Vestnik of Samara State Technical University. Technical Sciences SeriesVestnik of Samara State Technical University. Technical Sciences SeriesВестник Самарского государственного технического университета. Серия «Технические науки»1991-85422712-8938Samara State Technical University68659610.14498/tech.2025.2.2MFVQJAInformation Technology and CommunicationsИнформационные технологии и коммуникацииResearch ArticleExperimental studies of modelling the development of agricultural crops in a digital twin of plant cropsЭкспериментальные исследования моделирования развития сельскохозяйственных культур в цифровом двойнике посевов растенийSkobelevPyotr O.СкобелевПетр Олегович
Russian Federation

Dr. Sci. (Techn.), Professor, Dept. of Computer Science and Computer Engineering

доктор технических наук, профессор кафедры информатики и вычислительной техники

petr.skobelev@gmail.comGaluzinAleksey A.ГалузинАлексей Андреевич
Russian Federation

Master

магистрант

alekseygaluzin@mail.ruSamara State Technical UniversityСамарский государственный технический университетSamara National Research UniversityСамарский национальный исследовательский университет им. академика С.П. Королёва1508202533228470307202528072025Copyright ©; 2025, Skobelev P.O., Galuzin A.A.Copyright ©; 2025, Скобелев П.О., Галузин А.А.2025Skobelev P.O., Galuzin A.A.Скобелев П.О., Галузин А.А.https://creativecommons.org/licenses/by/4.0https://journals.eco-vector.com/1991-8542/article/view/686596

A method is proposed for calculating the output parameters of an agricultural crop in a digital twin of plant crops depending on weather conditions and resource constraints of the environment. The method is based on a model of "tubes" of input and output parameters of plant growth and development stages - ranges of values of the main environmental factors for each plant variety that are important for plant survival. These ranges are conventionally divided into three categories: optimal, in which the plant demonstrates the best development indicators; recommended, ensuring stable growth without significant stress; and critical, beyond which irreversible disturbances in the physiological processes of the plant are possible, including its death. The proposed calculation method based on the available data on weather conditions and available resources makes it possible to link the input and output parameters of the current stage and transfer the obtained results for calculating the next stage in order to build a final piecewise linear plan for plant growth and development and to forecast the yield and other plant parameters. The experiment provides an example of the proposed method for the agricultural crop "Winter wheat" under the actual scenario and alternative climate scenarios that model changes in weather conditions, and a comparison of the results of these scenarios with the values under actual conditions. The modeling results made it possible to estimate the sensitivity of the yield and plant height of winter wheat to various weather deviations. An assessment is made of the discrepancies identified for various scenarios, the results obtained are discussed, conclusions are formulated regarding the applicability of the proposed method for practical use in agricultural modeling, and directions for further research and development are presented.

Предложен метод расчета выходных параметров сельскохозяйственной культуры в цифровом двойнике посевов растений в зависимости от погодных условий и ресурсных ограничений среды. Цифровой двойник растений – моделирующая система, синхронизируемая с результатами наблюдений, которая позволяет задавать параметры сорта и внешней среды и получать план роста и развития растения и прогноз урожайности. В основе метода лежит модель «трубок» входных и выходных параметров стадий роста и развития растений – диапазонов важных для выживания растений значений основных факторов окружающей среды для каждого сорта растения. Эти диапазоны условно делятся на три категории: оптимальные, при которых растение демонстрирует наилучшие показатели развития; рекомендуемые, обеспечивающие стабильный рост без значительных стрессов; и критические, при выходе за пределы которых возможны необратимые нарушения в физиологических процессах растения, включая его гибель. Предлагаемый метод расчетов на основе имеющихся данных о погодных условиях и доступных ресурсах позволяет связать входные и выходные параметры текущей стадии и передать полученные результаты для расчета следующей стадии, чтобы выстроить итоговый кусочно-линейный план роста и развития растения и дать прогноз урожайности и других параметров растения. В рамках эксперимента рассматривается сорт культуры «Озимая пшеница», рост и развитие которого моделируются при различных сценариях изменения погодных условий. Результаты сопоставляются с фактическими результатами натурного эксперимента в реальных условиях на полях СамНЦ РАН. В качестве параметров рассматриваются урожайность и некоторые параметры растений, в частности их высота. Обсуждаются полученные результаты, дается оценка выявленным расхождениям по различным сценариям, формулируются выводы о применимости предлагаемого метода для практического использования и предлагаются направления дальнейших исследований и разработок.

