CC BY
0Научная статья УДК 332
doi: 10.47576/2949-1916.2025.1.1.002
АНАЛИЗ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ МОНИТОРИНГА СОСТОЯНИЯ почвы С ИСПОЛЬЗОВАНИЕМ БЕСПИЛОТНЫХ
ЛЕТАТЕЛЬНЫХ АППАРАТОВ
Ринас Николай Анатольевич
Кубанский государственный аграрный университет имени И. Т. Трубилина,
Краснодар, Россия
Косников Максим Сергеевич
Кубанский государственный аграрный университет имени И. Т. Трубилина,
Краснодар, Россия
Аннотация. В статье рассматриваются современные подходы к применению беспилотных летательных аппаратов (БПЛА) в аграрном секторе с целью повышения эффективности мониторинга почвы. Основная цель исследования - анализ интеллектуальной системы мониторинга состояния почвы на основе БПЛА, повышающих точность оценки почвенного покрова, оптимизирующих использование ресурсов и снижающих негативное влияние сельскохозяйственной деятельности на окружающую среду. Методы исследования включают анализ существующих технологий дистанционного зондирования почвы, применение спектральных и тепловизионных сенсоров, а также внедрение методов машинного обучения для обработки и интерпретации данных. Авторы рассматривают интеграцию этих технологий с геоинформационными системами и облачными платформами для обеспечения точного и оперативного управления аграрными ресурсами. Основные результаты исследования показывают, что использование БПЛА в сочетании с алгоритмами машинного обучения и ГИС повышают точность прогнозирования состояния почвы путем выявления зон деградации, оптимизации процессов внесения удобрений и сокращения затрат на мониторинг. Интеллектуальные системы позволяют предотвратить эрозию почвы и помогают аграриям адаптироваться к изменяющимся условиям.
Ключевые слова: интеллектуальные системы; мониторинг почвы; беспилотные летательные аппараты; дистанционное зондирование; геоинформационные системы; точное земледелие.
Для цитирования: Ринас Н. А., Косников М. С. Анализ интеллектуальных систем мониторинга состояния почвы с использованием беспилотных летательных аппаратов // Региональная и отраслевая экономика. - 2025. - № 1. - С. 17-23. doi: 10.47576/2949-1916.2025.1.1.002.
Original article
ANALYSIS OF INTELLIGENT SOIL MONITORING SYSTEMS USING
UNMANNED AERIAL VEHICLES
Rinas Nikolay a.
I. T. Trublin Kuban State Agrarian University, Krasnodar, Russia
Kosnikov Maxim S.
I.T. Trubilin Kuban State Agrarian University, Krasnodar, Russia
Abstract. The article discusses modern approaches to the use of unmanned aerial vehicles (UAVs) in the agricultural sector in order to improve the effectiveness of soil monitoring. The main purpose of the study is to analyze an intelligent soil condition monitoring system based on UAVs that increase the accuracy of soil cover assessment, optimize resource use and reduce the negative impact of agricultural activities on the environment. Research methods include the analysis of existing soil remote sensing technologies, the use of spectral and thermal imaging sensors, as well as the introduction of machine learning methods for data processing and interpretation. The authors consider the integration of these technologies with geographic information systems and cloud platforms to ensure accurate and operational management of agricultural resources. The main results of the study show that the use of UAVs in combination with machine learning and GIS algorithms increases the accuracy of predicting soil conditions by identifying degradation zones, optimizing fertilizer application processes and reducing monitoring costs. Intelligent systems can prevent soil erosion and help farmers adapt to changing conditions.
Keywords: intelligent systems; soil monitoring; unmanned aerial vehicles; remote sensing; geoinformation systems; precision agriculture.
For citation: Rinas N. A., Kosnikov M. S. Analysis of intelligent soil monitoring systems using unmanned aerial vehicles. Regional and branch economy, 2025, no. 1, pp. 17-23. doi: 10.47576/2949-1916.2025.1.1.002.
В условиях развития цифровых технологий и их интеграции в сферы хозяйственной деятельности особое значение приобретает интеллектуальный мониторинг сельскохозяйственных угодий. Современные методы дистанционного зондирования, реализуемые с использованием БПЛА, обеспечивают новый уровень оперативности и точности сбора информации о состоянии почвы. Благодаря технологиям аграрии своевременно выявляют проблемные участки на полях и эффективно управляют производственными ресурсами.
