SCI Библиотека
SciNetwork библиотека — это централизованное хранилище научных материалов всего сообщества... ещё…
SciNetwork библиотека — это централизованное хранилище научных материалов всего сообщества... ещё…
Одним из наиболее проработанных и простых в использовании направлений генеративных моделей с точки зрения оперирования функциональностью для конечных пользователей являются большие языковые модели, позволяющие выполнять различные операции с текстовыми данными. Поскольку современная цифровая картография максимально быстро включает в свой инструментарий последние достижения в области информационных технологий, представляется актуальным рассмотреть основные сферы использования больших языковых моделей применительно к типовым задачам обработки пространственных данных в виде описания сводных показателей атрибутивных значений, формирования элементов географического описания, получения последовательностей выполнения определенных задач в геоинформационных системах, построения запросов к данным на языке SQL, написания фрагментов программного кода отдельных скриптов и модулей для ГИС, генерации картографических изображений по описанию. На основе результатов проведенных экспериментов сделан вывод о том, что большинство перечисленных базовых задач хорошо автоматизируются с помощью больших языковых моделей, но с учетом необходимости проверки и корректировки результатов специалистами в области картографии и геоинформатики.
Предложенное исследование посвящено понятию «экологические поселения» и их философскому содержанию, что выражено в практической деятельности альтернативных сообществ. Особое внимание в статье уделено модели «циркулярной экономики», приведены примеры ее функционирования в мире, в том числе и в российском опыте. Изучена философия пермакультуры, как уникальный опыт, возникший еще в период Античности. Проанализирована основа социальных взаимоотношений в системе экологических населенных пунктов - теория социократии, призванная создавать чувство коллективного единства. Исследовано мировоззрение философии упрощения, а также подход к потреблению в устоявшихся экосообществах, характеризующихся сознательным минимумом и отказом от всего лишнего.
Изучаются опасные экзогенные процессы как один из основных факторов возникновения аварийных ситуаций на магистральных трубопроводах. В качестве модельных участков выбраны территории Западного Ямала (магистральный газопровод Бованенково - Ухта), Южной Якутии (магистральный нефтепровод Восточная Сибирь - Тихий океан) и остров Сахалин (магистральный нефтегазопровод «Сахалин-2»). В качестве исходных данных используются космические снимки высокого разрешения WorldView-2/3 и цифровые модели рельефа AW3D30 и ArcticDEM. Применяются все доступные методы дешифрирования, включая искусственные нейронные сети (глубокое обучение). Выявляются опасные процессы на каждом участке: термокарст на участке магистрального нефтепровода Восточная Сибирь - Тихий океан, термокарст и ветровая эрозия на магистральном газопроводе Бованенково - Ухта, оползневые процессы и участки, подверженные склоновым процессам и линейной эрозии, на магистральном нефтегазопроводе «Сахалин-2». Построены карты-схемы выявленных процессов на каждом из участков пролегания трассы магистральных трубопроводов. Предложенный подход позволяет проводить объективный сравнительный анализ участков магистральных трубопроводов в различных природных условиях в выявлении общих актуальных закономерностей развития опасных экзогенных процессов, которые не учитываются в типовой нормативной документации.
В настоящей статье описана методика применения пространственного анализа, выполняемого в геоинформационной системе (ГИС) для выявления наиболее аварийно-опасных участков дорог и создания интерактивных карт аварийности. Методика применялась для определения участков повышенной аварийности на федеральных дорогах Алтайского края, являющихся главными транспортными и туристическими артериями региона, для которых повышение безопасности дорожного движения является насущной проблемой. На основании данных ГИБДД о дорожно-транспортных происшествиях за 2023 г. были выявлены участки высокой концентрации ДТП, созданы карты аварийности и база геоданных аварийности, которые можно использовать для ежегодного анализа ситуаций на дорогах.
Исследования проведены на лугово-черноземной почве рисовой оросительной системы (РОС) в РПЗ «Красноармейский» Красноармейского района Краснодарского края. В результате агрохимического обследования получены данные по наиболее информативным показателям почвенного плодородия. Проведена статистическая обработка полученных результатов по следующим агрохимическим показателям почвы: рНвод, гумус, подвижный фосфор. Определены коэффициенты вариации изучаемых показателей и выявлена разная степень их варьирования. По результатам проведённых исследований установлено, что обеспеченность почвы, изучаемого участка РОС подвижным фосфором изменялась в пределах от 3,40 до 8,8 мг/100 г почвы. Однако его варьирование было значительным в пределах границы рисовой карты, коэффициент вариации составил 34,1 %. Вариабельность органического вещества почвы была незначительной (2,98-4,09 %). Значения показателя рНвод имели низкий коэффициент вариации (1,31-1,96 %), что говорит о его незначительной пространственной изменчивости в пределах исследуемых полей. Для формирования цифровых агрохимических картограмм создана геоинформационная база данных с использованием программного обеспечения QGIS. База состоит из пространственной и атрибутивной информации по агрохимическим показателям почвы. На её основе можно формировать пространственное распределение норм минерального питания с учетом обеспеченности почвы элементами питания, разрабатывать способы применения точных агротехнологий.
