O'RMON XO'JALIGIDA EKOLOGIK MONITORINGNI OPTIMALLASHTIRISHDA SUN'IY INTELLEKT, UCHUVCHISIZ UCHISH APPARATI VA LIDAR MA'LUMOTLARINING SINERGETIK QO'LLANILISHI

205 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ O‘RMON XO‘JALIGIDA EKOLOGIK MONITORINGNI OPTIMALLASHTIRISHDA SUN’IY INTELLEKT, UCHUVCHISIZ UCHISH APPARATI VA LIDAR MA’LUMOTLARINING SINERGETIK QO‘LLANILISHI Yakubov Maqsadxan Sultaniyazovich, Raqamli texnologiyalar konvergensiyasi kafedrasi Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti Toshkent, O‘zbekiston Nazarova Gulchexra Nurmuxanbetovna, Raqamli texnologiyalar konvergensiyasi kafedrasi Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti Toshkent, O‘zbekiston Boboqulov Abbos Dilshod o‘g‘li, Raqamli texnologiyalar konvergensiyasi kafedrasi Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti Toshkent, O‘zbekiston E-mail: [email protected] Annotatsiya. Sun’iy intellekt (AI) va o‘rmon xo‘jaligi integratsiyasi aniq monitoring, ofatlarni boshqarish, uglerodni yutish jarayonlari hamda biologik xilma-xillikni saqlash sohalarida tub o‘zgarishlarga olib kelmoqda, shunga qaramay, ekologik modellarni umumlashtirish, ko‘p manbali ma’lumotlarni birlashtirish hamda AI texnologiyalarini etik jihatdan joriy etish bo‘yicha sezilarli bilim bo‘shliqlari mavjud, ushbu sharhda AIning o‘rmon xo‘jaligidagi o‘zgaruvchan roliga bag‘ishlangan keng qamrovli tahlil taqdim etiladi, ayniqsa uchta asosiy yo‘nalishga e’tibor qaratiladi: resurslarni monitoring qilish, falokatlarni boshqarish, va barqaror rivojlanish, ma’lumotlar 20192025 yillar oralig‘ida akademik ma’lumotlar bazalarida olib borilgan keng qamrovli adabiyot tahlili orqali yig‘ildi. Kalit so‘zlar: mashinali o‘qitish, ekotizimni boshqarish, bashoratli modellashtirish, yashash muhitini tiklash, iqlimga moslashuvchanlik, atrof-muhit monitoring Kirish. Jahon o‘rmon ekotizimi hozirgi kunda misli ko‘rilmagan o‘zgarishlarni boshdan kechirmoqda [1]. Tezlashib borayotgan iqlim o‘zgarishi, biologik xilmaxillikning keskin kamayishi [2] va antropogen omillarning kuchayishi [3] natijasida an’anaviy o‘rmon xo‘jaligi amaliyotlarining tubdan zaif tomonlari ochilib qoldi. Mazkur an’anaviy yondashuvlar, asosan, qo‘lda kuzatishlar, empirik baholashlar va parchalanib ketgan ma’lumotlar bazalariga tayanadi. Natijada, ular uchta asosiy tizimli kamchilikka ega: resurslarni kechikkan holda monitoring qilish; falokatlarga faqat reaktiv (kech) javob qaytarish mexanizmlari; barqaror rivojlanish siyosatini shakllantirish uchun yetarli daliliy asoslarning yo‘qligi [4,5]. Masalan, yong‘inlarni boshqarish tizimlari hanuzgacha vizual kuzatish va yong‘in sodir bo‘lgandan keyingi o‘chirishga asoslanadi [6]; zararkunandalarni monitoring qilish tizimlari esa diagnostik tajribaning yetishmasligi sababli optimal nazorat davrlarini o‘tkazib yuboradi [7]; uglerod yutilishini baholash metodologik nomuvofiqliklar va ma’lumotlar ishonchliligi muammolari tufayli cheklangan [8]. Bu ko‘p o‘lchovli muammolarni hal etish uchun intellektual monitoring tizimlari, bashoratli tahlil (predictive analytics) va qarorlarni qo‘llab- 206 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ quvvatlovchi texnologiyalarni strategik tarzda integratsiya qilish zarur. Bu esa aniq o‘rmon xo‘jaligi (precision forestry) konsepsiyasiga asoslangan yangi paradigmaga o‘tish imkonini beradi. Shu yo‘l bilan ekologik xavfsizlik va ijtimoiy-iqtisodiy rivojlanish o‘rtasidagi uyg‘unlikka erishish mumkin - bu antropotsen davridagi muhim yo‘nalishdir. Sun’iy intellekt (AI) - to‘rtinchi sanoat inqilobining asosiy harakatlantiruvchi kuchi sifatida - o‘zining kognitiv hisoblash, ko‘p modalli naqshlarni aniqlash va ma’lumotga asoslangan qarorlarni avtomatlashtirish imkoniyatlari orqali butun sanoat tizimlarini tubdan o‘zgartirmoqda [9]. Chuqur o‘rganish (deep learning), kompyuter ko‘rish (computer vision) va tabiiy tilni qayta ishlash (NLP) kabi texnologiyalar orqali AI murakkab, geterogen ma’lumotlardan yashirin qonuniyatlarni aniqlay