Оценка потенциала восстановления экологического состояния природных экосистем, нарушенных при освоении георесурсов, по спутниковым данным
С.П. Остапенко, С.П. Месяц
Горный институт Кольского научного центра Российской академии наук, г. Апатиты, Российская Федерация
Горная Промышленность №5S / 2023 стр. 80-86
Резюме: Изучены факторы восстановления экологического состояния природных экосистем, нарушенных при освоении месторождений полезных ископаемых, на примере фитоценоза, формирующегося на ограждающей дамбе складированных отходов обогащения апатит-нефелиновых руд Хибинской группы месторождений по разработанной в Горном институте КНЦ РАН технологии восстановления нарушенных земель созданием биологически активной среды без нанесения плодородного слоя. По данным спутниковых наблюдений мониторинговых полигонов в течение вегетационного периода изучено влияние рельефа и тепловлагообеспеченности на состояние формирующегося растительного покрова с использованием градиентных по высоте откоса ограждающей дамбы трансектах разной экспозиции. Применением усовершенствованной процедуры паншарпенинга обеспечены согласование пространственного разрешения спутниковых снимков с минимальным характерным размером элементов откоса дамбы и представительность данных, полученных при оценке состояния растительного покрова вегетационным индексом и индексом стресса влажности. Выполнено обобщение связи параметров, характеризующих состояние растительного покрова, с абиотическими факторами его формирования на основе нейросетевой модели. Проведено обучение двух искусственных нейронных сетей прогнозу индексов вегетационного и стресса влажности растений на массиве данных, полученных в результате обработки видимых, инфракрасных и тепловых спектральных каналов спутниковых снимков мониторинговых полигонов. С помощью нейросетевой модели показано, что вегетационный индекс формирующегося растительного покрова антибатен индексу стресса влажности растений – доминирующему фактору восстановления экологического состояния исследуемого объекта, и температуре поверхности ограждающей дамбы хвостохранилища. Зависимость прогнозного стресса влажности фитоценоза, формирующегося на откосе ограждающей дамбы, от высотной отметки и экспозиции использована для оценки потенциала его восстановления до лесной стадии сукцессии, соответствующей фитоценозу окружающего природного ландшафта. Выполнено зонирование хвостохранилища по потенциалу восстановления экологического состояния с целью поддержки принятия решений при планировании природоохранных мероприятий.
Ключевые слова: арктический регион, освоение георесурсов, хвостохранилище, восстановление природных экосистем, формирующийся фитоценоз, спутниковые данные, паншарпенинг, вегетационный индекс, индекс стресса влажности растений, искусственная нейронная сеть
Благодарности: Работа выполнена в рамках госзадания №FMEZ-2022-0006 «Развитие методологии экоинвестиционного подхода к восстановлению природных экосистем, нарушенных при освоении георесурсов».
Для цитирования: Остапенко С.П., Месяц С.П. Оценка потенциала восстановления экологического состояния природных экосистем, нарушенных при освоении георесурсов, по спутниковым данным. Горная промышленность. 2023;(5S): 80–86. https://doi.org/10.30686/1609-9192-2023-5S-80-86
Информация о статье
Поступила в редакцию: 13.10.2023
Поступила после рецензирования: 09.11.2023
Принята к публикации: 22.11.2023
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.
Список литературы
1. Горный В.И., Бровкина О.В., Киселев А.В., Тронин А.А. Тенденции развития дистанционных методов при решении задач геологии и экологической безопасности. Современные проблемы дистанционного зондирования Земли из космоса. 2023;20(2):9–38. https://doi.org/10.21046/2070-7401-2023-20-2-9-38
2. Werner T.T., Bebbington A., Gregory G. Assessing impacts of mining: Recent contributions from GIS and remote sensing. The Extractive Industries and Society. 2019;6:993–1012. https://doi.org/10.1016/j.exis.2019.06.011
3. McKenna P.B., Lechner A.M., Phinn S., Erskine P.D. Remote sensing of mine site rehabilitation for ecological outcomes: A global systematic review. Remote Sens. 2020;12(21):3535. https://doi.org/10.3390/rs12213535
4. Li T., Wu M., Duan C., Li S., Liu C. The effect of different restoration approaches on vegetation development in metal mines. Science of The Total Environment. 2022;806-2:150626. https://doi.org/10.1016/j.scitotenv.2021.150626
