Вестник СГУГиТ, Т. 27, № 3

Детальная_Инф:  Да
Автор1:  М. А. Алтынцев
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Применение технологии наземного лазерного сканирования для создания обмерных чертежей фасадов зданий
Рубрика:  Геодезия и маркшейдерия
Начало_Страница:  5
Конец_Страница:  18
УДК:  [528.721.221.6:621.373.826]+69
DOI:  10.33764/2411-1759-2022-27-3-5-18
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  наземное лазерное сканирование, обмерный чертеж, фасад здания, взаимное ориентирование, тахеометрическая съемка, оценка точности, расходимость лазерного луча
Ключевые слова_EN:  terrestrial laser scanning, dimensional drawing, building facade, relative orientation, tacheometry, accuracy estimation, laser beam divergence
Библиографический список:  1. Захожий К. А. Применение лазерного сканирования при проектировании и строительстве архитектурных фасадов сооружений // Инновационная наука. – 2018. – № 12. – С. 204–207.
2. Кугаевский В. И. Применение наземных лазерных сканеров при фасадных съемках // ГЕОСибирь-2013: сб. материалов VII Междунар. научн. конгресса «ГЕО-Сибирь-2013», 15–26 апр. 2013 г., Новосибирск. – Новосибирск: СГГА, 2013. Т. 3. – С. 82–85.
3. ГОСТ 56905–2016. Проведение обмерных и инженерно-геодезических работ на объектах культурного наследия. Общие требования. Национальный стандарт Российской Федерации. – Введ. 2016-03-29. – М. : Стандартинформ, 2016. – 24 c.
4. Фролов А. Использование 3D наземного лазерного сканирования для съемки фасадов и внутренних помещений здания [Электронный ресурс]. – Режим доступа: https://www.ngce.ru/pg_publications31.html (дата обращения 24.02.2022).
5. Слащева С. Г. Совершенствование методики проведения строительно-технической экспертизы при проведении исследований фасадов // Московский экономический журнал. – 2019. – № 3. – С. 490–501.
6. Faltýnová M., Matoušková E., Šedina J., Pavelka K. Building facade documentation using laser scanning and photogrammetry and data implementation into BIM // International Archives of ISPRS. – 2016. – Vol. XLI-B3. – P. 215–220.
7. Алтынцев М. А., Карпик П. А. Методика создания цифровых трехмерных моделей объектов инфраструктуры нефтегазодобывающих комплексов с применением наземного лазерного сканирования // Вестник СГУГиТ. – 2020. – Т. 25, № 2. – С. 121–139.
8. Алтынцев М. А., Карпик П. А. Создание метрической имитационной модели «цифрового двойника» активным методом дистанционного зондирования Земли// Вестник СГУГиТ. – 2020. – Т. 25, № 4. – С. 58–67.
9. Scharf A. Terrestrial laser scanning for wooden façade-system inspection: master thesis. – Luleå: Luleå University of Technology, 2019. – 60 p.
10. Середович В. А., Алтынцев М. А., Попов Р. А. Особенности применения данных различных видов лазерного сканирования при мониторинге природных и промышленных объектов // Вычислительные технологии. – 2013. – Т. 18.1 – С. 141–144.
11. Karagianni A. Terrestrial laser scanning and satellite data in cultural heritage building documentation // International Archives of ISPRS. – 2021. – Vol. XLVI-M-1-2021. – P. 361–366.
12. Lachat E., Landes T., Grussenmeyer, P. First experiences with the Trimble SX10 scanning total station for building facade survey // International Archives of ISPRS. – 2017. – Vol. XLII-2/W3. – P. 405–412.
13. Алтынцев М. А., Каркокли Хамид Маджид Сабер. Методика автоматизированной фильтрации данных мобильного лазерного сканирования // Вестник СГУГиТ. – 2021. – Т. 26, № 3. – С. 5–19.
14. Алтынцев М. А., Каркокли Хамид Маджид Сабер. Методика автоматизированного уравнивания данных мобильного лазерного сканирования // Вестник СГУГиТ. – 2021. – Т. 26, № 4. – С. 5–23.
15. Методика высокоточной бесконтактной исполнительной съемки навесных фасадных систем с воздушными зазорами при возведении высотных зданий. МДС 11-20.2009 / 000 «Тектоплан». – М. : ОАО «ЦПП», 2010. – 41 с.
16. Leica ScanStation 2 User Manual [Электронный ресурс]. – Режим доступа: http://geomaticsjc.lboro.ac.uk/scanning/ScanStation%202_UserManual_en.pdf (дата обращения 01.02.2022).
17. SPS Zoom300. – [Электронный ресурс]. – Режим доступа: https://geomax-positioning.com/ruru/products/laser-scanners/sps-zoom300 (дата обращения 01.02.2022).
18. Алтынцев М. А., Алтынцева М. А. Применение наземного лазерного сканирования для оценки качества укладки асфальтового покрытия // Интерэкспо ГЕО-Сибирь. XVII Междунар. науч. конгр. : «Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 8 т. Т. 1. (Новосибирск, 19–21 мая 2021 г.). – Новосибирск : СГУГиТ, 2021. – С. 75–84.
19. X-PAD Office Fusion [Электронный ресурс]. – Режим доступа: https://geomax-positioning.com/ruru/products/software/x-pad-suite/x-pad-fusion (дата обращения 01.02.2022).
20. Комиссаров А. В., Алтынцев М. А. Метод активного дистанционного зондирования: лазерное сканирование : монография. – Новосибирск : СГУГиТ, 2020. – 254 с.
21. Климков Ю. М., Хорошев М. В. Лазерная техника : учеб. пособие. – М. : МИИГАиК, 2014. – 143 с.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/5-18.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  П. А. Анашкин
Афиилиация1:  АО «Уралгеоинформ», г. Екатеринбург Российская Федерация
Название статьи:  Цифровые информационные модели как инструмент исследования геопространства
Рубрика:  Геодезия и маркшейдерия
Начало_Страница:  19
Конец_Страница:  29
УДК:  004.925.84
DOI:  10.33764/2411-1759-2022-27-3-19-29
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  BIM, CIM, RIM, TIM, пространственные данные, цифровая информационная модель территории, цифровой двойник, 3D-модель
Ключевые слова_EN:  BIM, CIM, RIM, TIM, spatial data, digital information model of the territory, digital model, digital twin, 3D model
Библиографический список:  1. Карпик А. П. Методологические и технологические основы геоинформационного обеспечения территорий. – Новосибирск : СГГА, 2004. – С. 15–17.
2. Хайдукова Д. М., Лерман Я. В., Анашкин П. А. Возможности применения результатов аэрофотосъемки комплексом Phase One 190MP при создании геоинформационного пространства территорий // Интерэкспо ГЕО-Сибирь XVII Междунар. научн. конгр. : Междунар. научн. конф. «Экономическое развитие Сибири и Дальнего Востока. Экономика природопользования, землеустройство, лесоустройство, управление недвижимостью» : сб. материалов в 8 т. (Новосибирск, 19–21 мая 2021 г.). – Новосибирск : СГУГиТ, 2021. Т. 3, № 2. – С. 221–227.
3. Ахметов А. Р. Технологии информационного моделирования: от BIM к CIM [Электронный ресурс]. – М. : ГАУ «Институт Генплана Москвы» – Режим доступа: https://genplanmos.ru/publication/2018_04_12_tehnologii_informacionnogo_modelirovaniya_ot_bim_k_cim/.
4. Khemlani L. City zenith Smart World for City Information Modeling [Electronic resource]. – Mode of access: https://www.aecbytes.com/review/2017/CityzenithSmartWorld.html.
5. Unsere Lösung für 3D-Stadtmodelle baut auf dem offenen Standard CityGML auf 3D [Electronic resource]. – Mode of access: https://vc.systems/en/solutions/3d-city-models/.
6. Maxwell L. From BIM to CIM: why building and city information modelling are essential to smart cities [Electronic resource]. – Mode of access: https://hub.beesmart.city/en/solutions/from-bim-to-cim-essential-tosmart-cities.
7. Янкелевич С. С., Антонов Е. С. Концепция нового вида карт, основанного на знаниях // Вестник СГУГиТ. – 2019. – Т. 24, № 4. – С. 188–196.
8. Кудаев М. Р., Богус М. Б., Кятова М. К. Развитие вербально-логического мышления обучаемых в процессе формирования когнитивного понимания текста (на материале гуманитарных дисциплин) : монография. – Майкоп : Изд-во АГУ, 2009. – 150 с.
9. BIM-технологии (рынок России). Информационное моделирование зданий и сооружений [Электронный ресурс] : сайт Tadviser. 01.04.2021. – Режим доступа: https://www.tadviser.ru/index.php/ Статья:BIM-технологии_(рынок_России).
10. Об утверждении национального стандарта [Электронный ресурс] : приказ Федерального агентства по техническому регулированию и метрологии от 05.06.2019 № 279-ст. – Доступ из справ.- правовой системы «КонсультантПлюс».
11. Об утверждении национального стандарта [Электронный ресурс] : приказ Федерального агентства по техническому регулированию и метрологии от 05.06.2019 № 281-ст. – Доступ из справ.- правовой системы «КонсультантПлюс».
12. Об отмене стандартов Российской Федерации [Электронный ресурс] : приказ Федерального агентства по техническому регулированию и метрологии от 05.02.2020 № 30. – Доступ из справ.-правовой системы «КонсультантПлюс».
13. Серов А. В. Пространственная информация и ее свойства. Сферы применения моделей данных [Электронный ресурс] // Пространственные данные. – 2009. – № 2. – Режим доступа: http://www.gisa.ru/54694.html.
14. Об утверждении свода правил «Информационное моделирование в строительстве. Правила формирования информационной модели объектов на различных стадиях жизненного цикла» СП 333.1325800-2017 [Электронный ресурс] : приказ Минстроя России от 18.09.2017 № 1227/пр. – Доступ из справ.-правовой системы «КонсультантПлюс».
15. Об утверждении СП 333.1325800-2020 «Информационное моделирование в строительстве. Правила формирования информационной модели объектов на различных стадиях жизненного цикла» [Электронный ресурс] : приказ Минстроя России от 31.12.2020 № 928/пр. – Доступ из справ.-правовой системы «КонсультантПлюс».
16. Об утверждении Правил формирования и ведения классификатора строительной информации [Электронный ресурс] : постановление Правительства РФ от 12.09.2020 № 1416. – Доступ из справ.- правовой системы «КонсультантПлюс».
17. О государственной информационной системе обеспечения градостроительной деятельности Российской Федерации [Электронный ресурс] : постановление Правительства РФ от 28.09.2020 № 1558. – Доступ из справ.-правовой системы «КонсультантПлюс».
18. О концепции создания и развития инфраструктуры пространственных данных Российской Федерации [Электронный ресурс] : распоряжение Правительства Российской Федерации от 21.08.2006 № 1157-р. – Доступ из справ.-правовой системы «КонсультантПлюс».
19. Об утверждении требований к составу, структуре, порядку ведения и использования единой электронной картографической основы федерального, регионального и муниципального значения [Электронный ресурс] : приказ Минэкономразвития России от 24.12.2008 № 467. – Доступ из справ.- правовой системы «КонсультантПлюс».
20. О геодезии, картографии и пространственных данных и о внесении изменений в отдельные законодательные акты Российской Федерации [Электронный ресурс] : Федеральный закон от 30.12.2015 № 431-ФЗ. – Доступ из справ.-правовой системы «КонсультантПлюс».
