Исследование динамики восстановления природных экосистем, нарушенных при освоении георесурсов, по данным спутниковых наблюдений

DOI: https://doi.org/10.30686/1609-9192-2024-6-52-58

Читать на русскоя языкеС.П. Остапенко, С.П. Месяц
Горный институт Кольского научного центра Российской академии наук, г. Апатиты, Российская Федерация
Russian Mining Industry №6 / 2024 p. 52-58

Резюме: В рамках экоинвестиционного подхода выявлены факторы динамики восстановления природных экосистем, нарушенных при освоении георесурсов, для поддержки принятия решений по экологизации горного производства в арктических условиях. Разработан методический подход к изучению динамики восстановления природных экосистем, нарушенных при освоении георесурсов, по спутниковым снимкам среднего разрешения с использованием нечеткой нейросетевой модели взаимосвязи факторов восстановления по данным мониторинга фитоценоза, формирующегося на основе сеяного злакового фитоценоза на ограждающей дамбе действующего хвостохранилища переработки руд Хибинской группы месторождений, за период с 2000 по 2023 г. Разработан алгоритм четырехкратного улучшения пространственного разрешения дистанционной оценки температуры поверхности мониторинговых полигонов по тепловым спутниковым снимкам MODIS обратным расчетом радиояркостной температуры с учетом различия коэффициента излучения их поверхности, обусловленного растительным покровом, и минимизацией невязки наблюдаемых и прогнозных значений температурного поля. Установлено, что определяющими факторами восстановления природных экосистем являются минимальная температура поверхности и влагообеспеченность. Выявлено пространственное распределение трендов восстановления и определена приоритетность фактора стресса влажности растений.

Ключевые слова: Арктический регион, освоение георесурсов, отходы обогащения руд, хвостохранилище, сеяный фитоценоз, восстановление природных экосистем, спутниковые данные, вегетационный индекс, индекс стресса влажности растений, температура поверхности

Благодарности: Работа выполнена в рамках госзадания № FMEZ-2022-0006 «Развитие методологии экоинвестиционного подхода к восстановлению природных экосистем, нарушенных при освоении георесурсов». Исходные данные спутниковых наблюдений MODIS получены на сервере Геологической службы США (USGS). Для обработки данных использовалось свободно распространяемое программное обеспечение: система обработки спутниковых данных SeaDAS, геоинформационные системы GRASS и QGIS, система нечеткой обработки данных FisPro, система визуализации данных GNUPlot.

Для цитирования: Остапенко С.П., Месяц С.П. Исследование динамики восстановления природных экосистем, нарушенных при освоении георесурсов, по данным спутниковых наблюдений. Горная промышленность. 2024;(6):52–58. https://doi.org/10.30686/1609-9192-2024-6-52-58

Информация о статье

Поступила в редакцию: 30.09.2024

Поступила после рецензирования: 18.11.2024

Принята к публикации: 25.11.2024

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, Горный институт Кольского научного центра Российской академии наук; г. Апатиты, Российская Федерация; https://orcid.org/0000-0002-9929-8067; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Список литературы

1. Werden L.K., Cole R.J., Schönhofer K., Holl K.D., Zahawi R.A., Averill C. et al. Assessing innovations for upscaling forest landscape restoration. One Earth. 2024;7(9):1515–1528. https://doi.org/10.1016/j.oneear.2024.07.011

2. Корнилков С.В., Рыбникова Л.С., Рыбников П.А., Смирнов А.Ю. Геоинформационный мониторинг для решения экологических задач горнопромышленных территорий Среднего Урала. Горная промышленность. 2022;(1S):127–133. https://doi.org/10.30686/1609-9192-2022-1S-127-133 Kornilkov S.V., Rybnikova L.S., Rybnikov P.A., Smirnov A.Yu. Geoinformation monitoring for solving environmental problems of mining territories of the Middle Ural. Russian Mining Industry. 2022;(1 Suppl.):127–133. (In Russ.) https://doi.org/10.30686/1609-9192-2022-1S-127-133

3. Aubin I., Deschênes É., Santala K.R., Emilson E.J.S., Schoonmaker A.L., McIntosh A.C.S. Restoring forest ecosystem services through trait-based ecology. Environmental Reviews. 2024. https://doi.org/10.1139/er-2023-0130

4. Wang Y., Qin K., Zhang Z., He Q., Cohen J. Mapping open-pit mining area in complex mining and mixed land cover zone using Landsat imagery. International Journal of Applied Earth Observation and Geoinformation. 2024;129:103782. https://doi.org/10.1016/j.jag.2024.103782

