agroprobПроблемы агрорынкаProblems of AgriMarket1817-728X2708-9991Казахский научно-исследовательский институт экономики агропромышленного комплекса и развития села10.46666/2026-2.2708-9991.16agroprob-2623Research ArticleЭкономика природопользованияEnvironmental economicsМоделирование кадастровой оценки земель сельскохозяйственного назначения: современные требования к информатизацииModeling the cadastral valuation of agricultural land: modern requirements for informatizationhttps://orcid.org/0000-0003-0510-4629КурмановаГ. К.KurmanovaG.

Курманова Гульнара Кенесовна – основной автор; доктор экономических наук; ассоциированный профессор кафедры «Кадастр»

010011 пр. Женис, 62, г.Астана

Kurmanova Gulnara – The main author; Doctor of Economic Sciences; Associate Pro-fessor of the Department of Cadastre

010011 Zhenis Ave, 62, Astana

kurmanova_gul@mail.ruhttps://orcid.org/0000-0002-5104-2417ЖуматаеваМ. С.ZhumatayevaM.

Жуматаева Мадина Сейдиллаевна; Ph.D докторант

010011 пр. Женис, 62, г.Астана

Zhumatayeva Madina; Ph.D student

010011 Zhenis Ave, 62, Astana

madinka_19_91@mail.ruКазахский агротехнический исследовательский университет им. С. СейфуллинаКазахстанS. Seifullin Kazakh Agro Technical Research UniversityKazakhstan20262407202602186195Copyright © Курманова Г.К., Жуматаева М.С., 20262026Курманова Г.К., Жуматаева М.С.Kurmanova G., Zhumatayeva M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.jpra-kazniiapk.kz/jour/article/view/2623

Стремительное развитие цифровых технологий открыло новые возможности в сфере земельного кадастра, в частности, геоинформационные системы (ГИС), спутниковый мониторинг и методы дистанционного зондирования способствуют быстрому и точному получению информации о земельных ресурсах.

Цель - разработка автоматизированной геоинформационной структуры кадастровой оценки земельных участков, обеспечивающей переход от традиционных ручных методов расчёта к пространственно ориентированному моделированию на основе многокритериального анализа.

Методы – геоинформационные механизмы, основанные на взвешенном наложении слоёв, многокритериальное обследование, сбор кадастровых данных, матричное сравнение и интеграционные подходы. Представленная методология позволяет трансформировать статический кадастровый учет в динамическую пространственную схему, чувствительную к изменениям ландшафта и инфраструктуры. Использование цифровой модели рельефа (ЦМР) как активного участника расчетов обеспечивает высокую научную ценность исследования для международного сообщества. Общая концепция базируется на интеграции разнородных территориальных сведений в единую аналитическую среду ГИС с применением выбора, сравнения альтернатив и весовых коэффициентов, определяемых с помощью математического инструмента для принятия решений.

Результаты – процедуры установления стоимости земельных площадей сельскохозяйственных земель объединяет природные, инфраструктурные и экономические критерии посредством ГИС. Данный подход учитывает геометрические особенности региона, позволяет обосновать экономическую эффективность и разработать научно аргументированные рекомендации.

Выводы – объединение природных, инфраструктурных и экономических факторов на основе кадастровой характеристики позволяет учитывать качество почвы, климатические условия, конфигурацию, размер и форму, экологические характеристики и ценовой эквивалент земельных угодий, корректно рассчитывать налоги и арендные платежи, решать вопросы управления земельным фондом, социально-экономические аспекты. Кадастровая стоимость земельных наделов занимает особую нишу в доходной части местных бюджетов.

The rapid development of digital technologies has created new opportunities in the field of land cadastre. In particular, geographic information systems (GIS), satellite monitoring, and remote sensing methods facilitate the rapid and accurate acquisition of information on land resources.

The objective – is to develop an automated geoinformation framework for the cadastral valuation of land plots that enables the transition from traditional manual calculation methods to spatially oriented modeling based on multi-criteria analysis.

Methods – geoinformation techniques based on weighted overlay analysis, multi-criteria assessment, cadastral data collection, matrix comparison, and integration approaches were employed. The proposed methodology makes it possible to transform static cadastral records into a dynamic spatial framework that is responsive to changes in landscape and infrastructure. The use of a Digital Elevation Model (DEM) as an active component of the calculation process provides the study with significant scientific value for the international research community. The overall concept is based on integrating heterogeneous spatial data into a unified GIS analytical environment through the application of alternative selection, comparative evaluation, and weighting coefficients determined using a mathematical decision-making tool.

Results – the procedures for determining the value of agricultural land integrate natural, infrastructural, and economic criteria through GIS technologies. This approach takes into account the geometric characteristics of the region, provides a basis for evaluating economic efficiency, and enables the development of scientifically substantiated recommendations.