21. Об установлении требований к сведениям о пространственных данных (пространственным метаданным) [Электронный ресурс] : приказ Минэкономразвития России от 29.03.2017 № 142. – Доступ из справ.-правовой системы «КонсультантПлюс».
22. Об утверждении требований к государственным топографическим картам и государственным топографическим планам, включая требования к составу сведений, отображаемых на них, к условным обозначениям указанных сведений, требования к точности государственных топографических карт и государственных топографических планов, к формату их представления в электронной форме, требований к содержанию топографических карт, в том числе рельефных карт [Электронный ресурс] : приказ Минэкономразвития России от 06.06.2017 № 271 (в ред. от 11.12.2017). – Доступ из справ.- правовой системы «КонсультантПлюс».
23. Анашкин П. А. Организационные и нормативные проблемы функционирования региональной инфраструктуры пространственных данных. // Интерэкспо ГЕО-Сибирь XVII Междунар. научн. конгр.: Междунар. научн. конф. «Экономическое развитие Сибири и Дальнего Востока. Экономика природопользования, землеустройство, лесоустройство, управление недвижимостью» : сб.материалов в 8 т. (Новосибирск, 19–21 мая 2021 г.). – Новосибирск : СГУГиТ, 2021. Т. 3, № 2. – С. 12–21.
24. ПАРБ.00046-03 99 02 Программное изделие геоинформационная система «Карта 2005 версия 12» ГИС «Панорама х64». Форматы и спецификации данных. Векторный формат SXF. Структура данных в двоичном виде». Издание АО Конструкторское бюро «Панорама».
25. Классификаторы [Электронный ресурс] : сайт АО КБ «Панорама». – Режим доступа: https://gisinfo.ru/classifiers/classifiers.htm.
26. Building Information Modeling. Информационное моделирование зданий и сооружений. [Электронный ресурс] : сайт Tadviser. – Режим доступа: https://www.tadviser.ru/index.php/BIM_ Информационное_моделирование_зданий_и_сооружений.
27. Левин Д. Я. Фрактальный BIM. Обзор отраслевых новостей за июнь 2021. – 1 июля, 2021. – [Электронный ресурс] : сайт Isicad. – Режим доступа: http://isicad.ru/ru/articles.php? article_num=21931.
28. NANOCAD. Умное проектирование [Электронный ресурс] : сайт компании Нанософт. – Режим доступа: https://www.nanocad.ru.
29. Renga. Делаем BIM доступным [Электронный ресурс] : сайт компании Renga. – Режим доступа: https://rengabim.com/application.
30. Об утверждении свода правил «Информационное моделирование в строительстве. Правила обмена между информационными моделями объектов и моделями, используемыми в программных комплексах». СП 331.1325800-2017 [Электронный ресурс] : приказ Минстроя России от 18.09.2017 № 1230/пр. – Доступ из справ.-правовой системы «КонсультантПлюс».
31. Нижний Новгород. Применение технологии CIM (City Information Modelling) на объектах хозяйства Российских городов: краткий обзор [Электронный ресурс] : сайт НПК «Интеграл». – Режим доступа: http://integral-russia.ru/2021/05/14.
32. Об утверждении Плана разработки и утверждения сводов правил и актуализации ранее утвержденных строительных норм и правил, сводов правил на 2021 год [Электронный ресурс] : приказ Минстроя России от 01.03.2021 № 99/пр (ред. от 20.05.2021). – Доступ из справ.-правовой системы «КонсультантПлюс».
33. Изменения № 1 к СП 48.13330.2019 «СНИП 12-01-2004 ОРГАНИЗАЦИЯ СТРОИТЕЛЬСТВА» [Электронный ресурс] : проект изменений (подготовлен Минстроем России). – Доступ из справочной системы NORMACS «Система нормативов» https://www.normacs.info/discussions/7520.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/19-29.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  В. А. Авдеев
Афиилиация1:  Научный геоинформационный центр Российской академии наук, г. Москва Российская Федерация
Автор2:  Л. И. Яблонский
Афиилиация2:  Научный геоинформационный центр Российской академии наук, г. Москва Российская Федерация
Название статьи:  Обеспечение геоинформационной связности территории на основе развития инфраструктуры пространственных данных
Рубрика:  Картография и геоинформатика
Начало_Страница:  30
Конец_Страница:  39
УДК:  528.92:004
DOI:  10.33764/2411-1759-2022-27-3-30-39
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  связность, пространственные данные, геоинформационное обеспечение, геоинформационная связность, потребители
Ключевые слова_EN:  connectivity, spatial data, geoinformation support, geoinformation connectivity, consumers
Библиографический список:  1. О Стратегии научно-технологического развития Российской Федерации : указ Президента РФ от 01.12.2016 № 642 // Собр. Законодательства Рос. Федерации. – 2016. – № 49. – ст. 6887.
2. Владимирова В., Панасенко Е. Стратегия связности [Электронный ресурс] // Облако. – 2018. – № 4 (09). – С. 15–19. – Режим доступа: https://mai.ru/cloud/journals/09/pdf/Cloud.pdf.
3. Погосян М. А., Стрелец Д. Ю., Владимирова В. Г. Связанность территории Российской Федерации: от постановки комплексных задач к формированию комплексных научно-технических проектов // Вестник Российской академии наук. – 2019. – Т. 89, № 5. – С. 489–495.
4. Лутовинов А. А., Лупян Е. А., Погосян М. А., Шемяков А. О. Обеспечение информационной связанности территории России с использованием систем дистанционного зондирования Земли // Вестник Российской академии наук. – 2019. – Т. 89, № 5. – С. 502–508.
5. Цифровая экономика Российской Федерации : распоряжение правительства Российской Федерации от 28.07.2017 № 1632-р // Собр. Законодательства Рос. Федерации – 2017. - № 32. – ст. 5138.
6. Блануца В. И. Территориальная структура цифровой экономики России: предварительная делимитация «умных» городских агломераций и регионов // Пространственная экономика. – 2018. – № 2. – С. 17–35. doi: 10.14530/se.2018.2.017-035.
7. Владимиров А. И. Когда война на пороге. III [Электронный ресурс]. – Режим доступа: http://www.segodnia.ru/content/237920 (дата обращения:17.03.2022).
8. О геодезии, картографии и пространственных данных и о внесении изменений в отдельные законодательные акты Российской Федерации : закон РФ от 30.12.2015 № 431 // Собр. Законодательства Рос. Федерации. – 2016. – № 1. – ст. 51.
9. Фонвизин Д. И. Недоросль // Собрание сочинений: в 2 т. – М.-Л. : ГИХЛ, 1959.
10. Об утверждении государственной программы Российской Федерации «Национальная система пространственных данных» : постановление Правительства РФ от 01.12.2021 г. № 2148 // Соб. законодательства Рос. Федерации. – 2021. – № 50. – ст. 8542.
11. О публично-правовой компании «Роскадастр» : закон РФ от 30.12.2021 г. № 448-ФЗ // Собр. Законодательства Рос. Федерации. – 2022. – № 1. – ст. 17.
12. Coordination of Surveying, Mapping, and related Spatial Data Activities: Circular A-16 Revised. – Washington D.C.: OMB, 2002.
13. Бородин А. В., Яблонский Л. И. О государственной политике в отрасли геодезии и картографии // Государственная служба. – 2020. – № 6. – С. 23–27.
14. Концепция создания и развития инфраструктуры пространственных данных Российской Федерации : Распоряжение Правительства Российской Федерации от 21.08.2006 № 1157-р //Соб. законодательства Рос. Федерации. – 2006. – № 35. – ст. 3775.
15. ГОСТ Р 58570–2019. Инфраструктура пространственных данных. Общие требования. Официальное издание. – М. : Стандартинформ, 2019.
16. Яблонский Л. И. Инфраструктура пространственных данных (ИПД): возникновение понятия, современное состояние и основные направления развития // Материалы ХV Общероссийской научнопрактической конференции «Перспективы развития инженерных изысканий в строительстве в Российской Федерации». – М. : ООО «Геомаркетинг», 2019. – С. 519–524.
17. Официальный сайт Геологической службы США (USGS) [Электронный ресурс]. – 2020. – Режим доступа: https://www.usgs.gov (дата обращения: 21.02.2022).
18. Геоинформационный портал ГИС-Ассоциация [Электронный ресурс]. – 2022. – Режим доступа: https://www.gisa.ru/info_see.php?id=1886.
19. Зализнюк А. Н. Создается единое геоинформационное пространство // Красная Звезда. – 08 февр., 2021. – С. 6.
20. Зализнюк А. Н., Гомонов Д. Е., Фисич Б. А. Построение концепции геоинформационного обеспечения операций (боевых действий). // Военная мысль: военно-теоретический журнал. – 2018. – № 10. – С. 39–47.
21. Официальный сайт МО РФ. Топографическая Служба ВС РФ [Электронный ресурс]. – Режим доступа: https://structure.mil.ru/structure/ministry_of_defence/details.htm?id=9715%40egOrganization.
22. Побединский Г. Г. Реформы отечественной картографо-геодезической службы и качество государственных геопространственных данных // Интерэкспо ГЕО-Сибирь. XV Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 9 т. (Новосибирск, 24–26 апреля 2019 г.). – Новосибирск : СГУГиТ, 2019. Т. 1, № 1. – С. 3–17.
23. Карпик А. П., Лисицкий Д. В. Перспективы развития геодезического и картографического производства и новая парадигма геопространственной деятельности // Вестник СГУГиТ. – 2020. – Т. 25, № 2. – С. 19–29.
24. Горобцов С. Р., Обиденко В. И. Геодезические методы для создания единого геоинформационного пространства // Интерэкспо ГЕО-Сибирь. XV Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 9 т. (Новосибирск, 24–26 апреля 2019 г.). – Новосибирск : СГУГиТ, 2019. Т. 1, № 1. – С. 173–183.
25. Копылова Н. С. Интеграционный подход к хранению картографических материалов в российской практике: от аналоговых до цифровых // Вестник СГУГиТ. – 2021. – Т. 26, № 3. – С. 100–107.
26. Черных А. М. Основные направления интеграции федеральных государственных информационных систем и пространственных данных // Правовая информатика. – 2018. – № 2. – С. 47–56.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/30-39.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  Оюунханд Бямба
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Автор2:  Е. Л. Касьянова
Афиилиация2:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Создание модели речной сети для тематической карты с помощью ГИС-технологии
Рубрика:  Картография и геоинформатика
Начало_Страница:  40
Конец_Страница:  49
УДК:  528.94:004.925.8
DOI:  10.33764/2411-1759-2022-27-3-40-49
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  спутниковые снимки, ГИС-технология, цифровая модель рельефа, модель речной сети, тематическая карта, гидрографическая модель поверхности
Ключевые слова_EN:  satellite trade images, GIS technology features, digital relief model, of the river network system model, a thematic map
Библиографический список:  1. Цэнгэл Т., Даваа Г. Гидрология. – Уланбатор, 2010. – 268 с.
2. Министерство природы, окружающей среды и туризма и Офис Монголии Всемирного фонда защиты природы : Отчет о картировании водно-болотных угодий и пойм вдоль рек и озер в Монголии –Уланбатор, 2018. –№ 7. – С. 42–48.
3. Берлянт А. М. Картография : учебник для вузов. – М., 2001. – 112 с.
4. Юмчмаа Г., Эрдэнэсүх С., Даваадорж Д. и др. Землеведение. – Уланбатор, 2019. – 319 с.
