Оценка экологической пригодности для фитомелиорации на высохшем дне Аральского моря с применением многокритериальной модели принятия решений с энтропийными весами

Боковая панель статьи

PDF
Опубликован: May 15, 2026
DOI: https://doi.org/10.62132/ijdt.v9i2.381
Ключевые слова:
высохшее дно Аральского моря, фитомелиорация, Google Earth Engine, EWM-MCDM, Sentinel-2, засоленность почвы, оценка пригодности, многокритериальное принятие решений

Основное содержимое статьи

Ф.А. Рахматов
Ташкентский университет информационных технологий имени Мухаммада ал-Хорезми
Ч.М. Хидирова
Ташкентский университет информационных технологий имени Мухаммада ал-Хорезми
Н.Н. Каримов
Узбекский государственный университет мировых языков

Аннотация

В данном исследовании разработана новая модель EWM-MCDM (многокритериальная модель принятия решений с энтропийными весами) для определения экологически пригодных территорий для лесоразведения на высохшем дне Аральского моря. С использованием платформы Google Earth Engine были проанализированы 7 биофизических показателей, полученных на основе данных Sentinel-2 и ERA5-Land. Результаты показали, что основными лимитирующими факторами для развития растительности являются засоленность почвы (24,8%) и скорость ветра (20,3%). Согласно интегральной карте пригодности, 14,2% территории признаны высоко пригодными, 28,5% – умеренно пригодными, тогда как 23,5% площади определены как непригодные для посадки из-за чрезвычайно высокой засоленности. Данная методология позволяет осуществлять цифровое планирование фитомелиорационных работ в Приаралье и повышать эффективность использования ресурсов.

Информация о статье

Как цитировать
Рахматов, Ф., Хидирова, Ч., & Каримов, Н. (2026). Оценка экологической пригодности для фитомелиорации на высохшем дне Аральского моря с применением многокритериальной модели принятия решений с энтропийными весами. Международный Журнал Теоретических и Прикладных Вопросов Цифровых Технологий, 9(2), 99–109. https://doi.org/10.62132/ijdt.v9i2.381
Выпуск
Том 9 № 2 (2026): Международный журнал теоретических и прикладных вопросов цифровых технологий
Раздел
Articles
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Библиографические ссылки

Schachtsiek, T., Lamers, J. P. A., & Khamzina, A. (2014). Early survival and growth of six afforestation species on abandoned cropping sites in irrigated drylands of the Aral Sea basin. Arid Land Research and Management, 28(4), 410–427. https://doi.org/10.1080/15324982.2013.855958

Alikhanova, S., & Bull, J. W. (2023). Review of nature-based solutions in dryland ecosystems: The Aral Sea case study. Environmental Management, 72, 457–472. https://doi.org/10.1007/s00267-023-01822-z

Cui, M., Zheng, X., Li, Y., & Wang, Y. (2023). Analysis of NDVI trends and driving factors in the buffer zone of the Aral Sea. Water, 15(13), 2473. https://doi.org/10.3390/w15132473

Abuzaid, A. S., AbdelRahman, M. A. E., Fadl, M. E., & Scopa, A. (2021). Land degradation vulnerability mapping in a newly reclaimed desert oasis in a hyper-arid agro-ecosystem using AHP and geospatial techniques. Agronomy, 11(7), 1426. https://doi.org/10.3390/agronomy11071426

Farnad, S., Bahroudi, A., Ardejani, F.D., Aslani, S., & Ardejani, S.D. (2023). Identification of patients with respiratory diseases on crucial areas map using fuzzy-AHP approach and RS-GIS method to assess geomedical health hazard in the western segment of Lake Urmia, Iran. Iranian Journal of Science and Technology, Transactions of Civil Engineering, 47, 1689–1707. https://doi.org/10.1007/s40996-022-00992-w

Akay, A. O., Senturk, E., Akgul, M., & Demir, M. (2024). Temporal and spatial variation of sediment risk in Turkey: The role of forestry activities and climate change scenarios (2022–2096) utilizing entropy-based WASPAS and fuzzy clustering. Theoretical and Applied Climatology, 155, 8731–8753. https://doi.org/10.1007/s00704-024-05156-6

