0001-7002-4591

(1)

63

УДК 528.854.4; 528.873; 528.8 DOI 10.56339/2305-9397-2023-1-3-63-72 МРНТИ: 89.57.35

Кабжанова Г.Р., кандидат сельскохозяйственных наук, основной автор, https://orcid.org/0000- 0001-7002-4591

АО «Национальная компания «Қазақстан Ғарыш Сапары», г. Астана, пр. Туран, 89, 010000, Казахстан, [email protected]

Курмашева А.Ж., магистр технических наук, https://orcid.org/0000-0002-3149-7537

Алибаева М.Т., магистр естественных наук, https://orcid.org/0000-0002-6382-4571

Бисембаев А.Т., кандидат сельскохозяйственных наук, https://orcid.org/0000-0001-8795-0700 ТОО «Научно-производственный центр животноводства и ветеринарии», г. Астана, ул. Кенесары, 40,010000, Казахстан,[email protected]

Kabzhanova G.R.,Candidate of Agricultural sciences, https://orcid.org/0000-0001-7002-4591

JSC “National Company “Kazakhstan Gharysh Sapary”, Astana, Turan ave. 89, 010000, Kazakhstan, [email protected]

Kurmasheva A.Zh., Master of Engineering sciences, https://orcid.org/0000-0002-3149-7537

Alibayeva M.T., Master of Natural sciences, https://orcid.org/0000-0002-6382-4571

BissembaevA.T., Candidate of Agricultural sciences, https://orcid.org/0000-0001-8795-0700

LLP “Scientific and Production Centre for Animal Husbandry and Veterinary”, Astana, Kenesary str. 40, 010000, Kazakhstan, [email protected]

ИЗУЧЕНИЕ ПРОСТРАНСТВЕННОГО РАСПРЕДЕЛЕНИЯ ТИПОВ ПАСТБИЩ СУХОСТЕПНОЙ ЗОНЫ ПАВЛОДАРСКОЙ ОБЛАСТИ ПО ДАННЫМ ДЗЗ

STUDY OF SPATIAL DISTRIBUTION OF PASTURES TYPES OF THE DRY STEPPE ZONE OF PAVLODAR REGIONACCORDING TO REMOTE SENSING DATA

Аннотация

Пастбищные ресурсы Казахстана требуют особых усилий при мониторинге и контроле использования. Основным инструментом для оперативного и объективного мониторинга пастбищной растительности являются данные дистанционного зондирования Земли (далее – ДЗЗ), данные технологии получили свое новое развитие при появлении собственных спутников ДЗЗ у Казахстана. Изучение пространственного распределения типов пастбищных угодий позволит внедрить принципы рационального пастбищепользования на местах с учетом использования научно-обоснованных пастбищеоборотов и мероприятий по улучшению пастбищ. Использование данных ДЗЗ дает возможность получения важной и актуальной информации о динамических и пространственных характеристиках пастбищной растительности. Методическое обоснование данных ДЗЗ для оценки пространственного распределения типов пастбищных угодий степной и сухостепной зон Павлодарской области легли в основу проведенных исследований. Данная статья была подготовлена в рамках научно-исследовательской работы «Прикладные научные исследования в области АПК 2021-2023 гг.» по научно-технической программе «Разработка новых технологий восстановления и рационального использования пастбищ (использование пастбищных ресурсов)» (BR10764915) по мероприятию: «Использование ГИС технологий и данных ДЗЗ в системе управления пастбищными ресурсами и их рациональном управлении».

ANNOTATION

Pasture resources in Kazakhstan require special efforts in monitoring and controlling use. The main tool for operational and objective monitoring of pasture vegetation is Earth remote sensing data (ERS), these technologies have received their new development with the advent of Kazakhstan's own

(2)

64

ERS satellites. The study of the spatial distribution of pasture types will allow introducing the principles of rational pasture use in the field, taking into account the use of scientifically based pasture rotations and pasture improvement measures. The use of ERS data makes it possible to obtain important information about the dynamic and spatial characteristics of pasture vegetation. Methodological substantiation of the ERS data for assessing the spatial distribution of the pasture lands types of the steppe and dry steppe zones of the Pavlodar region formed the basis of the conducted research. This article was prepared as part of the research work “Applied scientific research in the field of agriculture 2021-2023” under the scientific and technical program “Development of new technologies for restoration and rational use of pastures (use of pasture resources)” (BR10764915) for the event: “The use of GIS technologies and remote sensing data in the management system of pasture resources and their rational management”.

