监测模式的基础是植物发育关键阶段的数据。在计算产量时，使用了托国立专家制定的系数，用来考虑影响野生植物生产力的因素。这些数据来自独特的数据库和不同机构的信息系统。
托国立生物学院自然保护科研所的主任兼项目的开发者亚历山大·别列津说：“预测是基于每一种物种的，考虑到影响它的重要因素。例如，雪松在26个月前是丰收期。第一阶段需要考虑的－授粉。如果是在天气良好的情况下（温暖的气候，湿度正好），则使用最高系数单位。条件越差，系数越小”。
在建立预测系统时，需要学习很多方面的知识：土壤指标和植物生长的区域，其中包括生长情况，具体森林品种潜在的丰收情况；雪松的年龄；降水量和大风天数量等。根据总体的数据确定产值是多少千克。
亚历山大·别列津解释说：“算法的注意已经很久了，但是在地球信息系统《地理门户》出现之前，这在技术上是非常困难的。托国立创建的软件产品，结合了托木斯克地区巨大的数据集团，这之前是分散存在的：数字景观图、水体和森林资源地理数据库、森林图、遥感数据（空间图像和遥感数据）等。这个工具的出现有助于搜集必要信息并且将其用在提议的算法中”。
除了用于预测松果和越橘作物产量的模型外，还计划为其他浆果作物开发一种类似的计算方法，首先是红莓和蓝莓。目前科学家们正在寻找用来继续工作的财政支持并且正在努力完善系数。正如亚历山大·别列津强调的那样，地理门户网站需要为不同年份积累足够的数据，这也将有助于提高程序的准确性。值得补充的是，区域紧急情况部已经利用地理门户网站的能力评估春季洪水对人类居住区的影响。在2019年该软件通过神经网络被扩大使用。她将帮助分析积攒20年数据，查明趋势并将其与实际水文气象数据联系起来。通过处理，神经网络提供了关于危险区域水位动态的信息并且将预测在未来48小时内可能被淹没的区域。