91��ý

2012 жыл. 2018 жыл. Солтүстік Қазақстанның фермерлері осы жылдарды ұмытпаса керек — кейбір аймақтарда егіннің 40%-ы жоғалып кетті. Жаздың ортасында дала сарғайып, дән толып үлгермеді. Жауын-шашын уақытында болмады. Ескерту болмады.

Дәл осы ескертусіздік — жобаның туындауының негізгі себебі.

«Солтүстік Қазақстан үшін машиналық оқытуға негізделген атмосфералық құрғақшылық қаупін бағалау және ерте ескерту жүйесін әзірлеу» атты ғылыми жоба 2025–2027 жылдары «Экология, қоршаған орта және табиғи ресурстарды тиімді пайдалану» басымдық бағыты бойынша іске асырылады. Жоба «Жер туралы ғылымдар» мамандандырылған бағытындағы іргелі зерттеу ретінде орындалады.

Қазақстан аумағының басым бөлігі аридті және семиаридті аймақтарда орналасқан. Солтүстік Қазақстан — елдің астық қоймасы. 2020 жылы ел бидай экспорты бойынша дүниежүзінде 5-орын алды — 7,4 миллион метрлік тонна. 2022–2023 жылдары 16,4 миллион тонна өндіріп, дүниежүзілік бидай өндірушілер арасында 9-орынға шықты. Бірақ бұл аймақтың ауыл шаруашылығы атмосфералық жауын-шашынға тікелей тәуелді — суармалы жерлер аз, жаңбыр болмаса өнім болмайды.

Жаһандық жылыну жағдайы бұл тәуелділікті одан да қауіпті етеді. МГЭИК баяндамалары мен халықаралық зерттеулер бойынша климаттың өзгеруі экстремалды ауа-райы құбылыстарының — соның ішінде құрғақшылықтың — жиілігі мен қарқындылығының артуына алып келеді. Орталық Азияда соңғы онжылдықтарда орташа жылдық температура айтарлықтай өскен, жауын-шашын деңгейі сәл төмендеген. Аймақ аумағының шамамен 75%-ы табиғи апаттарға ұшырау қаупі жоғары болып саналады.

Экономикалық шығындардың до 80%-ы дамыған және дамушы елдерде де дәл құрғақшылықпен байланысты деп есептеледі. Соңғы қырық жылда құрғақшылыққа ұшыраған жерлердің ауданы екі есе артты.

Қазақстандық зерттеушілер бұл бағытта жұмыс жасады. 1971–2008 жылдардағы деректер негізінде Солтүстік Қазақстанда атмосфералық құрғақшылықтың қайталану жиілігін талдаған еңбектер бар. ГТК Г.Т. Селянинов, SPI, Д.И. Шашко және Д.А. Педь индекстері негізінде ұзақ мерзімді болжамдау технологиясы әзірленді.

Алайда бұл зерттеулердің маңызды шектеулігі бар. Олар негізінен классикалық аналогтық әдістер мен сандық климат модельдерін пайдаланды — бұл әдістердің болжам дәлдігі, әсіресе жауын-шашын бойынша, 50–70% аралығынан аспады. Бұдан басқа, зерттеулер жалпы аймақтық деңгейде жүргізілді, субаймақтық талдауға назар аударылмады.

Ал климаттық жағдайлар ірі аймақ ішінде айтарлықтай өзгеруі мүмкін. Бір облыстың солтүстігі мен оңтүстігінің жауын-шашын режимі мен топырақ ылғалдылығы мүлде басқаша болуы мүмкін. Осы субаймақтық айырмашылықтарды ескермейтін болжам нақтылықты жоғалтады.

Бұл жоба алдыңғы зерттеулерден принципті үш тұрғыдан ерекшеленеді.

Бірінші — алгоритмдер. Классикалық статистикалық әдістер орнына заманауи машиналық оқыту алгоритмдері қолданылады: уақыт қатарларын болжауға арналған GRU (Gate Recurrent Unit), жіктеу тапсырмалары үшін Random Forest және XGBoost. Бұл алгоритмдер климаттық факторлар мен құрғақшылықтың туындауы арасындағы жасырын өзара байланыстарды анықтай алады — классикалық әдістердің мүмкіндігі жетпейтін тереңдікте.

Екінші — деректер көздері. Метеорологиялық деректерге қоса Жерді қашықтықтан зондтаудың спутниктік деректері — NDVI (Нормаланған өсімдік индексі) және EVI (Кеңейтілген өсімдік индексі) — пайдаланылады. Бұл индекстер топырақ жағдайы мен өсімдік жабынының нақты уақыттағы жай-күйін көрсетеді. Оларды метеорологиялық деректермен біріктіру болжамның дәлдігін айтарлықтай арттырады.

Үшінші — субаймақтық талдау. Жоба бүкіл аймаққа жалпы болжам беру орнына Солтүстік Қазақстанның жекелеген аудандары деңгейіндегі субаймақтық талдауға бағытталған. Нақты ауданның нақты климаттық ерекшеліктерін ескеретін болжам фермерлерге де, жергілікті билік органдарына да практикалық мәні жоғары болып табылады.

Бес құрғақшылық индексі — SPI, ГТК, SPEI, MCZI — бір мезгілде пайдаланылып, олардың қайсысы Солтүстік Қазақстан жағдайы үшін ең оңтайлы екені анықталады. Ең тиімді индекс алынған нәтижелер негізінде таңдалады.

