Методический подход к характеристике загрязнения природных водоемов по спутниковым данным с учетом агрегации тонкодисперсных отходов переработки минерального сырья

DOI: http://dx.doi.org/10.30686/1609-9192-2021-6-110-116
Читать на русскоя языкеС.П. Остапенко, С.П. Месяц
Горный институт Кольского научного центра Российской академии наук, г. Апатиты, Российская Федерация
Горная Промышленность №6 / 2021 стр. 110-116

Резюме: Уровень воздействия горнопромышленной отрасли на природную среду обуславливает актуальность экологического менеджмента природных ресурсов, в том числе на основе данных спутникового мониторинга. Большое содержание взвешенных минеральных частиц в технологических водах предприятий и требование снижения их поступления в природные водоемы определяют необходимость характеристики техногенного загрязнения, что может быть корректно выполнено с учетом агрегативной устойчивости дисперсий. Несмотря на наличие теоретических представлений, прогнозирование агрегации частиц ограничено недостатком данных о параметрах их взаимодействий. Для параметризации взаимодействий в системе минерал-вода-минерал предложено использовать экспериментальные данные об агрегации тонкодисперсных частиц, полученные методом лазерной дифракции в равновесных условиях. С этой целью разработана процедура экспериментально-расчетной оценки эффективных констант Гамакера и определены константы взаимодействия минерал-вода-минерал на примере руд разрабатываемых месторождений Кольского горнопромышленного комплекса.

Изучено состояние поверхностного слоя природных водоемов в центральном, наиболее промышленно освоенном, районе Мурманской области, для характеристики загрязнения тонкодисперсными отходами переработки минерального сырья по данным спутниковых наблюдений пространственного распределения нормализованного разностного индекса мутности. Установлено, что наименьшее распространение загрязнения природных водоемов наблюдается в случае отходов переработки апатит-нефелиновых руд, что объясняется эффективной агрегацией тонкодисперсных частиц нефелина. Предлагаемый подход к использованию данных по агрегации минеральных частиц для интерпретации спутниковых наблюдений не требует проведения полевых исследований и позволяет идентифицировать техногенное загрязнение природных водоемов взвешенными веществами на территории промышленных регионов.

Ключевые слова: переработка минерального сырья, тонкодисперсные частицы, природные водоемы, поверхностный слой, техногенное загрязнение, агрегация, константа Гамакера, спутниковые данные, индекс мутности вод

Благодарности: Работа выполнена в рамках Государственного задания №0226-2019-0063 «Развитие теории переработки стратегического минерального сырья Кольского горнопромышленного комплекса в соответствии с экологической стратегией развития отрасли».

Для цитирования: Остапенко С.П., Месяц С.П. Методический подход к характеристике загрязнения природных водоемов по спутниковым данным с учетом агрегации тонкодисперсных отходов переработки минерального сырья. Горная промышленность. 2021;(6):110–116. DOI: 10.30686/1609-9192-2021-6-110-116.


Информация о статье

Поступила в редакцию: 30.10.2021

Поступила после рецензирования: 22.11.2021

Принята к публикации: 23.11.2021


Информация об авторах

Остапенко Сергей Павлович – кандидат технических наук, ведущий научный сотрудник, Горный институт Кольского научного центра Российской академии наук, г. Апатиты, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Месяц Светлана Петровна – ведущий научный сотрудник, заведующий лабораторией, Горный институт Кольского научного центра Российской академии наук, г. Апатиты, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.


Введение

Значительные объемы добычи, перемещения и переработки руд при освоении месторождений полезных ископаемых являются источником загрязнения природной среды тонкодисперсными минеральными частицами. Измельчение руды в водной среде для извлечения полезных компонентов ссопровождается образованием тонкодисперсных минеральных частиц, складируемых, как правило, в шламо- и хвостохранилищах в отсутствие приемлемых технологий их переработки. Необходимость кондиционирования технологических вод для предотвращения загрязнения природной среды тонкодисперсными частицами обуславливает применение химических реагентов для их агрегации и флокуляции, что увеличивает нагрузку на природные водоемы [1]. С целью контроля экологического состояния природных водоемов и принятия решений по снижению техногенного воздействия на природную среду, с учетом значительного (десятки километров) его распространения, широко используются данные спутникового мониторинга [2–4].

