АЛГОРИТМЫ И ПРОГРАММНЫЕ КОМПЛЕКСЫ ОЦЕНКИ ДАННЫХ ОБ ЭКОЛОГИЧЕСКОМ СОСТОЯНИИ ЗЕМЕЛЬ СЕЛЬСКОХОЗЯЙСТВЕННОГО НАЗНАЧЕНИЯ (НА ПРИМЕРЕ НУКУССКОГО РАЙОНА)

Article Sidebar

Yevrosiyo tibbiyot va tabiiy fanlar jurnali
PDF (Uzbek (latin))
Выпуск: Том 4 № 4 Part 2 : Евразийский журнал медицинских и естественных наук
Раздел: Статьи
Опубликован:
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Main Article Content

Менеджер проекта по применению количественной экономики в администрации Нукусского района
info@in-academy.uz

Аннотация:

В данной статье будут рассмотрены алгоритмы и программные комплексы, помогающие проводить комплексную оценку экологического состояния сельскохозяйственных угодий на примере Нукусского района. Перейдем к обзору существующих методов оценки экологического состояния и рассмотрим, какие алгоритмы и программные комплексы могут быть использованы для эффективного анализа данных.

Ключевые слова:

Article Details

Как цитировать:

Кайпов A. . (2024). АЛГОРИТМЫ И ПРОГРАММНЫЕ КОМПЛЕКСЫ ОЦЕНКИ ДАННЫХ ОБ ЭКОЛОГИЧЕСКОМ СОСТОЯНИИ ЗЕМЕЛЬ СЕЛЬСКОХОЗЯЙСТВЕННОГО НАЗНАЧЕНИЯ (НА ПРИМЕРЕ НУКУССКОГО РАЙОНА). Евразийский журнал медицинских и естественных наук, 4(4 Part 2), 36–40. извлечено от https://in-academy.uz/index.php/EJMNS/article/view/30735

Библиографические ссылки:

www.lex.uz/ O‘zbekiston Respublikasi Prezidentining 2021-yil 26-fevraldagi PQ-5009-son qarori

Константин Васильев. Программирование на языке Python для геологов и географов. - М.: ДМК Пресс, 2020.

Елена Иванова. Современные методы биоиндикации. - СПб.: Издательство Наука, 2016.

Луничкин, А. А., Нагорный, А. И., Еремченко, А. В., & Тригуб, Л. Я. (2020). Разработка алгоритма оценки экологического состояния сельскохозяйственных угодий на основе индекса устойчивого развития. Экология и промышленность России, 24(9), 41-48.

Потапов, А. С., Доля, С., Баранов, В. А., & Каюков, А. О. (2018). Методы и алгоритмы анализа данных мониторинга земель сельскохозяйственного использования. Успехи современной науки и образования, 7, 223-230.

Ballari, D., Melia, J., & Khandelwal, A. (2021). Using Sentinel-1 Synthetic Aperture Radar (SAR) data for land use/land cover mapping. Geosciences, 11(7), 305.

Das, R., Pradhan, B., & Lee, S. (2020). Synergistic use of UAV, optical and SAR remote sensing data and machine learning techniques for land use/land cover mapping: A review. ISPRS Journal of Photogrammetry and Remote Sensing, 159, 204-221.

Gao, Y., Guo, H., Zhou, Y., & Zhang, X. (2021). A novel algorithm for agricultural land zoning based on multi-source data. IEEE Access, 9, 59467-59477.

Kussul, N., Kolotii, A., Shelestov, A., Lavreniuk, M., Myshenyk, Y., & Skakun, S. (2018). Development of agricultural land monitoring algorithms using Earth observation data. Journal of automation and information sciences, 50(3), 61-73.

Rich, K., Persello, C., Tait, N., & Coomes, D. (2020). Mapping deforestation and forest degradation in tropical regions: A framework for monitoring using satellite Earth observation data. Methods in Ecology and Evolution, 11(5), 573-587.

Wu, B., Zhang, L., & Liu, Y. (2021). A multi-temporal random forest approach for land use classification using multi-source data. Remote Sensing, 13(4), 663.