Особливості застосування ГІС, GPS, ДЗЗ та ШІ в дослідженні ґрунтових характеристик
Тип публікації :
Стаття
Дата випуску :
30 червня 2025 р.
Автор(и) :
Ворох, Віктор
Мова основного тексту :
Англійська
eKNUTSHIR URL :
Випуск :
3(110)
ISSN :
1728-2713
Початкова сторінка :
98
Кінцева сторінка :
107
Цитування :
[APA 7] Зацерковний, В. І., Ворох, В., Глоба, О., Мірончук, Т. А., & Плічко, Л. В. (2025). Utilizing GIS, GPS, remote sensing, and AI in the study of soil characteristics. Вісник Київського національного університету імені Тараса Шевченка. Геологія, (3(110)), 98–107. https://doi.org/10.17721/1728-2713.110.11
[ДСТУ] Utilizing GIS, GPS, remote sensing, and AI in the study of soil characteristics / В. І. Зацерковний et al. Вісник Київського національного університету імені Тараса Шевченка. Геологія. 2025. no. 3(110). P. 98—107. DOI: 10.17721/1728-2713.110.11 (date of access: 25.07.2026).
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.
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.
Ключові слова :
geographic information systems (GIS) remote sensing (RS) global navigation satellite systems (GNSS/GPS) artificial intelligence (AI) precision agriculture (PA) geoinformation technologies (GIT) APSIM (Agricultural Production Systems Simulator) DSSAT (Decision Support System for Agrotechnology Transfer) геоінформаційні системи (ГІС) дистанційне зондування Землі (ДЗЗ) глобальні навігаційні супутникові системи (GPS) та штучний інтелект (ШІ) прецизійне землеробство (ПЗ) геоінформаційні технології (ГІТ)
Галузі знань та спеціальності :
19 Архітектура та будівництво
Галузі науки і техніки (FOS) :
Інженерія та технології
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1.2 MB
Контрольна сума :
(MD5):29a40a33e225ea9420096f4046f8c06b
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International