Ключевые слова: Казахстан, типы пастбищ, дистанционное зондирование Земли, вегетационные индексы, биофизические параметры растительности.

Key words: Kazakhstan; types of pasture, Earth remote sensing, vegetation indices, biophysical parameters of vegetation.

Введение. Казахстан располагает огромными пастбищными ресурсами; порядка 190 млн. га пастбищных угодий должно способствовать интенсивному развитию животноводства страны. Обладание таким большим ресурсом предполагает принятие эффективных мер по управлению и мониторингу данных ресурсов. В 2021 году Казахстан столкнулся с засухой, особенно взападной и южной частях страны, когда кормоемкость и без того скудных травостоев свелась к нулю, наблюдалась печальная картина из многочисленных трупов животных в степи [1].

Прежде всего, причиной такой ситуации явилась экстремальная засуха, а также складывающиеся глобальные климатические изменения, вызывающие, в свою очередь, деградацию и снижение качества пастбищных ресурсов. В степных регионах Казахстана, где расположены большая часть пастбищ, два раза за каждые пять лет происходят засухи, что ведет к неустойчивой продуктивности пастбищ [2].

Пастбищные ресурсы как пространственно-протяженный объект с большими площадями хорошо поддаются наблюдению и описанию с помощью инструментов ДЗЗ [3]. Учитывая, что Казахстан обладает тремя спутниками ДЗЗ[4]и космические технологии в стране поступательно развиваются, изучение пастбищ по данным ДЗЗ встало на новый уровень.

Отсутствие актуальной информации о состоянии пастбищных угодий является основной проблемой для Казахстана. Использование данных ДЗЗ дает возможность получения важной информации о динамических и пространственных характеристиках пастбищной растительности[5].Методическое обоснование данных ДЗЗ для типизации пастбищных ресурсов легли в основу научных исследований, проведенных нами в рамках программно-целевого финансирования Министерства сельского хозяйства Республики Казахстан.

Основной целью данных исследований, описанных в данной статье, является изучение пространственного распределения типов пастбищных угодий по данным ДЗЗ, в частности, использование спектральных индексов и биофизических параметров (далее – БФП) растительности для характеристики типов пастбищной растительности на основе данных ДЗЗ для эффективного использования данных угодий для развития животноводства.

Материалы и методы исследований.

Наша страна занимает пятое место по объему пастбищных угодий. Общая площадь пастбищных угодий насчитывает 188 млн. га, из них около 77% расположены на равнинной местности,18% – в горной местности и на возвышенностях и 5% – вдолинной и низинной местностях[6]. Именно равнинные пастбища степной и сухостепной зоны обладают высококачественным травостоем и вызывает большой интерес к обследованию. Павлодарская область находится на северо-востоке Казахстана. На примере данной области проведено изучение типов пастбищной растительности на основе использования космических данных. На основе данных ДЗЗ среднего разрешения проведено картирование пастбищных угодий Павлодарской области (рисунок 1).

(3)

65

Рисунок 1 – Карта-схема пастбищных угодий Павлодарской области на основе данных ДЗЗ среднего разрешения

Необходимо отметить основные хозяйственные критерии пастбищ региона: площадь территории, типы пастбищ, потенциал агропроизводства Павлодарской области. Общая площадь пастбищ региона составляет 8127 тыс. га, из них мониторингом охвачено 100%. Пастбищные ресурсы данногорегионавключают в себя различные экосистемы. Для эффективного мониторинга и более подробногоописания природно-климатических зон районы региона классифицированы следующим образом: Аккулинский – подзона сухих степей,Актогайский – подзона умеренно сухих степей, Баянаульский – подзона сухих степей, горная лесостепная зона, Железинский – подзона засушливых степей, Иртышский – подзона засушливых степей, Качирский – подзона засушливых степей, Майский – подзона сухих степей, пустынно-степная зона, Павлодарский – подзона умеренно сухих степей, Успенский – подзона умеренно сухих степей, Щербактинский –

подзона умеренно сухих степей,

г. Экибастуз – подзона умеренно сухих степей.

