Библиография

1. 1. Агеева Н. Г. Температурные потребности абрикоса // Бюллетень Никитского ботанического сада. 1984. Вып. 54. С. 49–53.
2. 2. Асадулаев З. М., Анатов Д. М., Османов Р. М. Абрикос в Дагестане: Монография. Махачкала: Типография А4. 2020. 312 с.
3. 3. Ахматова З. П., Карданов А. Р. Абрикос и значение экологических факторов при его выращивании. Нальчик: Полиграфсервис и Т, 2008. 164 с.
4. 4. Важов В. И. Агроклиматические аспекты оценки территории Крыма для абрикоса // Бюлл. гос. Никитск. ботан. сада. 1987. Вып. 62. С. 85–90.
5. 5. Грекусис Дж. Методы и практика пространственного анализа. Описание, исследование и объяснение с использованием ГИС. М.: ДМК Пресс, 2021. 500 с.
6. 6. Драгавцев А. П., Трусевич Г. В. Южное плодоводство. М.: Колос, 1970. 490 с.
7. 7. Животовский Л. А. Две ветви исследований популяционной структуры вида – экологическая и генетическая: история, проблемы, решения // Генетика. 2017. Т. 53. С. 1244–1253. DOI: 10.7868/S0016675817110133
8. 8. Животовский Л. А. Популяционная структура вида: Экогеографические единицы и генетическая дифференциация популяций // Биология моря. 2016. Т. 42. С. 323–333.
9. 9. Животовский Л. А., Османова Г. О. Экогеографические единицы и охрана внутривидового разнообразия // Изв. РАН. Сер. биол. 2020. № 2. С. 124–136. DOI: 10.31857/S0002332920020149
10. 10. Огурцов С. С. Моделирование пригодности местообитаний бурого медведя Ursus arctos (Linnaeus, 1758) на основе функции выбора ресурсов в мозаичных ландшафтах южной тайги // Дисс. на соиск. ученой степени канд. биол. наук. М., 2023. 350 с.
11. 11. Пшегусов Р. Х. Модели компонентов горных экосистем Кавказа: пространственный анализ и теория экологической ниши // Дисс. на соиск. ученой степени докт. биол. наук. Нальчик, 2023а. 409 с.
12. 12. Пшегусов Р. Х. От пространственного распределения к экологической нише: вопросы моделирования в рамках корреляционного подхода // Изв. РАН. Сер. биол. 2023б. № 8. С. 16–24. DOI: 10.31857/S1026347023600802
13. 13. Пшегусов Р. Х., Темботова Ф. А., Саблирова Ю. М. Основные закономерности пространственной локализации различных типов хвойных и хвойно-широколиственных лесов северного макросклона Западного Кавказа по материалам дистанционного зондирования Земли // Вопросы лесной науки. 2019. Т. 2. № 3. С. 1–11. DOI: 10.31509/2658-607x-2019-2-3-1-11
14. 14. Черниховский Д. М. Автоматическая классификация поверхности рельефа для изучения количественных и качественных характеристик лесов // Известия Санкт-Петербургской лесотехнической академии. 2017. Вып. 219. С. 74–95. DOI: 10.21266/2079-4304.2017.219.74-95
15. 15. Asadulaev Z. M., Anatov D. M. Spatial structure of Prunus armeniaca L. populations in the arid woodlands of Mountaineous Dagestan // Arid Ecosystems. 2019. V. 9. № 2. P. 104–110. DOI: 10.1134/S2079096119020021
16. 16. Asadulaev Z. M., Anatov D. M., Gaziev M. A. Genetic resources of Prunus armeniaca L. natural populations in Mountainous Dagestan // Acta Hort. 2014. V. 1032. P. 183–190. DOI: 10.17660/ActaHortic.2014.1032.24
17. 17. Fick S., Hijmans R. WorldClim 2: New 1-km spatial resolution climate surfaces for global land areas // International Journal of Climatology. 2017. V. 37. P. 1–14. DOI: 10.1002/joc.5086
18. 18. Guisan A., Thuiller W., Zimmermann N. Habitat suitability and distribution models: with applications in R. Cambridge: University Printing House, 2017. 467 p. DOI: 10.1017/9781139028271
19. 19. Hijmans R. J., Cameron S. E., Parra J. L., Jones P. G., Jarvis A. Very high-resolution interpolated climate surfaces for global land areas // International Journal of Climatology. 2005. V. 25. P. 1965–1978. DOI: 10.1002/joc.1276
20. 20. Peterson A. T., Soberón J., Pearson R. G., Anderson R., Martínez-Meyer E., Nakamura M., Araújo M. Ecological niches and geographic distributions. 2011. Princeton: Princeton University Press, 316 p. DOI: 10.1111/aec.12121
21. 21. Qasimi A. B., Isazade V., Berndtsson R. Flood susceptibility prediction using MaxEnt and frequency ratio modeling for Kokcha River in Afghanistan // Natural Hazards. 2023. V. 123. P. 1–28. DOI: 10.1007/s11069-023-06232-2
22. 22. SRTM. Shuttle Radar Topography Mission [Electronic resource]. 2022. Accessed: https://srtm.csi.cgiar.org/
23. 23. Wang M., Chen H., Lei M. Identifying potentially contaminated areas with MaxEnt model for petrochemical industry in China // Environmental Science and Pollution Research. 2022. V. 29. Р. 54421–5443. DOI: 10.1007/s11356-022-19697-8
24. 24. WorldClim. WorldClim climate data base [Electronic resource]. 2022. Accessed: https://worldclim.com/version2
25. 25. Zhivotovsky L. A., Yurchenko A. A., Nikitin V. D. et al. Eco-geographic units, population hierarchy, and a two-level conservation strategy with reference to a critically endangered salmonid, Sakhalin taimen Parahucho perryi // Conservation Genetics. 2015. Vol. 16. P. 431–441. DOI: 10.1007/s10592-014-0670-4