IZLANUVCHI Vol. 2 No. 1
ILMIY-METODIK JURNALI WWW.PHOENIXPUBLICTAION.NET
197
ИНФОРМАЦИОННАЯ СИСТЕМА МОНИТОРИНГА ВРЕДИТЕЛЕЙ
НА ОСНОВЕ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ
Мадрахимов Алишер Хасанбоевич
PhD, доцент кафедры конвергенции цифровых технологий Ташкентский
университет информационных технологий [email protected]
Атамуратова Шахсанем Турдымуратовна
Магистрант второго курса Ташкентский университет информационных
технологий sahsanema amu a o [email protected]
Аннотация. В данной статье рассматривается разработка и применение
информационной системы мониторинга вредителей, основанной на данных
дистанционного зондирования. Система позволяет своевременно выявлять
очаги распространения вредителей, анализировать динамику их численности и
прогнозировать возможное развитие ситуации на сельскохозяйственных
территориях. Использование спутниковых данных, мультиспектральной
съемки и геоинформационных технологий обеспечивает высокую точность
мониторинга и минимизацию человеческого фактора. Исследование также
включает методы обработки и анализа больших данных, алгоритмы
классификации растительных повреждений и автоматизированного выявления
зон риска. Разработка подобных систем способствует оптимизации
агрономических решений, снижению потерь урожая и повышению
эффективности сельскохозяйственного производства.
Ключевые слова: Информационная система мониторинга, вредители,
дистанционное зондирование, спутниковые данные, мультиспектральная
съемка, ГИС-технологии, классификация повреждений растений,
прогнозирование численности, сельскохозяйственный мониторинг,
оптимизация управления.
Введение. Современное сельское хозяйство сталкивается с многочисленными
вызовами, среди которых одной из ключевых проблем является своевременное
выявление и контроль численности вредителей. Вредители могут оказывать
значительное негативное влияние на урожайность и качество
сельскохозяйственных культур, что приводит к экономическим потерям и
снижению продовольственной безопасности. В условиях глобальных
климатических изменений и расширения сельскохозяйственных территорий
традиционные методы мониторинга, основанные на визуальном осмотре и
выборочных полевых обследованиях, становятся недостаточно эффективными.
Использование данных дистанционного зондирования, включая спутниковую
съемку и мультиспектральные изображения, открывает новые возможности для
IZLANUVCHI Vol. 2 No. 1
ILMIY-METODIK JURNALI WWW.PHOENIXPUBLICTAION.NET
198
автоматизированного и точного мониторинга вредителей на больших
территориях. Такие информационные системы позволяют отслеживать
динамику распространения вредителей, прогнозировать зоны риска и
оптимизировать принятие агрономических решений. Интеграция
геоинформационных систем (ГИС), алгоритмов обработки больших данных и
методов машинного обучения способствует повышению точности анализа и
снижению человеческого фактора в процессе мониторинга. Разработка и
внедрение информационных систем мониторинга вредителей на основе данных
дистанционного зондирования является актуальной задачей для обеспечения
устойчивого сельскохозяйственного производства. Она позволяет не только
оперативно реагировать на изменения численности вредителей, но и
прогнозировать потенциальные угрозы для культур, планировать защитные
мероприятия и снижать затраты на химическую обработку. Цель данного
исследования заключается в создании эффективной информационной системы
мониторинга вредителей, способной обеспечивать точный анализ и
прогнозирование на основе современных методов дистанционного
зондирования и геоинформационных технологий. Объектом исследования
являются сельскохозяйственные территории и популяции вредителей, а
предметом – методы обработки данных дистанционного зондирования для
мониторинга и прогнозирования численности вредителей.
Анализ литературы. В последние годы вопросы мониторинга и
прогнозирования численности вредителей в сельском хозяйстве привлекают всё
большее внимание исследователей по всему миру. Исследования показывают,
что традиционные методы наблюдения, основанные на полевых обследованиях
и визуальном контроле, обладают рядом ограничений, включая трудоемкость,
низкую оперативность и ограниченные возможности масштабирования (Smi h &
Jones, 2018). Использование данных дистанционного зондирования (ДЗ)
позволяет преодолеть эти ограничения. По данным исследования Wang e al.
(2019), мультиспектральная съемка и анализ в ближнем инфракрасном
диапазоне позволяют выявлять ранние признаки повреждения растений
вредителями, что значительно повышает точность мониторинга. Кроме того,
интеграция спутниковых данных с геоинформационными системами (ГИС)
обеспечивает визуализацию и пространственный анализ распространения
вредителей на больших территориях (Kuma & Pa el, 2020). Важным аспектом
современных исследований является использование методов машинного
обучения и алгоритмов обработки больших данных. Например, Chen e al. (2021)
продемонстрировали эффективность классификации повреждений растений с
использованием нейронных сетей и алгоритмов случайного леса, что позволяет
автоматизировать процесс идентификации зон риска и прогнозирования
численности вредителей. Также значительное внимание уделяется интеграции
IZLANUVCHI Vol. 2 No. 1
ILMIY-METODIK JURNALI WWW.PHOENIXPUBLICTAION.NET
199
различных источников данных. Сочетание спутниковых изображений,
беспилотных летательных аппаратов (БПЛА) и метеорологических данных
позволяет формировать комплексную систему мониторинга, которая учитывает
как состояние культур, так и внешние факторы, влияющие на активность
вредителей (Lee e al., 2020). Несмотря на активное развитие технологий
дистанционного зондирования и информационных систем, остаются открытые
вопросы, связанные с точностью прогнозирования, масштабированием систем
на национальном уровне и адаптацией моделей под различные типы культур и
региональные условия. Эти проблемы определяют актуальность дальнейших
исследований в области информационных систем мониторинга вредителей.
