
Artikelbeschreibung
La monographie présente les résultats d'une étude complète axée sur l'application des technologies numériques pour l'évaluation des risques d'avalanche dans la région du Kazakhstan oriental. Elle intègre la télédétection par satellite, les levés LiDAR et par drone, des modèles numériques d'élévation à haute résolution, l'analyse géomorphométrique et la modélisation physique du parcours des avalanches. Un modèle prédictif multifactoriel pour la cartographie des risques d'avalanche a été développé sur la plateforme Google Earth Engine, intégrant des seuils météorologiques, des paramètres de terrain, des caractéristiques du manteau neigeux, la couverture végétale et les conditions de vent. L'étude comprend la création de jumeaux numériques 3D des zones de réception des avalanches, l'affinage des zones de danger à l'aide de la modélisation RAMMS et des recommandations pour le placement de capteurs de surveillance. Les conclusions et recommandations peuvent être formulées par le Département des situations d'urgence et ses unités subordonnées. La monographie a une valeur pratique pour les chercheurs et les étudiants impliqués dans l'évaluation des risques naturels et l'analyse géospatiale. La recherche a été menée dans le cadre du PTF BR21882022.
Produktsicherheit
| Hersteller: | SIA OmniScriptum Publishing |
| Anschrift: |
Brivibas gatve 197 LV-1039 Riga |
| Kontakt: | customerservice@vdm-vsg.de |
Personeninformation
Denissova Natalya. Responsable du numérique de l'EKTU D. Serikbayev, candidate en sciences physico-mathématiques, professeure associée, spécialiste en mathématiques appliquées et informatique. Auteure de plus de 60 articles. Domaines de recherche : systèmes d'information experts, intelligence artificielle, vision par ordinateur, reconnaissance de formes, apprentissage automatique.
Mehr von Denissova, Natalya; Petrova, Olga; Daumova, Gulzhan
Mehr zum Thema
Schlagwörter
Bewertungen
Die Bewertungen werden vor ihrer Veröffentlichung nicht auf ihre Echtheit überprüft. Sie können daher auch von Verbrauchern stammen, die die bewerteten Produkte tatsächlich gar nicht erworben/genutzt haben.