5. Аш Е. В. Общие принципы и методика создания карты береговых морфосистем на основе анализа картографических источников информации // Геодезия и картография. – 2014. – № 7. – С. 20–26.
6. Батчулуун Е., Навчаа Т. Surface and Subsurface water of Mongolia. [Электронный ресурс]. - Режим доступа: https://www.researchgate.net/publication/341372522_Mongol_orny_gadargyn_ba_gazar_doorh_us_Surface_and_Subsurface_water_of_Mongolia (дата обращения 24.11.2021).
7. Demarmels S., Spiess E., Schenkel R., Heitzler M., Flitter H. Thematic cartography [Electronic resource]. – Mode of access: http://www.gitta.info.
8. Djokic D. Hydrologic and Hydraulic modeling with ArcGIS – Ersi.com [Electronic resource]. – Mode of access: https://proceedings.esri.com/library/userconf/proc15/tech-workshops/tw_382-228.pdf .
9. Khatami S., Khazaei B. Benefits of GIS application in Hydrological Modeling: a Breaf Summary [Electronic resource]. – Mode of access: https://www.researchgate.net/publication/292263816_Benefits_of_GIS_Application_in_Hydrological_Modeling_A_Brief_Summary.
10. Амарсайхан Д., Ганзориг М., Адъяасүрэн Ц., Саандарь М. Принципы дистанционного зондирования земли и геоинформационной системы. – Уланбатор, 2002. – 30 с.
11. Амарсайхан Д. Современные географические информационные системы и принципы дистанционного зондирования. – Уланбатор, 2019. –262 с.
12. Курс практических занятий для аспирантов «Анализ речных систем с использованием цифровых моделей рельефа». – М. : Институт водных проблем РАН, 2020. – 20 с.
13. Справочные данные ArcGIS Desktop [Электронный ресурс]. – Режим доступа: https://desktop.arcgis.com/ru/arcmap/10.5/tools/spatialanalyst-toolbox/an-overview-of-the-hydrologytools.htm (дата обращения 09.03.2021).
14. Stream order from a DEM [Electronic resource]. – Mode of access: https://www.youtube.com/watch?v=NrBUd_cFXxc&t=64s (дата обращения 23.03.2021).
15. STREAM ORDER Using ArcGIS Strahler Metod – 2019 [Electronic resource]. – Mode of access: https://www.youtube.com/watch?v=Pm1huJYGL-s&t=41s (дата обращения 23.03.2021).
16. Stream order Using ArcGis /2019/. [Electronic resource]. – Mode of access: https://www.youtube.com/watch?v=joz_TTeL-lY&t=9s (дата обращения 4.08.2021).
17. Оюунханд Бямба, Касьянова Е. Л. Использование ДЗЗ и ГИС при создании географических основ для тематических карт // Вестник СГУГиТ. – 2021. – Т. 26, № 5 – С. 119–125.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/40-49.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  М. Р. Вагизов
Афиилиация1:  Санкт-Петербургский государственный лесотехнический университет имени С. М. Кирова, г. Санкт-Петербург, Российская Федерация
Автор2:  А. М. Заяц
Афиилиация2:  Санкт-Петербургский государственный лесотехнический университет имени С. М. Кирова, г. Санкт-Петербург, Российская Федерация
Название статьи:  Концепция инфраструктуры единого геоинформационного центра управления лесным хозяйством (часть 1)
Рубрика:  Картография и геоинформатика
Начало_Страница:  50
Конец_Страница:  61
УДК:  528.94:630
DOI:  10.33764/2411-1759-2022-27-3-50-61
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  распределенные геоинформационные системы, мониторинг лесного хозяйства, системы управления данными, технологии VR/AR, геоинформационный центр, разработка геоинформационных систем, беспроводные сенсорные сети
Ключевые слова_EN:  distributed geoinformation systems, forestry monitoring, data management systems, VR/AR technologies, geoinformationcentre, geoinformation system development, wireless sensor networks
Библиографический список:  1. Вагизов М. Р., Истомин Е. П., Колбина О. Н. и др. Разработка интеллектуальной геоинформационной системы для отрасли лесного хозяйства // Геоинформатика. – 2021. – № 3. – С. 4–13. doi: 10.47148/1609-364X-2021-3-4-13.
2. Заяц А. М., Думов М. И. Web-приложение визуализации данных в системе мониторинга лесных территорий и обнаружения пожаров. Свидетельство о регистрации программы для ЭВМ RU 2017664062, 14.12.2017. Заявка № 2017618944 от 30.08.2017.
3. Bakulin M., Kreyndelin V., Melnik S., Sudovtsev V., Petrov D. Equivalent MIMO Channel Matrix Sparsification for Enhancement of Sensor Capabilities [Electronic resource] // Sensors. – 2022. – Vol. 22. – P. 2041. – Mode of access: https://doi.org/10.3390/s22052041.
4. Заяц A. М., Хабаров С. П. Исследование алгоритма работы распределенной системы мониторинга лесных территорий. // Известия Санкт-Петербургской лесотехнической академии. – 2019. – Вып. 229. – С. 243–254.
5. Vagizov M. R., Istomin E. P., Miheev V. L., Potapov A. P., Yagotinceva N. V. Visual digital forest model based on a Remote Sensing data and forest inventory data // Remote Sensing. – 2021. – Vol. 13, No. 20. – 4092. doi: 10.3390/rs13204092.
6. Миронова Ю. Н. Новые методы виртуального моделирования в геоинформационных технологиях [Электронный ресурс] // Интернет-журнал «Науковедение». – 2016. – Т. 8, № 5. – Режим доступа: http://naukovedenie.ru/PDF/03TVN516.pdf.
7. Истомин Е. П., Михеев В. Л., Петров Я. А., Мартын И. А. Моделирование волновых процессов на замкнутых акваториях мелководных районов // Геоинформатика. – 2021. – № 3. – С. 30–35. doi: 10.47148/1609-364X-2021-3-30-35.
8. Карпик А. П., Аврунев Е. И., Добротворская Н. И. и др. Организация системы геоинформационного мониторинга состояния земельных ресурсов прибрежной зоны Новосибирского водохранилища // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2019. – Т. 330, № 8. – С. 133–145. doi: 10.18799/24131830/2019/8/2219.
9. Елшина Т. Е., Кокорина И. П., Сысоев А. В. Создание и использование 3D-модели горного рельефа для геоинформационного обеспечения туризма // Вестник СГУГиТ. – 2021. – Т. 26, № 5. – С. 108–118. doi: 10.33764/2411-1759-2021-26-5-108-118.
10. Батырова К. С., Пошивайло Я. Г. История дополненной реальности и перспективы ее применения в картографии // Вестник СГУГиТ. – 2021. – Т. 26, № 5. – С. 99–107. doi: 10.33764/2411-1759-2021-26-5-99-107.
11. Бойко Е. С., Карагян А. В. Цифровое моделирование древесно-кустарниковой растительности аккумулятивных берегов по данным воздушного лазерного сканирования // Вестник СГУГиТ. – 2021. – Т. 26, № 2. – С. 103–114. doi: 10.33764/2411-1759-2021-26-2-103-114.
12. Ямашкин С. А., Ямашкин А. А., Занозин В. В., Бармин А. Н. Разработка алгоритма классификации данных дистанционного зондирования Земли с применением методов глубокого машинного обучения для анализа геосистемной модели территории // Геодезия и картография. – 2021. – Т. 82, № 4. – С. 54–64. doi: 10.22389/0016-7126-2021-970-4-54-64.
13. Билан В. И., Григорьев А. Н., Дмитриков Г. Г., Дудин Е. А. Подход к пространственному моделированию сетей и групп объектов на основе процедуры построения взвешенного графа // Геодезия и картография. – 2020. – Т. 81, № 10. – С. 49–58. doi: 10.22389/0016-7126-2020-964-10-49-58.
14. Крыленко В. В., Крыленко М. В., Алейников А. А. Возможности изучения рельефа и динамики береговой линии аккумулятивных форм по данным дистанционного зондирования на примере геосистемы косы Долгая // Вестник СГУГиТ. – 2021. – Т. 26, № 3. – С. 58–70. doi: 10.33764/2411-1759-2021-26-3-58-70.
15. Елшина Т. Е., Утробина Е. С., Сысоев А. В. Визуализация модели горного рельефа для webкарт // Вестник СГУГиТ. – 2020. – Т. 25, № 1. – С. 145–155. doi: 10.33764/2411-1759-2020-25-1-145-155.
16. Mitsevich L., Zhukovskaya N. 3D modeling and GIS analysis for aerodrome forest obstacle monitoring // Paper presented at the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences – ISPRS Archives. – 2021. – Vol. 43(B2-2021). – P. 753–757. doi:10.5194/isprs-archivesXLIII-B2-2021-753-2021.
17. Holopainen M., Vastaranta M., Hyyppä J. (2014). Outlook for the next generation's precision forestry in finland. // Forests. – 2014. – Vol. 5(7). – P. 1682–1694. doi:10.3390/f5071682.
18. Erdenetuya M., Khudulmur S., Erdenetsetseg B., Munkhzul D. (2009). Remote sensing and GIS approaches for mongolian environmental monitoring under NGIC project activities // Paper presented at the 30th Asian Conference on Remote Sensing 2009, ACRS 2009. – 2009. – Vol. 1. – P. 350–355.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/50-61.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  А. Е. Донская
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Автор2:  Л. К. Радченко
Афиилиация2:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Геоинформационное исследование реки Оби в аспекте развития цифровой экономики города Новосибирска
Рубрика:  Картография и геоинформатика
Начало_Страница:  62
Конец_Страница:  73
УДК:  528.94:338(571.14)
DOI:  10.33764/2411-1759-2022-27-3-62-73
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  геоинформационная модель, река, экономика, технологическая схема
Ключевые слова_EN:  geoinformation model, river, economics, flow chart
Библиографический список:  1. Абдрахманова К. О., Вишневский Л. М. Цифровая экономика 2020 : краткий статистический сборник. – М. : НИУ ВШЭ, 2020. – 112 с.
2. Yetik M. K., Berber R. River water quality model verification through a GIS based software // IFAC Proceedings Volumes. – 2009. – Vol. 42 (11). – P. 798–803. doi: 10.3182/20090712-4-TR2008.00130.
3. Jihong Xia J., Nehal L. Development of a GIS-Based Decision Support System for Diagnosis of River System Health and Restoration // Sustainable Water Management and Decision Making under limited Data Availability. – 2014. – Vol. 6(10). – P. 3136–3151. doi: 10.3390/w6103136.
4. Xu X., Zhang Z. Mega-city region sustainability assessment and obstacles identification with GIS–entropy–TOPSIS model: A case in Yangtze River Delta urban agglomeration [Electronic resource] // Journal of Cleaner Production. – 2021. doi: 10.1016/j.jclepro.2021.126147.
5. Менно-Ян Краак, Ферьян Ормелинг. Картография. Визуализация геопространственных данных. – М. : Научный мир, 2005. – С. 324.
6. Крутеева О. В., Ткаченко А. О. Цифровая экономика в Западной Сибири: перспективы и особенности регулирования [Электронный ресурс]. – 2019. – С. 111–115. – Режим доступа: https://www.elibrary.ru/item.asp?
7. Жмодик Р. Первая на Оби. 55 лет Новосибирской ГЭС : учебник. – Новосибирск : АНО Масс-Медиа-Центр, 2012. – 200 с.