Кормовая база данного региона складывается из одного основного источника в виде естественных пастбищ. По показателям состояния пастбищ чистые пастбища составляют 4839,1 тыс. га или 58,7% от общей площади, сбитые – 726,1 га или 15%, закустаренных – 420 га или 8,7%

[7].

В работе использованы следующие методы: ГИС-анализ данных, пространственный анализ данных ДЗЗ, корреляционный анализ подспутниковых данных и др.

Используя объектно-картографический метод организации геопространственных данных, можно достоверно сформировать массивы геопространственных данных при создании базы данных геоинформационных систем (далее – ГИС) пастбищных угодий [8]. База геоданных ГИС включает в себя такие тематические слои, как типы и характеристика почв, агроклиматические условия, анторопогенное воздействие, типы пастбищных угодий, нагрузки на пастбища, кормовая емкость, классификация пастбищ и др. [9].

Ведущая роль отведена применению данных ДЗЗ, которое состоит из следующих этапов:

1) предварительная обработка данных ДЗЗ; 2) тематическая обработка данных ДЗЗ, а именно расчет спектральных индексов и извлечение БФП растительности. Также в работе применены данные полевого геоботанического обследования для калибровочной верификации данных ДЗЗ.

(4)

66

Оценка и картирование растительности является важнейшим средством мониторинга и оценки сельскохозяйственного развития. В настоящее время ДЗЗ является прикладным подходом к оценке растительности с использованием переменных растительности, которые сильно варьируются во времени и пространстве [10].

Для картирования основных показателей пастбищных угодий изучаемой территории в качестве данных ДЗЗ были применены оптические космические снимки со спутников Sentinel-2.

Sentinel-2 – спутник Европейского космического агентства (ESA), запущенный 23 июня 2015 г. в рамках программы Copernicus. Космический аппарат Sentinel-2 оснащен оптико- электронным мультиспектральным сенсором (MultiSpectral Instrument – MSI), который выполняет съѐмку в 13 спектральных каналах от видимого и ближнего инфракрасного до коротковолнового инфракрасного диапазона спектра. Пространственное разрешение съемочной системы варьирует от 10 до 60 м, в зависимости от спектрального диапазона, ширина полосы захвата – 290 км.

Сочетание относительно высокого пространственного и высокого спектрального разрешения, значительной полосы захвата является уникальным преимуществом съемочной системы Sentinel-2 [11].

Пригодность изображений Sentinel-2 с высоким пространственно-временным разрешением в исследованиях и оценке биомассы пастбищных угодий были ярко продемонстированы в научно- исследовательских работах других стран [12, 13]. Для определения количественных критериев обследованных точек Павлодарской области с применением данных ДЗЗ был проведен тематический анализ посредством расчета вегетационных индексов и БФП растительностив ПО Erdas IMAGINE и Sentinel Application Platform (SNAP).

ДЗЗ является эффективным способом мониторинга состояния и динамики растительности.

Поскольку NDVI влечет за собой некоторые ограничения, он представляет относительную оценку различий в развитии растительности – NDVI чувствителен к условиям освещения, углу обзора, датчику и близок к насыщению, когда достигается закрытие полога [14]. В результате доступ к абсолютной информации с помощью NDVI требует калибровки модели с помощью наземных измерений, которые должны быть синхронизированы с получением изображений. В противном случае последовательный мониторинг с течением времени с этим индексом невозможен.

