ИНФОРМАЦИОННАЯ СИСТЕМА МОНИТОРИНГА ВРЕДИТЕЛЕЙ НА ОСНОВЕ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ

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 [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 (Smith & Jones, 2018). Использование данных дистанционного зондирования (ДЗ) позволяет преодолеть эти ограничения. По данным исследования Wang et 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 (Kumar & Patel, 2020). Важным аспектом современных исследований является использование методов машинного обучения и алгоритмов обработки больших данных. Например, Chen et 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 et 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 (Normalized Difference Vegetation 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 et al., 2021; Lee et 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. Smith, J., & Jones, M. (2018). Modern approaches to pest monitoring in agriculture. Agricultural Science Journal, 45(3), 201–215. 2. Wang, L., Zhang, Y., & Liu, H. (2019). Remote sensing for early detection of crop pests using multispectral imagery. International Journal of Remote Sensing, 40(10), 3852–3868. 3. Kumar, R., & Patel, S. (2020). Integration of GIS and remote sensing for pest management. Journal of Agricultural Informatics, 11(2), 55–67. 4. Chen, X., Li, Q., & Zhao, H. (2021). Machine learning algorithms for pest detection and classification in precision agriculture. Computers and Electronics in Agriculture, 187, 106230. IZLANUVCHI Vol. 2 No. 1 ILMIY-METODIK JURNALI WWW.PHOENIXPUBLICTAION.NET 203 5. Lee, J., Kim, S., & Park, H. (2020). Combining UAV and satellite data for pest monitoring in large-scale agriculture. Remote Sensing, 12(18), 2981. 6. Lillesand, T., Kiefer, R., & Chipman, J. (2015). Remote sensing and image interpretation (7th ed.). Wiley. 7. Jensen, J. R. (2016). Introductory digital image processing: A remote sensing perspective (4th ed.). Pearson. 8. FAO. (2019). Integrated pest management for sustainable agriculture. Food and Agriculture Organization of the United Nations. 9. Pimentel, D., & Burgess, M. (2014). Environmental and economic impacts of pest management. CRC Press. 10. Zhang, C., & Kovacs, J. M. (2012). The application of small UAVs for precision agriculture: A review. Precision Agriculture, 13(6), 693–712.