8. Русина А. Г., Дургарян Г. Ж. Вопросы повышения эффективности режимов работы Новосибирской ГЭС водохранилища [Электронный ресурс]. – 2017. – С 18–27. – Режим доступа: https://www.elibrary.ru/item.asp?id=28845983 (дата обращения 13.02.2022).
9. Жендарева Е. С. Оценка эффективности добычи и доставки нерудных строительных материалов в Новосибирском речном порту [Электронный ресурс]. – 2015. – С. 46–49. – Режим доступа: https://www.elibrary.ru/item.asp?id=25124773 (дата обращения 18.02.2022).
10. Фадеенко Н. В. Анализ состояния и перспектив развития земельных ресурсов прибрежной территории Новосибирского водохранилища [Электронный ресурс]. – 2011. – С. 115–119. – Режим доступа: https://www.elibrary.ru/item.asp?id=17933710 (дата обращения 16.12.2021).
11. Мой Новосибирск [Электронный ресурс] // Муниципальный портал города Новосибирска. – Режим доступа: https://map.novo-sibirsk.ru/portal/catalog (дата обращения 10.02.2022).
12. Инвестиционная карта Новосибирской области [Электронный ресурс] // Портал ГИСприложений Новосибирской области. – Режим доступа: https://maps.nso.ru/CoGIS/Investment (дата обращения 10.01.2022).
13. Ананьев Ю. С. Геоинформационные системы : учеб. пособие. – Томск : ТПГ, 2003. – 70 с.
14. Гостюхина Д. В. Современное тематическое картографирование // Всероссийская научно-практическая конференция «Современные проблемы естествознания», : сборник научных статей студентов, магистрантов и аспирантов географического факультета (Уфа, 14 нояб. 2017 г.). – Уфа : БГУ, 2017. – С. 95–97.
15. Павлюк Я. В., Алейников А. С. Особенности геоинформационного моделирования туристко-рекреационного потенциала [Электронный ресурс]. – 2019. – С 36–45. – Режим доступа: https://www.elibrary.ru/item.asp? id=38569334 (дата обращения 14.01.2022).
16. Коптев А. В. К разработке структуры базы данных ГИС лесного покрова Среднего Приангарья [Электронный ресурс]. – 2013. – С. 136–140. – Режим доступа: https://elibrary.ru/item.asp?id=19410585 37325132 (дата обращения 25.02.2022).
17. Лурье И. К. Геоинформационное картографирование. Методы геоинформатики и цифровой обработки космических снимков : учебник. – М. : МГУ им. М. В. Ломоносова, 2008. – 428 с.
18. Поддержка инновации. [Электронный ресурс] // Правительство Новосибирской области. – Режим доступа: https://www.nso.ru/page/2534/ (дата обращения 10.01.2022).
19. Стратегия социально-экономического развития Новосибирской области [Электронный ресурс] // Правительство Новосибирской области. – Режим доступа: https://www.nso.ru/page/2412 (дата обращения 27.12.2021).
20. Генеральный план Новосибирска [Электронный ресурс] // Официальный сайт города Новосибирска. – Режим доступа: https://novo-sibirsk.ru/dep/construction/plan/ (дата обращения 10.01.2022).
21. Капралов Е. Г., Кошкарев А. В., Тикунов В. С. Геоинформатика : учебник для вузов. – М. : ИЦ Академия, 2005. – 480 с.
22. Тесленок К. С. Создание геоинформационного проекта и его использование в целях развития хозяйственных систем : монография. – Воронеж : Научная книга, 2015. – 138 с.
23. Анохина Л. В. Роль цифровизации экономики в модернизации промышленных предприятий: статья в журнале. – Калуга : Калужский филиал РАНХиГС, 2018. – 11 с.
24. Евдокимова Н. М. Теория геоинформационного картографирования городов [Электронный ресурс]. – 2006. – С. 227–229. – Режим доступа: https://www.elibrary.ru/item.asp?id=18203767 (дата обращения 24.01.2022).
Ссылка:  /upload/vestnik/sborniki/2022/27_3/62-73.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  А. А. Колесников
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Анализ методов и средств искусственного интеллекта для анализа и интерпретации данных активного дистанционного зондирования
Рубрика:  Картография и геоинформатика
Начало_Страница:  74
Конец_Страница:  94
УДК:  004.8:528.8
DOI:  10.33764/2411-1759-2022-27-3-74-94
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  искусственный интеллект, активное дистанционное зондирование, обработка данных, машинное обучение, облака точек
Ключевые слова_EN:  artificial intelligence, active remote sensing, data processing, machine learning, point clouds
Библиографический список:  1. Zhu X. X., Tuia D., Mou L., Xia G. S., Zhang L., Xu F., Fraundorfer F. Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources // IEEE Geoscience and Remote Sensing Magazine. – 2017. – P. 8–36.
2. Engelmann F., Kontogianni T., Schult J., Leibe B. Know what your neighbors do: 3D semantic segmentation of point clouds // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). – 2019. – Vol. 11131 LNCS. – P. 395–409.
3. Yu L., Li X., Fu C. W., Cohen-Or D., Heng P. A. PU-Net: Point Cloud Upsampling Network // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2018. – P. 2790–2799.
4. Dudgeon D. E., Lacoss R. T., Moreira A. An overview of automatic target recognition // The Lincoln Laboratory Journal. – 1993. – Vol. 6. – P. 3–10.
5. Chen S., Wang H. SAR target recognition based on deep learning // International Conference on Data Science and Advanced Analytics. – 2014. – P. 541–547
6. Keydel E. R., Lee S. W., Moore J. T. MSTAR extended operating conditions: a tutorial // SPIE 2757, Algorithms for Synthetic Aperture Radar Imagery III. – 1996.
7. Chen S., Wang H., Xu F., Jin Y. Q. Target classification using the deep convolutionalnetworks for SAR images // IEEE Transactions on Geoscience and Remote Sensing. – Vol. 54, No. 8. – 2016. – P. 4806–4817.
8. Morgan D. Deep convolutional neural networks for ATR from SAR imagery // SPIE 9475, Algorithms for Synthetic Aperture Radar Imagery XXII. – 2015.
9. Ding J., Chen B., Liu H., Huang M. Convolutional neural network with dataaugmentation for SAR target recognition // IEEE Geoscience and Remote Sensing Letters. – Vol. 13, No. 3. – 2016. – P. 364–368.
10. Du K., Deng Y., Wang R., Zhao T., Li N. SAR ATR based on displacement- and rotation-insensitive CNN // Remote Sensing Letters. – 2016. – Vol. 7, No. 9. – P. 895–904.
11. Wilmanski M., Kreucher C., Lauer J. Modern approaches in deep learning for SAR ATR // SPIE 9843, Algorithms for Synthetic Aperture Radar Imagery XXIII. – 2016.
12. Cui Z., Cao Z., Yang J., Ren H. Hierarchical recognition system for target recognitionfrom sparse representations // Mathematical Problems in Engineering. – 2016. – Vol. 2015, No. 527095.
13. Wagner S. A. SAR ATR by a combination of convolutional neural network and supportvector machines // IEEE Transactions on Geoscience and Remote Sensing. – Vol. 52, No. 6. – 2016. – P. 2861–2872.
14. Bentes C., Frost A., Velotto D., Tings B. Ship-iceberg discrimination with con-volutional neural networks in high resolution SAR images // European Conference onSynthetic Aperture Radar (EUSAR). – 2016.
15. Schwegmann C., Kleynhans W., Salmon B., Mdakane L., Meyer R. Very deep learn-ing for ship discrimination in Synthetic Aperture Radar imagery // IEEE InternationalGeoscience and Remote Sensing Symposium (IGARSS). – 2016.
16. Ødegaard N., Knapskog A.O., Cochin C., Louvigne J.C. Classification of ships using real and simulated data in a convolutional neural network // IEEE RadarConference (RadarConf). – 2016.
17. Song Q., Xu F., Jin Y.Q. Deep SAR image generative neural network and auto-construction of target feature space // IEEE International Geoscience and RemoteSensing Symposium (IGARSS). – 2017.
18. Jin Y. Q., Xu F. Polarimetric scattering and SAR information retrieval // Wiley-IEEE. –2013.
19. Xu F., Jin Y.Q., Moreira A. A preliminary study on SAR advanced information retrieval and scene reconstruction // IEEE Geoscience and Remote Sensing Letters. – 2016. – Vol. 13, No. 10. – P. 1443–1447.
20. Hie H., Wang S., Lie K., Lin S., Hou B. Multilayer feature learning for polarimetricsynthetic radar data classification // IEEE International Geoscience and Remote SensingSymposium (IGARSS). – 2014.
21. Geng J., Fan J., Wang H., Ma X., Li B., Chen F. High-resolution SAR image classification via deep convolutional autoencoders // IEEE Geoscience and Remote Sensing Letters. – 2015. – Vol. 12, No. 11. – P. 2351–2355.
22. Geng J., Wang H., Fan J., Ma X. Deep supervised and contractive neural networkfor SAR image classification // IEEE Transactions on Geoscience and Remote Sensing. – 2017. – Vol. 55, No. 4. – P. 2442–2459.
23. Lv Q., Dou Y., Niu X., Xu J., Xu J., Xia F. Urban land use and land cover classification using remotely sensed SAR data through deep belief networks // Journal of Sensors. – 2015. – Vol. 2015, No. 538063.
24. Hou B., Kou H., Jiao L. Classification of polarimetric SAR images using multi-layer autoencoders and superpixels // IEEE Journal of Selected Topics in Applied EarthObservations and Remote Sensing. – 2016. – Vol. 9, No. 7. – P. 3072–3081.
25. Zhang L., Ma W., Zhang D. Stacked sparse autoencoder in PolSAR data classification using local spatial information // IEEE Geoscience and Remote Sensing Letters. – 2016. – Vol. 13, No. 9. – P. 1359–1363.
26. Qin F., Guo J., Sun W. Object-oriented ensemble classification for polarimetric SARimagery using restricted Boltzmann machines // Remote Sensing Letters. – 2017. – Vol. 8, No. 3. – P. 204–213.
27. Zhao Z., Jiao L., Zhao J., Gu J., Zhao J. Discriminant deep belief network for high-resolution SAR image classification // Pattern Recognition. – Vol. 61. – 2017. – P. 686–701.
28. Zhang L., Lu D., Moon W. M. PolSAR Image Classification based on QCEA-optimized BP Neural Network // CGU - CSSS. – 2014.
29. Adam A., Grammatikopoulos L., Karras E., Protopapadakis E., Karantzalos K. A semantic 3D point cloud segmentation approach based on optimal view selection for // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 6th International Workshop LowCost 3D – Sensors, Algorithms, Applications. Strasbourg. – 2019. – Vol. XLII-2/W17.
30. Riemenschneider H., Bdis-Szomor A., Weissenberg J., Gool L. Learning where to classify in multi-view semantic segmentation // In Proceedings European Conference on Computer Vision. – 2014.
31. Shao Z., Zhang L., Wang L. Stacked Sparse Autoencoder Modeling Using the Synergy of Airborne LiDAR and Satellite Optical and SAR Data to Map Forest Above-Ground Biomass // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. – 2017. – Vol. 10, No. 12. – P. 5569–5582.
32. Qi C. R., Su H., Mo K., Guibas L. J. PointNet: Deep learning on point sets for 3D classification and segmentation // Proceedings - 30th IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2017. – 2017. – P. 77–85.