Существует второй, более продвинутый метод, который называется извлечением БФП [15, 16]. Для извлечения БФП требуются сложные алгоритмы обработки. Извлечение БФП обеспечивает доступ к абсолютной количественной оценке биомассы и азотного питания посредством расчета различных показателей, таких как FCOVER (доля зеленого покрова), FAPAR (доля поглощенного фотосинтетически активного излучения), LAI (индекс площади листьев), которые были применены в данных исследованиях по оценке растительности наряду с вегетационными индексами (таблица 1).

Таблица 1 – Описание БФП растительности по данным ДЗЗ

Название Означение Значение Преимущество

1 2 3 4

LAI

количество квадратных метров листьев, присутствующих на одном

квадратном метре земли

до 5-7 для большинства культур

(закрытие полога достигается за 3-4)

в сочетании с другими показателями дает доступ

к оценке биомассы

FAPAR

% солнечного света, поглощаемого растением

в области фотосинтеза

от 0 до 1, 1 соответствует полностью активному

фотосинтезу

в сочетании с другими показателями, дает доступ

к оценке биомассы и производству

FCOVER

% поверхности земли, занятой растением, вид сверху

от 0 до 1, 1 соответствует ситуации, когда земля

полностью покрыта растительностью

в комбинации с другими показателями, дает доступ к

оценке биомассы

(5)

67

Результаты и их обсуждение. Географическая информационная система (ГИС) – это компьютерная система, которая анализирует и отображает информацию с географической привязкой [17]. Технология ГИС является уникальным инструментом для работы с геоданными для их контроля, визуализации и анализа [18]. Информационные ресурсы территории зоны интереса можно разделить на две группы: базовые ПД, тематические ПД и карты.

Базовые пространственные данные являются основой для создания тематических данных, предоставления информационных услуг органам власти, населению, хозяйствующим субъектам.

Это топографические карты разных масштабов и содержания, карты областного административно- территориального деления, адресные планы населенных пунктов, космические изображения и аэрофотоснимки. Тематические пространственные данные и карты обеспечивают бизнес- процессы. Эти данные носят специализированный характер и предназначены для решения специфических задач подразделений. Отдельные тематические наборы данных могут быть использованы для предоставления информационных услуг заинтересованным лицам. В рамках разработки ГИС зоны интереса были выполнены следующие задачи: выполнена предварительная и тематическая обработка космических снимков; созданы тематические карты по материалам дешифрирования космических снимков. Также разработана векторная карта границ сельскохозяйственных угодий, актуальная для проведения мониторинга, карта растительности Павлодарской области путем оцифровки исходных материалов по Национальному Атласу Казахстана [19]. Карта сопровождается базой данных, в которой отражаются материалы ДЗЗ, калибровочные параметры и данные полевой верификации. В качестве исходных данных были использованы векторные данные по населенным пунктам, гидрографическим объектам и т.д.

Актуальные границы пастбищных выделов были идентифицированы по космическим снимкам на зону интереса. Общая площадь пастбищных угодий Павлодарской области по данным ДЗЗ составляет 8127 тыс. га. Если учитывать, что площадь области составляет 12473 тыс. га тыс. га, то из них 65% являются пастбищами. Таким образом, в рамках реализации проекта разработана ГИС зоны интереса, в которой отражена актуальная топографическая основа, отраслевые тематические слои, включая структуру сельскохозяйственных угодий, почвенные карты, структура пастбищных угодий в разрезе районов и др.

Для детальной оценки пастбищных угодий, точнее для эталонирования показателей оценки пастбищной растительности путем описания основных растительных формаций пастбищных угодий было проведено детальное геоботаническое обследование пастбищных угодий по контрольным полигонам на территории Павлодарской области согласно маршруту на рисунке 2.

Рисунок 2 – Маршрут полевых обследований по Павлодарской области

Геоботаническое обследование пастбищной растительности Павлодарской области состоитиз таких этапов как предварительный, полевой и камеральный. При изучении растительности региона использовалсяэкосистемный подход [20], который основан на данныхоб объекте изучения как живой саморегулирующейся системе и среде, где функционирует сама система. В качестве основных методических указаний были взяты традиционные подходы в геоботаническом обследовании [21].