Эффективность спутникового мониторинга техногенного воздействия горнодобывающей промышленности на природные водоемы обусловлена возможностью охвата наблюдениями территории, адекватной распространению загрязнений. С целью идентификации и количественной оценки загрязнения водных объектов взвешенными веществами предложены методики, основанные на анализе соотношения яркости каналов мультиспектральных спутниковых изображений и использовании данных полевых наблюдений для калибровки результатов обработки спутниковых изображений [5–7]. К наиболее информативным относят яркостные характеристики водных объектов в видимой области спектра, позволяющие оценить содержание взвешенных веществ и мутность поверхностного слоя водоемов по разности в яркости каналов: синего и красного или зеленого и красного, используемой также при расчете нормализованного разностного индекса мутности [7–11].

Вместе с тем методически обоснованная необходимость проведения полевых наблюдений в значительной мере ограничивает возможность площадной характеристики водных объектов, наблюдаемых при спутниковом мониторинге, как единое целое.

Поскольку яркость спектральных каналов спутникового изображения водных объектов зависит от обратного рассеяния и поглощения излучения в поверхностном слое, использование закономерностей агрегации взвешенных веществ и связанного с ней процесса седиментации позволяет, в принципе, характеризовать экологическое состояние природных водоемов по спутниковым данным без проведения полевых наблюдений. При таком подходе определяющим фактором является параметризация взаимодействий минеральных частиц в водной среде.

В соответствии с современными теоретическими представлениями агрегация взвешенных минеральных частиц обуславливается балансом кулоновских сил электростатического и ван-дер-ваальс-лондоновских сил дисперсионного взаимодействия [1; 12]. Электростатические взаимодействия неспецифичны и определяются концентрацией ионов в водной среде, зарядом поверхности частиц. Дисперсионные взаимодействия определяются вещественным составом частиц и среды, заполняющей межчастичный промежуток [12; 13]. Несмотря на наличие теоретических представлений, перспектива аналитического описания агрегации частиц в водной среде ограничена недостатком данных о параметрах взаимодействий, что связано с невозможностью полного учета влияющих факторов [14; 15]. Для получения согласованного набора параметров взаимодействий минеральных частиц предлагается комбинированный подход, основанный на интеграции известных данных с данными, полученными в ходе исследования агрегации частиц в полидисперсной системе.

Объекты исследования

Возможность использования параметров агрегации минеральных частиц при характеристике загрязнения водных объектов отходами переработки минерального сырья исследовалась на примере природных водоемов в центральном, наиболее промышленно освоенном, районе Мурманской области – озерах Имандра, Колозеро, Мончеозеро, расположенных в непосредственной близости от крупнейших предприятий Кольского горнопромышленного комплекса, перерабатывающих сырье апатит-нефелиновых, железосодержащих, медно-никелевых месторождений (рис. 1А). Озеро Имандра – самый крупный водоем на Кольском полуострове, занимает с островами площадь 880,4 км2, площадь озер Колозеро и Мончеозеро – 66,3 и 38,6 км2 соответственно. Высота озер над уровнем моря составляет от 127 до 140 м, максимальная глубина – до 29 м, на большей части площади озер – от 10 до 25 м [16–18].