oladi hamda real vaqt rejimida tahlil va bashoratlarni amalga oshiradi. AI texnologiyalarining aniq tibbiyot (sog‘liq ma’lumotlari, genetika, immunologiya integratsiyasi), avtonom tizimlar va aqlli qishloq xo‘jaligi (katta til modellari va generativ AI qo‘llanilishi) sohalaridagi muvaffaqiyati, o‘rmon xo‘jaligidagi murakkab masalalarni hal etishda ham AI’ning salohiyatini tasdiqlaydi. Yangi qo‘llanilishlar o‘rmonlarning fenologik o‘zgarishlarini multispektral tasvirlarda tahlil qilishdan tortib, biotik tahdidlar uchun erta ogohlantirish tizimlarini yaratishgacha bo‘lgan keng doiradagi ishlanmalarga qadar rivojlanmoqda. AI’ni o‘rmon xo‘jaligi tizimlariga chuqur integratsiya qilish uchta muhim yo‘nalishda tub o‘zgarishlarga olib keladi: Yuqori aniqlikdagi ekologik monitoring - masofaviy zondlash va chuqur o‘rganish modellariga asoslanib, “kosmos-havo-yer” integratsiyalashgan kuzatuv tizimlari orqali o‘rmon resurslarini ilgari kuzatilmagan aniqlikda baholash; Intellektual falokatlarni oldini olish tizimlari - AI modellaridan foydalangan holda meteorologik, topografik va tarixiy ma’lumotlarni sintezlab, yong‘inlar, kasalliklar va zararkunandalar xavfini bashorat qilish hamda tezkor javob choralarini rejalashtirish; Muayyan stsenariylarda AI samaradorligini tekshirish bo‘yicha tadqiqotlar o‘tkazilganligiga qaramay, hozirgi taraqqiyot sezilarli parchalanishni ko‘rsatmoqda, adabiyotning taxminan 76% yagona texnologik tizimni optimallashtirishga qaratilgan bo‘lib, integratsiyalashuv tizimi [12]. Bundan tashqari, ekologik zonalar bo‘ylab model migratsiyasining aniqligi odatda >15% ni tashkil qiladi, bu texnologiyaning tarqalishini cheklaydi. Tanqidiy jihatdan, mavjud tadqiqotlar hali sun'iy intellektga asoslangan o‘rmon xo‘jaligi uchun nazariy asosni yaratmagan, bu texnologiyani qo‘llash va ekologik barqarorlik maqsadlari o‘rtasidagi mantiqiy uzilishga olib keladi. Ushbu maqolada biz o‘rmon xo‘jaligida AIning innovatsion ilovalarini va ularni texnik amalga oshirish yo‘llarini uslubiy jihatdan o‘rganamiz. O‘rmon xo‘jaligida sun'iy intellektni qo‘llashning keng ko‘lamini hisobga olgan holda, ushbu sharh AI muhim va'da bergan beshta asosiy sohaga qaratilgan: biologik xilma-xillik monitoringi, zararkunandalarga qarshi kurash, o‘rmon yong‘inlarini aniqlash, uglerodni ajratish va o‘rmonlarni tiklash. Ushbu hududlar o‘rmon salomatligi va barqarorligi uchun muhim ahamiyati va har bir sohada AI erishgan sezilarli yutuqlari uchun tanlangan. 2. Materiallar va usullar Ushbu sharhning maqsadi aniq monitoring, tabiiy ofatlarni boshqarish, uglerod sekvestratsiyasi va biologik xilma-xillikni saqlashga e'tibor qaratgan holda o‘rmon xo‘jaligida sun'iy intellektning (AI) ilg‘or ilovalarini muntazam ravishda o‘rganishdir (1-rasm). Tadqiqot global o‘rmon ekotizimlari duch keladigan ko‘p o‘lchovli muammolarni hal qilishda AI texnologiyalarining transformatsion salohiyatini ta'kidlashga qaratilgan. Ushbu sharh o‘rmon xo‘jaligi, ekologiya va sun'iy intellekt sohalaridagi tadqiqotchilar, siyosatchilar va amaliyotchilarni o‘z ichiga olgan turli auditoriya uchun mo‘ljallangan bo‘lib, ular o‘rmonlarni boshqarish va muhofaza qilish sa'y-harakatlarini kuchaytirish uchun ilg‘or texnologik yechimlarni tushunish va joriy etishdan manfaatdor. 207 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ 1-rasm. O‘rmon xo‘jaligida sun’iy intellekt qo‘llanilishining kontseptual modeli. 