Актуальность данной темы обусловлена необходимостью повышения эффективности сельского хозяйства в условиях изменений, роста затрат на ресурсы и необходимости обеспечения продовольственной безопасности. В традиционных методах мониторинга почвы используются наземные инспекции и спутниковые снимки, однако они такими ограничениями, как высокая стоимость, длительность обработки данных и ограниченная точность. Поэтому применение БПЛА направлено на сокращение затрат времени на обследование полей, а также повышение точности анализа и обеспечение своевременное принятие управленческих решений.
Вопросы, рассматриваемые в данной работе, включают анализ технологических основ интеллектуальных систем мониторинга почвы, алгоритмов и моделей анализа почвенного покрова, а также программно-аппаратных решений, интегрирующих БПЛА с современными геоинформационными системами и облачными платформами. Кроме того, рассмотрено влияние интеллектуального мониторинга на устойчивость сельскохозяйственного производства, включая оптимизацию использования ресурсов, выявление деградации почвы и оценку экономических и экологических эффектов.
Целью исследования является анализ интеллектуальной системы мониторинга состояния почвы с использованием беспилотных летательных аппаратов, направленный на повышение эффективности управления аграрными ресурсами.
Технологическая основа интеллектуальных систем мониторинга почвы с использованием БПЛА
Современное сельское хозяйство зависит от эффективных методов наблюдения за состоянием почвы. Поэтому технологии дистанционного зондирования земли на основе беспилотных летательных аппаратов являются неотъемлемым элементом
интеллектуальных систем мониторинга. Такие технологии направлены на получение данные высокой точности, оперативное выявление изменений в почве, оптимизацию использования ресурсов и минимизацию негативного воздействия сельскохозяйственной деятельности на окружающую среду.
Использование БПЛА в мониторинге почвы основано на применении сенсоров, в т.ч. мультиспектральных и гиперспектральных камер, тепловизоров и лидаров. Устройства фиксируют параметры, которые невозможно определить с помощью таких традиционных методов обследования, как визуальная оценка или забор проб. Так, например, мультиспек-тральные камеры анализируют спектральные характеристики отражения поверхности почвы, выявляя уровень увлажненности и определяя содержание органического вещества. В свою очередь, тепловизионные сенсоры регистрируют температурные аномалии, которые свидетельствуют о нарушениях в структуре почвы, засухе или избыточном увлажнении. Лидары, основанные на технологии лазерного сканирования, создают трехмерные модели рельефа и позволяют оценить микрорельеф полей, обеспечивая информацией о процессах эрозии и вымывания питательных веществ [5].
Одним из основных элементов интеллектуального мониторинга является обработка и интерпретация данных, полученных с БПЛА. Для этого используются такие математические модели и индексы, как NDVI (нор -мализованный разностный вегетационный индекс), NDWI (индекс влажности) и LSWI (индекс содержания воды в почве). Показатели позволяют строить карты состояния сельскохозяйственных угодий, прогнозировать урожайность и выявлять аномальные зоны, требующие вмешательства. В последние годы в обработке данных применяются методы машинного обучения и искусственного интеллекта, которые автоматизируют процесс интерпретации снимков и выявляют закономерности, недоступные традиционным методам анализа. Использование ней-росетей в анализе изображений, полученных с БПЛА, позволяет классифицировать почвенные покровы, детектировать деграда-ционные процессы и предсказать изменения агроэкосистем.
Важным направлением в развитии интеллектуального мониторинга почвы является интеграция данных, полученных с БПЛА, в геоинформационные системы (ГИС) и облачные платформы. Такая интеграция, позволяет агрономам в реальном времени получать информацию о состоянии почвы, планировать внесение удобрений и средства защиты растений, оптимизируя севооборот [4; 7]. Кроме того, современные системы мониторинга связаны с погодными станциями и спутниковыми данными, которые расширяют возможности прогнозирования и стратегического планирования сельскохозяйственного производства.
