Интеллектуальные технологии анализа больших данных как драйвер устойчивого развития сельского хозяйства

Статья посвящена исследованию роли инновационных подходов к анализу больших данных в обеспечении устойчивого развития аграрного сектора. Рассматривается потенциал применения интеллектуальных методов обработки массивов информации для повышения эффективности управленческих решений и оптимизации производственных процессов в сельском хозяйстве. На основе статистического анализа и моделирования выявляются ключевые факторы, определяющие результативность внедрения технологий Big Data в агропромышленном комплексе. Делается вывод о необходимости комплексного использования предиктивной аналитики, машинного обучения и облачных вычислений для построения высокопродуктивных агроэкосистем, устойчивых к рыночным и климатическим рискам. Подчеркивается значимость дальнейшего развития методологической и инструментальной базы аналитики больших данных для обеспечения конкурентоспособности и экологической безопасности отечественного АПК.

1. Wolfert S., Ge L., Verdouw C., Bogaardt M.-J. Big Data in Smart Farming — A review. Agricultural systems. 2017; 153: 69–80. https://doi.org/10.1016/j.agsy.2017.01.023

2. Lioutas E.D., Charatsari C. Big Data in agriculture: Does the new oil lead to sustainability?. Geoforum. 2020; 109: 1–3. https://doi.org/10.1016/j.geoforum.2019.12.019

3. Параскевов А.В. Способы и технические требования к процессу аналитики больших данных в сельском хозяйстве. Научный журнал КубГАУ. 2023; 187: 207–220. https://www.elibrary.ru/irvewr

4. Balafoutis A.T. et al. Smart Farming Technologies — Description, Taxonomy and Economic Impact. Pedersen S., Lind K. (eds.). Precision Agriculture: Technology and Economic Perspectives. Cham: Springer. 2017; 21–77. https://doi.org/10.1007/978-3-319-68715-5_2

5. Невзоров А.С. Прикладные модели и алгоритмы интеллектуального анализа больших данных в сельском хозяйстве. Тренды развития сельского хозяйства и агрообразования в парадигме зеленой экономики. Материалы Международной научно-практической конференции. Сборник статей. М.: РГАУ — МСХА им. К.А. Тимирязева. 2023; 1: 24–28. https://www.elibrary.ru/gatiuy

6. Sarker I.H., Furhad M.H., Nowrozy R. AI-Driven Cybersecurity: An Overview, Security Intelligence Modeling and Research Directions. SN Computer Science. 2021; 2(3): 173. https://doi.org/10.1007/s42979-021-00557-0

7. Scherer M.U. Regulating Artificial Intelligence Systems: Risks, Challenges, Competencies, and Strategies. Harvard Journal . of.Law & Technology. 2015; 29(2): 353–400. http://doi.org/10.2139/ssrn.2609777

8. Rotz S. et al. The Politics of Digital Agricultural Technologies: A Preliminary Review. Sociologia Ruralis. 2019; 59(2): 203–229. https://doi.org/10.1111/soru.12233