Методический подход к мониторингу восстановления нарушенных земель горнопромышленной отрасли по данным спутниковых наблюдений

DOI: http://dx.doi.org/10.30686/1609-9192-2018-6-142-72-75
УДК: 622.012:[502.174:631.458:528.7]

С.П. Месяц, зав. лаб. геоэкотехнологий, вед. науч. сотр. Горного института КНЦ РАН

С.П. Остапенко, канд. техн. наук, ст. науч. сотр. Горного института КНЦ РАН

В силу того, что техногенному воздействию подвержены природные комплексы практически всех географических зон и масштабы этого воздействия имеют глобальный характер, восстановление нарушенных земель сегодня трактуется в первую очередь как «Ecological restoration» – восстановление природных экосистем для сохранения устойчивого состояния биосферы. В Горном институте КНЦ РАН разработана технология восстановления нарушенных земель техногенных ландшафтов в соответствии с принципом самоорганизации природных экосистем. Образование биологически активной среды созданием сеяного злакового фитоценоза без нанесения плодородного слоя обеспечивает быстрое формирование биогенно-гумусо-аккумулятивного горизонта и значительно более быстрое, чем при самозарастании, формирование фитоценоза со структурой окружающего природного ландшафта. Предложен методический подход к мониторингу нарушенных земель горнопромышленной отрасли при их восстановлении по данным спутниковых наблюдений.

Спутниковые данные широко используются в последние десятилетия для мониторинга земной поверхности, в том числе для оценки масштабного техногенного воздействия на природную среду, характеризуемого изменением ландшафта. Поскольку нарушенные земли горнопромышленной отрасли занимают большие площади, актуальность их восстановления не вызывает сомнения. Наибольшую проблему представляют складированные мелкодисперсные отходы рудообогащения, практически не подверженные самозарастанию в результате ветровой и водной эрозии.

Выбор объекта исследования в данной работе определяется целевой задачей восстановления природных ландшафтов с учетом рельефа территории, что позволяет разработанная в Горном институте КНЦ РАН технология создания растительного покрова, обеспечивающая достижение результата на любом рельефе (рис. 1) [1].

Рис. 1 Восстановление природных экосистем созданием биологически активной среды

Рис. 1 Восстановление природных экосистем созданием биологически активной среды

Так, площадь действующего хвостохранилища ОАО «Ковдорский ГОК» составляет ~13 км2, фронт работ, проводимых по созданию растительного покрова на ограждающей дамбе, составляет ~3 км. За рассматриваемый период предприятием осуществлены работы на площади ~1 км2.

Учитывая размеры объекта, представляется целесообразным использование данных спутниковых наблюдений для мониторинга состояния нарушенных земель при формировании фитоценоза со структурой окружающего природного ландшафта в ходе сукцессии сеяного фитоценоза. При этом следует учитывать, что поставленная задача мониторинга затруднена тем, что объектом исследования являются ограждающие дамбы хвостохранилища, угол наклона которых составляет ~30о.

Из множества открытых баз спутниковых данных в сети Интернет представляет интерес база Национального аэрокосмического агентства США (NASA) по разнообразию сенсоров, спектральных диапазонов наблюдения земной поверхности и продуктов обработки данных, полученных с космических аппаратов. В частности, для оценки состояния растительного покрова в базе представлены данные о вегетационном индексе NDVI подстилающей поверхности, рассчитанном по мультиспектральным космоснимкам.

Несмотря на кажущуюся тривиальность выбора спутниковых данных тематического изображения поверхности с наилучшей доступной детализацией, к рассмотрению следует принимать не отдельные снимки, а согласованный набор спутниковых данных, характеризующий собой временные ряды изображений интересующего объекта за несколько лет.

Набор спутниковых данных должен включать изображения разного разрешения, полученные с помощью различных сенсоров с разных космических аппаратов, для обеспечения объективности проводимых исследований.