2.2. Ma’lumotlar yig‘ish Ushbu sharh uchun ma’lumotlar PubMed, Scopus, Web of Science va Google Scholar kabi akademik ma'lumotlar bazalaridan foydalangan holda keng qamrovli adabiyotlarni qidirish orqali to‘plangan. Qidiruvda foydalanilgan kalit so‘zlar “sun’iy intellekt”, “o‘rmon xo‘jaligi”, “masofadan zondlash”, “mashinalarni o‘rganish”, “o‘rmon yong‘inlarini aniqlash”, “zararkunandalarga qarshi kurashish”, “uglerod sekvestri” va “biologik xilma-xillikni saqlash” kabilar edi. Qidiruv 2019 va 2025 yillar oraligʻida chop etilgan ekspertlar tomonidan koʻrib chiqilgan maqolalar, konferentsiya materiallari va tegishli hisobotlarni aniqlash uchun oʻtkazildi. Maqolalar, agar ular oʻrmon xoʻjaligidagi sunʼiy intellektni qoʻllashga qaratilgan boʻlsa, batafsil metodologiya va natijalar taqdim etilgan boʻlsa, nufuzli jurnallarda yoki konferentsiya materiallarida ingliz tilida chop etilgan boʻlsa va kamida bitta asosiy mavzuga: aniqlik boshqaruvi, monitoring, avtoulovlarni muhofaza qilish yoki halokatga eʼtibor qaratilgan boʻlsa, kiritilgan. Yetarli uslubiy tafsilotlarga ega boʻlmagan, amaliy qoʻllanmalarsiz faqat nazariyaga eʼtibor qaratiladigan yoki 2019 yilgacha nashr etilgan maqolalar istisno qilindi. Ushbu mezonlarga asoslanib, biz jami 49 ta maqolani aniqladik va koʻrib chiqdik. Bu raqam tanlangan maqolalar o‘rmon xo‘jaligidagi sun’iy intellekt ilovalarining joriy holatini aks ettirishiga ishonch hosil qilish uchun qattiq skrining jarayoni orqali aniqlandi. Biz o‘rmon xo‘jaligida masofadan zondlash va sun'iy intellektga oid ko‘plab maqolalarni tan olamiz, ammo bizning yo‘naltirilgan yondashuvimiz bizga eng dolzarb va ta'sirli tadqiqotlarni batafsil va izchil ko‘rib chiqish imkonini beradi. 2.3. Ma'lumotlar sintezi va tahlili To‘plangan maqolalar umumiy mavzular, metodologiyalar va natijalarni aniqlash uchun ko‘rib chiqildi va sintez qilindi. Sintez jarayoni maqolalarni diqqat markazlari (masalan, masofadan zondlash, oʻrmon yongʻinlarini aniqlash, zararkunandalarga qarshi kurashish) asosida turkumlash, har bir maqoladan asosiy topilmalar va metodologiyalarni olish va oʻrmon xoʻjaligida sunʼiy intellektni qoʻllash oqibatlarini muhokama qilish uchun natijalarni umumlashtirishni oʻz ichiga olgan. Yig‘ilgan ma'lumotlar tahlili adabiyotda bayon etilgan metodologiyalar va natijalarning sifatli sintezini o‘z ichiga oldi, asosiy e'tibor o‘rmon xo‘jaligida AIni qo‘llash tendentsiyalari, muammolari va imkoniyatlarini aniqlashga qaratilgan. Ushbu jarayon, shuningdek, tadqiqotlarda qo‘llaniladigan metodologiyalarning mustahkamligi va qo‘llanilishini baholash uchun tanqidiy baholashni o‘z ichiga oladi. 3. NATIJALAR 3.1. O‘rmon soyabonlari dinamikasining integratsiyalashgan monitoringi O‘rmon ekotizimlari yer usti biosferasining asosiy stabilizatorlari bo‘lib xizmat qiladi va global uglerod-iqlim qayta aloqa mexanizmlarida muhim bo‘g‘in sifatida ishlaydi. O‘rmon soyabonlarini qoplash ko‘rsatkichlari ekotizimning xizmat ko‘rsatish imkoniyatlarini baholash uchun muhim biomarkerlarni taqdim etsada, an'anaviy o‘lchash usullari vaqtinchalik ruxsat berish cheklovlari bilan cheklangan bo‘lib qolmoqda. An'anaviy keng miqyosli o‘rmon inventarlari yerni o‘rganishga asoslangan holda ham mehnat talab qiladi, ham yuqori chastotali monitoring uchun yetarli emas. 2-rasmda ko‘rsatilgandek, uchuvchisiz uchish apparati tomonidan olingan giperspektral tasvirlarni (≤10 sm o‘lchamdagi) Sentinel-2 multispektral ma'lumotlari bilan birlashtirgan mashinani o‘rganish quvur liniyasi daraxtlar soyabonlarini aniqlashda metrdan past aniqlikka erishdi. Tasdiqlash tadqiqotlari shuni ko‘rsatdiki, dronlar tomonidan to‘plangan ko‘p spektrli 208 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ ma'lumotlar asosida ishlab chiqilgan maxsus modellar (XGBoost algoritmidan foydalangan holda) beshta biogeografik mintaqada F1 makro ballari 0,492 dan 0,769 gacha bo‘lgan daraxtlarning sog‘lig‘ini aniq aniqlashga qodir. Integratsiyalashgan “kosmik-havoyer” kuzatuv tizimlarini joriy etish koʻp manbali masofaviy zondlash maʼlumotlarini UAVning aniq monitoringi bilan sintez qiladi, bu esa oʻrmon ekotizimining parametrlarini har tomonlama kuzatish imkonini beradi [13]. Misol uchun, Sentinel-1/2 tasviridan chuqur o‘rganish algoritmlari bilan sinergetik foydalanish keng miqyosdagi yer qoplamini va daraxt soyabonlarini xaritalashni osonlashtiradi. RapidEye (5m) va PlanetScope (3m) sun’iy yo‘ldoshlarining yuqori aniqlikdagi ma'lumotlar to‘plamlari, ayniqsa, qo‘shimcha o‘rmon daraxtlari va chekka yashash joylari uchun monitoring qobiliyatini yanada oshiradi. Ushbu yutuqlar global o‘rmon resurslari monitoringi uchun misli ko‘rilmagan imkoniyatlar yaratadi, uglerod zaxiralarini baholash va boshqaruv miqyoslarida iqlimni yumshatish bo‘yicha sa'y-harakatlarni sezilarli darajada kuchaytiradi. 