Prospects for the development of digital models of grape varieties for predicting the effectiveness of technological processes | Перспективы разработки цифровых моделей сортов винограда для прогнозирования результативности технологических процессов

英语. With an increase in the consumption volume of grape-growing products, it is necessary to monitor a forecast of production possibility for each individual variety or scion-rootstock combination, depending on edaphoclimatic conditions and cultivation technology. This is possible only if predictive models of the behavior of the grape variety or its scion-rootstock combination are developed in the grafted culture in various ecoagrobiocenoses. The study purpose was to consider methodological approaches to creation of mathematical models for predicting response of an individual grape variety or groups varieties on the abiotic and agrotechnological characteristics of cultivation. To achieve this goal, a previously created database was used. It was obtained during an experiment conducted on the basis of uterine plantations and an open grape school of the Institute "Agrotechnological Academy" of the V.I. Vernadsky Crimean Federal University, collected in the period from 2018 to 2021 and subjected to multidimensional regression analysis using the developed program. The total item number in the database is 1,860; it covers 31parameters. The research proved the possibility of developing regression models for predicting grape performance using nonparametric digital introduction of varieties, as well as environmental factors. It is established that regression models characterizing the quality of the vine taking into account varietal characteristics and weather conditions can be different depending on a particular variety. Thus, a similar model for 'Cabernet Sauvignon' is fundamental with a multiple correlation coefficient of R = 0.9866, and for the 'Syrah' it is logarithmic at R = 1.0000. Promising possibilities and ways of developing digital (mathematical) models characterizing individual varieties or groups of varieties by origin according to performance, depending on edaphoclimatic conditions, production technology, as well as quality parameters of manufactured products are considered.

俄语. При увеличении объёмов потребления виноградовинодельческой продукции, необходимо осуществлять мониторинговый прогноз возможности её производства для каждого отдельного сорта или привойно-подвойной комбинации в зависимости от почвенно-климатических условий и технологии выращивания. Это возможно при условии разработки прогностических моделей поведения сорта винограда или его привойно-подвойной комбинации в привитой культуре в различных экоагробиоценозах. Цель исследования - рассмотрение методологических подходов к созданию математических моделей прогноза поведения отдельного сорта или групп сортов винограда в зависимости от абиотических и агротехнологических особенностей выращивания. Использовали ранее созданную базу данных, полученных в ходе эксперимента, проводимого на базе маточных насаждений и открытой виноградной школки Института ''Агротехнологическая академия'' ФГАОУ ВО ''Крымский федеральный университет им. В.И. Вернадского'', собранная в период 2018-2021 гг. и подвергнутая многомерному регрессионному анализу с применением разработанной программы. Суммарное количество позиций, включенных в базу данных составляет 1860 шт. (31 параметр). Доказана возможность разработки регрессионных моделей прогноза продуктивности при использовании непараметрического цифрового введения сортов, а также факторов окружающей среды. Установлено, что регрессионные модели, характеризующие качество лозы с учётом сортовых особенностей и погодных условий, могут меняться в зависимости от конкретного сорта. Так, подобная модель для сорта Каберне Совиньон является коренной с коэффициентом множественной корреляции при R = 0,9866, а для сорта Сира – логарифмической при R = 1,0000. Рассмотрены перспективные возможности и способы разработки цифровых (математических) моделей, характеризующих отдельно взятые сорта или группы сортов по происхождению по их продуктивности в зависимости от почвенно-климатических условий, технологии производства, а также параметров качества производимой продукции.