Обработка спутниковых данных

Для изучения техногенного загрязнения природных водоемов тонкодисперсными минеральными частицами использовались архивные данные съемки, выполненной космическим аппаратом Sentinel-2 Европейского космического агентства (ESA) с разрешением в горизонтальной плоскости ~10 м. Для каждого пиксела (ячейки) спутникового мультиспектрального изображения водного объекта рассчитывался нормализованный разностный индекс мутности (NDTI) с использованием яркости в «зеленом» и «красном» спектральных каналах Rзелен., Rкрасн. с длинами волн (нм) 559,6, 664,6 и шириной канала (нм) 36, 31 соответственно по формуле

110 f1 (1)

Значения NDTI пикселей усреднялись по площади полигонов размером не менее 1000 пикселей, что соответствует ~ 105 м2. Обработка спутниковых данных и расчет индекса проводились с иcпользованием геоинформационной системы QGIS, статистическая обработка данных – в среде R 1. Общее число обработанных пикселей, составившее 1,3×106, распределено по объектам исследования следующим образом: озеро Имандра 6,4×105, в том числе губа Монче 1,2×105, губа Куреньга 1,4×105, губа Белая 4,1×105, включая ее часть у острова Избяной 13,1×103; озеро Колозеро 2,7×105, озеро Мончеозеро 4,0×105. Расположение объектов исследования показано на рис. 1А.

Рис. 1 Расположение объектов исследования (А) и зависимость индекса мутности поверхностного слоя природных водоемов от расстояния до источника загрязнения (Б): 1 – озеро Колозеро, 2 – озеро Имандра губа Куреньга, 3 – озеро Мончеозеро, 4 – озеро Имандра губа Монче, 5 и 6 – озеро Имандра губа Белая; a, b, c – выделенные группы зависимостей Fig. 1 Location of the study subjects (A) and dependence of the turbidity index of the surface layer of natural water reservoirs on the distance to the pollution source (B): 1 – Kolozero lake, 2 – Imandra lake, the Kurenga bay, 3 – Moncheozero lake, 4 – Imandra lake, the Monche bay, 5 and 6 – Imandra lake, the Belaya bay; a, b, c – chosen dependence groups

Рис. 1 Расположение объектов исследования (А) и зависимость индекса мутности поверхностного слоя природных водоемов от расстояния до источника загрязнения (Б): 1 – озеро Колозеро, 2 – озеро Имандра губа Куреньга, 3 – озеро Мончеозеро, 4 – озеро Имандра губа Монче, 5 и 6 – озеро Имандра губа Белая; a, b, c – выделенные группы зависимостей
Fig. 1 Location of the study subjects (A) and dependence of the turbidity index of the surface layer of natural water reservoirs on the distance to the pollution source (B): 1 – Kolozero lake, 2 – Imandra lake, the Kurenga bay, 3 – Moncheozero lake, 4 – Imandra lake, the Monche bay, 5 and 6 – Imandra lake, the Belaya bay; a, b, c – chosen dependence groups

По данным спутниковых наблюдений, как и ожидалось, осветление природных водоемов происходит с удалением от источника техногенного загрязнения (рис. 1Б). Сложный ход зависимостей NDTI от расстояния отражает многофакторность процесса осветления вод, однако подобие кривых свидетельствует о преобладающей роли некоторого фактора.

По величине убывания NDTI с расстоянием от источника загрязнения до уровня 50% от начального можно выделить три группы зависимостей: a – быстрое, на расстоянии менее 1 км, b – умеренное, от 1 до 2 км, c – замедленное, более 2 км (рис. 1Б). К первой группе относится губа Белая озера Имандра, расположенная в импактной зоне предприятия, перерабатывающего апатито-нефелиновые руды, ко второй группе – губа Куреньга озера Имандра и озеро Колозеро в импактной зоне переработки железосодержащих руд, к третьей – губа Монче озера Имандра, озеро Мончеозеро в зоне воздействия предприятия по переработке сульфидных медно-никелевых руд.

Для объяснения наблюдаемых закономерностей убывания NDTI с удалением от источника загрязнения исследовалось влияние вещественного состава тонкодисперсных минеральных частиц на их агрегацию. В качестве тестовых минералов были определены Нефелин, Кварц, Гематит и Пирит.