Жобаның басты мақсаты — климаттық деректер мен спутниктік мониторингті машиналық оқытумен біріктіре отырып, Солтүстік Қазақстанның ауыл шаруашылығы аймақтары үшін атмосфералық құрғақшылықтың ерте ескерту жүйесін әзірлеу. Жүйе фермерлер мен мемлекеттік органдарға қолайсыз климаттық жағдайлар туралы жедел және дәл ақпарат беру арқылы аграрлық сектордың тәуекелдерін азайтуға бағытталады.

Үш негізгі міндет осы мақсатты жүзеге асырады.

Бірінші міндет — Солтүстік Қазақстандағы атмосфералық құрғақшылық қаупін бағалау. Бұл кезеңде соңғы 30 жылдағы метеорологиялық деректер ұлттық және халықаралық деректер базаларынан жиналып өңделеді. Температура, жауын-шашын және ылғалдылық режимінің қазіргі ерекшеліктері талданады, құрғақшылыққа алып келетін жағдайлар анықталып, олардың туындау ықтималдығы бағаланады.

Екінші міндет — машиналық оқытуды пайдалана отырып атмосфералық құрғақшылықты болжаудың моделін жасау. Жерді қашықтықтан зондтау деректері негізінде өсімдік жабыны мен топырақтың жай-күйіне құрғақшылықтың ықпалы бағаланады. Метеорологиялық параметрлер мен спутниктік деректер негізінде GRU, Random Forest, XGBoost алгоритмдері оқытылады.

Үшінші міндет — атмосфералық құрғақшылықтың ерте ескерту жүйесін жасау, тестілеу және практикалық ұсыныстар дайындау. Жүйе фермерлер мен жергілікті билік органдарына деректерге қол жеткізуді және ескертулер таратуды қамтамасыз ететін ақпараттық платформамен қолдайтын болады. Жүйе Солтүстік Қазақстанның екі облысы мысалында тестіленіп, нақты жағдайларға бейімделеді.

Жоба аясында статистикалық талдау, спутниктік деректерді өңдеу және машиналық оқыту әдістерінің кешені қолданылады.

Климаттық деректер Еуропалық орта мерзімді ауа-райы болжамы орталығының (ECMWF) ERA5 деректер базасынан алынады. Статистикалық талдау R бағдарламалау тілінде RStudio ортасында жүргізіледі. Mann-Kendall теcті, Sen's slope estimator, Run Theory, Drought severity analysis және корреляция коэффициенттері қолданылады.

Спутниктік деректер Copernicus және EUMETSAT деректер базаларынан алынып, NDVI және EVI индекстері арқылы өсімдік жабыны мен топырақ жағдайы бақыланады.

Машиналық оқыту моделі Python NumPy кітапханасы арқылы деректерді өңдеуге негізделеді. GRU уақыт қатарларын болжауда, Random Forest және XGBoost құрғақ және құрғақ емес жағдайларды жіктеуде пайдаланылады. Алынған нәтижелердің дұрыстығы бақылау есептеулерімен тексеріледі.

Бірінші жылы соңғы 30 жылдағы метеорологиялық деректер жиналып, климаттық режимге кешенді талдау жүргізіледі. Бес индекстің Солтүстік Қазақстан жағдайы үшін салыстырмалы тиімділігі бағаланады. Спутниктік деректер жинақталып, өсімдік жабыны мен топырақ ылғалдылығының нақты уақыттағы мониторингі жолға қойылады.

Екінші жылы машиналық оқыту модельдері жасалып оқытылады. Деректер мен болжам нәтижелері арасындағы өзара байланыстар анықталады. Алгоритмдердің қысқа мерзімді және ұзақ мерзімді болжамдар бойынша дәлдігі тексеріледі.

Үшінші жылы ерте ескерту жүйесі жасалып Солтүстік Қазақстанның екі облысында тестіленеді. Фермерлер мен жергілікті билік органдарына арналған практикалық ұсыныстар дайындалады. Нәтижелер халықаралық рецензияланатын журналдарда жарияланады.

Жобаның соңғы нәтижесі — Солтүстік Қазақстанның ауыл шаруашылығы аймақтары үшін жұмыс жасайтын атмосфералық құрғақшылықтың ерте ескерту жүйесі. Бұл жүйе фермерлерге суаруды алдын ала жоспарлауға, агротехникалық шараларды бейімдеуге және ең нашар жағдайларға дайындалуға мүмкіндік береді. Жергілікті билік органдары климаттық тәуекелдерді азайту шараларын уақытында қабылдай алады.

��ылыми деңгейде субаймақтық болжам тиімділігі дәлелденген машиналық оқыту модельдері жасалады. Солтүстік Қазақстан үшін ең оңтайлы құрғақшылық индексі анықталады. Алынған тәсілдер Қазақстанның басқа аймақтарына, сондай-ақ ұқсас климаттық жағдайлары бар өзге елдерге бейімделуі мүмкін — бұл зерттеудің халықаралық маңыздылығын қамтамасыз етеді.

Барлық нәтижелер Scopus және Web of Science базаларына кіретін халықаралық рецензияланатын журналдарда жарияланады.