33. Li J., Chen B. M., Lee G. SO-Net: Self-Organizing Network for Point Cloud Analysis // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2018. – P. 9397–9406.
34. Weiss U., Biber P., Laible S., Bohlmann K., Zell A. Plant species classification using a 3D LIDAR sensor and machine learning // 9th International Conference on Machine Learning and Applications, ICMLA 2010. – 2010. – P. 339–345.
35. Yao X., Guo J., Hu J., Cao Q. Using deep learning in semantic classification for point cloud data // IEEE Access. – 2019.
36. Briechle S., Krzystek P., Vosselman G. Semantic labeling of als point clouds for tree species mapping using the deep neural network pointnet++ // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences – ISPRS Archives 42(2/W13). – 2019. – Vol. 42(2/W13). – P. 951–955.
37. Qi C. R., Yi L., Su H., Guibas L. J. PointNet++: Deep hierarchical feature learning onpoint sets in a metric space // Proceedings Advances in Neural Information Processing Systems. – 2017.
38. Landrieu L., Simonovsky M. Large-scale Point Cloud Semantic Segmentation with Superpoint Graphs // 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. – Salt Lake City. – 2018.
39. Yang M., Förstner W. Plane Detection in Point Cloud Data // Proceedings of the 2nd International Conference on Machine Control Guidance. Bonn. – 2010. – Vol. 1. – P. 95–104.
40. Li C., Zaheer M., Zhang Y., Poczos B., Salakhutdinov R. R. Point cloud GAN // Deep Generative Models for Highly Structured Data, DGS@ICLR 2019 Workshop. – 2019.
41. Marulanda F. G., Libin P., Verstraeten T., Nowé A. IPC-Net: 3D point-cloud segmentation using deep inter-point convolutional layers // International Conference on Tools with Artificial Intelligence, ICTAI. – 2018. – P. 293–301.
42. Uy M. A., Lee G. PointNetVLAD: Deep Point Cloud Based Retrieval for Large-Scale Place Recognition // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2018. – P. 4470-4479.
43. Zhou Y., Tuzel O. VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2018. – P. 4490-4499.
44. Yi L., Zhao W., Wang H., Sung M., Guibas L. J. GSPN: Generative shape proposal network for 3D instance segmentation in point cloud // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2019. – P. 3942–3951.
45. Yang Y., Feng C., Shen Y., Tian D. FoldingNet: Point Cloud Auto-Encoder via Deep Grid Deformation // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2018. – P. 206215.
46. Yotsumata T., Sakamoto M., Satoh T. Quality improvement for airborne lidar data filtering based on deep learning method // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2020. – Vol. XLIII-B2-2020. – P. 355–360.
47. Gülch E., Obrock L. S. Automated semantic modelling of building interiors from images and derived point clouds based on deep learning methods // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2020. – Vol. XLIII-B2-2020. – P. 421–426.
48. Tchapmi L. P., Choy C. B., Armeni I., Gwak J. Y., Savarese S. Segcloud: Semantic segmentationof 3d point clouds // International Conference on 3D Vision(3DV). – 2017.
49. Dai A., Chang A. X., Savva M., Halber M., Funkhouser T., Niener M. Scannet: Richly annotated 3D reconstructions of indoor scenes // Proceedings Computer Vision and Pattern Recognition (CVPR). – 2017.
50. Riegler G., Ulusoy A.O., Geiger A. Oct-net: Learning deep 3d representations at high resolutions // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. – 2017.
51. Su H., Jampani V., Sun D., Maji S., Kalogerakis E., Yang M., Kautz J. SPLATNet: Sparse Lattice Networks for Point Cloud Processing // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2018. – P. 2530–2539.
52. Graham B. Sparse 3d convolutional neural networks // British Machine Vision Conference. – 2015.
53. Adams A., Baek J., Davis M.A. Fast high-dimensional filtering using the permutohedral lattice // Proceedings Computer Graphics Forum. – 2010. – Vol. 28. – P. 753–762.
54. Hermosilla P., Ritschel T., Vazquez P.P., Vinacua A., Ropinski T. Monte-Carlo convolution for learning on non-uniformly sampled point clouds // ACM Transactions on Graphics (Proceedings of SIGGRAPH Asia 2018). – 2018.
55. Li Y., Rui B., Mungchao S., Wei W., Xinhan D., Baoquan C. PointCNN: Convolution On X-Transformed Points // NeurIPS 2018. – 2018.
56. Pan H., Liu S., Liu Y., Tong X. Convolutional neural networks on 3D surfaces using parallel frames. – 2018. – arxiv preprint arXiv: 1808.04952.
57. Tatarchenko M., Park J., Koltun V., Zhou Q. Tangent convolutions for dense predictionin 3D // CVPR. – 2018.
58. Gall Y. L., Thomas H., Goulette F., Deschaud J., Marcotegui B. Semantic Classification of 3D Point Clouds with Multiscale Spherical Neighborhoods // 2018 International Conference on 3D Vision (3DV). Verone. – 2018.
59. Choy C. B., Xu D., Gwak J., Chen K., Savarese S. 3D-r2n2: A unified approach for single and multiview 3D object reconstruction // Proceedings of the European Conference on Computer Vision (ECCV). – 2016.
60. Zeng A., Song S., Niener M., Fisher M., Xiao J., Funkhouser T. 3Dmatch: Learning the matching of local 3D geometry in range scans // CVPR. – 2017.
61. Zhao Y., Li X., Huang H., Zhang W., Zhao S., Makkie M., Zhang M., Li Q., Liu T. 4D Modeling of fMRI Data via Spatio-Temporal Convolutional Neural Networks (ST-CNN) // IEEE Transactions on Cognitive and Developmental Systems. – 2019.
62. Choy C., Gwak J., Savarese S. 4D Spatio-Temporal ConvNet: Minkowski Convolutional Neural Network // IEEE Conference on Computer Vision and Pattern Recognition (CVPR). – 2019.
63. Абросимов М. А., Бровко А. В. Метод нормализации облака точек, подлежащего обработке с помощью искусственной нейронной сети // Информационно-коммуникационные технологии в науке, производстве и образовании ICIT-2017. – Воронеж, 2017. – С. 262–268.
64. Бабаев А. М. Нейросетевые технологии распознавания трехмерных объектов // Международный журнал гуманитарных и естественных наук. – 2019. – Т. 39, No. 12-2. – C. 74–76.
65. Каздорф С. Я., Першина Ж. С. Алгоритм семантической сегментации трехмерных сцен // Cloud of Science. – 2019. – Vol. 6, No. 3. – P. 451–461.
66. Aoki Y., Goforth H., Srivatsan R. A., Lucey S. Pointnetlk: Robust & efficient point cloud registration using pointnet // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2019. – P. 7156–7165.
67. Zaganidis A., Sun L., Duckett T., Cielniak G. Integrating Deep Semantic Segmentation into 3-D Point Cloud Registration // IEEE Robotics and Automation Letters. – 2018. – Vol. 3, No. 4. – P. 2942–2949.
68. Neidhart H., Sester M. Identifying building types and building clusters using 3D-laser scanning and GIS-data // Machine Learning. – 2003.
69. Zhang B., Huang S., Shen W., Wei Z. Explaining the PointNet: What Has Been Learned Inside the PointNet? // IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). – 2019. – P. 71–74.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/74-94.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  А. А. Колесников
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Возможности NOSQL СУБД для обработки пространственных данных
Рубрика:  Картография и геоинформатика
Начало_Страница:  95
Конец_Страница:  106
УДК:  004.6:528.9
DOI:  10.33764/2411-1759-2022-27-3-95-106
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  СУБД, пространственные данные, методы обработки, пространственный анализ, искусственный интеллект, машинное обучение
Ключевые слова_EN:  DBMS, spatial data, processing methods, spatial analysis, artificial intelligence, machine learning
Библиографический список:  1. Тимофеева Н. Е., Дмитриева К. А. Сравнительный анализ реляционной и нереляционной модели хранения служебной информации централизованной распределенной базы данных // Вестник Российского нового университета. Серия: сложные системы, модели, анализ и управление. – 2019. – Т. 1. – C. 66–74.
2. Ali W., Shafique M. U., Majeed M. A., Raza A. Comparison between SQL and NoSQL Databases and Their Relationship with Big Data Analytics // Asian Journal of Research in Computer Science. –2019. – Vol. 4(2). – P. 1–10. doi: 10.9734/ajrcos/2019/v4i230108.
3. Reniers V., Rafique A., Van Landuyt D. Object-NoSQL Database Mappers: a benchmark study on the performance overhead // Journal of Internet Services and Applications – 2017. – Vol. 8. – 1. doi: 10.1186/s13174-016-0052-x.
4. Győrödi C. A., Dumşe-Burescu D. V., Zmaranda D. R., Győrödi R. Ş., Gabor G. A., Pecherle G. D. Performance Analysis of NoSQL and Relational Databases with CouchDB and MySQL for Application’s Data Storage // Applied Sciences. – 2020. – Vol. 10 (23). – P. 8524. doi: 10.3390/app10238524.
5. Shmueli G. Research Dilemmas with Behavioral Big Data // Big Data. –2017. – Vol. 5(2). – P. 98–119. doi: 10.1089/big.2016.0043.
6. Королева Ю. А., Маслова В. О., Козлова В. К. Разработка концепции миграции данных между реляционными и нереляционными системами БД // Программные продукты и системы. – 2019. – Т. 1. – C. 63–67.
7. Hasan M. Performances analysis of NoSQL and relational databases for analyzing GeoJSON spatial data // Перспективы науки. –2019. – Т. 7. – C. 40–42.
8. Mabele B. C. P. Fundamentals of the geographic information database of the specially protected natural areas of the Republic of Congo // Изв. вузов. Геодезия и аэрофотосъемка. – 2020. – Т. 64 (5). – С. 596–607.
9. Preuveneers D., Joosen W. Automated Configuration of NoSQL Performance and Scalability Tactics for Data-Intensive Applications // Informatics. – 2020. – Vol. 7(3). – P. 29. doi: 10.3390/informatics7030029.
10. Kabakus A. T., Kara R. A performance evaluation of in-memory databases // Journal of King Saud University – Computer and Information Sciences. – 2017. – Vol. 29 (4). – P. 520–525. doi: 10.1016/j.jksuci.2016.06.007.
11. Laksmita N., Apriliyanto E., Pandu I., Rini K. Comparison of NoSQL Database Performance with SQL Server Database on Online Airplane Ticket Booking // Indonesian Journal of Applied Informatics. – 2020. – Vol. 4(2). – P. 64–75. doi: 10.20961/ijai.v4i2.38956.
12. Wisal K., Ejaz A., Waseem S. Predictive Performance Comparison Analysis of Relational & NoSQL Graph Databases // International Journal of Advanced Computer Science and Applications(IJACSA). – 2017. – Vol. 8(5). doi: 10.14569/IJACSA.2017.080564.
13. Guo D., Onstein E. State-of-the-Art Geospatial Information Processing in NoSQL Databases // ISPRS International Journal of Geo-Information. – 2020. – Vol. 9(5). – P. 331. doi: 10.3390/ijgi9050331.
14. Бёрнс Б. Designing Distributed Systems: Patterns and Paradigms for Scalable, Reliable services / Б. Бёрнс. – O’Reilly Media, 2018. – 166 с.
