332.3; 528.8; 004.94

Для эффективности реализации региональных планов по вовлечению земель в сельскохозяйственный оборот требуется актуальная, детализированная и согласованная пространственная и семантическая информация. Технологии дистанционного зондирования Земли (ДЗЗ) направлены на получение достоверных и качественных данных в сжатые сроки для обширных территорий и высокой периодичностью. В статье рассматриваются некоторые теоретические и методические аспекты автоматизации процесса тематической обработкой данных ДЗЗ для проведения оценки состояния сельскохозяйственных полей с целью их последующего вовлечения в оборот.

To effectively implement regional plans for returning land to agricultural circulation, planners require up-to-date and consistent geospatial data. Remote sensing offers an efficient solution for acquiring reliable information across large areas at high frequency. This paper addresses theoretical and methodological approaches to automating the assessment of agricultural field conditions via the thematic analysis of remote sensing data, facilitating the targeted restoration of abandoned lands.

кандидат технических наук, доцент кафедры геодезии и геоинформатики, ФГБОУ ВО «Государственный университет по землеустройству»

кандидат технических наук, доцент кафедры дистанционного зондирования и цифровой картографии, ФГБОУ ВО «Государственный университет по землеустройству»

магистрант, ФГБОУ ВО «Государственный университет по землеустройству»

кандидат технических наук, доцент кафедры геодезии и геоинформатики, ФГБОУ ВО «Государственный университет по землеустройству»

Костеша В.А., Щукина Е.А., Краснянская Е.В., Мадис Д.С. Применение беспилотных авиационных систем для оценки состояния сельскохозяйственных земель с целью последующего их вовлечения в оборот / В.А. Костеша и др.// Землеустройство, кадастр и мониторинг земель. 2025. Т. 20. №12(251). С. 862-871. DOI 10.33920/sel-04-2512-11.

Griffiths Р., Nendel С., Patrick Hostert Р. Intra-annual reflectance composites from Sentinel-2 and Landsat for national-scale crop and land cover mapping. Remote Sensing of Environment Volume 220, January 2019. Pages 135-151. DOI: 10.1016/j.rse.2018.10.031/.

Иванов М.А., Гафуров А.М. Анализ изменений землепользования в Среднем Поволжье по данным Landsat для оценки потенциала возврата заброшенных пахотных земель в сельскохозяйственный оборот // Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. №2. С. 186-201. DOI: 10.21046/2070-7401-2025-22-2-186-201.

Лупян Е.А., Прошин А.А., Бурцев М.А., Кашницкий А.В. и др. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП «ИКИ-Мониторинг») // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. №3. С. 151-170. DOI: 10.21046/2070-7401-2019-16-3-151-170.

Плотников Д.Е., Елкина Е.С., Антошкин А.А., Денисов П.В. Спутниковое картографирование тридцатилетней динамики пахотных земель регионов России на основе временных серий данных Landsat // Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН. 2022. C. 109. DOI: 10.21046/20DZZconf-2022a.

Alshari E.A., and Gawali B.W. Analysis of machine learning techniques for Sentinel-2A satellite images. J. Electr. Comput. Eng. 2022:9092299. DOI: 10.1155/2022/9092299.

Евстратова Л.Г., Антошкин А.А. Исследование текстурных признаков космических изображений объектов с применением вейвлет-анализа // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. №1. С. 246-253. DOI: 10.21046/2070-7401-2024-21-1-246-253.

Пантюшин В.А. Оценка информативности текстуры и структуры цифровых изображений // Землеустройство, кадастр и мониторинг земель. 2020. №6. С. 48-53.

Виноградов Б.А., Кондратьев К.Я. Космические методы землеведения. Л.: Гидрометеоиздат. 1971. 191 с.

Денисов П. В., Трошко К. А., Лупян Е. А., Плотников Д. Е., Кашницкий А. В., Антошкин А. А. Спутниковое дистанционное зондирование Земли в задаче установления границ земель сельскохозяйственного назначения // Землеустройство, кадастр и мониторинг земель». Том 19. №4 (231). 2024. С. 228-232. DOI 10.33920/sel-4-2404-04.

Safi A.R., Karimi P., Mul M., Chukalla A., de Fraiture C. Translating open-source remote sensing data to crop water productivity improvement actions. Agric. Water Manag. 2022. Vol. 261. 107373. DOI: 10.1016/j.agwat.2021.107373.

Савинa И.Ю., Савенкова Е. В., Кучер Д. Е., Тутуковаc Д. А., Бербеков С.А. Оценка контрастности почвенного покрова пахотных угодий по спутниковым данным Sentinel-2 // Почвоведение. 2021. №11. С. 1295-1305. DOI: 10.31857/S0032180X21110125.

Langkvist M. Classification and Segmentation of Satellite Orthoimagery Using Convolutional Neural Networks. M. Langkvist, A. Kiselev, M. Alirezaie, A. Loutfi. Remote Sensing. 2016. No. 8. Pp. 329. DOI:10.3390/rs8040329.

Bass L.P. Deep convolutional neural networks in hyperspectral remote sensing data processing. L.P. Bass, M.G. Kuzmina, O.V. Nikolaeva. Keldysh Institute of Applied Mathematics. 2018. No. 1. Pp. 32. doi.org/10.1080/01431161.2019.1694725.