2-rasm. O‘rmon shox-shabbasining dinamik integratsiyalashgan monitoringi uchun sxematik diagramma. Multispektral ma’lumotlarga ega sun’iy yo‘ldoshlar (Sentinel-2) va uchuvchisiz uchish apparatlaridan foydalanish daraxt shoxlarining konturlarini metrdan kichik aniqlikda belgilash imkonini beradi. Yer usti lazerli skanerlash (Terrestrial Laser Scanning) va mobil lazerli skanerlash (Mobile Laser Scanning) esa daraxt shoxlari xalaqit qilmasdan, santimetr darajasidagi uch o‘lchovli ma’lumotlarni olishga qodir. O‘rmon tojini dinamik integrallashgan monitoringining sxematik diagrammasi. Ko‘p spektrli ma’lumotlar (masalan, Sentinel-2 sun’iy yo‘ldoshi) bilan jihozlangan sun’iy yo‘ldoshlar va uchuvchisiz uchish apparatlaridan (UAV) foydalanish daraxt tojlari chegaralarini sub-metr (bir metrdan kichik) aniqlik darajasida belgilash imkonini beradi. Yer usti lazerli skanerlash (TLS) va mobil lazerli skanerlash (MLS) esa daraxt tojlari tomonidan to‘silmagan holda, santimetr darajasidagi uch o‘lchovli (3D) ma’lumotlarni olish imkonini beradi. 3.2. TLS va MLS texnologiyalari yordamida sinergetik 3D o‘rmon monitoringi. Yer usti lazerli skanerlash (TLS) o‘rmon ekotizimini kuzatishda santimetr darajasidagi aniqlikka ega 3D nuqta bulutlarini qayta tiklash imkoniyati tufayli o‘ziga xos yerga yaqin kuzatuv nuqtai nazarini ta’minlaydi. Sun’iy yo‘ldosh masofaviy zondlashi toj soyalanishi va ma’lumotlarning past fazoviy aniqligi bilan cheklangan bo‘lsa, mobil lazerli skanerlash (MLS) atrofdagi obyektlarning uch o‘lchamli ma’lumotlarini olish imkonini beruvchi ilg‘or texnologik yutuq sifatida namoyon bo‘ladi. 2rasmda ko‘rsatilganidek, ilg‘or sensorlardan foydalanish aniq va zich nuqta bulutlarini yaratishni ta’minlaydi, bu esa obyektlarning eng mayda tafsilotlarini yuqori aniqlik bilan qayd etish imkonini beradi. MLS tizimi odatda Global Navigatsion Sun’iy Yo‘ldosh Tizimi (GNSS) orqali transport vositasiga o‘rnatiladi. Inersial o‘lchov bloki (IMU) esa skanerning traektoriyasi va holatini kuzatish uchun ishlatiladi. Ushbu jarayon yig‘ilgan o‘lchov ma’lumotlariga asoslanib 3D nuqta bulutini hosil qiladi. TLS va MLS kombinatsiyasi o‘rmonlarni yer sathiga yaqin monitoring qilish uchun mo‘ljallangan texnologik matritsaning asosini tashkil etadi. Sun’iy yo‘ldosh masofaviy zondlashida mavjud soya va fazoviy cheklovlardan farqli ravishda, TLS va MLS quyidagi asosiy holatlarda o‘zaro to‘ldiruvchi afzalliklarga ega: AI asosida resurs monitoringi aniqligi (model baholash): 209 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ cc TP TN ATP TN FP FN + =+++ cc A – aniqlik (accuracy) TP – to‘g‘ri aniqlangan ijobiy holatlar (true positive) TN – to‘g‘ri aniqlangan salbiy holatlar (true negative) FP – noto‘g‘ri ijobiy holatlar (false positive) FN – noto‘g‘ri salbiy holatlar (false negative) 3.2.1. Daraxt tanalarini to‘liq o‘lchamli parametrik xaritalash 360° ko‘p nuqtali skanerlash (odatda zichligi ≥ 1000 nuqta/m²) orqali TLS daraxt tanasining strukturaviy parametrlarini aniqlik bilan ajratib oladi - ko‘krak balandligidagi diametrdagi xatolik <1,5 sm, balandlikdagi xatolik esa <0,8 m ni tashkil etadi. Tizim 905-1550 nm to‘lqin uzunlikdagi kiruvchi lazerdan foydalanadi, bu nurlanish shox va barg oralig‘idan o‘tish imkonini beradi. Natijada, yashirin tananing egriligini modellashtirish mumkin bo‘ladi hamda g‘ayrioddiy shaklli tanalar hajmini aniqlash aniqligi sun’iy yo‘ldosh tasvirlariga nisbatan 62-89% ga yaxshilanadi. Ushbu usul ayniqsa vertikal tuzilishi murakkab bo‘lgan muhitlar, masalan, tropik yomg‘ir o‘rmonlari uchun mos keladi hamda sun’iy yo‘ldosh optik tasvirlarida toj qoplamasi sababli yo‘qolgan tanalar haqidagi ma’lumotlarni qayta tiklash imkonini beradi. MLS tizimi odatda transport vositasiga Global navigatsion sun’iy yo‘ldosh tizimi (GNSS) orqali o‘rnatiladi. Shundan so‘ng inertsiya o‘lchov bloki (IMU) skanerning trayektoriyasi va fazoviy holatini kuzatish uchun qo‘llaniladi. Ushbu jarayon yig‘ilgan o‘lchov ma’lumotlari asosida 3D nuqta bulutini generatsiya qiladi. 