Материалы и методы исследования агрегации минеральных частиц

Образцы минералов Нефелина, Кварца, Гематита, Пирита для исследования агрегации тонкодисперсных частиц отбирались из руд месторождений, разрабатываемых предприятиями Кольского горнопромышленного комплекса, измельчались в механической ступке до микронного размера, затем разделялись по крупности центрифугированием их водных суспензий. При подготовке образцов использовалась дистиллированная вода, суспензии готовились без добавления реагентов. Агрегация частиц исследовалась на 16 полидисперсных двухкомпонентных системах, составленных из образцов указанных минералов различной крупности: компонент А – крупностью от 0.6 до 8 мкм, компонент В – крупностью от 15 до 80 мкм (рис. 2А и 2Б).

Рис. 2 Агрегация частиц минералов в полидисперсной системе: А – микрофотография системы Нефелин – Гематит; Б – функции плотности распределения частиц: 1 – исходная, 2 – в агрегационном равновесии Fig. 2 Mineral particle aggregation in a polydisperse system: A – microphotography of the nepheline – hematite system; B – Particle density function: 1 – initial, 2 – the aggregative equilibrium

Рис. 2 Агрегация частиц минералов в полидисперсной системе: А – микрофотография системы Нефелин – Гематит; Б – функции плотности распределения частиц: 1 – исходная, 2 – в агрегационном равновесии
Fig. 2 Mineral particle aggregation in a polydisperse system: A – microphotography of the nepheline – hematite system; B – Particle density function: 1 – initial, 2 – the aggregative equilibrium

Гранулометрический состав исходных компонентов при агрегации частиц различной крупности в полидисперсной системе анализировался методом лазерной дифракции на приборе Fritsch Analysette 22 в приближении Фраунгофера. Период установления равновесного состояния агрегации в полидисперсных системах составлял ~30 минут.

Методический подход к обработке данных об агрегации минеральных частиц

При интерпретации экспериментальных результатов использовался формализм вероятностной последовательной сорбции, описывающей закрепление частиц на поверхности процессом ее покрытия неперекрывающимися дисками [19; 20]. Ввиду асимметричности формы частиц минералов (рис. 2 А) за диаметр дисков компонента А, покрывающих поверхность компонента В, принимался эффективный диаметр частиц, измеряемый при лазерной дифракции. Эксперименты по агрегации проводились в условиях, обеспечивающих низкую степень заполнения θ<0.1, регулированием исходного соотношения объемов компонентов полидисперсных систем А и В .

Степень заполнения поверхности частиц компонента В частицами компонента А θAB рассчитывалась исходя из соотношения площади удельной поверхности компонента В и дисков с диаметром частиц компонента А,

110 f1, (2)

где γA – изменение объемной доли компонента А после установления агрегационного равновесия (%), SA и SB – площадь удельной поверхности частиц компонентов А и В на единицу их объема (см2/см3), αB – объемная доля компонента В в полидисперсной системе (%).

При расчете уравнения (1) использовались интерполированные по экспериментальным значениям функции плотности распределения объемной доли частиц в зависимости от их диаметра в исходном состоянии, при установившемся агрегационном равновесии (рис. 2 Б) и следующие соотношения:

110 f1, (3)

110 f1, (4)

110 f1, (5)

a=0.6, b=8, c=15, d=150.

Обозначения: γA – изменение объемной доли компонента А после установления агрегационного равновесия (%); q3equil. (x) и q3init. (x) – функция плотности распределения объемной доли при агрегационном равновесии (индекс equil.) и в начале формирования полидисперсной системы (индекс init.) соответственно; Δq3(x) разность равновесной и исходной функций плотности распределений объемной доли частиц от их крупности; S – площадь удельной поверхности частиц компонента на единицу их объема (см2/см3) в исходный момент формирования полидисперсной системы, αB – объемная доля компонента B в полидисперсной системе. Размерный множитель пределов интегрирования – 10–6 м. Для расчета эффективных констант Гамакера дисперсионных взаимодействий в многофазной системе использовались приближенные соотношения:

110 f1(6)

110 f1(7)

110 f1(8)

где A11 , A22 , A33 – константы Гамакера фаз 1, 2, 3 соответственно; A12 – эффективная константа взаимодействия между фазами 1 и 2; A121, A123 – эффективные константы взаимодействия между фазами 1 и 1, 1 и 3 соответственно, разделенных прослойкой, заполненной фазой 2 [21].

