Агроклиматическое районирование фитосанитарного риска вспышек нестадных саранчовых в Казахстане на основе климатических данных и нейросетевого моделирования

Авторы

  • Baibussenov K.S. S. Seifullin Kazakh Agrotechnical Research University
  • Bekbayeva А.М. S. Seifullin Kazakh Agrotechnical Research University
  • Amanbay Zh.Z. S. Seifullin Kazakh Agrotechnical Research University
  • Zhubatkanov А.A. S. Seifullin Kazakh Agrotechnical Research University
  • Dzhumagulov А.А. S. Seifullin Kazakh Agrotechnical Research University

DOI:

https://doi.org/10.51452/eaj.2026.3(131).2270

Аннотация

Предпосылки и цель. Нестадные саранчовые являются одной из наиболее значимых групп вредителей сельскохозяйственных культур Казахстана, численность которых определяется сложным взаимодействием климатических, экологических и антропогенных факторов. Усиление климатической изменчивости и процессов аридизации требует разработки современных методов пространственного прогнозирования фитосанитарных рисков с использованием технологий искусственного интеллекта и геоинформационного анализа. Целью исследования являлось агроклиматическое районирование территории Казахстана по степени фитосанитарного риска вспышек нестадных саранчовых на основе климатических данных дистанционного зондирования Земли и применения гибридной нейросетевой модели CNN–LSTM.

Материалы и методы. Исследование основано на базе данных фитосанитарного мониторинга нестадных саранчовых, включающей 12 115 наблюдений, выполненных в 167 административных районах Казахстана за период 2003–2024 гг. В качестве предикторов использованы климатические и дистанционные показатели ERA5-Land и Open-Meteo, включая температуру поверхности земли (LST), температуру воздуха, количество осадков, влажность почвы, эвапотранспирацию и индекс NDVI. Пространственный анализ выполнен с использованием геоинформационных технологий. Для моделирования фитосанитарного риска применена гибридная архитектура сверточной и рекуррентной нейронных сетей (CNN–LSTM). Эффективность модели оценивалась по показателям Accuracy, Precision, Recall, F1-score и площади под ROC-кривой (ROC–AUC).

Результаты. Полученные результаты показали высокую эффективность предложенной модели при прогнозировании зон повышенного фитосанитарного риска. Гибридная модель CNN–LSTM обеспечила наилучшее качество классификации (ROC–AUC = 0,80; Accuracy = 0,78), превысив показатели отдельных моделей CNN (ROC–AUC = 0,63) и LSTM (ROC–AUC = 0,50). Выполнено агроклиматическое районирование территории Казахстана с выделением одиннадцати зон, сгруппированных по трем уровням фитосанитарного риска. Наиболее высокий риск развития очагов нестадных саранчовых установлен в аридных и полуаридных районах южной и западной частей страны (Risk Score 0,77–0,91), тогда как минимальные значения риска характерны для увлажненных и горных территорий северных и восточных регионов (Risk Score 0,18–0,38). Полученные карты риска позволяют выявлять наиболее уязвимые территории и формировать научно обоснованные рекомендации по организации фитосанитарного мониторинга.

Заключение. Разработанный подход, основанный на интеграции климатических данных, дистанционного зондирования Земли, геоинформационных технологий и глубокого обучения, обеспечивает повышение достоверности пространственного прогнозирования вспышек нестадных саранчовых. Полученные результаты могут использоваться при создании цифровых систем поддержки принятия решений, совершенствовании национальной системы фитосанитарного мониторинга и разработке адаптивных мер защиты сельскохозяйственных угодий в условиях изменения климата.

Опубликован

2026-10-07

Выпуск

Раздел

Сельскохозяйственные науки