Прогнозирование использования земель средствами информационных технологий
Автор: Федотова Вера Сергеевна
Журнал: Теория и практика общественного развития @teoria-practica
Рубрика: Экономика
Статья в выпуске: 3, 2023 года.
Бесплатный доступ
В статье представлено исследование по проблеме подготовки будущих специалистов в области землеустройства и кадастрового учета к применению информационных технологий для прогнозирования использования земель. Цель статьи - научное обоснование возможного подхода к формированию у обучающихся направления «Землеустройство и кадастры» профессиональных компетенций по применению информационных технологий в прогнозировании использования земель. Исследование основано на результатах анализа содержания профессионального стандарта подготовки специалистов в области землеустройства и кадастров в части трудовых действий, связанных с прогнозированием использования земель. Результаты работы представлены предложением варианта привлечения обучающихся к прогнозированию земель с использованием современных информационных технологий. Отмечается, что электронные таблицы являются удобным средством для организации данного процесса, при этом они позволяют задействовать встроенные функции и инструменты анализа данных. Задания на прогнозирование использования земель интегрируют трудовые умения обучающихся по применению знаний в конкретной ситуации, определению порядка реализации информационной технологии, использованию специальных методов расчета.
Земельные ресурсы, прогнозирование использования земель, мониторинг земель, электронные таблицы
Короткий адрес: https://sciup.org/149142426
IDR: 149142426 | DOI: 10.24158/tipor.2023.3.12
Текст научной статьи Прогнозирование использования земель средствами информационных технологий
Pushkin, Russia, ,
Научная проблема данного исследования определена необходимостью подготовки студентов к решению профессиональных задач в области землеустройства и кадастров с учетом современного этапа развития информационного общества.
В ходе исследования предполагалось:
-
1) охарактеризовать роль прогнозирования в землеустройстве;
-
2) выявить перечень задач профессиональной деятельности, предполагающих определение перспектив использования земель;
-
3) охарактеризовать потенциал современных программных средств для прогнозирования;
-
4) продемонстрировать на примере возможные варианты использования электронных таблиц для обозначенных целей.
Методология исследования . Формирование профессиональных компетенций у обучающихся в области прогнозирования земель основывается на результатах анализа трудовых функций выпускников направления 21.03.02 «Землеустройство и кадастры» (профиль «Кадастр недвижимости»), предполагающих выполнение обследований и изысканий при проведении землеустройства. Для характеристики функционала электронных таблиц как средства прогнозирования использования земель и демонстрации использования метода экстраполяции представлены основные положения корреляционно-регрессионного анализа к построению линии тренда, расчета коэффициента детерминации, оценки ошибки прогнозирования, построения доверительного интервала. При выборе способа обучения студентов прогнозированию с использованием электронных таблиц использовано содержание дисциплины «Мониторинг земель и недвижимости», которая изучается в рамках образовательной программы профессиональной подготовки.
Обзор литературы . Экономическое развитие региона определяется стратегией и тактикой прогнозирования и планирования его земельно-ресурсного потенциала, организацией эффективного и рационального использования территорий, охраны земель как основного средства производства.
Разработка сценариев развития земельных ресурсов, определения стратегических направлений и перспектив использования земель базируется на прогнозировании, которое предполагает вероятностное научно обоснованное предположение о возможном состоянии земельных ресурсов и их применении на основе использования математического моделирования для количественной оценки перспектив развития какого-либо явления в управлении земельными ресурсами.
Вопросам математического моделирования в землеустройстве и землеустроительном проектировании посвящены исследования В.И. Светлакова (Светлаков, 2022), В.Б. Непоклонова, И.А. Хабаровой, Д.А. Хабарова, Е.А. Аверьяновой, А.В. Гилюк, И.Ф. Абдугапировой, В.А. Киойбаш (Использование экономико-математических методов и моделей для землеустроительных целей …, 2017), А.Р. Цогоевой, А.Ю. Цогоева, М.Ч. Датиевой (Цогоева и др., 2017), Е.В. Бунтовой, Н.Д. Никитиной (Бунтова, Никитина, 2015).