В качестве базовых использовались константы Гамакера для Кварца и Воды, как веществ с наиболее экспериментально изученными дисперсионными взаимодействиями. На основе базовых констант по уравнениям (6)–(8) рассчитывались относительные эффективные константы Гамакера для систем минерал-вода-минерал и минерал-вода соответственно 110 f1, 110 f1, затем , где индексы Qz и W соответствуют Кварцу и Воде, А и В – компонентам полидисперсной системы. Полученные относительные эффективные константы Гамакера вида 110 f1 сравнивались с экспериментально полученными данными о степени заполнения поверхности частиц при агрегации, приведенными к относительному виду 110 f1 .

Поиск согласованных оценок констант Гамакера проводился минимизацией квадрата разности расчетных и экспериментальных оценок относительных констант по массиву данных, полученных при исследовании агрегации в полидисперсной системе. Поиск сводился к подбору четырех значений константы Гамакера ANph, AHem, APy, AQz – Нефелина, Гематита, Пирита, Кварца соответственно со следующими граничными и начальными условиями:

110 f1 (9)

где AWW – константа Гамакера Воды; AAwB – эффективные константы Гамакера для полидисперсных систем, состоящих из компонентов А, В и Воды (W), рассчитанные по уравнениям (6)–(8), AQzWB, AAWQz – системы с присутствием Кварца (Qz) в качестве одного из компонентов; θAB, θAQzQzB – степень заполнения поверхности частиц компонента В частицами компонента A, рассчитанная с использованием экспериментальных данных об агрегации частиц по уравнению (1).

Изменение индексов i, j обеспечивает все возможные комбинации минералов в качестве компонентов А и В в полидисперсной системе. Значения константы Гамакера приведены в зепто Джоулях (1 зептоДж=10-21 Дж).

Поиск экстремума, ввиду невысокой размерности задачи, проводился сортировкой значений на расчетной сетке ≈1.3*1011 узлов. При расчетах применялся пакет программирования R2.

Результаты оценки дисперсионных взаимодействий минеральных частиц

Полученные результаты хорошо согласуются с имеющимися немногочисленными оценками дисперсионных взаимодействий минералов при наличии водной прослойки между частицами (табл. 1).

Таблица 1 Экспериментально-расчетные константы Гамакера A1w2=A2w1 исследованных полидисперсных систем (1 зептоДж=10-21 Дж)
Table 1 Experimental Hamaker constants A1w2=A2w1 of the studied polydisperse systems (1 zeptoJ (zJ) = 10-21 J)

Таблица 1 Экспериментально-расчетные константы Гамакера A1w2=A2w1 исследованных полидисперсных систем (1 зептоДж=10-21 Дж) Table 1 Experimental Hamaker constants A1w2=A2w1 of the studied polydisperse systems (1 zeptoJ (zJ) = 10-21 J)

Как видно из таблицы, наиболее сильные дисперсионные взаимодействия наблюдаются в полидисперсных системах с частицами Гематита или Нефелина в качестве хотя бы одного из компонентов, наименьшие – Пирита. Причины различия в свойствах поверхности бинарных соединений железа Пирита (FeS2) и Гематита (Fe2O3) заключаются в различии взаимодействия воды с поверхностью их частиц: эффективная константа взаимодействия с водой Гематита (58.8 зептоДж) выше, чем у Пирита (52.2 зептоДж) и близка по величине к константам взаимодействия с водой Нефелина и Кварца (58.7 и 58.5 зептоДж соответственно).