На каждом полигоне производились пробные укосы на высоте 5 см в трехкратной повторности на площади 1 кв.м. для определения урожайности надземной массы (рисунок 3).

(6)

68

Рисунок 3 – Определение урожайности надземной массы травостоя

Район исследований расположен в северной и центральной частях Павлодарской области, территориально находится в степной и сухостепной зонных. Рельеф – слабоволнистая равнина.

Климат умеренный, резко континентальный. Длительная зимахарактеризуется устойчивым снежным покровом и лето – скудными осадками. Средняя температура января – 15,6⁰С, июля + 20⁰С. Среднегодовое количество осадков составляет 303 мм. Флористический состав обследованный точек насчитывает 53 вида из 19 семейств высших сосудистых растений.

Обследованные полигоны относятся к следующим основным формациям:

1) австрийско-полынная формация;

2) типчаковая формация;

3) ковыльная формация;

4) житняковая формация сеянных сенокосов и пастбищ;

5) злаковая формация (ковыль+житняк+типчак).

Для определения количественных критериев обследованных тестовых полигонов Павлодарской области с применением данных ДЗЗ был проведен тематический анализ посредством БФП в ПО Erdas IMAGINE и Sentinel Application Platform (SNAP).

Результаты по расчетам БФП растительности по данным ДЗЗ для контрольных полигонов пастбищных угодий зоны интереса представлены на рисунках 4-7.

Рисунок 4 – Динамика БФП растительности LAI пастбищных угодий территории Павлодарской области

Рисунок 5 – Динамика БФП растительности FAPAR пастбищных угодий территории Павлодарской области

Рисунок 6 – Динамика БФП растительности FCOVER пастбищных угодий территории Павлодарской области

(7)

69

Рисунок 7 – Динамика БФП растительности LAI, FAPAR, FCOVER Павлодарской области относительно растительных формаций

Проведена пространственная экстраполяция полученных данных. Возможности ГИС позволяют комбинировать общепринятые статистические методы обработки табличных данных полевых измерений с технологией сопряженного пространственного анализа разнородных геоданных, включающих помимо дистанционных материалов, тематическую информацию из БД и ландшафтно-территориальные зависимости.Картирование растительных формаций по данным ДЗЗ как основного показатели рационального использования пастбищ в зависимости от ландшафтных и антропогенных изменений основывается на информации, полученной с индексных изображений БФП. При анализе полученных данных индекс LAI не имеет существенных различий по выделенным формациям в силу общей родовой принадлежности. По коээфциенту детерминации (степени влияния) индексов FAPAR, FCOVER построена карта растительных формаций по данным ДЗЗ, в которой отражен индивидуальный вклад каждого индекса в процентном отношении (30/70). Основные растительные формации классифицированы и пространственное распределение на примера Аккулинского района Павлодасркой области отображено на карте (рисунок 8).

Рисунок 8 – Карта растительных формаций Аккулинского района Павлодарской области по данным ДЗЗ

Заключение. В рамках работ была разработана карта пастбищных угодий Павлодарской области, оцифрованная по данным ДЗЗ. Площадь пастбищных угодий зоны интереса составляет 8 127 тыс. га. На основе данных полевых обследований выявлены 5 основных растительных формаций пастбищных угодий степной и сухостепной зон Павлодарской области. Проведен анализ спектральных данных ДЗЗ для характеристики основных растительных формаций степной и сухостепной зон Павлодарской области. По результатам исследований при характеристике основных показателей рационального использования пастбищ на основе данных ДЗЗ и ГИС-анализа, которые зависимы от ландшафтных и антропогенных изменений, являются типы растительных формаций. В период максимального роста и развития

(8)

70

растений БФП по данным ДЗЗ FAPAR, FCOVER являются прогностическими в определении типов растительных формаций для степной и сухостепной зоны Павлодарской области, индивидуальный вклад каждого индекса в классификацию растительных формаций составляет 30/70 соответственно. Данное исследование было профинансировано Министерством сельского хозяйства Республики Казахстан по НТП BR10764915 «Разработка новых технологий восстановления и рационального использования пастбищ (использование пастбищных ресурсов)»

(заказчик МСХ РК).

