کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5759713 1623215 2017 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Brief history of agricultural systems modeling
ترجمه فارسی عنوان
سابقه کوتاه مدل سازی سیستم های کشاورزی
کلمات کلیدی
سیستم های کشاورزی، مدل ها، نسل بعدی، داده ها، تاریخ،
ترجمه چکیده
علم سیستم های علمی دانش را به وجود می آورد که به محققان اجازه می دهد مسائل پیچیده را در نظر بگیرند یا تصمیمات آگاهانه کشاورزی بگیرند. تاریخ غنی این علم، تنوع سیستم ها و مقیاس هایی را که در آنها فعالیت می کنند و مورد مطالعه قرار گرفته اند، نشان می دهد. مدل سازی، یک ابزار ضروری در علم سیستم های کشاورزی، توسط دانشمندان از طیف گسترده ای از رشته ها، که بیش از شش ده سال به مفاهیم و ابزار کمک کرده اند، انجام شده است. به عنوان دانشمندان کشاورزی در حال حاضر نسل بعدی را در نظر بگیرید؟ مدل ها، داده ها و محصولات دانش مورد نیاز برای پاسخگویی به مشکلات سیستم های فزاینده ای پیچیده که با جامعه مواجه می شوند، مهم است که این تاریخ و درس های آن را مورد بررسی قرار دهیم تا اطمینان حاصل شود که ما از اختراع مجدد جلوگیری کنیم و تمام ابعاد چالش های مرتبط را در نظر بگیریم. برای این منظور، ما در اینجا خلاصه ای از تاریخ سیستم های کشاورزی را مدل سازی و شناسایی درس های آموخته شده است که می تواند کمک به طراحی و توسعه نسل بعدی ابزار و روش های سیستم کشاورزی است. تعدادی از رویدادهای گذشته همراه با پیشرفت تکنولوژی کلی در سایر زمینه ها به شدت به تکامل مدل سازی سیستم کشاورزی، از جمله توسعه مدل های زیستی فیزیکی مبتنی بر فرآورده های محصولات زراعی و دامداری، مدل های آماری مبتنی بر مشاهدات تاریخی و بهینه سازی اقتصادی و مدل های شبیه سازی در خانواده و مقیاس های منطقه ای تا جهانی. خصوصیات مدل های سیستم های کشاورزی به طور گسترده ای بسته به سیستم های درگیر، مقیاس های آنها و طیف گسترده ای از اهداف است که باعث توسعه و استفاده آنها توسط محققان در رشته های مختلف می شود. روند اخیر در همکاری گسترده تر در سراسر نهادها، در سراسر رشته ها و بین بخش های عمومی و خصوصی نشان می دهد که مرحله برای پیشرفت های عمده در علوم سیستم های کشاورزی که برای نسل بعدی مدل ها، پایگاه های داده، محصولات دانش و سیستم های پشتیبانی تصمیم مورد نیاز است . درس هایی از تاریخ باید در نظر گرفته شود تا به جلوگیری از بروز مشکلات و مشکلات در جامعه بپردازد که این نسل بعدی مدل های کشاورزی را توسعه می دهد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم کشاورزی و بیولوژیک (عمومی)
چکیده انگلیسی
Agricultural systems science generates knowledge that allows researchers to consider complex problems or take informed agricultural decisions. The rich history of this science exemplifies the diversity of systems and scales over which they operate and have been studied. Modeling, an essential tool in agricultural systems science, has been accomplished by scientists from a wide range of disciplines, who have contributed concepts and tools over more than six decades. As agricultural scientists now consider the “next generation” models, data, and knowledge products needed to meet the increasingly complex systems problems faced by society, it is important to take stock of this history and its lessons to ensure that we avoid re-invention and strive to consider all dimensions of associated challenges. To this end, we summarize here the history of agricultural systems modeling and identify lessons learned that can help guide the design and development of next generation of agricultural system tools and methods. A number of past events combined with overall technological progress in other fields have strongly contributed to the evolution of agricultural system modeling, including development of process-based bio-physical models of crops and livestock, statistical models based on historical observations, and economic optimization and simulation models at household and regional to global scales. Characteristics of agricultural systems models have varied widely depending on the systems involved, their scales, and the wide range of purposes that motivated their development and use by researchers in different disciplines. Recent trends in broader collaboration across institutions, across disciplines, and between the public and private sectors suggest that the stage is set for the major advances in agricultural systems science that are needed for the next generation of models, databases, knowledge products and decision support systems. The lessons from history should be considered to help avoid roadblocks and pitfalls as the community develops this next generation of agricultural systems models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Agricultural Systems - Volume 155, July 2017, Pages 240-254
نویسندگان
, , , , , , , , , , , , , ,