5. Huang S., Tang L., Hupy J.P., Wang Y., Shao G. A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing. Journal of Forestry Research. 2021;32:1–6. https://doi.org/10.1007/s11676-020-01155-1
6. Месяц С.П., Остапенко С.П. Методический подход к мониторингу восстановления нарушенных земель горнопромышленной отрасли по данным спутниковых наблюдений. Горная промышленность. 2018;(6):72–75. https://doi.org/10.30686/1609-9192-2018-6-142-72-75
7. Filipponi F., Valentini E., Xuan A.N., Guerra C.A., Wolf F., Andrzejak M., Taramelli A. Global MODIS fraction of green vegetation cover for monitoring abrupt and gradual vegetation changes. Remote Sensing. 2018;10(4):653. https://doi.org/10.3390/RS10040653
8. Шинкаренко С.С., Кошелева О.Ю., Гордиенко О.А., Дубачева А.А., Омаров Р.С. Связь сезонной динамики температуры поверхности и NDVI урбанизированных территорий засушливой зоны (на примере Волгоградской агломерации). Исследование Земли из космоса. 2021;(4):72–83. https://doi.org/10.31857/S0205961421040084
9. Месяц С.П., Остапенко С.П. Динамика восстановления нарушенных земель горнодобывающей отрасли в соответствии с принципом самоорганизации природных систем и ее прогнозирование по спутниковым данным. Горная промышленность. 2020;(6):137–142. https://doi.org/10.30686/1609-9192-2020-6-137-142
10. Labib S.M., Lindley S., Huck J.J. Scale effects in remotely sensed greenspace metrics and how to mitigate them for environmental health exposure assessment. Computers, Environment and Urban Systems. 2020;82:101501. https://doi.org/10.1016/j.compenvurbsys.2020.101501
11. Елсаков В.В. Влияние детальности аэрокосмических изображений на результаты классификации растительных сообществ тундры. Современные проблемы дистанционного зондирования Земли из космоса. 2023;20(1):176–188. https://doi.org/10.21046/2070-7401-2023-20-1-176-188
12. Остапенко С.П., Месяц С.П. Изучение по спутниковым данным динамики восстановления природных экосистем, нарушенных при освоении георесурсов. Физико-технические проблемы разработки полезных ископаемых. 2022;(5):155–166. https://doi.org/10.15372/FTPRPI20220515
13. Martín-Sotoca J.J., Saa-Requejo A., Moratiel R., Dalezios N., Faraslis I., Tarquis A.M. Statistical analysis for satellite-index-based insurance to define damaged pasture thresholds. Natural Hazards and Earth System Sciences. 2019;19(8):1685–1702. https://doi.org/10.5194/nhess-19-1685-2019
14. Cybenko G.V. Approximation by Superpositions of a Sigmoidal function. Mathematics of Control Signals and Systems. 1989;2(4):303– 314. https://doi.org/10.1007/BF02551274
15. Ma L., Liu Y., Zhang X., Ye Y., Yin G., Johnson B.A. Deep learning in remote sensing applications: A meta-analysis and review. ISPRS Journal of Photogrammetry and Remote Sensing. 2019;152:166–177. https://doi.org/10.1016/J.ISPRSJPRS.2019.04.015
16. Месяц С.П., Новожилова М.Ю., Румянцева Н.С., Волкова Е.Ю. Научное обоснование восстановления природных экосистем, нарушенных при освоении георесурсов. Горный журнал. 2019;(6):77–83. https://doi.org/10.17580/gzh.2019.06.11
17. Остапенко С.П., Месяц С.П. Геоинформационный подход к корректировке спутниковых данных мониторинга восстановления природных экосистем на примере складированных отходов обогащения руд. Горный информационно-аналитический бюллетень. 2022;(12-1):94–105. https://doi.org/10.25018/0236_1493_2022_121_0_94
18. Nill L., Ullmann T., Kneisel C., Sobiech-Wolf J., Baumhauer R. Assessing spatiotemporal variations of Landsat land surface temperature and multispectral Indices in the Arctic Mackenzie delta region between 1985 and 2018. Remote Sensing. 2019;11(19):2329. https://doi.org/10.3390/rs11192329
19. Jimenez-Munoz J.C., Cristobal J., Sobrino J.A., Soria G., Ninyerola M., Pons X. et al. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data. IEEE Transactions on Geoscience and Remote Sensing. 2009;47(1):339– 349. https://doi.org/10.1109/TGRS.2008.2007125
20. Соколова Г.Г. Влияние высоты местности, экспозиции и крутизны склона на особенности пространственного распределения растений. Acta Biologica Sibirica. 2016;2(3):34–45. https://doi.org/10.14258/abs.v2i3.1453
21. Markov B. Comparison of remote sensing-based indexes for monitoring drought impact on forest ecosystems. In: Annual of Sofia University “st. Kliment Ohridski” Faculty of Geology and Geography. Book 2: Geography. 2018. Vol. 111, pp. 237–246. Available at: https://www.uni-sofia.bg/index.php/bul/content/download/210057/1421013/version/1/file/15_Ann_Tom_111_geography_237-246.pdf