СПИСОК ЛИТЕРАТУРЫ

1 Гибель скота в Казахстане: вероятность введения ЧС оценили в Минсельхозе [Tекст] / (https://tengrinews.kz/kazakhstan_news/gibel-skota-kazahstane-veroyatnost-vvedeniya-chs-otsenili- 442731)

2 Енсизо, А. Нестабильность урожайности и неурожаи в России, Украине и Казахстане и их возможное воздействие на продовольственную безопасность на Ближнем Востоке и в Северной Африке [Tекст] / А. Ензисо, С. Рене, Т. Феллман // Журнал экономики сельского хозяйства. – 2019. Atzberger, C. Advances in remote sensing of agriculture: Context description, existing operational monitoring systems and major information needs [Tехt] / C. Atzberger // Remote sensing. – 2013. – V. 5. – №. 2. – P. 949-981.

3 Дистанционное зондирование Земли.–

(https://www.gov.kz/memleket/entities/mdai/activities/799?lang=ru)

4 Pullanagari, R.R. Multi-spectral radiometry to estimate pasture quality components [Tекст] / R.R. Pullanagari, I.J. Yule, M.J. Hedley, M.P. Tuohy, R.A. Dynes, W.M. King, // Precision Agriculture. – 2012. – V. 13. – P. 442-456.

5 Устойчивое управление пастбищными ресурсами для улучшения благосостояния сельского населения и сохранения экологической целостности. Проект Правительства Республики Казахстан, Глобального экологического фонда, Программы развития Организации Объединенных Наций в Казахстане и Немецкого общества технического сотрудничества. – (https://www.undp.org/sites/g/files/zskgke326/files/migration/kz/7053-21539.pdf)

6 Национальный доклад о состоянии окружающей среды и об использовании природных ресурсов [Tекст] / (http://newecodoklad.ecogosfond.kz/2016/zemlya/)

7 Никишин, А.Н. Объектно-картографический метод организации геопространственных данных региональных информационных систем: дис… канд. тех. наук : 25.00.35 [Tекст] / А.Н.

Никишин //Москва, 2005.

8 Кирюшин, В.И. Применение ГИС-технологий при картографировании и проектировании агроландшафтов [Tекст] / В.И. Кирюшин, И.В. Слива // Известия Оренбургского государственного аграрного университета. – 2005. – Т. 1. – №. 5-1. – С. 8-13.

9 He, Y. Feature comparison and optimization for 30-m winter wheat mapping based on Landsat-8 and Sentinel-2 data using random forest algorithm [Text] / Y. He // Remote Sensing. – 2019. – V. 11. – №. 5. – P. 39-50.

10 Sentinel-2 mission guide. [Text] /(http://surl.li/fabqh)

11 Punalekar, S.M. Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model [Text] / S.M. Punalekar // Remote Sensing of Environment. – 2018. – V. 218. – P. 207-220.

12 Frampton, W.J. Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation [Text] / W.J. Frampton // ISPRS journal of photogrammetry and remote sensing. – 2013. – V. 82. – P. 83-92. https://doi.org/10.1016/j.isprsjprs.2013.04.007

13 Gitelson, A.A. Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation [Text] / A.A. Gitelson //Journal of plant physiology. – 2004.

– V. 161. – №. 2. – P. 165-173.

14 Zarco-Tejada, P.J. Remote sensing of vegetation biophysical parameters for detecting stress condition and land cover changes [Text] / P.J. Zarco-Tejada, G. Sepulcre-Cantó //Estudios de la Zona no Saturada del Suelo. – 2007. – V. 8. – P. 37-44.

15 Kganyago, M. Estimating crop biophysical parameters using machine learning algorithms and Sentinel-2 imagery [Text] / M. Kganyag, P. Mhangara, C. Adjorlolo // Remote Sensing. – 2021.