Прогнозирование использования земель рассматривается как ведущая функция управления землепользованием, которая обеспечивает рациональную эксплуатацию территорий и их охрану (Тон, Попова, 2019). Отмечается, что оно невозможно без наличия достоверной кадастровой информации, данных мониторинга земельных ресурсов, оценки их состояния. Данные процессы можно успешно совместить на единой основе, выполнив средствами географических информационных систем. А.В. Дубровским (Дубровский, 2022) рассматриваются методические подходы к моделированию и прогнозированию рационального использования земельных ресурсов с применением геоинформа-ционных технологий. Заметим, что эти процессы являются важными компонентами для создания технологической геоинформационной платформы цифрового землепользования (Процесс цифровизации сельского хозяйства на базе концептуально новой системы умного землепользования …, 2020).
Анализ существующих исследований подтверждает, что среди методов экономико-математического моделирования в землеустройстве используются: корреляционно-регрессионный анализ, метод экстраполяции, статистическая обработка информации, оптимизационное моделирование, кластерный анализ (Федотова, 2019; Борисова, 2022; Веселова, Хоречко, 2022; Гилязов, 2015; Цо-гоева и др., 2017). При этом в электронных таблицах предполагается обращение к статистическим функциям (ЛИНЕЙН, КОРРЕЛ, МАКС, МИН и др.) и инструментам анализа данных (корреляция, описательная статистика, регрессия, факторный анализ и др.), которые представлены как их неотъемлемые компоненты. В этой связи электронные таблицы MS Excel в последнее время нашли широкое применение в управлении земельными ресурсами и землеустроительными проектами. Они используются для систематизации и автоматизации обработки количественных данных (Orlov et al., 2022).
Привлечение информационных технологий к прогнозированию использования земель, в том числе электронных таблиц, в соответствии с этапами математического моделирования предполагает сформированность у обучающихся умений представлять информацию в требуемом виде (в таблице) с использованием специализированного программного обеспечения, умения формализовать данные, записывать математические модели, максимально полно использовать функционал встроенных функций и инструментов анализа для обработки данных, интерпретировать результаты компьютерного моделирования.
Результаты и дискуссия . Землеустройство является важной частью экономики. При этом рациональное использование территорий выступает одним из главных факторов ее развития, поэтому оно должно контролироваться, планироваться и прогнозироваться на научной основе. Существует необходимость продуманного предопределения использования земельных ресурсов, отвода территорий в хозяйственный и социальный секторы, организации их эффективного использования и его диверсификации. Прогнозирование представляет собой процесс разработки будущего перспективного состояния изучаемого предмета через определенный промежуток времени, определение путей и продолжительности его альтернативного развития (Sultanovich, Ugli, 2019).
При прогнозировании использования земель актуализируется метод, основанный на моделировании будущего состояния объекта при условии его развития по наблюдаемым в ретроспективе и текущим данным. Остановимся на демонстрации потенциала метода экстраполяции. Его сущность основывается на распространении прошлых и настоящих показателей, их динамики, закономерностей, связей на будущее развитие объекта прогнозирования. При этом исходят из статистически складывающихся тенденций изменения тех или иных количественных характеристик объекта.
Рассмотрим подход к формированию профессиональных компетенций обучающихся на примере использования метода экстраполяции и компьютерного моделирования средствами электронных таблиц при прогнозировании эксплуатации земель транспорта, связи, инженерных коммуникаций. Числовой величиной выбрана площадь. Метод экстраполяции использован для подбора функции прогноза площади данного вида земель через пять и десять лет при наблюдаемой тенденции.
Исходные данные, используемые при составлении прогноза, представлены значениями площади земель транспорта, связи, инженерных коммуникаций в виде динамического ряда, соответствующего годам наблюдения: 2012 г. – 188 га; 2013 г. – 185 га; 2014 г. – 170 га; 2015 г. – 168 га; 2016 г. – 161 га; 2017 г. – 158 га; 2018 г. – 159 га; 2019 г. – 159 га; 2020 г. – 159 га; 2021 г. – 159 га; 2022 г. – 159 га.
На основе этих данных обучающимся предстоит выполнить прогноз. При экстраполяции рядов динамики проводится их выравнивание по аналитической формуле, которую подбирают как функцию, отображающую общую тенденцию. Зная, какая функция отображает тенденцию изменений, подставляя в нее значения переменной х за пределами наблюдаемых значений, можно рассчитать прогнозируемое значение на будущий период с определенной степенью вероятности.