2-rasmda ko‘rsatilganidek, SLAM (Simultaneous Localisation and Mapping) algoritmi bilan jihozlangan ryukzak tipidagi MLS tizimi, yagona stansiya skanlash aniqligini (DBH xatoligi < 2.1 sm) saqlagan holda, murakkab relyef sharoitlarida ishlash unumdorligini 0.8–1.2 ga/soat gacha oshirgan bo‘lib, bu an’anaviy TLS ga nisbatan 3 baravar yuqoridir. Dinamik barqarorlik sinovlari tizimning 25° dan yuqori qiyaliklarda ishlaganda unumdorligi 8% dan kam kamayishini ko‘rsatdi. Bunga real vaqtli nuqta buluti zichligini moslashtirish algoritmlari orqali erishilgan. Shuningdek, kamida 30% qamrovli ko‘p marshrutli (multi-track) takroriy skanerlash strategiyasi nuqta bulutlarini ±12 sm aniqlikda moslashtirishga imkon berishi isbotlangan bo‘lib, bu ayniqsa tik yonbag‘irli hududlarda muhim amaliy ahamiyatga ega. TLS va MLS texnologiyalarining kombinatsiyasi murakkab tuzilishga ega o‘rmon ekotizimlari, xususan tropik yomg‘ir o‘rmonlari uchun eng maqbul yechim sifatida o‘zini namoyon qilgan. Ushbu yondashuv sun’iy yo‘ldosh optik tasvirlarida toj qoplamasi sababli yo‘qolgan tanalar haqidagi ma’lumotlarni muvaffaqiyatli tiklash imkonini beradi. 4. Muhokama Falokatlar bo‘yicha erta ogohlantirish va favqulodda vaziyatlarni boshqarish 4.1. O‘rmon ekotizimlariga asosiy tahdidlar: yong‘inlar va zararkunandalar kuchayib borayotgan global ekologik inqiroz sharoitida Yerning ekologik muvozanatini saqlovchi eng muhim tizimlardan biri bo‘lgan o‘rmon ekotizimlari jiddiy xavf ostida qolmoqda. Ushbu tahdidlarning asosiy manbalari yovvoyi o‘rmon yong‘inlari va zararkunandalar bosqinlari hisoblanadi. Bunday buzilishlar biologik xilma-xillikka va ekotizim xizmatlariga qaytarib bo‘lmas zarar yetkazishi mumkin. 4.1.1. Sun’iy intellekt asosidagi yong‘inlarni aniqlash, bashorat qilish va tarqalishni prognozlash. O‘rmon yong‘inlarining tez boshlanishi va ularni nazorat ostiga olishdagi murakkabliklar keng hujjatlashtirilgan. An’anaviy kuzatuv usullari - qo‘lda patrullash yoki sun’iy yo‘ldosh orqali masofaviy zondlash - ko‘p hollarda kech aniqlash va past aniqlik muammolari bilan cheklanadi. Biroq, sun’iy intellekt (AI) asosidagi yangi texnologik yechimlar meteorologik ma’lumotlar, relyef tahlili va o‘simlik qoplamasini integratsiya qilish orqali erta va aniq yong‘in ogohlantirish tizimlarini amalda qo‘llash imkonini berdi. Shu yo‘nalishdagi ilg‘or ishlanmalardan biri - CapsNet-AGSO ramkasi bo‘lib, u dinamik marshrutlash (dynamic routing) mexanizmlaridan foydalangan holda tutun naqshlarini tahlil qiladi. Ushbu tizim 0,1 gektargacha bo‘lgan kichik yong‘inlarni 95,65% aniqlash aniqligi bilan 210 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ aniqlaydi, soxta ogohlantirishlar darajasi esa atigi 3,2% ni tashkil etadi. Shu bilan birga, tutunni aniqlash aniqligi 98,98%, aniqlik (precision) esa 99,37% ga yetgan - bu esa yong‘inlarning erta oldini olishda hal qiluvchi omil hisoblanadi. Shuningdek, Yevropa va Shimoliy Amerikada so‘nggi yillarda ekstremal yong‘inlarning ortib borishi MA-Net neyron tarmoqlari asosida yangi yondashuvlarning ishlab chiqilishiga sabab bo‘ldi. Ushbu tarmoq ERA5 iqlim qayta tahlil ma’lumotlarini va yoqilg‘i zaxiralari xaritalarini birlashtirib, yong‘in tarqalishini besh kungacha oldindan prognoz qilish imkonini beradi. Bundan tashqari, tizim yong‘in oldi chizig‘ining tezligi va yo‘nalishi kabi qo‘shimcha parametrlarni ham aniqlaydi, bu esa javob berish vaqtini sezilarli qisqartiradi hamda ekologik va iqtisodiy zararlarni kamaytirishga xizmat qiladi. 