?
Landscape patterns of shrubification in the Siberian Low Arctic: A machine learning perspective
Journal of Ecology. 2025. Vol. 113. No. 10. P. 2813–2831.
Ключевые слова: Siberialandscape ecologyConvolutional neural networks (CNN)Machine LearningArctic tundraalder
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Гаева Д. В., Barinova G. M., Romanchuk A. Y., Theoretical and Applied Climatology 2026 Vol. 157 Article 302
Добавлено: 13 мая 2026 г.
Мкртчян Н. В., Известия РАН. Серия географическая 2026 Т. 90 № 1 С. 231–245
Цель исследования — оценить обеспеченность всех населенных пунктов четырех регионов
Ближнего Севера России (Вологодской, Костромской, Кировской и Ярославской областей)
учреждениями социальной инфраструктуры и проанализировать, связан ли миграционный
баланс населенных пунктов с разной обеспеченностью этими учреждениями. Исследование
выполнено на основе собранных из открытых источников данных по наличию во всех населенных пунктах учреждений образования и здравоохранения по состоянию на середину 2024 ...
Добавлено: 13 мая 2026 г.
Зайцев А. И., Пелиновский Е. Н., Костенко И. С. и др., Морской гидрофизический журнал 2026 Т. 42 № 2 С. 263–274
Цель. На основе результатов натурных обследований и численного моделирования проанализированы параметры Камчатского цунами, вызванного землетрясением 29 (30) июля 2025 г. у п-ова Камчатка, и его проявления на северном побережье о. Шумшу (Северные Курилы). Методы и результаты. На основе результатов полевых обследований следов цунами в северной части о. Шумшу определены границы максимального проникновения волн цунами вглубь ...
Добавлено: 4 мая 2026 г.
Добавлено: 3 мая 2026 г.
Русаков Д. С., Елютин М. С., Синицын Н. А. и др., Известия РАН. Серия географическая 2024 Т. 88 № 2 С. 214–230
Для сетевого анализа лесной отрасли России использованы данные единой государственной
автоматизированной информационной системы учета древесины по торговле лесо- и пиломатериалами между отдельными предприятиями за 2020 г. Цель исследования – выделить и охарактеризовать кластеры лесной промышленности России. Разработана методика кластеризации графа,
состоящая из двух шагов: сначала выполняется кластеризация алгоритмом Лейдена, затем каждый
лейденский кластер кластеризируется еще раз с помощью ...
Добавлено: 2 мая 2026 г.
М.: ООО «Геомодель Развитие», 2024.
Интелшектуальный анализ данных в нефтегазовой отрасли, Калининград, Россия, 2024, ООО «Геомодель Развитие» ...
Добавлено: 29 апреля 2026 г.
Добавлено: 28 апреля 2026 г.
Добавлено: 24 апреля 2026 г.
Кивалов С. Н., Fitzjarrald D., Boundary-Layer Meteorology 2018 Vol. 166 No. 2 P. 165–198
Добавлено: 24 апреля 2026 г.
Кивалов С. Н., Fitzjarrald D., Boundary-Layer Meteorology 2019 Vol. 173 No. 1 P. 1–52
Добавлено: 24 апреля 2026 г.
Addressing effects of environment on eddy-covariance flux estimates at a temperate sedge-grass marsh
Добавлено: 24 апреля 2026 г.
Добавлено: 24 апреля 2026 г.
Оценка дыхания почвы - одного из основных источников углекислого газа в атмосферу – необходима для корректного определения углеродного баланса в наземных экосистемах. Сравнение пульсационного и камерного методов измерения дыхания почвы, проведенные в березняке постагрогенном в регионе южного Подмосковья, показывает хорошую сопоставимость этих методов с коэффициентом детерминации R2=0.75 (p-value=7.546e-12). С учетом высокой пространственной и временной неоднородности ...
Добавлено: 24 апреля 2026 г.
Добавлено: 24 апреля 2026 г.
Гулев С. К., Дурманов Н. Д., Ольчев А. В. и др., М.: Научный мир, 2025.
Коллективная монография представляет результаты трехлетних научных исследований, проводимых научными коллективами в рамках реализации пилотного проекта Министерства науки и высшего образования РФ по карбоновым полигонам. Пилотный проект ставит целью организацию системы наблюдений за потоками парниковых газов в природных экосистемах посредством наземных и дистанционных методов измерений, а также развитие и отработку технологических решений контроля эмиссии и поглощения ...
Добавлено: 24 апреля 2026 г.
Enchilik P. R., G.V.Klink, Semenkov I. N., Science of the Total Environment 2025 Vol. 998 Article 180219
Добавлено: 19 апреля 2026 г.
Гаранкина Е. В., Юрченко А. П., Шоркунов И. Г. и др., Геоморфология и палеогеография (ранее - Геоморфология) 2025 Т. 56 № 4 С. 678–700
Позднеплейстоценовая трансформация ландшафтов областей распространения континентального оледенения в пределах европейских равнин, как правило, сводится к направленному расчленению послеледниковой эрозией. Однако на обширных междуречьях в краевой зоне московского оледенения отмечается противоположный тренд к длительному послеледниковому выравниванию как в перигляциальных, так и межледниковых условиях. Локальные седиментационные ловушки, такие как моренные западины, котловины мертвого льда и ложбины стока, выполнявшиеся отложениями на протяжении всего ...
Добавлено: 18 апреля 2026 г.
Куракова А. А., Е.Д. Павлюкевич, Большаков Д. В., Вестник Московского университета. Серия 5: География 2025 Т. 80 № 4 С. 40–48
В последние десятилетия изменение климата и деятельность человека оказывают все большее воздействие на реки, что во многом может провоцировать или усиливать проявление опасных русловых процессов (размывов берегов). Доступность спутниковых снимков с глобальным охватом предоставляет широкие возможности для изучения плановых деформаций русла и их количественной оценки. Это все стало основой для активного развития методов дистанционного зондирования, ...
Добавлено: 3 апреля 2026 г.
Pavlyukevich Ekaterina D., Krylenko I., Motovilov Y. и др., Water Resources 2025 Vol. 52 No. 2 P. S159–S171
Добавлено: 3 апреля 2026 г.
Добавлено: 26 марта 2026 г.
Cham: Springer, 2026.
This book delivers actionable insights through 21 peer-reviewed chapters featuring new methods, models, and applications based on computational intelligence. Discover cutting-edge tools to support smart, efficient decision-making in complex, real-world scenarios. Organized into three parts—prescriptive analytics, soft computing models, and practical case studies—it spans domains such as healthcare, energy, mobility, finance, and public services. Readers ...
Добавлено: 17 марта 2026 г.
Ilin E., Frolov N., Seferyan M. и др., Bioorganic Chemistry 2025 Vol. 167 Article 109175
The ongoing rise of resistant bacterial pathogens poses a significant threat to current antibacterials' effectiveness putting millions of people's lives at risk. However, modern machine learning (ML) tools promise to tip the scales in the never-ending development of antimicrobial agents' pipelines. Herein we present a novel approach for quaternary ammonium compounds (QACs) antibacterial activity prediction ...
Добавлено: 16 марта 2026 г.
Kiselev G., Прохоров А. В., Journal of Mathematical Sciences. Vol. 295, No. 2, December, 2025. Mathematical Modeling and AI for Traffic Flows on Networks and Related Topics 2025 No. 295 P. 185–196
Добавлено: 12 марта 2026 г.