Аннотация
Введение. Эффективное использование сельскохозяйственных земель является ключевым фактором обеспечения устойчивого развития сельского хозяйства и продовольственной безопасности. В условиях возрастающей антропогенной нагрузки и климатической изменчивости возрастает необходимость применения современных инструментов для оценки эффективности землепользования. Геоинформационные технологии и дистанционное зондирование Земли предоставляют надёжные методы мониторинга растительного покрова и анализа пространственных закономерностей продуктивности земель. Материалы и методы. Данное исследование основано на использовании геоинформационных систем (ГИС) и спутниковых снимков (Landsat) за 2015, 2020 и 2025 годы. Для оценки состояния растительности и продуктивности земель был рассчитан нормализованный вегетационный индекс (NDVI). Пространственный анализ выполнен с использованием ArcGIS Pro, включая классификацию и сравнительный анализ карт NDVI. Результаты и обсуждение. Анализ выявил значительную пространственную дифференциацию растительного покрова на территории Алматинской области. Высокие значения NDVI характерны для горных и предгорных районов, тогда как низкие значения преобладают в аридных и полуаридных зонах. Сравнение данных NDVI показало увеличение плотности растительности в 2020 году по сравнению с 2015 годом, а также более неоднородную картину в 2025 году, что свидетельствует о наличии как положительных изменений, так и процессов деградации. Выводы. Полученные результаты подтверждают, что NDVI является эффективным индикатором оценки использования сельскохозяйственных земель. Интеграция ГИС и данных дистанционного зондирования обеспечивает объективный мониторинг динамики растительности и формирует научную основу для повышения эффективности землепользования и устойчивого управления земельными ресурсами.
01 Введение
Полный текст статьи доступен для скачивания в формате PDF на панели справа.
02 Список литературы
- FAO. (2021). The state of the world’s land and water resources for food and agriculture – Systems at breaking point (SOLAW 2021). Rome: FAO. https://doi.org/10.4060/cb7654en
- D’Acunto, F., Marinello, F., & Pezzuolo, A. (2024). Rural land degradation assessment through remote sensing: Current technologies, models, and applications. Remote Sensing, 16(16), 3059. https://doi.org/10.3390/rs16163059
- Dubovyk, O. (2017). The role of remote sensing in land degradation assessments: Opportunities and challenges. European Journal of Remote Sensing, 50(1), 601–613. https://doi.org/10.1080/22797254.2017.1378926
- Reynolds, J. F. (2007). Global desertification: Building a science for dryland development. Science, 316(5826), 847–851. https://doi.org/10.1126/science.1131634
- Sabljić, L., Lukić, T., Bajić, D., Marković, S. B., & Delić, D. (2024). Application of remote sensing in monitoring land degradation: A case study of Stanari municipality. Open Geosciences, 16(1). https://doi.org/10.1515/geo-2022-0671
- Foley, J. A., DeFries, R., Asner, G. P., et al. (2005). Global consequences of land use. Science, 309(5734), 570–574. https://doi.org/10.1126/science.1111772
- Shokparova, D. K., Sirazhitdinova, M., Bissenbayeva, S. B., & Patel, N. (2025). Remote sensing and GIS-based land assessment in Zhanaarka region of Ulytau oblast, Kazakhstan. Frontiers in Environmental Science, 13, 1516460. https://doi.org/10.3389/fenvs.2025.1516460
- Pettorelli, N., Vik, J. O., Mysterud, A., Gaillard, J.-M., Tucker, C. J., & Stenseth, N. C. (2005). Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 20(9), 503–510. https://doi.org/10.1016/j.tree.2005.05.011
- Wulder, M. A., Masek, J. G., Cohen, W. B., Loveland, T. R., & Woodcock, C. E. (2012). Opening the archive: How free data has enabled the science and monitoring promise of Landsat. Remote Sensing of Environment, 122, 2–10. https://doi.org/10.1016/j.rse.2012.01.010
- Fensholt, R., & Proud, S. R. (2012). Evaluation of Earth observation based global long term vegetation trends — Comparing GIMMS and MODIS global NDVI time series. Remote Sensing of Environment, 119, 131–147. https://doi.org/10.1016/j.rse.2011.12.015
- Rafikov, T., Yerbolkyzy, M., & Zhildikbayeva, A. (2024). Application of remote sensing data and NDVI analysis in the East Kazakhstan region. Izdenister Natigeler, 1(101), 183–191. https://doi.org/10.37884/1-2024/18 (in Russian)
- Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2), 127–150. https://doi.org/10.1016/0034-4257(79)90013-0
- Zhu, Z., & Woodcock, C. E. (2014). Continuous change detection and classification of land cover using all available Landsat data. Remote Sensing of Environment, 144, 152–171. https://doi.org/10.1016/j.rse.2014.01.011
- Zhumataeva, Z., Serikbaeva, G., Turganaliev, S., Mukaliev, Z., & Rafikov, T. (2024). Increasing ecological and economic efficiency of land use. Izdenister Natigeler, 2(102), 360–369. https://doi.org/10.37884/2-2024/35
- Ashimkhan, N., Rafikov, T., Zhildikbayeva, A., Mukaliyev, Zh., Doktyrbek, A., & Pentayev, T. (2025). Application of geographic databases for the development of geoportals in Kazakhstan. Izdenister Natigeler, 4(108), 470–480. https://doi.org/10.37884/4-2025/48