Электронный каталог

26.8
G19

    Garden cress (Lepidium sativum l.) as a bioindicator for assessing air pollution [Текст] / N. Kamal, A. Beibitova, T. Darbayeva, A. Sarsenova // Вестник ЗКУ. - 2024. - №2. - Р. 235-245.
ББК 26.8

Рубрики: География

Кл.слова (ненормированные):
Кресс-салат (Lepidium sativum) -- биоиндикатор -- образцы -- загрязнение воздуха -- тест-объект
Аннотация: Это исследование направлено на изучение значения биоиндикации в оценке качества окружающей среды, с особым вниманием к использованию кресс-салата (Lepidium sativum) в качестве биоиндикатора для определения уровней загрязнения воздуха. Биоиндикация представляет собой простой и быстрый метод оценки окружающей среды с использованием живых организмов. Кресс-салат, известный своей чувствительностью к загрязнению почвы и воздуха, демонстрирует быстрое прорастание семян и заметные морфологические изменения при воздействии загрязнителей. Методология исследования включает биотестирование, отбор образцов снега и тестирование на прорастание для оценки загрязнителей окружающей среды и их воздействия на рост растений. Результаты показывают различные уровни загрязнения в различных местах отбора образцов, при этом загрязнители способствуют повышению кислотности снега и влияют на скорость прорастания семян. Исследование подчеркивает эффективность кресс-салата в качестве биоиндикатора, акцентируя его быстрый рост и чувствительность к изменениям окружающей среды. В конечном итоге это исследование способствует пониманию воздействия загрязнителей на растительные экосистемы и подчеркивает важность мер по защите окружающей среды и ее сохранению.
Держатели документа:
ЗКУ
Доп.точки доступа:
Kamal, N.
Beibitova, A.
Darbayeva, T.
Sarsenova, A.

26.23
А 45
Алдабергенова, А. М.
    Анализ взаимосвязей метеорологических явлений холодного периода [Текст] / А. М. Алдабергенова, Б. А. Капсалямов, Н. Ф. Харламова // Вестник ЗКУ. - 2025. - №1. - С. 511-520.
ББК 26.23

Рубрики: Метеорология

Кл.слова (ненормированные):
особо опасные погодные явления -- циклон -- антициклон -- синоптические карты -- спутниковые снимки -- анализ -- Метеорология -- Метеорологические явления -- явления погоды -- Климатические условия
Аннотация: Метеорологические явления, которые наблюдаются и происходят в атмосфере, часто представляют опасность для людей или функционирование геосистем. К особо опасным погодым явлениям относятся сильные ветры, туманы, гололёд, интенсивные дожди, гронзы, ураганы, бури, метели, град и другие. Такие явления погоды наблюдаются сезонно, то есть в определенное время года, и имеют свои яркие отличительные черты как, например, фенологические явления, летние грозы, осенний листопад, снег зимой. При функционировании многих природохозяйственных мероприятий (проектировании и строительстве гидротехнических сооружений, промышленных и транспортных объектов, в гражданской авиации, отраслях сельского хозяйства, рекреационно-туристической деятельности и др.) выбор стратегии хозяйственного решения приходится принимать, учитывая то влияние, которое непосредственно оказывают или будут оказывать метеорологические явления на объекты природы, человека и производственные процессы [1]. При этом информацией могут служить только многолетние режимные характеристики, то есть климатологические сведения: в дальнейшем на их данных создается климатологический прогноз
Держатели документа:
ЗКУ
Доп.точки доступа:
Капсалямов, Б.А.
Харламова, Н.Ф.

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.

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.