Обсуждение полученных результатов

Причина наблюдаемых различий в пространственном распределении индекса мутности (NDTI) не может быть обусловлена различиями рельефа, климата, водного режима, близкими для исследованных природных водоемов. О подобии природных условий свидетельствует близость гидрохимических показателей: для всех озер характерна нейтральная среда (рН от 6,4 до 7,5) и невысокая минерализация воды, составляющая для озер Имандра и Колозеро соответственно 72 и 63,7 мг/л, для озера Мончеозеро – 24,7 мг/л, по данным работ [16–18]. Соответствие между характером снижения NDTI с расстоянием от источника техногенного воздействия позволяет предположить, что определяющим фактором осветления поверхностного слоя водоемов является вещественный состав тонкодисперсных минеральных частиц, определяющий параметры их взаимодействия и агрегации, приводящей к очищению воды в результате седиментации агрегатов. При этом следует отметить, что в условиях невысокой минерализации воды исследуемых водоемов и, соответственно, при малой (~ n×10-3 моль/л) ионной силе водной среды, процесс агрегации минеральных частиц будет, в первом приближении, зависеть от силы дисперсионных взаимодействий между ними.

Сложность вещественного состава складированных отходов переработки минерального сырья апатит-нефелиновых, железосодержащих и сульфидных медно-никелевых месторождений не позволяет однозначно характеризовать минеральный состав частиц техногенного загрязнения воды природных водоемов. Возможным решением этой проблемы при оценке техногенного загрязнения является неаддитивность дисперсионных взаимодействий, проявляющаяся в непропорциональности между различием констант Гамакера системы минерал-вода и результирующим различием констант системы минерал-вода-минерал. Этот известный эффект в крайней степени проявления может приводить к отталкиванию частиц, когда результирующая константа Гамакера принимает отрицательные значения, несмотря на то, что константы взаимодействия частиц с водой имеют положительную величину [13]. В случае минерального сырья Кольского горнопромышленного комплекса, например, различие на 11% констант Гамакера Гематит-Вода и Пирит-Вода (58,8 и 52,2 зептоДж соответственно) приводит к двукратному уменьшению константы в системе Пирит-Вода-Пирит и на 30% в системе Гематит-Вода-Пирит по сравнению с системой Гематит-Вода-Гематит (табл. 1).

С учетом полученных результатов агрегация частиц в полиминеральных системах будет уменьшаться в ряду Гематит ≈ Нефелин > Кварц > Пирит (сульфиды). Это соответствует наблюдаемому ряду снижения нормализованного разностного индекса мутности в поверхностном слое природных водоемов в импактной зоне предприятий (рис. 1Б).

Наибольшее уменьшение индекса мутности с расстоянием наблюдается для вод, загрязненных отходами переработки апатито-нефелиновых руд. Менее выражено уменьшение индекса мутности вод, загрязненных кварцсодержащими отходами переработки железистых кварцитов. Наиболее стабилен индекс мутности поверхностного слоя природных водоемов при загрязнении отходами переработки сульфидных медно-никелевых руд (рис. 1Б).

Следует отметить, что для техногенного загрязнения отходами переработки железистых кварцитов и сульфидных медно-никелевых руд характерно значительное уменьшение индекса мутности на начальном участке кривой (расстояние от 0 до 0,5 км), сменяющемся пологим участком (рис. 1Б). Наиболее вероятно, что такой ход кривой обусловлен агрегацией и седиментацией частиц при наличии оксидов железа, в частности – Гематита, что отвечает максимальным значениям эффективных констант Гамакера в системах с его присутствием (табл. 1).

Таким образом, при прогнозировании и оценке загрязнения природных водоемов отходами переработки минерального сырья целесообразно учитывать взаимодействие минеральных частиц определением эффективных констант Гамакера по разработанной сравнительно простой в исполнении процедуре на основе гранулометрического анализа полидисперсных минеральных суспензий методом лазерной дифракции.

