Комплексне прогнозування геопросторових змін родючості ґрунтів Черкаської області з використанням моделей CLUE-S та ANN
DOI:
https://doi.org/10.26565/2410-7360-2025-63-30Ключові слова:
землекористування, ґрунт, родючість ґрунтів, прогнозування, просторове моделювання, CLUE-S, ANN, деградація ґрунтів, агрохімічні показникиАнотація
Об’єктом дослідження є зміни родючості ґрунтів Черкаської області під впливом природних, соціально-економічних та антропогенних факторів. Проблема, що вирішувалася, полягає у необхідності створення науково обґрунтованої моделі прогнозування змін родючості ґрунтів, яка враховує просторову динаміку землекористування та взаємозв’язки між агрохімічними параметрами, типами використання земель та економічними факторами. В ході дослідження розроблено інтегровану модель прогнозування змін родючості основних типів ґрунтів регіону, що поєднує просторово-динамічну модель CLUE-S для аналізу змін землекористування та штучну нейронну мережу (ANN) для прогнозування агрохімічних показників. Встановлено, що рівень гумусу та pH є ключовими факторами, що визначають довготривалу продуктивність ґрунтів. Згідно з результатами моделювання, у разі збереження поточних тенденцій землекористування (BAU-сценарій) рівень гумусу може знизитися на 8–12 % до 2050 року, а pH – до 5,7, що призведе до зниження родючості на 15–20 %. У сценарії сталого управління (SLU) завдяки оптимізації сівозмін та заходам із підтримання високого вмісту органіки можливе збереження гумусу на рівні 4 % та стабілізація pH у межах 6,3–6,5, що покращує ефективність використання поживних речовин. Відмінною рисою отриманих результатів є комплексне врахування соціально-економічних факторів, таких як політика державних дотацій, рівень фінансування аграрного сектору та ринкова кон’юнктура, що дозволяє формувати реалістичні сценарії прогнозування змін ґрунтових ресурсів. Сфера практичного використання отриманих результатів охоплює планування агроландшафтів, розробку стратегій сталого землекористування та формування політики управління земельними ресурсами. Застосування інтегрованої моделі CLUE-S + ANN дозволить оцінювати довгострокові наслідки зміни землекористування, оптимізувати використання ґрунтових ресурсів та запобігати їх деградації в умовах змін клімату та соціально-економічних трансформацій.
Посилання
Akın A., Erdoğan N., Berberoğlu S., Çilek A., Erdoğan A., Donmez C., Şatir O. (2022). Evaluating the efficiency of future crop pattern modelling using the CLUE-S approach in an agricultural plain. Ecological Informatics, 71. https://doi.org/10.1016/j.ecoinf.2022.101806
Liao G., He P., Gao X., Lin Z., Huang C., Zhou W., Deng L. (2022). Land use optimization of rural production–living–ecological space at different scales based on the BP–ANN and CLUE–S models. Ecological Indicators, 137. https://doi.org/10.1016/j.ecolind.2022.108710
Chu H.-J., Wu C.-F., Lin Y.-P. (2013). Incorporating Spatial Autocorrelation with Neural Networks in Empirical Land-Use Change Models. Environment and Planning B: Planning and Design, 40(3), 384-404. https://doi.org/10.1068/b37116
Yu Z., Zhao M., Gao Y., Wang T., Zhao Z. & Wang S. (2023). Multiscenario Simulation and Prediction of Land Use in Huaibei City Based on CLUE-S and PLUS Models. Applied Sciences, 13(12), 7142. https://doi.org/10.3390/app13127142
Pindozzi S. (2017). Predicting land use change on a broad area: Dyna-CLUE model application to the Litorale Domizio-Agro Aversano (Campania, South Italy), Journal of Agricultural Engineering, 48(s1), 27–35. https://doi.org/10.4081/jae.2017.657
Anputhas M., Janmaat J. J. A., Nichol C. F. & Wei X. (Adam). (2016). Modelling spatial association in pattern based land use simulation models. Journal of Environmental Management, 181, 465–476. https://doi.org/10.1016/j.jenvman.2016.06.034
Loukika K. N., Keesara V. R., Buri E. S. & Sridhar V. (2023). Future prediction of scenario based land use land cover (LU&LC) using DynaCLUE model for a river basin. Ecological Informatics, 77. https://doi.org/10.1016/j.ecoinf.2023.102223
Alaboz, P., Odabas, M. S. & Dengiz, O. (2023). Soil quality assessment based on machine learning approach for cultivated lands in semi-humid environmental condition part of Black Sea region. Archives of Agronomy and Soil Science, 69(15), 3514–3532. https://doi.org/10.1080/03650340.2023.2248002
Wang F., Fan Z., Kuai Y., Sun N., Cheng X., Zhang J., Wang D., Su J., Xu M. (2024). Deciphering Soil Fertility of Tobacco Planting Fields with Back Propagation Artificial Neural Networks in Southwest China. Journal of Soil Science and Plant Nutrition. 24, 944–955. http://dx.doi.org/10.1007/s42729-023-01598-5
Pichura V., Potravka L., Stratichuk N., Drobitko A. (2023). Space-time modeling and forecasting steppe soil fertility using geo-information systems and neuro-technologies. Bulgarian Journal of Agricultural Science, 29(1), 182–197. https://dspace.ksaeu.kherson.ua/handle/123456789/8728
Verburg Peter. (2024). «CLUE Full Version». DataverseNL, V1. https://doi.org/10.34894/CXAUYO
Verburg P. H. & Overmars K. P. (2009). Combining top-down and bottom-up dynamics in land use modeling: exploring the future of abandoned farmlands in Europe with the Dyna-CLUE model. Landscape Ecology, 24(9), 1167–1181. https://doi.org/10.1007/s10980-009-9355-7
Ecological Passport of Cherkasy Region (2023). Ministry of Environmental Protection and Natural Resources of Ukraine. https://mepr.gov.ua/wp-content/uploads/2024/10/Ekologichnyj-pasport-2023.zip [in Ukrainian].