5. Дёгтева С.В. Особенности восстановления растительности на отвалах отработанных россыпей Приполярного Урала. Теоретическая и прикладная экология. 2021;(3):80–89. https://doi.org/10.25750/1995-4301-2021-3-080-089 Degteva S.V. Features of vegetation restoration on the dumps of spent minings of the Subpolar Urals. Theoretical and Applied Ecology. 2021;(3):80–89. (In Russ.) https://doi.org/10.25750/1995-4301-2021-3-080-089

6. Sikakwe G.U. Mineral exploration employing drones, contemporary geological satellite remote sensing and geographical information system (GIS) procedures: A review. Remote Sensing Applications: Society and Environment. 2023;31:100988. https://doi.org/10.1016/j.rsase.2023.100988

7. Li S., Xu L., Jing Y., Yin H., Li X., Guan X. High-quality vegetation index product generation: A review of NDVI time series reconstruction techniques. International Journal of Applied Earth Observation and Geoinformation. 2021;105:102640. https://doi.org/10.1016/j.jag.2021.102640

8. Pasquarella V.J., Arévalo P., Bratley K.H., Bullock E.L., Gorelick N., Yang Z., Kennedy R.E. Demystifying LandTrendr and CCDC temporal segmentation. International Journal of Applied Earth Observation and Geoinformation. 2022;110:102806. https://doi.org/10.1016/j.jag.2022.102806

9. 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 Mesyats S.P., Novozhilova M.Yu., Rumyantseva N.S., Volkova E.Yu. Scientific substantiation of the natural ecosystems restoration disturbed during the development of georesources. Gornyi Zhurnal. 2019;(6):77–83. (In Russ.) https://doi.org/10.17580/gzh.2019.06.11

10. Остапенко С.П., Месяц С.П. Оценка потенциала восстановления экологического состояния природных экосистем, нарушенных при освоении георесурсов, по спутниковым данным. Горная промышленность. 2023;(S5):80–86. https://doi.org/10.30686/1609-9192-2023-5S-80-86 Ostapenko S.P., Mesyats S.P. Assessment of the potential for restoration of the environmental state of the natural ecosystems disturbed by development of geo-resources based on satellite data. Russian Mining Industry. 2023;(5S):80–86. (In Russ.) https://doi.org/10.30686/1609-9192-2023-5S-80-86

11. Солдатова О.П., Лёзин И.А., Лёзина И.В. Исследование эффективности алгоритмов генерации базы нечетких продукционных правил для нейронной сети Ванга – Менделя. Известия высших учебных заведений. Поволжский регион. Технические науки. 2023;(1):86–100. https://doi.org/10.21685/2072-3059-2023-1-7 Soldatova O.P., Lyozin I.A., Lyozina I.V. Studying the efficiency of algorithms for generating the base of fuzzy production rules for the Wang-Mendel neural network. University Proceedings. Volga Region. Engineering Sciences. 2023;(1):86–100. (In Russ.) https://doi.org/10.21685/2072-3059-2023-1-7

12. Alateeq M., Pedrycz W. Logic-oriented fuzzy neural networks: A survey. Expert Systems with Applications. 2024;257:125120. https://doi.org/10.1016/j.eswa.2024.125120

13. Łapa K. Increasing the explainability and trustiness of Wang–Mendel fuzzy system for classification problems. Applied Soft Computing. 2024;167(Part A):112257. https://doi.org/10.1016/j.asoc.2024.112257

14. Christos V., Tsekouras G.E., Palaiologou P., Kalabokidis K. Neural-Network time-series analysis of MODIS EVI for post-fire vegetation regrowth. ISPRS International Journal of Geo-Information. 2018;7(11):420. https://doi.org/10.3390/ijgi7110420

15. Yamanouchi T., Takata K. Rapid change of the Arctic climate system and its global influences - Overview of GRENE Arctic climate change research project (2011–2016). Polar Science. 2020;25:100548. https://doi.org/10.1016/j.polar.2020.100548

16. Treitz P.M., Atkinson D.M., Blaser A., Bonney M.T., Braybrook C.A., E.C. Buckley et al. Remote sensing of biogeophysical variables at the Cape Bounty Arctic Watershed Observatory, Melville Island, Nunavut, Canada. Arctic Science. 2024;10(2):281– 304. https://doi.org/10.1139/as-2023-0043

17. Beamish A., Raynolds M.K., Epstein H., Frost G.V., Macander M.J., Bergstedt H. Recent trends and remaining challenges for optical remote sensing of Arctic tundra vegetation: A review and outlook. Remote Sensing of Environment. 2020;246:111872. https://doi.org/10.1016/j.rse.2020.111872