The work purpose is to analyze indicators of water resources (WR) use for uptake and losses in the federal institutions of the reclamation industry. Materials for indicator analysis of WR use were provided by 48 federal state budgetary institutions (FSBIs), that are Departments of Land Reclamation and Agricultural Water Supply, according to specially developed table. The data were analyzed in the context of federal districts (FD) and some FSBIs. It has been determined that, in general, in the Russian Federation in 2021, the volume of water uptake into water management systems (WMS) according to the FSBI amounted to 17.6 km3, the volume of losses was 4.4 km3 (25% of the volume of WR taken). The main uptake and losses of WR (99%) took place in three FD: North Caucasus, Southern and Volga FD. The North Caucasian FD is the leader in water uptake, its share in the total volume of water uptake is 62.5%, or about 11 km3. Among the FSBIs in terms of WR uptake, the leading position is occupied by 5 ones: Kubanmeliovodkhoz, Minmeliovodkhoz of the Republic of Dagestan, UEBSK, Stavropolmeliovodkhoz, Rostovmeliovodkhoz. In total, in 2021, they carried out the uptake of 12.3 km3 (70% of the total volume of WR taken). The largest volume of losses was noted in the North Caucasian FD – 2.5 km3. In the context of the FSBI, the largest losses occurred at the Minmeliovodkhoz of the Republic of Dagestan and Kubanmeliovodkhoz, which amounted to 0.95 and 0.89 km3 in 2021, or 42% of the total volume of losses. Compared to 2020, there was an increase in losses by 12 and 41%, respectively. For the FSBIs, the largest share of losses of the volume of water uptake was noted in Astrakhanmeliovodkhoz and amounted to 35%. To increase the efficiency of WR use, it is necessary to focus on the analysis of WMS operation in the North Caucasus and Southern FD, in particular, by the largest water users: FSBIs "Minmeliovodkhoz of the Republic of Dagestan" and "Kubanmeliovodkhoz", primarily with the aim of reducing losses when supplying WR to consumers. | Цель работы: анализ показателей использования водных ресурсов (ВР) по забору и потерям в федеральных учреждениях мелиоративной отрасли. Материалы для анализа показателей использования ВР были предоставлены согласно специально разработанной таблице 48 федеральными государственными бюджетными учреждениями (ФГБУ) -Управлениями мелиорации земель и сельскохозяйственного водоснабжения. Данные были проанализированы в разрезе федеральных округов (ФО) и отдельных ФГБУ. Установлено, что в целом по РФ в 2021 г. объем забора ВР в водохозяйственные системы (ВХС) по ФГБУ составил 17,6 куб. км, объем потерь – 4,4 куб. км (25% от объема забранных ВР). Основной забор и потери ВР (99%) имели место в трех ФО: Северо-Кавказском, Южном и Приволжском. Северо-Кавказский ФО является лидером по забору ВР, его доля в общем объеме забранных ВР составляет 62,5%, или около 11 куб. км. Среди ФГБУ по объемам забора ВР лидирующее положение занимают пять: Кубаньмелиоводхоз, Управление "Минмелиоводхоз Республики Дагестан", УЭБСК, Ставропольмелиоводхоз, Ростовмелиоводхоз. Суммарно в 2021 г. они осуществили забор 12,3 куб. км (70% от всего объема забранных ВР). Наибольший объем потерь отмечался в Северо-Кавказском ФО – 2,5 куб. км. В разрезе ФГБУ наибольшие потери приходятся на Минмелиоводхоз Республики Дагестан и Кубаньмелиоводхоз, составившие в 2021 г. 0,95 и 0,89 куб. км, или 42% от общего объема потерь. По сравнению с 2020 г. произошло увеличение потерь на 12 и 41% соответственно. По ФГБУ наибольшая доля потерь от объема забора ВР (35%) отмечалась в Астраханмелиоводхозе. Для повышения эффективности использования ВР необходимо основное внимание сосредоточить на анализе эксплуатации ВХС в Северо-Кавказском и Южном ФО, в частности, наиболее крупными водопользователями: ФГБУ "Минмелиоводхоз Республики Дагестан" и "Кубаньмелиоводхоз", в первую очередь с целью снижения потерь при подаче ВР потребителям.

The research purpose is to develop the concept of irrigation management systems using integrated artificial intelligence technologies (IAIT). The working hypothesis is the assumption of the priority of the cluster application of IAIT in solving urgent problems of irrigation management. The basis of the information-computing unit of the irrigation control system should be deterministic algorithms using practically proven solutions. Within the framework of the proposed concept, a neural network can be used as the basis for solving a problem, or it can only be used to adapt the parameters of the models used. The meeting points of traditional, analytical irrigation management systems and IAIT are determined by the need to adapt parameters, fine-tune the coefficients of the methodological tools used. The scope of IAIT application in irrigation management improving is quite wide. IAIT can be used to solve the issues of irrigation planning and operational management, image recognition in satellite monitoring of soil moisture, interpolation these data by area, forecasting the soil moisture profile. An algorithm has been developed, that use IAIT to improve the reliability of forecasting the total water consumption of irrigated crops in the regional and landscape aspects. The proposed algorithm allows the system to self-learn and refine the regional values of bioclimatic coefficients, with respect to cumulative influence of local factors. Conclusions are the following: the developed concept and proposed scientific approaches allow effectively solving the problem of adapting the parameters of methodological irrigation management tools at the level of an irrigated field, and even considering intra-field variability. | Цель исследования - разработка концепта систем управления орошением с интегрированными технологиями искусственного интеллекта (ТИИ). Рабочая гипотеза - предположение о приоритете кластерного применения ТИИ в решении актуальных задач управления орошением. Основу информационно-вычислительного блока системы управления орошением должны составлять детерминированные алгоритмы с использованием проверенных практикой решений. В рамках предлагаемого концепта нейронная сеть может быть положена в основу решения задачи, а может использоваться лишь для адаптации параметров используемых моделей. Точки соприкосновения традиционных, аналитических систем управления орошением и ТИИ определяются необходимостью адаптации параметров, точной настройки коэффициентов используемого методологического инструментария. Сфера применения ТИИ в решении задач управления орошением довольно широка: это решение задач планирования и оперативного управления орошением, распознавания образов при спутниковом контроле влажности почвы, интерполяции данных о влажности почвы по площади, прогнозирования профиля увлажнения почвы. Разработан алгоритм, использующий ТИИ для повышения надежности прогноза суммарного водопотребления орошаемых культур в региональном и ландшафтном аспекте. Предложенный алгоритм позволяет системе самообучаться и уточнять региональные значения биоклиматических коэффициентов с учетом совокупного влияния местных факторов. Выводы: разработанный концепт и предложенные научные подходы, позволяют эффективно решать задачу адаптации параметров методологического инструментария управления орошением на уровне орошаемого поля, и даже с учетом внутриполевой вариабельности.