Choice of metadata Статьи ППС
Page 1, Results: 2
Report on unfulfilled requests: 0
1.
Подробнее
26.82
К 27
Картирование растительности Восточно-Казахстанской области с помощью машинного обучения на основе спутниковых снимков Landsat [Текст] / Н. Ф. Денисова, Г. К. Жусупова, О. А. Петрова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 418-431.
ББК 26.82
Рубрики: Физическая география
Кл.слова (ненормированные):
Восточно-Казахстанская область -- Landsat -- Машинное обучение -- Классификация растительности -- Google Earth Engine -- Random Forest
Аннотация: Целью данного исследования является разработка подхода к картографированию растительности Восточно-Казахстанского региона с использованием методов машинного обучения на основе спутниковых снимков Landsat 8. В статье рассматриваются этапы предобработки данных, выбор оптимальных алгоритмов классификации и оценка их эффективности для различных типов растительности. Процесс предварительной обработки и классификации данных выполнялись на облачной платформе Google Earth Engine. Помимо 17 вспомогательных слоев, содержащих информацию о рельефе местности, в процессе сбора данных были сформированы обучающие выборки, распределенные по 10 классам: широколиственные деревья, хвойные деревья, травянистая растительность, кустарники, открытые земли, сельскохозяйственные угодья, водно-болотные территории, застроенные земли, снег и лед, водные объекты. В рамках исследования были применены и сравнены различные алгоритмы машинного обучения, такие как метод опорных векторов (SVM), деревья решений (CART), градиентный бустинг деревьев (GTB) и случайный лес (RF). Алгоритмы GTB и RF показали наилучшие результаты с Общей точностью 92% и коэффициентом Каппа 91%, что свидетельствует о высоком качестве интеграции данных дистанционного зондирования с методами машинного обучения. Полученные результаты исследования подчеркивают потенциал методов машинного обучения для мониторинга состояния экосистем, планирования природоохранных мероприятий, управления природными ресурсами и чрезвычайными ситуациями в регионе
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Жусупова, Г.К.
Петрова, О.А.
Чепашев, Д.В.
Даумова, Г.К.
Темирбаева, К.А.
К 27
Картирование растительности Восточно-Казахстанской области с помощью машинного обучения на основе спутниковых снимков Landsat [Текст] / Н. Ф. Денисова, Г. К. Жусупова, О. А. Петрова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 418-431.
Рубрики: Физическая география
Кл.слова (ненормированные):
Восточно-Казахстанская область -- Landsat -- Машинное обучение -- Классификация растительности -- Google Earth Engine -- Random Forest
Аннотация: Целью данного исследования является разработка подхода к картографированию растительности Восточно-Казахстанского региона с использованием методов машинного обучения на основе спутниковых снимков Landsat 8. В статье рассматриваются этапы предобработки данных, выбор оптимальных алгоритмов классификации и оценка их эффективности для различных типов растительности. Процесс предварительной обработки и классификации данных выполнялись на облачной платформе Google Earth Engine. Помимо 17 вспомогательных слоев, содержащих информацию о рельефе местности, в процессе сбора данных были сформированы обучающие выборки, распределенные по 10 классам: широколиственные деревья, хвойные деревья, травянистая растительность, кустарники, открытые земли, сельскохозяйственные угодья, водно-болотные территории, застроенные земли, снег и лед, водные объекты. В рамках исследования были применены и сравнены различные алгоритмы машинного обучения, такие как метод опорных векторов (SVM), деревья решений (CART), градиентный бустинг деревьев (GTB) и случайный лес (RF). Алгоритмы GTB и RF показали наилучшие результаты с Общей точностью 92% и коэффициентом Каппа 91%, что свидетельствует о высоком качестве интеграции данных дистанционного зондирования с методами машинного обучения. Полученные результаты исследования подчеркивают потенциал методов машинного обучения для мониторинга состояния экосистем, планирования природоохранных мероприятий, управления природными ресурсами и чрезвычайными ситуациями в регионе
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Жусупова, Г.К.
Петрова, О.А.
Чепашев, Д.В.
Даумова, Г.К.
Темирбаева, К.А.
2.
Подробнее
28.693.36
M76
Mizsei, E.