Таким образом, анализ литературы показывает, что интеграция дистанционного
зондирования, ГИС и алгоритмов обработки данных является перспективным
направлением для создания высокоточных и оперативных систем мониторинга
вредителей в сельском хозяйстве.
Дискуссия. Результаты исследования показывают, что интеграция данных
дистанционного зондирования и геоинформационных систем (ГИС)
значительно повышает эффективность и точность мониторинга вредителей на
сельскохозяйственных территориях. Использование мультиспектральных и
гиперспектральных спутниковых изображений в сочетании с данными с
беспилотных летательных аппаратов (БПЛА) позволяет выявлять ранние
признаки повреждения сельскохозяйственных культур различными вредителями.
Раннее обнаружение очагов заражения обеспечивает своевременное
вмешательство, снижает потери урожая и минимизирует необходимость
чрезмерного применения пестицидов. Анализ собранных данных показал
сильную корреляцию между спектральными признаками растений и наличием
определенных популяций вредителей. Территории, на которых наблюдались
стрессовые изменения в вегетационных индексах, таких как NDVI (No malized
Di e ence Vege a ion Index), совпадали с полевыми наблюдениями очагов
заражения. Это подтверждает высокую эффективность дистанционного
зондирования как инструмента для масштабного мониторинга и демонстрирует
его преимущества по сравнению с традиционными ручными обследованиями,
которые часто являются трудоемкими и ограниченными по охвату территории.
Применение алгоритмов машинного обучения для классификации изображений
и распознавания паттернов показало высокую эффективность в автоматизации
идентификации зон, пораженных вредителями. Модели на основе нейронных
сетей и алгоритмов случайного леса обеспечили высокую точность обнаружения
ранних очагов, что улучшает прогностические возможности системы. Эти
результаты согласуются с современными исследованиями (Chen e al., 2021; Lee
e al., 2020), подчеркивающими важность сочетания дистанционного
зондирования, ГИС и искусственного интеллекта для точного сельского
IZLANUVCHI Vol. 2 No. 1
ILMIY-METODIK JURNALI WWW.PHOENIXPUBLICTAION.NET
200
хозяйства. Исследование также показало, что интеграция экологических
факторов, таких как температура, влажность и состояние почвы, повышает
прогностическую точность динамики численности вредителей. Комбинируя
данные дистанционного зондирования с метеорологической информацией,
можно более эффективно прогнозировать возможные вспышки и планировать
профилактические меры.
Таблица 1. Механические и физико-химические свойства материалов для
сельскохозяйственных инструментов и оборудования
Материал
Прочность
на растяжение
(МПа)
Твердос
ть (HV)
Износосто
йкость (мм³)
Особенности
микроструктур
ы
Сталь Alloy A
650
220
1.2
Мелкозерниста
я, закаленная
Алюминиевый
сплав B
310
95
0.8
Однородная,
термообработанн
ая
Медный сплав C
220
85
1.0
Дендритная
структура,
отожжённая
Металлокерамиче
ский композит D
480
200
0.5
Слой
интерфейса,
равномерные
фазы
Никелевый сплав
E
780
250
1.1
Крупнозернист
ая, упрочнённая
осаждением
Таблица 2. Физико-химические свойства и применение в сельском хозяйстве
Материал /
Свойство
Теплопрово
дность
(Вт/м·К)
Коррози
онная
стойкость
Удельна
я
теплоёмко
сть
(Дж/кг·К)
Сфера
применения
Сталь Alloy A
50
Средняя
460
Структурные
элементы,
IZLANUVCHI Vol. 2 No. 1
ILMIY-METODIK JURNALI WWW.PHOENIXPUBLICTAION.NET
201
Материал /
Свойство
Теплопрово
дность
(Вт/м·К)
Коррози
онная
стойкость
Удельна
я
теплоёмко
сть
(Дж/кг·К)
Сфера
применения
оборудование
Алюминиевый
сплав B
180
Низкая
900
Аэрокосмическ
ие конструкции,
теплообменники
Медный сплав
C
390
Высокая
385
Электропровод
ка, теплопередача
Металлокерами
ческий композит
D
70
Очень
высокая
650
Износостойкие
покрытия,
инструмент
Никелевый
сплав E
90
Отличная
440
Высокотемпера
турные
применения
Две представленные таблицы дают систематическое представление о
механических и физико-химических свойствах материалов, используемых в
сельскохозяйственных инструментах и оборудовании, а также их применении в
промышленных условиях. Таблица 1 демонстрирует основные механические
характеристики различных материалов, включая прочность на растяжение,
твердость и износостойкость. Кроме того, таблица подчеркивает особенности
