База данных: Статьи ППС
Страница 1, Результатов: 3
Отмеченные записи: 0
1.
Подробнее
26.82
П 76
Применение ЦМР для выявления лавиноопасных территорий Восточно-Казахстанской области [Текст] / Н. Ф. Денисова, О. А. Петрова, Г. К. Даумова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 369-380.
ББК 26.82
Рубрики: Физическая география
Кл.слова (ненормированные):
дистанционное зондирование Земли -- ЦМР -- рельеф местности -- снежные лавины -- лавиноопасность -- космические снимки -- обработка данных -- геоморфологические факторы -- ГИС -- Восточно-Казахстанская область
Аннотация: Одним из основных факторов лавинообразования является рельеф местности. Изучение лавиноопасной территории — это первый шаг при оценке лавинного риска. Геоморфологические факторы играют ключевую роль во влиянии на устойчивость снежного покрова и возникновение лавин. Взаимодействие нескольких ключевых особенностей рельефа, таких как высота, уклон, экспозиция и неровность рельефа, определяют условия, при которых лавины наиболее вероятны. Различные элементы рельефа способствуют накоплению снега, создают условия для его схода и зачастую определяют масштабы возможного схода лавин. Рельеф местности является основным геоморфлогическим фактором при выявлении лавинонопасных территорий и возможности разработки методики выбора приоритетных горных склонов для размещения мониторинговых систем лавинной опасности. В этой статье рассмариваются современные методы дистанционного зондирования Земли (ДЗЗ) для выявления лавиноопасных участков с применением наиболее эффективных и достоверных современных методов. Результатами исследования являются проведение геоморфометрического анализа склонов, определение сроков залегания и обрушения снежного покрова, определение приоритетных участков для размещения мониторинговых систем лавинной опасности. Эти результаты будут способствовать оптимизации размещения мониторинговых систем и повышению точности прогнозов лавинной угрозы
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Петрова, О.А.
Даумова, Г.К.
Чепашев, Д.В.
Сагатдинова, Г.Н.
Кабдулова, Г.А.
П 76
Применение ЦМР для выявления лавиноопасных территорий Восточно-Казахстанской области [Текст] / Н. Ф. Денисова, О. А. Петрова, Г. К. Даумова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 369-380.
Рубрики: Физическая география
Кл.слова (ненормированные):
дистанционное зондирование Земли -- ЦМР -- рельеф местности -- снежные лавины -- лавиноопасность -- космические снимки -- обработка данных -- геоморфологические факторы -- ГИС -- Восточно-Казахстанская область
Аннотация: Одним из основных факторов лавинообразования является рельеф местности. Изучение лавиноопасной территории — это первый шаг при оценке лавинного риска. Геоморфологические факторы играют ключевую роль во влиянии на устойчивость снежного покрова и возникновение лавин. Взаимодействие нескольких ключевых особенностей рельефа, таких как высота, уклон, экспозиция и неровность рельефа, определяют условия, при которых лавины наиболее вероятны. Различные элементы рельефа способствуют накоплению снега, создают условия для его схода и зачастую определяют масштабы возможного схода лавин. Рельеф местности является основным геоморфлогическим фактором при выявлении лавинонопасных территорий и возможности разработки методики выбора приоритетных горных склонов для размещения мониторинговых систем лавинной опасности. В этой статье рассмариваются современные методы дистанционного зондирования Земли (ДЗЗ) для выявления лавиноопасных участков с применением наиболее эффективных и достоверных современных методов. Результатами исследования являются проведение геоморфометрического анализа склонов, определение сроков залегания и обрушения снежного покрова, определение приоритетных участков для размещения мониторинговых систем лавинной опасности. Эти результаты будут способствовать оптимизации размещения мониторинговых систем и повышению точности прогнозов лавинной угрозы
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Петрова, О.А.
Даумова, Г.К.
Чепашев, Д.В.
Сагатдинова, Г.Н.
Кабдулова, Г.А.
2.
Подробнее
26.82
В 58
Влияние инсоляции и альбедо на формирование лавинного риска в разных экспозициях склонов [Текст] / Н. Ф. Денисова, О. А. Петрова, М. А. Алпысбай, Д. В. Чепашев // Вестник ЗКУ. - 2025. - №2. - С. 394-409.
ББК 26.82
Рубрики: География
Кл.слова (ненормированные):
инсоляция -- альбедо -- лавинный риск -- экспозиция склонов -- снежный покров -- дистанционное зондирование -- уклон склонов -- температурные процессы
Аннотация: Формирование лавинного риска в горных регионах существенно зависит от комплекса природных факторов, включая инсоляцию и альбедо склонов. В данной работе исследуются влияние инсоляции, отражательной способности поверхности (альбедо) и их взаимосвязь с другими климатическими параметрами, такими как температура и снежный покров, на развитие лавинного риска в разных экспозициях склонов (северной, южной, восточной и западной). Используя данные дистанционного зондирования (MODIS, ERA5-Land, CHIRPS) и цифровую модель рельефа, проведен многолетний (2000–2024 гг.) анализ изменений снежного покрова, температуры и альбедо в зимний период. Результаты исследования показывают, что экспозиция склонов оказывает значительное влияние на уровень инсоляции, что, в свою очередь, определяет характер таяния снежного покрова и изменение лавинного риска. В работе представлены ключевые зависимости между инсоляцией, альбедо, снежным покровом и температурой, а также построена карта прогнозирования лавинного риска. Полученные результаты могут быть использованы для управления лавинной безопасностью и мониторинга склонов в условиях изменяющегося климата
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Петрова, О.А.
Алпысбай, М.А.
Чепашев, Д.В.
В 58
Влияние инсоляции и альбедо на формирование лавинного риска в разных экспозициях склонов [Текст] / Н. Ф. Денисова, О. А. Петрова, М. А. Алпысбай, Д. В. Чепашев // Вестник ЗКУ. - 2025. - №2. - С. 394-409.
Рубрики: География
Кл.слова (ненормированные):
инсоляция -- альбедо -- лавинный риск -- экспозиция склонов -- снежный покров -- дистанционное зондирование -- уклон склонов -- температурные процессы
Аннотация: Формирование лавинного риска в горных регионах существенно зависит от комплекса природных факторов, включая инсоляцию и альбедо склонов. В данной работе исследуются влияние инсоляции, отражательной способности поверхности (альбедо) и их взаимосвязь с другими климатическими параметрами, такими как температура и снежный покров, на развитие лавинного риска в разных экспозициях склонов (северной, южной, восточной и западной). Используя данные дистанционного зондирования (MODIS, ERA5-Land, CHIRPS) и цифровую модель рельефа, проведен многолетний (2000–2024 гг.) анализ изменений снежного покрова, температуры и альбедо в зимний период. Результаты исследования показывают, что экспозиция склонов оказывает значительное влияние на уровень инсоляции, что, в свою очередь, определяет характер таяния снежного покрова и изменение лавинного риска. В работе представлены ключевые зависимости между инсоляцией, альбедо, снежным покровом и температурой, а также построена карта прогнозирования лавинного риска. Полученные результаты могут быть использованы для управления лавинной безопасностью и мониторинга склонов в условиях изменяющегося климата
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Петрова, О.А.
Алпысбай, М.А.
Чепашев, Д.В.
3.
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.
Страница 1, Результатов: 3