Программно-аппаратные решения интеллектуального мониторинга включают сами БПЛА и сенсоры, а также специализированные программные комплексы анализа данных. Среди них выделяют алгоритмы компьютерного зрения, позволяющие анализировать изображения в режиме реального времени, и системы автоматизированного управления дронами, обеспечивающие автономные облеты полей по заданным маршрутам. Рассмотренные технологии обеспечивают максимальную эффективность мониторинга при минимальном участии оператора.
Использование интеллектуальных систем мониторинга почвы с БПЛА оказывает влияние на устойчивость сельскохозяйственного производства. Точные данные о состоянии почвы позволяют минимизировать избыточное использование удобрений и химикатов, снижая нагрузку на окружающую среду и уменьшая производственные издержки. Мониторинг процессов эрозии и деградации почвы помогает разрабатывать стратегии сохранения плодородия и предотвращения деградации земельных ресурсов. Экономический эффект от применения таких систем очевиден: сокращаются затраты на мониторинг, повышается эффективность управления земельными ресурсами, снижается зависимость от погодных условий.
Перспективы развития интеллектуальных систем мониторинга почвы с использованием БПЛА связаны с развитием сенсорных технологий, методов машинного обучения и автоматизации процессов анализа данных. Разрабатываются новые поколения гиперспектральных камер, которые позволят с вы-
сокой точностью определять химический состав почвы. Интеграция БПЛА с Интернетом вещей и беспроводными сенсорными сетями обеспечивают непрерывный мониторинг поля и автоматическое принятия решений в агрономии. В перспективе появятся полностью автономные системы мониторинга, в которых дроны, работающие в рое, самостоятельно обследуют площади и передавать данные в облачные системы обработки [10].
Государственная поддержка и внедрение технологий точного земледелия необходима в распространении этих решений. Многие государства развивают программы субсидирования сельскохозяйственных организаций, внедряющих интеллектуальные системы мониторинга почвы. Кроме того, нормативно-правовое регулирование использования БПЛА в сельском хозяйстве способствует расширению их применения, создавая благоприятные условия для инвестиций.
Таким образом, интеллектуальные системы мониторинга почвы с использованием БПЛА - это важное направление в развитии аграрных технологий, которое обеспечивает точность, скорость и эффективность анализа почвенного покрова. Развитие технологий позволит повысить урожайность, снизить затраты, обеспечить устойчивое и экологически безопасное сельскохозяйственное производство.
Программно-аппаратные решения для интеллектуального мониторинга
Современные программно-аппаратные решения по интеллектуальному мониторингу почвы с использованием БПЛА представляют комплексную систему сбора, обработки и анализа данных, повышающих эффективность сельскохозяйственного производства и управления земельными ресурсами. Развитие технологий связано с совершенствованием аппаратных платформ, интеграцией с ГИС и облачными платформами, а также созданием аналитических инструментов для агрономов [1; 3]. Целью данных систем является получение точных и оперативных данных о состоянии почвы и растений, которые позволят оптимизировать сельскохозяйственные процессы, минимизировать затраты на удобрения и улучшить качество урожая.
Использование БПЛА в сельском хозяйстве охватывает различные типы дронов,
каждый из которых предназначен для выполнения определенных задач. Наиболее распространены мультикоптеры, обладающие высокой маневренностью, характеризующиеся как идеальные устройства для обследования небольших участков, требующих детального анализа почвы и растительного покрова [2]. Однако для мониторинга больших сельскохозяйственных территорий предпочтительны дроны с фиксированным крылом, которые имеют длительную продолжительность полета и возможность охвата больших площадей за один вылет. Такие устройства позволяют сократить время на сбор данных и повысить точность за счет высокой детализации аэрофотоснимков.
Одним из компонентов интеллектуального мониторинга почвы являются специализированные датчики, устанавливаемые на БПЛА. Среди наиболее востребованных выделяются спектральные и мультиспектральные камеры, позволяющие оценивать содержание хлорофилла в растительности, выявлять стрессовые состояния культур и определять уровень увлажненности почвы. Тепловизи-онные сенсоры применяются в диагностике температурных аномалий почвы при обнаружении зон с дефицитом влаги или риском засухи. Лидарные системы создают трехмер -ные карты рельефа, необходимые для анализа особенности ландшафта, эрозионных процессов и других изменений, влияющие на плодородие почвы [6; 9].