Направление дальнейших исследований

Гранулометрический состав является важным фактором седиментационной устойчивости техногенного загрязнения воды. Вместе с тем анализ дисперсного состава взвешенных веществ в полевых условиях на значительной территории природных водоемов затруднен, что обуславливает отсутствие сведений об этой важной характеристике техногенного воздействия на природную среду. Спутниковое наблюдение обратно рассеянного излучения позволяет оценить распределение взвешенных минеральных частиц по размеру с учетом зависимости от длины волны. Развитие методологии дистанционной характеристики загрязнения природных вод в импактной зоне горнопромышленных предприятий представляется перспективным направлением адаптации методов исследования Земли из космоса для решения задач экологического менеджмента природной среды при освоении месторождений полезных ископаемых.

Выводы

Изучено состояние поверхностного слоя природных водоемов в центральном, наиболее промышленно освоенном, районе Мурманской области, по данным спутниковых наблюдений пространственного распределения нормализованного разностного индекса мутности. Для объяснения наблюдаемых закономерностей снижения индекса мутности с расстоянием от техногенного источника исследовано влияние вещественного состава тонкодисперсных минеральных частиц на их агрегацию.

Показана возможность экспериментально-расчетной оценки эффективных констант Гамакера при исследовании агрегации частиц минералов методом лазерной дифракции в дистиллированной воде в равновесных условиях. Минимизацией квадрата разности расчетных и экспериментальных оценок эффективных констант Гамакера по массиву данных, полученных при исследовании агрегации в полидисперсных системах, определены константы взаимодействия минерал-вода-минерал на примере разрабатываемых месторождений Кольского горнопромышленного комплекса.

Установлено, что наблюдаемому по спутниковым данным снижению индекса мутности в поверхностном слое природных водоемов при воздействии отходов переработки апатито-нефелиновых, железосодержащих, сульфидных медно-никелевых руд соответствует уменьшение агрегации минеральных частиц в полиминеральных системах в ряду Гематит ≈ Нефелин > Кварц > Пирит (сульфиды). Предлагаемый подход к использованию различий во взаимодействии минеральных частиц для интерпретации данных спутниковых наблюдений не требует проведения полевых исследований и позволяет идентифицировать техногенное загрязнение природных водоемов взвешенными веществами на территории промышленных регионов.


Список литературы

1. Bratby J. Coagulation and flocculation in water and wastewater treatment. 2rd ed. IWA Publishing; 2016. 538 p. https://doi.org/10.2166/9781780402321

2. Jain R.K., Cui Z.“Cindy”, Domen J.K. Environmental impact of mining and mineral processing: Management, monitoring, and auditing strategies. Elsevier; 2016. 322 p. https://doi.org/10.1016/C2014-0-05174-X

3. Chuvieco E. Fundamentals of satellite remote sensing: An environmental approach. 3th ed. CRC Press; 2020. 432 p. https://doi.org/10.1201/9780429506482

4. Месяц С.П., Остапенко С.П. Перспектива использования данных спутниковых наблюдений для мониторинга воздействия складированных отходов горного производства на природную среду. Горный журнал. 2019;(6):72–76. https://doi.org/10.17580/gzh.2019.06.10

5. Kamboj N., Kamboj V. Water quality assessment using overall index of pollution in riverbed-mining area of Ganga-River Haridwar, India. Water Science. 2019;33(1):65–74. https://doi.org/10.1080/11104929.2019.1626631

6. Santy S., Mujumdar P., Bala G. Potential impacts of climate and land use change on the water quality of Ganga River around the industrialized Kanpur region. Scientific Reports. 2020;10(1):1–13. https://doi.org/10.1038/s41598-020-66171-x

7. Garg V., Aggarwal S.P., Chauhan P. Changes in turbidity along Ganga River using Sentinel-2 satellite data during lockdown associated with COVID-19. Geomatics, Natural Hazards and Risk. 2020.11(1):1175–1195. https://doi.org/10.1080/19475705.2020.1782482

8. Barnes B.B., Hu C. Island building in the South China Sea: detection of turbidity plumes and artificial islands using Landsat and MODIS data. Scientific Reports. 2016;(6):33194. https://doi.org/10.1038/srep33194

