В Евразийском национальном университете имени Л.Н. Гумилева состоится защита диссертации на соискание степени доктора философии (PhD) Әбжановы Айнагүл Ералықызы на тему «Разработка информационной системы распознования слоистой структуры грунта на основе обработки больших данных» по специальности «6D070300 – Информационные системы (по отраслям)».
Диссертация выполнена на кафедре «Кафедра Информационных систем» Евразийского национального университета имени Л.Н. Гумилева.
Язык защиты - казахский
Официальные рецензенты:
Аканова Акерке Сапаровна – доктор философии (PhD), ассоцированный профессор, руководитель группы образовательных программ «Kомпьютерные науки», НАО «Казахского агротехнического университета имени С.Сейфуллина» (г. Астана, Республика Казахстан);
Бапиев Идеят Мэлсович - доктор философии (PhD), и.о. доцента Западно-Казахстанского аграрно-технического университета имени Жангир хана (г. Уральск, Казахстан).
Временные члены Диссертационного совета:
Барахнин Владимир Борисович – доктор технических наук; доцент, ведущий научный сотрудник в Федеральном исследовательском центре информационных и вычислительных технологий (ФИЦ ИВТ) (г. Новосибирск, Россия);
Еримбетова Айгерим Сембековна – доктор философии (PhD), кандидат технических наук, ассоциированный профессор, ведущий научный сотрудник Института информационных и вычислительных технологий КН МНВО РК (г. Алматы, Республика Казахстан);
Ержанова Акбота Ермухамедовна — доктор философии (PhD), и.о. ассоциированного профессора, НАО «Казахский агротехнический исследовательский университет имени С. Сейфуллина», Институт инжиниринга и технологий пищевых продуктов, старший преподаватель группы образовательных программ «Агроинженерия, механика и металлообработка» (г. Астана, Республика Казахстан).
Научные консультанты:
Абдикеримова Гульзира Бахытбековна – доктор философии (PhD), ассоциированный профессор кафедры «Информационные системы» Евразийского национального университета имени Л.Н. Гумилева, (г. Астана, Республика Казахстан);
Быков Артем Александрович — к.т.н., доцент, старший научный сотрудник научно-исследовательской лаборатории «Интелектуальные информационно-измерительные и управляющие системы», Белгородского Государтвенного Техниологического Университета им. В.Г. Шухова, г. Белгород, Россия.
Защита состоится: 10 марта 2026 года 12:00 часов в Диссертационном совете по направлению подготовки кадров «8D061 – Информационно-коммуникационные технологии» по специальности «6D070300 – Информационные системы (по отраслям)» Евразийского национального университета имени Л.Н. Гумилева. Проведение заседания диссертационного совета в онлайн формате.
Ссылка: https://teams.microsoft.com/meet/43667088007572?p=JXDDMLHeoYZZnJKEWA
Адрес: г. Астана, ул. Пушкина, 11, 222 аудитория.
Аннотация (рус.): АННОТАЦИЯ диссертационной работы Әбжанова Айнагүл Ералықызы на тему «Разработка информационной системы распознования слоистой структуры грунта на основе обработки больших данных», представленной на соискание степени доктора философии (PhD) по образовательной программе «6D070300- Информационные системы» Актуальность исследования. Развитие агропромышленного комплекса Казахстана в XXI веке невозможно без внедрения инновационных цифровых решений, что чётко отражено в Концепции развития АПК на 2021–2030 годы. В документе подчёркивается, что сельское хозяйство продолжит оставаться одной из стратегически важных отраслей, обеспечивающих продовольственную безопасность страны и устойчивый экономический рост. Вместе с тем эффективность АПК напрямую зависит от рационального использования земельных ресурсов и сохранения их плодородия. Традиционные методы анализа структуры почвы, такие как бурение и лабораторные исследования, не всегда позволяют оперативно и комплексно оценить её внутреннее строение. В связи с этим распознавание слоистой структуры почвы с помощью информационной системы, основанной на обработке больших данных, является крайне актуальной задачей, соответствующей целям Концепции. Такая система обеспечит переход от фрагментарных исследований к постоянному цифровому мониторингу почвенного покрова, а также реализацию точного земледелия и устойчивого управления агроресурсами. Данная разработка приобретает особую значимость в условиях изменения климата и возрастания антропогенной нагрузки на почвенный покров. Эрозия, засоление, деградация и снижение плодородия являются актуальными проблемами, характерными для почв Казахстана, и особенно ярко проявляются в регионах с интенсивным сельскохозяйственным производством. Концепция развития агропромышленного комплекса Республики Казахстан предусматривает необходимость внедрения адаптационных мер, связанных с сохранением и восстановлением земельных ресурсов. Для этого требуется достоверная информация не только о поверхностных слоях, но и о глубоких горизонтах почвы. Информационная система, основанная на анализе больших данных, включая данные дистанционного зондирования, спутниковые изображения, климатические ряды и результаты геофизических измерений, позволяет формировать интегрированные модели почвенного профиля. Это, в свою очередь, создаёт условия для прогнозирования урожайности, оценки влагоудерживающей способности почв и планирования мелиоративных мероприятий. Таким образом, достигается стратегическая цель Концепции — рациональное использование земельных ресурсов и максимальное снижение