4.1.2. O‘rmon xo‘jaligida sun’iy intellekt yordamida zararkunandalar va kasalliklarni aniqlash. Turli biotik (tirik organizmlar ta’siri) va abiotik (atrofmuhit omillari) sabablar bilan yuzaga keladigan o‘rmon zararkunandalari va kasalliklari daraxtlarning sog‘lom o‘sishi va mahsuldorligiga jiddiy tahdid soladi [12]. Zamonaviy sun’iy intellekt (AI) yechimlari, ayniqsa chuqur o‘rganish (deep learning) algoritmlari, kompyuter ko‘rish (computer vision) va spektral tasvirlash texnologiyalarini qo‘llash orqali zararkunandalarni aniqlash usullarini tubdan o‘zgartirdi. Masalan, qarag‘ay yog‘och nematodlarini aniqlash uchun Faster R-CNN va YOLOv4 modellarini ko‘p spektrli UAV (uchuvchisiz uchish apparati) ma’lumotlari bilan integratsiya qiluvchi tizim ishlab chiqilgan (3-rasmda ko‘rsatilganidek). Ushbu ma’lumotlar DJI Phantom 4 droni orqali yig‘ilgan va so‘ngra chuqur o‘rganish modeliga yuborilgan. Natijalar shuni ko‘rsatdiki, qarag‘ay yog‘och nematodi kasalligini erta aniqlash aniqligi 3,72% dan 4,29% gacha oshgan - ya’ni 42,36% → 44,59% va 46,08% → 48,88% oralig‘ida yaxshilanish kuzatilgan. Xuddi shunday, giperspektral (HSI) va multispektral (MSI) tasvirlash tizimlari mashinali o‘qitish algoritmlari bilan birgalikda “gollandiya karaqali kasalligi (Dutch elm disease)”ni aniqlashda yuqori samaradorlikni namoyish etdi. Eng yaxshi natijalar infeksiyadan 15 hafta o‘tgach, kasallik belgilari ko‘rinadigan davrda kuzatildi. Ushbu yondashuv turli karaqali turlar va turli ekologik sharoitlarda keng qo‘llanilishi mumkin [14]. Ushbu texnologik yutuqlar o‘rmon patogenlarini erta va aniq aniqlashni ta’minlab, ekologik hamda iqtisodiy zararlarni kamaytirishga qaratilgan faol boshqaruv strategiyalarini qo‘llab-quvvatlaydi. 3-rasm. Qarag‘ay yog‘och nematodini aniqlashning sxematik diagrammasi. Ko‘p spektrli ma’lumotlarni olish uchun DJI Phantom 4 droni bilan jihozlangan. 4.2. Sun’iy intellekt asosida falokatdan keyingi ekologik tiklanishni baholash Masofaviy zondlash va mashinali o‘qitish texnologiyalarining integratsiyasi falokatdan keyingi baholash va tiklanish jarayonlarini tubdan o‘zgartirib yubordi [14]. Ko‘p miqyosli, ierarxik yondashuvni qo‘llash orqali Sentinel-1 sun’iy yo‘ldoshining sintetik aperturali radar (SAR) tasvirlari OpenStreetMap kraudsorsing (ommaviy foydalanuvchilar tomonidan yig‘ilgan) ma’lumotlari bilan birlashtirildi. Natijada, sun’iy intellekt asosidagi tizim yuqori samaradorlik bilan avtomatlashtirilgan zarar baholashni amalga oshirish imkoniga ega bo‘ldi. Tadqiqot natijalari shuni ko‘rsatdiki, sensor ma’lumotlar oqimining 30% qismi uzilgan holatlarda ham, modelning F1 ko‘rsatkichi dispersiyasi minimal darajada saqlanadi. Mazkur texnologiya zarar ko‘rgan hududlarni aniqlash aniqligini oshirish bilan birga, tiklanish resurslarini optimal taqsimlash va iqlim o‘zgarishlariga moslashuv strategiyalarini kuchaytirish imkonini beradi. Ushbu innovatsion yondashuv ekologik tiklanish jarayonlarini tezlashtirib, o‘rmon ekotizimlarining kelajakdagi atrofmuhit tahdidlariga nisbatan barqarorligini oshiradi. Shu tariqa, u falokatlarga javob berish va barqaror o‘rmon xo‘jaligini boshqarish sohalarida muhim texnologik burilish bosqichini anglatadi. 211 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ 5. O‘rmonlarda uglerod yutilishi va barqaror boshqaruv innovatsiyalari 5.1. O‘rmonlarning uglerodni yutish tizimlarining muhim roli O‘rmonlarning uglerodni yutish salohiyati iqlim o‘zgarishlariga qarshi kurashishda, ekologik muvozanatni saqlashda, biologik xilma-xillikni himoya qilishda va iqtisodiy foyda yaratishda ko‘p qirrali ahamiyatga ega. Masalan, mangrov o‘rmonlari, sohilbo‘yi “ko‘k uglerod” tizimlarining asosiy tarkibiy qismi sifatida, uglerodni yutish bo‘yicha favqulodda yuqori salohiyat ko‘rsatadi - ularning bir gektardagi uglerod zaxirasi tropik yomg‘ir o‘rmonlarinikidan 3–5 baravar yuqori bo‘lishi mumkin. Bunday ustunlik ularning o‘ziga xos suv to‘lqini oralig‘idagi ekotizim xususiyatlariga bog‘liq: chuqur ildiz tizimi suvdagi zarralarni samarali ushlab qoladi, kislorodsiz tuproq sharoiti esa organik moddalarning parchalanish jarayonini sekinlashtiradi, natijada uglerod ming yillik vaqt masshtablarida saqlanib qoladi. Ilmiy asoslangan o‘rmon xo‘jaligi boshqaruvi va