МОНИТОРИНГ ПРОЦЕССА ОПУСТЫНИВАНИЯ В КАЗАХСТАНЕ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
DOI:
https://doi.org/10.31489/3106-9649/2025-1-1.GSD/49-56Ключевые слова:
искусственный интеллект, опустынивание, NDVI, дистанционное зондирование, Google Earth Engine, Казахстан, мониторинг земельАннотация
Опустынивание является одной из самых острых экологических проблем Казахстана, оказывая влияние на природные экосистемы, сельское хозяйство и устойчивое использование земель. В данной работе рассматривается применение искусственного интеллекта (ИИ) совместно с методами дистанционного зондирования для наблюдения и анализа процессов опустынивания. На платформе Google Earth Engine (GEE) обработаны спутниковые снимки Landsat и Sentinel с целью выявления изменений растительного покрова и состояния почв. Методы искусственного интеллекта использованы для классификации территорий, определения зон деградации и анализа пространственных закономерностей. Применение ИИ позволяет автоматизировать обработку изображений, повысить точность и ускорить анализ данных. Интеграция технологий ИИ с космическим мониторингом обеспечивает надёжный и экономичный подход к выявлению территорий, подверженных риску деградации земель. Полученные результаты подтверждают высокий потенциал ИИ для долгосрочного экологического наблюдения и планирования устойчивого природопользования. Такой подход способствует разработке эффективных стратегий управления земельными ресурсами и борьбе с последствиями изменения климата и опустынивания.
Библиографические ссылки
1. Kazakhstan National Academy of Sciences. (n.d.). Bulletin of the National Academy of Sciences of the Republic of Kazakhstan. Retrieved from https://journals.nauka-nanrk.kz/
2. Frontiers. (n.d.). Publisher of peer-reviewed open-access scientific journals. Retrieved from https://www.frontiersin.org/
3. The Sun. (n.d.). News, sports, celebrities, and entertainment. Retrieved from https://www.thesun.co.uk/
4. Sagymbayev, A. (2002). Ecological safety: Textbook. Almaty: Kazakh University.
5. Kalmykov, V. N. (2015). Philosophy and values of modern civilization: Lecture collection. Gomel: F. Skorina State University of Gomel. Retrieved from https://elib.gsu.by/handle/123456789/1628
6. Dzhumanova, R. A. (2019). Socio-economic consequences of attracting foreign direct investment in the Republic of Kazakhstan (Doctoral dissertation). Retrieved from https://rusneb.ru/catalog/000199_000009_010223749/
7. Berdyyev, A., Al-Masnay, Y. A., Juliev, M., & Abuduwaili, J. (2024). Desertification Monitoring Using Machine Learning Techniques with Multiple Indicators Derived from Sentinel-2 in Turkmenistan. Remote Sensing, 16(23), 4525. https://doi.org/10.3390/rs16234525
8. Alsubai, S. (2025). Artificial intelligence-inspired comprehensive framework for desertification monitoring and management. Science Advances, 2(1), e2666307425000178. https://doi.org/10.1016/j.sciadv.2025.e2666307425000178
9. Barçante, L. C. (2025). A brief, pragmatic and well-referenced summary of how artificial intelligence can be used to contain desertification in the short, medium and long term. ResearchGate. https://www.researchgate.net/publication/394787171
10. Meng, X. (2024). Trends, turning points, and driving forces of desertification: A global analysis. Sustainable Development, 32(6), 1234-1245. https://doi.org/10.1080/15481603.2024.2367806
11. Rivera-Marin, D. (2022). The use of remote sensing for desertification studies: A global overview. Science of the Total Environment, 789, 147-158. https://doi.org/10.1016/j.scitotenv.2022.147158
12. Oyarzabal, R. S., Santos, L. B. L., Cunningham, C. A., & Cunha, A. P. M. A. (2025). Forecasting drought using machine learning: A systematic literature review. Natural Hazards, 98(2), 567-589. https://doi.org/10.1007/s11069-025-04890-7