рисков, связанных с их деградацией. Как отмечается в Концепции, цифровизация агропромышленного комплекса предусматривает формирование единой экосистемы данных, объединяющей государственные и частные сервисы. Разработка информационной системы распознавания слоистой структуры почвы является естественной составляющей данного процесса, поскольку она обеспечивает создание базы знаний о почвенных свойствах, доступной для анализа и прогнозирования в масштабах всей страны. Внедрение такого решения будет способствовать развитию точного земледелия, оптимизации севооборотов, а также эффективному использованию удобрений и оросительных ресурсов. Интеграция разрабатываемой системы с национальными геоинформационными платформами позволит Казахстану занять лидирующие позиции в регионе по применению цифровых технологий в сельском хозяйстве. В конечном итоге это полностью соответствует задачам Концепции, в которой цифровизация и наука определены в качестве ключевых драйверов конкурентоспособности отечественного агропромышленного комплекса. В государственной программе Республики Казахстан «Цифрлық Қазақстан» цифровизация агропромышленного комплекса обозначена как один из основных приоритетов. В данном документе предусмотрено внедрение новых технологий в сельское хозяйство, применение эффективных методов управления земельными ресурсами, а также повышение качества и продуктивности сельскохозяйственной продукции. В этом контексте исследование слоистой структуры почвы с использованием современных методов, основанных на обработке больших данных и методах машинного обучения, напрямую связано с государственной политикой. Цель исследования. Разработка модели распознавания слоистой структуры почвы на основе обработки больших данных. Исходя из цели диссертационной работы, были поставлены следующие задачи: Провести обзор научных работ, посвящённых анализу структуры почвы; Выполнить сравнительный анализ информационных систем распознавания слоистой структуры почвы; Разработать модель распознавания слоистой структуры почвы на основе спутниковых (Sentinel-2), климатических (ERA5) и почвенных (OpenLandMap) данных; Оценить точность разработанной модели распознавания слоистой структуры почвы; Разработать информационную систему для автоматизированного распознавания почвенного профиля. Объект исследования – методы и подходы, направленные на автоматизированное определение слоистости почвенного профиля на территории Казахстана. Предмет исследования – стратификация и анализ структуры почвы с применением методов машинного обучения на основе спутниковых (Sentinel-2), климатических (ERA5) и почвенных (OpenLandMap) данных. Методы исследования – методы обработки космических снимков, расчёт мультиспектральных индексов (NDVI, BSI, MNDWI и др.), анализ климатических параметров, алгоритмы машинного обучения (XGBoost, CatBoost, Random Forest, stacking), формирование вектора признаков и валидация модели. Программные средства. Методологическая основа разработки алгоритмов и программных средств обеспечивается использованием программных инструментов ENVI, MatLab, Python и Statistica Soft. Основные результаты, выносимые на защиту: Формирование вектора признаков, характеризующего почвенные горизонты на основе мультиспектральных и климатических показателей на территории Казахстана; Разработка модели распознавания слоистой структуры почвы на основе спутниковых (Sentinel-2), климатических (ERA5) и почвенных (OpenLandMap) данных; Разработка информационной системы для автоматизированного распознавания почвенного профиля. Научная новизна: Разработан вектор признаков, характеризующий почвенные горизонты на основе мультиспектральных и климатических показателей на территории Казахстана; Разработана модель для прогнозирования влажности и плотности почвы на различных глубинах. Теоретическая значимость исследования. В ходе работы были построены модели послойного анализа на основе обработки больших данных, данных дистанционного зондирования Земли (Sentinel, Landsat), климатических параметров (ERA5) и глобальных почвенных баз данных (OpenLandMap, SoilGrids). Данные методы, дополняя классические стратиграфические исследования, расширяют научную основу прогнозирования пространственных и глубинных изменений почвенных свойств. Методологическая база исследования определяется интеграцией классических подходов почвоведения и геологии с современными концепциями цифрового моделирования и обработки больших данных. В качестве теоретической основы принята концепция, рассматривающая почву как природно-историческое тело, формирующееся под воздействием климатических условий, рельефа, материнских пород, растительного покрова и фактора времени. Данная традиционная парадигма позволила рассматривать почвенный профиль не как статичную структуру, а как динамическую систему, отражающую геолого-климатические процессы в пространстве и во времени. Практическая значимость исследования. Результаты исследования позволяют разработать инновационную информационную систему для автоматизированного анализа и оценки структуры почвы. Анализ на основе больших данных направлен на оценку влагоудерживающей способности почв, оптимизацию режимов орошения и определение агропроизводственной пригодности, что способствует повышению урожайности в условиях орошаемого земледелия, в том числе в рисоводстве. Внедрение разработанной информационной системы подтверждено актом внедрения в