Огромное количество земель сельскохозяйственного назначения или земель в составе зон сельскохозяйственного использования в поселениях и используемых для сельскохозяйственного производства, не используются по назначению. Одна из причин этого заключается в том, что данные земли находятся в частной собственности.

Неиспользованные земли сельскохозяйственного назначения зарастают бурьяном, древесно–кустарниковой растительностью на протяжении нескольких лет, постепенно становятся непригодными к использованию.

За последние годы наблюдается тенденция ухудшения состояния земель, их зарастание, потеря плодородия и вывод из хозяйственного оборота. Для предотвращения негативных процессов необходимо своевременно выявлять такие области и принимать меры по их сохранению и восстановлению.

В последние годы особое внимание в России уделяется контрольно-надзорной деятельности государственных органов.  Государственный земельный надзор призван способствовать в первую очередь охране и рациональному использованию ценных и плодородных земель.

Мониторинг земель является эффективным инструментом по рациональному использованию земель в целях контроля и наблюдения за их состоянием.

Одним из  надежных  источников  информации  для  административного  обследования  может быть дистанционное зондирование Земли (ДЗЗ) с космических или иных аппаратов.

Исследование было проведено с помощью программ GrassGIS и QGis.

Объектом исследования является две области, которые находятся в следующем кадастровом квартале: 39:03:040003 и 39:03:040002.

Целью исследования является выявить и проанализировать неиспользуемые земельные участки сельскохозяйственного назначения Гурьевского района Калининградской области.

Данный анализ проводился с использованием программного обеспечения QGIS 3.10 и GRASS GIS 7.4 на основе общедоступных снимков Sentinel – 2. Было выбрано два снимка за 27/08/2020 г. и 28/08/2024 г. В ходе работы найдено две области в разных кадастровых кварталах Гурьевского района для их анализа, с помощью которого можно определить на сколько долго участки заброшены.

Исследуемая область № 1 (Рисунок 1):

Кадастровый квартал: 39:03: 040003

Участки с кадастровыми номерами:

• 39:03:040003:29
• 39:03:040003:30
• 39: 03:040003:31
• 39: 03:040003:25
• Многоконтурные участки:
• 39:03:040003:266/2 (Многоконтурный участок)
• 39:03:040003:266/3 (Многоконтурный участок)
• 39:03:040003:266/4 (Многоконтурный участок)

Категория земель: Земли сельскохозяйственного назначения

Рисунок 1 — Первая исследуемая область

Перед началом работы необходимо настроить свое рабочее пространство, создаем папку GRASS, затем создаем новую локацию «Калининград», добавляем геопривязанный файл, создаем новый набор  и импортируем данные.

Вторым этапом работы у нас идет радиометрическая калибровка. Выбираем канал и указываем методаты, добавляем текстовый файл и нажимаем выполнить. Затем рассчитываем индекс растительности NDVI в калькуляторе растр вводим формулу и нажимаем выполнить, после чего его можно подкрасить, по названию выбираем цветовую схему ndvi, после чего он красит наше изображение.

Рисунок 2 — Индекс растительности NDVI

Для выполнения функции паншарпенинг выбираем растры, которые будут использованы как красный, синий и зелёный каналы. Затем для детального изображения объединяем каналы.

Рисунок 3 – Паншарпенинг

Следующим этапом к нас идет создание масок воды и облаков. Делаем это с помощью калькулятора растр с использованием некалиброванных данных, для этого вводим формулу, после чего у нас появляется маска воды. Оценив полученный растр, выбран диапазон значений, в который попадает вода. Индекс WRI очень явно выделяет её, в данном случае это значения больше либо равные 1.0. Для выделения пикселей только со значением большим или равным 1.0 нужно воспользоваться калькулятором растров. Для преобразования полученного результата в Shape-file используется модуль r.to.vect. Маска облаков делается аналогично, только вводим другие формулы.

Затем объединяем два наших файла с помощью команды векторные слои участков.  Далее устанавливаем полученный слой как маску.

В начале работы исследуемые снимки были загружены в QGIS для цветокоррекции отображения снимков и перевода в необходимый для работы формат — tiff, в GRASS GIS. Для дальнейшего проведения классификации снимков. После импорта и обработки проведена классификация снимков без обучения в программе GRASS GIS.