Полученные с БПЛА оперативно обрабатываются и анализируются за счет использования мощных вычислительных систем и специализированного программного обеспечения. Одним из основных направлений является применение искусственного интеллекта, который позволяет автоматизировать обработку изображений, идентифицировать проблемные участки и строить прогнозные модели изменения почвенного покрова. Так, глубокие нейросети используются в процессе классификации почв и выявления признаков деградации. Данные, полученные с БПЛА, обрабатываются с использованием индексов растительности определяя содержание влаги в почве, уровень засоленности и общее состояние сельскохозяйственных угодий.
Интеграция данных мониторинга с ГИС позволяет проводить анализ почвенного покро-
ва и управление сельским хозяйством. ГИС накладывают данные, полученные с беспи-лотников, на кадастровые карты, спутниковые снимки и данные предыдущих лет. Кроме того, облачные платформы и технологии Интернета вещей автоматизируют процессы мониторинга и интегрируют данные с метеостанциями, датчиками влажности и температуры, а также системами управления орошением. Такие системы позволяют аграриям получать данные в режиме реального времени и оперативно реагировать на изменения почвенно-климатических условий.
Дополнительным преимуществом использования интеллектуальных систем мониторинга является создание информационно-аналитических панелей, которые направлены на правильную интерпретацию полученных данных [8]. Такие панели представляют собой интуитивно понятные интерфейсы, отображающие карты почвенного состояния, прогнозные модели, рекомендации по внесению удобрений и управлению сельскохозяйственными угодьями. Они автоматически сигнализируют о критических зонах, требующих вмешательства, а также отправляют уведомления о неблагоприятных изменениях в почве или климате. Внедрение подобных систем делает управление сельским хозяйством точным и эффективным, снижая влияние человеческого фактора и повышая качество агротехнических решений.
Экономическая эффективность внедрения БПЛА в сельскохозяйственном мониторинге очевидна. Использование беспилотных технологий снижает затраты на обследование земельных участков, минимизирует избыточное применение удобрений и агрохимикатов, а также повышает урожайность за счет оп-
тимального управления сельскохозяйственными ресурсами. Кроме того, такие преимущества, как точное земледелие, основанное на данных мониторинга, снижают загрязнение почвы и водоемов химическими веществами, уменьшает эрозию и способствует рациональному использованию природных ресурсов.
С развитием технологий ожидается дальнейшая автоматизация и усовершенствование систем мониторинга. В перспективе появятся полностью автономные дроны, способные проводить регулярные обследования сельскохозяйственных территорий без участия оператора. Развитие гиперспектральных сенсоров обеспечит анализ химического состава почвы, а интеграция с искусственным интеллектом и облачными вычислениями обеспечит высокую точность прогнозирования изменений агроландшаф-та.
Таким образом, программно-аппаратные решения для интеллектуального мониторинга почвы на основе БПЛА - это мощный инструмент управления сельскохозяйственными ресурсами, направленный на сокращение затрат и минимизацию негативного воздействия на окружающую среду. Внедрение данных технологий становится главным фактором развития точного земледелия, обеспечивая устойчивость и рентабельность сельскохозяйственного производства в условиях изменения климата и роста спроса на продовольственные ресурсы.
На основе проведенного анализа, в таблице 1 представлены обобщенные характеристики интеллектуальные системы мониторинга состояния почвы с использованием беспилотных летательных аппаратов.
Таблица 1 - Характеристика интеллектуальных систем мониторинга состояния почвы
с использованием БПЛА
Параметр Описание
Основные компоненты Беспилотные летательные аппараты, сенсоры (мультиспектральные, гиперспектральные, тепловизионные), программное обеспечение, алгоритмы обработки данных, геоинформационные системы.
Методы сбора данных Дистанционное зондирование с использованием БПЛА, фотограмметрия, лазерное сканирование (LiDAR), анализ спектральных характеристик почвы.
Обработка данных Применение методов машинного обучения, искусственного интеллекта, анализ вегетационных индексов (NDVI, NDWI, LSWI), автоматическая классификация почвенного покрова.
Функции и возможности Оценка влажности почвы, выявление зон эрозии и деградации, прогнозирование урожайности, контроль состояния растительного покрова, моделирование изменений почвенных характеристик.