ТОО «Казахский научно-исследовательский институт рисоводства имени Ыбырая Жахаева». Внедрение результатов. Результаты работы внедрены в ТОО «Казахский научно-исследовательский институт рисоводства имени Ыбырая Жахаева». Основные результаты исследования опубликованы в журналах, индексируемых в базе данных Scopus: 1. Control and Analysis of Layered Soil Structure to Ensure Railway Roadbed Stability//Applied Sciences Switzerland Open source preview, 2024, 14(19) (Квартиль – Q2, процентиль - 69); 2. Methods for Assessing the Layered Structure of the Geological Environment in the Drilling Process by Analyzing Recorded Phase Geoelectric Signals// Mathematics open source preview, 2024, 12(14), 2194 (Квартиль – Q1, процентиль - 92). В журналах, входящих в перечень научных изданий, рекомендуемых Комитетом по обеспечению качества в сфере науки и высшего образования Министерства науки и высшего образования Республики Казахстан, опубликовано 3 статьи: 1. Қашықтан зондтау арқылы алынған топырақ ылғалдылығы // Известия НАН РК. Серия физико-математическая. – 2023. – № 4. – С. 35-49. 2.Топырақты техникалық мелиорациялау әдістерінде ақпараттық жүйелерді пайдалану // Известия НАН РК. Серия физико-математическая. – 2023. – №. 2. – С. 55-69. 3.Жер асты жер асты суларын ескере отырып, топырақты модельдеуді оңтайландыру // Известия НАН РК. Серия физико-математическая. – 2024. – №. 2. – С. 96-108. Имеется свидетельство о внесении сведений в Государственный реестр прав на объекты авторского права. Структура и объём диссертации. Диссертационная работа написана на казахском языке и состоит из введения, трёх разделов, заключения, списка использованной литературы и приложений. В первом разделе рассмотрен комплекс существующих подходов к распознаванию слоистой структуры почвы: точность и ресурсные затраты традиционных полевых и лабораторных методов; возможности оперативной оценки поверхностного состояния и ограничения при анализе глубоких слоёв с использованием данных дистанционного зондирования (NDVI, SAVI, EVI, BSI и др.); неинвазивная точность геофизических методов (электропроводность, ГЗ, сейсмика) и сложность обработки получаемых данных; а также преимущества моделей машинного и глубокого обучения (RF, XGBoost, CNN, гибридные подходы) при автоматическом определении границ почвенных горизонтов и их зависимость от качества исходных данных. Сопоставление сильных и слабых сторон указанных методов обосновывает необходимость создания информационной системы с валидацией, интегрирующей многомодальные большие данные (спутниковые, геофизические, агрохимические и метеорологические). Во втором разделе определяются исходные предпосылки и инструменты, необходимые для автоматического распознавания стратиграфического состава: вначале в качестве основы для моделирования описываются геолого-климатические и стратиграфические особенности Казахстана, затем представляется конвейер работы с разнородными геоданными (сбор, структурирование, верификация), после чего формируется набор модельных показателей, опирающийся на многoисточниковые данные (Sentinel-1/2, климатические параметры, рельеф, наземные измерения), включающий ключевые спектральные индексы и SAR-показатели. В третьем разделе на основе многoисточниковых данных (индексы Sentinel-1/2, SAR-параметры, климатические данные ERA5, слои OpenLandMap) была построена автоматизированная модель распознавания, и показано, что с применением многозадачного ансамбля Stacking обеспечивается высокоточное прогнозирование свойств и границ почвенных горизонтов. Полученные результаты подтвердили информативность спектральных индексов, прокси-показателей влажности и признаков, основанных на диапазоне SWIR. Вместе с тем отмечено, что данные с крупным пространственным разрешением (ERA5/OLM) обладают региональными особенностями и при промышленном внедрении требуют локальной калибровки и полевой валидации. В заключении сформулированы основные выводы и результаты работы. Автор выражает глубокую признательность своему научному руководителю — ассоциированному профессору кафедры «Информационные системы» Евразийского национального университета имени Л.Н. Гумилёва, PhD Абдикеримовой Гульзире Бахытбековне — за постановку актуальных научных задач, ценные рекомендации и постоянное научное руководство, оказанное в ходе выполнения исследования. Также автор выражает благодарность зарубежному научному консультанту — старшему научному сотруднику Института систем информатики Сибирского отделения Российской академии наук, кандидату технических наук, доценту Быкову Артему Александровичу — за проявленную заинтересованность, внимание к работе и содержательные замечания, оказавшие существенное влияние на результаты исследования. Особая благодарность выражается PhD, старшему преподавателю кафедры «Информационные системы» С.К. Серикбаевой за профессиональную помощь, всестороннюю поддержку и методическое сопровождение. Её вклад сыграл значительную роль в успешном выполнении исследовательской работы. Автор также выражает признательность членам научного семинара Евразийского национального университета за участие в обсуждении результатов исследования и конструктивные предложения, способствовавшие повышению качества работы.
Отзыв зарубежного консультанта
Заключение комиссии по этической оценке исследований
Решение диссертационного совета
Защита диссертации: https://www.youtube.com/watch?v=BuV4jdZlcjM
