ИЗУЧЕНИЕ ПРОСТРАНСТВЕННОГО РАСПРЕДЕЛЕНИЯ ТИПОВ ПАСТБИЩ СУХОСТЕПНОЙ ЗОНЫ ПАВЛОДАРСКОЙ ОБЛАСТИПО ДАННЫМ ДЗЗ
Ключевые слова:
Казахстан, типы пастбищ, дистанционное зондирование Земли, вегетационные индексы, биофизические параметры растительностиАннотация
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».
Библиографические ссылки
Tengrinews / https://tengrinews.kz/kazakhstan_news/gibel-skota-kazahstane-veroyatnost-vvedeniya-chs-otsenili-442731/
Енсизо А., Рене С., Феллман Т. Нестабильность урожайности и неурожаи в России, Украине и Казахстане и их возможное воздействие на продовольственную безопасность на Ближнем Востоке и в Северной Африке / Журнал экономики сельского хозяйства, 2019.
Atzberger, C. Advances in remote sensing of agriculture: Context description, existing operational monitoring systems and major information needs. Remote Sens. 2013; 5, 949–981 рр.
Министерство цифрового развития, инноваций и аэрокосмической промышленности Республики Казахстан / https://www.gov.kz/memleket/entities/mdai/activities/799?lang=ru
Pullanagari R.R., YuleI.J., Hedley M.J.,Tuohy M.P., Dynes R.A., King W.M. Multi-spectral radiometry to estimate pasture quality components / Precision Agriculture 13, 2012. – 442-456 pp.
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 / Алматы, 2010.
Национальный доклад о состоянии окружающей среды и об использовании природных ресурсов / http://newecodoklad.ecogosfond.kz/2016/zemlya/
Никишин А. Н. Объектно-картографический метод организации геопространственных данных региональных информационных систем / Диссертация на соискание ученой степени кандидата технических наук / Москва, 2005.
Кирюшин В.И., Слива И.В. Применение ГИС-технологий при картографировании и проектировании агроландшафтов / https://cyberleninka.ru/article/n/primenenie-gis-tehnologiy-pri-kartografirovanii-i-proektirovanii-agrolandshaftov/viewer
Yuanhuizi He., Changlin W., Fang C., Huicong J., Dong L., Aqiang Y. Feature Comparison and Optimization for 30-M Winter Wheat Mapping Based on Landsat-8 and Sentinel-2 Data Using Random Forest / Algorithm,170, 2019. – 39-50 pp.
Сайт Европейского космического агентства / https://sentinel.esa.int/web/sentinel/missions/sentinel-2#:~:text=It%20aims%20at%20monitoring%20variability,monitoring%20of%20Earth's%20surface%20changes
Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model / Remote Sensing of Environment 218:207-220 / doi:10.1016/j.rse.2018.09.028
Frampton W.J., Dash J., Watmough G., Milton E.J. Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation. ISPRS J. Photogramm. Remote Sens. 82, 2013. – 83-92pp. / https://doi.org/10.1016/j.isprsjprs.2013.04.007
Gitelson A.A. Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation / Journal of plant physiology, 2003. – 161, 165-173 pp.
Giráldez Cervera J.V., Jiménez Hornero F.J. Estudios de la Zona No Saturada del Suelo. Remote sensing of vegetation biophysical parameters for detecting stress condition and land cover changes, 2007, Volume 8. – 37-44 рр.
Estimating Crop Biophysical Parameters Using Machine Learning Algorithms and Sentinel-2 Imagery. Remote Sensing 13(21):4314, October 2021 / doi:10.3390/rs13214314
Сайт Esri / https://www.esri.com/en-us/what-is-gis/overview
Гохман В.В. Корпоративные муниципальные ГИС / 2007 / http://www.gis.ugatu.ac.ru/proceedings/gis2007.pdf
Национальный Атлас Республики Казахстан, том 1: Природные условия и ресурсы
Огарь Н.П. Растительность долин рек семиаридных и аридных регионов континентальной Азии: диссер. докт. биол. наук. / Алма-Ата, 1999. – 273 стр.
Лавренко Е.М., Корчагина А.А. Полевая геоботаника в 4-х томах / Москва, Ленинград: Наука, 1959-1972. – 1805 стр.