Учитывая характерные размеры элементов откосов ограждающей дамбы ОАО «Ковдорский ГОК» (ширина берм до 15 м, высота откоса ~13 м), для мониторинга целесообразно использовать снимки высокого пространственного разреше- ния (~30 м) космических аппаратов NASA – Landsat. Однако, годовое количество пригодных для расчета вегетационного индекса снимков Landsat исследуемой территории, сделанных (с мая по октябрь) за десятилетний период наблюдений, не превышает трех, что обусловлено характерной для СевероЗападного сектора Арктики повторяемостью 10-балльной облачности [2]. К существенному осложнению сопоставления результатов наблюдения состояния растительного покрова на откосах ограждающей дамбы привели три значительных обновления сенсоров космических аппаратов Landsat, проведенные за период с 2007 г. Ввиду различия технических характеристик сенсоров космических аппаратов Landsat 5, Landsat 7 и Landsat 8 (соответствующие периоды работы с 1984 по 2012 г., с 1999 по 2013 г. и с 2013 г. по настоящее время) для мониторинга состояния формирующегося растительного покрова требуется калибровка расчетных значений вегетационного индекса.

С целью приведения к единой расчетной базе значений вегетационного индекса, полученных обработкой снимков с космических аппаратов Landsat, набор данных мониторинга состояния растительного покрова дополнен снимками с космических аппаратов MODIS (NASA), регулярно сканирующих земную поверхность с 2000 г., отличительной особенностью которых является согласованность массива данных [3]. Поскольку разрешение снимков MODIS в проекции на земную поверхность невелико (~ 250 м) и не дает возможности наблюдения объектов размерами менее 1/4 км (рис. 2, верхний ряд изображений), мониторинг состояния растительного покрова на ограждающей дамбе хвостохранилища непосредственно по данным MODIS невозможен.

Согласование величин вегетационного индекса, полученных по снимкам с различным пространственным разрешением, некорректно в силу их геометрического несовпадения, поэтому требуется дополнительная обработка данных Landsat и MODIS, заключающаяся в усреднении величин вегетационного индекса по площади калибровочных полигонов вокруг объекта исследования, расположение которых показано на нижнем изображении рис. 2.

Рис. 2 Спутниковые изображения исследуемой территории: верхние – хвостохранилище, пространственное разрешение 250 м (левое изображение) и 30 м (правое изображение) (стрелками указаны откосы ограждающей дамбы); нижнее – расположение калибровочных полигонов вокруг хвостохранилища

Рис. 2 Спутниковые изображения исследуемой территории: верхние – хвостохранилище, пространственное разрешение 250 м (левое изображение) и 30 м (правое изображение) (стрелками указаны откосы ограждающей дамбы); нижнее – расположение калибровочных полигонов вокруг хвостохранилища

Обработка спутниковых данных

На первом этапе обработки данных дешифрировались цветные изображения промплощадки ОАО «Ковдорский ГОК» и прилегающей территории по снимкам Landsat 8 в видимой области спектра, затем в соответствии с разработанным ранее подходом, выделялось 100 калибровочных полигонов площадью не менее 1 км2 с равномерным растительным покровом (рис. 2), процедура выделения полигонов описана в работе [4].

На втором этапе определялись и усреднялись значения вегетационного индекса по площади выделенных калибровочных полигонов со снимков Landsat и MODIS за период с 2005 г. по настоящее время и рассчитывался переводной (калибровочный) коэффициент перехода между ними, погрешность оценки коэффициента не превышала 15%. Невысокая погрешность расчетной оценки и, в конечном счете, достоверность полученных результатов обеспечены большим объемом (более 32 тыс.) обработанных значений вегетационного индекса по данным спутниковых наблюдений.

На третьем этапе рассчитывались значения вегетационного индекса растительного покрова, созданного на ограждающей дамбе хвостохранилища, по снимкам Landsat с использованием переводного коэффициента. Единичный элемент изображения снимка Landsat – пиксель растра, соответствующий на подстилающей поверхности площадке с проектиными размерами ~30х30 м. Число пикселей, соответствующих на изображении снимка Landsat откосам ограждающей дамбы хвостохранилища с создаваемым растительным покровом, составило 851, каждый пиксель рассматривался в качестве изображения пункта мониторинга растительного покрова площадью ~900 м2. Исследуемый массив значений вегетационного индекса составил более 250 тыс. величин из 851 временного ряда значений, что соответствует 22 снимкам Landsat исследуемой части территории хвостохранилища, выполненным в вегетационные периоды с 2005 по 2018 г.