Regional Report on the State of the Environment in Cherkasy Region (2021). Department of Ecology and Natural Resources of the Cherkasy Regional State Administration. https://mepr.gov.ua/wp-content/uploads/2022/10/Regionalna-dopovid-CHerkaska-ODA-2021.pdf [in Ukrainian].
Archival Materials of the Main Department of the State Service of Ukraine for Geodesy, Cartography and Cadastre in Cherkasy Region (2025). https://cherkaska.land.gov.ua [in Ukrainian].
Sonko S. P., Kyseliov Yu. O., Shchetyna M. A. (2020). Agricultural zoning of Cherkasy region in the context of the problem of rational use of land resources. Scientific notes of the Volodymyr Hnatyuk Ternopil National Pedagogical University. Series: geography. 48(1). 138-147. https://doi.org/10.25128/2519-4577.20.1.16 [in Ukrainian].
Sopova N., Kyseliova O., Kyselov Yu., Cherednychenko I., Sopov D. (2024). Mapping the erosion damage of agricultural landscapes in Cherkasy region. International Conference of Young Professionals «GeoTerrace–2024». Lviv. Ukraine. 1–5. https://doi.org/10.3997/2214-4609.2024510082
Parakhnenko V. G., Lyakhovska N. O., Blagopoluchna A. G. (2021). Ecological assessment of soil condition in Cherkasy region. Bulletin of the Uman National University of Horticulture. 2. 91-95. https://doi.org/10.31395/2310-0478-2021-2-91-95 [in Ukrainian].
Sonko S. P. (2018). Express assessment of environmental impact of agriculture technologies on the soils of Cherkasy Oblast. Ukrainian Journal of Ecology. 8(1). 451–459. https://www.ujecology.com/articles/express-assessment-of-environmental-impact-of-agriculture-technologies-on-the-soils-of-cherkasy-oblast.pdf
Chornyi S. H. (2018). Soil Quality Assessment: A Textbook. Mykolaiv: MNAU. 233. [in Ukrainian].
Tretiak A. M., Tretiak V. M., Priadka T. M., Kapinos N. O., Tretiak, R. A. & Tretiak N. A. (2024). Economics of Land Use and Land Management (2nd expanded edition in 2 parts). Part 1. Economics of Land Use: A Textbook. Bila Tserkva: «Bilotserkivdruk» LLC. 320. [in Ukrainian].
Tretiak A. M., Tretiak V. M., Priadka T. M. & Tretiak N. A. (2022). Territorial and Spatial Planning of Land Use: A Textbook. Bila Tserkva: «Bilotserkivdruk» LLC. 168. [in Ukrainian].
Sopov D. S., Khainus D. D., Buzina I. M. & Makieieva L. M. (2023). Modern Mechanisms of Managerial Influence on the Land Use Process. «Scientific Innovations and Advanced Technologies» (Series «Public Administration», Series «Law», Series «Economics», Series «Psychology», Series «Pedagogy»): Journal, 3(17), 59–71. https://doi.org/10.52058/2786-5274-2023-3(17)-59-71 [in Ukrainian].
Trokhymenko G., Litvak S., Litvak O., Andreeva A., Rabich O., Chumak L., Nalysko M., Troshyn M., Komarysta B., Sopov D. (2023). Assessment of iron and heavy metals accumulation in the soils of the combat zone. Eastern-European Journal of Enterprise Technologies. 5. 10 (125). 6–16. https://doi.org/10.15587/1729-4061.2023.289289
Arion O. V., Kupach T. H. & Demianenko S. O. (2021). Fundamentals of Soil Science: A Teaching and Methodological Manual. Kyiv: VPC Kyiv University. 327. [in Ukrainian].
