DSA Faculty
API
← к списку преподавателей

Анискина Татьяна Андреевна

Факультет географии и геоинформационных технологий

Профиль на hse.ru ↗ тел.: +7 (495) 772-95-90 | 28136 | +7(985)728-64-45
Публикаций
3
Языков
1
Наград
3
Конференций
0
Профиль Публикации (3) Курсы (6)

Профессиональные интересы

ГИСпространственный анализ и визуализациягеомаркетингвеб-ГИСгеоинформационные системыгеоаналитика

Должности

  • Старший преподаватель — Факультет географии и геоинформационных технологий
  • Заместитель декана — Факультет географии и геоинформационных технологий
  • Директор центра — Факультет географии и геоинформационных технологий, Центр геоданных

Био

  • · Начала работать в НИУ ВШЭ в 2020 году.
  • · Научно-педагогический стаж: 5 лет.

Образование

  • 2009 · Специалитет: Московский государственный университет им. М.В. Ломоносова, специальность «Картография», квалификация «Картограф»

Опыт работы

  • · 2008–2021: ООО ЭСРИ СНГ, ведущий специалист отдела продаж/руководитель направления ГИС в коммерческом секторе

Награды и поощрения

  • · Благодарность факультета географии и геоинформационных технологий НИУ ВШЭ (октябрь 2024)
  • · Лучший преподаватель — 2023–2025
  • · Лучший академический руководитель в номинации «Межфакультетское взаимодействие» — 2025

Гранты и проекты

  • — · В Москве завершил работу форум «Сильные идеи для нового времени». Исследователи Вышки представили свои проекты в различных областях. Один из них — «Водный потенциал России» — вошел в топ-10 и был презентован заведующим Научно-учебной лабораторией экономики изменения климата НИУ ВШЭ Игорем Макаровым на пленарном заседании с участием президента Владимира Путина.

Идентификаторы исследователя

  • ORCID: 0009-0004-0608-4855
  • ResearcherID: OKS-9994-2025
  • SPIN РИНЦ: 9556-6500

Публикации (3)

Natural hazard database from Internet publications: text mining with a large language model

2026 · PREPRINT · en

Comprehensive data on natural hazards and their consequences are crucial for effective for risk assessment, adaptation planning, and emergency response. However, many countries face challenges with fragmented, inconsistent, and inaccessible data, particularly regarding local-scale events. To address this data gap in Russia, we developed an end-to-end processing pipeline that scrapes news from various online sources, including national newspapers, regional emergency office websites, and social media, and extracts hazard-related information into a structured database. The pipeline employs ChatGPT 4o mini for its cost effectiveness, quality performance and the ready-to-use mode. It identifies 14 information nuggets, including hazard type, location, dates, impact on infrastructure and people, and response measures. To enhance the result reliability, the outputs of a generative model are controlled by non-generative approaches of text processing. The resulting data are spatially located using OpenStreetMap service. In a test run, we scraped over 8.3 million primary news articles on 2018-2024, resulting in nearly 49,000 hazard-relevant texts that were related to 21,000 unique events across 18 hazard types. Evaluation against expert-labeled texts indicates recall and precision rates from 0.70 to 0.99 depending on the information rubric, with no instances of model hallucination. The combination of a ready-to-use large language model for text mining and the worldwide open-source geodata for geolocation supports the easily transfer of the pipeline to other regions and languages.

DOI ↗ PDF ↗

Рейтинг регионов России по необходимости адаптации к изменению климата

2025 · BOOK · ru

Глобальное изменение климата является одной из ключевых проблем, с которыми сталкивается человечество в XXI веке. Среди проявлений климатических изменений – повышение средней глобальной температуры, поднятие уровня Мирового океана, трансформация режима осадков, а также таяние ледников, морских льдов и деградация вечной мерзлоты. Россия, с учетом размеров ее территории и природно-климатического разнообразия, испытывает последствия изменений климата особенно остро. Цель доклада – представить рейтинг регионов России по необходимости адаптации к изменению климата, который позволит учесть территориальную дифференциацию рисков и станет инструментом стратегического планирования адаптационных мероприятий в условиях ограниченности ресурсов.

Heuristic relative assessment of climate risks in Russian regions

2025 · ARTICLE · en

Climate risks pose a threat to the economy and the society, making their accurate assessment crucial for effective adaptation strategies. However, such estimates are complicated due to incomplete data on the potential risk-related damages. In this study, we apply a simplified heuristic approach using the hazard-exposure-vulnerability framework to assess climate risks in Russia. We focus on five climate risks identified as highly relevant to Russia in the National Adaptation Plan: heatwaves affecting urban population, water stress impacting agriculture, wildfires threatening forestry and ecosystems, extreme precipitation endangering population and infrastructure, and permafrost degradation affecting population, housing and utilities. The lack of detailed spatial economic data for exposure and vulnerability prevents the quantification of corresponding damage functions; therefore, we heuristically select the best available parameters presented for all regions that can reliably characterise three risk components. We use the current state for exposure and vulnerability indicators and projected changes to the mid-21st century under different SSP-scenarios for hazard indicators. Using normalised values of indicators, we estimate the relative level of each risk and rank the Russian regions accordingly, highlighting territories with the highest need for adaptation to climate change. The results demonstrate the uneven allocation of climate risks across Russian territory. Russia's southwest faces primarily risks related to heatwaves and water stress, the northeast deals with the risks associated with permafrost and forest fires, while the southeast faces mainly with flood-related risks. We identify regions having multiple overlapping risks, emphasising the importance of integrated adaptation strategies to address the potential nonlinear impacts of these risks.

DOI ↗

Курсы (6)