Геоинформационный подход к корректировке спутниковых данных мониторинга восстановления природных экосистем на примере складированных отходов обогащения руд

Оценка природных экосистем по спектральным отражательным характеристикам на основе данных спутниковых наблюдений поверхности Земли – эффективный метод мониторинга их состояния. При освоении георесурсов перманентная многозональная спутниковая съемка обеспечивает возможность изучения динамики восстановления природных экосистем, нарушенных при освоении георесурсов, по их спектральным индексам, например, вегетационным для растительного покрова. С целью повышения достоверности оценки состояния формирующегося лесного фитоценоза в процессе восстановления природных экосистем в соответствии с принципом их самоорганизации на примере складированных отходов обогащения апатитсодержащих руд Хибинской группы месторождений, исследованы факторы затенения подстилающей поверхности и предложен алгоритм корректировки вегетационного индекса. Разработан методический подход к корректировке яркости в спектральных каналах спутникового изображения формирующегося лесного фитоценоза на основе учета суммарной яркости спектральных каналов и разделения спектров растительного покрова и складированных отходов рудообогащения. Показано, что корректировка позволяет уменьшить погрешность определения вегетационного индекса формирующегося фитоценоза и увеличить информационную составляющую спутникового снимка. Сравнением откорректированного вегетационного индекса формирующегося фитоценоза с индексом фитоценоза окружающего природного ландшафта установлено актуальное состояние динамики восстановления природных экосистем. Предложенный подход может быть использован для дистанционной оценки экологического состояния территории горнопромышленных регионов.

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. – С. 94–105. DOI: 10.25018/0236_1493_2022_121_0_94.

Остапенко Сергей Павлович¹ — канд. техн. наук, ведущий научный сотрудник, e-mail: s.ostapenko@ksc.ru, ORCID ID: 0000-0002-1513-4250,
Месяц Светлана Петровна¹ — ведущий научный сотрудник, зав. лабораторией, e-mail: s.mesyats@ksc.ru, ORCID ID: 0000-0002-9929-8067,
¹ Горный институт Кольского научного центра РАН.

Месяц С.П., e-mail: s.mesyats@ksc.ru.

1. Каплунов Д. Р., Юков В. А. О принципах перехода горнодобывающего предприятия к устойчивому экологически сбалансированному развитию // Горный информационно-аналитический бюллетень. — 2020. — № 3. — С. 74—86. DOI: 10.25018/02361493-20203-0-74-86.

2. Ахмадиев А. К., Экзарьян В. Н. Реабилитация природной среды — структурный элемент экологической безопасности // Горный информационно-аналитический бюллетень. — 2020. — № 2. — С. 112—120. DOI: 10.25018/0236-1493-2020-2-0-112-120.

3. Рыбников П. А., Бузина Д. А. Использование мультиспектральных и гиперспектральных данных авиационных и космических аппаратов для изучения горнопромышленных территорий // Горный информационно-аналитический бюллетень. —2021. — № 11-1. — С. 55—70. DOI: 10.25018/0236-1493-2021-111-0-55.

4. Chang C. I. Hyperspectral data processing: algorithm design and analysis. John Wiley & Sons, 2013, 1164 p.

5. Hargreaves P. K., Watmough G. R. Satellite Earth observation to support sustainable rural development // International Journal of Applied Earth Observation and Geoinformation. 2021, vol. 103, article 102466. DOI:10.1016/j.jag.2021.102466.

6. Дубровская С. А., Норейка С. Ю. Многолетний геоинформационный мониторинг горнотехнических ландшафтов степной зоны России с применением спектрального индекса // Научные ведомости Белгородского государственного университета. Серия: Естественные науки. — 2019. — Т. 43. — № 1. — С. 52—62. DOI: 10.18413/2075-4671-201943-1-52-62.

7. 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. — C. 137—142. DOI: 10.30686/1609-9192-2020-6-137-142.

8. Wu Q., Jin Y., Fan H. Evaluating and comparing performances of topographic correction methods based on multi-source DEMs and Landsat-8 OLI data // International Journal of Remote Sensing. 2016, vol. 37, no.19, pp.4712-4730. DOI: 10.1080/01431161.2016.1222101.

9. Zhang L., Sun X., Wu T., Zhang H. An analysis of shadow effects on spectral vegetation indexes using a ground-based imaging spectrometer // IEEE Geoscience and Remote Sensing Letters. 2015, vol. 12, no. 11, pp. 2188—2192. DOI: 10.1109/LGRS.2015.2450218.

10. Yasser M. A review on various shadow detection and compensation techniques in remote sensing images // Canadian Journal of Remote Sensing. 2017, vol. 43, no. 6, pp. 545—562. DOI: 10.1080/07038992.2017.1384310.

11. Mesyats S., Ostapenko S. A satellite data driven study of the relief impact on the assessment of the vegetable cover created to suppress the wind and water erosion of stored ore processing waste // International Multidisciplinary Scientific GeoConference SGEM. 2020, vol. 5.1, pp. 11—18. DOI: 10.5593/sgem2020/5.1/s20.002.

12. 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. — С. 77—83. DOI: 10.17580/gzh.2019.06.11.

13. Райкунов Г. Г., Брусничкина Н. А., Турченко С. И., Щербаков В. Л. Гиперспектральное дистанционное зондирование в геологическом картировании. — М.: Физматлит, 2014. — 136 с.

14. Van Cleemput E., Vanierschot L., Fernández-Castilla B., Honnay O., Somers B. The functional characterization of grassand shrubland ecosystems using hyperspectral remote sensing: trends, accuracy and moderating variables // Remote Sensing of Environment. 2018, vol. 209, pp. 747—763. DOI: 10.1016/j.rse.2018.02.030.

15. Schuwirth N., Borgwardt F., Domisch S., Friedrichs M., Kattwinkel M., Kneis D., Vermeiren P. How to make ecological models useful for environmental management // Ecological Modelling. 2019, vol. 411, article 108784. DOI:10.1016/j.ecolmodel.2019.108784.

16. Paradis E. A review of computer tools for prediction of ecosystems and populations: We need more open-source software // Environmental Modelling & Software. 2020, vol. 134, article 104872. DOI: 10.1016/j.envsoft.2020.104872.

17. Yousefi M., Kreuzer O. P., Nykänen V., Hronsky J. M. A. Exploration information systems-a proposal for the future use of GIS in mineral exploration targeting // Ore Geology Reviews. 2019, vol. 111, article 103005. DOI: 10.1016/j.oregeorev.2019.103005.