9. Акулова О.Б., Букатый В.И. Оценка влияния взвеси на спектральный показатель ослабления света в Телецком озере. Фундаментальная и прикладная гидрофизика. 2020;13(1):35–44. https://doi.org/10.7868/S2073667320010049

10. Каралли П.Г., Глуховец Д.И. Восстановление оптических характеристик поверхностного слоя вод арктических морей России по судовым и спутниковым данным. Современные проблемы дистанционного зондирования Земли из космоса. 2020;17(1):191–202. https://doi.org/10.21046/2070-7401-2020-17-1-191-202

11. Lacaux J.P., Tourre Y.M., Vignolles C., Ndione J.A., Lafaye M. Classification of ponds from high-spatial resolution remote sensing: Application to Rift Valley Fever epidemics in Senegal. Remote Sensing of Environment. 2007;106(1):66–74. https://doi.org/10.1016/j.rse.2006.07.012

12. Elimelech M., Jia X., Gregory J., Williams R. Particle deposition and aggregation: measurement, modelling, and simulation. ButterworthHeinemann; 1998. 448 p.

13. Parsegian V.A. Van der Waals Forces: A handbook for biologists, engineers, and physicists. Cambridge University Press; 2005. 398 p. https://doi.org/10.1017/CBO9780511614606

14. Morga M., Adamczyk Z., Kosior D., Owieja M. Hematite/silica nanoparticle bilayers on mica: AFM and electrokinetic characterization. Physical Chemistry Chemical Physics. 2018;20(22):15368–15379. https://doi.org/10.1039/c8cp01049h

15. Jin C., Glawdel T., Ren C.L., Emelko M.B. Non-linear, non-monotonic effect of nano-scale roughness on particle deposition in absence of an energy barrier: Experiments and modeling. Scientific Reports. 2016;(5):17747. https://doi.org/10.1038/srep17747

16. Моисеенко Т.И., Даувальтер В.А., Лукин А.А., Кудрявцева Л.П., Ильящук Б.П., Ильящук Л.И. и др. Антропогенные модификации экосистемы озера Имандра. М.: Наука; 2002. 476 с.

17. Кашулин Н.А. (ред.). Аннотированный экологический каталог озер Мурманской области: центральный и юго-западный районы Мурманской области (бассейн Баренцева моря, Белого моря и Ботнического залива Балтийского моря). Апатиты: КНЦ РАН; 2013. Ч. 1. 298 с.

18. Кашулин Н.А. (ред.). Аннотированный экологический каталог озер Мурманской области: центральный и юго-западный районы Мурманской области (бассейн Баренцева моря, Белого моря и Ботнического залива Балтийского моря). Апатиты: КНЦ РАН; 2013. Ч. 2. 253 с.

19. Feder J. Random sequential adsorption. Journal of Theoretical Biology. 1980;87(2):237–254. https://doi.org/10.1016/0022-5193(80)90358-6

20. Cejas C., Maini L., Monti F., Tabeling P. Deposition kinetics of bi- and tridisperse colloidal suspensions in microchannels under the van der Waals regime. Soft Matter. 2019;37(15):7438–7447. https://doi.org/10.1039/C9SM01098J

21. Зонтаг Г., Штренге К. Коагуляция и устойчивость дисперсных систем. Л.: Химия; 1973. 152 с.

22. Faure B., Salazar-Alvarez G., Bergström L. Hamaker Constants of Iron Oxide Nanoparticles. Langmuir. 2011;27(14):8659–8664. https://doi.org/10.1021/la201387d

23. Visser J. On Hamaker constants: A comparison between Hamaker constants and Lifshitz-van der Waals constants. Advances in Colloid and Interface Science. 1972;3(4):331–363. https://doi.org/10.1016/0001-8686(72)85001-2

24. Bergström L. Hamaker constants of inorganic materials. Advances in Colloid and Interface Science. 1997;70:125–169. https://doi.org/10.1016/S0001-8686(97)00003-1