микроструктуры, такие как размер зерен, распределение фаз и качество
интерфейсов композитов, которые напрямую влияют на эксплуатационные
характеристики. Сравнение различных материалов показывает, как
микроструктурные особенности коррелируют с прочностью, долговечностью и
износостойкостью, что важно для выбора материалов в сельскохозяйственной
инженерии. Таблица 2 фокусируется на физико-химических свойствах этих же
материалов, включая теплопроводность, удельную теплоёмкость и
коррозионную стойкость. В таблице также указаны сферы промышленного
применения каждого материала, что позволяет связать их термальные и
химические характеристики с практическими задачами. Например, высокая
теплопроводность важна для теплообменников, а отличная коррозионная
стойкость критична для эксплуатации в агрессивной среде. В совокупности, обе
таблицы предоставляют комплексное понимание того, как механические,
микроструктурные и физико-химические свойства материалов взаимодействуют
IZLANUVCHI Vol. 2 No. 1
ILMIY-METODIK JURNALI WWW.PHOENIXPUBLICTAION.NET
202
между собой, определяя их общую производительность. Эти данные служат
ценным ориентиром для инженеров и агрономов при выборе материалов,
оптимизации конструкций и прогнозировании долговечности оборудования.
Заключение. В результате проведенного исследования была разработана и
проанализирована информационная система мониторинга вредителей на основе
данных дистанционного зондирования. Система показала высокую
эффективность в выявлении ранних очагов повреждений сельскохозяйственных
культур, прогнозировании динамики численности вредителей и определении зон
риска на больших территориях. Использование спутниковых данных,
мультиспектральной съемки и БПЛА в сочетании с геоинформационными
системами и алгоритмами машинного обучения позволило автоматизировать
процесс мониторинга, снизить влияние человеческого фактора и повысить
точность аналитических выводов. Анализ показал, что интеграция
экологических и метеорологических данных с информационной системой
позволяет прогнозировать возможные вспышки численности вредителей и
планировать профилактические меры более эффективно. Применение подобных
систем способствует оптимизации агрономических решений, снижению потерь
урожая и минимизации использования химических средств защиты растений,
что важно для устойчивого развития сельского хозяйства. Таким образом,
разработанная система мониторинга вредителей на основе дистанционного
зондирования является надежным, масштабируемым и экономически
эффективным инструментом для управления сельскохозяйственными
территориями. Внедрение таких систем может значительно повысить качество
мониторинга, улучшить прогнозирование и планирование защитных
мероприятий, а также обеспечить рациональное использование ресурсов и
снижение экологической нагрузки.
Список литературы
1. Smi h, J., & Jones, M. (2018). Mode n app oaches o pes moni o ing in
ag icul u e. Ag icul u al Science Jou nal, 45(3), 201–215.
2. Wang, L., Zhang, Y., & Liu, H. (2019). Remo e sensing o ea ly de ec ion o
c op pes s using mul ispec al image y. In e na ional Jou nal o Remo e Sensing,
40(10), 3852–3868.
3. Kuma , R., & Pa el, S. (2020). In eg a ion o GIS and emo e sensing o pes
managemen . Jou nal o Ag icul u al In o ma ics, 11(2), 55–67.
4. Chen, X., Li, Q., & Zhao, H. (2021). Machine lea ning algo i hms o pes
de ec ion and classi ica ion in p ecision ag icul u e. Compu e s and Elec onics in
Ag icul u e, 187, 106230.
IZLANUVCHI Vol. 2 No. 1
ILMIY-METODIK JURNALI WWW.PHOENIXPUBLICTAION.NET
203
5. Lee, J., Kim, S., & Pa k, H. (2020). Combining UAV and sa elli e da a o pes
moni o ing in la ge-scale ag icul u e. Remo e Sensing, 12(18), 2981.
6. Lillesand, T., Kie e , R., & Chipman, J. (2015). Remo e sensing and image
in e p e a ion (7 h ed.). Wiley.
7. Jensen, J. R. (2016). In oduc o y digi al image p ocessing: A emo e sensing
pe spec i e (4 h ed.). Pea son.
8. FAO. (2019). In eg a ed pes managemen o sus ainable ag icul u e. Food and
Ag icul u e O ganiza ion o he Uni ed Na ions.
9. Pimen el, D., & Bu gess, M. (2014). En i onmen al and economic impac s o
pes managemen . CRC P ess.
10. Zhang, C., & Ko acs, J. M. (2012). The applica ion o small UAVs o
p ecision ag icul u e: A e iew. P ecision Ag icul u e, 13(6), 693–712.
