Геомаркетинг » ОЦЕНКА ОПОЛЗНЕВОЙ ОПАСНОСТИ НУРЕКСКОГО РАЙОНА ТАДЖИКИСТАНА С ПРИМЕНЕНИЕМ МЕТОДА СООТНОШЕНИЯ ЧАСТОТ. ЧАСТЬ 2

DOI: https://doi.org/10.25296/1997-8669-2022-16-4-24-36

Читать полную версию

“ГеоРиск”, Том XVI, № 4/2022

ОЦЕНКА ОПОЛЗНЕВОЙ ОПАСНОСТИ НУРЕКСКОГО РАЙОНА ТАДЖИКИСТАНА С ПРИМЕНЕНИЕМ МЕТОДА СООТНОШЕНИЯ ЧАСТОТ. ЧАСТЬ 2

Муминов Б.Х., Фоменко И.К., Смирнов П.В.

Муминов Б.Х., Фоменко И.К., Смирнов П.В., 2022. Оценка оползневой опасности Нурекского района Таджикистана с применением метода соотношения частот. Часть 2. ГеоРиск, Том XVI, № 4, с. 24–36, https://doi.org/10.25296/1997-8669-2022-16-4-24-36.

Во второй части статьи приводятся основные результаты по оценке оползневой опасности Нурекского района Таджикистана с применением метода соотношения частот. Территория исследований была разделена на пять зон по степени оползневой восприимчивости: с очень низкой, низкой, средней, высокой и очень высокой степенью. Анализ полученных данных показал, что 12,3% от общей площади исследуемой территории имеет очень низкую восприимчивость. Зоны с низкой и средней оползневой восприимчивостью занимают 25,2 и 29,2% соответственно, а на области с высокой и очень высокой восприимчивостью приходится 22,9 и 10,4%. С ростом уровня опасности увеличивается как количество точек проявления, так и площадь поражения территории оползневым процессом. Достоверность построенной авторами карты оползневой опасности, оцененная методом ROC-AUC, составила более 70%. Следует заметить, что взятые в отдельности высокие значения площади под кривой ошибок не гарантируют качества выполненного прогноза оползневой опасности, т.к. зависят от выбранных уровней индекса LSI. Так же очевидно, что достоверность оценки оползневой опасности связана с количеством и значимостью учитываемых в анализе факторов оползнеобразования. Важным результатом исследования является вывод о том, что шесть факторов с наиболее низкими значениями PR (расстояние до автодорог, индекс SPI, индекс TWI, расстояние до тектонических разломов, экспозиция склонов и их крутизна) слабо влияют на результаты оценки оползневой опасности Нурекского района и могут быть исключены из анализа без существенного уменьшения его достоверности. Основным выводом является признание эффективности использования описанного подхода оценки оползневой опасности при типизации горных территорий, а полученные данные необходимо учитывать при планировании их хозяйственного освоения.

