The object of research, development or design (in Russian) : Вредные нестадные саранчовые - вредители сельскохозяйственных растений.

The object of research, development or design (in Kazakh) : Зиянды саяқ шегірткелер - ауыл шаруашылығы өсімдіктерінің зиянкестері.

Aim of work (in Russian) : Разработка моделей фитосанитарного прогнозирования популяции вредных нестадных саранчовых в виде цифрового информационного веб-приложения на основе алгоритмов машинного обучения и ГИС-технологий по каждой агроклиматической зоне Казахстана для оптимального принятия решения по планированию защитных мероприятий против них в режиме реального времени.

Aim of work (in Kazakh) : Қазақстанның әрбір агроклиматтық аймағында қорғау шараларын жоспарлаудағы оңтайлы шешім қабылдау үшін машиналық оқыту алгоритмдері мен ГАЖ-технологиялары негізінде цифрлық ақпараттық веб-қосымша түрінде нақты уақыт жағдайында зиянды саяқ шегірткелер популяциясын фитосанитариялық болжау модельдерін әзірлеу.

Методы исследования (на русском) : Поставленная цель и вытекающие из нее задачи были выполнены с использованием общепринятых методов в фитосанитарном мониторинге и прогнозе, прикладных методов дистанционного зондирования и ГИС-технологий, а также технологии машинного обучения.

Методы исследования (на казахском) : Қойылған мақсат пен одан туындайтын міндеттер фитосанитариялық мониторинг пен болжамда жалпы қабылданған әдістерді, қашықтықтан зондтау және ГАЖ технологияларының қолданбалы әдістерін, сондай-ақ машиналық оқыту технологияларын пайдалана отырып орындалды.

Obtained results and novelty (in Russian) : Проведён анализ многолетней динамики численности вредных нестадных саранчовых (за 2003–2024 гг.) в южной, юго-восточной и западной частях Казахстана, выделено 20 агроклиматических зон и три уровня фитосанитарного риска. Установлены ключевые предикторы — температура, влажность почвы, осадки и индекс засушливости. С применением моделей машинного обучения (Gradient Boosting, SVR) построены прогнозы численности на 2025–2030 гг.. Разрабатываются компьютерно-математические и ГИС-модели, интегрированные в веб-геопортал для визуализации и анализа, что создает научную основу цифровой системы мониторинга и прогнозирования фитосанитарных рисков в Казахстане.

Obtained results and novelty (in Kazakh) : Қазақстанның оңтүстік, оңтүстік-шығыс және батыс бөліктерінде зиянды саяқ шегірткелер (2003-2024 жж. бойынша) санының көпжылдық динамикасына талдау жүргізілді, 20 агроклиматтық аймақ және фитосанитариялық қауіптің үш деңгейі бөлінді. Негізгі болжаушылар — температура, топырақ ылғалдылығы, жауын-шашын және құрғақшылық индексі. Машиналық оқыту модельдерін (Gradient Boosting, SVR) қолдана отырып, 2025-2030 жылдарға арналған болжам жасалды. Визуализация және талдау үшін веб-геопорталға интеграцияланған компьютерлік-математикалық және ГАЖ-модельдер әзірленуде, бұл Қазақстандағы фитосанитарлық тәуекелдерді бақылау мен болжаудың цифрлық жүйесінің ғылыми негізін құрайды.

The main constructive and technical economic indicators (in Russian) : В нашем случае, разработка будет ориентирована на практическое применение и будет являться цифровым сервисом для специалистов службы фитосанитарного мониторинга и прогноза в ежегодном прогнозировании численности вредных нестадных саранчовых по каждой агроклиматической зоне Казахстана и, следовательно, планировании объемов защитных мероприятий на будущий сезон или год. Предлагаемая разработка по фитосанитарному прогнозированию вредных нестадных саранчовых будет интегрировать в себя такие элементы как графики прогнозирования динамики численности на будущее время на основе алгоритмов машинного обучения, цифровую карту с возможностью симуляции распространения изучаемых вредителей в каждой агроклиматической зоне Казахстана в зависимости от изменения метеопараметров, единую базу по вредоносным видам и индексам их доминирования, информацию об основополагающих предикторов прогноза.

The main constructive and technical economic indicators (in Kazakh) : Біздің жағдайда, әзірлеу практикалық қолдануға бағдарланатын болады және фитосанитариялық мониторинг және болжау қызметінің мамандары үшін Қазақстанның әрбір агроклиматтық аймағы бойынша зиянды саяқ шегірткелердің санын жыл сайын болжауда, демек, алдағы маусымға немесе жылға арналған қорғау іс-шараларының көлемін жоспарлауда цифрлық сервис болып табылады. Зиянды саяқ шегірткелерді фитосанитариялық болжау бойынша ұсынылып отырған әзірлеме машиналық оқыту алгоритмдері негізінде болашақ уақытқа арналған сан динамикасын болжау графигі, метеопараметрлердің өзгеруіне байланысты Қазақстанның әрбір агроклиматтық аймағында зерттелетін зиянкестердің таралуын модельдеу мүмкіндігі бар цифрлық карта, зиянды түрлер мен олардың үстемдік индекстері бойынша бірыңғай база, машиналық оқыту алгоритмдері негізінде болашақ уақытқа арналған сан динамикасын болжау графигі сияқты элементтерді өзіне біріктіретін болады.

Level of implementation (in Russian) : Результаты исследований подлежать внедрению в практику после завершения исследований. Результаты исследований и права интеллектуальной собственности на результаты исследования в виде патента и итогового отчета принадлежат в равной степени Заказчику и Исполнителю; права интеллектуальной собственности на результаты исследования в виде публикаций, монографий, учебников и методических пособий принадлежат Исполнителю.

Level of implementation (in Kazakh) : Зерттеу нәтижелері зерттеу аяқталғаннан кейін қолданысқа енгізіледі. Зерттеу нәтижелері және патент және қорытынды есеп түріндегі зерттеу нәтижелеріне зияткерлік меншік құқығы Тапсырыс беруші мен орындаушыға тең дәрежеде тиесілі; жарияланымдар, монографиялар, оқулықтар және әдістемелік құралдар түріндегі зерттеу нәтижелеріне зияткерлік меншік құқығы Орындаушыға тиесілі.

Efficiency (in Russian) : Эффективность результатов исследований заключается в разрабатываемых моделях прогнозирования, где в интерфейсе будут встроены разработанные модели машинного обучения, которые будут предоставлять прогнозы о возможном распространении саранчовых вредителей в будущем. Эти прогнозы будут основываться на актуальных данных и позволят сельскохозяйственным организациям принимать меры заблаговременно.

Efficiency (in Kazakh) : Зерттеу нәтижелерінің тиімділігі әзірленіп жатқан болжам модельдерінде жатыр, олар әзірленген машиналық оқыту модельдерін интерфейске біріктіреді, шегіртке зиянкестерінің болашақта таралуы мүмкін болжамдарды ұсынады. Бұл болжамдар жаңартылған деректерге негізделеді және ауыл шаруашылығы ұйымдарына алдын алу шараларын қабылдауға мүмкіндік береді.

Field of application (in Russian) : Прогнозы и сигнализация появления и развития вредителей.

Field of application (in Kazakh) : Зиянкестердің пайда болуы мен дамуын болжау және хабарлау.