Дополнительная обработка данных Landsat

Периодичность изменения вегетационного индекса, полученного в результате усреднения данных MODIS, характеризуется наличием выраженного максимума, что связано с климатическими условиями Крайнего Севера (рис. 3).

Рис. 3 Динамика вегетационного индекса калибровочных полигонов на территории, прилегающей к промплощадке ОАО «Ковдорский ГОК». Обозначения: точки – откалиброванные значения индекса, полученные по снимкам Landsat; кривая – значения индекса по данным MODIS. Зеленый цвет кривой соответствует периоду наблюдений

Рис. 3 Динамика вегетационного индекса калибровочных полигонов на территории, прилегающей к промплощадке ОАО «Ковдорский ГОК». Обозначения: точки – откалиброванные значения индекса, полученные по снимкам Landsat; кривая – значения индекса по данным MODIS. Зеленый цвет кривой соответствует периоду наблюдений

Из рисунка видно, что не все снимки Landsat отвечают максимуму вегетационного индекса, что требует корректировки его значений при сопоставлении состояния растительного покрова по годам. С этой целью значения вегетационного индекса растительного покрова, создаваемого на откосах ограждающей дамбы хвостохранилища, интерполировались на основе разработанного алгоритма на дату максимума.

На заключительном этапе обработки данных выполнялась классификация пунктов мониторинга состояния растительного покрова по значению вегетационного индекса.

Для обработки данных использовалось некоммерческое программное обеспечение: геоинформационная система QGIS [5] и программная среда R [6].

Результаты и их обсуждение

Из массива согласованных (непротиворечивых) значений вегетационного индекса подстилающей поверхности исследуемого объекта, полученных по 851 пункту мониторинга, выделено подмножество, состоящее из 516 пунктов мониторинга состояния растительного покрова, со значениями индекса больше 0,5 и исследовано их пространственно-временное распределение.

Временной ряд вегетационного индекса состояния растительного покрова, формирующегося в ходе сукцессии сеяного злакового фитоценоза, отражает эволюцию создаваемого фитоценоза и имеет сложную структуру, в том числе обусловленную видовым составом сеяного злакового фитоценоза, разными фазами его развития, подселением древесно-кустарничковых видов окружающего природного ландшафта (рис. 4).

Рис. 4 Временной ряд вегетационного индекса растительного покрова на откосах ограждающей дамбы ОАО «Ковдорский ГОК»

Рис. 4 Временной ряд вегетационного индекса растительного покрова на откосах ограждающей дамбы ОАО «Ковдорский ГОК»

При изучении пространственного распределения вегетационного индекса установлено, что для нижних и средних ярусов ограждающей дамбы (334 пункта мониторинга) среднее значение первого максимума вегетационного индекса (2010 г.) составляет 0,68, второго максимума (2016 г.) – 0,73 (нижняя левая диаграмма на рис. 5), для верхнего яруса ограждающей дамбы (182 пункта мониторинга) значения максимумов составляют соответственно – 0,56 и 0,64 (верхняя левая диаграмма на рис. 5).

Рис. 5 Пространственное распределение пунктов мониторинга растительного покрова на откосах ограждающей дамбы ОАО «Ковдорский ГОК». Обозначения: – верхний ярус дамбы, – нижний и средний ярусы дамбы

Рис. 5 Пространственное распределение пунктов мониторинга растительного покрова на откосах ограждающей дамбы ОАО «Ковдорский ГОК». Обозначения: – верхний ярус дамбы, – нижний и средний ярусы дамбы

Пункты мониторинга на верхнем ярусе ограждающей дамбы характеризуются меньшей величиной вегетационного индекса, поскольку создание растительного покрова осуществляется снизу вверх, по мере увеличения высоты гидротехнического сооружения последовательно в течение всего срока наблюдений. Меньшие величины вегетационного индекса на верхних откосах дамбы объясняются более поздним временем выхода в генеративную фазу сеяного злакового фитоценоза.

Следует также отметить, что пункты мониторинга с пониженным значением вегетационного индекса, расположенные на верхнем ярусе ограждающей дамбы, примыкают к пляжу хвостохранилища, что позволяет предположить, что кроме причины, обусловленной невыходом по срокам в генеративную фазу развития многолетних трав, наблюдается ветровой перенос с пляжа мелкодисперсных складируемых отходов рудообогащения.

