Особливості застосування ГІС, GPS, ДЗЗ та ШІ в дослідженні ґрунтових характеристик

Zatserkovnyi, V., Vorokh, V., Hloba, O., Mironchuk, T., & Plichko, L. (2025). Utilizing GIS, GPS, remote sensing, and AI in the study of soil characteristics. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 3(110), 98-107. https://doi.org/10.17721/1728-2713.110.11

Вступ. Сучасне сільське господарство наражається на численні виклики, пов'язані з кліматичними змінами, економічними факто-рами та зростаючими вимогами до ефективності виробництва. Впровадження передових технологій, зокрема геоінформаційних систем (ГІС), дистанційного зондування землі (ДЗЗ), глобальних навігаційних супутникових систем (GPS) та штучного інтелекту (ШІ), дає змогу оптимізувати агротехнічні процеси та підвищити продуктивність у прецизійному землеробстві.

Методи. У роботі розглянуто методи застосування ГІС, GPS, ДЗЗ та ШІ у точному землеробстві. Використано аналіз супутникових та аерофотознімків, методи просторового моделювання, геостатистику, машинне навчання для прогнозування врожайності та оптимізації управлінських рішень. Також досліджено використання сенсорних систем для збору польових даних та їх інтеграції у цифрові платформи агровиробництва.

Результати. У ході дослідження реалізовано комплексну модель оцінки ґрунтових характеристик на основі поєднання ГІС, GPS, дистанційного зондування та методів штучного інтелекту. Результати підтвердили ефективність використання цифрових карт і супутникових знімків для просторової інтерполяції параметрів ґрунту (вміст калію, вологи, гумусу), побудови карт врожайності та моніторингу посівів у реальному часі. Використання GPS-навігації забезпечило високу точність позиціонування техніки й польового відбору проб, а алгоритми машинного навчання (зокрема, моделі на основі LAI та Random Forest) показали точність прогнозу врожайності понад 80%. Побудована модель сівозміни із залученням бібліотек Python дала змогу сформувати оптимальний п'ятирічний план ротації культур з урахуванням типів ґрунтів, кліматичних умов і потенційної врожайності. Карти варіабельності та результати зонування стали основою для сценарного управління полем на рівні аграрного підприємства.

Висновки. Інтеграція ГІС, GPS, ДЗЗ та штучного інтелекту в аграрну практику суттєво підвищує точність аналізу ґрунтових характеристик і ефективність управління агропроцесами. Побудована модель дає змогу автоматизувати процеси прийняття рішень на основі великого обсягу просторових і польових даних, сприяє зниженню витрат, підвищенню врожайності та збереженню родючості ґрунтів. Досвід впровадження моделі в умовах Київської області засвідчив її практичну придатність і потенціал до масштабування в рамках сучасного точного землеробства.