1. Зыонг В.Б., Фоменко И.К., Нгуен Ч.К., Ви Т.Х.Л., Зеркаль О.В., Ву Х.Д., 2022. Применение статистических методов на основе
ГИС для оценки потенциального развития оползней в районе Шапа, Вьетнам. Известия Томского политехнического университета.
Инжиниринг георесурсов, Том 333, № 4, с. 126–140, https://doi.org/10.18799/24131830/2022/4/3473.
2. Муминов Б.Х., Фоменко И.К., Смирнов П.В., 2022. Оценка оползневой опасности Нурекского района Таджикистана с
применением метода соотношения частот. Часть 1. ГеоРиск, Том XVI, № 3, с. 36–48, https://doi.org/10.25296/1997-8669-2022-16-
3-36-48.
3. Asmare D., 2022. Application and validation of AHP and FR methods for landslide susceptibility mapping around choke mountain,
northwestern Ethiopia. Scientific African, Vol. 19, No. 2, ID e01470, https://doi.org/10.1016/j.sciaf.2022.e01470.
4. Can R., Kocaman S., Gokceoglu C.A., 2021. Comprehensive assessment of XGBoost algorithm for landslide susceptibility mapping in
the upper basin of Ataturk Dam, Turkey. Applied Sciences, Vol. 11, No. 11, ID 4993, https://doi.org/10.3390/app11114993.
5. Constantin M., Bednarik M., Jurchescu M.C., Vlaici M., 2011. Landslide susceptibility assessment using the bivariate statistical analysis
and the index of entropy in the Sibiciu Basin (Romania). Environmental Earth Sciences, Vol. 63, No. 2, pp. 397–406,
https://doi.org/10.1007/s12665-010-0724-y.
6. Daniel M.T., Ng T.F., Abdul Kadir M.F., Pereira J.J., 2021. Landslide susceptibility modeling using a hybrid bivariate statistical and
expert consultation approach in Canada Hill, Sarawak, Malaysia. Frontiers in Earth Science, Vol. 9, ID 616225,
https://doi.org/10.3389/feart.2021.616225.
7. Das S., Sarkar S., Kanungo D.P., 2022. GIS-based landslide susceptibility zonation mapping using the analytic hierarchy process (AHP)
method in parts of Kalimpong Region of Darjeeling Himalaya. Environmental Monitoring and Assessment, Vol 194, No. 3, ID 234,
https://doi.org/10.1007/s10661-022-09851-7.
8. El Jazouli A., Barakat A., Khellouk R., 2019. GIS-multicriteria evaluation using AHP for landslide susceptibility mapping in Oum Er
Rbia high basin (Morocco). Geoenvironmental Disasters, Vol. 6, No. 1, ID 3, https://doi.org/10.1186/s40677-019-0119-7.
9. Evans S.G., Roberts N.J., Ischuk A., Delaney K.B., Morozova G.S., Tutubalina О., 2009. Landslides triggered by the 1949 Khait
earthquake, Tajikistan, and associated loss of life. Engineering Geology, Vol. 109, Issues 3–4, рр. 195–212, https://doi.org/
10.1016/j.enggeo.2009.08.007.
10. Khosravi K., Pourghasemi H.R., Chapi K., Bahri M., 2016. Flash flood susceptibility analysis and its mapping using different bivariate
models in Iran: a comparison between Shannon’s entropy, statistical index, and weighting factor models. Environmental Monitoring and
Assessment, Vol. 188, No. 12, ID 656, https://doi.org/10.1007/s10661-016-5665-9.
11. Kumar A., Sharma R.K., Bansal V.K., 2019. GIS-based comparative study of information value and frequency ratio method for landslide hazard zonation in a part of mid-Himalaya in Himachal Pradesh. Innovative Infrastructure Solutions, No. 4, ID 28,
https://doi.org/10.1007/s41062-019-0215-2.
12. Małka A., 2021. Landslide susceptibility mapping of Gdynia using geographic information system-based statistical models. Natural
Hazards, Vol. 107, No. 1, pp. 639–674, https://doi.org/10.1007/s11069-021-04599-8.
13. Meena S.R., Puliero S., Bhuyan K., Floris M., Catani F., 2022. Assessing the importance of conditioning factor selection in landslide
susceptibility for the province of Belluno (Region of Veneto, northeastern Italy). Natural Hazards and Earth System Science, Vol. 22,
Issue 4, pp. 1395–1417, https://doi.org/10.5194/nhess-22-1395-2022.
14. Mondal S., Mandal S., 2019. Landslide susceptibility mapping of Darjeeling Himalaya, India using index of entropy (IOE) model.
Applied Geomatics, Vol. 11, No. 9, pp. 129–146, https://doi.org/10.1007/s12518-018-0248-9.
15. Pal S.C., Chowdhuri I., 2019. GIS-based spatial prediction of landslide susceptibility using frequency ratio model of Lachung River
basin, North Sikkim, India. SN Applied Sciences, Vol. 1, ID 416, https://doi.org/10.1007/s42452-019-0422-7.
16. Panchal S., Shrivastava A.K., 2021. A comparative study of frequency ratio, Shannon’s entropy and analytic hierarchy process (AHP)
models for landslide susceptibility assessment. ISPRS International Journal of Geo-Information, Vol. 10, No. 9, ID 603,
https://doi.org/10.3390/ijgi10090603.
17. Pham B.T., Pradhan B., Bui D.T., Prakash I., Dholakia M.B., 2016. A comparative study of different machine learning methods for
landslide susceptibility assessment: a case study of Uttarakhand area (India). Environmental Modelling and Software, Vol. 84,
pp. 240–250, https://doi.org/10.1016/j.envsoft.2016.07.005.
18. Pourghasemi H.R., Mohammady M., Pradhan B., 2012. Landslide susceptibility mapping using index of entropy and conditional
probability models in GIS: Safarood Basin, Iran. CATENA, Vol. 97, pp. 71–84, https://doi.org/10.1016/j.catena.2012.05.005.
19. Rahaman A., Venkatesan M.S., Ayyamperumal R., 2021. GIS-based landslide susceptibility mapping method and Shannon entropy
model: a case study on Sakaleshapur Taluk, Western Ghats, Karnataka, India. Arabian Journal of Geosciences, Vol. 14, ID 2154,
https://doi.org/10.1007/s12517-021-08422-3.
20. Rasyid A.R., Bhandary N.P., Yatabe R., 2016. Performance of frequency ratio and logistic regression model in creating GIS based
landslides susceptibility map at Lompobattang Mountain, Indonesia. Geoenvironmental Disasters, Vol. 3, No. 1, ID 19,
https://doi.org/10.1186/s40677-016-0053-x.
21. Saha S., Sarkar R., Roy J., Hembram T.K., Acharya S., Thapa G., Drukpa D., 2021. Measuring landslide vulnerability status of Chukha,
Bhutan using deep learning algorithms. Scientific Reports, Vol. 11, No. 1, ID 16374, https://doi.org/10.1038/s41598-021-95978-5.
22. Sharma L.P., Patel N., Ghose M.K., Debnath P.K., 2012. Influence of Shannon’s entropy on landslide-causing parameters for vulnerability study and zonation — a case study in Sikkim, India. Arabian Journal of Geosciences, Vol. 5, pp. 421–431, https://doi.org/10.1007/s12517-010-0205-3.
23. Singh P., Sharma A., Sur U., Rai P.K., 2021. Comparative landslide susceptibility assessment using statistical information value and
index of entropy model in Bhanupali-Beri Region, Himachal Pradesh, India. Environment Development and Sustainability, Vol. 23,
рр. 5233–5250, https://doi.org/10.1007/s10668-020-00811-0.
24. Takaku J., Tadono T., Doutsu M., Ohgushi F., Kai H., 2021. Updates of AW3D30 ALOS global digital surface model in Anterctica with
other open access datasets. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIIIB4-2021, Proceedings of the XXIV ISPRS Congress, Commission IV, Nice, France, 2021, pp. 401–408.
25. Wu Y., Li W., Wang Q., Liu Q., Yang D., Xing M., Pei Y., Yan S., 2016. Landslide susceptibility assessment using frequency ratio,
statistical index and certainty factor models for the Gangu County, China. Arabian Journal of Geosciences, Vol. 9, Issue 2, ID 84,
https://doi.org/10.1007/s12517-015-2112-0.

