АНАЛИЗ МЕТОДОВ ОБНОВЛЕНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КАРТ ПУТЕМ ОБРАБОТКИ СПУТНИКОВЫХ ИЗОБРАЖЕНИЙ И ДАННЫХ ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В СИСТЕМЕ УПРАВЛЕНИЯ ЗЕМЕЛЬНЫМИ РЕСУРСАМИ

Авторы

Биография автора

Жандос Мукалиев , Казахский национальный университет им. Аль-Фараби

Мукалиев Жандос Кайратович – PhD докторант, старший преподаватель; Казахский национальный университет им. Аль-Фараби, г. Алматы, Казахстан. e-mail: Zh.mukaliyev@kaznu.kz; ORCID: https://orcid.org/0000-0001-9292-7468.

Ключевые слова:

географические информационные системы, сельскохозяйственные угодья, мониторинг земель, пространственный анализ, дистанционное зондирование, землеустройство, управление ресурсами

Аннотация

В условиях цифровизации аграрного сектора особое значение имеет внедрение географических информационных систем (ГИС) в процессы контроля и управления сельскохозяйственными угодьями. Целью настоящего исследования является оценка эффективности инструментов ГИС для решения задач, связанных с обновлением контуров землепользования, анализом состояния сельскохозяйственных угодий и поддержкой процессов принятия решений. Был проведен сравнительный анализ нескольких функциональных модулей и аналитических инструментов, представленных в ArcGIS. В исследовании использовались данные дистанционного зондирования, векторные слои сельскохозяйственных угодий и кадастровая информация. Результаты показали, что применение ГИС-технологий значительно повышает точность картографических материалов, эффективность обновления данных, качество пространственного анализа, что, в свою очередь, способствует эффективному управлению земельными ресурсами. В документе даны рекомендации по внедрению наиболее продуктивных инструментов в практику землеустройства и кадастрового мониторинга.

Библиографические ссылки

Afroosheh, S., & Askari, M. (2024). Fusion of deep learning and GIS for advanced remote sensing image analysis with enhanced classification accuracy. arXiv preprint. https://doi.org/10.48550/arXiv.2412.19856.

Bahrami, H., McNairn, H., Mahdianpari, M., & Homayouni, S. (2022). A meta-analysis of remote sensing technologies and methodologies for crop characterization. Remote Sensing, 14, 5633. https://doi.org/10.3390/rs14225633.

Diao, C. (2020). Remote sensing phenological monitoring framework to characterize corn and soybean physiological growing stages. Remote Sensing of Environment, 248, 111960. https://doi.org/10.1016/j.rse.2020.111960.

Garajeh, M. K., et al. (2023). An integrated approach of remote sensing and geospatial modelling for climate-resilient agriculture and food-security assessment. Scientific Reports, 13, 12245. https://doi.org/10.1038/s41598-023-28244-5.

Gudowicz, J., & Paluszkiewicz, R. (2021). MAT: GIS-based morphometry assessment tools for concave landforms. Remote Sensing, 13, 2810. https://doi.org/10.3390/rs13142810.

Helder, D., Markham, B., Morfitt, R., et al. (2018). Observations and recommendations for the calibration of Landsat 8 OLI and Sentinel-2 MSI for improved data interoperability. Remote Sensing, 10, 1340. https://doi.org/10.3390/rs10091340.

Huang, Y., Lee, M. A., Thomson, S. J., & Reddy, K. N. (2016). Ground-based hyperspectral remote sensing for weed management in crop production. International Journal of Agricultural and Biological Engineering, 9, 98–109. https://doi.org/10.3965/j.ijabe.20160902.2137.

Inoue, Y. (2020). Satellite- and drone-based remote sensing of crops and soils for smart farming: A review. Soil Science and Plant Nutrition, 66, 798–810. https://doi.org/10.1080/00380768.2020.1738899.

Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., & Landivar-Bowles, J. (2021). The potential of remote sensing and artificial intelligence as tools to improve the resilience of agriculture production systems. Current Opinion in Biotechnology, 70, 15–22. https://doi.org/10.1016/j.copbio.2020.09.003.

Kellogg, C. E. (1951). Soil and land classification. American Journal of Agricultural Economics, 33(4, Part 1), 499–513. https://doi.org/10.2307/1233560.