ko‘kalamzorlashtirish choralari uglerod yutilish salohiyatini sezilarli darajada oshirib, global iqlim barqarorligi va barqaror rivojlanish maqsadlariga katta hissa qo‘shadi. Tadqiqotlar shuni ko‘rsatadiki, masofaviy zondlash ma’lumotlari, relyef modeli ma’lumotlari va toj balandligi modeli (CHM)ni integratsiya qilish o‘rmonlardagi uglerod dinamikasini aniqroq baholash imkonini beradi. Mangrov ekotizimlarining o‘ziga xos uglerod yutilish xususiyatlarini hisobga olgan holda, LiDAR texnologiyasi va WorldView-2 sun’iy yo‘ldosh tasvirlarini birgalikda qo‘llash yer usti biomassa (AGB) ning millimetr aniqligida uch o‘lchamli tahlilini amalga oshirish imkonini beradi. Ushbu integratsiya har ikkala manbani alohida qo‘llashdan ko‘ra aniqroq biomassa bahosi va samaraliroq saqlash strategiyalarini ta’minlaydi. Biomassa hisoblash formulasi (LiDAR ma’lumotlari asosida): 𝐵 = 𝛼⋅𝐻 + 𝛽⋅𝐷 + 𝛾 𝐵 – daraxt biomassa miqdori (kg yoki tonna) 𝐻 – daraxt balandligi (m) 𝐷 – ko‘krak balandligidagi diametr (DBH, sm) 𝛼, 𝛽, 𝛾 – empirik koeffitsiyentlar (hududiy o‘rmon turlariga mos ravishda aniqlanadi) Ko‘p spektrli tasvirlash (multispectral imaging) suv to‘lqinlari ostidagi o‘simliklarning sog‘lomligini kuzatishda yuqori aniqlikni ta’minlaydi. Bu esa differensial o‘rmon boshqaruvi siyosatlari va iqlim o‘zgarishlariga moslashish strategiyalarini ishlab chiqish uchun ilmiy asos yaratadi. Biroq, tadqiqotlar hozirgi vaqtda tuproqning batafsil ma’lumotlari yetishmasligini muhim cheklov sifatida ta’kidlamoqda. “Uglerod yutilish qora qutisi” deb ataladigan mangrov ekotizimlarida, cho‘kma qatlamlaridagi qadimiy organik uglerod oqimlari hamda sulfat kamayishining metan chiqindilariga tormozlovchi mexanizmlari hali to‘liq o‘lchab bo‘lingan emas. Kelgusidagi tadqiqotlar tuproqning fizik-kimyoviy xossalari va gidrologik jarayonlarning o‘zaro ta’sirini yanada chuqurroq o‘rganishi lozim. Bu suvli sohil ekotizimlarida uglerod yutilish dinamikasini aniqlash va baholash aniqligini oshirishga, shuningdek uglerod saqlash tizimlarining ishonchliligini yaxshilashga xizmat qiladi. XULOSA Sun’iy intellekt (AI) va o‘rmon xo‘jaligining integratsiyasi - ma’lumotga asoslangan ekotizim boshqaruvi bilan tavsiflanadigan yangi davrning boshlanishini anglatadi. So‘nggi yillarda ekologik monitoring, falokatlarni boshqarish va uglerod yutilish tizimlarida o‘lchab bo‘ladigan sezilarli natijalarga erishildi. Shuningdek, Yer usti va mobil lazerli skanerlash tizimlari (TLS/MLS) ni Sentinel-2 ma’lumotlari bilan birlashtirish orqali noqonuniy daraxt kesish holatlarini real vaqt rejimida aniqlash (F1 ko‘rsatkich = 0,92) imkonini beruvchi tizimlar mavjud. Bunday tizimlar mavjud o‘rmon kuzatuv infratuzilmalariga integratsiya qilinishi mumkin. Bundan tashqari, dorivor o‘simliklarni aniqlash tizimi uchun har bir turdan atigi 15–20 namunalar talab qilinadi va u Janubi-Sharqiy Osiyodagi biologik xilmaxillik markazlarida muvaffaqiyatli sinovdan o‘tkazilgan. Uzoq muddatli istiqbolda esa kvant LiDAR tizimlarini ishlab chiqish zarur - bu turdagi sensorlar har qanday ob-havo sharoitida monitoring olib borish imkonini beradi va bulutli hududlar sababli yuzaga keladigan cheklovlarni bartaraf etadi. Bundan 212 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ tashqari, federativ o‘rganish tizimini joriy etish orqali AI modellarining turli mintaqalarga moslashuvchanligini oshirish mumkin. “30×30” global tashabbusi kabi xalqaro dasturlar faollashib borar ekan, ushbu tadqiqot sun’iy intellektdan foydalanib barqaror va kengaytiriladigan o‘rmon boshqaruviga erishish uchun yo‘l xaritasini taqdim etadi. Shu bilan birga, tabiiy ekotizimlarda texnologiyalarni joriy etish uchun axloqiy tamoyillarni ishlab chiqish zarurligini ham ta’kidlaydi. Foydalanilgan adabiyotlar 1. Chen H., Zeng Z., Wu J., Peng L., Lakshmi V., Yang H., Liu J. 21-asr boshlarida keng qo‘llaniladigan global yer qoplamasi ma’lumotlar to‘plamlarida o‘rmon maydonlari o‘zgarishining katta noaniqligi. Remote Sensing (Masofaviy zondlash), 2020; 12:3502. DOI: [10.3390/rs12213502](https://doi.org/10.3390/rs12213502) 2. Repo A., Albrich K., Jantunen A., Aalto J., Lehtonen I., Honkaniemi J. Turli o‘rmon boshqaruvi strategiyalari: Iqlim o‘zgarishi va tabiiy buzilish sharoitlarida biologik xilma-xillik va ekotizim xizmatlariga ta’siri. Journal of Environmental Management (Atrofmuhitni boshqarish jurnali), 2024; 371:123124. DOI: [10.1016/j.jenvman.2024.123124](https://doi.org/10.1016/j .jenvman.2024.123124) 3. Windisch M.G., Humpenöder F., Merfort L., Bauer N., Luderer G., Dietrich J.P., Heinke J., Müller C., Abrahão G., Lotze-Campen H. va boshqalar. Iqlim maqsadlarining iqtisodiy barqarorligi uchun o‘rmonlarning doimiyligini ta’minlash strategiyasi. Nature Communications (Tabiat aloqalari), 2025; 16:2460. DOI: [10.1038/s41467-025-57607x](https://doi.org/10.1038/s41467-025-57607-x) 4. Wang G.G., Lu D., Gao T., Zhang J., Sun Y., Teng D., Yu F., Zhu J. Iqlim o‘zgarishiga moslashuv va yumshatish uchun sun’iy intellekt asosidagi barqaror o‘rmon boshqaruvi yechimi. Journal of Forestry Research (O‘rmon tadqiqotlari jurnali), 2024; 36:7. DOI:[10.1007/s11676-024-01802x](https://doi.org/10.1007/s11676-024-01802-x) 5. Sarkissian A.J., Kutia M. Tahririy maqola: Iqlim o‘zgarishi sharoitida barqaror o‘rmon boshqaruvi – biologik xilma-xillikni saqlash va o‘rmonlarni tiklashga e’tibor. Frontiers in Forests and Global Change (O‘rmonlar va global o‘zgarishlar jurnali), 2024; 7:1533425. 6. Li Y., Zhang T., Ding Y., Wadhwani R., Huang X. Yovvoyi o‘rmon yong‘inlarini boshqarishda raqamli egizak tizimlari (Digital Twin Systems): tahlil va istiqbollar. Journal of Forestry Research (O‘rmon tadqiqotlari jurnali), 2024; 36:14. DOI: [10.1007/s11676024-01810-x](https://doi.org/10.1007/s11676-024-01810x) 7. Freire J.G., DaCamara C.C. Yong‘in tarqalishini modellashtirish va boshqaruvda yordam berish uchun hujayraviy avtomatlar (cellular automata)dan foydalanish. Natural Hazards and Earth System Sciences (Tabiiy xavflar va yer tizimi fanlari), 2019; 19:169–179. DOI: [10.5194/nhess-19-1692019](https://doi.org/10.5194/nhess-19-169-2019) 8. Zhang Y., Meng W., Yuan X., Yang F., Wang H. Megapolis ekotizimlarida uglerod yutilish xaritalari: eksperimental aniqlik bahosi va sun’iy yo‘ldosh ma’lumotlari asosida GEE platformasida tahlil. International Journal of Environmental Science and Technology (Atrof-muhit fanlari va texnologiyalari xalqaro jurnali), 2024: 1–20. DOI: [10.1007/s13762-024-060317](https://doi.org/10.1007/s13762-024-06031-7) 9. Boboqulov A.D., To‘xtasinov A.I. “Uchuvchisiz uchish apparatlari ma’lumotlari asosida o‘rmon ekotizimlarida daraxtlarni segmentatsiyalash”. Oktyabr/10 Development of science Volume/1, ISSN 3030-3907. -268274 b. 10. Nazarova G.N., Boboqulov A.D. “Uchuvchisiz uchish apparatlari yordamida oʻrmon xoʻjaligini monitoring qilish”. Raqamli transformatsiyalash jarayonida muhandislik sohalari va iqtisodiyot tarmoqlarini rivojlantirish: muammo va yechimlar 639-643 b. 11. Boboqulov A.D. “Hududiy o‘rmon xo‘jaligi kompleksi resurslarini boshqaruv tizimini rivojlantirish omillari”. Raqamli Transformatsiya va Sun’iy Intellekt ilmiy jurnali VOLUME 3, ISSUE 3, JUNE 2025 ISSN: 3030-334. 12. Boboqulov A.D. “Forest Management System Based on Geospatial Information Resources” in Volume 05 Issue04 April 2025. ARTICLE DOI:- https://doi.org/10.37547/ajahi/Volume05Issue04-09. 13. Boboqulov A.D. “Ecological and economic classification of regional forest resources as a basis for their evaluation”. SJIF 2019: 5.222 2020: 5.552 2021: 5.637 2022:5.479 2023:6.563 2024: 7,805 eISSN:23946334 https://www.ijmrd.in/index.php/imjrd. Volume 12, issue 05 (2025). 14. Wei X., Zhang J., Conrad A.O., Flower C.E., Pinchot C.C., Hayes-Plazolles N., Chen Z., Song Z., Fei S., Jin J. Machine Learning-based Spectral and Spatial Analysis of Hyperand multi-spectral Leaf Images for Dutch Elm Disease Detection and Resistance Screening. Artif. Intell. Agric. 2023;10:26–34. doi: 10.1016/j.aiia.2023.09.003. [DOI] [Google Scholar].