16 – V. 13. – №. 21. – P. 4314. https//doi:10.3390/rs13214314 17 What is GIS? – (https://www.esri.com/en-us/what-is-gis/overview)

(9)

71

18 Гохман, В.В. Корпоративные муниципальные ГИС. [Tекст] / (https://arcreview.esri- cis.ru/2006/08/08/corporate-municipal-gis/)

19 Национальный атлас Республики Казахстан. Том 1: Природные условия и ресурсы [Tекст] / Алматы, 2010. – 150 с.

20 Огарь, Н.П. Растительность долин рек семиаридных и аридных регионов континентальной Азии: дис… докт. биол. наук: 03.00.05 [Tекст] / Огарь, Н.П. – Алма-Ата, 1999.

21 Лавренко, Е.М. Полевая геоботаника в 4-х томах [Tекст] / Е.М. Лавренко, А.А.

Корчагина // М. Ленинград: Наука, 1959-1972. – 1805 с.

REFERENCES

1 Gibel' skota v Kazahstane: veroyatnost' vvedeniya CHS ocenili v Minsel'hoze[Tekst] / (https://tengrinews.kz/kazakhstan_news/gibel-skota-kazahstane-veroyatnost-vvedeniya-chs-otsenili- 442731)

2 Ensizo, A. Nestabil'nost' urozhajnosti i neurozhai v Rossii, Ukraine i Kazahstane i ih vozmozhnoe vozdejstvie na prodovol'stvennuyu bezopasnost' na Blizhnem Vostoke i

v Severnoj Afrike [Tekst] / A. Enziso, S. Rene, T. Fellman // ZHurnal ekonomiki sel'skogo hozyajstva. – 2019. Atzberger, C. Advances in remote sensing of agriculture: Context description, existing operational monitoring systems and major information needs [Tekht] / C. Atzberger // Remote sensing. – 2013. – V. 5. – №. 2. – P. 949-981.

3 Distancionnoe zondirovanie Zemli.–

(https://www.gov.kz/memleket/entities/mdai/activities/799?lang=ru)

4 Pullanagari, R.R. Multi-spectral radiometry to estimate pasture quality components [Tekst] / R.R. Pullanagari, I.J. Yule, M.J. Hedley, M.P. Tuohy, R.A. Dynes, W.M. King, // Precision Agriculture. – 2012. – V. 13. – P. 442-456.

5 Ustojchivoe upravlenie pastbishchnymi resursami dlya uluchsheniya blagosostoyaniya sel'skogo naseleniya i sohraneniya ekologicheskoj celostnosti. Proekt Pravitel'stva Respubliki Kazahstan, Global'nogo ekologicheskogo fonda, Programmy razvitiya Organizacii Ob"edinennyh Nacij v Kazahstane i Nemeckogo obshchestva tekhnicheskogo sotrudnichestva. – (https://www.undp.org/sites/g/files/zskgke326/files/migration/kz/7053-21539.pdf)

6 Nacional'nyj doklad o sostoyanii okruzhayushchej sredy i ob ispol'zovanii prirodnyh resursov [Tekst] / (http://newecodoklad.ecogosfond.kz/2016/zemlya/)

7 Nikishin, A.N. Ob"ektno-kartograficheskij metod organizacii geoprostranstvennyh dannyh regional'nyh informacionnyh sistem: dis… kand. tekh. nauk : 25.00.35 [Tekst] / A.N. Nikishin //Moskva, 2005.

8 Kiryushin, V.I. Primenenie GIS-tekhnologij pri kartografirovanii i proektirovanii agrolandshaftov [Tekst] / V.I. Kiryushin, I.V. Sliva // Izvestiya Orenburgskogo gosudarstvennogo agrarnogo universiteta. – 2005. – T. 1. – №. 5-1. – S. 8-13.

9 He, Y. Feature comparison and optimization for 30-m winter wheat mapping based on Landsat- 8 and Sentinel-2 data using random forest algorithm [Text] / Y. He // Remote Sensing. – 2019. – V. 11. –

№. 5. – P. 39-50.