Метод экстраполяции позволяет сделать прогноз более или менее точно, если прогнозируемый период не превышает одной трети базисного (наблюдаемого) периода. Данный метод оценивается как вероятностный, поэтому предполагает оценку ошибки прогноза и построение доверительного интервала. Все обозначенные характеристики обучающиеся должны уметь рассчитывать при использовании метода экстраполяции в прогнозировании земель.
Подбор отображающей тенденцию изменений аналитической функции обучающиеся выполняют с использованием электронных таблиц MS Excel. Для этого сначала им предстоит построить гистограмму наблюдаемых значений (по имеющимся данным). Далее, в рамках этой же диаграммы требуется построить график значений и к нему добавить линию тренда. При ее размещении важно установить отображение уравнения линии тренда и величины достоверности аппроксимации (коэффициент детерминации R2). Функция линии тренда считается пригодной для моделирования тенденции в случае, когда значение коэффициента детерминации R 2 превышает 0,7, и чем ближе оно к единице, тем более подходящей оценивается выбранная линия тренда. При невыполнении условия продолжается подбор наиболее подходящей линии тренда. Основными являются линейный, полиномиальный, логарифмический, степенной, экспоненциальный тренд.
Для исключения из рассмотрения конкретного года вводится индекс года, принимающий значения от 1 до 11 (например, расчеты за период 2012-2022 гг.). Индекс года прогнозирования х рассматривается как независимая переменная. При этом прогнозируемые года (например, 2027 и 2032 гг.) также будут последовательно обозначены своими индексами года (16 и 24). Наблюдаемым значениям присваивается значение Y ф (фактические значения), а рассчитываемым по аналитической функции линии тренда значениям Y т (теоретические значения, теоретический уровень прогнозируемого значения динамического ряда). Когда аналитическая функция подобрана наиболее точно, можно наблюдать сколь угодно малое отличие между фактическими и теоретическими значениями. Для оценки его отдельно следует рассчитать разность У ф - У т . Для исключения отрицательных значений при расчете этих разностей также рассматривается ее квадрат:
(У ф -У т ) 2 (1).
Учитывая вероятностный характер проводимых расчетов, обучающиеся по формуле находят значение ошибки метода :
(С=j: :; ■ (2) где и - число наблюдений, р - количество параметров функции линии тренда (коэффициенты A, B, C и т. д.).
Далее выполняется интервальная оценка:
М = G • С , (3)
где G - критерий Стъюдента (значение выбирается из таблицы),
С - ошибка метода.
Для установления точности прогноза рассчитывается доверительный интервал:
У д = У т ±М (4).
Теоретические значения прогнозируемых уровней динамического ряда обучающиеся находят, используя подобранную функцию линии тренда для каждого индекса года. Таким образом, определяется прогнозное значение площади земель транспорта, связи, инженерных коммуникаций при наблюдаемой тенденции.
Подобранная функция для земель транспорта, связи, инженерных коммуникаций имеет вид: у = 0,6037 • х 2 - 9,9902 • х + 198,08 . При этом коэффициент детерминации равен R2 = 0,9524. Близкое к единице значение данной величины подтверждает, что преобладающее число наблюдаемых значений объясняется выбранной линией тренда – полиномиальной функцией второй степени.
А |
ABC D Е |
F |
G |
н |
1 |
||||
1 |
Уровни динамического ряда |
Индекс года |
Фактическое значение, Уф (га) |
Теоретическое значение, Ут (га) |
Уф Ут |
(Уф-Ут)2 |
с |
||
2 |
2012 |
1 |
188 |
189 |
-1 |
0 |
|||
3 |
2013 |
2 |
185 |
181 |
4 |
20 |
|||
4 |
2014 |
3 |
170 |
174 |
-4 |
13 |
|||
5 |
2015 |
4 |
168 |
168 |
0 |
0 |
|||
6 |
2016 |
5 |
161 |
163 |
-2 |
5 |
|||
7 |
2017 |
6 |
158 |
160 |
-2 |
4 |
|||
S |
2018 |
7 |
159 |
158 |
1 |
2 |
|||
9 |
2019 |
8 |
159 |
157 |
2 |
5 |
|||
10 |
2020 |
9 |
159 |
157 |
2 |
4 |
|||
11 |
2021 |
10 |
159 |
159 |
0 |
0 |
|||
12 |
2022 |
11 |
159 |
161 |
-2 |
5 |
|||
13 |
2023 |
12 |
165 |
Сумма |
57 |
3 |
|||
14 |
2024 |
13 |
170 |
||||||
15 |
2025 |
14 |
177 |
||||||
16 |
2026 |
15 |
184 |
||||||
17 |
2027 |
16 |
прогноз |
193 |
М= |
6.08504439 |
м= |
5,95515 |
|
18 |
2028 |
17 |
на 5 лет |
203 |
199 |
260 |
|||
19 |
2029 |
18 |
214 |
187 |
249 |
||||
20 |
2030 |
19 |
226 |
интервал |
(187:199) |
интервал |
(249;260) |
||
21 |
2031 |
20 |
прогноз |
240 |
|||||
22 |
2032 |
21 |
на 10 лет |
255 |
Список литературы Прогнозирование использования земель средствами информационных технологий
- Борисова А.Ю. Эффективность использования и воспроизводства земельных ресурсов сельскохозяйственного назначения // Вестник НГИЭИ, 2022. № 6 (133). С. 121-133. https://doi.org/10.24412/2227-9407-2022-6-121-133.