15. Holubová I., Scherzinger S. Unlocking the potential of NextGen multi-model databases for semantic big data projects // In Proceedings of the International Workshop on Semantic Big Data (SBD '19). – 2019. – Vol. 6. – P. 1–6. doi: 10.1145/3323878.3325807.
16. Divya C., Bansal K. L. Using the Advantages of NOSQL: A Case Study on MongoDB // International Journal on Recent and Innovation Trends in Computing and Communication. – 2017. – 5.2. – P. 90–93.
17. Webber J. A programmatic introduction to neo4j // Proceedings of the 3rd annual conference on Systems, programming, and applications: software for humanity. – 2012. – С. 217–218.
18. Dominguez-Sal D., Urbon-Bayes P., Gimenez-Vano A., Gomez-Villamor S., Martınez-Bazan N., Larriba-Pey J.L. Survey of graph database performance on the HPC scalable graph analysis benchmark // Proceedings of the 2010 International Conference on Web-age Information Management (WAIM'10). Berlin, Heidelberg, Springer-Verlag, 2010. – P. 37–48.
19. Yamaguchi S., Morimitsu Y. Improving Dynamic Scaling Performance of Cassandra // IEICE Transactions on Information and Systems. – 2017. – Vol.E100.D(4). – P. 682–692. doi: 10.1587/transinf.2016DAP0009.
20. Беладинович С. Новый подход к проектированию гибридных баз данных SQL. NoSQL на основе данных. Структурированность // Информационные системы предприятия. – 2018. – С. 1–19.
21. Demidova L., Nikulchev E., Sokolova Yu. Big data classification using the SVM classifiers with the modified particle swarm optimization and the SVM ensembles // International journal of advanced computer science and applications. – 2016. – Vol. 7(5). – P. 294–312.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/95-106.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  А. О. Лебзак
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Разработка методических аспектов картографирования геопространственных знаний об объектах культурного наследия для пространственного развития территорий
Рубрика:  Картография и геоинформатика
Начало_Страница:  107
Конец_Страница:  122
УДК:  528.94
DOI:  10.33764/2411-1759-2022-27-3-107-122
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  геопространственные знания, тематическая картография, культурное наследие, картографирование объектов культурного наследия
Ключевые слова_EN:  geospatial knowledge, thematic cartography, cultural heritage, mapping of cultural heritage objects
Библиографический список:  1. Карпик А. П., Лисицкий Д. В., Осипов А. Г., Савиных В. Н. Геоинформационно-когнитивная репрезентация территориальных ресурсов // Вестник СГУГиТ. – 2020. – Т. 25, № 4. – С. 120–129.
2. Янкелевич С. С., Антонов Е. С. Концепция нового вида карт, основанного на знаниях // Вестник СГУГиТ. – 2019. – Т. 24, № 4. – С. 188–196.
3. Антонов Е. С. Геокогнитивные карты и технологии – новый этап в картографии // Вестник СГУГиТ. – 2020. – Т. 25, № 2. – С. 140–150.
4. Антонов Е. С., ЛисицкийД. В., ЯнкелевичС. С. Теоретико-методологическое представление прямого перехода от геоинформации к геознаниям // Вестник СГУГиТ. – 2021. – Т. 26, № 2. – С. 82–90.
5. Лебзак А. О., Янкелевич С. С. Современные направления развития картографирования объектов культурного наследия // Вестник СГУГиТ. – 2021. – Т. 26, № 6. – С. 78–85.
6. Слабуха А. В. Установление историко-культурной ценности объектов архитектурного наследия (часть 2): критерии и метод в современной экспертной практике // Человек и культура. – 2016. – № 6. – С. 9–22.
7. Курашов Ю. Ю. Критерии оценки объектов культурного наследия: культурно-исторический аспект и правовое решение // Академический вестник УралНИИпроект РААСН. – 2017. – № 4. – С. 40–44.
8. Бердюгина Ю. М., Курашов Ю. Ю. Разработка критериев статуса объекта культурного наследия // Академический вестник УралНИИпроект РААСН. – 2016. – № 3. – С. 36–43.
9. Саати Т. Принятие решений. Метод анализа иерархий. – М. : Радио и связь, 1993. – 278 с.
10. Марголин Е. Методика обработки данных экспертного опроса // Полиграфия. – 2006. – № 5. – С. 14–16.
11. Постников В. М. Анализ подходов к формированию состава экспертной группы, ориентированной на подготовку и принятие решений // Наука и образование. – 2012. – № 5. – С. 333–346.
12. Зерный Ю. В. Полываный А. Г., Якушин А. А. Управление качеством в приборостроении : учеб. пособие. – М. : Новый центр, 2011. – 479 с.
13. Жуков Б. М. Исследование систем управления : учеб. пособие. – М. : Дашков и К, 2011. – 208 с.
14. Шабаева Ю. И. Групповая экспертная оценка значимости факторов на основе использования метода парного сравнения [Электронный ресурс] // Инженерный Вестник Дона. – 2014. – № 4 – Режим доступа: https://ivdon.ru/ru/magazine/archive/n4y2014/2691.
15. Тихомирова А.Н., Сидоренко Е.В., Саати Т. Модификация метода анализа иерархий для расчета весов критериев при оценке инновационных проектов [Электронный ресурс] // Современные проблемы науки и образования. – 2012. – № 2. – Режим доступа: https://science-education.ru/ru/article/view?id=6009.
16. Бонохова А. О. Исследование данных опросов экспертов для заполнения базы знаний информационной экспертной системы вида распространения оперативной рекламы [Электронный ресурс] // Инженерный Вестник Дона. – 2012. – № 2. – Режим доступа: https://ivdon.ru/ru/magazine/archive/n2y2012/820.
17. Корнилов Ю. Н. Технология обработки парных сравнений при проведении экспертной оценки // Записки Горного института. Современные проблемы освоения территорий. – 2013. – Т. 204. – С. 171–174.
18. Павлов А. Н., Соколов Б. В. Методы обработки экспертной информации: учеб.-метод. пособие. – СПб. : ГУАП, 2005. – 42 с.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/107-122.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  Е. В. Лебзак
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Автор2:  С. С. Янкелевич
Афиилиация2:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Геопространственные знания в пространственном развитии территорий на примере лесохозяйственной отрасли
Рубрика:  Картография и геоинформатика
Начало_Страница:  123
Конец_Страница:  133
УДК:  528.9:630
DOI:  10.33764/2411-1759-2022-27-3-123-133
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  геопространственные знания, базы геопространственных знаний, геоинформационные технологии, пространственное развитие территории, лесохозяйственная отрасль
Ключевые слова_EN:  geospatial knowledge, geospatial knowledge bases, geoinformation technologies, spatial development of the territory, forestry
Библиографический список:  1. Жичкина Ю. А. Предпосылки устойчивого пространственного развития региона // Вестник Самарского государственного экономического университета. – 2011. – № 7 (81). – С. 19–23.
2. Карпик А. П., Лисицкий Д. В., Осипов А. Г., Савиных В. Н. Геоинформационно-когнитивная репрезентация территориальных ресурсов // Вестник СГУГиТ. – 2020. – Т. 25, № 4. – С. 120–129.
3. Антонов Е. С., Лисицкий Д. В., Янкелевич С. С. Теоретико-методологическое представление прямого перехода от геоинформации к геознаниям // Вестник СГУГиТ. – 2021. – Т. 26, № 2. – С. 82–90.
22. Цветков В. Я. Пространственные знания в науках о Земле // Международный журнал экспериментального образования. – 2016. – № 10-2. – С. 216–219.
4. Майоров А. А. Геознание как новая форма знания // Международный электронный научный журнал. – 2016. – № 4 (22). – С. 23–31.
5. Абдикеев Н. М., Киселёв А. Д. Управление знаниями корпорации и реинжиниринг бизнеса. – М. : ИНФРА-М, 2011. – 382 с.
6. Weiwei Zh., Jun Ch., AnPing L., Gang H., Xuehong Ch., LiJun Ch., Shu P., Hao W., Jun. Zh. Geospatial knowledge-based verification and improvement of GlobeLand // Science China Earth Sciences. – 2016. – No. 59. – Р. 1709–1719.
7. Kuipers B. Modeling Spatial Knowledge // Cognitive Science. – 1978. – No 2. – Р. 129–153.
8. Кужелев П. Д. Пространственные знания для управления транспортом // Economic Consultant. – 2016. – № 2 (14). – C. 17–20.
9. Розенберг И. Н. Пространственное управление в сфере транспорта // Славянский форум. – 2015. – № 2 (8). – С. 268–274.
10. Александров А. В. Интеллектуальное управление // Славянский форум. – 2016. – № 1 (11). – С. 15–22.
11. Dushkova D., Haase D. Methodology for development of a data and knowledge base for learning from existing nature-based solutions in Europe. The CONNECTING Nature project // MethodsX. – 2020. – No. 7. – P. 1–12.
12. Кузнецов В. И., Козлов Н. И., Хомяков П. М. Математическое моделирование эволюции леса для целей управления лесным хозяйством. – М. : Ленанд, 2005. – 232 c.
13. Лебзак Е. В., Янкелевич С. С. Разработка методики геоинформационного картографирования лесного хозяйства с применением мобильных технологий // Вестник СГУГиТ. – 2022. – Т. 27, № 1. – C. 86–96.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/123-133.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  П. А. Фёдоров
Афиилиация1:  Иркутский национальный исследовательский технический университет, г. Иркутск, Российская Федерация
Автор2:  Л. А. Пластинин
Афиилиация2:  Иркутский национальный исследовательский технический университет, г. Иркутск, Российская Федерация
Автор3:  С. Ф. Мазуров
Афиилиация3:  Восточно-Сибирское аэрогеодезическое предприятие, г. Иркутск, Российская Федерация
Автор4:  С. М. Кузнецов
Афиилиация4:  Иркутский национальный исследовательский технический университет, г. Иркутск, Российская Федерация
Название статьи:  Ретроспективный анализ и особенности создания цифровых инженерно-хозяйственных карт муниципальных образований (на примере МО Иркутской области)
Рубрика:  Картография и геоинформатика
Начало_Страница:  134
Конец_Страница:  144
УДК:  528.94:004(571.53)
DOI:  10.33764/2411-1759-2022-27-3-134-144
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  ретроспективный анализ, инженерная картография, инженерно-хозяйственное картографирование (ИХК), классификация ИХК, лесохозяйственная карта, сельскохозяйственная карта, дистанционное зондирование Земли из космоса
Ключевые слова_EN:  retrospective analysis, engineering mapping, classification of engineering maps, forestry map, agricultural map, remote sensing of the earth
Библиографический список:  1. Хоанг Зыон Хуан. Разработка содержания и технологии создания электронных сельскохозяйственных карт Северного Вьетнама на основе ГИС и ДЗЗ : автореф. дис. … канд. техн. наук. – Иркутск : ИРНИТУ, 2016. – 148 с.
2. Фёдоров П. А. Использование инженерно-хозяйственных карт при количественном и качественном учёте лесных ресурсов южного Прибайкалья // Перспективы развития горно-металлургической отрасли (Игошинские чтения – 2019): материалы Междунар. науч.-практ. конференции. – Иркутск : ИРНИТУ, 2020. – C. 108–113.
3. Лесохозяйственная карта сырьевой базы Усть-Илимского ЛПК [Карты] / сост. и подгот. к изд. ВостСиб АГП Роскартографии в 1997 г.; научн. ред. Пластинин Л. А. – масштаб 1 : 200 000.
