhuravleva I. V., Yablokov V. M. Otkrytye mul'tispektral'nye dannye i osnovnye metody distancionnogo zondirovaniya v izuchenii rastitel'nogo pokrova // Principy ekologii. 2016. № 1. S. 40-74.
16. Kalichkin V. K., Pavlova A. I. Agronomicheskie geoinformacionnye sistemy. Novosibirsk: SFNCA RAN, 2018. 347 s. URL: https://sfsca.ru/docs/kalichkin.pdf (data obrascheniya: 27.11.2020).
17. Yakubaylik O. E. Tehnologii formirovaniya interaktivnyh tematicheskih kart na geoportale // Vestn. komp'yuter. i informac. tehnologiy. 2017. № 4. S. 23-28.