Рисунок 4 – Цветокоррекция снимка первой области 2020 г

Рисунок 5 – Цветокоррекция снимка первой области 2024 г.

Классификация без обучения в GRASS основана на автоматической кластеризации объектов со сходными спектральными характеристиками, которые определяются в один класс. Число классов задаётся пользователем.

В случае классификации без обучения классификации, алгоритм принимает на вход необходимое количество классов и разделяет все изображение на группы с однородной текстурой в рамках заданного порога.

В конечном итоге объекты, которые имеют сходные спектральные характеристики определены в один класс, а число таких классов задается пользователем, многие параметры подбираются только через многочисленные эксперименты.

Необходимо создать группу и подгруппу снимков, добавляем наши каналы, создаем сигнатуру 15, затем запускаем классификацию максимального подобия и выбираем нашу сигнатуру 15.  После чего нам необходимо узнать и объединить классы, объединение делаем с помощью калькулятора растра, выбираем необходимый класс и вводим формулу.

Рисунок 6 — Классификация максимального подобия

Для того чтоб убрать шумы выполняем постклассификацию, для этого в плавающем окне выбираем имя исходной растровой карты и вводим имя выходной растровой карты, затем нажимаем галочку mode и выбираем размер района 5. После чего у нас получается размытая картинка.

Первая исследуемая область:

Рисунок 7 — Классификация без обучения первой области (Снимок за 27/08/2020 г.)

Рисунок 8 — Классификация без обучения первой области (Снимок за 28/08/2024 г.)

Завершающим этапом в работе с программой GRASS GIS  является преобразование растра в вектор.

После удаления маски файлы классификации, воды и облаков преобразованы в векторный формат с помощью модуля r.to.vect.

Вывод: с помощью метода Классификации был проведен мониторинг территории, который позволил выявить изображениях неиспользуемые и неизменяемые участки земель.

Затем работаем в QGis, если у нас не установлен модуль GRASS 7 то через управление модулями ставим галочку. С помощью модуля GRASS выбираем папку с файлами, после чего экспортируем векторные данные. Далее открыты и добавлены все нужные слои с помощью инструмента «Менеджер источников данных, в результате чего появляется разноцветное изображение, которое необходимо «раскрасить» согласно группам.

Рисунок 9 — Результат векторизации снимка (2020 г)

Рисунок 10 — Результат векторизации снимка (2024 г)

Дальше следует рассмотреть данную область подробнее (Таблица 1).

Таблица 1

Неиспользуемые земли сельскохозяйственного назначения в Гурьевском районе

Рисунок 11 – Неиспользуемые земли сельскохозяйственного назначения в Гурьевском районе за 2020 г.

Рисунок 12 – Неиспользуемые земли сельскохозяйственного назначения в Гурьевском районе за 2024 г.

Данные участки являются землями сельскохозяйственного назначения в частной собственности. В ходе анализа снимков за 2020 и 2024 года, можно сделать вывод, что земельные участки с кадастровыми номерами 39:03:040003:29, 39:03:040003:30, 39:03:040003:31, 39:03:040003:266/2 являются заброшенными, они не обрабатывались  и не вспахивались за 4 года.

Причинами неиспользования могут быть большие затраты проведения мероприятий с целью воспроизводства плодородия земель сельхозназначения, в том числе по освобождению от древесно-кустарниковой растительности.

Согласно анализу снимка за 2020, мы видим, что участок с кадастровым номером 39:03:040003:25 не распахивался и не использовался под посев сельскохозяйственных культур, однако, проанализировав снимок за 2024 год, мы можем заметить, что его используют под посев. Если посмотреть снимки с Google Earth мы увидим, что данный участок начал использоваться в 2022 г. Возможно он служил в качестве запасных земель.

В ходе выполнения работы прошло исследование и анализ земель сельскохозяйственного назначения за 2020 и 2024 года на территории Гурьевского района Калининградской области. Исходя из выполненной работы, сделан вывод, что неиспользованных земель в Гурьевском районе небольшое количество.  Но для предотвращения негативных процессов необходимо своевременно выявлять такие области и принимать меры по их сохранению и восстановлению.