4. Природохозяйственная карта Эхирит-Булагатского района УОБАО Иркутской области [Карты] / сост. и подгот. к изд. ВостСиб АГП Роскартографии в 1995 г.; научн. ред. Пластинин Л. А. – масштаб 1 : 200 000.
5. Хоанг Зыонг Хуан, Пластинин Л. А., Олзоев Б. Н. Методика создания комплексной электронной сельскохозяйственной карты на территорию Вьетнама по данным дистанционного зондирования Земли из космоса // Вестник СГУГиТ. – 2016. – Вып. 4 (36). – С. 100–113.
6. Кузнецов С. М., Клевцов Е. В., Зайцев Н. В. и др. К вопросу создания кадастровых инженернохозяйственных карт муниципальных образований районов Прибайкалья // Перспективы развития горно-металлургической отрасли (Игошинские чтения – 2019) : материалы Междунар. науч.-практ. конференции. – Иркутск : ИРНИТУ, 2020. – C. 99–102.
7. Лесохозяйственная карта Братского района Иркутской области [Карты] / сост. и подгот. к изд. ВостСиб АГП Роскартографии и НУПКЦ «Сибэкокарта» в 2001 г.; научн. ред. Пластинин Л. А. – масштаб 1 : 200 000.
8. Природохозяйственная карта Иркутского района Иркутской области [Карты] / сост. и подгот. к изд. ВостСиб АГП Роскартографии в 2003 г.; научн. ред. Пластинин Л. А., Батуев А. Р. – масштаб 1 : 100 000.
9. Берлянт А. М. Картография. – М. : ИД КДУ, 2014. – 464 с.
10. Классификатор тематических задач оценки природных ресурсов и окружающей среды, решаемых с использованием материалов дистанционного зондирования Земли. Редакция 7. – Иркутск : Байкальский центр, 2008. – 80 с.
11. Пластинин Л. А., Ступин В. П. Картографо-космический мониторинг зоны воздействия водохранилищ Ангарского каскада. – Иркутск : ИРНИТУ, 2018. – 188 с.
12. Лимонов А. Н., Гаврилова Л. А. Фотограмметрия и дистанционное зондирование. – М. : Академический проект, 2016. – 296 с.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/134-144.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  А. В. Дубровский
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Методические подходы к моделированию и прогнозированию рационального использования земельных ресурсов с применением геотехнологий
Рубрика:  Землеустройство, кадастр и мониторинг земель
Начало_Страница:  145
Конец_Страница:  156
УДК:  004.925.8:332
DOI:  10.33764/2411-1759-2022-27-3-145-156
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  моделирование, прогнозирование, рациональное использование земельных ресурсов, геотехнологии, цифровой двойник, критерии оптимальности, территориальное управление, стратегическое планирование
Ключевые слова_EN:  modeling, forecasting, rational use of land resources, geotechnologies, digital twin, optimality criteria, territorial management, strategic planning
Библиографический список:  1. Карпик А. П., Лисицкий Д. В., Байков К. С., Осипов А. Г., Савиных В. Н. Геопространственный дискурс опережающего и прорывного мышления // Вестник СГУГиТ. – 2017. – Т. 22, № 4. – С. 53–67.
2. Дубровский А. В. Критерии рационального использования земельных ресурсов // Интерэкспо ГЕО-Сибирь. XVI Междунар. науч. конгр. : Национальная науч. конф. «Экономическое развитие Сибири и Дальнего Востока. Экономика природопользования, землеустройство, лесоустройство, управление недвижимостью» : сб. материалов в 8 т. (Новосибирск, 18 июня – 8 июля 2020 г.). – Новосибирск: СГУГиТ, 2020. Т. 3, № 2. – С. 50–56. doi: 10.33764/2618-981X-2020-3-2-50-56.
3. Дубровский А. В., Верещака Т. В., Батин П. С., Малыгина О. И. Разработка подхода к кадастровой оценке объектов недвижимости в зонах возможного проявления стихийных бедствий и чрезвычайных ситуаций // ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий : материалы Междунар. конф. – М. : Издательство Московского университета, 2020. Т. 26, часть 1. – С. 190–202. doi: 10.35595/2414-9179-2020-1-26-190-202.
4. Варламов А. А., Гальченко С. А. Государственный кадастр недвижимости : монография. – М. : КолосС, 2012. – 679 с.
5. Дубровский А. В. К вопросу о разработке параметров эффективности кадастровой системы // Вестник СГУГиТ. – 2021. – Т. 26, № 6. – С. 129–139. doi: 10.33764/2411-1759-2021-26-6-129-139.
6. Синица Ю. С. Экономическая эффективность земельно-кадастровых систем Российской Федерации : дис. … канд. эконом. наук. – М., 2016 – 136 с.
7. Сизов А. П., Карфидова Е. А. Образовательный вектор национального проекта «Экология». Объекты накопленного экологического ущерба // Сергеевские чтения: геоэкологические аспекты реализации национального проекта «Экология». Диалог поколений. – М. : Изд-во Российского ун-та дружбы народов, 2020. – С. 12–14.
8. Карпик А. П., Лисицкий Д. В. Основные принципы формирования единого геоинформационного пространства территорий // ГЕО-Сибирь-2011. VII Междунар. научн. конгр. : Геопространство в социальном дискурсе: прошлое, настоящее, будущее : сб. матер. (19–29 апреля 2011 г.). – Новосибирск : СГГА, 2011. – С. 19–24.
9. Лисицкий Д. В. От геодезии для экономики к геодезии для информационного общества // ГЕОСибирь-2010. Геодезия, геоинформатика, картография, маркшейдерия: сб. матер. VII Междунар. научн. конгресса (19–29 апреля 2010 г.). – Новосибирск : СГГА, 2010. – С. 26–32.
10. Карпик А. П., Мусихин И. А., Ветошкин Д. Н. Интеллектуальные информационные модели территорий как эффективный инструмент пространственного и экономического развития // Вестник СГУГиТ. – 2021. – Т. 26, № 2. – C. 155–163. – doi: 10.33764/2411-1759- 2021-26-155-163.
11. Дубровский А. В. Исследование геоинформационной основы для создания системы навигации и управления на территории Субъекта РФ // Изв. вузов. Геодезия и аэрофотосъемка. – 2009. – № 6. – С. 96–102.
12. Аврунев Е. И., Дорош М. П. Разработка информационной модели для повышения достоверности кадастровой информации // Вестник СГУГиТ. – 2018. – Т. 23, № 1. – С. 156–166.
13. Карпик А. П., Колмогоров В. Г., Рычков А. В. Разработка критериев оценки качества кадастровых данных // Изв. вузов. Геодезия и аэрофотосъемка. – 2013. – № 4/С. – С. 133–136.
14. Карпик А. П., Лисицкий Д. В. Перспективы развития геодезического и картографического производства и новая парадигма геопространственной деятельности // Вестник СГУГиТ. – 2020. – Т. 25, № 2. – С. 19–29. doi: 10.33764/2411-1759-2020-25-2-19-29.
15. Лисицкий Д. В., Кацко С. Ю. Концепция создания и функционирования геоинформационного пространства // Интерэкспо ГЕО-Сибирь-2013. Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. матер. (15–26 апреля 2013 г.). – Новосибирск : СГГА, 2013. – С. 72–75.
16. Grieves M. Digital Twin: Manufacturing Excellence through Virtual Factory Replication : A White Paper. – Melbourne: LLC, 2014. – 125 с.
17. Гатина Н. В., Козина М. В. Пути развития государственных геоинформационных систем для решения задач территориального управления в едином информационном пространстве // Национальная науч.-практ. конф. «Дальний Восток: Проблемы развития архитектурно-строительного и дорожнотранспортного комплекса» (Хабаровск, 15–17 октября 2019 г.). – Хабаровск : Тихоокеанский государственный ун-т, 2019. – Вып. 19. – C. 252–256.
18. Dubrovsky A. V., Antipov I. T., Kalenitsky A. I., Guk A. P. Elements of Geoinformation Support of Natural Resource Management System // International Journal of Advanced Biotechnology and Research (IJBR). – 2017. – Vol-8, Issue-4. – P. 2090–2107.
19. Карпик А. П., Ветошкин Д. Н., Горобцов С. Р. Интеграция информационных систем государственного кадастра недвижимости, муниципальных информационных систем обеспечения градостроительной деятельности и информационных ресурсов федеральной налоговой службы в целях повышения собираемости земельных платежей // Изв. вузов. Геодезия и аэрофотосъемка. – 2015. – № 5/С. – С. 142–149.
20. Ветошкин Д. Н. Разработка усовершенствованной модели земельно-информационной системы муниципального образования: дис. … канд. техн. наук. –Новосибирск, 2021 – 184 с.
21. Дубровский А. В., Карпик А. П., Ким Э. Л. Анализ природных и техногенных особенностей геопространства чрезвычайной ситуации // Итерэкспо ГЕО-Сибирь-2012. VIII Междунар. науч. конгр.: Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия»: сб. материалов в 3 т. (Новосибирск, 10–20 апреля 2012 г.). – Новосибирск: СГГА, 2012. Т. 3. – С. 171–177.
22. Атаманов С. А., Григорьев С. А. Методика оперативной организации полевых работ при кадастровой деятельности // Изв. вузов. Геодезия и аэрофотосъемка. – 2020. – Т. 64, № 4. – С. 435-440. doi: 10.30533/0536-101X-2020-64-4-435-440.
23. Карпик А. П., Лисицкий Д. В., Осипов А. Г., Савиных В. Н. Геокогнитивные методы обеспечения анализа и прогнозирования социально-экономического развития территорий // ИнтерКарто. ИнтерГИС. – 2021. – Т. 27. № 2. – С. 128–140. doi: 10.35595/2414-9179-2021-2-27-128-140.
24. Дубровский А. В. Перспективное районирование территории для цели рационального использования в хозяйственной деятельности // Интерэкспо ГЕО-Сибирь-2016. XII Междунар. науч. конгр. Междунар. науч. конф. «Экономическое развитие Сибири и Дальнего Востока. Экономика природопользования, землеустройство, лесоустройство, управление недвижимостью» : сб. материалов в 3 т. (Новосибирск, 18–22 апреля2016 г.). – Новосибирск : СГУГиТ, 2016. Т. 2. – C. 34–39.
25. Атаманов С. А., Григорьев С. А. Сопоставление диаграмм бизнес-процессов и технических заданий на кадастровые работы // Регулирование земельно-имущественных отношений в России: правовое и геопространственное обеспечение, оценка недвижимости, экология, технологические решения. Национальная науч.-практич. конф.: сб. материалов (Новосибирск, 12–16 ноября 2018 г.). – Новосибирск : СГУГиТ, 2018. – С. 9–13.
26. Аврунев Е. И., Козина М. В., Попов В. К. Исследование факторов стоимости земель урбанизированных территорий // Вестник СГУГиТ. – 2018. – Т. 23, № 2. – С. 130–142.
27. Дубровский А. В., Махт В. А., Козочкина Е. А. Совершенствование методической основы государственной кадастровой оценки объектов жилого фонда // Вестник СГУГиТ. – 2017. – Т. 22, № 4. – С. 136–147.
28. Кустышева И. Н., Дубровский А. В. Методическое и технологическое обеспечение рационального землепользования при добычи углеводородов с учетом региональных особенностей Крайнего Севера // Вестник СГУГиТ. – 2016. – Вып. 4 (24). – С. 40–47.
