Электронный каталог

26.222.6
Т 65

    Трансформация растительного покрова обнаженной части озера Шалкар [Текст] / Т. Е. Дарбаева, Б. С. Альжанова, М. В. Мамышева [и др.] // Сборник материалов международной научно-практической конференции «Ивановские чтения – 2022», посвященной 80-летию ведущего ученого, к.б.н., д.с/х.н., профессора Рустенова Амангельды Рустеновича. - Уральск, 2022. - 5-6 октября. - С. 39-45
ББК 26.222.6

Рубрики: Гидрология озер и водохранилищ. Озероведение

Кл.слова (ненормированные):
озеро Шалкар -- Западно-Казахстанская область -- ковыльно-типчаковые степи -- флора -- растительность -- минерализация воды -- Береговая линия -- галофильные луга -- природные катаклизмы -- интенсивное усыхание -- экологические системы -- Химические показатели воды
Аннотация: В окрестностях озера Шалкар Западно-Казахстанской области проходит граница ковыльно-типчаковых степей с опустыненными полукустарничковыми полынно-типчаковыми cообществами с оригинальной флорой и растительностью не только для Западно-Казахстанской области, но и для Северного Прикаспия в целом.
Держатели документа:
ЗКУ
Доп.точки доступа:
Дарбаева, Т.Е.
Альжанова, Б.С.
Мамышева, М.В.
Кожагалиева, Р.Ж.
Нигметова, Г.У.

28.58
А 61
Аманбаев, К. С.
    Трансформация пойменной растительности реки Чаган в пределах Западно-Казахстанской области [Текст] / К. С. Аманбаев // Сборник материалов международной научно-практической конференции «Ивановские чтения – 2022», посвященной 80-летию ведущего ученого, к.б.н., д.с/х.н., профессора Рустенова Амангельды Рустеновича. - Уральск, 2022. - 5-6 октября. - С. 131-134
ББК 28.58

Рубрики: Экология и география растений. Охрана растений

Кл.слова (ненормированные):
биологическое разнообразие -- пойма реки -- пойменная растительность -- река Чаган -- Западно-Казахстанская область -- флора -- геоботаническое районирование -- Староречье -- травостой -- клевер луговой -- лапчатка вильчатая -- осоковые сообщества -- щавель -- змееголовник -- девясил британский -- Татарниково-мелколепестниковое сообщество -- геоботанический профиль
Аннотация: В настоящее время при изучении биологического разнообразия приоритетным становится подход, основанный на изучении пойм рек как естественных природных выделов, которые характеризуются особым набором биотических и абиотических факторов, что обуславливает неповторимость флористического состава и специфичность растительных сообществ. Пойменные экосистемы достаточно широко распространены и вопросы их биологического разнообразия, естественной и антропогенной динамики представляют несомненный практический и научный интерес.
Держатели документа:
ЗКУ

26.82
А 95
Ахмеденов, К. М.
    Международная экспедиция [Текст] / К. М. Ахмеденов // Өркен. - 2023. - 31 мамыр. - №5. - С. 3.
ББК 26.82

Рубрики: Физическая география

Кл.слова (ненормированные):
Западно-Казахстанский университет им.М.Утемисова -- Астраханский государственный университет им. В.Н. Татищева -- первая экспедиция -- Флора и растительность Каспийского макрорегиона – 2030 -- Северный Прикаспий -- метод Браун-Бланке -- палеонтологи -- ботаники -- экологи -- Индерское озеро
Аннотация: По реализации договора о сотрудничестве между Западно-Казахстанским университетом им.М.Утемисова и Астраханским государственным университетом им. В.Н. Татищева от 25 мая 2021 года в период 30 апреля по 8 мая 2023 года прошла первая экспедиция в рамках международного проекта «Флора и растительность Каспийского макрорегиона – 2030». Основной задачей проекта является проведение исследований с цель ю изучения процесса формирования флорогенеза на территории Северного Прикаспия, нахождение и описание новых для науки таксонов растений, описание новых синтаксонов растительности методом Браун-Бланке.
Держатели документа:
ЗКУ

24
K17
Kaliyeva, B. K.
    Sorption of cobalt ions (II) sulfocationites based on plant raw materials [Текст] / B. K. Kaliyeva, G. K. Kabulova, A. Jakabayev // Сборник материалов республиканской научно-практической конференции «Ивановские чтения – 2024». - Уральск, 2024. - 10-11 октября. - Р. 52-54.
ББК 24

Рубрики: Химия

Кл.слова (ненормированные):
промышленная деятельность человека -- окружающая среда -- тяжелые металлы -- кобальт -- химия -- ионообменные материалы
Аннотация: Растущие масштабы промышленной деятельности человека оказывают негативное воздействие на окружающую среду. Многие тяжелые металлы, включая кобальт, высокотоксичны даже в следовых количествах и могут накапливаться в живых организмах [1]. В отличие от органических соединений, которые подвергаются процессам разложения, металлы лишь перераспределяются между природными средами и постепенно накапливаются в них. Ежегодное потребление кобальта наземной растительностью составляет 1*10-4% от сухой массы [2]. Например, его поступление в окружающую среду только в результате сжигания уже имеет следующую динамику, тыс. тонн: 1900 г. - 1,0; 1970 г. - 2,6; 1980 г. - 5,5; 2000 г. - 8,7. В связи с этим необходимо провести дальнейшие исследования по разработке новых методов очистки от ионов кобальта. В связи с этим создание дешевых ионообменных материалов на основе доступных реагентов является актуальной проблемой
Держатели документа:
ЗКУ
Доп.точки доступа:
Kabulova, G.K.
Jakabayev, A.

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.