МУМИНОВ Б.Х.
Тюменский государственный университет, г. Тюмень, Россия, bahromzhon95@mail.ru
Адрес: ул. Володарского, д. 6, г. Тюмень, 625003, Россия
ФОМЕНКО И.К.*
Российский государственный геологоразведочный университет им. Серго Орджоникидзе, г. Москва, Россия, ifolga@gmail.com
Адрес: ул. Миклухо-Маклая, д. 23, г. Москва, 117997, Россия
СМИРНОВ П.В.
Казанский (Приволжский) федеральный университет, г. Казань, Россия, geolog.08@mail.ru
Адрес: ул. Кремлевская, д. 18, к. 1, г. Казань, 420008, Россия

GEORISK WORLD • International scientific journal • Vol. XVI, No. 4/2022

LANDSLIDE HAZARD ASSESSMENT OF THE NUREK DISTRICT OF TAJIKISTAN USING THE FREQUENCY RATIO METHOD. PART 2

Muminov B.Kh., Fomenko I.K., Smirnov P.V.

Muminov B.Kh., Fomenko I.K., Smirnov P.V., 2022. Landslide hazard assessment of the Nurek District of Tajikistan using the frequency ratio method. Part 2. GeoRisk World, Vol. XVI, No. 4, pp. 24–36, https://doi.org/10.25296/1997-8669-2022-16-4-24-36.