Интеграция с системами Геоинформационные системы, облачные платформы для хранения и обработки данных, автоматизированные системы агроменеджмента, спутниковые данные.
Экономическая эффективность Снижение затрат на мониторинг почвы, повышение урожайности за счет точного внесения удобрений и ресурсов, минимизация воздействия на окружающую среду.
Перспективы развития Развитие сенсорных технологий, использование автономных роеобразных дро-нов, интеграция с Интернетом вещей, совершенствование алгоритмов искусственного интеллекта.
Таким образом, изучение методов разработки интеллектуальных систем мониторинга состояния почвы с использованием БПЛА показало, что их применение повышает точность и оперативность аграрного мониторинга. Использование мультиспектральных, гиперспектральных и тепловизионных сенсоров обеспечивает комплексный анализ почвенного покрова, позволяя выявлять дефицит влаги, диагностировать процессы деградации и прогнозировать урожайность сельскохозяйственных культур. Автоматизация процессов обработки данных с помощью методов машинного обучения и искусственного интеллекта способствует оперативной интерпретации данных, минимизируя влияние человеческого фактора и повышая эффективность принятия управленческих решений.
Кроме того, интеграция данных дистанционного зондирования с ГИС и облачными платформами предоставляет возможности по анализу динамики почвенных изменений и формированию долгосрочных стратегий управления земельными ресурсами, повышая точность внесения удобрений, сокращая избыточное применение агрохимикатов
и снижая затраты на мониторинг сельскохозяйственных угодий. Внедрение интеллектуальных систем мониторинга почвы оказывает положительное влияние на экологическую устойчивость сельского хозяйства, способствуя рациональному использованию водных и земельных ресурсов, снижая уровень загрязнения окружающей среды.
Несмотря на преимущества, внедрение данных технологий связано с рядом проблем, включая высокую стоимость оборудования, необходимость разработки специализированных алгоритмов обработки данных и совершенствование нормативно-правового регулирования использования БПЛА. Развитие данного направления направлено на совершенствование сенсорных технологий, нейросетевых алгоритмов анализа почвенного покрова и создание полностью автономных систем мониторинга, работающих в режиме реального времени. Таким образом, интеллектуальные системы мониторинга почвы на основе БПЛА являются перспективным направлением цифровизации сельского хозяйства, обеспечивающим рост урожайности, снижение затрат и повышение устойчивости аграрного производства.
Список источников
1. Беляев К. П. Разработка проекта информационного обеспечения интеллектуальной системы управления беспилотными летательными аппаратами // Системный анализ и логистика. 2018. № 1(16). С. 26-31.
2. Зверьков М. С., Брыль С. В. Оценка мелиоративного состояния гидромелиоративной системы с использованием данных дистанционного зондирования земли и беспилотного летательного аппарата // Природообустройство. 2021. № 2. С. 6-16.
3. Зоев И. В., Марков Н. Г, Рыжова С. Е. Интеллектуальная система компьютерного зрения беспилотных летательных аппаратов для мониторинга технологических объектов предприятий нефтегазовой отрасли // Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330, № 11. С. 34-49.
4. Ильясов Р. М., Колесников Р. А. Практика использования беспилотных летательных аппаратов при проведении мониторинга водных объектов и их водоохранных зон // Научный вестник Ямало-Ненецкого автономного округа. 2022. № 3(116). С. 97-110.
5. Использование беспилотных летательных аппаратов для мониторинга состояния бесхозяйных противопаводковых гидротехнических сооружений Забайкальского края / К. А. Курганович, А. В.
Шаликовский, М. А. Босов, Д. В. Кочев // Гидросфера. Опасные процессы и явления. 2020. Т. 2, № 1. С. 32-43.
6. Использование математического аппарата клеточных автоматов для решения задачи мониторинга объектов критической инфраструктуры беспилотными летательными аппаратами / В. В. Чистов, И. В. Захарченко, В. М. Павленко [и др.] // Проблемы региональной энергетики. 2022. № 3(55). С. 156-167.
7. Мониторинг состояния воздушных линий электропередачи с использованием беспилотного летательного аппарата / В. П. Дикой, А. А. Левандовский, Р. С. Арбузов [и др.] // Энергия единой сети. 2014. № 2(13). С. 16-25.
