Abstract
Засоленность почв является одной из наиболее острых экологических и аграрных проблем, особенно в аридных и семиаридных зонах Казахстана. Она приводит к снижению плодородия, деградации земель и угрозе продовольственной безопасности. Цель данного исследования заключается в разработке гибридной модели прогнозирования уровня засоленности почв на основе интеграции спектральных данных дистанционного зондирования (Sentinel-2) и гидрологических показателей ERA5-Land. Для анализа использованы методы главных компонент (PCA), кластеризации K-Means и алгоритм XGBoost, что позволило выделить информативные признаки и улучшить точность прогноза. Пространственные данные были обработаны в среде Google Earth Engine, где объединялись спектральные и гидрологические параметры для двух контрастных регионов Казахстана — Акмолинской области и зоны высохшего Аральского моря. Результаты показали, что гибридная модель обеспечивает снижение средней квадратичной ошибки (MSE) на 26 % по сравнению с базовым XGBoost и успешно классифицирует до 98 % засолённых почв. Исследование демонстрирует высокий потенциал комплексного подхода, объединяющего дистанционное зондирование и гидрологическое моделирование, для мониторинга и оценки деградации земель.