Snake diversity and survey bias in Western Kazakhstan revealed by observed and modelled species richness [Текст] / E. Mizsei // Bulletin WKU. - 2025. - №4. - Р. 420-430.
ББК 28.693.36
Рубрики: Герпетология
Кл.слова (ненормированные):
степные экосистемы -- регионы с дефицитом данных -- пробелы в пространственной выборке -- экологическая пригодность -- сообщества рептилий -- моделирование распространения -- картирование биоразнообразия -- определение приоритетов сохранения
Аннотация: Понимание закономерностей биоразнообразия в малоизученных регионах имеет важное значение для эффективного планирования природоохранной деятельности. Западный Казахстан, несмотря на обширные степные и полупустынные районы обитания, остается недостаточно документированным с точки зрения разнообразия рептилий. В этом исследовании мы собрали все доступные данные о встречаемости змей, полученные из полевых исследований и онлайн-хранилищ биоразнообразия, чтобы провести первую комплексную оценку видового богатства и систематической выборки по всему региону. Мы зарегистрировали 16 видов змей из 1143 наблюдений, но пространственное распределение записей было крайне неравномерным: более 80% ячеек сетки не были обнаружены. В результате наблюдаемое разнообразие было ограничено небольшим числом хорошо обследованных мест, что создало фрагментарную картину регионального разнообразия. Чтобы дополнить эти закономерности, мы составили пространственно-точные прогнозы видового богатства, используя комплексные модели распределения видов для наиболее представленных таксонов. Прогнозируемое богатство выявило широкие области экологической пригодности, особенно в северных частях региона, выходящие далеко за пределы известных мест регистрации. Наблюдаемое и прогнозируемое богатство умеренно коррелировали, однако оба они были в значительной степени связаны с затратами на отбор проб, что указывает на постоянную погрешность данных. Выявляя экологически подходящие, но плохо обследованные районы, наши результаты определяют четкие приоритеты для будущих полевых работ и выявляют существенные пробелы в знаниях о герпетофауне Западного Казахстана
Держатели документа:
ЗКУ
M76
Mizsei, E.
Snake diversity and survey bias in Western Kazakhstan revealed by observed and modelled species richness [Текст] / E. Mizsei // Bulletin WKU. - 2025. - №4. - Р. 420-430.
Рубрики: Герпетология
Кл.слова (ненормированные):
степные экосистемы -- регионы с дефицитом данных -- пробелы в пространственной выборке -- экологическая пригодность -- сообщества рептилий -- моделирование распространения -- картирование биоразнообразия -- определение приоритетов сохранения
Аннотация: Понимание закономерностей биоразнообразия в малоизученных регионах имеет важное значение для эффективного планирования природоохранной деятельности. Западный Казахстан, несмотря на обширные степные и полупустынные районы обитания, остается недостаточно документированным с точки зрения разнообразия рептилий. В этом исследовании мы собрали все доступные данные о встречаемости змей, полученные из полевых исследований и онлайн-хранилищ биоразнообразия, чтобы провести первую комплексную оценку видового богатства и систематической выборки по всему региону. Мы зарегистрировали 16 видов змей из 1143 наблюдений, но пространственное распределение записей было крайне неравномерным: более 80% ячеек сетки не были обнаружены. В результате наблюдаемое разнообразие было ограничено небольшим числом хорошо обследованных мест, что создало фрагментарную картину регионального разнообразия. Чтобы дополнить эти закономерности, мы составили пространственно-точные прогнозы видового богатства, используя комплексные модели распределения видов для наиболее представленных таксонов. Прогнозируемое богатство выявило широкие области экологической пригодности, особенно в северных частях региона, выходящие далеко за пределы известных мест регистрации. Наблюдаемое и прогнозируемое богатство умеренно коррелировали, однако оба они были в значительной степени связаны с затратами на отбор проб, что указывает на постоянную погрешность данных. Выявляя экологически подходящие, но плохо обследованные районы, наши результаты определяют четкие приоритеты для будущих полевых работ и выявляют существенные пробелы в знаниях о герпетофауне Западного Казахстана
Держатели документа:
ЗКУ
Page 1, Results: 2