Значения вегетационного индекса растительного покрова на нижних и средних ярусах ограждающей дамбы хвостохранилища уже с 3-го года соответствуют величине вегетационных индексов зональных фитоценозов (вегетационный индекс калибровочных полигонов составляет 0,8 (см. рис. 3) в максимумах временного ряда, что свидетельствует о сомкнутости травостоя и полноте проективного покрытия фитоценоза, формирующегося в ходе сукцессии сеяного злакового фитоценоза.

При переходе от луговой стадии сеяного фитоценоза к лесной с последующим формированием фитоценоза со структурой окружающего природного ландшафта следует ожидать дальнейшего увеличения вегетационного индекса [7]. Несмотря на различие в величине вегетационного индекса, для всех ярусов ограждающей дамбы характерно наличие сплошного растительного покрова (правое изображение на рис. 5), что свидетельствует об эффективности технологии восстановления нарушенных земель, разработанной в Горном институте КНЦ РАН.

Выводы

Предлагаемый подход к мониторингу нарушенных земель горнопромышленной отрасли в динамике их восстановления дает возможность контролировать состояние подстилающей поверхности на основе данных спутниковых наблюдений. Обработка спутниковых данных позволяет:

– систематизировать данные о состоянии нарушенных земель предприятий;

– оценить динамику их восстановления;

– оценить состояние формирующегося растительного покрова.

Мониторинг состояния растительного покрова, созданного на откосах ограждающей дамбы ОАО «Ковдорский ГОК», показал эффективность разработанной в Горном институте технологии восстановления нарушенных земель техногенных ландшафтов. Образование биологически активной среды созданием сеяного злакового фитоценоза без нанесения плодородного слоя обеспечивает быстрое формирование биогенно-гумусо-аккумулятивного горизонта. Уже с третьего года установлено соответствие вегетационного индекса формирующегося фитоценоза фоновым значениям.

Предлагаемый методический подход к мониторингу восстановления нарушенных земель горнопромышленной отрасли по данным спутниковых наблюдений рекомендуется для поддержки принятия решений для поддержки принятия решений при восстановлении нарушенных земель горнопромышленных предприятий.

Исходные данные спутниковых наблюдений и программное обеспечение для их обработки, необходимые для реализации предложенного подхода, доступны в Интернете. Работа выполнена в рамках госзадания № 0226-2016-0009.

Ключевые слова: горнопромышленная отрасль, восстановление нарушенных земель, складированные отходы рудообогащения, создание растительного покрова, спутниковые данные, вегетационный индекс

ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ:

1. Мельников Н.Н., Месяц С.П., Волкова Е.Ю. Стратегия возвращения нарушенных земель техногенных ландшафтов биосферному фонду // Горная промышленность. 2015. 6. С.48–50.

2. Месяц С.П., Остапенко С.П., Зорин А.В. Методический подход к оценке аэрозольного техногенного загрязнения по данным спутниковых наблюдений на примере горнопромышленного комплекса Мурманской области // Горная промышленность. 2016. 6. С. 69–73.

3. Land Remote Sensing and Global Environmental Change. B. Ramachandran et al. (eds.). Remote Sensing and Digital Image Processing. 2011. vol.11. pp. 509–532.

4. Месяц С.П., Остапенко С.П., Аверина О.В. Методический подход к оценке влияния горнопромышленных предприятий на состояние растительного покрова по данным спутниковых наблюдений // Горный информационно-аналитический бюллетень (научнотехнический журнал). 2017. S23. С. 545–553.

5. QGIS Development Team. QGIS Geographic Information System, Software Version 2.10.1. Open Source Geospatial Foundation Project. http://qgis.osgeo.org

6. R Development Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2008. ISBN 3-900051-07-0. http://www.Rproject. org

7. Месяц С.П., Остапенко С.П. Компьютерная модель создания биогеобарьера для сохранения складированных отходов рудообогащения // Горная промышленность. 2015. 6. С. 56–60.

Журнал "Горная Промышленность" №6 (142) 2018, стр. 72