29. Дубровский А. В., Подрядчикова Е. Д. К вопросу совершенствования системы оценки недвижимого имущества на основе расчета показателя социальной комфортности // Изв. вузов. Геодезия и аэрофотосъемка. – 2014. – № 4/C. – С. 153–157.
30. Григорьев С. А. Достоверность сведений ЕГРН и ее критерии // Вестник СГУГиТ. – 2021. – Т. 26, № 4. – С. 100–107. doi: 10.33764/2411-1759-2021-26-4-100-107.
31. Брынь М. Я., Веселкин П. А., Иванов В. Н. О требованиях к точности геодезического обеспечения городского кадастра // Кадастр недвижимости. – 2009. – Вып. 1. – С. 83–85.
32. Брынь М. Я., Веселкин П. А., Иванов В. Н., Астапович А. В., Щербак Ю. В. Обоснование точности и параметров кадастровой съемки земельных участков урбанизированных территорий // Записки Горного института. – 2013. – Т. 204. – С. 19–23.
33. Аврунев Е. И., Пархоменко И. В. Совершенствование координатного обеспечения государственного земельного надзора // Вестник СГУГиТ. – 2016. – Вып. 2 (34). – С. 150–157.
34. Лисицкий Д. В., Кацко С. Ю. Технологическая платформа «единое геоинформационное пространство» – основа социально-экономического развития территорий // Изв. вузов. Геодезия и аэрофотосъемка. – 2015. – № С/5. – С. 250–256.
35. Ершов А. В. Автоматизация сбора данных об объектах недвижимости: контроль достоверности и информационное обеспечение кадастровой оценки // Вестник СГУГиТ. – 2018. – Т. 23, № 3. – С. 156–170.
36. В Новосибирской области создадут цифровой двойник Краснообска // Индустрия безопасности [Электронный ресурс]. – Режим доступа: https://www.securitymedia.ru/news_one_14810.html.
37. Басова И. А., Прохоров Д. О., Пьянков С. В. О создании реестра техногенных минеральных образований // Вестник СГУГиТ. – 2021. – Т. 26, № 6. – С. 107–116.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/145-156.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  В. С. Айрапетян
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Автор2:  А. В. Шабурова
Афиилиация2:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  Идентификация тринитротолуола (TNT) в дальней ИК-области с помощью параметрического лазера
Рубрика:  Оптико-электронные приборы и комплексы
Начало_Страница:  157
Конец_Страница:  163
УДК:  621.373.826:662.237.3
DOI:  10.33764/2411-1759-2022-27-3-157-163
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  инфракрасный параметрический лазер, взрывчатые вещества, дифференциальное поглощение и рассеяние, колебательно-вращательный спектр
Ключевые слова_EN:  infrared parametric laser, explosives, differential absorption and dispersing, vibrational-rotational spectrum
Библиографический список:  1. Murrey E. R., Byer R. L. Remote Measurements of Air Pollutants : SRI International Report. N. Y., 1980.
2. Набиев Ш. Ш., Ставровский Д. Б., Палкина Л. А., Збарский В. Л., Юдин Н. В., Голубева Е. Н., Вакс В. Л, Домрачева Е. Г., Собакинская Е. А., Черняева М. Б. Спектрохимические особенности некоторых бризантных взрывчатых веществ в парообразном состоянии // Оптика атмосферы и океана. – 2013. – Т. 26, № 4. – С. 273–285.
3. Rothman L. S., Gordon I. E., Babikov Y., Barbe A., Benner D. Chris, Bernath P. F., Birk M., Bizzocchi L., Boudon V., Brown L. R., Campargue A., Chance K., Cohen E. A., Coudert L. H., Devi V. M., Drouin B. J., Fayt A., Flaud J.-M., Gamache R. R., Harrison J. J., Hartmann J.-M., Hill C., Hodges J. T., Jacquemart D., Jolly A., Lamouroux J., LeRoy R. J., Li G., Long D. A., Lyulin O. M., Mackie C. J., Massie S. T., Mikhailenko S., Müller H. S. P., Naumenko O. V., Nikitin A. V., Orphal J., Perevalov V., Perrin A., Polovtseva E. R., Richard C., Smith M. A. H., Starikova E., Sung K., Tashkun S., Tennyson J., Toon G. C., Tyuterev V. G., Wagner G. The HITRAN2012 molecular spectroscopic database // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2013. – Vol. 130. – P. 4–50. doi: 10.1016/J.JQSRT.2013.07.002.
4. Лопанов А. Н. Взрывы и взрывчатые вещества : монография. – Белгород : Изд-во БГТУ, 2008. – 516 с.
5. Айрапетян В. С., Макеев А. В., Параметрический генератор света на кристалле HgS с плавной перестройкой длины волны в диапазоне 4,75–9,07 мкм // Оптика атмосферы и океана. – 2021. – Vol. 34, № 1 (384). – C. 57–60.
6. Айрапетян В. С., Маганакова Т. В. Расчет концентрации наркотических веществ методом дифференциального поглощении и рассеяния // Интерэкспо Гео-Сибирь-2015. XI Междунар. научн. конгр.: Межд. науч. конф. «СибОптика-2015» : сб. материалов в 3 т. (Новосибирск, 13–25 апреля 2015 г.). – Новосибирск : СГУГиТ, 2015. Т. 1. – С. 141–147.
7. Левошкин А. В., Волков М. В., Журба В. М. Об одном способе плавной перестройки энергии и длительности импульса лазера с пассивной модуляцией добротности // Оптический журнал. – 2018. – Т. 85, № 10. – С. 17–21.
8. Кашин В. В. Удвоение частоты лазерного излучения в монокристаллическом волокне на основе стехиометрического кристалла LiNbO3 // Квантовая электроника. – 2015. – Т. 45, № 1. – С. 47–49.
9. Bunaciu A. A., Aboul-Enein H. Y., Fleschin S. Recent Applications of Fourier Transform Infrared Spectrophotometry in Herbal Medicine Analysis // Applied Spectroscopy Reviews. – 2011. – Vol. 46 (4). – P. 251–260.
10. Катаев М. Ю., Никитин А. В., Бойченко И. В., Михайленко С. Н., Суханов А. Я. Влияние спектроскопической погрешности на решение задачи восстановления концентрации метана // Оптика атмосферы и океана. – 2008. – Т. 21, № 1. – С. 13–18.
11. Бадиков В. В., Дон А. К., Митин К. В., Серегин А. М., Синайский В. В., Щебетова Н. И., Щетинкина Т. А. Оптический параметрический генератор среднего ИК диапазона на кристалле HgGa2S4с накачкой импульсно-периодическим Nd:YAG-лазером // Квантовая электроника – 2007. –Т. 37, № 4. – С. 363–365.
12. Колкер Д. Б., Шерстов И. В., Костюкова Н. Ю., Бойко А. А., Кистенев Ю. В., Нюшков Б. Н., Зенов К. Г., Шадринцева А. Г., Третьякова Н. Н. Перестраиваемый в широком спектральном интервале источник лазерного излучения среднего ИК диапазона для оптико-акустической спектроскопии // Квантовая электроника. – 2019. – Т. 49. – С. 29–34.
13. Тарасов А. Е., Ладыгина В. П., Камратова В. В., Горбунова М. А., Бадашина Э. Р., Новые ИКспектральные методики определения содержания гидроксильных групп в олигомерах // Журнал прикладной спектроскопии. – 2017. – Т. 84, № 2. – С. 186–191.
14. Андрианов В. М., Королевич М. В., Вельченко А. А. Расчет и сравнительный анализ ИК спектров гомобрассинолида и (22s,23s)-24-эпибрассинолида // Журнал прикладной спектроскопии. – 2019. – Т. 86, № 6. – С. 847–857.
15. Ayrapetyan V. S., Fomin P. A., Laser detection of explosives based on differential absorption and scattering // Optics and Laser Technology. – 2018. – Vol. 106. – P. 202–208.
16. Афонин Г. И., Кошкаров А. С., Мальцев Г. Н. Лидарная модель формирования натриевой «лазерной звезды» при приближении и угловым сопровождении космических объектов // Оптический журнал. – 2019. – Т. 86, № 6. – С. 36–44.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/157-163.pdf
Читать далее

Детальная_Инф:  Да
Автор1:  А. В. Никонов
Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация
Название статьи:  О преподавателях НИИГАиК – участниках Великой Отечественной войны
Рубрика:  Методология научной и образовательной деятельности
Начало_Страница:  164
Конец_Страница:  176
УДК:  528(092)
DOI:  10.33764/2411-1759-2022-27-3-164-176
Год:  2022
Номер:  3
Том:  27
Ключевые слова_RU:  Великая Отечественная война, участник войны, ветеран, НИИГАиК
Ключевые слова_EN:  Great Patriotic War, war participant, veteran, NIIGAiK, teacher
Библиографический список:  1. Великая Отечественная война Советского Союза 1941–1945. Краткая история. – М. : Воениздат, 1970. – 628 с.
2. Великая Отечественная война 1941–1945 годов: в 12 т. Т. 2. Происхождение и начало войны. – Изд. доп. и испр. – М. : Кучково поле, 2015. – 864 с.
3. История Второй мировой войны, 1939–1945: в 12 т. Т. 2. Накануне войны. – М. : Воениздат, 1974. – 478 с.
4. Путин В. В. 75 лет Великой Победы: общая ответственность перед историей и будущим // Рос. газ. – 2020. – 19 июня. – № 133 (8187). [Электронный ресурс]. – Режим доступа: https://rg.ru/2020/06/19/75-let-velikoj-pobedy-obshchaia-otvetstvennost-pered-istoriej-i-budushchim.html.
5. Никонов А. В. Вклад НИИГАиК – СГГА в подготовку кадров для военно-топографической службы // Вестник СГУГиТ. – 2018. – Т. 23, № 1. – С. 261–283.
6. Никонов А. В. Подвиг военных топографов в годы Великой Отечественной войны // Вестник СГУГиТ. – 2015. – Вып. 2 (30). – С. 164–183.
7. К 110-летию со дня рождения первого ректора НИИГАиК, профессора Афанасия Ильича Агроскина (1905–1990) // Вестник СГУГиТ. – 2015. – Вып. 3 (31). – С. 184–187.
8. К 110-летию со дня рождения Знаменщикова Гавриила Иосифовича // Вестник СГУГиТ. – 2017. – Т. 22, № 2. – С. 282–284.
9. Никонов А. В., Долгов Е. И., Сергеев С. В. Сергей Яковлевич Белых – сибирский геодезист, педагог, военный топограф (к 120-летию со дня рождения) // Геодезия и картография. – 2022. – № 1. – С. 54–64. DOI: 10.22389/0016-7126-2022-979-1-54-64.
10. Книга памяти к 75-летию Великой Победы. Хроника отрасли. – М. : ФГБУ «Центр геодезии, картографии и ИПД», 2020. – 195 с.
11. Домасев А. З., Новосельцев Е. П., Шуваев П. И., Балагутдинов В. Ф., Волков В. А., Храмов Г. В., Котиков Л. Л. История Ленинградского высшего военно-топографического командного краснознаменного ордена Красной Звезды училища. – М. : РИО ВТС, 1969. – 196 с.
12. Долгов Е. И., Сергеев С. В., Никонов А. В. Герой Советского Союза А. В. Сидоров – военный топограф // Геодезия и картография. – 2021. – № 9. – С. 57–64. DOI: 10.22389/0016-7126-2021-975-9-57-64.
Ссылка:  /upload/vestnik/sborniki/2022/27_3/164-176.pdf
Читать далее