10 Sentinel-2 mission guide. [Text] /(http://surl.li/fabqh)

11 Punalekar, S.M. Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model [Text] / S.M. Punalekar // Remote Sensing of Environment. – 2018. – V. 218. – P. 207-220.

12 Frampton, W.J. Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation [Text] / W.J. Frampton // ISPRS journal of photogrammetry and remote sensing. – 2013. – V. 82. – P. 83-92. https://doi.org/10.1016/j.isprsjprs.2013.04.007

13 Gitelson, A.A. Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation [Text] / A.A. Gitelson //Journal of plant physiology. – 2004.

– V. 161. – №. 2. – P. 165-173.

14 Zarco-Tejada, P.J. Remote sensing of vegetation biophysical parameters for detecting stress condition and land cover changes [Text] / P.J. Zarco-Tejada, G. Sepulcre-Cantó //Estudios de la Zona no Saturada del Suelo. – 2007. – V. 8. – P. 37-44.

15 Kganyago, M. Estimating crop biophysical parameters using machine learning algorithms and Sentinel-2 imagery [Text] / M. Kganyag, P. Mhangara, C. Adjorlolo // Remote Sensing. – 2021.

16 – V. 13. – №. 21. – P. 4314. https//doi:10.3390/rs13214314

17 What is GIS? ¬– (https://www.esri.com/en-us/what-is-gis/overview)

(10)

72

18 Gohman, V.V. Korporativnye municipal'nye GIS. [Tekst] / (https://arcreview.esri- cis.ru/2006/08/08/corporate-municipal-gis/)

19 Nacional'nyj atlas Respubliki Kazahstan. Tom 1: Prirodnye usloviya i resursy [Tekst] / Almaty, 2010. – 150 s.

20 Ogar', N.P. Rastitel'nost' dolin rek semiaridnyh i aridnyh regionov kontinental'noj Azii: dis…

dokt. biol. nauk: 03.00.05 [Tekst] / Ogar', N.P. – Alma-Ata, 1999.

22 Lavrenko, E.M. Polevaya geobotanika v 4-h tomah [Tekst] / E.M. Lavrenko, A.A. Korchagina //

M. Leningrad: Nauka, 1959-1972. – 1805 s.

ТҮЙІН

Қазақстанның жайылымдық ресурстары пайдалануды мониторингілеу және бақылау кезінде ерекше күш-жігерді талап етеді. Жайылымдық өсімдіктердің жедел және объективті мониторингі үшін негізгі құрал Жерді қашықтықтан зондтау деректері (бұдан әрі – ЖҚЗ) болып табылады, бұл технологиялар Қазақстанда ЖҚЗ өз спутниктері пайда болған кезде өзінің жаңа дамуын алды. Жайылымдық жерлер түрлерінің кеңістікте бөлінуін зерделеу ғылыми негізделген жайылым айналымдарын және жайылымдарды жақсарту жөніндегі іс-шараларды пайдалануды ескере отырып, жергілікті жерлерде жайылымды ұтымды пайдалану қағидаттарын енгізуге мүмкіндік береді. ЖҚЗ деректерін пайдалану жайылымдық өсімдіктердің динамикалық және кеңістіктік сипаттамалары туралы маңызды және өзекті ақпарат алуға мүмкіндік береді. Павлодар облысының дала және құрғақ дала аймақтарындағы жайылымдық жерлер түрлерінің кеңістікте таралуын бағалау үшін ЖҚЗ деректерінің әдістемелік негіздемесі жүргізілген зерттеулерге негіз болды. Бұл мақала "жайылымдарды қалпына келтірудің және ұтымды пайдаланудың жаңа технологияларын әзірлеу (жайылымдық ресурстарды пайдалану)" ғылыми-техникалық бағдарламасы бойынша "2021-2023 жж. АӨК саласындағы қолданбалы ғылыми зерттеулер"

ғылыми-зерттеу жұмысы шеңберінде

(о. 0943 шифры): "жайылымдық ресурстарды басқару жүйесінде ЖҚЗ ГАЖ технологиялары мен деректерін пайдалану және оларды ұтымды басқару " іс-шарасы бойынша дайындалды.