Khanal, S., Kushal, K. C., Fulton, J. P., Shearer, S., & Ozkan, E. (2020). Remote sensing in agriculture – Accomplishments, limitations, and opportunities. Remote Sensing, 12, 3783. https://doi.org/10.3390/rs12223783.

Klyushnichenko, V. N. (2022). Sovershenstvovanie ispol'zovaniya zemel' sel'skohozyajstvennogo naznacheniya. Vestnik SGUGiT, 27(4), 150–159. https://vestnik.sgugit.ru/upload/vestnik/sborniki/2022/27_4/150-159.pdf.

Maimaitijiang, M., Sagan, V., Sidike, P., Daloye, A. M., Erkbol, H., & Fritschi, F. B. (2020). Crop monitoring using satellite/UAV data fusion and machine learning. Remote Sensing, 12, 1357. https://doi.org/10.3390/rs12091357.

Matsushita, B., Yang, W., Chen, J., Onda, Y., & Qiu, G. (2007). Sensitivity of the Enhanced Vegetation Index (EVI) and NDVI to topographic effects: A case study in high-density cypress forest. Sensors, 7, 2636–2651. https://doi.org/10.3390/s7112636.

McCabe, M. F., Houborg, R., & Lucieer, A. (2016). High-resolution sensing for precision agriculture: From Earth-observing satellites to unmanned aerial vehicles. Proceedings of SPIE – Remote Sensing, 9998, 999811. https://doi.org/10.1117/12.2241289.

Phang, S. K., Chiang, T. H. A., Happonen, A., & Chang, M. M. L. (2023). From satellite to UAV-based remote sensing: A review on precision agriculture. IEEE Access, 11, 127057–127076. https://doi.org/10.1109/ACCESS.2023.3330886.

Rafikov, T., Zhumatayeva, Z., Mukaliyev, Z., & Zhildikbayeva, A. (2024). Evaluating land degradation in East Kazakhstan using NDVI and Landsat data. International Journal of Design & Nature and Ecodynamics, 19(5), 1677–1686. https://doi.org/10.18280/ijdne.190521.

Sangeetha, C., Moond, V., Rajesh, G. M., Damor, J. S., Pandey, S. K., & Kumar, P., et al. (2024). Remote sensing and geographic information systems for precision agriculture: A review. International Journal of Environment and Climate Change, 14(2), 287–309. https://doi.org/10.9734/ijecc/2024/v14i23945.

Sharma, S., Beslity, J. O., Rustad, L., Shelby, L. J., Manos, P. T., Khanal, P., Reinmann, A. B., & Khanal, C. (2024). Remote sensing and GIS in natural resource management: Comparing tools and emphasizing the importance of in-situ data. Remote Sensing, 16(22), 4161. https://doi.org/10.3390/rs16224161.

Zhumataeva, Zh., Serikbaeva, G., Turganaliev, S., Mukaliev, Zh., & Rafikov, T. (2024). Increasing the ecological and economic efficiency of land resources use. Izdenister Natigeler, 2(102), 360–369. https://doi.org/10.37884/2-2024/35.

Опубликован

30.12.2025

Как цитировать

Жуматаева , Ж., Оналбаева , Д., Мукалиев , Ж., Бектұрғанова , А., Бекқұлиев , А., & Турганалиев , С. (2025). АНАЛИЗ МЕТОДОВ ОБНОВЛЕНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КАРТ ПУТЕМ ОБРАБОТКИ СПУТНИКОВЫХ ИЗОБРАЖЕНИЙ И ДАННЫХ ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В СИСТЕМЕ УПРАВЛЕНИЯ ЗЕМЕЛЬНЫМИ РЕСУРСАМИ. Izdenister Natigeler, (4 (108). извлечено от https://journal.kaznaru.edu.kz/index.php/research/article/view/1108

Выпуск

№ 4 (108) (2025): Исследования, результаты

Раздел

ВОДНЫЕ, ЗЕМЕЛЬНЫЕ И ЛЕСНЫЕ РЕСУРСЫ

Лицензия

Copyright (c) 2026 Izdenister natigeler

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Наиболее читаемые статьи этого автора (авторов)