Conclusions – the integration of natural, infrastructural, and economic factors based on cadastral characteristics makes it possible to consider soil quality, climatic conditions, land configuration, size and shape, environmental characteristics, and the monetary value of land resources, thereby ensuring the accurate calculation of taxes and lease payments, supporting land fund management, and addressing socio-economic issues. The cadastral value of land holdings occupies a significant place in the revenue structure of local budgets.

сельская местностьгеоинформационные системыкадастровая стоимость земельспутниковые данныеметод анализа иерархийиндекс влажностидистанционное зондированиеrural areasgeographic information systemscadastral land valuesatellite dataAnalytic Hierarchy Processmoisture indexremote sensingReferencesBui, D.H. From Land Cover Map to Land Use Map: A Combined Pixel-Based and ObjectBased Approach Using Multi-Temporal Landsat Data, a Random Forest Classifier, and Decision Rules/ D.H. Bui, L.Mucsi //Remote Sensing. - 2021. - Vol. 13.-Issue 9. - P.1-24. https://doi.org/10.3390/rs13091700Bui, D.H. & Mucsi, L. (2021). From Land Cover Map to Land Use Map: A Combined PixelBased and Object-Based Approach Using MultiTemporal Landsat Data, a Random Forest Classifier, and Decision Rules. Remote Sensing, 13(9), 1–24. DOI: https://doi.org/10.3390/rs13091700 [in English].Pande, C.B. Assessment of land-use and land-cover changes in Pangari watershed area (MS), India, based on the remote sensing and GIS techniques / C.B. Pande, K.N., Moharir, S.F. R. Khadri // Applied Water Sciencel. - 2021. - Vol. 11. – Article 96. P.1-15. https://doi.org/10.1007/s13201-021-01425-1Pande, C.B., Moharir, K.N. & Khadri, S.F.R. (2021). Assessment of Land-Use and Land-Cover Changes in Pangari Watershed Area (MS), India, Based on Remote Sensing and GIS Techniques. Applied Water Science, 11, 96, 1–15. DOI: https://doi.org/10.1007/s13201-021-01425-1 [in English].Zhu, Q. Knowledge-guided land pattern depiction for urban land use mapping: A case study of Chinese cities / Q. Zhu, Y. Lei, X. Sun //Remote Sensing of Environment.-2022.-Vol. 272. Article 12916. https://doi.org/10.1016/j.rse.2022.112916Zhu, Q., Lei, Y. & Sun, X. (2022). Knowledge-Guided Land Pattern Depiction for Urban Land Use Mapping: A Case Study of Chinese Cities. Remote Sensing of Environment, 272, 112916. DOI: https://doi.org/10.1016/j.rse.2022.112916 [in English].Lindner, C. The Smart and Maps Approach for Participatory Land Rights Mapping / C. Lindner, A. Degbelo, G. Vassányi // Land. - 2023. - Vol. 12.- Issue 11. – Article 2043. https://doi.org/10.3390/land12112043Lindner, C., Degbelo, A. & Vassányi, G. (2023). The Smart and Maps Approach for Participatory Land Rights Mapping. Land, 12(11), Article 2043. DOI: https://doi.org/10.3390/land12112043 [in English].Zhichkin, A.K. Cadastral valuation of agricultural land: regional practice / K. A. Zhichkin, D.A. Vorob'eva, L.N. Zhichkina, A.V. Nayanov, A.N. Kuraev // Earth and Environmental Science. -2021. -Vol. 723. – Article 032095. doi:10.1088/1755-1315/723/3/032095Zhichkin, A.K., Vorob'eva, D.A., Zhichkina, L.N., Nayanov, A.V. & Kuraev, A.N. (2021). Cadastral Valuation of Agricultural Land: Regional Practice. IOP Conference Series: Earth and Environmental Science, 723, 032095. DOI: https://doi.org/10.1088/1755-1315/723/3/032095 [in English].Feng, J. Integrating AI with GIS: A novel system for efficient task execution/ J. Feng, X. Chen, X. Zhao// Big Data and Earth System - 2026.-Vol. 2. Issue 1. Article 100053. https://doi.org/10.1016/j.bdes.2026.100053Feng, J., Chen, X. & Zhao, X. (2026). Integrating AI with GIS: A Novel System for Efficient Task Execution. Big Data and Earth System Science, 2(1), 100053. DOI: https://doi.org/10.1016/j.bdes.2026.100053 [in English].Malinowski, R. Automated production of a land cover/use map of Europe based on Sentinel-2 imagery / R. Malinowski, S Lewinski, M. Rybicki//Remote Sensing.-2020.-Vol.12.- Issue 21.