The second part of the paper presents the main results of assessing the landslide hazard in the Nurek District of Tajikistan using the frequency ratio method. The study area was divided into five zones according to the degree of landslide susceptibility: very low, low, medium, high and very high. Analysis of the data obtained showed that 12.3% of the total area of the study territory has very low susceptibility. Zones with low and medium landslide susceptibility occupy 25.2 and 29.2%, respectively, and areas with high and very high susceptibility account for 22.9 and 10.4%. As the level of hazard increases, both the number of points of manifestation and the area affected by the landslide process increase. The reliability of the landslide hazard map developed by the authors, assessed by the
ROC-AUC method, was more than 70%. It should be noted that high values of the area under the error curve in themselves do not guarantee the quality of the landslide hazard forecast, since depend on the selected LSI levels. It is also obvious that the reliability of landslide hazard assessment is related to the number and significance of landslide formation factors taken into account in the analysis. An important result of the study is the conclusion that six factors with the lowest PR values (distance to roads, SPI, TWI, distance to tectonic faults, slope exposure and steepness) have little effect on the results of landslide hazard assessment in the Nurek District and may be excluded from the analysis without significantly reducing its reliability. The main conclusion is the recognition of the effectiveness of using the described approach to assess landslide hazard when typifying mountain territories, and the data obtained must be taken into account when planning their economic development.

landslide hazard landslide susceptibility index Nurek Tajikistan weight of landslide formation factors ROC-AUC method