8. Мягков Д. Ю., Могилянец Р. И. Применение беспилотных летательных аппаратов для мониторинга состояния лесного хозяйства // Труды БГТУ. Лесная и деревообрабатывающая промышленность. 2013. № 2(158). С. 89-92.
9. Разработка автоматизированной системы мониторинга атмосферного воздуха с использованием беспилотного летательного аппарата / В. А. Осанов, А. А. Щурихин, С. М. Кондратьев [и др.] // T-Comm: Телекоммуникации и транспорт. 2019. Т. 13, № 5. С. 28-34.
10. Шевченко О. Ю., Боричевский А. Б. Использование беспилотных летательных аппаратов для ведения мониторинга использования территорий // Экономика и экология территориальных образований. 2015. № 3. С. 150-152.
References
1. Belyaev K. P. Development of an information support project for an intelligent control system for unmanned aerial vehicles. System analysis and logistics. 2018. No. 1(16). Pp. 26-31.
2. Zverkov M. S., Bryl S. V. Assessment of the reclamation state of the hydro-reclamation system using data from remote sensing of the earth and an unmanned aerial vehicle. Environmental management. 2021. No. 2. Pp. 6-16.
3. Zoev I. V., Markov N. G., Ryzhova S.E. Intelligent computer vision system of unmanned aerial vehicles for monitoring technological facilities of oil and gas industry enterprises. Izvestiya Tomsk Polytechnic University. Georesource engineering. 2019. Vol. 330, No. 11. Pp. 34-49.
4. Ilyasov R. M., Kolesnikov R. A. The practice of using unmanned aerial vehicles during monitoring of water bodies and their water protection zones. Scientific Bulletin of the Yamalo-Nenets Autonomous Okrug. 2022. No. 3(116). Pp. 97-110.
5. The use of unmanned aerial vehicles to monitor the condition of ownerless flood control hydraulic structures in the Trans-Baikal Territory / K. A. Kurganovich, A.V. Shalikovsky, M. A. Bosov, D. V. Kochev. Hydrosphere. Dangerous processes and phenomena. 2020. Vol. 2, No. 1. Pp. 32-43.
6. Using the mathematical apparatus of cellular automata to solve the problem of monitoring critical infrastructure facilities by unmanned aerial vehicles / V. V. Chistov, I. V. Zakharchenko, V. M. Pavlenko [et al.]. Problems of regional energy. 2022. No. 3(55). Pp. 156-167.
7. Monitoring the condition of overhead power transmission lines using an unmanned aerial vehicle / V. P. Dikoi, A. A. Levandovsky, R. S. Arbuzov [et al.]. United Grid Energy. 2014. No. 2(13). Pp. 16-25.
8. Myagkov D. Yu., Mogilyanets R. I. The use of unmanned aerial vehicles for monitoring the state of forestry. Proceedings of BSTU. Forestry and woodworking industry. 2013. No. 2(158). Pp. 89-92.
9. Development of an automated atmospheric air monitoring system using an unmanned aerial vehicle / V. A. Osanov, A. A. Shchurikhin, S. M. Kondratiev [et al.]. T-Comm: Telecommunications and Transport. 2019. Vol. 13, No. 5. Pp. 28-34.
10. Shevchenko O. Yu., Borichevsky A. B. The use of unmanned aerial vehicles for monitoring the use of territories. Economics and ecology of territorial entities. 2015. No. 3. Pp. 150-152.
Сведения об авторах
РИНАС НИКОЛАЙ АНАТОЛьЕВИЧ - кандидат технических наук, доцент кафедры эксплуатации и технического сервиса, Кубанский государственный аграрный университет имени И. Т. Трубилина, Краснодар, Pоссия
КОСНИКОВ МАКСИМ СЕРГЕЕВИЧ - обучающийся 4 курса факультета прикладной информатики, Кубанский государственный аграрный университет имени И. Т. Трубилина, Краснодар, Pоссия
Information about the authors
RINAS NIKoLAY A. - Candidate of Technical Sciences, Associate Professor of the Department of Operation and Technical Service, I. T. Trublin Kuban State Agrarian University, Krasnodar, Russia KoSNIKoV MAxiM S. - 4th-year student at the Faculty of Applied Informatics, I.T. Trubilin Kuban State Agrarian University, Krasnodar, Russia