– Article 3523. https://doi.org/10.3390/rs12213523Malinowski, R., Lewinski, S. & Rybicki, M. (2020). Automated Production of a Land Cover/ Use Map of Europe Based on Sentinel-2 Imagery. Remote Sensing, 12(21), Article 3523. DOI: https://doi.org/10.3390/rs12213523 [in English].Mete, O.M. A Hybrid Approach for Mass Valuation of Residential Properties through GIS and Machine Learning Integration / O.M. Mete, T.Yomralioglu // Geographical Analysis. -2023. - Vol. 55. -Issue 4.- P. 535-559. https://doi.org/10.1111/gean.12350Mete, O.M. & Yomralioglu, T. (2023). A Hybrid Approach for Mass Valuation of Residential Properties Through GIS and Machine Learning Integration. Geographical Analysis, 55(4), 535–559. DOI: https://doi.org/10.1111/gean.12350 [in English].Usman, R. Geographic information system and big spatial data: A review and challenges/ R. Usman, I. Hashem, T. Pillai // International Journal of Enterprise Information Systems. - 2020. - Vol. 16. - Issue 4. – P. 101-145.Usman, R., Hashem, I. & Pillai, T. (2020). Geographic Information System and Big Spatial Data: A Review and Challenges. International Journal of Enterprise Information Systems, 16(4), 101–145 [in English].Yu, J. A combined convolutional neural network for urban land-use classification with GIS data/ J. Yu, P. Zeng, Y. Yu // Remote Sensing. - 2022. - Vol. 14.- Issue 5. - Article 1128. https://doi.org/10.3390/rs14051128Yu, J., Zeng, P. & Yu, Y. (2022). A Combined Convolutional Neural Network for Urban Land-Use Classification with GIS Data. Remote Sensing, 14(5), Article 1128. DOI: https://doi.org/103390/rs14051128 [in English].Bhabani, P. Digital Soil Mapping: concepts, methods, and applications - Remote sensing and GIS perspectives /M.P. Bhabani, S.N. Rabi, B.Das //Remote Sensing of Soils Mapping, Monitoring, and Measurement -2024. -Vol.256. - P.195-212. https://doi.org/10.1016/B978-0-443-18773-5.00018-1Bhabani, M.P., Rabi, S.N. & Das, B. (2024). Digital Soil Mapping: Concepts, Methods, and Applications – Remote Sensing and GIS Perspectives. In: Remote Sensing of Soils: Mapping, Monitoring, and Measurement, 195–212. DOI: https://doi.org/10.1016/B978-0-443-18773-5.00018-1 [in English].Yaqub, M.T., Spatial mapping and modelling of soil organic carbon using random forest and remote sensing variables in part of Kaduna, Northern Nigeria / M.T. Yaqub., F.K.Sadiq //Artificial Intelligence in Geosciences. -2026 -Vol.7. – Issue 1.- Article 100198. https://doi.org/10.1016/j.aiig.2026.100198Yaqub, M.T. & Sadiq, F.K. (2026). Spatial Mapping and Modelling of Soil Organic Carbon Using Random Forest and Remote Sensing Variables in Part of Kaduna, Northern Nigeria. Artificial Intelligence in Geosciences, 7(1), 100198. DOI: https://doi.org/10.1016/j.aiig.2026. 100198 [in English].Droj G. Comprehensive Overview Regarding the Impact of GIS on Property Valuation / G. Droj, A. Kwartnik-Pruc, L. Droj // ISPRS International Journal of Geo-Information.-2024.Vol.13.-Issue 6.-Article 175. https://doi.org/10.3390/ijgi13060175Droj, G., Kwartnik-Pruc, A. & Droj, L. (2024). Comprehensive Overview Regarding the Impact of GIS on Property Valuation. ISPRS International Journal of Geo-Information, 13(6), 175. DOI: https://doi.org/10.3390/ijgi13060175 [in English].Duong, H. A systematic review of GISbased and AHP approaches for identifying suitable locations for livestock farms/ H. Duong, T.T. Nong, X.T. Nguyen // Earth and Environmental Science -2024.-Vol. 6.-Issue 1345. Article 01200 3. https://doi:10.1088/1755-1315/1345/1/012003Duong, H., Nong, T.T. & Nguyen, X.T. (2024). A Systematic Review of GIS-Based and AHP Approaches for Identifying Suitable Locations for Livestock Farms. IOP Conference Series: Earth and Environmental Science, 1345, 012003. DOI: https://doi.org/10.1088/1755-1315/1345/1/012003 [in English].Jannet, C. Factors affecting decisionmaking in land valuation process using AHP: a case in the Philippines / C.B. Jannet, C. Bencure, N.K. Tripathi / International Journal of Housing Markets and Analysis -2022.- Vol.15.- Issue 1.- P.188-202 https://doi.org/10.1108/IJHMA-11-2020-0136Jannet, C.B., Bencure, C. & Tripathi, N.K. (2022). Factors Affecting Decision-Making in Land Valuation Process Using AHP: A Case in the Philippines. International Journal of Housing Markets and Analysis, 15(1), 188-202. DOI: https://doi.org/10.1108/IJHMA-11-2020-0136 [in English].

The authors declare that there are no conflicts of interest present.