1. Duong V.B., Fomenko I.K., Nguyen T.K., Vi T.H.L., Zerkal O.V., Vu H.D., 2022. Application of GIS-based bivariate statistical methods
for landslide potential assessment in Sapa, Vietnam. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, Vol. 333,
No. 4, pp. 126–140, https://doi.org/10.18799/24131830/2022/4/3473. (in Russian)
2. Muminov B.Kh., Fomenko I.K., Smirnov P.V., 2022. Landslide hazard assessment of the Nurek District of Tajikistan using the frequency
ratio method. Part 1. GeoRisk World, Vol. XVI, No. 3, pp. 36–48, https://doi.org/10.25296/1997-8669-2022-16-3-36-48. (in Russian)
3. Asmare D., 2022. Application and validation of AHP and FR methods for landslide susceptibility mapping around choke mountain,
northwestern Ethiopia. Scientific African, Vol. 19, No. 2, ID e01470, https://doi.org/10.1016/j.sciaf.2022.e01470.
4. Can R., Kocaman S., Gokceoglu C.A., 2021. Comprehensive assessment of XGBoost algorithm for landslide susceptibility mapping in
the upper basin of Ataturk Dam, Turkey. Applied Sciences, Vol. 11, No. 11, ID 4993, https://doi.org/10.3390/app11114993.
5. Constantin M., Bednarik M., Jurchescu M.C., Vlaici M., 2011. Landslide susceptibility assessment using the bivariate statistical analysis
and the index of entropy in the Sibiciu Basin (Romania). Environmental Earth Sciences, Vol. 63, No. 2, pp. 397–406,
https://doi.org/10.1007/s12665-010-0724-y.
6. Daniel M.T., Ng T.F., Abdul Kadir M.F., Pereira J.J., 2021. Landslide susceptibility modeling using a hybrid bivariate statistical and
expert consultation approach in Canada Hill, Sarawak, Malaysia. Frontiers in Earth Science, Vol. 9, ID 616225,
https://doi.org/10.3389/feart.2021.616225.
7. Das S., Sarkar S., Kanungo D.P., 2022. GIS-based landslide susceptibility zonation mapping using the analytic hierarchy process (AHP)
method in parts of Kalimpong Region of Darjeeling Himalaya. Environmental Monitoring and Assessment, Vol 194, No. 3, ID 234,
https://doi.org/10.1007/s10661-022-09851-7.
8. El Jazouli A., Barakat A., Khellouk R., 2019. GIS-multicriteria evaluation using AHP for landslide susceptibility mapping in Oum Er
Rbia high basin (Morocco). Geoenvironmental Disasters, Vol. 6, No. 1, ID 3, https://doi.org/10.1186/s40677-019-0119-7.
9. Evans S.G., Roberts N.J., Ischuk A., Delaney K.B., Morozova G.S., Tutubalina О., 2009. Landslides triggered by the 1949 Khait
earthquake, Tajikistan, and associated loss of life. Engineering Geology, Vol. 109, Issues 3–4, рр. 195–212,
https://doi.org/10.1016/j.enggeo.2009.08.007.
10. Khosravi K., Pourghasemi H.R., Chapi K., Bahri M., 2016. Flash flood susceptibility analysis and its mapping using different bivariate
models in Iran: a comparison between Shannon’s entropy, statistical index, and weighting factor models. Environmental Monitoring and
Assessment, Vol. 188, No. 12, ID 656, https://doi.org/10.1007/s10661-016-5665-9.
11. Kumar A., Sharma R.K., Bansal V.K., 2019. GIS-based comparative study of information value and frequency ratio method for landslide hazard zonation in a part of mid-Himalaya in Himachal Pradesh. Innovative Infrastructure Solutions, No. 4, ID 28, https://doi.org/10.1007/s41062-019-0215-2.
12. Małka A., 2021. Landslide susceptibility mapping of Gdynia using geographic information system-based statistical models. Natural
Hazards, Vol. 107, No. 1, pp. 639–674, https://doi.org/10.1007/s11069-021-04599-8.
13. Meena S.R., Puliero S., Bhuyan K., Floris M., Catani F., 2022. Assessing the importance of conditioning factor selection in landslide
susceptibility for the province of Belluno (Region of Veneto, northeastern Italy). Natural Hazards and Earth System Science, Vol. 22,
Issue 4, pp. 1395–1417, https://doi.org/10.5194/nhess-22-1395-2022.
14. Mondal S., Mandal S., 2019. Landslide susceptibility mapping of Darjeeling Himalaya, India using index of entropy (IOE) model.
Applied Geomatics, Vol. 11, No. 9, pp. 129–146, https://doi.org/10.1007/s12518-018-0248-9.
15. Pal S.C., Chowdhuri I., 2019. GIS-based spatial prediction of landslide susceptibility using frequency ratio model of Lachung River
basin, North Sikkim, India. SN Applied Sciences, Vol. 1, ID 416, https://doi.org/10.1007/s42452-019-0422-7.
16. Panchal S., Shrivastava A.K., 2021. A comparative study of frequency ratio, Shannon’s entropy and analytic hierarchy process (AHP)
models for landslide susceptibility assessment. ISPRS International Journal of Geo-Information, Vol. 10, No. 9, ID 603,
https://doi.org/10.3390/ijgi10090603.
17. Pham B.T., Pradhan B., Bui D.T., Prakash I., Dholakia M.B., 2016. A comparative study of different machine learning methods for
landslide susceptibility assessment: a case study of Uttarakhand area (India). Environmental Modelling and Software, Vol. 84, pp. 240–
250, https://doi.org/10.1016/j.envsoft.2016.07.005.
18. Pourghasemi H.R., Mohammady M., Pradhan B., 2012. Landslide susceptibility mapping using index of entropy and conditional
probability models in GIS: Safarood Basin, Iran. CATENA, Vol. 97, pp. 71–84, https://doi.org/10.1016/j.catena.2012.05.005.
19. Rahaman A., Venkatesan M.S., Ayyamperumal R., 2021. GIS-based landslide susceptibility mapping method and Shannon entropy
model: a case study on Sakaleshapur Taluk, Western Ghats, Karnataka, India. Arabian Journal of Geosciences, Vol. 14, ID 2154,
https://doi.org/10.1007/s12517-021-08422-3.
20. Rasyid A.R., Bhandary N.P., Yatabe R., 2016. Performance of frequency ratio and logistic regression model in creating GIS based
landslides susceptibility map at Lompobattang Mountain, Indonesia. Geoenvironmental Disasters, Vol. 3, No. 1, ID 19, https://doi.org/
10.1186/s40677-016-0053-x.
21. Saha S., Sarkar R., Roy J., Hembram T.K., Acharya S., Thapa G., Drukpa D., 2021. Measuring landslide vulnerability status of Chukha,
Bhutan using deep learning algorithms. Scientific Reports, Vol. 11, No. 1, ID 16374, https://doi.org/10.1038/s41598-021-95978-5.
22. Sharma L.P., Patel N., Ghose M.K., Debnath P.K., 2012. Influence of Shannon’s entropy on landslide-causing parameters for vulnerability study and zonation — a case study in Sikkim, India. Arabian Journal of Geosciences, Vol. 5, pp. 421–431, https://doi.org/10.1007/s12517-010-0205-3.
23. Singh P., Sharma A., Sur U., Rai P.K., 2021. Comparative landslide susceptibility assessment using statistical information value and
index of entropy model in Bhanupali-Beri Region, Himachal Pradesh, India. Environment Development and Sustainability, Vol. 23,
рр. 5233–5250, https://doi.org/10.1007/s10668-020-00811-0.
24. Takaku J., Tadono T., Doutsu M., Ohgushi F., Kai H., 2021. Updates of AW3D30 ALOS global digital surface model in Anterctica with
other open access datasets. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIIIB4-2021, Proceedings of the XXIV ISPRS Congress, Commission IV, Nice, France, 2021, pp. 401–408.
25. Wu Y., Li W., Wang Q., Liu Q., Yang D., Xing M., Pei Y., Yan S., 2016. Landslide susceptibility assessment using frequency ratio,
statistical index and certainty factor models for the Gangu County, China. Arabian Journal of Geosciences, Vol. 9, Issue 2, ID 84,
https://doi.org/10.1007/s12517-015-2112-0.