precision farmingdigital twinplant developmentwinter wheatvirtual modelmodelingточное земледелиецифровой двойникразвитие растенийозимая пшеницавиртуальная модельмоделированиеFomin O.S., Zyukin D.A., Belyaev S.A., Reprinceva E.V. Ekonomicheskaya i geograficheskaya specifika osushchestvleniya eksporta rossijskoj pshenicy [Economic and geographical specifics of Russian wheat export] // Mezhdunarodnyj selskohozyajstvennyj zhurnal. 2023. № 2. P. 138–142. DOI: 10.55186/25876740_2023_66_2_138. (In Russian)Фомин О.С., Зюкин Д.А., Беляев С.А., Репринцева Е.В. Экономическая и географическая специфика осуществления экспорта российской пшеницы // Международный сельскохозяйственный журнал. 2023. № 2. С. 138–142. DOI: 10.55186/25876740_2023_66_2_138. EDN: WCNJAO.Strashnaya A.I., Tarasova L.L., Bogomolova N.A., Maksimenkova T.A., Bereza O.V. Prognozirovanie urozhajnosti zernovyh i zernobobovyh kul'tur v central'nyh chernozemnyh oblastyah na osnove kompleksirovaniya nazemnyh i sputnikovyh dannyh [Forecasting the yield of grain and leguminous crops in the central black earth regions based on the integration of ground-based and satellite data] // Trudy gidrometeorologicheskogo nauchno-issledovatelskogo centra Rossijskoj Federacii. 2015. № 353. P. 128–153. (In Russian)Страшная А.И., Тарасова Л.Л., Богомолова Н.А., Максименкова Т.А., Береза О.В. Прогнозирование урожайности зерновых и зернобобовых культур в центральных черноземных областях на основе комплексирования наземных и спутниковых данных // Труды гидрометеорологического научно-исследовательского центра Российской Федерации. 2015. № 353. С. 128–153.Ramenskaya E.V., Ermakov V.V., Kuznecov M.P. Metody klassifikacii giperspek-tral'nyh izobrazhenij pri ekologicheskom monitoringe [Methods for classifying hyperspectral images in environmental monitoring] // Izvestiya Samarskogo nauchnogo centra Rossijskoj akademii nauk. 2016. V. 18, № 4–5. P. 990–992. (In Russian)Раменская Е.В., Ермаков В.В., Кузнецов М.П. Методы классификации гиперспектральных изображений при экологическом мониторинге // Известия Самарского научного центра Российской академии наук. 2016. Т. 18, № 4–5. С. 990–992.Galuzin V., Galitskaya A., Grachev S., Larukhin V., Novichkov D., Skobelev P., Zhilyaev A. Autonomous digital twin of enterprise: Method and toolset for knowledge-based multi-agent adaptive management of tasks and resources in real time // Mathematics. 2022. Vol. 10, № 10. P. 1662–1689. DOI: 10.3390/math10101662.Galuzin V., Galitskaya A., Grachev S., Larukhin V., Novichkov D., Skobelev P., Zhilyaev A. Autonomous digital twin of enterprise: Method and toolset for knowledge-based multi-agent adaptive management of tasks and resources in real time // Mathematics. 2022. Vol. 10, № 10. P. 1662–1689. DOI: 10.3390/math10101662. EDN: YKEBYK.Shevchenko S.N., Korchagin V.A., Goryanin O.I. Sovremennye tekhnologii vozdelyvaniya ozimoj pshenicy v Srednevolzhskom regione [Modern technologies for cultivating winter wheat in the Middle Volga region] // Zemledelie. 2009. № 5. P. 40–41. (In Russian)Шевченко С.Н., Корчагин В.А., Горянин О.И. Современные технологии возделывания озимой пшеницы в Средневолжском регионе // Земледелие. 