- Бунтова Е.В., Никитина Н.Д. Экономико-математические модели в землеустройстве // Естественные и математические науки в современном мире. 2015. № 29. С. 38-48.
- Веселова М.Н., Хоречко И.В. Установление параметров пашни, влияющих на результативность растениеводства // International Agricultural Journal. 2022. Т. 65, № 6. С. 857-874. https://doi.org/10.55186/25876740_2022_6_6_5.
- Гилязов А.Ф. Кластерный анализ как инструмент районирования территории по крупности речных наносов (на примере бассейна Волги) // Вестник Удмуртского университета. Серия: Биология. Науки о Земле. 2015. Т. 25, № 2. С. 149-158.
- Дубровский А.В. Методические подходы к моделированию и прогнозированию рационального использования земельных ресурсов с применением геотехнологий // Вестник СГУГИТ (Сибирского государственного университета геосистем и технологий). 2022. Т. 27, № 3. С. 145-156. https://doi.org/10.33764/2411-1759-2022-27-3-145-156.
- Использование экономико-математических методов и моделей для землеустроительных целей / В.Б. Непоклонов [и др.] // Международный сельскохозяйственный журнал. 2017. № 6. С. 30-33.
- Процесс цифровизации сельского хозяйства на базе концептуально новой системы умного землепользования / А.А. Варламов [и др.] // Международный сельскохозяйственный журнал. 2020. № 5. С. 69-72.
- Светлаков В.И. Моделирование в современном землеустроительном проектировании // Московский экономический журнал. 2022. № 2. С. 133-145. https://doi.org/10.55186/2413046X_2022_7_2_115.
- Тон С.-Х.А., Попова Т.С. Прогнозирование использования земельных ресурсов на примере Кабанского района Республики Бурятия // Землеустройство, кадастр недвижимости и мониторинг земельных ресурсов. Улан-Удэ, 2019. С. 193-198.
- Федотова В.С. Подготовка магистров направления «Землеустройство и кадастры» к разработке цифровых карт местности средствами географических информационных систем // Вестник Южно-Уральского государственного гуманитарно-педагогического университета. 2019. № 1. С. 195-217. https://doi.org/10.25588/CSPU.2019.32.74.013.
- Цогоева А.Р., Цогоев А.Ю., Датиева М.Ч. Методика решения оптимизационных задач с помощью программного средства MS Excel // Вестник Иркутского государственного технического университета. 2017. Т. 21, № 12 (131). С. 114-122. https://doi. org/10.21285/1814-3520-2017-12-114-122.
- Orlov V., Ivanova T., Kadyshev E., Chernyshova T., Prokopiev A., Ivanova A. Mathematical Modeling in Forecasting Reproduction Processes in Agriculture // XIV International Scientific Conference «INTERAGROMASH 2021». Rostov-on-Don, 2022. P. 330-338. https://doi.org/10.1007/978-3-030-81619-3_37.
- Sultanovich A.A., Ugli M.M.D. Methods of Forecasting and Management of Land Fund Diversification in Local Areas // International Journal of Recent Technology and Engineering. 2019. Vol. 8, iss. 3S. Р. 403-411. https://doi.org/10.35940/ijrte.c1086.1083s19.