Jing, P., Hu, T., Sheng, J., Mahmoud, A., Liu, Y., Yang, D., Guo, L., Li, M., & Wu, Y. (2023). Coupling coordination and spatiotemporal dynamic evolution of the water–energy–food–land (WEFL) nexus in the Yangtze River Economic Belt, China. Environmental Science and Pollution Research, 30, 34978–34995. https://doi.org/10.1007/s11356-022-24659-1

Duan, Z., Wang, X., Sun, L., Zhou, M., & Luo, Y. (2024). An insight into the effect of soil salinity on vegetation dynamics in the exposed seafloor of the Aral Sea. Science of the Total Environment, 951, 175615. https://doi.org/10.1016/j.scitotenv.2024.175615

Yao, F., Ding, J., Bao, A., & Li, J. (2025). Attribution and risk assessment of wind erosion in the Aral Sea regions using multi-source remote sensing and RWEQ on GEE. Remote Sensing, 17(16), 2788. https://doi.org/10.3390/rs17162788

Wang, W., Samat, A., Ge, Y., Ma, L., Tuheti, A., Zou, S., & Abuduwaili, J. (2020). Quantitative soil wind erosion potential mapping for Central Asia using the Google Earth Engine platform. Remote Sensing, 12(20), 3430. https://doi.org/10.3390/rs12203430

Duan, Z., Wang, X., & Sun, L. (2022). Monitoring and mapping of soil salinity on the exposed seabed of the Aral Sea, Central Asia. Water, 14(9), 1438. https://doi.org/10.3390/w14091438

Shi, J., Guo, Q., Zhao, S., Su, Y., & Shi, Y. (2022). The effect of farmland on the surface water of the Aral Sea region using multi-source satellite data. PeerJ, 10, e12920. https://doi.org/10.7717/peerj.12920

Huang, Z., & Feng, C. (2025). Comprehensive evaluation of urban storm flooding resilience by integrating AHP–entropy weight method and cloud model. Water, 17(17), 2576. https://doi.org/10.3390/w17172576

Jabbarov, Z., Kholdorov, S., Nomozov, U., Makhammadiev, S., Djalilova, G., & Abdullaev, S. (2024). The drying of the Aral Sea: Soil formation and restoration potential on the seabed. Soil Science Annual. https://doi.org/10.37501/soilsa/207727

Kholdorov, S., Lakshmi, G., Jabbarov, Z., Yamaguchi, T., Yamashita, M., Samatov, N., & Katsura, K. (2023). Analysis of irrigated salt-affected soils in the Central Fergana Valley, Uzbekistan, using Landsat 8 and Sentinel-2 satellite images, laboratory studies, and spectral index-based approaches. Eurasian Soil Science, 56, 1178–1189. https://doi.org/10.1134/S1064229323600185

Zhou, J., Ke, L., Ding, X., Wang, R., & Zeng, F. (2024). Monitoring spatial–temporal variations in river width in the Aral Sea basin with Sentinel-2 imagery. Remote Sensing, 16(5), 822. https://doi.org/10.3390/rs16050822

Nasimov, R., Nasimova, N., Xidirova, Ch., Abdusalomov, A., & Temirov, Z. (2025). Sun’iy yo‘ldosh tasvirlari va sun’iy intellekt yordamida orol dengizi hududlarini tadqiq etish: tajribalar va ilmiy muammolar. Raqamli Transformatsiya va Sun’iy Intellekt ilmiy jurnali, 3(5), 156-166.

Khidirova, Ch., Foziljonov, R. (2025). Intuitionistic Fuzzy Aggregation Operators in Multi-Criteria Decision-Making. Development of science. 2025/4, Volume 2. 150–157.

Khidirova, Ch., Davronova, Z. (2025). Analysis of traditional methods for predicting soil productivity. American Journal of Technology and Applied Sciences. Volume 32, 15-20.

Khidirova, Ch., Iminova, N., Muradova, A., Baymatova, M. (2025). Environmental Decision Making under Uncertainty in the Aral Sea based on Intuitionistic Fuzzy Approach. “Raqamli transformatsiyalash jarayonida muhandislik sohalari va iqtisodiyot tarmoqlarini rivojlantirish: muammo va yechimlar” xalqaro ilmiy-amaliy anjumani ma’ruzalar to‘plami, I-qism, 59-64.