2009. № 5. С. 40–41.Chechulin V.L. O prostyh matematicheskih modelyah rosta kul'turnyh rastenij // Vestnik Permskogo universiteta [On simple mathematical models of cultivated plant growth // Bulletin of Perm University]. Seriya: Matematika. Mekhanika. Informatika. 2018. № 1(40). P. 46–50. DOI: 10.17072/1993-0550-2018-1-46-50. (In Russian)Чечулин В.Л. О простых математических моделях роста культурных растений // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2018. № 1 (40). С. 46–50. DOI: 10.17072/1993-0550-2018-1-46-50. EDN: XMHXVB.Mihajlenko I.M. Matematicheskoe modelirovanie rosta rastenij na osnove eksperimentalnyh dannyh [Mathematical modeling of plant growth based on experimental data] // Selskohozyajstvennaya biologiya. 2007. № 1. P. 103–111. (In Russian)Михайленко И.М. Математическое моделирование роста растений на основе экспериментальных данных // Сельскохозяйственная биология. 2007. № 1. С. 103–111.Buhovec A.G., Semin E.A., Biryuchinskaya T.Ya., Gorelova M.V. Matematicheskie modeli prognozirovaniya urozhajnosti zernovyh kultur [Mathematical models for forecasting the yield of grain crops. Prospects for the development of national agro-food systems in the WTO] // Perspektivy razvitiya nacionalnyh agroprodovolstvennyh sistem v usloviyah VTO. 2014. P. 262. (In Russian)Буховец А.Г., Семин Е.А., Бирючинская Т.Я., Горелова М.В. Математические модели прогнозирования урожайности зерновых культур // Перспективы развития национальных агропродовольственных систем в условиях ВТО. 2014. С. 262.Sadenova M.A., Hrapov S.S., Bejsekenov N.A. Matematicheskoe modelirovanie prognoza urozhajnosti selskohozyajstvennyh kultur na osnove dannyh polevogo monitoringa i distancionnogo zondirovaniya [Mathematical modeling of agricultural crops productivity forecast based on field monitoring and remote sensing data] // Matematicheskaya fizika i kompyuternoe modelirovanie. 2023. V. 26, № 3. P. 56–75. DOI: 10.15688/mpcm.jvolsu.2023.3.5. (In Russian)Саденова М.А., Храпов С.С., Бейсекенов Н.А. Математическое моделирование прогноза урожайности сельскохозяйственных культур на основе данных полевого мониторинга и дистанционного зондирования // Математическая физика и компьютерное моделирование. 2023. Т. 26, № 3. С. 56–75. DOI: 10.15688/mpcm.jvolsu.2023.3.5. EDN:XDMENM.Sosfenov D.A. Cifrovoj dvojnik: istoriya vozniknoveniya i perspektivy razvitiya [Digital Twin: History of Origin and Development Prospects] // Intellekt. Innovacii. Investicii. 2023. № 4. P. 35–43. DOI: 10.25198/2077-7175-2023-4-35. (In Russian)Сосфенов Д.А. Цифровой двойник: история возникновения и перспективы развития // Интеллект. Инновации. Инвестиции. 2023. № 4. С. 35–43. DOI: 10.25198/2077-7175-2023-4-35. EDN: FKIQOC.Carev M.V., Andreev Yu.S. Cifrovye dvojniki v promyshlennosti: istoriya razvitiya, klassifikaciya, tekhnologii, scenarii ispolzovaniya [Digital twins in industry: history of development, classification, technologies, use scenarios] // Izvestiya vysshih uchebnyh zavedenij. Priborostroenie. 2021. V. 64, № 7. P. 517–531. DOI: 10.17586/0021-3454-2021-64-7-517-531. (In Russian)Царев М.В., Андреев Ю.С. Цифровые двойники в промышленности: история развития, классификация, технологии, сценарии использования // Известия высших учебных заведений. Приборостроение. 