REFERENCES
Gibel' skota v Kazahstane: veroyatnost' vvedeniya CHS ocenili v Minsel'hoze. – (https://tengrinews.kz/kazakhstan_news/gibel-skota-kazahstane-veroyatnost-vvedeniya-chs-otsenili-442731)
Ensiso, A. Nestabil'nost' urozhaya i neurozhai v Rossii, Ukraina i Kazakhstan, i ikh vozmozhnost' otkaza ot prodovol'stvennoy bezopasnosti na Blizhnem Vostoke i na Severnoy doroge / Entsiso, A., Rene, S. , Fellman, T. // Zhurnal ekonomiki sel'skogo khozyaystva. – 2019.
Atzberger, C. Advances in remote sensing of agriculture: Context description, existing operational monitoring systems and major information needs / Atzberger, C. // Remote sensing. – 2013. – V. 5. – №. 2. – P. 949-981.
Distancionnoe zondirovanie Zemli. – (https://www.gov.kz/memleket/entities/mdai/activities/799?lang=ru)
Pullanagari, R.R. Multi-spectral radiometry to estimate pasture quality components / Pullanagari, R.R., Yule, I.J., Hedley, M.J., Tuohy, M.P., Dynes, R.A., King, W.M. // Precision Agriculture. – 2012. – V. 13. – P. 442-456.
Ysoychivoye upravleniye pastbishchnymi resursami' else Proyekt zashchity Respubliki Kazakhstan, Global'nogo ekologicheskogo fonda, Organizatsii razvitiya Organizatsii voznikayut v Kazakhstane i Nemetskogo obshchestva tekhnicheskogo sotrudnichestva. – (https://www.undp.org/sites/g/files/zskgke326/files/migration/kz/7053-21539.pdf)
Natsional'nyy doklad o sostoyanii okruzhayushchey sredy i prirodnykh resursov. – (http://newecodoklad.ecogosfond.kz/2016/zemlya/)
Nikishin, A.N. Ob"ektno-kartograficheskij metod organizacii geoprostranstvennyh dannyh regional'nyh informacionnyh sistem: dis… kand. tekh. nauk : 25.00.35 /. Nikishin, A.N. – Moskva, 2005.
Kirushin, V.I. Primeneniye GIS-tekhnologiy pri kartografirovanii i proyektirovanii agrolandshaftov / Kiryushin, V.I., Sliva, I.V. // Izvestiya Orenburgskogo gosudarstvennogo agrarnogo universiteta – 2005. – T. 1. – №. 5-1. – S. 8-13.
He, Y. Feature comparison and optimization for 30-m winter wheat mapping based on Landsat-8 and Sentinel-2 data using random forest algorithm / He, Y. // Remote Sensing. – 2019. – V. 11. – №. 5. – P. 39-50.
Sentinel-2 mission guide. – (http://surl.li/fabqh)
Punalekar, S.M. Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model / Punalekar, S.M. // Remote Sensing of Environment. – 2018. – V. 218. – P. 207-220.
Frampton, W.J. Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation / Frampton, W.J. // ISPRS journal of photogrammetry and remote sensing. – 2013. – V. 82. – P. 83-92. https://doi.org/10.1016/j.isprsjprs.2013.04.007
Gitelson, A.A. Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation / Gitelson, A.A. //Journal of plant physiology. – 2004. – V. 161. – №. 2. – P. 165-173.
Zarco-Tejada, P.J. Remote sensing of vegetation biophysical parameters for detecting stress condition and land cover changes /Zarco-Tejada, P.J., Sepulcre-Cantó, G. //Estudios de la Zona no Saturada del Suelo. – 2007. – V. 8. – P. 37-44.
Kganyago, M. Estimating crop biophysical parameters using machine learning algorithms and Sentinel-2 imagery / Kganyago, M., Mhangara, P., Adjorlolo, C. //Remote Sensing. – 2021. – V. 13. – №. 21. – P. 4314. https//doi:10.3390/rs13214314
What is GIS? ¬– (https://www.esri.com/en-us/what-is-gis/overview)
Gohman, V.V. Korporativnyye munitsipal'nyye GIS. – (https://arcreview.esri-cis.ru/2006/08/08/corporate-municipal-gis/)
Natsional'nyy Atlas Respubliki Kazakhstan. Tom 1: Pervoye ispol'zovaniye i resursy. – Almaty, 2010. –150 s.
Ogar', N.P. Rastitel'nost' dolin rek semiaridnyh i aridnyh regionov kontinental'noj Azii: dis… dokt. biol. nauk: 03.00.05 / Ogar' N.P. – Alma-Ata, 1999.
Lavrenko, Ye.M. Polevaya geobotanika v 4-kh tomakh / Lavrenko, Ye.M., Korchagina, A.A.. – M., Leningrad: Nauka, 1959–1972. – 1805 s.
