Моделирование кадастровой оценки земель сельскохозяйственного назначения: современные требования к информатизации

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.

1. Bui, 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/rs13091700

2. 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/s13201-021-01425-1

3. 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.2022.112916

4. 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/land12112043

5. 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:10.1088/1755-1315/723/3/032095

6. 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.2026.100053

7. 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/rs12213523

8. 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.12350

9. 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.

10. 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/rs14051128

11. 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/B978-0-443-18773-5.00018-1

12. 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.2026.100198

13. 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/ijgi13060175

14. 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:10.1088/1755-1315/1345/1/012003

15. 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-11-2020-0136