Моделирование пространственно-временного распределения плотности пастбищного скота в Казахстане на основе машинного обучения
DOI:
https://doi.org/10.51452/kazatu.2025.4(128).2058Ключевые слова:
пространственное моделирование; скотоводство; машинное обучение; Казахстан; пастбища; ГИС.Аннотация
Предпосылки и цель. Казахстан обладает одним из крупнейших пастбищных фондов в Центральной Азии, но эффективное управление этими территориями затруднено из-за нехватки пространственно детализированных данных о размещении скота. Рост численности мелкого рогатого скота и лошадей, а также давление на пастбищные экосистемы требуют новых подходов к мониторингу. Целью исследования является моделирование пространственно-временного распределения плотности пастбищного скота в Казахстане за 2000-2019 годы с высоким разрешением (1 км2) с использованием алгоритма случайного леса (Random Forest).
Материалы и методы. В качестве исходных данных использовались районные статистические показатели по численности овец, коз и лошадей, а также 13 социально-экологических факторов. Алгоритм Random Forest применялся для построения годовых карт плотности скота. Пространственные переменные включали климатические, вегетационные, демографические и инфраструктурные характеристики. Валидация модели проводилась по метрикам R2, RMSE и MAE с различными конфигурациями обучающих и тестовых выборок.
Результаты. Разработаны точные карты плотности скота, выявлены «горячие точки» пастбищной нагрузки на юге и юго-востоке Казахстана. Наибольшую точность показала модель с буфером 10 км и выборкой 90:10. Обнаружены значимые тенденции роста плотности скота по результатам анализа Манна-Кендалла и уклона Сенна.
Заключение. Полученные пространственно-временные данные позволяют применять их в управлении пастбищами, аграрной политике, экологическом мониторинге и зооветеринарном планировании. Разработанная методика может быть адаптирована для других регионов с аналогичными условиями.