BAKHROMZHON KH. MUMINOV
Tyumen State University; Tyumen, Russia; bahromzhon95@mail.ru
Address: Bld. 6, Volodarsky St., 625003, Tyumen, Russia
IGOR K. FOMENKO*
Sergo Ordzhonikidze Russian State University for Geological Prospecting; Moscow, Russia; ifolga@gmail.com
Address: Bld. 23, Miklouho-Maclay St., 117997, Moscow, Russia
PAVEL V. SMIRNOV
Kazan Federal University; Kazan, Russia; geolog.08@mail.ru
Address: Bld. 18, Pde 1, Kremlevskaya St., 420008, Kazan, Russia

Статьи из журнала

АКТИВНОСТЬ И ОПАСНОСТЬ ОПОЛЗНЕВЫХ ПРОЯВЛЕНИЙ НА АВТОМОБИЛЬНЫХ ДОРОГАХ РЕСПУБЛИКИ ДАГЕСТАН

“ГеоРиск”, Том XVI, № 4/2022

Авторы: Разумов В.В., Богданова Н.Д., Разумова Н.В., Калов Р.Х., Шагин С.И.

Рассмотрены результаты систематизации и анализа различных источников, содержащих информацию об активности и опасности проявления оползневых процессов на автомобильных дорогах Республики Дагестан за 2005–2022 гг. Охарактеризованы условия, причины, активность и опасность ...

ОЦЕНКА ОПОЛЗНЕВОЙ ОПАСНОСТИ НУРЕКСКОГО РАЙОНА ТАДЖИКИСТАНА С ПРИМЕНЕНИЕМ МЕТОДА СООТНОШЕНИЯ ЧАСТОТ. ЧАСТЬ 2

“ГеоРиск”, Том XVI, № 4/2022

Авторы: Муминов Б.Х., Фоменко И.К., Смирнов П.В.

ГИДРОЛОГИЧЕСКИЙ РЕЖИМ МАЛЫХ РЕК УРБАНИЗИРОВАННЫХ ТЕРРИТОРИЙ (НА ПРИМЕРЕ НОВОЙ МОСКВЫ)

“ГеоРиск”, Том XVI, № 4/2022

Авторы: Жуков И.А., Айбулатов Д.Н.

Проблема роста количества и размеров городов, увеличение площади мегаполисов и возрастающая урбанизация центральной части Европейской территории России являются одним из определяющих факторов в изменении показателей стока воды рек. Влияние резко ...

БАТИМЕТРИЧЕСКАЯ СЪЕМКА И МОДЕЛИРОВАНИЕ ВОЗМОЖНОГО ПРОРЫВА оз. ЯШИЛЬКУЛЬ (ГОРНО- БАДАХШАНСКАЯ АВТОНОМНАЯ ОБЛАСТЬ, ТАДЖИКИСТАН)

“ГеоРиск”, Том XVI, № 4/2022

Авторы: Раимбеков Ю.Х., Пирмамадов У.Р., Гуломайдаров А.Г., Зикиллобеков И.И.

Последствием глобального потепления в Центральной Азии является таяние ледников, что проводит к активизации опасных гляциальных процессов. Активизация опасных гляциальных процессов зачастую становится причиной возникновения чрезвычайных ситуаций и стихийных бедствий местного, ...