По результатам проведенных исследований выявлена пространственная изменчивость агрохимических показателей лугово-черноземной почвы рисовых полей оросительной системы (РОС) отделения № 2 РПЗ «Красноармейский» филиала ФГБНУ «ФНЦ риса». Изучаемые показатели имели разный уровень вариабельности в границах исследуемого участка поля рисового севооборота. Определены коэффициенты вариации четырёх полей рисового севооборота (многолетние травы, рис 1-й год и 3-й год после многолетних трав, озимая пшеница) по наиболее информативным агрохимическим показателям (рНвод, гумус, подвижный фосфор). Согласно полученным данным установлено, что наименьшая вариабельность была по содержанию гумуса в пахотном слое почвы. Коэффициент вариации, в зависимости от поля севооборота, находился в диапазоне от 4,0, до 16,0 %, что говорит о его однородности по содержанию. Обеспеченность почвы исследуемых полей гумусом низкая, согласно градации. Содержание в почве подвижного фосфора изменялось от 2,00 до 9,53 мг/100 г почвы, что указывает на значительное его варьирование в пределах поля рисового севооборота. Наибольшие коэффициенты вариации (41,0 и 21,0 %) отмечены по полям севооборота, где возделывали рис. Высокая вариабельность в границах поля рисового севооборота, свидетельствует о необходимости дифференцированного подхода при разработке системы минерального питания с учетом обеспеченности почвы рисового поля. Поле рисового севооборота (карты № 44-49), где возделывали многолетние травы имело низкую вариабельность по содержанию подвижного фосфора, коэффициент вариации составил 19 %. Обеспеченность была высокой, согласно градации. Определение реакции почвенной среды показало, что она находилась в диапазоне от слабокислой до нейтральной (рНвод 6,36-7,13), коэффициент вариации по полям севооборота был в пределах 2,0-4,0 %, что характеризует его низкую пространственную изменчивость в пределах исследуемых полей. Применение геоинформационной программы QGIS позволило создать тематические картограммы, в основе которых база данных с атрибутивной информацией по наиболее информативным показателям плодородия почвы имеющих географическую привязку.
Северный Ледовитый океан всегда притягивал внимание многих государств. Границы этих государств определены и закреплены законодательством. В иностранных секторах Северного Ледовитого океана имеются русские географические названия в честь российских первооткрывателей.
Русские географические названия приводятся в алфавитном порядке. Представлена также карта-схема с этими названиями.
В статье рассмотрены современная концепция и методология картографирования, базирующиеся на получении и использовании геопространственных знаний и обеспечивающие удовлетворение новых требований пользователей продукции геоинформатики и картографии в части решения проблем пользователя пространственного характера, выдачи персонифицированных геопространственных данных, информации и знаний по содержанию и форме, повышения оперативности получения результатов вплоть до режима реального времени. Изложенные концепция и методология картографирования территории с использованием геопространственных знаний, построенная на базе предложенных методологических положений, обеспечивает более глубокое, чем ранее, отображение территории, создание виртуального образа окружающего мира, что в конечном итоге позволяет вырабатывать более взвешенные, обоснованные и оптимальные пространственные решения
Внаши дни многие пользователи, не имеющие специальной подготовки в области картографии и опыта в веб-дизайне, в состоянии создать несложную интерактивную карту, размещенную на одностраничном сайте, благодаря появлению специализированных веб-сервисов с различными функциональными возможностями и наборами шаблонов. В последние годы среди веб-карт появился новый вид, называемый картами-историями (сюжетные карты, Story Maps). Такие карты могут быть созданы как с помощью уже существующих веб-сервисов (конструкторов карт), так и самостоятельно. Цель настоящего исследования – осуществить поиск, изучить и выполнить сравнительный анализ типовых инструментов создания и использования карт-историй, выявить их сильные и слабые стороны, выделить основные признаки и особенности таких карт. В работе рассматриваются как существующие инструменты создания карт-историй с помощью веб-сервисов, так и возможности разработки таких карт самостоятельно с использованием открытого программного обеспечения. Приведен сравнительный анализ функциональных возможностей веб-сервисов ArcGIS StoryMaps и Knightlab StoryMap JS по созданию карт-историй. Также проанализированы веб-инструменты по созданию временных шкал – Knightlab Timeline JS и Tiki Toki.
Salvia submutica является одним из угрожаемых реликтовых видов шалфея Центральной Азии, локальным эндемиком Памиро-Алая. Несмотря на недавние новые находки этого вида, его ареал ограничен горным хребтом Нуратау. Популяции S. submutica находятся под воздействием неблагоприятных климатических факторов, их состояние может ухудшиться в условиях изменений климата. Цель настоящей работы – дать экологическую оценку ареала S. submutica, установить локалитеты с наилучшей комбинацией климатических показателей для выживания вида в условиях климатических изменений. Исследование представляет собой многолетний ряд мониторинговых наблюдений: они были начатыв 1990 г. и продолжаются до настоящего времени, то есть более 30 лет. Мы провели пространственный мониторинг экологической ситуации в 38 климатических и 30 геопространственных ячейках прогнозной модели по результатам моделирования ареала S. submutica. Модель сгенерирована в компьютерной программе MaxEnt с учетом 67 климатических переменных. Установлен мозаичный характер распространения малоблагоприятных, амбивалентных и умеренно благоприятных условий обитания в границах полного ареала данного вида. Впервые для оценки пространственных закономерностей распределения локаций с разными уровнями благоприятности экологической ситуации предложено разбиение массива значений на квартили. Установлено, что более 80 % локальных популяций данного эндемичного вида, произрастающих на участках с наиболее благоприятными условиями обитания, охраняются на территории Нуратинского природного заповедника. С учетом длительности периода наблюдений (33 года) можно считать, что выявлен основной ареал вида и обследованы наиболее крупные популяции растений. Самая крупная популяция включает менее 250 растений генеративного возраста, что, согласно критерию ограничения численности C, определяет статус изученного таксона как Endangered (EN) – находящийся под угрозой исчезновения, согласно критериям Красного списка МСОП, версия 3.1.