2021. Т. 64, № 7. С. 517–531. DOI: 10.17586/0021-3454-2021-64-7-517-531. EDN: QOKQJW.Kramm M.N., Bezborodova O.E., Bodin O.N., Svetlov A.V. Cifrovoj dvojnik serdca [Digital twin of the heart] // Izmerenie. Monitoring. Upravlenie. Kontrol. 2021. № 1(35). P. 73–84. DOI: 10.21685/2307-5538-2021-1-9. (In Russian)Крамм М.Н., Безбородова О.Е., Бодин О.Н., Светлов А.В. Цифровой двойник сердца // Измерение. Мониторинг. Управление. Контроль. 2021. № 1(35). С. 73–84. DOI: 10.21685/2307-5538-2021-1-9. EDN: BXMIJY.Purcell W., Neubauer T. Digital Twins in Agriculture: A State-of-the-art review // Smart Agricultural Technology. 2023. Vol. 3. P. 100094. DOI: 10.1016/j.atech.2022.100094. EDN: BCBRHX.García R., Aguilar J., Toro M., Pinto A., Rodríguez P. A systematic literature review on the use of machine learning in precision livestock farming // Computers and Electronics in Agriculture. 2020. Vol. 179. P. 105826. DOI: 10.1016/j.compag.2020.105826. EDN: YCUFBG.Verdouw C., Tekinerdogan B., Beulens A., Wolfert S. Digital twins in smart farming // Agricultural Systems. 2021. Vol. 189. P. 103046. DOI: 10.1016/j.agsy.2020.103046.Verdouw C., Tekinerdogan B., Beulens A., Wolfert S. Digital twins in smart farming // Agricultural Systems. 2021. Vol. 189. P. 103046. DOI: 10.1016/j.agsy.2020.103046. EDN: AVNZCL.Alves R.G., Souza G., Maia R.F., Tran A.L.H., Kamienski C., Soininen J.P., Aquino P.T., Lima F. A Digital Twin for Smart Farming // 2019 IEEE Global Humanitarian Technology Conference (GHTC). 2019. P. 1–4.Chaux J.D., Sanchez-Londono D., Barbieri G. A Digital Twin Architecture to Optimize Productivity within Controlled Environment Agriculture // Applied Sciences. 2021. Vol. 11, № 19. P. 8875. DOI: 10.3390/app11198875.Chaux J.D., Sanchez-Londono D., Barbieri G. A Digital Twin Architecture to Optimize Productivity within Controlled Environment Agriculture // Applied Sciences. 2021. Vol. 11, № 19. P. 8875. DOI: 10.3390/app11198875. EDN: TGOLFU.Ariesen-Verschuur N., Verdouw C., Tekinerdogan B. Digital Twins in greenhouse horticulture: A review // Computers and Electronics in Agriculture. 2022. Vol. 199. P. 107183. DOI: 10.1016/j.compag.2022.107183.Ariesen-Verschuur N., Verdouw C., Tekinerdogan B. Digital Twins in greenhouse horticulture: A review // Computers and Electronics in Agriculture. 2022. Vol. 199. P. 107183. DOI: 10.1016/j.compag.2022.107183. EDN: CGGQCE.Pylianidis C., Osinga S., Athanasiadis I.N. Introducing digital twins to agriculture // Computers and Electronics in Agriculture. 2021. Vol. 184. P. 105942. DOI: 10.1016/j.compag.2020.105942.Pylianidis C., Osinga S., Athanasiadis I.N. Introducing digital twins to agriculture // Computers and Electronics in Agriculture. 2021. Vol. 184. P. 105942. DOI: 10.1016/j.compag.2020.105942. EDN: EOMLEN.Jans-Singh M., Leeming K., Choudhary R., Girolami M. Digital twin of an urban-integrated hydroponic farm // Data-Centric Engineering. 2020. Vol. 1. P. 20. DOI: 10.1017/dce.2020.21.Jans-Singh M., Leeming K., Choudhary R., Girolami M. Digital twin of an urban-integrated hydroponic farm // Data-Centric Engineering. 2020. Vol. 1. P. 20. DOI: 10.1017/dce.2020.21. EDN: OGKLFS.