doria.fi

JavaScript is disabled for your browser. Some features of this site may not work without it.

Tiivistelmä Paraisten saaristoalueen maa-alueilta peräisin olevan ravinne- ja kiintoainekuormituksen merkittävimmät lähteet ovat maatalous ja metsämaiden luonnonhuuhtouma. Myös haja- ja loma-asutuksen jätevesillä sekä paikallisesti taajamien hulevesikuormituksella on merkitystä. Saaren valuma-alueilta mereen kulkeutuvien ravinteiden hillinnässä on suositeltavaa suunnitella ja toteuttaa eri sektoreihin kohdistuvia useita toimenpiteitä samanaikaisesti pienemmille alueille.

Hyppää sisältöön Hakola-Uusitalo, Tuulia; Tuomala, Juha (2026-06-30) Valtion taloudellinen tutkimuskeskus Julkaisun pysyvä osoite on https://urn.fi/URN:ISBN:978-952-274-310-7 Tiivistelmä Tässä raportissa arvioidaan COVID-19-pandemian taloudellisia vaikutuksia Suomessa vuosina 2020–2023.

Hyppää sisältöön Sipilä, Anna; Koivisto, Maija; Poutanen, Nina; Onnila, Pekka; Heikkinen, Teemu; Jokihaara, Jukka; Hedström, Marie; Rautiainen, Jyri (2026-06) Lataukset: Kaakkois-Suomen elinvoimakeskus Julkaisun pysyvä osoite on https://urn.fi/URN:ISBN:978-952-398-415-8 Kuvaus navigointi mahdollista kuvilla vaihtoehtoiset kuvaukset taulukot saavutettavia looginen lukemisjärjestys Tiivistelmä Hankkeessa laadittiin Kymenlaakson ja Etelä‑Karjalan kattava vesihuollon yleissuunnitelma vuoteen...

Tiivistelmä Vehmaan suunnittelualueella merkittävin ravinne- ja kiintoainekuormituksen lähde on maataloudesta peräisin oleva hajakuormitus. Valuma-alueilta Mynälahteen kulkeutuvien ravinteiden vähentämiseksi on suositeltavaa suunnitella ja toteuttaa eri sektoreihin kohdistuvia toimenpiteitä koko suunnittelualueen laajuisesti. Alueellisesti paras tulos saadaan keskittämällä toimenpiteitä pienemmille osavaluma-alueille, kuten jokeen laskevien merkittävimpien sivu-uomien valuma-alueille.

Autonomous surface vessels (ASVs) are increasingly used for environmental monitoring, exploration and data collection missions. Safe navigation of such platforms requires reliable obstacle detection capabilities while respecting the constraints imposed by small autonomous vessels, including limited budget, size and energy resources.

JavaScript is disabled for your browser. Some features of this site may not work without it.

Background and aims: By utilizing prior knowledge of related tasks, transfer learning (TL) with convolutional neural networks (CNNs) seeks to enhance performance on a new task. Since TL addresses the data scarcity and saves time and hardware resources, it has significantly improved medical image analysis.

Background: Memory disorders and dementia are increasing worldwide. This trend puts growing pressure on patients, caregivers, and healthcare systems. Advanced Practice Nurses (APNs) are taking a larger role in meeting these needs. However, their scope of practice in memory disorder care and evidence of impact remain scattered. Aim: This study aimed to describe the scope of APNs’ practice and the outcomes of implementing advanced practice nursing in memory disorder care.

Hyppää sisältöön Robert, Léo (2026) Julkaisun pysyvä osoite on https://urn.fi/URN:NBN:fi-fe2026061672384 Tiivistelmä Whether on soil, in the air, or on sea, autonomous navigation has become a field of significant interest during the last decades. However, this newfound interest is not evenly distributed among all aforementioned environments, as the maritime industry was only reached in the last few years.